【Python 实战】---- 使用 RemoveBg 实现一键批量抠图

1. 需求分析

  1. 一键批量抠图去除多张图片的背景;
  2. 使用 RemoveBg 的接口实现。

2. RemoveBg 官网

RemoveBg 官网

3. RemoveBg 的 API 文档

  1. RemoveBg 的 API 文档
  2. APIKEY 获取
    在这里插入图片描述

4. Sample Code

由于本博客采用的是python,所以选择python的代码开发。

1. Image File
# Requires "requests" to be installed (see python-requests.org)
import
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
以下是使用Python代码实现去除背景的方法: 1.使用第三方库removebg,需要先安装removebg库: ```shell pip install removebg ``` 然后使用以下代码即可去除背景: ```python from removebg import RemoveBg rmbg = RemoveBg("你的API密钥", "error.log") # 输入你的API密钥 rmbg.remove_background_from_img_file("input.jpg") # 输入你要去除背景的片路径 ``` 2.使用OpenCV库,需要先安装OpenCV库: ```shell pip install opencv-python ``` 然后使用以下代码即可去除背景: ```python import cv2 import numpy as np # 读取片 img = cv2.imread('input.jpg') # 转换为灰度 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 使用阈值分割 ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU) # 去除噪声 kernel = np.ones((3,3), np.uint8) opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2) # 找到背景区域 sure_bg = cv2.dilate(opening, kernel, iterations=3) # 找到前景区域 dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5) ret, sure_fg = cv2.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0) # 找到未知区域 sure_fg = np.uint8(sure_fg) unknown = cv2.subtract(sure_bg, sure_fg) # 标记连通区域 ret, markers = cv2.connectedComponents(sure_fg) # 添加背景标记 markers = markers + 1 # 将未知区域标记为0 markers[unknown==255] = 0 # 分水岭算法分割像 markers = cv2.watershed(img, markers) img[markers==-1] = [255,0,0] # 保存结果 cv2.imwrite('output.jpg', img) ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Rattenking

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值