基于OpenCV和QT，建立Android图像处理程序
转自：http://www.cnblogs.com/jsxyhelu/p/8286475.html
一、综述
如何采集图片？在windows环境下，我们可以使用dshow，在linux下，也有ffmpeg等基础类库，再不济，opencv自带的videocapture也是提供了基础的支撑。那么在andoird下，使用的肯定是Android自带的相关函数了。由于Android是基于java语言的，如果我们想要调用Android 的相关函数，那么必须通过JNI的方法。
这里有可以分为两种，一种是直接在java中实现比较完整的函数，在qt中，只需要调用这个函数就可以；另一种就是使用qt自带的jni机制，比如下面这样，打开摄像头，并且采集图片。我们首先介绍第二种方法，让大家最快进入情况。
二、通过JNI打开摄像头
a、填加头文件和命名空间，定义公共变量和宏：
#include
#include
#include
#include
#include
#include
using namespace cv;
using namespace QtAndroid;
QString strFetchImage = "";
QString selectedFileName = "";
#define CHECK_EXCEPTION() \
if(env->ExceptionCheck())\
{\
qDebug() << "exception occured";\
env->ExceptionClear();\
} 其中需要注意的是，CHECK_EXCEPTION是用来检查Android系统是否有异常的。这一点在使用JNI的时候非常重要和必要。
b、填加回调类，主要就是在一系列异常判断后，获得imagepath。该类集成自ResultReceiver：
class ResultReceiver: public QAndroidActivityResultReceiver
{
public: ResultReceiver(QString imagePath, QLabel *view) : m_imagePath(imagePath), m_imageView(view){}
void handleActivityResult(int receiverRequestCode,int resultCode,const QAndroidJniObject & data){
qDebug() << "handleActivityResult, requestCode - " << receiverRequestCode<< " resultCode - " << resultCode<< " data - " << data.toString();
if(resultCode == -1 && receiverRequestCode == 1){
qDebug() << "captured image to - " << m_imagePath;
qDebug() << "captured image exist - " << QFile::exists(m_imagePath);
m_imageView->setPixmap(QPixmap(m_imagePath));}
}
QString m_imagePath;
QLabel *m_imageView;
};C、填加控件触发事件。一般来说我们选择pressed事件
d、编写拍照代码
//打开摄像头，采集图片
voidMainWindow::on_btn_capture_pressed()
{
ui->lbMain->setScaledContents(true);//显示的图像自动缩放
b_canSave=false; //图片没有采集完成，目前不可以保存
//引用JNI
QAndroidJniEnvironmentenv;
//创建用于打开摄像头的content
QAndroidJniObjectaction=QAndroidJniObject::fromString("android.media.action.IMAGE_CAPTURE");QAndroidJniObject (intent("android/content/Intent","(Ljava/lang/String;)V",action.object());
//设定img路径
QStringdate=QDateTime::currentDateTime().toString("yyyyMMdd_hhmmss");
QAndroidJniObjectfileName=QAndroidJniObject::fromString(date+".jpg");
QAndroidJniObjectsavedDir=QAndroidJniObject::callStaticObjectMethod("android/os/Environment","getExternalStorageDirectory","()Ljava/io/File;");
//使用CHECK_EXCEPTION处理异常
CHECK_EXCEPTION()
qDebug()<<"savedDir-"<(),fileName.object());
CHECK_EXCEPTION()
qDebug()<<"savedImageFile-"<());
CHECK_EXCEPTION()
//将输出路径传递过来
QAndroidJniObjectmediaStoreExtraOutput=QAndroidJniObject::getStaticObjectField("android/provider/MediaStore","EXTRA_OUTPUT","Ljava/lang/String;");
CHECK_EXCEPTION()
qDebug()<<"MediaStore.EXTRA_OUTPUT-"<(),
savedImageUri.object());
//获得采集图片的绝对路径,并且显示出来
ResultReceiver*resultReceiver=newResultReceiver(savedImageFile.toString(),ui->lbMain);
startActivity(intent,1,resultReceiver);
//获得返回的绝对地址(注意这句话一定要写在CHECK_EXCEPTION中）
strFetchImage=savedImageFile.toString();
}
最终采集到的图片地址保存在strFetchImage 中 e、编写处理代码。由于我这里主要进行的是图像处理操作，所以必须结合OpenCV相关函数进行
//图像处理操作
voidMainWindow::on_btn_process_pressed()
{
b_canSave=false;
if(strFetchImage!="")
{
ui->lbMain->setScaledContents(false);
Matsrc=imread(strFetchImage.toStdString());
Matsrc2;
Matrotated;
////////////////////////////主要算法/////////////////////////////
cv::resize(src,src2,cv::Size(720,1000));//标准大小
Matsrc_gray;
Matsrc_all=src2.clone();
Matthreshold_output;
vector>contours,contours2;
vectorhierarchy;
//预处理
cvtColor(src2,src_gray,CV_BGR2GRAY);
blur(src_gray,src_gray,Size(3,3));//模糊，去除毛刺
threshold(src_gray,threshold_output,100,255,THRESH_OTSU);
//添加提示
ui->lb_info->setText("开始寻找轮廓!");
//寻找轮廓
//第一个参数是输入图像2值化的
//第二个参数是内存存储器，FindContours找到的轮廓放到内存里面。
//第三个参数是层级，**[Next,Previous,First_Child,Parent]**的vector
//第四个参数是类型，采用树结构
//第五个参数是节点拟合模式，这里是全部寻找
findContours(threshold_output,contours,hierarchy,CV_RETR_TREE,CHAIN_APPROX_NONE,Point(0,0));
//添加提示
if(contours.size()<=10)
{
ui->lb_info->setText("轮廓筛选错误，循环退出!请重新采集数据。");
return;
}
else
{
ui->lb_info->setText("开始寻找轮廓!开始筛选轮廓!");
}
//轮廓筛选
intc=0,ic=0,area=0;
intparentIdx=-1;
for(inti=0;i=2)
{
contours2.push_back(contours[parentIdx]);
ic=0;
parentIdx=-1;
}
}
//添加提示
if(contours2.size()<3)
{
ui->lb_info->setText("定位点选择错误，循环退出!请重新采集数据。");
return;
}
else
{
ui->lb_info->setText("开始寻找轮廓!开始筛选轮廓!定位点选择正确!");
}
//填充定位点,我们约定，必须要能够同时识别出4个点来
for(inti=0;ilbMain->setPixmap(qpixmap);
ui->lb_info->setText("定位点数量不为4!请重新采集数据。");
return;
}
else
{
//否则，进一步分割
Pointpoint[4];
for(inti=0;i720*1000/4)
{
ui->lb_info->setText("采集中有错误轮廓，请重新采集数据");
QPixmapqpixmap=Mat2QImage(src_all);
ui->lbMain->setPixmap(qpixmap);
return;
}
//定位重点，并重新排序
Pointptmp=Center_cal(contours2,i);
if(ptmp.x<720/4&&ptmp.y<1000/4)
{
point[0]=ptmp;
}
elseif(ptmp.x<720/4&&ptmp.y>1000/4)
{
point[2]=ptmp;
}
elseif(ptmp.x>720/4&&ptmp.y<1000/4)
{
point[1]=ptmp;
}
else
{
point[3]=ptmp;
}
}
//打印出来
for(inti=0;i<3;i++)
{
charcbuf[100];
sprintf(cbuf,"%d",i+1);
putText(src_all,cbuf,point[i],FONT_HERSHEY_PLAIN,5,Scalar(0,0,0),5);
ui->lb_info->setText("结果识别正确，可以保存");
}
//透视变换
cv::Point2fsrc_vertices[4];
src_vertices[0]=point[0];
src_vertices[1]=point[1];
src_vertices[2]=point[2];
src_vertices[3]=point[3];
Point2fdst_vertices[4];
dst_vertices[0]=Point(0,0);
dst_vertices[1]=Point(720,0);
dst_vertices[2]=Point(0,1000);
dst_vertices[3]=Point(720,1000);
MatwarpMatrix=getPerspectiveTransform(src_vertices,dst_vertices);
//执行透视变化
warpPerspective(src2,rotated,warpMatrix,rotated.size(),INTER_LINEAR,BORDER_CONSTANT);
}
//////////////////////////END主要算法END///////////////////////
//将图片显示到label上
QPixmapqpixmap=Mat2QImage(rotated);
ui->lbMain->setPixmap(qpixmap);
matResult=rotated.clone();
b_canSave=true;
}
} 三、初步结果和继续研究需要解决的问题
按照设计，目前得到这样的结果
下一步注重解决以下问题
1、提高程序稳定性；
2、提高界面流程性和运行速度；
3、重构代码，进一步进行封装；
4、添加数据保存的相关功能。
感谢阅读至此，希望有所帮助！