• kCICategoryStillImage 能用于静态图像
• kCICategoryVideo 能用于视频
• kCICategoryInterlaced 能用于交错图像
• kCICategoryNonSquarePixels 能用于非矩形像素
• kCICategoryHighDynamicRange 能用于HDR

我们把kCICategoryColorAdjustment这个类别下的滤镜打印出来看看：

 

有11个滤镜，其中有一个CIHueAdjust，这个看名字应该是修改图像色调的，效果应该会比较明显，看看它有哪些参数：

 

它的详细信息里除了我们之前了解的inputImage和所属分类信息以外，多了个inputAngle，显然这是一个输入参数，而且这个参数也打印的非常清晰，其中包括了：

• 参数类型：NSNumber
• 默认值：0
• kCIAttributeIdentity：虽然这个值大部分情况下与默认值是一样的，但是它们的含义不一样，kCIAttributeIdentity表示的含义是这个值被应用到参数上的时候，就表示被应用的参数不会对inputImage造成任何影响
• 最大值：Ԉ
• 最小值：-Ԉ
• 属性类型：角度

了解了以上情况后，我们就可以开始编码了。首先在VC里添加上个工程中的常用属性：

与之前工程中不同的是，我多加了一个UISlider，Main.storyboard中VC的view像这样：

override func viewDidLoad() {

super.viewDidLoad()

imageView.layer.shadowOpacity = 0.8

imageView.layer.shadowColor = UIColor.blackColor().CGColor

imageView.layer.shadowOffset = CGSize(width: 1, height: 1)

slider.maximumValue = Float(M_PI)

slider.minimumValue = Float(-M_PI)

slider.value = 0

slider.addTarget(self, action: "valueChanged", forControlEvents: UIControlEvents.ValueChanged)

let inputImage = CIImage(image: originalImage)

filter = CIFilter(name: "CIHueAdjust")

filter.setValue(inputImage, forKey: kCIInputImageKey)

slider.sendActionsForControlEvents(UIControlEvents.ValueChanged)

showFiltersInConsole()

}

@IBAction func valueChanged() {

filter.setValue(slider.value, forKey: kCIInputAngleKey)

let outputImage = filter.outputImage

let cgImage = context.createCGImage(outputImage, fromRect: outputImage.extent())

imageView.image = UIImage(CGImage: cgImage)

}

在此之前，无论是使用简单滤镜，还是能动态修改参数值的滤镜，都不算复杂，因为我们最多也只是对一个滤镜设置点参数而已。可是如果现有的滤镜没有想要的效果，或者说单个滤镜实现不了自己想要的效果，就只能自己处理了，其中，最简单的做法是把多个滤镜组合起来。

Core Image并没有内置类似于老电影的效果，就是那种影像有点发黄，同时还会带点黑条、白条之类的，而我们如果要实现这种效果，总体上就像这样：

 

大致过程如下：

• 需要使用CISepiaTone滤镜，CISepiaTone能使整体颜色偏棕褐色，又有点像复古
• 需要创建随机噪点图，很像以前电视机没信号时显示的图像，再通过它生成一张白斑图滤镜
• 需要创建另一个随机噪点图，然后通过它生成一张黑色磨砂图滤镜，就像是一张使用过的黑色砂纸一样
• 把它们组合起来

在
VC里添加一个IBAction方法：oldFilmEffect，然后在Storyboard的VC上增加一个按钮，就叫“老电影”，然后连接到
oldFilmEffect方法上，oldFilmEffect方法实现的代码稍后给出，这里先描述下详细步骤，其实通过这些详细步骤，已经可以自己先实
现出来了：

 

• 设置inputImage为原图
• 设置inputIntensity为1.0

用CIRandomGenerator生成随机噪点滤镜，然后通过imageByCroppingToRect方法对其进行裁剪，在imageByCroppingToRect方法内Core Image隐式的使用了CICrop滤镜。

接下来使用CIColorMatrix滤镜，该滤镜可以很方便的调整图片中RGBA各分量的值，其参数设置如下：

• 设置inputImage为CIRandomGenerator生成的随机噪点图
• 设置inputRVector、inputGVector和inputBVector为(0,1,0,0)
• 设置inputBiasVector为(0,0,0,0)

用CISourceOverCompositing（源覆盖）滤镜把前景图（inputImage）覆盖在背景图（inputBackgroundImage）上：

• 设置inputImage为CISepiaTone滤镜生成的图
• 设置inputBackgroundImage为白斑图滤镜

还是先用CIRandomGenerator生成随机噪点图，然后用CIAffineTransform滤镜对其进行处理，其实就是把生成的点放大。参数设置如下：

• 设置inputImage为CIRandomGenerator生成的随机噪点图
• 设置inputTransform为x放大1.5倍、y放大25倍，把点拉长、拉厚，但是它们仍然是有颜色的

在这里除了使用CIAffineTransform滤镜外，还有一种替代方法可以达到同样的效果，同时不用显式创建CIAffineTransform滤镜，就是使用CIImage的imageByApplyingTransform:方法。

再次用CIColorMatrix滤镜对颜色进行处理：

• 设置inputImage为CIAffineTransform生成的图
• 设置inputRVector为(4,0,0,0)
• 设置inputGVector、inputBVector和inputAVector为(0,0,0,0)
• 设置inputBiasVector为(0,1,1,1)

现在产生的是一个蓝绿色磨砂图滤镜，再把CIMinimumComponent滤镜应用到这个蓝绿色磨砂图滤镜产生的图上。CIMinimumComponent滤镜会使用r、g、b的最小值生成一张灰度图像。

 

使用CIMultiplyCompositing做最后的组合，参数设置如下：

• 设置inputImage为CISourceOverCompositing滤镜生成的图（内含CISepiaTone、白斑图滤镜的效果）
• 设置inputBackgroundImage为CIMinimumComponent滤镜生成的图（内含黑色磨砂图滤镜效果）

有点小长，而且同时用到了多个滤镜，其实想表达的意思并没有那么复杂，可以使用kCICategoryBuiltIn把所有的滤镜打印出来，然后对照着看它们的参数。

@IBAction func oldFilmEffect() {

let inputImage = CIImage(image: originalImage)

// 1.创建CISepiaTone滤镜

let sepiaToneFilter = CIFilter(name: "CISepiaTone")

sepiaToneFilter.setValue(inputImage, forKey: kCIInputImageKey)

sepiaToneFilter.setValue(1, forKey: kCIInputIntensityKey)

// 2.创建白斑图滤镜

let whiteSpecksFilter = CIFilter(name: "CIColorMatrix")

whiteSpecksFilter.setValue(CIFilter(name: "CIRandomGenerator").outputImage.imageByCroppingToRect(inputImage.extent()), forKey: kCIInputImageKey)

whiteSpecksFilter.setValue(CIVector(x: 0, y: 1, z: 0, w: 0), forKey: "inputRVector")

whiteSpecksFilter.setValue(CIVector(x: 0, y: 1, z: 0, w: 0), forKey: "inputGVector")

whiteSpecksFilter.setValue(CIVector(x: 0, y: 1, z: 0, w: 0), forKey: "inputBVector")

whiteSpecksFilter.setValue(CIVector(x: 0, y: 0, z: 0, w: 0), forKey: "inputBiasVector")

// 3.把CISepiaTone滤镜和白斑图滤镜以源覆盖(source over)的方式先组合起来

let sourceOverCompositingFilter = CIFilter(name: "CISourceOverCompositing")

sourceOverCompositingFilter.setValue(whiteSpecksFilter.outputImage, forKey: kCIInputBackgroundImageKey)

sourceOverCompositingFilter.setValue(sepiaToneFilter.outputImage, forKey: kCIInputImageKey)

// ---------上面算是完成了一半

// 4.用CIAffineTransform滤镜先对随机噪点图进行处理

let affineTransformFilter = CIFilter(name: "CIAffineTransform")

affineTransformFilter.setValue(CIFilter(name: "CIRandomGenerator").outputImage.imageByCroppingToRect(inputImage.extent()), forKey: kCIInputImageKey

affineTransformFilter.setValue(NSValue(CGAffineTransform: CGAffineTransformMakeScale(1.5, 25)), forKey: kCIInputTransformKey)

// 5.创建蓝绿色磨砂图滤镜

let darkScratchesFilter = CIFilter(name: "CIColorMatrix")

darkScratchesFilter.setValue(affineTransformFilter.outputImage, forKey: kCIInputImageKey)

darkScratchesFilter.setValue(CIVector(x: 4, y: 0, z: 0, w: 0), forKey: "inputRVector")

darkScratchesFilter.setValue(CIVector(x: 0, y: 0, z: 0, w: 0), forKey: "inputGVector")

darkScratchesFilter.setValue(CIVector(x: 0, y: 0, z: 0, w: 0), forKey: "inputBVector")

darkScratchesFilter.setValue(CIVector(x: 0, y: 0, z: 0, w: 0), forKey: "inputAVector")

darkScratchesFilter.setValue(CIVector(x: 0, y: 1, z: 1, w: 1), forKey: "inputBiasVector")

// 6.用CIMinimumComponent滤镜把蓝绿色磨砂图滤镜处理成黑色磨砂图滤镜

let minimumComponentFilter = CIFilter(name: "CIMinimumComponent")

minimumComponentFilter.setValue(darkScratchesFilter.outputImage, forKey: kCIInputImageKey)

// ---------上面算是基本完成了

// 7.最终组合在一起

let multiplyCompositingFilter = CIFilter(name: "CIMultiplyCompositing")

multiplyCompositingFilter.setValue(minimumComponentFilter.outputImage, forKey: kCIInputBackgroundImageKey)

multiplyCompositingFilter.setValue(sourceOverCompositingFilter.outputImage, forKey: kCIInputImageKey)

// 8.最后输出

let outputImage = multiplyCompositingFilter.outputImage

let cgImage = context.createCGImage(outputImage, fromRect: outputImage.extent())

imageView.image = UIImage(CGImage: cgImage)

}

以上就是一个老电影滤镜的“配方”了。

编译、运行，显示效果如下：

 

 

 

 

有时可能会对一些图片应用同样的滤镜，我们可能会像上面那样把一连串的滤镜组合起来，以达到自己想要的效果，那么我们就可以把这些操作封装到一个CIFilter的子类中，然后在多个地方反复使用，就像使用Core Image预置的滤镜那样。

CICategoryColorEffect类别中有个CIColorInvert滤
镜，这个滤镜提供反色功能，实现起来并不复杂，因为我们并不是做一个真正的自定义滤镜，而是在里面对Core
Image已有滤镜的封装，我们可以为子类定义一些输入参数，参照苹果对CIFilter子类的命名约定，输入参数必须用input作前缀，如
inputImage，然后再重写outputImage方法就行了。

现在我们回到Xcode中，做以下几件事：

1. 新建一个Cocoa Touch Class，类名就叫CIColorInvert，继承自CIFilter。
2. 添加一个inputImage参数，类型自然是CIImage，由外界赋值。
3. 重
   写outputImage属性的getter。如果你之前写过Objective-C，应该对属性有这样一个印象：子类要重写父类的属性，只需要单独写个
   getter或setter方法就行了，但在Swift里，不能通过这种方式重写属性，必须连getter、setter（如果父类的属性支持
   setter的话）一起重写。在我们的例子中outputImage在CIFilter中只是一个getter属性，
4. 在outputImage里通过CIColorMatrix滤镜对图像的各向量进行调整。

然后在Storyboard的VC上增加一个按钮“反色”，连接到VC的colorInvert方法上，colorInvert方法实现如下：

这
样一下，一个对Core
Image预置滤镜的简单封装就完成了，每一个滤镜的效果就像是一张配方，CIFilter就是装有配方的瓶子，所以子类化CIFilter并不算自定义
滤镜，但是从iOS 8开始，Core
Image是支持真正的自定义滤镜的，自定义的滤镜被称之为内核（CIKernel），在WWDC视频里对其有50分钟的介绍：https://developer.apple.com/videos/wwdc/2014/#515。

运行后反色的效果，再次点击反色按钮后显示原图：

 

 

利用Core Image预置的滤镜能满足大部分使用场景，我们做一个简单的替换背景的功能。

为了方便测试，加入两张新的图：

点击图片可以打开原图。

将两张图添加到当前工程中，然后把ViewController的属性originalImage改为返回左边的图：

然后在Storyboard的VC上增加两个按钮：一个用于显示原图：

另一个按钮就叫“更换背景”，连接到VC的IBAction方法replaceBackground上。

我们先看要做的事情：

• 消除深绿色
• 组合图片

消除深绿色

就像Photoshop的魔法棒一样，Core Image也有类似的滤镜，但是没有那么简单粗暴，使用起来很麻烦。

在Core Image里，我们为了消除某种颜色，需要使用CIColorCube滤镜，而CIColorCube滤镜需要一张cube映射表，这张表其实就是张颜色表（3D颜色查找表），把你想消除的颜色的alpha值设置为0，其他的颜色不变，Core Image将会把图像数据上的颜色映射为表中的颜色，以此来达到消除某种颜色的目的。

CIColorCube的这张表默认不会对inputImage作任何处理，但在我们这里要将所有的深绿色干掉，所以需要自己来建立这张表。

我们要消除的“深绿色”并不只是视觉上的一种颜色，而是颜色的范围，最直接的方法是将RGBA转成HSV（Hue，Saturation，Value），
在HSV的格式下，颜色是围绕圆柱体中轴的角度来表现的，在这种表现方法下，你能把颜色的范围想象成连在一起的扇形，然后直接把该块区域干掉（alpha
设为0），这就表示我们实际上需要指定颜色区域的范围------围绕圆柱体中轴线的最小角度以及最大角度，此范围内的颜色alpha设为0。最
后，Cube Map表中的数据必须乘以alpha，所以创建Cube Map的最后一步是把RGB值乘以你刚刚计算出来的alpha值：如果是想要消除的颜色，乘出来就是0，反之则不变。这是一张代表颜色值区域的HSV（Hue值）图：

可以看到如果是纯绿色，其取值是120度，蓝色是240度，我们这种情况取值大概在60到90左右（偏绿一点），在这个网站上可以看到更详细的RGB颜色对应的HSV值。

那么接下来我们就准备创建Cube Map表，创建Cube Map表的方法在苹果官方示例中可以找到，是C语言实现的，为了方便起见，我们就直接创建一个C文件来包含这些代码。

在工程里选择新建一个.c文件，我取名为CubeMap.c，在创建这个.c文件的时候，不出意外的话Xcode会问你是否需要创建一个桥接头文件（xxxx.Bridging-Header.H），选择是，Xcode会创建该文件，并自动把其路径放到编译选项的Objective-C Bridging Header中。如果你要自己添加这个文件，并且需要手动修改Objective-C Bridging Header的编译选项，可以看这里。

.c文件搞完以后，即把苹果官方示例中的代码（以下代码）添加进去：

我将这个方法稍微改造了一下，选回一个结构体，因为外面要用到length和dimension。苹果没有提供rgbToHSV方法的实现，可以用我找到的这个：

我在.c文件中导入的库：

对了，如果那个桥接文件里没有导入这个.c文件的话是不行的，Swift的类会找不到这里面的方法。

组合图片

VC中的replaceBackground方法只需要做三件事：

• 创建Cube Map表
• 创建CIColorCube滤镜并使用Cube Map
• 用CISourceOverCompositing滤镜将处理过的人物图像和未处理过的背景图粘合起来

 

 

我在更换背景的右侧，新加入了一个显示图2的button，已在GitHub上更新。