GPUImage3 使用教程
1. 项目介绍
GPUImage3 是 GPUImage 框架的第三代版本,是一个 BSD 许可的 Swift 框架,专门用于在 Mac 和 iOS 平台上进行 GPU 加速的视频和图像处理。该框架使用 Metal 替代了之前的 OpenGL,以提供更好的性能和更紧密的集成。
GPUImage3 的目标是简化实时视频处理和机器视觉任务的设置和执行,使得开发者能够轻松地构建复杂的图像处理流水线。
2. 项目快速启动
2.1 安装
首先,你需要将 GPUImage3 添加到你的项目中。你可以通过 Swift Package Manager 来完成这一操作。
- 打开你的 Xcode 项目。
- 选择
File->Swift Packages->Add Package Dependency。 - 在弹出的窗口中输入
https://github.com/BradLarson/GPUImage3.git,然后点击Next。 - 选择合适的版本或分支,然后点击
Next。 - 完成安装后,你可以在你的 Swift 文件中导入 GPUImage3:
import GPUImage
2.2 基本使用
以下是一个简单的示例,展示如何使用 GPUImage3 对实时视频进行滤镜处理。
import GPUImage
import AVFoundation
do {
// 初始化摄像头
let camera = try Camera(sessionPreset: .vga640x480)
// 创建一个饱和度调整滤镜
let filter = SaturationAdjustment()
// 将摄像头输出连接到滤镜,再将滤镜输出连接到渲染视图
camera --> filter --> renderView
// 开始捕获视频
camera.startCapture()
} catch {
fatalError("Could not initialize rendering pipeline: \(error)")
}
在这个示例中,renderView 是一个 RenderView 实例,你需要将其添加到你的视图层次结构中。
3. 应用案例和最佳实践
3.1 实时美颜滤镜
GPUImage3 非常适合用于实时美颜滤镜的开发。你可以通过组合多个滤镜来实现复杂的美颜效果。
let beautyFilter = OperationGroup()
beautyFilter.configureGroup { input, output in
let bilateralFilter = BilateralBlur()
let brightnessFilter = BrightnessAdjustment()
let saturationFilter = SaturationAdjustment()
input --> bilateralFilter --> brightnessFilter --> saturationFilter --> output
}
camera --> beautyFilter --> renderView
3.2 视频录制与滤镜处理
你还可以将处理后的视频录制下来。以下是一个简单的示例:
let movieOutput = try MovieOutput(URL: videoURL, size: Size(width: 640, height: 480))
camera --> filter --> movieOutput
movieOutput.startRecording()
4. 典型生态项目
4.1 MetalPetal
MetalPetal 是一个基于 Metal 的图像处理框架,与 GPUImage3 类似,但它提供了更高级的图像处理功能和更灵活的 API。你可以将 MetalPetal 与 GPUImage3 结合使用,以实现更复杂的图像处理任务。
4.2 GPUImage2
GPUImage2 是 GPUImage 框架的第二代版本,使用 OpenGL 进行图像处理。如果你需要支持旧版本的 iOS 设备,或者你需要在 Linux 上进行图像处理,GPUImage2 是一个不错的选择。
4.3 Core Image
Core Image 是 Apple 提供的图像处理框架,内置于 iOS 和 macOS 中。虽然它不如 GPUImage3 灵活,但在某些情况下,使用 Core Image 可能更为方便和高效。
通过结合这些生态项目,你可以构建出功能强大且高效的图像处理应用。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00