Opencv JNI Android Camera 效率分析
来源:互联网 发布:苏州网络推广 编辑:程序博客网 时间:2024/06/03 12:11
在将opencv移植到Android平台上,最让人纠结的地方就是:运行效率!!!
思路一:
获取Camera预览,保存为图片,C++读取图片地址。
摒弃,理由:camera预览保存图片以及C++操作成功之后再次保存图片,耗费大量时间,延迟高。
思路二:
将onPreviewFrame中获取到的预览byte[]格式的data传递到C++函数中
public static native void readYuvTOBitmap(byte[] yuv,int height,int width,String path);
而后,使用byte[]转mat方式,完成opencv图像读取的方式。这种方法在由JAVA层将数据传递到jni层,是行的通的。但同样有一个问题存在,同样要耗费大量的操作时间。
LOGE("---CV:1"); jbyte *yuv = env->GetByteArrayElements(yuv_, NULL); const char *path = env->GetStringUTFChars(path_, 0); // TODO Mat image(height+height/2,width,CV_8UC1,(unsigned char *)yuv); Mat mBgr; cvtColor(image,mBgr,CV_YUV2BGR_NV21); imwrite(path,mBgr); LOGE("---CV:4");
思路三:
在前面的基础上,考虑直接返回byte[]给函数,然后使用byte[]转换成BItmap。但事实上,行不通。byte[]无法直接转换为bitmap,这是一个大坑,需要做YUV转换,才能够转换为bitmap,这同样耗费大量时间。
LOGE("---CV:1");
jbyte*yuv = env->GetByteArrayElements(yuv_,NULL);
const char*path = env->GetStringUTFChars(path_,0);
//TODO
Matimage(height+height/2,width,CV_8UC1,(unsigned char *)yuv);
MatmBgr;
cvtColor(image,mBgr,CV_YUV2BGR_NV21);
// Mat back;
// cvtColor(mBgr,back,CV_BGR2YUV);
if(mBgr.isContinuous())
yuv = (jbyte*) mBgr.data;
LOGE("---CV:4");
env->ReleaseByteArrayElements(yuv_,yuv,0);
env->ReleaseStringUTFChars(path_,path);
byte[] result = OpenCVUtils.readYUVToBitmap(mData,h,w,resultPath); YuvImage yuvImage = new YuvImage(result,ImageFormat.NV21,w,h,null); ByteArrayOutputStream baos = new ByteArrayOutputStream(); yuvImage.compressToJpeg(new Rect(0,0,w,h),100,baos); byte[] rawImage = baos.toByteArray(); //将rawImage转换成bitmap BitmapFactory.Options options = new BitmapFactory.Options(); options.inPreferredConfig = Bitmap.Config.ARGB_4444; final Bitmap fanzao = BitmapFactory.decodeByteArray(rawImage,0,rawImage.length,options);
这时候陷入了烦躁期,上天无路下地无门。
因此考虑直接返回Mat。但是JNI只支持返回特定类型的数据,比如说int,long ,string ,byte,其余的一概以Object处理。而C又对Object不那么友好。
可是,现在来看,也只有返回Mat可能解决这个问题了。偶然发现的一个思路让我很振奋。参考链接如下
http://answers.opencv.org/question/12090/returning-a-mat-from-native-jni-to-java/?answer=12097
// JavaMat m = new Mat();jni_func(m.getNativeObjAddr());// C++void jni_func(jlong matPtr){ Mat* mat = (Mat*) matPtr; mat->create(rows, cols, type); memcpy(mat->data, data, mat->step * mat->rows);}
这是传递进入Mat的地址参数进行操作,多么简单的方法啊,我怎么就没有考虑到!!!
这个方法确实是行得通的,但是这个方法也有一个坑在前面摆着。
http://blog.csdn.net/u012500046/article/details/53584971
因为需要在Java层为Mat赋予相应的地址,但是n_Mat()是一个native方法,Mat对象是一个C++对象,而这个C++类的在libopencv_java3.so包中,在加载完该.so包之前我们的Mat类是不能使用的。
于是出现了这样一个bug:
No implementation found for long org.opencv.core.Mat.n_Mat() error Using OpenCV
解决方法也很简单,在使用mat前使用一个jni测试函数,这时候就导入libopencv_java3.so包了。
//预导入libopencv_java3.so包 OpenCVUtils.test(); //初始化Mat地址 Mat seedImage = new Mat (w,h, CvType.CV_8UC1,new Scalar(4)); Mat tmp = new Mat (w,h, CvType.CV_8UC1,new Scalar(4)); //传递seedImage的地址给JNI OpenCVUtils.laneDisDetect(seedImage.getNativeObjAddr(),mData,h,w); //Mat转Bitmap final Bitmap bmp = Bitmap.createBitmap(w,h,Bitmap.Config.ARGB_8888); try{ Imgproc.cvtColor(seedImage,tmp,Imgproc.COLOR_BGR2RGBA); Utils.matToBitmap(tmp,bmp); }catch (CvException e){ Log.d("Exception",e.getMessage()); } //绘制bitmap到显示区域 runOnUiThread(new Runnable() { @Override public void run() { iv_takepic.setLayerType(View.LAYER_TYPE_SOFTWARE,null); iv_takepic.setImageBitmap(bmp); Log.e("time","stop");// handler.sendEmptyMessage(0); } });
再来看JNI部分的函数实现
extern "C"{JNIEXPORT void JNICALLJava_mulin_cjni_OpenCVUtils_laneDisDetect(JNIEnv *env, jclass type, jlong matPtr, jbyteArray yuv_, jint height, jint width) { jbyte *yuv = env->GetByteArrayElements(yuv_, NULL); // TODO Mat image(height+height/2,width,CV_8UC1,(unsigned char *)yuv); Mat transform; cvtColor(image,transform,CV_YUV2BGR_NV21); //这里是你对数据的处理逻辑,并将处理完的数据通过mat地址传递给Java ImageProcess(transform,matPtr); LOGE("---CV:存储到相应mat地址"); env->ReleaseByteArrayElements(yuv_, yuv, 0);}}
哈,问题就是这样子,来看下用时:对时间做下分析。camera preview为获取到缓冲帧时间,同时,异步线程 LaneDetectTask启动。耗时15毫秒左右,完成缓冲帧data数据转换为opencv MAT格式处理对象。而后,在Java中进行Mat转BItmap处理,并绘制到相应显示区域,这部分耗时时间5-10毫秒。 因此,这种方式耗时平均约为30毫秒。在这30毫秒内处理了缓冲帧获取,帧数据传递,帧数据转Mat处理,Mat转bitmap,bitmap绘制这些操作。而前面的方法,耗时超过100毫秒,有着明显的提升。
注意到下图有一个细节。正常缓冲帧频应该是30帧每秒,但下图显示约为15帧每秒。但这并不影响。因为车道检测,人脸识别耗时操作并未进行。如果进行这些复杂操作,以已经测试过得车道检测来说,耗时达到300毫秒。因此,最理想的状态最好就是3帧一秒的操作速率。
阅读全文
0 0
- Opencv JNI Android Camera 效率分析
- android-opencv-jni
- Android Studio+OpenCV+jni
- Android jni opencv
- android Camera模块分析
- Android Camera 模块分析
- android Camera模块分析
- Android Camera 模块分析
- Android Camera 模块分析
- Android Camera模块分析
- Android Camera 模块分析
- Android Camera模块分析
- Android Camera驱动分析
- Android 上Camera分析
- android Camera模块分析
- Android Camera源码分析
- Android Camera框架分析
- Android Camera分析
- Okhttp3 Interceptor
- JavaScript函数小记
- 如何判断 js 中的数据类型
- Ionic2使用非ionic-native中的cordova插件的方法
- centos7.2RPM安装mysql5.6
- Opencv JNI Android Camera 效率分析
- java之代理模式
- 一步一步写Makefile(3):伪目标,静态规则,shell命令和去回显,嵌套执行Makefile
- 这种关于进制的C语言题目,到底如何解答?
- Ubuntu 安装openCV2.4.9 和cuda时 错误及对应解决方案
- Linux/CentOS Redis安装与开机启动配置
- js数组基本方法总结
- vim查找命令
- Oracle 静态SQL引起性能问题