修图神器—超简单实现华为HMS ML Kit图像超分辨率

前言

不知道大家有没有遇到这样的情况，图片压缩接收下载后清晰度骤降，画质模糊，更不用说放大浏览了。最近小编就遇到了啊，收到朋友发送的旅游合照压缩包，打开后，OMG，这昏暗的场景、黑黑的人像、模糊的画面，怎么让我发朋友圈炫耀。无奈只能上网求助，还真让我发现了一款超好用、操作简单的华为HMS ML Kit图像超分辨率，重点是这个SDK完全免费、适用于各种Android机型。

背景介绍

华为HMS ML Kit图像超分辨率基于深度神经网络，提供了可适用于移动端的1x和3x超分能力。1x超分去除压缩噪声，3x超分在抑制压缩噪声的同时，提供3倍放大能力。简单通俗的说，华为图像超分辨率提供1x和3x两种服务，1x超分不改变图片尺寸，但提高图片的清晰度，提供更加逼真、自然的视觉体验，3x超分是将图像的边长放大3倍，像素放大9倍，分辨率更高，得到更清晰的细节纹理。

相关场景

图像超分辨率广泛应用于实际生活中各种场景（绿植、美食、人像、风景等图片），不仅仅只是优化人脸和文字场景。例如，购物类APP集成该服务，用户放大商品图片时，经过ML Kit 图像超分3x功能，可获得更清晰的商品细节。新闻阅读类APP集成该服务，用户可以在图片分辨率不变的情况下，通过1x超分功能得到更清晰的图片。拍照类APP集成该服务，用户拍摄图片时，经过图像超分功能获得更逼真、更自然的图片。

开发实战

1. 开发准备

在开始API开发工作之前，您需要完成必要的开发准备工作，同时请确保您的工程中已经 配置HMS Core SDK的Maven仓地址，并且完成了本服务的SDK集成。

相关步骤可以参考华为开发者联盟：

https://developer.huawei.com/consumer/cn/doc/development/HMS-Guides/ml-process-4

1.1 项目级gradle里配置Maven仓地址

buildscript {
     
    repositories {
     
             ...
        maven {
     url 'https://developer.huawei.com/repo/'}
    }
}
 dependencies {
     
                 ...
        classpath 'com.huawei.agconnect:agcp:1.3.1.300'
    }
allprojects {
     
    repositories {
     
             ...
        maven {
     url 'https://developer.huawei.com/repo/'}
    }
}

1.2 应用级gradle里配置SDK依赖

dependencies{
            
        // 引入集合包。
        implementation 'com.huawei.hms:ml-computer-vision-imageSuperResolution:2.0.2.300'
        implementation 'com.huawei.hms:ml-computer-vision-imageSuperResolution-model:2.0.2.300'     
 }

注意：

使用图像超分辨率服务，您需要在应用的build.gradle配置文件中设置targetSdkVersion小于29。

1.3 在文件头添加配置

apply plugin: 'com.android.application'
apply plugin: 'com.huawei.agconnect'

1.4 添加如下语句到AndroidManifest.xml文件中，自动更新机器学习模型到设备

<meta-data 　　
        android:name="com.huawei.hms.ml.DEPENDENCY"
        android:value= "livenessdetection"/>

1.5 读取本地文件权限

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

2.开发步骤

2.1 创建图像超分辨率分析器。

可以通过自定义参数类MLImageSuperResolutionAnalyzerSetting创建分析器。

// 方式1：使用默认的参数配置即1x超分。
MLImageSuperResolutionAnalyzer analyzer =  MLImageSuperResolutionAnalyzerFactory.getInstance() .getImageSuperResolutionAnalyzer();
// 方式2：使用自定义的参数配置，当前仅支持1x超分，后续可扩展。
MLImageSuperResolutionAnalyzerSetting settings = new  MLImageSuperResolutionAnalyzerSetting  .Factory()
// 设置图像超分辨率倍数1x
setScale(MLImageSuperResolutionAnalyzerSetting.ISR_SCALE_1X) .create();
MLImageSuperResolutionAnalyzer analyzer =  MLImageSuperResolutionAnalyzerFactory.getInstance()  .getImageSuperResolutionAnalyzer(setting)

2.2 通过android.graphics.Bitmap构造MLFrame（注意此处的bitmap类型必须为ARGB8888，请注意做必要的转换）。

// 通过bitmap创建MLFrame，bitmap为输入的图片数据。
MLFrame frame = new MLFrame.Creator().setBitmap(bitmap).create();

2.3 对图片进行超分辨率处理
错误码信息可参见：机器学习服务错误码

Task<MLImageSuperResolutionResult> task = analyzer.asyncAnalyseFrame(frame); 
task.addOnSuccessListener(new OnSuccessListener<MLImageSuperResolutionResult>() {
     
        public void onSuccess(MLImageSuperResolutionResult result) {
     
                // 识别成功的处理逻辑。
        }
 }).addOnFailureListener(new OnFailureListener() {
     
        public void onFailure(Exception e) {
     
                // 识别失败的处理逻辑。
                // failure.
                if(e instanceof MLException) {
     
                         MLException mlException = (MLException)e;
                        // 获取错误码，开发者可以对错误码进行处理，根据错误码进行差异化的页面提示。
                        int errorCode = mlException.getErrCode();
                        // 获取报错信息，开发者可以结合错误码，快速定位问题。
                        String errorMessage = mlException.getMessage();
                } else {
     
                        // 其他异常。
                }
        }
});

2.4 识别完成，停止分析器，释放检测资源。

if (analyzer != null) {
     
        analyzer.stop();
}

Demo

关于图像超分小编就介绍这么多内容，下面是效果对比图，展示下此功能的强大吧。

原图

1x效果图

原图

3x效果图

相关链接

华为HMS ML Kit机器学习集成文本识别、卡证识别、文本翻译、人脸识别、语音识别、语音合成、图片分类、图像分割、拍照购物等功能和服务。

大家感兴趣的话，可以戳下方链接学习：

https://developer.huawei.com/consumer/cn/doc/development/HMS-Guides/ml-introduction-4

Github源码

更详细的开发指南参考华为开发者联盟官网

---

原文链接：
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0202348901052600500&fid=18
作者：留下落叶