本指南内容概览

在本指南中，我们将

获取支持桌面 Java 的 OpenCV
创建一个 Ant 或 SBT 项目
用 Java 或 Scala 编写一个简单的 OpenCV 应用程序

OpenCV 仓库的 samples/java 文件夹中的示例也是使用相同过程创建的，因此如果您遇到困难，可以查阅这些文件。

获取合适的 OpenCV

从 2.4.4 版本开始，OpenCV 包含了桌面 Java 绑定。

下载

最简单的方法是从 OpenCV SourceForge 仓库下载2.4.4 或更高版本的相应软件包。

注意: Windows 用户可以在软件包内的 opencv/build/java/ 文件夹中找到 Java 开发所需的预构建文件。对于其他操作系统，需要从源代码构建 OpenCV。

获取 OpenCV 源代码的另一种选择是克隆 OpenCV Git 仓库。为了构建带有 Java 绑定的 OpenCV，您需要安装 JDK (Java Development Kit)（我们推荐 Oracle/Sun JDK 6 或 7）、Apache Ant 和 Python v2.6 或更高版本。

构建

让我们构建 OpenCV

git clone git://github.com/opencv/opencv.git
cd opencv
git checkout 2.4
mkdir build
cd build

生成 Makefile 或 MS Visual Studio* 解决方案，或您系统中用于构建可执行文件的任何内容

cmake -DBUILD_SHARED_LIBS=OFF ..

或者

cmake -DBUILD_SHARED_LIBS=OFF -G "Visual Studio 10" ..

注意: 当 OpenCV 作为一组静态库构建时（-DBUILD_SHARED_LIBS=OFF 选项），Java 绑定动态库是完全自给自足的，即它不依赖于其他 OpenCV 库，但内部包含了所有 OpenCV 代码。

检查 CMake 的输出，确保 java 是“待构建”模块之一。如果不是，您很可能缺少一个依赖项。您应该通过查看 CMake 输出中任何未找到的 Java 相关工具并安装它们来解决问题。

注意: 如果 CMake 无法在您的系统中找到 Java，请在运行它之前设置 JAVA_HOME 环境变量，使其指向已安装的 JDK 路径。例如：
export JAVA_HOME=/usr/lib/jvm/java-6-oracle

cmake -DBUILD_SHARED_LIBS=OFF ..

现在开始构建

make -j8

或者

msbuild /m OpenCV.sln /t:Build /p:Configuration=Release /v:m

此外，所有这些操作还将创建一个包含 Java 接口的 jar 文件（bin/opencv-244.jar）以及一个包含 Java 绑定和所有 OpenCV 内容的本地动态库（分别是 lib/libopencv_java244.so 或 bin/Release/opencv_java244.dll）。我们稍后将使用这些文件。

使用 Ant 的 Java 示例

注意: 所述示例随 OpenCV 库提供，位于 opencv/samples/java/ant 文件夹中。

创建一个文件夹，用于开发此示例应用程序。
在该文件夹中，使用任何文本编辑器创建包含以下内容的 build.xml 文件
<project name="SimpleSample" basedir="." default="rebuild-run">

<property name="src.dir" value="src"/>

<property name="lib.dir" value="${ocvJarDir}"/>

<path id="classpath">

<fileset dir="${lib.dir}" includes="**/*.jar"/>

</path>

<property name="build.dir" value="build"/>

<property name="classes.dir" value="${build.dir}/classes"/>

<property name="jar.dir" value="${build.dir}/jar"/>

<property name="main-class" value="${ant.project.name}"/>

<target name="clean">

<delete dir="${build.dir}"/>

</target>

<target name="compile">

<mkdir dir="${classes.dir}"/>

<javac includeantruntime="false" srcdir="${src.dir}" destdir="${classes.dir}" classpathref="classpath"/>

</target>

<target name="jar" depends="compile">

<mkdir dir="${jar.dir}"/>

<jar destfile="${jar.dir}/${ant.project.name}.jar" basedir="${classes.dir}">

<manifest>

<attribute name="Main-Class" value="${main-class}"/>

</manifest>

</jar>

</target>

<target name="run" depends="jar">

<java fork="true" classname="${main-class}">

<sysproperty key="java.library.path" path="${ocvLibDir}"/>

<classpath>

<path refid="classpath"/>

<path location="${jar.dir}/${ant.project.name}.jar"/>

</classpath>

</java>

</target>

<target name="rebuild" depends="clean,jar"/>

<target name="rebuild-run" depends="clean,run"/>

</project>

注意
此 XML 文件可用于构建其他 Java 应用程序。它描述了第 3 - 12 行中的通用文件夹结构以及用于编译和运行应用程序的通用目标。重用此 XML 文件时，请不要忘记修改第 1 行中的项目名称，该名称也是主类的名称（第 14 行）。OpenCV jar 和 jni 库的路径预期为参数（第 5 行中的“${ocvJarDir}”和第 37 行中的“${ocvLibDir}”），但为了方便起见，您可以硬编码这些路径。有关其构建文件格式的详细说明，请参阅 Ant 文档。
在 build.xml 文件旁边创建一个 src 文件夹，并在其中创建一个 SimpleSample.java 文件。
将以下 Java 代码放入 SimpleSample.java 文件中
import org.opencv.core.Core;

import org.opencv.core.Mat;

import org.opencv.core.CvType;

import org.opencv.core.Scalar;

class SimpleSample {

static{ System.loadLibrary(Core.NATIVE_LIBRARY_NAME); }

public static void main(String[] args) {

System.out.println("Welcome to OpenCV " + Core.VERSION);

Mat m = new Mat(5, 10, CvType.CV_8UC1, new Scalar(0));

System.out.println("OpenCV Mat: " + m);

Mat mr1 = m.row(1);

mr1.setTo(new Scalar(1));

Mat mc5 = m.col(5);

mc5.setTo(new Scalar(5));

System.out.println("OpenCV Mat data:\n" + m.dump());

}

}

main
int main(int argc, char *argv[])
定义 highgui_qt.cpp:3
在包含 build.xml 的文件夹中，在控制台中运行以下命令
ant -DocvJarDir=path/to/dir/containing/opencv-244.jar -DocvLibDir=path/to/dir/containing/opencv_java244/native/library

例如
ant -DocvJarDir=X:\opencv-2.4.4\bin -DocvLibDir=X:\opencv-2.4.4\bin\Release

该命令应启动示例的 [重新]构建和运行。您应该在屏幕上看到类似以下内容：

用于 Java 和 Scala 的 SBT 项目

现在我们将使用 SBT 创建一个简单的 Java 应用程序。这为不熟悉此构建工具的人提供了一个简要的介绍。我们使用 SBT 是因为它特别简单且功能强大。

首先，根据 SBT 网站上的说明下载并安装 SBT。

接下来，导航到一个新目录，您希望应用程序源代码位于该目录中（在 opencv 目录之外）。我们称之为“JavaSample”并为其创建一个目录

cd <somewhere outside opencv>

mkdir JavaSample

现在我们将创建必要的文件夹和一个 SBT 项目

cd JavaSample
mkdir -p src/main/java # 这是 SBT 期望找到 Java 源代码的位置
mkdir project # 这是构建定义所在的位置

现在在您喜欢的编辑器中打开 project/build.scala 并粘贴以下内容。它定义了您的项目

import sbt._
import Keys._
 
object JavaSampleBuild extends Build {
def scalaSettings = Seq(
scalaVersion := "2.10.0",
scalacOptions ++= Seq(
"-optimize",
"-unchecked",
"-deprecation"
    )
  )
 
def buildSettings =
Project.defaultSettings ++
scalaSettings
 
lazy val root = {
val settings = buildSettings ++ Seq(name := "JavaSample")
Project(id = "JavaSample", base = file("."), settings = settings)
  }
}

现在编辑 project/plugins.sbt 并粘贴以下内容。这将启用 Eclipse 项目的自动生成

addSbtPlugin("com.typesafe.sbteclipse" % "sbteclipse-plugin" % "2.1.0")

现在从 JavaSample 根目录运行 sbt，并在 SBT 内部运行 eclipse 以生成 Eclipse 项目

sbt # 启动 sbt 控制台

eclipse # 从 sbt 控制台内部运行“eclipse”

您应该看到类似以下内容：

您现在可以使用“导入... -> 将现有项目导入工作区”将 SBT 项目导入 Eclipse。您是否实际执行此操作对于本指南来说是可选的；我们将使用 SBT 构建项目，因此如果您选择使用 Eclipse，它将仅充当文本编辑器。

为了测试一切是否正常工作，创建一个简单的“Hello OpenCV”应用程序。通过创建文件 src/main/java/HelloOpenCV.java 并包含以下内容来完成此操作

public class HelloOpenCV {
  public static void main(String[] args) {
System.out.println("Hello, OpenCV");
 }

}

现在从 sbt 控制台执行 run，或者更简洁地，从命令行运行 sbt run

sbt run

您应该看到类似以下内容：

运行 SBT 示例

现在我们将使用 OpenCV 创建一个简单的面部识别应用程序。

首先，创建一个 lib/ 文件夹并将 OpenCV jar 复制到其中。默认情况下，SBT 将 lib 文件夹中的 jar 添加到 Java 库搜索路径中。您可以选择重新运行 sbt eclipse 来更新您的 Eclipse 项目。

mkdir lib
cp <opencv_dir>/build/bin/opencv_<version>.jar lib/
sbt eclipse

接下来，创建目录 src/main/resources 并将此 Lena 图像下载到其中

确保它名为 "lena.png"。资源目录中的项目在运行时可供 Java 应用程序使用。

接下来，将 lbpcascade_frontalface.xml 从 opencv/data/lbpcascades/ 复制到 resources 目录中

cp <opencv_dir>/data/lbpcascades/lbpcascade_frontalface.xml src/main/resources/

现在修改 src/main/java/HelloOpenCV.java，使其包含以下 Java 代码

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.objdetect.CascadeClassifier;
 
//
// 在图像中检测人脸，在人脸周围绘制框，并将结果写入
// "faceDetection.png"。
//
class DetectFaceDemo {
  public void run() {
System.out.println("\nRunning DetectFaceDemo");
 
    // 从资源目录中的级联文件创建人脸检测器。
    // directory.
CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("/lbpcascade_frontalface.xml").getPath());
Mat image = Imgcodecs.imread(getClass().getResource("/lena.png").getPath());
 
    // 在图像中检测人脸。
    // MatOfRect 是 Rect 的特殊容器类。
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image, faceDetections);
 
System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
 
    // 在每个人脸周围绘制一个边界框。
    for (Rect rect : faceDetections.toArray()) {
Imgproc.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
    }
 
    // 保存可视化检测结果。
String filename = "faceDetection.png";
System.out.println(String.format("Writing %s", filename));
Imgcodecs.imwrite(filename, image);
  }
}
 
public class HelloOpenCV {
  public static void main(String[] args) {
System.out.println("Hello, OpenCV");
 
    // 加载本地库。
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    new DetectFaceDemo().run();
  }
}

请注意对 System.loadLibrary(Core.NATIVE_LIBRARY_NAME) 的调用。在使用任何本地 OpenCV 方法之前，此命令必须在每个 Java 进程中精确执行一次。如果您不调用它，将会遇到 UnsatisfiedLink 错误。如果您尝试加载已加载的 OpenCV，也会出现错误。

现在使用 `sbt run` 运行人脸识别应用程序

sbt run

您应该看到类似以下内容：

它还应该将以下图像写入 faceDetection.png

您已完成！现在您有了一个使用 OpenCV 的 Java 示例应用程序，因此您可以开始自己的工作了。祝您好运，生活愉快！


原始作者	Eric Christiansen 和 Andrey Pavlenko
兼容性	OpenCV >= 3.0