Python抠图

时间:2022-09-28 梦想橡皮擦人气:0

需求来源

好友 A：橡皮擦，可否提供网页，上传带人像的图片，然后可以直接抠图，最好直接生成 PNG 图片下载。橡皮擦：每天需要调用多少次？好友 A：大概 100 次吧。橡皮擦：妥了，给你写个免费的吧。

本案例的实战需求是对图片进行抠图，每日请求量为 100，来源依旧是好友求助，既然日请求量不大，那某智能云的人像分隔接口就可以使用了，申请之后，其赠送了 10000 次，每秒限制 2 次请求，足够使用。

实现方法

从官方下载 Python API SDK 之后，得到下图所示目录：

然后进入该目录执行下述命令安装 SDK

python setup.py build
python setup.py install

安装成功之后就可以通过 pip list 查看相关数据。

接下来需要创建一个 AipBodyAnalysis，该对象是后续处理人像分析的核心对象。

新建 show_people.py 文件，输入如下代码：

from aip import AipBodyAnalysis

""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'

client = AipBodyAnalysis(APP_ID, API_KEY, SECRET_KEY)

其中 App ID，Api Key，Secret Key 都需要提前在平台方申请使用。

接下来就可以使用人像分隔主体函数了，代码如下：

client = AipBodyAnalysis(APP_ID, API_KEY, SECRET_KEY)
""" 读取图片 """
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

image = get_file_content('./demo.png')

""" 调用人像分割 """
ret = client.bodySeg(image)

print(ret)

代码用到的测试图为：

运行后提示 ModuleNotFoundError: No module named 'chardet'，使用 pip install chardet 安装缺少模块。

上述 client.bodySeg(image) 函数的参数如下所示：

image：图像数据，base64 编码，要求 base64 编码后大小不超过 4M，最短边至少 15px，最长边最大 4096px,支持 jpg/png/bmp 格式；

type：可以通过设置 type 参数，自主设置返回哪些结果图，避免造成带宽的浪费

可选值说明：

labelmap - 二值图像，需二次处理方能查看分割效果
scoremap - 人像前景灰度图
foreground - 人像前景抠图，透明背景

type 参数值可以是可选值的组合，用逗号分隔；如果无此参数默认输出全部 3 类结果图

基于上述配置，在方法调用时添加参数，获取人像前景抠图。

""" 如果有可选参数 """
options = {}
options["type"] = "foreground"

""" 带参数调用人像分割 """
ret = client.bodySeg(image, options)
print(ret)

返回参数列表如下所示：

labelmap：分割结果图片，base64 编码之后的二值图像，需二次处理方能查看分割效果
scoremap ：分割后人像前景的 scoremap，归一到 0-255，不用进行二次处理，直接解码保存图片即可。Base64 编码后的灰度图文件，图片中每个像素点的灰度值 = 置信度 * 255，置信度为原图对应像素点位于人体轮廓内的置信度，取值范围[0, 1]
foreground：分割后的人像前景抠图，透明背景，Base64 编码后的 png 格式图片，不用进行二次处理，直接解码保存图片即可。将置信度大于 0.5 的像素抠出来，并通过 image matting 技术消除锯齿
person_num：检测到的人体框数目
person_info：人体框信息

此时输出 person_num 就可以获得人像数量，测试代码如下所示。

ret = client.bodySeg(image, options)
print(ret["person_num"]) # 输出 1

接下来直接保存前景抠图，导入 base64 模块，直接解码保存即可。

""" 带参数调用人像分割 """
ret = client.bodySeg(image, options)
data = ret["foreground"]

data = base64.b64decode(data)
# 生成图片
with open("./fore.png",'wb') as f:
    f.write(data)

最后在使用一张复杂些的图片进行测试，背景去除的非常干净。

加载全部内容