CameraX的使用

CameraX的介绍

CameraX 是一个 Jetpack 支持库，旨在帮助您简化相机应用的开发工作。它提供了一个一致且易于使用的API界面，可以兼容至android5.0。（API 级别 21）

CameraX的基础使用

本文章使用kotlin代码
第一步
要使用CameraX首先要在build.gradle(module:app)的dependencies{}里添加如下代码：

   def camerax_version = "1.0.0-beta07"
// 使用camera2实现的CameraX核心库
    implementation "androidx.camera:camera-camera2:$camerax_version"
// CameraX生命周期库
    implementation "androidx.camera:camera-lifecycle:$camerax_version"
// CameraX View类
    implementation "androidx.camera:camera-view:1.0.0-alpha14"

然后进行gradle同步（这里可能需要开代理）
第二步
在主要布局文件里创建一个Button和一个androidx.camera.view.PreviewView（使用自定义的Button会更好）如下：

第三步
在AndroidManifest.xml文件中申请权限

在第四步中要在activity的kt文件中添加请求权限的方法

第四步
创建mainactivity的kt文件，代码如下：

import androidx.appcompat.app.AppCompatActivity
import android.os.Bundle
import android.Manifest
import android.content.pm.PackageManager
import android.net.Uri
import android.util.Log
import android.widget.Toast
import androidx.core.app.ActivityCompat
import androidx.core.content.ContextCompat
import java.util.concurrent.Executors
import androidx.camera.core.*
import androidx.camera.lifecycle.ProcessCameraProvider
import kotlinx.android.synthetic.main.activity_main.*
import java.io.File
import java.nio.ByteBuffer
import java.text.SimpleDateFormat
import java.util.*
import java.util.concurrent.ExecutorService
typealias LumaListener = (luma: Double) -> Unit

class MainActivity : AppCompatActivity() {
    private var imageCapture: ImageCapture? = null

    private lateinit var outputDirectory: File
    private lateinit var cameraExecutor: ExecutorService

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        // 请求相机权限
        if (allPermissionsGranted()) {
            startCamera()
        } else {
            ActivityCompat.requestPermissions(
                this, REQUIRED_PERMISSIONS, REQUEST_CODE_PERMISSIONS)
        }

        // 设置拍照的监听按钮
        camera_capture_button.setOnClickListener { takePhoto() }
        outputDirectory = getOutputDirectory()
        cameraExecutor = Executors.newSingleThreadExecutor()
    }

    private fun takePhoto() {
        // 获得可修改的图像捕获用例
        val imageCapture = imageCapture ?: return

        // 创建带时间戳的输出文件用于保存文件
        val photoFile = File(
            outputDirectory,
            SimpleDateFormat(FILENAME_FORMAT, Locale.US
            ).format(System.currentTimeMillis()) + ".jpg")

        // 创建输出选项对象
        val outputOptions = ImageCapture.OutputFileOptions.Builder(photoFile).build()
        
        // 设置图像捕获监听器，拍照后触发
        imageCapture.takePicture(
            outputOptions, ContextCompat.getMainExecutor(this), object : ImageCapture.OnImageSavedCallback {
                override fun onError(exc: ImageCaptureException) {
                    Log.e(TAG, "Photo capture failed: ${exc.message}", exc)
                }
                override fun onImageSaved(output: ImageCapture.OutputFileResults) {
                    val savedUri = Uri.fromFile(photoFile)
                    val msg = "Photo capture succeeded: $savedUri"
                    Toast.makeText(baseContext, msg, Toast.LENGTH_SHORT).show()
                    Log.d(TAG, msg)
                }
            })
    }
    
    private fun startCamera() {
        val cameraProviderFuture = ProcessCameraProvider.getInstance(this)
        cameraProviderFuture.addListener(Runnable {
            // 用于将摄像机的生命周期绑定到生命周期所有者
            val cameraProvider: ProcessCameraProvider = cameraProviderFuture.get()

            val preview = Preview.Builder()
                .build()
                .also {
                    it.setSurfaceProvider(viewFinder.createSurfaceProvider())
                }

            imageCapture = ImageCapture.Builder()
                .build()

            // 默认选择后置摄像头，这边可以设置方法选择摄像头
            val cameraSelector = CameraSelector.DEFAULT_BACK_CAMERA

            try {
                cameraProvider.unbindAll()
                // 将用例绑定到相机
                cameraProvider.bindToLifecycle(
                    this, cameraSelector, preview, imageCapture)
            } catch(exc: Exception) {
                Log.e(TAG, "Use case binding failed", exc)
            }

        }, ContextCompat.getMainExecutor(this))
    }

    private fun allPermissionsGranted() = REQUIRED_PERMISSIONS.all {
        ContextCompat.checkSelfPermission(
            baseContext, it) == PackageManager.PERMISSION_GRANTED
    }
    //申请权限的方法
    override fun onRequestPermissionsResult(
        requestCode: Int, permissions: Array, grantResults:
        IntArray) {
        if (requestCode == REQUEST_CODE_PERMISSIONS) {
            if (allPermissionsGranted()) {
                startCamera()
            } else {
                Toast.makeText(this,
                    "Permissions not granted by the user.",
                    Toast.LENGTH_SHORT).show()
                finish()
            }
        }
    }

    private fun getOutputDirectory(): File {
        val mediaDir = externalMediaDirs.firstOrNull()?.let {
            File(it, resources.getString(R.string.app_name)).apply { mkdirs() } }
        return if (mediaDir != null && mediaDir.exists())
            mediaDir else filesDir
    }

    override fun onDestroy() {
        super.onDestroy()
        cameraExecutor.shutdown()
    }

    companion object {
        private const val TAG = "CameraXBasic"
        private const val FILENAME_FORMAT = "yyyy-MM-dd-HH-mm-ss-SSS"
        private const val REQUEST_CODE_PERMISSIONS = 10
        private val REQUIRED_PERMISSIONS = arrayOf(Manifest.permission.CAMERA)
    }
}

到此就可以利用CameraX实现一个可拍照储存的相机

CameraX的进阶使用

CameraX可以和MLKit或Tensorflow Lite一起使用，来对图像进行实施分析。
如果要使用Tensorflow Lite，首先要在build.gradle(module:app)添加Tensorflow Lite的依赖，并进行gradle同步。

    implementation 'org.tensorflow:tensorflow-lite:0.0.0-nightly'
    implementation 'org.tensorflow:tensorflow-lite-gpu:0.0.0-nightly'
    implementation 'org.tensorflow:tensorflow-lite-support:0.0.0-nightly'

然后在ImageAnalysis.Analyzer接口的类中重写函数。

                imageAnalysis.setAnalyzer(executor, ImageAnalysis.Analyzer { image ->
                if (!::bitmapBuffer.isInitialized) {
                    // 在分析仪开始运行后，才开始初始化图像旋转和RGB图像缓冲区
                    imageRotationDegrees = image.imageInfo.rotationDegrees
                    bitmapBuffer = Bitmap.createBitmap(
                        image.width, image.height, Bitmap.Config.ARGB_8888)
                }

                // 提前退出
                if (pauseAnalysis) {
                    image.close()
                    return@Analyzer
                }

                // 将图像转换为RGB并将其放置在我们的共享缓冲区中
                image.use { converter.yuvToRgb(image.image!!, bitmapBuffer) }

                // 在Tensorflow中处理图像
                val tfImage =  tfImageProcessor.process(tfImageBuffer.apply { load(bitmapBuffer) })

                // 对当前帧执行对象检测
                val predictions = detector.predict(tfImage)

                // 报告最正确的预测
                reportPrediction(predictions.maxBy { it.score })

                // 计算FPS
                val frameCount = 10
                if (++frameCounter % frameCount == 0) {
                    frameCounter = 0
                    val now = System.currentTimeMillis()
                    val delta = now - lastFpsTimestamp
                    val fps = 1000 * frameCount.toFloat() / delta
                    Log.d(TAG, "FPS: ${"%.02f".format(fps)}")
                    lastFpsTimestamp = now
                }
            })

参考文档：android官方文档

原文作者：李宇恒
原文链接