Java 图像处理教程(人脸检测，添加水印，图像颜色转换)

最新推荐文章于 2022-04-10 17:19:16 发布
最新推荐文章于 2022-04-10 17:19:16 发布
阅读量541 收藏 4
点赞数
分类专栏： java 文章标签： java
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41974199/article/details/107181495
版权

Java 图像处理教程(人脸检测，添加水印，图像颜色转换)

文章目录

1：图片的读和写

BufferedImage 是处理图片的缓冲器，用于处理图片的长度，修改图片的大小，颜色转换以及对图片的其他修改。

public class Test {
    static BufferedImage image = null;
    public static void main(String[] args)
    {
        try {

            File input_file = new File("C:\\Users\\Administrator\\Desktop\\beautiful.jpg");
            image = new BufferedImage(600,600,BufferedImage.TYPE_INT_RGB);
            image = ImageIO.read(input_file);
            System.out.println("图片已读取");

            File out_file = new File("C:\\Users\\Administrator\\Desktop\\out_beautiful4.jpg");
            ImageIO.write(image,"jpg",out_file);
            System.out.println("图片已输出");

        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

2：彩色图像转换成灰度图像

像素是图像的最小单位，由四个分量Alpha（透明度度量），红色，绿色，蓝色和简称（ARGB）组成。
所有组件的值都在0到255之间（包括0和255）。零表示该组件不存在，而255表示该组件已完全存在。
由于 2 8 = 256 2^{8} = 256 28=256并且像素分量的值在0到255之间，因此我们只需要8位即可存储这些值。
因此，存储ARGB值所需的总位数为8 * 4 = 32位或4个字节。
当顺序表示Alpha获取最左边的8位时，Blue获取最右边的8位。

因此位的位置：
蓝色分量为7-0，
绿色分量为15-8，
红色分量为23-16，
alpha分量为31-24，

在这里插入图片描述
在灰度图像中，图像的Alpha分量将与原始图像相同，但是RGB将被更改，即，所有三个RGB分量对于每个像素将具有相同的值。

算法：

  1. 获取像素的RGB值。
  2. 求出RGB的平均值，即Avg =（R + G + B）/ 3。
  3. 将像素的R，G和B值替换为在步骤2中计算的平均值（Avg）。
  4. 对图像的每个像素重复步骤1到步骤3。
public class Test {
    static BufferedImage image = null;
    static File input_file = null;
    public static void main(String[] args)
    {
        try {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\beautiful.jpg");
            image = ImageIO.read(input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
        // 获取图片的长度和宽度
        int width = image.getWidth();
        int height = image.getHeight();

        for (int y = 0; y < height; y++)
        {
            for (int x = 0; x < width; x++)
            {
                // （x，y）表示图像的坐标
                int p = image.getRGB(x,y);

                int a = (p>>24)&0xff;
                int r = (p>>16)&0xff;
                int g = (p>>8)&0xff;
                int b = p&0xff;

                // 计算平均值
                int avg = (r+g+b)/3;

                // 替换 RGB 值
                p = (a<<24) | (avg<<16) | (avg<<8) | avg;

                image.setRGB(x, y, p);
            }
        }

        // 输出图片
        try
        {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\out.jpg");
            ImageIO.write(image, "jpg", input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

在这里插入图片描述
在这里插入图片描述

3：彩色图像转换成负图像

在负片图像中，图像的Alpha分量将与原始图像相同，但是RGB将被更改，即所有三个RGB分量的值将均为255-原始分量值。

算法：

  1. 获取像素的RGB值
  2. 计算新的RGB值。
  3. 将像素的R，G和B值替换为在步骤2中计算出的值
  4. 对图像的每个像素重复步骤1到步骤3。
public class Test {
    static BufferedImage image = null;
    static File input_file = null;
    public static void main(String[] args)
    {
        try {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\beautiful.jpg");
            image = ImageIO.read(input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
        // 获取图片的长度和宽度
        int width = image.getWidth();
        int height = image.getHeight();

        for (int y = 0; y < height; y++)
        {
            for (int x = 0; x < width; x++)
            {
                // （x，y）表示图像的坐标
                int p = image.getRGB(x,y);

                int a = (p>>24)&0xff;
                int r = (p>>16)&0xff;
                int g = (p>>8)&0xff;
                int b = p&0xff;

                // 从255减去RGB
                r = 255 - r;
                g = 255 - g;
                b = 255 - b;

                // 替换 RGB 值
                p = (a<<24) | (r<<16) | (g<<8) | b;

                image.setRGB(x, y, p);
            }
        }

        // 输出图片
        try
        {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\out.jpg");
            ImageIO.write(image, "jpg", input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

在这里插入图片描述
在这里插入图片描述

4：彩色图像转换成红色，绿色，蓝色图像

获取每个坐标的像素值，然后保持所需的结果彩色像素值相同，并将其他两个像素值设置为零。

转换成红色：

  1. 获取像素的RGB值。
  2. 设置RGB值：R：不变 ，G：设为0， B：设为0
  3. 将像素的R，G和B值替换为在步骤2中计算出的值。
  4. 对图像的每个像素重复步骤1到步骤3。
public class Test {
    static BufferedImage image = null;
    static File input_file = null;
    public static void main(String[] args)
    {
        try {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\beautiful.jpg");
            image = ImageIO.read(input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
        // 获取图片的长度和宽度
        int width = image.getWidth();
        int height = image.getHeight();

        for (int y = 0; y < height; y++)
        {
            for (int x = 0; x < width; x++)
            {
                // （x，y）表示图像的坐标
                int p = image.getRGB(x,y);

                int a = (p>>24)&0xff;
                int r = (p>>16)&0xff;
                int g = (p>>8)&0xff;
                int b = p&0xff;

                // G：设为 0 
                // B：设为 0
                g = 0;
                b = 0;

                // 替换 RGB 值
                p = (a<<24) | (r<<16) | (g<<8) | b;

                image.setRGB(x, y, p);
            }
        }

        // 输出图片
        try
        {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\out.jpg");
            ImageIO.write(image, "jpg", input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

在这里插入图片描述
在这里插入图片描述
设为蓝色，绿色，原理相同。

比如设为蓝色

  • R：设为 0
  • G：设为 0
  • B：不变

5：彩色图像转换成棕褐色图像

在棕褐色图像中，图像的Alpha分量将与原始图像相同（因为Alpha分量表示透明度），但是RGB将更改。

棕褐色计算公式(微软推荐)：

newRed = 0.393 * R + 0.769 * G + 0.189 * B
newGreen = 0.349 * R + 0.686 * G + 0.168 * B
newBlue = 0.272 * R + 0.534 * G + 0.131 * B

注意：如果这些输出值中的任何一个大于255， 只需将其设置为255。

public class Test {
    static BufferedImage image = null;
    static File input_file = null;
    public static void main(String[] args)
    {
        try {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\beautiful.jpg");
            image = ImageIO.read(input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
        // 获取图片的长度和宽度
        int width = image.getWidth();
        int height = image.getHeight();

        for (int y = 0; y < height; y++)
        {
            for (int x = 0; x < width; x++)
            {
                // （x，y）表示图像的坐标
                int p = image.getRGB(x,y);

                int a = (p>>24)&0xff;
                int r = (p>>16)&0xff;
                int g = (p>>8)&0xff;
                int b = p&0xff;

                // 计算 红色，绿色，蓝色
                int newRed = (int)(0.393*r + 0.769*g + 0.189*b);
                int newGreen = (int)(0.349*r + 0.686*g + 0.168*b);
                int newBlue = (int)(0.272*r + 0.534*g + 0.131*b);

                //check condition
                if (newRed > 255)
                    r = 255;
                else
                    r = newRed;

                if (newGreen > 255)
                    g = 255;
                else
                    g = newGreen;

                if (newBlue > 255)
                    b = 255;
                else
                    b = newBlue;

                // 替换 RGB 值
                p = (a<<24) | (r<<16) | (g<<8) | b;

                image.setRGB(x, y, p);
            }
        }

        // 输出图片
        try
        {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\out.jpg");
            ImageIO.write(image, "jpg", input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

在这里插入图片描述
在这里插入图片描述

6：旋转图像

将左侧的颜色值放到右侧，将右侧的颜色值放到左侧。

算法：

  1. 获取左侧像素的RGB值。
  2. 获取右侧像素的RGB值。
  3. 将左侧像素的RGB值赋值到右侧。
  4. 将右侧像素的RGB值赋值到左侧。
  5. 循环到图像长度的一半结束。
  6. 对图像的每个像素重复步骤1到步骤4。
public class Test {
    static BufferedImage image = null;
    static File input_file = null;
    public static void main(String[] args)
    {
        try {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\beautiful.jpg");
            image = ImageIO.read(input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
        // 获取图片的长度和宽度
        int width = image.getWidth();
        int height = image.getHeight();

        for (int y = 0; y < height; y++)
        {
            for (int x = 0, rx = (width - 1); x < width/2; x++, rx--)
            {
                // （x，y）表示图像的坐标
                int p = image.getRGB(x,y);
                int p2 = image.getRGB(rx,y);

                image.setRGB(rx, y, p);
                image.setRGB(x, y, p2);
            }
        }

        // 输出图片
        try
        {
            input_file = new File("C:\\Users\\Administrator\\Desktop\\out.jpg");
            ImageIO.write(image, "jpg", input_file);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

在这里插入图片描述
在这里插入图片描述

您可以在此基础上下旋转。

另外，您可以创建另一个BufferedImage对象并添加颜色值以实现镜像。

7：人脸检测

首先，我们需要为Java设置OpenCV。

OpenCV在线安装教程太多了，我们只介绍一个很容易在这里出现的问题，NO opencv_java300 in java.library.path [duplicate]，这是因为缺少opencv_java430.dll，请将其从opencv / build / java / x64目录复制到jdk安装目录的 bin 目录中。

public class Test {
    // 加载Core.NATIVE_LIBRARY_NAME
    static{ System.loadLibrary(Core.NATIVE_LIBRARY_NAME); }
    public static void main(String[] args)
    {
        //通过加载源级联xml文件来创建人脸检测器
        CascadeClassifier faceDetector = new CascadeClassifier();
        File directory = new File("");//设定为当前文件夹
        String path = directory.getAbsolutePath()+"\\src\\haarcascade_frontalface_alt.xml";
        faceDetector.load(path);

        Mat image = Imgcodecs.imread("C:\\Users\\Administrator\\Desktop\\aobama.jpg");

        // 侦测人脸
        MatOfRect faceDetections = new MatOfRect();
        faceDetector.detectMultiScale(image, faceDetections);

        // 创建一个显示检测到的面部的矩形框
        for (Rect rect : faceDetections.toArray())
        {
            Imgproc.rectangle(image, new Point(rect.x, rect.y),
                    new Point(rect.x + rect.width, rect.y + rect.height),
                    new Scalar(0, 255, 0));
        }

        // 输出图像
        Imgcodecs.imwrite("C:\\Users\\Administrator\\Desktop\\out2.jpg", image);
    }
}

在这里插入图片描述
在这里插入图片描述

8：为图像增加水印

这里使用三个包：

  1. java.awt.Graphics：将生成文本应用于图像
  2. java.awt.Color：文本的字体
  3. java.awt.Font：文本的颜色

使用的一些方法：

  1. getGraphics()：在BufferedImage类中找到此方法，它从图像文件中返回2DGraphics对象。
  2. drawImage(Image img, int x, int y, ImageObserver observer)：x，y位置指定图像左上角的位置。该观察器参数通知应用程序对异步加载的映像的更新。observer并不经常直接使用，并且对于BufferedImage类而言并不需要，因此通常为null。
  3. setFont(Font f)：在awt包的Font类中找到此方法，构造函数将（FONT_TYPE，FONT_STYLE，FONT_SIZE）作为参数。
  4. setColor(Color c)：该方法位于awt包的Color类中，构造函数将（R，G，B，A）作为参数。
  5. drawString(String str, int x, int y)： Graphics类中的Fond将字符串文本和位置坐标分别作为x和y作为参数。
public class Test {
    static BufferedImage img = null;
    static File f = null;
    public static void main(String[] args)
    {

        try {
            // 读取图片
            f = new File("C:\\Users\\Administrator\\Desktop\\beautiful.jpg");
            img = ImageIO.read(f);
        } catch (IOException e) {
            e.printStackTrace();
        }

        // 创建相同宽度的BufferedImage对象，并从输入图片开始的高度
        BufferedImage temp = new BufferedImage(img.getWidth(),
                img.getHeight(), BufferedImage.TYPE_INT_RGB);

        //创建图形对象并添加原始图片
        Graphics graphics = temp.getGraphics();
        graphics.drawImage(img, 0, 0, null);

        // 设置水印文本的字体和颜色
        graphics.setFont(new Font("Arial", Font.PLAIN, 20));
        graphics.setColor(new Color(0, 122, 255, 40));

        // 设置水印文本内容
        String watermark = "hello world";

        // 设置水印位置
        graphics.drawString(watermark, 30, 30);

        // 释放该方法正在使用的所有系统资源
        graphics.dispose();

        try {
            // 输出图像
            ImageIO.write(temp, "png", new File("C:\\Users\\Administrator\\Desktop\\out.jpg"));
        } catch (IOException e) {
            e.printStackTrace();
        }

    }
}

在这里插入图片描述
在这里插入图片描述

一拖再拖 一拖再拖
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
JAVA ImageIO.read方法报错/无效解决方法
Charlesix59的博客
07-14 8010
最近开始学习JAVA，使用到javax.imageio包里的read方法，不论我怎么写，IDEA一直报错。 如图： 其实这个问题很容易解决，但是JAVA初学者往往不能理解——只需要用try/catch吧需要处理的代码包围就可以了。 try { BufferedImage bi = ImageIO.read(file); } catch (IOException e) { e.printStackTrace(); } 但是
java腾讯AI人脸对比对接
热门推荐
yjh44780791的博客
11-30 153万+
技术栈： Spring boot 2.x 腾讯 java版本1.8 注意事项： 本文内的“**.**”需要自己替换为自己的路径。 常量内的“**”需要自己定义自己内容。 业务中认证图片，上传至阿里云OSS上 话不多说，直接上代码 1、pom文件： &lt;!-- apache httpclient组件 --&gt; &lt;dependency&gt; &lt;...
百度AI图片文字识别工具类
ccyy
03-17 290
官方开发示例：https://ai.baidu.com/tech/ocr_cars/vehicle_license 工具类中的APP_ID、API_KEY、SECRET_KEY等信息 需要自己注册百度账户，登录进去创建文字识别实例。 实现百度api图片文字识别，需要先引入jar包 <!-- 百度识别jar --> <dependency> <groupId>com.baidu.aip</groupId> <artifactId>java
借助百度云中的百度人脸识别用java开发一个人脸识别
z69183787的专栏
08-17 4986
http://m.blog.csdn.net/u010651369/article/details/64439090 1.官网文档必须看 http://ai.baidu.com/docs 2.在管理中心创建应用及查看相关参数 AppID APIKey SecretKey都需要保存起来 3.搬砖测试 项目需要的lib包，基本下载官网的SDK就
Java+opencv+mysql实现人脸识别源码(人脸采集入库+人脸识别相似度)
anmu4200的博客
06-27 3789
Java+opencv实现人脸识别 写这篇博客，是因为以前经常使用python+opencv实现人脸处理，后来发现java也可以实现，于是便学习了下，以下将代码和实现过程贴出。 目录 1、环境准备 使用到的技术：java+opencv+mysql 我这里用的是opencv4.1，这里可以自行下载(其实只需要一个opencv的dll文件放在java安装目录的bin下面既可) 2、代码实现 核心opencv人脸识别类（识别算法）： package com.dialect.utils; import org.o
图像处理—人脸检测打码
05-09
视觉媒体通信作业（二）读取yuv文件，并进行图像处理（实时人脸检测并打码） 包含：1.cpp文件 2.作业报告
计算机视觉与图像处理-人脸识别
最新发布
08-30
【计算机视觉与图像处理-人脸识别】实验报告详细解析 计算机视觉是信息技术领域的重要分支，而人脸识别作为其中的一个关键任务，广泛应用于安全监控、身份验证、社交媒体等场景。本实验主要探讨如何利用OpenCV库...
数字图像处理大作业( 图像分割、人脸检测、边缘检测 ）
05-25
数字图像处理大作业 内容 Canny 边缘检测 OTSU 图像分割方法 OpenCV + Python 实现人脸检测
数字图像处理_人脸识别_识别_数字图像处理_
10-01
数字图像处理的人脸识别和去噪声等功能，有样图和结果图
ImageIo.read读取图片有一层红色
兴国-为梦想而战
11-10 3041
使用BufferedImage headBuff = ImageIO.read(url);读取图片，读取后再重写有可能有一层红色。这就是ImageIO.read()方法读取图片时不能正确处理ICC信息的问题。 网上很多文章给出以下解决方案。 Image src = Toolkit.getDefaultToolkit().getImage(url); BufferedImage originalIm...
Java对于图形图像的处理
m0_53823846的博客
04-10 1739
实例1：图片读取、写入、两张图片的拼接与剪裁 package basic; import java.awt.Rectangle; import java.awt.image.BufferedImage; import java.io.File; import java.io.FileInputStream; import java.io.IOException; import java.util.Iterator; import javax.imageio.ImageIO; import java.
java 人脸识别jar包_用java写人脸识别其实很简单
weixin_39639622的博客
11-29 298
概述基于中科院seetaface2进行封装的JAVA人脸识别库。功能支持人脸识别、1:1比对、1:N比对。使用1、下载文件到本地，并解压出来；2、下载doc目录中对应的lib包到本地并解压：Windows(64位)环境下载lib-win-x64.zipLinux(64位)下载lib-linux-x64.tar.bz23、将doc中的faces-data.db下载到本地；PS：如果不需要使用1:N人...
java人脸检测,人脸对比,人脸查找,用户查询,识别
崔崇东的博客
02-05 3077
完整项目下载地址 http://download.csdn.net/download/weixin_39549656/10241080 人脸识别具体的技术,在网上找了好多也没能找到具体的可行方案,在大海捞针搬的搜索中,我发现了百度云人脸识别API(确实很好用,不是打广告).下面比较百度人脸识别与阿里人脸识别. 阿里云人脸识别服务开通是免费的,但是每次使用会收取费用,用的少的话0.0055元,
运用HOG通过Java和C ++实现面部识别比较
读芯术的博客
03-14 849
全文共8470字，预计学习时长25分钟 来源：xaecong HOG：梯度方向直方图（histogram of orientedgradients）是一种图片描述符格式，它能够汇总图像（例如人脸）的主要特征，从而与相似图像进行比较。 本文以及教程源于两年前，我决定更新源代码使其现代化并再次发布。 Java/C++ vs. Python 本演示将在C++程序中...
十分钟教你学会 Java+opencv视频人脸检测
BEACHES-Q的博客
07-29 2251
引言 忽然心血来潮，想写写东西，这是我的首个博客，不知道写些什么内容好。 那好吧，拿个以前做的一个项目讲讲。 项目介绍： 项目的目的是视频人脸的检测和人脸对比，使用的当然是opencv（不收费，开源啊），本章要介绍的是视频的读取，并将视频转换为图片流进行人脸识别。废话不多说，直接进入正题（为了更好理解，我拆开来讲，哈哈哈）。 一、环境搭建 本次演示demo使用eclipse开发工具，opencv计算机视觉库，当然也要有jdk（都懂的，不懂百度以下jdk的安装和使用，环境变量的配置等）。opencv则需要下载
Java+opencv实现人脸检测
a1361585的博客
11-06 170
版本 Java1.8 opencv3.4 代码： import java.awt.Graphics; import java.awt.image.BufferedImage; import javax.swing.JFrame; import javax.swing.JPanel; import org.opencv.core.Mat; import org...
java opencv 人脸相似度_java实现OpenCV 4.1.0人脸相似度对比
weixin_39644614的博客
02-13 857
需要opencv的jar，从opencv的安装路径中可以获取。package com.ahies.dit.management.util;import org.opencv.core.*;import org.opencv.imgcodecs.Imgcodecs;import org.opencv.imgproc.Imgproc;import org.opencv.objdetect.Cascad...
Java解决生成二维码后图片蒙上红色背景问题
专业搬砖程序员的博客
07-13 564
一、在生成图片，或者将二维码放在图片上生成新图片后，生成的图片会造成红色蒙版问题，这问题是因为jdk中 ImageIO.read(inputStream);里在识别RGB的时候会出现偏差，目前公司用的jdk1.8,后续不知道是否还会存在这个问题 问题代码: BufferedImage read = ImageIO.read(inputStream); 包括ImageIO这个类里的很多方法都有RGB问题，这大哥可能后续得重写这个api。目前解决办法有引入了第三方api <dependency>
JavaCV图像处理教程
05-10
JavaCV是Java平台上的计算机视觉库，它提供了一系列处理图像和视频的工具和算法，包括图像处理、特征提取、目标检测、人脸识别等。下面是JavaCV图像处理的一些基本教程： 1. 安装JavaCV 首先需要安装JavaCV，可以在官网下载最新版本的JavaCV，并将其添加到Java项目的classpath中。具体安装步骤可以参考官网的说明。 2. 加载和显示图像 JavaCV提供了一些方法来加载和显示图像。下面是一个简单的例子： ``` import org.bytedeco.opencv.opencv_core.Mat; import org.bytedeco.opencv.opencv_core.CvScalar; import org.bytedeco.opencv.global.opencv_imgcodecs; import org.bytedeco.javacv.Java2DFrameUtils; import org.bytedeco.javacv.JavaFXFrameConverter; import javafx.application.Application; import javafx.scene.Scene; import javafx.scene.image.ImageView; import javafx.scene.layout.BorderPane; import javafx.stage.Stage; public class LoadAndShowImage extends Application { @Override public void start(Stage primaryStage) throws Exception { // 加载图像 Mat image = opencv_imgcodecs.imread("test.jpg"); // 转换为JavaFX Image JavaFXFrameConverter fxConverter = new JavaFXFrameConverter(); ImageView imageView = new ImageView(fxConverter.convert(Java2DFrameUtils.toBufferedImage(image))); // 显示图像 BorderPane root = new BorderPane(); root.setCenter(imageView); Scene scene = new Scene(root, 640, 480); primaryStage.setScene(scene); primaryStage.show(); } public static void main(String[] args) { launch(args); } } ``` 这个例子加载了一张名为test.jpg的图像，并将其显示在JavaFX的窗口中。 3. 图像处理 JavaCV提供了一系列图像处理的方法，可以对图像进行滤波、边缘检测、二值化等操作。下面是一个简单的例子，将图像进行二值化处理： ``` import org.bytedeco.opencv.opencv_core.Mat; import org.bytedeco.opencv.global.opencv_imgcodecs; import org.bytedeco.opencv.global.opencv_imgproc; import org.bytedeco.javacpp.BytePointer; import org.bytedeco.javacv.Java2DFrameUtils; import org.bytedeco.javacv.JavaFXFrameConverter; import javafx.application.Application; import javafx.scene.Scene; import javafx.scene.image.ImageView; import javafx.scene.layout.BorderPane; import javafx.stage.Stage; public class ImageProcessing extends Application { @Override public void start(Stage primaryStage) throws Exception { // 加载图像 Mat image = opencv_imgcodecs.imread("test.jpg"); // 转为灰度图像 Mat gray = new Mat(); opencv_imgproc.cvtColor(image, gray, opencv_imgproc.COLOR_BGR2GRAY); // 二值化处理 Mat binary = new Mat(); opencv_imgproc.threshold(gray, binary, 0, 255, opencv_imgproc.THRESH_BINARY | opencv_imgproc.THRESH_OTSU); // 转换为JavaFX Image JavaFXFrameConverter fxConverter = new JavaFXFrameConverter(); ImageView imageView = new ImageView(fxConverter.convert(Java2DFrameUtils.toBufferedImage(binary))); // 显示图像 BorderPane root = new BorderPane(); root.setCenter(imageView); Scene scene = new Scene(root, 640, 480); primaryStage.setScene(scene); primaryStage.show(); } public static void main(String[] args) { launch(args); } } ``` 这个例子将图像转为灰度图像，并进行二值化处理。可以通过修改threshold方法中的参数来调整二值化的阈值。 4. 特征提取和目标检测 JavaCV还提供了一些特征提取和目标检测的方法，例如SIFT、SURF、HOG等。下面是一个简单的例子，使用SIFT算法提取图像的关键点和描述符： ``` import org.bytedeco.opencv.opencv_core.Mat; import org.bytedeco.opencv.opencv_features2d.KeyPointVector; import org.bytedeco.opencv.global.opencv_features2d; import org.bytedeco.opencv.global.opencv_imgcodecs; import org.bytedeco.javacpp.BytePointer; public class FeatureExtraction { public static void main(String[] args) { // 加载图像 Mat image = opencv_imgcodecs.imread("test.jpg"); // 使用SIFT算法提取关键点和描述符 opencv_features2d.SIFT sift = opencv_features2d.SIFT.create(); KeyPointVector keypoints = new KeyPointVector(); Mat descriptors = new Mat(); sift.detectAndCompute(image, new Mat(), keypoints, descriptors); // 输出关键点和描述符 System.out.println("keypoints:"); for (int i = 0; i < keypoints.size(); i++) { System.out.println(keypoints.get(i).pt().x() + "," + keypoints.get(i).pt().y()); } System.out.println("descriptors:"); BytePointer ptr = descriptors.createIndexer(); for (int i = 0; i < descriptors.rows(); i++) { for (int j = 0; j < descriptors.cols(); j++) { System.out.print(ptr.get(i, j) + " "); } System.out.println(); } } } ``` 这个例子使用SIFT算法提取了图像的关键点和描述符，并输出了结果。可以使用同样的方法提取其他特征，并进行目标检测等操作。 以上是JavaCV图像处理的一些基本教程，希望对您有所帮助。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一拖再拖 一拖再拖

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值