OpenCV android sdk配置OpenCV android NDK开发实例
OpenCV android sdk配置OpenCV android NDK开发实例
【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/OpenCV-Android-Demo（NDK和Java都支持OpenCV开发）
老铁要是觉得不错，记得给个“Star”哈
PS :Opencv3.x以后，已经把很多功能模块放在contrib中，要想移植opencv contrib到Android需要自己编译，这个过程还是相当麻烦的。如果你想支持opencv contrib开发，可以下载本人已经编译且移植好的Android Demo:
OpenCV-Contrib-Android-Demo: https://github.com/PanJinquan/OpenCV-Contrib-Android-Demo（NDK和Java都支持OpenCV contrib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
PS：与时俱进，目前Github的OpenCV版本已经升级到：opencv-3.4.2-android-sdk，NDK：android-ndk-r14b
目录
OpenCV android sdk配置OpenCV android NDK开发实例
一、OpenCV android sdk配置
1.第一步：
2.第二步：
3.第三步：
4.第四步：CMakeLists.txt配置
二、OpenCV android的图像数据转换
第一种：通过JNI的整型数组传递图像数据：
第二种：通过自定义图像对象传递图像数据：
第三种：使用OpenCV的Java包实现NDK开发
三、三种方法相比
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：
2.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。
3.第三步：
将下载的“OpenCV-android-sdk”放在工程的根目录下：
4.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，修改app/CMakeLists.txt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})完整的 CMakeLists.txt文件：
# For more information about using CMake with Android Studio, read the
# documentation: https://d.android.com/studio/projects/add-native-code.html
# Sets the minimum version of CMake required to build the native library.
cmake_minimum_required(VERSION 3.4.1)
set(OpenCV_DIR ${CMAKE_SOURCE_DIR}/../OpenCV-android-sdk/sdk/native/jni)
find_package(OpenCV REQUIRED)
include_directories( ${CMAKE_SOURCE_DIR}/../OpenCV-android-sdk/sdk/native/jni/include)
# Creates and names a library, sets it as either STATIC
# or SHARED, and provides the relative paths to its source code.
# You can define multiple libraries, and CMake builds them for you.
# Gradle automatically packages shared libraries with your APK.
#声明库名称、类型、源码文件
#add_library( # Sets the name of the library.
# native-lib
#
# # Sets the library as a shared library.
# SHARED
#
# # Provides a relative path to your source file(s).
# src/main/cpp/native-lib.cpp)
add_library( # Sets the name of the library.
imagePro-lib
# Sets the library as a shared library.
SHARED
# Provides a relative path to your source file(s).
src/main/cpp/imagePro.cpp
src/main/cpp/AndroidDebug.cpp
)
# Searches for a specified prebuilt library and stores the path as a
# variable. Because CMake includes system libraries in the search path by
# default, you only need to specify the name of the public NDK library
# you want to add. CMake verifies that the library exists before
# completing its build.
find_library( # Sets the name of the path variable.
log-lib
# Specifies the name of the NDK library that
# you want CMake to locate.
log )
# Specifies libraries CMake should link to your target library. You
# can link multiple libraries, such as libraries you define in this
# build script, prebuilt third-party libraries, or system libraries.
#将NDK库链接到native库中，这样native库才能调用NDK库中的函数
#target_link_libraries( # Specifies the target library.
# native-lib
# imagePro-lib
#
# # Links the target library to the log library
# # included in the NDK.
# ${log-lib} )
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})
#include_directories() - 指定关联的头文件目录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;
}
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：
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：
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~
