利用Python制作证件照

大家好！好久没见面了。今天和大家分享的是利用Python批处理随意拍的照片，生成证件照。有时候我们没空去拍证件照，又急着需要上传电子证件照，怎么办呢？PS又不是很熟。今天get这个技能的coder们，就可以方便自己生成证件照了。

上段时间因为工作需要，需要大量拍摄证件照。一个个处理比较麻烦，于是就想着直接收集生活照利用Python来帮忙解决一下这个问题。刚好上次参加百度的训练营有接触过PaddleHub，今天就借助PaddleHub来实现这个功能。

 

思路：

1. 首先，根据PaddleHub人脸定位，找到图片中人脸的位置。

2. 由于一寸照片的宽度295,高度是413，用这个比例框选出含有人脸的图片，并且进行缩放到尺寸(295,413)。

3. 用PaddleHub的人像分割，分离人物和背景，对背景分别填充白色，红色，蓝色，得到三种颜色的登记照片。

步骤1、准备工作

# 需要先升级到最新版本的paddlehub!pip install --upgrade paddlehub​​​​​​

# 查看我们上传的照片!ls photo/

#导入需要用的依赖库from PIL import Imageimport paddlehub as hubimport cv2import numpy as np​​​​​​​

# 定义人脸识别和人物识别的paddlehub函数face_landmark = hub.Module(name="face_landmark_localization")human_seg = hub.Module(name="deeplabv3p_xception65_humanseg")

步骤二、定义功能函数

# 裁剪成为1寸大小的图片

def crop_face(pic_path,rate=1.3):    # 人脸识别    result = face_landmark.keypoint_detection(paths=[pic_path])    face=np.array(result[0]['data'][0],dtype=np.int64)    # 剪裁    left = face[:,0].min()    right= face[:,0].max()    w = right-left    cw=int((right+left)/2)    upper = face[:,1].min()    lower = face[:,1].max()    h= lower-upper    ch=int((lower+upper)/2)    h = int(413*w/295)    box=(cw-rate*w, ch-rate*h, cw+rate*w, ch+rate*h)    img=Image.open(pic_path)    img=img.crop(box)    img=img.resize((295, 413),Image.ANTIALIAS)    # display(img)    return img# 进行人物抠图def seg_face(img):    result = human_seg.segmentation(images=[cv2.cvtColor(np.array(img),cv2.COLOR_RGB2BGR)],                                    use_gpu=False,                                    visualization=True,                                    output_dir='humanseg_output')    print("抠图输出文件：",result[0]["save_path"])    # display(Image.open(result[0]["save_path"]))    return result[0]["save_path"]# 改变颜色def change_color(pic_path,thresh=100):    def cut_person(img,num=[255,255,255]):        img=np.array(img).transpose((2,0,1))        person=[]        for i in range(3):            a=img[i]            mask=np.array((img[3]<thresh),dtype=np.uint8)            mask=cv2.erode(mask,None,iterations=1)            mask=cv2.dilate(mask,None,iterations=3)            mask=np.array(mask,dtype=np.bool)            a[mask]=num[i]            person.append(a)                img=np.array(person).transpose((1,2,0))
        im=Image.fromarray(img)        display(im)        return im    #cut=cut_person(Image.open(pic_path),num=[255,255,255])#白底    cut=cut_person(Image.open(pic_path),num=[255,0,0])#红底    cut=cut_person(Image.open(pic_path),num=[0,0,255])#蓝底
# 生成三种底色的登记照片def id_photo(pic_path,rate=1.3,thresh=2):    img=crop_face(pic_path,rate)    pic_path=seg_face(img)    change_color(pic_path,thresh)

步骤三、迭代数据，批量抠图换底​​​​​​​

for pic in ["./photo/mayun2.jpg","./photo/liuyifei4.jpg"]:    display(Image.open(pic).resize((295, 413),Image.ANTIALIAS))    id_photo(pic,rate=1.5,thresh=50)

效果：先PO出大佬来镇场

原图：

生成红底证件照：

 

生成蓝底证件照：

 

再来一张仙女姐姐的

原图：

生成红底证件照：

生成蓝底证件照：

做这个案例的时候为了达到较好的效果，需要留意下面的几个点：

 

1. 第一个就是对照片的裁剪，这个裁剪必须保存1寸照片的比例，不然就会使得图像变形。

2. 第二个是在做人物和背景分离的时候，不同的照片，分离的阈值是需要有一定调整的，这样才能达到很好的效果。

3. 第三是在改变背景颜色的时候，人物边缘会有一些色块、噪点出现，这就需要用到图像处理里面的腐蚀、膨胀了，我们对mask进行膨胀，使得人物和背景融合得更好。

看完案例的小伙伴们点个在看，顺便扫码帮忙关注一下呗，你的支持是我继续推新案例的动力。