diff --git a/README.md b/README.md index 40c283c..22706a4 100644 --- a/README.md +++ b/README.md @@ -57,6 +57,7 @@ requires importing log dependencies, which are essential. Please import the depe + org.apache.logging.log4j log4j-core @@ -81,12 +82,14 @@ need to, you can refer to the following configuration. mysql-connector-java 8.0.30 + org.apache.spark spark-core_2.12 3.1.3 + org.apache.spark spark-sql_2.12 @@ -106,13 +109,13 @@ need to, you can refer to the following configuration. 0.3.12 - - - org.apache.hadoop - hadoop-client - 3.3.1 - - + + + org.apache.hadoop + hadoop-client + 3.3.1 + + ``` diff --git a/src_code/Case.md b/src_code/Case.md index 03fd6ad..1f098fa 100644 --- a/src_code/Case.md +++ b/src_code/Case.md @@ -112,7 +112,11 @@ public class MAIN1 { ### 图像模板匹配 -- 人脸识别 通过人脸模板匹配曼哈顿相似系数 +- 人脸识别 + + 通过人脸模板匹配曼哈顿相似系数，进而得出人脸识别结果，在这里我们需要使用以下的图像作为样本，需要注意的是，该样本的轮廓为黑色，适用于背光情况下的人脸识别操作。 + +![YB](https://user-images.githubusercontent.com/113756063/230775389-4477aad4-795c-47c2-a946-0afeadafad44.jpg) ```java package zhao.algorithmMagic; @@ -173,7 +177,8 @@ import java.util.Map; public class MAIN1 { public static void main(String[] args) { ColorMatrix colorMatrix1, colorMatrix2; - { // 将图像与样本读取进来 + { + // 将图像与样本读取进来 colorMatrix1 = ColorMatrix.parse("C:\\Users\\zhao\\Desktop\\fsdownload\\YB.bmp"); colorMatrix2 = ColorMatrix.parse("C:\\Users\\zhao\\Desktop\\fsdownload\\test22.jpg"); ColorMatrix temp = ColorMatrix.parse(colorMatrix2.copyToNewArrays()); @@ -216,7 +221,7 @@ public class MAIN1 { ``` ```java -package zhao.algorithmMagic; +package zhao.run; import zhao.algorithmMagic.algorithm.distanceAlgorithm.ManhattanDistance; import zhao.algorithmMagic.io.InputCamera; @@ -227,50 +232,59 @@ import zhao.algorithmMagic.operands.matrix.ColorMatrix; import zhao.algorithmMagic.operands.table.FinalCell; import java.awt.*; +import java.net.MalformedURLException; +import java.net.URL; import java.util.Map; -public class MAIN1 { - public static void main(String[] args) { - ColorMatrix colorMatrix1, colorMatrix2; - { - // 获取到摄像头输入设备 - InputComponent inputComponent = InputCamera.builder() - // 要使用的摄像头的名字 索引 或def默认，我们这里使用的是 def 代表使用默认摄像头 - .addInputArg(InputCameraBuilder.Camera_Index, new FinalCell<>("def")) - // 要使用的拍摄图像格式 - .addInputArg(InputCameraBuilder.Image_Format, new FinalCell<>("JPG")) - // 图像尺寸 这里的数值是 WebcamResolution 枚举类的属性字段 VGA - .addInputArg(InputCameraBuilder.CUSTOM_VIEW_SIZES, new FinalCell<>("VGA")) - .create(); - // 将图像与样本读取进来 - colorMatrix1 = ColorMatrix.parse("C:\\Users\\liming\\Desktop\\fsdownload\\YB.bmp"); - colorMatrix2 = ColorMatrix.parse(inputComponent); - ColorMatrix temp = ColorMatrix.parse(colorMatrix2.copyToNewArrays()); - // 开始二值化 - colorMatrix1.localBinary(ColorMatrix._G_, 10, 0xffffff, 0, 1); - temp.localBinary(ColorMatrix._G_, 5, 0xffffff, 0, 20); - temp.erode(2, 2, false); - temp.show("temp"); - // 开始进行模板匹配 并返回最匹配的结果数值，在这里返回的就是所有匹配的结果数据，key为匹配系数 value为匹配结果 - Map.Entry matching = temp.templateMatching( - ManhattanDistance.getInstance("MAN"), - colorMatrix1, - ColorMatrix._G_, - 10, - false - ); - // 开始进行绘制 在这里首先获取到坐标数据 - IntegerCoordinateTwo coordinateTwo = matching.getValue(); - System.out.print("匹配系数 = "); - System.out.println(matching.getKey()); - colorMatrix2.drawRectangle( - coordinateTwo, - new IntegerCoordinateTwo(coordinateTwo.getX() + colorMatrix1.getColCount(), coordinateTwo.getY() + colorMatrix1.getRowCount()), - Color.MAGENTA - ); - } - colorMatrix1.show("人脸样本"); - colorMatrix2.show("识别结果"); +public class Test { + public static void main(String[] args) throws MalformedURLException { + // 获取到摄像头数据据输入设备对象 + InputComponent inputComponent = InputCamera.builder() + .addInputArg(InputCameraBuilder.Camera_Index, new FinalCell<>(0)) + .addInputArg(InputCameraBuilder.Image_Format, new FinalCell<>("JPG")) + .create(); + // 解析人脸轮廓样本，作为模板 + ColorMatrix parse = ColorMatrix.parse( + new URL("https://user-images.githubusercontent.com/113756063/230775389-4477aad4-795c-47c2-a946-0afeadafad44.jpg") + ); + // 从摄像头中读取一个图像，并将其加载成图像矩阵，并且进行一个备份操作。 + ColorMatrix colorMatrix1 = ColorMatrix.parse(inputComponent); + ColorMatrix colorMatrix2 = ColorMatrix.parse(colorMatrix1.copyToNewArrays()); + // 接下来针对 colorMatrix1 对象进行二值化，用于降低颜色对于结果的影响 + colorMatrix1.localBinary( + // 二值化计算时需要使用的颜色通道 + ColorMatrix._G_, + // 二值化计算时，由于采取的是局部二值化，需要指定子矩阵数量，在这里指定为10 + 10, + // 当颜色大于局部阈值的时候要变更的颜色数值 + 0xffffff, + // 当颜色小于局部阈值的时候要变更的颜色数值 + 0, + // 指定二值化操作时，所有局部颜色阈值的偏置 + 1 + ); + // 二值化结束就可以开始进行模板匹配了 匹配之后会返回一个最相似的矩阵的匹配系数以及左上角坐标 + Map.Entry entry = colorMatrix1.templateMatching( + // 指定需要进行模板匹配的算法 + ManhattanDistance.getInstance("MAN"), + // 指定模板 也就是人脸样本数据 + parse, + // 指定计算时使用的颜色通道 + ColorMatrix._G_, + // 指定卷积步长，步长越大性能越高，越小精准度越高 + 12, + // 指定 相似系数 与 相似程度是否成正相关性 这里由于我们使用的时曼哈顿，因此为负相关，填 false + false + ); + // 获取到左上角坐标 + IntegerCoordinateTwo l = entry.getValue(); + // 计算出右下角坐标 + IntegerCoordinateTwo r = new IntegerCoordinateTwo( + l.getX() + parse.getColCount(), l.getY() + parse.getRowCount() + ); + // 绘制到备份的原矩阵并展示图像 + colorMatrix2.drawRectangle(l, r, new Color(255, 0, 255)); + colorMatrix2.show("image"); } } ``` diff --git a/src_code/pom.xml b/src_code/pom.xml index 93b0da2..3de90ae 100644 --- a/src_code/pom.xml +++ b/src_code/pom.xml @@ -1,6 +1,6 @@ + xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> 4.0.0 io.github.BeardedManZhao diff --git a/src_code/src/main/java/zhao/algorithmMagic/operands/vector/SparkVector.scala b/src_code/src/main/java/zhao/algorithmMagic/operands/vector/SparkVector.scala index 416767a..dc36864 100644 --- a/src_code/src/main/java/zhao/algorithmMagic/operands/vector/SparkVector.scala +++ b/src_code/src/main/java/zhao/algorithmMagic/operands/vector/SparkVector.scala @@ -107,6 +107,21 @@ final class SparkVector(sparkContext: SparkContext, vector: org.apache.spark.mll else throw new OperatorOperationException("'DoubleVector1 add DoubleVector2' 时，两个'DoubleVector'的向量所包含的数量不同，DoubleVector1=[" + numberOfDimensions1 + "]，DoubleVector2=[" + numberOfDimensions2 + "]\n" + "When 'DoubleVector1 add DoubleVector2', the two vectors of 'DoubleVector' contain different quantities, DoubleVector1=[" + numberOfDimensions1 + "], DoubleVector2=[" + numberOfDimensions2 + "]") } + /** + * + * @return 将本对象中存储的向量序列数组拷贝到一个新数组并将新数组返回，这里返回的是一个新数组，支持修改等操作。 + * + * Copy the vector sequence array stored in this object to a new array and return the new array. Here, a new array is returned, which supports modification and other operations. + */ + override def copyToNewArray(): Array[Double] = vector.toArray + + /** + * @return 向量中包含的维度数量 + *

+ * the number of dimensions contained in the vector + */ + override def getNumberOfDimensions: Int = size + /** * 在两个操作数之间做差的方法，具体用法请参阅API说明。 *

diff --git a/src_code/src/main/resources/log4j2.xml b/src_code/src/main/resources/log4j2.xml index f839453..f109e0a 100644 --- a/src_code/src/main/resources/log4j2.xml +++ b/src_code/src/main/resources/log4j2.xml @@ -15,7 +15,7 @@ - + @@ -25,7 +25,7 @@ - + @@ -34,8 +34,8 @@ - - + + \ No newline at end of file