最近有个需求，希望识别图片上的虫子，对于java来说，图像识别不是很好做。在网上也搜索了很多，很多的代码都是不完整，或者下载下载报错，有的写的很长看不懂。所以自己试着用java的opencv写了一段代码。发现识别的效果还不错，下面把代码贴出来。有需要的可以参考。但是这里面有一些缺陷，就是没有加入transformer和org.deeplearning4j，对于复杂的场景识别的不是很准确。后期再更新把神经网络加上去。

一、POM.xml文件导入jar包

<dependency>
            <groupId>org.bytedeco</groupId>
            <artifactId>javacv-platform</artifactId>
            <version>1.5.10</version> <!-- 根据最新版本更新 -->
        </dependency>
        <dependency>
            <groupId>org.opencv</groupId>
            <artifactId>opencv</artifactId>
            <version>4.9.0</version>
        </dependency>
        <dependency>
            <groupId>org.deeplearning4j</groupId>
            <artifactId>deeplearning4j-core</artifactId>
            <version>1.0.0-M1.1</version>
        </dependency>
        <dependency>
            <groupId>org.nd4j</groupId>
            <artifactId>nd4j-native</artifactId>
            <version>1.0.0-M2</version>
        </dependency>
        <dependency>
            <groupId>org.nd4j</groupId>
            <artifactId>nd4j-api</artifactId>
            <version>1.0.0-M2</version>
        </dependency>

二、主要的处理步骤和逻辑代码

1. 读取图片
2. 截取区域
3. 转换灰度
4. 二值化
5. 高斯
6. 中指滤波
7. 双边滤波
8. 去除线框干扰
9. 形态学操作
10. 轮廓检测

package org.example;

import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.global.opencv_imgproc;
import org.bytedeco.opencv.opencv_core.*;

public class BugCounterTest {

    public static void main(String[] args) {
        // 读取图片文件
        Mat src = opencv_imgcodecs.imread("C:\\Users\\HP\\Desktop\\aaaa.png");
        if (src.empty()) {
            System.out.println("Error: Cannot read image!");
            return;
        }

        // 截取感兴趣区域
        Rect roi = new Rect(0, 180, 1300, 600);
        Mat croppedImage = new Mat(src, roi);

        // 转换为灰度图像
        Mat gray = new Mat();
        opencv_imgproc.cvtColor(croppedImage, gray, opencv_imgproc.COLOR_BGR2GRAY);

        // 二值化图像
        Mat binary = new Mat();
        opencv_imgproc.threshold(gray, binary, 100, 255, opencv_imgproc.THRESH_BINARY_INV);

        //高斯模糊处理
        Mat blurredImage = new Mat();
        opencv_imgproc.GaussianBlur(binary,blurredImage,new Size(5, 5),0);

        //中值滤波
        Mat medianFilteredImage = new Mat();
        opencv_imgproc.medianBlur(blurredImage, medianFilteredImage, 5);

        // 双边滤波
        Mat bilateralFilteredImage = new Mat();
        opencv_imgproc.bilateralFilter(medianFilteredImage, bilateralFilteredImage, 9, 75, 75);

        // 去除线框干扰
        Mat edgeImage = new Mat();
        opencv_imgproc.Canny(bilateralFilteredImage, edgeImage, 50, 150); // 可调整参数

        // 形态学操作
        Mat kernel = opencv_imgproc.getStructuringElement(opencv_imgproc.MORPH_RECT, new Size(3, 3));
        opencv_imgproc.dilate(edgeImage, edgeImage, kernel);
        opencv_imgproc.erode(edgeImage, edgeImage, kernel);

        // 轮廓检测
        MatVector contours = new MatVector();
        Mat hierarchy = new Mat();
        opencv_imgproc.findContours(edgeImage, contours, hierarchy, opencv_imgproc.RETR_EXTERNAL, opencv_imgproc.CHAIN_APPROX_SIMPLE);


        int blackPointsCount = 0;
        // 在原始图像上绘制轮廓
        for (int i = 0; i < contours.size(); i++) {
            Rect rect = opencv_imgproc.boundingRect(contours.get(i));
            Scalar scalar = new Scalar(0, 255, 0, 0);
            opencv_imgproc.rectangle(croppedImage, rect, scalar);
            if (rect.width() > 1 && rect.height() > 1) {
                blackPointsCount++;
            }
        }

        // 保存标记后的图像
        opencv_imgcodecs.imwrite("C:\\Users\\HP\\Desktop\\output.jpg", croppedImage);
        System.out.println("黑点数量： " + blackPointsCount);
    }
}

对于复杂的图片识别有差距