首页 文章 精选 留言 我的

精选列表

搜索[go],共10000篇文章
优秀的个人博客,低调大师

(GO_GTD_2)基于OpenCV和QT,建立Android图像处理程序

一、综述 如何采集图片?在windows环境下,我们可以使用dshow,在linux下,也有ffmpeg等基础类库,再不济,opencv自带的videocapture也是提供了基础的支撑。那么在andoird下,使用的肯定是Android自带的相关函数了。由于Android是基于java语言的,如果我们想要调用Android 的相关函数,那么必须通过JNI的方法。 这里有可以分为两种,一种是直接在java中实现比较完整的函数,在qt中,只需要调用这个函数就可以;另一种就是使用qt自带的jni机制,比如下面这样,打开摄像头,并且采集图片。我们首先介绍第二种方法,让大家最快进入情况。 二、通过JNI打开摄像头 a、填加头文件和命名空间,定义公共变量和宏: #include <QtAndroid> #include <QDebug> #include <QAndroidJniEnvironment> #include <QAndroidActivityResultReceiver> #include <QDateTime> #include <QFile> using namespace cv; using namespace QtAndroid ; QString strFetchImage = "" ; QString selectedFileName = "" ; #define CHECK_EXCEPTION () \ if (env->ExceptionCheck())\ {\ qDebug () << "exception occured" ;\ env->ExceptionClear();\ } 其中需要注意的是, CHECK_EXCEPTION 是用来检查Android系统是否有异常的。这一点在使用JNI的时候非常重要和必要。 b、填加回调类,主要就是在一系列异常判断后,获得imagepath。该类集成自 ResultReceiver : class ResultReceiver : public QAndroidActivityResultReceiver { public : ResultReceiver ( QString imagePath , QLabel * view ) : m_imagePath ( imagePath ), m_imageView ( view ) { } void handleActivityResult ( int receiverRequestCode , int resultCode , const QAndroidJniObject & data ) { qDebug () << "handleActivityResult, requestCode - " << receiverRequestCode << " resultCode - " << resultCode << " data - " << data . toString (); if ( resultCode == - 1 && receiverRequestCode == 1 ) { qDebug () << "captured image to - " << m_imagePath ; qDebug () << "captured image exist - " << QFile :: exists ( m_imagePath ); m_imageView -> setPixmap ( QPixmap ( m_imagePath )); } } QString m_imagePath ; QLabel * m_imageView ; }; C、填加控件触发事件。一般来说我们选择pressed事件 d、编写拍照代码 //打开摄像头,采集图片 void MainWindow :: on_btn_capture_pressed () { ui -> lbMain -> setScaledContents ( true ); //显示的图像自动缩放 b_canSave = false ; //图片没有采集完成,目前不可以保存 //引用JNI QAndroidJniEnvironment env ; //创建用于打开摄像头的content QAndroidJniObject action = QAndroidJniObject :: fromString ( "android.media.action.IMAGE_CAPTURE" ); QAndroidJniObject ( intent ( "android/content/Intent" , "(Ljava/lang/String;)V" , action . object < jstring >()); //设定img路径 QString date = QDateTime :: currentDateTime (). toString ( "yyyyMMdd_hhmmss" ); QAndroidJniObject fileName = QAndroidJniObject :: fromString ( date + ".jpg" ); QAndroidJniObject savedDir = QAndroidJniObject :: callStaticObjectMethod ( "android/os/Environment" , "getExternalStorageDirectory" , "()Ljava/io/File;" ); //使用CHECK_EXCEPTION处理异常 CHECK_EXCEPTION () qDebug () << "savedDir - " << savedDir . toString (); QAndroidJniObject savedImageFile ( "java/io/File" , "(Ljava/io/File;Ljava/lang/String;)V" , savedDir . object < jobject >(), fileName . object < jstring >()); CHECK_EXCEPTION () qDebug () << "savedImageFile - " << savedImageFile . toString (); QAndroidJniObject savedImageUri = QAndroidJniObject :: callStaticObjectMethod ( "android/net/Uri" , "fromFile" , "(Ljava/io/File;)Landroid/net/Uri;" , savedImageFile . object < jobject >()); CHECK_EXCEPTION () //将输出路径传递过来 QAndroidJniObject mediaStoreExtraOutput = QAndroidJniObject :: getStaticObjectField ( "android/provider/MediaStore" , "EXTRA_OUTPUT" , "Ljava/lang/String;" ); CHECK_EXCEPTION () qDebug () << "MediaStore.EXTRA_OUTPUT - " << mediaStoreExtraOutput . toString (); intent . callObjectMethod ( "putExtra" , "(Ljava/lang/String;Landroid/os/Parcelable;)Landroid/content/Intent;" , mediaStoreExtraOutput . object < jstring >(), savedImageUri . object < jobject >()); //获得采集图片的绝对路径,并且显示出来 ResultReceiver * resultReceiver = new ResultReceiver ( savedImageFile . toString (), ui -> lbMain ); startActivity ( intent , 1 , resultReceiver ); //获得返回的绝对地址(注意这句话一定要写在 CHECK_EXCEPTION 中) strFetchImage = savedImageFile . toString (); } 最终采集到的图片地址保存在 strFetchImage 中 e、编写处理代码。由于我这里主要进行的是图像处理操作,所以必须结合OpenCV相关函数进行 //图像处理操作 void MainWindow :: on_btn_process_pressed () { b_canSave = false ; if (strFetchImage != "" ) { ui -> lbMain -> setScaledContents ( false ); Mat src = imread (strFetchImage. toStdString ()); Mat src2 ; Mat rotated ; ////////////////////////////主要算法///////////////////////////// cv :: resize ( src , src2 , cv :: Size ( 720 , 1000 )); //标准大小 Mat src_gray ; Mat src_all = src2 . clone (); Mat threshold_output ; vector<vector< Point > > contours , contours2 ; vector< Vec4i > hierarchy ; //预处理 cvtColor ( src2 , src_gray , CV_BGR2GRAY ); blur ( src_gray , src_gray , Size ( 3 , 3 ) ); //模糊,去除毛刺 threshold ( src_gray , threshold_output , 100 , 255 , THRESH_OTSU ); //添加提示 ui -> lb_info -> setText ( "开始寻找轮廓!" ); //寻找轮廓 //第一个参数是输入图像 2值化的 //第二个参数是内存存储器,FindContours找到的轮廓放到内存里面。 //第三个参数是层级,**[Next, Previous, First_Child, Parent]** 的vector //第四个参数是类型,采用树结构 //第五个参数是节点拟合模式,这里是全部寻找 findContours ( threshold_output , contours , hierarchy , CV_RETR_TREE , CHAIN_APPROX_NONE , Point ( 0 , 0 ) ); //添加提示 if ( contours .size()<= 10 ) { ui -> lb_info -> setText ( "轮廓筛选错误,循环退出!请重新采集数据。" ); return ; } else { ui -> lb_info -> setText ( "开始寻找轮廓! 开始筛选轮廓!" ); } //轮廓筛选 int c = 0 , ic = 0 , area = 0 ; int parentIdx =- 1 ; for ( int i = 0 ; i < contours .size(); i ++ ) { //hierarchy[i][2] != -1 表示不是最外面的轮廓 if ( hierarchy [ i ][ 2 ] != - 1 && ic == 0 ) { parentIdx = i ; ic ++; } else if ( hierarchy [ i ][ 2 ] != - 1 ) { ic ++; } //最外面的清0 else if ( hierarchy [ i ][ 2 ] == - 1 ) { ic = 0 ; parentIdx = - 1 ; } //找到定位点信息 if ( ic >= 2 ) { contours2 .push_back( contours [ parentIdx ]); ic = 0 ; parentIdx = - 1 ; } } //添加提示 if ( contours2 .size()< 3 ) { ui -> lb_info -> setText ( "定位点选择错误,循环退出!请重新采集数据。" ); return ; } else { ui -> lb_info -> setText ( "开始寻找轮廓! 开始筛选轮廓!定位点选择正确!" ); } //填充定位点,我们约定,必须要能够同时识别出4个点来 for ( int i = 0 ; i < contours2 .size(); i ++) drawContours ( src_all , contours2 , i , CV_RGB ( 0 , 255 , 0 ) , - 1 ); //识别出来了关键区域,但是数量不对,显示当前识别结果,退出循环 if ( contours2 .size() != 4 ) { QPixmap qpixmap = Mat2QImage ( src_all ); ui -> lbMain -> setPixmap ( qpixmap ); ui -> lb_info -> setText ( "定位点数量不为4!请重新采集数据。" ); return ; } else { //否则,进一步分割 Point point [ 4 ]; for ( int i = 0 ; i < contours2 .size(); i ++) { //筛选轮廓, double d = contourArea ( contours2 [ i ]); if ( d > 720 * 1000 / 4 ) { ui -> lb_info -> setText ( "采集中有错误轮廓,请重新采集数据" ); QPixmap qpixmap = Mat2QImage ( src_all ); ui -> lbMain -> setPixmap ( qpixmap ); return ; } //定位重点,并重新排序 Point ptmp = Center_cal ( contours2 , i ); if ( ptmp . x < 720 / 4 && ptmp . y < 1000 / 4 ) { point [ 0 ] = ptmp ; } else if ( ptmp . x < 720 / 4 && ptmp . y > 1000 / 4 ) { point [ 2 ] = ptmp ; } else if ( ptmp . x > 720 / 4 && ptmp . y < 1000 / 4 ) { point [ 1 ] = ptmp ; } else { point [ 3 ] = ptmp ; } } //打印出来 for ( int i = 0 ; i < 3 ; i ++) { char cbuf [ 100 ]; sprintf ( cbuf , "%d" , i + 1 ); putText ( src_all , cbuf , point [ i ], FONT_HERSHEY_PLAIN , 5 , Scalar ( 0 , 0 , 0 ), 5 ); ui -> lb_info -> setText ( "结果识别正确,可以保存" ); } //透视变换 cv :: Point2f src_vertices [ 4 ]; src_vertices [ 0 ] = point [ 0 ]; src_vertices [ 1 ] = point [ 1 ]; src_vertices [ 2 ] = point [ 2 ]; src_vertices [ 3 ] = point [ 3 ]; Point2f dst_vertices [ 4 ]; dst_vertices [ 0 ] = Point ( 0 , 0 ); dst_vertices [ 1 ] = Point ( 720 , 0 ); dst_vertices [ 2 ] = Point ( 0 , 1000 ); dst_vertices [ 3 ] = Point ( 720 , 1000 ); Mat warpMatrix = getPerspectiveTransform ( src_vertices , dst_vertices ); //执行透视变化 warpPerspective ( src2 , rotated , warpMatrix , rotated . size (), INTER_LINEAR , BORDER_CONSTANT ); } //////////////////////////END 主要算法 END /////////////////////// // 将图片显示到label上 QPixmap qpixmap = Mat2QImage ( rotated ); ui -> lbMain -> setPixmap ( qpixmap ); matResult = rotated . clone (); b_canSave = true ; } } 三、初步结果和继续研究需要解决的问题 按照设计,目前得到这样的结果 下一步注重解决以下问题 1、提高程序稳定性; 2、提高界面流程性和运行速度; 3、重构代码,进一步进行封装; 4、添加数据保存的相关功能。 感谢阅读至此,希望有所帮助! 来自为知笔记(Wiz) 目前方向:图像拼接融合、图像识别 联系方式:jsxyhelu@foxmail.com

资源下载

更多资源
优质分享App

优质分享App

近一个月的开发和优化,本站点的第一个app全新上线。该app采用极致压缩,本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册
修改密码
忘记密码