Android NDK之旅——图片高斯模糊，理解透彻

最新推荐文章于 2024-09-13 21:39:37 发布

2401_84152317

最新推荐文章于 2024-09-13 21:39:37 发布

阅读量856

点赞数 13

分类专栏：程序员文章标签： android

本文链接：https://blog.csdn.net/2401_84152317/article/details/137414837

版权

程序员专栏收录该内容

186 篇文章 0 订阅

订阅专栏

find_library()
查找一个库文件
log-lib
这个指定的是在NDK库中每个类型的库会存放一个特定的位置，而log库存放在log-lib中
log
指定使用log库
target_link_libraries()
如果你本地的库（native-lib）想要调用log库的方法，那么就需要配置这个属性，意思是把NDK库关联到本地库。
native-lib
要被关联的库名称
** ${log-lib}** 要关联的库名称，要用大括号包裹，前面还要有$ 符号去引用。

4 了解JNI的C/C++规范

数据类型

JNI的数据类型包含两种，分别是基本类型和引用类型，它们和Java中的数据类型对应关系如下两表所示。

基本数据类型
JNI类型
:-:
jboolean
jbyte
jchar
jshort
jint
jlong
jfloat
jdouble
void

引用数据类型
JNI类型
:-:
jobject
jclass
jstring
jobjectArray
jbooleanArray
jbyteArray
jcharArray
jshortArray
jintArray
jlongArray
jfloatArray
jdoubleArray
jthrowable

JNI的类型签名

JNI的类型签名标识了一个特定的Java类型，这个类型既可以是类也可以是方法，也可以是数据类型。

类的签名比较简单，它采用 L+包名+类型+; 的形式，只需要将其中的.替换为/即可。例如java.lang.String，它的签名为Ljava/lang/String; ，注意末尾的;也是签名一部分。
基本数据类型的签名采用一系列大写字母来表示, 如下表所示

基本数据类型的签名
Java类型
:-:
boolean
short
float

JNI C/C++函数编写

先来看看Android Studio为我们生成的示例

JNIEXPORT jstring JNICALL
Java_com_glee_myapplication_MainActivity_stringFromJNI(
JNIEnv* env,
jobject /* this */) {
std::string hello = “Hello from C++”;
return env->NewStringUTF(hello.c_str());
}

JNIEXPORT & JNICALL
JNIEXPORT和JNICALL这两个宏（被定义在jni.h）确保这个函数在本地库外可见，并且编译器会进行正确的调用转换。
函数规范
在JNI中C/C++的函数名是有规范要求的，由以下几部分串接而成
Java_前缀
完全限定的类名，并用下划线“_”作为分隔符
第一参数JNIEnv* env
第二个参数jobject或jclass
其他参数按类型映射
返回参数按类型映射

JNI层操作Bitmap对象

原理

Android中JNI层处理Bitmap通常有两种方法

获取到Bitmap中的byte数组并传入native方法，JNI层处理得到的byte数组后返回一个新的byte数组，Java层重建Bitmap对象。（不推荐）
Java层直接向JNI层传入Bitmap的引用，JNI层得到Bitmap对象的图像数据的地址，直接修改Bitmap的byte数组。

阅读了很多篇博客，很多开发者都会采用第一种方法，本人是极不推荐的。这种方法会在内存中重建一个byte数组，会造成内存的浪费，性能低下。
第二种方法是性能最优的，JNI层充分利用的C/C++指针的特性，直接获取到Bitmap中byte数组在内存中的地址，通过指针直接修改图像数据，所以用到了NDK中的android/bitmap.h。

android/bitmap.h

android/bitmap.h这个头文件用于在JNI层操作Bitmap对象的，其包含于jnigraphics库中，所以要在CMakeLists.txt中的target_link_libraries加入-ljnigraphics，如下

target_link_libraries(native-lib -ljnigraphics ${log-lib})

三个常用函数

AndroidBitmap_getInfo() 从位图句柄获得信息（宽度、高度、像素格式）
AndroidBitmap_lockPixels() 对像素缓存上锁，即获得该缓存的指针。
AndroidBitmap_unlockPixels() 解锁

JNI接口函数

请看注释

JNIEXPORT void JNICALL
Java_com_glee_ndkroad1006_MainActivity_gaussBlur(JNIEnv env, jobject / this /, jobject bmp) {
AndroidBitmapInfo info = {0};//初始化BitmapInfo结构体
int data=NULL;//初始化Bitmap图像数据指针
AndroidBitmap_getInfo(env, bmp, &info);
AndroidBitmap_lockPixels(env, bmp, (void *) &data);//锁定Bitmap，并且获得指针
/高斯模糊算法作对int数组进行处理/
//调用gaussBlur函数，把图像数据指针、图片长宽和模糊半径传入
gaussBlur(data,info.width,info.height,80);
/**************************************************/
AndroidBitmap_unlockPixels(env,bmp);//解锁
}

这里用到的gaussBlur函数代码将在文章最后列出。
这里用到的gaussBlur函数代码将在文章最后列出。
这里用到的gaussBlur函数代码将在文章最后列出。

Java层代码

请看注释

public class MainActivity extends AppCompatActivity {

static {
//通过静态代码块加载so库
System.loadLibrary(“native-lib”);
}

@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
//初始化两个ImageView
ImageView iv1 = (ImageView) findViewById(R.id.img1);
ImageView iv2 = (ImageView) findViewById(R.id.img2);
//iv1设置图片
iv1.setImageResource(R.drawable.test);
//生成bitmap对象
Bitmap bitmap = BitmapFactory.decodeResource(getResources(), R.drawable.test);
//调用native方法，传入Bitmap对象，对Bitmap进行高斯迷糊处理
gaussBlur(bitmap);
//把Bitmap对象设置给iv2
iv2.setImageBitmap(bitmap);
}
//native方法声明
public native void gaussBlur(Bitmap bitmap);
}

运行效果

上方的ImageView是没有进行高斯模糊处理的，下方的ImageView调用了JNI方法进行高斯模糊处理。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

高斯模糊算法

void gaussBlur1(int* pix, int w, int h, int radius)
{
float sigma = (float) (1.0 * radius / 2.57);
float deno = (float) (1.0 / (sigma * sqrt(2.0 * PI)));
float nume = (float) (-1.0 / (2.0 * sigma * sigma));
float* gaussMatrix = (float*)malloc(sizeof(float)* (radius + radius + 1));
float gaussSum = 0.0;
for (int i = 0, x = -radius; x <= radius; ++x, ++i)
{
float g = (float) (deno * exp(1.0 * nume * x * x));
gaussMatrix[i] = g;
gaussSum += g;
}
int len = radius + radius + 1;
for (int i = 0; i < len; ++i)
gaussMatrix[i] /= gaussSum;
int* rowData = (int*)malloc(w * sizeof(int));
int* listData = (int*)malloc(h * sizeof(int));
for (int y = 0; y < h; ++y)
{
memcpy(rowData, pix + y * w, sizeof(int) * w);
for (int x = 0; x < w; ++x)
{
float r = 0, g = 0, b = 0;
gaussSum = 0;
for (int i = -radius; i <= radius; ++i)
{
int k = x + i;
if (0 <= k && k <= w)
{
//得到像素点的rgb值
int color = rowData[k];
int cr = (color & 0x00ff0000) >> 16;
int cg = (color & 0x0000ff00) >> 8;
int cb = (color & 0x000000ff);
r += cr * gaussMatrix[i + radius];
g += cg * gaussMatrix[i + radius];
b += cb * gaussMatrix[i + radius];
gaussSum += gaussMatrix[i + radius];
}
}
int cr = (int)(r / gaussSum);
int cg = (int)(g / gaussSum);
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。