1. 什么是OpenCV？
- 由英特尔公司于1999年发起并参与开发，至今已有18年历史
- OpenCV的全称是Open Source Computer Vision Library
- 是一个跨平台的开源计算机视觉库，可用于开发实时的图像处理、计算机视觉以及模式识别程序。
- 支持C/C++、Java、Python、OC、Swift、Ruby等等语言
- 支持Windows、 Android、 Maemo、 FreeBSD、 OpenBSD、 iOS、 Linux和Mac OS
- OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。
- 所有新的开发和算法都是用C++接口。一个使用CUDA的GPU接口也于2010年9月开始实现。
2. 马赛克原理
- 开始做马赛克之前，需要定一个马赛克的级别，表示原图中每几个像素颜色空间值设置成一样变成新图里面的一个马赛克点
- 取一小块区域左上角的一个像素点的颜色空间值，并把这个颜色空间值填充到整个小区域内的所有像素点上.
-
如下图，左边是原图，右边是经过变换之后的图，假设马赛克级别为3，每个数字表示的区域就是处理的一个小单元，取这个最小单元左上角的颜色，填充整个小单元就OK了
图片区域分割填充颜色原理
3. 创建项目
- 创建项目
首先我们搭建一个OC或者Swift的iOS项目. - 在工程内,新建一个集成自NSObject类,如果是Swift项目,创建的也是集成NSObject的OC语言的类,并确认添加桥接文件即可.
- 因为OpenCV是用C++编写的,所以我们要让项目支持C++,所以需要将用到OpenCV的类改成Objective-C++,把Objective-C转成Objective-C++的方法有两种.
方法一: 将 .m 文件后缀改成 .mm, Xcode就会根据后缀名自动识别源文件类型.
方法二: 选中要修改的.m文件，在右边的Type属性修改成：Objective-C++ Source（也可以手动指定源文件类型）屏幕快照
- 导入OpenCV动态库
1.首先去OpenCV的官网下载我们需要的framework,选择最新版本的iOS pack即可
2.将解压的framework直接拖入工程,并检查是否链接设置成功,然后编译一下确认不报错
4. 实现马赛克代码
1> 首先要在.m文件中，导入OpenCV的头文件，导入头文件之后代码如下，如果是Swift项目,这里有可能出现的坑要注意：
在.h文件中去导入OpenCV的相关头文件，可能会报错，错误信息: Core.hpp header must be compiled as C++，看到这个问题，把头文件移动到.m文件中去
-
还有就是OpenCV的头文件最好放在#import之前，否则也可能会报一个错误: enum { NO, FEATHER, MULTI_BAND }; Expected identifier
#import "ImageMasaicTool.h" // 导入OpenCV框架 //核心头文件 #import <opencv2/opencv.hpp> //对iOS支持 #import <opencv2/imgcodecs/ios.h> //导入矩阵帮助类 #import <opencv2/highgui.hpp> #import <opencv2/core/types.hpp> // 导入C++命名空间 using namespace cv;
2>实现马赛克的代码
公告
+ (UIImage *)opencvImage:(UIImage *)image level:(int)level {
// 实现功能
// 第一步: 将iOS图片 ->OpenCV图片(Mat矩阵)
Mat mat_image_src;
UIImageToMat(image, mat_image_src);
// 第二步: 确定宽高, 并将图片进行颜色空间转换
int width = mat_image_src.cols;
int height = mat_image_src.rows;
// 图片类型转换
// opencv官网中,里面进行图处理的时候,规律-> 每次都会调用cvtColor保持一致(RGB)
// 因为OpenCV里面只支持RGB的颜色空间处理,而图片是ARGB的颜色空间,所以每次处理的时候一定要记得类型转换
Mat mat_image_dst;
cvtColor(mat_image_src, mat_image_dst, CV_RGBA2RGB, 3);
// 为了不影响原始图片,克隆一张
Mat mat_image_clone = mat_image_dst.clone();
// 第三步: 马赛克处理
// 分析马赛克算法原理
// 如果 level = 3 -> 3 * 3矩形 内有9个像素点
// 动态处理
int x = width - level;
int y = height - level;
for (int i = 0; i < y; i += level) {
for (int j = 0; j < x; j += level) {
// 循环取出需要处理的矩形区域
Rect2i mosaicRect = Rect2i(j, i, level, level);
// 给Rect2i区域 -> 填充数据 -> 原始数据
Mat roi = mat_image_dst(mosaicRect);
// 让整个矩形区域颜色保持一致 可以理解为矩形区域内每个像素点颜色一致
// mat_image_clone.at<Vec3b>(i, j) -> 像素点(颜色组成值->多个) -> ARGB -> 数组
// mat_image_clone.at<Vec3b>(i, j)[0] -> R值
// mat_image_clone.at<Vec3b>(i, j)[1] -> G值
// mat_image_clone.at<Vec3b>(i, j)[2] -> B值
Scalar scalar = Scalar(
mat_image_clone.at<Vec3b>(i, j)[0],
mat_image_clone.at<Vec3b>(i, j)[1],
mat_image_clone.at<Vec3b>(i, j)[2]
);
// 将处理好的矩形区域 -> 数据 -> 拷贝到图片上去 -> 修改后的数据
// CV_8UC3含义:
// CV_: 表示框架命名空间
// 8: 表示32位色 -> ARGB -> 8位 = 1字节 -> 4个字节
// U: 表示无符号类型
// 两种类型：有符号类型(Sign->有正负->简写"S")、无符号类型(Unsign->正数->"U")
// 无符号类型：0-255(通常情况)
// 有符号类型：-128-127
// C: 表示 char 类型
// 3: 表示 3个通道 -> RGB
Mat roiCopy = Mat(mosaicRect.size(), CV_8UC3, scalar);
roiCopy.copyTo(roi);
}
}
// 第四步: 将OpenCV图片 -> iOS图片
return MatToUIImage(mat_image_dst);
}
5.测试效果
完整Demo,移除了OpenCV框架,如需下载请到官网下载3.3版本添加到Demo中即可, 参考资料苍老师的 "码" 是怎么打上的
