NO.2 Android Opencv 像素处理

零蚀

---

Mat像素处理

• 从Mat中读取像素数据

  • 读取一个像素数据，这种方式就是和bitmap中的读取一个像素点的方式是一样的，将每个像素点进行处理。

      Bitmap bitmap = BitmapFactory.decodeResource(this.getResources(), R.mipmap.android);
      Mat src=new Mat();
      Mat dst=new Mat();
      Utils.bitmapToMat(bitmap,src);
  
      int width = src.width();
      int height = src.height();
      int channels=src.channels();
  
      byte[] bytes=new byte[channels];
      int b=0,g=0,r=0;
      for (int row = 0; row < height; row++) {
          for (int cols = 0; cols < width; cols++) {
              // 获取
              src.get(row, cols,bytes);
              b=bytes[0] & 0xff;
              g=bytes[1] & 0xff;
              r=bytes[2] & 0xff;
              // 修改
              b=255-b;
              g=255-g;
              r=255-r;
              // 设置
              bytes[0]= (byte) b;
              bytes[1]= (byte) g;
              bytes[2]= (byte) r;
              src.put(row,cols,bytes);
          }
      }
      Imgproc.cvtColor(src, dst,Imgproc.COLOR_BGRA2BGR);
      Utils.matToBitmap(dst,bitmap);
      ImageView image = findViewById(R.id.image);
      image.setImageBitmap(bitmap);
      src.release();
      dst.release();
  

  

  • 按照每一行来设置像素的信息,这里要注意，上面是

      byte[] bytes=new byte[channels*width];
      int pv=0;
      for (int row = 0; row < height; row++) {
          // 获取一行
          src.get(row,0,bytes);
          for (int cols = 0; cols < bytes.length; cols++) {
              // 获取每一个的每一个列的元素
              pv=bytes[cols] & 0xff;
              // 修改每一列的元素
              pv=255-pv;
              // 设置进一行的素组信息中
              bytes[cols]= (byte) pv;
          }
          src.put(row,0,bytes);
      }
  

  • 一次性全部读取

      Utils.bitmapToMat(bitmap,src);
      int width=src.width();
      int height=src.height();
      int channel=src.channels();
      byte[] bytes=new byte[channel*width*height];
      int pv=0;
      src.get(0,0,bytes);
      for (int i = 0; i < bytes.length; i++) {
          pv=bytes[i]&0xff;
          pv=255-pv;
          bytes[i]= (byte) pv;
      }
      src.put(0,0,bytes);
      Imgproc.cvtColor(src, dst,Imgproc.COLOR_BGRA2BGR);
  

• 算数操作

  • 将图像拆成多个待合并的单通道图，或单通道合并成多通道图，计算均值和标准差，这个标准差主要可以根据大小判断图像的色彩波动，来判断图像的质量好坏。

      Core.split(src,list); // 通道分离,(分离成单通道图)
      Core.merge(list,src); // 通道合并
      // 计算通道均值，标准方差
      MatOfDouble average=new MatOfDouble();
      MatOfDouble variance=new MatOfDouble();
      Core.meanStdDev(src,average,variance);
      // 显示均值和方差
      Log.e("zero","average="+average.toArray()[0]);
      Log.e("zero","variance="+variance.toArray()[0]);
  

  $$均值\mu =\frac{1}{n}\sum _{i=0}^n{x}_i$$

  $$标准方差stddev=\sqrt{\frac{{\sum }_{i=0}^n(x_i-\mu {)}^2}{n-1}}$$

  • 我们可以根据均值设置二值图，（就是两种色彩构建的图图，只用0和255绘制）

      src.get(0,0,data);
      for (int i=0;i<data.length;i++) {
          pv = data[i] & 0xff;
          if(pv < average.toArray()[0]){
              data[i]=(byte)0;
          }else{
              data[i]=(byte)255;
          }
      }
      src.put(0,0,data);
  

  

• 两个图像的加减乘除

  • 以加为例,给图片添加红色，这里如果想相加两个个Mat

      Utils.bitmapToMat(bitmap,src);
      // 给图片添加颜色
      Core.add(src,new Scalar(255,0,0),dst);
      Mat result=new Mat();
      Imgproc.cvtColor(dst,result,Imgproc.COLOR_BGRA2BGR);
  
      Bitmap bitmapRes=Bitmap.createBitmap(dst.width(),dst.height(),Bitmap.Config.ARGB_8888);
      Utils.matToBitmap(result,bitmapRes);
      ImageView image = findViewById(R.id.image);
      image.setImageBitmap(bitmapRes);
  

  

  • 其他的计算的方法(加减乘除)

  add(Mat srcl, Mat src2, Mat dst)
  subtract(Mat srcl, Mat src2, Mat dst)
  multiply(Mat srcl, Mat src2, Mat dst)
  divide(Mat srcl, Mat src2, Mat dst)
  

  • 图像的权重叠加（这个和add的作用机理一致，不一样的是add相当于 1+1 ， 而权限总和只能为1），让我们来看看1:1的融合样子。

      Bitmap bitmap = BitmapFactory.decodeResource(this.getResources(), R.mipmap.android);
      Bitmap bitmap2 = BitmapFactory.decodeResource(this.getResources(), R.mipmap.clothes);
      Mat src=new Mat();
      Mat src2 = new Mat();
  
      Utils.bitmapToMat(bitmap,src);
      Utils.bitmapToMat(bitmap2,src2);
      Mat dst=new Mat();
      /**
       * @Param src1 第一个输入的mat参数
       * @Param alpha 第一个图像所占的权重(权重满足条件是所有权重和为1 alpha + beta = 1)
       * @Param src2 第二个输入的mat参数
       * @Param beta 第二个图像所占的权重
       * @Param gamma 亮度 默认值为0
       * @Param dst 输出mat
       */
      Core.addWeighted(src,0.6,src2,0.4, 0 ,dst);
  	//        Core.add(src,src2,dst);
  
      // 给图片添加颜色
      Bitmap bitmapRes=Bitmap.createBitmap(src.width(),src.height(),Bitmap.Config.ARGB_8888);
      // 转化为bitmap
      Utils.matToBitmap(dst,bitmapRes);
      image.setImageBitmap(bitmapRes);
  

  

  • 这里要注意的一点是，合并的两张图像的规格一定要一致，不然就会发生报错，这里这个衣服和android机器人的图像都是 200 x 200 （32bit）的图像。

  • 像素操作(⚠️注意 ：这里需要在取反前讲图像有透明度的改成没有透明度的格式，不然取反会变形,并且其他的操作，都要求两个图片格式一样)

  // 像素值取反,每个像素都255-b/g/r
  Imgproc.cvtColor(src,src2,Imgproc.COLOR_BGRA2RGB);
  Core.bitwise_not(src2,result);
  // 像素或操作
  Core.bitwise_or(src,src2,dst);
  // 像素与操作
  Core.bitwise_and(src,src2,dst);
  // 像素亦或操作
  Core.bitwise_xor(src,src2,dst);
  

  

  • 图像归一化处理（将像素归一化到 0～255之内）

  // 将像素值缩放到 0 - 255 之内
  Core.convertScaleAbs(src,dst);
  // 将像素值缩放到 90 - 140 之内
  /**
   * @Param src 表示源数据
   * @Param dst 目标数据
   * @Param alpha 归一化的最低值
   * @Param beta 归一化的最高值
   * @Param dtype 输出类型，默认-1源数据类型（NORM_MINMAX 最大最小值诡异算法）
   * @Param mark 遮罩层
   */
  // 将像素值缩放到 90 - 140 之内
  Core.normalize(src,dst,200,255,Core.NORM_MINMAX,-1,new Mat());
  

  

  • 最小与最大值归一化算法

    $$dst=(\frac{x-min}{max-min})\ast (beta-alpha)+alpha$$

    • 其实我觉得上面这个算法其实很好理解的，假设这里设置的上下值的差值设为Error（误差beta-alpha），数据里最大误差error(max-min),则我们用数据的单个像素点误差/最大误差 * 设定误差 ， 就相当于把图像里的误差值，缩放到了我们设定的误差值上，然后加上我们设定的像素起始值，就是这个像素该有的缩放后的值了。

---

🔗 前言
🔗 Android Opencv篇
🔗 NO.1 Android Opencv 初见
🔗 NO.3 Android Opencv 图像处理
🔗 NO.4 Android Opencv 特征检测
🔗 NO.5 Android Opencv 相机人脸识别
🔗 NO.6 Android Opencv OCR & 积分图
🔗 NO.7 Android Opencv 人脸美颜
🔗 NO.8 Android Opencv 眼球跟踪