项目实训课程 第四周

第四周主要工作

• 基本完成人像抠图功能
• 实现自主选择待处理图片
• 基本完成人像抠图的UI界面

一、完成人像抠图功能

人像分割功能： 识别人体的轮廓范围，与背景进行分离，适用于拍照背景替换、照片合成、身体特效等场景；输入正常人像图片，返回分割后的二值结果图、灰度图、透明背景的人像图

import cv2
import base64
import numpy as np

from aip import AipBodyAnalysis
from part4 import m_init_part4_menubar

def segmentation_human_function(instance):
    APP_ID = '-----------'
    API_KEY = '-----------------'
    SECRET_KEY = '--------------------------'

    client = AipBodyAnalysis(APP_ID, API_KEY, SECRET_KEY)

    imgfile = instance.root_path+'/part4/images_seg/test.jpg'


    imgfile = instance.segmentation_original[0][0]
    print(imgfile)
    print(instance.segmentation_original[0][0])

    ori_img = cv2.imread(imgfile)
    height, width, _ = ori_img.shape

    with open(imgfile, 'rb') as fp:
        img_info = fp.read()

    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)
    maskfile = imgfile.replace('.jpg', '_mask.png')
    cv2.imwrite(maskfile, new_img)

    res_imgfile = imgfile.replace('.jpg', '_res.jpg')
    result = cv2.bitwise_and(ori_img, new_img)
    cv2.imwrite(res_imgfile, result)
    cv2.imshow('result',result)
    #　m_init_part4_menubar.update_image(instance)

二、实现自主选择待处理图片

在m_ui.py文件中添加：

 # 选择原图 当某张图像被打开时返回文件名集，取第一个文件的文件路径部分（即索引[0][0]）显示到label上
    def open_file_and_change_name_seg(self):
        self.segmentation_original = QFileDialog.getOpenFileNames(self,"选择文件",self.root_path+"/part4","photo(*.jpg *.png)")
        self.label_seg_original.setText(self.segmentation_original[0][0])

在m_init_part4_menubar.py中添加显示路径的label

    # 原图图片路径——人像分割
    instance.seg_img=""
    instance_button_choose_original_image=QPushButton("选择原图",instance.widget_segmentation_human)
    instance_button_choose_original_image.clicked.connect(instance.open_file_and_change_name_seg)

    # 用于显示路径名的label
    instance.label_seg_original = QLabel(instance.widget_segmentation_human)
    instance.label_seg_original.setGeometry(30,80,500,50)
    instance.label_seg_original.setText("文件路径")

在segmentation_human.py文件中使用instance.segmentation_original[0][0]作为待处理的图片

    imgfile = instance.segmentation_original[0][0]
    print(imgfile)
    print(instance.segmentation_original[0][0])

三、完成UI界面

（一）显示操作窗口、执行按钮

这部分要实现的功能是当我们点击Qmenu时会显示一个操作窗口。
首先定义一个Action（在头文件中引用QAction模块），当这个Action被触发时执行show_part4_submenu_widget函数，show_part4_submenu_widget在m_ui文件中声明，如下：

"""""""""""""  抠图 """""""""""""
    # 创建一个窗口，定义位置，标题等属性
    instance.widget_segmentation_human=QWidget()
    instance.widget_segmentation_human.setGeometry(300, 300, 500, 500)
    instance.widget_segmentation_human.setWindowTitle('抠图（人像）')

    # 创建一个按钮，该按钮的父对象为instance.widget_segmentation_human
    # 当该按钮被点击时执行信号发射函数
    instance.button_widget_segmentation_human=QPushButton("执行",instance.widget_segmentation_human)
    instance.button_widget_segmentation_human.setGeometry(30, 30, 50, 50)
    instance.button_widget_segmentation_human.clicked.connect(instance.signal_segmentation_human_emit)

    # 创建一个action，当该action被触发时运行show_segmentation_human_widget
    # show_segmentation_human_widget的作用为显示抠图操作窗口widget_segmentation_human
    action_segmentation_human_widget_show = QAction('&抠图/人像', instance)
    action_segmentation_human_widget_show.triggered.connect(instance.show_segmentation_human_widget)

（二）点选菜单项后 图像增强——抠图（人像）弹出窗口

 # 新增一个菜单选项：Part4
    # Part4选项新增一个Action：抠图（人像）
    menubar = instance.menuBar()
    tempMenu = menubar.addMenu('&图像增强')
    tempMenu.addAction(action_segmentation_human_widget_show)

（三）设置信号发射和接收函数

m_init_part4_menubar.py

 # 连接信号，当该信号被发射后执行括号内被连接函数
    instance.signal_part4_segmentation_human.connect(segmentation_human.segmentation_human_function)

m_ui.py

 signal_part4_segmentation_human = pyqtSignal('PyQt_PyObject')

# 人像抠图菜单
    def show_segmentation_human_widget(self):
        self.widget_segmentation_human.show()

    # 信号发射，执行该信号关联的函数
    def signal_segmentation_human_emit(self):
        self.signal_part4_segmentation_human.emit(self)

（四）结果——后期所有功能会统一界面，待调整

（五）显示图片功能（有待改进）

 # 最终结果图像显示
    instance.image_seg_result = np.uint8(np.zeros((300,300,3)))
    display_seg_image=QImage(instance.image_seg_result[:],instance.image_seg_result.shape[1],
                             instance.image_seg_result.shape[0],instance.image_seg_result.shape[1]*3,
                             QImage.Format_RGB888)

    instance.image_seg_result_width = 200
    instance.image_seg_result_height = instance.image_seg_result.shape[0]/instance.image_seg_result.shape[1] * instance.image_seg_result_width

    instance.seg_result_image_pixmap = QPixmap(display_seg_image)

    # 新建label用于存放图片
    instance.seg_result_lbl = QLabel(instance.widget_segmentation_human)
    instance.seg_result_lbl.setPixmap(instance.seg_result_image_pixmap)
    instance.seg_result_lbl.resize(instance.image_seg_result_width,instance.image_seg_result_height)
    instance.seg_result_lbl.setScaledContents(True)
    instance.seg_result_lbl.setGeometry(200,200,instance.image_seg_result_width,instance.image_seg_result_height)

def update_image(instance):
    # 最终结果图像显示
    display_seg_image=QImage(instance.image_seg_result[:],instance.image_seg_result.shape[1],
                             instance.image_seg_result.shape[0],instance.image_seg_result[1]*3,
                             QImage.Format_RGB888)

    instance.image_seg_result_width = 200
    instance.image_result_image_height = instance.image_result_image.shape[0] / instance.image_result_image.shape[
        1] * instance.image_result_image_width

    instance.seg_result_image_pixmap = QPixmap(display_seg_image)

    # 更新label图片显示
    instance.seg_result_lbl.setPixmap(instance.seg_result_image_pixmap)
    instance.seg_result_lbl.resize(instance.image_seg_result_width,instance.image_seg_result_height)
    instance.seg_result_lbl.setScaledContents(True)
    instance.seg_result_lbl.setGeometry(200,200,instance.image_seg_result_width,
                                        instance.image_seg_result_height)