开发者学堂课程【达摩院视觉 AI 精品课：第二节课——【分割抠图功能讲解及演示】】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/912/detail/14419
第二节课——【分割抠图功能讲解及演示】
内容介绍：
一、一些图像相关的基础概念
二、智能视觉开放平台图像分割的使用方法
三、在图像分割结果上进行二次加工的例子
一、一些图像相关的基础概念
最常用的图像格式一般是3通道的 BGR 格式，即一张图可以分为B（蓝）、G（绿）、R（红）三个颜色分量；
4通道图片格式为 PNG，区别于3通道图可以看到除了它的人物以外的背景区域是半透明的状态，那么图像可视化的边界就可以支持一些不规则的边缘，而3通道只能是矩形的。
多出来的4通道 alpha 通道则用来控制对应像素的透明程度：0表示全透，255表示不透。
如果 alpha 通道为全255，那么这张图片视觉上和3通道就没有差别了（后面统称alpha 通道为 mask）。在3通道图片的基础上，融合对应的 mask 图层，就可以得到抠图后的 png 图片，平台的能力主要是用来预测图片主体的 mask 图层。接下来介绍如何使用该能力。
二、智能视觉开放平台图像分割的使用方法
首先进入智能视觉开放平台官网：http://vision.aliyun.com/并登录阿里云账号，在能力广场-分割抠图类目下找到自己需要的接口。这里以人体分割作为样例，进入到试用界面，可以先试用，满意后再开通服务。
点击上传图片，上传成功后点击发起调用，可以看到右边就是算法结果。对于结果的满意程度这里强烈建议点击反馈，方便购物做进一步的优化。
点击代码展示，这里展示的为抠图服务反回的阶层结果，ImageURL 表示的就是刚才结果图的图片地址了。点击帮助文档，这里有更多服务的详情介绍。
下一步讲述如果免费开通：点击免费开通，选择需要开通的接口，点击立即购买，再点击确认付款。点击提示到跳转控制台，在控制台可以看到已经开通的能力。在分割抠图模块的相关信息也是可以看到的，如果需要更高的 QPS 支持，可以点击这里进行购买
接下来看如何开通对应的 API 服务：回到上一级界面往下滑，这里有示例代码以及开通需要接入的 SDK。
提醒在使用 SDK 前需要提前开通 OSS 服务和创建 AccessKey。然后点击 Python 对应的 SDK 界面，
首先需要安装阿里云 SDK 核心库：
pip install aliyun-python-sdk-core，其次再安装对应的分割接口：pip install aliyun-python-sdk-imageseg，然后返回上一级目录，选择 Python 示例，复制代码并粘贴在对应的编辑器中。
图片地址必须存放在 shanghai 的 oss-viapi 里面，点击运行，可以看到服务器反回的结果及服务器反回的解析后到的图片 url，以及把该 url 对应的图片写到本地的结果。
url = "https://viapi-data-shanghai.oss-cn-shanghai,aliyuncs.com/ppt source
client = AcsClient (accessKeyId, accessSeqret, 'cn-shanghai')
request = SegmentBodyRequest()
request.set_accept_format('json')
request.set ImageURL (url)
response = client.do_action_with_exception(request)
resultJson = str(response,eneoding='utf-8')
print(resultJson)
import json
resultUrl = json.loads (resultJson)["Data"]["ImageURL"]
print(resultUrl)
输出结果为：
Process finished with exit code 0
三、在图像分割结果上进行二次加工的例子
示例代码的结构：downloadDate.sh（用来下载图片素材），backgroundMergeDemo.py（用来展示如何抠图）。首先运行downloadDate.sh，运行脚本进行和图，（pic表示的是图片和图，vid表示的是视频和图）出现result.jpg就是和图后的结果。
和图代码的基础逻辑：
首先传进来有4个参数：of_file = arge.files，sc_image， viapi_image，bg_image。然后对 png 图片和背景图片进行 resize，保证和背景图片的尺寸是一致的。
接着提取一下 mask 通道，对于4通道图直接把 alpha 通道提取出来；对于有些可能是把 alpha 通道转换成了一个灰度图，那么这一块也会做一个转换，然后对图像再进行一个规划到0到1，然后再按照之前提到的前景＊alpha+背景＊（1-alpha）的公式进行计算。
核心代码主要是是：of_image = (sc_image-bg_image)＊mask + bg_image。它是上一个公式的变种可以减少一次 floa t计算。然后把图片写回到输出文件地址，本次教程结束。
if len(viapi_image.shape)==2:
mask = viapi_image[: : np.newaxis]
if viapi_image.shape[2] == 4:
mask = viapi_ image[: : 3:4]
elif viapi_image.shape[2] == 3:
mask = viapi_image[: : 0:1]
else:
raise Exception( invialld image mask!")
mask = mask/255.0
sc_image = sc_image.astype (np.float)
bg_image = bg_image.astype (np .float)
of image = (sc image-bg image) *mask + bg image
