目录

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。

静态图片分割

1. 创建图像分割器。

  1. // 方式一：使用默认参数配置图像分割检测器。
  2. // 默认模式为：人像分割模式 + 精度模式，返回人像分割的所有分割结果（像素级标记信息、背景透明的人像图、人像为白色，背景为黑色的灰度图以及被分割的原图）。 
  3. MLImageSegmentationAnalyzer analyzer = MLAnalyzerFactory.getInstance().getImageSegmentationAnalyzer(); 
  4. // 方式二：使用自定义参数MLImageSegmentationSetting配置图像分割检测器。 
  5. MLImageSegmentationSetting setting = new MLImageSegmentationSetting.Factory() 
  6.     // 设置分割精细模式，true为精细分割模式，false为速度优先分割模式。 
  7.     .setExact(false) 
  8.     // 设置分割模式为人像分割。 
  9.     .setAnalyzerType(MLImageSegmentationSetting.BODY_SEG) 
  10.     // 设置返回结果种类，
  11.     // MLImageSegmentationScene.ALL: 返回所有分割结果，包括：像素级标记信息、背景透明的人像图和人像为白色，背景为黑色的灰度图以及被分割的原图。
  12.     // MLImageSegmentationScene.MASK_ONLY: 只返回像素级标记信息。
  13.     // MLImageSegmentationScene.FOREGROUND_ONLY: 只返回背景透明的人像图。
  14.     // MLImageSegmentationScene.GRAYSCALE_ONLY: 只返回人像为白色，背景为黑色的灰度图。 
  15.     .setScene(MLImageSegmentationScene.FOREGROUND_ONLY) 
  16.     .create(); 
  17. MLImageSegmentationAnalyzer analyzer = MLAnalyzerFactory.getInstance().getImageSegmentationAnalyzer(setting);

使用多类型分割模型包对图像进行多类别分割时，只支持通过图像分割检测配置器MLImageSegmentationSetting创建图像分割检测器。

  1. MLImageSegmentationSetting setting = new MLImageSegmentationSetting 
  2.     .Factory() 
  3.     // 设置分割精细模式，true为精细分割模式，false为速度优先分割模式。 
  4.     .setExact(true) 
  5.     // 设置分割模式为图像分割。 
  6.     .setAnalyzerType(MLImageSegmentationSetting.IMAGE_SEG) 
  7.     .create(); 
  8. MLImageSegmentationAnalyzer analyzer = MLAnalyzerFactory.getInstance().getImageSegmentationAnalyzer(setting);

2. 通过android.graphics.Bitmap创建MLFrame对象用于分析器检测图片，支持的图片格式包括：jpg/jpeg/png，建议图片尺寸不小于224*224像素。

  1. // 通过bitmap创建MLFrame，bitmap为输入的Bitmap格式图片数据。  
  2. MLFrame frame = MLFrame.fromBitmap(bitmap);

3. 调用“asyncAnalyseFrame ”方法进行图像分割。

  1. // 创建一个task，处理图像分割检测器返回的结果。  
  2. Task<MLImageSegmentation> task = analyzer.asyncAnalyseFrame(frame);  
  3. // 异步处理图像分割检测器返回结果。 
  4. task.addOnSuccessListener(new  
  5. OnSuccessListener<MLImageSegmentation>() {  
  6.     @Override  
  7.     public void onSuccess(MLImageSegmentation segmentation) {  
  8.         // 检测成功处理。 
  9.     }})  
  10.     .addOnFailureListener(new OnFailureListener() {  
  11.     @Override  
  12.     public void onFailure(Exception e) {  
  13.         // 检测失败处理。 
  14.     }  
  15. });

4. 检测完成，停止分析器，释放检测资源。

  1. if (analyzer != null) {  
  2.     try {  
  3.         analyzer.stop();  
  4.     } catch (IOException e) {  
  5.         // 异常处理。 
  6.     }  
  7. }

以上示例代码中使用了异步调用方式，图像分割还支持同步调用使用analyseFrame函数获取检测结果：

  1. SparseArray<MLImageSegmentation> segmentations = analyzer.analyseFrame(frame);

视频流分割（仅人像分割模型包支持）

开发者可以自行处理视频流，将视频帧转换为MLFrame对象，再按上文中静态图像检测的方法进行对象检测。开发者也可以使用SDK内置的LensEngine类实现视频流图像分割，无需自己处理视频流，示例代码如下：

1. 创建图像分割检测器。

  1. // 使用自定义参数MLImageSegmentationSetting配置图像分割检测器。
  2. MLImageSegmentationSetting setting = new MLImageSegmentationSetting
  3.     .Factory() 
  4.     // 设置分割精细模式，true为精细分割模式，false为速度优先分割模式。
  5.     .setExact(false) 
  6.     // 设置返回结果种类，
  7.     // MLImageSegmentationScene.ALL: 返回所有分割结果，包括：像素级标记信息、背景透明的人像图和人像为白色，背景为黑色的灰度图以及被分割的原图。
  8.     // MLImageSegmentationScene.MASK_ONLY: 只返回像素级标记信息和被分割的原图。
  9.     // MLImageSegmentationScene.FOREGROUND_ONLY: 只返回背景透明的人像图和被分割的原图。
  10.     // MLImageSegmentationScene.GRAYSCALE_ONLY: 只返回人像为白色，背景为黑色的灰度图和被分割的原图。 
  11.     .setScene(MLImageSegmentationScene.FOREGROUND_ONLY)
  12.     // 设置分割模式，视频流分割时，仅支持设置MLImageSegmentationSetting.BODY_SEG（只分割人体和背景）。
  13.     .setAnalyzerType(MLImageSegmentationSetting.BODY_SEG) 
  14.     .create();
  15. MLImageSegmentationAnalyzer analyzer = MLAnalyzerFactory.getInstance().getImageSegmentationAnalyzer(setting);

2. 开发者创建识别结果处理类“ImageSegmentAnalyzerTransactor”，该类实现MLAnalyzer.MLTransactor<T>接口，使用该接口中的transactResult方法获取检测结果并实现具体业务。

  1. public class ImageSegmentAnalyzerTransactor implements MLAnalyzer.MLTransactor<MLImageSegmentation> { 
  2.     @Override 
  3.     public void transactResult(MLAnalyzer.Result<MLImageSegmentation> results) { 
  4.         SparseArray<MLImageSegmentation> items = results.getAnalyseList();
  5.         // 开发者根据需要处理识别结果，需要注意，这里只对检测结果进行处理
  6.         // 不可调用ML Kit提供的其他检测相关接口。
  7.     }
  8.     @Override 
  9.     public void destroy() { 
  10.         // 检测结束回调方法，用于释放资源等。
  11.     }
  12. }

3. 设置识别结果处理器，实现分析器与结果处理器的绑定。

  1. analyzer.setTransactor(new ImageSegmentAnalyzerTransactor());

4. 创建LensEngine，该类由ML SDK提供，用于捕捉相机动态视频流并传入分析器。

  1. Context context = this.getApplicationContext(); 
  2. LensEngine lensEngine = new LensEngine.Creator(context,analyzer) 
  3.     // 设置摄像头前后置模式，LensEngine.BACK_LENS为后置，LensEngine.FRONT_LENS为前置。
  4.     .setLensType(LensEngine.FRONT_LENS)
  5.     .applyDisplayDimension(1280, 720)
  6.     .applyFps(20.0f)
  7.     .enableAutomaticFocus(true)
  8.     .create();

5. 调用run方法，启动相机，读取视频流，进行识别。

  1. // 请自行实现SurfaceView控件的其他逻辑。
  2. SurfaceView mSurfaceView = new SurfaceView(this); 
  3. try { 
  4.     lensEngine.run(mSurfaceView.getHolder()); 
  5. } catch (IOException e) { 
  6.     // 异常处理逻辑。
  7. }

6. 检测完成，停止分析器，释放检测资源。

  1. if (analyzer != null) { 
  2.     try { 
  3.     analyzer.stop(); 
  4.     } catch (IOException e) { 
  5.       // 异常处理。
  6.     } 
  7. } 
  8. if (lensEngine != null) { 
  9.     lensEngine.release(); 
  10. }

使用视频流检测，继承MLAnalyzer.MLTransactor<T>完成检测处理结果时，如果需要实现检测到特定结果后停止检测，待特定结果处理完后继续检测的功能，可以参考视频流检测模式多次识别场景开发。