iOS8 Core Image In Swift:人脸检测以及马赛克

版权声明:如需转载,请注明出处,谢谢! https://blog.csdn.net/zhangao0086/article/details/39253707

iOS8 Core Image In Swift:自动改善图像以及内置滤镜的使用

iOS8 Core Image In Swift:更复杂的滤镜

iOS8 Core Image In Swift:人脸检测以及马赛克

iOS8 Core Image In Swift:视频实时滤镜


Core Image不仅内置了诸多滤镜,还能检测图像中的人脸,不过Core Image只是检测,并非识别,检测人脸是指在图像中寻找符合人脸特征(只要是个人脸)的区域,识别是指在图像中寻找指定的人脸(比如某某某的脸)。Core Image在找到符合人脸特征的区域后,会返回该特征的信息,比如人脸的范围、眼睛和嘴巴的位置等。



人脸检测并标记检测到的区域

先做好以下几步:
  1. 新建一个Single View Application工程
  2. 然后在Storyboard里放入UIImageView,ContentMode设置为Aspect Fit
  3. 将UIImageView连接到VC里
  4. 放入一个名为“人脸检测”的UIButton,然后连接到VC的faceDetecting方法上
  5. 关闭Auto Layout以及Size Classes
UIImageView的frame以及VC的UI如下:


以下是工程中会用到的图,齐刷刷一排脸,点击图片显示原图:



然后在VC上添加基本的属性:懒加载的originalImage、context(Core Image框架绕不开的对象)。

class ViewController: UIViewController {

    @IBOutlet var imageView: UIImageView!

    lazy var originalImage: UIImage = {

        return UIImage(named: "Image")

    }()

    lazy var context: CIContext = {

        return CIContext(options: nil)

    }()

...... 

在viewDidLoad方法里显示originalImage:

override func viewDidLoad() {

    super.viewDidLoad()

    // Do any additional setup after loading the view, typically from a nib.

    self.imageView.image = originalImage

} 

然后就可以准备实现faceDetecting方法了。
在Core Image框架中,CIDetector对象提供了对图像检测的功能,只需要通过几个APIs就能完成CIDetector的初始化并得到检测结果:


@IBAction func faceDetecing() {

    let inputImage = CIImage(image: originalImage)

    let detector = CIDetector(ofType: CIDetectorTypeFace,

                             context: context,

                             options: [CIDetectorAccuracyCIDetectorAccuracyHigh])

    var faceFeatures: [CIFaceFeature]!

    if let orientation: AnyObject = inputImage.properties()?[kCGImagePropertyOrientation] {

        faceFeatures = detector.featuresInImage(inputImage, 

                                                options: [CIDetectorImageOrientation: orientation]

                                               ) as [CIFaceFeature]

    } else {

        faceFeatures = detector.featuresInImage(inputImage) as [CIFaceFeature]

    }


    println(faceFeatures)

......

使用kCGImagePropertyOrientation的时候,可能需要导入ImageIO框架
originalImage和context通过懒加载都得到了,在创建CIDetector对象的时候,必须告诉它要检测的内容,这里当然是传CIDetectorTypeFace了,除了CIDetectorTypeFace外,CIDetector还能检测二维码;然后传递一个context,多个CIDetector可以共用一个context对象;第三个参数是一个字典,我们能够指定检测的精度,除了CIDetectorAccuracyHigh以外,还有CIDetectorAccuracyLow,精度高会识别度更高,但识别速度就更慢。
创建完CIDetector之后,把要识别的CIImage传递给它,在这里,我判断了CIImage是否带有方向的元数据,如果带的话调用就featuresInImage:options这个方法,因为方向对CIDetector来说至关重要,直接导致识别的成功与否;而有的图片没有方向这些元数据,就调用featuresInImage方法,由于这张《生活大爆炸》的图是不带方向元数据的,所以是执行的featuresInImage方法,但是大多数情况下应该会用到前者。
featuresInImage方法的返回值是一个CIFaceFeature数组,CIFaceFeature包含了面部的范围、左右眼、嘴巴的位置等,我们通过使用bounds就能标记出面部的范围。
我们很容易写出这样的代码:
  1. 获取所有的面部特征
  2. 用bounds实例化一个UIView
  3. 把View显示出来
实现出来就像这样:

@IBAction func faceDetecing() {

    let inputImage = CIImage(image: originalImage)

    let detector = CIDetector(ofType: CIDetectorTypeFace,

        context: context,

        options: [CIDetectorAccuracyCIDetectorAccuracyHigh])

    var faceFeatures: [CIFaceFeature]!

    if let orientation: AnyObject = inputImage.properties()?[kCGImagePropertyOrientation] {

        faceFeatures = detector.featuresInImage(inputImage, options: [CIDetectorImageOrientation: orientation]) as [CIFaceFeature]

    } else {

        faceFeatures = detector.featuresInImage(inputImage) as [CIFaceFeature]

    }

    

    println(faceFeatures)


    for faceFeature in faceFeatures {

        let faceView = UIView(frame: faceFeature.bounds)

        faceView.layer.borderColor = UIColor.orangeColor().CGColor

        faceView.layer.borderWidth = 2

        

        imageView.addSubview(faceView)

    }

}

这样写是否可以呢?如果你运行起来会得到这样的效果:

这是因为我们的inputImage,其实是用originalImage初始化的,而我这张originalImage的真实大小比实际看到的大得多:

它的宽实有600像素,我把它以@2x命名,实际显示有300像素,且在imageView里以Aspect Fit模式展示(imageViwe宽为300像素),在显示的时候被缩放了,但是在内存中它是完整的,除此之外,CIImage的坐标系统和UIView的坐标系统也不一样,CIImage的坐标系统就像数学坐标系统,原点在下,在UIView看来,就是倒置的,这是因Core Image、Core Graphics这些框架都来源于Mac OS X,在Mac OS X上这种坐标系统已存在多年,iOS直接引入了这些框架,这解决了Cocoa App和iOS App底层兼容性的问题,但是在上层就只能自己解决了。所以实际上它是这样的:

我们需要做两步工作:
  • 调整transform,让它正过来
  • 缩放bounds,让它适配imageView
然后再次很容易的写下了这样的代码:

@IBAction func faceDetecing() {

    let inputImage = CIImage(image: originalImage)

    let detector = CIDetector(ofType: CIDetectorTypeFace,

        context: context,

        options: [CIDetectorAccuracyCIDetectorAccuracyHigh])

    var faceFeatures: [CIFaceFeature]!

    if let orientation: AnyObject = inputImage.properties()?[kCGImagePropertyOrientation] {

        faceFeatures = detector.featuresInImage(inputImage, options: [CIDetectorImageOrientation: orientation]) as [CIFaceFeature]

    } else {

        faceFeatures = detector.featuresInImage(inputImage) as [CIFaceFeature]

    }

    

    println(faceFeatures)

    

    // 1.

    let inputImageSize = inputImage.extent().size

    var transform = CGAffineTransformIdentity

    transform = CGAffineTransformScale(transform, 1, -1)

    transform = CGAffineTransformTranslate(transform, 0-inputImageSize.height)


    for faceFeature in faceFeatures {

        var faceViewBounds = CGRectApplyAffineTransform(faceFeature.bounds, transform)

        // 2.

        let scaleTransform = CGAffineTransformMakeScale(0.50.5)

        faceViewBounds = CGRectApplyAffineTransform(faceViewBounds, scaleTransform)

        

        let faceView = UIView(frame: faceViewBounds)

        faceView.layer.borderColor = UIColor.orangeColor().CGColor

        faceView.layer.borderWidth = 2

        

        imageView.addSubview(faceView)

    }

} 

现在看起来就没有问题了,在第一步里我们放置了一个调整坐标系统的tranform,在第二步对bounds进行了缩放(等同于把x、y、width、height全部乘以0.5),由于我们知道实际scale是0.5(原图600像素,imageView宽为300像素),就直接写死了0.5,但运行后出现了一点点偏移:

这其实是因为我把imageView的ContentMode设为Aspect Fit的结果 :


一般来讲,我们不会拉伸照片,通常会按宽、高进行适配,所以我们还需要对Aspect Fit进行处理,上面代码修改后如下:

@IBAction func faceDetecing() {

    let inputImage = CIImage(image: originalImage)

    let detector = CIDetector(ofType: CIDetectorTypeFace,

        context: context,

        options: [CIDetectorAccuracyCIDetectorAccuracyHigh])

    var faceFeatures: [CIFaceFeature]!

    if let orientation: AnyObject = inputImage.properties()?[kCGImagePropertyOrientation] {

        faceFeatures = detector.featuresInImage(inputImage, options: [CIDetectorImageOrientation: orientation]) as [CIFaceFeature]

    } else {

        faceFeatures = detector.featuresInImage(inputImage) as [CIFaceFeature]

    }

    

    println(faceFeatures)

    

    // 1.

    let inputImageSize = inputImage.extent().size

    var transform = CGAffineTransformIdentity

    transform = CGAffineTransformScale(transform, 1, -1)

    transform = CGAffineTransformTranslate(transform, 0-inputImageSize.height)


    for faceFeature in faceFeatures {

        var faceViewBounds = CGRectApplyAffineTransform(faceFeature.bounds, transform)

        

        // 2.

        var scale = min(imageView.bounds.size.width / inputImageSize.width,

            imageView.bounds.size.height / inputImageSize.height)

        var offsetX = (imageView.bounds.size.width - inputImageSize.width * scale) / 2

        var offsetY = (imageView.bounds.size.height - inputImageSize.height * scale) / 2

        

        faceViewBounds = CGRectApplyAffineTransform(faceViewBounds, CGAffineTransformMakeScale(scale, scale))

        faceViewBounds.origin.x += offsetX

        faceViewBounds.origin.y += offsetY

        

        let faceView = UIView(frame: faceViewBounds)

        faceView.layer.borderColor = UIColor.orangeColor().CGColor

        faceView.layer.borderWidth = 2

        

        imageView.addSubview(faceView)

    }

}

在第二步里,除了通过宽、高比计算scale外,还计算了x、y轴的偏移,以确保在宽或高缩放的情况下都能正常工作(最后除以2是因为缩放时是居中显示,上下或左右都各有一半)。
编译、运行,在不同的高度下的效果图:


面部马赛克

检测到面部以后,我们还能做一些有趣的操作,比如打上马赛克:

这是苹果官方例子上的一张图,展示了把一张照片中所有的面部打上马赛克的方法:
  1. 基于原图,创建一个将所有部分都马赛克的图片
  2. 为检测到的人脸创建一张蒙版图
  3. 用蒙版图,将完全马赛克的图和原图混合起来
我们在VC上添加一个名为“马赛克”的按钮,将其事件连接到VC的pixellated方法上,然后开始实现马赛克的效果。
具体步骤如下:

创建完全马赛克的图

使用CIPixellate滤镜,其参数设置:
  • 设置inputImage为原图
  • 可以根据自己的需要,选择设置inputScale参数,inputScale取值为1到100,取值越大,马赛克就越大
这一步的效果图:


为检测到的人脸创建蒙版图

和之前一样,使用CIDetector检测人脸,然后为每一张脸:
  • 使用CIRadialGradient滤镜创建一个把脸包围起来的圆
  • 使用CISourceOverCompositing滤镜把各个蒙版(有几张脸其实就有几个蒙版)组合起来
这一步的效果图:


混合马赛克图、蒙版图以及原图

CIBlendWithMask滤镜来混合三者,其参数设置如下:
  • 设置inputImage为马赛克图
  • 设置inputBackground为原图
  • 设置inputMaskImage为蒙版图
完整实现代码如下:

@IBAction func pixellated() {

    // 1.

    var filter = CIFilter(name: "CIPixellate")

    println(filter.attributes())

    let inputImage = CIImage(image: originalImage)

    filter.setValue(inputImage, forKey: kCIInputImageKey)

    // filter.setValue(max(inputImage.extent().size.width, inputImage.extent().size.height) / 60, forKey: kCIInputScaleKey)

    let fullPixellatedImage = filter.outputImage

    // let cgImage = context.createCGImage(fullPixellatedImage, fromRect: fullPixellatedImage.extent())

    // imageView.image = UIImage(CGImage: cgImage)

    // 2.

    let detector = CIDetector(ofType: CIDetectorTypeFace,

                              context: context,

                              options: nil)

    let faceFeatures = detector.featuresInImage(inputImage)

    // 3.

    var maskImage: CIImage!

    for faceFeature in faceFeatures {

        println(faceFeature.bounds)

        // 4.

        let centerX = faceFeature.bounds.origin.x + faceFeature.bounds.size.width / 2

        let centerY = faceFeature.bounds.origin.y + faceFeature.bounds.size.height / 2

        let radius = min(faceFeature.bounds.size.width, faceFeature.bounds.size.height

        let radialGradient = CIFilter(name: "CIRadialGradient",

                                      withInputParameters: [

                                        "inputRadius0" : radius,

                                        "inputRadius1" : radius + 1,

                                        "inputColor0" : CIColor(red: 0, green: 1, blue: 0, alpha: 1),

                                        "inputColor1" : CIColor(red: 0, green: 0, blue: 0, alpha: 0),

                                        kCIInputCenterKey : CIVector(x: centerX, y: centerY)

            ])

        println(radialGradient.attributes())

        // 5.

        let radialGradientOutputImage = radialGradient.outputImage.imageByCroppingToRect(inputImage.extent())

        if maskImage == nil {

            maskImage = radialGradientOutputImage

        } else {

            println(radialGradientOutputImage)

            maskImage = CIFilter(name: "CISourceOverCompositing",

                withInputParameters: [

                    kCIInputImageKey : radialGradientOutputImage,

                    kCIInputBackgroundImageKey : maskImage

                ]).outputImage

        }

    }

    // 6.

    let blendFilter = CIFilter(name: "CIBlendWithMask")

    blendFilter.setValue(fullPixellatedImage, forKey: kCIInputImageKey)

    blendFilter.setValue(inputImage, forKey: kCIInputBackgroundImageKey)

    blendFilter.setValue(maskImage, forKey: kCIInputMaskImageKey)

    // 7.

    let blendOutputImage = blendFilter.outputImage

    let blendCGImage = context.createCGImage(blendOutputImage, fromRect: blendOutputImage.extent())

    imageView.image = UIImage(CGImage: blendCGImage)

} 

我详细的分为了7个部分:
  1. 用CIPixellate滤镜对原图先做个完全马赛克
  2. 检测人脸,并保存在faceFeatures中
  3. 初始化蒙版图,并开始遍历检测到的所有人脸
  4. 由于我们要基于人脸的位置,为每一张脸都单独创建一个蒙版,所以要先计算出脸的中心点,对应为x、y轴坐标,再基于脸的宽度或高度给一个半径,最后用这些计算结果初始化一个CIRadialGradient滤镜(我将inputColor1的alpha赋值为0,表示将这些颜色值设为透明,因为我不关心除了蒙版以外的颜色,这点和苹果官网中的例子有太一样,苹果将其赋值为了1)
  5. 由于CIRadialGradient滤镜创建的是一张无限大小的图,所以在使用之前先对它进行裁剪(苹果官网例子中没有对其裁剪。。),然后把每一张脸的蒙版图合在一起
  6. CIBlendWithMask滤镜把马赛克图、原图、蒙版图混合起来
  7. 输出,在界面上显示
运行效果:

一个简单的对照片进行马赛克处理的例子就完成了。


GitHub下载地址

我在GitHub上会保持更新。

UPDATED:

细心的朋友会发现马赛克的面积比检测到的面积要大:

这是因为计算马赛克radius时没有考虑缩放的因素,只要先计算出scale,再把scale和现在的radius相乘就能得到精确的范围。
计算scale:

var scale = min(imageView.bounds.size.width / inputImage.extent().size.width,

                imageView.bounds.size.height / inputImage.extent().size.height)

修正radius:

let radius = min(faceFeature.bounds.size.width, faceFeature.bounds.size.height* scale

修正后的马赛克效果与人脸检测效果:



参考资料:

https://developer.apple.com/library/mac/documentation/graphicsimaging/conceptual/CoreImaging/ci_intro/ci_intro.html

阅读更多
换一批

没有更多推荐了,返回首页