机器视觉--OpenCV轻量高效的图像视觉库--其乐融融的IT技术小站

OpenCV介绍

OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。OpenCV轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV用C++语言编写，具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令，也提供对于C#、Ch、Ruby，GO的支持。

OpenCV是一个强大的计算机视觉库，它包含了大量的算法和函数，可以用于图像处理、计算机视觉、模式识别、机器学习等领域。OpenCV的应用领域非常广泛，包括机器人视觉、模式识别、机器学习、工厂自动化生产线产品检测、医学影像、摄像机标定、遥感图像等。OpenCV也可以解决人机交互、机器人视觉、运动跟踪、图像分类、人脸识别、物体识别、特征检测、视频分析、深度图像等问题。

OpenCV的底层由C和C++编写，轻量且高效，可以运行在多个操作系统上，同时提供了多种编程语言的API接口，如Python、Ruby、MATLAB等。OpenCV也支持基于CUDA和OpenCL的高速GPU操作接口。

OpenCV使用

(1) 「下载OpenCV SDK for Android」：从OpenCV官网下载适用于Android的OpenCV SDK。

(2) 「配置Android项目」：在Android Studio中，创建一个新的项目或打开一个已有的项目。将下载的OpenCV SDK作为一个Module导入到项目中。

android {
    compileSdkVersion 34
    //新的Android Studio需添加
    namespace "org.opencv"

    buildFeatures {
        //启用aidl
        aidl true
    }
}

gradle.properties中添加:

android.defaults.buildfeatures.buildconfig=true

(3) 「配置项目依赖」：在项目的build.gradle文件中，添加对OpenCV SDK的依赖。

implementation project(':opencv')

(4) 「初始化OpenCV」：在Android应用中始化OpenCV库。

class MainActivity : AppCompatActivity() {
    
    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION, this, mLoaderCallbackInterface)
    }

    private val mLoaderCallbackInterface = object : LoaderCallbackInterface {
        override fun onManagerConnected(status: Int) {
            //OpenCV加载成功
        }

        override fun onPackageInstall(operation: Int, callback: InstallCallbackInterface?) {

        }
    }
}

(5) 「使用OpenCV功能」：加载图像、显示图像、进行图像处理等。

(6) 「编译和运行」：在完成配置后，编译并运行应用以测试OpenCV功能是否正常工作。

OpenCV图片灰度处理示例:

<?xml version="1.0" encoding="utf-8"?>

package com.reathin.count

import android.R.attr.bitmap
import android.content.Intent
import android.graphics.Bitmap
import android.graphics.BitmapFactory
import android.os.Bundle
import android.util.Log
import androidx.appcompat.app.AppCompatActivity
import com.reathin.count.databinding.ActivityMainBinding
import org.opencv.android.InstallCallbackInterface
import org.opencv.android.LoaderCallbackInterface
import org.opencv.android.OpenCVLoader
import org.opencv.android.Utils
import org.opencv.core.CvType
import org.opencv.core.Mat
import org.opencv.imgproc.Imgproc


class MainActivity : AppCompatActivity() {

    private val TAG = MainActivity::class.java.simpleName

    private lateinit var mBinding: ActivityMainBinding
    private var mBitmap: Bitmap? = null

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        mBinding = ActivityMainBinding.inflate(layoutInflater)
        setContentView(mBinding.root)

        //初始化OpenCV
        val initState = OpenCVLoader.initDebug(true)
        Log.d(TAG, "onCreate: OpenCV初始化$initState")

        mBinding.btnLoad.setOnClickListener {
            val intent = Intent()
            intent.setType("image/*")

            intent.setAction(Intent.ACTION_GET_CONTENT)
            startActivityForResult(intent, 20240104)
        }
        mBinding.btnGray.setOnClickListener {
            if (mBitmap == null) {
                return@setOnClickListener
            }
            //进行灰度
            mBitmap?.run {
                val bitmap = Bitmap.createBitmap(this.width, this.height, Bitmap.Config.ARGB_8888)
                val srcMat = Mat()
                val dstMat = Mat()
                Utils.bitmapToMat(this, srcMat)
                Imgproc.cvtColor(srcMat, dstMat, Imgproc.COLOR_BGRA2GRAY)
                Utils.matToBitmap(dstMat, bitmap)
                runOnUiThread { mBinding.ivImage.setImageBitmap(bitmap) }
                srcMat.release()
                dstMat.release()
            }
        }

    }

    override fun onActivityResult(requestCode: Int, resultCode: Int, data: Intent?) {
        super.onActivityResult(requestCode, resultCode, data)
        if (requestCode == 20240104 && resultCode == RESULT_OK && data != null) {
            data.data?.run {
                mBitmap = BitmapFactory.decodeStream(contentResolver.openInputStream(this))
            }
            mBitmap?.run {
                mBinding.ivImage.setImageBitmap(this)
            }
        }
    }

    private val mLoaderCallbackInterface = object : LoaderCallbackInterface {
        override fun onManagerConnected(status: Int) {
            Log.d(TAG, "onManagerConnected: $status")
            if (status == LoaderCallbackInterface.SUCCESS) {
                //OpenCV加载成功
            }
        }

        override fun onPackageInstall(operation: Int, callback: InstallCallbackInterface?) {

        }
    }
}

总结

OpenCV是一个跨平台的计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。OpenCV轻量级而且高效，由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCV的使用场景非常广泛：

「医学影像分析」：OpenCV可以用于医学影像处理，如医学图像分割、医学图像配准、医学图像增强等。例如，在肺部结节检测和病理识别中，可以使用OpenCV进行图像增强、边缘检测和病变分割等操作。
「智能交通系统」：在智能交通系统中，OpenCV可以用于车辆检测、车牌识别和行人跟踪等任务。例如，通过使用OpenCV，可以检测图像或视频中的车辆，对车牌进行识别，并跟踪行人的运动轨迹。
「安防监控系统」：在安防监控领域，OpenCV可以用于行为识别、目标追踪和异常检测等任务。例如，通过使用OpenCV，可以识别监控视频中的异常行为，如入侵、火灾等，并及时发出警报。
「机器人视觉」：在机器人视觉领域，OpenCV可以用于环境感知、手势识别和姿态估计等任务。例如，通过使用OpenCV，机器人可以识别障碍物、地标等信息，以及进行自主导航。
「计算机视觉」：OpenCV可用于计算机视觉任务，如目标检测、图像分类、人脸识别、姿态估计、运动估计、光流估计等。例如，可以使用OpenCV进行人脸识别和跟踪，实现门禁系统等功能。
「视频分析」：OpenCV可用于视频分析任务，如视频跟踪、行为识别、动作识别等。例如，在智能视频监控系统中，可以使用OpenCV对视频进行分析和处理，实现视频内容的理解和分析。
「图像处理」：OpenCV可以实现各种图像处理功能，包括图像颜色校正、锐化和模糊等。例如，可以使用OpenCV对图像进行色彩空间转换、图像滤波等操作，改善图像质量。
「图像识别」：OpenCV可以实现图像识别功能，识别图像中的字符和数字。例如，可以使用OpenCV进行车牌识别、印刷文字识别等任务。

OpenCV具有广泛的应用领域，包括图像像素操作、几何运算、逻辑运算、像素统计、色彩空间转换、卷积图像处理、形态学处理、特征提取等。它可以帮助研究人员和开发人员快速实现计算机视觉应用，提高图像处理和识别的准确率。

OpenCV介绍

OpenCV使用

总结

相关推荐