当前位置：首页 > news >正文

如何重新编译HyperLPR原生库以消除16k对齐警告

news 2025/9/24 7:01:25

背景

HyperLPR是国内一个开源的车牌识别通用库，它支持很多环境，使用简便，开箱即用，很多开发小伙伴都很喜欢用它。笔者在做一款 Android 应用时也用到了它。

之前笔者介绍了怎样对它进行改造以便让它支持CameraX. 这次我们讨论另外一个话题：如何让它支持16k对齐。

从事Android开发的小伙伴，如果你的AGP/Gradle升级到了比较新的版本，然后API也是用的最新的36（Android 15）而你也刚好用到了一些第三方的原生库so, Android Studio 可能会冒出一个警告，类似下面这样：

编译打包时也会弹出一个明确的警告窗口要求16k对齐。

相信一定有很多像我这样对自己有严格要求的开发小伙伴，希望自己的作品尽善尽美，不想出现任何警告信息。

这个警告的意思是你引用的原生库需要在编译时进行16k对齐。一查这是谷歌针对最新的Android 15推出的性能优化措施。具体来说，现在的手机内存越来越大，16k对齐是指使用内存时数据必须从内存的16k的整数倍位置开始存储。这有点类似64位程序之于32位程序，也许你对这些细节不感兴趣，那内在的东西我们可以不用管它，反正你只要知道这是谷歌提高性能的措施。而之前的so库的编译默认都是4k对齐的，所以大部分的原生库都会遇到这个警告。谷歌声称，2025年11月以后，所有用到原生库的app都必需要16k对齐，否则不让上架。所以这不是一个不痛不痒的警告，需要引起重视。

但是很多第三方库都是多年前就编译好了的一直没动了，也没看到有人出面优化处理一下。毕竟这是开源的软件，不是你的供应商，别人没有义务为你处理。如果实在没人管，那我们就得自己动手处理了。本文就给大家介绍如何重新编译hyperlpr这个原生库。对于初学者这个过程可能有一点点繁琐，不过如果严格按照文章的步骤是可以成功的。

使用软件及环境设置

我们以Windows 为示例环境讲解，其它的环境如 Linux 或 Mac 系统大同小异，有些编译工具系统自带。但Windows环境都得自己下载

本文假定你已经安装好了 git，这个一般小伙伴们都有了，不作赘述。

下载HyperLPR软件源代码

要做红烧猪蹄，你得先把猪蹄买回来再说。

为了重新编译so库，我们需要先下载这个原生库相关的源代码。

我们先下载 hyperlpr 的 android开发包

Hyperlpr3 Android 开发包

这个就是我们在自己的项目里直接引用的库，我们用到的原生库就是通过这个包装好的android开发包引入的。

dependencies {implementation 'com.github.HyperInspire:hyperlpr3-android-sdk:1.0.3'
}

git clone https://github.com/HyperInspire/hyperlpr3-android-sdk.git

我们的目的是要去掉这个远程引用库，改为引用自己重新对齐编译后的开发包。

假定我们把程序git 下载到了 D:\git 这个目录，下同。

这个库的这个目录里躺着的正是我们需要处理的原生库libhyperlpr3.so

D:\git\hyperlpr3-android-sdk\hyperlpr3\libs\arm64-v8a\libhyperlpr3.so

HyperLPR 原生库代码

下面这个是HyperLPR原生库代码：

git clone https://github.com/szad670401/HyperLPR.git

这就是用来生成libhyperlpr3.so文件的。

通用图形库组件 MNN

编译HyperLPR必须用到阿里的一个通用图形库，也是开源的

git clone https://github.com/alibaba/MNN.git

好，3套源代码我们下载好了，假定我们都下载到了D:\git目录下，如下所示：

编译工具&环境

NDK

首先确认你已经下载好了NDK，再Android Studio里检查核对一下

下面我们开始准备一些工具

cmake

C++编译工具

https://cmake.org/download/

我下的zip版，下完解压，比如我们解压后重命名为 D:\cmake411

ninja

这是cmake的一个辅助编译工具，据说可以提高编译效率。

https://github.com/ninja-build/ninja/releases

我下的zip版，比如我们解压后放到 D:\ninja-win

OpenCV

编译还需要用到OpenCV的android sdk，OpenCV 是业界著名的开源通用图像处理库，很多第三方的图形处理工具都会用到它。

https://github.com/opencv/opencv/releases

假定解压后的目录为 D:\OpenCV-android-sdk

环境配置

一般安装好git 后在你的用户目录下会有一个~/.bash_profile文件

我的文件位置是在这里：C:\Users\Administrator\.bash_profile

我们在这里设置好各中变量和path路径：

export ANDROID_NDK="C:/Users/Administrator/AppData/Local/Android/Sdk/ndk/29.0.14033849/"
export JAVA_HOME=/d/jdk/jdk11
export MAVEN_HOME=/d/apache-maven-3.8.6
export GIT_HOME="/c/Program Files/Git"
export PATH=/usr/bin:/bin:/mingw64/bin:/mingw64/local/bin:/toolchains/llvm/prebuilt/windows-x86_64/bin:/c/windows:/c/windows/system32:/c/windows/System32/Wbem:/c/windows/System32/WindowsPowerShell/v1.0:/c/windows/System32/OpenSSH:$JAVA_HOME/bin:$MAVEN_HOME/bin:$GIT_HOME/cmd:/d/cmake411/bin:/d/ninja-win

对照自己的实际情况检查NDK的路径是否正确，注意PATH中必须包含cmake和ninja的正确路径。

编译&处理

下面我们就正式开始编译了。

编译&处理步骤：1 MNN, 2 hyperlpr3, 3 hyperlpr3开发包的aar, 4自己的项目引用

编译 MNN

我们在d:\git\MNN目录新建一个目录build_android，然后进入git 的 bash命令行窗口，执行如下脚本：

cmake -G Ninja .. \
-DCMAKE_TOOLCHAIN_FILE=${ANDROID_NDK}/build/cmake/android.toolchain.cmake \
-DANDROID_ABI=arm64-v8a \
-DANDROID_PLATFORM=android-21 \
-DCMAKE_BUILD_TYPE=Release

该命令会生成详细的cmake配置信息

执行完会发现build_android目录下多了很多文件。

然后就开始正式构建了，还是在build_android目录下执行如下命令：

cmake --build . --config Release

这时程序开始构建了，

C++的构建比较慢，中途你会看到窗口里面像猪大肠一样输出很多 .o 文件。

等待几分钟会构建完毕。

这时你会发现已经生成好了我们需要的libMNN.so文件，在如下目录：

D:\git\MNN\build_android\OFF\arm64-v8a\libMNN.so

构建hyperlpr需要用到这个文件

编译 HyperLPR

在构建hyperlpr之前我们需要修改CMakeList.txt，加上16k对齐参数

在add_library..和target_link..之间添加此参数：

#新加的16K对齐
target_link_options(${LIBRARY_NAME} PRIVATE
"LINKER:-z,max-page-size=16384"
"LINKER:-z,common-page-size=16384"
)

同样的我们在D:\git\HyperLPR目录下新建一个build_android目录，然后在此目录打开git bash命令行窗口。

执行一下脚本

cmake -G Ninja .. \
-DCMAKE_TOOLCHAIN_FILE=${ANDROID_NDK}/build/cmake/android.toolchain.cmake \
-DANDROID_ABI=arm64-v8a \
-DANDROID_PLATFORM=android-21 \
-DCMAKE_BUILD_TYPE=Release \
-DOpenCV_DIR=/d/OpenCV-android-sdk/sdk/native/jni \
-DMNN_INCLUDE_DIRS=/d/git/MNN/include \
-DMNN_LIBS=/d/git/MNN/build_android/OFF/arm64-v8a