关于 JAVA 学习 OpenCV 的内容，函数讲解。内容我均整理在 GitHubd的【OpenCV3-Study-JAVA】
下面代码中所需的项目结构，图片，请访问 GitHub 获取。
内容在注释里了。
package opencv.study;
import com.liuqi.opencv.base.OpenCVProcessBase;
import org.junit.Test;
import org.opencv.core.*;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
/**
* @Author : alexliu
* @Description : 主要学习<br/>
* 1. floodFill 漫水|水漫填充<br/>
* 2. pyrUp 向上采样<br/>
* 3. pyrDown 向下采样<br/>
* 4. resize 放大缩小<br/>
*/
public class StudySection_10 extends OpenCVProcessBase {
private String save_dir = "study-output/study-opencv-10";
/**--------------------*
* 第一节 floodFill
**--------------------*/
/**
* 漫水填充
*
* 又叫水漫填充，用特定的颜色填充连通区域，常用来标记或分离图像的一部分。
* 漫水填充，将种子点颜色相近的区域进行连通，类似 photoshop 的魔术棒工具。
*/
@Test
public void testFloodFill(){
/*
* 官方说明 : https://docs.opencv.org/3.0-beta/modules/imgproc/doc/miscellaneous_transformations.html#floodfill
*
* 原型方法 :
* floodFill(Mat image, Mat mask, Point seedPoint, Scalar newVal) 这个原型方法，用参数测试了下，没效果。不知道原因。
* floodFill(Mat image, Mat mask, Point seedPoint, Scalar newVal, Rect rect, Scalar loDiff, Scalar upDiff, int flags)
*
* 参数 :
* image : Mat 输入图像 输入/输出图像，1通道或3通道，8位图像
* mask : Mat 操作掩膜，单通道，8位，比image 长宽都大2个像素的图像。
* seedPoint : Point ,起始点,漫水填充的种子点
* newVal : Scalar ,像素点被染色的值，即通过起始点漫水填充后的区域填充的颜色
* rect : Rect ,不传的话，默认为0。设置漫水填充的最小区域。如果设置了，而漫水填充找出的区域 < rect 那么不会填充。
* loDiff : Scalar ,在当前观察到的像素和它的一个相邻的像素点之间的最大亮度/颜色的负差 最大值。
* upDiff : Scalar ,在当前观察到的像素和它的一个相邻的像素点之间的最大亮度/颜色的正差 最大值。
* flags : int ,操作标识符。参看下面示例
*
* 一般不需要borderType，borderValue，均有默认值。如果需要使用，可参考官网获取更多信息
*/
Mat src = Imgcodecs.imread(this.p_test_file_path + "/caoyuan.jpg");
// mask 单通道，8位图，比原始图片宽高多2像素
Mat mask = new Mat(src.height()+2,src.width()+2 , CvType.CV_8UC1);
Point seedPonit = new Point(30,35);
Scalar loDiff = new Scalar(20,20,20); //没怎么明白，建议要了解的看下官方说明
Scalar upDiff = new Scalar(20,20,20); //没怎么明白，建议要了解的看下官方说明
/*
* flags 此参数参看示例设置
*
* 分别分为3个部分，低、高、中，参数之间用为运算符号 "|" （按位或）链接
*
* 1. 低八位
* -- 可选值： 4 、8 ，2个选项。
* -- 4 只计算水平、垂直方向，8 多了个对角线方向
* 2. 高八位
* -- 可选值 ，0 或 FLOODFILL_MASK_ONLY 、 FLOODFILL_FIXED_RANGE，除0外，2个常量可以组合或单独使用
* -- FLOODFILL_MASK_ONLY 不会填充原始图，只填充 mask 。 即 newVal 参数会失效
* -- FLOODFILL_FIXED_RANGE 设置后：会考虑当前像素与种子像素之间的色差，不设置：会考虑当前像素与邻近像素之间的差。
* 3. 中八位
* -- 当高八位设置成 FLOODFILL_MASK_ONLY 时，由于不填充 src，填充 mask，而 mask 为单通道，newVal 为 RGB，所以不适用，导致 newVal 失效。
* 这里就给一个值，用于填充 mask 。
* -- 如果为 0 ，则 mask 会用1来填充
* -- 注意，非0 的情况，中八位的值要填充高八位，需要向左位移8位。如填充 值为38 ，38二进制位 100110 , 向左位移8位 10011000000000
*/
int flags = 8 | Imgproc.FLOODFILL_MASK_ONLY | Imgproc.FLOODFILL_FIXED_RANGE | (38<<8);
// flags 计算规则(位运算)
// 原始数字 二进制
// 8 = 1000
// Imgproc.FLOODFILL_MASK_ONLY = 131072 = 100000000000000000
// Imgproc.FLOODFILL_FIXED_RANGE = 65536 = 10000000000000000
// 38<<8 = 100110 << 8 = 10011000000000
//
// 按位或（"|"）计算： 110010011000001000
Rect rect = new Rect(2,2,1,1);
Scalar newVal = new Scalar(0,0,255);
//这个原型方法，用参数测试了下，没效果。不知道原因。
//Imgproc.floodFill(src,mask,seedPonit,newVal);
Imgproc.floodFill(src,mask,seedPonit,newVal,rect,loDiff,upDiff,flags);
this.saveImage(this.save_dir + "/image_process_floodfill_src.png",src);
this.saveImage(this.save_dir + "/image_process_floodfill_mask.png",mask);
}
/**--------------------*
* 第二节 pyrUp、pyrDown
**--------------------*/
/*
* 在学习 pyrUp、pyrDown 之前先了解下图像金字塔
*
* 图像金字塔：
* 图像金字塔是图像中多尺度表达图像的一种，最主要的用途是图像的分割。用分辨率来解释图片的的简单结构。
* 比如，同一张图片：原始为 1024x768 ，改变下: (1024x0.9)x(768x0.9)=922x691 依次类推.... 分辨率 越低，则图像越小。
* 用金字塔来比喻图像分辨率,会以梯度往下采集图像，直至达到结束条件:
*
* 图像金字塔示例：
* 金字塔的底层为原始图像分辨率，金字塔层级越高分辨率越低。
*
* 3 缩小 --------- ...
* 2 缩小 --------- 830x622
* 1 缩小 --------- 922x691
* 0 原始 --------- 1024 x 768
*
* 在金字塔中层级方向是： 【上】 0,1,2,3.....x 【下】
* -- pyrDown 向下采样，可以理解为缩小
* -- pyrUp 向上采样，可以理解为放大
*
* 注意：pyrDown、pyrUp 不是互逆的。 既 原始图通过pyrDown 缩小后，再通过 pyrUp放大后的图像像素与原始图像像素是不一样的。
*
* -- pyrUp 放大，对原始图像扩大，在新增的行、列像素中，根据周围的像素去估计可能"丢失"的像素
*/
/**
* 图像向上采样
*/
@Test
public void testPyrUp(){
/*
* 原文地址: https://docs.opencv.org/3.0-beta/modules/imgproc/doc/filtering.html?highlight=pyrup
*
* 原型方法
* pyrUp(Mat src, Mat dst, Size dstsize, int borderType)
* pyrUp(Mat src, Mat dst, Size dstsize)
* pyrUp(Mat src, Mat dst)
*
* 参数说明:
* src : Mat 输入图像
* dst : Mat 输出图像
* dstsize : Size 输出图像的大小，默认值 Size(src.clos*2 , src.rows*2)
* borderType : int 边界模式，不明白意思,一些资料说不管即可 //Pixel extrapolation method (only BORDER_DEFAULT supported). See borderInterpolate for details.
*/
Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/5cent.jpg",Imgcodecs.CV_LOAD_IMAGE_COLOR);
Mat dstImage = new Mat();
Imgproc.pyrUp(sourceImage , dstImage);
this.saveImage(this.save_dir + "/image_process_pyrUp_1.png",dstImage);
}
/**
* 图像向下采样
*/
@Test
public void testPyrDown(){
/*
* 原文地址: https://docs.opencv.org/3.0-beta/modules/imgproc/doc/filtering.html?highlight=pyrdown
*
* 原型方法
* pyrDown(Mat src, Mat dst, Size dstsize, int borderType)
* pyrDown(Mat src, Mat dst, Size dstsize)
* pyrDown(Mat src, Mat dst)
*
* 参数说明:
* src : Mat 输入图像
* dst : Mat 输出图像
* dstsize : Size 输出图像的大小，默认值 Size((src.clos+1)/2 , (src.rows+1)/2)
* borderType : int 边界模式，不明白意思,一些资料说不管即可 //Pixel extrapolation method (only BORDER_DEFAULT supported). See borderInterpolate for details.
*/
Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/5cent.jpg",Imgcodecs.CV_LOAD_IMAGE_COLOR);
Mat dstImage = new Mat();
Imgproc.pyrDown(sourceImage , dstImage);
this.saveImage(this.save_dir + "/image_process_pyrDown_1.png",dstImage);
/*
* pyrDown 采用高斯金字塔算法来向下采样
* 1. 对图像进行高斯卷积
* 2. 将所有偶数行、列去掉
*
* 简单如下：
*
* 1 2 3 4 5 6 1 3 5
* 2 2 3 4 5 6 3 3 5
* 3 2 3 4 5 6
* 4 2 3 4 5 6
* 原始矩阵(6x4) pyrDown 后(3x2)【去掉偶数行、列】每个矩阵缩小了一倍
*/
}
/**--------------------*
* 第三节 resize
**--------------------*/
/*
* resize 是 OpenCV 里专门用来调整图像大小的函数
*
* 原型方法 :
* resize(Mat src, Mat dst, Size dsize)
* resize(Mat src, Mat dst, Size dsize, double fx, double fy, int interpolation)
*
* 参数说明
* src: 输入，原图像，即待改变大小的图像
* dst: 输出，改变大小之后的图像
* dsize: 输出图像的大小 Size(width,height) ，通过 new Size(0,0) 可以设置其值为0，当 dsize 为0时，按照 fx、fy 缩放图片
* -- 当 dsize 为 0 时，通过计算 fx、fy 来对图片进行缩放，缩放的公式为：new Size(round(fx*src.cols), round(fy*src.rows))
* fx: 宽度的缩放比例，当 dsize 为 0 时才生效。
* fy: 高度的缩放比例，当 dsize 为 0 时才生效。
* interpolation: int 插值方式，默认 INTER_LINEAR 线性插值
* -- INTER_LINEAR 线性插值
* -- INTER_NEAREST 最近邻插值
* -- INTER_AREA 区域插值（利用像素区域关系的重采样插值）
* -- INTER_CUBIC 三次样条插值（超过4x4像素邻域内的双三次插值)
* -- INTER_LANCZOS4 Lanczos 插值（超过8x8像素邻域内的Lanczos插值）
*
* *** 缩小一般用 INTER_AREA,放大2种 INTER_CUBIC(效率不高，速度慢)、INTER_LANCZOS4（效率高、速度快）
*
* 注意：
* dsize 与 fx，fy 分别为2种模式，必须启用一种。要么自定义大小（dszie），要么按照比例（fx,fy）; 也就是说，dsize、fx、fy 3者不能同时都为 0。
*
*/
/**
* 图像缩小
*/
@Test
public void testResize_small(){
// 读取彩色图
Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/5cent.jpg",Imgcodecs.CV_LOAD_IMAGE_COLOR);
// 定义一个比原图小的 mat
Mat dstImage = Mat.ones(400,400,CvType.CV_8UC3);
// 会根据输出图像 dstImage的大小，自动计算出 fx，fy，进行缩放
Imgproc.resize(sourceImage,dstImage,dstImage.size());
this.saveImage(this.save_dir + "/image_process_resize_small_1.png",dstImage);
// 等比缩放
dstImage = Mat.ones(sourceImage.rows()/3,sourceImage.cols()/3,CvType.CV_8UC3);
Imgproc.resize(sourceImage,dstImage,dstImage.size());
this.saveImage(this.save_dir + "/image_process_resize_small_2.png",dstImage);
// 指定比例的缩放
dstImage = new Mat();
Imgproc.resize(sourceImage,dstImage,new Size(0,0) , 0.2, 0.4 ,Imgproc.INTER_AREA);
this.saveImage(this.save_dir + "/image_process_resize_small_3.png",dstImage);
//比较插值不同，缩小后的效果
Mat src1 = new Mat();
sourceImage.copyTo(src1);
Mat src2 = new Mat();
sourceImage.copyTo(src2);
Mat dstImage1 = null,dstImage2 = null;
for(int i=0; i<3; i++){
dstImage1 = Mat.ones(src1.rows()/2,src1.cols()/2,CvType.CV_8UC3);
dstImage2 = Mat.ones(src2.rows()/2,src2.cols()/2,CvType.CV_8UC3);
// 线性插值
Imgproc.resize(src1,dstImage1,dstImage1.size(),0,0,Imgproc.INTER_LINEAR);
// 区域插值
Imgproc.resize(src2,dstImage2,dstImage2.size(),0,0,Imgproc.INTER_AREA);
dstImage1.copyTo(src1);
dstImage2.copyTo(src2);
}
//输出内容可以放大看看效果
this.saveImage(this.save_dir + "/image_process_resize_small_Linear.png",dstImage1);
this.saveImage(this.save_dir + "/image_process_resize_small_area.png",dstImage2);
}
/**
* 图像放大
*/
@Test
public void testResize_big(){
// 读取彩色图
Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/5cent.jpg",Imgcodecs.CV_LOAD_IMAGE_COLOR);
// 定义一个比原图大的 mat
Mat dstImage = Mat.ones(1000,1000,CvType.CV_8UC3);
// 会根据输出图像 dstImage的大小，自动计算出 fx，fy，进行缩放
Imgproc.resize(sourceImage,dstImage,dstImage.size());
this.saveImage(this.save_dir + "/image_process_resize_big_1.png",dstImage);
// 等比放大
dstImage = Mat.ones((int)(sourceImage.rows()*1.3),(int)(sourceImage.cols()*1.3),CvType.CV_8UC3);
Imgproc.resize(sourceImage,dstImage,dstImage.size());
this.saveImage(this.save_dir + "/image_process_resize_big_2.png",dstImage);
// 指定比例的放大
dstImage = new Mat();
Imgproc.resize(sourceImage,dstImage,new Size(0,0) , 1.3, 1.8 ,Imgproc.INTER_CUBIC);
this.saveImage(this.save_dir + "/image_process_resize_big_3.png",dstImage);
//比较插值不同，放大后的效果
Mat src1 = new Mat();
sourceImage.copyTo(src1);
Mat src2 = new Mat();
sourceImage.copyTo(src2);
Mat src3 = new Mat();
sourceImage.copyTo(src3);
Mat dstImage1 = null,dstImage2 = null,dstImage3 = null;
for(int i=0; i<6; i++){
dstImage1 = Mat.ones((int)(src1.rows()*1.3),(int)(src1.cols()*1.3),CvType.CV_8UC3);
dstImage2 = Mat.ones((int)(src2.rows()*1.3),(int)(src2.cols()*1.3),CvType.CV_8UC3);
dstImage3 = Mat.ones((int)(src3.rows()*1.3),(int)(src3.cols()*1.3),CvType.CV_8UC3);
// 线性插值
Imgproc.resize(src1,dstImage1,dstImage1.size(),0,0,Imgproc.INTER_LINEAR);
// 三次条插值
Imgproc.resize(src2,dstImage2,dstImage2.size(),0,0,Imgproc.INTER_CUBIC);
// Lanczos插值
Imgproc.resize(src3,dstImage3,dstImage3.size(),0,0,Imgproc.INTER_LANCZOS4);
dstImage1.copyTo(src1);
dstImage2.copyTo(src2);
dstImage3.copyTo(src3);
}
//输出内容可以放大看看效果，看看那种放大要平滑点
this.saveImage(this.save_dir + "/image_process_resize_big_linear.png",dstImage1);
this.saveImage(this.save_dir + "/image_process_resize_big_cubic.png",dstImage2);
this.saveImage(this.save_dir + "/image_process_resize_big_lanczos.png",dstImage3);
}
}
广告栏： 欢迎关注我的 个人博客