一：简介
OpenCV（Open Source Computer Vision Library：http://OpenCV.org）是一个开源的基于BSD许可的库，它包括数百种计算机视觉算法。
OpenCV具有模块化结构，这就意味着开发包里面包含多个共享库或者静态库。下面是可使用的模块：
- 核心功能（Core functionality） - 一个紧凑的模块，定义了基本的数据结构，包括密集的多维Mat数组和被其他模块使用的基本功能。
- 图像处理（Image processing） - 一个图像处理模块，它包括线性和非线性图像滤波，几何图形转化（重置大小，放射和透视变形，通用基本表格重置映射），色彩空间转换，直方图等。
- 影像分析（video） - 一个影像分析模块，它包括动作判断，背景弱化和目标跟踪算法。
- 3D校准（calib3d） - 基于多视图的几何算法，平面和立体摄像机校准，对象姿势判断，立体匹配算法，和3D元素的重建。
- 平面特征（features2d） - 突出的特征判断，特征描述和对特征描述的对比。
- 对象侦查（objdetect） - 目标和预定义类别实例化的侦查（例如：脸、眼睛、杯子、人、汽车等等）。
- highgui - 一个容易使用的用户功能界面。
- 视频输入输出（videoio） - 一个容易使用的视频采集和视频解码器。
- GPU - 来自不同OpenCV模块的GPU加速算法。
- 一些其他的辅助模块，比如FLANN和谷歌的测试封装，Python，android等绑定和其他。
二：Android OpenCV简介
为Android开发OpenCV程序， 有两种方式， 第一种用java形式的OpenCV库， 第二种用C++形式的OpenCV库， 这两种库都在OpenCV官方提供的SDK中。 我们可以从官网下载 http://OpenCV.org/releases.html。
第一种形式， 需要在开发环境中导入 OpenCV 的 jre包， 还需要安装 Android OpenCV Manager, 有的书上例子也是用这种方式写的。 Android OpenCV Manager是用来管理OpenCV 库的， 减少APP内存占用， 支持特定硬件优化， 定期更新库等， 具体看它的介绍（http://docs.OpenCV.org/2.4/platforms/android/service/doc/index.html）。
第二种形式， 需要使用C++的OpenCV库， 以jni的形式来调用。底层NDK的方式开发可以使用这种。
在本文中采取第一种方式进行。
三：Android OpenCV 开发的准备
1.先准备Android studio开发环境
2.到官网(https://OpenCV.org/releases.html)下载sdk,然后import library到工程里面，添加到项目进行使用
四：OpenCV在Android上的简单使用
1.在OpenCV中存储图像
OpenCV中使用名为Mat的自定义对象存储图像，该对象B奥村了行数，列数，数据等能唯一标识该图像的信息，并能在需要的时候重新创建图像。不同的图像包含的数据信息也不同，例如色彩不同的图片色彩多的比灰度多的图片包含信息多，因为彩色图片是通过RGB三通道的，而灰度图片是单通道的。
2.OpenCV中的线性滤波器
越清晰的图片，图片的信息越丰富，进行图片好事操作的时候计算时间比包含信息少的图片要更长，为了解决这个问题，需要对图片进行模糊处理。
很多线性滤波器都采用了核(kernel)的数字向量。核可以看作沿着像素滑动的窗口，并把计算结果输出给该像素。大概如下图
3.几种常见的模糊方法，均值模糊方法，搞死模糊方法，中值模糊方法
均值模糊方法:均值滤波是最简单的滤波，对核进行均值计算，每一个淋雨像素都有相同的权值。
在OpenCV for Android中的方法如下
// Bitmap转为Mat
Mat src = new Mat(bitmap.getHeight(), bitmap.getWidth(), CvType.CV_8UC4);
Utils.bitmapToMat(bitmap, src);
// 中值模糊方法 Imgproc.blur(src, src, new Size(3,3));
// Mat转Bitmap
Bitmap processedImage = Bitmap.createBitmap(src.cols(), src.rows(), Bitmap.Config.ARGB_8888);
Utils.matToBitmap(src, processedImage);
高斯模糊方法:高斯核是通过高斯函数所获得的，大概是临近像素对特定像素结果的影响比那些较远像素的影响要高。
Imgproc.GaussianBlur(src, src, new Size(3, 3), 0);(Mat核bitmap转换不写了)
中值模糊方法:椒盐噪声是一种图片中常见的噪点，噪点随机发呢不在图片中，中值模糊就是为了出去这些噪点，将核中的像素按照升序或者降序排列，
取中值作为输出结果。
Imgproc.medianBlur(src,src,3);(Mat核bitmap转换不写了)
五.检测图片的基本特征
1.边缘检测
边缘检测的一般步骤：
- 滤波——消除噪声
- 增强——使边界轮廓更加明显
- 检测——选出边缘点
高斯差分法检测边缘
第一步 将图像转为灰度图像 Imgproc.cvtColor(src, grayMat, Imgproc.COLOR_BGR2GRAY);
第二步 用两个不同的模糊半径对灰度图像执行高斯模糊（取得两幅高斯模糊图像）
Imgproc.GaussianBlur(grayMat, blur1, new Size(15, 15), 5);
Imgproc.GaussianBlur(grayMat, blur2, new Size(21, 21), 5);
第三步 将两幅高斯模糊图像做减法，得到一幅包含边缘点的结果图像
Mat diff = new Mat();
Core.absdiff(blur1, blur2, diff);
Canny边缘检测器
是一种被广泛使用的算法，并被认为是边缘检测最优的算法，该方法使用了比高斯差分算法更复杂的技巧，如多向灰度梯度和滞后阈值化。
平滑图像：通过使用合适的模糊半径执行高斯模糊来减少图像内的噪声。
计算图像的梯度：这里计算图像的梯度，并将梯度分类为垂直、水平和斜对角。这一步的输出用于在下一步中计算真正的边缘。
非最大值抑制：利用上一步计算出来的梯度方向，检测某一像素在梯度的正方向和负方向上是否是局部最大值，如果是，则抑制该像素（像素不属于边缘）。
这是一种边缘细化技术，用最急剧的变换选出边缘点。
用滞后阈值化选择边缘：最后一步，检查某一条边缘是否明显到足以作为最终输出，最后去除所有不明显的边缘。
第一步：使用很简单，首先将图像灰度化 Imgproc.cvtColor(src, grayMat, Imgproc.COLOR_BGR2GRAY);
第二步：然后调用Imgproc.Canny()方法即可 Imgproc.Canny(grayMat, cannyEdges, 10, 100);
