5行Python代码实现一键批量扣图-6ren

5行Python代码实现一键批量扣图

转载作者：qq735679552 更新时间：2022-09-27 22:32:09

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章5行Python代码实现一键批量扣图由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

今天给大家分享一款python装逼实用神器.

在日常生活或者工作中，经常会遇到想将某张照片中的人物抠出来，然后拼接到其他图片上去。专业点的人可以使用 photoshop 的“魔棒”工具进行抠图，非专业人士则使用各种美图 app 来实现，但是这两类方式毕竟处理能力有限，一次只能处理一张图片，而且比较复杂的图像可能耗时较久。那今天就来向大家展示第三种扣图方式——用 python代码来实现一键批量抠图.

1. 准备工作- 安装paddlepaddle

既然要装逼，准备工作是少不了的。所谓“站在巨人的肩膀上，干起活来事半功倍”，我们这里的“巨人”就是 paddlepaddle 了，中文名称叫“飞桨”，那么这个 paddlepaddle 是什么呢?

它是“源于产业实践的开源深度学习平台，致力于让深度学习技术的创新与应用更简单”，直白点就是我帮你实现了深度学习底层框架，你只要有创意就可以在我平台上运用少量简单代码轻松实现。它的官网是：：https://www.paddlepaddle.org.cn/.

它的安装比较简单，官网首页就有安装指引，可以通过「安装」菜单，查找到各个系统安装详细及注意事项，如下图所示，我们这里根据官网的安装指引，使用 pip 方式来安装 cpu 版本.

5行Python代码实现一键批量扣图

本文以macos系统为例:

我们首先执行以下命令安装（推荐使用百度源）：:

 
    ? 
   
         python3  
         - 
         m pip install paddlepaddle  
         - 
         i https: 
         / 
         / 
         mirror.baidu.com 
         / 
         pypi 
         / 
         simple

或者:

 
    ? 
   
         python3  
         - 
         m pip install paddlepaddle  
         - 
         i https: 
         / 
         / 
         pypi.tuna.tsinghua.edu.cn 
         / 
         simple

从安装过程中，可以看到在安装paddlepaddle库时，需要安装如下依赖库:

 
    ? 
   
 
     
       
       
         installing collected packages: pathlib, click, joblib, regex, tqdm, nltk, gast, rarfile, pyyaml, funcsigs, paddlepaddle 
        
 
            
         running setup.py install  
         for  
         pathlib ... done 
        
 
            
         running setup.py install  
         for  
         regex ... done 
        
 
            
         running setup.py install  
         for  
         nltk ... done 
        
 
            
         running setup.py install  
         for  
         rarfile ... done 
        
 
            
         running setup.py install  
         for  
         pyyaml ... done 
        
 
         successfully installed click 
         - 
         7.1 
         . 
         2  
         funcsigs 
         - 
         1.0 
         . 
         2  
         gast 
         - 
         0.3 
         . 
         3  
         joblib 
         - 
         0.14 
         . 
         1  
         nltk 
         - 
         3.5  
         paddlepaddle 
         - 
         1.8 
         . 
         0  
         pathlib 
         - 
         1.0 
         . 
         1  
         pyyaml 
         - 
         5.3 
         . 
         1  
         rarfile 
         - 
         3.1  
         regex 
         - 
         2020.5 
         . 
         7  
         tqdm 
         - 
         4.46 
         . 
         0 
        
 
     
 
   

安装成功后，我们在 python 环境中测试一下是否安装成功（这个也是按照官网指引来做），我们切换到 python 环境，运行如下代码:

 
    ? 
   
 
     
       
       
         ➜  ~ python3 
        
 
         python  
         3.7 
         . 
         4  
         (default, jul   
         9  
         2019 
         ,  
         18 
         : 
         15 
         : 
         00 
         ) 
        
 
         [clang  
         10.0 
         . 
         0  
         (clang 
         - 
         1000.11 
         . 
         45.5 
         )] on darwin 
        
 
         type  
         "help" 
         ,  
         "copyright" 
         ,  
         "credits"  
         or  
         "license"  
         for  
         more information. 
        
 
         >>>  
         import  
         paddle.fluid 
        
 
         >>> paddle.fluid.install_check.run_check() 
        
 
         running verify fluid program ... 
        
 
         your paddle fluid works well on single gpu  
         or  
         cpu. 
        
 
         w0512  
         17 
         : 
         41 
         : 
         31.037240  
         2844976000  
         build_strategy.cc: 
         170 
         ] fusion_group  
         is  
         not  
         enabled  
         for  
         windows 
         / 
         macos now,  
         and  
         only effective when running with cuda gpu. 
        
 
         w0512  
         17 
         : 
         41 
         : 
         31.043959  
         2844976000  
         fuse_all_reduce_op_pass.cc: 
         74 
         ] find all_reduce operators:  
         2.  
         to make the speed faster, some all_reduce ops are fused during training, after fusion, the number of all_reduce ops  
         is  
         1. 
        
 
         your paddle fluid works well on mutiple gpu  
         or  
         cpu. 
        
 
         your paddle fluid  
         is  
         installed successfully! let's start deep learning with paddle fluid now 
        
 
     
 
   

如果能看到 your paddle fluid is installed successfully 就表示安装成功了.

2. 准备工作- 安装paddlehub

要实现本文的一键批量扣图需求，需要借助paddlehub人像分割模型来实现.

paddlehub 是基于 paddlepaddle 开发的预训练模型管理工具，可以借助预训练模型更便捷地开展迁移学习工作，目前的预训练模型涵盖了图像分类、目标检测、词法分析、语义模型、情感分析、视频分类、图像生成、图像分割、文本审核、关键点检测等主流模型.

PaddleHub官网：https://www.paddlepaddle.org.cn/hub 。

PaddleHub项目地址：https://github.com/PaddlePaddle/PaddleHub 。

更多PaddleHub预训练模型教程合集课程可见:https://aistudio.baidu.com/aistudio/course/introduce/1070 。

介绍完了项目，接下来我们开始在线安装 paddlehub :

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

或者按指定版本安装:

 
    ? 
   
         pip install paddlehub 
         = 
         = 
         1.6 
         . 
         0 
         - 
         i https: 
         / 
         / 
         pypi.tuna.tsinghua.edu.cn 
         / 
         simple

安装完成后，我们就可以开始运用了.

3. 一键扣图代码实现

我们的实现步骤很简单:

导入模块
加载模型
获取图片文件
调用模块抠图

其中扣图功能主要采用paddlehub deeplabv3+模型deeplabv3p_xception65_humanseg.

下面我们看具体扣图代码实现(demo.py):

 
    ? 
   
         import  
         os 
        
         import  
         paddlehub as hub 
        
         # 加载模型 
        
         humanseg  
         =  
         hub.module(name 
         = 
         'deeplabv3p_xception65_humanseg' 
         )   
        
         base_dir  
         =  
         os.path.abspath(os.path.dirname(__file__)) 
        
         # 获取当前文件目录 
        
         path  
         =  
         os.path.join(base_dir,  
         'images/' 
         ) 
        
         # 获取文件列表 
        
         files  
         =  
         [path  
         +  
         i  
         for  
         i  
         in  
         os.listdir(path)]   
        
         print 
         (files) 
        
         # 抠图 
        
         results  
         =  
         humanseg.segmentation(data 
         = 
         { 
         'image' 
         : files})   
        
         for  
         result  
         in  
         results: 
        
         print 
         (result)

示例中，我将图片放在代码文件夹的同级目录 images文件夹下，运行代码后，输出的抠图图片会自动放在代码同级目录的 humanseg_output 目录下，文件名称跟原图片的名称相同，但是文件格式是 png .

其中示例 images 目录下放了9张图片，为了兼顾不同读者喜好的口味，示例图片中既包括了帅哥，也有美女哦，并且将他们缩略图放大了，如下:

5行Python代码实现一键批量扣图

运行程序后，上述示例代码运行结果如下所示.

5行Python代码实现一键批量扣图

运行成功后，在 humanseg_output 目录下生成了9张图片，同样的，扣图的结果如下所示:

5行Python代码实现一键批量扣图

我们可以看到程序将每张图片中的人物（可以是一个人，也可以是多个人）识别出来，并且抠出来成图，背景是白色。虽然有些细节处还有些许瑕疵，但是看起来还算不错.

4. 需要注意的坑

在运行示例代码时，如果没有单独安装模型deeplabv3p_xception65_humanseg，默认会自动在执行前进行安装。但安装完成后，执行结果并没有生成扣图结果及humanseg_output目录，输出结果类似如下所示:

5行Python代码实现一键批量扣图

正常情况下，在生成扣图数据，打印results时，应该是类似如下结构才对:

5行Python代码实现一键批量扣图

可以通过单独安装模型并指定安装版本来解决.

 
    ? 
   
         hub install deeplabv3p_xception65_humanseg 
         = 
         = 
         1.0 
         . 
         0

具体原因没有细究，默认自动安装模型时，版本为1.2.0，猜测由于还是模型版本不兼容问题导致.

5. 总结

本文基于 paddlepaddle 平台，利用paddlehub deeplabv3+模型(deeplabv3p_xception65_humanseg)，使用简单的五行代码就实现了批量抠图。有些读者可能会想，上述示例中提供的代码行数不止五行代码吧，在上述示例中，真正实现扣图的主代码其实只需要下面五行:

 
    ? 
   
 
     
       
       
         humanseg  
         =  
         hub.module(name 
         = 
         'deeplabv3p_xception65_humanseg' 
         )   
        
 
         base_dir  
         =  
         os.path.abspath(os.path.dirname(__file__)) 
        
 
         path  
         =  
         os.path.join(base_dir,  
         'images/' 
         ) 
        
 
         files  
         =  
         [path  
         +  
         i  
         for  
         i  
         in  
         os.listdir(path)]   
        
 
         results  
         =  
         humanseg.segmentation(data 
         = 
         { 
         'image' 
         : files})   
        
 
     
 
   

利用paddlehub deeplabv3+模型不仅可以实现一键扣图，还可以进行图片合成，视频合成等。利用好它不仅解放了人的双手和双眼，而且为某些程序猿/程序媛的装逼工具箱提供了一件宝器。下次如果碰到某个女生或者闺蜜在为抠图发愁，别忘了掏出神器，赢得芳心哦！。

paddlepaddle作为一款开源的深度学习平台，本文介绍的扣图训练模型只是其中的冰山一角，实战训练预测模型种类还远远不止，更多的场景结合，读者们可自行挖掘.

到此这篇关于5行python代码实现一键批量扣图的文章就介绍到这了,更多相关python 批量扣图内容请搜索我以前的文章或继续浏览下面的相关文章希望大家以后多多支持我！。

原文链接：https://blog.csdn.net/jinjiangongzuoshi/article/details/106230074 。

最后此篇关于5行Python代码实现一键批量扣图的文章就讲到这里了,如果你想了解更多关于5行Python代码实现一键批量扣图的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

文章推荐： python 字典和列表嵌套用法详解

文章推荐： Python连接Postgres/Mysql/Mongo数据库基本操作大全

文章推荐： Python爬取用户观影数据并分析用户与电影之间的隐藏信息!

文章推荐： python geopandas读取、创建shapefile文件的方法

python - Python 中的集群或合并集群以减少组数 (Python)
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库，但没有成功。我猜它只是通过 knn 聚类
python - python 列表的子集基于同一列表的元素组，pythonically
我有一个扁平数字列表，这些数字逻辑上以 3 为一组，其中每个三元组是 (number, __ignored, flag[0 or 1])，例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
python - 激活 Python 虚拟环境并在另一个 Python 脚本中调用 Python 脚本
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
python - 在焕然一新的 Python 环境中以编程方式从 Python 内部执行 Python 文件
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
python - 从 python 脚本但在 python 脚本之外运行 python 脚本
这听起来像是谜语或笑话，但实际上我还没有找到这个问题的答案。问题到底是什么？我想运行 2 个脚本。在第一个脚本中，我调用另一个脚本，但我希望它们继续并行，而不是在两个单独的线程中。主要是我不希望第
python - 使用不同的 python 从 python 运行 python 脚本
我有一个带有 python 2.5.5 的软件。我想发送一个命令，该命令将在 python 2.7.5 中启动一个脚本，然后继续执行该脚本。我试过用 #!python2.7.5 和http://re
python - 为什么从 Python 命令行调用 Python 时 Python 无法找到并运行我的脚本？
我在 python 命令行(使用 python 2.7)中，并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹，使用: os.chdir("
python - 使用动态版本的 Python 执行嵌入的 Python 代码时出现致命的 Python 错误
剧透:部分解决(见最后)。以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
python - python 中识别 python 数组或列表中最大累积差异的最快方法是什么？
假设我有以下列表，对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
python - (Python) 通过单选按钮 python 更新背景
所以我试图在选择某个单选按钮时更改此框架的背景。我的框架位于一个类中，并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
python - python 中的字符串与正则表达式比较在 python 中失败
我正在尝试将字符串与 python 中的正则表达式进行比较，如下所示， #!/usr/bin/env python3 import re str1 = "Expecting property name
python - python 如何加载Boost.Python 库？
考虑以下原型(prototype) Boost.Python 模块，该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
python - python 检查模块 python 的问题
如何编写一个程序来“识别函数调用的行号？” python 检查模块提供了定位行号的选项，但是， def di(): return inspect.currentframe().f_back.f_l
python - 系统 python 与用户 python
我已经使用 macports 安装了 Python 2.7，并且由于我的 $PATH 变量，这就是我输入 $ python 时得到的变量。然而，virtualenv 默认使用 Python 2.6，除
python - [Python] : Python re. 长字符串行的搜索速度优化
我只想问如何加快 python 上的 re.search 速度。我有一个很长的字符串行，长度为 176861(即带有一些符号的字母数字字符)，我使用此函数测试了该行以进行研究: def getExe
python - 编辑字符串 python 正则表达式 python
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
python - Python 映射中的副作用(Python "do" block )
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。告
python - 使用其值逻辑组合两个 python 列表 - Python
我想用 Python 将两个列表组合成一个列表，方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
python - Boost.Python python 链接错误
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
python - 在 Python 中仅使用内置库制作一个基本的网络抓取工具 - Python
学习 Python，我正在尝试制作一个没有任何第 3 方库的网络抓取工具，这样过程对我来说并没有简化，而且我知道我在做什么。我浏览了一些在线资源，但所有这些都让我对某些事情感到困惑。 html 看起来

qq735679552

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城