检测任意两张图片的相似度思路
- 加载两张图片为bitmap进入内存
- 将内存中的两张图片bitmap转换为Mat矩阵(Mat类是OpenCV最基本的一个数据类型,它可以表示一个多维的多通道的数组。Mat常用来存储图像,包括单通道二维数组——灰度图,多通道二维数组——彩色图)
- 把Mat矩阵的type转换为Cv_8uc1(1通道8位矩阵)类型,然后转换为Cv_32F, 因为在c++代码中会判断他的类型。
- 通过OpenCv 来进行俩个矩阵的比较(俩个矩阵必须一样大小的高宽)
识别图片中是否有人脸思路
- 需要一个人脸的Haar特征分类器就是一个XML文件,该文件中会描述人脸的Haar特征值,CascadeClassifier人脸探测器将该特征值集合加载入内存
- 加载图片为bitmap进入内存,将bitmap转换为Mat矩阵。
- 有了Mat矩阵,然后通过调用OpenCV的Native方法,人脸探测器CascadeClassifier在该Mat矩阵中检测当前是否有人脸。
- 如果有,我们会获取到一个Rect数组,里面会有人脸数据,然后将人脸画在屏幕上,方框或者圆形
识别两张图片中的人脸是否是同一个人脸思路
- 识别出人脸后会得到两个人脸的Rect数组,然后比较这两个Rect数组的相似度即可!
实现步骤
工程目录准备
- 新建Android Studio项目 OpenCVCheck
- 导入OpenCVLibrary320
- 在module下的build.gradle中引入OpenCVLibrary的编译:
compile project(':openCVLibrary320')
检测任意两张图片的相似度的实现步骤
- 初始化OpenCV:
static { if (OpenCVLoader.initDebug()) { Log.e(TAG, "OpenCV load success !"); } else { Log.e(TAG, "OpenCV load failed !"); }}
2.加载两张图片进入内存
Bitmap mBitmap1 = BitmapFactory.decodeResource(getResources(), R.mipmap.pic1);Bitmap mBitmap2 = BitmapFactory.decodeResource(getResources(), R.mipmap.pic2);
3.将内存中的两张图片bitmap转换为Mat矩阵
Mat mat1 = new Mat();Mat mat2 = new Mat();Mat mat11 = new Mat();Mat mat22 = new Mat();Utils.bitmapToMat(mBitmap1, mat1);Utils.bitmapToMat(mBitmap2, mat2);Imgproc.cvtColor(mat1, mat11, Imgproc.COLOR_BGR2GRAY);Imgproc.cvtColor(mat2, mat22, Imgproc.COLOR_BGR2GRAY);
4.把Mat矩阵的type转换为Cv_8uc1(1通道8位矩阵)类型,然后转换为Cv_32F,通过OpenCV来进行俩个矩阵的比较
/** * 比较来个矩阵的相似度 * * @param srcMat * @param desMat */public void comPareHist(Mat srcMat, Mat desMat) { srcMat.convertTo(srcMat, CvType.CV_32F); desMat.convertTo(desMat, CvType.CV_32F); double target = Imgproc.compareHist(srcMat, desMat, Imgproc.CV_COMP_CORREL); textView.setText("相似度:" + target);}
识别图片中是否有人脸步骤
1.初始化OpenCV
if (!OpenCVLoader.initDebug()) { Log.d(TAG, "Internal OpenCV library not found. Using OpenCV Manager for initialization"); OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_2_4_11, this, mLoaderCallback);} else { Log.d(TAG, "OpenCV library found inside package. Using it!"); mLoaderCallback.onManagerConnected(LoaderCallbackInterface.SUCCESS);}
2.编译 .so 库通过ndk 来编译 jni文件下的.cpp 文件,生成.so库,以备程序使用
3.加载.so 库
// 在Opencv初始化完成后,调用Native库 System.loadLibrary("detection_based_tracker");
4.加载需要的人脸的Haar特征分类器就是一个XML文件,该文件中会描述人脸的Haar特征值
private BaseLoaderCallback mLoaderCallback = new BaseLoaderCallback(this) { @Override public void onManagerConnected(int status) { switch (status) { case LoaderCallbackInterface.SUCCESS: { Log.i(TAG, "OpenCV loaded successfully"); // Load native library after(!) OpenCV initialization System.loadLibrary("detection_based_tracker"); try { // load cascade file from application resources InputStream is = getResources().openRawResource(R.raw.lbpcascade_frontalface); File cascadeDir = getDir("cascade", Context.MODE_PRIVATE); mCascadeFile = new File(cascadeDir, "lbpcascade_frontalface.xml"); FileOutputStream os = new FileOutputStream(mCascadeFile); byte[] buffer = new byte[4096]; int bytesRead; while ((bytesRead = is.read(buffer)) != -1) { os.write(buffer, 0, bytesRead); } is.close(); os.close(); mJavaDetector = new CascadeClassifier(mCascadeFile.getAbsolutePath()); if (mJavaDetector.empty()) { Log.e(TAG, "Failed to load cascade classifier"); mJavaDetector = null; } else Log.i(TAG, "Loaded cascade classifier from " + mCascadeFile.getAbsolutePath()); mNativeDetector = new DetectionBasedTracker(mCascadeFile.getAbsolutePath(), 0); cascadeDir.delete(); } catch (IOException e) { e.printStackTrace(); Log.e(TAG, "Failed to load cascade. Exception thrown: " + e); } } break; default: { super.onManagerConnected(status); } break; } } };
5.加载图片进入内存,得到Mat矩阵,有了Mat矩阵,然后通过调用OpenCV的Native方法,人脸探测器CascadeClassifier在该Mat矩阵中检测当前是否有人脸
6.如果有,我们会获取到一个Rect数组,里面会有人脸数据,然后将人脸画在屏幕上,方框或者圆形
识别两张图片中的人脸是否是同一个人脸步骤
这个功能前面的步骤跟检测人脸的一样,唯一不同的就是:检测出两个人脸的Rect数组后,进行相似度比较: