Android OpenCV (一) 基础API

阿里云国内75折回扣微信号：monov8

阿里云国际，腾讯云国际，低至75折。AWS 93折免费开户实名账号代冲值优惠多多微信号：monov8 飞机：@monov6

背景

工作中遇到业务诉求是通过OpenCV对图片进行一些判断操作和优化这里是看了部分不错的文章希望总结一个自己的学习过程温故而知新有不对的地方可以评论区指出小白学习海涵。

基础知识

Mat在OpenCV中是非常重要的存在后续各个API都是在Mat的基础上去做文章Mat 是Matrix矩阵的缩写

...
inline
Mat::Mat(int _rows, int _cols, int _type)
    : flags(MAGIC_VAL), dims(0), rows(0), cols(0), data(0), datastart(0), dataend(0),
      datalimit(0), allocator(0), u(0), size(&rows), step(0)
{
    create(_rows, _cols, _type);
}

inline
void Mat::create(int _rows, int _cols, int _type)
{
    _type &= TYPE_MASK;
    if( dims <= 2 && rows == _rows && cols == _cols && type() == _type && data )
        return;
    int sz[] = {_rows, _cols};
    create(2, sz, _type);
}

...

Mat中其实保存着关于图片的图像信息包括像素、宽、高、类型大小深度等属性。

主要Api - 加载图片

由于我这里使用的集团的二方库读者大佬可以直接在github搜索 OpenCV对应版本在gradle中添加依赖即可由于本人是使用的Java代码通过jni调用底层C++代码大部分api其实是互通的网上Python教程居多这也是我想把这个过程总结下来的原因

imread

该方法主要是获取图片的Mat信息的默认通道为BGRBlue, Green, Red可以有很多flags供我们选择以此达到不同的效果。

public static Mat imread(String filename, int flags) {
       return new Mat(imread_0(filename, flags));
}

// 调用例子
eg:
Mat bgr = Imgcodecs.imread(filePath, Imgcodecs.IMREAD_UNCHANGED);
Imgproc.cvtColor(bgr, srcMat, Imgproc.COLOR_BGR2RGB);

//Imgcodecs flags 常用参数含义
public static final int IMREAD_UNCHANGED = -1;  // 无改动
public static final int IMREAD_GRAYSCALE = 0;  // 单通道灰色
public static final int IMREAD_COLOR = 1;  //三通道BGR图像

Utils.bitmapToMat

通过Utils.bitmapToMat方法获取Mat对象。


Bitmap bitmap = BitmapFactory.decodeResource(res, R.drawable.icon);
Mat mat = Mat()
// bitmap : 支持ARGB_8888和RGB_565两种格式
// mat : 类型为CV_8UC4通道顺序为RGBA
Utils.bitmapToMat(bitmap, mat);

主要API - 写入图片

我们可以通过 imwrite方法将Mat对象保存至指定文件

File file = new File(Environment.getExternalStorageDirectory().getPath() + File.separator + "${System.currentTimeMillis()}.jpg");
 if (!file.exists()) {
        file.createNewFile();
 }
// 文件路径  ,  待输出mat对象
Imgcodecs.imwrite(file.getPath(), srcMat);

端侧常用分析方法

亮度检测

计算图片在灰度图上的均值和方差当存在亮度异常时均值会偏离均值点(可以取0-255中间值 128)方差也会偏小通过计算灰度图的均值和方差就可评估图像是否存在过曝光或曝光不足。

//亮度检测
private static float brightness(Mat grayImage) {
        float a = 0;
        int Hist[] = new int[256];
        for (int i = 0; i < 256; i++) {
            Hist[i] = 0;
        }
        for (int i = 0; i < grayImage.rows(); i++) {
            for (int j = 0; j < grayImage.cols(); j++) {
                //在计算过程中考虑128为亮度均值点
                a += (float) (grayImage.get(i, j)[0] - 128);
                int x = (int) grayImage.get(i, j)[0];
                Hist[x]++;
            }
        }
        float da = a / (float) (grayImage.rows() * grayImage.cols());
        float D = Math.abs(da);
        float Ma = 0;
        for (int i = 0; i < 256; i++) {
            Ma += Math.abs(i - 128 - da) * Hist[i];
        }
        Ma /= (float) ((grayImage.rows() * grayImage.cols()));
        float M = Math.abs(Ma);
        float K = D / M;
        float cast = K;
        if (cast >= 1) {
            if (da > 0) {
                Log.e("ymc", "过亮");
            } else {
                Log.e("ymc", "过暗");
            }
        } else {
            Log.e("ymc", "亮度正常");
        }
        return cast;
    }

清晰度检测

利用拉普拉斯算子计算图片的二阶导数反映图片的边缘信息同样事物的图片清晰度高的相对应的经过拉普拉斯算子滤波后的图片的方差也就越大。

//清晰度
private static double clarity(Mat grayImage) {
        Mat laplacianDstImage = new Mat();
        Imgproc.Laplacian(grayImage, laplacianDstImage, CvType.CV_64F);
        MatOfDouble median = new MatOfDouble();
        MatOfDouble std = new MatOfDouble();
        Core.meanStdDev(laplacianDstImage, median, std);
        double clarity = Math.pow(std.get(0, 0)[0], 2);
        //后续可根据业务设置阈值
        Log.e("ymc", "清晰度" + clarity);
        laplacianDstImage.release();
        return clarity;
    }