python一键抠图,Python抠图

  python一键抠图,Python抠图

  在我们的日常工作和生活中,经常会遇到需要剪辑的场景。哪怕只有一张图需要剪辑,也会让我们不耐烦。本文给大家分享一个可以通过批量抠图实现的20行代码,有需要的可以参考一下。

  00-1010前言1。准备2。编写代码3。结果分析

  

目录

  抠图前与自动抠图后的Python

  在日常工作生活中,我们经常会遇到需要采摘的场景。哪怕只需要挑一张图,都会让我们不耐烦。如果遇到很多需要挑的图,这个时候你的表情应该是很有趣的。

  Python可以是这样一个工具:当只有一张图片,需要小心翼翼地裁剪人的时候,它可以帮你减少裁剪图片的步骤;在有很多图片可以挖掘的情况下,它可以直接帮你输出这些人物的基本轮廓。虽然不够详细,但也足够了。

  Deebv3是Google的DeepLabv3语义分割网络系列的最新作品。该模型可用于人像分割,支持任意大小的图像输入。如果我们自己实现这个模型,可能会很麻烦,不过好在百度的paddle hub已经帮我们实现了。我们只需要加载模型来分割图像。

  

前言

  为了实现这个实验,Python是必不可少的。如果你还没有安装Python,推荐阅读我们的文章哦:超详细的Python安装指南。

  然后,需要安装百度的paddlepaddle,进入他们官网有详细的说明。

  根据自己的情况选择这些选项,上一个CUDA版本。由于这个实验不需要训练数据和太多的计算,直接选择CPU版本即可。选择后,安装指南将出现在下面。不得不说Paddlepaddle在这些方面做了一些有思想的事情(就是名字起的不好)。

  请注意,如果Python3环境变量中的程序名是Python,请记住将python3 xxx语句更改为Python xxx,并按如下方式安装:

  python -m pip安装paddle paddle-I https://mirror.baidu.com/pypi/simple

  

1.准备

  整个步骤分为三步:

  1.加载模型

  2.指定要遮罩的图片目录。

  第三步:铺垫

  导入操作系统

  导入系统

  将paddlehub作为中心导入

  # 1.加载模型

  humanseg=hub。模块(name= deeplabv3p _ xception 65 _ human seg )

  # 2.指定要遮罩的图像的目录。

  路径=。/source/

  文件=[]

  dirs=os.listdir(路径)

  有关dirs:中的说明

  files.append(路径方向)

  # 3.席子

  results=human seg . segmentation(data={ image : files })

  为了产生结果:

  打印(结果[原点])

  打印(结果[已处理])

  不多不少,总共20行代码。抠图后,本地文件夹下会生成一个名为humanseg_output的文件夹。下面是已经matted成功的图片。

  获取物料地址

  

2.编写代码

  不得不承认,谷歌的算法很厉害。只要背景好一点,挖出来的细节堪比人工挖出来的,甚至比人工手段挖出来的还要好。

  但是,当背景和人的颜色有可比性时,就会出现一些问题,比如下面这个结果:

  后面的大叔完全忽略(求大叔内心阴影面积)。尽管如此,这个模型是我见过最强的抠图模型,没有之一。

  这就是这篇关于Python的批处理抠图函数的20行代码。更多相关Python批处理抠图内容,请搜索热门IT软件开发工作室以前的文章,或者继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: