Java学习记录--OpenCV使用教程

- 日理万妓 2021-09-14 02:56 551阅读 0赞

[http://blog.csdn.net/u012706811/article/details/52779271][http_blog.csdn.net_u012706811_article_details_52779271]

环境搭建:

下载openCV后,把build文件夹里面的[Java][]拷贝到项目目录

主程序里面启动前加载该库

static {
            System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
            //注意程序运行的时候需要在VM option添加该行 指明opencv的dll文件所在路径
            //-Djava.library.path=$PROJECT_DIR$\opencv\x64
        }
     
      
       1
       2
       3
       4
       5
      
     
      
       1
       2
       3
       4
       5

IDEA内这样配置

![这里写图片描述][20161010165043825]

--------------------

例图:   
![这里写图片描述][20161010162841031]

--------------------

## 1.Mat与BufferedImage的转换 ##

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。

### 1.1 mat转BufferedImage ###

Mat grayMat = Highgui.imread("E:/temp/3.jpg");
            byte[] data1 = new byte[grayMat.rows() * grayMat.cols() * (int)(grayMat.elemSize())];
            grayMat.get(0, 0, data1);
            BufferedImage image1 = new BufferedImage(grayMat.cols(),
                                    grayMat.rows(),BufferedImage.TYPE_BYTE_GRAY);
            image1.getRaster().setDataElements(0, 0, grayMat.cols(), grayMat.rows(), data1);
     
      
       1
       2
       3
       4
       5
       6
      
     
      
       1
       2
       3
       4
       5
       6

### 1.2 BufferedImage转mat ###

BufferedImage src = ImageIO.read(input);
        Mat srcMat = new Mat(src.getHeight(), src.getWidth(), CvType.CV_8UC3);
     
      
       1
       2
      
     
      
       1
       2

## 2.图片灰度化 ##

就是把图片转换为黑白照

Imgproc.cvtColor(srcMat, destMat, Imgproc.COLOR_RGB2GRAY);
     
      
       1
      
     
      
       1

该函数把原srcMat转换为灰度图像放入grayMat中,自己再转换为BufferedImage显示即可.

![这里写图片描述][20161010162928531]

## 3.二值化处理 ##

也就是只留两个值,黑白

Mat binaryMat = new Mat(grayMat.height(),grayMat.width(),CvType.CV_8UC1);
            Imgproc.threshold(grayMat, binaryMat, max1, max2, Imgproc.THRESH_BINARY);
     
      
       1
       2
      
     
      
       1
       2

![这里写图片描述][20161010163033001]

## 4.图像腐蚀 ##

这里使用3\*3的图片去腐蚀

Mat element = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(3, 3));
            Imgproc.erode(srcMat,destMat,element);
     
      
       1
       2
      
     
      
       1
       2

腐蚀后变得更加宽,粗.便于识别   
![这里写图片描述][20161010163233145]

## 5.遍历,获取和修改像素值 ##

二值图片,当成一个二维矩阵就可以了,双重循环,使用get方法获取像素点,使用put方法修改像素点

for (int y = 0; y < imgSrc.height(); y++)
            {
                for (int x = 0; x < imgSrc.width(); x++)
                {
                    //得到该行像素点的值
                        double[] data = imgSrc.get(y,x);
                        for (int i1 = 0; i1 < data.length; i1++) {
                            data[i1] = 255;//像素点都改为白色
                        }
                        imgSrc.put(i,j,data);
                }
            }
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12
      
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12

## 6.过滤和切割 ##

过滤和切割要找到一个开始行或列,结束行或列,这就有一个简单的[算法][Link 1].该算法从第一行开始遍历,统计每一行的像素点值符合阈值的个数,再根据个数判断该点是否为边界.找到后过滤和切割自然就很简单了,直接创建个该范围的新的Mat对象.

for (int y = 0; y < imgSrc.height(); y++)
            {
                int count = 0;
                for (int x = 0; x < imgSrc.width(); x++)
                {
                    //得到该行像素点的值
                    byte[] data = new byte[1];
                    imgSrc.get(y, x, data);
                    if (data[0] == 0)
                        count = count + 1;
                }
                if (state == 0)//还未到有效行
                {
                    if (count >= 150)//找到了有效行
                    {
       //有效行允许十个像素点的噪声
                        a = y;
                        state = 1;
                    }
                }
                else if (state == 1)
                {
                    if (count <= 150)//找到了有效行
                    {
       //有效行允许十个像素点的噪声
                        b = y;
                        state = 2;
                    }
                }
            }
            System.out.println("过滤下界"+Integer.toString(a));
            System.out.println("过滤上界"+Integer.toString(b));
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12
       13
       14
       15
       16
       17
       18
       19
       20
       21
       22
       23
       24
       25
       26
       27
       28
       29
       30
      
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12
       13
       14
       15
       16
       17
       18
       19
       20
       21
       22
       23
       24
       25
       26
       27
       28
       29
       30

截取

//参数,坐标X,坐标Y,截图宽度,截图长度
            Rect roi = new Rect(0, 0, imgSrc.width(), b - a);
            Mat res = new Mat(new Size(roi.width, roi.height),CvType.CV_8UC1);
     
      
       1
       2
       3
      
     
      
       1
       2
       3

过滤是从上到下,判断该行的黑色像素点是否大于一定值,大于则留下,找到上边界,下边界后立即停止.   
![这里写图片描述][20161010163320037]

## 7.识别 ##

使用tesseract-ocr进行识别,效果还是很不错的.[github地址][github]

![这里写图片描述][20161010163542446]

## 8.资料 ##

后来发现一个很不错的网站,分享一下,里面有一些使用案例

http://www.w3ii.com/java_dip/default.html

[http_blog.csdn.net_u012706811_article_details_52779271]: http://blog.csdn.net/u012706811/article/details/52779271
[Java]: http://lib.csdn.net/base/java
[20161010165043825]: /images/20210527/bb06254e6bcf4756afde2837b62f33de.png
[20161010162841031]: /images/20210527/ae3a2942ee464a759966e6be95f4c3ec.png
[20161010162928531]: /images/20210527/c4ca079d43654c68bb6ffc3e14f5cbb5.png
[20161010163033001]: /images/20210527/6dcf00063abb49b79f4ffd00fd62d490.png
[20161010163233145]: /images/20210527/658b1aa0893b4d4f939aebeeb46efcdd.png
[Link 1]: http://lib.csdn.net/base/datastructure
[20161010163320037]: /images/20210527/006531334e3e425e8456cbd5c2547774.png
[github]: https://github.com/tesseract-ocr/tesseract
[20161010163542446]: /images/20210527/22505638f55a4ce09857f15b8b1bbbb6.png