百度AI攻略：人像分割带我去旅游

1.需求描述：

我想去桂林呀我想去桂林

但是有时间的时候我却没有钱

我想去桂林呀我想去桂林

但是有了钱的时候我却没时间

能不能让AI带咱们去旅游呢？ 人像分割识别图像中的人体轮廓，与背景进行分离，再与背景图结合就能实现身在Office，也能留下旅游胜地的形象了吧。说干就干，代码奉上。

2.平台接入

人像分割接入网址：https://console.bce.baidu.com/ai/?fromai=1#/ai/body/overview/index

 

3.调用攻略（Python3）及评测

3.1首先认证受权：

在开始调用任何API以前须要先进行认证受权，具体的说明请参考：

http://ai.baidu.com/docs#/Auth/top

具体Python3代码以下：

# -*- coding: utf-8 -*-

#!/usr/bin/env python

import urllib

import base64

import json

#client_id 为官网获取的AK， client_secret 为官网获取的SK

client_id =【百度云应用的AK】

client_secret =【百度云应用的SK】

#获取token

def get_token():

    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret

    request = urllib.request.Request(host)

    request.add_header('Content-Type', 'application/json; charset=UTF-8')

    response = urllib.request.urlopen(request)

    token_content = response.read()

    if token_content:

        token_info = json.loads(token_content)

        token_key = token_info['access_token']

    return token_key

3.2人像分割分析接口调用：

详细说明请参考：http://ai.baidu.com/docs#/Body-API/6fe80662

接口描述

对于输入的一张图片（可正常解码，且长宽比适宜），识别人体的轮廓范围，与背景进行分离，适用于拍照背景替换、照片合成、身体特效等场景。输入正常人像图片，返回分割后的二值结果图、灰度图、透明背景的人像图（png格式）。

请求说明

HTTP 方法：POST

请求URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg

URL参数：

参数 值

access_token 经过API Key和Secret Key获取的access_token，参考”Access Token获取”

Header以下：

参数 值

Content-Type application/x-www-form-urlencoded

Body中放置请求参数，参数详情以下：

返回说明

Python3调用代码以下：

#保存图片

def save_base_image(img_str,filename):

    img_data = base64.b64decode(img_str)

    with open(filename, 'wb') as f:

          f.write(img_data)

 

#人像分割

#filename:原图片名（本地存储包括路径）；resultfilename:处理后的文件保存名称(每一个人打标)

#filename:原图片名（本地存储包括路径）；dehazedfilename:处理后的文件保存名称

def body_seg_fore(filename,resultfilename):

    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg"

 

    # 二进制方式打开图片文件

    f = open(filename, 'rb')

    img = base64.b64encode(f.read())

 

    params = dict()

    params['image'] = img

    params['type'] = 'foreground'

    params = urllib.parse.urlencode(params).encode("utf-8")

    #params = json.dumps(params).encode('utf-8')

 

    access_token = get_token()

    request_url = request_url + "?access_token=" + access_token

    request = urllib.request.Request(url=request_url, data=params)

    request.add_header('Content-Type', 'application/x-www-form-urlencoded')

    response = urllib.request.urlopen(request)

    content = response.read()

    if content:

        #print(content)

        content=content.decode('utf-8')

        #print(content)

        data = json.loads(content)

        #print(data)

        img_str=data['foreground']

        save_base_image(img_str,resultfilename)

3.3.功能评测：

选用不一样的数据对图片流量统计动态版的效果进行测试，具体效果以下：

 

多是由于有透明通道的缘由，这张图看着有点怪，不过在PC上看仍是很清晰的。针对不一样场景进行测试，整体来看仍是很快速、准确的。。

4.应用方案：

为实现照片与旅游圣地组合，代码以下：

#保存图片

def save_base_image(img_str,filename):

    img_data = base64.b64decode(img_str)

    with open(filename, 'wb') as f:

          f.write(img_data)

 

#人像分割

#filename:原图片名（本地存储包括路径）；dehazedfilename:处理后的文件保存名称

def body_seg_fore(filename,resultfilename):

    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg"

 

    # 二进制方式打开图片文件

    f = open(filename, 'rb')

    img = base64.b64encode(f.read())

 

    params = dict()

    params['image'] = img

    params['type'] = 'foreground'

    params = urllib.parse.urlencode(params).encode("utf-8")

    #params = json.dumps(params).encode('utf-8')

 

    access_token = get_token()

    request_url = request_url + "?access_token=" + access_token

    request = urllib.request.Request(url=request_url, data=params)

    request.add_header('Content-Type', 'application/x-www-form-urlencoded')

    response = urllib.request.urlopen(request)

    content = response.read()

    if content:

        #print(content)

        content=content.decode('utf-8')

        #print(content)

        data = json.loads(content)

        #print(data)

        img_str=data['foreground']

        save_base_image(img_str,resultfilename)

 

#图片整合

#foreimage：前景照片，baseimage：景区照片,outputimage：数据结果,rate：前景照片缩放比例

def combine_image(foreimage,baseimage,outputimage,rate):

    from PIL import Image

    base_img = Image.open(baseimage)

    BL, BH = base_img.size

    #读取要粘贴的图片 RGBA模式   

    #当须要将一张有透明部分的图片粘贴到一张底片上时，若是用Python处理，可能会用到PIL，

    #可是PIL中 有说明，在粘贴RGBA模式的图片是，alpha通道不会被帖上，也就是不会有透明的效果，

    #固然也给出了解决方法，就是粘贴的时候，将RGBA的的alpha通道提取出来作为mask传入。

    fore_image = Image.open(foreimage)

    L, H = fore_image.size

    #缩放

    fore_image = fore_image.resize((int(L * rate), int(H * rate)))

    L, H = fore_image.size

    #分离通道   

    r,g,b,a = fore_image.split()    #粘贴

 

    box=(int(BL/2-L/2), BH-H, int(BL/2+L/2) ,BH)

 

    base_img.paste(fore_image,box,mask = a)

    base_img.save(outputimage)  # 保存图片

 

#输出程序

def travel_image(originimage,baseimage,outputimage,rate):

    body_seg_fore(originimage,'seg_'+originimage)

    combine_image('seg_'+originimage,baseimage,outputimage,rate)

#travel_image('crowd1.jpg','grassland.jpg','crowd1_grassland.png',0.35)

travel_image('single.jpg','tower.jpg','single_tower.png',0.45)

效果以下：

执行：

travel_image('single.jpg','tower.jpg','single_tower.png',0.45)

结果：

再来一个：

原图：

各个旅游地：

旅游效果：