👋 你好，欢迎来到我的博客！我是【菜鸟不学编程】
   我是一个正在奋斗中的职场码农，步入职场多年，正在从“小码农”慢慢成长为有深度、有思考的技术人。在这条不断进阶的路上，我决定记录下自己的学习与成长过程，也希望通过博客结识更多志同道合的朋友。
  
  🛠️ 主要方向包括 Java 基础、Spring 全家桶、数据库优化、项目实战等，也会分享一些踩坑经历与面试复盘，希望能为还在迷茫中的你提供一些参考。
  💡 我相信：写作是一种思考的过程，分享是一种进步的方式。
  
   如果你和我一样热爱技术、热爱成长，欢迎关注我，一起交流进步！

前言

随着智能设备的普及，图像处理与图像识别技术在许多应用场景中得到了广泛的应用，如拍照应用、增强现实（AR）、医疗影像分析、安全监控等。鸿蒙操作系统提供了强大的图像处理和图像识别功能，可以帮助开发者高效地实现各种图像操作和物体检测任务。

本文将介绍鸿蒙中图像处理和图像识别的基本需求，并展示如何使用图像处理库对图片进行裁剪、旋转等操作，同时集成图像识别 SDK 进行物体检测。

1. 图像处理和图像识别的需求

1.1 图像处理的需求

图像处理是指对图像进行各种操作，以实现不同的效果和功能。常见的图像处理操作包括：

• 裁剪：从图像中选取一个子区域，通常用于缩小图像尺寸或关注特定区域。
• 旋转：改变图像的方向，可以用于矫正图像的角度。
• 滤镜：应用各种图像滤镜，如模糊、锐化、边缘检测等。
• 缩放：调整图像的大小，可以通过保持纵横比或不保持纵横比来缩放。

1.2 图像识别的需求

图像识别是指通过计算机视觉技术，从图像中识别和提取信息。常见的图像识别任务包括：

• 物体检测：识别图像中的物体，并标记物体的位置。
• 人脸识别：在图像中检测并识别出人脸。
• 文字识别（OCR）：从图像中提取文本信息。

图像识别通常依赖深度学习模型，如卷积神经网络（CNN），这些模型能够有效地从复杂的图像中提取特征并进行识别。

2. 使用图像处理库对图片进行裁剪、旋转等操作

在鸿蒙中，我们可以使用 Graphics 或 ImageProcessor 等库来实现图像的基本处理操作。以下是一些常见的图像处理操作的实现方法。

2.1 图像裁剪

裁剪操作是从图像中提取指定区域并创建新图像，常用于去除不需要的背景或专注于某个特定区域。

示例 1：使用 Graphics 进行图像裁剪

import ohos.agp.graphics.Image;
import ohos.agp.graphics.Graphics;
import ohos.agp.graphics.Surface;
import ohos.app.Context;

public class ImageProcessingExample {

    public static Image cropImage(Context context, Image originalImage, int x, int y, int width, int height) {
        // 创建一个新的图像对象
        Image croppedImage = new Image(width, height);

        // 获取图像的绘图上下文
        Surface surface = new Surface(croppedImage);
        Graphics graphics = surface.lockCanvas();

        // 将原始图像裁剪到新图像中
        graphics.drawBitmap(originalImage, -x, -y, null);

        // 解锁画布并返回裁剪后的图像
        surface.unlockCanvas();
        return croppedImage;
    }
}

在上面的代码中，我们使用 Graphics 和 Surface 类进行图像裁剪。cropImage 方法接收原始图像和裁剪区域的坐标与大小，然后返回裁剪后的图像。

2.2 图像旋转

旋转操作用于改变图像的方向，通常用于矫正图像的角度或实现特定的视觉效果。

示例 2：使用 Graphics 进行图像旋转

import ohos.agp.graphics.Image;
import ohos.agp.graphics.Graphics;
import ohos.agp.graphics.Surface;
import ohos.app.Context;

public class ImageProcessingExample {

    public static Image rotateImage(Context context, Image originalImage, float angle) {
        // 创建一个新的图像对象
        int width = originalImage.getWidth();
        int height = originalImage.getHeight();
        Image rotatedImage = new Image(width, height);

        // 获取图像的绘图上下文
        Surface surface = new Surface(rotatedImage);
        Graphics graphics = surface.lockCanvas();

        // 进行旋转操作
        graphics.rotate(angle, width / 2, height / 2);  // 以中心点为旋转轴
        graphics.drawBitmap(originalImage, 0, 0, null);

        // 解锁画布并返回旋转后的图像
        surface.unlockCanvas();
        return rotatedImage;
    }
}

在上面的代码中，rotateImage 方法使用 rotate() 函数对图像进行旋转操作。旋转角度 angle 和旋转中心点（图像的中心）被用来调整图像的方向。

2.3 图像缩放

图像缩放是改变图像的尺寸，常用于适配不同的屏幕或改变图像的大小。

示例 3：使用 Graphics 进行图像缩放

import ohos.agp.graphics.Image;
import ohos.agp.graphics.Graphics;
import ohos.agp.graphics.Surface;
import ohos.app.Context;

public class ImageProcessingExample {

    public static Image resizeImage(Context context, Image originalImage, int newWidth, int newHeight) {
        // 创建一个新的图像对象
        Image resizedImage = new Image(newWidth, newHeight);

        // 获取图像的绘图上下文
        Surface surface = new Surface(resizedImage);
        Graphics graphics = surface.lockCanvas();

        // 进行缩放操作
        graphics.drawBitmap(originalImage, 0, 0, newWidth, newHeight, null);

        // 解锁画布并返回缩放后的图像
        surface.unlockCanvas();
        return resizedImage;
    }
}

在上面的代码中，resizeImage 方法通过 drawBitmap 函数将原始图像绘制到指定大小的目标图像中，从而实现了图像的缩放。

3. 集成图像识别 SDK 进行物体检测

鸿蒙系统通过集成图像识别 SDK（如 Huawei ML Kit、OpenCV 等），可以实现物体检测、面部识别、文字识别等图像识别任务。以下是一个示例，展示如何使用 ML Kit 进行物体检测。

3.1 集成 Huawei ML Kit 进行物体检测

Huawei ML Kit 提供了一套完整的图像处理与识别 API，支持物体检测、面部识别等功能。

示例 4：使用 ML Kit 进行物体检测

首先，确保项目中已经集成了 Huawei ML Kit 的相关依赖：

<dependency>
    <groupId>com.huawei.hms</groupId>
    <artifactId>mlkit-object-detection</artifactId>
    <version>5.0.3.300</version>
</dependency>

然后，在代码中实现物体检测功能：

import com.huawei.hms.mlsdk.common.MLException;
import com.huawei.hms.mlsdk.objectdetection.MLObject;
import com.huawei.hms.mlsdk.objectdetection.MLObjectAnalyzer;
import com.huawei.hms.mlsdk.objectdetection.MLObjectDetection;

import ohos.app.Context;
import ohos.agp.graphics.Image;

public class ObjectDetectionExample {

    public void detectObjects(Context context, Image image) {
        try {
            // 使用 ML Kit 进行物体检测
            MLObjectAnalyzer analyzer = MLObjectDetection.getAnalyzer();

            // 检测图像中的物体
            List<MLObject> detectedObjects = analyzer.analyze(image);

            // 输出检测到的物体信息
            for (MLObject object : detectedObjects) {
                String objectName = object.getObjectName();
                System.out.println("Detected Object: " + objectName);
            }
        } catch (MLException e) {
            e.printStackTrace();
            System.out.println("Object detection failed: " + e.getMessage());
        }
    }
}

在上面的代码中，MLObjectAnalyzer 类用于分析图像中的物体。我们通过 analyze() 方法获取检测到的物体信息，并打印出物体的名称。

3.2 集成 OpenCV 进行物体检测

OpenCV 是一个开源的计算机视觉库，它提供了丰富的图像处理与图像识别功能。通过集成 OpenCV，我们可以使用其提供的深度学习模型来进行物体检测、边缘检测等操作。

示例 5：使用 OpenCV 进行物体检测

import org.opencv.core.Mat;
import org.opencv.core.Scalar;
import org.opencv.core.Size;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.objdetect.CascadeClassifier;

public class ObjectDetectionExample {

    public void detectObjects(String imagePath) {
        // 加载 OpenCV 模型
        CascadeClassifier classifier = new CascadeClassifier("path_to_haar_cascade.xml");

        // 读取图像
        Mat image = Imgcodecs.imread(imagePath);

        // 进行物体检测
        MatOfRect detectedObjects = new MatOfRect();
        classifier.detectMultiScale(image, detectedObjects);

        // 输出检测到的物体数量
        System.out.println("Detected objects: " + detectedObjects.toArray().length);
    }
}

在上面的代码中，我们使用 OpenCV 加载 Haar 特征级联分类器（CascadeClassifier），并使用 detectMultiScale 方法在图像中检测物体。

4. 总结

• 鸿蒙操作系统提供了丰富的图像处理和图像识别功能，包括通过 Graphics 库实现图像裁剪、旋转、缩放等操作，以及集成 Huawei ML Kit 或 OpenCV 等库进行物体检测、面部识别等任务。
• 图像处理：通过对图像进行裁剪、旋转和缩放，可以实现图像的基本操作，适用于各种场景，如图像展示、图像预处理等。
• 图像识别：通过集成图像识别 SDK（如 Huawei ML Kit、OpenCV 等），可以在鸿蒙设备上实现物体检测、人脸识别、文字识别等复杂的图像识别任务。

通过学习和掌握鸿蒙中的图像处理和识别功能，可以增强应用的智能化和交互性，提升用户体验。

📝 写在最后

如果你觉得这篇文章对你有帮助，或者有任何想法、建议，欢迎在评论区留言交流！你的每一个点赞 👍、收藏 ⭐、关注 ❤️，都是我持续更新的最大动力！

我是一个在代码世界里不断摸索的小码农，愿我们都能在成长的路上越走越远，越学越强！

感谢你的阅读，我们下篇文章再见～👋

✍️ 作者：某个被流“治愈”过的 Java 老兵
📅 日期：2025-07-25
🧵 本文原创，转载请注明出处。