Project Icon

Harbeth

Swift图像处理库 支持GPU加速和实时相机滤镜

Harbeth是基于Metal的Swift图像处理库,提供GPU加速和实时相机捕捉功能。库内置100多种滤镜,涵盖混合、模糊、像素处理等模块。支持iOS和macOS平台,兼容UIKit/AppKit及SwiftUI。可为图像和视频添加滤镜效果,支持自定义LUT滤镜。此外还具备实时相机捕捉和流畅视频播放能力。

Harbeth

动画静态

Carthage compatible CocoaPods Compatible CocoaPods Compatible Platform

Harbeth 是一个高性能的Swift库,用于GPU加速图像处理和实时相机捕捉及视频流畅播放,并基于Metal添加滤镜,同时兼容CoreImage滤镜和使用Metal性能着色器滤镜。

这个库深受 GPUImage 的启发。


英文 | 简体中文

特性

🟣 目前,metal模块最重要的特性可概括如下:

  • 支持更多平台系统,macOS和iOS,包括UIKit/AppKit和SwiftUI。
  • 高性能快速为以下源添加滤镜:
    • UIImage, NSImage, CIImage, CGImage, CMSampleBuffer, CVPixelBuffer。
  • 内置的metal内核滤镜大致分为以下模块:
  • 设置 MetalPerformanceShaders 滤镜,并兼容 CoreImage 滤镜。
  • 预览和渲染由Metal提供支持。
  • 使用 LUTsCube 轻松支持自定义滤镜。
  • 实时相机捕捉和带滤镜的视频流畅播放。
  • 使用 Kakapos 库处理视频文件源。

目前共有100多种内置滤镜可用。✌️

要求

iOS目标macOS目标Xcode版本Swift版本
iOS 10.0+macOS 10.13+Xcode 10.0+Swift 5.0+

用法

图像

  • 🎷 零代码侵入为图像添加滤镜功能。
let filter1 = C7ColorMatrix4x4(matrix: Matrix4x4.Color.sepia)
let filter2 = C7Granularity(grain: 0.8)
let filter3 = C7SoulOut(soul: 0.7)

let filters = [filter1, filter2, filter3]

// 使用:
let dest = HarbethIO.init(element: originImage, filters: filters)
// 同步处理..
ImageView.image = try? dest.output()

// 或者使用:
ImageView.image = try? originImage.makeGroup(filters: filters)

// 或者使用:
ImageView.image = originImage.filtering(filter1, filter2, filter3)

// 或者使用运算符:
ImageView.image = originImage ->> filter1 ->> filter2 ->> filter3
  • 异步处理..

这种性能是最好的。🚗🚗

let dest = HarbethIO.init(element: ``Source``, filter: ``filter``)

dest.transmitOutput(success: { [weak self] image in
    // 处理结果..
})

图像视图

// 使用方式与NSImageView相同。
let renderView = RenderImageView.init(image: originImage)

renderView.filters = [C7Storyboard(ranks: 2)]

相机

  • 📸 相机捕捉生成图片。
// 添加边缘检测滤镜:
let filter = C7EdgeGlow(lineColor: .red)

// 生成相机收集器:
let camera = C7CollectorCamera.init(delegate: self)
camera.captureSession.sessionPreset = AVCaptureSession.Preset.hd1280x720
camera.filters = [filter]

extension CameraViewController: C7CollectorImageDelegate {
    func preview(_ collector: C7Collector, fliter image: C7Image) {
        // 处理结果..
    }
}

视频

  • 📺 本地视频或网络视频只需简单应用滤镜即可。
  • 🙄 详情请参见PlayerViewController
  • 您也可以通过使用HarbethIO来扩展此功能,以过滤采集到的CVPixelBuffer
lazy var video: C7CollectorVideo = {
    let videoURL = URL.init(string: "链接")!
    let asset = AVURLAsset.init(url: videoURL)
    let playerItem = AVPlayerItem.init(asset: asset)
    let player = AVPlayer.init(playerItem: playerItem)
    let video = C7CollectorVideo.init(player: player, delegate: self)
    let filter = C7ColorMatrix4x4(matrix: Matrix4x4.Color.sepia)
    video.filters = [filter]
    return video
}()

self.video.play()

extension PlayerViewController: C7CollectorImageDelegate {
    func preview(_ collector: C7Collector, fliter image: C7Image) {
        // 执行某些操作..
    }
}

SwiftUI支持

  • 直接使用HarbethView,这只是一个简单的实现。
  • SwiftUI API仍在开发中,可能还不适合生产环境。我们正在寻求帮助!🤲
let filters: [C7FilterProtocol] = [
    CIHighlight(highlight: intensity),
    C7WaterRipple(ripple: intensity),
]
HarbethView(image: inputImage, filters: filters, content: { image in
    image.resizable()
        .aspectRatio(contentMode: .fit)
})

CocoaPods

  • 如果您想导入Metal模块,需要在您的Podfile中添加:
pod 'Harbeth'
  • 如果您想导入OpenCV图像模块,需要在您的Podfile中添加:
pod 'OpencvQueen'

Swift包管理器

Swift包管理器是一个用于管理Swift代码分发的工具。它与Swift构建系统集成,可自动完成下载、编译和链接依赖项的过程。

使用Swift包管理器构建Harbeth需要Xcode 11+。

要使用Swift包管理器将Harbeth集成到您的Xcode项目中,请将其添加到您的Package.swift文件的dependencies值中:

dependencies: [
    .package(url: "https://github.com/yangKJ/Harbeth.git", branch: "master"),
]

备注

一般流程大致如此,Demo中也有详细的编写,您可以自行查看。🎷

HarbethDemo

提示:如果您觉得有帮助,请给我一个star。如果您有任何问题或需求,也可以提issue。

谢谢。🎇

关于作者

给我买杯咖啡或在GitHub上支持我。

yellow-button

支付宝或微信。谢谢。


许可证

Harbeth在MIT许可下可用。有关更多信息,请参阅LICENSE文件。


项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号