opencv4android常用变换（二）

这是opencv4android的第二篇，之前的写的反响不错，不过有点少，本来上一篇中提到的那些函数应该在上一篇中都介绍的，不过被那个双边滤波器搞得脑子有点乱，就写了那么多，这一篇接着上一篇继续写。

图像金字塔

一个图像金字塔是一系列图像的集合 - 所有图像来源于同一张原始图像 - 通过梯次向下采样获得，直到达到某个终止条件才停止采样。
有两种类型的图像金字塔常常出现在文献和应用中:
高斯金字塔(Gaussian pyramid): 用来向下采样
拉普拉斯金字塔(Laplacian pyramid): 用来从金字塔低层图像重建上层未采样图像
在这篇文档中我们将使用 高斯金字塔 。–引至opencv教程。
说白了图像金字塔就是实现放大和缩小图片的一种方式。在android中实现图片的放大和缩小有好多方式，这里先不考虑各种实现方式的优缺点，先学会怎么用opencv实现缩放图像吧。
用到的函数：pyrDown(Mat src, Mat dst, Size dstsize)，pyrUp(Mat src, Mat dst, Size dstsize)，看起来几乎是一样的，也就方法名不一样，参数：原图像，输出图像，输出的大小。
我也不理解为什么这里的size就是输出后的大小而不是内核的意思。整体代码：

//缩小图像private void changeBitmap() {    if(rgbMat==null|dstMat==null){    rgbMat=new Mat();    dstMat=new Mat();    Utils.bitmapToMat(mBitmap,rgbMat);    }    Imgproc.pyrDown(rgbMat,dstMat,new Size(rgbMat.cols()/2,rgbMat.rows()/2));    rgbMat=dstMat;    Utils.matToBitmap(dstMat,dstBitmap);    mImage.setImageBitmap(dstBitmap);}//放大图像private void grayBitmap(){    if(rgbMat==null|dstMat==null){        rgbMat=new Mat();        dstMat=new Mat();        Utils.bitmapToMat(mBitmap,rgbMat);    }    Imgproc.pyrUp(rgbMat,dstMat,new Size(mBitmap.getWidth(),mBitmap.getHeight()));    Utils.matToBitmap(dstMat,mBitmap);    mImage.setImageBitmap(mBitmap);}

这里在进行图像的缩放时需要注意的有两个地方， 在我的代码中在缩小之后将原图像设为缩小之后的图像了，这样是微课能够看到多次缩放之后的效果，第二点就是对于bitmap，在opencv教程代码的示例中是能够直接将Mat对象显示成图像的，不过在Android中并不能这样，所以需要将Mat对象转化为Bitmap对象，这样在缩小的过程中就会出现一个问题，Bitmap的大小如果和Mat的大小不一致的话就会报错，所以在我的代码中dstBitmap在初始化的时候是mBitmap的一半大小，这一点也需要注意。效果图:

可以看出来在多次点击缩小之后图像的清晰度明显下降。（我擦嘞，怎么把歌词也弄进去了？算了就这样吧，大家也可以猜猜是什么歌。）

简单的阈值操作

最简单的图像分割的方法。

应用举例：从一副图像中利用阈值分割出我们需要的物体部分（当然这里的物体可以是一部分或者整体）。这样的图像分割方法是基于图像中物体与背景之间的灰度差异，而且此分割属于像素级的分割。

为了从一副图像中提取出我们需要的部分，应该用图像中的每一个像素点的灰度值与选取的阈值进行比较，并作出相应的判断。（注意：阈值的选取依赖于具体的问题。即：物体在不同的图像中有可能会有不同的灰度值。

一旦找到了需要分割的物体的像素点，我们可以对这些像素点设定一些特定的值来表示。（例如：可以将该物体的像素点的灰度值设定为：‘0’（黑色）,其他的像素点的灰度值为：‘255’（白色）；当然像素点的灰度值可以任意，但最好设定的两种颜色对比度较强，方便观察结果）。

以上内容来自opencv教程。
用到的函数： Imgproc.threshold(rgbMat,dstMat,n,255,operation);其中参数：原图像，输出图像，阈值大小，设定的最大灰度值（该参数运用在二进制与反二进制阈值操作中），阈值方式。
说到阈值化，opencv教程上介绍了五种：
- 二进制阈值化 CV_THRESH_BINARY 0
- 反二进制阈值化 CV_THRESH_BINARY_INV 1
- 截断阈值化 CV_THRESH_TRUNC 2
- 阈值化为0 CV_THRESH_TOZERO 3
- 反阈值化为0 CV_THRESH_TOZERO_INV 4

好像怎么调都不齐，算了，一共这五种阈值化方式，中间的是android中的常量，后面是对应的int值。代码~~~~：

 private void changeBitmap() {    if(rgbMat==null|dstMat==null){    rgbMat=new Mat();    dstMat=new Mat();    }    Utils.bitmapToMat(grayBitmap,rgbMat);    Imgproc.threshold(rgbMat,dstMat,n,255,operation);    Utils.matToBitmap(dstMat,dstBitmap);    dstImage.setImageBitmap(dstBitmap);}

在这段代码之前先转化为灰度图之后在进行阈值化，看起来比较清晰，灰度化的代码就不写了，挺简单的，虽然阈值化也挺简单，就是调用一个函数而已，接下来就是效果图了。

仔细看的能够看出来，前两个是相反的，后两个也是相反的，有的时候回出现一些紫色和绿色不知道为什么，有专门学opencv的求指教。

实现自己的线性滤波器

本以为opencv会很好些，但写着写着就感觉好累啊，不过说出去的话就是泼出去的水，咱们继续吧。
滤波器之前看我博客的话应该有所了解，opencv中也为我们提供了好几种成熟的滤波器，现在我们可能因为业务需要，要自己写一个，用的方法就是filter2D。

套路好像不对，应该先上代码的。

Mat kernel=Imgproc.getStructuringElement(shape,new Size(2*n+1,2*n+1),new Point(n,n));    Imgproc.filter2D(rgbMat,dstMat,-1,kernel);

这回就简单写了，首先创建一个内核对象，之前看过的，之后就是调用filter2D（）这个方法。参数简单介绍一下，前两个不说了，第三个是指图像深度，不是学图像的不是很懂，-1就是与原图像深度相同，第四个是内核，之后其他的重载方法中还有锚点位置，还有两个，最后一个应该是重复次数，剩下的那个就不是很理解，说是会在卷积过程中，该值会加到每个像素上。默认情况下，这个值为 0。更多的信息可以参考opencv教程。

给图像添加边界

本来还以为opencv4android中没有这个方法那，是在Sobel导数中发现的这个给图像添加边界的这个方法。看来还是得好好研究研究Core啊。代码：

 Utils.bitmapToMat(mBitmap,rgbMat);    Core.copyMakeBorder(rgbMat,dstMat,10,10,10,10,Core.BORDER_CONSTANT,new Scalar(255,0,0));    Log.d("TAG",dstMat.rows()+"/"+dstMat.cols()+"/"+mBitmap.getWidth()+"/"+mBitmap.getHeight());    Log.d("TAG","dst:"+dstBitmap.getWidth()+"/"+dstBitmap.getHeight());    Utils.matToBitmap(dstMat,dstBitmap);    dstImage.setImageBitmap(dstBitmap);

一个很简单的方法copyMakeBorder（）八个参数，前六个分别是原图像， 目标图像，上下左右宽度，第七个是边界填充方式，有两种，另一种就在Core.BORDER_CONSTANT的下面，最后一个是样式，我选择红色的。本以为很简单的问题，结果一直在报错，后来进过查证才发现是因为在通过矩阵使边界变大的时候我们的Bitmap对象没有变大，所有通过打Log发现矩阵从原来的611变成631，而dstBitmap还是611的，所以一直报错，在创建的时候加20就好了！以后一定要注意这种在Mat转换的时候所对应的Bitmap大小是否合适，上一次在放大和缩小的时候就吃一次亏了，不长记性啊！

Sobel导数

Sobel 算子是一个离散微分算子 (discrete differentiation operator)。 它用来计算图像灰度函数的近似梯度。

Sobel 算子结合了高斯平滑和微分求导。

 if(rgbMat==null|dstMat==null){    rgbMat=new Mat();    dstMat=new Mat();    }    Mat gray=new Mat();//灰度图    Mat abs_grayx=new Mat();//灰度图X方向求导    Mat abs_grayy=new Mat();//灰度图Y方向求导    Utils.bitmapToMat(mBitmap,rgbMat);    Imgproc.GaussianBlur(rgbMat,rgbMat,new Size(3,3),0,0);    Imgproc.cvtColor(rgbMat,gray,Imgproc.COLOR_BGR2GRAY);    Imgproc.Sobel(gray,abs_grayx,-1,1,0,3);//X方向求导，-1为深度，1为求导次数    Imgproc.Sobel(gray,abs_grayy,-1,0,1,3);//Y方向求导，-1为深度，1为求导次数    Core.addWeighted(abs_grayx,0.5,abs_grayy,0.5,0,dstMat);//合并梯度    Utils.matToBitmap(dstMat,dstBitmap);    dstImage.setImageBitmap(dstBitmap);}

看一下效果。

opencv教程中效果。

基本就是一样的（废话，算法都是一样的），最开始的时候在调用Sobel函数的时候，以为在Imgproc这个了中没有找到addWeighted这个方法，就直接在Sobel中把XY方向的导数全设置为1了，跑也没问题，就是轮廓太细太少了，后来在Core核心中尝试了一下，发现了合并的方法，就按照opencv教程中的例子去写。效果可以，有Sobel对于检测物体轮廓应该有很大的帮助吧，到目前为止我都不知道我写的这些东西有什么用。

总结

opencv4android的内容已经写了两篇了，发现这么写太慢了，这才写了8个而且还都是Imgproc的，光Imgproc的就还有17个，而且还有其他的模块，我是一定要写的，虽然我不知道这个东西有什么用，但我知道是有用的，接下来的写的可能会简单粗糙一些，直接就是方法代码图片，尽量加快速度，还有那么多的东西要去学，那么多未知等待去探索，不能墨迹。接下来的Imgproc还有17个准备8个一篇9个一篇剩下的还有四五个大模块我还没看，等具体再定，估计整体下来没有20篇博客搞不定，加油吧！