Mac环境下opencv for android笔记
想不到时隔一年，又要接触NDK了。。。
首先按照在Android Studio中安装OpenCV mac环境/Linux环境小试了一把。
JNI Tip
jni的文件夹名必须是作者截图中的jniLibs（因为这个是Gradle默认的JNI文件夹），不然System.loadLibrary方法会报错。也可以用另一个属性 jniLibs.srcDirs = ['libs']设置，这样的话就把JNI文件放到与src同级的libs文件夹。
另外，只需要复制要支持的cpu架构的文件夹。如果只需要调用opencv中封装好的JNI接口，文件夹中只保留opencv_java.so这个文件。
opencv 初始化
调用OpenCVLoader.initAsync()的话会检测 OpenCVManager 这个程序有没有安装，没有就会引导用户安装。OpenCVManager里包含的是你要调用的各种so文件，一应俱全。
但这样显然会影响用户体验，所以推荐另一个初始化方法OpenCVLoader.initDebug()
这个方法基本等同于System.loadLibrary("opencv_java")
opencv_java是我们上一步放到jniLibs下的libopencv_java.so文件, 包含了所有opencv封装的JNI接口。
如果你还需要使用其他so文件，可以使用 System.loadLibrary继续加载。这样，初始化的逻辑就搞清楚了。初始化可以在onResume()，或者static 代码块里执行。
基本数据结构和概念解释
Size
opencV的Imgproc有很多模糊函数, 它们都需要传入Size参数。参数名为ksize， 是kernel size的缩写，即滤波器模板（核）的尺寸。构造函数 Size(w,h) w 为像素宽度, h为像素高度。Size(3,3)就是33的核。像Size和blockSize这种，边长还是设置成2，5，7等奇数比较好理解。虽然有时候22也可以设置，但不知道和3*3有啥区别。
- Scalar
public Scalar</font>(double v0) {
val = new double[] { v0, 0, 0, 0 };
}
以上面单个参数的构造方法为例，可以看出是一个size为4的一维数组。应用举例：
//与一维数组相乘，所以结果是第一个通道（ARGB的话就是alpha通道）的值被放大一百倍，其他通道的值变为0
Core.multiply(mat1, new Scalar(100), mat1);
- Sobel
//这个构造函数的dx指的是x方向求导的阶数，dy指的是y方向求导的阶数。ddepth指的是输出图像的深度。
public static void Sobel(Mat src, Mat dst,
int ddepth, int dx, int dy, int ksize,
double scale, double delta)；
- Mat
Mat即矩阵（Matrix）的缩写, 是保存图像像素信息的矩阵。它主要包含两部分：矩阵头和一个指向像素数据的矩阵指针。代码示例：
//构造一个3*3卷积核，8位无符号整型单通道。
Mat kernel= new Mat( 3, 3, CvType.CV_8UC1);
//前两个参数表示操作起始坐标，为（0，0），之后的参数为填充数据[0，-1, 0,-1, 5,-1, 0,-1, 0]
//因为是单通道，所以9个数刚好能填满。如果是4通道，就需要9*4才能填满。
kernel. put( 0, 0, 0,-1, 0,-1, 5,-1, 0,-1, 0);
得到的卷积核如下
| 0 | -1 | 0 |
|---|---|---|
| -1 | 5 | -1 |
| 0 | -1 | 0 |
霍夫变换
参考文章霍夫变换 确定图像上直线位置
以检测直线为例，
通过定义理解：
笛卡尔坐标系的点（X, Y)对应着经过它的无数条直线，这无数条直线在p-θ平面上（p轴代表直线截距，θ代表直线夹角）上可以用一条直线表示。把笛卡尔坐标系的大量的点都映射到p-θ平面上，就有了大量直线。如果p-θ平面上存在大量直线在某个点相交，就说明笛卡尔坐标系包含一条直线，直线的斜率和截距对应着此点的p和θ。
通过公式理解：
其实，笛卡尔坐标系的直线公式转化一下，也能得出结论，就是个相对的思维。
用y = kx+b表示笛卡尔坐标系的任意一条直线，这样x, y, k, b 都是未知数了。
而b 和k 通过三角函数可以转化成p和θ，
暂且用b = f(p,θ)和 k = g(p,θ)
这样，直线y = kx+b上的点，虽然每一个点都能在p-θ平面上映射无数条直线，但必定每个点映射的直线必定有一条是
f(p,θ) = y- g(p,θ)x
笛卡尔坐标系里，确定y = kx+b的参数值，只需要两个在这条直线上的不同的点的坐标（x0,y0), （x1,y1)
把同样的（x0,y0), （x1,y1)带入到方程f(p,θ) = y- g(p,θ)x，就可以求出p, θ的值了。所以，笛卡尔坐标系的直线就对应着p-θ平面上的一个点。
在检测圆的过程中，发现Imgproc.HoughCircles方法居然会改变输入的Mat, 也就是第一个参数。而且如果采用new Mat()的方法生成Mat, 并且不是第一个Mat, 就可能会影响之前的Mat。而调用Mat.zeros方法就不会影响。暂时当作opencv4Android的一个bug吧，C++版本应该没这么明显的bug。
在JNI中调用openCV
在JNI中使用openCV时,如果报错imread imwrite等undefined reference, 可能是因为编译时STL配置的问题,需要使用gnustl_shared: Recently, NDK switched to libc++ as default STL, but OpenCV is built with gnustl
YUV21转RGB
先了解常见的视频格式:
视频存储格式YUV420 NV12 NV21 i420 YV12
YUV21转RGB的方法有很多种, 效率对比如下:
【视频处理】YUV与RGB格式转换
Android libyuv应用系列（二）libyuv在Android中的使用
使用libyuv对YUV数据进行缩放，旋转，镜像，裁剪等操作
(libYUV的话需要先将相机的NV21(YUV420sp)数据转成I420(YUV420P) )
最后觉得OpenCV的方式既高保真, 速度也快, 也提供了镜像/旋转之类的接口,接入也方便:
android + java opencv + Mat与byte[]互换
JNI打印Mat信息:
void printMAtMessage(Mat &mat) {
LOGD("printMAtMessage","***************************Mat信息开始************************");
LOGD("printMAtMessage","mat.rows %d",mat.rows);
LOGD("printMAtMessage","mat.cols %d",mat.cols);
LOGD("printMAtMessage","mat.total %d",mat.total());
LOGD("printMAtMessage","mat.channels %d",mat.channels());
LOGD("printMAtMessage","mat.depth %d",mat.depth());
LOGD("printMAtMessage","mat.type %d",mat.type());
LOGD("printMAtMessage","mat.flags %d",mat.flags);
LOGD("printMAtMessage","mat.elemSize %d",mat.elemSize());
LOGD("printMAtMessage","mat.elemSize1 %d",mat.elemSize1());
LOGD("printMAtMessage","mat.data[0] %d",mat.data[0]);
LOGD("printMAtMessage","mat.data[1] %d",mat.data[1]);
LOGD("printMAtMessage","mat.data[mat.total()*mat.elemSize()-1]) %d",mat.data[mat.total()*mat.elemSize()-1]);
LOGD("printMAtMessage","mat.data[mat.cols*mat.elemSize()-1] %d",mat.data[mat.cols*mat.elemSize()-1]);
LOGD("printMAtMessage","mat.data[mat.total()*mat.elemSize()-mat.cols*mat.elemSize()] %d",mat.data[mat.total()*mat.elemSize()-mat.cols*mat.elemSize()]);
LOGD("printMAtMessage","***************************Mat信息结束************************");
}
- OpenCV 二进制文件和RGB图像互转:
/**
RGB图像转二进制文件
**/
// imread()导入图片时是BGR通道顺序
cv::Mat sourceImage = cv::imread("xxx.png");// 当前文件的相对路径或者绝对路径
if (sourceImage.empty())
{
return -1;
}
cv::Mat bgr;
//OpenCV操作图片时经常需要拷贝一份操作，避免修改原数据；
sourceImage.copyTo(bgr);
FILE* fpw = fopen("C:\\Users\\xxx\\Desktop\\RGB.txt", "wb"); // wb write as binary file
// 字符模式(w模式)打开的文件，在windows下，遇到0x0A进行写入（也就是\n)会替换为0x0D和0x0A（分别是\r和\n）
if (fpw == NULL)
{
return -1;
}
// write image to binary format file
int rows = bgr.rows; // 高
int cols = bgr.cols; // 宽
uint8_t* dp = (uint8_t*)bgr.data;//
for (int i = 0; i < rows * cols; i++)
{
fwrite(&dp[i * 3], sizeof(uint8_t), 1, fpw);
fwrite(&dp[i * 3 + 1], sizeof(uint8_t), 1, fpw);
fwrite(&dp[i * 3 + 2], sizeof(uint8_t), 1, fpw);
}
// 或者一行搞定write
// fwrite(dp, rows * cols * 3, 1, fpw);// 1 byte 即sizeof(uint8_t)
// 或者 fwrite(dp, bgr.step * rows, 1, fpw);
// cv::Mat::step 即mat矩阵的每一行的字节数，BGR3字节，即cv::Mat::step = bgr.cols * 3
fclose(fpw)
/**
二进制文件转RGB
**/
//CV_8UC3 is an 8-bit unsigned integer matrix/image with 3 channels
Mat zeroImg = Mat::zeros(width, height, CV_8UC3);//创建像素值全为0的图像
// BGR格式的二进制图像数据, rb read as binary file
FILE* fpr = fopen("C:\\Users\\xxx\\Desktop\\BRG_Binary.txt", "rb");
if (fpr == NULL)
{
return -1;
}
fread_s(zeroImg.data, width*height*3,1, width*height*3, fpr);// 建议用空的Mat数据，避免数据覆盖引发错误结论
// 或者 fread(zeroImg.data, width*height*3, 1, fpr);
fclose(fpr);
cv::imwrite("image.png", zeroImg);// 相对路径或者绝对路径
