纯 Java 实现的高质量实时图像处理和机器学习库，支持在 Java 桌面和 Android 平台上运行应用程序。
最新版本
| 模块 | cv4j | rxcv4j |
|---|---|---|
| 最新版本 |
下载和使用
1.单独下载cv4j
compile 'com.cv4j:cv4j:0.1.1.4'
2.下载rxcv4j
rxcv4j 是使用 RxJava2.x 进行的封装，如果下载该模块的话无需再下载cv4j。
compile 'com.cv4j:rxcv4j:0.1.1.1'
目前已经实现的功能： 
常见滤镜
| 滤镜名称 | 作用 | 备注 |
|---|---|---|
| BoxBlurFilter | 盒子模糊，支持水平与垂直经向模糊，模糊半径通常为奇数1、3、5、7、9、11、15 | 快速模糊算法 |
| CarveFilter | 浮雕效果, 支持两种浮雕类型，根据boolean参数决定使用哪一种 | 像素差值计算 |
| ColorFilter | 颜色匹配，支持12种颜色风格转换(相当于12个滤镜)， 基于查找表实现，速度极快 | LUT加速计算 |
| ConBriFilter | 调整图像对比度与亮度，默认是提升对比，降低亮度，默认值分别为1.2， 0.7 | 对比度与亮度调整 |
| EmbossFilter | 轧花效果，基于跟浮雕效果类似，但是更加灵活，可以执行更多像素值校正 | 轧花效果 |
| ExposureFilter | 曝光效果，基于图像像素值取反，有一种类似光学相机曝光照片的效果 | 光爆效果 |
| FastEPFilter | 边缘保留滤波-基于积分图的边缘保留滤波，是一种很好的噪声抑制算法，常用来实现人脸美化的关键步骤 | 边缘保留 |
| FloSteDitheringFilter | 抖动效果-基于错误扩展的抖动算法，实现像素点离散填充与二值化显示 | 抖动效果 |
| GammaFilter | 伽马校正，基于光学相机拍照之后，经常需要做此操作 | 伽马校正 |
| GaussianBlurFilter | 高斯模糊，基于高斯公式的图像模糊，比盒子模糊有更好的效果，但是速度较慢 | 高斯模糊 |
| GaussianNoiseFilter | 高斯噪声-产生高斯随机噪声，在图像中使用高斯随机噪声 | 高斯噪声 |
| GlowFilter | 光线效果，在图像中模仿自然光线照射 | 光线效果 |
| GradientFilter | 梯度效果，基于图像一阶导数算子实现的梯度效果，很好的显示了图像主要轮廓与边界 | 梯度效果 |
| MeansBinaryFilter | 黑白效果， 基于图像均值实现图像二值化效果 | 黑白效果 |
| MosaicFilter | 马赛克效果，基于积分图实现的图像马赛克效果，速度快效果好，支持矩形马赛克 | 马赛克效果 |
| MotionFilter | 移动效果，基于模糊与几何形变实现的图像模糊移动效果 | 移动效果 |
| NatureFilter | 自然系滤镜,根据参数选择，总计有八种自然风格的颜色滤镜(相当于8个滤镜) | 自然系效果 |
| OilPaintFilter | 油画效果，基于轮廓与颜色分布实现的油画效果，逼真模拟秋日风情 | 油画效果 |
| SepiaToneFilter | 怀旧风格， 经典的图像怀旧风格滤镜，一秒生成 | 怀旧风格 |
| SinCityFilter | 邪恶之城，基于像素值局部变化的滤镜，可以根据输入参数调整阈值范围与对比颜色值 | 邪恶之城 |
| SpotlightFilter | 探照灯效果，基于中心像素距离而调整图像亮度的，产生亮度扩展效果 | 探照灯滤镜 |
| StrokeAreaFilter | 铅笔画效果， 模仿铅笔模糊实现， 可以将输入图像变了写生铅笔画，细节多少根据参数决定 | 铅笔画效果 |
| VignetteFilter | 边框效果，给图像加上立体边框，默认边框为黑色，可以通过输入参数调整边框大小与边框颜色 | 立体边框 |
| WaterFilter | 水波纹效果-模拟水波纹扩展效果，在输入图像中 | |
| WhiteImageFilter | 增白亮度-通过参数可以调整图像亮度，有照片增白效果 | 增白效果 |
空间卷积滤镜
| filter | 名称 | 作用 |
|---|---|---|
| ConvolutionHVFilter | 卷积 | 模糊或者降噪 |
| MinMaxFilter | 最大最小值滤波 | 去噪声 |
| SAPNoiseFilter | 椒盐噪声 | 增加噪声 |
| SharpFilter | 锐化 | 增强 |
| MedimaFilter | 中值滤波 | 去噪声 |
| LaplasFilter | 拉普拉斯 | 提取边缘 |
| FindEdgeFilter | 寻找边缘 | 梯度提取 |
| SobelFilter | 梯度 | 获取x、y方向的梯度提取 |
| VarianceFilter | 方差滤波 | 高通滤波 |
| MaerOperatorFilter | 马尔操作 | 高通滤波 |
| USMFilter | USM | 增强 |
联系方式
cv4j QQ交流群：492962708
cv4j slack协同管理：Join the Slack team for cv4j
cv4j的系列文章：http://www.jianshu.com/nb/10401400
ChangeLog
Contributing
Pull requests are welcome; see the contributor guidelines for details.
-
ocr 光学字符识别（英语：Optical Character Recognition, OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。 Tesseract Tesseract是Ray Smith于1985到1995年间在惠普布里斯托实验室开发的一个OCR引擎，曾经在1995 UNLV精确度测试中名列前茅。但1996年后基本停止了开发。2006年，Google邀请Sm
-
pattern analysis and machine intelligence (PAMI) 顶级 International Journal of Computer Vision (IJCV) 顶级 SIAM Journal on Imaging Sciences 顶级 Pattern Recognition (PR) 2.509 高 IEEE TRANSACTIONS ON IMAGE P
-
代码说明 xgboost作为数据挖掘类比赛的必备算法，之前参加jdata比赛时，也学着使用了下xgboost4j-spark，觉得很好用，既支持分布式，同时效果和速度都比spark自带的gbdt,rf算法效果要好。 模型代码包含: -train：训练 -train_cv：训练带交叉验证进行参数选择 -predict_eval：预测并在验证集上验证准确率 -predict：预测 -train_lea
-
在OpenCv中，使用Mat存图像，有专门的数据类型 一般的图像文件格式使用的是 Unsigned 8bits吧，CvMat矩阵对应的参数类型就是 CV_8UC1，CV_8UC2，CV_8UC3。 其中 U代表 Unsigned 无符号、C代表CvMat 后面的数字代表通道数 （最后的1、2、3表示通道数，譬如RGB3通道就用CV_8UC3） 而float 是32位的，对应CvMat数据结构参
-
在机器学习中，灰度图像的特征提取是一个难题。 我有一个灰色的图像，是用这个从彩色图像转换而来的。 我实际上需要从这张灰色图片中提取特征，因为下一部分将训练一个具有该特征的模型，以预测图像的彩色形式。 我们不能使用任何深度学习库 有一些方法，如快速筛选球。。。但我真的不知道如何才能为我的目标提取特征。 以上代码的输出就是真的。 有什么解决方案或想法吗？我该怎么办？
-
机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。
-
机器学习原理
-
主要内容：机器学习,深度学习,机器学习与深度学习的区别,机器学习和深度学习的应用人工智能是近几年来最流行的趋势之一。机器学习和深度学习构成了人工智能。下面显示的维恩图解释了机器学习和深度学习的关系 - 机器学习 机器学习是让计算机按照设计和编程的算法行事的科学艺术。许多研究人员认为机器学习是实现人类AI的最佳方式。机器学习包括以下类型的模式 - 监督学习模式 无监督学习模式 深度学习 深度学习是机器学习的一个子领域，其中有关算法的灵感来自大脑的结构和功能，称为人工神经网络。
-
Reference CS229 课程讲义（中文） - Kivy-CN - GitHub 超参数选择 Grid Search 网格搜索 在高维空间中对一定区域进行遍历 Random Search 在高维空间中随机选择若干超参数 相关库（未使用） Hyperopt 用于超参数优化的 Python 库，其内部使用 Parzen 估计器的树来预测哪组超参数可能会得到好的结果。 GitHub - https
-
我正在建立一个机器学习模型，其中一些列是物理地址(我可以将其转换为X / Y坐标)，但我对ML算法如何处理这一点有点困惑。有没有一种特定的方法可以将地理位置转换成列，以便用于ML(分类和/或回归)中？ 提前感谢！
-
主要作者：@徐英凯｜闪银机器学习工程师 审校顾问：@卢誉声｜Autodesk 软件研发工程师、@高扬｜欢聚时代资深大数据技术专家、@罗远飞｜第四范式机器学习工程师 Toolbox C/C++ Vowpal Wabbit MultiBoost Shogun Java Mahout Weka Mallet JSAT Python Scikit-learn PyBrain nltk Theano Pyl
-
Python 有着海量的可用于数据分析、统计以及机器学习的库，这使得 Python 成为很多数据科学家所选择的语言。 下面我们列出了一些被广泛使用的机器学习及其他数据科学应用的 Python 包。 Scipy 技术栈 Scipy 技术栈由一大批在数据科学中被广泛使用的核心辅助包构成，可用于统计分析与数据可视化。由于其丰富的功能和简单易用的特性，这一技术栈已经被视作实现大多数数据科学应用的必备品了。