从 Swift 中的 CVPixelBufferRef 获取像素值

Question

如何从 CVPixelBufferRef 获取 RGB（或任何其他格式）像素值？我尝试了很多方法，但都没有成功。

func captureOutput(captureOutput: AVCaptureOutput!,
                   didOutputSampleBuffer sampleBuffer: CMSampleBuffer!,
                   fromConnection connection: AVCaptureConnection!) {
  let pixelBuffer: CVPixelBufferRef = CMSampleBufferGetImageBuffer(sampleBuffer)!
                CVPixelBufferLockBaseAddress(pixelBuffer, 0)
  let baseAddress = CVPixelBufferGetBaseAddress(pixelBuffer)

  //Get individual pixel values here

  CVPixelBufferUnlockBaseAddress(pixelBuffer, 0)
}

Answer 1

baseAddress 是一个不安全的可变指针或更准确地说是一个UnsafeMutablePointer<Void>。将指针从 Void 转换为更具体的类型后，您可以轻松访问内存：

// Convert the base address to a safe pointer of the appropriate type
let byteBuffer = UnsafeMutablePointer<UInt8>(baseAddress)

// read the data (returns value of type UInt8)
let firstByte = byteBuffer[0]

// write data
byteBuffer[3] = 90

确保使用正确的类型（8、16 或 32 位无符号整数）。这取决于视频格式。很可能是 8 位。

缓冲区格式更新：

您可以在初始化AVCaptureVideoDataOutput 实例时指定格式。您基本上可以选择：

• BGRA：一个平面，其中蓝色、绿色、红色和 alpha 值分别存储在一个 32 位整数中
• 420YpCbCr8BiPlanarFullRange：两个平面，第一个包含每个像素的 Y（亮度）值字节，第二个包含像素组的 Cb 和 Cr（色度）值
• 420YpCbCr8BiPlanarVideoRange：与 420YpCbCr8BiPlanarFullRange 相同，但 Y 值限制在 16 – 235 范围内（出于历史原因）

如果您对颜色值感兴趣，并且速度（或者说最大帧速率）不是问题，那么请选择更简单的 BGRA 格式。否则采用更高效的原生视频格式之一。

如果你有两个飞机，你必须得到所需飞机的基地址（见视频格式示例）：

视频格式示例

let pixelBuffer: CVPixelBufferRef = CMSampleBufferGetImageBuffer(sampleBuffer)!
CVPixelBufferLockBaseAddress(pixelBuffer, 0)
let baseAddress = CVPixelBufferGetBaseAddressOfPlane(pixelBuffer, 0)
let bytesPerRow = CVPixelBufferGetBytesPerRowOfPlane(pixelBuffer, 0)
let byteBuffer = UnsafeMutablePointer<UInt8>(baseAddress)

// Get luma value for pixel (43, 17)
let luma = byteBuffer[17 * bytesPerRow + 43]

CVPixelBufferUnlockBaseAddress(pixelBuffer, 0)

BGRA 示例

let pixelBuffer: CVPixelBufferRef = CMSampleBufferGetImageBuffer(sampleBuffer)!
CVPixelBufferLockBaseAddress(pixelBuffer, 0)
let baseAddress = CVPixelBufferGetBaseAddress(pixelBuffer)
let int32PerRow = CVPixelBufferGetBytesPerRow(pixelBuffer)
let int32Buffer = UnsafeMutablePointer<UInt32>(baseAddress)

// Get BGRA value for pixel (43, 17)
let luma = int32Buffer[17 * int32PerRow + 43]

CVPixelBufferUnlockBaseAddress(pixelBuffer, 0)

Answer 2

这是一种从 BGRA 像素缓冲区获取单个 rgb 值的方法。注意：在调用此之前，您的缓冲区必须被锁定。

func pixelFrom(x: Int, y: Int, movieFrame: CVPixelBuffer) -> (UInt8, UInt8, UInt8) {
    let baseAddress = CVPixelBufferGetBaseAddress(movieFrame)
    
    let bytesPerRow = CVPixelBufferGetBytesPerRow(movieFrame)
    let buffer = baseAddress!.assumingMemoryBound(to: UInt8.self)
    
    let index = x*4 + y*bytesPerRow
    let b = buffer[index]
    let g = buffer[index+1]
    let r = buffer[index+2]
    
    return (r, g, b)
}

Answer 3

Swift3 更新：

let pixelBuffer: CVPixelBufferRef = CMSampleBufferGetImageBuffer(sampleBuffer)!
CVPixelBufferLockBaseAddress(pixelBuffer, CVPixelBufferLockFlags(rawValue: 0));
let int32Buffer = unsafeBitCast(CVPixelBufferGetBaseAddress(pixelBuffer), to: UnsafeMutablePointer<UInt32>.self)
let int32PerRow = CVPixelBufferGetBytesPerRow(pixelBuffer)
// Get BGRA value for pixel (43, 17)
let luma = int32Buffer[17 * int32PerRow + 43]

CVPixelBufferUnlockBaseAddress(pixelBuffer, 0)

Answer 4

斯威夫特 5

我遇到了同样的问题，最终得到了以下解决方案。我的CVPixelBuffer 有维度68 x 68，可以通过

CVPixelBufferLockBaseAddress(pixelBuffer, CVPixelBufferLockFlags(rawValue: 0))
print(CVPixelBufferGetWidth(pixelBuffer))
print(CVPixelBufferGetHeight(pixelBuffer))

您还必须知道每行的字节数：

print(CVPixelBufferGetBytesPerRow(pixelBuffer))

在我的例子中是 320。

此外，您需要知道像素缓冲区的数据类型，对我来说是Float32。

然后我构造了一个字节缓冲区，连续读取字节如下（记得锁定基地址如上图）：

var byteBuffer = unsafeBitCast(CVPixelBufferGetBaseAddress(pixelBuffer), to: UnsafeMutablePointer<Float32>.self)
var pixelArray: Array<Array<Float>> = Array(repeating: Array(repeating: 0, count: 68), count: 68)
for row in 0...67{
    for col in 0...67{
        pixelArray[row][col] = byteBuffer.pointee
        byteBuffer = byteBuffer.successor()    
    }
    byteBuffer = byteBuffer.advanced(by: 12)
}
CVPixelBufferUnlockBaseAddress(pixelBuffer, CVPixelBufferLockFlags(rawValue: 0))

您可能想知道byteBuffer = byteBuffer.advanced(by: 12) 部分。我们必须这样做的原因如下。

我们知道每行有 320 个字节。但是，我们的缓冲区宽度为 68，数据类型为Float32，例如每个值 4 个字节。这意味着我们实际上每行只有272 字节，然后是零填充。这种零填充可能有内存布局的原因。

因此，我们必须跳过每行中的最后 48 个字节，这是由 byteBuffer = byteBuffer.advanced(by: 12) (12*4 = 48) 完成的。

这种方法与其他解决方案有些不同，因为我们使用指向下一个byteBuffer 的指针。但是，我发现这更容易、更直观。