opencv4android 常用函数API（一）
openCV4android常用变换（一）
简介
OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。–来自百度。
OpenCV4android是opencv在android上的实现，进行一定配置之后就一个在android中通过Java调用opencv中的功能，可以实现很多不同的效果和进行图片分析，处理等。
作者水平有限，并没有专门学过opencv，也不了解具体的算法实现，这篇文章只是简单的介绍一下opencv4android在android中的使用和相关api，如有误，请斧正。
这篇都有哪些内容：主要就是Imgproc中API的使用，核心（core）模块没有多介绍，一些基础的关于opencv的知识可以在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html学习,作者本人也是在这个网站学的，而且所有文章中的内容都是根据这个网站所提供的信息，在opencv4android中的实现，欢迎交流。
- 图像平滑处理
- 腐蚀和膨胀
- 更多形态学变化
- 图像金字塔
- 简单的阈值操作
- 实现自己的线性滤波器
- 给图像添加边界
- Sobel导数
先介绍这么多，以后还会有更多的内容的。这阅读下面的内容之前，请确定自己的Studio已经配置好了opencv4android，不会的可以去看我上一篇文章。先从简单的来。
图像的平滑处理
平滑 也称 模糊, 是一项简单且使用频率很高的图像处理方法。
在opencv中有四种常用处理方式：
- blur 归一化块滤波器
- GaussianBlur 高斯滤波器
- medianBlur 中值滤波器
- bilateralFilter 双边滤波器
这里先为大家普及两个概念，内核或者说核（Size），锚点（Point）
在我看来，核就是一个物体，用这个物体去扫描图片，使图片产生一系列的变化，锚点就是这个核中额某一个点，在一些特殊需要的情况下可能不在中心位置（我猜的）
具体的每一种滤波器是如何处理图像的我也不会，复制粘贴也不是我的风格，就这样了，直接上代码，看看效果。
private Mat rgbMat,dstMat;
private void changeBitmap(){
if(rgbMat==null|dstMat==null){
rgbMat=new Mat();
Utils.bitmapToMat(mBitmap,rgbMat);
//双边转换
// Imgproc.cvtColor(rgbMat,rgbMat,Imgproc.COLOR_BGR2RGB);
dstMat=new Mat(rgbMat.size(),rgbMat.type());
}
Log.d("TAG","rgb:"+rgbMat.type()+"/"+rgbMat.size()+"/"+dstMat.size()+"/"+dstMat.type());
switch (operation){
case 0: Imgproc.blur(rgbMat,dstMat,new Size(2*n+1,2*n+1),new Point(-1,-1)); break;
case 1: Imgproc.GaussianBlur(rgbMat,dstMat,new Size(2*n+1,2*n+1),0,0); break;
case 2: Imgproc.medianBlur(rgbMat,dstMat,2*n+1); break;
case 3: Imgproc.bilateralFilter(rgbMat,dstMat,10,75,75); break;
}
Utils.matToBitmap(dstMat,dstBitmap);
dstImage.setImageBitmap(dstBitmap);
}
说一下流程：
- 创建两个矩阵（容器）对象，分别问原图像（rgbMat），输出图像（dstMat）；
- 将其中rgbMat赋值，使用* Utils.bitmapToMat(mBitmap,rgbMat)*将一张图片变成矩阵对象，赋值到rgbMat中；
- dstMat采用rgbMat的尺寸和类型创建。
四种不同的平滑方式：
- blur：参数：原图像，输入图像，内核（内核中数值必须为正奇数），锚点（-1，-1代表内核中心）。
- GaussianBlur：参数：原图像，输入图像，内核（内核中数值必须为正奇数），x方向标准方差，y方向标准方差（0代表使用内核大小计算得到）。
- medianBlur：参数：原图像，输入图像，内核大小（必须为正奇数）。
- bilateralFilter：参数：原图像，输入图像，像素的邻域直径，颜色空间的标准方差，坐标空间的标准方差(像素单位)）。
调用Imgproc相对应的平滑方法会执行相应的操作，这里需要重点说一下bilateralFilter这个滤波器，在之前我练习的时候以为都差不多就使用高斯滤波器，跑一下可以了就过了，直到两个小时前在使用bilateralFilter的时候才发现，一直在报错，而且我也不理解是什么意思。
CvException [org.opencv.core.CvException: cv::Exception: /Volumes/Linux/builds/master_pack-android/opencv/modules/imgproc/src/smooth.cpp:3145: error: (-215) (src.type() == CV_8UC1 || src.type() == CV_8UC3) && src.data != dst.data in function void cv::bilateralFilter_8u(const cv::Mat&, cv::Mat&, int, double, double, int)
]
可以看一下错误信息，对于一个从没有学过C++，opencv的人来说这是什么？完全不理解好不好，之后就是上网查资料，看见了这个。
CV_Assert( (src.type() == CV_8UC1 || src.type() == CV_8UC3) &&
src.type() == dst.type() && src.size() == dst.size() &&
src.data != dst.data );
这个是赵春江先生/女士在CSDN上一篇博客的内容，是不是特别相似，不过到这我也不明白，所以就百度了下 CV_Assert 这个方法，说是C++中的assert（）方法类似，括号内为false会抛一个异常，到这我就知道问题出在哪里了，之后就是解决问题吧，又是坑啊，在opencv4android中并没有明确的CV_8UC1或者CV_8UC3常量，我就是想把type设置成指定类型的我都不知道类型是多少，不过，经过我不断的尝试（就是一个个转换看哪个不报错而已），终于也可以了，可以看见：
Imgproc.cvtColor(rgbMat,rgbMat,Imgproc.COLOR_BGR2RGB);
使用COLOR_BGR2RGB这个转换方式可以将图片转换成CV_8UC3，可能会有人问你怎么知道到RGB就是CV_8UC3，不要嘲笑我，我是真不知道8位无符号3通道就是RGB，不过我有一个灵活的大脑和勤劳的双手，少年看这里：
The input Mat object has to be of the types 'CV_8UC1' (gray-scale), 'CV_8UC3' (RGB) or 'CV_8UC4' (RGBA).
这个是Mat类中倒数第二个方法的注释，可以看到’CV_8UC3’ 就是RGB，而’CV_8UC1’就是灰度图，用android中的数值应该怎么表示那？告诉你：
- CV_8UC1—–Gray（灰度图）—0
- CV_8UC3—–RGB（彩色图）—16
- CV_8UC4—–BGR（彩色图）—24
不要问我怎么知道的，我会告诉你每次转换之后我都打印了一下type了吗？，现在这个问题算是解决了，只要将BGR图片转换成RGB的就可以，至于为什么，我不知道。。。。效果图
这个是正常BGR模式下的效果图，可以看出来在前三种模式下，相同内核大小，高斯滤波器的平滑效果明显要弱于其他两种，具体的不多说了，看下RGB模式下的效果：
可以看出来在初始情况下，图片就已经转换为RGB模式了，颜色上有明显的不同，之后是四种平滑方式的对比实现，可以根据个人喜好去选择不同的平滑方式。
腐蚀和膨胀
腐蚀和膨胀是最基本的形态学操作，之后会学到的其他形态学变化都是基于这两种所实现的，形态学操作，简单来讲，形态学操作就是基于形状的一系列，图像处理操作，通过将结构元素作用于输入图像来产生输出图像。
- 腐蚀：erode。参数：原图像，输出图像，内核（通过Imgproc.getStructuringElement）指定内核形状和内核大小
- 膨胀：dilation.参数：原图像，输出图像，内核（通过Imgproc.getStructuringElement）指定内核形状和内核大小
参考代码：
private Mat rgbMat,dstMat;
//腐蚀
private void changeBitmap(){
if(rgbMat==null|dstMat==null){
rgbMat=new Mat();
dstMat=new Mat();
Utils.bitmapToMat(mBitmap,rgbMat);
}
//设置内核形状和内核大小
Mat kernel=Imgproc.getStructuringElement(shape,new Size(2*n+1,2*n+1),new Point(n,n));
Imgproc.erode(rgbMat,dstMat,kernel);
Utils.matToBitmap(dstMat,dstBitmap);
dstImage.setImageBitmap(dstBitmap);
}
//膨胀
private void grayBitmap(){
if(rgbMat==null|dstMat==null){
rgbMat=new Mat();
dstMat=new Mat();
Utils.bitmapToMat(mBitmap,rgbMat);
}
//设置内核形状和内核大小
Mat kernel=Imgproc.getStructuringElement(shape,new Size(2*n+1,2*n+1),new Point(n,n));
Imgproc.dilate(rgbMat,dstMat,kernel);
Utils.matToBitmap(dstMat,dstBitmap);
dstImage.setImageBitmap(dstBitmap);
}
可以看到大部分的代码都是相同的就是函数名不一样，也没有什么好解释的，看效果:
关于内核的形状有三种，分别是矩形，交错形和椭圆形，可以通过腐蚀时看出来三种不同的内核对腐蚀效果的影响。
更多形态学变化
在掌握了基础的两种变化之后，可以学习更复杂一点的形态学变化方式：
- 开运算 (Opening)：腐蚀后膨胀
- 闭运算 (Closing)：膨胀后腐蚀
- 形态梯度 (Morphological Gradient)：膨胀和腐蚀之差
- 顶帽 (Top Hat)：原图像和开运算之差
- 黑帽(Black Hat)：原图像和闭运算之差
所使用的函数统一为morphologyEx(Mat src, Mat dst, int op, Mat kernel)，其中src为原图像，dst为输出图像，op为操作类型，kernel为内核。
忘了介绍了，在opencv4android中关于内核形状和形态学方法是有常量表示的：
形态学方法：
- MORPH_ERODE = 0,
- MORPH_DILATE = 1,
- MORPH_OPEN = 2,
- MORPH_CLOSE = 3,
- MORPH_GRADIENT = 4,
- MORPH_TOPHAT = 5,
- MORPH_BLACKHAT = 6,
内核形状：
- MORPH_RECT = 0,
- MORPH_CROSS = 1,
- MORPH_ELLIPSE = 2,
至于这些内容是从哪找的，可以去参考Imgproc中的常量。上代码~~~~·
private void changeBitmap() {
if(rgbMat==null|dstMat==null){
rgbMat=new Mat();
dstMat=new Mat();
Utils.bitmapToMat(mBitmap,rgbMat);
}
Mat kernel=Imgproc.getStructuringElement(shape,new Size(2*n+1,2*n+1),new Point(n,n));
Imgproc.morphologyEx(rgbMat,dstMat,operation,kernel);
Utils.matToBitmap(dstMat,dstBitmap);
Toast.makeText(MainActivity.this,"OK",Toast.LENGTH_SHORT).show();
dstImage.setImageBitmap(dstBitmap);
}
效果图如下：
个人比较喜欢黑猴子，不知道大家喜欢哪一个？值得注意就是当采用black加椭圆内核的时候，运行起来有比较严重的延迟，界面被阻塞了，实际应用中应该采用异步的方式去使用，更多的就需要大家去实践了。如果有不理解的可以留言，这篇就讲这么多，剩下的内容我需要去整理一下，先到这里。