自从OpenCV2.4.4它开始支持Java桌面开发,与Android开发使用非常相似的接口。这个教程将帮助你创建自己的第一个使用Java开发(or Scala)的OpenCV应用程序。我们将使用Apache Ant或者Simple Build Tool(SBT)中的一个来编译应用程序。
在这个教程中我们将会:
- 获得OpenCV对桌面Java的支持。
- 创建一个Ant或者SBT项目。
- 使用Java或Scala创建一个Java应用程序。
相同的方式也用于创建OpenCV repository中sample/java里面的小示例程序,如果还没被删除的话,就去看看吧。
从OpenCV 2.4.4版本开始绑定桌面Java。
最简单的方式就是去OpenCV SourceForge repository下载合适的包,2.4.4版本或者更高。
注意:Windows版本用户可以在opencv/build/java目录找到Java开发的预置文件。对于其他操作系统需要编译源码才能获得。
另一种得到OpenCV源码的方式是clone OpenCV git repository。编译OpenCV绑定的Java部分,你需要安装JDK(Java Delelopment Kit)(我们推荐Oracle/Sun JDK 6 or 7), Apache Ant and Python v2.6或者更高版本。
让我们来编译OpenCV:
git clone git://github.com/opencv/opencv.git
cd opencv
git checkout 2.4
mkdir build
cd build
生成Makefile或者MS Visual Studio*的解决方案,使用你系统中生成的可执行文件:
cmake -DBUILD_SHARED_LIBS=OFF ..
或者
cmake -DBUILD_SHARED_LIBS=OFF -G "Visual Studio 10" ..
注意:当OpenCV被编译成一套静态库的时候(-DBUILD_SHARED_LIBS=OFF option)Java绑定的动态库就足够使用了,不需要其他的OpenCV库了,里面已经包含了所有的OpenCV代码。
检查CMake的输出并确认java模块被建立,如果没有似乎是缺少了它的依赖。需要完整的检查CMake的输出,那些Java相关的工具没有被安装。
注意:
如果你的CMake没能在你的系统中找到Java,需要设置JAVA_HOME环境变量,指明JDK的安装目录,再运行CMake:
export JAVA_HOME=/usr/lib/jvm/java-6-oracle
cmake -DBUILD_SHARED_LIBS=OFF ..
现在开始编译:
make -j8
或者
msbuild /m OpenCV.sln /t:Build /p:Configuration=Release /v:m
除此之外还会创建一包含Java接口的jar包(bin/opencv-244.jar)和一个包含Java绑定以及OpenCV的一个原生的动态库(lib/libopencv_java244.so or bin/Release/opencv_java244.dll respectively),稍后我们将使用这些文件。
注意:讲解的例子是OpenCV库提供的在
opencv/samples/java/ant
目录中。
<project name="SimpleSample" basedir="." default="rebuild-run">
<property name="src.dir" value="src"/>
<property name="lib.dir" value="${ocvJarDir}"/>
<path id="classpath">
<fileset dir="${lib.dir}" includes="**/*.jar"/>
path>
<property name="build.dir" value="build"/>
<property name="classes.dir" value="${build.dir}/classes"/>
<property name="jar.dir" value="${build.dir}/jar"/>
<property name="main-class" value="${ant.project.name}"/>
<target name="clean">
<delete dir="${build.dir}"/>
target>
<target name="compile">
<mkdir dir="${classes.dir}"/>
<javac includeantruntime="false" srcdir="${src.dir}" destdir="${classes.dir}" classpathref="classpath"/>
target>
<target name="jar" depends="compile">
<mkdir dir="${jar.dir}"/>
<jar destfile="${jar.dir}/${ant.project.name}.jar" basedir="${classes.dir}">
<manifest>
<attribute name="Main-Class" value="${main-class}"/>
manifest>
jar>
target>
<target name="run" depends="jar">
<java fork="true" classname="${main-class}">
<sysproperty key="java.library.path" path="${ocvLibDir}"/>
<classpath>
<path refid="classpath"/>
<path location="${jar.dir}/${ant.project.name}.jar"/>
classpath>
java>
target>
<target name="rebuild" depends="clean,jar"/>
<target name="rebuild-run" depends="clean,run"/>
project>
注意:
这个XML文件可以反复的使用在其他的Java应用程序上。它在2-12行描述了一个常见的目录结构以及应用程序编译、运行的目标。当再次使用这个XML文件的时候不要忘记修改第一行的项目名称,这也是main class(14行)的名称。OpenCV的Jar包和Jni库的路径为了参数 (“ ocvJarDir"第五行和" {ocvLibDir第37行}”,为了方便也可以将路径写死。查看Ant文档详细的描述它的编译文件格式。
src
目录,并将SimpleSample.java
文件放入其中。将下面的的Java代码放入SimpleSample.java
文件中。
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.CvType;
import org.opencv.core.Scalar;
class SimpleSample {
static{ System.loadLibrary(Core.NATIVE_LIBRARY_NAME); }
public static void main(String[] args) {
System.out.println("Welcome to OpenCV " + Core.VERSION);
Mat m = new Mat(5, 10, CvType.CV_8UC1, new Scalar(0));
System.out.println("OpenCV Mat: " + m);
Mat mr1 = m.row(1);
mr1.setTo(new Scalar(1));
Mat mc5 = m.col(5);
mc5.setTo(new Scalar(5));
System.out.println("OpenCV Mat data:\n" + m.dump());
}
}
build.xml
目录运行如下的命令行: ant -DocvJarDir=path/to/dir/containing/opencv-244.jar -DocvLibDir=path/to/dir/containing/opencv_java244/native/library
ant -DocvJarDir=X:\opencv-2.4.4\bin -DocvLibDir=X:\opencv-2.4.4\bin\Release
注意:下面的例子需要使用OpenCV3.x版本。否则Java库不完整。
现在我们将使用SBT创建一个简单的Java程序。这是对这个不常用使用的编译工具的一个简单介绍。我们使用SBT的原因是它特别简单和强大。
第一步,通过web site的介绍,下载并安装SBT。
第二步,选择一个您愿意为应用程序创建源代的路径,创建一个新目录(opencv之外)。我们给它起名为他“JavaSample
”并且为他创建目录。
cd
2 mkdir JavaSample
现在我们将创建需要的目录和SBT项目:
cd JavaSample
mkdir -p src/main/java # This is where SBT expects to find Java sources
mkdir project # This is where the build definitions live
现在创建project/build.scala
文件,并填充如下内容。它会定义你的项目:
import sbt._
import Keys._
object JavaSampleBuild extends Build {
def scalaSettings = Seq(
scalaVersion := "2.10.0",
scalacOptions ++= Seq(
"-optimize",
"-unchecked",
"-deprecation"
)
)
def buildSettings =
Project.defaultSettings ++
scalaSettings
lazy val root = {
val settings = buildSettings ++ Seq(name := "JavaSample")
Project(id = "JavaSample", base = file("."), settings = settings)
}
}
现在创建project/plugins.sbt
填充如下的内容。这个将为Eclipse项目打开一个自动生成器:
addSbtPlugin("com.typesafe.sbteclipse" % "sbteclipse-plugin" % "2.1.0")
如果你还没有安装sbteclipse请参考这里,后面的‘2.1.0’使其对应的版本号。
现在在JavaSample
的根目录应用sbt并且在SBT内容运行eclipse生成eclipse项目:
sbt # Starts the sbt console
eclipse # Running "eclipse" from within the sbt console
你会看到如下内容:
你现在可以导入SBT项目到Eclipse中了, Import… -> Existing project into workspace。你是否这样做都是本教程的可选方案,因为我们将使用SBT编译项目,所以选择Eclipse它仅能提供作为代码编辑器使用。
测试开发环境是否一切正常,创建一个“Hello OpenCV”的应用程序。创建src/main/java/HelloOpenCV.java
,填充如下内容:
public class HelloOpenCV {
public static void main(String[] args) {
System.out.println("Hello, OpenCV");
}
}
现在通过sbt的终端运行程序,或者使用更简单方式在终点以命令行的方式运行:
sbt run
现在我们将使用OpenCV创建一个简单的面部识别程序。
首先,创建一个lib/
目录并拷贝OpenCV里面的所有jar包到里面,SBT会添加lib目录中的所有jar包到Java库搜索路径。你需要回到sbt重新选择eclipse来更新Eclipse项目。
mkdir lib
cp /build/bin/opencv_.jar lib/
sbt eclipse
下一步,创建一个目录并将这个Lena的照片放入其中。
确认图片的名字是“lena.peng”。资源目录中的所有资源在Java应用程序运行的时候都是有效的。
再下一步,从opencv/data/lbpcascades/
目录拷贝lbpcascade_frontalface.xml
到资源目录:
cp /data/lbpcascades/lbpcascade_frontalface.xml src/main/resources/
现在我们修改src/main/java/HelloOpenCV.java里的内容,使用如下代码替换:
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.objdetect.CascadeClassifier;
//
// Detects faces in an image, draws boxes around them, and writes the results
// to "faceDetection.png".
//
class DetectFaceDemo {
public void run() {
System.out.println("\nRunning DetectFaceDemo");
// Create a face detector from the cascade file in the resources
// directory.
CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("/lbpcascade_frontalface.xml").getPath());
Mat image = Imgcodecs.imread(getClass().getResource("/lena.png").getPath());
// Detect faces in the image.
// MatOfRect is a special container class for Rect.
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image, faceDetections);
System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
// Draw a bounding box around each face.
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));
}
// Save the visualized detection.
String filename = "faceDetection.png";
System.out.println(String.format("Writing %s", filename));
Imgcodecs.imwrite(filename, image);
}
}
public class HelloOpenCV {
public static void main(String[] args) {
System.out.println("Hello, OpenCV");
// Load the native library.
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
new DetectFaceDemo().run();
}
}
注意调用了System.loadLibrary(Core.NATIVE_LIBRARY_NAME). 这行命令必须在Java每次运行的时候都调用,而且要优先于OpenCV的native方法。如果你没有调用它你会收到UnsatisfiedLink错误。成功调用后再次调用也会报错。
现在运行面部视频程序:
sbt run
最终会生成如下所示的图片faceDetection.png。
你已经完成!你现在已经有一个通过OpenCV工作的简单Java应用程序,所以你可以开始你自己的工作了。我们祝你好运和许多年的快乐生活!
出处:http://docs.opencv.org/master/d9/d52/tutorial_java_dev_intro.html