安卓Android Studio JNI开发问题澄清与汇总

安卓Android Studio JNI开发问题澄清与汇总

  • Bitmap的操作
    • 如何在JNI中读取和输出Bitmap
    • setPixels()方法:
    • 二维数组转化为Bitmap
    • Bitmap和CV::Mat的相互转化
  • CV操作
    • ConvertTo

Bitmap的操作

如何在JNI中读取和输出Bitmap

AndroidBitmap_lockPixels和AndroidBitmap_unlockPixels的底层逻辑就是在处理bitmap中的数据的时候,把内存锁定,防止像素缓存被改变导致数据变化。

这篇文章有具体介绍相关的机制

下面是Bitmap操作的示例代码:

#include 
#include 
#include 
#include 

using namespace cv;

extern "C" {

JNIEXPORT jobject JNICALL Java_com_example_NativeUtils_processImage(JNIEnv *env, jobject obj, jobject bitmap) {
    AndroidBitmapInfo info;
    void *pixels = 0;

    //获取bitmap的信息
    if (AndroidBitmap_getInfo(env, bitmap, &info) < 0) {
        return NULL;
    }

    //获取bitmap的像素数据
    if (AndroidBitmap_lockPixels(env, bitmap, &pixels) < 0) {
        return NULL;
    }

    //将像素数据转为Mat矩阵
    Mat src(info.height, info.width, CV_8UC4, pixels);

    //图像处理,这里以灰度化为例
    cvtColor(src, src, COLOR_RGBA2GRAY);

    //将处理后的图像数据转为Bitmap
    jobject newBitmap = createBitmap(env, src);

    //释放像素数据
    AndroidBitmap_unlockPixels(env, bitmap);

    return newBitmap;
}

jobject createBitmap(JNIEnv *env, Mat &src) {
    jclass bitmapCls = env->FindClass("android/graphics/Bitmap");
    jmethodID createBitmapMethodID = env->GetStaticMethodID(bitmapCls, "createBitmap", "(IIZ)Landroid/graphics/Bitmap;");
    jobject newBitmap = env->CallStaticObjectMethod(bitmapCls, createBitmapMethodID, src.cols, src.rows, Bitmap_Config::ARGB_8888);

    AndroidBitmapInfo info;
    void *pixels = 0;

    //获取Bitmap的像素数据
    if (AndroidBitmap_getInfo(env, newBitmap, &info) < 0) {
        return NULL;
    }
    if (AndroidBitmap_lockPixels(env, newBitmap, &pixels) < 0) {
        return NULL;
    }

    //将Mat矩阵中的数据复制到Bitmap中
    uint8_t *srcPixels = src.data;
    uint8_t *dstPixels = reinterpret_cast<uint8_t *>(pixels);
    int len = info.width * info.height * 4;
    for (int i = 0; i < len; ++i) {
        *dstPixels++ = *srcPixels++;
    }

    //释放像素数据
    AndroidBitmap_unlockPixels(env, newBitmap);

    return newBitmap;
}

}

Java端代码:

public class NativeUtils {

    static {
        System.loadLibrary("native-lib");
    }

    public static native Bitmap processImage(Bitmap bitmap);
}

使用时,可以直接调用NativeUtils中的processImage方法即可。当然,这只是一个简单的示例,实际开发中需要针对不同的图像处理需求进行修改和优化。

在上述代码中,我们使用了createBitmap函数将Mat矩阵中的数据复制到Bitmap中,其中Bitmap_Config::ARGB_8888表示Bitmap的像素格式为ARGB8888,即每个像素点占4个字节。而在Mat矩阵中,我们使用了CV格式来指定矩阵的数据类型。以下是常用的CV格式:

  • CV_8UC1 表示8位无符号单通道
  • CV_8UC2 表示8位无符号双通道
  • CV_8UC3 表示8位无符号三通道
  • CV_8UC4 表示8位无符号四通道
  • CV_32FC1 表示32位单精度浮点单通道
  • CV_32FC2 表示32位单精度浮点双通道
  • CV_32FC3 表示32位单精度浮点三通道
  • CV_32FC4 表示32位单精度浮点四通道

其中,UC表示unsigned char,即无符号字符类型;FC表示float,即浮点数类型。通道数可以根据需要自由组合,例如CV_8UC3表示8位无符号三通道数据。在Mat矩阵中,每个像素点所占的字节数由数据类型和通道数共同决定。例如,CV_8UC3类型的Mat矩阵中,每个像素点占用3个字节。在处理图像时,需要根据图像的实际情况进行不同类型的Mat矩阵的创建和处理。

setPixels()方法:

给bitmap赋像素值的方法有两种:

  1. bitmap.setPixel(int x,int y,color)此方法功能为给bitmap中的某个像素赋RGB值。

    参数
    x,y表示该像素的坐标。
    color为整型的RGB值。

  2. bitmap.setPixels(int [] pixels,int index,int stride, int x,int y,int width, int length)
    参数
    pixels数组表示像素RGB值
    index表示从数组的那里开始
    stride表示bitmap的跨宽,其中除了一行像素点的个数外还有其他信息,所以通常stride要大于width的值。
    x,y表示从bitmap的哪个坐标开始。
    width, length表示多宽多行

其中记住width*length要小于或等于pixels的数组长度,否则会抛出异常。

二维数组转化为Bitmap

//输入的数据类型可以根据需要更改
    public static Bitmap ConvertToBinaryBitmap(float[][] data,float threshold){
        int width = data[0].length;
        int height = data.length;

        //创建初始图像
        Bitmap result = Bitmap.createBitmap(width, height, Bitmap.Config.ARGB_8888);

        //bitmap赋值
        int[] pixs = new int[width * height];
        
        for(int i=0;i<height;i++){
            for(int j=0;j<width;j++){
                int x = i*width+j;
                //大于阈值,设置为白色
                if(data[i][j]>threshold){
                    int r = ((pixs[x] >> 16) & 0xff)|0xff;
                    int g = ((pixs[x] >> 8) & 0xff)|0xff;
                    int b =( pixs[x] & 0xff)|0xff;
                    pixs[x] = 0xff000000 | (r << 16) | (g << 8) | b;
                } 
                //小于阈值,设置为黑色
                else {
                    pixs[x] = 0xff000000;
                }
            }
        }
        //写入图像
        result.setPixels(pixs,0,width,0,0,width,height);
        return result;
    }

Bitmap和CV::Mat的相互转化

Bitmap转化Matrix:

bool BitmapToMatrix(JNIEnv * env, jobject obj_bitmap, cv::Mat & matrix) {
    void * bitmapPixels;                                            // Save picture pixel data
    AndroidBitmapInfo bitmapInfo;                                   // Save picture parameters

    ASSERT_FALSE( AndroidBitmap_getInfo(env, obj_bitmap, &bitmapInfo) >= 0);        // Get picture parameters
    ASSERT_FALSE( bitmapInfo.format == ANDROID_BITMAP_FORMAT_RGBA_8888
                  || bitmapInfo.format == ANDROID_BITMAP_FORMAT_RGB_565 );          // Only ARGB? 8888 and RGB? 565 are supported
    ASSERT_FALSE( AndroidBitmap_lockPixels(env, obj_bitmap, &bitmapPixels) >= 0 );  // Get picture pixels (lock memory block)
    ASSERT_FALSE( bitmapPixels );

    if (bitmapInfo.format == ANDROID_BITMAP_FORMAT_RGBA_8888) {
        cv::Mat tmp(bitmapInfo.height, bitmapInfo.width, CV_8UC4, bitmapPixels);    // Establish temporary mat
        tmp.copyTo(matrix);                                                         // Copy to target matrix
    } else {
        cv::Mat tmp(bitmapInfo.height, bitmapInfo.width, CV_8UC2, bitmapPixels);
        cv::cvtColor(tmp, matrix, cv::COLOR_BGR5652RGB);
    }

    //convert RGB to BGR
    cv::cvtColor(matrix,matrix,cv::COLOR_RGB2BGR);

    AndroidBitmap_unlockPixels(env, obj_bitmap);            // Unlock
    return true;
}

Matrix转化Bitmap:

bool MatrixToBitmap(JNIEnv * env, cv::Mat & matrix, jobject obj_bitmap) {
    void * bitmapPixels;                                            // Save picture pixel data
    AndroidBitmapInfo bitmapInfo;                                   // Save picture parameters

    ASSERT_FALSE( AndroidBitmap_getInfo(env, obj_bitmap, &bitmapInfo) >= 0);        // Get picture parameters
    ASSERT_FALSE( bitmapInfo.format == ANDROID_BITMAP_FORMAT_RGBA_8888
                  || bitmapInfo.format == ANDROID_BITMAP_FORMAT_RGB_565 );          // Only ARGB? 8888 and RGB? 565 are supported
    ASSERT_FALSE( matrix.dims == 2
                  && bitmapInfo.height == (uint32_t)matrix.rows
                  && bitmapInfo.width == (uint32_t)matrix.cols );                   // It must be a 2-dimensional matrix with the same length and width
    ASSERT_FALSE( matrix.type() == CV_8UC1 || matrix.type() == CV_8UC3 || matrix.type() == CV_8UC4 );
    ASSERT_FALSE( AndroidBitmap_lockPixels(env, obj_bitmap, &bitmapPixels) >= 0 );  // Get picture pixels (lock memory block)
    ASSERT_FALSE( bitmapPixels );

    if (bitmapInfo.format == ANDROID_BITMAP_FORMAT_RGBA_8888) {
        cv::Mat tmp(bitmapInfo.height, bitmapInfo.width, CV_8UC4, bitmapPixels);
        switch (matrix.type()) {
            case CV_8UC1:   cv::cvtColor(matrix, tmp, cv::COLOR_GRAY2RGBA);     break;
            case CV_8UC3:   cv::cvtColor(matrix, tmp, cv::COLOR_RGB2RGBA);      break;
            case CV_8UC4:   matrix.copyTo(tmp);                                 break;
            default:        AndroidBitmap_unlockPixels(env, obj_bitmap);        return false;
        }
    } else {
        cv::Mat tmp(bitmapInfo.height, bitmapInfo.width, CV_8UC2, bitmapPixels);
        switch (matrix.type()) {
            case CV_8UC1:   cv::cvtColor(matrix, tmp, cv::COLOR_GRAY2BGR565);   break;
            case CV_8UC3:   cv::cvtColor(matrix, tmp, cv::COLOR_RGB2BGR565);    break;
            case CV_8UC4:   cv::cvtColor(matrix, tmp, cv::COLOR_RGBA2BGR565);   break;
            default:        AndroidBitmap_unlockPixels(env, obj_bitmap);        return false;
        }
    }
    AndroidBitmap_unlockPixels(env, obj_bitmap);                // Unlock
    return true;
}

CV操作

ConvertTo

convertTo函数的用法

void Mat::convertTo( Mat& m, int rtype, double alpha=1, double beta=0 )
const;

输入参数:
m 目标矩阵。如果m的大小与原矩阵不一样,或者数据类型与参数不匹配,那么在函数convertTo内部会先给m重新分配空间。
rtype 指定从原矩阵进行转换后的数据类型,即目标矩阵m的数据类型。当然,矩阵m的通道数应该与原矩阵一样的。如果rtype是负数,那么m矩阵的数据类型应该与原矩阵一样。
alpha 缩放因子。默认值是1。即把原矩阵中的每一个元素都乘以alpha。
beta 增量。默认值是0。即把原矩阵中的每一个元素都乘以alpha,再加上beta。

功能:
把一个矩阵从一种数据类型转换到另一种数据类型,同时可以带上缩放因子和增量,公式如下:

m(x,y)=saturate_cast<rType>(alpha*(*this)(x,y)+beta);

由于有数据类型的转换,所以需要用saturate_cast来处理数据的溢出。

你可能感兴趣的:(端侧框架,android,计算机视觉,java)