opencv在android预览上实现灰化/感应触屏/边缘检测(3)

简介

　　在前一篇中，我们已经讲解了opencv在Android实现预览，现在继续在这预览上面实现些其他功能。

预览黑白化

步骤分析

　　首先需要知道我们使用的像素格式为：Bgra32。　　Bgra32：Bgra32像素格式是一种32BPP的sRGB格式。每个颜色通道（蓝色blue, 绿色green, 红色red)各占8BPP（位/像素），与Bgr24不同的是，它还有用于表现 不透明度的alpha通道（8BPP）。　　然后需要知道：从 RGB 到 YUV 空间的 Y 转换公式为：Y = 0.299R+0.587G+0.114B。　　接着要转化为灰度图像：首先知道某个点的R、G、B值，然后用Y=0.299*R+0.587*G+0.114*B，计算出该点的亮度信息，然后需要知道灰度图中，其红（R）、绿（G）、蓝（B）三个分量的值相等。　　所以，我们要将预览黑白化，准确的说是灰化的做法：                           (1)取到预览界面中每个点的RGB数据信息。                           (2)利用公式 Y = 0.299R+0.587G+0.114B，算出该点的亮度。                           (3)将该点的R、G、B通道数据都设置为这个亮度。

代码实现

　　它的代码实现，我是使用jni完成的，之前测试过直接用java计算，效率和速度。。。哭了。。。代码如下：

public Mat onCameraFrame(CvCameraViewFrame inputFrame) {// TODO Auto-generated method stubint width,height;mRgba = inputFrame.rgba();width = mRgba.width();height = mRgba.height(); PreviceGray.grayProc(mRgba.getNativeObjAddr()); return mRgba;}

　　预览的每帧画面都会调用函数onCameraFrame，并且预览的数据就是mRgba，所以我们要灰化预览，可以直接修改mRgba数据来实现。对mRgba中数据的修改，放在了PreviceGray.grayProc中来实现的。jni中代码实现如下：

NIEXPORT void Java_com_example_camera_1opencv_1android_PreviceGray_grayProc(JNIEnv* env, jclass obj, jlong imageGray){  int i;int width,height; Mat mat = Mat(*((Mat*)imageGray));width = mat.rows;height = mat.cols;uchar* ptr = mat.ptr(0);   for(int i = 0; i < width*height; i++){  //计算公式：Y(亮度) = 0.299*R + 0.587*G + 0.114*B  //对于一个int四字节，其彩色值存储方式为：BGRA  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] = grayScale;  ptr[4*i+2] = grayScale;  ptr[4*i+0] = grayScale;  }}

 　　也就是按照之前步骤操作：所有点的RGB数据都是在传入函数的imageGray可以找到，然后利用公式计算出亮度，最后用这个亮度值亮度值替换该点的RGB数据。运行效果图如下：

参考代码如下：http://download.csdn.net/detail/u011630458/8403611

预览触屏

介绍

 　　这个主要功能是，在预览时候，当点击预览界面，就以点击点为圆心，画一个红色的圆圈。

实现过程

 　　首先取到点击的坐标，然后和之前灰化操作一样，将预览的数据传入jni中，同时传入的还有触屏点的坐标，之后在jni中，使用cvCircle在传入的那帧数据上画一个圆，接着将操作后数据返回，预览显示出来。实现代码如下：

public Mat onCameraFrame(CvCameraViewFrame inputFrame) {// TODO Auto-generated method stubmRgba = inputFrame.rgba(); PreviceGray.grayProc(mRgba.getNativeObjAddr(),touch_x, touch_y);//Log.e("yulinghan","yulinghan onCameraFrame touch_x="+touch_x);    return mRgba;}@Overridepublic boolean onTouch(View arg0, MotionEvent arg1) {// TODO Auto-generated method stubtouch_x = (int)arg1.getX();touch_y = (int)arg1.getY();Log.e("yulinghan","yulinghan onTouch touch_x="+touch_x);return false;}

 　　预览时候，点击触屏就会触发onTouch操作，更新坐标值：touch_x，touch_y。接着在onCameraFrame中，将预览数据和坐标一起传入jni中jin中处理如下：

JNIEXPORT void Java_com_example_camera_1opencv_1android_PreviceGray_grayProc(JNIEnv* env, jclass obj, jlong imageGray,jint touch_x,jint touch_y){int width,height; Mat mat = Mat(*((Mat*)imageGray));width = mat.rows;height = mat.cols;uchar* ptr = mat.ptr(0); IplImage cvmat = mat; __android_log_print(ANDROID_LOG_ERROR, "JNITag","width=%d,height=%d,touch_x=%d,touch_y=%d", width,height,touch_x,touch_y);  cvCircle(&cvmat,cvPoint(touch_x,touch_y),100,cvScalar(255,0,0,255),10,8,0);}

 　　只是简单的以传入的touch_x、touch_x为圆心，使用函数cvCircle在传入的预览数据中画了一个红色的圆。运行效果如下：

预览边缘检测

 　　检测边缘的方法有很多，如在《数字图像处理》书中介绍了微分算子、Canny算子、LOG滤波等方法。而在本文中使用腐蚀与膨胀相关的形态学梯度来完成。膨胀就是求局部最大值的操作，腐蚀就是求局部最小值的操作。而形态学梯度为膨胀图与腐蚀图之差。可以在opencv中使用morphologyEx函数来直接实现。具体核心代码如下：

JNIEXPORT void Java_com_example_camera_1opencv_1android_PreviceGray_grayProc(JNIEnv* env, jclass obj, jlong imageGray){  int i;int width,height;Mat mat = Mat(*((Mat*)imageGray));width = mat.rows;height = mat.cols;uchar* ptr = mat.ptr(0);  uchar* ptr_tmp;  MorphoFeatures morpho;cv::Mat edges;for(int i = 0; i < width*height; i++){  //计算公式：Y(亮度) = 0.299*R + 0.587*G + 0.114*B  //对于一个int四字节，其彩色值存储方式为：BGRA  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] = grayScale;  ptr[4*i+2] = grayScale;  ptr[4*i+0] = grayScale;  }edges = morpho.getEdges(mat);ptr_tmp = edges.ptr(0);for(int i = 0; i < width*height; i++){  ptr[4*i+0] = ptr_tmp[4*i+0];  ptr[4*i+1] = ptr_tmp[4*i+1];  ptr[4*i+2] = ptr_tmp[4*i+2];}}

 　　代码中，首先将传入的预览数据灰阶化，然后用morphologyEx来做边缘检测，最后返回检测之后的数据。演示效果如下：

参考代码如下：http://download.csdn.net/detail/u011630458/8403629

简介

预览黑白化

步骤分析

代码实现

预览触屏

介绍

实现过程

预览边缘检测

更多相关文章

随机推荐