在 iOS 上使用 ML Kit 進行自拍區隔

機器學習套件提供用於最佳化區隔的最佳化 SDK。「自拍區隔器」素材資源會在建構期間以靜態方式連結至您的應用程式。這樣可將應用程式大小增加至 24MB,且根據 iPhone X 測得的輸入大小,API 延遲時間可能介於 7 毫秒到 12 毫秒之間。

事前準備

  1. 在 Podfile 中加入下列機器學習套件程式庫:

    pod 'GoogleMLKit/SegmentationSelfie', '3.2.0'
    
  2. 安裝或更新專案的 Pod 後,請使用 .xcworkspace 開啟 Xcode 專案。Xcode 13.2.1 以上版本支援機器學習套件。

1. 建立「區隔」例項

如要對自拍圖片執行區隔,請先使用 SelfieSegmenterOptions 建立 Segmenter 的執行個體,並視需要指定區隔設定。

區隔選項

區隔模式

Segmenter 會在兩個模式下運作。請務必選擇符合您用途的選項。

STREAM_MODE (default)

這個模式可以用來串流播放影片或相機的畫面。在這個模式下,區隔工具會使用先前頁框的結果,傳回更順暢的區隔結果。

SINGLE_IMAGE_MODE (default)

這個模式是針對不相關的單一圖片設計。在這個模式中,區隔器會分別處理每張圖片,且不重疊畫面。

啟用原始大小遮罩

要求區隔器傳回與模型輸出大小相符的原始大小遮罩。

原始遮罩大小 (例如 256x256) 通常小於輸入影像大小。

如未指定這個選項,區隔工具會重新調整原始遮罩,以符合輸入圖片大小。如果您想套用自訂的重新調整邏輯或不需要重新使用案例,不妨考慮使用這個選項。

指定區隔選項:

Swift

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

Objective-C

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

最後,取得 Segmenter 的例項。傳送您指定的選項:

Swift

let segmenter = Segmenter.segmenter(options: options)

Objective-C

MLKSegmenter *segmenter = [MLKSegmenter segmenterWithOptions:options];

2. 準備輸入圖片

如要區隔自拍照,請針對各圖像或影片畫面執行以下動作。 如果啟用了串流模式,則必須從 CMSampleBuffer 建立 VisionImage 物件。

使用 UIImageCMSampleBuffer 建立 VisionImage 物件。

如果您使用 UIImage,請按照下列步驟操作:

  • 使用 UIImage 建立 VisionImage 物件。請務必指定正確的 .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,請按照下列步驟操作:

  • 指定 CMSampleBuffer 中包含的圖片資料方向。

    如何取得圖片方向:

    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 CMSampleBuffer 物件和方向建立 VisionImage 物件:

    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. 處理圖片

VisionImage 物件傳遞至 Segmenter 的圖片處理方法之一。您可以使用非同步 process(image:) 方法或同步 results(in:) 方法。

如何同步分割自拍圖片:

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.

如何以非同步方式對自拍圖片進行區隔:

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. 取得區隔遮罩

您可以用以下方式取得區隔結果:

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);
}

如需使用區隔結果的完整範例,請參閱 ML Kit 快速入門導覽課程範例

改善成效的訣竅

搜尋結果的品質取決於輸入圖片的品質:

  • 如要讓 ML Kit 取得準確的區隔結果,圖片應為 256x256 像素以上。
  • 如果您在即時應用程式中執行自拍區隔,建議您考慮輸入圖片的整體尺寸。較小的圖片處理速度較快,因此可縮短延遲時間、以較低解析度擷取圖片,但請留意上述解析度規定,並盡量讓拍攝主體佔據更多圖片。
  • 圖片品質不佳也可能會影響準確率。如果未收到可接受的結果,請要求使用者重新拍攝圖片。

如果您想在即時應用程式中使用區隔,請遵守下列規範,以達到最佳畫面更新率: