TensorFlow入门教程(23)将图像超分辨率模型SRGAN移植到安卓APP(下)
##作者：韦访#博客：https://blog.csdn.net/rookie_wei#微信：1007895847#添加微信的备注一下是CSDN的#欢迎大家一起学习#1、概述上一讲我们将SRGAN模型由HDF5转成了tflite，并且验证了我们的tflite模型是对的。这一讲，我们就来实现安卓的APP，我假设你们至少有点安卓APP开发基础的。环境配置：操作系统：Win10 64位显卡：GTX 10
#
#作者：韦访
#博客：https://blog.csdn.net/rookie_wei
#微信：1007895847
#添加微信的备注一下是CSDN的
#欢迎大家一起学习
#
上一讲我们将SRGAN模型由HDF5转成了tflite，并且验证了我们的tflite模型是对的。这一讲，我们就来实现安卓的APP，我假设你们至少有点安卓APP开发基础的。
环境配置：
操作系统 ：Win10 64位
显卡：GTX 1080ti
Python：Python3.7
TensorFlow：2.3.0
安卓系统：Android 10
开发工具：Android Studio
2、效果图
APP界面如上图所示，由3个按键，一个进度条和两张图片组成。其中，TEST按键是对APP内置的三张图片随机进出SR处理，SELECT可以允许你从手机中选择图片进行SR处理，SAVE则是保存处理以后的图片到手机中，为了不弄乱你的手机相册，我把图片保存到新建的SuperResolution文件夹下，可以通过手机的文件管理器查看。
进度条则是显示SR处理的进度。左图是原图，右图是经过SR处理以后的高清图。
3、新建并配置Android APP
我这里使用的是Android Studio来开发，新建一个空白的APP。然后，直接运行，先确保APP能跑起来。
然后，配置APP以支持TensorFlow lite，打开app/build.gradle，在dependencies中添加如下代码，
implementation 'org.tensorflow:tensorflow-lite-support:0.0.0-nightly'
implementation 'org.tensorflow:tensorflow-lite-metadata:0.0.0-nightly'
implementation('org.tensorflow:tensorflow-lite:0.0.0-nightly') { changing = true }
implementation('org.tensorflow:tensorflow-lite-gpu:0.0.0-nightly') { changing = true }然后点击右上角的Sync Now进行同步。
同步成功以后，我们的APP就支持TensorFlow lite了。
4、界面布局
接着，来设计界面的布局，比较简单，没什么太好说的，我就直接贴代码了，
<RelativeLayout
android:layout_width="match_parent"
android:layout_height="match_parent">
<androidx.appcompat.widget.LinearLayoutCompat
android:id="@+id/button_ll"
android:layout_width="match_parent"
android:layout_height="150px"
android:orientation="horizontal"
android:paddingTop="10dp"
<Button
android:id="@+id/test_button"
android:layout_width="50dp"
android:layout_height="wrap_content"
android:layout_weight="1"
android:layout_marginRight="10dp"
android:layout_marginLeft="10dp"
android:text="Test" />
<Button
android:id="@+id/select_button"
android:layout_width="50dp"
android:layout_height="wrap_content"
android:layout_weight="1"
android:layout_marginRight="10dp"
android:layout_marginLeft="10dp"
android:text="Select"/>
<Button
android:id="@+id/save_button"
android:layout_width="50dp"
android:layout_height="wrap_content"
android:layout_weight="1"
android:layout_marginRight="10dp"
android:layout_marginLeft="10dp"
android:text="Save"/>
</androidx.appcompat.widget.LinearLayoutCompat>
<androidx.appcompat.widget.LinearLayoutCompat
android:id="@+id/progress_bar_ll"
android:layout_below="@+id/button_ll"
android:layout_marginTop="10dp"
android:layout_width="match_parent"
android:layout_height="40dp">
<ProgressBar
android:id="@+id/sr_progress_bar"
android:layout_marginLeft="20dp"
android:layout_marginRight="20dp"
android:layout_width="match_parent"
style="?android:attr/progressBarStyleHorizontal"
android:layout_gravity="center"
android:max="100"
android:progress="0"
android:layout_height="30dp"/>
</androidx.appcompat.widget.LinearLayoutCompat>
<androidx.appcompat.widget.LinearLayoutCompat
android:layout_below="@+id/progress_bar_ll"
android:layout_marginTop="50dp"
android:layout_width="match_parent"
android:layout_height="match_parent">
<LinearLayout
android:layout_weight="1"
android:orientation="vertical"
android:layout_width="match_parent"
android:layout_height="match_parent">
<TextView
android:text="LR"
android:textSize="20dp"
android:gravity="center_horizontal"
android:layout_width="match_parent"
android:layout_height="wrap_content">
</TextView>
<ImageView
android:id="@+id/imageview_src"
android:layout_weight="1"
android:layout_width="match_parent"
android:layout_height="match_parent"/>
<ImageView
android:layout_weight="2"
android:layout_width="match_parent"
android:layout_height="match_parent"/>
</LinearLayout>
<LinearLayout
android:layout_weight="1"
android:orientation="vertical"
android:layout_width="match_parent"
android:layout_height="match_parent">
<TextView
android:text="SR (x4)"
android:textSize="20dp"
android:gravity="center_horizontal"
android:layout_width="match_parent"
android:layout_height="wrap_content">
</TextView>
<ImageView
android:id="@+id/imageview_dest"
android:layout_weight="1"
android:layout_width="match_parent"
android:layout_height="match_parent"/>
<ImageView
android:layout_weight="2"
android:layout_width="match_parent"
android:layout_height="match_parent"/>
</LinearLayout>
</androidx.appcompat.widget.LinearLayoutCompat>
</RelativeLayout>设计好布局以后，运行一下APP，
5、创建SRGanModel类
接下来，创建SRGANModel类，这个类主要实现模型的加载、为模型输入数据且获得模型推理的输出结果，最后将输出结果转成Bitmap格式。这其中主要涉及到3个变量，
private Interpreter tfLite;
private TensorImage inputImageBuffer;
private TensorBuffer outputProbabilityBuffer;其中，Interpreter主要是用来加载模型和进行推理（前向）运算的，TensorImage则是用来给模型传输输入数据的，TensorFlowBuffer则是用来获得模型输出数据的。
5.1、导入模型
先来实现导入模型的函数，
* 导入模型 * @param modelfile * @return public boolean loadModel(String modelfile) { boolean ret = false; try { // 获取在assets中的模型 MappedByteBuffer modelFile = loadModelFile(activity.getAssets(), modelfile); // 设置tflite运行条件，使用4线程和GPU进行加速 Interpreter.Options options = new Interpreter.Options(); options.setNumThreads(4); gpuDelegate = new GpuDelegate(); options.addDelegate(gpuDelegate); // 实例化tflite tfLite = new Interpreter(modelFile, options); ret = true; } catch (IOException e) { e.printStackTrace(); return ret;其中loadModelFile函数主要是用来读取在assets文件夹下的模型文件，代码如下，
/** Memory-map the model file in Assets. */
private MappedByteBuffer loadModelFile(AssetManager assets, String modelFilename)
throws IOException {
AssetFileDescriptor fileDescriptor = assets.openFd(modelFilename);
FileInputStream inputStream = new FileInputStream(fileDescriptor.getFileDescriptor());
FileChannel fileChannel = inputStream.getChannel();
long startOffset = fileDescriptor.getStartOffset();
long declaredLength = fileDescriptor.getDeclaredLength();
return fileChannel.map(FileChannel.MapMode.READ_ONLY, startOffset, declaredLength);
回到loadModel函数，Interpreter.Options主要是设置模型运行的硬件条件，比如，要用几个线程，是否用GPU等，它还有其他可以设置的，具体可以看官方教程：https://tensorflow.google.cn/lite/performance/best_practices
我这里设置4个线程并且使用GPU加速。如果你手机跑不起来，可以试着将GPU去掉，而只使用CPU。
5.2、设置模型输入和输出的shape和数据类型
接下来看看设置模型的输入，在上一讲中，我们需要根据输入图片宽高重新设置模型输入和输出的shape，这里我们同样需要进行这样的操作，代码如下，
* 设置模型输入和输出的shape和类型
* @param bitmap 要进行sr的图片
private void setInputOutputDetails(Bitmap bitmap) {
// 获取模型输入数据格式
DataType imageDataType = tfLite.getInputTensor(0).dataType();
// Log.e(TAG, "imageDataType:" + imageDataType.toString());
// 创建TensorImage，用于存放图像数据
inputImageBuffer = new TensorImage(imageDataType);
inputImageBuffer.load(bitmap);
// 因为模型的输入shape是任意宽高的图片，即{-1,-1,-1,3}，但是在tflite java版中，我们需要指定输入数据的具体大小。
// 所以在这里，我们要根据输入图片的宽高来设置模型的输入的shape
int[] inputShape = {1, bitmap.getHeight(), bitmap.getWidth(), 3};
tfLite.resizeInput(tfLite.getInputTensor(0).index(), inputShape);
// Log.e(TAG, "inputShape:" + bitmap.getByteCount());
// for (int i : inputShape) {
// Log.e(TAG, i + "");
// }
// 获取模型输出数据格式
DataType probabilityDataType = tfLite.getOutputTensor(0).dataType();
// Log.e(TAG, "probabilityDataType:" + probabilityDataType.toString());
// 同样的，要设置模型的输出shape，因为我们用的模型的功能是在原图的基础上，放大scale倍，所以这里要乘以scale
int[] probabilityShape = {1, bitmap.getWidth() * scale, bitmap.getHeight() * scale, 3};//tfLite.getOutputTensor(0).shapeSignature();
// Log.e(TAG, "probabilityShape:");
// for (int i : probabilityShape) {
// Log.e(TAG, i + "");
// }
// Creates the output tensor and its processor.
outputProbabilityBuffer = TensorBuffer.createFixedSize(probabilityShape, probabilityDataType);
5.3、实现推理函数
推理函数主要是将低分辨率的图片数据送入模型，并得到输出结果，然后将输出数据转为Bitmap格式，代码如下，
* 推理函数，将图片数据输送给模型并且得到输出结果，然后将输出结果转为Bitmap格式
* @param bitmap
* @return
public Bitmap inference(Bitmap bitmap) {
// 根据原图的小块图片设置模型输入
setInputOutputDetails(bitmap);
// 执行模型的推理，得到小块图片sr后的高清图片
tfLite.run(inputImageBuffer.getBuffer(), outputProbabilityBuffer.getBuffer());
// 将高清图片数据从TensorBuffer转成float[]，以转成安卓常用的Bitmap类型
float[] results = outputProbabilityBuffer.getFloatArray();
// 将图片从float[]转成Bitmap
Bitmap b = floatArrayToBitmap(results, bitmap.getWidth() * scale, bitmap.getHeight() * scale);
return b;
上面代码中，outputProbabilityBuffer得到输出结果，先将输出结果转成float数组，再通过floatArrayToBitmap函数将数组转成Bitmap，floatArrayToBitmap函数实现如下，
* 模型的输出结果是float型的数据，需要转成int型
* @param data
* @return
private int floatToInt(float data) {
int tmp = Math.round(data);
if (tmp < 0){
tmp = 0;
}else if (tmp > 255) {
tmp = 255;
// Log.e(TAG, tmp + " " + data);
return tmp;
* 模型的输出得到的是一个float数据，这个数组就是sr后的高清图片信息，我们要将它转成Bitmap格式才好在安卓上使用
* @param data 图片数据
* @param width 图片宽度
* @param height 图片高度
* @return 返回图片的位图
private Bitmap floatArrayToBitmap(float[] data, int width, int height) {
int [] intdata = new int[width * height];
// 因为我们用的Bitmap是ARGB的格式，而data是RGB的格式，所以要经过转换，A指的是透明度
for (int i = 0; i < width * height; i++) {
int R = floatToInt(data[3 * i]);
int G = floatToInt(data[3 * i + 1]);
int B = floatToInt(data[3 * i + 2]);
intdata[i] = (0xff << 24) | (R << 16) | (G << 8) | (B << 0);
// Log.e(TAG, intdata[i]+"");
//得到位图
Bitmap bitmap = Bitmap.createBitmap(width, height, Bitmap.Config.ARGB_8888);
bitmap.setPixels(intdata, 0, width, 0, 0, width, height);
return bitmap;
6、实现MainActivity类
接着，在MainActivity类实现对界面的中的按钮设置监听事件，并调用SRGanModel类实现SR运算。
6.1、获取控件
先定义我们需要的控件，
private Button testButton;
private Button selectButton;
private Button saveButton;
private ImageView imageViewSrc;
private ImageView imageViewDest;
再在onCreate函数中获取控件，
testButton = findViewById(R.id.test_button);
selectButton = findViewById(R.id.select_button);
imageViewSrc = findViewById(R.id.imageview_src);
imageViewDest = findViewById(R.id.imageview_dest);
srProgressBar = findViewById(R.id.sr_progress_bar);
saveButton = findViewById(R.id.save_button);
为方便观察效果，再创建一个重置View的函数，
private void resetView() {
Bitmap mBitmap = Bitmap.createBitmap(10, 10, Bitmap.Config.ARGB_8888);
imageViewSrc.setImageBitmap(mBitmap);
imageViewDest.setImageBitmap(mBitmap);
srProgressBar.setProgress(0, true);
6.2、实例化SRGanModel类并导入模型
private static final String SRGAN_MODEL_FILE = "gan_generator.tflite";
private Activity activity;
private SRGanModel srGanModel;
再在onCreate函数中给activity变量赋值，这是因为SRGanModel导入模型时需要访问assets文件夹的管理器AssetManager类需要这个变量，
activity = this;
接着实例化SRGanModel类并导入模型，
srGanModel = new SRGanModel(activity);
srGanModel.loadModel(SRGAN_MODEL_FILE);
6.3、调用SRGanModel类的推理函数并显示结果
接着，就是调用SRGanModel类的推理函数了，
private void srGanInference(Bitmap bitmap){
Bitmap srBitmap = srGanModel.inference(bitmap);
imageViewSrc.setImageBitmap(bitmap);
imageViewDest.setImageBitmap(srBitmap);
6.4、为TEST按钮设置点击监听事件
接下来，为TEST按钮设置点击监听事件，当我们点击TEST按钮以后，随机从assets文件夹中选择一张图片进行SR处理，代码如下，
testButton.setOnClickListener(new View.OnClickListener() {
@Override
public void onClick(View v) {
try {
resetView();
AssetManager assetManager = getAssets();
InputStream inputStream = assetManager.open(testImages[random.nextInt(testImages.length)]);
Bitmap bitmap = BitmapFactory.decodeStream(inputStream);
srGanInference(bitmap);
} catch (IOException e) {
e.printStackTrace();
6.5、创建assets文件夹并将模型和示例图片拷贝到assets文件夹下
在main文件夹下创建assets文件夹，并将上一讲中的模型文件gan_generator.tflite和demo文件夹下的三张图片拷贝到assets文件夹下，
7、运行APP
接着运行APP，然后点击TEST按键，你会发现APP过几秒后会黑屏并闪退。这并不是代码有什么问题，而是因为SRGAN模型非常耗内存，而且安卓对每个APP都有内存大小限制的，超过系统设置的阈值以后，系统就会强制退出你的APP。那么怎么搞呢？由于模型不限制输入图片的大小，所以，如果输入图片小一点，是否就可以跑起来呢？我们用一个比示例图片还小得多的图片试试。将示例图片裁剪一个小片段并保持成图片，如下图所示，
我们就用这个small.png图片来试试，修改代码，将MainActivity.java中的
InputStream inputStream = assetManager.open(testImages[random.nextInt(testImages.length)]);
InputStream inputStream = assetManager.open("small.png");
再运行APP并点击TEST按钮，得到结果如下，
可以看到，右边的图片比左边的图片清晰了很多，说明真的是因为输入图片太大的缘故。
8、将输入图片切分成多小块
我们先来看一下示例图片有多大，
靠，才124x118，那么小就让我们的APP崩溃了，是不是就说明我们的方案不可用了？直接甩锅说这是模型的问题不是我的问题了？办法总比困难多，既然，我们的small.png能运行，那么，一个解决方案就是将原图切分成很多个小块图片，然后把每一小块图片都送入模型中运行，得到每一小块的高清图以后，再将所有小块高清图拼接成一个大的高清图。现在我们来实现切分原图的函数，在SRGanModel类中实现，为了方便记录每一小块在原图中所处的位置，我们先定义SplitBitmap类来存放小块图片的行、列和位图信息，
* 这个类用来存放切分后的小块图片的信息
private class SplitBitmap{
public int row; // 当前小块图片相对原图处于哪一行
public int column; // 当前小块图片相对原图处于哪一列
public Bitmap bitmap; // 当前小块图片的位图
然后实现切分原图的函数，
* 将原图切分成众多小块图片，根据原图的宽高和cropBitmapSize来决定分成多少小块
* @param bitmap 待拆分的位图
* @return 返回切割后的小块位图列表
private ArrayList<SplitBitmap> splitBitmap(Bitmap bitmap) {
// 获取原图的宽高
int width = bitmap.getWidth();
int height = bitmap.getHeight();
// 原图宽高除以cropBitmapSize，得到应该将图片的宽和高分成几部分
float splitFW = (float)width / cropBitmapSize;
float splitFH = (float)height / cropBitmapSize;
int splitW = (int)(splitFW);
int splitH = (int)(splitFH);
// 用来存放切割以后的小块图片的信息
ArrayList<SplitBitmap> splitedBitmaps = new ArrayList<SplitBitmap>();
Log.e(TAG, "width:" + width + " height:" + height);
Log.e(TAG, "splitW:" + splitW + " splitH:" + splitH);
Log.e(TAG, "splitFW:" + splitFW + " splitFH:" + splitFH);
//对图片进行切割
if (splitFW < 1.2 && splitFH < 1.2) {
// 直接计算整张图
SplitBitmap sb = new SplitBitmap();
sb.row = 0;
sb.column = 0;
sb.bitmap = bitmap;
splitedBitmaps.add(sb);
} else if (splitFW < 1.2 && splitFH > 1) {
// 仅在高度上拆分
for (int i = 0; i < splitH; i++) {
SplitBitmap sb = new SplitBitmap();
sb.row = i;
sb.column = 0;
if (i == splitH - 1) {
sb.bitmap = Bitmap.createBitmap(bitmap, 0, i * cropBitmapSize, cropBitmapSize, height - i * cropBitmapSize, null, false);
}else {
sb.bitmap = Bitmap.createBitmap(bitmap, 0, i * cropBitmapSize, cropBitmapSize, cropBitmapSize, null, false);
splitedBitmaps.add(sb);
} else if (splitFW > 1 && splitFH < 1.2) {
// 仅在宽度上拆分
for (int i = 0; i < splitW; i++) {
SplitBitmap sb = new SplitBitmap();
sb.row = 0;
sb.column = i;
if (i == splitW - 1) {
sb.bitmap = Bitmap.createBitmap(bitmap, i * cropBitmapSize, 0, cropBitmapSize, width - i * cropBitmapSize, null, false);
}else {
sb.bitmap = Bitmap.createBitmap(bitmap, i * cropBitmapSize, 0, cropBitmapSize, cropBitmapSize, null, false);
splitedBitmaps.add(sb);
} else {
// 在高度和宽度上都拆分
for (int i = 0; i < splitH; i++) {
for (int j = 0; j < splitW; j++) {
int lastH = cropBitmapSize;
int lastW = cropBitmapSize;
// 最后一行的高度
if (i == splitH - 1) {
lastH = height - i * cropBitmapSize;
// Log.e(TAG, "lastH:" +lastH);
// 最后一列的宽度
if (j == splitW - 1) {
lastW = width - j * cropBitmapSize;
// Log.e(TAG, "lastW:" +lastW);
// Log.e(TAG, "lastH:" + lastH + " lastW:" + lastW +
// " bitmapH:" + bitmap.getHeight() + " bitmapW:" + bitmap.getWidth() +
// " i * cropBitmapSize:" + i * cropBitmapSize + " j * cropBitmapSize:" + j * cropBitmapSize +
// " i:" + i + " j:" + j
// );
SplitBitmap sb = new SplitBitmap();
// 记录当前小块图片所处的行列
sb.row = i;
sb.column = j;
// 获取当前小块的位图
sb.bitmap = Bitmap.createBitmap(bitmap, j * cropBitmapSize, i * cropBitmapSize, lastW, lastH, null, false);
splitedBitmaps.add(sb);
return splitedBitmaps;
9、将小块图片合并成一张大图
既然有拆分图片的函数，那么自然要实现合并图片的函数，为了验证我们上面拆分和合并的函数是否对，我们再定义一只画笔，将每一小块用红框框出来，这样就比较显式的看到我们拆分和合并的结果，定义和初始化画笔的代码如下，
private final Paint boxPaint = new Paint();
* 初始化画笔，用来调试切分图片和合并图片的
private void initPaint() {
boxPaint.setColor(Color.RED);
boxPaint.setStyle(Paint.Style.STROKE);
boxPaint.setStrokeWidth(2.0f);
boxPaint.setStrokeCap(Paint.Cap.ROUND);
boxPaint.setStrokeJoin(Paint.Join.ROUND);
boxPaint.setStrokeMiter(100);
合并图片的代码如下，
* 合并小块位图列表为一个大的位图
* @param splitedBitmaps 待合并的小块位图列表
* @return 返回合并后的大的位图
private Bitmap mergeBitmap(ArrayList<SplitBitmap> splitedBitmaps) {
int mergeBitmapWidth = 0;
int mergeBitmapHeight = 0;
// 遍历位图列表，根据行和列的信息，计算出合并后的位图的宽高
for (SplitBitmap sb : splitedBitmaps) {
// Log.e(TAG, "sb.column:" + sb.column + " sb.row:" + sb.row + " sb.bitmap.getHeight():" + sb.bitmap.getHeight() + " sb.bitmap.getWidth():" + sb.bitmap.getWidth());
if (sb.row == 0) {
mergeBitmapWidth += sb.bitmap.getWidth();
if (sb.column == 0) {
mergeBitmapHeight += sb.bitmap.getHeight();
Log.e(TAG, "splitedBitmaps: " + splitedBitmaps.size() + " mergeBitmapWidth:" + mergeBitmapWidth + " mergeBitmapHeight:" + mergeBitmapHeight);
// 根据宽高创建合并后的空位图
Bitmap mBitmap = Bitmap.createBitmap(mergeBitmapWidth, mergeBitmapHeight, Bitmap.Config.ARGB_8888);
// 创建画布，我们将在画布上拼接新的大位图
Canvas canvas = new Canvas(mBitmap);
// 计算位图列表的长度
int splitedBitmapsSize = splitedBitmaps.size();
//lastRowSB记录上一行的第一列的数据，主要用来判断当前行是否最后一行，因为最后一行之前的所有行的高度都是一致的
SplitBitmap lastColumn0SB = null;
for (int i = 0; i < splitedBitmapsSize; i++) {
// 获取当前小块信息
SplitBitmap sb = splitedBitmaps.get(i);
// 根据当前小块所处的行列和宽高计算小块应处于大位图中的位置
int left = sb.column * sb.bitmap.getWidth();
int top = sb.row * sb.bitmap.getHeight();
int right = left + sb.bitmap.getWidth();
int bottom = top + sb.bitmap.getHeight();
// 最后一列
// 根据计算下一个小块位图的列数是否为0判断当前小块是否是最后一列
if (i != 0 && i < splitedBitmapsSize - 1 && splitedBitmaps.get(i + 1).column == 0) {
// 因为最后一列的宽度不确定，所以，要根据上一小块的宽高来计算当前小块在大位图中的起始位置
SplitBitmap lastBitmap = splitedBitmaps.get(i - 1);
left = sb.column * lastBitmap.bitmap.getWidth();
top = sb.row * lastBitmap.bitmap.getHeight();
right = left + sb.bitmap.getWidth();
bottom = top + sb.bitmap.getHeight();
//最后一行
// 根据对比上一行中的高度来计算当前行是否最后一行，因为最后一行前的所有行的高度都是一致的
if (i != 0 && i < splitedBitmapsSize && lastColumn0SB != null && splitedBitmaps.get(i).bitmap.getHeight() != lastColumn0SB.bitmap.getHeight()) {
// Log.e(TAG, "---------------");
// 如果最后一行的高度和之前行的高度不一致，那么就要根据上一行中的高度来重新计算当前行的起始位置
SplitBitmap lastColumnBitmap = lastColumn0SB;
left = sb.column * lastColumnBitmap.bitmap.getWidth();
top = sb.row * lastColumnBitmap.bitmap.getHeight();
right = left + sb.bitmap.getWidth();
bottom = top + sb.bitmap.getHeight();
} else if (sb.column == 0) {
// 记录上一行的第一个列的小块信息
lastColumn0SB = sb;
// 这个是当前小块的信息
Rect srcRect = new Rect(0, 0, sb.bitmap.getWidth(), sb.bitmap.getHeight());
// 这个是当前小块应该在大图中的位置信息
Rect destRect = new Rect(left, top, right, bottom);
// 将当前小块画到大图中
canvas.drawBitmap(sb.bitmap, srcRect, destRect, null);
// 这个是为了调试而画的框
canvas.drawRect(destRect, boxPaint);
// Log.e(TAG,"I:" + i + " col:" + sb.column + " row:" + sb.row + " width:" + sb.bitmap.getWidth() + " height:" + sb.bitmap.getHeight());
return mBitmap;
接着，我们就来验证我们的拆分和合并图片的代码，修改inference函数，代码如下，
* 推理函数，将图片数据输送给模型并且得到输出结果，然后将输出结果转为Bitmap格式
* @param bitmap
* @return
public Bitmap inference(Bitmap bitmap) {
// // 直接对图片进行SR运算，当输入图片比较大的时候，APP就会被系统强制退出了
// // 根据原图的小块图片设置模型输入
// setInputOutputDetails(bitmap);
// // 执行模型的推理，得到小块图片sr后的高清图片
// tfLite.run(inputImageBuffer.getBuffer(), outputProbabilityBuffer.getBuffer());
// // 将高清图片数据从TensorBuffer转成float[]，以转成安卓常用的Bitmap类型
// float[] results = outputProbabilityBuffer.getFloatArray();
// // 将图片从float[]转成Bitmap
// Bitmap b = floatArrayToBitmap(results, bitmap.getWidth() * scale, bitmap.getHeight() * scale);
// 验证拆分和合并图片的代码
ArrayList<SplitBitmap> splitedBitmaps = splitBitmap(bitmap);
ArrayList<SplitBitmap> mergeBitmaps = new ArrayList<SplitBitmap>();
for (SplitBitmap sb : splitedBitmaps) {
SplitBitmap srsb = new SplitBitmap();
srsb.column = sb.column;
srsb.row = sb.row;
srsb.bitmap = sb.bitmap;
mergeBitmaps.add(srsb);
// 最后，将列表中的小块图片合并成一张大的图片并返回
Bitmap mergeBitmap = mergeBitmap(mergeBitmaps);
return mergeBitmap;
然后再将MainActivity.java中的代码
InputStream inputStream = assetManager.open(testImages[random.nextInt(testImages.length)]);
恢复回来。再运行APP，运行结果如下，
可以看到，我们的拆分和合并代码没问题。
10、将原图拆分成小块进行SR运算后再合并成高清图
有了上面的基础以后就好办了，先对小块图进行SR运算，再合并即可，代码如下，
* 推理函数，将图片数据输送给模型并且得到输出结果，然后将输出结果转为Bitmap格式
* @param bitmap
* @return
public Bitmap inference(Bitmap bitmap) {
// // 直接对图片进行SR运算，当输入图片比较大的时候，APP就会被系统强制退出了
// // 根据原图的小块图片设置模型输入
// setInputOutputDetails(bitmap);
// // 执行模型的推理，得到小块图片sr后的高清图片
// tfLite.run(inputImageBuffer.getBuffer(), outputProbabilityBuffer.getBuffer());
// // 将高清图片数据从TensorBuffer转成float[]，以转成安卓常用的Bitmap类型
// float[] results = outputProbabilityBuffer.getFloatArray();
// // 将图片从float[]转成Bitmap
// Bitmap b = floatArrayToBitmap(results, bitmap.getWidth() * scale, bitmap.getHeight() * scale);
// // 验证拆分和合并图片的代码
// ArrayList<SplitBitmap> splitedBitmaps = splitBitmap(bitmap);
// ArrayList<SplitBitmap> mergeBitmaps = new ArrayList<SplitBitmap>();
// for (SplitBitmap sb : splitedBitmaps) {
// SplitBitmap srsb = new SplitBitmap();
// srsb.column = sb.column;
// srsb.row = sb.row;
// srsb.bitmap = sb.bitmap;
// mergeBitmaps.add(srsb);
// }
// // 最后，将列表中的小块图片合并成一张大的图片并返回
// Bitmap mergeBitmap = mergeBitmap(mergeBitmaps);
// 对所有原图的小块图片进行sr运算，并把得到的小块高清图存到sredBitmaps列表中
ArrayList<SplitBitmap> splitedBitmaps = splitBitmap(bitmap);
ArrayList<SplitBitmap> mergeBitmaps = new ArrayList<SplitBitmap>();
for (SplitBitmap sb : splitedBitmaps) {
// 根据原图的小块图片设置模型输入
setInputOutputDetails(sb.bitmap);
// 执行模型的推理，得到小块图片sr后的高清图片
tfLite.run(inputImageBuffer.getBuffer(), outputProbabilityBuffer.getBuffer());
// 将高清图片数据从TensorBuffer转成float[]，以转成安卓常用的Bitmap类型
float[] results = outputProbabilityBuffer.getFloatArray();
// 将图片从float[]转成Bitmap
Bitmap b = floatArrayToBitmap(results, sb.bitmap.getWidth() * scale, sb.bitmap.getHeight() * scale);
SplitBitmap srsb = new SplitBitmap();
srsb.column = sb.column;
srsb.row = sb.row;
srsb.bitmap = b;
mergeBitmaps.add(srsb);
// 最后，将列表中的小块高清图片合并成一张大的高清图片并返回
Bitmap mergeBitmap = mergeBitmap(mergeBitmaps);
return mergeBitmap;
运行APP，结果如下，
可以看到，右图已经是SR后的高清图了。
11、增加进度条功能
接下来，我们继续完善APP，因为SR的速度非常慢，所以增加一个进度条的功能，因为安卓APP中，操作UI只能是主线程，所以，我们为SRGanModel新增一个回调函数的接口，代码如下，
public void addSRProgressCallback(final SRProgressCallback callback) {
this.callback = callback;
public interface SRProgressCallback {
public void callback(int progress);
接着，定义接口变量，
private SRProgressCallback callback;
再将inference函数修改成如下代码，
* 推理函数，将图片数据输送给模型并且得到输出结果，然后将输出结果转为Bitmap格式
* @param bitmap
* @return
public Bitmap inference(Bitmap bitmap) {
// // 直接对图片进行SR运算，当输入图片比较大的时候，APP就会被系统强制退出了
// // 根据原图的小块图片设置模型输入
// setInputOutputDetails(bitmap);
// // 执行模型的推理，得到小块图片sr后的高清图片
// tfLite.run(inputImageBuffer.getBuffer(), outputProbabilityBuffer.getBuffer());
// // 将高清图片数据从TensorBuffer转成float[]，以转成安卓常用的Bitmap类型
// float[] results = outputProbabilityBuffer.getFloatArray();
// // 将图片从float[]转成Bitmap
// Bitmap b = floatArrayToBitmap(results, bitmap.getWidth() * scale, bitmap.getHeight() * scale);
// // 验证拆分和合并图片的代码
// ArrayList<SplitBitmap> splitedBitmaps = splitBitmap(bitmap);
// ArrayList<SplitBitmap> mergeBitmaps = new ArrayList<SplitBitmap>();
// for (SplitBitmap sb : splitedBitmaps) {
// SplitBitmap srsb = new SplitBitmap();
// srsb.column = sb.column;
// srsb.row = sb.row;
// srsb.bitmap = sb.bitmap;
// mergeBitmaps.add(srsb);
// }
// // 最后，将列表中的小块图片合并成一张大的图片并返回
// Bitmap mergeBitmap = mergeBitmap(mergeBitmaps);
// 对所有原图的小块图片进行sr运算，并把得到的小块高清图存到sredBitmaps列表中
ArrayList<SplitBitmap> splitedBitmaps = splitBitmap(bitmap);
ArrayList<SplitBitmap> mergeBitmaps = new ArrayList<SplitBitmap>();
float progress = 0;
float total = splitedBitmaps.size() + 10; // 因为后面还有合并操作，所以分母设置的稍微大一点点
int curIndex = 0;
// 对所有原图的小块图片进行sr运算，并把得到的小块高清图存到sredBitmaps列表中
for (SplitBitmap sb : splitedBitmaps) {
callback.callback(Math.round(progress));
// 根据原图的小块图片设置模型输入
setInputOutputDetails(sb.bitmap);
// 执行模型的推理，得到小块图片sr后的高清图片
tfLite.run(inputImageBuffer.getBuffer(), outputProbabilityBuffer.getBuffer());
// 将高清图片数据从TensorBuffer转成float[]，以转成安卓常用的Bitmap类型
float[] results = outputProbabilityBuffer.getFloatArray();
// 将图片从float[]转成Bitmap
Bitmap b = floatArrayToBitmap(results, sb.bitmap.getWidth() * scale, sb.bitmap.getHeight() * scale);
SplitBitmap srsb = new SplitBitmap();
srsb.column = sb.column;
srsb.row = sb.row;
srsb.bitmap = b;
mergeBitmaps.add(srsb);
progress = (curIndex++ / total) * 100;
// 最后，将列表中的小块高清图片合并成一张大的高清图片并返回
Bitmap mergeBitmap = mergeBitmap(mergeBitmaps);
callback.callback(100);
return mergeBitmap;
因为SR运算是耗时操作，所以最后我们开一个线程来操作，而不是用主线程来操作，所以修改MainActivity代码，新增变量，
private Handler handler;
private HandlerThread handlerThread;
在onCreate函数中添加，
handlerThread = new HandlerThread("inference");
handlerThread.start();
handler = new Handler(handlerThread.getLooper());
新建函数，
private synchronized void runInBackground(final Runnable r) {
if (handler != null) {
handler.post(r);
修改srGanInference函数，
private void srGanInference(Bitmap bitmap){
runInBackground(new Runnable() {
@Override
public void run() {
mergeBitmap = srGanModel.inference(bitmap);
Log.e(TAG, "imageView width:" + bitmap.getWidth() + " height:" + bitmap.getHeight() +
" mergeBitmap width:" + mergeBitmap.getWidth() + " height:" + mergeBitmap.getHeight());
// 显示图片
runOnUiThread(
new Runnable() {
@Override
public void run() {
if (bitmap != null) {
imageViewSrc.setImageBitmap(bitmap);
imageViewDest.setImageBitmap(mergeBitmap);
设置SRGanModel的回调函数，
srGanModel.addSRProgressCallback(new SRGanModel.SRProgressCallback() {
@Override
public void callback(int progress) {
srProgressBar.setProgress(progress, true);
运行APP，运行结果如下，
可以看到，我们的进度条是在工作了的。
12、从相册中选择照片
继续完善，首先为SELECT按键新增点击监听事件，并打开相册，
selectButton.setOnClickListener(new View.OnClickListener() {
@Override
public void onClick(View v) {
resetView();
Intent intent= new Intent(Intent.ACTION_PICK,null);
intent.setDataAndType(MediaStore.Images.Media.EXTERNAL_CONTENT_URI,"image/*");
startActivityForResult(intent, 0x1);
接着，实现选中图片后的操作，即对选中的图片进行SR运行，代码如下，
@Override
protected void onActivityResult(int requestCode, int resultCode, Intent data) {
// TODO Auto-generated method stub
if(data == null) {
return;
try {
Bitmap bitmap = MediaStore.Images.Media.getBitmap(this.getContentResolver(), data.getData());
srGanInference(bitmap);
}catch (Exception e){
Log.d("MainActivity","[*]"+e);
return;
super.onActivityResult(requestCode, resultCode, data);
运行APP，运行结果，
13、保存SR后的图片
最后，实现保存SR后的高清图的功能，先实现保存图片的函数，
private boolean saveBitmap(Bitmap bitmap) {
boolean ret = false;
final File rootDir = new File(SR_ROOT);
if (!rootDir.exists()){
if (!rootDir.mkdirs()) {
Log.e(TAG, "Make dir failed");
String filename = SR_ROOT + SystemClock.uptimeMillis() + ".png";
try {
final FileOutputStream out = new FileOutputStream(filename);
bitmap.compress(Bitmap.CompressFormat.PNG, 99, out);
out.flush();
out.close();
ret = true;
} catch (final Exception e) {
Log.e(TAG, "Exception!");
return ret;
然后为SAVE按键设置点击监听事件，
saveButton.setOnClickListener(new View.OnClickListener() {
@Override
public void onClick(View v) {
if (mergeBitmap != null) {
String text = "Save failed!";
if (saveBitmap(mergeBitmap)){
text = "Save success!";
Toast toast = Toast.makeText(
getApplicationContext(), text, Toast.LENGTH_SHORT);
toast.show();
接着，添加APP的读写权限，先创建以下两个函数，
private boolean hasPermission() {
if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.M) {
return checkSelfPermission(Manifest.permission.WRITE_EXTERNAL_STORAGE) == PackageManager.PERMISSION_GRANTED;
} else {
return true;
private void requestPermission() {
if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.M) {
if (shouldShowRequestPermissionRationale(Manifest.permission.WRITE_EXTERNAL_STORAGE)) {
Toast.makeText(
MainActivity.this,
"Write external storage permission is required for this demo",
Toast.LENGTH_LONG)
.show();
requestPermissions(new String[] {Manifest.permission.WRITE_EXTERNAL_STORAGE}, 1);
接着在onCreate里添加下面代码，
// 申请读写权限
if (!hasPermission()) {
requestPermission();
最后，在AndroidManifest.xml里添加，
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
并在<application>属性里添加
android:requestLegacyExternalStorage="true"
如下图所示，
运行APP，SR一张图片以后，点击SAVE按钮，然后去文件管理器里看看是否生成高清图，运行结果如下，
14、完整源码
-
11
-
0
-
-
扫一扫分享内容
![]()
所有评论(0)