android NDK开发小记

1 篇文章 0 订阅

一、开发环境搭建

     这里说的环境搭建主要是已经完成android开发环境的基础上做的,主要有:NDK下载,下载安装cygwin,NDK环境变量配置,eclipse CDT插件的安装 ,这些在网络上都有详细的图文说明。注意的地方是cygwin最好选择离线安装(本人从网络安装花了N久的时间最后还报错,最后还得离线安装完成)。NDK环境变量配置主要是home\<你的用户名>\. .bash_profile。打开这个文件在最后添加NDK环境变量路径,如:

NDK_ROOT=/cygdrive/e/NDK/android-ndk-r7b
export NDK_ROOT

 
二、NDK开发,第一个程序

    第一个程序当然是从Hello World写起,主要分下面几步:

1、创建一个Android工程,在java代码中声明native方法,

package com.joy.hellondk;

import android.app.Activity; import android.os.Bundle;

public class HelloNDKActivity extends Activity {   public native String helloFromC();

    @Override     public void onCreate(Bundle savedInstanceState) {         super.onCreate(savedInstanceState);         setContentView(R.layout.main);     } }

    如这里定义的了一个helloFromC()的native方法,这个方法在对应C中的方法。对应的C代码我们可以通过javah来生成一个.h的文件。具体步骤:通过cmd跳转到工程目录的bin/classes目录下,执行javah com.joy.hellondk.HelloNDKActivity (包名+类名)

E:\eclipseWork\HelloNDK\bin\classes>javah com.joy.hellondk.HelloNDKActivity

执行后在E:\eclipseWork\HelloNDK\bin\classes目录下回生成com_joy_hellondk_HelloNDKActivity.h 的C文件,该文件名字是对应java的包名和类名,打开这个文件我们可以看到内部的代码

/* DO NOT EDIT THIS FILE - it is machine generated */
#include <jni.h>
/* Header for class com_joy_hellondk_HelloNDKActivity */

#ifndef _Included_com_joy_hellondk_HelloNDKActivity
#define _Included_com_joy_hellondk_HelloNDKActivity
#ifdef __cplusplus
extern "C" {
#endif
/*
 * Class:     com_joy_hellondk_HelloNDKActivity
 * Method:    helloFromC
 * Signature: ()Ljava/lang/String;
 */
JNIEXPORT jstring JNICALL Java_com_joy_hellondk_HelloNDKActivity_helloFromC
  (JNIEnv *, jobject);

#ifdef __cplusplus
}
#endif
#endif

这段代码中JNIEXPORT jstring JNICALL Java_com_joy_hellondk_HelloNDKActivity_helloFromC (JNIEnv *, jobject); 就是我们在java中定义的native对应的C代码接口,jstring是返回值,这种类型是jni.h定义的(jni.h是在我们下载的ndk开发包中platforms目录下,如我的在:android-ndk-r7b\platforms\android-8\arch-arm\usr\include目录);方法名Java_com_joy_hellondk_HelloNDKActivity_helloFromC定义是Java开头+包名+类名+方法名,参数JNIEnv *, jobject这两个是必须的量。

2、创建jni目录,编写C的代码,方法名字要对应

    在步骤1建的Android工程上建立名为jni的目录,并把上面javah生成的com_joy_hellondk_HelloNDKActivity.h文件拷贝到jni目录下,同时在jni目录下建立C文件来实现,这里命名为Hello.c,在C中代码如下

#include<stdio.h>
#include"com_joy_hellondk_HelloNDKActivity.h"

JNIEXPORT jstring JNICALL Java_com_joy_hellondk_HelloNDKActivity_helloFromC
  (JNIEnv* env, jobject obj) {
//	return (*(*env)).NewStringUTF(env, "Hello from C");
	return (*env)->NewStringUTF(env, "Hello from C   -->");
}

头文件包含com_joy_hellondk_HelloNDKActivity.h并对声明的方法Java_com_joy_hellondk_HelloNDKActivity_helloFromC,返回的参数jstring类型通过NewStringUTF方法产生,NewStringUTF方法的定义可以查看jni.h。

 

3、编写Android.mk文件

     这个是NDK编译生成动态库所需要的。其写法在ndk目录下docs下的ANDROID-MK.html有示例介绍,如我这里是android-ndk-r7b\docs打开ANDROID-MK.html可以看到里面写的

   ---------- cut here ------------------
   LOCAL_PATH := $(call my-dir)

   include $(CLEAR_VARS)

   LOCAL_MODULE    := hello-jni
   LOCAL_SRC_FILES := hello-jni.c

   include $(BUILD_SHARED_LIBRARY)
   ---------- cut here ------------------

这里cut here中间的内容既是基本的要素LOCAL_PATH表示当前工作目录;LOCAL_MODULE表示生成的动态库名字;LOCAL_SRC_FILES表示编译的C文件。我们这里把这两个值改下为:LOCAL_MODULE    := Hello
   LOCAL_SRC_FILES := Hello.c

 

4、NDK编译生成动态库

     打开cygwin并跳转到Android的工作目录,并编译

编译后,在android工程下会生成一个.so的动态库文件,动态库的命名前缀lib和后缀.so是自动加上的,中间名字是我们在Android.mk中LOCAL_MODULE指定的,如图

5、java代码load动态库,调用native方法

    在我们调用C代码的java代码中将生成的动态库加载进来,并在需要的地方调用native方法,即C代码。通过static块加载的动态库名与Android.mk中定义的LOCAL_MODULE名字是一致的。

public class HelloNDKActivity extends Activity {
	static {
		// 不需要加前缀lib和后缀.so
		System.loadLibrary("Hello");
	}
	
	public native String helloFromC();

    @Override
    public void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.main);
    }
    //为了测试方便,用一个按钮点击来查看效果
    public void click(View view) {   
    	Toast.makeText(this, helloFromC(), 1).show();
    }
}

 把项目部署到模拟器,点击按钮查看,效果如下:toast中显示的字符串即我们在C代码中写的字符串。


                
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值