文章目录
一义待抠图 图片
图片和py文件统计目录：
代码为：
#待预测图片 test_img_path = ["./test.jpg"] import matplotlib.pyplot as plt import matplotlib.image as mpimg img = mpimg.imread(test_img_path[0]) # 展示待预测图片 plt.figure(figsize=(10,10)) plt.imshow(img) plt.axis('off') plt.show()
返回：
二载预训练模型
通过加载PaddleHub DeepLabv3+模型(deeplabv3p_xception65_humanseg)实现一键抠图
import paddlehub as hub module = hub.Module(name="humanseg_lite") res = module.segment( paths = ["./test.jpg"], visualization=True, output_dir='humanseg_lite') # 预测结果展示 test_img_path = "./humanseg_lite/test.png" img = mpimg.imread(test_img_path) plt.figure(figsize=(10,10)) plt.imshow(img) plt.axis('off') plt.show()
返回：
三.片合成
将抠出的人物图片合成在想要的背景图片当中
#图像合成 from PIL import Image import numpy as np def blend_images(fore_image, base_image): """ 将抠出的人物图像换背景 fore_image: 前景图片，抠出的人物图片 base_image: 背景图片 """ # 读入图片 base_image = Image.open(base_image).convert('RGB') fore_image = Image.open(fore_image).resize(base_image.size) # 图片加权合成 scope_map = np.array(fore_image)[:, :, -1] / 255 scope_map = scope_map[:, :, np.newaxis] scope_map = np.repeat(scope_map, repeats=3, axis=2) res_image = np.multiply(scope_map, np.array(fore_image)[:, :, :3]) + np.multiply((1 - scope_map), np.array(base_image)) # 保存图片 res_image = Image.fromarray(np.uint8(res_image)) res_image.save("blend_res_img.jpg") blend_images('./test.jpg', 'img.png') # 展示合成图片 plt.figure(figsize=(10,10)) img = mpimg.imread("./blend_res_img.jpg") plt.imshow(img) plt.axis('off') plt.show()
返回：
如此便是成功了，yeah!
四.完整源码
相关文件创建和图片可以创建和找，需要我得文件可以主页左侧栏联系我。
# coding=gbk """ 作者：川川 @时间 : 2021/8/29 5:48 群：970353786 """ #待预测图片 test_img_path = ["./test.jpg"] import matplotlib.pyplot as plt import matplotlib.image as mpimg img = mpimg.imread(test_img_path[0]) # 展示待预测图片 plt.figure(figsize=(10,10)) plt.imshow(img) plt.axis('off') plt.show() #加载模型 import paddlehub as hub module = hub.Module(name="humanseg_lite") res = module.segment( paths = ["./test.jpg"], visualization=True, output_dir='humanseg_lite') # 预测结果展示 test_img_path = "./humanseg_lite/test.png" img = mpimg.imread(test_img_path) plt.figure(figsize=(10,10)) plt.imshow(img) plt.axis('off') plt.show() #图像合成 # from PIL import Image # import numpy as np # # # def blend_images(fore_image, base_image): # """ # 将抠出的人物图像换背景 # fore_image: 前景图片，抠出的人物图片 # base_image: 背景图片 # """ # # 读入图片 # base_image = Image.open(base_image).convert('RGB') # fore_image = Image.open(fore_image).resize(base_image.size) # # # 图片加权合成 # scope_map = np.array(fore_image)[:, :, -1] / 255 # scope_map = scope_map[:, :, np.newaxis] # scope_map = np.repeat(scope_map, repeats=3, axis=2) # res_image = np.multiply(scope_map, np.array(fore_image)[:, :, :3]) + np.multiply((1 - scope_map), # np.array(base_image)) # # # 保存图片 # res_image = Image.fromarray(np.uint8(res_image)) # res_image.save("blend_res_img.jpg") # blend_images('./humanseg_lite/test.png', 'img.png') # # # 展示合成图片 plt.figure(figsize=(10,10)) img = mpimg.imread("./blend_res_img.jpg") plt.imshow(img) plt.axis('off') plt.show()
