Python 凭借语法的易学性，代码的简洁性以及类库的丰富性，赢得了众多开发者的喜爱。下面我们来看看，用不超过10行代码能实现些什么有趣的功能
百度飞桨
百度飞桨 paddlepaddle 是百度开源的深度学习工具，其功能强大，基于该工具我们可以实现很既有趣又有用的功能
在使用之前，我们肯定要先安装喽
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple pip install paddlehub -i https://mirror.baidu.com/pypi/simple
安装完成后，我们来体验几个有趣的项目
批量抠图
批量获取指定目录下的图片，然后通过 paddlehub 训练好的模型进行批量抠图处理
import os import paddlehub as hub # 加载模型 humanseg = hub.Module(name='deeplabv3p_xception65_humanseg') path = './heben/' # 文件目录 # 获取文件列表 files = [path + i for i in os.listdir(path)] # 抠图 results = humanseg.segmentation(data={'image': files}) for result in results: print(result)
Output:
我们可以看到，经过处理之后的图片自动保存在目录 humanseg_output 下面
我们可以对比下处理前后图片的差异
整体来看，抠图效果还是非常棒的！
注意：如果执行代码没有生成对应的 out 文件夹，可以重新手动安装模型再尝试
hub install deeplabv3p_xception65_humanseg==1.0.0
自然语言处理
飞桨同样有很强的自然语言处理能力，在处理文字情绪识别方面也非常突出
senta = hub.Module(name='senta_lstm') # 加载模型 sentence = [ # 准备要识别的语句 '你好漂亮', '你真难看呀', '他好难过', '我不开心', '这是一款什么游戏，真垃圾', '这个游戏太好玩了', ] results = senta.sentiment_classify(data={'text':sentence}) # 情绪识别 # 输出识别结果 for result in results: print(result)
Output:
可以看出，文字情绪的识别还是非常准确的，当然我们这里语料比较少，在大语料、更复杂的语言环境下，飞浆的表现如何还有待验证
人脸识别
当今社会人脸识别可以说是随处可见，而在疫情肆虐的今天，口罩似乎也成为我们日常出现必备的条件，飞浆工具也增加了口罩识别功能，我们来看看
# 加载模型 module = hub.Module(name='pyramidbox_lite_mobile_mask') # 图片列表 image_list = ['face2.jpg'] # 获取图片字典 input_dict = {'image':image_list} # 检测是否带了口罩 module.face_detection(data=input_dict)
face.jpg 如下
Output:
[{'data': [{'label': 'NO MASK', 'confidence': 0.9995137453079224, 'top': 478, 'bottom': 775, 'left': 1894, 'right': 2126}, {'label': 'NO MASK', 'confidence': 0.9903278946876526, 'top': 512, 'bottom': 810, 'left': 1754, 'right': 1998}, {'label': 'NO MASK', 'confidence': 0.9997405409812927, 'top': 697, 'bottom': 985, 'left': 1857, 'right': 2131}, {'label': 'NO MASK', 'confidence': 0.943692147731781, 'top': 575, 'bottom': 888, 'left': 1954, 'right': 2216}], 'path': 'face2.jpg'}]
可以看出，已经判断出超过99%的概率，该张图片是没有佩戴口罩的
人脸关键点检测
人脸关键点检测是人脸识别和分析领域中的关键一步，它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口
我们以如下这张图片作为待检测图片
代码如下
face_landmark = hub.Module(name="face_landmark_localization") image = 'face.jpg' result = face_landmark.keypoint_detection(images=[cv2.imread(image)],visualization=True) print(result)
Output:
可以看到人脸关键点已经标注出来，并且把检测后的图片自动存储在 face_landmark_output 目录下
OpenCV
OpenCV 作为最为著名的计算机视觉工具，基于它我们也可以做很多有趣的事情 首先我们安装好 OpenCV 库
pip install opencv-python
猫脸识别
在当今社会，谁还没有一个两个猫主子呢，高冷的猫咪往往会得到人们特殊的爱戴！
我们也习惯了人脸识别，今天就通过几行代码来看看猫脸识别是怎么的呢
首先我们到安装目录下提取锚链识别 XML 分类器，具体目录如下
C:\Python3\Lib\site-packages\cv2\data
可以看到有如下很多分类器
我们复制 haarcascade_frontalcatface.xml 到自己的项目下即可
# 待检测的图片路径 ImagePath = './cat/cat.jpg' # 读取图片 image = cv2.imread(ImagePath) # 把图片转换为灰度模式 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 探测图片中的猫脸 # 获取训练好的猫脸的参数数据,进行猫脸检测 face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalcatface.xml') faces = face_cascade.detectMultiScale(gray,scaleFactor=1.15,minNeighbors=5,minSize=(3, 3)) search_info = "Find %d face."%len(faces) if len(faces) <= 1 else "Find %d faces."%len(faces) # 绘制猫脸的矩形区域(红色边框) for (x, y, w, h) in faces: cv2.rectangle(image, (x,y), (x+w,y+h), (0,0,255), 2) # 显示图片 # cv2.imshow('Find faces!', image) # cv2.waitKey(0) cv2.imwrite("./cat/cat2.jpg", image)
Output:
获取摄像头人脸
我们编写一个获取实时动态视频流的代码，实时获取当中的人脸信息
detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') cap = cv2.VideoCapture(0) while True: ret, img = cap.read() gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces = detector.detectMultiScale(gray, 1.3, 5) for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2) cv2.imshow('frame', img) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()
注意这里使用的分类器是 haarcascade_frontalface_default.xml，可不要用错哦
Output:
自行在自己的电脑上尝试下哦~
快速生成动图
在很多时候，尤其是在线聊天时，输了什么也不能输掉斗图啊，下面的代码可以快速生成动图，在和朋友的斗图当中，得胜的把握又增加了
import imageio image_list = ['image/1.jpg','image/2.jpg', 'image/3.jpg', 'image/4.jpg'] gif_name = "dongtu.gif" duration = 1 frames = [] for image_name in image_list: frames.append(imageio.imread(image_name)) imageio.mimsave(gif_name, frames, "GIF", duration=duration)
Output:
动图二维码
二维码在我们的生活当中实在是太重要了，收付款、快速进入网站，访问各种统计信息等等，下面就来快速生成一个有趣的动图二维码
我们使用的图片如下
代码如下
from MyQR import myqr url = "https://mp.weixin.qq.com/mp/profile_ext?action=home&__biz=MzU5NDcyOTg4MA==#wechat_redirect" myqr.run(words=url,version=3, picture="4.gif",colorized=True,save_name="luobodazahui.gif", save_dir="./")
Output:
扫一下有惊喜~
ftp 服务器
可能很多人不知道，通过 Python 几行简单代码，我们可以快速实现一个简易的 ftp 服务器，这样在局域网内进行文件传输不再发愁啦！
代码非常简单，直接运行 Python 自带的 http 服务器即可
python -m http.server 8090
Output:
接下来我们访问本地 IP + 端口8090
很强大，很简单，很好用！
字符画
字符画是一系列字符的组合，我们可以把字符看作是比较大块的像素，一个字符能表现一种颜色，字符的种类越多，可以表现的颜色也越多，图片也会更有层次感
我们只需要短短几行代码，就可以完成字符画的制作
我们使用的图片如下
代码如下
IMG = "3.jpg" WIDTH = 80 HEIGHT = 40 OUTPUT = "./ascii/ascii.txt" ascii_char = list("$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1{}[]?-_+~<>i!lI;:,\"^`'. ") # 将256灰度映射到70个字符上 def get_char(r,g,b,alpha = 256): if alpha == 0: return ' ' length = len(ascii_char) gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b) unit = (256.0 + 1)/length return ascii_char[int(gray/unit)] im = Image.open(IMG) im = im.resize((WIDTH,HEIGHT), Image.NEAREST) txt = "" for i in range(HEIGHT): for j in range(WIDTH): txt += get_char(*im.getpixel((j,i))) txt += '\n' print(txt) #字符画输出到文件 with open(OUTPUT,'w') as f: f.write(txt)
Output:
好了，这就是今天分享的内容，如果喜欢，就点个赞吧~
