Harbeth 是 Apple 的 Metal 框架上的一小部分实用程序和扩展,致力于使您的 Swift GPU 代码愈加简洁,让您更快地构建管道原型。本文就来介绍与规划根据GPU的滤镜,图形处理和滤镜制造…
功用清单
现在,Metal Moudle 最重要的特点能够总结如下:
- 支撑运算符函数式操作
- 支撑快速规划滤镜
- 支撑输出源的快速扩展
- 支撑相机收集特效
- 支撑矩阵卷积
- 滤镜部分大致分为以下几个模块:
- Blend:图画融合技能
- Blur:模糊作用
- ColorProcess:图画的基本像素色彩处理
- Effect:作用处理
- Lookup:查找表过滤器
- Matrix: 矩阵卷积滤波器
- Shape:图画形状巨细相关
- VisualEffect: 视觉动态特效
总结下来现在共有100+
种滤镜供您使用。
- 代码零侵入注入滤镜功用,
原始代码:
ImageView.image = originImage
注入滤镜代码:
let filter = C7ColorMatrix4x4(matrix: Matrix4x4.sepia)
ImageView.image = try? originImage.make(filter: filter)
- 相机收集生成图片
注入边际检测滤镜
var filter = C7EdgeGlow()
filter.lineColor = UIColor.blue
生成相机收集器
let collector = C7FilterCollector(callback: {
self.ImageView.image = $0
})
collector.captureSession.sessionPreset = AVCaptureSession.Preset.hd1280x720
collector.filter = filter
ImageView.layer.addSublayer(collector)
首要部分
-
中心,基础中心板块
-
C7FilterProtocol:滤镜规划有必要遵循此协议。
- modifier:编码器类型和对应的函数称号。
-
factors:设置修正参数因子,需求转换为
Float
。 -
otherInputTextures:多个输入源,包含
MTLTexture
的数组 - outputSize:更改输出图画的巨细。
-
C7FilterProtocol:滤镜规划有必要遵循此协议。
-
输出,输出板块
-
C7FilterOutput:输出内容协议,一切输出都有必要完成该协议。
- make:根据滤镜处理生成数据。
- makeGroup:多个滤镜组合,请注意滤镜增加的顺序可能会影响图画生成的成果。
- C7FilterImage:根据C7FilterOutput的图画输入源,以下形式仅支撑根据并行核算的编码器。
- C7FilterTexture: 根据C7FilterOutput的纹路输入源,输入纹路转换成滤镜处理纹路。
- C7CollectorCamera:相机数据收集器,直接生成图画,然后在主线程回来。
- C7CollectorVideo:视频图画桢参加滤镜作用,直接生成图画。
-
C7FilterOutput:输出内容协议,一切输出都有必要完成该协议。
规划滤镜
- 下面我们就第一款滤镜来共享一下如何规划处理
- 完成协议
C7FilterProtocal
public protocol C7FilterProtocol {
/// 编码器类型和对应的函数名
///
/// 核算需求对应的`kernel`函数名
/// 烘托需求一个`vertex`着色器函数名和一个`fragment`着色器函数名
var modifier: Modifier { get }
/// 制造缓冲区
/// 设置修正参数因子,需求转换为`Float`。
var factors: [Float] { get }
/// 多输入源扩展
/// 包含 `MTLTexture` 的数组
var otherInputTextures: C7InputTextures { get }
/// 改动输出图画的巨细
func outputSize(input size:C7Size)-> C7Size
}
- 编写根据并行核算的核函数着色器。
- 装备传递参数因子,仅支撑
Float
类型。 - 装备额外的所需纹路。
举个例子
规划一款魂灵出窍滤镜,
public struct C7SoulOut: C7FilterProtocol {
/// The adjusted soul, from 0.0 to 1.0, with a default of 0.5
public var soul: Float = 0.5
public var maxScale: Float = 1.5
public var maxAlpha: Float = 0.5
public var modifier: Modifier {
return .compute(kernel: "C7SoulOut")
}
public var factors: [Float] {
return [soul, maxScale, maxAlpha]
}
public init() { }
}
-
此过滤器需求三个参数:
-
soul
:调整后的魂灵,从 0.0 到 1.0,默认为 0.5 -
maxScale
:最大魂灵份额 -
maxAlpha
:最大魂灵的透明度
-
-
编写根据并行核算内核函数
kernel void C7SoulOut(texture2d<half, access::write> outputTexture [[texture(0)]],
texture2d<half, access::sample> inputTexture [[texture(1)]],
constant float *soulPointer [[buffer(0)]],
constant float *maxScalePointer [[buffer(1)]],
constant float *maxAlphaPointer [[buffer(2)]],
uint2 grid [[thread_position_in_grid]]) {
constexpr sampler quadSampler(mag_filter::linear, min_filter::linear);
const half4 inColor = inputTexture.read(grid);
const float x = float(grid.x) / outputTexture.get_width();
const float y = float(grid.y) / outputTexture.get_height();
const half soul = half(*soulPointer);
const half maxScale = half(*maxScalePointer);
const half maxAlpha = half(*maxAlphaPointer);
const half alpha = maxAlpha * (1.0h - soul);
const half scale = 1.0h + (maxScale - 1.0h) * soul;
const half soulX = 0.5h + (x - 0.5h) / scale;
const half soulY = 0.5h + (y - 0.5h) / scale;
const half4 soulMask = inputTexture.sample(quadSampler, float2(soulX, soulY));
const half4 outColor = inColor * (1.0h - alpha) + soulMask * alpha;
outputTexture.write(outColor, grid);
}
- 简单使用,由于我这边规划的是根据并行核算管道,所以能够直接生成图片
var filter = C7SoulOut()
filter.soul = 0.5
filter.maxScale = 2.0
/// 直接显现在ImageView
ImageView.image = try? originImage.makeImage(filter: filter)
- 至于上面的动效也很简单,增加一个计时器,然后改动
soul
值就完事,简单嘛。
高档用法
- 运算符链式处理
/// 1.转换成BGRA
let filter1 = C7Color2(with: .color2BGRA)
/// 2.调整颗粒度
var filter2 = C7Granularity()
filter2.grain = 0.8
/// 3.调整白平衡
var filter3 = C7WhiteBalance()
filter3.temperature = 5555
/// 4.调整高光暗影
var filter4 = C7HighlightShadow()
filter4.shadows = 0.4
filter4.highlights = 0.5
/// 5.组合操作
let AT = C7FilterTexture.init(texture: originImage.mt.toTexture()!)
let result = AT ->> filter1 ->> filter2 ->> filter3 ->> filter4
/// 6.获取成果
filterImageView.image = result.outputImage()
- 批量操作处理
/// 1.转换成RBGA
let filter1 = C7Color2(with: .color2RBGA)
/// 2.调整颗粒度
var filter2 = C7Granularity()
filter2.grain = 0.8
/// 3.装备魂灵作用
var filter3 = C7SoulOut()
filter3.soul = 0.7
/// 4.组合操作
let group: [C7FilterProtocol] = [filter1, filter2, filter3]
/// 5.获取成果
filterImageView.image = try? originImage.makeGroup(filters: group)
两种方法都能够处理多滤镜方案,怎样选择就看你心境。✌️
CocoaPods
- 假如要导入 Metal 模块,则需求在 Podfile 中:
pod 'Harbeth'
- 假如要导入 OpenCV 图画模块,则需求在 Podfile 中:
pod 'OpencvQueen'
作用图
- 来一波部分展示作用图:
最终
- 关于滤镜框架介绍与规划到此为止吧。
- 慢慢再弥补其他相关滤镜,喜爱就给我点个星吧。
-
滤镜Demo地址,现在包含
100+
种滤镜,当然也有大部分滤镜算法是参考GPUImage规划而来。 - 再附上一个开发加快库KJCategoriesDemo地址喜爱的老板们能够点个星
✌️.