Python快速实现一键抠图功能的全过程

简介

使用百度深度学习框架paddlepaddle对人像图片进行自动化抠图

安装

根据PaddlePaddle官网命令安装

如

pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
pip install paddlehub -i https://mirror.baidu.com/pypi/simple

初试

1.jpg

2.jpg

3.jpg

4.jpg

5.jpg

import paddlehub as hub
from pathlib import Path

paths = [str(i) for i in Path(\'.\').glob(\'*.jpg\')]  # 当前路径下所有.jpg文件
human_seg = hub.Module(name=\'deeplabv3p_xception65_humanseg\')
results = human_seg.segmentation(paths=paths, visualization=True, output_dir=\'output\')
# results = human_seg.segmentation(paths=paths, use_gpu=True, visualization=True, output_dir=\'output\')  # 使用GPU
print(results)

代码会自动下载图像分割模型deeplabv3p_xception65_humanseg到C:\\Users\\Administrator\\.paddlehub\\modules

效果

文件名	原图	效果
1.jpg
2.jpg
3.jpg
4.jpg
5.jpg

详解

人像分割API

def segmentation(images=None,
                 paths=None,
                 batch_size=1,
                 use_gpu=False,
                 visualization=False,
                 output_dir=\'humanseg_output\')

参数

images(list[numpy.ndarray])：图片数据，BGR格式
paths(list[str])：图片路径
batch_size(int)：批量处理数量
use_gpu(bool)：是否使用 GPU
visualization(bool)：是否将识别结果保存为图片
output_dir(str)：图片保存路径

遇到的坑

1. 报错RuntimeError: Environment Variable CUDA_VISIBLE_DEVICES is not set correctly. If you wanna use gpu, please set CUDA_VISIBLE_DEVICES as cuda_device_id.

import os

os.environ[\'CUDA_VISIBLE_DEVICES\'] = \'0\'

或

set CUDA_VISIBLE_DEVICES=0

参考文献

一款Python实用神器，5 行 Python 代码 实现一键批量扣图

总结