Core Image：iOS图像处理技术追踪

原创张若舟(越伯) 大淘宝技术

Core Image是苹果官方提供的图像处理框架，通过丰富的built-in（内置）或自定义Filter（过滤器）高效处理静态图片、动态图片或视频。开发者还可以通过构造Filter链或自定义Core Image Kernel来实现更丰富的效果。

在WWDC20中，苹果官方针对Core Image技术在以下三方面做了优化：Core Image对视频/动图的支持、基于Metal构建Core Image (CI) Kernel以及Core Image的Debug支持。

这三方面会在下文逐一提到，文末笔者也会浅谈Core Image在手淘图片库中的应用可能以及对Core Image技术的展望。

优化Core Image对视频/动图的支持

▐ 创建CIContext

创建 CIContext 时，需要遵循一个 view 一个 context 的原则。由于视频的每一帧都会发生变化，将CIContext的cacheIntermediates属性设置为false可以大大减少内存消耗。

如果在使用Core Image时将同时运用Metal（作为输入或输出），通过设置MTLCommandQueue属性创建CIContext将会是较好选择。在不使用MTLCommandQueue的情况下，每一个Metal或CoreImage执行的任务都在不同队列中并以wait命令分隔开，导致任务执行效率低。通过设置MTLCommandQueue创建的CIContext和相应的Metal任务在同一队列中，能提高app的运行效率。

图一：不使用MTLCommandQueue的工作流程

图二：使用MTLCommandQueue的工作流程

▐ 编写Core Image Kernel（在Metal中实现）

为了将效果处理得更丰富，通过Metal来实现自定义CI Kernel是个高效的选择。苹果官方提供了的许多方便部署的内置工具（都通过Metal实现），如内置CI滤镜。通过Metal实现自定义CI Kernel，不仅app的runtime编译时间将会大大减少（这段工作会移至app构建完成后进行），开发者还能获得高性能语言特性（如gather-reads、group-writes、半精度浮点数）、高效开发体验（如缩进检查、缩进高光）等功能。

▐ 选择合适的View类

如果要对视频/动图应用特效，静态内容View如UIImageView或NSImageView应当被避免。AVPlayerView和MetalKit View（MTKView）是个两个不错的选择。前者为简单选择，后者为进阶选择。

使用AVPlayerView时，需要创建AVMutableVideoComposition对象，CI滤镜在block中执行图像处理任务。在进行断点debug时，通过点击CIImage对象地址右侧的眼睛图示可以浏览CI滤镜处理流程的详细信息。

官方提供的案例中，Core Image还将10位的HDR视频帧数据自动从HLG转化成了Core Image working space。

图三：CI Image断点测试中展现的处理流程

使用MTKView时，开发者需要以frame和device作为参数重载init方法。VIew对应的CIContext也将在init函数中被创建。如果我们在macOS中开发支持HDR的view，color-Pixel-Format属性需要被设定为rgba16Float，wants-Extended-Dynamic-Range-Content属性需要被设定为true。设定完init方法后，开发者需要实现draw-in view方法。需要注意的是，此处并未直接将Metal材质传入CIRenderDestination函数，而是创建了一个会返回texture的block。这使得CIContext能在前面的帧尚未完成时将Metal工作入队。之后该方法会执行渲染任务（至指定目的地）并创建command buffer将当前绘制结果渲染至view。

本人也亲自尝试了通过Core Image处理视频的整个流程。以下案例使用CIVortexDistortion滤镜对视频进行逐帧处理并渲染，展示内容包含核心代码、原视频、CI滤镜处理后视频以及断点测试的滤镜逐帧处理图示。

let filepath: String? = Bundle.main.path(forResource: "test_video", ofType: "MOV")let fileURL = URL.init(fileURLWithPath: filepath!)let asset = AVAsset(url: fileURL)let item = AVPlayerItem(asset: asset)item.videoComposition = AVMutableVideoComposition(asset: asset) { request in    let filter = CIFilter(name: "CIVortexDistortion")    filter?.setValue(request.sourceImage, forKey: kCIInputImageKey)    filter?.setValue(NSNumber(400), forKey: "inputAngle")    filter?.setValue(NSNumber(1200), forKey: "inputRadius")    filter?.setValue(CIVector(x: 700, y: 400), forKey: "inputCenter")    let out = filter?.outputImage    request.finish(with: out ?? request.sourceImage, context: nil)}avPlayer = AVPlayer(playerItem: item)

测试核心代码

原视频（笔者本人取材）

添加CIVortexDistortion滤镜后的视频

图四：断点调试时Core Image对每帧的处理流程

基于Metal构建Core Image Kernel

使用CI Kernel有诸多优势，包括上文提及的缩短runtime编译时间、高性能语言特性（如gather-reads、group-writes、半精度浮点数）、高效开发体验（如缩进检查、缩进高光）。基于Metal构建CI Kernel有5步流程，会在下文进行逐一介绍。

▐ 在项目中增加自定义构建规则

苹果官方推荐在项目target中增加两项自定义构建规则。第一个构建规则针对以“.ci.metal”为后缀名的文件。该构建规则会创建一个以“.ci.air”为后缀名的二进制输出文件。

图五：针对“*.ci.metal”文件的构建规则

第二个构建规则针对以“.ci.air”为后缀名的文件（上一个构建规则的输出结果）。该构建规则会在app的资源文件夹内创建以“.ci.metallib”为后缀名的输出文件。

图六：针对“*.ci.air”文件的构建规则

▐ 在项目中增加.ci.metal资源

在Xcode提供的创建面板中选择Metal File即可。开发者对Metal File进行命名时需要以“.ci”作为后缀名，这样项目中新生成的文件会以“.ci.metal”作为后缀名。

▐ 编写Metal Kernel

便携Metal Kernel需要include CoreImage.h头文件，用来使用Metal和Core Image提供的各种类。官方提供的范例编写了一个CIColorKernel，输入参数为coreimage::samle_t对象（表示输入图片的一个像素）、time和coreimage::destination对象，返回float4像素。

图七：苹果官方提供的代码范例：Metal Kernel编写

苹果官方为开发者提供了描述CI Kernel中Metal Shader语言的文档，详情见「 Metal Shading Language for Core Image Kernels」① 。

▐ 加载Kernel并应用于新图像（基于Swift）

Kernel会被CI滤镜的子类使用。苹果官方推荐开发者在实例化滤镜的CIKernel对象时使用静态属性（static property），这种情况下加载metallib资源的工作仅会执行一次（在首次需要时）。CI滤镜的子类也必须重载输出图片的属性，Kernel将在getter中进行图像处理并创建新图像。

图八：苹果官方提供的代码范例：Kernel加载与使用

Core Image的Debug支持

苹果官方在WWDC20详细介绍了Debug特性：CI_PRINT_TREE。

▐ 什么是CI_PRINT_TREE

CI_PRINT_TREE的基础框架与Xcode提供的Core Image Quick Look支持相同。Core Image Quick Look为开发者提供了快捷可视化的Core Image图片（详见上文图三），而CI_PRINT_TREE支持几种不同的模式和选项用来查看Core Image如何优化和渲染图像。

▐ 如何启用CI_PRINT_TREE

苹果官方提供了CI_PRINT_TREE的两种启动方式。最常用的方法是编辑Xcode target scheme，在Arugments窗体下的环境变量列表中加入CI_PRINT_TREE并设置值。另一种方法是在Terminal.app中通过命令行启动CI_PRINT_TREE（需要在执行应用程序前设定）。

图九：启用CI_PRINT_TREE的两种方式

▐ 如何控制CI_PRINT_TREE

CI_PRINT_TREE的字符串格式为“<graph type> <output type> <options>”

graph type：表示Core Image render的若干stage，包括type-1初始图像（有助于查看被使用的色彩空间）、type-2优化后的图像（有助于查看core image对render的优化效果）、type-4级联图像（有助于查看各stage如何级联于GPU程序，以便了解render需要多少中间缓存）以及type-7（输出图像type1、2和4）。

图十：苹果官方对graph type四个stage的描述

output type：输出格式可以是pdf或png。在macOS上trees会被存储在临时项目文件夹，在iOS上trees会被存储在文档（Documents）目录下。如果output type没有确定，core image会把tree以紧凑文本格式输出在标准输出（stdout）。通过设置CI_LOG_FILE="oslog"，文本也可以前往Console.app（在iOS开发中更为方便）。
options：对于CI_PRINT_TREE，开发者可以设定额外的选项。如通过设定context==name来限制输出（仅输出名字相同的context），或是通过设定frame-n来框定具体输出context的哪一帧。更多option及详情请见图十一。设定option对debug能提供很大帮助，但也需谨慎使用，因为生产这些文件需要额外的时间和内存。

图十一：苹果官方提供的option

图十二：type设定为7时tmp文件夹下的文件

▐ 如何获得CI_PRINT_TREE文件

在macOS中，开发者只需要进入“/tmp”文件夹就能找到生成的CI_PRINT_TREE文件。需要注意的是沙盒应用会使用特有的临时存储文件夹。

在iOS中，开发者需要将Custom iOS Target Properties中的“Application supports iTunes file sharing”项设为YES（图十三）。这样生成的CI_PRINT_TREE文件可以在连接中的iOS设备上被找到并拖拽至macOS存储中。

图十三：Custom iOS Target Properties中进行设置

▐ 如何解释CI_PRINT_TREE文件

读CI_PRINT_TREE时，需要遵循以下规则：

输入在底层，输出在顶层
绿色节点代表卷曲内核（warp kernel），红色节点代表颜色内核（color kernel）

图十四：绿色节点与红色节点示例

在树的初始位置（initial tree）很容易找到颜色搭配节点（colormatch nodes），里面记录了搭配前后的色彩空间名称。苹果官方提供的案例为ITUR_2100_HLG_to_workingspace，即HLG色彩空间转化为Core Image线性色彩空间。

图十五：苹果官方案例中initial tree对色彩空间的描述

每个节点会显示Region of Interest（ROI），表示该节点在render中被使用的范围。

如果开发者在CI_PRINT_TREE控制字符串中选择type-4并在option中设定dump-intermediates，产生的级联图片会展示中间缓存的每一次pass（除了output pass）及其耗时、像素点数量和像素点格式（用来查找耗时大、占内存大的pass）。这对render内追踪错误非常有帮助。如果树中没有展示中间图，那么说明这张图在先前渲染的时候已被缓存，因此Core Image没有渲染它的必要。

图十六：设定dump-intermediates的debug效果展示

Core Image在手淘图片库中的应用可能

手淘图片库中的CDN图片适配处理库（TBCDNImage）的核心目的是为不同终端设备、网络环境下的图片展示提供最优解。目前考虑的维度主要是终端设备硬件和网络状态，考虑的参数则是图片尺寸、压缩比率、锐化等图片属性。随着苹果在Core Image、端智能（CoreML）、硬件支持（自研芯片）等方面进行技术提升，手淘的CDN图片适配处理库可以考虑增加“图片内容”作为新的维度，增加亮度、对比度、滤镜、图片种类等新参数。以下为部分应用场景：