最近一直在负责Java图像处理的业务，通过这个专栏博客，希望与广大朋友分享在Java做图像识别方面的经验和开发过程中遇到的问题总结。通过这个专栏你可以对Java、JVM、opencv、机器学习、深度学习有个基本的了解。
以上专栏请读者具备1.Java编程语言的基本知识2.数字图像处理知识3.计算机视觉相关知识4.大学数学相关知识(微积分、矩阵、数理统计)
最近用Java用过opencv和Google开源tesseract-ocr的开源ORT引擎做身份证和合同、票据的自动切分和扫描项目，最终封装成APP来做自动化识别，嗯~ o(*￣▽￣*)o是不是感觉很牛逼的样子，网上收集了一大批资料，自己动手也做了好几天，接下来我会从零开始带领大家来进行这个项目的整体架构和设计到代码过程，但不会手把手教大家写代码因为---，我已经写一大半了(⊙﹏⊙)，。大家如果想做的话可以私聊。
正式开始:先介绍专业名词和基本知识储备
数字图像处理（DIP）
是使用计算机对数字图像的处理。它是一个信号和系统的子领域，但特别关注图像。DIP专注于开发能够对图像执行处理的计算机系统。这种系统的输入是数字图像。系统使用高效算法处理图像，并将图像作为输出。
BufferedImage:Java里面Image的一个子类，它用于处理和操作图像数据。A BufferedImage由图像数据的ColorModel构成。所有BufferedImage对象的左上角坐标为（0，0）。
支持构造函数类型(width,height,imageType,IndexColorModel)第一个构造函数构造一个BufferedImage 预定义的图像类型：TYPE_BYTE_BINARY或TYPE_BYTE_INDEXED
2.(ColorModel,writableRaster,boolean,Hashtable)第二个构造函数BufferedImage 使用指定的ColorModel和Raster 构造一个新的构造函数
3.构造函数构造一个BufferedImage 预定义的图像类型。
常用方法及描述
