Android OpenCV基础API清晰度亮度识别检测

目录
  • 背景
  • 基础知识
  • 主要Api - 加载图片
    • imread
    • Utils.bitmapToMat
  • 主要API - 写入图片
  • 端侧常用分析方法
    • 亮度检测
    • 清晰度检测
  • 最后

背景

工作中遇到业务诉求是通过OpenCV对图片进行一些判断操作和优化,这里是看了部分不错的文章,希望总结一个自己的学习过程,温故而知新,有不对的地方可以评论区指出,小白学习海涵。

基础知识

Mat在OpenCV中是非常重要的存在,后续各个API都是在Mat的基础上去做文章,Mat 是Matrix(矩阵)的缩写

...
inline
Mat::Mat(int _rows, int _cols, int _type)
    : flags(MAGIC_VAL), dims(0), rows(0), cols(0), data(0), datastart(0), dataend(0),
      datalimit(0), allocator(0), u(0), size(&rows), step(0)
{
    create(_rows, _cols, _type);
}
inline
void Mat::create(int _rows, int _cols, int _type)
{
    _type &= TYPE_MASK;
    if( dims <= 2 && rows == _rows && cols == _cols && type() == _type && data )
        return;
    int sz[] = {_rows, _cols};
    create(2, sz, _type);
}
...

Mat中其实保存着关于图片的图像信息,包括像素、宽、高、类型大小深度等属性。

主要Api - 加载图片

由于我这里使用的集团的二方库,读者大佬可以直接在github搜索 OpenCV对应版本,在gradle中添加依赖即可,由于本人是使用的Java代码通过jni调用底层C++代码,大部分api其实是互通的(网上Python教程居多,这也是我想把这个过程总结下来的原因)

imread

该方法主要是获取图片的Mat信息的 默认通道为BGR(Blue, Green, Red),可以有很多flags供我们选择以此达到不同的效果。

public static Mat imread(String filename, int flags) {
       return new Mat(imread_0(filename, flags));
}
// 调用例子
eg:
Mat bgr = Imgcodecs.imread(filePath, Imgcodecs.IMREAD_UNCHANGED);
Imgproc.cvtColor(bgr, srcMat, Imgproc.COLOR_BGR2RGB);
//Imgcodecs flags 常用参数含义
public static final int IMREAD_UNCHANGED = -1;  // 无改动
public static final int IMREAD_GRAYSCALE = 0;  // 单通道灰色
public static final int IMREAD_COLOR = 1;  //三通道BGR图像

Utils.bitmapToMat

通过Utils.bitmapToMat方法获取Mat对象。

Bitmap bitmap = BitmapFactory.decodeResource(res, R.drawable.icon);
Mat mat = Mat()
// bitmap : 支持ARGB_8888和RGB_565两种格式
// mat : 类型为CV_8UC4,通道顺序为RGBA
Utils.bitmapToMat(bitmap, mat);

主要API - 写入图片

   我们可以通过 imwrite方法将Mat对象保存至指定文件

File file = new File(Environment.getExternalStorageDirectory().getPath() + File.separator + "${System.currentTimeMillis()}.jpg");
 if (!file.exists()) {
        file.createNewFile();
 }
// 文件路径  ,  待输出mat对象
Imgcodecs.imwrite(file.getPath(), srcMat);

端侧常用分析方法

亮度检测

计算图片在灰度图上的均值和方差,当存在亮度异常时,均值会偏离均值点(可以取0-255中间值 128),方差也会偏小;通过计算灰度图的均值和方差,就可评估图像是否存在过曝光或曝光不足。

//亮度检测
private static float brightness(Mat grayImage) {
        float a = 0;
        int Hist[] = new int[256];
        for (int i = 0; i < 256; i++) {
            Hist[i] = 0;
        }
        for (int i = 0; i < grayImage.rows(); i++) {
            for (int j = 0; j < grayImage.cols(); j++) {
                //在计算过程中,考虑128为亮度均值点
                a += (float) (grayImage.get(i, j)[0] - 128);
                int x = (int) grayImage.get(i, j)[0];
                Hist[x]++;
            }
        }
        float da = a / (float) (grayImage.rows() * grayImage.cols());
        float D = Math.abs(da);
        float Ma = 0;
        for (int i = 0; i < 256; i++) {
            Ma += Math.abs(i - 128 - da) * Hist[i];
        }
        Ma /= (float) ((grayImage.rows() * grayImage.cols()));
        float M = Math.abs(Ma);
        float K = D / M;
        float cast = K;
        if (cast >= 1) {
            if (da > 0) {
                Log.e("ymc", "过亮");
            } else {
                Log.e("ymc", "过暗");
            }
        } else {
            Log.e("ymc", "亮度:正常");
        }
        return cast;
    }

清晰度检测

利用拉普拉斯算子计算图片的二阶导数,反映图片的边缘信息,同样事物的图片,清晰度高的,相对应的经过拉普拉斯算子滤波后的图片的方差也就越大。

//清晰度
private static double clarity(Mat grayImage) {
        Mat laplacianDstImage = new Mat();
        Imgproc.Laplacian(grayImage, laplacianDstImage, CvType.CV_64F);
        MatOfDouble median = new MatOfDouble();
        MatOfDouble std = new MatOfDouble();
        Core.meanStdDev(laplacianDstImage, median, std);
        double clarity = Math.pow(std.get(0, 0)[0], 2);
        //后续可根据业务设置阈值
        Log.e("ymc", "清晰度:" + clarity);
        laplacianDstImage.release();
        return clarity;
    }

最后

2022年接触了很多新东西,在工作中也看到了很多大佬的闪光点,后续还会有更深入的OpenCV使用案例博文,图片分析方面还是菜鸟,这篇文章也看了很多Python大佬的文章,正所谓三人行必有我师,继续学习。

以上就是Android OpenCV基础API清晰度亮度识别检测的详细内容,更多关于Android OpenCV API清晰亮度的资料请关注我们其它相关文章!

(0)

相关推荐

  • OpenCV哈里斯角检测|Harris Corner理论实践

    目录 目标 理论 OpenCV中的哈里斯角检测 SubPixel精度的转角 目标 在本章中,将学习 "Harris Corner Detection”背后的思想 函数:cv2.cornerHarris(),cv.2cornerSubPix() 理论 可以用如下图来表示: 因此,Harris Corner Detection的结果是具有这些分数的灰度图像.合适的阈值可提供图像的各个角落. OpenCV中的哈里斯角检测 在OpenCV中有实现哈里斯角点检测,cv2.cornerHarris().其参

  • opencv python截取圆形区域的实现

    目录 一.先进行剪切操作 二.去除背景 总结 一.先进行剪切操作 圆形区域占图片可能不多,多余的部分不要.看下图. 只要纽扣电池内部和少许的边缘部分,其余黑色背景部分不需要.先沿着纽扣电池的边缘剪切出来感兴趣的区域.有2个方法,用寻找轮廓外接圆的方法,或者基尔霍夫圆的方法.在这里以轮廓外接圆方法为例.代码如下: import cv2 import numpy as np image = cv2.imread('F:\Siamese-pytorch-master\datasets\images_b

  • opencv调用yolov3模型深度学习目标检测实例详解

    目录 引言 建立相关目录 代码详解 附源代码 引言 opencv调用yolov3模型进行深度学习目标检测,以实例进行代码详解 对于yolo v3已经训练好的模型,opencv提供了加载相关文件,进行图片检测的类dnn. 下面对怎么通过opencv调用yolov3模型进行目标检测方法进行详解,付源代码 建立相关目录 在训练结果backup文件夹下,找到模型权重文件,拷到win的工程文件夹下 在cfg文件夹下,找到模型配置文件,yolov3-voc.cfg拷到win的工程文件夹下 在data文件夹下

  • golang 开启opencv图形化编程

    目录 正文 环境配置 API编程 常用API OpenVideoCapture VideoCaptureDevice VideoCaptureFile NewWindow SetWindowTitle NewMat NewMatWithSize NewMatFromScalar NewCascadeClassifier Load 正文 最近在国外一个嵌入式编程网站上看到其平台支持Opencv库,出于好奇在其说明文档上看到gocv.io Opencv golang库的官网.就是下面这个. 在开启编

  • Android OpenCV基础API清晰度亮度识别检测

    目录 背景 基础知识 主要Api - 加载图片 imread Utils.bitmapToMat 主要API - 写入图片 端侧常用分析方法 亮度检测 清晰度检测 最后 背景 工作中遇到业务诉求是通过OpenCV对图片进行一些判断操作和优化,这里是看了部分不错的文章,希望总结一个自己的学习过程,温故而知新,有不对的地方可以评论区指出,小白学习海涵. 基础知识 Mat在OpenCV中是非常重要的存在,后续各个API都是在Mat的基础上去做文章,Mat 是Matrix(矩阵)的缩写 ... inli

  • Android基于OpenCV实现QR二维码检测

    目录 QR二维码 QR二维码格式 QR二维码结构 API QRCodeDetector类结构 检测QR二维码 识别QR二维码 检测并识别QR二维码 操作 结果 源码 QR二维码 QR码(英语:Quick Response Code:全称为快速响应矩阵图码)是二维码的一种,于1994年由日本DENSO WAVE公司发明.QR来自英文Quick Response的缩写,即快速反应,因为发明者希望QR码可以快速解码其内容.QR码使用四种标准化编码模式(数字.字母数字.字节(二进制)和日文(Shift_

  • OpenCV+face++实现实时人脸识别解锁功能

    本文实例为大家分享了OpenCV+face++实现实时人脸识别解锁功能的具体代码,供大家参考,具体内容如下 1.背景 最近做一个小东西,需要登录功能,一开始做的就是普通的密码登录功能,但是之前看到过python可以做人脸识别,所以我就开了下脑洞,能不能实现一个自己的刷脸解锁功能. 2.知识储备 python基础语法 opencv face++文档 requests库 3.基本思路 准备一张你想要被识别出的人脸照片,后面刷脸就是按照这张照片来识别,如果和照片中是同一个人就解锁,刷脸就是打开摄像头获

  • 基于python3+OpenCV实现人脸和眼睛识别

    基于python3+OpenCV的人脸和眼睛识别,供大家参考,具体内容如下 一.OpenCV人脸检测的xml文件下载 人脸检测和眼睛检测要用到haarcascade_eye.xml和haarcascade_frontalface_default.xml这两个文件,这两个文件可以在OpenCV的官网下载,具体下载方法如下: 1.打开要下载的xml文件,如下图: 2.点击Raw: 3.在新打开的网页中右击,选择另存为,最后保存就可以了. 二.人脸检测文件的导入以及图片的处理 接下来就可以在代码中载入

  • OpenCV基础HSV颜色空间*args与**kwargs滑动条传参问题

    目录 一.基础理论 1.Hue(色相) 2.Value(明度) 3.Saturation(饱和度) 二.hsv三通道及单通道效果 三.*args && **kwargs 四.滚动条控制h.s.v(min && max) 1.创建滚动条 2.回调函数 -- 阈值设置 3.回调函数 -- 感兴趣值 参考资料 一.基础理论 HSV:HSV是一种为了加快调色效率,且易于理解的概念. Hue:色相(具体的颜色) Saturation:饱和度.色彩纯净度 Value:明度 1.Hue(

  • C++ OpenCV实现之实现红绿灯识别

    目录 前言 一.轮廓识别相关原理 什么是轮廓检测 轮廓提取函数findContours 二.案例实现 Step1:初始化配置 Step2:进行帧处理 Step3:膨胀腐蚀处理 Step4:红绿灯提示判断 Step5:轮廓提取 Step6:判断是否相交 完整代码 三.总结 前言 本文以实现行车过程当中的红绿灯识别为目标,核心的内容包括:OpenCV轮廓识别原理以及OpenCV红绿灯识别的实现具体步骤 一.轮廓识别相关原理 什么是轮廓检测 目前轮廓检测方法有两类,一类是利用传统的边缘检测算子检测目标

  • python+opencv实现的简单人脸识别代码示例

    # 源码如下: #!/usr/bin/env python #coding=utf-8 import os from PIL import Image, ImageDraw import cv def detect_object(image): '''检测图片,获取人脸在图片中的坐标''' grayscale = cv.CreateImage((image.width, image.height), 8, 1) cv.CvtColor(image, grayscale, cv.CV_BGR2GR

  • Python OpenCV利用笔记本摄像头实现人脸检测

    本文实例为大家分享了Python OpenCV利用笔记本摄像头实现人脸检测的具体代码,供大家参考,具体内容如下 1.安装opencv 首先参考其他文章安装pip. 之后以管理员身份运行命令提示符,输入以下代码安装opencv pip install --user opencv-python 可以使用以下代码测试安装是否成功 #导入opencv模块 import cv2 #捕捉帧,笔记本摄像头设置为0即可 capture = cv2.VideoCapture(0) #循环显示帧 while(Tru

  • python+openCV利用摄像头实现人员活动检测

    本文实例为大家分享了python+openCV利用摄像头实现人员活动检测的具体代码,供大家参考,具体内容如下 1.前言 最近在做个机器人比赛,其中一项要求是让机器人实现对是否有人员活动的检测,所以就先拿PC端写一下,准备移植到机器人的树莓派. 2.工具 工具还是简单的python+视觉模块openCV,代码量也比较少.很简单就可以实现 3.人员检测的原理   从图书馆借了一本<特征提取与图像处理(第二版)>,是Mark S.Nixon和Alberto S.Aguado写的,其中讲了跟多关于检测

  • Python基于OpenCV库Adaboost实现人脸识别功能详解

    本文实例讲述了Python基于OpenCV库Adaboost实现人脸识别功能.分享给大家供大家参考,具体如下: 以前用Matlab写神经网络的面部眼镜识别算法,研究算法逻辑,采集大量训练数据,迭代,计算各感知器的系数...相当之麻烦~而现在运用调用pythonOpenCV库Adaboost算法,无需知道算法逻辑,无需进行模型训练,人脸识别变得相当之简单了. 需要用到的库是opencv(open source computer vision),下载安装方式如下: 使用pip install num

随机推荐