package com.sdxm;
import org.opencv.core.*;
import org.opencv.core.Point;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.Paths;
/**
* @author sdxm
* @version 1.0
* @description: TODO
* @date 2024/5/9 10:30
*/
public class ImageMergerWithLabels {
static {
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
}
public static void main(String[] args) {
String path1 = "C:\\Users\\sdxm\\Desktop\\southeast.jfif";
String path2 = "C:\\Users\\sdxm\\Desktop\\southeast.jfif";
fileAccessChecker(path1);
imageMergerWithLabelsMethods(path1,path2);
faceDetectionExample(path1);
}
public static void imageMergerWithLabelsMethods(String path1, String path2){
try {
// 读取两个图像文件
BufferedImage image1 = ImageIO.read(new File(path1)); // 修剪前
BufferedImage image2 = ImageIO.read(new File(path2)); // 修剪后
if (image1 == null || image2 == null) {
System.err.println("无法读取图片文件!");
// 在这里可以添加更详细的错误处理代码,比如打印出堆栈跟踪或者退出程序
return; // 或者你可以选择抛出一个异常
}
// 假设我们将image2放在image1的右边,所以新图像的宽度是两者之和,高度取最大值
int newWidth = image1.getWidth() + image2.getWidth() + 30; // 留出一些空间用于文本
int newHeight = Math.max(image1.getHeight(), image2.getHeight()) + 20;
// 创建一个新的BufferedImage来容纳两个图像和文本
BufferedImage combinedImage = new BufferedImage(newWidth, newHeight, BufferedImage.TYPE_INT_ARGB);
// 创建一个Graphics2D对象以便在新图像上绘制
Graphics2D g2d = combinedImage.createGraphics();
// 设置背景色为白色
Color lightGreen = new Color(209, 235, 207); // 这是一个浅绿色的RGB值
g2d.setColor(lightGreen);
g2d.fillRect(0, 0, newWidth, newHeight);
// 设置字体和颜色
//Font font = new Font("Arial", Font.BOLD, 20);
// 加载支持中文的字体(这里以微软雅黑为例,确保你的系统中有这个字体文件)
File fontFile = new File("C:\\Users\\sdxm\\Desktop\\王汉宗超黑体俏皮动物.ttf"); // 替换为你的字体文件路径
Font font = Font.createFont(Font.TRUETYPE_FONT, fontFile);
font = font.deriveFont(25f); // 设置字体大小
GraphicsEnvironment ge = GraphicsEnvironment.getLocalGraphicsEnvironment();
ge.registerFont(font);
g2d.setFont(font);
g2d.setColor(Color.RED);
// 绘制第一个图像并添加“修剪前”标签
g2d.drawImage(image1, 10, 10, null);
g2d.drawString("修剪前", image1.getWidth() - 80, 40); // 将文本放在图像1的顶部附近
// 绘制第二个图像并添加“修剪后”标签
g2d.drawImage(image2, image1.getWidth() + 20, 10, null); // 留出一些空间避免文本重叠
int textX = image1.getWidth() + image2.getWidth() + 10 -80;
if (textX < newWidth) { // 确保文本X坐标在画布内
g2d.drawString("修剪后", textX, 40); // 将文本放在图像2的顶部附近
} else {
// 如果文本会超出边界,可以将其放在图像2的右侧稍下方
g2d.drawString("修剪后", newWidth - 120, image2.getHeight() - 20);
}
// 释放Graphics2D资源
g2d.dispose();
// 保存新图像到文件
ImageIO.write(combinedImage, "png", new File("C:\\Users\\sdxm\\Desktop\\hb.png"));
System.out.println("hb success!");
} catch (IOException e) {
System.out.println("hb fail!");
e.printStackTrace();
} catch (FontFormatException e) {
System.out.println("zt fail!");
e.printStackTrace();
}
}
public static void fileAccessChecker(String filePath){
Path path = Paths.get(filePath);
// 检查文件是否存在
if (!Files.exists(path)) {
System.out.println("文件不存在: " + filePath);
return;
}
// 检查文件是否具有读取权限
if (!Files.isReadable(path)) {
System.out.println("没有读取权限: " + filePath);
return;
}
// 如果以上检查都通过,尝试读取文件
try {
File file = path.toFile();
// 使用ImageIO读取文件(这里只是为了演示,你应该在你的代码中继续处理)
// BufferedImage image = ImageIO.read(file);
System.out.println("文件存在并且具有读取权限: " + filePath);
// 接下来是你的代码逻辑...
} catch (Exception e) {
// 捕获异常,并处理(可能是文件损坏或不支持的格式)
e.printStackTrace();
}
}
public static void faceDetectionExample(String filePath) {
// 加载Haar特征分类器
CascadeClassifier classifier = new CascadeClassifier("G:\\opencv\\opencv3\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
if (classifier.empty()) {
System.out.println("文件加载失败!");
// Handle the error, possibly exit the program
}
// 读取图像
Mat image = Imgcodecs.imread(filePath);
// 检测人脸
MatOfRect faces = new MatOfRect();
classifier.detectMultiScale(image, faces);
// 绘制矩形框
for (Rect rect : faces.toArray()) {
// 虚线参数
int dashLength = 10; // 虚线的每个段的长度
int gapLength = 5; // 虚线中每个段之间的间隔长度
drawDashedRectangle(image, rect, new Scalar(0, 255, 0), 1, dashLength, gapLength);
}
// 显示结果
Imgcodecs.imwrite("C:\\Users\\sdxm\\Desktop\\output_image.jpg", image);
// 打印检测到的人脸数量
System.out.println("检测到的人脸数量: " + faces.total());
}
public static void drawDashedRectangle(Mat image, Rect rect, Scalar color, int thickness, int dashLength, int gapLength) {
int startX = rect.x;
int endX = rect.x + rect.width;
int startY = rect.y;
int endY = rect.y + rect.height;
// 绘制顶部水平线
for (int x = startX; x < endX; x += dashLength + gapLength) {
int end = Math.min(x + dashLength, endX);
Imgproc.line(image, new org.opencv.core.Point(x, startY), new org.opencv.core.Point(end, startY), color, thickness);
}
// 绘制底部水平线
for (int x = startX; x < endX; x += dashLength + gapLength) {
int end = Math.min(x + dashLength, endX);
Imgproc.line(image, new org.opencv.core.Point(x, endY), new org.opencv.core.Point(end, endY), color, thickness);
}
// 绘制左侧垂直线
for (int y = startY; y < endY; y += dashLength + gapLength) {
int end = Math.min(y + dashLength, endY);
Imgproc.line(image, new org.opencv.core.Point(startX, y), new org.opencv.core.Point(startX, end), color, thickness);
}
// 绘制右侧垂直线
for (int y = startY; y < endY; y += dashLength + gapLength) {
int end = Math.min(y + dashLength, endY);
Imgproc.line(image, new org.opencv.core.Point(endX, y), new Point(endX, end), color, thickness);
}
}
}
代码就这些,引入opencv可能需要你研究一下。
说实在的opencv识别能力一般,必须是正面对着才可以完全识别到,否则的话你都觉得它替你看到了你看不到的,反正挺“惊喜”的。