热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

【高效构建全面的iOS直播应用】(美颜功能深度解析)

本文深入探讨了如何高效构建全面的iOS直播应用,特别聚焦于美颜功能的技术实现。通过详细解析美颜算法和优化策略,帮助开发者快速掌握关键技术和实现方法,提升用户体验。适合对直播应用开发感兴趣的开发者阅读。

来源:袁峥Seemygo

链接:http://www.jianshu.com/p/4646894245ba

前言

在看这篇之前,如果您还不了解直播原理,请查看这篇文章如何快速的开发一个完整的iOS直播app(原理篇)

开发一款直播app,美颜功能是很重要的,如果没有美颜功能,可能分分钟钟掉粉千万,本篇主要讲解直播中美颜功能的实现原理,并且实现美颜功能。

利用GPUImage处理直播过程中美颜的流程

    • 采集视频 => 获取每一帧图片 => 滤镜处理 => GPUImageView展示

技术分享

美颜原理.png

美颜基本概念

GPU:(Graphic Processor Unit图形处理单元)手机或者电脑用于图像处理和渲染的硬件

GPU工作原理:CPU指定显示控制器工作,显示控制器根据CPU的控制到指定的地方去取数据和指令, 目前的数据一般是从显存里取,如果显存里存不下,则从内存里取, 内存也放不下,则从硬盘里取,当然也不是内存放不下,而是为了节省内存的话,可以放在硬盘里,然后通过指令控制显示控制器去取。

OpenGL ES:(Open Graphics Library For Embedded(嵌入的) Systems 开源嵌入式系统图形处理框架),一套图形与硬件接口,用于把处理好的图片显示到屏幕上。

GPUImage:是一个基于OpenGL ES 2.0图像和视频处理的开源iOS框架,提供各种各样的图像处理滤镜,并且支持照相机和摄像机的实时滤镜,内置120多种滤镜效果,并且能够自定义图像滤镜。

滤镜处理的原理:就是把静态图片或者视频的每一帧进行图形变换再显示出来。它的本质就是像素点的坐标和颜色变化

GPUImage处理画面原理

  • GPUImage采用链式方式来处理画面,通过addTarget:方法为链条添加每个环节的对象,处理完一个target,就会把上一个环节处理好的图像数据传递下一个target去处理,称为GPUImage处理链。

    • 中间环节的target, 一般是各种filter, 是GPUImageFilter或者是子类.

    • 最终环节的target, GPUImageView:用于显示到屏幕上, 或者GPUImageMovieWriter:写成视频文件。

    • 比如:墨镜原理,从外界传来光线,会经过墨镜过滤,在传给我们的眼睛,就能感受到大白天也是乌黑一片,哈哈。

    • 一般的target可分为两类

  • GPUImage处理主要分为3个环节

    • GPUImageVideoCamera:用于实时拍摄视频

    • GPUImageStillCamera:用于实时拍摄照片

    • GPUImagePicture:用于处理已经拍摄好的图片,比如png,jpg图片

    • GPUImageMovie:用于处理已经拍摄好的视频,比如mp4文件

    • source(视频、图片源) -> filter(滤镜) -> final target (处理后视频、图片)

    • GPUImaged的Source:都继承GPUImageOutput的子类,作为GPUImage的数据源,就好比外界的光线,作为眼睛的输出源

    • GPUImage的filter:GPUimageFilter类或者子类,这个类继承自GPUImageOutput,并且遵守GPUImageInput协议,这样既能流进,又能流出,就好比我们的墨镜,光线通过墨镜的处理,最终进入我们眼睛

    • GPUImage的final target:GPUImageView,GPUImageMovieWriter就好比我们眼睛,最终输入目标。

技术分享

GPUImage处理原理.png

美颜原理

  • 磨皮(GPUImageBilateralFilter):本质就是让像素点模糊,可以使用高斯模糊,但是可能导致边缘会不清晰,用双边滤波(Bilateral Filter) ,有针对性的模糊像素点,能保证边缘不被模糊。

  • 美白(GPUImageBrightnessFilter):本质就是提高亮度。

美颜效果

  • 关注效果,忽悠本人

GPUImage原生美颜效果

 技术分享

GPUImage原生.gif

利用美颜滤镜实现效果

 

(提示:由于 GIF 动图超过微信最大限制,无法上传)

GPUImage实战

GPUImage原生美颜

  • 步骤一:使用Cocoapods导入GPUImage

  • 步骤二:创建视频源GPUImageVideoCamera

  • 步骤三:创建最终目的源:GPUImageView

  • 步骤四:创建滤镜组(GPUImageFilterGroup),需要组合亮度(GPUImageBrightnessFilter)和双边滤波(GPUImageBilateralFilter)这两个滤镜达到美颜效果.

  • 步骤五:设置滤镜组链

  • 步骤六:设置GPUImage处理链,从数据源 => 滤镜 => 最终界面效果

  • 步骤七:开始采集视频

注意点:

  • SessionPreset最好使用AVCaptureSessionPresetHigh,会自动识别,如果用太高分辨率,当前设备不支持会直接报错

  • GPUImageVideoCamera必须要强引用,否则会被销毁,不能持续采集视频.

  • 必须调用startCameraCapture,底层才会把采集到的视频源,渲染到GPUImageView中,就能显示了。

  • GPUImageBilateralFilter的distanceNormalizationFactor值越小,磨皮效果越好,distanceNormalizationFactor取值范围: 大于1。

- (void)viewDidLoad {

    [super viewDidLoad];

    // 创建视频源

    // SessionPreset:屏幕分辨率,AVCaptureSessionPresetHigh会自适应高分辨率

    // cameraPosition:摄像头方向

    GPUImageVideoCamera *videoCamera = [[GPUImageVideoCamera alloc] initWithSessionPreset:AVCaptureSessionPresetHigh cameraPosition:AVCaptureDevicePositionFront];

     videoCamera.outputImageOrientation = UIInterfaceOrientationPortrait;

    _videoCamera = videoCamera;

    // 创建最终预览View

    GPUImageView *captureVideoPreview = [[GPUImageView alloc] initWithFrame:self.view.bounds];

    [self.view insertSubview:captureVideoPreview atIndex:0];

    // 创建滤镜:磨皮,美白,组合滤镜

    GPUImageFilterGroup *groupFilter = [[GPUImageFilterGroup alloc] init];

    // 磨皮滤镜

    GPUImageBilateralFilter *bilateralFilter = [[GPUImageBilateralFilter alloc] init];

    [groupFilter addTarget:bilateralFilter];

    _bilateralFilter = bilateralFilter;

    // 美白滤镜

    GPUImageBrightnessFilter *brightnessFilter = [[GPUImageBrightnessFilter alloc] init];

    [groupFilter addTarget:brightnessFilter];

    _brightnessFilter = brightnessFilter;

    // 设置滤镜组链

    [bilateralFilter addTarget:brightnessFilter];

    [groupFilter setInitialFilters:@[bilateralFilter]];

    groupFilter.terminalFilter = brightnessFilter;

    // 设置GPUImage响应链,从数据源 => 滤镜 => 最终界面效果

    [videoCamera addTarget:groupFilter];

    [groupFilter addTarget:captureVideoPreview];

    // 必须调用startCameraCapture,底层才会把采集到的视频源,渲染到GPUImageView中,就能显示了。

    // 开始采集视频

    [videoCamera startCameraCapture];

}

- (IBAction)brightnessFilter:(UISlider *)sender {

    _brightnessFilter.brightness = sender.value;

}

- (IBAction)bilateralFilter:(UISlider *)sender {

    // 值越小,磨皮效果越好

    CGFloat maxValue = 10;

    [_bilateralFilter setDistanceNormalizationFactor:(maxValue - sender.value)];

}

利用美颜滤镜实现

  • 步骤一:使用Cocoapods导入GPUImage

  • 步骤二:导入GPUImageBeautifyFilter文件夹

  • 步骤三:创建视频源GPUImageVideoCamera

  • 步骤四:创建最终目的源:GPUImageView

  • 步骤五:创建最终美颜滤镜:GPUImageBeautifyFilter

  • 步骤六:设置GPUImage处理链,从数据源 => 滤镜 => 最终界面效果

注意:

  • 切换美颜效果原理:移除之前所有处理链,重新设置处理链

- (void)viewDidLoad {

    [super viewDidLoad];

    // Do any additional setup after loading the view.

    // 创建视频源

    // SessionPreset:屏幕分辨率,AVCaptureSessionPresetHigh会自适应高分辨率

    // cameraPosition:摄像头方向

    GPUImageVideoCamera *videoCamera = [[GPUImageVideoCamera alloc] initWithSessionPreset:AVCaptureSessionPresetHigh cameraPosition:AVCaptureDevicePositionFront];

    videoCamera.outputImageOrientation = UIInterfaceOrientationPortrait;

    _videoCamera = videoCamera;

    // 创建最终预览View

    GPUImageView *captureVideoPreview = [[GPUImageView alloc] initWithFrame:self.view.bounds];

    [self.view insertSubview:captureVideoPreview atIndex:0];

    _captureVideoPreview = captureVideoPreview;

    // 设置处理链

    [_videoCamera addTarget:_captureVideoPreview];

    // 必须调用startCameraCapture,底层才会把采集到的视频源,渲染到GPUImageView中,就能显示了。

    // 开始采集视频

    [videoCamera startCameraCapture];

}

- (IBAction)openBeautifyFilter:(UISwitch *)sender {

    // 切换美颜效果原理:移除之前所有处理链,重新设置处理链

    if (sender.on) {

        // 移除之前所有处理链

        [_videoCamera removeAllTargets];

        // 创建美颜滤镜

        GPUImageBeautifyFilter *beautifyFilter = [[GPUImageBeautifyFilter alloc] init];

        // 设置GPUImage处理链,从数据源 => 滤镜 => 最终界面效果

        [_videoCamera addTarget:beautifyFilter];

        [beautifyFilter addTarget:_captureVideoPreview];

    } else {

        // 移除之前所有处理链

        [_videoCamera removeAllTargets];

        [_videoCamera addTarget:_captureVideoPreview];

    }

}

GPUImage扩展

  • GPUImage所有滤镜介绍

    http://www.360doc.com/content/15/0907/10/19175681_497418716.shtml

  • 美颜滤镜

    http://www.jianshu.com/p/945fc806a9b4

  • 美图秀秀滤镜大汇总

    http://www.tuicool.com/articles/6bIbQbQ

源码下载

源码 https://github.com/iThinkerYZ/GPUImgeDemo

注意:第一次打开需要 pod install

结束语

后续还会讲解GPUImage原理openGL ES,视频编码,推流,聊天室,礼物系统等更多功能,敬请关注!!!

【如何快速的开发一个完整的 iOS 直播 app】(美颜篇)


推荐阅读
  • 2023年京东Android面试真题解析与经验分享
    本文由一位拥有6年Android开发经验的工程师撰写,详细解析了京东面试中常见的技术问题。涵盖引用传递、Handler机制、ListView优化、多线程控制及ANR处理等核心知识点。 ... [详细]
  • 从 .NET 转 Java 的自学之路:IO 流基础篇
    本文详细介绍了 Java 中的 IO 流,包括字节流和字符流的基本概念及其操作方式。探讨了如何处理不同类型的文件数据,并结合编码机制确保字符数据的正确读写。同时,文中还涵盖了装饰设计模式的应用,以及多种常见的 IO 操作实例。 ... [详细]
  • andr ... [详细]
  • 本文探讨了如何在 PHP 的 Eloquent ORM 中实现数据表之间的关联查询,并通过具体示例详细解释了如何将关联数据嵌入到查询结果中。这不仅提高了数据查询的效率,还简化了代码逻辑。 ... [详细]
  • 本文介绍如何使用阿里云的fastjson库解析包含时间戳、IP地址和参数等信息的JSON格式文本,并进行数据处理和保存。 ... [详细]
  • 网络运维工程师负责确保企业IT基础设施的稳定运行,保障业务连续性和数据安全。他们需要具备多种技能,包括搭建和维护网络环境、监控系统性能、处理突发事件等。本文将探讨网络运维工程师的职业前景及其平均薪酬水平。 ... [详细]
  • 高效解决应用崩溃问题!友盟新版错误分析工具全面升级
    友盟推出的最新版错误分析工具,专为移动开发者设计,提供强大的Crash收集与分析功能。该工具能够实时监控App运行状态,快速发现并修复错误,显著提升应用的稳定性和用户体验。 ... [详细]
  • 帝国CMS多图上传插件详解及使用指南
    本文介绍了一款用于帝国CMS的多图上传插件,该插件通过Flash技术实现批量图片上传功能,显著提升了多图上传效率。文章详细说明了插件的安装、配置和使用方法。 ... [详细]
  • 本文介绍如何使用Python进行文本处理,包括分词和生成词云图。通过整合多个文本文件、去除停用词并生成词云图,展示文本数据的可视化分析方法。 ... [详细]
  • 本文探讨了领域驱动设计(DDD)的核心概念、应用场景及其实现方式,详细介绍了其在企业级软件开发中的优势和挑战。通过对比事务脚本与领域模型,展示了DDD如何提升系统的可维护性和扩展性。 ... [详细]
  • 优化局域网SSH连接延迟问题的解决方案
    本文介绍了解决局域网内SSH连接到服务器时出现长时间等待问题的方法。通过调整配置和优化网络设置,可以显著缩短SSH连接的时间。 ... [详细]
  • Startup 类配置服务和应用的请求管道。Startup类ASP.NETCore应用使用 Startup 类,按照约定命名为 Startup。 Startup 类:可选择性地包括 ... [详细]
  • 卷积神经网络(CNN)基础理论与架构解析
    本文介绍了卷积神经网络(CNN)的基本概念、常见结构及其各层的功能。重点讨论了LeNet-5、AlexNet、ZFNet、VGGNet和ResNet等经典模型,并详细解释了输入层、卷积层、激活层、池化层和全连接层的工作原理及优化方法。 ... [详细]
  • 分享一个简化版的Silverlight链接图项目:Link Map Simplified
    本文介绍了一个使用Silverlight开发的可视化工具,主要用于展示和操作复杂的实体关系图(Graph)。该工具在犯罪调查系统中得到了广泛应用,帮助用户直观地获取和理解相关信息。 ... [详细]
  • Netflix利用Druid实现高效实时数据分析
    本文探讨了全球领先的在线娱乐公司Netflix如何通过采用Apache Druid,实现了高效的数据采集、处理和实时分析,从而显著提升了用户体验和业务决策的准确性。文章详细介绍了Netflix在系统架构、数据摄取、管理和查询方面的实践,并展示了Druid在大规模数据处理中的卓越性能。 ... [详细]
author-avatar
九九九丶
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有