如何系列如何使用OpenCV进行图像操作

文章目录

- 简介
- 集成
- 代码示例
- - 加载和显示图像
  - 编辑和保存图像
  - 边缘检测
  - 图片属性
  - 图像旋转
  - 图像缩放
  - 图像拼接
  - 颜色空间转换
  - 图像模糊平滑化
  - 腐蚀和膨胀
  - 直方图均衡化
  - 图像分割
  - 模板匹配
  - 图像特征提取
  - 图像拟合
  - 图像标注
  - 轮廓检测
  - 背景减除
  - 图像混合
  - 颜色分割
  - 图像旋转裁剪
  - 在图像上写文字
  - 检测和裁剪人脸
  - 灰度化图像
  - 二值化
  - 背景去除
  - 特征点检测
- 参考

简介

OpenCV (Open Source Computer Vision Library) 是一个计算机视觉和机器学习的开源库，其提供了丰富的图像处理和计算机视觉算法。OpenCV 最初是为 C++ 编写的，但现在也支持 Java 编程语言。

你就认为是个增强版的ps工具

以下是一些 OpenCV 的功能和能够实现的任务：

图像读取和显示：OpenCV 可以读取多种图像格式，并提供图像显示的功能。
图像处理：OpenCV 提供了各种图像处理工具，包括滤波、增强、色彩转换、几何变换等。
特征检测与描述：OpenCV 可以检测图像中的关键点，并计算用于描述这些关键点的特征向量，例如 SIFT、SURF、ORB 等。
图像匹配与识别：OpenCV 允许你使用特征匹配算法来识别或跟踪物体，也可以进行模板匹配。
物体检测：OpenCV 提供了各种物体检测器，如人脸检测、车辆检测、目标检测等。
形态学操作：用于处理二值图像，包括膨胀、腐蚀、开运算、闭运算等。
图像分割：OpenCV 支持图像分割技术，如阈值分割、边缘检测、区域生长等。
图像重映射：可以通过重映射函数将图像的像素位置重新映射到新的位置。
颜色空间转换：允许在不同颜色空间之间进行转换，如 RGB 到 HSV、灰度等。
图像拼接：用于将多幅图像拼接成全景图像，支持水平和垂直拼接。
摄像头捕捉和视频处理：OpenCV 可以从摄像头捕捉实时视频，并进行视频处理、分析和流处理。
计算机视觉算法：OpenCV 包含各种计算机视觉算法，如光流、相机标定、三维重建、立体视觉等。
机器学习集成：OpenCV 可以与机器学习库集成，如 TensorFlow 和 PyTorch，以构建深度学习模型并进行推理。
图像绘制和标注：用于在图像上绘制文本、线条、形状等，以标注图像。
背景减除：用于从图像中分离前景对象和背景。
图像相似度度量：可以计算两幅图像之间的相似度，如结构相似性指数（SSIM）等。
多视图几何：支持多视图几何算法，如立体校正、三角测量等。
人脸识别与追踪：OpenCV 提供了人脸检测、识别和追踪的功能。
深度学习集成：OpenCV 提供了深度学习模型的加载、推理和微调功能，支持多种深度学习框架。
图像处理管道和流程：可以构建复杂的图像处理管道，以进行自动化图像处理和分析。

这些只是 OpenCV 提供的一些功能和应用示例。OpenCV 在计算机视觉和图像处理领域具有广泛的应用，可用于图像编辑、机器视觉、自动驾驶、医学图像分析、安全监控、虚拟现实等多个领域。你可以根据具体项目需求，结合 OpenCV 的功能来完成各种图像处理和计算机视觉任务。

集成

1.添加Maven依赖项

<dependency>
    <groupId>org.openpnp</groupId>
    <artifactId>opencv</artifactId>
    <version>4.7.0-0</version>
</dependency>

2.添加动态库

// 会从jar内复制对应的动态库到临时目录
// 并调用System.loadLibrary(org.opencv.core.Core.NATIVE_LIBRARY_NAME);
nu.pattern.OpenCV.loadShared();

代码示例

Mat 类表示 n 维密集数值单通道或多通道数组。它可用于存储实值或复值向量和矩阵、灰度或彩色图像、体素体积、向量场、点云、张量、直方图。

加载和显示图像

要在 Java 中加载和显示图像，可以使用 imread 和 imshow 函数。以下是一个简单的示例代码：

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.highgui.HighGui;
public class ImageProcessing {
    public static void main(String[] args) {
        nu.pattern.OpenCV.loadShared();
        // 加载图像
        Mat image = org.opencv.imgcodecs.Imgcodecs.imread("path/to/image.jpg");
        // 显示图像
        HighGui.imshow("Image", image);
        // 等待用户按下任意键关闭窗口
        HighGui.waitKey();
    }
}

编辑和保存图像

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
public class Main {
  public static void main(String[] args) {
    // 加载 OpenCV 库
    nu.pattern.OpenCV.loadShared();
    // 读取图像
    Mat image = Imgcodecs.imread("images/_abc.png");
    // 画直线 图片，线段的第一个点，线段的第二个点，线段的颜色，线的宽度
    Imgproc.line(image, new Point(0, 0), new Point(image.cols(), image.rows()), new Scalar(0, 0, 255), 2);
    // 保存图像
    Imgcodecs.imwrite("images/_abc2.png", image);
  }
}

边缘检测

边缘检测是一种常用的图像分析技术，可以用于检测图像中的边缘和轮廓。以下是一个示例代码：

import org.opencv.core.Mat;
import org.opencv.core.Size;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
public class Test {
    public static void main(String[] args) {
        // 加载 OpenCV 库
        nu.pattern.OpenCV.loadShared();
        // 加载图像
        Mat image = Imgcodecs.imread("images/_abc.png");
        // 从彩色转换为灰度图像。这是因为边缘检测通常在灰度图像上执行，因为它更容易处理。
        Mat edges = new Mat();
        Imgproc.cvtColor(image, edges, Imgproc.COLOR_BGR2GRAY);
        // 对灰度图像应用了高斯模糊（Gaussian Blur）它可以帮助减少图像中的噪声，从而产生更干净的边缘。
        Imgproc.GaussianBlur(edges, edges, new Size(5, 5), 1.5, 1.5);
        // 应用边缘检测算法 输入图像、输出图像和两个阈值
        Imgproc.Canny(image, edges, 100, 200);
        // 显示边缘图像
        HighGui.imshow("Edges", edges);
        HighGui.waitKey();
    }
}

图片属性

import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;

public class Test {

    public static void main(String[] args) {
        // 加载 OpenCV 库
        nu.pattern.OpenCV.loadShared();
        // 加载图像
        Mat image = Imgcodecs.imread("images/_abc.png");
        // 获取图像的宽度和高度
        int width = image.width();
        int height = image.height();
        // 获取图像的通道数（BGR 图像通常为3）
        int numChannels = image.channels();
        // 获取图像的位深度（通常为8位无符号整数）
        int depth = image.depth();
        // 打印图像属性
        System.out.println("Image Width: " + width);
        System.out.println("Image Height: " + height);
        System.out.println("Number of Channels: " + numChannels);
        System.out.println("Image Depth: " + CvType.typeToString(depth));
    }
}
---
Image Width: 150
Image Height: 50
Number of Channels: 3
Image Depth: CV_8UC1

图像旋转

旋转图像以进行校正或调整方向。

import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
public class Test {
    public static void main(String[] args) {
        // 加载 OpenCV 库
        nu.pattern.OpenCV.loadShared();
        // 加载图像
        Mat image = Imgcodecs.imread("images/_abc.png");
        double angle = 30; // 旋转角度
        Point center = new Point(image.cols() / 2, image.rows() / 2);
        Mat rotationMatrix = Imgproc.getRotationMatrix2D(center, angle, 1.0);
        Imgproc.warpAffine(image, image, rotationMatrix, image.size());
        // 显示图像
        HighGui.imshow("Image", image);
        // 等待用户按下任意键关闭窗口
        HighGui.waitKey();
    }
}

图像缩放

调整图像的大小。

Size newSize = new Size(newWidth, newHeight);
Imgproc.resize(image, image, newSize);

图像拼接

将多个图像水平或垂直拼接在一起。

List<Mat> imagesToConcat = new ArrayList<>();
// 添加要拼接的图像到列表中
Mat resultImage = new Mat();
Core.hconcat(imagesToConcat, resultImage); // 或者使用 Core.vconcat 进行垂直拼接

颜色空间转换

将图像从一种颜色空间转换为另一种，例如从 BGR 到 HSV。

Imgproc.cvtColor(image, image, Imgproc.COLOR_BGR2HSV);

图像模糊平滑化

图像模糊（平滑化）是一种图像处理技术，可以减少图像中的噪声或细节，使图像变得更加平滑或模糊。OpenCV 提供了多种图像模糊方法，其中最常见的是高斯模糊和均值模糊。

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

public class GaussianBlurExample {
    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        // 读取图像
        String imagePath = "path/to/your/image.jpg";
        Mat image = Imgcodecs.imread(imagePath);

        if (image.empty()) {
            System.out.println("Could not open or find the image");
            return;
        }

        // 应用高斯模糊
        Imgproc.GaussianBlur(image, image, new org.opencv.core.Size(5, 5), 0);
        // blur均值模糊
        // medianBlur中值模糊
        // bilateralFilter双边模糊

        // 保存模糊后的图像
        String outputImagePath = "path/to/save/blurred_image.jpg";
        Imgcodecs.imwrite(outputImagePath, image);
    }
}

腐蚀和膨胀

膨胀被用来增加图像中边缘的大小。首先，我们定义了奇数(5,5)的核矩阵大小。然后使用内核，我们对图像执行膨胀。

腐蚀与膨胀正好相反。该算法用于减小图像中边缘的大小。首先，我们定义了奇数(5,5)的核矩阵大小。然后使用内核，我们对图像执行腐蚀。

// 膨胀
kernel = np.ones((5,5),np.uint8) ## DEFINING KERNEL OF 5x5
imgDialation = cv2.dilate(imgCanny,kernel,iterations=1) ##DIALATION
// 腐蚀
Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(3, 3));
Imgproc.erode(binaryImage, binaryImage, kernel);

直方图均衡化

提高图像的对比度，使图像更清晰。

Imgproc.cvtColor(image, image, Imgproc.COLOR_BGR2GRAY);
Imgproc.equalizeHist(image, image);

图像分割

将图像分割成不同的区域或对象。

Mat labels = new Mat();
Mat stats = new Mat();
Mat centroids = new Mat();
Imgproc.connectedComponentsWithStats(binaryImage, labels, stats, centroids);

模板匹配

在图像中查找特定模板的位置。

Mat template = Imgcodecs.imread("path/to/template.jpg");
Mat result = new Mat();
Imgproc.matchTemplate(image, template, result, Imgproc.TM_CCOEFF_NORMED);

图像特征提取

使用特征检测器提取图像中的关键点和描述符。

MatOfKeyPoint keypoints = new MatOfKeyPoint();
FeatureDetector detector = FeatureDetector.create(FeatureDetector.SIFT);
detector.detect(image, keypoints);

图像拟合

对图像中的几何形状进行拟合，如拟合直线或圆。

MatOfPoint2f approxCurve = new MatOfPoint2f();
Imgproc.approxPolyDP(new MatOfPoint2f(contour), approxCurve, epsilon, true);

图像标注

在图像上添加文本、线条或形状，以标识或注释图像。

Scalar color = new Scalar(0, 0, 255); // 红色
Point startPoint = new Point(10, 10); // 起始点
Imgproc.putText(image, "Sample Text", startPoint, Core.FONT_HERSHEY_SIMPLEX, 0.5, color, 2);

轮廓检测

查找并绘制图像中的对象轮廓。

List<MatOfPoint> contours = new ArrayList<>();
Imgproc.findContours(binaryImage, contours, new Mat(), Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE);
Imgproc.drawContours(image, contours, -1, new Scalar(0, 255, 0), 2);

背景减除

从图像中分离前景对象和背景。

BackgroundSubtractorMOG2 bgSubtractor = Video.createBackgroundSubtractorMOG2();
Mat foregroundMask = new Mat();
bgSubtractor.apply(image, foregroundMask);

图像混合

将两个图像叠加在一起以创建混合效果。

Mat image1 = Imgcodecs.imread("path/to/image1.jpg");
Mat image2 = Imgcodecs.imread("path/to/image2.jpg");
Mat blendedImage = new Mat();
Core.addWeighted(image1, 0.7, image2, 0.3, 0, blendedImage);

颜色分割

将图像分割成不同的颜色通道。

List<Mat> channels = new ArrayList<>();
Core.split(image, channels);

图像旋转裁剪

旋转并裁剪图像以获取感兴趣的区域。

javaCopy codedouble angle = 30; // 旋转角度
Point center = new Point(image.cols() / 2, image.rows() / 2);
Mat rotationMatrix = Imgproc.getRotationMatrix2D(center, angle, 1.0);
Imgproc.warpAffine(image, image, rotationMatrix, image.size());
Rect roi = new Rect(x, y, width, height); // 定义感兴趣的区域
Mat croppedImage = new Mat(image, roi);

在图像上写文字

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
public class WriteTextOnImage {
    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        // 读取图像
        String imagePath = "path/to/your/image.jpg";
        Mat image = Imgcodecs.imread(imagePath);
        if (image.empty()) {
            System.out.println("Could not open or find the image");
            return;
        }
        // 定义文本和位置
        String text = "Hello, OpenCV!";
        Point position = new Point(50, 50); // 文本的左上角位置
        int fontFace = Imgproc.FONT_HERSHEY_SIMPLEX;
        double fontScale = 1.0;
        Scalar color = new Scalar(0, 0, 255); // 文本颜色 (BGR格式)
        int thickness = 2;
        // 在图像上添加文本
        Imgproc.putText(image, text, position, fontFace, fontScale, color, thickness);
        // 保存带有文本的图像
        String outputImagePath = "path/to/save/output_image.jpg";
        Imgcodecs.imwrite(outputImagePath, image);
    }
}

检测和裁剪人脸

人脸检测在人脸识别系统中非常有用。在 OpenCV 中，我们有许多预先训练的 haar 级联分类器可用于不同的任务。以下网址可以查看 OpenCV GitHub 上的分类器列表：https://github.com/opencv/opencv/tree/master/data/haarca
scades。

我们使用 haarcascade_frontalface_default.xml 分类器来检测图像中的人脸。它将返回图像的四个坐标(w，h，x，y)。使用这些坐标，我们要在脸上画一个矩形，然后使用相同的坐标，继续裁剪人脸。最后使用 imwrite，把裁剪后的图像保存到目录中。

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.core.Size;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
public class DetectAndCropFace {
    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        // 加载人脸检测器
        String faceCascadePath = "path/to/haarcascade_frontalface_default.xml";
        CascadeClassifier faceCascade = new CascadeClassifier(faceCascadePath);
        // 读取图像
        String imagePath = "path/to/your/image.jpg";
        Mat image = Imgcodecs.imread(imagePath);
        if (image.empty()) {
            System.out.println("Could not open or find the image");
            return;
        }
        // 转换图像为灰度
        Mat grayImage = new Mat();
        Imgproc.cvtColor(image, grayImage, Imgproc.COLOR_BGR2GRAY);
        Imgproc.equalizeHist(grayImage, grayImage);
        // 检测人脸
        MatOfRect faceDetections = new MatOfRect();
        faceCascade.detectMultiScale(grayImage, faceDetections);
        // 遍历检测到的人脸并裁剪
        for (Rect rect : faceDetections.toArray()) {
            // 裁剪人脸区域
            Mat croppedFace = new Mat(image, rect);
            // 绘制矩形框以标识人脸
            Imgproc.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0), 2);
            // 保存裁剪的人脸图像
            String outputImagePath = "path/to/save/face_" + System.currentTimeMillis() + ".jpg";
            Imgcodecs.imwrite(outputImagePath, croppedFace);
        }
        // 保存带有人脸标识的图像
        String outputImagePath = "path/to/save/output_image.jpg";
        Imgcodecs.imwrite(outputImagePath, image);
    }
}

灰度化图像

图像灰度化是一种常见的预处理步骤，可以将彩色图像转换为灰度图像。

import org.opencv.core.Mat;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
public class Test {
    public static void main(String[] args) {
        // 加载 OpenCV 库
        nu.pattern.OpenCV.loadShared();
        // 加载彩色图像
        Mat colorImage = Imgcodecs.imread("images/_abc.png");
        // 将彩色图像转换为灰度图像
        Mat grayscaleImage = new Mat();
        Imgproc.cvtColor(colorImage, grayscaleImage, Imgproc.COLOR_BGR2GRAY);
        // 显示灰度图像
        HighGui.imshow("Grayscale Image", grayscaleImage);
        HighGui.waitKey();
    }
}

二值化

二值化是一种图像处理技术，将图像转换为只包含两个像素值的图像，通常为黑色和白色（或0和255），以便更容易进行目标检测、图像分割和其他计算机视觉任务。在 OpenCV 中，可以使用不同的阈值方法来进行二值化。

简单二值化：简单二值化是根据一个固定的阈值将图像分为黑白两部分。

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

public class SimpleThresholdingExample {
    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        // 读取图像
        String imagePath = "path/to/your/image.jpg";
        Mat image = Imgcodecs.imread(imagePath);

        if (image.empty()) {
            System.out.println("Could not open or find the image");
            return;
        }

        // 将图像转换为灰度
        Mat grayImage = new Mat();
        Imgproc.cvtColor(image, grayImage, Imgproc.COLOR_BGR2GRAY);

        // 应用简单二值化
        Mat binaryImage = new Mat();
        Imgproc.threshold(grayImage, binaryImage, 128, 255, Imgproc.THRESH_BINARY);

        // 保存二值化后的图像
        String outputImagePath = "path/to/save/binary_image.jpg";
        Imgcodecs.imwrite(outputImagePath, binaryImage);
    }
}

自适应二值化：自适应二值化根据每个像素周围的局部区域自动确定阈值。

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

public class AdaptiveThresholdingExample {
    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        // 读取图像
        String imagePath = "path/to/your/image.jpg";
        Mat image = Imgcodecs.imread(imagePath);

        if (image.empty()) {
            System.out.println("Could not open or find the image");
            return;
        }

        // 将图像转换为灰度
        Mat grayImage = new Mat();
        Imgproc.cvtColor(image, grayImage, Imgproc.COLOR_BGR2GRAY);

        // 应用自适应二值化
        Mat binaryImage = new Mat();
        Imgproc.adaptiveThreshold(grayImage, binaryImage, 255, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY, 11, 2);

        // 保存二值化后的图像
        String outputImagePath = "path/to/save/adaptive_binary_image.jpg";
        Imgcodecs.imwrite(outputImagePath, binaryImage);
    }
}

背景去除

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.video.BackgroundSubtractor;
import org.opencv.video.Video;
public class RemoveBackground {
    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        // 读取图像
        String imagePath = "path/to/your/image.jpg";
        Mat image = Imgcodecs.imread(imagePath);

        if (image.empty()) {
            System.out.println("Could not open or find the image");
            return;
        }
        // 创建背景减除器
        BackgroundSubtractor bgSubtractor = Video.createBackgroundSubtractorMOG2();
        // 去除背景
        Mat fgMask = new Mat();
        bgSubtractor.apply(image, fgMask);
        // 创建结果图像
        Mat resultImage = new Mat();
        image.copyTo(resultImage, fgMask);
        // 保存去除背景后的图像
        String outputImagePath = "path/to/save/output_image.jpg";
        Imgcodecs.imwrite(outputImagePath, resultImage);
    }
}

特征点检测

特征点检测是计算机视觉领域的一项重要任务，用于在图像中检测并描述具有独特属性的关键点，以便在不同图像之间进行匹配、跟踪或对象识别。OpenCV 提供了多种特征点检测算法，其中最常用的是 SIFT 和 ORB。

SIFT 特征点检测：

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfKeyPoint;
import org.opencv.features2d.Features2d;
import org.opencv.features2d.SIFT;
import org.opencv.imgcodecs.Imgcodecs;

public class SiftFeatureDetection {
    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        // 读取图像
        String imagePath = "path/to/your/image.jpg";
        Mat image = Imgcodecs.imread(imagePath);

        if (image.empty()) {
            System.out.println("Could not open or find the image");
            return;
        }

        // 初始化 SIFT 特征检测器
        SIFT sift = SIFT.create();

        // 检测图像中的 SIFT 特征点
        MatOfKeyPoint keyPoints = new MatOfKeyPoint();
        sift.detect(image, keyPoints);

        // 在图像上绘制特征点
        Mat outputImage = new Mat();
        Features2d.drawKeypoints(image, keyPoints, outputImage);

        // 保存带有特征点的图像
        String outputImagePath = "path/to/save/sift_keypoints_image.jpg";
        Imgcodecs.imwrite(outputImagePath, outputImage);
    }
}

ORB 特征点检测：

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.features2d.Features2d;
import org.opencv.features2d.ORB;
import org.opencv.imgcodecs.Imgcodecs;

public class OrbFeatureDetection {
    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        // 读取图像
        String imagePath = "path/to/your/image.jpg";
        Mat image = Imgcodecs.imread(imagePath);

        if (image.empty()) {
            System.out.println("Could not open or find the image");
            return;
        }

        // 初始化 ORB 特征检测器
        ORB orb = ORB.create();

        // 检测图像中的 ORB 特征点
        MatOfKeyPoint keyPoints = new MatOfKeyPoint();
        orb.detect(image, keyPoints);

        // 在图像上绘制特征点
        Mat outputImage = new Mat();
        Features2d.drawKeypoints(image, keyPoints, outputImage);

        // 保存带有特征点的图像
        String outputImagePath = "path/to/save/orb_keypoints_image.jpg";
        Imgcodecs.imwrite(outputImagePath, outputImage);
    }
}

参考

https://www.opencv.org.cn/
- https://www.opencv.org.cn/forum/forum.php?mod=viewthread&tid=33549
- https://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html
https://www.hhai.cc/thread-3-1-1.html
https://gitee.com/songer/java_opencv
https://gitee.com/opencv_ai/opencv_tutorial_data
https://gitee.com/endlesshh/opencv343_face_recognition