歡迎您光臨本站 註冊首頁

OpenCV在Android上的應用示例

←手機掃碼閱讀     bom485332 @ 2020-05-03 , reply:0

一. OpenCV 介紹
OpenCV是一個基於BSD許可(開源)發行的跨平臺計算機視覺庫,可以運行在Linux、Windows、Android和Mac OS操作系統上。它輕量級而且高效――由一系列 C 函數和少量 C++ 類構成,同時提供了Python、Ruby、MATLAB等語言的接口,實現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 中創建一個 Library,將官網下載的 OpenCV 導入後,就可以直接調用 OpenCV 中 Java 類的方法。
如果想調用 C++ 的類,也可以使用 CMake 創建環境,然後通過 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 有自己的優勢,藉助它可以定位到二維碼的位置,一般識別不到二維碼的內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。當然,還可以對圖像進行預處理,以便能夠更好地找到二維碼的位置。
下面的代碼,展示了在應用層拍完照之後,將圖片的路徑傳到 jni 層將其轉換成對應的 Mat 對象,再轉換成灰度圖像,然後找出二維碼的位置,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

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()); } }
對應的 Java 代碼,方便應用層調用 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); ...... }
最後是應用層的調用

// 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

在我們的實際開發中遇到一個應用場景:需要判斷我們的手機回收機裡面是否存放了物體。(手機回收機是一個觸摸屏設備,可以通過 Android 系統來操作內部的硬件設備。)

我們事先拍一張回收機內沒有物體的圖作為基準圖像,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存在著物體。

下面的代碼,展示了在應用層拍完照之後,跟基準圖片進行比對,並返回結果。

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,然後使用高斯濾波進行降噪處理,再進行二值化處理,最後判斷灰度差異區域佔總圖像的比列是否超過預先設定的閾值。

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(r, c); maxTmp = (std::max)(s[0],s[1]); maxTmp = (std::max)(maxTmp,s[2]); maxImg.at(r, c) = maxTmp; } } } return 0; }
對應的 Java 代碼,方便應用層調用 jni 層的 checkPhoneInMTA()

public class DetectUtils { static { System.loadLibrary("detect"); } /** * 判斷MTA中是否有手機 * @param baseImageFilePath 基準的圖片 * @param filePath 拍攝的圖片 * @return */ public static native boolean checkPhoneInMTA(String baseImageFilePath, String filePath); ...... }
最後是應用層的調用

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

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(主要取決於 App 要支持多少個 CPU 架構)。如果很介意的話,可以考慮自行裁剪 OpenCV,然後再進行編譯。
我所在的部門隸屬於中臺部門,主要輸出接口和 SDK。在 SDK 中使用 OpenCV 的確會給業務方造成困擾,未來也會考慮如何減少 SDK 的體積,以及把 SDK 做成模塊化。

[bom485332 ] OpenCV在Android上的應用示例已經有265次圍觀

http://coctec.com/docs/android/show-post-232649.html