调用百度AI实现人像分割（上）

学术菜鸟小晨

已于 2023-11-08 09:50:07 修改

阅读量3k

点赞数 2

分类专栏：数据处理文章标签：人工智能

于 2021-12-17 17:41:36 首次发布

本文链接：https://blog.csdn.net/qq_34717531/article/details/121992798

版权

数据处理专栏收录该内容

30 篇文章 10 订阅

订阅专栏

人像分割是一种计算机视觉技术，旨在将图像中的人物与背景进行有效地分离。这项技术在许多应用中都非常有用，比如人像摄影、视频编辑、虚拟背景等。通常，人像分割可以通过以下几种方式实现：

传统方法：传统的人像分割方法通常基于图像的颜色、纹理、边缘等特征来区分人物和背景。这些方法包括阈值分割、边缘检测、区域生长等，虽然在某些场景下仍然有用，但在复杂场景下表现可能不佳。
深度学习方法：近年来，随着深度学习技术的发展，基于神经网络的人像分割方法取得了巨大进展。特别是语义分割和实例分割技术，如FCN（全卷积网络）、Mask R-CNN等，能够更准确地识别图像中的人物，并进行精确的分割。
推荐的工具和库：如果你想要在自己的项目中应用人像分割技术，可以考虑使用一些优秀的开源库和工具，如OpenCV、PyTorch、TensorFlow等，它们提供了丰富的人像分割模型和算法，可以帮助你快速实现相关功能。

总的来说，人像分割技术在计算机视觉领域具有重要意义，不仅为摄影和设计带来便利，也为虚拟现实、增强现实等领域的发展提供了重要支持。

百度AI申请应用，获取 APP_ID API_KEY SECRET_KEY。

开始扣图：

# -*- coding:utf-8 -*-
import cv2
import base64
import numpy as np
import os
from aip import AipBodyAnalysis
import time
import random

APP_ID = '25365416'
API_KEY = 'pS5cVzzw2iBfLY6MKRhUE4cw'
SECRET_KEY = '×××××××××××××××××××××××'

client = AipBodyAnalysis(APP_ID, API_KEY, SECRET_KEY)
# 保存图像分割后的路径
path = './mask_img/' #保存二值
path1 = './mask_front/' #保存原图前景
# os.listdir  列出保存到图片名称
pics = os.listdir('./pictures')
print(pics)
for im in pics:
    # 按顺序构造出图片路径
    img = os.path.join("./pictures",im)
    img1 = cv2.imread(img)
    height, width, _ = img1.shape
    # print(height, width)
    # 二进制方式读取图片
    with open(img, 'rb') as fp:
        img_info = fp.read()

    # 设置只返回前景   也就是分割出来的人像
    res = client.bodySeg(img_info)
    seg_res = client.bodySeg(img_info)
    labelmap = base64.b64decode(seg_res['labelmap'])
    nparr = np.fromstring(labelmap, np.uint8)
    labelimg = cv2.imdecode(nparr,1)
    labelimg = cv2.resize(labelimg,(width,height), interpolation=cv2.INTER_NEAREST)
    new_img = np.where(labelimg==1, 255, labelimg)
    cv2.imwrite(os.path.join(path,im), new_img)
    #返回前景
    result = cv2.bitwise_and(img1, new_img)

    cv2.imwrite(os.path.join(path1,im), result)
    print('======== 图像分割完成 ========')