1. AI技术聚合首页
  2. 技术文章

Android OpenCV基础（二、core模块）

扎眼的阳光 • • 技术文章 • 阅读 463

一、概述

在现实世界中，我们（人类）看到的是图像，而当我们让数字设备“看到”时，我们正在记录图像中每个点的值。

MatBasicImageForComputer.jpg

如上图所示，数字设备看到的是一个矩阵，其中包含所有像素的值。最终，在计算机世界中，所有图像都可以简化为数值矩和矩阵信息。

OpenCV的core模块定义了如何在内存中存储图像，还包括矩阵、向量、点等一些基础操作的定义。

2.基础镜像容器

OpenCV定义了Mat类作为基本图像容器，此外Mat还可以只单纯地表示一个矩阵。Mat由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同。例如，一个RGB的图片，其Mat对象的矩阵就是一个分别存储R、G、B通道值的三维矩阵。

在视觉算法中经常需要传递图片、拷贝图片等操作，每次都拷贝矩阵开销较大，因此OpenCV采用了引用计数机制，让每个Mat对象有自己的信息头，但共享同一个矩阵，拷贝构造函数则只拷贝信息头和矩阵指针，而不拷贝矩阵。

2.1 创建Mat

创建一个Mat的方法如下：

/**
* @param rows行;对应bitmap的高
* @param clos列;对应bitmap的宽
* @param 颜色空间&数据类型CvType
* @param 矩阵的数据
**/
Mat(int rows, int cols, int type, void* data, size_t step=AUTO_STEP);

在Android OpenCV基础（一、OpenCV入门）中，我们已经看到过从bitmap对象创建Mat的方法：

void *pixels = 0;
AndroidBitmapInfo info;
// 获取bitmap的信息
AndroidBitmap_getInfo(env, bitmap, &info);
// 获取bitmap的像素值
AndroidBitmap_lockPixels(env, bitmap, &pixels);
cv::Mat rgbMat(info.height, info.width, CV_8UC4, pixels);

2.2 拷贝Mat

在第 1 章中，提到了复制构造函数只复制标题和矩阵指针，而不复制矩阵。以下操作都不会复制矩阵：

Mat B(A);                                 // 使用拷贝构造函数
C = A;                                    // 赋值运算符

如果确实需要复制矩阵本身，可以通过两种方式进行：

cv::Mat tmp(info.height, info.width, CV_8UC4, pixels);
cv::Mat dst;
// 方法1：copyTo
tmp.copyTo(dst);
// 方法2：clone
dst = tmp.clone

2.3 CvType

在Mat的构造函数中，需要传入的CvType是OpenCV内置的类型，格式含义如下：

// CvType含义：[每个颜色所占位数][是否带符号][基本数据类型][每个颜色的通道数]
CV_[The number of bits per item][Signed or Unsigned][Type Prefix]C[The channel number]
// 例如CV_8UC4表示：每个颜色占8位，用unsigned char表示，每个颜色有4个通道(R、G、B、A)
cv::Mat rgbMat(info.height, info.width, CV_8UC4, pixels);

2.3.1 颜色空间

颜色空间是指对于给定的颜色，颜色元素如何组合以对其进行编码。常见的有：

  • RGB：用红色Red、绿色Green和蓝色Blue作为基本色，是最常见的，这是因为人眼采用相似的工作机制，它也被显示设备所采用。
  • RGBA：在RGB的基础上加入了透明度Alpha。
  • YCrCb：在JPEG图像格式中广泛使用。
  • YUV：用于Android相机的颜色空间，”Y”表示明亮度（Luminance或Luma，也就是灰度值）；而”U”和”V”表示色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。

2.3.2 数据类型

数据类型是指每个元素如何存储，存储的方式决定了颜色在其定义域上能够控制的精度。例如，在RGB空间，如果对于单个的R、G、B用char存储，char占8位，那么RGB就可以表示出1600万种可能的颜色（256 * 256 * 256）。

如果使用更多的类型存储（比如32位的float）或64位的double），则能给出更加精细的颜色分辨能力，单也会增加图像所占的内存空间。

三、Bitmap与Mat

3.1 Bitmap转Mat

void bitmapToMat(JNIEnv *env, jobject bitmap, cv::Mat &dst) {
    AndroidBitmapInfo info;
    void *pixels = 0;
    try {
        CV_Assert(AndroidBitmap_getInfo(env, bitmap, &info) >= 0);
        CV_Assert(info.format == ANDROID_BITMAP_FORMAT_RGBA_8888 ||
                  info.format == ANDROID_BITMAP_FORMAT_RGB_565);
        CV_Assert(AndroidBitmap_lockPixels(env, bitmap, &pixels) >= 0);
        CV_Assert(pixels);
        dst.create(info.height, info.width, CV_8UC4);
        if (info.format == ANDROID_BITMAP_FORMAT_RGBA_8888) {
            cv::Mat tmp(info.height, info.width, CV_8UC4, pixels);
            tmp.copyTo(dst);
        } else {
            cv::Mat tmp(info.height, info.width, CV_8UC2, pixels);
            cvtColor(tmp, dst, CV_BGR5652RGBA);
        }
        AndroidBitmap_unlockPixels(env, bitmap);
        return;
    }catch (...) {
        AndroidBitmap_unlockPixels(env, bitmap);
        jclass je = env->FindClass("java/lang/Exception");
        env->ThrowNew(je, "Unknown exception in JNI code {nBitmapToMat}");
        return;
    }
}

3.2 Mat转Bitmap

/**
* 创建Bitmap对象
*/
jobject createBitmap(JNIEnv *env, int width, int height, std::string config) {
    jclass bitmapConfig = env->FindClass("android/graphics/Bitmap$Config");
    jfieldID configFieldID = env->GetStaticFieldID(bitmapConfig, config.c_str(),
                                                   "Landroid/graphics/Bitmap$Config;");
    jobject rgb565Obj = env->GetStaticObjectField(bitmapConfig, configFieldID);
    jclass bitmapClass = env->FindClass("android/graphics/Bitmap");
    jmethodID createBitmapMethodID = env->GetStaticMethodID(bitmapClass,"createBitmap",
                                                            "(IILandroid/graphics/Bitmap$Config;)Landroid/graphics/Bitmap;");
    jobject bitmapObj = env->CallStaticObjectMethod(bitmapClass, createBitmapMethodID,
                                                    width, height, rgb565Obj);
    env->DeleteLocalRef(bitmapConfig);
    env->DeleteLocalRef(bitmapClass);
    return bitmapObj;
}

/**
* Mat转Bitmap
*/
void matToBitmap(JNIEnv *env, cv::Mat &src, jobject bitmap) {
    AndroidBitmapInfo info;
    void *pixels = 0;
    try {
        if (AndroidBitmap_getInfo(env, bitmap, &info) < 0) {
            return;
        }
        if (info.format != ANDROID_BITMAP_FORMAT_RGBA_8888 &&
            info.format != ANDROID_BITMAP_FORMAT_RGB_565) {
            return;
        }
        if (src.dims != 2 || info.height != (uint32_t) src.rows ||
            info.width != (uint32_t) src.cols) {
            return;
        }
        if (src.type() != CV_8UC1 && src.type() != CV_8UC3 && src.type() != CV_8UC4) {
            return;
        }
        if (AndroidBitmap_lockPixels(env, bitmap, &pixels) < 0) {
            return;
        }
        if (pixels == 0) {
            return;
        }
        if (info.format == ANDROID_BITMAP_FORMAT_RGBA_8888) {
            cv::Mat tmp(info.height, info.width, CV_8UC4, pixels);
            if (src.type() == CV_8UC1) {
                cvtColor(src, tmp, CV_GRAY2RGBA);
            } else if (src.type() == CV_8UC3) {
                cvtColor(src, tmp, CV_RGB2RGBA);
            } else if (src.type() == CV_8UC4) {
                src.copyTo(tmp);
            }
        } else {
            // info.format == ANDROID_BITMAP_FORMAT_RGB_565
            cv::Mat tmp(info.height, info.width, CV_8UC2, pixels);
            if (src.type() == CV_8UC1) {
                cvtColor(src, tmp, CV_GRAY2BGR565);
            } else if (src.type() == CV_8UC3) {
                cvtColor(src, tmp, CV_RGB2BGR565);
            } else if (src.type() == CV_8UC4) {
                cvtColor(src, tmp, CV_RGBA2BGR565);
            }
        }
        AndroidBitmap_unlockPixels(env, bitmap);
        return;
    } catch (const cv::Exception &e) {
        AndroidBitmap_unlockPixels(env, bitmap);
        jclass je = env->FindClass("org/opencv/core/CvException");
        if (!je) je = env->FindClass("java/lang/Exception");
        env->ThrowNew(je, e.what());
        return;
    } catch (...) {
        AndroidBitmap_unlockPixels(env, bitmap);
        jclass je = env->FindClass("java/lang/Exception");
        env->ThrowNew(je, "Unknown exception in JNI code {nMatToBitmap}");
        return;
    }
}

四、图片变换

一般而言，图像处理算子是指获取一个或多个输入图像并产生输出图像的函数。图像变换可分为以下两种：

  • 点算子（像素变换）：这类算子只根据输入的像素值计算对应的输出像素值（有时可以添加一些全局信息或参数）。常用算子包括亮度和对比度调整，以及颜色校正和变换。
  • 邻域（基于区域）算子：这类算子根据输入像素值及其周围像素值计算对应的输出像素值。常见的算子包括核函数、过滤器等。

4.1 图片亮化

首先声明JNI接口如下：

public class OpenCVSample {
    static {
        try {
            System.loadLibrary("native-lib");
        } catch (Throwable throwable) {
            throwable.printStackTrace();
        }
    }
    public static native Bitmap lightenBitmap(Bitmap bitmap);
}

然后在native层实现如下点算子计算逻辑：：
Android OpenCV基础（二、core模块）
其中 i 和 j 表示第 i 行第 j 列的像素点，alpha和beta是参数，程序中我们使用alpha = 2.2，beta=50，实现如下：

extern "C"
JNIEXPORT jobject JNICALL
Java_com_bc_sample_OpenCVSample_lightenBitmap(
        JNIEnv *env,
        jclass thiz, jobject bitmap) {
    cv::Mat rgbMat;
    bitmapToMat(env, bitmap, rgbMat);
    // 创建一个同样大小的结果Mat
    cv::Mat dst = cv::Mat(rgbMat.size(), rgbMat.type());
    /// 执行运算 new_image(i,j) = alpha*image(i,j) + beta
    float alpha = 2.2f;
    int beta = 50;
    for (int y = 0; y < rgbMat.rows; y++) {
        for (int x = 0; x < rgbMat.cols; x++) {
            for (int c = 0; c < rgbMat.channels(); c++) {
                // Vec4b因为我们的使用的是RGBA通道，如果RGB则是Vec3b
                // 实现计算逻辑
                dst.at<cv::Vec4b>(y, x)[c] = cv::saturate_cast<uchar>(
                        alpha * (rgbMat.at<cv::Vec4b>(y, x)[c]) + beta);
            }
        }
    }
    jobject sharpenBitmap = createBitmap(env, dst.cols, dst.rows, "ARGB_8888");
    matToBitmap(env, dst, sharpenBitmap);
    return sharpenBitmap;
}

运行结果如下：
image.png

4.2 图片锐化

锐化是一个简单的邻域算子。与OpenGL实现锐化原理类似，锐化其实就是根据掩码矩阵（也称作核）重新计算图像中每个像素的值。

这次我们以如下矩阵作为锐化的kenal核函数：
Android OpenCV基础（二、core模块）
首先声明JNI接口如下：

public class OpenCVSample {
    static {
        try {
            System.loadLibrary("native-lib");
        } catch (Throwable throwable) {
            throwable.printStackTrace();
        }
    }
    public static native Bitmap sharpenBitmap(Bitmap bitmap);
}

然后在native层实现如下邻域算子计算逻辑，先把矩阵中心的元素（上面的例子中是(0,0)位置的元素，也就是5）对齐到要计算的目标像素上，再把邻域像素值和相应的矩阵元素值的乘积加起来。：

14e28d2d31dfc5e77008db714ffa79f7ef00f377.png

extern "C"
JNIEXPORT jobject JNICALL
Java_com_bc_sample_OpenCVSample_sharpenBitmap(
        JNIEnv *env,
        jclass thiz, jobject bitmap) {
    cv::Mat rgbMat;
    bitmapToMat(env, bitmap, rgbMat);
    cv::Mat dst;
    sharpen(rgbMat, dst);
    jobject sharpenBitmap = createBitmap(env, dst.cols, dst.rows, "ARGB_8888");
    matToBitmap(env, dst, sharpenBitmap);
    return sharpenBitmap;
}

/**
* 锐化核函数实现
**/
void sharpen(const cv::Mat &myImage, cv::Mat &Result) {
    CV_Assert(myImage.depth() == CV_8U);  // 仅接受uchar图像
    Result.create(myImage.size(), myImage.type());
    const int nChannels = myImage.channels();
    for (int j = 1; j < myImage.rows - 1; ++j) {
        // 矩阵中的当前点
        const uchar *previous = myImage.ptr<uchar>(j - 1);
        // 矩阵中当前点的前一个点（当前列-1）
        const uchar *current = myImage.ptr<uchar>(j);
        // 矩阵中当前点的下一个点（当前列+1）
        const uchar *next = myImage.ptr<uchar>(j + 1);
        uchar *output = Result.ptr<uchar>(j);
        for (int i = nChannels; i < nChannels * (myImage.cols - 1); ++i) {
            *output++ = cv::saturate_cast<uchar>(5 * current[i]
                                                 - current[i - nChannels] - current[i + nChannels] -
                                                 previous[i] - next[i]);
              // 或者使用其他锐化核函数
//            *output++ = cv::saturate_cast<uchar>(9 * current[i]
//                                                 - current[i - nChannels] - current[i + nChannels]
//                                                 -previous[i] - previous[i - nChannels] - previous[i + nChannels]
//                                                 -next[i] - next[i - nChannels] - next[i + nChannels]);
        }
    }
    // 不对边界点使用掩码，直接把它们设为0
    Result.row(0).setTo(cv::Scalar(0)); // 上边界
    Result.row(Result.rows - 1).setTo(cv::Scalar(0)); // 下边界
    Result.col(0).setTo(cv::Scalar(0)); // 左边界
    Result.col(Result.cols - 1).setTo(cv::Scalar(0));// 右边界
}

运行结果如下所示，左边是APP运行结果，右边是放大后的对比：
9a1e7115156e6ca385ba49683546ac57.png

4.3 imgproc 模块

imgproc模块提供了许多图片处理的API，实际开发中可以直接调用OpenCV提供的图片处理API，我们将在下一章介绍imgproc模块。上述图片处理都可以在imgproc模块找到对应API：

// 滤波器
CVAPI(void) cvFilter2D( const CvArr* src, CvArr* dst, const CvMat* kernel,
                        CvPoint anchor CV_DEFAULT(cvPoint(-1,-1)));

The End

欢迎关注我，一起解锁更多技能：BC的掘金主页～💐BC的CSDN主页～💐💐

OpenCV官网：https://opencv.org/releases/
OpenCV github：https://github.com/opencv/opencv/tree/master
LearnOpenCV学习资料
OpenCV 4.5.5官方文档
OpenCV 2.3.2官方文档

文章出处登录后可见！

已经登录？立即刷新

共计人评分，平均分

到目前为止还没有投票！成为第一位评论此文章。

赞 (0)
扎眼的阳光的头像扎眼的阳光普通用户
0
上一篇 2022年4月6日 下午4:53
下一篇 2022年4月6日 下午5:08

相关推荐

此站出售，如需请站内私信或者邮箱！