ML Kiti, selfie segmentasyonu için optimize edilmiş bir SDK sunar.
Selfie Segmenter öğeleri, derleme sırasında uygulamanıza statik olarak bağlanır. Bu, uygulamanızın indirme boyutunu yaklaşık 4,5 MB artırır ve API gecikmesi, Pixel 4'te ölçüldüğü üzere giriş resminin boyutuna bağlı olarak 25 ms ile 65 ms arasında değişebilir.
Deneyin
- Bu API'nin örnek kullanımını görmek için örnek uygulamayı deneyin.
Başlamadan önce
- Proje düzeyindeki
build.gradledosyanızda, Google'ın Maven deposunu hembuildscripthem deallprojectsbölümlerinize eklediğinizden emin olun. - ML Kit Android kitaplıklarına ait bağımlılıkları, modülünüzün uygulama düzeyindeki Gradle dosyasına (genellikle
app/build.gradle) ekleyin:
dependencies {
implementation 'com.google.mlkit:segmentation-selfie:16.0.0-beta6'
}
1. Segmenter örneği oluşturma
Segmentasyon aracı seçenekleri
Bir görüntüde segmentasyon yapmak için önce aşağıdaki seçenekleri belirterek bir Segmenter örneği oluşturun.
Dedektör Modu
Segmenter iki modda çalışır. Kullanım alanınıza uygun olanı seçtiğinizden emin olun.
STREAM_MODE (default)
Bu mod, video veya kameradan kare akışı yapmak için tasarlanmıştır. Bu modda segmenter, daha akıcı segmentasyon sonuçları döndürmek için önceki karelerden elde edilen sonuçlardan yararlanır.
SINGLE_IMAGE_MODE
Bu mod, birbiriyle ilişkili olmayan tekli resimler için tasarlanmıştır. Bu modda segmenter, her resmi bağımsız olarak işler ve kareler üzerinde yumuşatma yapmaz.
Ham boyut maskesini etkinleştirme
Segmentasyon aracından, model çıkış boyutuyla eşleşen ham boyut maskesini döndürmesini ister.
Ham maske boyutu (ör. 256x256) genellikle giriş resmi boyutundan daha küçüktür. Bu seçeneği etkinleştirirken maske boyutunu almak için lütfen SegmentationMask#getWidth() ve SegmentationMask#getHeight() yöntemlerini çağırın.
Bu seçenek belirtilmezse segmenter, ham maskeyi giriş resmi boyutuna uyacak şekilde yeniden ölçeklendirir. Özelleştirilmiş yeniden ölçeklendirme mantığı uygulamak istiyorsanız veya kullanım alanınız için yeniden ölçeklendirme gerekmiyorsa bu seçeneği kullanabilirsiniz.
Segmenter seçeneklerini belirtin:
Kotlin
val options = SelfieSegmenterOptions.Builder() .setDetectorMode(SelfieSegmenterOptions.STREAM_MODE) .enableRawSizeMask() .build()
Java
SelfieSegmenterOptions options = new SelfieSegmenterOptions.Builder() .setDetectorMode(SelfieSegmenterOptions.STREAM_MODE) .enableRawSizeMask() .build();
Segmenter örneği oluşturun. Belirttiğiniz seçenekleri iletin:
Kotlin
val segmenter = Segmentation.getClient(options)
Java
Segmenter segmenter = Segmentation.getClient(options);
2. Giriş görüntüsünü hazırlama
Bir resimde segmentasyon gerçekleştirmek için Bitmap, media.Image, ByteBuffer, bayt dizisi veya cihazdaki bir dosyadan InputImage nesnesi oluşturun.
Farklı kaynaklardan InputImage nesnesi oluşturabilirsiniz. Bu kaynakların her biri aşağıda açıklanmıştır.
media.Image kullanma
Bir media.Image nesnesinden InputImage nesnesi oluşturmak için (ör. bir cihazın kamerasından görüntü yakaladığınızda) media.Image nesnesini ve görüntünün dönüşünü InputImage.fromMediaImage() değerine iletin.
CameraX kitaplığını kullanıyorsanız OnImageCapturedListener ve ImageAnalysis.Analyzer sınıfları, rotasyon değerini sizin için hesaplar.
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 // ... } } }
Görüntünün dönüş derecesini veren bir kamera kitaplığı kullanmıyorsanız bu değeri cihazın dönüş derecesinden ve cihazdaki kamera sensörünün yönünden hesaplayabilirsiniz:
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; }
Ardından media.Image nesnesini ve dönüş derecesi değerini InputImage.fromMediaImage()'e iletin:
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
Dosya URI'si kullanma
Bir dosya URI'sinden InputImage nesnesi oluşturmak için uygulama bağlamını ve dosya URI'sini InputImage.fromFilePath() yöntemine iletin. Bu, kullanıcının galeri uygulamasından bir resim seçmesini istemek için ACTION_GET_CONTENT intent'ini kullandığınızda yararlı olur.
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(); }
ByteBuffer veya ByteArray kullanma
ByteBuffer veya ByteArray nesnesinden InputImage nesnesi oluşturmak için önce media.Image girişi için daha önce açıklandığı şekilde resim döndürme derecesini hesaplayın.
Ardından, arabellek veya diziyle birlikte resmin yüksekliği, genişliği, renk kodlama biçimi ve dönüş derecesini içeren InputImage nesnesini oluşturun:
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 );
Bitmap kullanma
Bir Bitmap nesnesinden InputImage nesnesi oluşturmak için aşağıdaki bildirimi yapın:
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
Resim, dönüş dereceleriyle birlikte bir Bitmap nesnesiyle temsil edilir.
3. Resmi işleme
Hazırlanan InputImage nesnesini Segmenter öğesinin process yöntemine iletin.
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. Segmentasyon sonucunu alma
Segmentasyon sonucunu aşağıdaki gibi alabilirsiniz:
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(); } }
Segmentasyon sonuçlarının nasıl kullanılacağına dair tam bir örnek için lütfen ML Kiti hızlı başlangıç örneğine bakın.
Performansı artırmaya yönelik ipuçları
Sonuçlarınızın kalitesi, giriş resminin kalitesine bağlıdır:
- ML Kit'in doğru bir segmentasyon sonucu elde edebilmesi için resmin en az 256x256 piksel olması gerekir.
- Resim odağının kötü olması da doğruluğu etkileyebilir. Kabul edilebilir sonuçlar alamazsanız kullanıcıdan resmi yeniden çekmesini isteyin.
Segmentasyonu gerçek zamanlı bir uygulamada kullanmak istiyorsanız en iyi kare hızlarını elde etmek için aşağıdaki yönergeleri uygulayın:
STREAM_MODEe-posta adresini kullanın.- Görüntüleri daha düşük çözünürlükte yakalamayı deneyin. Ancak bu API'nin resim boyutu koşullarını da göz önünde bulundurun.
- Ham boyut maskesi seçeneğini etkinleştirmeyi ve tüm yeniden ölçeklendirme mantığını birleştirmeyi düşünebilirsiniz. Örneğin, API'nin maskeyi önce giriş resminizin boyutuna uyacak şekilde yeniden ölçeklendirmesine, ardından da görüntüleme için görünüm boyutuna uyacak şekilde yeniden ölçeklendirmesine izin vermek yerine, ham boyut maskesini isteyin ve bu iki adımı birleştirin.
Cameraveyacamera2API'sini kullanıyorsanız algılayıcıya yapılan çağrıları kısıtlayın. Algılayıcı çalışırken yeni bir video karesi kullanılabilir hale gelirse kareyi bırakın. Örnek için hızlı başlangıç örnek uygulamasındakiVisionProcessorBasesınıfına bakın.CameraXAPI'sini kullanıyorsanız geri basınç stratejisinin varsayılan değeri olanImageAnalysis.STRATEGY_KEEP_ONLY_LATESTdeğerine ayarlandığından emin olun. Bu sayede, analiz için aynı anda yalnızca bir resim gönderilir. Analizör meşgulken daha fazla görüntü üretilirse bunlar otomatik olarak silinir ve yayınlanmak üzere sıraya alınmaz. Analiz edilen görüntü ImageProxy.close() çağrılarak kapatıldıktan sonra bir sonraki en yeni görüntü yayınlanır.- Algılayıcının çıkışını giriş resminin üzerine grafik yerleştirmek için kullanıyorsanız önce ML Kit'ten sonucu alın, ardından resmi ve yer paylaşımını tek bir adımda oluşturun. Bu, her giriş karesi için yalnızca bir kez görüntüleme yüzeyine oluşturulur. Örnek için hızlı başlangıç örnek uygulamasındaki
CameraSourcePreviewveGraphicOverlaysınıflarına bakın. - Camera2 API'yi kullanıyorsanız görüntüleri
ImageFormat.YUV_420_888biçiminde yakalayın. Eski Camera API'yi kullanıyorsanız görüntüleriImageFormat.NV21biçiminde yakalayın.