场景识别帮助小白用户实现一键式智能拍照修图

一、前言

在手机相机功能日益强大的今天,相对于相机硬件的差异,图像处理算法逐渐显示出更加重要的地位。现在的消费者也开始由看重硬件能力慢慢转向对算法能力的重视。用户在拍照发朋友圈之前往往需要根据场景逐个调整画面参数,这一过程费时费力,对于小白用户又很难调节到最佳状态。有没有一种方式可以精细化区分场景,实现一键式智能拍照修图呢?华为机器学习服务近期推出的场景识别支持102种细分场景的识别,对于生活旅行常见的场景诸如沙滩、蓝天、美食、夜景、绿植、典型建筑等场景都可以精准地识别出来,配合图像矩阵进行精细化调参,帮助打造更加主动智能、省时省力的移动应用。让我们看一看增强效果。

二、增强效果

对于城市夜景图,场景识别可以准确识别出夜景,然后将图片中的亮部增量,暗部变暗,整个照片比之前看起来层次感更强,夜景效果更加纯粹。


然后测试一张天空的图片,在准确识别天空场景之后通过增强矩阵将略显昏暗的天空变得明亮起来。


以及对于绿植、花朵的拍照增强。



当然,以上demo对于各种图片的增强效果可能有细微的不同,当然可以根据自己的风格来选择或搭配滤镜。

所以让我们了解开发原理之后再开发自己的相机模式吧。

三、开发步骤

1. 创建场景识别检测器实例。

MLSceneDetectionAnalyzer analyzer= MLSceneDetectionAnalyzerFactory.getInstance().getSceneDetectionAnalyzer();


2. 通过android.graphics.Bitmap构造MLFrame,支持的图片格式包括:jpg/jpeg/png/bmp。

MLFrame frame = new MLFrame.Creator().setBitmap(bitmap).create();


3. 场景识别。

Task<List<MLSceneDetection>> task = this.analyzer.asyncAnalyseFrame(frame);

task.addOnSuccessListener(

new OnSuccessListener>() {

@Override

public void onSuccess(List sceneInfos) {

// Processing logic for scene detection success.

    }

}).addOnFailureListener(

new OnFailureListener() {

@Override

public void onFailure(Exception e) {

// Processing logic for scene detection failure.

        if (e instanceof MLException) {

            MLException exception = (MLException) e;

// Obtain the result code.

            int errCode = exception.getErrCode();

// Obtain the error information.

            String message = exception.getMessage();

        }

else {

// Other errors.

        }

    }

});


4. 检测完成,停止分析器,释放检测资源。

if (analyzer != null) {

analyzer.stop();

}


5. maven地址

buildscript {

    repositories {

        maven { url

'https://developer.huawei.com/repo/' }

    }

}

allprojects {

    repositories {

        maven { url

'https://developer.huawei.com/repo/' }

    }

}


6. 引入SDK

dependencies {

    // Scene detection SDK.

    implementation 'com.huawei.hms:ml-computer-vision-scenedetection:2.0.3.300'

    // Scene detection model.

    implementation 'com.huawei.hms:ml-computer-vision-scenedetection-model:2.0.3.300'

}



7. 清单文件

<manifest

    ...

    <

meta-data

android:name="com.huawei.hms.ml.DEPENDENCY"

android:value="1" />

    ...

</

manifest>


8. 权限

<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />

<

uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />

<

uses-permission android:name="android.permission.CAMERA" />

<

uses-feature android:name="android.hardware.camera" />

<

uses-feature android:name="android.hardware.autofocus" />


9. 动态权限申请

if (!(ActivityCompat.checkSelfPermission(this, Manifest.permission.CAMERA) == PackageManager.PERMISSION_GRANTED)) {

    requestCameraPermission();

}



四、总结

华为机器学习场景识别提供的更加主动的智能是未来应用趋势,除了用于拍照效果增强,场景识别还可以用来进行相册管理及场景图片检索,帮助您构建精细化的分类获取和管理。

欲了解更多详情,请参阅:

华为开发者联盟官网:https://developer.huawei.com/consumer/cn/hms

获取开发指导文档:https://developer.huawei.com/consumer/cn/doc/development

参与开发者讨论请到Reddit社区:https://www.reddit.com/r/HMSCore/

下载demo和示例代码请到Github:https://github.com/HMS-Core

解决集成问题请到Stack

Overflow:https://stackoverflow.com/questions/tagged/huawei-mobile-services?tab=Newest

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,928评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,192评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,468评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,186评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,295评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,374评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,403评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,186评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,610评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,906评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,075评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,755评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,393评论 3 320
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,079评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,313评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,934评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,963评论 2 351

推荐阅读更多精彩内容