学习 Android (十六) 学习 OpenCV (一)

学习 Android (十六) 学习 OpenCV (一)

在前几个章节中，我们对 NDK 相关的开发有了一定的了解，所谓磨刀不误砍柴工，有了这些基础的知识储备之后，我们可以来简单上手一下 OpenCV 相关的知识，接下来跟随作者一起来学习吧：

• 什么是 OpenCV ？

• 搭建 OpenCV Android SDK 环境

• OpenCV 的基本使用

---

1. 什么是 OpenCV？

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，由英特尔（Intel）于 1999 年首次发布，现由开源社区维护。它提供了丰富的工具和算法，用于处理图像和视频数据，广泛应用于图像处理、物体检测、人脸识别、增强现实（AR）、自动驾驶、医学影像分析等领域。

1.1 OpenCV 的核心特点

• 跨平台支持：

  • 支持 Windows、Linux、macOS、Android 和 ios。

  • 提供 C++、Python、Java 等语言的接口。

• 丰富的功能模块：

  • 图像处理（滤波、边缘检测、色彩空间转换等）

  • 特做检测（SIFT、SURF、ORB、角色检测）

  • 目标检测（Haar 级联、YOLD、SSD）

  • 机器学习（SVM、KNN、神经网络）

  • 摄像头标定与 3D 重建

  • 视频分析（光流、背景减除）

• 高性能优化：

  • 底层使用 C/C++ 编写、支持多线程和 GPU 加速（如 CUDA、OpenCL）。

  • 提供预训练模型（如 DNN 模块支持 TensorFlow、PyTorch 模型）。

• 开源免费：

  • 基于 BSD 许可证，可自由用于商业和研究用途。

1.2 OpenCV 的典型应用场景

领域	应用示例
人脸识别	人脸检测、表情分析、活体检测（如手机解锁）
自动驾驶	车道检测、交通标志识别、行人检测
医学影像	肿瘤检测、X 光分析、显微镜图像处理
工业检测	缺陷检测、二维码识别、物体测量
增强现实（AR）	虚拟贴纸、3D 物体叠加（如 Snapchat 滤镜）
机器人	SLAM（同步定位与地图构建）、避障

1.3 OpenCV 的架构

• 核心模块（Core）

  • 基础数据结构（如 Mat 存储图像矩阵）。

  • 数学运算、文件 I/O。

• Imgproc（图像处理）

  • 滤波（高斯模糊、中值滤波）、边缘检测（Canny）、几何变换（旋转、缩放）。

• HighGUI（图形界面）

  • 显示图像、视频捕获、滑动条交互。

• DNN（深度学习）

  • 支持加载 TensorFlow、PyTorch 模型进行推理。

• Calib3d（相机标定）

  • 相机畸变校正、3D 重建。

---

2. 搭建 OpenCV Android SDK

在对 OpenCV 有了初步的了解之后，我们开始进行 Android 相关的 SDK 搭建，我们可以从官方下载 OpenCV Android SDK 包 Releases - OpenCV，这里作者选择了最新的 OpenCV - 4.12.0 Android 的包

将下载好的压缩包解压至自己的目录下，然后我们在 Android Studio 中进行操作，File -> New Project -> Native C++

至此我们创建一个了 Andorid Native 项目，因为从官方下载的 Android SDK 包中，提供给我的是 .a 静态库，而不是 .so 动态库，不过这都无所谓，对目前我们来说，只是去了解一下 OpenCV 而已，之后作者进行处理交叉编译获取到 .so 文件的，所以我现在就直接导入我们下载的文件中的 SDK 模块至项目中

选择下载后解压的目录至 sdk 目录下，这里作者的目录是 F:\OpenCV_SDK\opencv-4.12.0-android-sdk\OpenCV-android-sdk\sdk，读者根据自己的来替换

点击 FINISH，会卡顿一会，等待模块的导入即可，接下来我们将添加的 OpenCV 模块添加到我们的 app 模块中

点击ok即可，完成添加，在 MainActivity 代码中尝试是否有 opencv 相关的库

有就说明我们添加成功，至此，OpenCV 的 Android SDK 环境就已经搭建好了，接下来我们将了解并学习 OpenCV 的一下基本使用

---

3. OpenCV 的基本使用

接下来，我们将进行 OpenCV 的基本使用，能够读写图像、处理图像、使用滤镜、做简单变换

目标	示例函数 / 说明
OpenCV 基本结构	cv::Mat 图像数据结构、图像类型（灰度、彩色）
图像读写	cv::imread, cv::imwrite
图像显示（桌面平台）	cv::imshow, cv::waitKey（Android 无需）
基本变换	灰度转换 cv::cvtColor，缩放 cv::resize，旋转 cv::rotate
图像滤波	cv::GaussianBlur, cv::medianBlur
边缘检测	cv::Canny，cv::Sobel
绘图函数	cv::line, cv::rectangle, cv::putText
图像 ROI	图像裁剪、区域选择

3.1 OpenCV 基本结构

OpenCV（Open Source Computer Vision Library）是一个模块化设计的跨平台计算机视觉库，其代码结构清晰，核心功能按模块划分。以下是 OpenCV 的基本架构和关键模块分析：

1. 核心模块（Core）

• 功能：基础数据结构和算法。

• 关键内容：

  • cv::Mat：多维数组类，存储图像/矩阵数据。

  • 基本数学运算（矩阵操作、SVD、FFT等）。

  • 文件 I/O（XML/YAML/JSON 读写）。

• 文件路径：

  • 头文件：opencv2/core.hpp

  • 源码：modules/core/src/

---

2. 图像处理模块（Imgproc）

• 功能：传统图像处理算法。

• 关键内容：

  • 滤波（高斯模糊、中值滤波）。

  • 几何变换（旋转、缩放、仿射变换）。

  • 边缘检测（Canny、Sobel）。

  • 颜色空间转换（cvtColor）。

• 文件路径：

  • 头文件：opencv2/imgproc.hpp

  • 源码：modules/imgproc/src/

---

3. 高层GUI模块（HighGUI）

• 功能：图像/视频的显示与交互。

• 关键内容：

  • 窗口管理（imshow、namedWindow）。

  • 视频捕获（VideoCapture）。

  • 滑动条（createTrackbar）。

• 文件路径：

  • 头文件：opencv2/highgui.hpp

  • 源码：modules/highgui/src/

---

4. 视频分析模块（Video）

• 功能：视频流处理与分析。

• 关键内容：

  • 光流（Lucas-Kanade、Farneback）。

  • 背景减除（MOG2、KNN）。

  • 目标跟踪（TrackerKCF、TrackerMOSSE）。

• 文件路径：

  • 头文件：opencv2/video.hpp

  • 源码：modules/video/src/

---

5. 相机标定与3D重建（Calib3D）

• 功能：几何视觉算法。

• 关键内容：

  • 相机标定（calibrateCamera）。

  • 立体匹配（StereoBM、StereoSGBM）。

  • 3D重建（solvePnP、recoverPose）。

• 文件路径：

  • 头文件：opencv2/calib3d.hpp

  • 源码：modules/calib3d/src/

---

6. 机器学习模块（ML）

• 功能：经典机器学习算法。

• 关键内容：

  • SVM、KNN、决策树。

  • 数据归一化（Normalizer）。

• 文件路径：

  • 头文件：opencv2/ml.hpp

  • 源码：modules/ml/src/

---

7. 深度学习模块（DNN）

• 功能：神经网络模型推理。

• 关键内容：

  • 支持 TensorFlow、PyTorch、ONNX 模型。

  • 预训练模型（YOLO、SSD、ResNet）。

• 文件路径：

  • 头文件：opencv2/dnn.hpp

  • 源码：modules/dnn/src/

---

8. 加速模块（OpenCL/CUDA）

• 功能：硬件加速实现。

• 关键内容：

  • OpenCL 内核（.cl 文件）。

  • CUDA 加速（需 NVIDIA GPU）。

• 文件路径：

  • OpenCL：modules/core/src/ocl/

  • CUDA：modules/cudaarithm/src/

---

9. 贡献模块（Contrib）

• 功能：扩展功能（非核心模块）。

• 关键内容：

  • 人脸识别（FaceRecognizer）。

  • 文本检测（text 模块）。

• GitHub仓库：

  • opencv_contrib

---

10. 语言绑定与工具

• Python：通过 cv2.so 提供接口。

• Java：opencv-java.jar + JNI。

• 编译工具：

  • CMake 构建系统（CMakeLists.txt）。

  • 预编译脚本（platforms/ 目录）。

---

3.2 图像读写

在 OpenCV Android SDK 中 图像读写的函数为 cv::imread、cv::imwrite，当然，在学习使用之前，我们需要知道，在 Android 开发中，cv::imread/cv::imwrite（OpenCV 的读写接口）与 Android 原生图片读写（如 Bitmap + FileOutputStream）各有优劣

3.2.1 功能对比

特性	OpenCV (cv::imread/cv::imwrite)	Android 原生方式
支持格式	广泛：JPEG、PNG、TIFF、WebP、BMP 等	受限：JPEG、PNG、WebP（依赖 Bitmap.CompressFormat）
颜色空间	保留原始通道（如 BGR、RGBA），可指定读取模式（灰度/彩色）	默认转换为 ARGB_8888 格式，可能丢失原始通道顺序
元数据处理	可读取/写入 EXIF 等元数据	需额外使用 ExifInterface 处理
性能优化	多线程、SIMD 加速，适合大图像	依赖系统 API，优化程度因设备而异
存储位置	需自行处理路径权限	可直接使用 MediaStore 或应用私有目录

---

3.2.2 性能对比

读取速度

• OpenCV：

  • 优势：直接解析文件为 cv::Mat，避免格式转换开销。

  • 适合场景：需保留 BGR 通道或处理非标准格式（如 TIFF）。

• Android 原生：

  • BitmapFactory.decodeFile() 会转换为 ARGB_8888，可能更慢。

  • 适合场景：需直接显示在 ImageView 中。

  写入速度

• OpenCV：

  • cv::imwrite 对 JPEG/PNG 编码优化较好，支持调整压缩参数。

• Android 原生：

  • Bitmap.compress() 的压缩效率取决于系统实现，可控性较低。

---

3.2.3 存储权限与路径处理

方面	OpenCV	Android 原生
权限需求	需手动处理路径权限（如 READ_EXTERNAL_STORAGE）	同左，但可通过 MediaStore 免权限访问公共目录
路径兼容性	需处理 Android 10+ 的 Scoped Storage	推荐使用 Context.getExternalFilesDir() 或 MediaStore
文件管理	无内置媒体扫描通知	可通过 MediaScannerConnection 通知系统更新相册

---

3.2.4 典型场景推荐

优先使用 OpenCV 的情况

1. 需要保留 BGR 通道顺序（如后续 OpenCV 处理）。

2. 处理非标准格式（如 TIFF、PNG 16位）。

3. 对读写性能要求高（如视频帧处理）。

优先使用 Android 原生的情况

1. 图像直接显示在 UI 上（避免 BGR → ARGB 转换）。

2. 需要与系统相册交互（如保存后立即显示在 Gallery 中）。

3. 避免引入 OpenCV 库的额外体积。

---

3.2.5 混合代码示例

在项目中创建一个 OpenCVUItils 工具类

在 native-ib.cpp 中添加读写操作

#include <jni.h>
#include <string>
#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/opencv.hpp>
#include <android/asset_manager.h>
#include <android/log.h>#define LOG_TAG "OpenCV_Native"
#define LOGD(...) __android_log_print(ANDROID_LOG_DEBUG, LOG_TAG, __VA_ARGS__)
#define LOGE(...) __android_log_print(ANDROID_LOG_ERROR, LOG_TAG, __VA_ARGS__)extern "C" JNIEXPORT jboolean JNICALL
Java_com_example_opencv_1sdk_1example_OpenCVUtils_imageReadAndWrite(JNIEnv *env, jclass,jstring inputPath,jstring outputPath) {const char *inPath = env->GetStringUTFChars(inputPath, nullptr);const char *outPath = env->GetStringUTFChars(outputPath, nullptr);LOGD("输入路径: %s", inPath);LOGD("输出路径: %s", outPath);// 1. 读取图像cv::Mat img = cv::imread(inPath, cv::IMREAD_COLOR);if (img.empty()) {LOGE("无法读取图像: %s", inPath);env->ReleaseStringUTFChars(inputPath, inPath);env->ReleaseStringUTFChars(outputPath, outPath);return false;}LOGD("图像尺寸: %d x %d", img.cols, img.rows);// 2. 处理图像（例如转灰度）cv::cvtColor(img, img, cv::COLOR_BGR2GRAY);// 3. 保存图像bool success = cv::imwrite(outPath, img);if (!success) {LOGE("无法保存图像到: %s", outPath);} else {LOGD("图像保存成功: %s", outPath);}env->ReleaseStringUTFChars(inputPath, inPath);env->ReleaseStringUTFChars(outputPath, outPath);return success;
}

在 OpenCVUtils 中实现

public class OpenCVUtils {static {System.loadLibrary("opencv_java4");System.loadLibrary("opencv_sdk_example");}public static native boolean imageReadAndWrite(String inputPath, String outputPath);/*** 保存图像至本地，并进行相关图片处理（置灰、旋转、缩放）** @param inputPath 原图图片路径* @param outputPath 处理后图片保存路径* */public static boolean processAndSaveImage(String inputPath, String outputPath) {return imageReadAndWrite(inputPath, outputPath);}}

activity_main.xml

<?xml version="1.0" encoding="utf-8"?>
<GridLayout xmlns:android="http://schemas.android.com/apk/res/android"xmlns:tools="http://schemas.android.com/tools"android:layout_width="match_parent"android:layout_height="match_parent"android:columnCount="5"android:rowCount="5"tools:context=".MainActivity"><ImageViewandroid:id="@+id/iv_original"android:src="@drawable/lxh" /><Buttonandroid:id="@+id/btn_save"android:text="保存图片" /></GridLayout>

MainActivity

public class MainActivity extends AppCompatActivity {private static final int REQUEST_PERMISSION = 1;private ActivityMainBinding binding;@Overrideprotected void onCreate(Bundle savedInstanceState) {super.onCreate(savedInstanceState);binding = ActivityMainBinding.inflate(getLayoutInflater());setContentView(binding.getRoot());binding.btnSave.setOnClickListener(view -> {// 确保有权限if (!checkPermissions()) {requestPermissions();return;}// 创建应用私有目录File privateDir = getExternalFilesDir(Environment.DIRECTORY_PICTURES);if (privateDir == null || !privateDir.exists()) {Toast.makeText(this, "无法访问存储目录", Toast.LENGTH_SHORT).show();return;}try {// 1. 保存原始图像到临时文件Bitmap original = BitmapFactory.decodeResource(getResources(), R.drawable.lxh);File inputFile = new File(privateDir, "input.jpg");saveBitmapToFile(original, inputFile);// 2. 创建输出文件路径File outputFile = new File(privateDir, "output_gray.jpg");// 3. 调用 Native 方法处理图像boolean success = OpenCVUtils.processAndSaveImage(inputFile.getAbsolutePath(),outputFile.getAbsolutePath());if (success) {// 4. 加载处理后的图像并显示Bitmap processed = BitmapFactory.decodeFile(outputFile.getAbsolutePath());binding.ivOriginal.setImageBitmap(processed);Toast.makeText(this, "图像处理成功!", Toast.LENGTH_SHORT).show();} else {Toast.makeText(this, "图像处理失败", Toast.LENGTH_SHORT).show();}} catch (Exception e) {Log.e("MainActivity", "处理图像出错: " + e.getMessage());Toast.makeText(this, "处理图像出错: " + e.getMessage(), Toast.LENGTH_LONG).show();}});}private void saveBitmapToFile(Bitmap original, File inputFile) throws IOException {try (FileOutputStream out = new FileOutputStream(inputFile)) {original.compress(Bitmap.CompressFormat.JPEG, 90, out);}}private boolean checkPermissions() {return ContextCompat.checkSelfPermission(this, android.Manifest.permission.WRITE_EXTERNAL_STORAGE)== PackageManager.PERMISSION_GRANTED;}private void requestPermissions() {ActivityCompat.requestPermissions(this,new String[]{android.Manifest.permission.WRITE_EXTERNAL_STORAGE},REQUEST_PERMISSION);}@Overridepublic void onRequestPermissionsResult(int requestCode, String[] permissions, int[] grantResults) {super.onRequestPermissionsResult(requestCode, permissions, grantResults);if (requestCode == REQUEST_PERMISSION) {if (grantResults.length > 0 && grantResults[0] == PackageManager.PERMISSION_GRANTED) {Toast.makeText(this, "权限已授予", Toast.LENGTH_SHORT).show();} else {Toast.makeText(this, "需要存储权限才能处理图像", Toast.LENGTH_SHORT).show();}}}}

AndroidManifest.xml

<?xml version="1.0" encoding="utf-8"?>
<manifest xmlns:android="http://schemas.android.com/apk/res/android"xmlns:tools="http://schemas.android.com/tools"><!-- 存储权限 --><uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" /><uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" /><!-- Android 10 以上存储相关 --><applicationandroid:requestLegacyExternalStorage="true"android:allowBackup="true"android:dataExtractionRules="@xml/data_extraction_rules"android:fullBackupContent="@xml/backup_rules"android:icon="@mipmap/ic_launcher"android:label="@string/app_name"android:roundIcon="@mipmap/ic_launcher_round"android:supportsRtl="true"android:theme="@style/Theme.Opencv_sdk_example"tools:targetApi="31"><activityandroid:name=".MainActivity"android:exported="true"><intent-filter><action android:name="android.intent.action.MAIN" /><category android:name="android.intent.category.LAUNCHER" /></intent-filter></activity></application></manifest>

运行后可以看到

点击按钮，弹出权限申请，给予权限后

我们图片就替换成我们经过处理后的图片了，并且我们在本地存储目录下可以看到读写后的图片

---

3.3 基本变换

基本转换包含：灰度转换 cv::cvtColor，缩放 cv::resize，旋转 cv::rotate

修改 native-lib.cpp

extern "C" JNIEXPORT void JNICALL
Java_com_example_opencv_1sdk_1example_OpenCVUtils_convertToGray(JNIEnv *env, jclass,jlong inputAddr, jlong outputAddr) {cv::Mat &inputMat = *(cv::Mat *) inputAddr;cv::Mat &outputMat = *(cv::Mat *) outputAddr;/*** src：输入图像（如 cv::Mat）。* dst：输出图像，大小和深度与 src 相同（但通道数可能变化）。* code：颜色空间转换标识符（如 cv::COLOR_BGR2GRAY、cv::COLOR_BGR2HSV）。* dstCn：可选参数，指定输出图像的通道数（默认 0 表示自动根据 code 决定）。* */cv::cvtColor(inputMat, outputMat, cv::COLOR_RGBA2GRAY);
}extern "C" JNIEXPORT void JNICALL
Java_com_example_opencv_1sdk_1example_OpenCVUtils_resize(JNIEnv *env, jclass, jlong inputAddr,jlong outputAddr, jint width, jint height,jfloat scaleX, jfloat scaleY) {cv::Mat &inputMat = *(cv::Mat *) inputAddr;cv::Mat &outputMat = *(cv::Mat *) outputAddr;/*** src：输入图像。* dst：输出图像，尺寸为 dsize 或由 fx/fy 计算。* dsize：目标尺寸（Size(width, height)），若为 (0,0) 则根据 fx/fy 计算。fx, fy：沿 x/y 轴的缩放因子（若 dsize=(0,0) 则生效）。* interpolation：插值方法（如 INTER_NEAREST、INTER_LINEAR、INTER_CUBIC）。* */if (width == 0 && height == 0) {cv::resize(inputMat, outputMat, cv::Size(), scaleX, scaleY); // 缩放一半} else {cv::resize(inputMat, outputMat, cv::Size(width, height), 0, 0, cv::INTER_LINEAR);}}extern "C" JNIEXPORT void JNICALL
Java_com_example_opencv_1sdk_1example_OpenCVUtils_rotate(JNIEnv *env, jclass, jlong inputAddr,jlong outputAddr, jint rotateCode) {cv::Mat &inputMat = *(cv::Mat *) inputAddr;cv::Mat &outputMat = *(cv::Mat *) outputAddr;/*** src：输入图像。* dst：输出图像，尺寸根据旋转角度调整。* rotateCode：旋转模式：*    ROTATE_90_CLOCKWISE：顺时针 90°*    ROTATE_180：180°*    ROTATE_90_COUNTERCLOCKWISE：逆时针 90°* */cv::rotate(inputMat, outputMat, rotateCode);
}

修改 activity_main.xml

<?xml version="1.0" encoding="utf-8"?>
<GridLayout xmlns:android="http://schemas.android.com/apk/res/android"xmlns:tools="http://schemas.android.com/tools"android:layout_width="match_parent"android:layout_height="match_parent"android:columnCount="5"android:rowCount="5"tools:context=".MainActivity"><ImageViewandroid:id="@+id/iv_original"android:src="@drawable/lxh" /><Buttonandroid:id="@+id/btn_save"android:text="保存图片" /><ImageView android:id="@+id/image_convert_to_gray" /><ImageView android:id="@+id/image_resize" /><ImageView android:id="@+id/image_rotate" /></GridLayout>

修改 MainActivity

public class MainActivity extends AppCompatActivity {private static final int REQUEST_PERMISSION = 1;private ActivityMainBinding binding;@Overrideprotected void onCreate(Bundle savedInstanceState) {super.onCreate(savedInstanceState);binding = ActivityMainBinding.inflate(getLayoutInflater());setContentView(binding.getRoot());Bitmap convertToGrayBitmap = BitmapFactory.decodeResource(getResources(), R.drawable.lxh);Bitmap resizeBitmap = BitmapFactory.decodeResource(getResources(), R.drawable.lxh);Bitmap rotateBitmap = BitmapFactory.decodeResource(getResources(), R.drawable.lxh);if (convertToGrayBitmap != null) {binding.imageConvertToGray.setImageBitmap(OpenCVUtils.convertToGray(convertToGrayBitmap));}if (resizeBitmap != null) {binding.imageResize.setImageBitmap(OpenCVUtils.resize(resizeBitmap, 0, 0, 1.2f, 1.2f));}if (rotateBitmap != null) {binding.imageRotate.setImageBitmap(OpenCVUtils.rotate(rotateBitmap, Core.ROTATE_90_CLOCKWISE));}binding.btnSave.setOnClickListener(view -> {// 确保有权限if (!checkPermissions()) {requestPermissions();return;}// 创建应用私有目录File privateDir = getExternalFilesDir(Environment.DIRECTORY_PICTURES);if (privateDir == null || !privateDir.exists()) {Toast.makeText(this, "无法访问存储目录", Toast.LENGTH_SHORT).show();return;}try {// 1. 保存原始图像到临时文件Bitmap original = BitmapFactory.decodeResource(getResources(), R.drawable.lxh);File inputFile = new File(privateDir, "input.jpg");saveBitmapToFile(original, inputFile);// 2. 创建输出文件路径File outputFile = new File(privateDir, "output_gray.jpg");// 3. 调用 Native 方法处理图像boolean success = OpenCVUtils.processAndSaveImage(inputFile.getAbsolutePath(),outputFile.getAbsolutePath());if (success) {// 4. 加载处理后的图像并显示Bitmap processed = BitmapFactory.decodeFile(outputFile.getAbsolutePath());binding.ivOriginal.setImageBitmap(processed);Toast.makeText(this, "图像处理成功!", Toast.LENGTH_SHORT).show();} else {Toast.makeText(this, "图像处理失败", Toast.LENGTH_SHORT).show();}} catch (Exception e) {Log.e("MainActivity", "处理图像出错: " + e.getMessage());Toast.makeText(this, "处理图像出错: " + e.getMessage(), Toast.LENGTH_LONG).show();}});}private void saveBitmapToFile(Bitmap original, File inputFile) throws IOException {try (FileOutputStream out = new FileOutputStream(inputFile)) {original.compress(Bitmap.CompressFormat.JPEG, 90, out);}}private boolean checkPermissions() {return ContextCompat.checkSelfPermission(this, android.Manifest.permission.WRITE_EXTERNAL_STORAGE)== PackageManager.PERMISSION_GRANTED;}private void requestPermissions() {ActivityCompat.requestPermissions(this,new String[]{android.Manifest.permission.WRITE_EXTERNAL_STORAGE},REQUEST_PERMISSION);}@Overridepublic void onRequestPermissionsResult(int requestCode, String[] permissions, int[] grantResults) {super.onRequestPermissionsResult(requestCode, permissions, grantResults);if (requestCode == REQUEST_PERMISSION) {if (grantResults.length > 0 && grantResults[0] == PackageManager.PERMISSION_GRANTED) {Toast.makeText(this, "权限已授予", Toast.LENGTH_SHORT).show();} else {Toast.makeText(this, "需要存储权限才能处理图像", Toast.LENGTH_SHORT).show();}}}}

修改 OpenCVUtils

public class OpenCVUtils {static {System.loadLibrary("opencv_java4");System.loadLibrary("opencv_sdk_example");}public static native boolean imageReadAndWrite(String inputPath, String outputPath);public static native void convertToGray(long inputMatAddr, long outputMatAddr);public static native void resize(long inputMatAddr, long outputMatAddr, int width, int height, float scaleX, float scaleY);public static native void rotate(long inputMatAddr, long outputMatAddr, int rotateCode);/*** 灰度处理** @param input 缩放原图*/public static Bitmap convertToGray(Bitmap input) {Mat inputMat = new Mat();Mat outputMat = new Mat();// Bitmap -> MatUtils.bitmapToMat(input, inputMat);// 调用 native 方法处理图像convertToGray(inputMat.getNativeObjAddr(), outputMat.getNativeObjAddr());// Mat -> BitmapBitmap resultBitmap = Bitmap.createBitmap(input.getWidth(), input.getHeight(), Bitmap.Config.ARGB_8888);Utils.matToBitmap(outputMat, resultBitmap);inputMat.release();outputMat.release();return resultBitmap;}/*** 缩放** @param input        缩放原图* @param resizeWidth  缩放至目标宽度* @param resizeHeight 缩放至目标高度* @param scaleX       x 轴缩放因子。 当 width、height 都为 0 时， 根据缩缩放因子来进行缩放。* @param scaleY       y 抽缩放因子。 当 width、height 都为 0 时， 根据缩缩放因子来进行缩放。*/public static Bitmap resize(Bitmap input, int resizeWidth, int resizeHeight, float scaleX, float scaleY) {Mat inputMat = new Mat();Mat outputMat = new Mat();// Bitmap -> MatUtils.bitmapToMat(input, inputMat);// 调用 native 方法处理图像resize(inputMat.getNativeObjAddr(), outputMat.getNativeObjAddr(), resizeWidth, resizeHeight, scaleX, scaleY);// Mat -> BitmapBitmap resultBitmap = Bitmap.createBitmap(outputMat.cols(), outputMat.rows(), Bitmap.Config.ARGB_8888);Utils.matToBitmap(outputMat, resultBitmap);inputMat.release();outputMat.release();return resultBitmap;}/*** 旋转** @param input      缩放原图* @param rotateCode 旋转方向*/public static Bitmap rotate(Bitmap input, int rotateCode) {Mat inputMat = new Mat();Mat outputMat = new Mat();// Bitmap -> MatUtils.bitmapToMat(input, inputMat);// 调用 native 方法处理图像rotate(inputMat.getNativeObjAddr(), outputMat.getNativeObjAddr(), rotateCode);// Mat -> BitmapBitmap resultBitmap = Bitmap.createBitmap(outputMat.cols(), outputMat.rows(), Bitmap.Config.ARGB_8888);Utils.matToBitmap(outputMat, resultBitmap);inputMat.release();outputMat.release();return resultBitmap;}/*** 保存图像至本地，并进行相关图片处理（置灰、旋转、缩放）** @param inputPath 原图图片路径* @param outputPath 处理后图片保存路径* */public static boolean processAndSaveImage(String inputPath, String outputPath) {return imageReadAndWrite(inputPath, outputPath);}}

最后运行查看结果

3.4 图像滤波

在 Android 中使用 OpenCV 进行图像滤波是图像处理中最基础、最核心的操作之一，它的作用极其广泛，几乎贯穿于所有涉及图像处理的应用场景。简单来说，滤波的核心目的是修改图像的像素值，以达到增强信息、抑制噪声、提取特征或改变图像视觉效果等目标

3.4.1 什么是图像滤波？

图像滤波是一种通过数学运算修改像素值的技术，它使用了一个称为 滤波器（核） 的小矩阵在图像上滑动，对每个像素及其领域进行加权计算，从而改变图像特性。

3.4.2 滤波的核心目的

• 去噪： 消除图像中的随机噪声，图像在采集（手机拍照）、传输或压缩过程中，不可避免地会引入噪声（椒盐噪声、高斯噪声等），表现为图像上的随机斑点、颗粒或色彩失真。

  应用场景： 手机拍照后处理、扫描文档去除杂点、医学影像去噪、视频通话实时降噪等。

• 增强： 突出特定特征（如边缘）

  应用场景： 纹理分析、指纹识别增强脊线、特定方向边缘提取（如检测水平线）。

• 模糊： 降低图像细节（如隐私保护）

  应用场景： 美颜磨皮（去除细小皱纹、斑点）、背景虚化模拟、图像金字塔构建（用于缩放或特征检测）、预处理以减少计算量。

• 锐化： 增强边缘和细节

  应用场景： 照片后期处理增强清晰度、医学影像增强细节、模糊图像的修复预处理。

• 边缘检测： 滤波是边缘检测算法（如 Canny）的关键预处理步骤。目的是为了识别图像中物体或区域的边界（亮度或颜色剧烈变化的地方）。

  应用场景： 物体识别与分割、手势识别、文档扫描（边缘检测找文档轮廓）、特征提取（如角点检测的第一步）、车道线检测、机器视觉中的定位。

3.4.3 滤波的数学原理

滤波操作本质上是 卷积计算：

I'(x,y) = ΣΣ w(i,j) * I(x+i, y+j)

其中：

• I 是输入图像

• I' 是输出图像

• w 是滤波器核（如 3×3 矩阵）

• (i,j) 是核内相对位置

3.4.4 OpenCV 中的图像滤波类型

• 线性滤波

  1. 均值滤波 blur()

     函数定义

     void cv::blur(InputArray src,      // 输入图像OutputArray dst,     // 输出图像Size ksize,          // 卷积核大小，例如 Size(3, 3)Point anchor = Point(-1,-1), // 锚点，默认中心int borderType = BORDER_DEFAULT // 边界填充方式
     );
     

     参数名	类型	含义
     src	Mat	原始图像
     dst	Mat	处理后的图像
     ksize	Size	卷积核的大小，如 Size(5,5)
     anchor	Point	卷积核中心点（默认居中）
     borderType	int	边缘处理方式，例如 BORDER_DEFAULT, BORDER_CONSTANT 等

     核大小（ksize）	模糊程度
     Size(3, 3)	轻微模糊
     Size(5, 5)	中等模糊
     Size(15, 15)	非常模糊（失焦）

     卷积核该如何选择？

     OpenCV 中的 Size(3,3)、Size(5,5)、Size(15,15) 是 卷积核的大小，也就是参与“平均计算”的邻域范围，越大模糊越强。没有一个固定值是“最优”的，它依赖于你的应用场景。

     应用目标	推荐核大小
     去掉轻微噪声但保持清晰	Size(3,3) 或 Size(5,5)
     需要模糊背景或特效	Size(15,15)、Size(25,25)
     强烈降噪但不在意清晰度	Size(9,9) 以上
     准备做边缘检测前的预处理	Size(3,3) 或 Size(5,5)

     必须是奇数

     OpenCV 要求卷积核大小是奇数（如 3、5、7），以便有“中心点”。

     与图像分辨率有关

     • 对于小图（如 320×240），5x5 就已经挺模糊了；

     • 对于大图（如 1920×1080），5x5 可能看不出明显效果，可能要 15x15 起步。

     核越大，处理越慢

     Size(25,25) 是非常大的卷积，计算量大，会明显拖慢滤波速度，尤其是在 Android 手机上。

     修改 native-lib.cpp 添加均值滤波处理图片

     extern "C" JNIEXPORT void  JNICALL
     Java_com_example_opencv_1sdk_1example_MainActivity_filterImage(JNIEnv *env, jobject thiz,jlong inputMatAddr,jlong outputMatAddr,jint filteType,jint kernel_width,jint kernel_height) {// 获取输入/输出Mat的引用cv::Mat &input = *(cv::Mat *) inputMatAddr;cv::Mat &output = *(cv::Mat *) outputMatAddr;// 输入验证if (input.empty()) {__android_log_print(ANDROID_LOG_ERROR, "OpenCV", "Input image is empty!");return;}// 保存原始类型和通道数，用于后续恢复int origType = input.type();int origChannels = input.channels();try {switch (filterType) {case 0: // 均值滤波cv::blur(input, output, cv::Size(kernel_width, kernel_height));break;}// 恢复原始类型（如果需要）if (output.type() != origType) {cv::Mat converted;output.convertTo(converted, origType);converted.copyTo(output);}} catch (const cv::Exception &e) {// 异常处理__android_log_print(ANDROID_LOG_ERROR, "OpenCV", "Filter error: %s", e.what());input.copyTo(output);}
     }
     

     假如 kernel_width、kernel_height 分别为 5

     • 实现原理：使用 OpenCV 的 blur() 函数进行均值滤波，核大小为5×5。

     • 计算过程：

       • 对图像每个像素点，取其周围5×5邻域内所有像素值的 算术平均值。

       • 替换原像素值，实现平滑去噪。

     • 效果：有效抑制 高斯噪声 和 随机小颗粒噪声，但会导致图像边缘模糊。

     • 计算开销：5×5核需对每个像素计算 25 次加法，复杂度为`O(width×height×k²)

     修改 MainActivity

     private void applyFilter(int type) {filterImage(src.getNativeObjAddr(), dst.getNativeObjAddr(), type, 5, 5);Bitmap result = Bitmap.createBitmap(dst.cols(), dst.rows(), Bitmap.Config.ARGB_8888);Utils.matToBitmap(dst, result);binding.imageFilter.setImageBitmap(result);}
     

     添加处理滤波的方法，根据按钮点击事件传递不同的 type 在 native 中再根据 type 去处理对应的滤波，图片资源读者自己准备，两个 ImageView 和 按钮，一个保持原图，一个是进行滤波处理后的图

     我们可以发现，点击按钮进行均值滤波操作后，我们可以发现，图片没有变好，反而变模糊了，这是为什么？作者经过这个操作的时候，也是懵了，经过作者的了解，我们要知道一个概念，什么叫做 - 空间滤波

     其实这正是滤波的正常效果。需要从原理上解释清楚两个层面：数学层面和视觉层面。

     数学上，5×5 的均值滤波相当于用一个大窗口对每个像素周围的 25 个点取平均。这个操作本质是低通滤波——削弱高频信号（细节和噪声），保留低频信号（平缓区域）。就像把一杯混着沙子的水静置，沙子沉淀后水变清澈但水里的微小悬浮物也沉淀了。

     视觉上，用户注意到的“变糊”其实是边缘被柔化 的结果。因为边缘是像素值突变的地方（高频信息），平均后突变被削弱了。比如眼睛轮廓原本黑白分明，经过滤波后边缘出现灰色过渡带，整体就显得模糊了。

     用户可能没意识到的是，这种“糊”在某些场景恰恰是需要的。比如当照片有很多椒盐噪声时，模糊反而能让图像更干净。可以建议用户下次试试有噪点的图片，观察去噪效果。

     为此，作者将原图进行噪点强调渐进处理成 10 作为原图去处理，发现结果虽然是模糊了，但是对应噪点确实是被柔滑了，如图所示

     

     我们可以肉眼发现，确实如此，作者也尝试了均值调高点，发现很糊，估摸着是要配合其他操作，才能达成去噪，并且显示完美的效果

2. 高斯滤波 GaussianBlur()

   GaussianBlur 是 高斯滤波 的实现，是一种 基于高斯函数的平滑操作，其作用是：“在保留图像边缘特征的同时，柔和模糊图像，降低噪声或细节。

   与普通均值滤波的区别

   特性	均值滤波 blur()	高斯滤波 GaussianBlur()
   权重分布	所有像素平等	中心像素权重大，边缘像素权重小
   边缘模糊	边缘模糊严重，结构不保留	边缘模糊较轻，结构自然
   视觉效果	偏“块状模糊”，容易糊一团	更加自然、柔和的模糊效果
   抗噪能力	一般	更强
   运算速度	快	相对慢一些

   函数定义：

   cv::GaussianBlur(src, dst, cv::Size(ksize, ksize), sigmaX);
   

   参数名	含义
   src	原图像（Mat）
   dst	输出图像
   Size(w,h)	卷积核大小，必须是奇数且正数（如 Size(5,5)）
   sigmaX	X 方向的高斯标准差（决定模糊强度）
   sigmaY	Y 方向的高斯标准差（可省略，默认为与 X 相同）

   卷积核 & σ (sigma) 选择指南

   使用目的	推荐卷积核大小	推荐 sigmaX
   去噪轻微模糊	3x3、5x5	0~1.0
   柔和模糊背景	9x9、11x11	2.0~3.0
   强烈模糊	15x15 以上	5.0+

   注意：当 sigmaX = 0 时，OpenCV 会根据核大小自动计算最合适的值。

   修改 native-lib.cpp 添加均值滤波处理图片

   case 1: // 高斯滤波{// 确保核为奇数int kw = kernel_width | 1;  // 位操作确保奇数int kh = kernel_height | 1;// 动态计算 σ：经验公式 σ = 0.3 * ((ksize - 1) * 0.5 - 1) + 0.8double sigma = 0.3 * ((kw - 1) * 0.5 - 1) + 0.8;// 设置 σ = 0 让 OpenCV 自动计算最佳值cv::GaussianBlur(input, output, cv::Size(kw, kh), 0);break;}
   

   添加一个按钮，传递 type 为 2即可查看高斯滤波的处理效果，通过发现，好像和均值滤波处理效果没啥区别，通过上述的定义我们可以知道，高斯滤波的视觉效果比均值效果更好，那么我们加大卷积核的范围，让其将噪点处理的更加模糊一点，来看看均值和高斯的区别，我们将卷积核改完 7 x 7 ,效果如图所示

   

   我们肉眼可以明显的感觉到，相对于均值滤波的处理，高斯滤波处理的效果更加自然柔和

由于篇幅问题，我们在下一文章在继续学习了解