Реалізація накладання фільтрів на відео в мобільному застосунку

Реалізація накладання фільтрів на відео в мобільному застосунку

Розробка відеофільтрів для мобільних застосунків — це завжди баланс між якістю зображення та продуктивністю. Одного разу клієнт прийшов із завданням: накласти LUT-фільтри на відео 4K 60fps у реальному часі. На iPhone 14 Pro перші тести давали 12 fps — пропуск кожного другого кадру. Проблема була у створенні CIContext на кожен кадр. Після оптимізації utilisation GPU знизилася до 30%, fps стабілізувалися на 60. Ми використовуємо GPU-шейдери для обробки кадрів. На iOS — Swift з Metal, на Android — GLSL або Vulkan. Для крос-платформних проектів — нативні модулі через платформенні канали. Завдяки GPU досягається в 4 рази вища пропускна здатність порівняно з CPU.

Два режими: попередній перегляд та експорт

Попередній перегляд у реальному часі (під час відтворення) вимагає обробки на GPU без запису результату у файл. Експорт — фінальний запис із застосованим фільтром, може зайняти секунди, але результат має бути покадрово точним.

Чому важливий один CIContext на весь застосунок?

Створення нового CIContext на кожен кадр — смерть продуктивності. На iPhone 13 це дає 3–4 fps замість 30. Контекст створюється один раз і перевикористовується. CIContext з Metal бекендом обов'язковий — CIContext(mtlDevice: MTLCreateSystemDefaultDevice()!). Без явного вказання на деяких пристроях використовується CPU-рендеринг, і відео зависає.

Як уникнути падіння fps при експорті?

CVPixelBuffer з renderContext.newPixelBuffer() має бути повернений одразу після finish(withComposedVideoFrame:). Утримання ссилки веде до витоку пулу буферів і крашу з kCVReturnInvalidArgument. На Android: GPUImageFilter не thread-safe — не можна застосовувати до одного екземпляра з кількох потоків одночасно.

Порівняння платформ

Продуктивність: CPU проти GPU

GPU забезпечує в 4 рази вищу швидкість обробки, що критично для реального часу.

iOS: AVVideoComposition + Core Image

AVVideoCompositionCoreAnimationTool для статичних оверлеїв — підходить для тексту та логотипів. Для піксельних фільтрів — AVVideoComposition з кастомним AVVideoCompositing:

class FilterCompositor: NSObject, AVVideoCompositing {
    func startRequest(_ asyncVideoCompositionRequest: AVAsynchronousVideoCompositionRequest) {
        guard let frame = asyncVideoCompositionRequest.sourceFrame(byTrackID: trackID) else { return }
        let ciImage = CIImage(cvPixelBuffer: frame)
        let filtered = applyFilter(ciImage)
        let output = asyncVideoCompositionRequest.renderContext.newPixelBuffer()!
        ciContext.render(filtered, to: output)
        asyncVideoCompositionRequest.finish(withComposedVideoFrame: output)
    }
}

Для LUT-фільтрів — CIColorCubeWithColorSpace з 64×64×64 таблицею. Детальніше про Core Image.

Android: GPUImage і media3 Effects

Попередній перегляд у реальному часі — GPUImageView з кастомним GPUImageFilter. Шейдер пишеться на GLSL:

precision mediump float;
uniform sampler2D inputImageTexture;
varying vec2 textureCoordinate;
void main() {
    vec4 color = texture2D(inputImageTexture, textureCoordinate);
    float luma = dot(color.rgb, vec3(0.299, 0.587, 0.114));
    gl_FragColor = vec4(mix(vec3(luma), color.rgb, 1.3), color.a);
}

Для експорту з фільтром — media3 Transformer з GlEffect. MatrixTextureProcessor приймає шейдер і застосовує його до кожного кадру при перекодуванні.

Flutter. Повноцінні відеофільтри в реальному часі вимагають платформенного коду. Нативні плагіни з MethodChannel — єдиний робочий підхід для production-застосунків.

Застосування фільтра до запису з камери в реальному часі

Ще більш вимогливий сценарій — фільтр при зйомці. На iOS: AVCaptureSession + AVCaptureVideoDataOutput → SampleBufferDelegate → Metal-шейдер → рендер в MTKView. Затримка ланцюжка має бути < 16 мс для 60fps. kCVPixelBufferPixelFormatTypeKey: kCVPixelFormatType_420YpCbCr8BiPlanarFullRange — формат YUV з камери швидше конвертується в текстуру Metal, ніж BGRA.

На Android: CameraX Analysis + ImageAnalysis.Analyzer → GLES-шейдер → GLSurfaceView. ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST — відкидаємо старі кадри, якщо GPU не встиг обробити попередній.

Процес роботи

1. Аналітика: оцінка вимог до фільтрів, цільові пристрої, fps.
2. Проектування: вибір архітектури (нативна/крос-платформа), прототипування шейдерів.
3. Реалізація: написання GPU-шейдерів, інтеграція з AVFoundation/Media3, оптимізація продуктивності.
4. Тестування: на реальних пристроях (iPhone 8–14, Samsung Galaxy S10–S23), вимірювання fps, перевірка артефактів.
5. Деплой: публікація в App Store/Google Play, налаштування TestFlight/App Distribution.

Що входить у роботу

• Вихідний код шейдерів та інтеграції (Swift, Kotlin, Dart).
• Документація з інтеграції та налаштування.
• Інструкція з додавання нових фільтрів.
• Підтримка протягом 1 місяця після здачі.
• Тестування на 3+ реальних пристроях.

Терміни та гарантії

5–7 робочих днів: розробка шейдерів для 5–8 фільтрів, інтеграція попереднього перегляду та експорту на iOS та Android під ключ. Flutter-версія з нативним кодом — плюс 2 дні. Вартість розраховується індивідуально — орієнтовний бюджет від $5,000 до $15,000 під ключ залежно від складності. Економія до 30% за рахунок готових шейдерів. Зв'яжіться для оцінки вашого проекту.

Ми гарантуємо стабільну роботу фільтрів на пристроях від iPhone 8 та Android 10. Наш досвід — 5+ років у мобільній розробці, понад 30 проектів з відеообробкою. Пишіть — допоможемо реалізувати відеофільтри для вашого застосунку під ключ.

Як вибрати підхід до камери в застосунках?

Застосунки, де користувачі знімають, слухають або дивляться, технічно одні з найвимогливіших. Ми стикаємося з цим щодня. Не через складність API, а через різницю в залізі: на флагмані камера працює ідеально, на бюджетному пристрої з нестандартним Camera HAL виникають артефакти та збої. На iOS стабілізація одного покоління відрізняється від іншого. Платформенні відмінності формують 80% всієї складності медіа-розробки. Наш досвід — 10+ років у мобільних медіа та понад 40 реалізованих проєктів з камерою, аудіо та відео.

CameraX проти Camera2 та AVFoundation

На Android довгий час Camera2 API був єдиним адекватним вибором для кастомних камер. Це низькорівневий API з CaptureRequest, CameraCharacteristics, ImageReader — потужний, але багатослівний. Тільки preview з коректним aspect ratio та правильною орієнтацією займає кілька сотень рядків коду.

CameraX (Jetpack) — обгортка поверх Camera2 з автоматичною адаптацією під пристрій. Preview, ImageCapture, ImageAnalysis, VideoCapture — чотири use case, які комбінуються. Він вирішує за вас проблему орієнтації, aspect ratio та lifecycle: прив'язуєте до LifecycleOwner і не думаєте про закриття камери при згортанні. В останніх версіях CameraX отримав Extensions API для боке, нічного режиму, HDR — нативні алгоритми виробників через єдиний інтерфейс. CameraX дозволяє скоротити час розробки вдвічі порівняно з Camera2.

Коли потрібен Camera2 напряму: RAW-зйомка через ImageFormat.RAW_SENSOR, ручний контроль ISO/витримки/фокусу або коли CameraX Extensions API не підтримується та потрібен кастомний ML-пайплайн в ImageAnalysis.

На iOS AVFoundation — єдиний шлях для кастомної камери. AVCaptureSession з AVCaptureDeviceInput та потрібним output (AVCapturePhotoOutput, AVCaptureVideoDataOutput, AVCaptureMovieFileOutput). Для реального часу обробки відео — AVCaptureVideoDataOutput + CVPixelBuffer в captureOutput(_:didOutput:from:) на фоновій черзі. Саме тут CoreML-моделі отримують кадри для інференсу.

Типова помилка з AVFoundation: конфігурувати сесію на main thread. beginConfiguration() / commitConfiguration() повинні викликатися на фоновому потоці. Інакше preview фрізиться, користувач бачить заморозку інтерфейсу. Ця помилка зустрічається в 70% проєктів, які ми аудитували.

Що робити з AudioFocus на Android та AudioSession на iOS?

Аудіо на мобільних платформах вимагає коректного управління життєвим циклом звуку. AudioFocus — механізм координації між застосунками. AudioManager.requestAudioFocus() з OnAudioFocusChangeListener. Якщо не обробляти AUDIOFOCUS_LOSS_TRANSIENT (паузувати) та AUDIOFOCUS_LOSS (зупиняти) — ваш застосунок гратиме поверх телефонного дзвінка. Це гарантований поганий відгук у Google Play (Wikipedia: AudioFocus).

На iOS AudioSession категорії визначають поведінку: playback — для плеєрів (продовжує грати при заблокованому екрані), record — для запису з відключенням інших джерел, playAndRecord — для голосових повідомлень. Неправильна категорія — застосунок глушить фонову музику користувача при старті.

AVAudioEngine — сучасний API для обробки аудіо: граф нод (мікшери, еквалайзери), tap-и для захвату буфера. Для мовлення в реальному часі — SFSpeechRecognizer + inputNode.installTap.

На Android для запису з шумопригніченням — NoiseSuppressor.isAvailable() + create(audioRecord.audioSessionId). Працює не на всіх пристроях, потрібен fallback.

Відео: відтворення та стрімінг

ExoPlayer (Media3) — стандарт для Android. Підтримує HLS, DASH, SmoothStreaming, прогресивне відтворення. DefaultTrackSelector з Parameters дозволяє вибирати якість вручну або адаптивно. DRM через DefaultDrmSessionManager з Widevine L1/L3.

Проблема, з якою стикаються майже всі: ExoPlayer в RecyclerView при швидкому скролі. Потрібен PlayerPool — пул перевикористовуваних плеєрів. Без пула кожен новий екземпляр створює MediaCodec інстанс, що дорого та призводить до MediaCodec$CodecException: Error -19 на деяких Android 10 пристроях при >3 одночасних інстансах. Використання пулу зменшує споживання пам'яті до 3 разів.

AVPlayer / AVPlayerViewController на iOS — для відтворення. Для кастомного UI — AVPlayerLayer + власні контроли. HLS працює нативно через AVPlayer(url:) з m3u8. FairPlay DRM вимагає серверної частини: AVContentKeySession, CKC-відповідь від KSM-сервера, делегат ресурсів.

Для Flutter — video_player як базовий шар, chewie для UI. Для серйозних завдань — platform channel до нативного ExoPlayer/AVPlayer (через DRM та субтитри).

WebRTC на мобільних — через нативні фреймворки або flutter_webrtc. Реальна складність — не в самому протоколі, а в сигналінгу та TURN-серверах. Без TURN клієнти за симетричними NAT не встановлять з'єднання — це приблизно 15–20% трафіку. Coturn — стандартний open-source сервер.

RTMP публікація на мобільних: LFLiveKit для iOS, HaishinKit як більш сучасна альтернатива. На Android — rtmp-rtsp-stream-client-java або через FFmpeg з JNI. Останнє дає максимальну гнучкість, але бінарник зростає на 10–15 МБ.

Обробка медіа: компресія та транскодування

Відео в ProRes може займати 6 ГБ/хвилину. Перед завантаженням потрібна компресія. На iOS — AVAssetExportSession з пресетом 1920×1080 або кастомний AVVideoComposition. VideoToolbox для апаратного кодування H264/HEVC — швидше та економніше по батареї.

На Android — MediaCodec напряму або Transformer (Media3) — високорівневий API для трансформацій (обрізка, ресайз, ефекти через GlEffectsFrameProcessor). Для зображень — BitmapFactory.Options.inSampleSize для даунсемплінгу, Glide / Coil для кешування. Coil на Coroutines добре вписується в Compose. Завантажувати оригінал 12 МП в ImageView 200×200dp — класичний OutOfMemoryError на пристроях з 2 ГБ RAM. Тому ми завжди стискаємо зображення до 1 МБ перед відправкою.

Як реалізувати стрімінг на мобільних пристроях: покроковий план?

1. Визначити вимоги: цільова затримка (наприклад, <100 мс), кількість одночасних користувачів (до 1000), необхідність P2P.
2. Обрати протокол та стек: WebRTC для відеодзвінків, RTMP/HLSLive для мовлення.
3. Налаштувати сигналінг (SIP, WebSocket, MQTT) та TURN-сервер.
4. Реалізувати публікацію/перегляд через нативний API або кроссплатформенний плагін.
5. Провести тестування на реальних пристроях з різними камерами та мережевими умовами.
6. Оптимізувати бітрейт (до 2 Мбіт/с для HD) та роздільну здатність залежно від пропускної здатності.

Типові помилки при розробці медіа-функціональності: конфігурація AVFoundation сесії на головному потоці, відсутність обробки AudioFocus Loss на Android, ігнорування обмежень MediaCodec на дешевих пристроях, використання емулятора для тестів камери (емулятор не відтворює проблеми HAL), витік пам'яті при перестворенні медіаплеєрів без пулу.

Що входить в роботу?

Процес розробки медіафункціональності

Складність нелінійна: базове відтворення відео — 1–2 дні, кастомна камера з обробкою кадрів та стрімінгом — 3–5 тижнів. Починаємо з прояснення вимог: DRM, формати, мінімальна OS, підтримка фонових режимів. Тестування на залізі обов'язкове — емулятор не відтворює проблеми з Camera HAL, апаратним кодеком та AudioFocus. Мінімальний набір: останній iPhone, iPhone SE, флагман Samsung, бюджетний Android, Android Go (якщо цільова аудиторія — ринки, що розвиваються).

Терміни орієнтовно: від 5 робочих днів (базове відтворення) до 8 тижнів (комплексна камера зі стрімінгом та DRM). Вартість розраховується індивідуально після аналізу ваших вимог — зв'яжіться з нами для консультації. Типовий бюджет таких проєктів: від $2,000 до $15,000.

Фраза послуги: «Робота з медіа в мобільних застосунках» — це наш профіль. Кожен проєкт починається з аудиту поточної реалізації, виявлення вузьких місць та пропозиції оптимального стеку. Замовте аудит вашої медіа-функціональності, отримайте консультацію інженера без зобов'язань.