在 iOS 系统中使用机器学习套件进行自拍照分割

<ph type="x-smartling-placeholder">

机器学习套件提供了一个经过优化的 SDK，用于自拍分割。在构建时，自拍分割工具资源会静态关联到您的应用。这会使应用大小增加多达 24MB，并且 API 延迟时间在 iPhone X 上测量，根据输入图片大小的不同，在 7 毫秒到 12 毫秒之间不等。

试试看

  • 您可以试用示例应用， 查看此 API 的用法示例。

准备工作

  1. 在 Podfile 中添加以下机器学习套件库：

    pod 'GoogleMLKit/SegmentationSelfie', '3.2.0'

  2. 安装或更新项目的 Pod 之后，请使用 Xcode 项目的 .xcworkspace 来打开项目。Xcode 13.2.1 或更高版本支持机器学习套件。

1. 创建 Segmenter 实例

如需对自拍照图片进行分割，请先使用 SelfieSegmenterOptions 创建一个 Segmenter 实例，并视需要指定分割设置。

细分器选项

分割器模式

Segmenter 以两种模式运行。请务必选择与您的用例相符的选项。

STREAM_MODE (default)

此模式专为流式传输视频或相机中的帧而设计。在此模式下，分割器将利用之前帧的结果返回更平滑的分割结果。

SINGLE_IMAGE_MODE (default)

此模式适用于不相关的单张图片。在此模式下，分割器将独立处理每张图像，不对帧进行平滑处理。

启用原始尺寸掩码

要求分割器返回与模型输出大小匹配的原始大小掩码。

原始遮罩大小（例如 256x256）通常小于输入图片的大小。

如果不指定此选项，分割器将重新缩放原始遮罩以匹配输入图像大小。如果您想应用自定义重新缩放逻辑，或者您的用例不需要重新缩放，请考虑使用此选项。

指定细分选项：

Swift

let options = SelfieSegmenterOptions()
options.segmenterMode = .singleImage
options.shouldEnableRawSizeMask = true

Objective-C

MLKSelfieSegmenterOptions *options = [[MLKSelfieSegmenterOptions alloc] init];
options.segmenterMode = MLKSegmenterModeSingleImage;
options.shouldEnableRawSizeMask = YES;

最后，获取 Segmenter 的一个实例。传递您指定的选项：

Swift

let segmenter = Segmenter.segmenter(options: options)

Objective-C

MLKSegmenter *segmenter = [MLKSegmenter segmenterWithOptions:options];

2. 准备输入图片

若要对自拍照进行分割，请对每个图片或视频帧执行以下操作。 如果您启用了流模式，则必须从VisionImage CMSampleBuffer。

使用 UIImage 或VisionImage CMSampleBuffer。

如果您使用 UIImage，请按以下步骤操作：

  • 使用 UIImage 创建一个 VisionImage 对象。请务必指定正确的 .orientation。

    Swift

    let image = VisionImage(image: UIImage)
visionImage.orientation = image.imageOrientation

    Objective-C

    MLKVisionImage *visionImage = [[MLKVisionImage alloc] initWithImage:image];
visionImage.orientation = image.imageOrientation;

如果您使用 CMSampleBuffer，请按以下步骤操作：

  • 指定 CMSampleBuffer。

    如需获取图片方向，请执行以下操作：

    Swift

    func imageOrientation(
  deviceOrientation: UIDeviceOrientation,
  cameraPosition: AVCaptureDevice.Position
) -> UIImage.Orientation {
  switch deviceOrientation {
  case .portrait:
    return cameraPosition == .front ? .leftMirrored : .right
  case .landscapeLeft:
    return cameraPosition == .front ? .downMirrored : .up
  case .portraitUpsideDown:
    return cameraPosition == .front ? .rightMirrored : .left
  case .landscapeRight:
    return cameraPosition == .front ? .upMirrored : .down
  case .faceDown, .faceUp, .unknown:
    return .up
  }
}

    Objective-C

    - (UIImageOrientation)
  imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation
                         cameraPosition:(AVCaptureDevicePosition)cameraPosition {
  switch (deviceOrientation) {
    case UIDeviceOrientationPortrait:
      return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationLeftMirrored
                                                            : UIImageOrientationRight;

    case UIDeviceOrientationLandscapeLeft:
      return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationDownMirrored
                                                            : UIImageOrientationUp;
    case UIDeviceOrientationPortraitUpsideDown:
      return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationRightMirrored
                                                            : UIImageOrientationLeft;
    case UIDeviceOrientationLandscapeRight:
      return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationUpMirrored
                                                            : UIImageOrientationDown;
    case UIDeviceOrientationUnknown:
    case UIDeviceOrientationFaceUp:
    case UIDeviceOrientationFaceDown:
      return UIImageOrientationUp;
  }
}
  • 使用VisionImage CMSampleBuffer 对象和方向：

    Swift

    let image = VisionImage(buffer: sampleBuffer)
image.orientation = imageOrientation(
  deviceOrientation: UIDevice.current.orientation,
  cameraPosition: cameraPosition)

    Objective-C

     MLKVisionImage *image = [[MLKVisionImage alloc] initWithBuffer:sampleBuffer];
 image.orientation =
   [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation
                                cameraPosition:cameraPosition];

3. 处理图片

将 VisionImage 对象传递给 Segmenter 的图片处理方法之一。您可以使用异步 process(image:) 方法或同步 results(in:) 方法。

如需同步对自拍照图像进行分割，请执行以下操作：

Swift

var mask: [SegmentationMask]
do {
  mask = try segmenter.results(in: image)
} catch let error {
  print("Failed to perform segmentation with error: \(error.localizedDescription).")
  return
}

// Success. Get a segmentation mask here.

Objective-C

NSError *error;
MLKSegmentationMask *mask =
    [segmenter resultsInImage:image error:&error];
if (error != nil) {
  // Error.
  return;
}

// Success. Get a segmentation mask here.

如需异步对自拍照图像执行分割，请执行以下操作：

Swift

segmenter.process(image) { mask, error in
  guard error == nil else {
    // Error.
    return
  }
  // Success. Get a segmentation mask here.

Objective-C

[segmenter processImage:image
             completion:^(MLKSegmentationMask * _Nullable mask,
                          NSError * _Nullable error) {
               if (error != nil) {
                 // Error.
                 return;
               }
               // Success. Get a segmentation mask here.
             }];

4. 获取分割掩码

您可以得到如下细分结果：

Swift

let maskWidth = CVPixelBufferGetWidth(mask.buffer)
let maskHeight = CVPixelBufferGetHeight(mask.buffer)

CVPixelBufferLockBaseAddress(mask.buffer, CVPixelBufferLockFlags.readOnly)
let maskBytesPerRow = CVPixelBufferGetBytesPerRow(mask.buffer)
var maskAddress =
    CVPixelBufferGetBaseAddress(mask.buffer)!.bindMemory(
        to: Float32.self, capacity: maskBytesPerRow * maskHeight)

for _ in 0...(maskHeight - 1) {
  for col in 0...(maskWidth - 1) {
    // Gets the confidence of the pixel in the mask being in the foreground.
    let foregroundConfidence: Float32 = maskAddress[col]
  }
  maskAddress += maskBytesPerRow / MemoryLayout<Float32>.size
}

Objective-C

size_t width = CVPixelBufferGetWidth(mask.buffer);
size_t height = CVPixelBufferGetHeight(mask.buffer);

CVPixelBufferLockBaseAddress(mask.buffer, kCVPixelBufferLock_ReadOnly);
size_t maskBytesPerRow = CVPixelBufferGetBytesPerRow(mask.buffer);
float *maskAddress = (float *)CVPixelBufferGetBaseAddress(mask.buffer);

for (int row = 0; row < height; ++row) {
  for (int col = 0; col < width; ++col) {
    // Gets the confidence of the pixel in the mask being in the foreground.
    float foregroundConfidence = maskAddress[col];
  }
  maskAddress += maskBytesPerRow / sizeof(float);
}

有关如何使用细分结果的完整示例，请参阅 机器学习套件快速入门示例。

效果提升技巧

结果的质量取决于输入图片的质量：

  • 为了让机器学习套件获得准确的分割结果，图片应至少为 256x256 像素。
  • 如果在实时应用中执行自拍分割，则可能还需要考虑输入图像的整体尺寸。图片越小，处理速度就越快，因此，为了缩短延迟时间，请以较低的分辨率捕获图片，但请牢记上述分辨率要求，并确保正文在图片中占据尽可能多的空间。
  • 图片聚焦不佳也会影响准确性。如果您无法获得可接受的结果，请让用户重新拍摄图片。

如果要在实时应用中使用分割，请遵循以下准则以实现最佳帧速率：