别再自己抠图了,Python用5行代码实现批量抠图

前言

对于会PhotoShop的人来说,抠图是非常简单的操作了,有时候几秒钟就能扣好一张图。不过一些比较复杂的图,有时候还是要画点时间的,今天就给大家带了一个非常快速简单的办法,用Python来批量抠取人像。

效果展示

开始吧,我也不看好什么自动抠图,总觉得不够精确,抠不出满意的图。下面我就直接展示一下效果图吧。我们先看看原图
在这里插入图片描述
这张图片背景未纯色,我们平时用PhotoShop抠起来也比较简单,对我们计算机来说也不是什么难题,下面是效果图:
在这里插入图片描述
因为本身是PNG图片,而且原图是白色背景,所以看不出什么区别。为了显示效果,我把原图和抠好的图放到一张黄色背景图片上:
在这里插入图片描述
这样一看效果明显多了,感觉抠图效果还是非常好的。但是吧,抠这种简单的图片,不怎么过瘾,我们再来看看复杂一点的图片:
在这里插入图片描述
这张图片背景色比之前复杂一些,而且有渐变,我们来看看抠图后的效果如何:
在这里插入图片描述
这个原图背景不是白色,我就不弄黄色背景了,赶紧这个效果也还算满意,那么多人物的图片呢,我们再看看下面这张图片:
在这里插入图片描述
这里有三个人,我们看看程序能不能自动抠出来:
在这里插入图片描述
虽然是有点瑕疵,不过还是很不错了,下面我们看看最后一个例子:
在这里插入图片描述
这个就比前面的都复杂的多,那么效果如何呢,我们来看看:
在这里插入图片描述
哈哈,不仅识别出了人,还把火炬识别出来并抠了出来。总的来说,在完成人物抠图方面还是没有什么问题的。

环境

看完效果,那么应该怎么实现呢?这就需要用到paddlepaddle了,那paddlepaddle是什么呢?paddlepaddle是一个开源的深度学习工具,我们使用该工具可以仅用十几行代码实现迁移学习。在使用之前,我们先来安装paddlepaddle,我们可以进入官网https://www.paddlepaddle.org.cn/,官网上用安装指引。为了方便,这里直接使用pip安装CPU版本的。
我们执行下列语句:

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

安装完成后我们可以在环境中测试一下是否成功。我这里使用命令行窗口,先运行python.exe(前提是你已经配置了环境变量)

C:\Users\zaxwz>python

然后在程序中运行如下代码:

Python 3.7.6 (tags/v3.7.6:43364a7ae0, Dec 19 2019, 00:42:30) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import paddle.fluid
>>> paddle.fluid.install_check.run_check()

如果控制台显示Your Paddle is installed successfully! Let’s start deep Learning with Paddle now就代表我们已经安装成功了。另外我们还需要安装paddlehub:

pip install -i https://mirror.baidu.com/pypi/simple paddlehub

下面我们就可以开始写代码了。

实现抠图

实现抠图的代码很简单,大概分为下面几个步骤:

  1. 导入模块
  2. 加载模型
  3. 获取文件列表
  4. 抠图

实现起来没有什么难度,为了方便读代码,我将代码写清楚一点:

# 1、导入模块
import os
import paddlehub as hub

# 2、加载模型
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')

# 3、获取文件列表
# 图片文件的目录
path = 'D:/CodeField/Workplace/PythonWorkplace/PillowTest/11_yellow/img/'
# 获取目录下的文件
files = os.listdir(path)
# 用来装图片的
imgs = []
# 拼接图片路径
for i in files:
    imgs.append(path + i)
#抠图
results = humanseg.segmentation(data={'image':imgs})

我们在控制台运行一下这个程序:

D:\CodeField\Workplace\PythonWorkplace\PillowTest\11_yellow>python 抠图.py
[2020-03-10 21:42:34,587] [    INFO] - Installing deeplabv3p_xception65_humanseg module
[2020-03-10 21:42:34,605] [    INFO] - Module deeplabv3p_xception65_humanseg already installed in C:\Users\zaxwz\.paddlehub\modules\deeplabv3p_xception65_humanseg
[2020-03-10 21:42:35,472] [    INFO] - 0 pretrained paramaters loaded by PaddleHub

运行完成后,我们可以在项目下看到humanseg_output目录,抠好的图片就会存放在该目录下。当然了,上面的代码我们在获取文件列表的操作还可以简化一下:

import os, paddlehub as hub
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')		# 加载模型
path = 'D:/CodeField/Workplace/PythonWorkplace/PillowTest/11_yellow/img/'	# 文件目录
files = [path + i for i in os.listdir(path)]	# 获取文件列表
results = humanseg.segmentation(data={'image':files})	# 抠图

最后送大家一套2020最有趣的Pyhon项目实战视频教程,地址https://docs.qq.com/doc/DVFlFQW5HTVZPbnNN进去拿

本课程适合具有一定深度学习基础,希望发展为深度学习之计算机视觉方向的算法工程师和研发人员的同学们。 基于深度学习的计算机视觉是目前人工智能最活跃的领域,应用非常广泛,如人脸识别和无人驾驶中的机器视觉等。该领域的发展日新月异,网络模型和算法层出不穷。如何快速入门并达到可以从事研发的高度对新手和中级水平的学生而言面临不少的挑战。精心准备的本课程希望帮助大家尽快掌握基于深度学习的计算机视觉的基本原理、核心算法和当前的领先技术,从而有望成为深度学习之计算机视觉方向的算法工程师和研发人员。 本课程系统全面地讲述基于深度学习的计算机视觉技术的原理并进行项目实践。课程涵盖计算机视觉的七大任务,包括图像分类、目标检测、图像分割(语义分割、实例分割、全景分割)、人脸识别、图像描述、图像检索、图像生成(利用生成对抗网络)。本课程注重原理和实践相结合,逐篇深入解读经典和前沿论文70余篇,图文并茂破译算法难点, 使用思维导图梳理技术要点。项目实践使用Keras框架(后端为Tensorflow),学员可快速上手。 通过本课程的学习,学员可把握基于深度学习的计算机视觉的技术发展脉络,掌握相关技术原理和算法,有助于开展该领域的研究与开发实战工作。另外,深度学习之计算机视觉方向的知识结构及学习建议请参见本人CSDN博客。 本课程提供课程资料的课件PPT(pdf格式)和项目实践代码,方便学员学习和复习。 本课程分为上下两部分,其中上部包含课程的前五章(课程介绍、深度学习基础、图像分类、目标检测、图像分割),下部包含课程的后四章(人脸识别、图像描述、图像检索、图像生成)。
©️2020 CSDN 皮肤主题: 黑客帝国 设计师:上身试试 返回首页
实付 9.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值