OpenCV android sdk开发实例 OpenCV android NDK实例
【尊重原创，转载请注明出处】http://blog.csdn.net/guyuealian/article/details/78374708在Android应用中调用OpenCV进行图像处理的方法有很多种，考虑到性能问题，本人推荐使用NDK进行开发，毕竟C/C++要比Java性能好的多。博客会给出详细的例子和配置方法，并给出本人Github的Demo代码，亲们只需git clone，并在本地Android Studio Build一下，即可以在本地Android手机上直接运行了。Demo Github地址：https://github.com/PanJinquan/opencvDemo (不支持Java层OpenCV开发)Demo Github地址：https://github.com/PanJinquan/OpenCV-Android-Demo（NDK和Java都支持OpenCV开发）整个工程代码都给亲们啦，是不是很照顾大家呢？题外话：之前本人在Android Studio和Eclipse配置OpenCV NDK开发时，踩了不知多少坑，网上教程一大堆，偏偏放在本人机器上就是报各种错误，各种无法解析……。好不容易配置好了，后面又来了个大坑：在Java中Bitmap图像与JNI的OpenCV的Mat图像的数据转换时，出现了各种各样问题，如通道顺序问题，颜色失真问题，数据转换问题等等等等等等……。好在，经过一番折腾，终于把问题解决了。言归正传，配置前，先保证版本一样：（1）Android Studio 2.3.3 以上（2）android-ndk-r10d 以上，下载地址：https://developer.android.google.cn/ndk/downloads/index.html（3）OpenCV-3.1.0-android-sdk 以上，下载地址：https://opencv.org/releases.html
一、OpenCV android sdk配置1.第一步：新建工程一定要勾选“Include C++ support”，这样新建的Android工程会直接支持NDK开发，避免各种配置问题，如果提示没有NDK，请下载NDK，并在工程“Project Structure”中导入即可：
第二步：新建工程勾选了“Include C++ support”，就已经支持NDK开发了（即native-lib），我们需要做的是，根据自己项目需要，增加JNI接口。第三步：将下载的“OpenCV-android-sdk”放在工程的根目录下：
第四步：CMakeLists.txt配置类似于Visual Studio的工程配置，我们需要告诉NDK去哪里查找OpenCV的头文件路径和依赖文件，Android Studio现在已经支持Cmake配置了，方法如下：#设置OpenCV的路径 set(OpenCV_DIR ${CMAKE_SOURCE_DIR}/../OpenCV-android-sdk/sdk/native/jni) find_package(OpenCV REQUIRED) #包含OpenCV的头文件 include_directories( ${CMAKE_SOURCE_DIR}/../OpenCV-android-sdk/sdk/native/jni/include)此外，还需要在target_link_libraries添加${OpenCV_LIBS}target_link_libraries( # Specifies the target library. imagePro-lib # Links the target library to the log library # included in the NDK. ${log-lib} ${OpenCV_LIBS})clean一下，并重新编译，这样NDK就支持OpenCV开发了。PS：到这里，只是表示NDK C++层可以支持OpenCV开发了，要是想在Java层中，直接使用OpenCV的Java包，还需要导入“OpenCV-android-sdk”的Java，方法是可以参考：http://blog.csdn.net/u010097644/article/details/56849758二、OpenCV android的图像数据转换Android开发中，图像类型一般是Bitmap，而在OpenCV是Mat，两者数据的转换需要进行特殊的处理。本OpenCVDemo实现了三种方法，可以现实Android的Bitmap图像与OpenCV的Mat类型的互转。第一种：通过JNI的整型数组传递图像数据：（1）定义JNI接口public native int[] ImageBlur(int[] pixels,int w,int h);说明：pixels:整型数组，存储图像的像素值；w:图像的宽度；h:图像的高度；返回整型数组，处理后的图像像素值；Android的Bitmap图像需要利用getPixels方法，将Bitmap转为整型数组pixels。再调用ImageBlur接口进行OpenCV的图像处理，处理完后，返回的图像数据需要用setPixels转为Bitmap图像进行显示。问题来了：Bitmap.Config有多个属性，用哪个呢？？public static final Bitmap.Config ARGB_4444 //4个4位组成即16位 public static final Bitmap.Config ARGB_8888//4个8位组成即32位 public static final Bitmap.Config RGB_565//R为5位，G为6位，B为5位共16位一开始，脑残，直接选了RGB_565，心思细腻测试部门的妹子，发现一个巨坑Bug：原图与OpenCV接收的图像总是有细微的差异，即出现了失真问题。后来，调试发现，就是RGB_565导致转换到CV_8UC3出现数据丢失的情况。不难得出，应该用ARGB_8888类型，毕竟OpenCV中，常用的类型是8位无符号类型：CV_8UC4、CV_8UC3等。/** * 调用JNI的ImageBlur(int[] pixels,int w,int h)接口实现图像模糊 */ public Bitmap doImageBlur(Bitmap origImage) { int w = origImage.getWidth(); int h = origImage.getHeight(); int[] pixels = new int[w * h]; origImage.getPixels(pixels, 0, w, 0, 0, w, h); int[] image=ImageBlur(pixels,w,h);//JNI Log.i(TAG, "ImageBlur called successfully"); //最后将返回的int数组转为bitmap类型。 Bitmap desImage=Bitmap.createBitmap(w,h,Bitmap.Config.ARGB_8888); //faceall为返回的int数组 desImage.setPixels(image,0,w,0,0,w,h); return desImage; }（2）JNI数据封装：需要注意的是，上层Java传递进来的图像数据是四通道的，即ARGB，而在OpenCV图像处理中，我们往往希望处理的图像数据是BGR三通道的。特别需要注意的是，OpenCV处理图像数据的通道顺序是B、G、R，而不是R、G、B，不然很容易出现图像变色的问题。extern "C" JNIEXPORT jintArray JNICALL Java_com_panjq_opencv_alg_ImagePro_ImageBlur (JNIEnv *env, jobject obj, jintArray buf, jint w , jint h){ LOGD("ImageBlur: called JNI start..."); //读取int数组并转为Mat类型 jint *cbuf = env->GetIntArrayElements(buf,JNI_FALSE); if (NULL == cbuf) { return 0; } Mat imgData(h,w,CV_8UC4,(unsigned char*) cbuf); cv::cvtColor(imgData,imgData,CV_BGRA2BGR); //这里进行图像相关操作 blur(imgData,imgData,Size(20,20)); //对图像相关操作完毕 cv::cvtColor(imgData,imgData,CV_BGR2BGRA); //这里传回int数组。 uchar *ptr = imgData.data; //int size = imgData.rows * imgData.cols; int size = w * h; jintArray result = env->NewIntArray(size); // env->SetIntArrayRegion(result, 0, size, cbuf); env->SetIntArrayRegion(result, 0, size, (const jint *) ptr); env->ReleaseIntArrayElements(buf, cbuf, 0); LOGD("ImageBlur: called JNI end..."); return result; }第二种：通过自定义图像对象传递图像数据：JNI接口参数除了可以传递基本数据类型，如：int、 float 、char等基本类型，实质上还可以是引用类型，如：类、实例、数组。第一种方法中，传递的数组就是引用类型（不管是对象数组还是基本类型数组，都作为reference types存在）。详见：http://blog.csdn.net/qinjuning/article/details/7599796既然可以传递对象，为什么不直接传递一个图像对象，每次都要传递图像的宽度w和高度h，这不是很麻烦么。OK，we do...!（1）定义JNI接口;public native ImageData ImageProJNI(ImageData image_data);说明;ImageData是本人定义好的图像数据类，并提供了构造方法，getBitmap和getImageData方法方便数据之间的转换：package com.panjq.opencv.alg; import android.graphics.Bitmap; /** * Created by panjq1 on 2017/10/23. */ public class ImageData { // public Bitmap bitmap; public int[] pixels; public int w; public int h; ImageData(){ } ImageData(Bitmap bitmap){ this.w = bitmap.getWidth(); this.h = bitmap.getHeight(); //将bitmap类型转为int数组 this.pixels = new int[this.w * this.h]; bitmap.getPixels(this.pixels, 0, this.w, 0, 0, this.w, this.h); } public Bitmap getBitmap( ){ //int数组转为bitmap类型。 Bitmap desImage=Bitmap.createBitmap(this.w,this.h,Bitmap.Config.ARGB_8888); desImage.setPixels(this.pixels,0,this.w,0,0,this.w,this.h); return desImage; } public ImageData getImageData(Bitmap bitmap){ this.w = bitmap.getWidth(); this.h = bitmap.getHeight(); this.pixels = new int[w * h]; bitmap.getPixels( this.pixels, 0, w, 0, 0, w, h); return this; } }有了这个类和方法，Android的Bitmap图像与OpenCV的Mat数据，就可以很方便地进行数据的转换啦，接口调用方法如下：/** * 调用JNI的ImageProJNI(ImageData image_data)接口实现图像模糊 */ public Bitmap ImageProcess(Bitmap origImage) { ImageData imageData=new ImageData(origImage);//创建图像数据imageData对象 // ImageData imageData=new ImageData(); // imageData.getImageData(origImage); Log.i(TAG, "input image size:"+imageData.w+","+imageData.h); ImageData out_image=ImageProJNI(imageData);//直接传入图像数据imageData对象 Log.i(TAG, "return image size:"+out_image.w+","+out_image.h); Bitmap desImage=out_image.getBitmap(); Log.i(TAG, "ImageProJNI called successfully"); return desImage; }相比第一种方法，第二种方法仅需传入ImageData对象即可，是不是简单明了很多了啦。（2）JNI数据封装：OK，Java层面简单了，但JNI接口封装就麻烦了，毕竟现在传入的参数是对象，类似与Java的反射机制，在JNI中同样可以获取Java类的属性和方法。方法如下：extern "C" JNIEXPORT jobject JNICALL Java_com_panjq_opencv_alg_ImagePro_ImageProJNI (JNIEnv *env, jobject obj, jobject image_obj){ //获取Java中的实例类 // jclass jcInfo = env->FindClass("com/panjq/opencv/alg/ImageData"); jclass jcInfo = env->GetObjectClass(image_obj); //获得类属性 jfieldID jf_w = env->GetFieldID(jcInfo, "w", "I");//ImageData类中属性w int w = env->GetIntField(image_obj, jf_w); jfieldID jf_h = env->GetFieldID(jcInfo, "h", "I");//ImageData类中属性h int h = env->GetIntField(image_obj, jf_h); //ImageData类中属性pixels jfieldID jf_pixels = env->GetFieldID(jcInfo, "pixels", "[I"); //获得对象的pixels数据，并保存在pixels数组中 jintArray pixels = (jintArray)env->GetObjectField(image_obj, jf_pixels); jint *ptr_pixels = env->GetIntArrayElements(pixels, 0);//获得pixels数组的首地址 Mat imgData(h,w,CV_8UC4,(unsigned char*) ptr_pixels); cv::cvtColor(imgData,imgData,CV_BGRA2BGR); LOGE("ImageProJNI: input image size=[%d,%d]",imgData.cols,imgData.rows); //释放内存空间 env->ReleaseIntArrayElements(pixels, ptr_pixels, 0); //imwrite("/storage/emulated/0/OpencvDemo/input_imgData.jpg",imgData); //****************** here to Opencv image relevant processing***************** /** * * 进行OpenCV的图像处理.... * */ blur(imgData,imgData,Size(20,20));//图像模糊 resize(imgData,imgData,Size(imgData.cols/4,imgData.rows/4),INTER_LINEAR);//图像缩小4倍 /** * * */ //*********************************** end ************************************ jobject obj_result = env->AllocObject(jcInfo); cv::cvtColor(imgData,imgData,CV_BGR2BGRA); //imwrite("/storage/emulated/0/OpencvDemo/out_imgData.jpg",imgData); uchar *ptr = imgData.data; int size = imgData.rows* imgData.cols; jintArray resultPixel = env->NewIntArray(size); jint *ptr_resultPixel = env->GetIntArrayElements(resultPixel, 0);//获得数组的首地址 env->SetIntArrayRegion(resultPixel, 0, size, (const jint *) ptr); env->SetObjectField(obj_result, jf_pixels, resultPixel); h=imgData.rows; w=imgData.cols; LOGE("ImageProJNI: ouput image size=[%d,%d]",w,h); env->SetIntField(obj_result, jf_w, w); env->SetIntField(obj_result, jf_h, h); env->ReleaseIntArrayElements(resultPixel, ptr_resultPixel, 0); return obj_result; }第三种：使用OpenCV的Java包实现NDK开发首先需要给项目添加OpenCV的java依赖模块，可参考：http://blog.csdn.net/u010097644/article/details/56849758 配置过程。利用bitmapToMat将BitMap图像转为Java OpenCV的Mat图像，再利用Mat的getNativeObjAddr()方法获得图像的Native对象地址，利用Native的对象地址，从而实现C++和Java层的图像数据传递。（1）定义JNI接口;public native void jniImagePro3(long matAddrSrcImage, long matAddrDestImage);Java层实现过程：public Bitmap ImageProcess3(Bitmap origImage) { Log.i(TAG, "called JNI:jniImagePro3 "); int w=origImage.getWidth(); int h=origImage.getHeight(); Mat origMat = new Mat(); Mat destMat = new Mat(); Utils.bitmapToMat(origImage, origMat);//Bitmap转OpenCV的Mat jniImagePro3(origMat.getNativeObjAddr(), destMat.getNativeObjAddr()); Bitmap bitImage = Bitmap.createBitmap(w, h, Bitmap.Config.ARGB_8888); Utils.matToBitmap(destMat, bitImage);//OpenCV的Mat转Bitmap显示 Log.i(TAG, "jniImagePro3 called successfully"); return bitImage; }（2）JNI数据封装： 利用OpenCV的Native对象地址作为参数传递，其JNI封装过程就十分简单了。extern "C" JNIEXPORT void JNICALL Java_com_panjq_opencv_alg_ImagePro_jniImagePro3 (JNIEnv *, jobject, jlong matAddrSrcImage, jlong matAddrDestImage){ Mat& srcImage = *(Mat*)matAddrSrcImage; Mat& destImage = *(Mat*)matAddrDestImage; cv::cvtColor(srcImage,srcImage,CV_BGRA2BGR); blur(srcImage,destImage,Size(20,20)); cv::cvtColor(destImage,destImage,CV_BGR2BGRA); }与第二种方法相比，第三种方法借助OpenCV android SDK的方法，其JNI封装过程就简单很多了。三、三种方法相比;（1）性能比较：就运行时间,耗时长久而言：第一种>第二种≈第三种，即第一种最耗时，性能最差，第二种和第三种差不多，不过第三种还是稍微快一点，但相差不大，毕竟是人家官方推荐使用的。（2）兼容性：第三种方法需要依赖OpenCV的jar包，而第一种和第二种方法只需要OpenCV的jni就可以，不需要上层Java对OpenCV的支持。因此兼容性好。（3）扩展性：显然，第二种方法，通过自定义图像对象传递图像数据的方法，可以在不改变接口参数的情况下，非常方便的新增属性变量，或者删除。运行处理效果：左→原图，右→模糊的图像
如果你觉得该帖子帮到你，还望贵人多多支持，鄙人会再接再厉，继续努力的~
OpenCV android sdk开发实例 OpenCV android NDK实例
猜你喜欢
转载自blog.csdn.net/guyuealian/article/details/78374708
今日推荐
周排行