AndroidJNI开发通过C++实现眼睑标注

C&＃43;&＃43;代码&＃xff1a;

#include
#include
#include
#include
#include
#include #define LOGD(...) __android_log_print(ANDROID_LOG_DEBUG, "keymatch", __VA_ARGS__)
extern "C"{using namespace cv;using namespace std;void printMAtMessage(Mat &mat);JNIEXPORT jintArray JNICALL
Java_com_findai_xkk_myopencv_MainActivity_stringFromJNI(JNIEnv *env,jobject /* this */,jintArray pixels_, jint w, jint h) {jint* pixels &＃61; env->GetIntArrayElements(pixels_, NULL);if (pixels&＃61;&＃61;NULL){return 0;}//图片一进来时是ARGB 通过mat转换BGRAMat img(h,w,CV_8UC4,(uchar *)pixels); //pixels 操作的是同一份数据h &＃61; h/2,w &＃61; w/2;resize(img,img,Size(w,h));printMAtMessage(img);Mat temp;
//转化为单通道灰度图&＃xff0c;并打印信息cvtColor(img,temp,COLOR_RGBA2GRAY);
// printMAtMessage(temp);int summat[h][w] ;// Mat cal_mat &＃61; temp.clone();int max_cha &＃61; 0;
// LOGD("rows: %d",temp.rows);
// LOGD("cols: %d",temp.cols);
// LOGD("w: %d",w);
// LOGD("h: %d",h);
// int kk&＃61;0;for(int i &＃61;6 ;i// int sum_d &＃61; 0;for(int j &＃61;6;j// LOGD("DDD %d",temp.at(i,j));int sum_s &＃61; temp.at(i-1,j)&＃43;temp.at(i-2,j)&＃43;temp.at(i-3,j)&＃43;temp.at(i-4,j)&＃43;temp.at(i-5,j);
// LOGD("------&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;211111111111111111111111111&＃61;&＃61;&＃61;------------ %d %s",i,j);int sum_x &＃61; temp.at(i&＃43;1,j)&＃43;temp.at(i&＃43;2,j)&＃43;temp.at(i&＃43;3,j)&＃43;temp.at(i&＃43;4,j)&＃43;temp.at(i&＃43;5,j);
// LOGD("------&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;22222222222222222222&＃61;&＃61;&＃61;&＃61;&＃61;------------");int cha &＃61; sum_s - sum_x;
// LOGD("------&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;3333333333333333333333333&＃61;&＃61;&＃61;&＃61;------------");summat[i][j] &＃61; abs(cha);
// LOGD("------&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;33333333333 %d 33333333333333&＃61;&＃61;&＃61;&＃61;------------",summat[i][j]);
// temp.at(i,j)&＃61;255;
// kk&＃43;&＃43;;
// LOGD("i: %d",i);
// LOGD("j: %d",j);
// LOGD("------&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;444444444444444444444444&＃61;&＃61;&＃61;&＃61;&＃61;------------");if(max_cha// LOGD("max %d",max_cha);
// LOGD("------&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;44666666666666666666666666666666666&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;------------");}
// sum_d &＃61; sum_d &＃43; ;}}int std_max &＃61; max_cha*0.4;
// LOGD("------&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61; %d &＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;------------",max_cha);for(int i &＃61;6 ;i// int max_col &＃61; 0;
// int max_i &＃61; 0;
// int max_j &＃61; 0;for(int j &＃61;6;j// LOGD("DDD %d",temp.at(i,j));
// int sum_s &＃61; temp.at(i-1,j)&＃43;temp.at(i-2,j)&＃43;temp.at(i-3,j)&＃43;temp.at(i-4,j)&＃43;temp.at(i-5,j);
// int sum_x &＃61; temp.at(i&＃43;1,j)&＃43;temp.at(i&＃43;2,j)&＃43;temp.at(i&＃43;3,j)&＃43;temp.at(i&＃43;4,j)&＃43;temp.at(i&＃43;5,j);
// int cha &＃61; sum_s - sum_x;
// int cur_gray &＃61; summat[i][j];
// LOGD("------&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;cur_gray&＃61;&＃61;&＃61;&＃61; %d &＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;------------",cur_gray);if(summat[i][j] > std_max){// LOGD("------&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;cur_gray&＃61;&＃61;&＃61;&＃61; %d &＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;&＃61;------------",cal_mat.at(i,j));temp.at(i,j)&＃61;255;}
// if(max_cha// max_cha &＃61; cha;
// }
// sum_d &＃61; sum_d &＃43; ;}}//转化为四通道。特别注意&＃xff1a;在调用ov图像处理函数时&＃xff0c;一定要好好考虑一下图片的位数和通道.否则可能出现各种问题.cvtColor(temp,temp,COLOR_GRAY2BGRA);
// printMAtMessage(temp);uchar* tempData &＃61; temp.data;//对应数据指针int size &＃61; w*h;jintArray result &＃61; env->NewIntArray(size);
//env->SetIntArrayRegion(result,0,size,pixels);env->SetIntArrayRegion(result, 0, size, (const jint *) tempData);env->ReleaseIntArrayElements(pixels_, pixels, 0);return result;
}
void printMAtMessage(Mat &mat) {LOGD("***************************Mat信息开始************************");LOGD("mat.rows %d",mat.rows);LOGD("mat.cols %d",mat.cols);LOGD("mat.total %d",mat.total());LOGD("mat.channels %d",mat.channels());LOGD("mat.depth %d",mat.depth());LOGD("mat.type %d",mat.type());LOGD("mat.flags %d",mat.flags);LOGD("mat.elemSize %d",mat.elemSize());LOGD("mat.elemSize1 %d",mat.elemSize1());LOGD("***************************Mat信息结束************************");
}}


 

JAVA代码&＃xff1a;

package com.findai.xkk.myopencv;import android.graphics.Bitmap;
import android.graphics.BitmapFactory;
import android.support.v7.app.AppCompatActivity;
import android.os.Bundle;
import android.util.Log;
import android.widget.ImageView;
import android.widget.TextView;import org.opencv.android.OpenCVLoader;
import org.opencv.android.Utils;
import org.opencv.core.Mat;public class MainActivity extends AppCompatActivity {// Used to load the &＃39;native-lib&＃39; library on application startup.static {System.loadLibrary("native-lib");}&＃64;Overrideprotected void onCreate(Bundle savedInstanceState) {super.onCreate(savedInstanceState);//非常重要&＃xff0c;启动opencv&＃xff0c;必须写在最前面OpenCVLoader.initDebug();setContentView(R.layout.activity_main);Bitmap bmp &＃61; BitmapFactory.decodeResource(getResources(),R.mipmap.eye);ImageView imageView &＃61; findViewById(R.id.iv_pro_img);int w &＃61; bmp.getWidth();int h &＃61; bmp.getHeight();
// System.out.println(w);
// System.out.println(h);int[] pixels &＃61; new int[w*h];bmp.getPixels(pixels, 0, w, 0, 0, w, h);long startTime &＃61; System.currentTimeMillis();int[] resultInt &＃61; stringFromJNI(pixels, w, h);long endTime &＃61; System.currentTimeMillis();Log.e("JNITime",""&＃43;(endTime-startTime));Bitmap resultImg &＃61; Bitmap.createBitmap(w/2,h/2, Bitmap.Config.ARGB_8888);//(&＃64;ColorInt int[] pixels, int offset, int stride,int x, int y, int width, int height)
// System.out.println(w/2);
// System.out.println(h/2);resultImg.setPixels(resultInt, 0, w/2, 0, 0, w/2,h/2);imageView.setImageBitmap(resultImg);}/*** A native method that is implemented by the &＃39;native-lib&＃39; native library,* which is packaged with this application.*/public native int[] stringFromJNI(int[] pixels, int w, int h);
}


 核心思路&＃xff1a;

眼睑处&＃xff0c;灰度变化最大&＃xff0c;所以上下采集一定空间范围的灰度值进行计算&＃xff0c;同时减少噪声的干扰。算法实时性较高&＃xff0c;能达到100FPS。

之前尝试过深度学习&＃xff0c;MRCNN等方法&＃xff0c;效果是不错&＃xff0c;但是实时性跟不上&＃xff0c;不适合在移动端部署。故采用传统图像处理方法&＃xff0c;尝试过Sobel的梯度变化等等方法&＃xff0c;最终本算法 简单有效实时性高。

效果图&＃xff1a;

GitHUB&＃xff1a;

https://github.com/xkkjiayou/MYOPencv_real

JNI C&＃43;&＃43;参考&＃xff1a;

https://blog.csdn.net/wulafly/article/details/71076594

https://blog.csdn.net/qq_29540745/article/details/52487832

https://blog.csdn.net/wjb820728252/article/details/78357269

https://blog.csdn.net/brcli/article/details/76407986