一、项目创建
创建NDK项目有两种方式，一种从新创建整个项目，一个在创建好的项目添加NDK接口。
1.创建NDK项目
创建 一个Native C++项目：
选择包名、API版本与算法交互的语言：
选择C++版本：
创建完之后，可以在项目中看到一个jni或者cpp的目录，目录包含一个CMakeLists.txt文件一个xxx.cpp文件：
2.添加NDK项目
在main目录添加一个目录，可命名为cpp或者jni都行：
把创建好的目录转化为JNI交互目录：
转化成功之后，目录下包含一个CMakeLists.txt文件一个xxx.cpp文件：
3.添加NDK依赖
选择使用的NDK版本：
选择CMake版本：
把下载好的NDK添加到配置文件：
4.测试与使用
添加类Java交互类：
在java交互类里面接口与jni交互的API:
java
package com.example.docscan;
public class scanlib
{
public native String stringFromJNI();
// Used to load the 'docscan' library on application startup.
static {
System.loadLibrary("docscan");
}
}在xxx.cpp里面实现函数功能：
cpp
extern "C" JNIEXPORT jstring JNICALL
Java_com_example_docscan_scanlib_stringFromJNI(
JNIEnv* env,
jobject /* this */) {
std::string hello = "Hello from C++";
return env->NewStringUTF(hello.c_str());
}在MainActivity类里面调用函数：
java
public class MainActivity extends AppCompatActivity {
private ScanLib scan_lib = new ScanLib();
private ActivityMainBinding binding;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
binding = ActivityMainBinding.inflate(getLayoutInflater());
setContentView(binding.getRoot());
// Example of a call to a native method
TextView tv = binding.sampleText;
tv.setText(scan_lib.stringFromJNI());
}
}二、添加依赖库
1.OpenCV
OpenCV是图像处理的基础，完整的包有上百M的大小，基于apk包大小的考虑，要对OpenCV做剪枝，之后重新编译成SDK，复制到jni（cpp）目录下：
2.NCNN
NCNN是深度学习算法模型的推理加速库，可以基于CPU或NPU进行推理,对应市场常用机型，选择使用NCNN版本并添加jni(cpp)目录下：
3.算法代码
把算法实现代码添加jni(cpp)目录下：
3. 源码编译
在CMakeLists.txt文件中添加这两个库与算法代码：
bash
project(ScanJiaLib)
cmake_minimum_required(VERSION 3.4.1)
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -fopenmp")
set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} -fopenmp")
if(DEFINED ANDROID_NDK_MAJOR AND ${ANDROID_NDK_MAJOR} GREATER 20)
set(CMAKE_SHARED_LINKER_FLAGS "${CMAKE_SHARED_LINKER_FLAGS} -static-openmp")
endif()
## opencv 库
set(OpenCV_DIR "${CMAKE_SOURCE_DIR}/sdk/native/jni")
find_package(OpenCV REQUIRED)
if (OpenCV_FOUND)
message(STATUS "OpenCV_LIBS: ${OpenCV_LIBS}")
message(STATUS "OpenCV_INCLUDE_DIRS: ${OpenCV_INCLUDE_DIRS}")
else ()
message(FATAL_ERROR "opencv Not Found!")
endif (OpenCV_FOUND)
#ncnn库
set(ncnn_DIR ${CMAKE_SOURCE_DIR}/ncnn-20221128-android-vulkan/${ANDROID_ABI}/lib/cmake/ncnn)
find_package(ncnn REQUIRED)
set_target_properties(
ncnn PROPERTIES
INTERFACE_COMPILE_OPTIONS "-frtti;-fexceptions"
# ncnn.cmake 里面是关的，把它重新打开防止跟opencv2冲突，如果是重新编译ncnn的请自己尝试要开还是关
)
#算法代码
add_library(ScanJia-jni SHARED ScanJia_jni.cpp BitmapUtils.cpp DocumentEdge.cpp)
target_link_libraries(ScanJia-jni ${OnnxRuntime_LIBS} ncnn ${OpenCV_LIBS} jnigraphics)4.封装成so包
在CMakeLists.txt里面添加封装库保存目录和要封装的cpp文件，重新编译：
bash
set(CMAKE_LIBRARY_OUTPUT_DIRECTORY ${PROJECT_SOURCE_DIR}/libs/${ANDROID_ABI})
add_library(DocScan SHARED BitmapUtils.cpp DocumentEdge.cpp ScanJia_jni.cpp)编译完成之后,在jni（cpp）目录生成封装好的so包，生成完成之后，注释掉上面的语句：
5.调用so包
在CMakeLists.txt里面添加so库目录：
bash
add_library(DocScan SHARED)
set_target_properties(DocScan
PROPERTIES IMPORTED_LOCATION
${PROJECT_SOURCE_DIR}/libs/${ANDROID_ABI}/libDocScan.so)在java交互类里面添加so包名：
java
static
{
System.loadLibrary("DocScan");
}在build.gradle里面添加要调用的库：
bash
ndk {
moduleName "DocScan"
abiFilters "armeabi-v7a", "arm64-v8a"
}三、 API文档
1.Java交互类
在交互Java交互类ScanJiaSim.java中添加调用接口：
java
//初始化算法类，boolean useGPU------是否启用gpu加速
public native boolean init(AssetManager mgr,boolean useGPU);
//通用文档边缘检测，Bitmap bitmap------传入图像，返回PointI是检测到的四个点
public native PointI edgeDetector(Bitmap bitmap);
//书本边缘检测，Bitmap bitmap------传入图像，返回PointI是检测到的四个点
public native PointI bookEdgeDetect(Bitmap bitmap);
//边缘校正，Bitmap bitmap------传入图像，返回校正后的图像，如果校正的点没有手动更新，则使用边缘检测到的点进行校正
public native Bitmap reveseEdge(Bitmap bitmap);
//接收手动更新过的边缘点，如果手动更新过边缘点，则调用这个函数把更新的点发回校正函数使用
public native int sendPoint(int x1,int y1,int x2,int y2,int x3,int y3,int x4,int y4);2.JNI文件
在jni文件ScanJia_jni.cpp中实现交互类定义的接口：
cpp
extern "C" JNIEXPORT jboolean JNICALL Java_com_dashu_scanjia_ScanJiaSim_init(JNIEnv* env,
jobject thiz, jobject assetManager,jboolean cpu_gpu);
extern "C" JNIEXPORT jobject JNICALL Java_com_dashu_scanjia_ScanJiaSim_edgeDetector(JNIEnv *env,jobject thiz, jobject b_image);
extern "C" JNIEXPORT jobject JNICALLJava_com_dashu_scanjia_ScanJiaSim_bookEdgeDetect(JNIEnv *env,jobject thiz, jobject b_image);
extern "C" JNIEXPORT jobject JNICALL Java_com_dashu_scanjia_ScanJiaSim_reveseEdge(JNIEnv *env,jobject, jobject image);
extern "C" JNIEXPORT int JNICALL Java_com_dashu_scanjia_ScanJiaSim_sendPoint(JNIEnv *env, jobject instance,int x1,int
y1,int x2,int y2,int x3,int y3,int x4,int y4)3.算法代码实现
在cpp算法代码中实现接口：
cpp
/// 读取模型
/// \param mgr
/// \param edge_model_parma -边缘模型路径
/// \param edge_model_bin -边缘模型路径
/// \param mid_model_parma - 书本中线模型路径
/// \param mid_model_bin - 书本中线模型路径
/// \param use_gpu -是否启用GPU推理
/// \return
int read_model(AAssetManager* mgr,
std::string edge_model_parma = "ED210113FP16.param",
std::string edge_model_bin = "ED210113FP16.bin",
std::string mid_model_parma = "M20210325F.param",
std::string mid_model_bin = "M20210325F.bin",
bool use_gpu = true);
/// 边缘检测
/// \param cv_src -原图像
/// \param points_out -检测到的点集
/// \param is_book -是否是书本
/// \return
int detect(cv::Mat cv_src, std::vector<cv::Point>& points_out, bool is_book);
/// 图像校正
/// \param cv_src -原图像
/// \param cv_dst -结果图像
/// \param in_points -校正点集
/// \return
int revise_image(cv::Mat& cv_src, cv::Mat& cv_dst, std::vector<cv::Point>& in_points);4.调用接口
在MainActivity.java类中调用接口：
java
//实例化接口类
private ScanJiaSim scan_jia_sim = new ScanJiaSim();
//初始化类，根据匹配的机型选择是否启用GPU，启用状态只是参考，最终是否能启用是基于底层是否能检测到GPU
boolean ret_init = scan_jia_sim.init(getAssets(),use_gpu);
//调用边缘检测
ScanJiaSim.PointI point = scan_jia_sim.edgeDetector(b_image);
//调用书本边缘检测
ScanJiaSim.PointI point = scan_jia_sim.bookEdgeDetect(b_image);
//图像校正，如果手动更新过边缘点，则要先调用upPoint()函数
Bitmap bitmap = scan_jia_sim.reveseEdge(b_image);
//手动更新过边缘点，则在校正之前把边缘点传入
private void upPoint(Point p1, Point p2, Point p3, Point p4) throws IOException四、实现效果
