Android OpenCv进行图片比对

简介: 摘要: OpenCv 对于图片有很多的处理方式,现在我想要实现俩张图片的比对。 首先要知道做个需要那些步骤: (1)加载俩张图片 (2)将两张图片转换为Mat矩阵 (3)把Mat矩阵的type转换为Cv_8uc1类型,然后转换为Cv_32F, 因为在c++代码中会判断他的类型。

摘要: OpenCv 对于图片有很多的处理方式,现在我想要实现俩张图片的比对。 首先要知道做个需要那些步骤: (1)加载俩张图片 (2)将两张图片转换为Mat矩阵 (3)把Mat矩阵的type转换为Cv_8uc1类型,然后转换为Cv_32F, 因为在c++代码中会判断他的类型。

OpenCv 对于图片有很多的处理方式,现在我想要实现俩张图片的比对。

首先要知道做个需要那些步骤:

(1)加载俩张图片

(2)将两张图片转换为Mat矩阵

(3)把Mat矩阵的type转换为Cv_8uc1类型,然后转换为Cv_32F,

因为在c++代码中会判断他的类型。

(4)通过OpenCv 来进行俩个矩阵的比较(俩个矩阵必须一样大小的高宽)

我使用的比较类型是Imgproc.CV_COMP_CORREL,

double target = Imgproc.compareHist(mat, mat2, Imgproc.CV_COMP_CORREL);

这个target的值越大那么也就是说相似度越高,如果完全一样就是1.0     。

效果图:

思路就是这样,看看代码的实现:

package com.example.opencv_comparepic;

import java.util.Arrays;

import org.opencv.android.BaseLoaderCallback;
import org.opencv.android.OpenCVLoader;
import org.opencv.android.Utils;
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.MatOfFloat;
import org.opencv.core.MatOfInt;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.core.Size;
import org.opencv.imgproc.Imgproc;

import android.os.Bundle;
import android.app.Activity;
import android.graphics.Bitmap;
import android.graphics.BitmapFactory;
import android.util.Log;
import android.view.Menu;
import android.view.View;
import android.view.View.OnClickListener;
import android.widget.Button;
import android.widget.ImageView;
import android.widget.Toast;

public class MainActivity extends Activity  implements OnClickListener{
	public static final String TAG = "OpenCv_compare";
	private Bitmap mBitmap1,mBitmap2;
	private ImageView mIv_ImageView1,mIv_ImageView2;
	private Button mBtn_compare;
	private BaseLoaderCallback callback = new BaseLoaderCallback(this) {
		@Override
		public void onManagerConnected(int status) {
			super.onManagerConnected(status);
			switch (status) {
			case BaseLoaderCallback.SUCCESS:
				
				break;

			default:
				break;
			}
		}
	};
	@Override
	protected void onCreate(Bundle savedInstanceState) {
		super.onCreate(savedInstanceState);
		setContentView(R.layout.activity_main);
		init();
	}

	public void init(){
		mBitmap1 = BitmapFactory.decodeResource(getResources(), R.drawable.b);
		mBitmap2 = BitmapFactory.decodeResource(getResources(), R.drawable.c);
		mIv_ImageView1 = (ImageView)findViewById(R.id.iv_img1);
		mIv_ImageView2 = (ImageView)findViewById(R.id.iv_img2);
		mBtn_compare = (Button)findViewById(R.id.btn_compare);
		mIv_ImageView1.setImageBitmap(mBitmap1);
		mIv_ImageView2.setImageBitmap(mBitmap2);
		mBtn_compare.setOnClickListener(this);
	}
	
	@Override
	public void onClick(View v) {
		Mat mat1 = new Mat();
		Mat mat2 = new Mat();
		Mat mat11 = new Mat();
		Mat mat22 = new Mat();
		Utils.bitmapToMat(mBitmap1, mat1);
		Utils.bitmapToMat(mBitmap2, mat2);
		Imgproc.cvtColor(mat1, mat11, Imgproc.COLOR_BGR2GRAY);
		Imgproc.cvtColor(mat2, mat22, Imgproc.COLOR_BGR2GRAY);
		comPareHist(mat11, mat22);
	}

	    private Mat                  mMat0;
	    private MatOfInt             mChannels[];
	    private MatOfInt             mHistSize;
	    private int                  mHistSizeNum = 25;
	    private MatOfFloat           mRanges;
	    private Scalar               mColorsRGB[];
	    private Point                mP1;
	    private Point                mP2;
	    private float                mBuff[];
	public Mat procSrc2GrayJni(Mat srcMat,int type) {
		Mat grayMat = new Mat();
		Imgproc.cvtColor(srcMat, grayMat, type);//转换为灰度图
		// Imgproc.HoughCircles(rgbMat, gray,Imgproc.CV_HOUGH_GRADIENT, 1, 18);
		// //霍夫变换找园
        mChannels = new MatOfInt[] { new MatOfInt(0), new MatOfInt(1), new MatOfInt(2) };
        mBuff = new float[mHistSizeNum];
        mHistSize = new MatOfInt(mHistSizeNum);
        mRanges = new MatOfFloat(0f, 256f);
        mMat0  = new Mat();
        mColorsRGB = new Scalar[] { new Scalar(200, 0, 0, 255), new Scalar(0, 200, 0, 255), new Scalar(0, 0, 200, 255) };
        mP1 = new Point();
        mP2 = new Point();

       
		
		 Mat rgba = srcMat;
	     Size sizeRgba = rgba.size();
		 Mat hist = new Mat(); //转换直方图进行绘制
         int thikness = (int) (sizeRgba.width / (mHistSizeNum + 10) / 5);
         if(thikness > 5) thikness = 5;
         int offset = (int) ((sizeRgba.width - (5*mHistSizeNum + 4*10)*thikness)/2);
         // RGB
         for(int c=0; c<3; c++) {
             Imgproc.calcHist(Arrays.asList(rgba), mChannels[c], mMat0, hist, mHistSize, mRanges);
             Core.normalize(hist, hist, sizeRgba.height/2, 0, Core.NORM_INF);
             hist.get(0, 0, mBuff);
             for(int h=0; h<mHistSizeNum; h++) {
                 mP1.x = mP2.x = offset + (c * (mHistSizeNum + 10) + h) * thikness;
                 mP1.y = sizeRgba.height-1;
                 mP2.y = mP1.y - 2 - (int)mBuff[h];
                 Core.line(rgba, mP1, mP2, mColorsRGB[c], thikness);
             }
         }

		return rgba;
	}
	/**
	 * 比较来个矩阵的相似度
	 * @param srcMat
	 * @param desMat
	 */
	public void comPareHist(Mat srcMat,Mat desMat){
	
		srcMat.convertTo(srcMat, CvType.CV_32F);
		desMat.convertTo(desMat, CvType.CV_32F);
		double target = Imgproc.compareHist(srcMat, desMat, Imgproc.CV_COMP_CORREL);
		Log.e(TAG, "相似度 :   ==" + target);
		Toast.makeText(this, "相似度 :   ==" + target, 1000).show();
	}


	@Override
	protected void onResume() {
		super.onResume();
		// 通过OpenCV引擎服务加载并初始化OpenCV类库,所谓OpenCV引擎服务即是  
        // OpenCV_2.4.9.2_Manager_2.4_*.apk程序包,存在于OpenCV安装包的apk目录中  
        OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_2_4_9, this,  
                callback);  
	}
}
目录
相关文章
|
2月前
|
计算机视觉
Opencv学习笔记(十二):图片腐蚀和膨胀操作
这篇文章介绍了图像腐蚀和膨胀的原理、作用以及使用OpenCV实现这些操作的代码示例,并深入解析了开运算和闭运算的概念及其在图像形态学处理中的应用。
126 1
Opencv学习笔记(十二):图片腐蚀和膨胀操作
|
2月前
|
计算机视觉 Python
Opencv学习笔记(二):如何将整个文件下的彩色图片全部转换为灰度图
使用OpenCV库将一个文件夹内的所有彩色图片批量转换为灰度图,并提供了相应的Python代码示例。
37 0
Opencv学习笔记(二):如何将整个文件下的彩色图片全部转换为灰度图
|
2月前
|
计算机视觉 Python
Opencv学习笔记(一):如何将得到的图片保存在指定目录以及如何将文件夹里所有图片以数组形式输出
这篇博客介绍了如何使用OpenCV库在Python中将图片保存到指定目录,以及如何将文件夹中的所有图片读取并以数组形式输出。
154 0
Opencv学习笔记(一):如何将得到的图片保存在指定目录以及如何将文件夹里所有图片以数组形式输出
|
2月前
|
计算机视觉
Opencv错误笔记(一):通过cv2保存图片采用中文命名出现乱码
在使用OpenCV的cv2模块保存带有中文命名的图片时,直接使用cv2.imwrite()会导致乱码问题,可以通过改用cv2.imencode()方法来解决。
148 0
Opencv错误笔记(一):通过cv2保存图片采用中文命名出现乱码
|
4月前
|
计算机视觉 Windows Python
windows下使用python + opencv读取含有中文路径的图片 和 把图片数据保存到含有中文的路径下
在Windows系统中,直接使用`cv2.imread()`和`cv2.imwrite()`处理含中文路径的图像文件时会遇到问题。读取时会返回空数据,保存时则无法正确保存至目标目录。为解决这些问题,可以使用`cv2.imdecode()`结合`np.fromfile()`来读取图像,并使用`cv2.imencode()`结合`tofile()`方法来保存图像至含中文的路径。这种方法有效避免了路径编码问题,确保图像处理流程顺畅进行。
369 1
|
3月前
|
存储 缓存 编解码
Android经典面试题之图片Bitmap怎么做优化
本文介绍了图片相关的内存优化方法,包括分辨率适配、图片压缩与缓存。文中详细讲解了如何根据不同分辨率放置图片资源,避免图片拉伸变形;并通过示例代码展示了使用`BitmapFactory.Options`进行图片压缩的具体步骤。此外,还介绍了Glide等第三方库如何利用LRU算法实现高效图片缓存。
68 20
Android经典面试题之图片Bitmap怎么做优化
|
2月前
|
Serverless 计算机视觉
语义分割笔记(三):通过opencv对mask图片来画分割对象的外接椭圆
这篇文章介绍了如何使用OpenCV库通过mask图像绘制分割对象的外接椭圆。首先,需要加载mask图像,然后使用`cv2.findContours()`寻找轮廓,接着用`cv2.fitEllipse()`拟合外接椭圆,最后用`cv2.ellipse()`绘制椭圆。文章提供了详细的代码示例,展示了从读取图像到显示结果的完整过程。
58 0
语义分割笔记(三):通过opencv对mask图片来画分割对象的外接椭圆
|
4月前
|
存储 编解码 API
python多种方法压缩图片,opencv、PIL、tinypng、pngquant压缩图片
python多种方法压缩图片,opencv、PIL、tinypng、pngquant压缩图片
296 1
|
4月前
|
数据处理 开发工具 数据安全/隐私保护
Android平台RTMP推送|轻量级RTSP服务|GB28181接入之文字、png图片水印的精进之路
本文探讨了Android平台上推流模块中添加文字与PNG水印的技术演进。自2015年起,为了满足应急指挥及安防领域的需求,逐步发展出三代水印技术:第一代为静态文字与图像水印;第二代实现了动态更新水印内容的能力,例如实时位置与时间信息;至第三代,则优化了数据传输效率,直接使用Bitmap对象传递水印数据至JNI层,减少了内存拷贝次数。这些迭代不仅提升了用户体验和技术效率,也体现了开发者追求极致与不断创新的精神。
|
4月前
|
计算机视觉
使用QT显示OpenCV读取的图片
使用QT显示OpenCV读取的图片
79 1