快捷導(dǎo)航

Android?OpenCV基礎(chǔ)API清晰度亮度識別檢測

更新時間：2023年01月18日 11:33:25 作者：小肥羊沖沖沖Android

這篇文章主要為大家介紹了Android?OpenCV基礎(chǔ)API清晰度亮度識別檢測，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

背景

工作中遇到業(yè)務(wù)訴求是通過OpenCV對圖片進(jìn)行一些判斷操作和優(yōu)化，這里是看了部分不錯的文章，希望總結(jié)一個自己的學(xué)習(xí)過程，溫故而知新，有不對的地方可以評論區(qū)指出，小白學(xué)習(xí)海涵。

基礎(chǔ)知識

Mat在OpenCV中是非常重要的存在，后續(xù)各個API都是在Mat的基礎(chǔ)上去做文章，Mat 是Matrix（矩陣）的縮寫

...
inline
Mat::Mat(int _rows, int _cols, int _type)
    : flags(MAGIC_VAL), dims(0), rows(0), cols(0), data(0), datastart(0), dataend(0),
      datalimit(0), allocator(0), u(0), size(&rows), step(0)
{
    create(_rows, _cols, _type);
}
inline
void Mat::create(int _rows, int _cols, int _type)
{
    _type &= TYPE_MASK;
    if( dims <= 2 && rows == _rows && cols == _cols && type() == _type && data )
        return;
    int sz[] = {_rows, _cols};
    create(2, sz, _type);
}
...

Mat中其實保存著關(guān)于圖片的圖像信息，包括像素、寬、高、類型大小深度等屬性。

主要Api - 加載圖片

由于我這里使用的集團(tuán)的二方庫，讀者大佬可以直接在github搜索 OpenCV對應(yīng)版本，在gradle中添加依賴即可，由于本人是使用的Java代碼通過jni調(diào)用底層C++代碼，大部分api其實是互通的（網(wǎng)上Python教程居多，這也是我想把這個過程總結(jié)下來的原因）

imread

該方法主要是獲取圖片的Mat信息的默認(rèn)通道為BGR（Blue, Green, Red），可以有很多flags供我們選擇以此達(dá)到不同的效果。

public static Mat imread(String filename, int flags) {
       return new Mat(imread_0(filename, flags));
}
// 調(diào)用例子
eg:
Mat bgr = Imgcodecs.imread(filePath, Imgcodecs.IMREAD_UNCHANGED);
Imgproc.cvtColor(bgr, srcMat, Imgproc.COLOR_BGR2RGB);
//Imgcodecs flags 常用參數(shù)含義
public static final int IMREAD_UNCHANGED = -1;  // 無改動
public static final int IMREAD_GRAYSCALE = 0;  // 單通道灰色
public static final int IMREAD_COLOR = 1;  //三通道BGR圖像

Utils.bitmapToMat

通過Utils.bitmapToMat方法獲取Mat對象。

Bitmap bitmap = BitmapFactory.decodeResource(res, R.drawable.icon);
Mat mat = Mat()
// bitmap : 支持ARGB_8888和RGB_565兩種格式
// mat : 類型為CV_8UC4，通道順序為RGBA
Utils.bitmapToMat(bitmap, mat);

主要API - 寫入圖片

我們可以通過 imwrite方法將Mat對象保存至指定文件

File file = new File(Environment.getExternalStorageDirectory().getPath() + File.separator + "${System.currentTimeMillis()}.jpg");
 if (!file.exists()) {
        file.createNewFile();
 }
// 文件路徑  ,  待輸出mat對象
Imgcodecs.imwrite(file.getPath(), srcMat);

端側(cè)常用分析方法

亮度檢測

計算圖片在灰度圖上的均值和方差，當(dāng)存在亮度異常時，均值會偏離均值點(可以取0-255中間值 128)，方差也會偏?。煌ㄟ^計算灰度圖的均值和方差，就可評估圖像是否存在過曝光或曝光不足。

//亮度檢測
private static float brightness(Mat grayImage) {
        float a = 0;
        int Hist[] = new int[256];
        for (int i = 0; i < 256; i++) {
            Hist[i] = 0;
        }
        for (int i = 0; i < grayImage.rows(); i++) {
            for (int j = 0; j < grayImage.cols(); j++) {
                //在計算過程中，考慮128為亮度均值點
                a += (float) (grayImage.get(i, j)[0] - 128);
                int x = (int) grayImage.get(i, j)[0];
                Hist[x]++;
            }
        }
        float da = a / (float) (grayImage.rows() * grayImage.cols());
        float D = Math.abs(da);
        float Ma = 0;
        for (int i = 0; i < 256; i++) {
            Ma += Math.abs(i - 128 - da) * Hist[i];
        }
        Ma /= (float) ((grayImage.rows() * grayImage.cols()));
        float M = Math.abs(Ma);
        float K = D / M;
        float cast = K;
        if (cast >= 1) {
            if (da > 0) {
                Log.e("ymc", "過亮");
            } else {
                Log.e("ymc", "過暗");
            }
        } else {
            Log.e("ymc", "亮度：正常");
        }
        return cast;
    }

清晰度檢測

利用拉普拉斯算子計算圖片的二階導(dǎo)數(shù)，反映圖片的邊緣信息，同樣事物的圖片，清晰度高的，相對應(yīng)的經(jīng)過拉普拉斯算子濾波后的圖片的方差也就越大。

//清晰度
private static double clarity(Mat grayImage) {
        Mat laplacianDstImage = new Mat();
        Imgproc.Laplacian(grayImage, laplacianDstImage, CvType.CV_64F);
        MatOfDouble median = new MatOfDouble();
        MatOfDouble std = new MatOfDouble();
        Core.meanStdDev(laplacianDstImage, median, std);
        double clarity = Math.pow(std.get(0, 0)[0], 2);
        //后續(xù)可根據(jù)業(yè)務(wù)設(shè)置閾值
        Log.e("ymc", "清晰度：" + clarity);
        laplacianDstImage.release();
        return clarity;
    }