快捷導(dǎo)航

Java如何高效使用OpenCV圖像處理庫(kù)

更新時(shí)間：2024年03月04日 10:37:35 作者：qq_41983414

OpenCV是一個(gè)開源的計(jì)算機(jī)視覺庫(kù),它提供了一系列豐富的圖像處理和計(jì)算機(jī)視覺算法,包括圖像讀取、顯示、濾波、特征檢測(cè)、目標(biāo)跟蹤等功能,這篇文章主要給大家介紹了關(guān)于Java如何高效使用OpenCV圖像處理庫(kù)的相關(guān)資料,需要的朋友可以參考下

前言

Java中使用OpenCV圖像處理庫(kù)，是通過JNI + 動(dòng)態(tài)鏈接庫(kù)的方式進(jìn)行庫(kù)函數(shù)調(diào)用的。因此會(huì)產(chǎn)生多次native函數(shù)調(diào)用，而JNI調(diào)用會(huì)產(chǎn)生額外的性能開銷，這將導(dǎo)致圖像處理的速度急劇減慢。下面我將演示幾個(gè)常見的示例：

一、遍歷獲取圖像所有像素的RGB值

錯(cuò)誤示例:

 public static void processMat(Mat mat){
    byte[] rgb = new byte[3];
    for(int i = 0;i < mat.rows();i++){
        for(int j = 0;j < mat.cols();j++){
            mat.get(i,j,rgb);
            int r = (rgb[2] & 0xff);
            int g = (rgb[1] & 0xff);
            int b = (rgb[0] & 0xff);
            //處理像素RGB值
                    
        }
    }
}

上面的代碼看似十分符合人類的邏輯思維，意圖簡(jiǎn)潔明了，但實(shí)際運(yùn)行的效率時(shí)十分低的。測(cè)試代碼對(duì)電腦全屏截圖(分辨率1500*1000)后，調(diào)用processMat()函數(shù)的運(yùn)行時(shí)間如下：

遍歷一張全屏截圖居然要2秒鐘！ 這還玩?zhèn)€P OpenCV啊。

實(shí)際上，看似簡(jiǎn)單的循環(huán)遍歷代碼背后，隱藏著無數(shù)次native函數(shù)調(diào)用，而這些調(diào)用存在額外性能開銷，例如：查找dll函數(shù)入口地址表，Java到C數(shù)據(jù)類型的內(nèi)存存儲(chǔ)格式轉(zhuǎn)換，參數(shù)傳遞，返回等等。

代碼優(yōu)化

上面的代碼中，光是調(diào)用Mat.rows()和Mat.cols()就有150萬次。經(jīng)過測(cè)試，光執(zhí)行這樣的空循環(huán)(1500 * 1000)，就要耗時(shí)35ms

for(int i = 0;i < mat.rows();i++){
    for(int j = 0;j < mat.cols();j++){
    }
}

顯然，rows()和cols()函數(shù)屬于重復(fù)執(zhí)行相同的功能了。那么就把它們挪到循環(huán)外面只執(zhí)行一次。

int rows = mat.rows();
int cols = mat.cols();
for(int i = 0;i < rows;i++){
    for(int j = 0;j < cols;j++){
    }
}

優(yōu)化后，執(zhí)行速度降低到了2ms。

還沒完，現(xiàn)在只把代碼的運(yùn)行速度提升了幾十毫秒，真正的耗時(shí)大頭在獲取每一個(gè)像素的RGB值Mat.get()函數(shù)上。

遍歷圖像時(shí)，如果我們每次循環(huán)都去調(diào)用dll庫(kù)獲取一個(gè)圖像像素點(diǎn)，那么總共150萬個(gè)像素點(diǎn)就要調(diào)用150萬次native函數(shù)，每次卻只獲得一個(gè)像素的RGB值，這也太低效了吧。

解決方案已經(jīng)顯而易見了，那就是一次性獲取所有像素的RGB值數(shù)組到Java中，這樣只需要一次數(shù)據(jù)類型轉(zhuǎn)換開銷，效率大大提升。

public static void highSpeed(Mat mat){
    int rows = mat.rows();
    int cols = mat.cols();
    int channels = mat.channels();
    //像素?cái)?shù)組大小: 行數(shù) * 列數(shù) * 顏色通道數(shù)
    byte[] pixels = new byte[rows * cols * channels];
    //通過一次native調(diào)用獲取整個(gè)圖片的像素?cái)?shù)組
    mat.get(0,0,pixels);
    //遍歷像素?cái)?shù)組
    int inner = cols * channels;
    for(int i = 0; i < rows; i++){
        for(int j = 0; j < inner; j += channels){
            int index = i * inner + j;
            int r = (pixels[index + 2] & 0xff);
            int g = (pixels[index + 1] & 0xff);
            int b = (pixels[index] & 0xff);
            //處理RGB值
            
        }
    }
}

使用以下測(cè)試代碼進(jìn)行測(cè)試：

太好了，150萬個(gè)像素RGB值獲取只用了5毫秒！

二、高效BufferedImage和Mat對(duì)象互相轉(zhuǎn)換

BufferedImage時(shí)Java中提供的最常用的帶緩沖圖像處理對(duì)象，不僅可以直接對(duì)圖像的像素?cái)?shù)組進(jìn)行操作，還能使用此類封裝的函數(shù)對(duì)圖像進(jìn)行裁剪，復(fù)制，縮放，顏色類型轉(zhuǎn)換和繪畫等操作。

此外，Robot類提供的屏幕截圖函數(shù)返回的也是BufferedImage對(duì)象。

提升效率的原理和上面一樣，就是將BufferedImage的圖像像素?cái)?shù)組一次性賦值給OpenCV的Mat對(duì)象，千萬不要循環(huán)一個(gè)個(gè)獲取再賦值！

public static Mat toMat(BufferedImage bi) {
   Mat mat = new Mat(bi.getHeight(), bi.getWidth(), CvType.CV_8UC3);
   mat.put(0, 0, ((DataBufferByte) bi.getRaster().getDataBuffer()).getData());
   return mat;
}
 
public static BufferedImage toBufferedImage(Mat mat){
    int type = BufferedImage.TYPE_BYTE_GRAY;
    if (mat.channels() > 1) {
    	//注意OpenCV的顏色格式是BGR，所以BufferedImage格式也設(shè)為BGR
        type = BufferedImage.TYPE_3BYTE_BGR;
    }
    BufferedImage image = new BufferedImage(mat.cols(), mat.rows(), type);
    mat.get(0, 0, ((DataBufferByte)image.getRaster().getDataBuffer()).getData());
    return image;
}

這里有個(gè)小細(xì)節(jié)，OpenCV中處理的彩色圖像默認(rèn)格式是BGR格式，但我們用Java從屏幕截圖或文件中獲取圖片時(shí)得到的圖片格式都是RGB格式，為了保證轉(zhuǎn)換后顏色的正確性，BufferedImage必須先轉(zhuǎn)為BGR格式。

//原始BufferedImage圖像
BufferedImage image = 。。。;
//轉(zhuǎn)換成RGB格式
BufferedImage rgb = new BufferedImage(image.getWidth(), image.getHeight(), BufferedImage.TYPE_3BYTE_BGR);
new ColorConvertOp(ColorSpace.getInstance(ColorSpace.CS_sRGB), null).filter(image, rgb);

三、高效從屏幕截圖和圖片文件中獲取Mat對(duì)象

//配合上面的 toMat() 使用: OpenCV.toMat(screenShot(0,0,100,100));
public static BufferedImage screenshot(int x,int y,int width,int height){
    BufferedImage image = robot.createScreenCapture(new Rectangle(x,y,width,height));
    //轉(zhuǎn)換成RGB格式
    BufferedImage rgb = new BufferedImage(image.getWidth(), image.getHeight(), BufferedImage.TYPE_3BYTE_BGR);
    new ColorConvertOp(ColorSpace.getInstance(ColorSpace.CS_sRGB), null).filter(image, rgb);
    return rgb;
}
//配合上面的 toMat() 使用: OpenCV.toMat(readImageFile(""));
public static BufferedImage readImageFile(String path){
    try {
        BufferedImage image =  ImageIO.read(new BufferedInputStream(new FileInputStream(path)));
        //轉(zhuǎn)換成RGB格式
        BufferedImage rgb = new BufferedImage(image.getWidth(), image.getHeight(), BufferedImage.TYPE_3BYTE_BGR);
        new ColorConvertOp(ColorSpace.getInstance(ColorSpace.CS_sRGB), null).filter(image, rgb);
        return rgb;
    } catch (IOException e) {
        e.printStackTrace();
    }
    return null;
}

總結(jié)

過于抽象的編程讓我們的開發(fā)效率提高了，但同時(shí)使得函數(shù)失去了透明性，開發(fā)者根本不知道，也根本不用去關(guān)心底層函數(shù)的實(shí)現(xiàn)原理是什么，能跑就完了。例如Python語(yǔ)言，原生循環(huán)的運(yùn)行效率非常低，因?yàn)槊看窝h(huán)語(yǔ)句都要被虛擬機(jī)動(dòng)態(tài)編譯再運(yùn)行，為了高效處理大批量數(shù)據(jù)，py提供了Numpy庫(kù)。在Numpy中進(jìn)行向量化操作時(shí)，實(shí)際上是在進(jìn)行一些底層的操作，這些操作是由C語(yǔ)言實(shí)現(xiàn)的，因此它們的執(zhí)行效率非常高。而我們要做的，就是在底層調(diào)用和上層開發(fā)效率之間取得一個(gè)平衡點(diǎn)，兼顧代碼的可維護(hù)性和運(yùn)行效率。

到此這篇關(guān)于Java如何高效使用OpenCV圖像處理庫(kù)的文章就介紹到這了,更多相關(guān)Java高效使用OpenCV內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: