android上使用opencv进行追踪并显示坐标

在Android上使用OpenCV进行追踪并显示坐标，首先需要安装OpenCV Android SDK。接下来，创建一个新的Android项目，并将OpenCV库添加到项目中。

在MainActivity.java文件中，首先引入所需的包和库文件。在onCreate方法中，加载OpenCV库，并实例化一个JavaCameraView对象。

在onResume方法中，通过调用JavaCameraView的enableView方法，开启相机预览。然后，为JavaCameraView设置一个CvCameraViewListener2监听器。

在JavaCameraViewListener2的实现类中，重写onCameraFrame方法。在该方法中，获取相机帧的图像，并进行处理。比如，应用追踪算法来检测和跟踪目标。

当检测到目标时，可以通过OpenCV提供的画图函数，在图像上绘制框表示目标的位置。同时，可以计算出目标在图像中的坐标。

最后，在onCameraViewStopped方法中，释放资源并关闭相机预览。

在布局文件中，将JavaCameraView作为一个SurfaceView放置在界面上，并设置其宽高等属性。

运行项目后，即可实时追踪目标，并在界面上显示目标的位置坐标。

需要注意的是，具体的追踪算法和坐标显示方式可以根据需求进行修改和定制。以上只是一个简单的示例，具体实现还需要根据具体情况进行调整。

相关问题

opencv qt中显示点坐标

在 OpenCV 和 Qt 中，要显示点的坐标，可以使用以下步骤：

1. 创建一个 Qt 的图像显示窗口或控件，用来显示图像和点的坐标。
2. 使用 OpenCV 的函数读取图像文件或者通过摄像头获取图像。
3. 使用 OpenCV 的函数检测或计算出需要显示的点的坐标。这些点的坐标可以是预先确定的，也可以是通过算法计算得出的。
4. 使用 Qt 的绘图函数，在图像上绘制点。可以使用 Qt 提供的绘图工具类，如 QPainter。
5. 在 Qt 的图像显示窗口或控件上显示绘制好的图像。

下面是一个简单的示例，展示了如何在 OpenCV 和 Qt 中显示一个点的坐标。

#include <opencv2/opencv.hpp>
#include <QtWidgets/QApplication>
#include <QtWidgets/QMainWindow>
#include <QtGui/QPainter>
#include <QtCore/QPoint>

int main(int argc, char** argv)
{
    QApplication app(argc, argv);
    QMainWindow window;
    window.resize(800, 600);
    window.show();

    // 读取图像
    cv::Mat image = cv::imread("image.jpg");

    // 计算点的坐标
    cv::Point point(100, 100);

    // 在图像上画一个圆，表示点的位置
    cv::circle(image, point, 5, cv::Scalar(0, 0, 255), -1);

    // 将 OpenCV 图像转换为 QImage，并显示在 Qt 的窗口上
    QImage qimage(image.data, image.cols, image.rows, image.step, QImage::Format_BGR888);
    QPainter painter(&window);
    painter.drawImage(0, 0, qimage);

    return app.exec();
}

在上面的示例中，我们通过读取一个图像（image.jpg），在图像的指定位置画了一个红色的圆，表示一个点的坐标（100, 100）。然后将 OpenCV 的图像转换为 QImage，并使用 QPainter 在窗口上绘制这个图像。

这样，你就可以在 Qt 窗口中显示点的坐标了。

Android Studio中使用OpenCV如何进行人脸识别

在Android Studio中使用OpenCV进行人脸识别，可以按照以下步骤进行：

1. 下载OpenCV for Android SDK

在OpenCV官网下载OpenCV for Android SDK，解压后获得一个名为“OpenCV-android-sdk”的文件夹。

2. 创建一个Android项目

在Android Studio中创建一个新的Android项目，并在项目中添加OpenCV for Android SDK。

在项目的“build.gradle”文件中添加以下代码：

dependencies {
    compile fileTree(dir: 'libs', include: ['*.jar'])
    compile 'com.android.support:appcompat-v7:22.0.0'
    compile project(':openCVLibrary2410')
}

这里的“openCVLibrary2410”是OpenCV for Android SDK的库文件。

3. 创建一个OpenCVLoader

在项目中的Java类中创建一个OpenCVLoader，以加载OpenCV for Android SDK：

private BaseLoaderCallback mLoaderCallback = new BaseLoaderCallback(this) {
    @Override
    public void onManagerConnected(int status) {
        switch (status) {
            case LoaderCallbackInterface.SUCCESS:
                // OpenCV加载成功
                break;
            default:
                super.onManagerConnected(status);
                break;
        }
    }
};

@Override
public void onResume() {
    super.onResume();
    if (!OpenCVLoader.initDebug()) {
        // OpenCV加载失败，重新加载
        OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_2_4_10, this, mLoaderCallback);
    } else {
        mLoaderCallback.onManagerConnected(LoaderCallbackInterface.SUCCESS);
    }
}

4. 加载人脸识别器

在Java类中加载人脸识别器，并在OpenCVLoader成功加载时进行初始化：

CascadeClassifier mCascadeClassifier = null;

@Override
public void onManagerConnected(int status) {
    switch (status) {
        case LoaderCallbackInterface.SUCCESS:
            InputStream is = getResources().openRawResource(R.raw.lbpcascade_frontalface);
            File cascadeDir = getDir("cascade", Context.MODE_PRIVATE);
            File cascadeFile = new File(cascadeDir, "lbpcascade_frontalface.xml");
            FileOutputStream os = new FileOutputStream(cascadeFile);
            byte[] buffer = new byte[4096];
            int bytesRead;
            while ((bytesRead = is.read(buffer)) != -1) {
                os.write(buffer, 0, bytesRead);
            }
            is.close();
            os.close();

            mCascadeClassifier = new CascadeClassifier(cascadeFile.getAbsolutePath());
            if (mCascadeClassifier.empty()) {
                mCascadeClassifier = null;
            } else {
                cascadeDir.delete();
            }
            break;
        default:
            super.onManagerConnected(status);
            break;
    }
}

这里使用了OpenCV提供的lbpcascade_frontalface人脸识别器。

5. 进行人脸识别

在Java类中进行人脸识别，可以使用以下代码：

Mat grayMat = new Mat();
Mat rgbaMat = new Mat();
Utils.bitmapToMat(bitmap, rgbaMat);
Imgproc.cvtColor(rgbaMat, grayMat, Imgproc.COLOR_RGBA2GRAY);

MatOfRect faces = new MatOfRect();
if (mCascadeClassifier != null) {
    mCascadeClassifier.detectMultiScale(grayMat, faces, 1.1, 2, 2,
            new Size(100, 100), new Size());
}

Rect[] facesArray = faces.toArray();
for (int i = 0; i < facesArray.length; i++) {
    Imgproc.rectangle(rgbaMat, facesArray[i].tl(), facesArray[i].br(),
            new Scalar(0, 255, 0, 255), 3);
}

Utils.matToBitmap(rgbaMat, bitmap);

这里将原始图像转换为灰度图像，并使用人脸识别器检测人脸。如果检测到人脸，则在图像中绘制矩形框。最后将结果转换为Bitmap图像。

完成以上步骤后，即可在Android Studio中使用OpenCV进行人脸识别。