Opencv JNI Android(安卓)Camera 效率分析

在将opencv移植到Android平台上，最让人纠结的地方就是：运行效率！！！
思路一：获取Camera预览，保存为图片，C++读取图片地址。摒弃，理由：camera预览保存图片以及C++操作成功之后再次保存图片，耗费大量时间，延迟高。
思路二：将onPreviewFrame中获取到的预览byte[]格式的data传递到C++函数中

public static native void readYuvTOBitmap(byte[] yuv,int height,int width,String path);

而后，使用byte[]转mat方式，完成opencv图像读取的方式。这种方法在由JAVA层将数据传递到jni层，是行的通的。但同样有一个问题存在，同样要耗费大量的操作时间。

   LOGE("---CV:1");   jbyte *yuv = env->GetByteArrayElements(yuv_, NULL);   const char *path = env->GetStringUTFChars(path_, 0);  // TODO   Mat image(height+height/2,width,CV_8UC1,(unsigned char *)yuv);     Mat mBgr;   cvtColor(image,mBgr,CV_YUV2BGR_NV21);   imwrite(path,mBgr);  LOGE("---CV:4");

思路三：在前面的基础上，考虑直接返回byte[]给函数，然后使用byte[]转换成BItmap。但事实上，行不通。byte[]无法直接转换为bitmap，这是一个大坑，需要做YUV转换，才能够转换为bitmap，这同样耗费大量时间。
LOGE ( "---CV:1" ) ;     jbyte *yuv = env->GetByteArrayElements(yuv_ , NULL ) ;
    const char *path = env->GetStringUTFChars(path_ , 0 ) ;
    // TODO     Mat image(height+height/ 2 , width , CV_8UC1 , ( unsigned char *)yuv) ;     Mat mBgr ;     cvtColor(image , mBgr , CV_YUV2BGR_NV21 ) ; //    Mat back; //    cvtColor(mBgr,back,CV_BGR2YUV);     if (mBgr.isContinuous())         yuv = ( jbyte *) mBgr. data ;
    LOGE ( "---CV:4" ) ;     env->ReleaseByteArrayElements(yuv_ , yuv , 0 ) ;     env->ReleaseStringUTFChars(path_ , path) ;

            byte[] result = OpenCVUtils.readYUVToBitmap(mData,h,w,resultPath);            YuvImage yuvImage = new YuvImage(result,ImageFormat.NV21,w,h,null);            ByteArrayOutputStream baos = new ByteArrayOutputStream();            yuvImage.compressToJpeg(new Rect(0,0,w,h),100,baos);            byte[] rawImage = baos.toByteArray();            //将rawImage转换成bitmap            BitmapFactory.Options options = new BitmapFactory.Options();            options.inPreferredConfig = Bitmap.Config.ARGB_4444;            final Bitmap fanzao = BitmapFactory.decodeByteArray(rawImage,0,rawImage.length,options);

这时候陷入了烦躁期，上天无路下地无门。因此考虑直接返回Mat。但是JNI只支持返回特定类型的数据，比如说int，long ,string ,byte,其余的一概以Object处理。而C又对Object不那么友好。

可是，现在来看，也只有返回Mat可能解决这个问题了。偶然发现的一个思路让我很振奋。参考链接如下 http://answers.opencv.org/question/12090/returning-a-mat-from-native-jni-to-java/?answer=12097

// JavaMat m = new Mat();jni_func(m.getNativeObjAddr());// C++void jni_func(jlong matPtr){    Mat* mat = (Mat*) matPtr;    mat->create(rows, cols, type);    memcpy(mat->data, data, mat->step * mat->rows);}

这是传递进入Mat的地址参数进行操作，多么简单的方法啊，我怎么就没有考虑到！！！
这个方法确实是行得通的，但是这个方法也有一个坑在前面摆着。 http://blog.csdn.net/u012500046/article/details/53584971
因为需要在Java层为Mat赋予相应的地址，但是 n_Mat()是一个native方法，Mat对象是一个C++对象，而这个C++类的在 libopencv_java3.so包中，在加载完该.so包之前我们的Mat类是不能使用的。
于是出现了这样一个bug: No implementation found for long org.opencv.core.Mat.n_Mat() error Using OpenCV
解决方法也很简单，在使用mat前使用一个jni测试函数，这时候就导入 libopencv_java3.so包了。

 //预导入libopencv_java3.so包            OpenCVUtils.test();            //初始化Mat地址            Mat seedImage = new Mat (w,h, CvType.CV_8UC1,new Scalar(4));            Mat tmp = new Mat (w,h, CvType.CV_8UC1,new Scalar(4));            //传递seedImage的地址给JNI            OpenCVUtils.laneDisDetect(seedImage.getNativeObjAddr(),mData,h,w);            //Mat转Bitmap            final Bitmap bmp = Bitmap.createBitmap(w,h,Bitmap.Config.ARGB_8888);            try{                Imgproc.cvtColor(seedImage,tmp,Imgproc.COLOR_BGR2RGBA);                Utils.matToBitmap(tmp,bmp);            }catch (CvException e){                Log.d("Exception",e.getMessage());            }            //绘制bitmap到显示区域            runOnUiThread(new Runnable() {                @Override                public void run() {                    iv_takepic.setLayerType(View.LAYER_TYPE_SOFTWARE,null);                    iv_takepic.setImageBitmap(bmp);                    Log.e("time","stop");//                    handler.sendEmptyMessage(0);                }            });

再来看JNI部分的函数实现

extern "C"{JNIEXPORT void JNICALLJava_mulin_cjni_OpenCVUtils_laneDisDetect(JNIEnv *env, jclass type, jlong matPtr, jbyteArray yuv_,                                          jint height, jint width) {    jbyte *yuv = env->GetByteArrayElements(yuv_, NULL);    // TODO    Mat image(height+height/2,width,CV_8UC1,(unsigned char *)yuv);    Mat transform;    cvtColor(image,transform,CV_YUV2BGR_NV21);    //这里是你对数据的处理逻辑,并将处理完的数据通过mat地址传递给Java    ImageProcess(transform,matPtr);    LOGE("---CV:存储到相应mat地址");    env->ReleaseByteArrayElements(yuv_, yuv, 0);}}

哈，问题就是这样子，来看下用时：对时间做下分析。camera preview为获取到缓冲帧时间，同时，异步线程 LaneDetectTask启动。耗时15毫秒左右，完成缓冲帧data数据转换为opencv MAT格式处理对象。而后，在Java中进行Mat转BItmap处理，并绘制到相应显示区域，这部分耗时时间5-10毫秒。因此，这种方式耗时平均约为30毫秒。在这30毫秒内处理了缓冲帧获取，帧数据传递，帧数据转Mat处理，Mat转bitmap，bitmap绘制这些操作。而前面的方法，耗时超过100毫秒，有着明显的提升。注意到下图有一个细节。正常缓冲帧频应该是30帧每秒，但下图显示约为15帧每秒。但这并不影响。因为车道检测，人脸识别耗时操作并未进行。如果进行这些复杂操作，以已经测试过得车道检测来说，耗时达到300毫秒。因此，最理想的状态最好就是3帧一秒的操作速率。

更多相关文章

随机推荐