Android NDK之旅——图片高斯模糊

Java类型签名Java类型签名Java类型签名
booleanZbyteBcharC
shortSintIlongJ
floatFdoubleDvoidV
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);
int cb = (int)(b / gaussSum);
pix[y * w + x] = cr << 16 | cg << 8 | cb | 0xff000000;
}
}
for (int x = 0; x < w; ++x)
{
for (int y = 0; y < h; ++y)
listData[y] = pix[y * w + x];
for (int y = 0; y < h; ++y)
{
float r = 0, g = 0, b = 0;
gaussSum = 0;
for (int j = -radius; j <= radius; ++j)
{
int k = y + j;
if (0 <= k && k <= h)
{
int color = listData[k];
int cr = (color & 0x00ff0000) >> 16;
int cg = (color & 0x0000ff00) >> 8;
int cb = (color & 0x000000ff);
r += cr * gaussMatrix[j + radius];
g += cg * gaussMatrix[j + radius];
b += cb * gaussMatrix[j + radius];
gaussSum += gaussMatrix[j + radius];
}
}
int cr = (int)(r / gaussSum);
int cg = (int)(g / gaussSum);
int cb = (int)(b / gaussSum);
pix[y * w + x] = cr << 16 | cg << 8 | cb | 0xff000000;
}
}
free(gaussMatrix);
free(rowData);
free(listData);
}

最后

给大家分享一份移动架构大纲,包含了移动架构师需要掌握的所有的技术体系,大家可以对比一下自己不足或者欠缺的地方有方向的去学习提升;

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**

需要这份系统化学习资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

评论
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