इस पेज का अनुवाद Cloud Translation API से किया गया है.

Android पर एमएल किट की मदद से सेल्फ़ी को अलग-अलग सेगमेंट में बांटना

ML किट, सेल्फ़ी सेगमेंटेशन के लिए ऑप्टिमाइज़ किया गया SDK टूल उपलब्ध कराती है.

सेल्फ़ी सेगमेंटर एसेट, बिल्ड के दौरान आपके ऐप्लिकेशन से स्थिर रूप से लिंक होती हैं. इससे आपके ऐप्लिकेशन का डाउनलोड साइज़ करीब 4.5 एमबी बढ़ जाएगा. साथ ही, एपीआई इंतज़ार का समय 25 मि॰से॰ से 65 मि॰से॰ तक अलग-अलग हो सकता है. यह इनपुट इमेज के साइज़ के हिसाब से तय होता है, जैसा कि Pixel 4 पर मापा जाता है.

इसे आज़माएं

इस एपीआई के इस्तेमाल का उदाहरण देखने के लिए, ऐप्लिकेशन के सैंपल को आज़माएं.

शुरू करने से पहले

इस एपीआई के लिए, Android एपीआई लेवल 21 या उसके बाद का लेवल ज़रूरी है. पक्का करें कि आपके ऐप्लिकेशन की बिल्ड फ़ाइल, 21 या उससे ज़्यादा की minSdkVersion वैल्यू का इस्तेमाल करती हो.

प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, अपने buildscript और allprojects, दोनों सेक्शन में Google की Maven रिपॉज़िटरी को शामिल करना न भूलें.
अपने मॉड्यूल की ऐप्लिकेशन-लेवल की ग्रेडल फ़ाइल में, ML Kit Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें. आम तौर पर, यह app/build.gradle होती है:

dependencies {
  implementation 'com.google.mlkit:segmentation-selfie:16.0.0-beta5'
}

1. सेगमेंटर का एक इंस्टेंस बनाएं

सेगमेंटर विकल्प

किसी इमेज को सेगमेंट में बांटने के लिए, सबसे पहले नीचे दिए गए विकल्पों को तय करके, Segmenter का एक इंस्टेंस बनाएं.

डिटेक्टर मोड

Segmenter दो मोड में काम करता है. पक्का करें कि आपने वही ईमेल पता चुना हो जो आपके इस्तेमाल के उदाहरण से मेल खाता हो.

STREAM_MODE (default)

यह मोड, वीडियो या कैमरे से फ़्रेम स्ट्रीम करने के लिए डिज़ाइन किया गया है. इस मोड में, सेगमेंटर पिछले फ़्रेम के नतीजों का इस्तेमाल करेगा, ताकि सेगमेंटेशन के दौरान बेहतर नतीजे मिल सकें.

SINGLE_IMAGE_MODE

यह मोड ऐसी इमेज के लिए डिज़ाइन किया गया है जो आपस में जुड़ी नहीं हैं. इस मोड में, सेगमेंटर हर इमेज को अलग-अलग प्रोसेस करेगा. इसमें फ़्रेम पर स्मूदिंग नहीं होगी.

रॉ साइज़ मास्क चालू करें

सेगमेंटर को मूल साइज़ का मास्क वापस करने के लिए कहता है, जो मॉडल के आउटपुट साइज़ से मेल खाता है.

मास्क का रॉ साइज़ (जैसे, 256x256), आम तौर पर इनपुट इमेज के साइज़ से छोटा होता है. इस विकल्प को चालू करते समय, मास्क का साइज़ जानने के लिए, SegmentationMask#getWidth() और SegmentationMask#getHeight() को कॉल करें.

यह विकल्प तय किए बिना सेगमेंटर, रॉ मास्क को फिर से स्केल करेगा, ताकि इनपुट इमेज के साइज़ से मैच कर सके. अगर आपको इस्तेमाल के उदाहरण के लिए, पसंद के मुताबिक बनाया गया साइज़ बढ़ाने वाला लॉजिक या स्केलिंग की ज़रूरत नहीं है, तो इस विकल्प का इस्तेमाल करें.

सेगमेंटर विकल्प तय करें:

Kotlin

val options =
        SelfieSegmenterOptions.Builder()
            .setDetectorMode(SelfieSegmenterOptions.STREAM_MODE)
            .enableRawSizeMask()
            .build()

Java

SelfieSegmenterOptions options =
        new SelfieSegmenterOptions.Builder()
            .setDetectorMode(SelfieSegmenterOptions.STREAM_MODE)
            .enableRawSizeMask()
            .build();

Segmenter का एक इंस्टेंस बनाएं. अपने बताए गए विकल्पों को पास करें:

Kotlin

val segmenter = Segmentation.getClient(options)

Java

Segmenter segmenter = Segmentation.getClient(options);

2. इनपुट इमेज तैयार करें

किसी इमेज को सेगमेंट में बांटने के लिए, Bitmap, media.Image, ByteBuffer, बाइट कलेक्शन या डिवाइस पर मौजूद किसी फ़ाइल से InputImage ऑब्जेक्ट बनाएं.

अलग-अलग सोर्स से InputImage ऑब्जेक्ट बनाया जा सकता है. हर सोर्स के बारे में नीचे बताया गया है.

`media.Image` का इस्तेमाल करके

किसी media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, जैसे कि किसी डिवाइस के कैमरे से इमेज कैप्चर करने पर, media.Image ऑब्जेक्ट और इमेज के रोटेशन को InputImage.fromMediaImage() पर पास करें.

अगर CameraX लाइब्रेरी का इस्तेमाल किया जाता है, तो OnImageCapturedListener और ImageAnalysis.Analyzer क्लास आपके लिए, रोटेशन वैल्यू का हिसाब लगाती हैं.

Kotlin

private class YourImageAnalyzer : ImageAnalysis.Analyzer {

    override fun analyze(imageProxy: ImageProxy) {
        val mediaImage = imageProxy.image
        if (mediaImage != null) {
            val image = InputImage.fromMediaImage(mediaImage, imageProxy.imageInfo.rotationDegrees)
            // Pass image to an ML Kit Vision API
            // ...
        }
    }
}

Java

private class YourAnalyzer implements ImageAnalysis.Analyzer {

    @Override
    public void analyze(ImageProxy imageProxy) {
        Image mediaImage = imageProxy.getImage();
        if (mediaImage != null) {
          InputImage image =
                InputImage.fromMediaImage(mediaImage, imageProxy.getImageInfo().getRotationDegrees());
          // Pass image to an ML Kit Vision API
          // ...
        }
    }
}

अगर आपने ऐसी कैमरा लाइब्रेरी का इस्तेमाल नहीं किया है जो इमेज को घुमाने की डिग्री देती है, तो डिवाइस की रोटेशन डिग्री और डिवाइस में कैमरा सेंसर के ओरिएंटेशन की मदद से, इसका हिसाब लगाया जा सकता है:

Kotlin

private val ORIENTATIONS = SparseIntArray()

init {
    ORIENTATIONS.append(Surface.ROTATION_0, 0)
    ORIENTATIONS.append(Surface.ROTATION_90, 90)
    ORIENTATIONS.append(Surface.ROTATION_180, 180)
    ORIENTATIONS.append(Surface.ROTATION_270, 270)
}

/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
@Throws(CameraAccessException::class)
private fun getRotationCompensation(cameraId: String, activity: Activity, isFrontFacing: Boolean): Int {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    val deviceRotation = activity.windowManager.defaultDisplay.rotation
    var rotationCompensation = ORIENTATIONS.get(deviceRotation)

    // Get the device's sensor orientation.
    val cameraManager = activity.getSystemService(CAMERA_SERVICE) as CameraManager
    val sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION)!!

    if (isFrontFacing) {
        rotationCompensation = (sensorOrientation + rotationCompensation) % 360
    } else { // back-facing
        rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360
    }
    return rotationCompensation
}MLKitVisionImage.kt

Java

private static final SparseIntArray ORIENTATIONS = new SparseIntArray();
static {
    ORIENTATIONS.append(Surface.ROTATION_0, 0);
    ORIENTATIONS.append(Surface.ROTATION_90, 90);
    ORIENTATIONS.append(Surface.ROTATION_180, 180);
    ORIENTATIONS.append(Surface.ROTATION_270, 270);
}

/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
private int getRotationCompensation(String cameraId, Activity activity, boolean isFrontFacing)
        throws CameraAccessException {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation();
    int rotationCompensation = ORIENTATIONS.get(deviceRotation);

    // Get the device's sensor orientation.
    CameraManager cameraManager = (CameraManager) activity.getSystemService(CAMERA_SERVICE);
    int sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION);

    if (isFrontFacing) {
        rotationCompensation = (sensorOrientation + rotationCompensation) % 360;
    } else { // back-facing
        rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360;
    }
    return rotationCompensation;
}

इसके बाद, media.Image ऑब्जेक्ट और रोटेशन डिग्री की वैल्यू को InputImage.fromMediaImage() पर पास करें:

Kotlin

val image = InputImage.fromMediaImage(mediaImage, rotation)MLKitVisionImage.kt

Java

InputImage image = InputImage.fromMediaImage(mediaImage, rotation);

फ़ाइल यूआरआई का इस्तेमाल करना

किसी फ़ाइल यूआरआई से InputImage ऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन कॉन्टेक्स्ट और फ़ाइल यूआरआई को InputImage.fromFilePath() में पास करें. यह तब काम आता है, जब ACTION_GET_CONTENT इंटेंट का इस्तेमाल करके, उपयोगकर्ता से उसके गैलरी ऐप्लिकेशन से कोई इमेज चुनने का अनुरोध किया जाता है.

Kotlin

val image: InputImage
try {
    image = InputImage.fromFilePath(context, uri)
} catch (e: IOException) {
    e.printStackTrace()
}MLKitVisionImage.kt

Java

InputImage image;
try {
    image = InputImage.fromFilePath(context, uri);
} catch (IOException e) {
    e.printStackTrace();
}

`ByteBuffer` या `ByteArray` का इस्तेमाल करके

किसी ByteBuffer या ByteArray से InputImage ऑब्जेक्ट बनाने के लिए, सबसे पहले इमेज के रोटेशन डिग्री का हिसाब लगाएं, जैसा कि media.Image इनपुट के लिए पहले बताया गया था. इसके बाद, इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग का फ़ॉर्मैट, और रोटेशन डिग्री के साथ, बफ़र या अरे की मदद से InputImage ऑब्जेक्ट बनाएं:

Kotlin

val image = InputImage.fromByteBuffer(
        byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)MLKitVisionImage.kt
// Or:
val image = InputImage.fromByteArray(
        byteArray,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)
MLKitVisionImage.kt

Java

InputImage image = InputImage.fromByteBuffer(byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);MLKitVisionImage.java
// Or:
InputImage image = InputImage.fromByteArray(
        byteArray,
        /* image width */480,
        /* image height */360,
        rotation,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);MLKitVisionImage.java

`Bitmap` का इस्तेमाल करके

किसी Bitmap ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, यह एलान करें:

Kotlin

val image = InputImage.fromBitmap(bitmap, 0)MLKitVisionImage.kt

Java

InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);MLKitVisionImage.java

इमेज को रोटेशन डिग्री के साथ, Bitmap ऑब्जेक्ट से दिखाया गया है.

3. इमेज को प्रोसेस करें

तैयार किए गए InputImage ऑब्जेक्ट को Segmenter की process तरीके से पास करें.

Kotlin

Task<SegmentationMask> result = segmenter.process(image)
       .addOnSuccessListener { results ->
           // Task completed successfully
           // ...
       }
       .addOnFailureListener { e ->
           // Task failed with an exception
           // ...
       }

Java

Task<SegmentationMask> result =
        segmenter.process(image)
                .addOnSuccessListener(
                        new OnSuccessListener<SegmentationMask>() {
                            @Override
                            public void onSuccess(SegmentationMask mask) {
                                // Task completed successfully
                                // ...
                            }
                        })
                .addOnFailureListener(
                        new OnFailureListener() {
                            @Override
                            public void onFailure(@NonNull Exception e) {
                                // Task failed with an exception
                                // ...
                            }
                        });

ध्यान दें: अगर CameraX एपीआई का इस्तेमाल किया जा रहा है, तो पक्का करें कि इसका इस्तेमाल पूरा होने के बाद, ImageProxy को बंद कर दिया जाए. उदाहरण के लिए,process तरीके से मिले Task में OnCompleteListener जोड़कर. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में VisionProcessorBase क्लास देखें.

4. सेगमेंटेशन के नतीजे पाना

सेगमेंटेशन के नतीजे इस तरह मिलते हैं:

Kotlin

val mask = segmentationMask.getBuffer()
val maskWidth = segmentationMask.getWidth()
val maskHeight = segmentationMask.getHeight()

for (val y = 0; y < maskHeight; y++) {
  for (val x = 0; x < maskWidth; x++) {
    // Gets the confidence of the (x,y) pixel in the mask being in the foreground.
    val foregroundConfidence = mask.getFloat()
  }
}

Java

ByteBuffer mask = segmentationMask.getBuffer();
int maskWidth = segmentationMask.getWidth();
int maskHeight = segmentationMask.getHeight();

for (int y = 0; y < maskHeight; y++) {
  for (int x = 0; x < maskWidth; x++) {
    // Gets the confidence of the (x,y) pixel in the mask being in the foreground.
    float foregroundConfidence = mask.getFloat();
  }
}

सेगमेंटेशन नतीजों को इस्तेमाल करने के तरीके से जुड़े सभी उदाहरणों के लिए, कृपया एमएल किट का क्विकस्टार्ट सैंपल देखें.

परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह

आपके नतीजों की क्वालिटी, इनपुट इमेज की क्वालिटी पर निर्भर करती है:

एमएल किट के लिए, इमेज को कम से कम 256x256 पिक्सल का होना चाहिए, ताकि सेगमेंटेशन का सटीक नतीजा मिले.
खराब इमेज फ़ोकस भी सटीक जानकारी पर असर डाल सकता है. अगर आपको स्वीकार करने लायक नतीजे नहीं मिलते हैं, तो उपयोगकर्ता से इमेज को फिर से कैप्चर करने के लिए कहें.

अगर आपको रीयल-टाइम ऐप्लिकेशन में सेगमेंटेशन का इस्तेमाल करना है, तो सबसे सही फ़्रेम रेट पाने के लिए इन दिशा-निर्देशों का पालन करें:

STREAM_MODE का इस्तेमाल करें.
इससे कम रिज़ॉल्यूशन वाली इमेज कैप्चर की जा सकती हैं. हालांकि, इस एपीआई की इमेज डाइमेंशन से जुड़ी ज़रूरी शर्तों का भी ध्यान रखें.
रॉ साइज़ मास्क का विकल्प चालू करें और साइज़ बढ़ाने वाले सभी लॉजिक को एक साथ जोड़ें. उदाहरण के लिए, एपीआई को आपकी इनपुट इमेज के साइज़ से मैच करने के लिए, मास्क को फिर से स्केल करने की अनुमति देने के बजाय, डिसप्ले को व्यू साइज़ से मैच करने के लिए, फिर से स्केल करने दें. इसके लिए, सिर्फ़ रॉ साइज़ मास्क का अनुरोध करें और इन दोनों चरणों को एक साथ मिलाएं.
अगर Camera या camera2 एपीआई का इस्तेमाल किया जाता है, तो डिटेक्टर के पास कॉल को थ्रॉटल करें. अगर डिटेक्टर के चालू होने के दौरान, कोई नया वीडियो फ़्रेम उपलब्ध हो जाता है, तो फ़्रेम को छोड़ दें. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में VisionProcessorBase क्लास देखें.
अगर CameraX एपीआई का इस्तेमाल किया जाता है, तो यह पक्का कर लें कि बैकप्रेशर स्ट्रेटजी, अपनी डिफ़ॉल्ट वैल्यू ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST पर सेट हो. इससे यह गारंटी मिलती है कि विश्लेषण के लिए एक बार में सिर्फ़ एक इमेज ही डिलीवर की जाएगी. अगर ऐनालाइज़र के व्यस्त होने पर ज़्यादा इमेज जनरेट होती हैं, तो वे अपने-आप हट जाएंगी और डिलीवरी के लिए सूची में नहीं दिखेंगी. जिस इमेज की जांच की जा रही है उसे Imageप्रॉक्सी.close() को कॉल करके बंद किए जाने के बाद, अगली सबसे नई इमेज डिलीवर की जाएगी.
अगर इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए, डिटेक्टर के आउटपुट का इस्तेमाल किया जाता है, तो सबसे पहले एमएल किट से नतीजा पाएं. इसके बाद, एक ही बार में इमेज और ओवरले को रेंडर करें. यह तरीका, हर इनपुट फ़्रेम के लिए सिर्फ़ एक बार डिसप्ले सरफ़ेस पर रेंडर होता है. उदाहरण के लिए, क्विकस्टार्ट ऐप्लिकेशन के नमूने में CameraSourcePreview और GraphicOverlay क्लास देखें.
अगर Camera2 API का इस्तेमाल किया जाता है, तो इमेज को ImageFormat.YUV_420_888 फ़ॉर्मैट में कैप्चर करें. अगर पुराने Camera API का इस्तेमाल किया जा रहा है, तो इमेज को ImageFormat.NV21 फ़ॉर्मैट में कैप्चर करें.

Android पर एमएल किट की मदद से सेल्फ़ी को अलग-अलग सेगमेंट में बांटना

इसे आज़माएं

शुरू करने से पहले

1. सेगमेंटर का एक इंस्टेंस बनाएं

सेगमेंटर विकल्प

डिटेक्टर मोड

रॉ साइज़ मास्क चालू करें

Kotlin

Java

Kotlin

Java

2. इनपुट इमेज तैयार करें

media.Image का इस्तेमाल करके

Kotlin

Java

Kotlin

Java

Kotlin

Java

फ़ाइल यूआरआई का इस्तेमाल करना

Kotlin

Java

ByteBuffer या ByteArray का इस्तेमाल करके

Kotlin

Java

Bitmap का इस्तेमाल करके

Kotlin

Java

3. इमेज को प्रोसेस करें

Kotlin

Java

4. सेगमेंटेशन के नतीजे पाना

Kotlin

Java

परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह

`media.Image` का इस्तेमाल करके

`ByteBuffer` या `ByteArray` का इस्तेमाल करके

`Bitmap` का इस्तेमाल करके