SpringBoot使用OpenCV_网站优化分享_上海毫米网络优化公司

您的位置：上海毫米网络优化公司 > 网站优化分享 >

SpringBoot使用OpenCV

Spring boot 整合 OpenCV 4.5

环境安装
配置spring boot项目
OpenCV 训练自己的模型，实现特定物体的识别

环境安装
前期准备

总结

Spring boot 整合 OpenCV 4.5

本文展示Windows下Spring Boot 整合Opencv 4.5 进行对图片中的人脸提取，开发工具IDEA。

环境安装

1、下载opencv安装包【下载地址】

SpringBoot使用OpenCV,在这里插入图片描述,第1张

2、下载后运行exe、安装。

SpringBoot使用OpenCV,在这里插入图片描述,第2张

配置spring boot项目

1、创建空白spring boot项目，jar放入如下图，pom添加依赖。

SpringBoot使用OpenCV,在这里插入图片描述,第3张



    4.0.0
    org.example
    OpenCVStudy
    1.0-SNAPSHOT
    pom
    OpenCVStudy
    项目骨架
    
        org.springframework.boot
        spring-boot-starter-parent
        2.0.6.RELEASE
        
    
    
        UTF-8
        UTF-8
        1.8
        Finchley.SR1
    
    
        
            org.springframework.boot
            spring-boot-starter-test
            test
        
        
            org.springframework.boot
            spring-boot-starter-web
        
        
            org.springframework.boot
            spring-boot-starter-test
            test
        
        
        
            org.opencv
            opencv
            4.5.1
            system
            ${project.basedir}/src/main/resources/lib/opencv-451.jar
        
    
    
        
            
                org.springframework.boot
                spring-boot-maven-plugin
            
        
    
    
        
            gfs-maven-snapshot-repository
            gfs-maven-snapshot-repository
            https://raw.githubusercontent.com/gefangshuai/maven/master/

2、opencv\build\java目录的dll，opencv\sources\data\haarcascades数据集，按图存放。

SpringBoot使用OpenCV,在这里插入图片描述,第4张

3、测试代码

创建类 StreamUtils.java

import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.awt.image.DataBufferByte;
import java.io.ByteArrayInputStream;
import java.io.IOException;
public class StreamUtils {
    /**
     * 装换回编码
     *
     * @param correctMat
     * @return
     */
    public static String catToBase64(Mat correctMat) {
        return bufferToBase64(toByteArray(correctMat));
    }
    /**
     * 转换成base64编码
     *
     * @param buffer
     * @return
     */
    public static String bufferToBase64(byte[] buffer) {
        return Base64Utils.encodeToString(buffer);
    }
    /**
     * base64编码转换成字节数组
     *
     * @param base64Str
     * @return
     */
    public static byte[] base64ToByteArray(String base64Str) {
        return Base64Utils.decodeFromString(base64Str);
    }
    /**
     * base64 编码转换为 BufferedImage
     *
     * @param base64
     * @return
     */
    public static BufferedImage base64ToBufferedImage(String base64) {
        BASE64Decoder Base64 = new BASE64Decoder();
        try {
            byte[] bytes1 = Base64.decodeBuffer(base64);
            ByteArrayInputStream bais = new ByteArrayInputStream(bytes1);
            return ImageIO.read(bais);
        } catch (IOException e) {
            e.printStackTrace();
        }
        return null;
    }
    /**
     * mat转换成bufferedImage
     *
     * @param matrix
     * @return
     */
    public static byte[] toByteArray(Mat matrix) {
        MatOfByte mob = new MatOfByte();
        Imgcodecs.imencode(".jpg", matrix, mob);
        return mob.toArray();
    }
    /**
     * mat转换成bufferedImage
     *
     * @param matrix
     * @return
     */
    public static BufferedImage toBufferedImage(Mat matrix) throws IOException {
        byte[] buffer = toByteArray(matrix);
        ByteArrayInputStream bais = new ByteArrayInputStream(buffer);
        return ImageIO.read(bais);
    }
    /**
     * base64转Mat
     *
     * @param base64
     * @return
     * @throws IOException
     */
    public static Mat base642Mat(String base64) {
        return bufImg2Mat(base64ToBufferedImage(base64), BufferedImage.TYPE_3BYTE_BGR, CvType.CV_8UC3);
    }
    /**
     * BufferedImage转换成Mat
     *
     * @param original 要转换的BufferedImage
     * @param imgType  bufferedImage的类型 如 BufferedImage.TYPE_3BYTE_BGR
     * @param matType  转换成mat的type 如 CvType.CV_8UC3
     */
    public static Mat bufImg2Mat(BufferedImage original, int imgType, int matType) {
        if (original == null) {
            throw new IllegalArgumentException("original == null");
        }
        // Don't convert if it already has correct type
        if (original.getType() != imgType) {
            // Create a buffered image
            BufferedImage image = new BufferedImage(original.getWidth(), original.getHeight(), imgType);
            // Draw the image onto the new buffer
            Graphics2D g = image.createGraphics();
            try {
                g.setComposite(AlphaComposite.Src);
                g.drawImage(original, 0, 0, null);
                original = image;
            } catch (Exception e) {
                e.printStackTrace();
            } finally {
                g.dispose();
            }
        }
        byte[] pixels = ((DataBufferByte) original.getRaster().getDataBuffer()).getData();
        Mat mat = Mat.eye(original.getHeight(), original.getWidth(), matType);
        mat.put(0, 0, pixels);
        return mat;
    }
}

测试代码

    public static String markFace(String base64Images) {
        String path = System.getProperty("user.dir").concat("/haarcascades/haarcascade_frontalface_alt.xml");
        CascadeClassifier faceDetector = new CascadeClassifier(path);
        MatOfRect faceDetections = new MatOfRect();
        Mat mat = StreamUtils.base642Mat(base64Images);
        faceDetector.detectMultiScale(mat, faceDetections);
        if (faceDetections.toArray().length > 0) {
            for (Rect rect : faceDetections.toList()) {
                Imgproc.rectangle(mat, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0), 3);
            }
        }
        return StreamUtils.catToBase64(mat);
    }
    
    public static void main(String[] args) {
        String base64Img = "";
        String base64Back = markFace(base64Img);
    }

OpenCV 训练自己的模型，实现特定物体的识别

opencv 3.4版本才能有训练器文件，4.5版本去掉了；但是训练出的数据集能通用。本人喜欢用新版，前面介绍使用的是高版本，训练自己的模型必须用3.4.X版本的。

环境安装

1、下载opencv安装包【下载地址】

SpringBoot使用OpenCV,在这里插入图片描述,第5张

2、下载后选择目录安装，提取文件到本地，检查是否存在目录。 SpringBoot使用OpenCV,在这里插入图片描述,第6张

前期准备

1、正样本数据图片5张（image\positive\img）；创建文件info.dat（image\positive）并编辑如下内容。

SpringBoot使用OpenCV,在这里插入图片描述,第7张

img/1.jpg 1 0 0 55 55
img/2.jpg 1 0 0 55 55
img/3.jpg 1 0 0 55 55
img/4.jpg 1 0 0 55 55
img/5.jpg 1 0 0 55 55

2、负样本数据图片5张（image\negitive\img）；创建bg.txt文件并编辑如下内容。

SpringBoot使用OpenCV,在这里插入图片描述,第8张

D:\tools\OpenCV\xl\image\negitive\img.jpg
D:\tools\OpenCV\xl\image\negitive\img.jpg
D:\tools\OpenCV\xl\image\negitive\img.jpg
D:\tools\OpenCV\xl\image\negitive\img.jpg
D:\tools\OpenCV\xl\image\negitive\img.jpg

3、cmd执行，生成sample.vec文件；

> D:\tools\OpenCV\opencv3.4\opencv\build\x64\vc15\bin\opencv_createsamples.exe -info D:\tools\OpenCV\xl\image\positive\info.dat -vec D:\tools\OpenCV\xl\image\sample.vec -num 5 -bgcolor 0 -bgthresh 0 -w 24 -h 24

4、生成的sample.vec和bg.txt拷贝到opencv_traincascade.exe同级目录（opencv有这个bug，不能指定目录，不然会产生报错），cmd执行；

注意：numPos 不能为正样本数量，只能小于实际数量。numNeg为负样本数量，可以大于实际数量

D:\tools\OpenCV\opencv3.4\opencv\build\x64\vc15\bin\opencv_traincascade.exe -data D:\tools\OpenCV\xl\image -vec sample.vec -bg bg.txt -numPos 3 -numNeg 7 -numStages 12 -feattureType HAAR -w 24 -h 24 -minHitRate 0.995 -maxFalseAlarmRate 0.5

执行结果：

PARAMETERS:
cascadeDirName: D:\tools\OpenCV\xl\image
vecFileName: sample.vec
bgFileName: bg.txt
numPos: 4
numNeg: 7
numStages: 12
precalcValBufSize[Mb] : 1024
precalcIdxBufSize[Mb] : 1024
acceptanceRatioBreakValue : -1
stageType: BOOST
featureType: HAAR
sampleWidth: 24
sampleHeight: 24
boostType: GAB
minHitRate: 0.995
maxFalseAlarmRate: 0.5
weightTrimRate: 0.95
maxDepth: 1
maxWeakCount: 100
mode: BASIC
Number of unique features given windowSize [24,24] : 162336
===== TRAINING 0-stage =====

Training until now has taken 0 days 0 hours 0 minutes 0 seconds.
===== TRAINING 1-stage =====

Training until now has taken 0 days 0 hours 0 minutes 0 seconds.
===== TRAINING 2-stage =====

Training until now has taken 0 days 0 hours 0 minutes 0 seconds.
===== TRAINING 3-stage =====

Training until now has taken 0 days 0 hours 0 minutes 0 seconds.
===== TRAINING 4-stage =====

Training until now has taken 0 days 0 hours 0 minutes 0 seconds.
===== TRAINING 5-stage =====
 
5、执行完生成 cascade.xml
6、创建测试代码使用，可行。 
 public static String cascade(String base64Images) {
        String path = System.getProperty("user.dir").concat("/haarcascades/cascade.xml");
        CascadeClassifier faceDetector = new CascadeClassifier(path);
        MatOfRect faceDetections = new MatOfRect();
        Mat mat = StreamUtils.base642Mat(base64Images);
        faceDetector.detectMultiScale(mat, faceDetections);
        if (faceDetections.toArray().length > 0) {
            for (Rect rect : faceDetections.toList()) {
                Imgproc.rectangle(mat, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0), 3);
            }
        }
        return StreamUtils.catToBase64(mat);
    }
    public static void main(String[] args) {
        String base64Img = "";
        String base64Back = cascade(base64Img);
    }
 
总结 
本文只是学习如何训练自己模型，选用正本和反面数据较小，实际项目中需要选用大量得样本数据图片。
  网络营销的优势有哪些  dw个人网页制作  建筑网站大全  长沙企业网站开发  阿里云万网域名购买  怎么注册

上一篇：探索Django：打造高效、可扩展的Web应用（下）

下一篇：大数据实验实验四：NoSQL 和关系数据库的操作比较