安卓OpenCV开发（六）图片处理（1）

使用OpenCV进行图片处理（1）

基础知识可以回顾我之前写的文章：
OpenCV导入
OpenCV人脸检测
OpenCV竖屏检测
OpenCV人脸识别
OpenCV小狗识别

本文将提供一下openCv处理图片的处理，文末附上代码链接。
（1）灰度处理
（2）腐蚀操作
（3）膨胀操作
（4）高斯模糊
（5）中值滤波
（6）Canny边缘检测
（7）盲水印

效果图如下：

实现流程

本质上，安卓使用OpenCV进行图片处理，就是引入openCv的库，然后调用相关的类，进行图片的处理。下面就是所有实现的核心代码：

（1）灰度处理

    public Bitmap toGray(Bitmap source) {
        Mat src = new Mat();
        Utils.bitmapToMat(source, src);
        Mat dst = new Mat();
        Imgproc.cvtColor(src, dst, Imgproc.COLOR_BGR2GRAY);
        Utils.matToBitmap(dst, source);
        src.release();
        dst.release();
        return source;
    }

（2）腐蚀操作

    public Bitmap toCorrosion(Bitmap bitmap, int width, int height) {
        //腐蚀
        Mat src = new Mat();
        Mat dst = new Mat();
        Mat element = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(width, height));
        Utils.bitmapToMat(bitmap, src);
        //src：源图像
        //dst：输出图像
        //element：这是我们将用来执行操作的内核。如果我们不指定，默认是一个简单的3x3矩阵。否则，我们可以指定它的形状。
        //为此，我们需要使用函数cv :: getStructuringElement：
        Imgproc.erode(src, dst, element);
        Utils.matToBitmap(dst, bitmap);
        src.release();
        dst.release();
        return bitmap;
    }

（3）膨胀操作

    public Bitmap toDilate(Bitmap bitmap, int width, int height) {
        //膨胀
        //src：源图像
        //dst：输出图像
        //element：这是我们将用来执行操作的内核。如果我们不指定，默认是一个简单的3x3矩阵。否则，我们可以指定它的形状。
        //为此，我们需要使用函数cv :: getStructuringElement：
        Mat src = new Mat();
        Mat dst = new Mat();
        Mat element = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(width, height));
        Utils.bitmapToMat(bitmap, src);
        Imgproc.dilate(src, dst, element);
        Utils.matToBitmap(dst, bitmap);
        src.release();
        dst.release();
        return bitmap;
    }

（4）高斯模糊

    public Bitmap toGaussian(Bitmap bitmap) {
        //高斯模糊
        Mat src = new Mat();
        Mat ret = new Mat();
        Utils.bitmapToMat(bitmap, src);
        // src，输入图像，即源图像，填Mat类的对象即可。它可以是单独的任意通道数的图片，但需要注意，图片深度应该为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
        // dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone，以源图片为模板，来初始化得到如假包换的目标图。
        // ksize，高斯内核的大小。其中ksize.width和ksize.height可以不同，但他们都必须为正数和奇数（并不能理解）。或者，它们可以是零的，它们都是由sigma计算而来。
        // sigmaX，表示高斯核函数在X方向的的标准偏差。
        // sigmaY，表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。
        Imgproc.GaussianBlur(src, ret, new Size(77, 77), 5, 5);
        Utils.matToBitmap(ret, bitmap);
        src.release();
        ret.release();
        return bitmap;
    }

（5）中值滤波

    public Bitmap toMedianBlur(Bitmap bitmap, int ksize) {
        //中值滤波
        Mat src = new Mat();
        Mat ret = new Mat();
        Utils.bitmapToMat(bitmap, src);
        // InputArray src: 输入图像，图像为1、3、4通道的图像，当模板尺寸为3或5时，图像深度只能为CV_8U、CV_16U、CV_32F中的一个，如而对于较大孔径尺寸的图片，图像深度只能是CV_8U。
        // OutputArray dst: 输出图像，尺寸和类型与输入图像一致，可以使用Mat::Clone以原图像为模板来初始化输出图像dst
        // int ksize: 滤波模板的尺寸大小，必须是大于1的奇数，如3、5、7……
        Imgproc.medianBlur(src, ret, ksize);
        Utils.matToBitmap(ret, bitmap);
        src.release();
        ret.release();
        return bitmap;
    }

（6）Canny边缘检测

    public Bitmap CannyScan(Bitmap bitmap, int threshold1, int threshold2) {
        //边缘检测
        Mat src = new Mat();
        Utils.bitmapToMat(bitmap, src);
        Mat gray = new Mat();
        Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);//灰度处理
        Mat ret = src.clone();
        // image  输入图像，必须是CV_8U的单通道或者三通道图像。
        // edges  输出图像，与输入图像具有相同尺寸的单通道图像，且数据类型为CV_8U。
        // threshold1  第一个滞后阈值。
        // threshold2  第二个滞后阈值。
        Imgproc.Canny(src, ret, threshold1, threshold2);
        Utils.matToBitmap(ret, bitmap);
        src.release();
        gray.release();
        ret.release();
        return bitmap;
    }

（7）盲水印
感谢提供的思路
核心为图片进行离散傅里叶变换后，加入文字，然后再转换回来。
目前暂不支持中文

项目地址
分支dev
搜索：HomeActivity

that’s all--------------------------------------------------------------------------------------------------------------