前言

對(duì)于會(huì)PhotoShop的人來(lái)說(shuō)，摳圖是非常簡(jiǎn)單的操作了，有時(shí)候幾秒鐘就能扣好一張圖。不過(guò)一些比較復(fù)雜的圖，有時(shí)候還是要畫點(diǎn)時(shí)間的，今天就給大家?guī)Я艘粋€(gè)非?？焖俸?jiǎn)單的辦法，用Python來(lái)批量摳取人像。

效果展示

開(kāi)始吧，我也不看好什么自動(dòng)摳圖，總覺(jué)得不夠精確，摳不出滿意的圖。下面我就直接展示一下效果圖吧。我們先看看原圖

這張圖片背景未純色，我們平時(shí)用PhotoShop摳起來(lái)也比較簡(jiǎn)單，對(duì)我們計(jì)算機(jī)來(lái)說(shuō)也不是什么難題，下面是效果圖：

因?yàn)楸旧硎荘NG圖片，而且原圖是白色背景，所以看不出什么區(qū)別。為了顯示效果，我把原圖和摳好的圖放到一張黃色背景圖片上：

這樣一看效果明顯多了，感覺(jué)摳圖效果還是非常好的。但是吧，摳這種簡(jiǎn)單的圖片，不怎么過(guò)癮，我們?cè)賮?lái)看看復(fù)雜一點(diǎn)的圖片：

這張圖片背景色比之前復(fù)雜一些，而且有漸變，我們來(lái)看看摳圖后的效果如何：

這個(gè)原圖背景不是白色，我就不弄黃色背景了，趕緊這個(gè)效果也還算滿意，那么多人物的圖片呢，我們?cè)倏纯聪旅孢@張圖片：

這里有三個(gè)人，我們看看程序能不能自動(dòng)摳出來(lái)：

雖然是有點(diǎn)瑕疵，不過(guò)還是很不錯(cuò)了，下面我們看看最后一個(gè)例子：

這個(gè)就比前面的都復(fù)雜的多，那么效果如何呢，我們來(lái)看看：

哈哈，不僅識(shí)別出了人，還把火炬識(shí)別出來(lái)并摳了出來(lái)。總的來(lái)說(shuō)，在完成人物摳圖方面還是沒(méi)有什么問(wèn)題的。

環(huán)境

看完效果，那么應(yīng)該怎么實(shí)現(xiàn)呢？這就需要用到paddlepaddle了，那paddlepaddle是什么呢？paddlepaddle是一個(gè)開(kāi)源的深度學(xué)習(xí)工具，我們使用該工具可以僅用十幾行代碼實(shí)現(xiàn)遷移學(xué)習(xí)。在使用之前，我們先來(lái)安裝paddlepaddle，我們可以進(jìn)入官網(wǎng)https://www.paddlepaddle.org.cn/，官網(wǎng)上用安裝指引。為了方便，這里直接使用pip安裝CPU版本的。我們執(zhí)行下列語(yǔ)句：

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

安裝完成后我們可以在環(huán)境中測(cè)試一下是否成功。我這里使用命令行窗口，先運(yùn)行python.exe（前提是你已經(jīng)配置了環(huán)境變量）

C:Userszaxwz>python

然后在程序中運(yùn)行如下代碼：

Python 3.7.6 (tags/v3.7.6:43364a7ae0, Dec 19 2019, 00:42:30) [MSC v.1916 64 bit (AMD64)] on win32Type 'help', 'copyright', 'credits' or 'license' for more information.>>> import paddle.fluid>>> paddle.fluid.install_check.run_check()

如果控制臺(tái)顯示Your Paddle is installed successfully! Let’s start deep Learning with Paddle now就代表我們已經(jīng)安裝成功了。另外我們還需要安裝paddlehub：

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

下面我們就可以開(kāi)始寫代碼了。

實(shí)現(xiàn)摳圖

實(shí)現(xiàn)摳圖的代碼很簡(jiǎn)單，大概分為下面幾個(gè)步驟：

實(shí)現(xiàn)起來(lái)沒(méi)有什么難度，為了方便讀代碼，我將代碼寫清楚一點(diǎn)：

# 1、導(dǎo)入模塊import osimport paddlehub as hub# 2、加載模型humanseg = hub.Module(name=’deeplabv3p_xception65_humanseg’)# 3、獲取文件列表# 圖片文件的目錄path = ’D:/CodeField/Workplace/PythonWorkplace/PillowTest/11_yellow/img/’# 獲取目錄下的文件files = os.listdir(path)# 用來(lái)裝圖片的imgs = []# 拼接圖片路徑for i in files: imgs.append(path + i)#摳圖results = humanseg.segmentation(data={’image’:imgs})

我們?cè)诳刂婆_(tái)運(yùn)行一下這個(gè)程序：

D:CodeFieldWorkplacePythonWorkplacePillowTest11_yellow>python 摳圖.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:Userszaxwz.paddlehubmodulesdeeplabv3p_xception65_humanseg[2020-03-10 21:42:35,472] [ INFO] - 0 pretrained paramaters loaded by PaddleHub

運(yùn)行完成后，我們可以在項(xiàng)目下看到humanseg_output目錄，摳好的圖片就會(huì)存放在該目錄下。當(dāng)然了，上面的代碼我們?cè)讷@取文件列表的操作還可以簡(jiǎn)化一下：

import os, paddlehub as hubhumanseg = hub.Module(name=’deeplabv3p_xception65_humanseg’)# 加載模型path = ’D:/CodeField/Workplace/PythonWorkplace/PillowTest/11_yellow/img/’# 文件目錄files = [path + i for i in os.listdir(path)]# 獲取文件列表results = humanseg.segmentation(data={’image’:files})# 摳圖

到此這篇關(guān)于Python用5行代碼實(shí)現(xiàn)批量摳圖的示例代碼的文章就介紹到這了,更多相關(guān)Python 批量摳圖內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！