比PS还好用！Python 20行代码批量抠图

抠图前 vs Python自动抠图后

在平常的工做和生活中，咱们常常会遇到须要抠图的场景，即使是只有一张图片须要抠，也会抠得咱们不耐烦，假若遇到许多张图片须要抠，这时候你的表情应该会颇有趣。

Python可以成为这样的一种工具：在只有一张图片，须要细致地抠出人物的状况下，能帮你减小抠图步骤；在有多张图片须要抠的状况下，能直接帮你输出这些人物的基本轮廓，虽然不够细致，但也够用了。

DeepLabv3+ 是谷歌 DeepLab语义分割系列网络的最新做 ，这个模型能够用于人像分割，支持任意大小的图片输入。若是咱们本身来实现这个模型，那可能会很是麻烦，可是幸运的是，百度的paddle hub已经帮咱们实现了，咱们仅须要加载模型对图像进行分割便可。

1.准备

为了实现这个实验，Python是必不可少的，若是你尚未安装Python，建议阅读咱们的这篇文章哦：超详细Python安装指南。

而后，咱们须要安装百度的paddlepaddle, 进入他们的官方网站就有详细的指引：
https://www.paddlepaddle.org.cn/install/quick

根据你本身的状况选择这些选项，最后一个CUDA版本，因为本实验不须要训练数据，也不须要太大的计算量，因此直接选择CPU版本便可。选择完毕，下方会出现安装指引，不得不说，Paddlepaddle这些方面作的仍是比较贴心的（就是名字起的很差）。

要注意，若是你的Python3环境变量里的程序名称是Python，记得将语句改成Python xxx，以下进行安装：

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

还须要安装paddlehub：

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

2.编写代码

整个步骤分为三步：

**1.加载模型
2.指定待抠图的图片目录
3.抠图
**

import os
import sys
import paddlehub as hub
 
# 1.加载模型
humanseg = hub.Module(name="deeplabv3p_xception65_humanseg")
 
# 2.指定待抠图图片目录
path = './source/'
files = []
dirs = os.listdir(path)
for diretion in dirs:
    files.append(path + diretion)
 
# 3.抠图
results = humanseg.segmentation(data={"image": files})
 
for result in results:
    print(result['origin'])
    print(result['processed'])

很少很多一共20行代码。抠图完毕后会在本地文件夹下产生一个叫作humanseg_output的文件夹。这里面存放的是已经抠图成功的图片。

本文20行代码及全部图片，请在公众号后台回复：Python自动抠图下载。

3.结果分析

不得不认可，谷歌的算法就素厉害啊。只要背景好一点，抠出来的细节都和手动抠的细节不相上下，甚至优于人工手段。

不过在背景和人的颜色不相上下的状况下，会产生一些问题，好比下面这个结果：

背后那个大叔彻底被忽略掉了（求大叔的心里阴影面积）。尽管如此，这个模型是我迄今为止见过的最强抠图模型，没有之一。

咱们的文章到此就结束啦，若是你但愿咱们今天的Python 教程，请持续关注咱们，若是对你有帮助，麻烦在下面点一个赞/在看哦有任何问题均可以在下方留言区留言，咱们都会耐心解答的！

---

​Python实用宝典(pythondict.com)
不仅是一个宝典
欢迎关注公众号：Python实用宝典