Android-এ ML Kit-এর মাধ্যমে সেলফি সেগমেন্টেশন

এই API বিটা ভার্সনে অফার করা হয় এবং এটি কোনও SLA বা শীঘ্রই বন্ধ করা সংক্রান্ত নীতির অধীনে পড়ে না। এই API-তে এমন পরিবর্তন করা হতে পারে যা পুরনো ভার্সনের সাথে মানানসই হবে না।

ML Kit সেলফি সেগমেন্টেশনের জন্য অপ্টিমাইজ করা SDK প্রদান করে।

এই API একটি বান্ডেল করা লাইব্রেরি ব্যবহার করে যা আপনার অ্যাপের সাইজ বাড়িয়ে দেয়। আরও তথ্যের জন্য এই নির্দেশিকা দেখুন।

বিল্ড করার সময় সেলফি সেগমেন্টার অ্যাসেট আপনার অ্যাপের সাথে স্ট্যাটিক লিঙ্ক করা হয়। এর ফলে আপনার অ্যাপ ডাউনলোডের সাইজ প্রায় ৪.৫ এমবি বেড়ে যাবে এবং ইনপুট ছবির সাইজের উপর নির্ভর করে API লেটেন্সি ২৫ms থেকে ৬৫ms পর্যন্ত হতে পারে, যেমন Pixel 4-এ পরিমাপ করা হয়েছে।

এটি ব্যবহার করে দেখুন

• এই API-এর ব্যবহার সংক্রান্ত উদাহরণ দেখতে, স্যাম্পেল অ্যাপ নিয়ে কাজ করুন।

শুরু করার আগে

এই API-এর জন্য Android API লেভেল 23 বা তার পরের যেকোনও ভার্সন প্রয়োজন। আপনার অ্যাপের বিল্ড ফাইলে minSdkVersion ভ্যালু ২৩ বা তার বেশি আছে কিনা দেখুন।

1. আপনার প্রোজেক্ট-লেভেল build.gradle ফাইলে, আপনার buildscript এবং allprojects উভয় বিভাগেই Google-এর Maven রিপোজিটরি অন্তর্ভুক্ত করতে ভুলবেন না।
2. আপনার মডিউলের অ্যাপ-লেভেল গ্র্যাডল ফাইলে ML Kit Android লাইব্রেরির জন্য ডিপেন্ডেন্সি যোগ করুন, এটি সাধারণত app/build.gradle:

dependencies {
  implementation 'com.google.mlkit:segmentation-selfie:16.0.0-beta6'
}

১. সেগমেন্টারের একটি ইনস্ট্যান্স তৈরি করুন

সেগমেন্টার বিকল্প

কোনও ছবিতে সেগমেন্টেশন করতে, প্রথমে নিম্নলিখিত বিকল্পগুলি নির্দিষ্ট করে Segmenter-এর একটি ইনস্ট্যান্স তৈরি করুন।

ডিটেক্টর মোড

Segmenter দুটি মোডে কাজ করে। আপনার ব্যবহারের ক্ষেত্রে যেটি প্রযোজ্য সেটিই বেছে নিয়েছেন কিনা তা নিশ্চিত করুন।

STREAM_MODE (default)

ভিডিও বা ক্যামেরা থেকে ফ্রেম স্ট্রিম করার জন্য এই মোড ডিজাইন করা হয়েছে। এই মোডে, সেগমেন্টার আগের ফ্রেম থেকে ফলাফল ব্যবহার করে আরও মসৃণ সেগমেন্টেশন ফলাফল প্রদান করবে।

SINGLE_IMAGE_MODE

এই মোডটি এমন একক ছবির জন্য ডিজাইন করা হয়েছে যা একে অপরের সাথে সম্পর্কিত নয়। এই মোডে, সেগমেন্টার প্রতিটি ছবি আলাদাভাবে প্রসেস করবে, ফ্রেমের উপর কোনও স্মুথিং প্রয়োগ করা হবে না।

র সাইজ মাস্ক চালু করুন

মডেল আউটপুট সাইজের সাথে ম্যাচ করে এমন র সাইজ মাস্ক রিটার্ন করার জন্য সেগমেন্টারকে বলে।

কাঁচা মাস্কের সাইজ (যেমন, ২৫৬x২৫৬) সাধারণত ইনপুট ছবির সাইজের চেয়ে ছোট হয়। এই বিকল্প চালু করার সময় মাস্কের সাইজ জানতে SegmentationMask#getWidth() ও SegmentationMask#getHeight() নম্বরে কল করুন।

এই বিকল্প উল্লেখ না করলে, ইনপুট ছবির সাইজের সাথে ম্যাচ করাতে সেগমেন্টার, র মাস্কের সাইজ পরিবর্তন করবে। আপনি যদি কাস্টমাইজ করা রিস্কেল করার লজিক প্রয়োগ করতে চান অথবা আপনার ব্যবহারের ক্ষেত্রে রিস্কেল করার প্রয়োজন না হয়, তাহলে এই বিকল্প ব্যবহার করার কথা বিবেচনা করুন।

সেগমেন্টার বিকল্প নির্দিষ্ট করুন:

Kotlin

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

Java

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

Segmenter-এর একটি ইনস্ট্যান্স তৈরি করুন। আপনার উল্লেখ করা বিকল্পগুলি পাস করুন:

Kotlin

val segmenter = Segmentation.getClient(options)

Java

Segmenter segmenter = Segmentation.getClient(options);

২. ইনপুট ছবি প্রস্তুত করা

কোনও ছবিতে সেগমেন্টেশন করতে, InputImage অবজেক্ট তৈরি করুন। এটি Bitmap, media.Image, ByteBuffer, বাইট অ্যারে অথবা ডিভাইসে থাকা কোনও ফাইল থেকে তৈরি করতে পারেন।

আপনি বিভিন্ন সোর্স থেকে InputImage অবজেক্ট তৈরি করতে পারবেন, প্রতিটি নিচে ব্যাখ্যা করা হয়েছে।

media.Image ব্যবহার করে

media.Image অবজেক্ট থেকে InputImage অবজেক্ট তৈরি করতে, যেমন, আপনি কোনও ডিভাইসের ক্যামেরা থেকে ছবি ক্যাপচার করলে, InputImage.fromMediaImage()-এ media.Image অবজেক্ট ও ছবির রোটেশন পাস করুন।

আপনি CameraX লাইব্রেরি ব্যবহার করলে, OnImageCapturedListener এবং ImageAnalysis.Analyzer ক্লাস আপনার জন্য রোটেশন ভ্যালু গণনা করে।

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
          // ...
        }
    }
}

আপনি যদি এমন কোনও ক্যামেরা লাইব্রেরি ব্যবহার না করেন যা আপনাকে ছবির ঘূর্ণনের ডিগ্রি দেয়, তাহলে আপনি ডিভাইসের ঘূর্ণনের ডিগ্রি এবং ডিভাইসে ক্যামেরা সেন্সরের ওরিয়েন্টেশন থেকে এটি গণনা করতে পারেন:

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;
}

তারপর, media.Image অবজেক্ট এবং রোটেশন ডিগ্রির ভ্যালু InputImage.fromMediaImage()-এ পাস করুন:

Kotlin

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

Java

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

ফাইল URI ব্যবহার করা

ফাইল URI থেকে InputImage অবজেক্ট তৈরি করতে, অ্যাপ কনটেক্সট ও ফাইল URI-কে InputImage.fromFilePath()-এ পাস করুন। আপনি যখন ACTION_GET_CONTENT ইনটেন্ট ব্যবহার করে ব্যবহারকারীকে তার গ্যালারি অ্যাপ থেকে ছবি বেছে নিতে প্রম্পট করেন, তখন এটি কাজে লাগে।

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 বা ByteArray ব্যবহার করে

ByteBuffer বা ByteArray থেকে InputImage অবজেক্ট তৈরি করতে, প্রথমে media.Image ইনপুটের জন্য আগে বর্ণনা করা পদ্ধতি অনুযায়ী ছবির রোটেশন ডিগ্রি গণনা করুন। তারপর, বাফার বা অ্যারের সাথে InputImage অবজেক্ট তৈরি করুন, সাথে ছবির উচ্চতা, প্রস্থ, কালার এনকোডিং ফর্ম্যাট এবং ঘূর্ণনের ডিগ্রি:

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 ব্যবহার করে

Bitmap অবজেক্ট থেকে InputImage অবজেক্ট তৈরি করতে, নিম্নলিখিত ঘোষণা করুন:

Kotlin

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

Java

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

ছবিটি Bitmap অবজেক্টের সাথে রোটেশন ডিগ্রির মাধ্যমে দেখানো হয়েছে।

৩. ছবি প্রসেস করা

তৈরি করা InputImage অবজেক্টটি Segmenter-এর process পদ্ধতিতে পাস করুন।

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
                                // ...
                            }
                        });

মনে রাখবেন: আপনি CameraX API ব্যবহার করলে, এটি ব্যবহার করা হয়ে গেলে ImageProxy বন্ধ করতে ভুলবেন না, যেমন, process পদ্ধতি থেকে পাওয়া Task-এ OnCompleteListener যোগ করে। উদাহরণের জন্য কুইকস্টার্ট স্যাম্পেল অ্যাপে VisionProcessorBase ক্লাস দেখুন।

৪. সেগমেন্টেশন ফলাফল পাওয়া

আপনি নিম্নলিখিত উপায়ে সেগমেন্টেশনের ফলাফল পেতে পারেন:

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();
  }
}

সেগমেন্টেশন ফলাফল কীভাবে ব্যবহার করতে হয় তার সম্পূর্ণ উদাহরণের জন্য, ML Kit কুইকস্টার্ট স্যাম্পেল দেখুন।

পারফর্ম্যান্স উন্নত করার ব্যাপারে পরামর্শ

আপনার ফলাফলের কোয়ালিটি ইনপুট ছবির কোয়ালিটির উপর নির্ভর করে:

• ML Kit-এর মাধ্যমে সঠিক সেগমেন্টেশন ফলাফল পেতে, ছবির সাইজ অন্তত ২৫৬x২৫৬ পিক্সেল হতে হবে।
• ছবির ফোকাস ভাল না হলে, তার প্রভাব নির্ভুলতার উপরেও পড়তে পারে। আপনি গ্রহণযোগ্য ফলাফল না পেলে, ব্যবহারকারীকে আবার ছবি তুলতে বলুন।

আপনি যদি রিয়েল-টাইম অ্যাপ্লিকেশনে সেগমেন্টেশন ব্যবহার করতে চান, তাহলে সেরা ফ্রেম রেট পেতে এইসব নির্দেশিকা অনুসরণ করুন:

• STREAM_MODE ব্যবহার করুন।
• কম রেজোলিউশনে ছবি তোলার কথা বিবেচনা করুন। তবে, এই API-এর ছবির ডাইমেনশন সংক্রান্ত প্রয়োজনীয়তাও মনে রাখবেন।
• র সাইজ মাস্ক বিকল্প চালু করা এবং সব রিস্কেলিং লজিক একসাথে যোগ করার কথা বিবেচনা করুন। যেমন, API-কে আপনার ইনপুট ইমেজের সাইজের সাথে ম্যাচ করার জন্য প্রথমে মাস্ক রিস্কেল করতে দেওয়ার পরিবর্তে এবং তারপর ডিসপ্লের জন্য ভিউ সাইজের সাথে ম্যাচ করার জন্য আপনি আবার এটি রিস্কেল করার পরিবর্তে, শুধু র সাইজ মাস্কের জন্য অনুরোধ করুন এবং এই দুটি ধাপকে একটিতে একত্রিত করুন।
• আপনি Camera অথবা camera2 API ব্যবহার করলে, ডিটেক্টরে কল থ্রটল করুন। ডিটেক্টর চলাকালীন নতুন ভিডিও ফ্রেম উপলভ্য হলে, ফ্রেমটি ড্রপ করুন। উদাহরণ হিসেবে কুইকস্টার্ট স্যাম্পেল অ্যাপে VisionProcessorBase ক্লাস দেখুন।
• আপনি CameraX API ব্যবহার করলে, ব্যাকপ্রেশার স্ট্র্যাটেজি যাতে ডিফল্ট ভ্যালুতে সেট করা থাকে তা নিশ্চিত করুন ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST. এটি নিশ্চিত করে যে বিশ্লেষণের জন্য একবারে শুধুমাত্র একটি ছবি ডেলিভার করা হবে। অ্যানালাইজার ব্যস্ত থাকাকালীন আরও ছবি তৈরি হলে, সেগুলি অটোমেটিক বাদ দেওয়া হবে এবং ডেলিভারির জন্য সঞ্চয় করা হবে না। ImageProxy.close() কল করে বিশ্লেষণ করা ছবি বন্ধ করে দিলে, পরবর্তী লেটেস্ট ছবি ডেলিভার করা হবে।
• ইনপুট ছবিতে গ্রাফিক্স ওভারলে করতে আপনি যদি ডিটেক্টরের আউটপুট ব্যবহার করেন, তাহলে প্রথমে ML Kit থেকে ফলাফল পান, তারপরে ছবি রেন্ডার করুন এবং একটি ধাপে ওভারলে করুন। প্রতিটি ইনপুট ফ্রেমের জন্য এটি ডিসপ্লে সারফেসে একবারই রেন্ডার করে। উদাহরণ হিসেবে কুইকস্টার্ট স্যাম্পেল অ্যাপে CameraSourcePreview এবং GraphicOverlay ক্লাস দেখুন।
• আপনি Camera2 API ব্যবহার করলে, ImageFormat.YUV_420_888 ফর্ম্যাটে ছবি ক্যাপচার করুন। আপনি পুরনো Camera API ব্যবহার করলে, ImageFormat.NV21 ফর্ম্যাটে ছবি ক্যাপচার করুন।