python人物抠图算法_比PS还好用！Python20行代码批量抠图

抠图前 vs Python自动抠图后

在日常的工作和生活中&＃xff0c;我们经常会遇到需要抠图的场景&＃xff0c;即便是只有一张图片需要抠&＃xff0c;也会抠得我们不耐烦&＃xff0c;倘若遇到许多张图片需要抠&＃xff0c;这时候你的表情应该会很有趣。

Python能够成为这样的一种工具&＃xff1a;在只有一张图片&＃xff0c;需要细致地抠出人物的情况下&＃xff0c;能帮你减少抠图步骤&＃xff1b;在有多张图片需要抠的情况下&＃xff0c;能直接帮你输出这些人物的基本轮廓&＃xff0c;虽然不够细致&＃xff0c;但也够用了。

DeepLabv3&＃43; 是谷歌 DeepLab语义分割系列网络的最新作 &＃xff0c;这个模型可以用于人像分割&＃xff0c;支持任意大小的图片输入。如果我们自己来实现这个模型&＃xff0c;那可能会非常麻烦&＃xff0c;但是幸运的是&＃xff0c;百度的paddle hub已经帮我们实现了&＃xff0c;我们仅需要加载模型对图像进行分割即可。

1.准备

为了实现这个实验&＃xff0c;Python是必不可少的&＃xff0c;如果你还没有安装Python&＃xff0c;建议阅读我们的这篇文章哦&＃xff1a;超详细Python安装指南。

然后&＃xff0c;我们需要安装百度的paddlepaddle, 进入他们的官方网站就有详细的指引&＃xff1a;

www.paddlepaddle.org.cn/install/qui…

根据你自己的情况选择这些选项&＃xff0c;最后一个CUDA版本&＃xff0c;由于本实验不需要训练数据&＃xff0c;也不需要太大的计算量&＃xff0c;所以直接选择CPU版本即可。选择完毕&＃xff0c;下方会出现安装指引&＃xff0c;不得不说&＃xff0c;Paddlepaddle这些方面做的还是比较贴心的

(就是名字起的不好)。

要注意&＃xff0c;如果你的Python3环境变量里的程序名称是Python&＃xff0c;记得将语句改为Python xxx&＃xff0c;如下进行安装&＃xff1a;python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

2.编写代码

整个步骤分为三步&＃xff1a;

1.加载模型

2.指定待抠图的图片目录

3.抠图

import osimport sysimport paddlehub as hub# 1.加载模型humanseg &＃61; hub.Module(name&＃61;"deeplabv3p\_xception65\_humanseg")# 2.指定待抠图图片目录path &＃61; &＃39;./source/&＃39;files &＃61; \[\]dirs &＃61; os.listdir(path)for diretion in dirs: files.append(path &＃43; diretion)# 3.抠图results &＃61; humanseg.segmentation(data&＃61;{"image": files})for result in results: print(result\[&＃39;origin&＃39;\]) print(result\[&＃39;processed&＃39;\])

不多不少一共20行代码。抠图完毕后会在本地文件夹下产生一个叫做humanseg_output的文件夹。这里面存放的是已经抠图成功的图片。

本文20行代码及所有图片&＃xff0c;请在关注本文最下方公众号后台回复&＃xff1a;Python自动抠图 下载。

3.结果分析

不得不承认&＃xff0c;谷歌的算法就素厉害啊。只要背景好一点&＃xff0c;抠出来的细节都和手动抠的细节不相上下&＃xff0c;甚至优于人工手段。

不过在背景和人的颜色不相上下的情况下&＃xff0c;会产生一些问题&＃xff0c;比如下面这个结果&＃xff1a;

背后那个大叔完全被忽略掉了(求大叔的内心阴影面积)。尽管如此&＃xff0c;这个模型是我迄今为止见过的最强抠图模型&＃xff0c;没有之一。

我们的文章到此就结束啦&＃xff0c;如果你希望我们今天的Python 教程&＃xff0c;请持续关注我们&＃xff0c;如果对你有帮助&＃xff0c;麻烦在下面点一个赞/在看哦

有任何问题都可以在下方留言区留言&＃xff0c;我们都会耐心解答的&＃xff01;

​Python实用宝典 (pythondict.com)

不只是一个宝典

欢迎关注公众号&＃xff1a;Python实用宝典