借助 MediaPipe Image Segmenter 任务,您可以根据用于应用视觉效果(例如背景模糊处理)的预定义类别将图片划分为多个区域。以下说明介绍了如何在 Android 应用中使用图像分割器。GitHub 上提供了这些说明中描述的代码示例。如需详细了解此任务的功能、模型和配置选项,请参阅概览。
代码示例
MediaPipe Tasks 代码示例包含适用于 Android 的 Image Segmenter 应用的两个简单实现:
这些示例使用实体 Android 设备上的相机对实时相机画面执行图像分割,或者您也可以从设备图库中选择图片和视频。您可以使用这些应用作为基础构建您自己的 Android 应用,也可以在修改现有应用时参考。Image Segmenter 示例代码托管在 GitHub 上。
下面几部分将引用带有类别掩码的图片分割器应用。
下载代码
以下说明介绍了如何使用 git 命令行工具创建示例代码的本地副本。
如需下载示例代码,请执行以下操作:
- 使用以下命令克隆 Git 代码库:
git clone https://github.com/google-ai-edge/mediapipe-samples
- (可选)将您的 Git 实例配置为使用稀疏结账,这样您就只有 Image Segmenter 示例应用的文件:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/image_segmentation/android
创建示例代码的本地版本后,您可以将项目导入 Android Studio 并运行应用。有关说明,请参阅 Android 设置指南。
关键组件
以下文件包含此图片分割示例应用的关键代码:
- ImageSegmenterHelper.kt - 初始化 Image Segmenter 任务,并处理模型和委托选择。
- CameraFragment.kt - 提供相机的界面和控制代码。
- GalleryFragment.kt - 提供用于选择图片和视频文件的界面和控制代码。
- OverlayView.kt - 处理分割结果并设置其格式。
初始设置
本部分介绍了设置开发环境和代码项目以使用 Image Segmenter 的关键步骤。如需了解如何为使用 MediaPipe 任务设置开发环境的一般信息(包括平台版本要求),请参阅 Android 设置指南。
依赖项
Image Segmenter 使用 com.google.mediapipe:tasks-vision
库。请将此依赖项添加到 Android 应用开发项目的 build.gradle
文件中。使用以下代码导入所需的依赖项:
dependencies {
...
implementation 'com.google.mediapipe:tasks-vision:latest.release'
}
模型
MediaPipe Image Segmenter 任务需要使用与此任务兼容的经过训练的模型。如需详细了解适用于 Image Segmenter 的经过训练的模型,请参阅任务概览“模型”部分。
选择并下载模型,然后将其存储在项目目录中:
<dev-project-root>/src/main/assets
使用 BaseOptions.Builder.setModelAssetPath()
方法指定模型使用的路径。下一部分的代码示例将引用此方法。
在图片分割器示例代码中,模型在 setupImageSegmenter()
函数的 ImageSegmenterHelper.kt
类中定义。
创建任务
您可以使用 createFromOptions
函数创建任务。createFromOptions
函数接受配置选项,包括掩码输出类型。如需详细了解任务配置,请参阅配置选项。
图像分割器任务支持以下输入数据类型:静态图片、视频文件和实时视频串流。您必须在创建任务时指定与输入数据类型对应的运行模式。选择输入数据类型对应的标签页,以查看如何创建该任务。
映像
ImageSegmenterOptions options = ImageSegmenterOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.IMAGE) .setOutputCategoryMask(true) .setOutputConfidenceMasks(false) .build(); imagesegmenter = ImageSegmenter.createFromOptions(context, options);
视频
ImageSegmenterOptions options = ImageSegmenterOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.VIDEO) .setOutputCategoryMask(true) .setOutputConfidenceMasks(false) .build(); imagesegmenter = ImageSegmenter.createFromOptions(context, options);
直播
ImageSegmenterOptions options = ImageSegmenterOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.LIVE_STREAM) .setOutputCategoryMask(true) .setOutputConfidenceMasks(false) .setResultListener((result, inputImage) -> { // Process the segmentation result here. }) .setErrorListener((result, inputImage) -> { // Process the segmentation errors here. }) .build() imagesegmenter = ImageSegmenter.createFromOptions(context, options)
通过图像分割器示例代码实现,用户可以切换处理模式。这种方法会使任务创建代码更加复杂,可能不适合您的用例。您可以通过 setupImageSegmenter()
函数在 ImageSegmenterHelper
类中查看此代码。
配置选项
此任务具有以下 Android 应用的配置选项:
选项名称 | 说明 | 值范围 | 默认值 |
---|---|---|---|
runningMode |
设置任务的运行模式。有三种模式: IMAGE:单张图片输入的模式。 VIDEO:视频的已解码帧的模式。 LIVE_STREAM:输入数据(例如来自摄像头)的直播的模式。在此模式下,必须调用 resultListener,以设置用于异步接收结果的监听器。 |
{IMAGE, VIDEO, LIVE_STREAM } |
IMAGE |
outputCategoryMask |
如果设置为 True ,则输出会包含一个 uint8 图片形式的分割掩码,其中每个像素值表示胜出类别值。 |
{True, False } |
False |
outputConfidenceMasks |
如果设置为 True ,则输出将包含分割掩码(浮点值图片),其中每个浮点值表示类别的置信度分数映射。 |
{True, False } |
True |
displayNamesLocale |
设置任务模型元数据中提供的显示名(如果有)要使用的标签语言。英语的默认值为 en 。您可以使用 TensorFlow Lite Metadata Writer API 向自定义模型的元数据添加本地化标签。 | 语言区域代码 | en |
resultListener |
设置结果监听器,以在图像分割器处于直播模式时异步接收分割结果。只能在跑步模式设为“LIVE_STREAM ”时使用 |
N/A | N/A |
errorListener |
设置可选的错误监听器。 | N/A | 未设置 |
准备数据
Image Segmenter 适用于图片、视频文件和直播视频。该任务会处理数据输入预处理,包括大小调整、旋转和值归一化。
您需要先将输入图片或帧转换为 com.google.mediapipe.framework.image.MPImage
对象,然后再将其传递给图片分割器。
映像
import com.google.mediapipe.framework.image.BitmapImageBuilder; import com.google.mediapipe.framework.image.MPImage; // Load an image on the user’s device as a Bitmap object using BitmapFactory. // Convert an Android’s Bitmap object to a MediaPipe’s Image object. Image mpImage = new BitmapImageBuilder(bitmap).build();
视频
import com.google.mediapipe.framework.image.BitmapImageBuilder; import com.google.mediapipe.framework.image.MPImage; // Load a video file on the user's device using MediaMetadataRetriever // From the video’s metadata, load the METADATA_KEY_DURATION and // METADATA_KEY_VIDEO_FRAME_COUNT value. You’ll need them // to calculate the timestamp of each frame later. // Loop through the video and load each frame as a Bitmap object. // Convert the Android’s Bitmap object to a MediaPipe’s Image object. Image mpImage = new BitmapImageBuilder(frame).build();
直播
import com.google.mediapipe.framework.image.MediaImageBuilder; import com.google.mediapipe.framework.image.MPImage; // Create a CameraX’s ImageAnalysis to continuously receive frames // from the device’s camera. Configure it to output frames in RGBA_8888 // format to match with what is required by the model. // For each Android’s ImageProxy object received from the ImageAnalysis, // extract the encapsulated Android’s Image object and convert it to // a MediaPipe’s Image object. android.media.Image mediaImage = imageProxy.getImage() Image mpImage = new MediaImageBuilder(mediaImage).build();
在 Image Segmenter 示例代码中,数据准备由 segmentLiveStreamFrame()
函数在 ImageSegmenterHelper
类中处理。
运行任务
您可以根据当前使用的运行模式调用不同的 segment
函数。图片分割器函数会返回输入图片或帧中已识别的片段区域。
映像
ImageSegmenterResult segmenterResult = imagesegmenter.segment(image);
视频
// Calculate the timestamp in milliseconds of the current frame. long frame_timestamp_ms = 1000 * video_duration * frame_index / frame_count; // Run inference on the frame. ImageSegmenterResult segmenterResult = imagesegmenter.segmentForVideo(image, frameTimestampMs);
直播
// Run inference on the frame. The segmentations results will be available via // the `resultListener` provided in the `ImageSegmenterOptions` when the image // segmenter was created. imagesegmenter.segmentAsync(image, frameTimestampMs);
请注意以下几点:
- 在视频模式或直播模式下运行时,您还必须向 Image Segmenter 任务提供输入帧的时间戳。
- 在图片或视频模式下运行时,Image Segmenter 任务会阻塞当前线程,直到处理完输入图片或帧。为避免阻塞界面,请在后台线程中执行处理。
- 在直播模式下运行时,Image Segmenter 任务不会阻塞当前线程,但会立即返回。每当处理完输入帧时,它都会使用检测结果调用其结果监听器。如果在图像分割器任务正忙于处理另一帧时调用
segmentAsync
函数,则该任务会忽略新的输入帧。
在图片分割器示例代码中,segment
函数在 ImageSegmenterHelper.kt
文件中定义。
处理和显示结果
运行推断后,Image Segmenter 任务会返回一个包含分割任务的结果的 ImageSegmenterResult
对象。输出的内容取决于您在配置任务时设置的 outputType
。
以下各部分展示了此任务的输出数据示例:
类别置信度
下图显示了类别置信度掩码的任务输出的可视化效果。置信度掩码输出包含介于 [0, 1]
之间的浮点值。
原始图片和类别置信度遮盖输出。来自 Pascal VOC 2012 数据集的来源图片。
类别值
下图显示了类别值掩码的任务输出的可视化效果。类别掩码范围为 [0, 255]
,每个像素值代表模型输出的胜出类别索引。胜出类别索引在模型可以识别的类别中得分最高。
原始图片和类别掩码输出。来自 Pascal VOC 2012 数据集的来源图片。