别再自己抠图了，Python用5行代码实现批量抠图

骑猪看日落 2023-07-12 14:08 213阅读 0赞

# 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][20200310205648870.jpg]  
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][20200310205857198.png]  
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][20200310210732409.png]  
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][20200310210048224.jpg]  
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][20200310210846509.png]  
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][20200310211008619.jpg]  
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][20200310211117471.png]  
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][20200310211256715.jpg]  
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][20200310211344998.png]  
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/][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][https_docs.qq.com_doc_DVFlFQW5HTVZPbnNN]进去拿

[20200310205648870.jpg]: https://img-blog.csdnimg.cn/20200310205648870.jpg
[20200310205857198.png]: https://img-blog.csdnimg.cn/20200310205857198.png
[20200310210732409.png]: https://img-blog.csdnimg.cn/20200310210732409.png
[20200310210048224.jpg]: https://img-blog.csdnimg.cn/20200310210048224.jpg
[20200310210846509.png]: https://img-blog.csdnimg.cn/20200310210846509.png
[20200310211008619.jpg]: https://img-blog.csdnimg.cn/20200310211008619.jpg
[20200310211117471.png]: https://img-blog.csdnimg.cn/20200310211117471.png
[20200310211256715.jpg]: https://img-blog.csdnimg.cn/20200310211256715.jpg
[20200310211344998.png]: https://img-blog.csdnimg.cn/20200310211344998.png
[https_www.paddlepaddle.org.cn]: https://www.paddlepaddle.org.cn/
[https_docs.qq.com_doc_DVFlFQW5HTVZPbnNN]: https://docs.qq.com/doc/DVFlFQW5HTVZPbnNN