花房姑娘电视剧免费播放,日本三级吃奶头添泬播放,第一次和公翁做爰又大又粗

關鍵詞

濾鏡 GPUImage 顏色 Filter colorDistance 相機識別框架紋理渲染

本文所有示例代碼或Demo可以在此獲?。?a target="_blank" rel="nofollow">https://github.com/WillieWangWei/SampleCode_GPUImage2_Usage

如果本文對你有所幫助，請給個Star??

概述

GPUImage是一個基于OpenGL ES 2.0的開源的圖像處理庫，作者是Brad Larson。GPUImage將OpenGL ES封裝為簡潔的Objective-C或Swift接口，可以用來給圖像、實時相機視頻、電影等添加濾鏡。對于諸如處理圖像或實況視頻幀的大規模并行操作，GPU相對于CPU具有一些顯著的性能優點。在iPhone 4上，簡單的圖像濾鏡在GPU上的執行速度比等效的基于CPU的濾鏡快100多倍。

目前它有兩個版本：

GPUImage。開發者使用最多的版本，它于2012年最早推出，使用Objective-C編寫，支持macOS和iOS。
GPUImage2。同一作者在2016年推出的版本，使用Swift編寫，是GPUImage框架的第二代，支持macOS、iOS和Swift代碼的Linux或未來平臺。

本文以Swift版的GPUImage2為主題，從以下幾個方面進行講解：

在項目中集成
特性
示例代碼
注意問題

在項目中集成

下載壓縮包文件，下載地址。
解壓后目錄如下：

文件目錄

將framework下的GPUImage-iOS.xcodeproj項目和Source文件夾復制到你的項目中。
在你的項目的Build Phases欄，Target Dependency中添加GPUImage依賴。

Target Dependency

在下面的Link Binary With Libraries中添加GPUImage。

Link Binary With Libraries

點擊左上角的+，選擇New Copy Files Phase，在新建的Copy Files中將Destination選為Frameworks，并在欄目中添加GPUImage.framework。

Copy Files

確認現在你的項目文件夾中存在GPUImage-iOS.xcodeproj和Source，像是這樣：

編譯條件

4.如果前幾步沒有問題，現在Build。稍等會提示成功，但出現了一些警告：

過期警告

這是因為使用了過期的函數，但暫時不會造成功能上的問題。如果你覺得不爽，可以參考如何忽略警告。

特性

GPUImage2可以進行多種模式的圖像處理，其邏輯類似于流水線的概念。流水線上有若干個工位（Filter），每個工位接收來自上一個工位的產品（Data），完成此工序的加工（Processing）后交給下一個工位（Target）處理。產品從開始端（Input）經過整條流水線加工，到達結束端（Output）變為成品。

處理流程

雖然功能和GPUImage相似，但GPUImage2使用了大量Swift語言的特性，在命名規則、代碼風格上都產生了很大的差別，比如：

-->運算符

-->是GPUImage2定義的一個中綴運算符，它將兩個對象像鏈條一樣串聯起來，用起來像是這樣：

camera --> basicOperation --> renderView

左邊的參數遵循ImageSource協議，作為數據的輸入，右邊的參數遵循ImageConsumer協議，作為數據的輸出。這里的basicOperation是BasicOperation的一個實例，其父類ImageProcessingOperation同時遵循ImageSource和ImageConsumer協議，所以它可以放在-->的左邊或右邊。
-->的運算是左結合的，類似于GPUImage中的addTarget方法，但是-->有一個返回值，就是右邊的參數。在上面的示例中，先計算了前半部camera --> basicOperation，然后右邊的參數basicOperation作為返回值又參與了后半部basicOperation --> renderView的計算。
-->體現了鏈式編程的思想，讓代碼更加優雅，在GPUImage2有著大量運用，這得益于Swift強大的語法，關于Swift中的高級運算符，請看這里。

示例代碼

GPUImage2主要提供了這些功能：

處理靜態圖片
操作組
實時視頻濾鏡
從視頻中捕獲圖片
編寫自定義的圖像處理操作
從靜態圖片中捕獲并添加濾鏡（即將實現）
添加濾鏡并轉碼視頻（即將實現）

準備

導入頭文件

import GPUImage
import AVFoundation

聲明變量

var camera: Camera!
var basicOperation: BasicOperation!
var renderView: RenderView!

lazy var imageView: UIImageView = {
   
    let imageView = UIImageView(frame: CGRect(x: 0, y: 0, width: UIScreen.main.bounds.width, height: UIScreen.main.bounds.height))
    imageView.image = UIImage(contentsOfFile: Bundle.main.path(forResource: "Yui", ofType: "jpg")!)
    imageView.contentMode = .scaleAspectFit
    
    return imageView
}()

初始化

override func viewDidLoad() {
    super.viewDidLoad()
    
    view.addSubview(imageView)
}

處理靜態圖片

創建濾鏡實例

// 創建一個BrightnessAdjustment顏色處理濾鏡
let brightnessAdjustment = BrightnessAdjustment()
brightnessAdjustment.brightness = 0.2

// 創建一個ExposureAdjustment顏色處理濾鏡
let exposureAdjustment = ExposureAdjustment()
exposureAdjustment.exposure = 0.5

使用GPUImage對UIImage提供的擴展方法進行便利濾鏡處理

// 1.使用GPUImage對UIImage的擴展方法進行濾鏡處理
var filteredImage: UIImage

// 1.1單一濾鏡
filteredImage = imageView.image!.filterWithOperation(brightnessAdjustment)

// 1.2多個濾鏡疊加
filteredImage = imageView.image!.filterWithPipeline { (input, output) in
    input --> brightnessAdjustment --> exposureAdjustment --> output
}

// 不建議的
imageView.image = filteredImage

注意：如果要將圖片顯示在屏幕上或者進行多次濾鏡處理時，以上方法會讓Core Graphics產生更多開銷，建議使用處理鏈，最后指向RenderView來顯示，如下：

// 2.使用管道處理

// 創建圖片輸入
let pictureInput = PictureInput(image: imageView.image!)
// 創建圖片輸出
let pictureOutput = PictureOutput()
// 給閉包賦值
pictureOutput.imageAvailableCallback = { image in
    // 這里的image是處理完的數據，UIImage類型
}
// 綁定處理鏈
pictureInput --> brightnessAdjustment --> exposureAdjustment --> pictureOutput
// 開始處理 synchronously: true 同步執行 false 異步執行，處理完畢后會調用imageAvailableCallback這個閉包
pictureInput.processImage(synchronously: true)

操作組

你可以將若干個BasicOperation的實例包裝成一個OperationGroup操作組，通過給閉包賦值來定義組內濾鏡的處理流程，外部可以將OperationGroup的實例作為一個獨立單位參與其他濾鏡處理。

// MARK: - 操作組
func operationGroup() {
    
    // 創建一個BrightnessAdjustment顏色處理濾鏡
    let brightnessAdjustment = BrightnessAdjustment()
    brightnessAdjustment.brightness = 0.2
    
    // 創建一個ExposureAdjustment顏色處理濾鏡
    let exposureAdjustment = ExposureAdjustment()
    exposureAdjustment.exposure = 0.5
    
    // 創建一個操作組
    let operationGroup = OperationGroup()
    
    // 給閉包賦值，綁定處理鏈
    operationGroup.configureGroup{input, output in
        input --> brightnessAdjustment --> exposureAdjustment --> output
    }

    // 進行濾鏡處理
    imageView.image = imageView.image!.filterWithOperation(operationGroup)
}

實時視頻濾鏡

從相機中獲取圖像數據，經過濾鏡處理后實時的顯示在屏幕上。

// MARK: - 實時視頻濾鏡
func CameraFiltering() {
    
    // Camera的構造函數是可拋出錯誤的
    do {
        // 創建一個Camera的實例，Camera遵循ImageSource協議，用來從相機捕獲數據
        
        /// Camera的指定構造器
        ///
        /// - Parameters:
        ///   - sessionPreset: 捕獲視頻的分辨率
        ///   - cameraDevice: 相機設備，默認為nil
        ///   - location: 前置相機還是后置相機，默認為.backFacing
        ///   - captureAsYUV: 是否采集為YUV顏色編碼，默認為true
        /// - Throws: AVCaptureDeviceInput構造錯誤
        camera = try Camera(sessionPreset: AVCaptureSessionPreset1280x720,
                            cameraDevice: nil,
                            location: .backFacing,
                            captureAsYUV: true)
        
        // Camera的指定構造器是有默認參數的，可以只傳入sessionPreset參數
        // camera = try Camera(sessionPreset: AVCaptureSessionPreset1280x720)
        
    } catch {
        
        print(error)
        return
    }
    
    // 創建一個Luminance顏色處理濾鏡
    basicOperation = Luminance()
    
    // 創建一個RenderView的實例并添加到view上，用來顯示最終處理出的內容
    renderView = RenderView(frame: view.bounds)
    view.addSubview(renderView)
    
    // 綁定處理鏈
    camera --> basicOperation --> renderView
    
    // 開始捕捉數據
    camera.startCapture()
    
    // 結束捕捉數據
    // camera.stopCapture()
}

從視頻中捕獲圖片

從視頻中獲取某一幀的圖片，可以以任一濾鏡節點作為數據源。

// MARK: - 從實時視頻中截圖圖片
func captureImageFromVideo() {
    
    // 啟動實時視頻濾鏡
    self.cameraFiltering()
    
    // 設置保存路徑
    guard let outputPath = NSSearchPathForDirectoriesInDomains(.documentDirectory, .userDomainMask, true).first else { return }
    
    let originalPath = outputPath + "/originalImage.png"
    print("path: \(originalPath)")
    let originalURL = URL(fileURLWithPath: originalPath)
    
    let filteredPath = outputPath + "/filteredImage.png"
    print("path: \(filteredPath)")
    let filteredlURL = URL(fileURLWithPath: filteredPath)
    
    // 延遲1s執行，防止截到黑屏
    DispatchQueue.main.asyncAfter(deadline: DispatchTime.now() + .seconds(1)) {
        
        // 保存相機捕捉到的圖片
        self.camera.saveNextFrameToURL(originalURL, format: .png)
        
        // 保存濾鏡后的圖片
        self.basicOperation.saveNextFrameToURL(filteredlURL, format: .png)
        
        // 如果需要處理回調，有下面兩種寫法
        
        let dataOutput = PictureOutput()
        dataOutput.encodedImageFormat = .png
        dataOutput.encodedImageAvailableCallback = {imageData in
            // 這里的imageData是截取到的數據，Data類型
        }
        self.camera --> dataOutput
        
        let imageOutput = PictureOutput()
        imageOutput.encodedImageFormat = .png
        imageOutput.imageAvailableCallback = {image in
            // 這里的image是截取到的數據，UIImage類型
        }
        self.camera --> imageOutput
    }
}

編寫自定義的圖像處理操作

自定義濾鏡需要使用OpenGL著色語言(GLSL)編寫Fragment Shader(片段著色器)，調用BasicOperation的構造器讀取寫好的文件，可以創建自定義濾鏡。

// MARK: - 編寫自定義的圖像處理操作
func customFilter() {
    
    // 獲取文件路徑
    let url = URL(fileURLWithPath: Bundle.main.path(forResource: "Custom", ofType: "fsh")!)
    
    var customFilter: BasicOperation
    
    do {
        // 從文件中創建自定義濾鏡
        customFilter = try BasicOperation(fragmentShaderFile: url)
    } catch {
        
        print(error)
        return
    }
    
    // 進行濾鏡處理
    imageView.image = imageView.image!.filterWithOperation(customFilter)
}

Custom.fsh文件像是這樣：

varying highp vec2 textureCoordinate;

uniform sampler2D inputImageTexture;

void main()
{
    highp vec2 sampleDivisor = vec2(1.0 / 200.0, 1.0 / 320.0);
    //highp vec4 colorDivisor = vec4(colorDepth);
    
    highp vec2 samplePos = textureCoordinate - mod(textureCoordinate, sampleDivisor);
    highp vec4 color = texture2D(inputImageTexture, samplePos );
    
    //gl_FragColor = texture2D(inputImageTexture, samplePos );
    mediump vec4 colorCyan = vec4(85.0 / 255.0, 1.0, 1.0, 1.0);
    mediump vec4 colorMagenta = vec4(1.0, 85.0 / 255.0, 1.0, 1.0);
    mediump vec4 colorWhite = vec4(1.0, 1.0, 1.0, 1.0);
    mediump vec4 colorBlack = vec4(0.0, 0.0, 0.0, 1.0);
    
    mediump vec4 endColor;
    highp float blackDistance = distance(color, colorBlack);
    highp float whiteDistance = distance(color, colorWhite);
    highp float magentaDistance = distance(color, colorMagenta);
    highp float cyanDistance = distance(color, colorCyan);
    
    mediump vec4 finalColor;
    
    highp float colorDistance = min(magentaDistance, cyanDistance);
    colorDistance = min(colorDistance, whiteDistance);
    colorDistance = min(colorDistance, blackDistance);
    
    if (colorDistance == blackDistance) {
        finalColor = colorBlack;
    } else if (colorDistance == whiteDistance) {
        finalColor = colorWhite;
    } else if (colorDistance == cyanDistance) {
        finalColor = colorCyan;
    } else {
        finalColor = colorMagenta;
    }
    
    gl_FragColor = finalColor;
}

從靜態圖片中捕獲并添加濾鏡

作者暫未實現

添加濾鏡并轉碼視頻

作者暫未實現

注意問題

使用Cocoapods安裝

作者暫不支持。但是有網友制作了EVGPUImage2這個倉庫來間接使用GPUImage2，有興趣可以嘗試一下。

使用ACV文件創建濾鏡

在GPUImage中可以通過ACV文件快速創建自定義濾鏡。AVC可以通過photoShop進行圖片顏色曲線處理得到，但是GPUImage2暫未移植這個功能。

與Core Image比較

Core Image是iOS內置的圖像處理框架，兩者相比各有優點：

GPUImage 優勢

最低支持 iOS 4.0，iOS 5.0 之后就支持自定義濾鏡。
在低端機型上，GPUImage 有更好的表現。（這個我沒用真正的設備對比過，GPUImage 的主頁上是這么說的）
GPUImage 在視頻處理上有更好的表現。
GPUImage 的代碼完成公開，實現透明。
可以根據自己的業務需求，定制更加復雜的管線操作。可定制程度高。

Core Image 優勢

官方框架，使用放心，維護方便。
支持 CPU 渲染，可以在后臺繼續處理和保存圖片。
一些濾鏡的性能更強勁。例如由 Metal Performance Shaders 支持的模糊濾鏡等。
支持使用 Metal 渲染圖像。而 Metal 在 iOS 平臺上有更好的表現。
與 Metal，SpriteKit，SceneKit，Core Animation 等更完美的配合。
支持圖像識別功能。包括人臉識別、條形碼識別、文本識別等。
支持自動增強圖像效果，會分析圖像的直方圖，圖像屬性，臉部區域，然后通過一組濾鏡來改善圖像效果。
支持對原生 RAW 格式圖片的處理。
濾鏡鏈的性能比 GPUImage 高。(沒有驗證過，GPUImage 的主頁上是這么說的)。
支持對大圖進行處理，超過 GPU 紋理限制 (4096 * 4096)的時候，會自動拆分成幾個小塊處理(Automatic tiling)。GPUImage 當處理超過紋理限制的圖像時候，會先做判斷，壓縮成最大紋理限制的圖像，導致圖像質量損失。

總結

GPUImage是一套主流的圖像處理框架，很多直播、美圖APP都采用此技術，當你的項目是以Swift為主時，GPUImage2就是你的首選。
當然，你可以根據業務需要決定使用GPUImage還是Core Image，它們都是相當成熟的工具。

本文所有示例代碼或Demo可以在此獲?。?a target="_blank" rel="nofollow">https://github.com/WillieWangWei/SampleCode_GPUImageUsage.git

如果本文對你有所幫助，請給個Star??

參考資料：
https://github.com/BradLarson/GPUImage2
https://colin1994.github.io/2016/10/21/Core-Image-OverView/

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频

GPUImage2（一）集成與使用

GPUImage2（一）集成與使用

關鍵詞

概述

在項目中集成

特性

-->運算符

示例代碼

準備

處理靜態圖片

操作組

實時視頻濾鏡

從視頻中捕獲圖片

編寫自定義的圖像處理操作

從靜態圖片中捕獲并添加濾鏡

添加濾鏡并轉碼視頻

注意問題

總結

推薦閱讀更多精彩內容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美 国产 综合 欧美 视频

GPUImage2（一）集成與使用

關鍵詞

概述

在項目中集成

特性

-->運算符

示例代碼

準備

處理靜態圖片

操作組

實時視頻濾鏡

從視頻中捕獲圖片

編寫自定義的圖像處理操作

從靜態圖片中捕獲并添加濾鏡

添加濾鏡并轉碼視頻

注意問題

總結

推薦閱讀更多精彩內容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频