一. OpenCV 介紹
OpenCV是一個基於BSD許可(開源)發行的跨平臺計算機視覺庫,可以運行在Linux、Windows、Android和Mac OS操作系統上。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成,同時提供了Python、Ruby、MATLAB等語言的接口,實現了圖像處理和計算機視覺方面的很多通用算法。
在移動端上使用 OpenCV 可以完成一系列圖像處理的工作。
二. OpenCV 在 Android 上的配置
我在項目中使用的 OpenCV 版本是 4.x。
在 Android Studio 中創建一個 Library,將官網下載的 OpenCV 導入後,就可以直接調用 OpenCV 中 Java 類的方法。
如果想調用 C++ 的類,也可以使用 CMake 創建環境,然後通過 include 文件放入指定路徑。
下面是項目中使用的 CMakeLists.txt
cmake_minimum_required(VERSION 3.6.0)
include_directories(
${CMAKE_SOURCE_DIR}/src/main/cpp/include
)
add_library(libopencv_java4 SHARED IMPORTED)
set_target_properties(
libopencv_java4
PROPERTIES IMPORTED_LOCATION
${CMAKE_SOURCE_DIR}/src/main/jniLibs/libs/${ANDROID_ABI}/libopencv_java4.so)
add_library(libc++_shared SHARED IMPORTED)
set_target_properties(
libc++_shared
PROPERTIES IMPORTED_LOCATION
${CMAKE_SOURCE_DIR}/src/main/jniLibs/libs/${ANDROID_ABI}/libc++_shared.so)
add_library(
detect
SHARED
src/main/cpp/detect-lib.cpp
src/main/cpp/detect-phone.cpp
)
find_library(
log-lib
log
)
target_link_libraries(
detect libopencv_java4 libc++_shared jnigraphics
${log-lib}
)
其中,detect-lib.cpp 和 detect-phone.cpp 是我創建的 C++ 類。打成 so 文件時,會包含這2個類。
三. 例子兩則
3.1 作爲二維碼識別的兜底方案
在 Android 原生開發中,二維碼識別有老牌的 zxing 等開源庫。爲何還要使用 OpenCV 呢?
因爲 OpenCV 有自己的優勢,藉助它可以定位到二維碼的位置,一般識別不到二維碼的內容大多是因爲找不到它的位置。要是能夠找到位置,就可以快速識別二維碼的內容。
這樣一來,識別二維碼時需要先拍一張照,從圖像中找出二維碼的位置。當然,還可以對圖像進行預處理,以便能夠更好地找到二維碼的位置。
下面的代碼,展示了在應用層拍完照之後,將圖片的路徑傳到 jni 層將其轉換成對應的 Mat 對象,再轉換成灰度圖像,然後找出二維碼的位置,要是能夠找到的話就識別出二維碼的內容。
extern "C"
JNIEXPORT jstring JNICALL
Java_com_xxx_sdk_utils_DetectUtils_qrDetect(JNIEnv *env, jclass jc,jstring filePath) {
const char *file_path_str = env->GetStringUTFChars(filePath, 0);
string path = file_path_str;
Mat src = imread(path);
Mat gray, qrcode_roi;
cvtColor(src, gray, COLOR_BGR2GRAY);
QRCodeDetector qrcode_detector;
vector<Point> pts;
string detect_info;
bool det_result = qrcode_detector.detect(gray, pts);
if (det_result) {
detect_info = qrcode_detector.decode(gray, pts, qrcode_roi);
return env->NewStringUTF(detect_info.c_str());
} else {
detect_info = "";
return env->NewStringUTF(detect_info.c_str());
}
}
對應的 Java 代碼,方便應用層調用 jni 層的 qrDetect()
public class DetectUtils {
static {
System.loadLibrary("detect");
}
/**
* 識別二維碼
* @param filePath
* @return
*/
public static native String qrDetect(String filePath);
......
}
最後是應用層的調用
// 使用 OpenCV 進行二維碼識別
val result = DetectUtils.qrDetect(filePath)
L.d("opencvs識別二維碼: $result")
3.2 比對圖像的差異
在我們的實際開發中遇到一個應用場景:需要判斷我們的手機回收機裏面是否存放了物體。(手機回收機是一個觸摸屏設備,可以通過 Android 系統來操作內部的硬件設備。)
我們事先拍一張回收機內沒有物體的圖作爲基準圖像,等到需要判斷是否存在物體時再拍一張圖片。兩幅圖片對比看比例,比列超過閾值則認爲回收機內存在着物體。
下面的代碼,展示了在應用層拍完照之後,跟基準圖片進行比對,並返回結果。
extern "C"
JNIEXPORT jboolean JNICALL
Java_com_xxx_sdk_utils_DetectUtils_checkPhoneInMTA(JNIEnv *env, jclass jc,jstring baseImgPath,jstring filePath) {
jboolean tRet = false;
const char *file_path_str = env->GetStringUTFChars(filePath, 0);
string path = file_path_str;
Mat src = imread(path);
const char *base_img_path_str = env->GetStringUTFChars(baseImgPath, 0);
string basePath = base_img_path_str;
Mat baseImg = imread(basePath);
int result = checkPhoneInBox(baseImg,src,40,0.1);
LOGI("checkPhoneInBox result = %d",result);
if (result == 0) {
tRet = true;
}
return tRet;
}
兩張圖片真正的比對是在 checkPhoneInBox() 中完成的。其中,maxFilter() 是爲了處理彩色的情況,然後使用高斯濾波進行降噪處理,再進行二值化處理,最後判斷灰度差異區域佔總圖像的比列是否超過預先設定的閾值。
int checkPhoneInBox(cv::Mat baseImg, cv::Mat snapImg, int diffThresh, double threshRatio) {
cv::Mat baseMaxImg, snapMaxImg,baseGausImg, snapGausImg;
if (baseImg.empty()|| snapImg.empty())
{
return -1;
}
try {
maxFilter(baseImg, baseMaxImg);
maxFilter(snapImg, snapMaxImg);
} catch (...) {
return -1;
}
cv::GaussianBlur(baseMaxImg, baseGausImg, cv::Size(5, 5),0);
cv::GaussianBlur(snapMaxImg, snapGausImg, cv::Size(5, 5),0);
cv::Mat diff,diffBin;
cv::Mat noMax;
cv::absdiff(baseGausImg, snapGausImg, diff);
cv::threshold(diff, diffBin, diffThresh, 255, cv::THRESH_BINARY);
float ratio = (float)cv::countNonZero(diffBin) / (long)diffBin.total();
LOGI("ratio = %f,%d,%ld",ratio,cv::countNonZero(diffBin),(long)diffBin.total());
if (ratio > threshRatio)
{
return 0;
}
else
{
return 1;
}
}
int maxFilter(cv::Mat baseImg, cv::Mat &maxImg)
{
if (baseImg.channels() <3)
{
maxImg = baseImg.clone();
}
else
{
maxImg.create(baseImg.size(), CV_8UC1);
for (int r=0;r<baseImg.rows;r++)
{
for (int c = 0; c < baseImg.cols; c++)
{
uchar maxTmp=0;
cv::Vec3b s = baseImg.at<cv::Vec3b>(r, c);
maxTmp = (std::max)(s[0],s[1]);
maxTmp = (std::max)(maxTmp,s[2]);
maxImg.at<uchar>(r, c) = maxTmp;
}
}
}
return 0;
}
對應的 Java 代碼,方便應用層調用 jni 層的 checkPhoneInMTA()
public class DetectUtils {
static {
System.loadLibrary("detect");
}
/**
* 判斷MTA中是否有手機
* @param baseImageFilePath 基準的圖片
* @param filePath 拍攝的圖片
* @return
*/
public static native boolean checkPhoneInMTA(String baseImageFilePath, String filePath);
......
}
最後是應用層的調用
val result = DetectUtils.checkPhoneInMTA(Constants.OPENCV_PHOTO_PATH, it.absolutePath)
四. 總結
OpenCV 是一款功能強大的圖像處理庫。但是它本身體積也較大,在移動端使用至少會增加 Android Apk 包 10 M+ 的體積(主要取決於 App 要支持多少個 CPU 架構)。如果很介意的話,可以考慮自行裁剪 OpenCV,然後再進行編譯。
我所在的部門隸屬於中臺部門,主要輸出接口和 SDK。在 SDK 中使用 OpenCV 的確會給業務方造成困擾,未來也會考慮如何減少 SDK 的體積,以及把 SDK 做成模塊化。