这是CoreImage系列的第二章，主要有三点
1.对静态图片进行人脸检测与打马赛克
2.对摄像头录像进行人脸检测与打马赛克
3.将处理后的视频数据存入本地
技术难点其实并没有多少，主要是记录自己在这个过程中踩过的坑和API熟悉。
人脸检测
CoreImage其实在iOS5的时候就推出了人脸检测功能，但是并不强大；仅仅做到能识别出人脸、五官等等，很多第三方SDK中的人脸检测用到更底层的OpenCV，当然这也更复杂，涉及到很多算法等等。但就我们日常的检测来说，CoreImage提供的就已经足够了。
CIDetector
这个类就是CoreImage中进行检测的类，它可以进行很多检测，人脸只是其中的一种。
它的用法其实很简单，就是输入一张CoreImage，它会自动检测，输入一个检测到的数组。
CIDetector *dectecor = [CIDetector detectorOfType:CIDetectorTypeFace context:nil options:nil];
NSArray<CIFeature *> *array = [detector featuresInImage:image];
这个CIFeature里面就有检测到的信息。
@property (readonly, assign) CGRect bounds;
@property (readonly, assign) BOOL hasLeftEyePosition;
@property (readonly, assign) CGPoint leftEyePosition;
@property (readonly, assign) BOOL hasRightEyePosition;
@property (readonly, assign) CGPoint rightEyePosition;
@property (readonly, assign) BOOL hasMouthPosition;
@property (readonly, assign) CGPoint mouthPosition;
有检测到的人脸位置，左眼、右眼、嘴的位置。但是，除了脸的位置，其他的都不是特别准确。
检测到人脸之后就简单了，我们先用一个框标记出人脸位置。
检测红框.png
这是什么👻，说好的检测到了喃。
其实这就是第一个坑，检测到的这个人脸位置，并不是真正在imageview的位置，而是在这个图片真实大小的位置。
/** A face feature found by a CIDetector.All positions are relative to the original image. */
图片真实大小.png
因为这张图片宽度为1366，在image中显示是被按比例缩放了的，所以我们相应的要对坐标进行缩放，使之对应到imageview的frame上。
缩小比列
CGFloat scale = imageView.bounds.size.height/imageView.image.size.height;
CGRect frame = CGRectMake(obj.bounds.origin.x * scale,obj.bounds.origin.y * scale, obj.bounds.size.width * scale, obj.bounds.size.height * scale)
你现在会想，这下好了吧。
Snip20170803_3.png
Too young！苹果爸爸会让你这么容易就处理完成么。这个框为什么还是匹配不上啊！！！！
因为在这个bounds的originPoint在左下角，而不是UIKit中的左上角，所以我们还需要对y进行转换。
y = self.imageView.bounds.size.height - obj.bounds.origin.y * scale - obj.bounds.size.height * scale
检测成功.png
OK，现在终于检测成功了。接下来我们上马变骑兵。
打马赛克
CoreImage并没有直接对某一块进行打码处理的filter，我们需要换其他方式。
1.先将整张图进行打码
2.将人脸的地方扣出来
3.将整张打码的图进行人脸的地方mask，类似于view的mask一样
4.然后将mask出来的图片覆盖到原图上去
看起来挺复杂的，但是按着顺序来一步一步走，还是挺简单的。
1、首先，我们对整张图片进行模糊，
CIFilter *pixellateFilter = [CIFilter filterWithName:@"CIPixellate"];
[self.pixellateFilter setValue:image forKey:kCIInputImageKey];
[self.pixellateFilter setValue:@30 forKey:kCIInputScaleKey];
CIImage *pixelImage = pixellateFilter.outputImage;
这个参数30是模糊的程度，可以自由设置。设置的越大，每块马赛克的大小越大。
2、接下来我们将人脸的地方位置标记出来，形成一个“模板”。
CIFilter *radialGradientFileter = [CIFilter filterWithName:@"CIRadialGradient"];
[radialGradientFileter setValue:[CIColor colorWithRed:0 green:1 blue:0 alpha:1] forKey:@"inputColor0"];
[radialGradientFileter setValue:[CIColor colorWithRed:0 green:0 blue:0 alpha:0] forKey:@"inputColor1"];
[radialGradientFileter setValue:@(MIN(obj.bounds.size.width/2, obj.bounds.size.height/2)) forKey:@"inputRadius0"];
[radialGradientFileter setValue:@(MIN(obj.bounds.size.width/2, obj.bounds.size.height/2)+1) forKey:@"inputRadius1"];
CIVector *centerVector = [CIVector vectorWithX:obj.bounds.origin.x + obj.bounds.size.width/2 Y:obj.bounds.origin.y + obj.bounds.size.height/2];
[radialGradientFileter setValue:centerVector forKey:kCIInputCenterKey];
我们形成了一张无色背景，在特定的地方生成了一个绿色的圈，这个圈有2层，一层是obj.bounds.size.width/2，一层是obj.bounds.size.width/2+1。通过设置kCIInputCenterKey来设置绿圈的位置。
因为我们这儿只有1个数据，只需要生成一个抠图的地方就行，如果我们检测多张脸的话，还需要用CISourceOverCompositing来将这些抠图合并，形成一张总的抠图模板。
3、mask
CIFilter *blendWithMaskFileter = [CIFilter filterWithName:@"CIBlendWithMask"];
[blendWithMaskFileter setValue:image forKey:kCIInputBackgroundImageKey];
[blendWithMaskFileter setValue:pixelImage forKey:kCIInputImageKey];
[blendWithMaskFileter setValue:radialGradientImage forKey:kCIInputMaskImageKey];
CIImage *endImage = [blendWithMaskFileter outputImage];
将这三张图输入到mask滤镜中，原图是背景图kCIInputBackgroundImageKey，打码的图是输入图kCIInputImageKey，抠图是kCIInputMaskImageKey。
这样，最后输出的就是将人脸打码的图片。
打码图.png
这样我们就能将我们处理过的视频直接写入到本地了。Demo在这里。
本来准备将摄像头的也写入这一篇，发现有点长了，重新看一篇吧。
网友评论