Android图片识别

本来想利用OpenCV的工具实现手机上的图片识别，但随着对OpenCV内容的探索，严格地说，我认为所谓的“识别”，只不过是图片的“匹配”而已。

因为计算机在图片的相似度比较上太笨了，不像人眼一看就能判断，它需要依赖大量计算的算法方可“匹配”出相似点。而且！根据相似点匹配，从而判断两张图片的内容是否一样，还需要很大的人为主观干涉。

目前研究了一下OpenCV关于图片特征匹配的基本内容，基本上实现的原理大致相同，不同的是算法在计算机上的性能表现。

要理解原理的话，可以去搜索“sift算法”，可以找到一篇小姐姐写的博客，该博客内容介绍了sift算法的原理和图像的匹配过程，详细得感人，需要掌握一定的高数和线性代数才能看得懂。数学不好的话，实际上也能大概看明白整个过程是怎么样的。

类似与sift算法的图像匹配，在计算机上实现的过程基本是： 加载图片-->找关键点-->计算关键点特征-->匹配关键点特征-->判断或者画线展示（非必须）。

其中匹配关键点是需要插入一些人为主观判断的，最后一步只是展示用，所以不一定需要。

好吧，扯了那么多，说是图片识别，连张图片都没有，没图说个j八~~好，先放一张原始的测试图：

有人会怀疑，Android用java开发，用java来做图片处理会不会很慢？其实，这里的java部分只是负责接口而已，实际上还是调用了native层的C/C++代码进行处理的，这个在上一篇关于OpenCV在Android Studio上的搭建博客里已经知道了，ctrl+右键去看源码，会发现最终到native修饰的函数就探索不下去了。

Go now~

1. 加载图片。

低版本加载图片是用Highgui这个类加载的，但高版本的opencv sdk里把读取图片的加载接口移到了Imgcodecs类去了。

Mat src=Imgcodecs.imread(imgPath);

其中参数imgPath为String类型，即图片的路径。

又或者使用Utils类加载图片

Mat src=Utils.loadResource(context, resId);

其中参数为Context，和图片id，如R.drawable.xxx。

Mat类是英文Matrix的缩写，即数学上的矩阵，用于保存图片。图片的在计算机上的处理，基本上也是矩阵的数值作各种变换处理。大学里的线性代数真的要学好呐~

2. 找关键点。

找关键点的算法有很多，如 fast,  orb,  mser,  gftt,  harris,  simpleblob,  brisk,  akaze, sift 和 surf等

MatOfKeyPoint keyPoint=new MatOfKeyPoint();
FeatureDetector fd=FeatureDetector.create(FeatureDetector.BRISK);
fd.detect(src, keyPoint);

因为sift和surf算法有专利，所以opencv官方并没有集成，所以使用sift算法会报错。github上已有三方集成了。

每个算法找关键点不一样，导致在计算机上的性能也会不一样，最直接的表现就是时间。

fast算法，risk算法，orb算法  效果比较：