knn matting matlab,一键抠图，毛发毕现：这个GitHub项目助你快速PS

最新推荐文章于 2024-09-03 08:43:20 发布

weixin_39578516

最新推荐文章于 2024-09-03 08:43:20 发布

阅读量399

点赞数

文章标签： knn matting matlab

PyMatting是一个Python库，专注于阿尔法抠图和前景预测，提供多种算法如Closed-Form、KNN等，支持GPU加速。通过划定图像区域，AI能准确提取前景并用于背景替换，适用于图像编辑和合成。项目包含快速多线程KNN搜索、阈值化等技术，并提供测试代码和基准测试结果，方便用户评估和使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器之心报道

参与：一鸣

快速抠图不留痕，设计看了都精神。

抠图是 PS 中的一项常用技术。但是要做到完美地将图像中的目标选取出来往往费时费力。近日，一个名为 PyMatting 的项目无疑能够帮助你。

项目地址：https://github.com/pymatting/pymatting

无需手动，一键抠图

抠图的 AI 应用场景是这样的：给定一张图像，通过划定一个区域，AI 应当能够估计到划定区域内的前景图目标，并将这个前景完整地抽取出来，用来替换到其他背景的图像中去。

因此，抠图需要两个 AI 能力：首先，AI 需要能够在划定的区域内识别目标。其次，AI 要能够完整地将目标抽取出来，没有划定错误的边缘、模糊的图像等问题。

上图为项目作者提供的示例。给定一只动物的图像(左上)，以及人划定的区域(右上)，算法应当能够获得划定区域内目标的阿尔法通道，即区分前景和背景的黑白轮廓(左下)。有了这一数据，就可以从原图中抠去目标，并移动到新的图像中去(右下)。

据项目介绍，PyMatting 具有以下特性。

首先，项目能够完成阿尔法抠图(Alpha Matting)，其中包括 Closed-Form 抠图、大核抠图(Large Kernel Matting)、KNN 抠图、基于学习的数字抠图(Learning Based Digital Matting)、随机游走(Random Walk)抠图等算法。

同时，项目也能完成前景预估，包括 Clos Form 前景预估和多级别前景预估(基于 CPU、CUDA 和 OpenCL 等)算法。

该项目还可以进行快速多线程 KNN 搜索、不完全阈值化楚列斯基分解(incomplete thresholded Cholesky decomposition)、V 轮几何多网格预条件子(V-Cycle Geometric Multigrid preconditioner)等。

使用方法

在使用前，你需要保证电脑安装相应的 Python 环境(Python 3)，同时需要以下安装包：

numpy>=1.16.0pillow>=5.2.0numba>=0.47.0scipy>=1.1.0由于项目需要 GPU，因此也需要 GPU 相关支持：

cupy-cuda90>=6.5.0 or similarpyopencl>=2019.1.2除此之外，为了进行测试，也需要：

pytest>=5.3.4为了方便使用，作者提供了一些示例代码。例如，如下代码中，给定原始图像和抠图框，可以抽取出阿尔法前景：

frompymattingimportcutoutcutout(#inputimagepath"data/lemur.png",#inputtrimappath"data/lemur_trimap.png",#outputcutoutpath"lemur_cutout.png")

作者还提供了高级代码，直接进行抠图，生成新图像：

image=load_image("../data/lemur/lemur.png","RGB",scale,"box")trimap=load_image("../data/lemur/lemur_trimap.png","GRAY",scale,"nearest")#estimatealphafromimageandtrimapalpha=estimate_alpha_cf(image,trimap)#makegraybackgroundnew_background=np.zeros(image.shape)new_background[:,:]=[0.5,0.5,0.5]#estimateforegroundfromimageandalphaforeground,background=estimate_foreground_ml(image,alpha,return_background=True)#blendforegroundwithbackgroundandalpha,lesscolorbleedingnew_image=blend(foreground,new_background,alpha)

除了代码示例外，项目还提供了测试代码，可在主目录中运行：

python3tests/download_images.pypip3install-rrequirements_tests.txtpytest

这一测试能够覆盖 89% 的代码。

除了项目外，作者还提供了不同的抠图算法的基准测试结果，如下所示：

不同算法在测试数据集上的均方误差大小。

可以看出，基于学习的算法和 Closed-Form 算法都能取得不错的效果。

完整的基准测试结果：https://pymatting.github.io/benchmark.html