此hub是我在开发android jni 过程中编译或者收集到的一些常用库，android 应用环境比较固定，所以一次编译好，大家就都可以用。（持续更新~ ~）
使用过程遇到问题，欢迎讨论。
所有文件在Github下载 @[toc]
github下载 cmake 导入方法：
cmake_minimum_required(VERSION 3.4.1)
add_library(native-lib
SHARED
src/main/cpp/native-lib.cpp
)
# 1. 添加 opencv库
add_library(sc_opencv
STATIC
IMPORTED)
# 2. 链接so
set_target_properties(
sc_opencv
PROPERTIES
IMPORTED_LOCATION
${CMAKE_SOURCE_DIR}/src/main/jnilibs/${CMAKE_ANDROID_ARCH_ABI}/libopencv_java3.so)
# 3. 链接头文件
include_directories(${CMAKE_SOURCE_DIR}/src/main/cpp/include)
target_link_libraries(native-lib
android
log
sc_opencv)使用方法：
extern "C"
JNIEXPORT jbyteArray JNICALL
Java_com_example_myapplication_ImageAnlyness_byteArray2JNI(JNIEnv *env, jclass clazz,jbyteArray input, jint width,jint height) {
// 读取byte[]转化成CV：：Mat
jbyte* y_bytes=env->GetByteArrayElements(input,NULL);
unsigned char* in =(unsigned char* )y_bytes;
cv::Mat image(height,width,CV_8UC1,(void*)in);
cv::Mat newImg;
image.copyTo(newImg);
time_t now=time(0);
__android_log_write(ANDROID_LOG_DEBUG,"Camera2apiActivity","3 saved");
// 保存
bool isOk= cv::imwrite("/sdcard/360/"+std::string(ctime(&now))+"img.jpeg", newImg);
if(isOk){
__android_log_write(ANDROID_LOG_DEBUG,"Camera2apiActivity","4 saved");
}else{
__android_log_write(ANDROID_LOG_DEBUG,"Camera2apiActivity","4 not saved");
}
jbyteArray array=env->NewByteArray(width*height);
env->SetByteArrayRegion(array,0,width*height,y_bytes);
return array;
}github下载 tensorflow在手机和嵌入式平台的解释器 cmake导入方法：
# tf lite
add_library(tflite
STATIC
IMPORTED
)
set_target_properties(tflite
PROPERTIES
IMPORTED_LOCATION
${CMAKE_SOURCE_DIR}/libs/${CMAKE_ANDROID_ARCH_ABI}/libtensorflowLite.so # 这个路径是从 cmakelists文件到你的so文件的路径
)
# 下面这三个路径是导入头文件，是从 cmakelists文件到include头文件的位置
include_directories(${CMAKE_SOURCE_DIR}/include/flatbuffers)
include_directories(${CMAKE_SOURCE_DIR}/include/tensorflow)
include_directories(${CMAKE_SOURCE_DIR}/include)C++示例：
#include "include/tensorflow/lite/interpreter.h"
#include "include/tensorflow/lite/kernels/register.h"
#include <jni.h>
extern "C" JNIEXPORT jstring
Java_com_example_tflite_1jni2_MainActivity_stringFromJNI(
JNIEnv* env,
jobject /* this */) {
// 1. 导入模型，映射到内存
const char* filename="/sdcard/360/mnist.tflite";
std::unique_ptr<tflite::FlatBufferModel> model=tflite::FlatBufferModel::BuildFromFile(filename);
// 2. 构建Tensorflow模型的解释器 interpreter
tflite::ops::builtin::BuiltinOpResolver resolver;
std::unique_ptr<tflite::Interpreter> interpreter;
tflite::InterpreterBuilder(*model.get(),resolver)(&interpreter);
interpreter->AllocateTensors();
// 3. 构建输入Tensor
float* input = interpreter->typed_input_tensor<float >(0);
*input=3.3;
// 4. 运行模型，推导结果
interpreter->Invoke();
// 5. 获取输出结果
float* output=interpreter->typed_output_tensor<float >(0);
__android_log_print(ANDROID_LOG_ERROR, "hello-jni","output: %d", &output);
}github下载
这个库的JNI 用法略显诡异，但是诡异是为了简单妥协的。它包括两个库libcaffe.so,libcaffe_jni.so，后一个是对前一个的JNI层的封装。之所以要用它，是因为它把很多方法帮我们封装起来了，不然caffe还要依赖一大堆库，多大让你头大，我已经大过了。
使用的时候就是用我们自己的JNI代码调用libcaffe_jni.so封装的函数，文件夹内有一个demo。
# caffe
add_library(sc_caffe
STATIC
IMPORTED
)
set_target_properties(sc_caffe
PROPERTIES
IMPORTED_LOCATION
${CMAKE_SOURCE_DIR}/caffe_android_lib/libs/${CMAKE_ANDROID_ARCH_ABI}/libcaffe.so
)
# caffe_jni
add_library(sc_caffe_jni
STATIC
IMPORTED
)
set_target_properties(sc_caffe_jni
PROPERTIES
IMPORTED_LOCATION
${CMAKE_SOURCE_DIR}/caffe_android_lib/libs/${CMAKE_ANDROID_ARCH_ABI}/libcaffe_jni.so
)github下载 直接把它当做一个普通的jar包使用，很happy。其实就是对上面的库封装了一下，免去了很多步骤。
（1） 把 caffe_android.aar文件复制到新项目的app/libs下
（2） 在build.gradle(app)中添加引用:
apply plugin: 'com.android.application'
android {
... ...
}
// 这个
repositories {
flatDir{
dirs 'libs'
}
}
dependencies {
compile (name:'caffe_android',ext:'aar') // 和这个
... ...
}还没成功，正在挠头...
github下载 直接用，请看招： cmake
# Boost
INCLUDE_DIRECTORIES(boost/include)
LINK_DIRECTORIES(boost/lib) # 静态库 .a 文件目录