复制即用-python-调用face++人体轮廓抠图接口并拆分处理反馈数据

声明

此处除了一些调用方法,我还加了一部分其他处理,酌情选用,适当调整.

代码

import time
import requests
import base64
import numpy as np
from json import JSONDecoder
import cv2


# face++ 调用抠图接口地址
http_url = "https://api-cn.faceplusplus.com/humanbodypp/v2/segment"

# 验证用 key 和 secret
key = "***"
secret = "***"

# 测试用图片地址(文件夹)
file_name = '../Asserts/images/test.jpg'


def img_base64(img_path):
    """
    图片转base64
    :param img_path:
    :return:
    """
    with open(img_path, "rb") as f:
        # b64encode是编码，b64decode是解码
        # base64.b64decode(base64data)
        base64_str = base64.b64encode(f.read())
    f.close()
    return base64_str


def base64_mat(base64_str):
    """
    base64转opencv图片
    cv2.IMREAD_UNCHANGED 读取结果为图片本身维度，如透明图为4通道,彩色三通道,黑白单通道
    :param base64_str: 注意,这里会解析成原图样式
    :return:
    """
    img_data = base64.b64decode(base64_str)
    img_nparr = np.fromstring(img_data, np.uint8)
    img_mat = cv2.imdecode(img_nparr, cv2.IMREAD_UNCHANGED)
    return img_mat


def mat_base64(img_path):
    """
    base64转opencv图片
    :param img_path:
    :return:
    """
    img_mat = cv2.imread(img_path, cv2.IMREAD_COLOR)
    img_code = cv2.imencode('.jpg', img_mat)[1]
    base64_str = base64.b64encode(img_code).decode()
    return base64_str


# if __name__ == '__main__':
#     # 测试文件转base64
#     base64_str = mat_base64(file_name)
#     print(base64_str)
#     # 测试base64转mat图像
#     img_mat = base64_mat(base64_str)
#     cv2.imshow("the result:", img_mat)
#     cv2.waitKey(0)


# 测试主函数
if __name__ == '__main__':

    start_time = time.time()
    print('开始时间计时:', start_time)

    # 要发送的数据
    data = {"api_key": key, # key
            "api_secret": secret, # secret
            "return_grayscale": "0" # 0=仅图像 1=图像+灰度图 2=仅灰度图
            }
            
    # 读取图片文件(注意 r 和 rb 的区别)
    file_data = open(file_name, "rb")
    files = {"image_file": file_data}
    # post进行发送
    response = requests.post(http_url, data=data, files=files)
    # 获取反馈并解析
    req_con = response.content.decode('utf-8')
    # 记得关闭文件流
    file_data.close()
    req_dict = JSONDecoder().decode(req_con)

    print('请求ID:', req_dict[u'request_id'])
    print('请求用时:', req_dict[u'time_used'])
    # print('灰度图-base64:', req_dict[u'result'])
    # print('图像-base64:', req_dict[u'body_image'])
    # print('失败信息:', req_dict[u'error_message'])

    try:  # 正常情况下,输出图像
        # print('图像-base64:', req_dict[u'body_image'])
        base64_str = req_dict[u'body_image']
        img_mat = base64_mat(base64_str)
        # b_img = img_mat[:, :, 0]  # B通道
        # g_img = img_mat[:, :, 1]  # G通道
        # r_img = img_mat[:, :, 2]  # R通道
        # a_img = img_mat[:, :, 3]  # A通道
        b, g, r, a = cv2.split(img_mat)
        # cv2.imshow("b", b)
        # cv2.imshow("g", g)
        # cv2.imshow("r", r)
        # cv2.imshow("a", a)
        # cv2.waitKey()

        # 合并前三通道做原图,用透明通道抠图
        img_chanel3 = cv2.merge([b, g, r])
        img_ext = cv2.add(img_chanel3, np.zeros(np.shape(img_chanel3), dtype=np.uint8), mask=a)

        # 留a通道做mask
        img_mask = a

        cv2.imshow("the EXTRACTION result", img_ext)
        cv2.imshow("the MASK result", img_mask)
        cv2.waitKey()

    except KeyError:  # 异常情况下,打印异常
        print('失败信息:', req_dict[u'error_message'])

    end_time = time.time()
    print('结束时间计时:{}, 系统运行总耗时:{}'.format(start_time, end_time-start_time) )