最近打算写一个android 平台opencv 的小程序,着手查找了一下资料.网络上的资料参差不齐,有一些都比较老旧,我参考了前面的方法找到了一个简单的搭建方法,分享给大家. 0,环境的搭建: java 虚拟机环境搭建,网络资料很多不再赘述. android 开发环境的搭建参见我的上一篇博客 基于adt-bundle-windows-x86的android开发环境搭建. 下面说明如果搭建 android opencv 环境: 下载NDK http://developer.android.com/

WINDOWS系统Eclipse+NDK+Android + OpenCv 参考文档博客 1 NDK环境搭建 http://jingyan.baidu.com/article/5d6edee22d908799eadeec9f.html 2 官方文档 Android.mk与Application.mk如何编写,OpenCV库如何调用 http://docs.opencv.org/trunk/doc/tutorials/introduction/android_binary_package/dev_

1.OpenCV样例调试:<OpenCV Sample - image-manipulations>       blog+报错:E/CAMERA_ACTIVITY(17665): CameraWrapperConnector::connectToLib ERROR: cannot dlopen camera wrapper library            原因:google好多资料后发现少了libnative_camera.so库,我去opencv libs下面看,你会发现有好多版本的

之前一直用IntelliJ IDEA 导入 opencv_android_sdk 的 java 包,在最后一步finish时,始终出错. 后来重新安装Android Studio 重复以上步骤,能顺利导入包 openCVLibrary320 (原因未知). 导入包后注意修改 sdk的 build.gradle 中的 android { compileSdkVersion 26 buildToolsVersion "26.0.2" defaultConfig { minSdkVersio

最近工作需求:用opencv来先做一个demo.扫描照片进行边缘检测和透视矫正. 之后会加入照片降噪等处理. 请教了一下搞图像的同事.他的提议: 1.绿盟的“黄色照片检测” 用的是动态的opencv库.apk反编译出来有显示,导致技术人员对这个的应用评价变差. 2.opencv 用在这两个功能上,属于大材小用.用c语言写一两个函数,java层把照片传到c层.速度很快就可以完成. 3.opencv 只是提供一个框架,具体的功能实现,还是要自己写.功能很少的情况下,没有想象的那么好用和简便. 4.推

近期编译了android下支持opencl的opencv,使用opencl能力的关键是用cv::UMat替换cv::Mat. 实际使用后发现坑很多,非常不成熟,不推荐使用这种方式来提升实际产品的性能. 每个UMat产生的时候会从gpu分配内存,而GPU分配内存是很慢的:使用Mat的时候,这点开销不值得一提,但是UMat完全不是一回事.因此,UMat一定一定要重用,避免反复分配. mat.getUMat()方法很多坑,引用计数的错误很难查,至今没搞明白原理.因此一直用mat.copyTo(umat

概述 对焦,这里所说的“焦”是指“焦距”.在拍照时,一定是需要调焦的.一般会在目标位置最清晰的时候会停止对焦.最近在处理OpenCV进行图像识别时,需要连续的调焦(对焦),并在对焦完成后进行拍照,获取图片后进行图像识别.识别完成后摄像头不关闭继续进行扫描识别.整理成本文. 概念 焦距,也称为焦长,是光学系统中衡量光的聚集或发散的度量方式,指从透镜中心到光聚集之焦点的距离.亦是照相机中,从镜片光学中心到底片.CCD或CMOS等成像平面的距离.具有短焦距的光学系统比长焦距的光学系统有更佳聚集光的能力

---恢复内容开始--- 2016年4月12日编写 一.第一步:搭建eclipse开发环境 1.在eclipse官网中下载eclipse.zip进行解压即可.没有版本要求,但要和电脑的位数相匹配.如:电脑是64位,就下载64位的版本. 2.下载jdk,即java开发工具包.有了jdk就可以编写java程序了.可以到oracle官网下载jdk,1.7版本即可.注意:电脑如果是64位,就下载64位版本的. 3.配置jdk的环境变量. (1)JAVA_HOME: D:\Java\jdk1.7.0_75

关于如何用纯OpenCV实现图片叠加的例子实在是太少,太多的是使用 C++,JNI实现的,如果要用C++的话,我们为啥不转行做C++ 下面的例子基于 Android JavaCV 实现了在im_beauty 美女图片上  添加im_flower3 小花图片 并显示 需要在res/drawable目录下 放两个文件 im_beauty, im_flower3 注意im_flower3一定要比im_beauty图片尺寸要下小 package com.KyleOpencvImageAdd; impor

前几篇文章中有提到对openCV环境配置,这里再重新梳理导入和使用openCV进行简单的人脸检测(包括使用级联分类器) 一 首先导入openCVLibrary320 二 设置gradle的sdk版本号与当前项目一致 compileSdkVersion 26 buildToolsVersion "26.0.2" defaultConfig { minSdkVersion 14 targetSdkVersion 26 } 三 新建 jniLibs 目录 在 app/src/main 目录下

在自动化测试中,基于xpath.js选择器.css选择器进行元素定位及判定的技术已经比较成熟.在实际应用中,无论是web端还是移动端,仍有很多时候需要根据页面内容.页面中的图像进行定位及判定,这里介绍一下基于opencv的图像识别技术在自动化测试中的应用. 这里我们使用selenium驱动测试,使用opencv进行页面元素判定. OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux.Windows和Mac OS操作系统上.它轻量级而且高效——由一系列 C 函数和

最近两天开发一个使用OpenCV集成的一个识别车牌号的项目,困难重重,总结一下相关经验,以及开发注意事项: 一.开发环境: Android Studio 个人版本 3.1.4 NDK下载:14b CMake:Android Studio SDK Tools中下载 参考资料:https://github.com/zeusees/HyperLPR   集成有冲突未解决: 很实用的一个Dmeo以这个为例 https://blog.csdn.net/u011686167/article/details/

https://github.com/opencv/opencv/wiki http://code.opencv.org/issues/4185 Hello, I finally get a ride of Android build from sources.This is built only for arm devices. you can found the libnative_camera_r5.0.0.so here : https://svn.scolring.org/trunk/

版权声明:本文为博主原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/devcloud/article/details/94169912 最近在研究OpenCV,希望能通过机器视觉解决一些网络安全领域的问题.本文简要介绍如何通过OpenCV实现简单的图像识别,并让计算机通过“视觉”自动玩一个简单的2D小游戏,文末有视频演示及完整代码. 私货时间:5G时代,选择华为云!华为云专蜀月·西南钜惠活动开启,给力优惠请看

转载自http://blog.csdn.net/jesse__zhong/article/details/24889709 .......省略包 public class Staticdetection2Activity extends Activity { final private static String TAG = "StaticrecognitionActivity"; final private int PICTURE_CHOOSE = 1; private ImageV

通过电脑摄像头识别事先指定的模板图像,实时跟踪模板图像的移动[用灰色矩形框标识] ps:一开始以为必须使用OpenCV Manager,可是这样会导致还需要用户去额外安装一个apk,造成用户体验很差,后来在网上找到一些牛人说的方法,实现了可以不用安装OpenCV Manager,直接加载其需要的静态库,从而优化了用户体验. 效果如图所示:

原文链接:http://answers.opencv.org/question/134783/android-opencv-finding-extreme-points-in-contours/ 导    读:本例子使用轮廓分析,寻找到轮廓的极点:使用了STD的SORT特性.   提出问题: Good Evening, I have a trouble with finding extreme points in frames. I am detecting all contours, but

动态人脸检测前提是需要打开摄像头. 网上看了很多教程,我知道的有两种方式打开摄像头: JavaCameraView mCameraView = new JavaCameraView(this, -1); setContentView(mCameraView); mCameraView.setCvCameraViewListener(this); mCameraView.enableView(); 第2种:在布局文件中添加 CameraBridgeViewBase mCameraView = (C

图像识别 最近工作遇到了一个需要识别安全键盘并点击的需求,做自动化嘛,由于安全键盘的键位固定但是键值随机,所以常规的方法不能正确获取触发点击,so,上网查了一下基本思路都是用机器识别. 加载opencv-python pip install opencv-python 会自动加载opencv-python,numpy和cv2 当文件中导入cv2,直接上代码: def get_keynumber_location(self): ''' 获取字母对应位置 :return:返回template在ima

import cv2 import numpy as np from matplotlib import pyplot as plt pic_path = "deal_with.png" def cv_imread(): """ 读取图片 :return: """ # imread的第二个参数告诉函数如何读取这幅图片 # 0:以灰度模式读入图像 # 1:读入一副彩色图像,图像的透明度会被忽略,这是默认参数 # -1:读入一幅图