快捷導(dǎo)航

OpenCV在Android上的應(yīng)用示例

更新時間：2020年04月28日 14:37:11 投稿：zx

這篇文章主要介紹了OpenCV在Android上的應(yīng)用示例,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

一. OpenCV 介紹

OpenCV是一個基于BSD許可（開源）發(fā)行的跨平臺計算機視覺庫，可以運行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。

在移動端上使用 OpenCV 可以完成一系列圖像處理的工作。

二. OpenCV 在 Android 上的配置

我在項目中使用的 OpenCV 版本是 4.x。

在 Android Studio 中創(chuàng)建一個 Library，將官網(wǎng)下載的 OpenCV 導(dǎo)入后，就可以直接調(diào)用 OpenCV 中 Java 類的方法。
如果想調(diào)用 C++ 的類，也可以使用 CMake 創(chuàng)建環(huán)境，然后通過 include 文件放入指定路徑。
下面是項目中使用的 CMakeLists.txt

cmake_minimum_required(VERSION 3.6.0)

include_directories(
    ${CMAKE_SOURCE_DIR}/src/main/cpp/include
)

add_library(libopencv_java4 SHARED IMPORTED)
set_target_properties(
    libopencv_java4
    PROPERTIES IMPORTED_LOCATION
    ${CMAKE_SOURCE_DIR}/src/main/jniLibs/libs/${ANDROID_ABI}/libopencv_java4.so)

add_library(libc++_shared SHARED IMPORTED)
set_target_properties(
    libc++_shared
    PROPERTIES IMPORTED_LOCATION
    ${CMAKE_SOURCE_DIR}/src/main/jniLibs/libs/${ANDROID_ABI}/libc++_shared.so)


add_library(
    detect

    SHARED

    src/main/cpp/detect-lib.cpp
    src/main/cpp/detect-phone.cpp
)


find_library(
    log-lib
    log
)

target_link_libraries(
    detect libopencv_java4 libc++_shared jnigraphics
    ${log-lib}
)

其中，detect-lib.cpp 和 detect-phone.cpp 是我創(chuàng)建的 C++ 類。打成 so 文件時，會包含這2個類。

三. 例子兩則

3.1 作為二維碼識別的兜底方案

在 Android 原生開發(fā)中，二維碼識別有老牌的 zxing 等開源庫。為何還要使用 OpenCV 呢？
因為 OpenCV 有自己的優(yōu)勢，借助它可以定位到二維碼的位置，一般識別不到二維碼的內(nèi)容大多是因為找不到它的位置。要是能夠找到位置，就可以快速識別二維碼的內(nèi)容。
這樣一來，識別二維碼時需要先拍一張照，從圖像中找出二維碼的位置。當(dāng)然，還可以對圖像進行預(yù)處理，以便能夠更好地找到二維碼的位置。
下面的代碼，展示了在應(yīng)用層拍完照之后，將圖片的路徑傳到 jni 層將其轉(zhuǎn)換成對應(yīng)的 Mat 對象，再轉(zhuǎn)換成灰度圖像，然后找出二維碼的位置，要是能夠找到的話就識別出二維碼的內(nèi)容。

extern "C"
JNIEXPORT jstring JNICALL
Java_com_xxx_sdk_utils_DetectUtils_qrDetect(JNIEnv *env, jclass jc,jstring filePath) {

  const char *file_path_str = env->GetStringUTFChars(filePath, 0);
  string path = file_path_str;
  Mat src = imread(path);

  Mat gray, qrcode_roi;
  cvtColor(src, gray, COLOR_BGR2GRAY);
  QRCodeDetector qrcode_detector;
  vector<Point> pts;
  string detect_info;
  bool det_result = qrcode_detector.detect(gray, pts);
  if (det_result) {
    detect_info = qrcode_detector.decode(gray, pts, qrcode_roi);
    return env->NewStringUTF(detect_info.c_str());
  } else {
    detect_info = "";
    return env->NewStringUTF(detect_info.c_str());
  }
}

對應(yīng)的 Java 代碼，方便應(yīng)用層調(diào)用 jni 層的 qrDetect()

public class DetectUtils {

  static {
    System.loadLibrary("detect");
  }

  /**
   * 識別二維碼
   * @param filePath
   * @return
   */
  public static native String qrDetect(String filePath);

  ......
}

最后是應(yīng)用層的調(diào)用

// 使用 OpenCV 進行二維碼識別
val result = DetectUtils.qrDetect(filePath)
L.d("opencvs識別二維碼: $result")

3.2 比對圖像的差異

在我們的實際開發(fā)中遇到一個應(yīng)用場景：需要判斷我們的手機回收機里面是否存放了物體。(手機回收機是一個觸摸屏設(shè)備，可以通過 Android 系統(tǒng)來操作內(nèi)部的硬件設(shè)備。)

我們事先拍一張回收機內(nèi)沒有物體的圖作為基準(zhǔn)圖像，等到需要判斷是否存在物體時再拍一張圖片。兩幅圖片對比看比例，比列超過閾值則認為回收機內(nèi)存在著物體。

下面的代碼，展示了在應(yīng)用層拍完照之后，跟基準(zhǔn)圖片進行比對，并返回結(jié)果。

extern "C"
JNIEXPORT jboolean JNICALL
Java_com_xxx_sdk_utils_DetectUtils_checkPhoneInMTA(JNIEnv *env, jclass jc,jstring baseImgPath,jstring filePath) {

  jboolean tRet = false;
  const char *file_path_str = env->GetStringUTFChars(filePath, 0);
  string path = file_path_str;
  Mat src = imread(path);

  const char *base_img_path_str = env->GetStringUTFChars(baseImgPath, 0);
  string basePath = base_img_path_str;
  Mat baseImg = imread(basePath);

  int result = checkPhoneInBox(baseImg,src,40,0.1);

  LOGI("checkPhoneInBox result = %d",result);
  if (result == 0) {
    tRet = true;
  }

  return tRet;
}

兩張圖片真正的比對是在 checkPhoneInBox() 中完成的。其中，maxFilter() 是為了處理彩色的情況，然后使用高斯濾波進行降噪處理，再進行二值化處理，最后判斷灰度差異區(qū)域占總圖像的比列是否超過預(yù)先設(shè)定的閾值。

int checkPhoneInBox(cv::Mat baseImg, cv::Mat snapImg, int diffThresh, double threshRatio) {

  cv::Mat baseMaxImg, snapMaxImg,baseGausImg, snapGausImg;
  if (baseImg.empty()|| snapImg.empty())
  {
    return -1;
  }

  try {
    maxFilter(baseImg, baseMaxImg);
    maxFilter(snapImg, snapMaxImg);
  } catch (...) {
    return -1;
  }

  cv::GaussianBlur(baseMaxImg, baseGausImg, cv::Size(5, 5),0);
  cv::GaussianBlur(snapMaxImg, snapGausImg, cv::Size(5, 5),0);

  cv::Mat diff,diffBin;
  cv::Mat noMax;
  cv::absdiff(baseGausImg, snapGausImg, diff);
  cv::threshold(diff, diffBin, diffThresh, 255, cv::THRESH_BINARY);

  float ratio = (float)cv::countNonZero(diffBin) / (long)diffBin.total();

  LOGI("ratio = %f,%d,%ld",ratio,cv::countNonZero(diffBin),(long)diffBin.total());

  if (ratio > threshRatio)
  {
    return 0;
  }
  else
  {
    return 1;
  }
}

int maxFilter(cv::Mat baseImg, cv::Mat &maxImg)
{
  if (baseImg.channels() <3)
  {
    maxImg = baseImg.clone();
  }
  else
  {
    maxImg.create(baseImg.size(), CV_8UC1);
    for (int r=0;r<baseImg.rows;r++)
    {
      for (int c = 0; c < baseImg.cols; c++)
      {
        uchar maxTmp=0;
        cv::Vec3b s = baseImg.at<cv::Vec3b>(r, c);
        maxTmp = (std::max)(s[0],s[1]);
        maxTmp = (std::max)(maxTmp,s[2]);

        maxImg.at<uchar>(r, c) = maxTmp;
      }
    }
  }
  return 0;
}

對應(yīng)的 Java 代碼，方便應(yīng)用層調(diào)用 jni 層的 checkPhoneInMTA()

public class DetectUtils {

  static {
    System.loadLibrary("detect");
  }

  /**
   * 判斷MTA中是否有手機
   * @param baseImageFilePath 基準(zhǔn)的圖片
   * @param filePath     拍攝的圖片
   * @return
   */
  public static native boolean checkPhoneInMTA(String baseImageFilePath, String filePath);

  ......
}

最后是應(yīng)用層的調(diào)用

val result = DetectUtils.checkPhoneInMTA(Constants.OPENCV_PHOTO_PATH, it.absolutePath)

四. 總結(jié)

OpenCV 是一款功能強大的圖像處理庫。但是它本身體積也較大，在移動端使用至少會增加 Android Apk 包 10 M+ 的體積(主要取決于 App 要支持多少個 CPU 架構(gòu))。如果很介意的話，可以考慮自行裁剪 OpenCV，然后再進行編譯。
我所在的部門隸屬于中臺部門，主要輸出接口和 SDK。在 SDK 中使用 OpenCV 的確會給業(yè)務(wù)方造成困擾，未來也會考慮如何減少 SDK 的體積，以及把 SDK 做成模塊化。

到此這篇關(guān)于OpenCV在Android上的應(yīng)用示例的文章就介紹到這了,更多相關(guān)OpenCV Android應(yīng)用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: