? ?
? ?推荐一款Python神器，5 行 Python 代码 实现一键批量扣图 ? ?
2020-05-20 09:59?狂师? 阅读(798)? 评论(1)?编辑?收藏 ? ?
给大家分享一款Python装逼实用神器。
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://HdhCmsTestpaddlepaddle.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。
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测试数据/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://HdhCmsTestpaddlepaddle.org.cn/hub
PaddleHub项目地址：
https://github测试数据/PaddlePaddle/PaddleHub
更多PaddleHub预训练模型教程合集课程可见：
https://aistudio.baidu测试数据/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测试数据/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：
运行程序后，上述示例代码运行结果如下所示。
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：
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：
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：
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。
分类 ? ? ? ? ? ?Python ?查看更多关于推荐一款Python神器，5 行 Python 代码 实现一键批量扣图的详细内容...