四行代码实现人像抠图

最新推荐文章于 2023-05-23 21:32:40 发布

culljores

最新推荐文章于 2023-05-23 21:32:40 发布

阅读量1k

点赞数 1

文章标签： python paddlepaddle 深度学习

本文链接：https://blog.csdn.net/culljores/article/details/126721770

版权

Abstract：

使用python和百度飞桨（paddlepaddle），实现自动化人像抠图。

1.使用工具：

1.1 python3.7.6（64位版本）

建议下载3.7.6这个版本的64位软件，32位和python其他版本的安装paddlepaddle会出现问题。软件不要安装在C盘，会出现hub install无法完成，报这个错误“Defaulting to user installation because normal site-packages is not writeable“，因为C盘下\\AppData\Roaming\python39…下面的site-packages不可写，右键点击查看属性的时候发现确实是只读，所以写不进去，导致后面创建虚拟环境的时候mkvirtualenv 虚拟环境名字，提示mkvirtualenv不是内部命令。所以python不要安装在C盘。

1.2 pycharm

用来写程序执行。

2. pip安装百度飞桨

2.1 先升级pip

注意用以下的代码升级，因为python3.7.6直接升级pip会出现问题，再就是paddlepaddle等的安装需要pip版本在20.0.0以上，python3.7.6自带的pip是19.0.0版本的。

python -m pip install --upgrade --user pip

2.2 安装paddlepaddle

paddlepaddle的version要>= 2.2，直接执行下面代码

python -m pip install paddlepaddle #version >= 2.2

2.3 安装paddlehub

paddlehub的version要>= 2.2，直接执行下面代码

python -m pip install paddlehub #version >= 2.2

2.4 hub install 安装 deeplabv3p_xception65_humanseg

deeplab是谷歌出品的深度学习模型，从v1到v3已经发展了三个版本，现在是deeplabv3，百度在此基础上完善了人像分离，就是我们要用到的deeplabv3p_xception65_humanseg，这个模型也从最初的1.0.0版本，改善了三次，现在是1.1.2版本，旧版本的语法使用跟新版本有很大不一样，比如CSDN大神狂师vs写的一款Python实用神器，5 行 Python 代码实现一键批量扣图_狂师vs的博客-CSDN博客

是基于deeplabv3p_xception65_humanseg==1.0.0，现在用最新版1.1.2需要改变一下代码的写法。安装直接执行下面程序。

hub install deeplabv3p_xception65_humanseg==1.1.2

这个安装会遇到各种各样的问题，有可能是python安装在C盘导致的错误，也有可能是别的，自己百度解决。

3. 编写程序

直接执行下面的代码就行。

import os, paddlehub as hub #导入两个模块，分别是系统自带的os和刚才安装的paddlehub

path = 'C:/Users/cullj/Desktop/Picture/'    # 文件目录 文件目录和其下图片名都不能有汉字
module = hub.Module(name="deeplabv3p_xception65_humanseg")
res = module.segmentation(paths = [path + i for i in os.listdir(path)], visualization=True, output_dir='humanseg_output')  # visualization (bool): 是否将识别结果保存为图片文件；output_dir='humanseg_output'的意思是在程序所在文件夹内生成humanseg_output文件夹以保存抠好的图片。

按步骤解析：

首先导入两个模块，分别是系统自带的os模块，用来读取图片所在地文件夹；和paddlehub模块，用来分析图片。

接下来填写文件路径，注意文件路径和图片名称都不能出现汉字，否则会无法识别。

接下来调用paddlehub的deeplabv3的人像分离（human segment）模型。

最后一行代码是分析并保存截图到py文件同级的humanseg_output文件夹下。

大功告成，赶紧查看一下抠好的图片，效果不错，时间也挺快，如果能并发的话，效果会更好。