前言
OpenCV
提供的视觉处理算法非常丰富,对图像、视频处理提供比较方便的处理方法,本文介绍使用 OpenCV
对图像进行处理,本文例子基于 Android Studio 3.4.1
,OpenCV 3.4.6
,gradle-5.1.1
,build:gradle:3.4.1
。若下载 Demo 编译不成功请升级 AS 或 将相关配置修改,项目源码在文末链接下载。
1. 转灰度图
主要使用 cvtColor
方法进行转换,亦可拿到图片的像素进行自行转换
JNIEXPORT jint JNICALL
Java_com_vegen_opencvproject_ResultUtil_toGray(JNIEnv *env, jobject instance, jobject bitmap) {
// --------- 第一种方法:使用 api 转灰度图 ---------
/*
Mat mat;
bitmap2Mat(env, mat, bitmap);
Mat gray_mat;
cvtColor(mat, gray_mat, COLOR_BGRA2GRAY);
mat2Bitmap(env, gray_mat, bitmap);
*/
// --------- 第二种方法:原理层面转灰度图 ---------
AndroidBitmapInfo bitmapInfo;
int info_res = AndroidBitmap_getInfo(env, bitmap, &bitmapInfo);
if (info_res != 0) {
return info_res;
}
void *pixels;
AndroidBitmap_lockPixels(env, bitmap, &pixels);
// 判断颜色通道
if (bitmapInfo.format == ANDROID_BITMAP_FORMAT_RGBA_8888) {
for (int i = 0; i < bitmapInfo.width * bitmapInfo.height; ++i) {
uint32_t *pixel_p = reinterpret_cast<uint32_t *>(pixels) + i;
uint32_t pixel = *pixel_p;
int a = (pixel >> 24) & 0xff;
int r = (pixel >> 16) & 0xff;
int g = (pixel >> 8) & 0xff;
int b = pixel & 0xff;
// f = 0.213f * r + 0.715f * g + 0.072f * b
int gery = (int) (0.213f * r + 0.715f * g + 0.072f * b);
*pixel_p = (a << 24) | (gery << 16) | (gery << 8) | gery;
}
} else if (bitmapInfo.format == ANDROID_BITMAP_FORMAT_RGB_565) {
for (int i = 0; i < bitmapInfo.width * bitmapInfo.height; ++i) {
uint16_t *pixel_p = reinterpret_cast<uint16_t *>(pixels) + i;
uint16_t pixel = *pixel_p;
// 8888 -> 565
int r = ((pixel >> 11) & 0x1f) << 3; // 5
int g = ((pixel >> 5) & 0x3f) << 2; // 6
int b = (pixel & 0x1f) << 3; // 5
// f = 0.213f * r + 0.715f * g + 0.072f * b
int gery = (int) (0.213f * r + 0.715f * g + 0.072f * b); // 8位
*pixel_p = ((gery >> 3) << 11) | ((gery >> 2) << 5) | (gery >> 3);
}
}
// 其他通道暂不介绍
AndroidBitmap_unlockPixels(env, bitmap);
return 0;
}
转灰度图
2. 底片效果
主要是拿到像素值用 255 减之
JNIEXPORT jint JNICALL
Java_com_vegen_opencvproject_ResultUtil_negative(JNIEnv *env, jobject instance, jobject bitmap) {
Mat src;
bitmap2Mat(env, src, bitmap);
Mat gary;
cvtColor(src, gary, COLOR_BGR2GRAY);
// 读者可以注释下面实现查看效果
Mat testMat = src.clone(); // 4 通道
//Mat testMat = gary.clone(); // 1 通道
// 获取信息
int cols = testMat.cols;// 宽
int rows = testMat.rows;// 高
int channels = testMat.channels();// 1
LOGE("cols:%d rows:%d channels:%d", cols, rows, channels);
// Bitmap 里面转的是 4 通道 , 一个通道就可以代表灰度
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
if (channels == 3) {
// 获取像素 at Vec3b 个参数
int b = testMat.at<Vec3b>(i, j)[0];
int g = testMat.at<Vec3b>(i, j)[1];
int r = testMat.at<Vec3b>(i, j)[2];
// 修改像素 (底片效果)
testMat.at<Vec3b>(i, j)[0] = 255 - b;
testMat.at<Vec3b>(i, j)[1] = 255 - g;
testMat.at<Vec3b>(i, j)[2] = 255 - r;
} else if (channels == 4) {
// 获取像素 at Vec4b 个参数
int b = testMat.at<Vec4b>(i, j)[0];
int g = testMat.at<Vec4b>(i, j)[1];
int r = testMat.at<Vec4b>(i, j)[2];
int a = testMat.at<Vec4b>(i, j)[3];
// 修改像素 (底片效果)
testMat.at<Vec4b>(i, j)[0] = 255 - b;
testMat.at<Vec4b>(i, j)[1] = 255 - g;
testMat.at<Vec4b>(i, j)[2] = 255 - r;
} else if (channels == 1) {
uchar pixels = testMat.at<uchar>(i, j);
testMat.at<uchar>(i, j) = 255 - pixels;
}
}
}
mat2Bitmap(env, testMat, bitmap);
return 0;
}
底片效果
3. 图层叠加
使用 addWeighted
方法,必须两张图的大小一样
addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1);
- 第一个参数,InputArray类型的src1,表示需要加权的第一个数组,常常填一个Mat。
- 第二个参数,alpha,表示第一个数组的权重
- 第三个参数,src2,表示第二个数组,它需要和第一个数组拥有相同的尺寸和通道数。
- 第四个参数,beta,表示第二个数组的权重值。
- 第五个参数,dst,输出的数组,它和输入的两个数组拥有相同的尺寸和通道数。
- 第六个参数,gamma,一个加到权重总和上的标量值。
- 第七个参数,dtype,输出阵列的可选深度,有默认值-1。;当两个输入数组具有相同的深度时,这个参数设置为-1(默认值),即等同于src1.depth()
JNIEXPORT jint JNICALL
Java_com_vegen_opencvproject_ResultUtil_layerOverlay(JNIEnv *env, jobject instance, jobject bitmap,
jobject layerDrawable) {
Mat img;
bitmap2Mat(env, img, bitmap);
Mat logo;
bitmap2Mat(env, logo, layerDrawable);
Mat imgROI1 = img(Rect(0, 0, logo.cols, logo.rows));
Mat imgROI2 = img(Rect(img.cols - logo.cols, img.rows - logo.rows, logo.cols, logo.rows));
/**
* addWeighted 方法必须两张图的大小一样
* addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1);
* 第一个参数,InputArray类型的src1,表示需要加权的第一个数组,常常填一个Mat。
* 第二个参数,alpha,表示第一个数组的权重
* 第三个参数,src2,表示第二个数组,它需要和第一个数组拥有相同的尺寸和通道数。
* 第四个参数,beta,表示第二个数组的权重值。
* 第五个参数,dst,输出的数组,它和输入的两个数组拥有相同的尺寸和通道数。
* 第六个参数,gamma,一个加到权重总和上的标量值。
* 第七个参数,dtype,输出阵列的可选深度,有默认值-1。;当两个输入数组具有相同的深度时,这个参数设置为-1(默认值),即等同于src1.depth()
*/
addWeighted(imgROI1, 1, logo, 1, 0.0, imgROI1);
addWeighted(imgROI2, 1, logo, 1, 0.0, imgROI2);
mat2Bitmap(env, img, bitmap);
return 0;
}
图层叠加
4. 饱和度、对比度、亮度调节
alpha:饱和度,对比度;beta:亮度
- F(R) = alpha*R + beta;
- F(G) = alpha*G + beta;
- F(B) = alpha*B + beta;
JNIEXPORT jint JNICALL
Java_com_vegen_opencvproject_ResultUtil_chromaChange(JNIEnv *env, jobject instance, jobject bitmap) {
Mat src;
bitmap2Mat(env, src, bitmap);
int cols = src.cols;// 宽
int rows = src.rows;// 高
int channels = src.channels();// 通道
LOGE("chromaChange-->channels=%d", channels); // 4
// alpha 饱和度 , 对比度
// beta 亮度
// F(R) = alpha*R + beta;
// F(G) = alpha*G + beta;
// F(B) = alpha*B + beta;
float alpha = 1.2f;
float beta = 20;
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
if (channels == 3) {
// 获取像素 at Vec3b 个参数
int b = src.at<Vec3b>(i, j)[0];
int g = src.at<Vec3b>(i, j)[1];
int r = src.at<Vec3b>(i, j)[2];
src.at<Vec3b>(i, j)[0] = saturate_cast<uchar>(b * alpha + beta);
src.at<Vec3b>(i, j)[1] = saturate_cast<uchar>(g * alpha + beta);
src.at<Vec3b>(i, j)[2] = saturate_cast<uchar>(r * alpha + beta);
} else if (channels == 4) {
// 获取像素 at Vec4b 个参数
int b = src.at<Vec4b>(i, j)[0];
int g = src.at<Vec4b>(i, j)[1];
int r = src.at<Vec4b>(i, j)[2];
int a = src.at<Vec4b>(i, j)[3];
src.at<Vec4b>(i, j)[0] = saturate_cast<uchar>(b * alpha + beta);
src.at<Vec4b>(i, j)[1] = saturate_cast<uchar>(g * alpha + beta);
src.at<Vec4b>(i, j)[2] = saturate_cast<uchar>(r * alpha + beta);
src.at<Vec4b>(i, j)[3] = 255;
} else if (channels == 1) {
uchar pixels = src.at<uchar>(i, j);
src.at<uchar>(i, j) = saturate_cast<uchar>(pixels * alpha + beta);
}
}
}
mat2Bitmap(env, src, bitmap);
return 0;
}
色值(饱和度、亮度)调节
5. 绘制形状和文字
注意:Scalar 四个参数分别对应 B G R A
涉及方法
- 画线:
line
- 矩形:
rectangle
- 椭圆:
ellipse
- 多边形:
fillPoly
- 圆:
circle
- 文字:
putText
JNIEXPORT jint JNICALL
Java_com_vegen_opencvproject_ResultUtil_sketchpad(JNIEnv *env, jobject instance, jobject bitmap) {
Mat src;
bitmap2Mat(env, src, bitmap);
// 注意:Scalar 四个参数分别对应 B G R A
// 线 line
line(src, Point(0, 0), Point(500, 500), Scalar(0, 0, 255, 255), 20, LINE_8);
// 矩形 rectangle
rectangle(src, Point(500, 500), Point(1000, 1000), Scalar(255, 0, 0, 255), 20, LINE_8);
// 椭圆 ellipse
// 第二个参数是: 椭圆的中心点
// 第三个参数是: Size 第一个值是椭圆 x width 的半径 ,第二个 ...
ellipse(src, Point(src.cols / 2, src.rows / 2), Size(src.cols / 8, src.rows / 4), 360, 0, 360,
Scalar(0, 255, 255, 255), 20);
// 三角形
Point pts[1][4];
pts[0][0] = Point(500, 500);
pts[0][1] = Point(500, 1000);
pts[0][2] = Point(1000, 1000);
pts[0][3] = Point(500, 500);
const Point *ptss[] = {pts[0]};
const int npts[] = {4};
/*
* 填充 fillPoly 多边形
Mat& img, const Point** pts,
const int* npts, int ncontours,
const Scalar& color, int lineType = LINE_8, int shift = 0,
Point offset = Point()
*/
fillPoly(src, ptss, npts, 1, Scalar(255, 0, 0), 20);
// 圆 circle
circle(src, Point(src.cols / 2, src.rows / 2), src.rows / 4, Scalar(255, 255, 0, 255), 20, LINE_AA);
// 文字
const String text = "Hello World";
int fontFace = CV_FONT_BLACK; // 字体
double fontScale = 6; // 字体缩放比
int thickness = 2; // 画笔厚度
int baseline = 0; // 基线
// 获取文字宽度
/*
const String& text, int fontFace,
double fontScale, int thickness,
CV_OUT int* baseLine
*/
Size textSize = getTextSize(text, fontFace, fontScale, thickness, &baseline);
// 文字 putText
/*
InputOutputArray img, const String& text, Point org,
int fontFace, double fontScale, Scalar color,
int thickness = 1, int lineType = LINE_8,
bool bottomLeftOrigin = false
*/
putText(src, text, Point(src.cols / 2 - textSize.width / 2, 200), fontFace, fontScale, Scalar(255, 255, 255, 255),
thickness, LINE_AA);
// 随机画 srand 画线
// opencv 做随机 srand random 效果一样
RNG rng(time(NULL));
// 随机生成十条线
for (int i = 0; i < 10; i++) {
Point sp;
sp.x = rng.uniform(0, src.cols);
sp.y = rng.uniform(0, src.rows);
Point ep;
ep.x = rng.uniform(0, src.cols);
ep.y = rng.uniform(0, src.rows);
line(src, sp, ep, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255), 255), 4);
}
mat2Bitmap(env, src, bitmap);
return 0;
}
绘制形状和文字
6. 三种滤波模糊
本文介绍三种滤波:均值滤波,中值滤波,高斯滤波,对于其原理,鉴于篇幅,本文不做详细介绍,读者可自行去了解
均值滤波
blur( InputArray src, OutputArray dst,
Size ksize, Point anchor = Point(-1,-1),
int borderType = BORDER_DEFAULT );
- 第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。该函数对通道是独立处理的,且可以处理任意通道数的图片,但需要注意,待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
- 第二个参数,OutputArray类型的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。
- 第三个参数,Size类型的 ksize,内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中,w 为像素宽度, h为像素高度)。Size(3,3)就表示3x3的核大小,Size(5,5)就表示5x5的核大小
- 第四个参数,Point类型的anchor,表示锚点(即被平滑的那个点),注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话,就表示取核的中心为锚点,所以默认值Point(-1,-1)表示这个锚点在核的中心。
- 第五个参数,int类型的borderType,用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT,我们一般不去管它。
中值滤波
medianBlur( InputArray src, OutputArray dst, int ksize );
- 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……
高斯滤波
GaussianBlur( InputArray src, OutputArray dst, Size ksize,
double sigmaX, double sigmaY = 0,
int borderType = BORDER_DEFAULT );
- InputArray src: 输入图像,可以是Mat类型,图像深度为CV_8U、CV_16U、CV_16S、CV_32F、CV_64F。
- OutputArray dst: 输出图像,与输入图像有相同的类型和尺寸。
- Size ksize: 高斯内核大小,这个尺寸与前面两个滤波kernel尺寸不同,ksize.width和ksize.height可以不相同但是这两个值必须为正奇数,如果这两个值为0,他们的值将由sigma计算。
- double sigmaX: 高斯核函数在X方向上的标准偏差
- double sigmaY: 高斯核函数在Y方向上的标准偏差,如果sigmaY是0,则函数会自动将sigmaY的值设置为与sigmaX相同的值,如果sigmaX和sigmaY都是0,这两个值将由ksize.width和ksize.height计算而来。具体可以参考getGaussianKernel()函数查看具体细节。建议将size、sigmaX和sigmaY都指定出来。
- int borderType = BORDER_DEFAULT: 推断图像外部像素的某种便捷模式,有默认值BORDER_DEFAULT,如果没有特殊需要不用更改,具体可以参考borderInterpolate()函数。
JNIEXPORT jint JNICALL
Java_com_vegen_opencvproject_ResultUtil_blur(JNIEnv *env, jobject instance, jobject bitmap) {
Mat src;
bitmap2Mat(env, src, bitmap);
// 每横向 1/3 演示一种处理效果,请仔细观察
/** 均值滤波 **/
Size size = Size(29, 29);
Mat mat1 = src(Rect(0, 0, src.cols / 3, src.rows));
/*
blur( InputArray src, OutputArray dst,
Size ksize, Point anchor = Point(-1,-1),
int borderType = BORDER_DEFAULT );
第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。该函数对通道是独立处理的,且可以处理任意通道数的图片,但需要注意,待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
第二个参数,OutputArray类型的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。
第三个参数,Size类型的 ksize,内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中,w 为像素宽度, h为像素高度)。Size(3,3)就表示3x3的核大小,Size(5,5)就表示5x5的核大小
第四个参数,Point类型的anchor,表示锚点(即被平滑的那个点),注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话,就表示取核的中心为锚点,所以默认值Point(-1,-1)表示这个锚点在核的中心。
第五个参数,int类型的borderType,用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT,我们一般不去管它。
*/
blur(mat1, mat1, size);
line(src, Point(src.cols / 3, 0), Point(src.cols / 3, src.rows), Scalar(255, 255, 255, 255), 3, LINE_8);
/** 中值模糊 **/
Mat mat2 = src(Rect(src.cols / 3, 0, src.cols / 3, src.rows));
medianBlur(mat2, mat2, 31);
line(src, Point(2 * src.cols / 3, 0), Point(2 * src.cols / 3, src.rows), Scalar(255, 255, 255, 255), 3, LINE_8);
/** 高斯模糊 **/
Mat mat3 = src(Rect(2 * src.cols / 3, 0, src.cols / 3, src.rows));
/*
GaussianBlur( InputArray src, OutputArray dst, Size ksize,
double sigmaX, double sigmaY = 0,
int borderType = BORDER_DEFAULT );
InputArray src: 输入图像,可以是Mat类型,图像深度为CV_8U、CV_16U、CV_16S、CV_32F、CV_64F。
OutputArray dst: 输出图像,与输入图像有相同的类型和尺寸。
Size ksize: 高斯内核大小,这个尺寸与前面两个滤波kernel尺寸不同,ksize.width和ksize.height可以不相同但是这两个值必须为正奇数,如果这两个值为0,他们的值将由sigma计算。
double sigmaX: 高斯核函数在X方向上的标准偏差
double sigmaY: 高斯核函数在Y方向上的标准偏差,如果sigmaY是0,则函数会自动将sigmaY的值设置为与sigmaX相同的值,如果sigmaX和sigmaY都是0,这两个值将由ksize.width和ksize.height计算而来。具体可以参考getGaussianKernel()函数查看具体细节。建议将size、sigmaX和sigmaY都指定出来。
int borderType=BORDER_DEFAULT: 推断图像外部像素的某种便捷模式,有默认值BORDER_DEFAULT,如果没有特殊需要不用更改,具体可以参考borderInterpolate()函数。
*/
GaussianBlur(mat3, mat3, Size(41, 41), 0, 0);
mat2Bitmap(env, src, bitmap);
return 0;
}
滤波模糊
后话
OpenCV 的图片处理功能还有很多,本文介绍仅常用的一些处理效果实现,文中 Demo 源码下载地址:https://github.com/Vegen/OpenCVProject,欢迎 star。
网友评论