由来：近期项目需要检测图片的亮度和色偏，但网上大多为用C实现的，没有java版本的，此篇为java版本对opencv的调用，谨以此献给CSDN的广大用户。
一. 导入OpenCV所需依赖
依赖下载：OpenCV运行环境下载(包含jar包和dll依赖库)
- 在IDEA的项目模块下新建一个libs目录，将opencv-343.jar放进去，将opencv_java343.dll放到项目下。
如图：
注意：opencv_java343.dll文件很多时候会加载不了，放在系统的path路径下也是可以的，jdk目录以及windows32目录下都是可行的，如果有强迫症的话就放在项目下吧。
- pom 文件依赖引入
1
2
3
4
5
6
7<dependency>
<groupId>org.opencv</groupId>
<artifactId>opencv</artifactId>
<version>0.0.1</version>
<scope>system</scope>
<systemPath>${project.basedir}/libs/opencv-343.jar</systemPath>
</dependency>
二. 项目代码
1. 色偏检测
原理说明： 网上常用的一种方法是将RGB图像转变到CIE Lab空间，其中L表示图像亮度，a表示图像红/绿分量，b表示图像黄/蓝分量。通常存在色偏的图像，在a和b分量上的均值会偏离原点很远，方差也会偏小；通过计算图像在a和b分量上的均值和方差，就可评估图像是否存在色偏。计算CIE Lab*空间是一个比较繁琐的过程，好在OpenCV提供了现成的函数，因此整个过程也不复杂。
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
* opencv 检测图片色偏
* jpegFile:待检测的图片
* calcCast 计算并返回一幅图像的色偏度以及，色偏方向
* cast 计算出的偏差值，小于1表示比较正常，大于1表示存在色偏
* da 红/绿色偏估计值，da大于0，表示偏红；da小于0表示偏绿
* db 黄/蓝色偏估计值，db大于0，表示偏黄；db小于0表示偏蓝
*/
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
public static Boolean colorException(File jpegFile) {
Mat srcImage = Imgcodecs.imread(jpegFile.getAbsolutePath());
Mat dstImage = new Mat();
// 将RGB图像转变到CIE L*a*b*
Imgproc.cvtColor(srcImage, dstImage, Imgproc.COLOR_BGR2Lab);
float a=0,b=0;
int HistA[] = new int[256],HistB[] = new int[256];
for(int i=0;i<256;i++)
{
HistA[i]=0;
HistB[i]=0;
}
int size= (int)dstImage.total() * dstImage.channels();
for(int i=0;i < dstImage.rows(); i++)
{
for(int j=0;j< dstImage.cols(); j++)
{
//在计算过程中，要考虑将CIEL*a*b*空间还原后同
a+=(float)(dstImage.get(i,j)[1]-128);
b+=(float)(dstImage.get(i,j)[2]-128);
// int x=Math.abs(dstImage.ptr(i,j).get(1));
// int y=Math.abs(dstImage.ptr(i,j).get(2));
int x=(int)dstImage.get(i,j)[1];
int y=(int)dstImage.get(i,j)[2];
HistA[x]++;
HistB[y]++;
}
}
float da=a/(float)(dstImage.rows() * dstImage.cols());
float db=b/(float)(dstImage.rows() * dstImage.cols());
float D= (float)Math.sqrt(da*da+db*db);
float Ma=0,Mb=0;
for(int i=0;i<256;i++)
{
//计算范围-128～127
Ma+=Math.abs(i-128-da)*HistA[i];
Mb+=Math.abs(i-128-db)*HistB[i];
}
Ma/=(float)(dstImage.rows() * dstImage.cols());
Mb/=(float)(dstImage.rows() * dstImage.cols());
float M=(float)Math.sqrt(Ma*Ma+Mb*Mb);
float K=D/M;
float cast =K;
System.out.printf("色偏指数： %f\n",cast);
if(cast>1.1) {
System.out.printf("存在色偏\n");
return true;
}
else {
System.out.printf("不存在色偏\n");
return false;
}
}
2. 亮度检测
原理说明：计算图片在灰度图上的均值和方差，当存在亮度异常时，均值会偏离均值点（可以假设为128），方差也会偏小；通过计算灰度图的均值和方差，就可评估图像是否存在过曝光或曝光不足。
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
* opencv 检测图片亮度
* brightnessException 计算并返回一幅图像的色偏度以及，色偏方向
* cast 计算出的偏差值，小于1表示比较正常，大于1表示存在亮度异常；当cast异常时，da大于0表示过亮，da小于0表示过暗
* 返回值通过cast、da两个引用返回，无显式返回值
*/
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
public static Integer brightnessException ( File jpegFile) {
Mat srcImage = Imgcodecs.imread(jpegFile.getAbsolutePath());
Mat dstImage = new Mat();
// 将RGB图转为灰度图
Imgproc.cvtColor(srcImage,dstImage, Imgproc.COLOR_BGR2GRAY);
float a=0;
int Hist[] = new int[256];
for(int i=0;i<256;i++) {
Hist[i] = 0;
}
for(int i=0;i<dstImage.rows();i++)
{
for(int j=0;j<dstImage.cols();j++)
{
//在计算过程中，考虑128为亮度均值点
a+=(float)(dstImage.get(i,j)[0]-128);
int x=(int)dstImage.get(i,j)[0];
Hist[x]++;
}
}
float da = a/(float)(dstImage.rows()*dstImage.cols());
System.out.println(da);
float D =Math.abs(da);
float Ma=0;
for(int i=0;i<256;i++)
{
Ma+=Math.abs(i-128-da)*Hist[i];
}
Ma/=(float)((dstImage.rows()*dstImage.cols()));
float M=Math.abs(Ma);
float K=D/M;
float cast = K;
System.out.printf("亮度指数： %f\n",cast);
if(cast>=1) {
System.out.printf("亮度："+da);
if(da > 0) {
System.out.printf("过亮\n");
return 2;
} else {
System.out.printf("过暗\n");
return 1;
}
} else {
System.out.printf("亮度：正常\n");
return 0;
}
}
3. 图片颜色检测
1 | /** |
4. 清晰度检测
网上用opencv检测的各个版本均为c++/c#写的，二者的库依赖和方法变量名都存在较大的差异，转换太过麻烦，此处提供一个javacv的写法，以解部分老哥的燃眉之急。
4.1 javacv依赖引入（依赖jar包较大）
1 | <dependency> |
1 | import org.bytedeco.javacpp.opencv_core; |
最后的叮嘱：项目部署到服务器时，一定注意将opencv_java343.dll放在系统的path路径下，或者Tomcat的bin目录下。
