From b66b98d9ccf6d827fd0c5c2c597d6a8dde25f716 Mon Sep 17 00:00:00 2001
From: yuxue <yuxue1687@qq.com>
Date: Tue, 12 May 2020 21:35:28 +0800
Subject: [PATCH] =?UTF-8?q?=E6=B7=BB=E5=8A=A0=E6=A0=B7=E6=9C=AC=E8=AE=AD?=
 =?UTF-8?q?=E7=BB=83=E6=B5=8B=E8=AF=95=E4=BB=A3=E7=A0=81?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 src/test/java/com/yuxue/test/EasyPrTest.java  |  48 +++++---
 src/test/java/com/yuxue/test/PridectTest.java |  68 +++++++++++
 src/test/java/com/yuxue/test/TrainTest.java   | 115 ++++++++++++++++++
 3 files changed, 211 insertions(+), 20 deletions(-)
 create mode 100644 src/test/java/com/yuxue/test/PridectTest.java
 create mode 100644 src/test/java/com/yuxue/test/TrainTest.java

diff --git a/src/test/java/com/yuxue/test/EasyPrTest.java b/src/test/java/com/yuxue/test/EasyPrTest.java
index e59972b9..29383edd 100644
--- a/src/test/java/com/yuxue/test/EasyPrTest.java
+++ b/src/test/java/com/yuxue/test/EasyPrTest.java
@@ -36,7 +36,6 @@ public class EasyPrTest {
      */
     @Test
     public void testPlateRecognise() {
-        //String imgPath = "res/image/test_image/test.jpg";
         String imgPath = "res/image/test_image/plate_recognize.jpg";
 
         Mat src = opencv_imgcodecs.imread(imgPath);
@@ -55,7 +54,7 @@ public class EasyPrTest {
                 String palte = cr.charsRecognise(img, "tem/"); // 字符识别
                 PlateColor color = CoreFunc.getPlateType(img, true);
 
-                System.err.println("识别到的车牌: " + palte + "_" + color);
+                System.err.println("识别到的车牌: " + palte + "_" + color.desc);
                 // 识别的车牌，保存图片文件 //需要先创建文件夹
                 String str = "d:/PlateDetect/" + palte + "_"+ color + "_" + System.currentTimeMillis() +".png";
                 String str1 = "d:/PlateDetect/" + i + ".png";
@@ -89,7 +88,7 @@ public class EasyPrTest {
             for (int i = 0; i < matVector.size(); ++i) {
                 Mat img = matVector.get(i);
                 // 弹窗显示
-                //opencv_highgui.imshow("Plate Detected", img);
+                opencv_highgui.imshow("Plate Detected", img);
 
                 String str = "d:/test/" + i + ".png";
                 opencv_imgcodecs.imwrite(str, img);
@@ -178,11 +177,17 @@ public class EasyPrTest {
         System.out.println(result);
     }
 
+
+
+
+    /**
+     * 测试检测绿牌颜色
+     */
     @Test
-    public void testGreenPlate() {
+    public void testGreenColorReco() {
         String imgPath = "res/image/test_image/debug_resize_2.jpg";
         Mat src = opencv_imgcodecs.imread(imgPath);
-        
+
         // 获取绿牌的H值范围
         /*MatVector hsvSplit = new MatVector();
         split(src_hsv, hsvSplit);
@@ -213,44 +218,47 @@ public class EasyPrTest {
                 } else {
                     map.put(H, 1);
                 }
-                
+
             }
         }
         map.entrySet().forEach(n->{
             System.err.println(n.getKey() + "\t" + n.getValue());
         });*/
-        
+
         // 判断绿色车牌
-        /*Mat src_hsv = new Mat();
+        Mat src_hsv = new Mat();
         opencv_imgproc.cvtColor(src, src_hsv, opencv_imgproc.CV_BGR2HSV);
         src_hsv = CoreFunc.colorMatch(src, PlateColor.GREEN, true);
         System.err.println(CoreFunc.plateColorJudge(src, PlateColor.GREEN, true));
         String str = "d:/PlateDetect/src_hsv.png";
-        opencv_imgcodecs.imwrite(str, src_hsv);*/
-        
+        opencv_imgcodecs.imwrite(str, src_hsv);
+    }
+
+    @Test
+    public void testGreenPlate() {
+        String imgPath = "res/image/test_image/debug_resize_2.jpg";
+        Mat src = opencv_imgcodecs.imread(imgPath);
+
         // 车牌检测对象
         PlateDetect plateDetect = new PlateDetect();
         plateDetect.setPDLifemode(true);
         plateDetect.setDebug(false, ""); // 将过程的图块保存到盘符
-        
+
         Vector<Mat> matVector = new Vector<Mat>();
-        
+
         System.err.println(plateDetect.plateDetect(src, matVector));
         System.err.println(matVector.size());
-        
+
         for (int i = 0; i < matVector.size(); ++i) { // 遍历车牌图块Mat，进行识别
             Mat img = matVector.get(i);
-            // 识别的车牌，保存图片文件
-            // 此方法生成的文件，中文名称都是乱码，试了各种编解码均无效，OpenCV自身的编解码问题。
-            opencv_highgui.imshow("123", img);
-            
+
             String str = "d:/PlateDetect/temp/result_.png";
             opencv_imgcodecs.imwrite(str, img);
-            
+
         }
-        
+
     }
-    
+
 
 
 
diff --git a/src/test/java/com/yuxue/test/PridectTest.java b/src/test/java/com/yuxue/test/PridectTest.java
new file mode 100644
index 00000000..1203e6f4
--- /dev/null
+++ b/src/test/java/com/yuxue/test/PridectTest.java
@@ -0,0 +1,68 @@
+package com.yuxue.test;
+
+import org.opencv.core.Core;
+import org.opencv.core.CvType;
+import org.opencv.core.Mat;
+import org.opencv.imgcodecs.Imgcodecs;
+import org.opencv.imgproc.Imgproc;
+import org.opencv.ml.SVM;
+
+
+/**
+ * windows下环境配置：
+ * 1、官网下载对应版本的openvp：https://opencv.org/releases/page/2/  当前使用4.0.1版本
+ * 2、双击exe文件安装，将 安装目录下\build\java\x64\opencv_java401.dll 拷贝到\build\x64\vc14\bin\目录下
+ * 3、eclipse添加User Libraries
+ * 4、项目右键build path，添加步骤三新增的lib
+ * 
+ * 未完待续
+ * @author yuxue
+ * @date 2020-05-12 21:34
+ */
+public class PridectTest {
+
+    static {
+        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
+    }
+
+    public static void main(String[] args) {
+        Mat src = Imgcodecs.imread("D:\\xunlian\\a\\0.jpg");//图片大小要和样本一致
+        Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);
+        Mat dst = new Mat();
+        Imgproc.Canny(src, dst, 40, 200);
+        test(dst);
+    }
+
+    public static void test(Mat src) {
+        SVM svm = SVM.load("./Result/a.xml");//加载训练得到的 xml
+
+        Mat samples = new Mat(1,src.cols()*src.rows(),CvType.CV_32FC1);
+
+        //转换 src 图像的 cvtype
+        //失败案例：我试图用 src.convertTo(src, CvType.CV_32FC1); 转换，但是失败了，原因未知。猜测: 内部的数据类型没有转换？
+        float[] dataArr = new float[src.cols()*src.rows()];
+        for(int i =0,f = 0 ;i<src.rows();i++) {
+            for(int j = 0;j<src.cols();j++) {
+                float pixel = (float)src.get(i, j)[0];
+                dataArr[f] = pixel;
+                f++;
+            }
+        }
+        samples.put(0, 0, dataArr);
+
+        //预测用的方法，返回定义的标识。
+//      int labels[]  = {9,9,9,9,
+//                 1,1,1,1,1,1,1,
+//                 1,1,1,1,1,1,1};
+//      如果训练时使用这个标识，那么符合的图像会返回9.0
+        float flag = svm.predict(samples);
+
+        System.out.println("预测结果："+flag);
+        if(flag == 0) {
+            System.out.println("目标符合");
+        }
+        if(flag == 1) {
+            System.out.println("目标不符合");
+        }
+    }
+}
\ No newline at end of file
diff --git a/src/test/java/com/yuxue/test/TrainTest.java b/src/test/java/com/yuxue/test/TrainTest.java
new file mode 100644
index 00000000..67e7fd4a
--- /dev/null
+++ b/src/test/java/com/yuxue/test/TrainTest.java
@@ -0,0 +1,115 @@
+package com.yuxue.test;
+
+import org.opencv.core.Core;
+import org.opencv.core.CvType;
+import org.opencv.core.Mat;
+import org.opencv.core.TermCriteria;
+import org.opencv.imgcodecs.Imgcodecs;
+import org.opencv.imgproc.Imgproc;
+import org.opencv.ml.Ml;
+import org.opencv.ml.SVM;
+import org.opencv.ml.TrainData;
+
+
+/**
+ * windows下环境配置：
+ * 1、官网下载对应版本的openvp：https://opencv.org/releases/page/2/  当前使用4.0.1版本
+ * 2、双击exe文件安装，将 安装目录下\build\java\x64\opencv_java401.dll 拷贝到\build\x64\vc14\bin\目录下
+ * 3、eclipse添加User Libraries
+ * 4、项目右键build path，添加步骤三新增的lib
+ * 
+ * 未完待续
+ * @author yuxue
+ * @date 2020-05-12 21:34
+ */
+public class TrainTest {
+
+    static {
+        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
+    }
+
+    /**
+     * @author idmin
+     * 样本的数量
+     */
+    private  static final int SAMPLE_NUMBER=18; 
+
+    public static void main(String[] args) {
+        //用于存放所有样本矩阵
+        Mat trainingDataMat = null;
+
+        //标记：正样本用 0 表示，负样本用 1 表示。
+        //图片命名：
+        //正样本： 0.jpg  1.jpg  2.jpg  3.jpg  4.jpg  
+        //负样本：5.jpg  6.jpg  7.jpg   ...   17.jpg
+        int labels[]  = {0,0,0,0, 
+                1,1,1,1,1,1,1,1,1,1,1,1,1,1};
+
+        //存放标记的Mat,每个图片都要给一个标记。SAMPLE_NUMBER 是自己定义的图片数量
+        Mat labelsMat = new Mat(SAMPLE_NUMBER, 1, CvType.CV_32SC1);
+        labelsMat.put(0, 0, labels);
+
+        //这里的意思是，trainingDataMat 存放18张图片的矩阵，trainingDataMat 的每一行存放一张图片的矩阵。
+        for(int i = 0;i<SAMPLE_NUMBER;i++) {            
+            String path = "D:\\xunlian\\a\\" + i + ".jpg" ;
+            Mat src = Imgcodecs.imread(path);
+
+            //创建一个行数为18(正负样本总数量为18),列数为 rows*cols 的矩阵
+            if(trainingDataMat == null) {
+                trainingDataMat = new Mat(SAMPLE_NUMBER, src.rows()*src.cols(),CvType.CV_32FC1);// CV_32FC1 是规定的训练用的图片格式。
+            }
+
+            //转成灰度图并检测边缘
+            //这里是为了过滤不需要的特征，减少训练时间。实际处理按情况论。
+            Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);
+            Mat dst = new Mat(src.rows(),src.cols(),src.type());//此时的 dst 是8u1c。
+            Imgproc.Canny(src, dst, 130, 250);
+
+            //转成数组再添加。
+            //失败案例:这里我试图用 get(row,col,data)方法获取数组，但是结果和这个结果不一样，原因未知。
+            float[] arr =new float[dst.rows()*dst.cols()];
+            int l=0;
+            for (int j=0;j<dst.rows();j++){
+                for(int k=0;k<dst.cols();k++) {
+                    double[] a=dst.get(j, k);
+                    arr[l]=(float)a[0];
+                    l++;
+                }
+            } 
+            trainingDataMat.put(i, 0, arr);
+        }
+
+        //每次训练的结果得到的 xml 文件都不一样，原因未知。猜测是我的样本数太太太太小
+//      MySvm(trainingDataMat, labelsMat, "./Result/a.xml");
+//      MySvm(trainingDataMat, labelsMat, "./Result/b.xml");
+//      MySvm(trainingDataMat, labelsMat, "./Result/c.xml");
+//      MySvm(trainingDataMat, labelsMat, "./Result/d.xml");
+//      MySvm(trainingDataMat, labelsMat, "./Result/e.xml");
+        MySvm(trainingDataMat, labelsMat, "./Result/f.xml");
+    }
+
+    /**
+     * SVM 支持向量机
+     * @param trainingDataMat 存放样本的矩阵
+     * @param labelsMat 存放标识的矩阵
+     * @param savePath 保存路径 。例如：d:/svm.xml
+     */
+    public static void MySvm(Mat trainingDataMat, Mat labelsMat, String savePath) {
+
+        SVM svm = SVM.create();
+        // 配置SVM训练器参数
+        TermCriteria criteria = new TermCriteria(TermCriteria.EPS + TermCriteria.MAX_ITER, 1000, 0);
+        svm.setTermCriteria(criteria);// 指定
+        svm.setKernel(SVM.LINEAR);// 使用预先定义的内核初始化
+        svm.setType(SVM.C_SVC); // SVM的类型,默认是：SVM.C_SVC
+        svm.setGamma(0.5);// 核函数的参数
+        svm.setNu(0.5);// SVM优化问题参数
+        svm.setC(1);// SVM优化问题的参数C
+
+        TrainData td = TrainData.create(trainingDataMat, Ml.ROW_SAMPLE, labelsMat);// 类封装的训练数据
+        boolean success = svm.train(td.getSamples(), Ml.ROW_SAMPLE, td.getResponses());// 训练统计模型
+        System.out.println("Svm training result: " + success);
+        svm.save(savePath);// 保存模型
+    }
+
+}