centos7 PaddleHub人像分割模型：AI人像抠图及图像合成

centos 安装抠图环境：

#复制下面命令一条一条的在windows的命令行窗口里面执行，需要一些时间
#执行安装paddlehub第三步后可能会出现一些问题，解决方式在文章下方
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pillow
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple PaddlePaddle
pip install paddlehub==1.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
hub install deeplabv3p_xception65_humanseg==1.0.0

问题1：在安装pip install -i https://pypi.tuna.tsinghua.edu.cn/simple PaddlePaddle 这一步之后，会自动安装opencv-python，这时候如果在centos环境下进入python，输入impot cv2会报错，windows环境应该没问题

ImportError: libSM.so.6: cannot open shared object file: No such file or directory
ImportError: libXrender.so.1: cannot open shared object file: No such file or directory
ImportError: libXext.so.6: cannot open shared object file: No such file or directory

原因是：缺少共享库，我们直接通过yum来安装libSM解决不了问题, 那是因为yum源默认提供的库是i686的, 如果我们的服务器系统是64位的,应该要安装的是x86_64版而非i686.

解决方式：

来查看一下yum默认提供的libSM, 结果如下

yum whatprovides libSM.so.6

可以看到默认提供的是i686的, 但是我们需要x86_64, 所以安装的时候把i686改成x86_64, 如下

sudo yum install libSM-1.2.2-2.el7.x86_64 --setopt=protected_multilib=false

剩下的就直接输入吧

sudo yum install libXrender-0.9.10-1.el7.x86_64 --setopt=protected_multilib=false
sudo yum install libXext-1.3.3-3.el7.x86_64 --setopt=protected_multilib=false

问题2：如果安装过程又出现问题，提示【SyntaxError: invalid syntax  由于用户取消而退出】

解决方式： 

必须修改的两个yum配置文件

因为yum使用python2，因此替换为python3后可能无法正常工作，继续使用这个python2.7.5，因此需要修改yum相关配置文件。

(1)vi /usr/bin/yum

第一行：#!/usr/bin/python --> #!/usr/bin/python2.7

(2) vi /usr/libexec/urlgrabber-ext-down

第一行：#!/usr/bin/python --> #!/usr/bin/python2.7

完成上面两步，现在使用yum命令基本不会出现这样的错误：SyntaxError: invalid syntax  由于用户取消而退出

安装完成后,试一下可以成功导入cv2了

问题3： 执行 hub install deeplabv3p_xception65_humanseg==1.0.0 的时候可能会出现hub: command not found

解决方式：配置python3的环境变量，在 /etc/profile加入python的安装路径配置环境变量，具体操作可以看我的另一篇文章https://blog.csdn.net/clz979991314/article/details/107842982

代码片段： 

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
from matplotlib import animation
import paddlehub as hub
from PIL import Image, ImageSequence
import numpy as np
import os
import flask, json
from flask import request

# 创建一个服务，把当前这个python文件当做一个服务
server = flask.Flask(__name__)

# 合成函数
def blend_images(fore_image, output_path, base_size, color):
    """
    将抠出的人物图像换背景
    fore_image: 前景图片，抠出的人物图片
    base_size: 图片尺寸
    """
    # 制作指定大小的背景色
    base_image = Image.new("RGBA", base_size, color)
    # 读入图片
    base_image = base_image.convert('RGB')
    fore_image = Image.open(fore_image).resize(base_image.size)

    # 图片加权合成
    scope_map = np.array(fore_image)[:,:,-1] / 255
    scope_map = scope_map[:,:,np.newaxis]
    scope_map = np.repeat(scope_map, repeats=3, axis=2)
    res_image = np.multiply(scope_map, np.array(fore_image)[:,:,:3]) + np.multiply((1-scope_map), np.array(base_image))
    
    #保存图片
    res_image = Image.fromarray(np.uint8(res_image))
    print(res_image)
    res_image.save(output_path)

# 抠图

@server.route('/matting', methods=['get', 'post'])
def matting():

    # 测试图片路径
    test_path = 'D:\\image\\'
    # 输出路径
    output_path = 'D:\\image\\test\\'
    # 背景图片地址
    base_image = (295, 413)
    # 白色(255,255,255) 红色(182,38,38) 蓝色(67,142,219)
    color = (67,142,219)
    # 待预测图片名称
    test_file_name = "5"
    # 待预测图片后缀
    test_file_suffix = ".jpg"

    # 输入文件名称
    output_file_name = test_file_name + test_file_suffix
    test_img_path = [test_file_name + test_file_suffix]
    test_img_path = [test_path + img for img in test_img_path]
    img = mpimg.imread(test_img_path[0]) 
    module = hub.Module(name="deeplabv3p_xception65_humanseg")
    input_dict = {"image": test_img_path}
    # execute predict and print the result
    results = module.segmentation(data=input_dict)
    print(results)
    output_path_img = output_path + output_file_name
    blend_images('humanseg_output/'+test_file_name+'.png', output_path_img, base_image, color)
    return output_path_img

if __name__ == '__main__':
    server.run(debug=True, port=8888, host='0.0.0.0')# 指定端口、host,0.0.0.0代表不管几个网卡，任何ip都可以访问

如果安装的deeplabv3p_xception65_humanseg版本不是1.0.0，而是1.1.0或1.1.1

则使用下面的代码：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
from matplotlib import animation
import paddlehub as hub
from PIL import Image, ImageSequence
import numpy as np
import os
import flask, json
from flask import request
import cv2

# 创建一个服务，把当前这个python文件当做一个服务
server = flask.Flask(__name__)

# 合成函数
def blend_images(fore_image, output_path, base_size, color):
    """
    将抠出的人物图像换背景
    fore_image: 前景图片，抠出的人物图片
    base_size: 图片尺寸
    """
    # 制作指定大小的背景色
    base_image = Image.new("RGBA", base_size, color)
    # 读入图片
    base_image = base_image.convert('RGB')
    fore_image = Image.open(fore_image).resize(base_image.size)

    # 图片加权合成
    scope_map = np.array(fore_image)[:,:,-1] / 255
    scope_map = scope_map[:,:,np.newaxis]
    scope_map = np.repeat(scope_map, repeats=3, axis=2)
    res_image = np.multiply(scope_map, np.array(fore_image)[:,:,:3]) + np.multiply((1-scope_map), np.array(base_image))
    
    #保存图片
    res_image = Image.fromarray(np.uint8(res_image))
    print(res_image)
    res_image.save(output_path)

# 抠图

@server.route('/matting', methods=['get', 'post'])
def matting():
    
    # 测试图片路径
    test_path = 'D:/image/'
    # 输出路径
    output_path = 'D:/image/test/'
    # 背景图片地址
    base_image = (295, 413)
    # 白色(255,255,255) 红色(182,38,38) 蓝色(67,142,219)
    color = (255,255,255)
    colorType = flask.request.values.get('color_type')
    if colorType == '1':
        color = (182,38,38)
    if colorType == '2':
        color = (67,142,219)
    # 待预测图片名称
    # test_file_name = "5"
    test_file_name = flask.request.values.get('test_file_name')
    # 待预测图片后缀
    # test_file_suffix = ".jpg"
    test_file_suffix = flask.request.values.get('test_file_suffix')
    print(color)

    # 输入文件名称
    output_file_name = test_file_name + test_file_suffix
    test_img_path = [test_file_name + test_file_suffix]
    test_img_path = [test_path + img for img in test_img_path]
    human_seg = hub.Module(name="deeplabv3p_xception65_humanseg")
    results = human_seg.segmentation(images=[cv2.imread(test_img_path[0])], visualization=True)
    print(results[0]['save_path'])
    save_path = results[0]['save_path']
    output_path_img = output_path + output_file_name
    blend_images(save_path, output_path_img, base_image, color)
    return output_path_img

if __name__ == '__main__':
    server.run(debug=True, port=18778, host='0.0.0.0')# 指定端口、host,0.0.0.0代表不管几个网卡，任何ip都可以访问

通过请求访问： http://127.0.0.1:18778/matting?color_type=1&test_file_name=1&test_file_suffix=.jpg