OpenCV形状颜色识别Java,Android

纯java代码实现安卓的CV识别图形形状颜色
半年前开的帖，一直在忙回来更新下。
cv环境已经没有了，图就用以前的吧，代码我贴出来，凭记忆解释一下，算法实现的，我会说明逻辑

首先，环境是OpenCV3.4.3，jdk1.8，安卓4.3，工具类是在java编辑和测试的，java稍改即可用，现在代码是从同学那拷贝过来的，已经用在了安卓环境，白色字体是反向绘制出来的，以下是代码主要分三步，抓图预处理，形状判定，色彩判定。

先贴出简单封装的安卓调用CV工具类

import java.util.ArrayList;
import java.util.List;import org.opencv.android.Utils;
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.MatOfPoint;
import org.opencv.core.Point;
import org.opencv.core.Scalar;
import org.opencv.core.Size;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;import android.graphics.Bitmap;
import android.os.Environment;
import android.util.Log;/*** 重构 OpenCV Utils* * @author PiaoZhenJia**/
public class OpenCvUtils {private static final String tag = "CVUT2";/*** 得到图形中心点*/public Point getCenterPoint(Point[] points) {double centerX = 0.0;double centerY = 0.0;for (Point point : points) {centerX += point.x;centerY += point.y;}Point result = new Point();result.x = (int) (centerX / points.length);result.y = (int) (centerY / points.length);return result;}/*** 获得角点 传入单调且不能是二值化的图像*/public Point[] findp(Mat mat) {final int maxCorners = 50, blockSize = 3;final double qualityLevel = 0.01, minDistance = 20.0, k = 0.04;final boolean userHarrisDetector = false;MatOfPoint corners = new MatOfPoint();// 省略了转化成灰度图像this.toGrayMat(mat);// 计算角点// image：8位或32位浮点型输入图像，单通道// corners：保存检测出的角点// maxCorners：角点数目最大值，如果实际检测的角点超过此值，则只返回前maxCorners个强角点// qualityLevel：角点的品质因子---------重要// minDistance：对于初选出的角点而言，如果在其周围minDistance范围内存在其他更强角点，则将此角点删除// mask：指定感兴趣区，如不需在整幅图上寻找角点，则用此参数指定ROI。也可以new Mat()来代替，这样就是没有mask.// blockSize：计算协方差矩阵时的窗口大小// useHarrisDetector：指示是否使用Harris角点检测，如不指定，则计算shi-tomasi角点// harrisK：Harris角点检测需要的k值Imgproc.goodFeaturesToTrack(mat, corners, maxCorners, qualityLevel,minDistance, new Mat(), blockSize, userHarrisDetector, k);Point[] pCorners = corners.toArray();return pCorners;}/*** 画个圈圈祝福你*/public void drawCircleByPoint(Mat mat, Point point) {Imgproc.circle(mat, point, 2, new Scalar(255, 255, 0), 1);}/*** 横向填充杂色*/public void coverBackGroundToBlack(Mat mat) {final double blackPixle[] = { 0.0 };for (int y = 0; y < mat.height(); y++) {for (int x = 0; x < mat.width(); x++) {double pixle[] = mat.get(y, x);if (pixle[0] == 255.0) {// 如果是白色mat.put(y, x, blackPixle);} else {// 遇到黑色break;}}for (int x = mat.width() - 1; x > 0; x--) {double pixle[] = mat.get(y, x);if (pixle[0] == 255.0) {// 如果是白色mat.put(y, x, blackPixle);} else {// 遇到黑色break;}}}Log.d(tag, "背景涂黑完成");}/*** 从Bitmap得到Mat*/public Mat bitmapToMat(Bitmap bitmap) {Bitmap bit = bitmap.copy(Bitmap.Config.ARGB_8888, false);Mat src = new Mat(bit.getHeight(), bit.getWidth(), CvType.CV_8UC(3));Utils.bitmapToMat(bit, src);Log.d(tag, "Bitmap转换Mat完成");return src;}/*** 膨胀处理 参数 3,3,1*/public void toDilate(Mat mat, int i, int j, int iterations) {Imgproc.dilate(mat, mat, Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(i, j)), new Point(-1, -1),iterations);Log.d(tag, "膨胀完成");}/*** 腐蚀处理 参数3,3,1*/public void toErode(Mat mat, int i, int j, int iterations) {Imgproc.erode(mat, mat, Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(i, j)), new Point(-1, -1),iterations);Log.d(tag, "腐蚀完成");}/*** 复制Mat对象*/public Mat cloneMat(Mat mat) {return mat.clone();}/*** 生成纯色Mat对象*/public Mat makeBGRMat(int b, int g, int r) {return new Mat(360, 640, CvType.CV_8UC3, new Scalar(b, g, r));}/*** 查找轮廓并返回轮廓数组 最好传入阈值图*/public List<MatOfPoint> findContoursList(Mat mat) {List<MatOfPoint> contours = new ArrayList<MatOfPoint>();Mat hierarchy = new Mat();Imgproc.findContours(mat, contours, hierarchy, Imgproc.RETR_LIST,Imgproc.CHAIN_APPROX_SIMPLE);Log.d(tag, "找到轮廓" + contours.size() + "个");return contours;}/*** 画出轮廓 根据轮廓数组在一张图上画 需指定数组下标*/public void drawContoursToMat(Mat mat, List<MatOfPoint> contours,int index, int b, int g, int r, int size) {Imgproc.drawContours(mat, contours, index, new Scalar(b, g, r, 0), size);Log.v(tag, "绘制第" + index + "个轮廓");}/*** 二值化图片 参数i,j参考150,255*/public void toBinaryMat(Mat from, int i, int j) {Imgproc.threshold(from, from, i, j, Imgproc.THRESH_BINARY);Log.d(tag, "二值化完成");}/*** 灰度化图像*/public void toGrayMat(Mat from) {Imgproc.cvtColor(from, from, Imgproc.COLOR_BGR2GRAY);Log.d(tag, "灰度化完成");}/*** 图像颜色反转*/public void toReverseColorMat(Mat from) {Core.bitwise_not(from, from);Log.d(tag, "颜色反转完成");}/*** 模糊图像，参数i,j,k参考5,5,0*/public void toGaussUnClearMat(Mat from, int i, int j, int k) {Imgproc.GaussianBlur(from, from, new Size(i, j), k);Log.d(tag, "高斯模糊完成");}/*** 在图上写字*/public void printWordsOnMat(Mat mat, Point p, String text) {p.x = p.x - 100;Imgproc.putText(mat, text, p, 18, 0.5, new Scalar(255, 255, 255), 1);}/*** 合并直线上的点[汇总]** @param points* @return*/public Point[] checkPoint(Point[] points) {int lastLength = -1;int thisLength = 0;Point[] lp = points;Point[] np;while (true) {np = checkPointOnce(lp);thisLength = np.length;if (thisLength == lastLength) {break;}lastLength = thisLength;lp = np;}Log.d(tag, "数组变化:" + points.length + " -> " + np.length);return np;}/*** 合并直线上的点[分步]*/private Point[] checkPointOnce(Point[] points) {int length = points.length;boolean flag = false;// 是否找到可删除点if (length < 4) {return points;// 如果小于四个点 免了判断}label: for (int i = 0; i < length; i++) {// 得到点1for (int j = 0; j < length; j++) {// 得到点2if (j == i) {continue;}for (int k = 0; k < length; k++) {// 得到点3if (k == j || k == i) {continue;}// int slope = 0;//斜率double d1 = twoPointsAngel(points[i], points[j]);// i,j直线角度double d2 = twoPointsAngel(points[i], points[k]);// i,k直线角度double angelMin = d1 - d2;if (Math.abs(angelMin) < 10) {// 如果倾角非常接近，删除中间的点int needDelete = deleteMiddlePointToNull(points[i],points[j], points[k]);if (needDelete == 1) {points[i] = null;} else if (needDelete == 2) {points[j] = null;} else if (needDelete == 3) {points[k] = null;}flag = true;break label;}}}}if (flag) {Point[] newPoints = new Point[length - 1];int index = 0;for (Point p : points) {// 准备一个没有空值的新数组if (null != p) {newPoints[index] = p;index++;}}return newPoints;} else {return points;}}/*** 删除三点中处于中间的点*/private int deleteMiddlePointToNull(Point p1, Point p2, Point p3) {double a = p1.x + p1.y;double b = p2.x + p2.y;double c = p3.x + p3.y;if ((a > b && b > c) || (a < b && b < c)) {// b在中间return 2;} else if ((c > a && a > b) || (c < a && a < b)) {// a在中间return 1;} else {return 3;}}/*** 通过描边点得出形状*/public String findShape(Point[] checkedPoints) {int length = checkedPoints.length;if (length < 3) {return "ShapeError";} else if (length == 3) {return "SanJiao";} else if (length == 5) {return "WuJiao";} else if (length > 5) {return "YuanXing";} else if (length == 4) {// 四边形double d1 = twoPointsDistance(checkedPoints[0], checkedPoints[1]);double d2 = twoPointsDistance(checkedPoints[0], checkedPoints[2]);double d3 = twoPointsDistance(checkedPoints[0], checkedPoints[3]);Point[] p = new Point[2];// 找与第一个点相邻的两个点(舍弃最远的那个点)if (d1 > d2 && d1 > d3) {// d1最大，舍弃下标1p[0] = checkedPoints[2];p[1] = checkedPoints[3];} else if (d2 > d1 && d2 > d3) {// d2最大，舍弃下标2p[0] = checkedPoints[1];p[1] = checkedPoints[3];} else {p[0] = checkedPoints[1];p[1] = checkedPoints[2];}// 现在数组p中是两个最近的点double angelL1 = twoPointsAngel(checkedPoints[0], p[0]);double angelL2 = twoPointsAngel(checkedPoints[0], p[1]);double angelP = Math.abs(angelL1 - angelL2);Log.d(tag, String.format("四边形某顶点角度为%.2f", angelP));if (angelP > 80 && angelP < 100) {// 直角double dis1 = twoPointsDistance(checkedPoints[0], p[0]);double dis2 = twoPointsDistance(checkedPoints[0], p[1]);double distanceRatio = dis1 / dis2;Log.d(tag, String.format("四边形临边长度差距比为%.2f", distanceRatio));if (distanceRatio > 0.80 && distanceRatio < 1.20) {return "ZhengFang";} else {return "ChangFang";}} else {return "LingXing";}} else {return "ShapeError";}}/*** 求两点之间距离*/private double twoPointsDistance(Point p1, Point p2) {return Math.sqrt(Math.pow(p1.x - p2.x, 2) + Math.pow(p1.y - p2.y, 2));}/*** 求两点所在直线水平夹角*/private double twoPointsAngel(Point p1, Point p2) {if (p1.y == p2.y) {p1.y += 0.01;}return Math.toDegrees(Math.atan((p1.x - p2.x) / (p1.y - p2.y)));}/*** 将Mat对象保存到文件系统*/public void saveMatAsPngFile(Mat mat, String filename) {Log.d(tag, "储存Mat");try {Imgcodecs.imwrite(Environment.getExternalStorageDirectory()+ "/CV/" + filename + ".png", mat);Log.i(tag, "Mat存储完成");} catch (Exception e) {Log.e(tag, "Mat存储出错");}}/*** 将Mat对象保存到文件系统*/public void saveMatAsPngFileAndTimestamp(Mat mat, String filename) {Log.d(tag, "储存Mat");try {Imgcodecs.imwrite(Environment.getExternalStorageDirectory()+ "/CV/" + filename + System.currentTimeMillis() + ".jpg",mat);Log.i(tag, "Mat存储完成");} catch (Exception e) {Log.e(tag, "Mat存储出错");}}//    private static final int[] RED = { 255, 0, 0 };
//  private static final int[] GREEN = { 0, 255, 0 };
//  private static final int[] BLUE = { 0, 0, 255 };
//  private static final int[] YELLOW = { 255, 255, 0 };
//  private static final int[] PIN = { 255, 0, 255 };
//  private static final int[] QING = { 0, 255, 255 };
//  private static final int[] BLACK = { 0, 0, 0 };
//  private static final int[] WHITE = { 255, 255, 255 };
//  private static final int[] RED = { 255, 0, 0 };private static final int[] GREEN = { 0, 255, 0 };private static final int[] BLUE = { 0, 0, 255 };private static final int[] YELLOW = { 255, 255, 0 };private static final int[] PIN = { 255, 0, 255 };private static final int[] QING = { 0, 255, 255 };private static final int[] BLACK = { 0, 0, 0 };private static final int[] WHITE = { 255, 255, 255 };private static ArrayList<int[]> COLORS = new ArrayList<>();static {COLORS.add(RED);COLORS.add(GREEN);COLORS.add(BLUE);COLORS.add(YELLOW);COLORS.add(PIN);COLORS.add(QING);COLORS.add(BLACK);COLORS.add(WHITE);}/*** 确定形状的颜色*/public String findColor(Mat colorfulMat, Point[] checkedPoints) {Point centerPoint = getCenterPoint(checkedPoints);double[] colorBGR = colorfulMat.get((int) centerPoint.y,(int) centerPoint.x);double maxlightR = 0;// 确定亮度增大系数double maxlightG = 0;double maxlightB = 0;for (int y = 0; y < colorfulMat.height(); y++) {// 遍历图片 找到最亮的点做参考for (int x = 0; x < colorfulMat.width(); x++) {double pixle[] = colorfulMat.get(y, x);if (pixle[0] > maxlightB)maxlightB = pixle[0];if (pixle[1] > maxlightG)maxlightG = pixle[1];if (pixle[2] > maxlightR)maxlightR = pixle[2];}}// 用于去除亮度和色调影响maxlightR = 255 / maxlightR;maxlightG = 255 / maxlightG;maxlightB = 255 / maxlightB;int[] colorRGB = { (int) (colorBGR[2] * maxlightR),(int) (colorBGR[1] * maxlightG),(int) (colorBGR[0] * maxlightB) };int[] missNmuber = new int[8];for (int i = 0; i < 8; i++) {missNmuber[i] = colorMiss(colorRGB, COLORS.get(i));}int minIndex = 0;int minNumb = 999;for (int i = 0; i < missNmuber.length; i++) {if (missNmuber[i] < minNumb) {minNumb = missNmuber[i];minIndex = i;}}Log.d(tag, String.format("R:%d, G:%d, B:%d, light:[%.2f * %.2f * %.2f]  =>  ",colorRGB[0], colorRGB[1], colorRGB[2], maxlightR, maxlightG,maxlightB));switch (minIndex) {case 0:return "Hong";case 1:return "Lv";case 2:return "Lan";case 3:return "Huang";case 4:return "Pin";case 5:return "Qing";case 6:return "Hei";case 7:return "Bai";default:return "ColorError";}}/*** 计算颜色差距*/private int colorMiss(int[] c1, int[] c2) {return Math.abs(c1[0] - c2[2]) + Math.abs(c1[1] - c2[1])+ Math.abs(c1[2] - c2[0]);}/*** 从文件系统图片读取Mat对象*/public Mat getImageAsFile(String filename) {// FIXMELog.d(tag, "读取Mat");Mat image = Imgcodecs.imread(Environment.getExternalStorageDirectory()+ "/CV/" + filename);Log.i(tag, "Mat读取完成");return image;}}

以下是调用过程

public void colorAndShape() {// XXX opencv图形识别timer = new Timer();timer.schedule(new TimerTask() {OpenCvUtils cvut = new OpenCvUtils();ArrayList<ColorShapeInfo> resultList = new ArrayList<>();int erzhi = 130;@Overridepublic void run() {//说明：主要的调用在这里哈，线程那块可以忽略不计Log.d("pzj", "in to cv !!");// new FileService().savePhoto(bitmap, "CV/doit.png");// Mat image = cvut.getImageAsFile("CV/doit.png");Mat image = cvut.bitmapToMat(bitmap);Mat m1 = cvut.cloneMat(image);Mat declarMat = cvut.cloneMat(image);cvut.toReverseColorMat(image);// 反色cvut.toGaussUnClearMat(declarMat, 9, 9, 9);// 模糊图像，用于推测颜色Mat m2 = cvut.cloneMat(declarMat);Mat srcWrite = cvut.cloneMat(declarMat);cvut.toDilate(image, 1, 1, 1);// 膨胀cvut.toGrayMat(image);// 灰度化Mat binary = cvut.cloneMat(image);cvut.toBinaryMat(binary, erzhi, 255);// 二值化cvut.coverBackGroundToBlack(binary);// 背景变黑cvut.saveMatAsPngFileAndTimestamp(binary, "binary");// SAVEList<MatOfPoint> contoursList = cvut.findContoursList(binary);// 找到轮廓for (int i = 0; i < contoursList.size()&& contoursList.size() <= 9; i++) {// 处理单个轮廓Mat mat = cvut.makeBGRMat(0, 0, 0);// 黑色背景cvut.drawContoursToMat(mat, contoursList, i, 0, 255, 0, 1);// 白色描边Point[] points = cvut.findp(mat);// 找到描边点Point[] checkedPoints = cvut.checkPoint(points);// 清除同一条直线上的点//ColorShapeInfo csi = ;//String shape = cvut.findShape(checkedPoints);// 确定形状//String color = cvut.findColor(declarMat, checkedPoints);// 确定颜色resultList.add(new ColorShapeInfo(cvut.findColor(declarMat, checkedPoints), cvut.findShape(checkedPoints)));for (int j = 0; j < checkedPoints.length; j++) {cvut.drawCircleByPoint(mat, checkedPoints[j]);}cvut.saveMatAsPngFile(mat, "Shape" + i);}if (resultList.size() != 0) {Log.d("CvResoult", Arrays.toString(resultList.toArray()));cvut.saveMatAsPngFileAndTimestamp(m2, "declar");// SAVEcvut.saveMatAsPngFileAndTimestamp(m1, "image");// SAVEtimer.cancel();this.cancel();} else {resultList.clear();if (erzhi <= 180) {erzhi += 5;} else {erzhi = 150;}}}}, 0, 200);}

好吧，原谅我时间太久说不清细节了，我在这里简单讲一下逻辑，剩下的有需要的小伙伴可以对着我的代码和注释看，我的命名规范和注释还是有一定可读性的。

我又翻出了两张当时发的朋友圈，结合这两张图看一下，其实他们说明了我主要的处理过程。

在这里我采用自问自答的方式
1.“横向填充杂色”这个方法是用来做什么的：
这个方法适用于我当时做的东西，如图可见，这张图片在经过二值化处理后，是这个样子的

那么opencv在不使用分类器的情况下，很难识别这张图片，当时时间紧张，都是算法实现，没空学python，没时间搞c的svm，可见外边一圈是白的，中间是个黑框框，黑框框里的东西才是我们想要的结果，顾想到了填充白色部分，他的原理是从两边向中间扫描，白色就变成黑色，如果遇到了黑色，停止，去搞下一行。
好的，那么现在，经过了二值化（如果需要的话你可能会同时使用膨胀和腐蚀方法，详见别人的贴子）我们得到了这样的图，才好处理

**2.**前面的反色方法做什么的为什么一定要反色
反色其实在我的代码里最终体现为黑色变成了白色的交换，由经验可得，cv只去提取白色轮廓，并不提取黑色轮廓，如果上面这张图片黑白交换，是得不到正确结果的，原理不知，你可以探究一下。根据你的具体情况，判断你要不要也使用反色。

**3.**如何在这张图中提取形状
形状提取出来是这样的，没有白色的小圆圈，白色小圆圈是调用“画个圈圈”那个方法绘制的

代码在上面是这样调用的：
List contoursList = cvut.findContoursList(binary);// 找到轮廓
好，轮廓提取出来，我又将这个轮廓绘制在了一张等大小的空白图上（其实是黑色，空黑），截图是三张图拼在了一起，并不是这样
如上图只是为了展示效果，单独生成出来的，处理的时候每个轮廓分别存了一张图。我代码里有写的，重新把单个轮廓绘制在一张黑图上。
好，轮廓提取了出来，现在是黑纸白边，接下来的工作是找到顶点。上面有写，调用了这句：
Point[] points = cvut.findp(mat);// 找到描边点
我简单的画一下，参数要慢慢调，调完以后是这种情况比较理想

这张图是我用截屏手工画的，对付看吧，顶点有点多，稍微少一点才是比较理想的状态。
当然，如果你只识别单个形状的话，大可调参数成cv只绘制四个顶点。
在我这个项目里，我需要过滤这些点，只留下顶点。参数慢慢调，上面有，我再贴一下

其实这些汉字的原版是另一个大神写的，也在csdn，我在他的基础上补充了一些自己的理解。时间久了原谅我不找出处了，正在研究这块的小伙伴如果刚好看到，可以告诉我，我补上链接。如我所说，最重要的参数是角点品质因子。
好，那么如何取出顶点，我解释一下我上面的算法：三层循环，这个算法可以优化一多半，我知道，没做，爱咋咋地。每层循环都是逐个取点，比如取出1,2,3这三个点，然后取1,2,4然后1,2,5…以此类推，如果1,2,5这三个点在一条直线上，那么删除中间那个点，只留两边的点，这里又有两个问题：
**3.(1)**怎么判断在一条直线上：
计算斜率，没记错的话是x1/y1:x2/y2，求k值嘛，大家初中都学过，后来发现斜率并不好用，因为斜率不是线性的，靠近水平变化很小，靠近垂直变化很大（没记错的话）于是使用了java的求角度函数，就是k值转角度吧好像。如果1-2和1-5折两条直线的水平夹角非常接近，而他们又有共同点（就是1这个点呗）那我就认为这三个点在一条直线上，示意图：

于是我选择删除②点，因为最后要通过顶点数判断形状。
**3.(2)**如何知道2点在中间：
这个就比较简单了，你可以写个简单实现，将他们三个的x坐标排序，谁在中间就把谁变成null。
好，那么经过了一番遍历，数组中剩下了三角形的三个顶点，或者正方形的四个顶点
**4.**怎么证明三角形是三角形，正方形是正方形呢：
参见工具类中findShape方法，其实事情发展到今天，三角形就很好判断了，有三个顶点的图形就是三角形，四边形稍显复杂，因为他分正方形，长方形，菱形，平行四边形。而当时不需要判断平行四边形，所以我只介绍下如何区分前三种，这个搞懂了，平行四边形就不难了吧。首先判断了顶点的角度，这里引申出了一个问题，如何判断顶点角度：
**4.(1)**如何判断顶点角度：
在四边形里，找到一个点，随便找，然后求距离 |x1-x2|+|y1-y2| 虽然这不是求距离公式，但是距离越小这个值是不是就应该越小。所以四边形另外三个顶点中，距离更近的两个点就是这个点临边上的顶点，根据上面那张1-2 1-5那个很丑的手绘图所讲的故事，我们很容易通过java.math得出这个角度。
好，得出了顶点角度，我们可以大致判断，(因为我是拍照的图，如果是截屏那种，就不必那么“大致”)如果这个角度在85°-95°之间，那么这是一个直角四边形，如果不在这个范围，铁定是菱形。好，现在分开了菱形，那么正方形和长方形也好判断，之前不是已经求出了某个点的两个临近点，再计算一下距离，如果相差很小 a>0.9b && a<1.1b 比如这样，就是判断临边是否一样长，一样长的就是正方形呗。
**5.**如何判断图形颜色呢：
我们现在已经提取出来了图形，并且知道他所有的故事，唯独不知道颜色，好办，我们把他的每个顶点取出来，xy坐标取平均值 (x1+x2+x3+x4+x5)/5 这就是他的x轴中心点，再取出y轴中心点，就得到了图片中心点(好像不是严谨的)我们取出这个点的RGB，与基色对比，看跟谁接近。
**5.(1)**如何对比：
代码里有，我简单用三原色说明，红色是255,0,0绿色是0,255,0蓝色是0,0,255。假如你的图形只可能是这三种颜色，并且取出来了中心点，RGB的值为201,29,31。通过目测，我们很容易得到这是一个红色。如何计算呢，将每个可能的颜色分别和该图RGB取差值，差值越小，就越接近，比如|255-201|+|0-29|+|0-31|这个运算的结果，就是该图和红色的距离，这个距离越小，他就越接近红色。你用该图中心点与红绿蓝分别取出距离，会发现他离红色距离是最小的。
**5.(2)**颜色识别效果差：
如果你是我这种相机图的识别，而不是截屏图的识别，很容易遇到这种问题。打开PS，仔细分析图像数据，你会发现，本来应该是255,0,0的大红色，实际上R的值也就180+到头了，那么你需要参考这段代码：

上面都有帖出来的哈，这段代码的大概意思是，遍历整张图，找到最红的红色点，比如是185，这说明本图的红色还不够红，本应是255，怎么就185呢，这是相机拍的色差，我对此作了弥补，尝试提高精度。对三原色每种颜色都进行一次审查(全图遍历)，如发现最红的点R值是185，最绿的点G值是190，最蓝的点B值是225，那么我在计算5.(1)中颜色距离的时候，最好就加上一个系数。所有点的R值都乘以1.37(就是255/185)，G值都乘以1.34(255/190)，B值也是如此，乘上1.13 。可以一定程度上，弥补因为相机问题导致的色彩不够饱和的问题。这样结果更容易接近预期。
最后通过反向绘制，将拼音画到了原图上。
→→→→→题外话分割线→→→→→
当初搞这个东西废了好大的力气，这方面资源确实不太丰富，其中包括工具类中很多的方法的原型，都是翻的csdn中大神的贴子，时间久了，非常愧疚没将他们的链接贴上，虽然已经改的面目全非，还是非常感谢你们无私的分享，帮助了当时对cv一窍不通的我，也希望我写的这乱糟一团对他人有所帮助。

2020.10.15补充：大家总私信我要ColorShapeInfo这个类，我在评论区有解释，今天就勤快一回，把他贴到文章里吧。

//这其实就是只有两个属性的一个类，自动生成了getset方法和构造器
//我盲写的，如果还跑不通就自己再微调一下哈
class ColorShapeInfo{private String color;private String shape;public ColorShapeInfo() {}public ColorShapeInfo(String color, String shape) {this.color = color;this.shape = shape;}public String getColor() {return color;}public void setColor(String color) {this.color = color;}public String getShape() {return shape;}public void setShape(String shape) {this.shape = shape;}
}

另，本人考了专升本，现在（20年10月）在读本科软工了，几年前就说要写个svm版的，工作忙也没研究，近期争取把坑填上。谢谢大家。

OpenCV形状颜色识别Java,Android相关推荐

Opencv之颜色识别
用Opencv之颜色识别 1.以下是我的基本流程: 读入图像图像转成HSV 高斯滤波筛选需要识别的颜色腐蚀操作找出轮廓画出轮廓接下来是我的总代码: import cv2 import nu ...
opencv做颜色识别（python）
使用Raspberry摄像头抓图然后进行颜色识别. #!/usr/bin/python # -*- coding: UTF-8 -*- import sys import time from pica ...
android opencv颜色识别,OpenCV学习——颜色识别的简单应用（一）
第1步:获取到桌球台的图像信息需要获取桌面固定区域的实时图像(这里为了方便,直接截取了一张图片) 第2步:识别出球杆和白球创建滑条from cv2 import cv2 import numpy ...
opencv颜色识别java,Opencv颜色识别与追踪
//---------------------------------[头文件.命名空间包含部分]----------------------------//描述:包含程序所使用的头文件和命名空间// ...
基于Opencv的颜色识别
彩色模型数字图像处理中常用的采用模型是RGB(红,绿,蓝)模型和HSV(色调,饱和度,亮度),RGB广泛应用于彩色监视器和彩色视频摄像机,我们平时的图片一般都是RGB模型.而HSV模型更符合人描 ...
【OpenCV】HSV颜色识别-HSV基本颜色分量范围
出处:百度文库一般对颜色空间的图像进行有效处理都是在HSV空间进行的,然后对于基本色中对应的HSV分量需要给定一个严格的范围,下面是通过实验计算的模糊范围(准确的范围在网上都没有给出). H: 0 ...
【Opencv小项目 1】Opencv实现简单颜色识别
参考 Opencv简单颜色识别 Youtube教学视频 BGR HSV颜色模型步骤一. BGR 和 HSV 颜色模型 BGR Model BGR模型表示三种颜色通道:红.绿.蓝,采用BGR模型的图 ...
openCV-python实现颜色识别
本文将介绍使用OpenCV实现颜色识别的详细步骤 + 代码. 背景介绍在截取出模板匹配到的logo区域之后,需要判断logo是什么颜色.本案例中要识别的对象是纯色的所以适用下面的颜色识别方法,有不同 ...
java识别图片中的图形形状_基于Java+OpenCV技术对几何图像颜色与形状识别
基于 Java+OpenCV 技术对几何图像颜色与形状识别杨思阳黄军吴春秋 (黔东南民族职业技术学院,贵州凯里 556000) ［摘要］通过 Java 调用 OpenCV 视觉库实现几何图 ...

OpenCV形状颜色识别Java,Android

OpenCV形状颜色识别Java,Android相关推荐

最新文章

热门文章