Android应用开发：如何将设备图库图片转为简笔画？

以下是几种落地性强的实现方案，适配Android平台：

一、原生Bitmap+RenderScript实现基础线稿 #

利用Android原生RenderScript加速图像处理，结合边缘检测算法快速生成线稿：

1. 步骤拆解：
   • 将图库获取的Bitmap转为灰度图
   • 使用RenderScript内置的边缘检测工具提取线条
   • 对结果做二值化处理，强化黑白对比
2. 核心代码示例：

   // 初始化RenderScript
   val rs = RenderScript.create(context)
   val inputBitmap = originalBitmap.copy(Bitmap.Config.ARGB_8888, true)
   
   // 创建边缘检测脚本
   val edgeDetect = ScriptIntrinsicEdgeDetect.create(rs, Element.U8_4(rs))
   val inputAlloc = Allocation.createFromBitmap(rs, inputBitmap)
   val outputAlloc = Allocation.createTyped(rs, inputAlloc.type)
   
   edgeDetect.setInput(inputAlloc)
   edgeDetect.forEach(outputAlloc)
   outputAlloc.copyTo(inputBitmap)
   
   // 二值化调整（自定义阈值控制线条深浅）
   for (x in 0 until inputBitmap.width) {
       for (y in 0 until inputBitmap.height) {
           val pixel = inputBitmap.getPixel(x, y)
           val grayValue = Color.red(pixel)
           inputBitmap.setPixel(x, y, if (grayValue > 60) Color.WHITE else Color.BLACK)
       }
   }
   rs.destroy()
   // inputBitmap即为生成的线稿
   

二、集成OpenCV for Android实现高精度线稿 #

OpenCV提供成熟的计算机视觉工具链，能灵活调整线稿的精细度：

1. 集成依赖：在app模块的build.gradle中添加：

   implementation 'org.opencv:opencv-android:4.8.0'
   

2. 核心代码示例：

   // 初始化OpenCV（建议在Application中完成）
   if (!OpenCVLoader.initDebug()) {
       OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_4_8_0, context, null)
   }
   
   // 处理图片
   val mat = Mat()
   Utils.bitmapToMat(originalBitmap, mat)
   // 转灰度图
   Imgproc.cvtColor(mat, mat, Imgproc.COLOR_BGR2GRAY)
   // 高斯模糊降噪
   Imgproc.GaussianBlur(mat, mat, Size(3.0, 3.0), 0.0)
   // Canny边缘检测（调整高低阈值控制线条密度）
   Imgproc.Canny(mat, mat, 45.0, 135.0)
   // 反转颜色实现白底黑线
   Core.bitwise_not(mat, mat)
   // 转回Bitmap
   Utils.matToBitmap(mat, lineArtBitmap)
   mat.release()
   

三、轻量级ML模型生成风格化线稿 #

如果需要更接近示例图的手绘风格，可以使用TensorFlow Lite预训练模型：

1. 准备模型：将量化后的轻量级线稿生成模型放入assets目录（比如基于U-Net的简化版）
2. 核心代码示例：

   // 加载TFLite模型
   val interpreter = TensorFlowLite.newInstance(context, "line_art_model.tflite")
   // 预处理：缩放图片至模型输入尺寸、归一化
   val inputSize = 256
   val resizedBitmap = Bitmap.createScaledBitmap(originalBitmap, inputSize, inputSize, true)
   val inputBuffer = TensorBuffer.createFixedSize(intArrayOf(1, inputSize, inputSize, 3), DataType.FLOAT32)
   inputBuffer.loadBitmap(resizedBitmap)
   // 运行推理
   val outputBuffer = TensorBuffer.createFixedSize(intArrayOf(1, inputSize, inputSize, 1), DataType.FLOAT32)
   interpreter.run(inputBuffer.buffer, outputBuffer.buffer)
   // 后处理：转回Bitmap并缩放至原尺寸
   val outputBitmap = Bitmap.createBitmap(inputSize, inputSize, Bitmap.Config.ARGB_8888)
   outputBuffer.loadBitmap(outputBitmap)
   val finalBitmap = Bitmap.createScaledBitmap(outputBitmap, originalBitmap.width, originalBitmap.height, true)
   interpreter.close()
   

注意事项 #

• 处理大尺寸图片时，建议先缩放再处理，避免内存溢出
• 边缘检测的阈值、模糊参数需根据实际图片类型调整，适配不同场景
• ML模型方案优先选择量化后的轻量模型，控制APK体积

内容的提问来源于stack exchange，提问作者i_am_somebody