缝合了以下两个功能
使用 DeepLabV3 模型
mlmodel文件来自：https://developer.apple.com/machine-learning/models/
-
点击图片或右上角的按钮，在屏幕下方弹出菜单，可从图库或拍照来选择图片；如果当前有图片，可以选择"保存图片"来把当前显示的图片保存到图库
-
背景替换功能：用户可以指定各个分类是否作为背景，被置为背景的分类的像素会被替换，可选择图片或者纯色填充作为新的背景
-
可对图片进行缩放查看
-
用户在图片上画出需要修复的区域，然后点击 "Apply Inpainting" 来应用图像修复
-
OpenCV 为常规方法，执行速度快
-
EdgeConnect 使用机器学习模型来完成，执行时间长（iPod touch 6 约 20 秒，simulator iPhone 12 Pro 约 6 秒）
-
可对图片进行缩放查看
原作 github 仓库：https://github.com/knazeri/edge-connect
mlmodel 文件来自：https://github.com/Ma-Dan/EdgeConnect-CoreML/tree/master/EdgeConnect-CoreML/EdgeConnect-CoreML/coreml_models
主要想法是先对边进行修复，然后再是颜色
其中第一步需要输入canny 边缘检测算法处理后的图像，为此引入了 OpenCV 库（原作使用 python 的 skimage 库，略有不同），顺带着加入了 OpenCV 的图像修复功能
只使用到了 canny 和 inpaint 两个函数以及必要的类型转换，
编写代码时使用了完整的 OpenCV 库，占用空间大小达到了 400+MB；
上传时为了尽量减少 framework 的大小，用源码自行编译，尽量减去不需要的模块；
命令行选项尝试过只留用到的一两个模块，但要么构建 framework 报错，要么 xcode 报错；
最后折中构建出了 60MB 的 framework， 其使用以下命令完成构建：
python opencv-4.5.1/platforms/ios/build_framework.py ios \ --disable-bitcode \ --iphoneos_archs arm64 \ --iphonesimulator_archs x86_64 \ --without calib3d \ --without features2d \ --without objdetect \ --without dnn \ --without ml \ --without flann \ --without stitching