要将图片中的人物和背景分离，可以使用图像处理和计算机视觉技术。Python中常用的库有OpenCV、Pillow和TensorFlow等。
OpenCV介绍：
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，它最初由Intel开发，现在由一个跨国团队维护。OpenCV提供了广泛的图像和视频处理功能，包括面部识别、物体识别、图像分割、运动检测、三维重建、图像优化等。
OpenCV库的特点包括：
跨平台：OpenCV支持Windows、Linux、Mac OS X等操作系统，以及iOS和Android等移动平台。
多语言支持：OpenCV提供了Python、C++、Java、MATLAB等语言的接口。
功能丰富：OpenCV包含超过2500个算法，涵盖了从基础的图像处理和计算机视觉到高级的特效和机器学习等领域。
实时性能：OpenCV设计用于实时应用，许多算法都经过了优化，可以快速处理图像和视频数据。
社区支持：OpenCV有一个庞大的社区，提供了大量的教程、文档和示例代码，非常适合初学者和专业人士。
模块化设计：OpenCV采用模块化设计，用户可以根据需要选择安装和使用特定的模块。
易于扩展：OpenCV提供了C++接口，允许用户编写自己的算法并将其集成到库中。
安装OpenCV库通常使用pip（Python包管理器）进行，命令如下：
pip install opencv-python
.
这会安装OpenCV的主模块，适合进行计算机视觉的研究和开发。如果你需要使用OpenCV的GUI功能（如highGUI），可以使用以下命令安装完整的OpenCV库：
pip install opencv-python-headless
opencv-python-headless不包含GUI功能，适合在服务器或没有图形界面的环境中使用。
然后，你可以使用以下代码来实现人物和背景的分离：
import cv2
import numpy as np
def extract_human(image_path):
# 读取图片
image = cv2.imread(image_path)
# 将图片转换为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 使用背景减除法分离人物和背景
# 这里使用的是简单的背景减除法，效果可能不是很好
background = cv2.inpaint(gray, mask=gray, radius=5, iterations=3)
# 保存背景图片
cv2.imwrite('background.jpg', background)
# 提取人物轮廓
contours, _ = cv2.findContours(gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 绘制人物轮廓
contour_img = cv2.drawContours(image.copy(), contours, -1, (0, 255, 0), 3)
# 保存人物轮廓图片
cv2.imwrite('contour.jpg', contour_img)
# 返回背景和轮廓图片
return background, contour_img
# 调用函数分离人物和背景
background, contour_img = extract_human('input_image.jpg')
# 显示结果
cv2.imshow('Background', background)
cv2.imshow('Contour', contour_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
注意：上述代码使用的是简单的背景减除法，它可能不适用于所有场景。对于复杂的背景，可能需要更高级的方法，如基于深度学习的方法，这通常需要使用如TensorFlow等更复杂的框架来实现。 另外，如果人物和背景的颜色差异较大，可以使用阈值分割或者基于颜色的分割方法。如果人物和背景都有较大的纹理或者细节，可能需要使用更复杂的图像分割算法，如深度学习方法。
