如何在android studio中使用java或C++；

我正在尝试在android中使用Mask\u RCNN。因此，编写了它的代码。但是Dnn.readNetFromTensorflow（模型权重，文本图）函数无法打开模型权重和文本图文件。似乎他们的应用程序无法找到存储的文件路径。 我已经将这些文件（文本图和模型权重）插入到存在mainactivity.java文件的java文件夹中。但它显示的错误与下面提到的相同。 我还尝试将这些文件添加到res文件夹和assets文件夹，但无法解析函数Dnn.readNetFromTensorflow（model\u WEIGHTS，TEXT\u GRAPH）的模型权重路径，因为其参数为字符串类型。但是assetmanager返回输入流。 我正在使用opencv 3.4.10和android studio 4.0

还请帮助我用java在图像上绘制轮廓。如果有人知道如何在Android中使用C++中的模型运行，那么请建议。< /强>，因为我已经尝试过，但它的生成错误没有定义为引用<强> cv：： 任何帮助都将不胜感激。提前谢谢

运行应用程序时，会出现以下异常情况：****

原因：CvException[org.opencv.core.CvException:cv:：Exception: OpenCV（3.4.10） /build/3_4_pack-android/opencv/modules/dnn/src/caffe/caffe_io.cpp:1132: 错误：（-2:未指定的错误）失败：fs.is_open（）。无法打开 函数“bool”中的“/freezed\u expression\u graph.pb” cv:：dnn:：ReadProtoFromBinaryFile（常量字符*， google:：protobuf:：Message*）' ]

---

位于org.opencv.dnn.dnn.readNetFromTensorflow_0（本机方法） 位于org.opencv.dnn.dnn.readNetFromTensorflow（dnn.java:659） 在com.example.imagecompressor.MainActivity.onActivityResult（MainActivity.java:189）上（错误 在这一行：Net Net=Dnn.readNetFromTensorflow（模型重量， 文本（图形）；） 位于android.app.Activity.dispatchActivityResult（Activity.java:7454） 位于android.app.ActivityThread.deliverResults（ActivityThread.java:4353）

源代码如下：

Mainactivity.java

final String TEXT_GRAPH=“/mask_rcnn_inception_v2_coco_2018_01_28.pbtxt”；
最终字符串模型_权重=“./freezed_expression_graph.pb”；
最终字符串类\u文件=“./mscoco\u标签”；
Mat tmp=新的Mat（bitmap.getWidth（）、bitmap.getHeight（）、CV_8UC1）；
位图编辑器（位图，tmp）；
Mat image=Imgcodecs.imread（img_路径）；
图像=tmp；
Size=image.Size（）；
int cols=image.cols（）；
int rows=image.rows（）；
双h=尺寸。高度；
双w=尺寸。宽度；
int hh=（int）size.height；
int ww=（int）size.width；
如果（！image.empty（））{
Mat blob=Dnn.blobFromImage（图像，1.0，新大小（w，h），新标量（0），真，假）；
//加载网络
Net=Dnn.readNetFromTensorflow（模型权重、文本图）；
net.setPreferableBackend（Dnn.Dnn_BACKEND_OPENCV）；
net.setPreferableTarget（Dnn.Dnn\u TARGET\u CPU）；
net.setInput（blob）；
ArrayList outputlayers=新的ArrayList（）；
ArrayList outputMats=新的ArrayList（）；
添加（“检测输出最终”）；
添加（“检测屏蔽”）；
net.forward（outputMats、outputlayers）；
Mat numclass=outputMats.get（0）；
Mat numMasks=outputMats.get（1）；
numClasses=numClasses.reformate（1，（int）numClasses.total（）/7）；
对于（int i=0；i0.5）{
int classId=（int）numclass.get（i，1）[0]；
字符串标签=classes.get（classId）+“：”+置信度；
系统输出打印项次（标签）；
int left=（int）（numclass.get（i，3）[0]*cols）；
inttop=（int）（numclass.get（i，4）[0]*行）；
int-right=（int）（numclass.get（i，5）[0]*cols）；
intbottom=（int）（numclass.get（i，6）[0]*行）；
System.out.println（左+右+上+右+下）；
左=最大值（0，最小值（左，cols-1））；
顶部=最大值（0，最小值（顶部，行-1））；
右=最大值（0，最小值（右，cols-1））；
底部=最大值（0，最小值（底部，行-1））；
最终矩形框=新矩形（左、上、右-左+1、下-上+1）；
//Mat objectMask（numMasks.rows（），numMasks.size[3]，CV_32F，numMasks.ptr（i，classId））；
//Mat obj（）；
Mat objectMask=new Mat（numMasks.rows（），numMasks.cols（），CV_32F）；
矩形（图像，新点（box.x，box.y），新点（box.x+box.width，box.y+box.height），新标量（255，178，50），3）；
/*字符串lab=格式（“%.2f”，置信度）；
如果（！classes.isEmpty（））{
//CV_断言（classId<（int）classes.size（））；
if（classId maskThreshold）；
Mat ili=新Mat（）；
乘法（图像，新标量（0.7），ili）；
Mat coloredRoi=新Mat（）；
添加（ili，新标量（0.3）.mul（颜色），coloredRoi）；
coloredRoi.convertTo（coloredRoi，CV_8UC3）；
列表等高线=空；
Mat-hierarchy=null；
objectMask.convertTo（objectMask，CV_8U）；
findContours（对象掩码、轮廓、层次结构、网格、链近似、简单）；
绘制等高线（coloredRoi，等高线，-1，颜色，5，线8，层次，100）；
coloredRoi.copyTo（图像、对象掩码）；
}
Mat detectedFrame=新Mat（）；
图像转换到（检测帧，CV_8U）；
Imgcodecs.imwrite（“outputFile.jpg”，detectedFrame）；
}
}