Android OpenCV应用篇二：图片处理

上篇我们成功搭建了OpenCV的Android开发环境，并简单介绍了一下OpenCV的相关应用:

Android OpenCV应用篇一：环境搭建，高斯差分

接下来我们继续探索OpenCV在Android上对应用。

---

在进行图像处理的一些高级操作时候，我们需要对图片进行预处理，以过滤一些不必要对信息，缩短计算时间，接下来我们就来介绍一些基本的图片处理操作

• 灰度
• 模糊
• 降噪
• 锐化
• 腐蚀和膨胀
• 阈值化、自适应阈值
• 直方图均衡

---

OpenCV中图像对存储

开始之前，我们先来了解一些OpenCV中是如何保存操作图片对象对。对于Android系统API相信大家都知道系统有提供Bitmap，Drawable来临时保存图片对象供我们使用操作，相对都，OpenCV也有提供相关对工具类：Mat
Mat对象保存来图片对行数（高度）、列数（宽度）、通道（颜色通道）、图片数据等相关信息，并封装来一些图片等操作方法（后续会有用到再做介绍）。

上面两幅图简单介绍来一下**Mat**是如何表示衣服图像的，OK，简单了解这些后，我们开始进行图片的处理工作。

利用OpenCV处理图片

一、灰度处理

在进行许多复杂的图像处理之前，我们都需要将图像转换成灰度单通道。
在没有使用OpenCV之前，我们在Android上操作Bitmap是如何得到一张RGBA图片的灰度图像的：
Android转化为bitmap类得到灰度图像，并对其数据做如下操作：

    A通道保持不变，然后逐像素计算：X = 0.3×R+0.59×G+0.11×B，并使这个像素的值新R，G，B值为X，即：

    new_R = X, new_G = X, new_B = X

    例如：原来一个像素是4个byte，分别为ARGB，现在这个像素应该为AXXX

没错，我们通过重新计算每个像素点的颜色值，然后重新绘图得到,得到的图片的通道仍然与原图保持一致，归根揭底还是一个RGBA的图片，只是颜色值为gray而已。

OpenCV给我们提供来更为彻底的处理函数：

Imgproc.cvtColor(Mat src, Mat dst, ind code)

• src为要处理的图片
• dst为处理后输出图片
• code为转换模型
  例如我们要将一个RGBA的图片转换成GRAY，如下处理

Imgproc.cvtColor(src, src, Imgproc.COLOR_RGBA2GRAY)

得到的是一个单通道的GRAY图像，效果如下：

二、线性滤波

线性滤波最常见对一种用途是降噪，噪声是图像中亮度或色彩信息对随机变化，我们用模糊操作来减少图像中对噪声。

2.1、高斯模糊

高斯模糊是比较常用的模糊算法，在许多图片美化工具中都用经常用到。具体的高斯模糊函数以及原理我们这里不做介绍（高数实在是全部换回去了，无力研究），感兴趣的可以自己去找资料研究一下。
OpenCV为我们提供了内置函数用来在应用中执行高斯模糊：GaussianBlur

Imgproc.GaussianBlur(
	Mat src, // 要处理的图像
	Mat dst, // 输出图像
	Size kSize, // 高斯内核大小
	double sigmax, // 高斯函数在x方向上的标准偏差
	double sigmay  // 高斯函数在y方向上的标准偏差
)

例如我们对图片进行一次高斯模糊处理：

// 高斯模糊
Imgproc.GaussianBlur(src, src, Size(3.0, 3.0), 0.0,0.0)

效果图：

2.2、中值模糊

噪声在图片是是一种比较常见对现象，尤其是椒盐噪声，该噪声是疏密分布与图片中对黑色白色像素点。我们可以利用中值滤波去除这一类噪声。

OpenCV给我们提供了medianBlur内置函数来进行中值滤波

medianBlur(Mat src, Mat dst, int ksize) 

例：

// 中值滤波
Imgproc.medianBlur(src, src, 3)

效果图：

2.3、均值模糊

均值模糊是最简单一中模糊处理方式
在OpenCV中，我们使用内置函数：blur来进行处理

blur(Mat src, Mat dst, Size ksize)

例：

// 均值模糊
Imgproc.blur(src, src, Size(8.0, 8.0))

效果图：

2.4、锐化

锐化可以看作是一种线性滤波操作，具体原理性质的概念不做赘述。通常我们在处理沙滩、毛发之类的图片时会经常用到锐化的操作，可以给人一中更有质感的感觉。
话不多说，OpenCV 中的内置函数：filter2D 可以帮助我们实现这一效果

filter2D(Mat src, Mat dst, int ddepth, Mat kernel)

例：

//锐化处理，做卷积
val kernel = Mat(3, 3, CvType.CV_16SC1)
kernel.put(
      0, 0,
      0.0, -1.0, 0.0,
      -1.0, 5.0, -1.0,
      0.0, -1.0, 0.0
    )
Imgproc.filter2D(src, src, src.depth(), kernel)

效果图：

三 阈值化

阈值化是一种将我们想要在图像中分析的区域分割出来的方法，基本原理是把每个像