本节介绍如何使用 JavaScript
通过 OpenCV
开发计算机视觉算法。在 OpenCV.js
之前,如果想要在 Web
上执行一些计算机视觉任务,必须在服务器使用 C++
进行开发,但在 OpenCV.js
中,使用 Web
浏览器的客户端拥有了直接使用计算机视觉应用的可能性。在本节中,我们将编写一个非常简单的应用,将图像加载到 HTML img
标签中,转换图像色彩空间并在 canvas
元素中绘制。
OpenCV.js
是 OpenCV
函数的端口,将 C++
代码编译为 JavaScript
。OpenCV
使用 Emscripten
将 C++
函数编译为 Asm.js
或 WebAssembly
目标
Asm.js
是经过高度优化的,其接近本机代码,但速度比相同的本机可执行应用程序大约慢 2
倍(具体取决于浏览器和计算机性能)WebAssembly
是一种新 Web
标准,它定义了一种用于在网页中执行代码的二进制格式。旨在补充 JavaScript
,加速代码运行速度以接近本机代码执行速度。该技术是提高计算机视觉性能和将 OpenCV
移植到 JavaScript 的最佳选择WebAssembly
针对速度进行了高度优化,并实现了速度接近本机的代码。接下来,我们构建一个简单的网页结构,通过一个简单的按钮,可以将图像加载到用作输入图像的 img
元素中。读取 img
元素内容,可以将其加载到 cv::Mat
中并应用 OpenCV
可以提供的所有计算机视觉函数。在示例代码中,我们将彩色图像转换为灰度图像。OpenCV.js
修改了 imshow
函数,允许我们在 canvas
元素而不是新窗口中显示 cv::Mat
,使我们能够与网页进行交互。
在使用 OpenCV.js
之前,我们需要编写一个网页作为用户界面。使用 img
、canvas
和 button
元素创建一个 HTML
页面:
<!doctype html>
<html lang="en">
<head>
<!-- Required meta tags -->
<meta charset="utf-8">
<style>
#container {min-height:300px;}
#canvasOutput, #imageSrc{
background:#ccc;
min-width:300px;
min-height:300px;
display:block;
float:left;
margin-left:20px;
}
</style>
<title>OpenCV Computer vision on Web. Packt Publishing.</title>
</head>
<body>
<div id="status" class="alert alert-primary" role="alert">Loading OpenCV...</div>
<div id="container">
<img id="imageSrc" alt="No Image" class="small" src="img/gray.png">
<canvas id="canvasOutput" class="small" height="300px"></canvas>
</div>
<input type="file" id="fileInput" name="file" accept="image/*">
(1) 在网页中加载 OpenCV JavaScript
库:
<!-- OPENCV -->
<script async="" src="data/opencv.js" type="text/javascript" onload="onOpenCvReady();" onerror="onOpenCvError();"></script>
(2) 在 script
包装器中创建应用程序,我们需要获取输入按钮和图像元素的变量:
<script type="text/javascript">
let imgElement = document.getElementById('imageSrc');
let inputElement = document.getElementById('fileInput');
(3) 点击按钮时,将选中的图片加载到 img
元素中:
inputElement.addEventListener('change', (e) => {
imgElement.src = URL.createObjectURL(e.target.files[0]);
}, false);
(4) 当图像加载到 img
元素中时,使用 OpenCV
函数应用所需操作。在本节中,我们将 RGB
图像转换为灰度图像,使用 imshow
函数通过将结果传递给函数 canvas
的 ID
在 canvas
元素中显示结果:
imgElement.onload = function() {
let mat = cv.imread(imgElement);
cv.cvtColor(mat, mat, cv.COLOR_BGR2GRAY);
cv.imshow('canvasOutput', mat);estimateF
mat.delete();
};
完整代码 opencvjs_example.html
如下所示:
<!doctype html>
<html lang="en">
<head>
<!-- Required meta tags -->
<meta charset="utf-8">
<style>
#container {min-height:300px;}
#canvasOutput, #imageSrc{
background:#ccc;
min-width:300px;
min-height:300px;
display:block;
float:left;
margin-left:20px;
}
</style>
<title>OpenCV Computer vision on Web. Packt Publishing.</title>
</head>
<body>
<div id="status" class="alert alert-primary" role="alert">Loading OpenCV...</div>
<div id="container">
<img id="imageSrc" alt="No Image" class="small" src="img/gray.png">
<canvas id="canvasOutput" class="small" height="300px"></canvas>
</div>
<input type="file" id="fileInput" name="file" accept="image/*">
<!-- Optional JavaScript -->
<script src="data/common.js"></script>
<!-- OPENCV -->
<script async="" src="data/opencv.js" type="text/javascript" onload="onOpenCvReady();" onerror="onOpenCvError();"></script>
<script type="text/javascript">
let imgElement = document.getElementById('imageSrc');
let inputElement = document.getElementById('fileInput');
inputElement.addEventListener('change', (e) => {
imgElement.src = URL.createObjectURL(e.target.files[0]);
}, false);
imgElement.onload = function() {
let mat = cv.imread(imgElement);
cv.cvtColor(mat, mat, cv.COLOR_BGR2GRAY);
cv.imshow('canvasOutput', mat);
mat.delete();
};
function onOpenCvReady() { // eslint-disable-line no-unused-vars
document.getElementById('status').innerHTML = '<b>OpenCV.js is ready</b>.' +
'You can upload an image.<br>' +
'The <b>imageSrc</b> is a <img> element used as cv.Mat input. ' +
'The <b>canvasOutput</b> is a <canvas> element used as cv.Mat output.';
}
function onOpenCvError() { // eslint-disable-line no-unused-vars
let element = document.getElementById('status');
element.setAttribute('class', 'err');
element.innerHTML = 'Failed to load opencv.js';
}
</script>
</body>
</html>
OpenCV实战(1)——OpenCV与图像处理基础
OpenCV实战(2)——OpenCV核心数据结构
OpenCV实战(3)——图像感兴趣区域
OpenCV实战(4)——像素操作
OpenCV实战(5)——图像运算详解
OpenCV实战(6)——OpenCV策略设计模式
OpenCV实战(7)——OpenCV色彩空间转换
OpenCV实战(8)——直方图详解
OpenCV实战(9)——基于反向投影直方图检测图像内容
OpenCV实战(10)——积分图像详解
OpenCV实战(11)——形态学变换详解
OpenCV实战(12)——图像滤波详解
OpenCV实战(13)——高通滤波器及其应用
OpenCV实战(14)——图像线条提取
OpenCV实战(15)——轮廓检测详解
OpenCV实战(16)——角点检测详解
OpenCV实战(17)——FAST特征点检测
OpenCV实战(18)——特征匹配
OpenCV实战(19)——特征描述符
OpenCV实战(20)——图像投影关系
OpenCV实战(21)——基于随机样本一致匹配图像
OpenCV实战(22)——单应性及其应用
OpenCV实战(23)——相机标定
OpenCV实战(24)——相机姿态估计
OpenCV实战(25)——3D场景重建
OpenCV实战(26)——视频序列处理
OpenCV实战(27)——追踪视频中的特征点
OpenCV实战(28)——光流估计
OpenCV实战(29)——视频对象追踪
OpenCV实战(30)——OpenCV与机器学习的碰撞
OpenCV实战(31)——基于级联Haar特征的目标检测
OpenCV实战(32)——使用SVM和定向梯度直方图执行目标检测
OpenCV实战(33)——OpenCV与深度学习的碰撞