利用opencv进行头像识别合并识别前跟识别后照片

大小先生

于 2024-06-20 16:08:11 发布

阅读量194

点赞数 1

分类专栏： java springboot 文章标签： opencv 人工智能计算机视觉 java

本文链接：https://blog.csdn.net/qq_37293274/article/details/139835442

版权

springboot 同时被 2 个专栏收录

11 篇文章 0 订阅

订阅专栏

java

4 篇文章 0 订阅

订阅专栏

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。