如何利用python 对照片去除路人 python抠出图片人像

对于会PhotoShop的人来说，抠图是非常简单的操作了，有时候几秒钟就能扣好一张图。不过对于一些比较复杂的图，有时候还是需要花点时间的，今天就给大家带了一个非常快速简单的办法，用Python来批量抠取人像。

效果展示

刚开始，我也不看好什么自动抠图，总觉得不够精确，抠不出满意的图。下面我就直接展示一下效果图吧。

我们先看看原图 ：

这张图片背景是纯色，我们平时用PhotoShop抠起来也比较简单，对我们计算机来说也不是什么难题，下面是效果图：

因为本身是PNG图片，而且原图是白色背景，所以看不出什么区别。为了显示效果，我把原图和抠好的图放到一张黄色背景图片上：

这样一看效果明显多了，感觉抠图效果还是非常好的。但是，抠这种简单的图片，不怎么过瘾，我们再来看看复杂一点的图片：

这张图片背景色比之前复杂一些，而且有渐变，我们来看看抠图后的效果如何：

这个原图背景不是白色，我就不弄黄色背景了，感觉这个效果也还算满意。

那么，对于多人物的图片，效果如何呢？我们再看看下面这张图片：

这里有三个人，我们看看程序能不能自动抠出来：

虽然是有点瑕疵，不过还是很不错了。

下面我们看看最后一个例子：

这个比前面的图都复杂的多，那么效果如何呢，我们来看看：

哈哈，不仅识别出了人，还把火炬识别出来并抠了出来。总的来说，在完成人物抠图方面是没有什么问题的。

这是如何实现的？

看完效果，你肯定想问这是如何实现的呢？这就需要用到飞桨了，飞桨是一个开源的深度学习平台，使用其工具仅用十几行代码就能实现迁移学习。

下载安装命令## CPU版本安装命令pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle## GPU版本安装命令pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

在使用之前，我们先来安装飞桨，可以进入官网，按指引快速安装：

https://www.paddlepaddle.org.cn/install/quick

为了方便，这里直接使用pip安装CPU版本的。我们执行下列语句：

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

安装完成后，可以在环境中测试一下是否成功。我这里使用命令行窗口，先运行python.exe(前提是你已经配置了环境变量)：

C:甥敳獲zaxwz>python

然后在程序中运行如下代码：

import paddle.fluidpaddle.fluid.install_check.run_check()

如果控制台显示Your Paddle is installed successfully! Let's start deep Learning with Paddle now，就代表我们已经安装成功了。另外我们还需要安装PaddleHub：

pip install -i https://mirror.baidu.com/pypi/simple paddlehub

下面我们就可以开始写代码了。

开始抠图

实现抠图的代码很简单，大概分为下面几个步骤：

1. 导入模块
2. 加载模型
3. 获取文件列表
4. 抠图

实现起来没有什么难度，为了方便读代码，我将代码写清楚一点：

1、导入模块

import osimport paddlehub as hub

2、加载模型

humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')

3、获取文件列表

# 图片文件的目录path = 'D:/CodeField/Workplace/PythonWorkplace/PillowTest/11_yellow/img/'# 获取目录下的文件files = os.listdir(path)# 用来装图片的imgs = []# 拼接图片路径for i in files:   imgs.append(path + i)#抠图results = humanseg.segmentation(data={'image':imgs})

4、获取文件列表

我们在控制台运行一下这个程序：

python 抠图.py

输出：

[2020-03-10 21:42:34,587] [ INFO] - Installing deeplabv3p_xception65_humanseg module

[2020-03-10 21:42:34,605] [ INFO] - Module deeplabv3p_xception65_humanseg already installed in C:甥敳獲zaxwz.paddlehubmodulesdeeplabv3p_xception65_humanseg

[2020-03-10 21:42:35,472] [ INFO] - 0 pretrained paramaters loaded by PaddleHub

运行完成后，我们可以在项目下看到humanseg_output目录，抠好的图片就会存放在该目录下。当然了，上面的代码我们在获取文件列表的操作还可以简化一下：

import os, paddlehub as hubhumanseg = hub.Module(name='deeplabv3p_xception65_humanseg')        # 加载模型path = 'D:/CodeField/Workplace/PythonWorkplace/PillowTest/11_yellow/img/'    # 文件目录files = [path + i for i in os.listdir(path)]    # 获取文件列表results = humanseg.segmentation(data={'image':files})    # 抠图

至此，我们就完成了5行代码批量抠图，感兴趣的开发者赶紧上手试试吧！