Android NDK之旅——图片高斯模糊

  • 阅读本文可能花费的时间
    15分钟
  • 本文可能了解到的知识
    1. CMake基本使用
    2. Android NDK开发/使用
    3. JNI层操作Java对象

  • 实现效果
    Android使用C/C++实现图片的毛玻璃效果。

  • 注:
    1. 本文研究对象为Android JNI/NDK开发,非图片算法,故不对毛玻璃算法做阐述。
    2. 本人能力有限,如有不妥请指出。

前言

十一假期几天的思考,确立了自己的进阶方向,打算了解下计算机视觉方面的技术,也就是opencv。在Android中集成opencv的话必然要掌握JNI/NDK的开发,所以写了本文,一是向大家分享自己的学习经验,二是巩固自己的JNI/NDK开发和抛弃已久的C/C++方面的知识。

CMake

CMake是一款项目构建工具,通过编写简单明了的在CmakeLists.txt来生成makefile,简单来说就是一个makefile生成器。

在Android Studio中安装CMake非常简单,打开Tools->Android->SDK Manager,选择SDK Tools标签页,勾选CMake、LLDB、NDK,OK自动安装即可。其中LLDB可以使我们在Android Studio中调试C/C++程序。NDK为原生开发工具包,必不可少。

为什么要做JNI/NDK开发

众所周知,Java/Android程序是运行在JVM/Dalvik VM中,所以Java程序远没有C/C++程序性能高,尤其是在CPU密集型运算时,所以Java平台提供了JNI(Java Native Interface),可通过JNI调用C/C++等编写的so动态链接库。
注:Google在Android L以后用ART彻底代替了Dalvik VM,但ART本质上仍是一个虚拟机,并支持所有Dalvik VM指令集。
Java API中几乎所有与硬件相关的方法都是native的,比如I/O操作、网络访问、手机传感器、串口读写等。
本文涉及的图片处理是一种CPU密集型任务,在Android开发中使用native方法最为合适。

如何使用CMake做JNI/NDK开发

1 新建工程


选中Include C++ Support,意为引入C++支持。

2 配置C++支持


在Customize C++ Support界面默认即可,意为CMake/C++11环境

3 认识CMakeLists.txt

工程创建完毕之后Android Studio会在app目录下生成CMakeLists.txt文件。CMakeLists.txt是CMake的配置文件,用于表明版本、依赖、等信息,以下为Android Studio生成的CMakeLists(过滤注释)

cmake_minimum_required(VERSION 3.4.1)

add_library(native-lib SHARED src/main/cpp/native-lib.cpp)

find_library(log-lib log)

target_link_libraries(native-lib ${log-lib})复制代码
  • cmake_minimum_required(VERSION 3.4.1)
    CMake最小版本使用的是3.4.1。
  • add_library()
    配置so库信息(为当前当前脚本文件添加库)
    • native-lib
      这个是声明引用so库的名称,在项目中,如果需要使用这个so文件,引用的名称就是这个。值得注意的是,实际上生成的so文件名称是libnative-lib。
    • SHARED
      这个参数表示共享so库文件,也就是在Run项目或者build项目时会在目录intermediates\transforms\mergeJniLibs\debug\folders\2000\1f\main下生成so文件。
    • src/main/cpp/native-lib.cpp
      构建so库的源文件。
  • 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Java类型描述
jbooleanboolean无符号8位整型
jbytebyte无符号8位整型
jcharchar无符号16位整型
jshortshort有符号16位整型
jintint32位整型
jlonglong64位整型
jfloatfloat32位浮点型
jdoubledouble64位浮点型
voidvoid无类型
引用数据类型
JNI类型Java类型描述
jobjectObjectObject类型
jclassClassClass类型
jstringStringString类型
jobjectArrayObject[]对象数组
jbooleanArrayboolean[]boolean数组
jbyteArraybyte[]byte数组
jcharArraychar[]char数组
jshortArrayshort[]short数组
jintArrayint[]int数组
jlongArraylong[]long数组
jfloatArrayfloat[]float数组
jdoubleArraydouble[]double数组
jthrowableThrowableThrowable
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());
}复制代码
  • 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})复制代码

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
}复制代码

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);
}复制代码

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。

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);
}复制代码

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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