在 iOS 上使用 ML Kit 進行自主區隔

ML Kit 提供最佳化的 SDK 來區隔自拍照。自拍區隔素材資源在建構期間會以靜態方式連結至您的應用程式。這會造成應用程式大小增加至 24 MB，且 API 延遲時間也會因輸入的圖片大小而異約 7 毫秒，甚至約 12 毫秒 (根據 iPhone X 的測量結果而定)。

立即體驗

事前準備

  1. 在 Podfile 中加入下列 ML Kit 程式庫：

    pod 'GoogleMLKit/SegmentationSelfie', '3.2.0'

  2. 安裝或更新專案的 Pod 後，請使用該專案的 .xcworkspace 開啟 Xcode 專案。Xcode 13.2.1 以上版本支援 ML Kit。

1. 建立區隔器執行個體

如要對自拍圖片執行區隔，請先建立含有 SelfieSegmenterOptions 的 Segmenter 執行個體，並視需要指定區隔設定。

區隔選項

分段模式

Segmenter 會在兩種模式下運作。請務必選擇符合您用途的方案。

STREAM_MODE (default)

這個模式是用來串流播放影片或相機畫面。在這個模式下，區隔器會運用先前影格的結果，傳回更順暢的區隔結果。

SINGLE_IMAGE_MODE (default)

這個模式適用於無關的單一圖片。在這個模式中，區隔器會分別處理每張圖片，不會平滑地處理畫面。

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) 通常小於輸入的圖片大小。

如果不指定這個選項，區隔器就會根據輸入的圖片大小重新調整原始遮罩。如果您想套用自訂的縮放邏輯，或者您的用途不需要重新調整大小，建議您使用這個選項。

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 的執行個體。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

如要分段自拍影片，請對每張圖片或影片畫面執行下列動作。 如果啟用串流模式，就必須從 CMSampleBuffer 建立 VisionImage 物件。

使用 UIImage 或 CMSampleBuffer 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。

    如何取得圖像方向：

    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

將 VisionImage 物件傳遞至 Segmenter 的其中一種圖片處理方法。您可以使用非同步 process(image:) 方法或同步 results(in:) 方法。

如何同步對自拍圖片進行區隔：

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.

如何以非同步的方式對自拍照進行區隔：

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

您可以按照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。

提高成效的訣竅

結果品質取決於輸入圖片的品質：

  • 如要讓 ML Kit 獲得準確的區隔結果，圖片必須至少為 256x256 像素。
  • 如果您在即時應用程式中執行自拍照區隔，建議您一併考量輸入圖片的整體尺寸。縮小了圖片的處理速度較快，因此為了縮短延遲時間，請以較低解析度拍攝圖片，但請留意上述的解析度規定，並確保主題盡可能佔據圖片比例。
  • 圖片對焦不佳也可能會影響準確度。如果無法取得可接受的圖片，請要求使用者重新拍照。

如果您想在即時應用程式中使用區隔功能，請遵循下列指南來達成最佳影格速率：