抠图前vsPython自动抠图在日常工作和生活中,我们经常会遇到需要抠图的场景,即使只有一张图片需要抠图,也会cutout这让我们很不耐烦,如果你遇到很多图片需要被裁剪,这时候你的表情应该会很有趣。Python可以是这样一个工具:当只有一张图,需要仔细裁剪人物时,它可以帮助你减少绘图步骤;当有多张图片需要裁剪时,它可以直接帮你输出这些字符的基本轮廓,虽然不够详细,但也足够了。DeepLabv3+是谷歌DeepLab语义分割系列网络的最新作品。该模型可用于人像分割,支持任意尺寸的图像输入。如果我们自己实现这个模型,可能会很麻烦,好在百度的paddlehub已经帮我们实现了,我们只需要加载模型来分割图片即可。一、准备为了实现这个实验,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:超级详细的Python安装指南。然后,我们需要安装百度的paddlepaddle。进入他们的官网有详细的说明:https://www.paddlepaddle.org.cn/install/quick根据自己的情况选择这些选项。最后一个CUDA版本,由于这个实验不需要训练数据,也不需要大量的计算,所以直接选择CPU版本就可以了。选择完成后,下方会出现安装指南。不得不说,Paddlepaddle在这些方面还是挺用心的(只是名字不好听)。注意,如果你的Python3环境变量中的程序名是Python,记得把语句改成Pythonxxx,安装如下:python-mpipinstallpaddlepaddle-ihttps://mirror.baidu.com/pypi/simple需要的安装paddlehub:pipinstall-ihttps://mirror.baidu.com/pypi/simplepaddlehub2.整个写代码的步骤分为三步:**1。载入模型2.指定要切出的图片目录3.切出图**importosimportsysimportpaddlehubashub#1.载入模型humanseg=hub.Module(name="deeplabv3p_xception65_humanseg")#2.指定图片directorypath='./source/'files=[]dirs=os.listdir(path)fordiretionindirs:files.append(path+diretion)#3.Cutoutresults=humanseg.segmentation(data={"image":files})forresultinresults:print(result['origin'])print(result['processed'])不多也不少,一共20行代码。抠图完成后,本地文件夹下会生成一个名为humanseg_output的文件夹。这里存放的是裁剪成功的图片。本文20行代码和所有图片请在公众号后台回复:Python自动抠图下载。3.结果分析不得不承认Google的算法很强大。只要背景好一点,提取出来的细节可以和人工提取的相媲美,甚至比人工提取的还要好。但是当背景和人的颜色相当时,会出现一些问题,比如下面的结果:后面的大叔完全被忽略了(找到大叔的内阴影区域)。不过,这个模型是迄今为止我见过的最强大的镂空模型,无一例外。这是我们文章的结尾。如果你今天想要我们的Python教程,请继续关注我们。如果对您有帮助,请点击下方的赞/观看。有什么问题可以在下方留言区留言,我们会耐心解答!Python实战宝典(pythondict.com)不只是一个合集欢迎关注公众号:Python实战宝典原文来自Python实战宝典:比PS更易上手!Python20行代码批量切图
