Bearbeta SoftwareBitmaps med OpenCV

Den här artikeln visar hur du skapar en inbyggd C++/WinRT-Windows Runtime komponent som konverterar SoftwareBitmap-objekt till OpenCV-typenMat. På så sätt kan du använda OpenCV:s omfattande bildbearbetningsalgoritmer på bildrutor som avbildats med Windows kamera-API:er och visa resultatet i din WinUI 3-app.

Översikt

Klassen SoftwareBitmap är det vanliga bildformat som används av Windows medie-API:er, medan OpenCV använder Mat klassen. Om du vill överbrygga dessa format skapar du en C++/WinRT-körningskomponent som:

  1. Tar emot SoftwareBitmap som indata.
  2. Konverterar den till en OpenCV Mat.
  3. Tillämpar önskad bildbearbetning.
  4. Returnerar resultatet som en SoftwareBitmap.

Eftersom OpenCV är ett internt C++-bibliotek använder du ett C++/WinRT-Windows Runtime komponentprojekt för att skapa bryggan. Din C# WinUI 3-app refererar till den här komponenten.

Konfigurera C++/WinRT-komponentprojektet

  1. I Visual Studio lägger du till ett nytt Windows Runtime komponentprojekt (C++/WinRT) i din lösning. Ge den ett namn i stil med OpenCVBridge.

  2. Ladda ned OpenCV NuGet-paketet genom att köra följande kommando i Správca balíkov Console som är riktat mot bridgeprojektet:

    Install-Package OpenCV.Windows -ProjectName OpenCVBridge

    Du kan också ladda ned OpenCV-versionen från opencv.org och konfigurera projektets inkluderings- och bibliotekssökvägar manuellt.

  3. I bridgeprojektets pch.hlägger du till OpenCV-huvudena:

    #include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <robuffer.h>
#include <windows.foundation.h>

Skapa OpenCVHelper-körningsklassen

Definiera en körningsklass som innehåller metoder för att konvertera mellan SoftwareBitmap och OpenCV Mat. Skapa IDL-filen OpenCVHelper.idl:

// OpenCVHelper.idl
namespace OpenCVBridge
{
    runtimeclass OpenCVHelper
    {
        OpenCVHelper();
        void ProcessBitmap(
            Windows.Graphics.Imaging.SoftwareBitmap input,
            Windows.Graphics.Imaging.SoftwareBitmap output);
    }
}

Implementera konverteringen

I OpenCVHelper.cppimplementerar du konverteringen från SoftwareBitmap till Mat och tillbaka:

#include "pch.h"
#include "OpenCVHelper.h"
#include "OpenCVHelper.g.cpp"
#include <opencv2/imgproc.hpp>

using namespace winrt;
using namespace Windows::Graphics::Imaging;

namespace winrt::OpenCVBridge::implementation
{
    void OpenCVHelper::ProcessBitmap(
        SoftwareBitmap const& input,
        SoftwareBitmap const& output)
    {
        // Lock the input buffer for reading
        auto inputBuffer = input.LockBuffer(
            BitmapBufferAccessMode::Read);
        auto inputRef = inputBuffer.CreateReference();

        uint8_t* inputData = nullptr;
        uint32_t inputSize = 0;
        winrt::check_hresult(
            inputRef.as<::Windows::Foundation::
                IMemoryBufferByteAccess>()->GetBuffer(
                    &inputData, &inputSize));

        auto inputDesc =
            inputBuffer.GetPlaneDescription(0);

        // Create a Mat from the input data (use Stride for correct row size)
        cv::Mat inputMat(
            inputDesc.Height,
            inputDesc.Width,
            CV_8UC4,
            inputData,
            inputDesc.Stride);

        // Lock the output buffer for writing
        auto outputBuffer = output.LockBuffer(
            BitmapBufferAccessMode::Write);
        auto outputRef = outputBuffer.CreateReference();

        uint8_t* outputData = nullptr;
        uint32_t outputSize = 0;
        winrt::check_hresult(
            outputRef.as<::Windows::Foundation::
                IMemoryBufferByteAccess>()->GetBuffer(
                    &outputData, &outputSize));

        auto outputDesc =
            outputBuffer.GetPlaneDescription(0);

        cv::Mat outputMat(
            outputDesc.Height,
            outputDesc.Width,
            CV_8UC4,
            outputData,
            outputDesc.Stride);

        // Apply image processing - example: blur
        cv::GaussianBlur(inputMat, outputMat, cv::Size(15, 15), 5);
    }
}

Note

Koden ovan använder IMemoryBufferByteAccess för att komma åt råa pixeldata. Indata- och utdataobjekten SoftwareBitmapBgra8 måste använda pixelformatet. Om bildrutor från MediaFrameReader använder ett annat format konverterar du dem först med SoftwareBitmap.Convert.

Använda komponenten från C#

I din C# WinUI 3-app lägger du till en projektreferens till komponenten OpenCVBridge . Anropa sedan ProcessBitmap från din kod för bildramsbearbetning:

using OpenCVBridge;
using Windows.Graphics.Imaging;

private readonly OpenCVHelper _openCVHelper = new();

private void ProcessFrameWithOpenCV(
    SoftwareBitmap inputBitmap)
{
    // Ensure the bitmap is in Bgra8 format
    if (inputBitmap.BitmapPixelFormat != BitmapPixelFormat.Bgra8)
    {
        inputBitmap = SoftwareBitmap.Convert(
            inputBitmap, BitmapPixelFormat.Bgra8);
    }

    // Create an output bitmap with the same dimensions
    var outputBitmap = new SoftwareBitmap(
        BitmapPixelFormat.Bgra8,
        inputBitmap.PixelWidth,
        inputBitmap.PixelHeight,
        BitmapAlphaMode.Premultiplied);

    // Process with OpenCV
    _openCVHelper.ProcessBitmap(inputBitmap, outputBitmap);

    // Display the result
    DispatcherQueue.TryEnqueue(async () =>
    {
        var source =
            new Microsoft.UI.Xaml.Media.Imaging
                .SoftwareBitmapSource();
        await source.SetBitmapAsync(outputBitmap);
        OutputImage.Source = source;
    });
}

Lägga till fler bearbetningsåtgärder

Du kan utöka OpenCVHelper klassen med ytterligare metoder för specifika åtgärder. Uppdatera IDL och implementeringen:

// Add to OpenCVHelper.idl
void ApplyCannyEdges(
    Windows.Graphics.Imaging.SoftwareBitmap input,
    Windows.Graphics.Imaging.SoftwareBitmap output,
    Double threshold1,
    Double threshold2);

// Implementation
void OpenCVHelper::ApplyCannyEdges(
    SoftwareBitmap const& input,
    SoftwareBitmap const& output,
    double threshold1,
    double threshold2)
{
    // ... lock buffers as above ...

    cv::Mat grayMat;
    cv::cvtColor(inputMat, grayMat, cv::COLOR_BGRA2GRAY);

    cv::Mat edges;
    cv::Canny(grayMat, edges, threshold1, threshold2);

    cv::cvtColor(edges, outputMat, cv::COLOR_GRAY2BGRA);
}

Relaterat innehåll

  • Last updated on