ML Kit udostępnia zoptymalizowane SDK do segmentacji selfie.
Komponenty Selfie Segmenter są statycznie powiązane z aplikacją w momencie kompilacji. Spowoduje to zwiększenie rozmiaru pliku do pobrania aplikacji o około 4,5 MB, a opóźnienie wywołania interfejsu API może wynosić od 25 do 65 ms w zależności od rozmiaru obrazu wejściowego (zmierzonego na urządzeniu Pixel 4).
Wypróbuj
- Aby zobaczyć przykład użycia tego interfejsu API, wypróbuj przykładową aplikację.
Zanim zaczniesz
- W pliku
build.gradle
na poziomie projektu dodaj repozytorium Maven firmy Google w sekcjachbuildscript
iallprojects
. - Dodaj zależności do bibliotek ML Kit na Androida do pliku Gradle modułu na poziomie aplikacji. Jest to zwykle
app/build.gradle
:
dependencies {
implementation 'com.google.mlkit:segmentation-selfie:16.0.0-beta6'
}
1. Tworzenie instancji Segmenter
Opcje segmentacji
Aby przeprowadzić podział na segmenty obrazu, najpierw utwórz instancję funkcji Segmenter
, podając te opcje.
Tryb detekcji
Usługa Segmenter
działa w 2 trybach. Pamiętaj, aby wybrać model, który pasuje do Twojego przypadku użycia.
STREAM_MODE (default)
Ten tryb jest przeznaczony do przesyłania strumieniowego klatek z wideo lub kamery. W tym trybie segmentator wykorzysta wyniki z poprzednich klatek, aby uzyskać bardziej płynne wyniki podziału na segmenty.
SINGLE_IMAGE_MODE
Ten tryb jest przeznaczony do pojedynczych obrazów, które nie są ze sobą powiązane. W tym trybie segmentator przetworzy każdy obraz niezależnie, bez wygładzania klatek.
Włącz maskę rozmiaru w formacie RAW
Prosi segmenter o zwrócenie maski rozmiaru nieprzetworzonego, która odpowiada rozmiarowi wyjściowemu modelu.
Rozmiar surowej maski (np. 256 x 256) jest zwykle mniejszy niż rozmiar wejściowego obrazu. Aby uzyskać rozmiar maski, zadzwoń pod numer SegmentationMask#getWidth()
lub SegmentationMask#getHeight()
.
Bez określenia tej opcji segmenter przekalibruje surową maskę, aby dopasować ją do rozmiaru obrazu wejściowego. Użyj tej opcji, jeśli chcesz zastosować niestandardową logikę zmiany rozmiaru lub jeśli w Twoim przypadku nie jest ona potrzebna.
Określ opcje segmentacji:
Kotlin
val options = SelfieSegmenterOptions.Builder() .setDetectorMode(SelfieSegmenterOptions.STREAM_MODE) .enableRawSizeMask() .build()
Java
SelfieSegmenterOptions options = new SelfieSegmenterOptions.Builder() .setDetectorMode(SelfieSegmenterOptions.STREAM_MODE) .enableRawSizeMask() .build();
Utwórz instancję Segmenter
. Przekaż określone opcje:
Kotlin
val segmenter = Segmentation.getClient(options)
Java
Segmenter segmenter = Segmentation.getClient(options);
2. Przygotuj obraz wejściowy
Aby przeprowadzić podział na segmenty obrazu, utwórz obiekt InputImage
z użyciem Bitmap
, media.Image
, ByteBuffer
, tablicy bajtów lub pliku na urządzeniu.
Obiekt InputImage
możesz utworzyć z różnych źródeł. Każde z nich opisane jest poniżej.
Korzystanie z media.Image
Aby utworzyć obiekt InputImage
na podstawie obiektu media.Image
, np. podczas robienia zdjęcia za pomocą aparatu urządzenia, prześlij obiekt media.Image
i obrót obrazu do obiektu InputImage.fromMediaImage()
.
Jeśli używasz biblioteki
CameraX, klasy OnImageCapturedListener
i
ImageAnalysis.Analyzer
obliczają wartość rotacji za Ciebie.
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 // ... } } }
Jeśli nie używasz biblioteki aparatu, która podaje stopień obrotu obrazu, możesz go obliczyć na podstawie stopnia obrotu urządzenia i orientacji czujnika aparatu na urządzeniu:
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 }
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; }
Następnie prześlij obiekt media.Image
i wartość stopnia obrotu do InputImage.fromMediaImage()
:
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
Za pomocą identyfikatora URI pliku
Aby utworzyć obiekt InputImage
na podstawie identyfikatora URI pliku, prześlij kontekst aplikacji i identyfikator URI pliku do funkcji InputImage.fromFilePath()
. Jest to przydatne, gdy używasz intencji ACTION_GET_CONTENT
, aby poprosić użytkownika o wybranie obrazu z aplikacji Galeria.
Kotlin
val image: InputImage try { image = InputImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
Java
InputImage image; try { image = InputImage.fromFilePath(context, uri); } catch (IOException e) { e.printStackTrace(); }
Korzystanie z ByteBuffer
lub ByteArray
Aby utworzyć obiekt InputImage
na podstawie obiektu ByteBuffer
lub ByteArray
, najpierw oblicz stopień obrotu obrazu w sposób opisany wcześniej w przypadku danych wejściowych media.Image
.
Następnie utwórz obiekt InputImage
z buforem lub tablicą, a także wysokość, szerokość, format kodowania kolorów i stopień obrotu obrazu:
Kotlin
val image = InputImage.fromByteBuffer( byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ) // Or: val image = InputImage.fromByteArray( byteArray, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 )
Java
InputImage image = InputImage.fromByteBuffer(byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ); // Or: InputImage image = InputImage.fromByteArray( byteArray, /* image width */480, /* image height */360, rotation, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 );
Korzystanie z Bitmap
Aby utworzyć obiekt InputImage
z obiektu Bitmap
, zastosuj tę deklarację:
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
Obraz jest reprezentowany przez obiekt Bitmap
z stopniami obrotu.
3. Przetwarzanie obrazu
Przekaż przygotowany obiekt InputImage
do metody process
obiektu Segmenter
.
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 // ... } });
4. Pobieranie wyniku podziału na segmenty
Wynik podziału możesz uzyskać w ten sposób:
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(); } }
Pełny przykład korzystania z wyników podziału na segmenty znajdziesz w przykładowym pliku quickstart pakietu ML Kit.
Wskazówki dotyczące zwiększania skuteczności
Jakość wyników zależy od jakości obrazu wejściowego:
- Aby ML Kit mógł uzyskać dokładny wynik podziału na segmenty, obraz powinien mieć co najmniej 256 x 256 pikseli.
- Na dokładność może też wpływać niewłaściwe ustawienie ostrości. Jeśli nie uzyskasz zadowalających wyników, poproś użytkownika o ponowne zrobienie zdjęcia.
Jeśli chcesz używać segmentacji w aplikacji działającej w czasie rzeczywistym, postępuj zgodnie z tymi wytycznymi, aby uzyskać najlepszą liczbę klatek na sekundę:
- Użyj konta
STREAM_MODE
. - Rozważ robienie zdjęć w niższej rozdzielczości. Pamiętaj jednak o wymaganiach dotyczących wymiarów obrazu w tym interfejsie API.
- Rozważ włączenie opcji maski rozmiaru nieskompresowanego i połączenie całej logiki zmiany rozmiaru. Zamiast pozwalać interfejsowi API na zmianę rozmiaru maski, tak aby pasował do rozmiaru wejściowego obrazu, a następnie ponownie zmieniać rozmiar, tak aby pasował do rozmiaru wyświetlania, po prostu poproś o maskę w niezmienionym rozmiarze i połącz te 2 kroki w jeden.
- Jeśli używasz interfejsu API
Camera
lubcamera2
, ograniczaj wywołania do detektora. Jeśli podczas działania detektora pojawi się nowa klatka wideo, odrzuć ją. Przykładem jest klasaVisionProcessorBase
w przykładowej aplikacji krótkiego wprowadzenia. - Jeśli używasz interfejsu API
CameraX
, upewnij się, że strategia kontroli ciśnienia ma ustawioną wartość domyślnąImageAnalysis.STRATEGY_KEEP_ONLY_LATEST
. Dzięki temu masz pewność, że do analizy zostanie przesłany tylko jeden obraz. Jeśli podczas przetwarzania pojawi się więcej obrazów, zostaną one automatycznie odrzucone i nie zostaną umieszczone w kole do wysyłki. Gdy wywołasz metodę ImageProxy.close(), aby zamknąć analizowany obraz, zostanie przesłany następny najnowszy obraz. - Jeśli używasz danych wyjściowych z detektora do nakładania grafiki na obraz wejściowy, najpierw uzyskaj wynik z ML Kit, a potem wyrenderuj obraz i nałóż go w jednym kroku. Jest on renderowany na powierzchni wyświetlacza tylko raz dla każdej ramki wejściowej. Przykłady znajdziesz w klasach
CameraSourcePreview
iGraphicOverlay
w przykładowej aplikacji krótkiego wprowadzenia. - Jeśli używasz interfejsu Camera2 API, rób zdjęcia w formacie
ImageFormat.YUV_420_888
. Jeśli używasz starszej wersji interfejsu Camera API, rób zdjęcia w formacieImageFormat.NV21
.