OpenCV向JNI层的参数转换

九层之台，起于累土；千里之堤毁于蚁穴；成者半于九十。最近工程项目完全可以调试，却最后在 OpenCV向JNI层的参数转换 这个节点上遇到麻烦，看来得好好的思考一番，仔细寻找其中的纰漏。

一、实例

根据可运行的openCv sample,可以用与人脸检测的函数是这样的：

//貌似 必须要特殊编写，便可以默认调用！wishchin！
public Mat onCameraFrame(CvCameraViewFrame inputFrame) {

mRgba = inputFrame.rgba();
mGray = inputFrame.gray();

if (mAbsoluteFaceSize == 0) {
int height = mGray.rows();
if (Math.round(height * mRelativeFaceSize) > 0) {
mAbsoluteFaceSize = Math.round(height * mRelativeFaceSize);
}
mNativeDetector.setMinFaceSize(mAbsoluteFaceSize);
}

MatOfRect faces = new MatOfRect();

if (mDetectorType == JAVA_DETECTOR) {
if (mJavaDetector != null)
mJavaDetector.detectMultiScale(mGray, faces, 1.1, 2, 2, // TODO: objdetect.CV_HAAR_SCALE_IMAGE
new Size(mAbsoluteFaceSize, mAbsoluteFaceSize), new Size());
}
else if (mDetectorType == NATIVE_DETECTOR) {
if (mNativeDetector != null)
mNativeDetector.detect(mGray, faces);//Detect 面部的代码，使用C++！wishchin！
}
else {
Log.e(TAG, "Detection method is not selected!");
}

//0.2.把检测到的框画在图片上！wishchin！
Rect[] facesArray = faces.toArray();
for (int i = 0; i < facesArray.length; i++){
Core.rectangle(mRgba, facesArray[i].tl(), facesArray[i].br(), FACE_RECT_COLOR, 3);
}
if (mNativeDetector != null){
//Detect 使用C++！wishchin！
//mCamParam.dof6CamRecog(mGray,mCamParam);//具体函数已经转移！
}
return mRgba;
}

函数分析：

主要处理过程：

mNativeDetector.detect(mGray, faces);//Detect 面部的代码，使用C++！wishchin！

所使用的函数：

public void detect(Mat imageGray, MatOfRect faces) {
nativeDetect( mNativeObj,  <u>imageGray.getNativeObjAddr()</u>,  <u>faces.getNativeObjAddr()</u>  );
}

所调用的Native函数：

private static native void nativeDetect(long thiz, long inputImage, long faces);

对应CPP内的JNI接口：

JNIEXPORT void JNICALL
Java_com_example_feeljulygpsmap_FeelJulyGpsMap_nativeDetect
(JNIEnv * jenv, jclass,
jlong thiz,
jlong imageGray, jlong faces)
{
LOGD("Java_org_opencv_samples_facedetect_DetectionBasedTracker_nativeDetect enter");
try
{
vector<Rect>  RectFaces;
((DetectionBasedTracker*)thiz)->process(*((Mat*)imageGray));
((DetectionBasedTracker*)thiz)->getObjects(RectFaces);
vector_Rect_to_Mat(RectFaces, *((Mat*)faces));
}
catch(cv::Exception& e)
{
LOGD("nativeCreateObject caught cv::Exception: %s", e.what());
jclass je = jenv->FindClass("org/opencv/core/CvException");
if(!je)
je = jenv->FindClass("java/lang/Exception");
jenv->ThrowNew(je, e.what());
}
catch (...)
{
LOGD("nativeDetect caught unknown exception");
jclass je = jenv->FindClass("java/lang/Exception");
jenv->ThrowNew(je, "Unknown exception in JNI code DetectionBasedTracker.nativeDetect()");
}

LOGD("Java_org_opencv_samples_facedetect_DetectionBasedTracker_nativeDetect exit");
}

二、参数解析

1.java到C++

第一层参数转换：由Java到C++，通过jlong类型

转换语法：

nativeDetect( mNativeObj,
imageGray.getNativeObjAddr(),  faces.getNativeObjAddr()  );

通过Mat型 .getNativeObjAddr()成员函数获取矩阵地址，通过jlong型进行JNI参数代入

对应形式：

JNIEXPORT void JNICALL
Java_com_example_feeljulygpsmap_FeelJulyGpsMap_nativeDetect
(JNIEnv * jenv, jclass,
jlong thiz,
jlong imageGray, jlong faces)

函数进行运算的过程：

((DetectionBasedTracker*)thiz)->process(*((Mat*) imageGray));

涉及到的第二次参数转化：

*((Mat*) imageGray)

把jlong型在C++层强制转化为Mat类型的指针，供其他C++函数使用，由此完成Java层到C++层的全部语法转换！

其中前两个参数的作为JNI本地参数默认调用；

第三个参数jlong thiz顾名思义即是所使用参数类的载入地址，通过获取C++类的地址载入，由此可以使用在底层使用C++的类，并获取C++类的类函数和成员变量。

第四个和第五个参数分别对应了java层载入的两个mat型参数的地址，由此完成java向JNI层的陷入。

自此检测，我的代码和sample在语法层面完全一致，并且代入变元的语义一致，在此过程的移植方法上，理所应当是没有错误的。

注意事项：不管有没有声明const，载入的Mat型是不能被改变的，已经初始化的mat型不能再被修改，比如

<del>*((Mat*) imageGray)</del>

为什么？难道是为了保持上层变量的完整性？

2.由C++到java层

参数变元，经过一系列运算，得到函数结果，或者以参数或者以返回值的方式向java层返回。

由C++到java层返回的语法是这样的：

mNativeDetector.detect(mGray, faces);//Detect 面部的代码，使用C++！wishchin！

所调用的java函数：

mNativeDetector.detect(mGray, faces);//Detect 面部的代码，使用C++！wishchin！
<pre name="code" class="java"> public void detect(Mat imageGray, MatOfRect faces) {
nativeDetect( mNativeObj,  imageGray.getNativeObjAddr(),  faces.getNativeObjAddr()  );
}

所使用的Native函数：

private static native void nativeDetect(long thiz, long inputImage, long faces);

对应CPP内的JNI接口：

JNIEXPORT void JNICALL
Java_com_example_feeljulygpsmap_FeelJulyGpsMap_nativeDetect
(JNIEnv * jenv, jclass,
jlong thiz,
jlong imageGray, jlong faces);

JNI函数处理过程：

((DetectionBasedTracker*)thiz)->getObjects(RectFaces);
vector_Rect_to_Mat(RectFaces, *((Mat*)faces));

参数转变的函数调用：

vector_Rect_to_Mat(RectFaces, *((Mat*)faces));

参数转变函数：

inline void vector_Rect_to_Mat(vector<Rect>& v_rect,  Mat& mat)
{
mat = Mat(v_rect, true);
}

完成效果：

返回脸部检测的识别框，压入Vector，并通过函数强制转换成 Mat型指针，

java顶层调用：

//0.2.把检测到的框画在图片上！wishchin！
Rect[] facesArray = faces.toArray();

这样可以通过数组转化为java层的 CvArray 类型，

以便

for (int i = 0; i < facesArray.length; i++){
Core.rectangle(mRgba, facesArray[i].tl(), facesArray[i].br(), FACE_RECT_COLOR, 3);
}

此代码段使用。

显示效果为：