如何使用Python与OpenCV开发可部署在手机端的Android ArUco标记检测应用？

可行方案1：Kivy + Buildozer 纯Python开发栈 #

完全不需要编写Java/Kotlin原生代码，适合无Android原生开发经验的用户：

• 基础开发：用Kivy编写应用UI，搭配plyer库实现系统相机调用、权限申请逻辑，和普通Python桌面应用开发逻辑一致
• 依赖配置：Buildozer打包配置文件（buildozer.spec）中直接添加OpenCV相关依赖即可，示例配置：

  requirements = python3, kivy, plyer, opencv-python==4.5.5.62, opencv-contrib-python==4.5.5.62
  android.permissions = CAMERA, WRITE_EXTERNAL_STORAGE
  

  注意ArUco模块包含在opencv-contrib-python包中，优先选择4.5.x系列的稳定版本，高版本部分架构适配存在兼容性问题
• 打包测试：优先选择armeabi-v7a架构打包，适配99%以上的在售安卓设备，避免全架构打包出现的so库兼容问题

可行方案2：Chaquopy 混合开发栈 #

稳定性和运行性能优于纯Python打包方案，仅需要编写少量Android原生代码：

• 项目配置：在Android Studio中新建空项目，引入Chaquopy插件后，在模块级build.gradle配置中添加pip依赖：

  defaultConfig {
      python {
          pip {
              install "opencv-python"
              install "opencv-contrib-python"
          }
      }
  }
  

• 逻辑实现：原生层申请相机权限、获取预览帧数据后传给Python层，ArUco检测核心逻辑和桌面端完全一致，检测结果返回原生层渲染即可
• 优势：Chaquopy官方完成了OpenCV的安卓端适配，不会出现Beeware中常见的so库缺失、架构不兼容导致的运行失败问题，检测执行效率比纯Python打包高30%左右

ArUco检测适配注意点 #

• 手机端相机输出的预览帧默认是YUV格式，传入OpenCV检测前需要先转为灰度图或者BGR格式，不要直接转换避免色偏
• 核心检测代码不需要修改，桌面端调试通过的代码可以直接复用，示例代码：

  import cv2
  from cv2 import aruco
  
  # 初始化检测参数，和桌面端写法完全一致
  aruco_dict = aruco.Dictionary_get(aruco.DICT_6X6_250)
  detect_params = aruco.DetectorParameters_create()
  
  # 传入预处理后的灰度帧执行检测
  corners, ids, rejected = aruco.detectMarkers(gray_frame, aruco_dict, parameters=detect_params)
  

内容的提问来源于stack exchange，提问作者Jeff Boker