【AndroidStudio NDK之使用OpenCV——第一节】使用AndroidStudio搭建OpenCV的NDK开发环境

一、OpenCV介绍

  OpenCV是一个基于开源的跨平台计算机视觉库，实现了许多图像处理和计算机视觉方面的通用算法，是计算机视觉领域最有力的研究工具之一。
  
OpenCV应用领域：人机互动 物体识别 图像分割 人脸识别 动作识别 运动跟踪 机器人 运动分析 机器视觉 结构分析 汽车安全驾驶 自动驾驶。。。

二、OpenCV模块介绍

1.core，核心功能模块，主要包含如下的内容：
  OpenCV基本数据结构（Basic Structures）；
  基本的C语言数据结构和操作（Basic C Structures and Operations）；
  动态数据结构（DynamicStructures）；
  数组操作相关函数（Operations on Arrays）；
  绘图功能（Drawing Functions）；
  XML和YAML语法的支持（XML/YAML Persistence）；
  XML和YAML语法的支持的C语言接口（XML/YAML Persistence (C API)）；
  聚类（Clustering）；
  辅助功能与系统函数和宏（Utility and System Functions and Macros）；
  与OpenGL的互操作（OpenGL interoperability）；
  
2.imgproc，是Image Processing的简写。图像处理模块，主要包含以下内容：
  线性和非线性的图像滤波（Image Filtering）；
  图像的几何变换（Geometric ImageTransformations）；
  图像的其他变换（Miscellaneous Image Transformations）；
  直方图（Histograms）；
  结构分析和形状描述（Structural Analysis and Shape Descriptors）；
  运动分析和目标跟踪（Motion Analysis and Object Tracking）；
  特征检测（Feature Detection）；
  目标检测（Object Detection）；
3. highgui，是High-level GUI and Media I/O的简写。高层用户界面模块和媒体输入/输出模块，主要包含以下内容：
  用户界面（User Interface）；
  图片和视频的读写（Reading and Writing Images and Video）；
  QT新功能（Qt New Functions）；
4. features2d，是2D Features Framework的简写。二维特征框架模块，主要包含以下内容：
  人脸识别
  VR和AR
  特征的检测和描述（Feature Detection and Description）；
  特征检测器的通用接口（Common Interfaces of Feature Detectors）；
  描述符提取器的通用接口（Common Interfaces of Descriptor Extractors）；
  描述符匹配器的通用接口（Common Interfaces of Descriptor Matchers）；
  通用描述符匹配器通用接口（Common Interfaces of Generic Descriptor Matchers）；
  关键点和匹配结果的绘制功能（Drawing Function of Keypoints and Matches）；
  目标分类（Object Categorization）；
5.flann，Clustering and Search in Multi-Dimensional Spaces，多维空间聚类和搜索模块，主要包含以下内容：

  快速近视最近邻搜索（Fast Approximate Nearest Neighbor Search）；
  聚类（Clustering）；
6. video，是Video Analysis的简写。视频分析模块，主要包含以下内容：
   运动分析和目标跟踪（Motion Analysis and Object Tracking），视频相关的，上面提到的是图片相关的；
7. calib3d ，是Camera Calibration and 3D
  Reconstruction的简写。这个模块主要是相机校准和三维重建相关的内容，包括基本的多视角几何算法、单个立体摄像头标定、物体姿态估计、立体相似性算法，3D信息的重建等。

三、OpenCV-android-SDK目录结构
   apk   = ==》OpenCV manager针对各个架构的cup的manager安装包
   samples ===》 android平台下的案例源码和安装包（java调用方式的）
   sdk   = ==》 sdk文件夹

四、环境搭建（正文）
  1.搭建AndroidStudio的NDK环境，创建NDK项目；
  2.下载OpenCV（点击下载）
  3.找到app的build.gradle添加下面两句话：

为了方便大家copy，就特意写出来了

cmake {
                //-std=c++14 加入C++14支持
                cppFlags "-std=c++14 -frtti -fexceptions"
                //指定要ndk需要兼容的架构
                //注意:如果全部都适配的话，包很大，
                //    这样兼容那些用户数极少的cpu就很不划算，
                //    所以可以选择适配了armeabi-v7a这一个
                //   (我这里全部配置了apk真的很大 大概有80.7 MB)
 abiFilters 'arm64-v8a','armeabi','armeabi-v7a','mips','mips64','x86','x86_64'
 }
================================================================    
 sourceSets{
        main {
            //jni库的调用会到这个目录里面找so文件
 jniLibs.srcDirs = 
 ['E:/OpenCV/opencv-3.4.3-android-sdk/OpenCV-android-sdk/sdk/native/libs']
        }
    }

4.配置CMakeLists.txt文件（直接复制，把路径修改成自己的就成）

#声明CMake的版本要求
cmake_minimum_required(VERSION 3.4.1)
#该变量为真时会创建完整版本的Makefile
set(CMAKE_VERBOSE_MAKEFILE on)
#定义变量ocvlibs使后面的命令可以使用定位具体的库文件
set(ocvlibs 
"E:/OpenCV/opencv-3.4.3-android-sdk/OpenCV-android-sdk/sdk/native/libs")

#调用头文件的具体路径
include_directories
(E:/OpenCV/opencv-3.4.3-android-sdk/OpenCV-android-sdk/sdk/native/jni/include)
#生成动态库openvc-lib
add_library(openvc-lib SHARED IMPORTED )
#设置输出的名称,设置动态库的版本和API版本
set_target_properties(openvc-lib
                      PROPERTIES
                      IMPORTED_LOCATION
					  "${ocvlibs}/${ANDROID_ABI}/openvc-lib.so")
					  
add_library(native-lib SHARED src/main/cpp/native-lib.cpp )
find_library(log-lib log )
target_link_libraries(native-lib openvc-lib android log ${log-lib})

5.检验是否成功（如果头文件导入成功 就表示环境搭建没啥问题!）

五、案例
  既然环境搭建成功，相信很多人会迫不及待的想要去尝试一下，这里给大家做了一个简单的 “ 图片灰度处理 ” 案例：

• 布局（请自行脑补，谢谢！）
• MainActivity.java

    static {
        System.loadLibrary("native-lib");
    }  
    public native int[] getGrayImage(int pixels[], int width, int height);
    private ImageView imageView;
    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        findViewById(R.id.button).setOnClickListener(this);
        imageView = findViewById(R.id.imageView);
        //获取位图
        bitmap = 
        BitmapFactory.decodeResource(this.getResources() , R.mipmap.mei);
        imageView.setImageBitmap(bitmap);
    }

    @Override
    public void onClick(View v) {
        switch (v.getId()) {
            case R.id.button:
                int w = bitmap.getWidth();
                int h = bitmap.getHeight();
                int pixels[] = new int[w*h];
                int count = 0;
                for(int i = 0 ; i < h ; i++)
                    for (int j = 0 ; j < w ; j++)
                        pixels[count++] = bitmap.getPixel(j , i);
                int p[] = getGrayImage(pixels , w , h);
                imageView.setImageBitmap(
                Bitmap.createBitmap(p , w , h , Bitmap.Config.ARGB_8888));
                break;
        }
    }

• native-lib.cpp

#include <jni.h> 
#include <opencv2/opencv.hpp>

extern "C" {
   JNIEXPORT jintArray JNICALL
   Java_com_qingyan_opecv_101_MainActivity_getGrayImage
   (JNIEnv *env, jobject instance, jintArray _pixels, jint width, jint height) 
    {
        jint *pixels = env->GetIntArrayElements(_pixels , NULL);
        if(pixels==NULL){
            return NULL;
        }
        cv::Mat imgData(height , width , CV_8UC4 , pixels);

        uchar *ptr = imgData.ptr(0);

        for (int i = 0; i < width * height; i++) {
            int grayScale = (int) (ptr[4 * i + 2] * 0.299 
            + ptr[4 * i + 1] * 0.587  + ptr[4 * i + 0] * 0.114);
            ptr[4 * i + 1] = (uchar) grayScale;
            ptr[4 * i + 2] = (uchar) grayScale;
            ptr[4 * i + 0] = (uchar) grayScale;
        } 
        int size = width * height;
        jintArray result = env->NewIntArray(size);
        env->SetIntArrayRegion(result, 0, size, pixels);
        env->ReleaseIntArrayElements(_pixels, pixels, 0);
        return result; 
    }
}

• 效果