? 博主简介：历代文学网（PC端可以访问：https://literature.sinhy.com/#/literature?__c=1000，移动端可微信小程序搜索“历代文学”）总架构师，15年工作经验，精通Java编程，高并发设计，Springboot和微服务，熟悉Linux，ESXI虚拟化以及云原生Docker和K8s，热衷于探索科技的边界，并将理论知识转化为实际应用。保持对新技术的好奇心，乐于分享所学，希望通过我的实践经历和见解，启发他人的创新思维。在这里，我希望能与志同道合的朋友交流探讨，共同进步，一起在技术的世界里不断学习成长。
深入探索JavaCV：功能强大的Java计算机视觉库
一、引言
在当今数字化时代，计算机视觉技术在众多领域如安防监控、自动驾驶、医疗影像分析、图像编辑等发挥着不可替代的作用。
计算机视觉是一个快速发展的领域，Java作为一种广泛使用的编程语言，JavaCV库为Java开发者提供了进入计算机视觉领域的强大工具。本文将深入介绍JavaCV的功能特性、使用方法以及相关概念。
二、JavaCV概述
（一）JavaCV的定义与起源
JavaCV是一个开源的计算机视觉库，它建立在Java语言之上，它在Java平台上提供了对各种计算机视觉库（如OpenCV、FFmpeg等）的绑定。这意味着Java开发者可以利用JavaCV在Java环境中轻松调用这些强大的底层库的功能。它的设计目的是为了简化计算机视觉任务在Java中的开发过程，使得Java开发者无需深入了解底层库的复杂实现细节，就能够快速构建计算机视觉应用。
其起源可以追溯到对将已有的强大计算机视觉库（如OpenCV）和多媒体处理库（如FFmpeg）的功能引入Java生态系统的需求。它由一群富有创造力的开发者发起并不断维护，旨在让Java开发者能够利用这些成熟库的功能，而无需深入研究它们的底层实现细节，尤其是那些非Java语言（如C++）的实现细节。
（二）JavaCV的历史与发展
JavaCV最初是为了解决Java在计算机视觉开发方面的不足而诞生的。随着计算机视觉技术的不断发展，JavaCV也在不断更新和扩展其功能，以适应新的需求。它不断整合新的底层库版本，修复漏洞，并优化性能。
（三）JavaCV的架构
JavaCV的架构是其能够有效整合多种库功能的关键。它在Java层面对底层的OpenCV、FFmpeg等库进行了精心的封装。这种封装并非简单的函数调用映射，而是按照Java的面向对象设计原则，将底层库的功能重新组织成易于理解和使用的Java类和方法。例如，对于OpenCV中的图像数据结构和相关操作，JavaCV创建了对应的Java类，使得Java开发者可以像操作普通Java对象一样操作图像数据。在与FFmpeg的集成方面，JavaCV构建了专门的类来处理视频和音频的编解码、流媒体处理等操作，这些类通过JavaCV的架构与Java的运行时环境无缝对接，保证了在Java平台上高效地执行多媒体处理任务。
三、JavaCV的功能特性
（一）图像读取与格式支持
广泛的图像格式兼容性JavaCV能够读取多种常见的图像格式，这是其在图像处理领域的基础能力。它支持JPEG格式，这是一种广泛用于数字摄影和互联网图像传输的有损压缩格式。JPEG的压缩算法基于离散余弦变换（DCT），通过对图像的块进行变换和量化，在牺牲一定图像质量的情况下实现高压缩比。JavaCV可以准确地解析JPEG文件中的图像数据，包括处理其复杂的压缩头信息和解压缩过程。
除了JPEG，JavaCV还支持PNG格式。PNG是一种无损压缩图像格式，它采用了基于LZ77派生算法的无损数据压缩技术。PNG格式在处理具有透明度信息的图像（如图标、徽标等）方面具有优势，JavaCV能够完整地读取PNG图像中的颜色信息、透明度通道以及图像的元数据。
BMP格式也是JavaCV支持的格式之一。BMP是一种简单的位图格式，它直接存储图像的像素数据，没有复杂的压缩算法。JavaCV对BMP格式的支持使得它可以处理一些需要精确像素级操作的图像，例如在某些特定的图像分析任务中，原始的BMP图像可以直接被JavaCV读取并进行后续处理。图像读取的灵活性
JavaCV在图像读取方面提供了高度的灵活性。它不仅可以从本地文件系统读取图像，还可以从输入流中读取图像。这一特性在网络应用场景中非常有用。例如，在一个基于Web的图像查看器应用中，当用户从网络上下载图像时，图像数据以网络流的形式传输。JavaCV可以直接从这个网络流中读取图像数据，而不需要先将图像数据保存到本地文件再进行读取。这种方式提高了应用的响应速度和效率，同时也节省了本地存储空间。
（二）图像基本处理操作
灰度化处理
灰度化是将彩色图像转换为灰度图像的过程，这是许多图像分析和处理任务的前置步骤。JavaCV实现灰度化的原理基于对彩色图像中红（R）、绿（G）、蓝（B） 三个通道的加权平均。常见的加权公式为：Gray = 0.299*R + 0.587*G + 0.114*B。这个公式是根据人眼对不同颜色的敏感度确定的，人眼对绿色最为敏感，其次是红色，对蓝色最不敏感。JavaCV通过这个公式对图像中的每个像素进行计算，将其RGB值转换为一个单一的灰度值，从而得到灰度图像。这种灰度化处理在图像边缘检测、图像特征提取等任务中具有重要意义。例如，在图像边缘检测中，灰度图像可以简化计算过程，减少不必要的颜色信息干扰，使得边缘检测算法能够更准确地识别图像中的边缘。
滤波操作
均值滤波均值滤波是一种简单的图像滤波方法，其目的是减少图像中的噪声。
JavaCV中的均值滤波操作通过计算图像中每个像素点邻域内像素值的平均值来替换该像素点的值。例如，对于一个3x3的滤波核，JavaCV会将目标像素点周围8个像素点（加上自身共9个像素点）的像素值相加，然后除以9得到平均值，并用这个平均值替换目标像素点的原始值。均值滤波在去除图像中的高斯噪声方面有一定效果，但它也会使图像变得模糊，因为它在一定程度上平滑了图像的细节。中值滤波中值滤波是另一种常用的滤波方法，它主要用于去除椒盐噪声。椒盐噪声表现为图像中的随机黑白点。JavaCV的中值滤波操作是将图像中每个像素点的值替换为其邻域像素值的中值。例如，同样使用3x3的滤波核，JavaCV会将目标像素点周围的9个像素值进行排序，然后取中间的值作为新的像素值。中值滤波能够有效地保留图像的边缘和细节，相比于均值滤波，它在去除椒盐噪声的同时对图像的模糊效果较小。高斯滤波
高斯滤波是一种基于高斯函数的加权滤波方法。
JavaCV的高斯滤波通过对图像中的每个像素点，根据其邻域像素点与该像素点的距离关系，按照高斯分布确定权重，然后加权计算得到新的像素值。高斯滤波在去除图像中的高斯噪声方面效果较好，并且能够在一定程度上保留图像的边缘和细节。它的原理是假设图像中的噪声服从高斯分布，通过高斯滤波可以有效地降低噪声的影响。 边缘检测
边缘检测是图像分析中的重要任务，它可以帮助识别图像中的物体轮廓、区域边界等信息。JavaCV提供了多种边缘检测算法的实现。
Sobel算子是一种基于一阶导数的边缘检测算子。JavaCV中的Sobel算子通过计算图像在水平和垂直方向上的一阶导数近似值来确定边缘的位置。它使用两个3x3的卷积核，一个用于检测水平方向的边缘，另一个用于检测垂直方向的边缘。通过对图像中的每个像素点应用这两个卷积核，并计算得到水平和垂直方向的梯度值，然后根据一定的阈值判断该像素点是否为边缘点。Sobel算子计算简单、速度快，在一些对实时性要求较高的边缘检测应用中较为常用。Canny边缘检测Canny边缘检测是一种更为复杂和精确的边缘检测算法。JavaCV实现的Canny边缘检测包括几个关键步骤。首先是对图像进行高斯滤波，以减少噪声对边缘检测的影响；然后计算图像的梯度幅值和方向，通过使用一阶偏导数的有限差分来近似计算梯度；接着进行非极大值抑制，这一步骤是为了细化边缘，只保留梯度方向上的局部最大值作为边缘点；最后通过双阈值检测来确定最终的边缘，即设置一个高阈值和一个低阈值，高于高阈值的像素点确定为边缘点，低于低阈值的像素点被排除，介于两者之间的像素点如果与确定的边缘点相连则也被视为边缘点。Canny边缘检测能够得到较为连续和准确的边缘，但计算量相对较大。 （三）图像的几何变换
平移变换图像的平移是指将图像在平面内沿水平和垂直方向移动一定的距离。
JavaCV实现图像平移的原理是基于坐标变换。对于图像中的每个像素点（x, y），如果要将图像向右平移tx个像素，向下平移ty个像素，则新的坐标（x', y'）可以通过以下公式计算：x' = x + tx，y' = y + ty。JavaCV在执行平移操作时，会根据这个公式对图像中的每个像素点重新定位，并将原始像素点的值复制到新的位置。平移变换在图像拼接、图像布局调整等应用场景中经常使用。例如，在图像拼接中，需要将不同部分的图像按照一定的布局进行平移组合，以形成完整的拼接图像。旋转变换旋转变换是将图像绕一个中心点旋转一定的角度。
JavaCV的旋转变换涉及到较为复杂的坐标变换和插值计算。在旋转变换中，对于图像中的每个像素点（x, y），需要根据旋转中心（cx, cy）和旋转角度θ，通过矩阵乘法计算出旋转后的新坐标（x', y'）。由于旋转后的坐标可能不是整数，JavaCV还需要进行插值计算，以确定新坐标对应的像素值。常见的插值方法有最近邻插值、双线性插值和双三次插值。最近邻插值是一种简单的方法，它直接取距离新坐标最近的原始像素点的值；双线性插值则通过对新坐标周围四个原始像素点的值进行加权平均得到；双三次插值是一种更为精确的插值方法，它考虑了新坐标周围16个原始像素点的值进行加权计算。旋转变换在图像校正、图像特效制作等方面有广泛的应用。例如，在图像校正中，将倾斜的图像绕某个中心点旋转一定角度，使其恢复到水平或垂直状态。缩放变换缩放变换是改变图像的大小。
JavaCV可以按照指定的比例因子对图像进行缩放。在缩放过程中，对于图像中的每个像素点（x, y），如果缩放比例为sx和sy（分别对应水平和垂直方向），则新的坐标（x', y'）可以通过公式x' = x * sx，y' = y * sy计算得到。与旋转变换类似，缩放后的坐标可能不是整数，需要进行插值计算来确定像素值。缩放变换在图像显示适配不同设备屏幕大小、图像金字塔构建等应用场景中非常重要。例如，在移动设备上显示图像时，为了适应不同屏幕分辨率，需要对图像进行缩放操作。裁剪操作裁剪操作是从原始图像中选取感兴趣的区域进行进一步处理或单独保存。
JavaCV通过指定裁剪区域的左上角坐标（x0, y0）和右下角坐标（x1, y1）来实现裁剪。它会将原始图像中位于这个区域内的像素点提取出来，形成一个新的图像。裁剪操作在图像分析中常用于聚焦特定区域，例如在医学影像分析中，医生可能只对图像中的某个器官区域感兴趣，通过裁剪操作可以将该区域单独提取出来进行详细的分析。 （四）图像的形态学操作
腐蚀操作腐蚀是一种基本的形态学操作，它的主要作用是消除图像中的细小物体、分离物体、平滑物体边界等。JavaCV中的腐蚀操作基于结构元素（通常是一个小的矩阵，如3x3或5x5）。对于图像中的每个像素点，如果以该像素点为中心的结构元素所覆盖的区域内存在至少一个背景像素（通常是黑色像素，假设图像为二值图像），则将该像素点设置为背景像素。腐蚀操作通过不断地对图像进行这种判断和修改，逐渐消除图像中的细小部分。例如，在文字识别中，如果图像中的文字周围存在一些噪点，通过腐蚀操作可以将这些噪点去除，使文字更加清晰。膨胀操作
膨胀操作与腐蚀操作相反，它的作用是填充图像中的小孔、连接相邻的物体、平滑物体边界等。JavaCV的膨胀操作同样基于结构元素。对于图像中的每个像素点，如果以该像素点为中心的结构元素所覆盖的区域内存在至少一个前景像素（通常是白色像素，假设图像为二值图像），则将该像素点设置为前景像素。膨胀操作可以使图像中的物体变得更加粗壮，例如在图像分割中，经过膨胀操作可以使分割后的物体区域更加完整。开运算与闭运算 开运算
开运算定义为先进行腐蚀操作，再进行膨胀操作。JavaCV的开运算可以用于去除图像中的小物体，同时保持较大物体的形状基本不变。例如，在处理含有椒盐噪声和小颗粒杂质的图像时，开运算可以有效地去除这些小颗粒，同时不影响图像中主要物体的形状。闭运算
闭运算则是先进行膨胀操作，再进行腐蚀操作。闭运算在填充图像中的小孔、连接断裂的物体部分方面非常有效。例如，在图像中的物体由于噪声或其他原因出现断裂时，闭运算可以将断裂的部分连接起来，使物体恢复完整的形状。
（五）图像的特征提取与描述
角点检测角点是图像中具有特殊性质的点，它在图像匹配、目标跟踪等应用中具有重要意义。JavaCV提供了角点检测的功能，例如Harris角点检测算法。Harris角点检测基于图像的局部自相似性原理，通过计算图像中每个像素点的自相关矩阵，然后根据自相关矩阵的特征值来判断该像素点是否为角点。如果自相关矩阵的两个特征值都较大，则该像素点被认为是角点。JavaCV实现的Harris角点检测可以准确地在图像中找到具有显著特征的角点，这些角点可以作为后续图像匹配或目标跟踪的关键特征点。SIFT特征提取
尺度不变特征变换（SIFT）是一种非常强大的图像特征提取算法。JavaCV对SIFT算法的封装使得Java开发者能够利用其功能。SIFT算法的核心思想是在不同尺度空间下检测图像中的局部特征。它首先构建图像的尺度空间，通过高斯金字塔和DoG（Difference of Gaussians）金字塔来实现。在尺度空间中，SIFT算法检测极值点，这些极值点在不同尺度下具有局部最大或最小的响应。然后，对于检测到的极值点，SIFT算法确定其方向，使得特征具有旋转不变性。最后，SIFT算法为每个特征点生成一个特征描述符，这个描述符包含了该特征点周围区域的信息，并且具有尺度和旋转不变性。SIFT特征在图像匹配中表现出色，即使在图像存在尺度变化、旋转、光照变化等情况下，仍然能够准确地匹配图像中的特征点。SURF特征提取
加速稳健特征（SURF）是另一种用于图像特征提取的算法，JavaCV也提供了对SURF算法的支持。SURF算法在一定程度上是对SIFT算法的改进，它旨在提高特征提取的速度。SURF算法基于积分图像的概念，通过构建积分图像，可以快速计算图像中矩形区域的像素和。在特征检测方面，SURF算法使用Hessian矩阵的行列式来检测极值点，并且通过一种近似的方法来构建尺度空间，从而减少了计算量。与SIFT算法类似，SURF算法也为检测到的特征点确定方向并生成特征描述符。SURF特征在实时性要求较高的图像匹配和目标识别应用中具有优势。
（六）视频处理功能
视频解码视频是由一系列的图像帧按照一定的帧率组成的。JavaCV的视频解码功能可以将各种格式的视频文件解码为单独的图像帧。它支持多种常见的视频格式，如MP4、AVI、FLV等。JavaCV利用FFmpeg的强大解码能力，将视频流中的数据按照相应的格式规范进行解析，得到每一帧的图像数据。在视频解码过程中，JavaCV需要处理视频的编码格式、帧率、分辨率等信息。例如，对于H.264编码的视频，JavaCV会根据H.264的编码标准，解析视频流中的NAL单元（Network Abstraction Layer units），提取出图像帧的数据。视频解码是视频分析、视频编辑等应用的基础步骤，只有将视频解码为图像帧，才能对视频内容进行进一步的分析和处理。视频编码
与视频解码相对应，JavaCV也具备视频编码功能。在视频编码过程中，JavaCV将一系列的图像帧按照指定的视频格式和编码参数重新组合成视频流。它可以根据应用的需求选择合适的编码格式，如H.264、MPEG - 4等。JavaCV在视频编码时需要考虑多个因素，如编码质量、码率、帧率等。编码质量决定了视频的清晰度，码率则影响视频的文件大小和网络传输带宽要求，帧率决定了视频的流畅度。例如，在视频直播应用中，为了保证视频的流畅传输和较好的观看体验，需要根据网络带宽选择合适的码率和帧率，同时也要保证一定的编码质量。JavaCV通过调整这些编码参数，可以满足不同应用场景的需求。视频播放
JavaCV提供了视频播放的功能，这使得它在视频处理应用中具有更加完整的功能链。JavaCV的视频播放功能基于Java的图形界面库（如JavaFX或AWT），它可以在Java应用中直接播放视频文件或视频流。在播放过程中，JavaCV可以处理视频的暂停、播放、快进、快退等操作。例如，在一个视频监控系统中，用户可以通过JavaCV的视频播放功能实时查看监控视频，并且可以根据需要暂停视频查看某个瞬间的画面，或者快进查看之前的视频记录。此外，JavaCV的视频播放功能还可以与其他视频处理功能相结合，如在播放视频的同时对视频进行特效处理、目标识别等操作，这为开发更加复杂和智能的视频应用提供了可能。
四、JavaCV的安装与配置
环境要求 JavaCV要求Java运行环境（JRE），并且对Java版本有一定的要求。一般来说，较新版本的Java（如Java 8及以上）能够更好地支持JavaCV。由于JavaCV依赖于底层的计算机视觉库，如OpenCV和FFmpeg，因此在安装JavaCV之前，需要确保这些底层库已经正确安装或者可以被JavaCV正确引用。 安装步骤 在Maven项目中，可以通过在pom.xml文件中添加JavaCV的依赖来进行安装。例如：<dependency> <groupId>org.bytedeco</groupId> <artifactId>javacv</artifactId> <version>1.5.8</version></dependency>五、JavaCV的基础功能代码示例
（一）图像操作
图像读取与写入 JavaCV可以方便地读取多种格式的图像文件，如JPEG、PNG等。例如，使用OpenCV的imread函数的JavaCV绑定： import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_imgcodecs.Imgcodecs;public class ImageReadExample { public static void main(String[] args) { Mat image = Imgcodecs.imread("input.jpg"); if (image.empty()) { System.out.println("Could not read the image"); } else { // 图像读取成功，可以进行后续操作 } }}Imgcodecs.imwrite("output.png", image);import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_core.Size;import org.bytedeco.opencv.opencv_imgproc.Imgproc;public class MeanFilterExample { public static void main(String[] args) { Mat image = Imgcodecs.imread("input.jpg"); if (!image.empty()) { Mat filteredImage = new Mat(); Size ksize = new Size(5, 5); Imgproc.blur(image, filteredImage, ksize); // 滤波后的图像保存在filteredImage中，可以进行后续展示或处理 } }}import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_core.Size;import org.bytedeco.opencv.opencv_imgproc.Imgproc;public class GaussianFilterExample { public static void main(String[] args) { Mat image = Imgcodecs.imread("input.jpg"); if (!image.empty()) { Mat filteredImage = new Mat(); Size ksize = new Size(5, 5); Imgproc.GaussianBlur(image, filteredImage, ksize, 0); // 滤波后的图像保存在filteredImage中，可以进行后续展示或处理 } }}import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_core.Size;import org.bytedeco.opencv.opencv_imgproc.Imgproc;public class ImageResizeExample { public static void main(String[] args) { Mat image = Imgcodecs.imread("input.jpg"); if (!image.empty()) { Mat resizedImage = new Mat(); Size newSize = new Size(image.cols() / 2, image.rows() / 2); Imgproc.resize(image, resizedImage, newSize); // 缩放后的图像保存在resizedImage中，可以进行后续展示或处理 } }}import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_core.Rect;public class ImageCropExample { public static void main(String[] args) { Mat image = Imgcodecs.imread("input.jpg"); if (!image.empty()) { Rect roi = new Rect(100, 100, 200, 200); Mat croppedImage = new Mat(image, roi); // 裁剪后的图像保存在croppedImage中，可以进行后续展示或处理 } }}（二）视频处理
视频读取与播放 视频读取：JavaCV可以读取多种格式的视频文件，如AVI、MP4等。它使用FFmpeg的底层功能来实现视频的读取。import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_videoio.VideoCapture;public class VideoReadExample { public static void main(String[] args) { VideoCapture videoCapture = new VideoCapture("input.mp4"); if (videoCapture.isOpened()) { Mat frame = new Mat(); while (videoCapture.read(frame)) { // 对每一帧进行处理，例如显示 } videoCapture.release(); } else { System.out.println("Could not open the video file"); } }}import org.bytedeco.ffmpeg.global.avcodec;import org.bytedeco.ffmpeg.global.avutil;import org.bytedeco.ffmpeg.avcodec.AVCodec;import org.bytedeco.ffmpeg.avcodec.AVCodecContext;import org.bytedeco.ffmpeg.avformat.AVFormatContext;import org.bytedeco.ffmpeg.avformat.AVOutputFormat;import org.bytedeco.ffmpeg.avutil.AVDictionary;import org.bytedeco.ffmpeg.avutil.AVFrame;import org.bytedeco.ffmpeg.swscale.SwsContext;import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_core.Size;import org.bytedeco.opencv.opencv_imgproc.Imgproc;public class VideoEncodeExample { public static void main(String[] args) { // 初始化编码相关参数 AVFormatContext oc = new AVFormatContext(null); AVOutputFormat fmt = av_guess_format("mp4", null, null); oc.oformat(fmt); // 设置输出文件路径等参数 //... AVCodec codec = avcodec_find_encoder(avcodec.AV_CODEC_ID_MPEG4); AVCodecContext c = avcodec_alloc_context3(codec); c.bit_rate(400000); c.width(640); c.height(480); c.time_base(avutil.av_make_q(1, 25)); c.framerate(avutil.av_make_q(25, 1)); // 更多参数设置 //... // 打开编码器 avcodec_open2(c, codec, (AVDictionary) null); // 分配帧内存等操作 //... // 循环处理图像帧并编码 for (int i = 0; i < numFrames; i++) { Mat frame = getFrame(i); // 获取要编码的图像帧 // 转换图像格式等操作 //... int got_output = 0; avcodec_encode_video2(c, pkt, frameAV, got_output); if (got_output!= 0) { // 将编码后的数据包写入输出文件 } } // 清理资源 //... }}（三）目标检测与识别
基于特征的目标检测 特征提取：JavaCV可以使用OpenCV中的特征提取算法，如SIFT（尺度不变特征变换）、SURF（加速稳健特征）等。这些特征可以用于在图像中检测目标。例如，使用SIFT特征提取：import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_features2d.Features2d;import org.bytedeco.opencv.opencv_features2d.KeyPoint;import org.bytedeco.opencv.opencv_xfeatures2d.SIFT;public class SIFTExample { public static void main(String[] args) { Mat image = Imgcodecs.imread("input.jpg"); if (!image.empty()) { SIFT sift = SIFT.create(); KeyPoint keypoints = new KeyPoint(); Mat descriptors = new Mat(); sift.detectAndCompute(image, new Mat(), keypoints, descriptors); // 可以使用提取的特征点和描述子进行目标检测等操作 } }}（四）计算机视觉中的几何变换
平移、旋转与缩放变换 平移变换：可以将图像中的所有点按照指定的向量进行平移。在JavaCV中，可以通过构建变换矩阵并应用到图像上实现平移。import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_core.Point;import org.bytedeco.opencv.opencv_core.Size;import org.bytedeco.opencv.opencv_imgproc.Imgproc;public class TranslationExample { public static void main(String[] args) { Mat image = Imgcodecs.imread("input.jpg"); if (!image.empty()) { Mat translatedImage = new Mat(); Point shift = new Point(50, 50); Mat translationMatrix = Imgproc.getTranslationMatrix2D(shift, 1, 0); Imgproc.warpAffine(image, translatedImage, translationMatrix, new Size(image.cols(), image.rows())); // 平移后的图像保存在translatedImage中，可以进行后续展示或处理 } }}import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_core.Point;import org.bytedeco.opencv.opencv_core.Size;import org.bytedeco.opencv.opencv_imgproc.Imgproc;public class RotationExample { public static void main(String[] args) { Mat image = Imgcodecs.imread("input.jpg"); if (!image.empty()) { Mat rotatedImage = new Mat(); Point center = new Point(image.cols() / 2, image.rows() / 2); double angle = 45; Mat rotationMatrix = Imgproc.getRotationMatrix2D(center, angle, 1); Imgproc.warpAffine(image, rotatedImage, rotationMatrix, new Size(image.cols(), image.rows())); // 旋转后的图像保存在rotatedImage中，可以进行后续展示或处理 } }}import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_core.Point2f;import org.bytedeco.opencv.opencv_imgproc.Imgproc;public class PerspectiveTransformExample { public static void main(String[] args) { Mat image = Imgcodecs.imread("input.jpg"); if (!image.empty()) { Mat warpedImage = new Mat(); Point2f src[] = new Point2f[4]; Point2f dst[] = new Point2f[4]; // 定义源图像和目标图像的四个顶点坐标 //... Mat perspectiveMatrix = Imgproc.getPerspectiveTransform(src, dst); Imgproc.warpPerspective(image, warpedImage, perspectiveMatrix, new Size(image.cols(), image.rows())); // 透视变换后的图像保存在warpedImage中，可以进行后续展示或处理 } }}