前言

安装了很久的百度飞浆终于安装好了，这心情是真的激动啊，所以迫不及待的就想做点什么事情。这不，来了。

一、程序整体流程

获取需要抠图的图像文件地址
显示所有原图像
调用飞浆的deeplabv3p_xception65_humanseg模型该模型能够用于人像抠图
存储抠图人像（方便保存数据，也可下载图像）
废话就不说了具体的看下面：

二、使用步骤

1.引入库

代码如下（示例）：
没安装的库赶紧安装，不然跑不起来：
pip install 库名称（安装库）
百度飞浆库安装指南

import os
import paddlehub as hub
import numpy as np
import cv2
import matplotlib.pyplot as plt

2.读入数据

代码如下（示例）：

# 因为用到了matplotlib显示中文 所以加上这两句避免显示乱码
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号# 图像文件目录地址
path = r'./img/'
# 遍历获取每张图像的地址
files = [path + i for i in os.listdir(path)]

3.显示图像

代码如下（示例）：

# 创建画布  定义大小
plt.figure(figsize=(8, 6))
# 遍历获取每张图像数据
for i, img_fine in enumerate(files):# 通过opencv获取图像数据并添加到列表img.append(cv2.imread(img_fine))# 由于opencv打开的图像格式为BGR 所以需要转换为RGB格式img[i] = cv2.cvtColor(img[i], cv2.COLOR_BGR2RGB)# 显示图像大小# print(img[i].shape)# 创建子视图plt.subplot(2, len(files), i + 1)# 显示图像plt.imshow(img[i])plt.title("原图")

4.调用飞浆训练模型

代码如下（示例）：

# 调用飞浆的deeplabv3p_xception65_humanseg模型 该模型能够用于人像抠图
module = hub.Module(name="deeplabv3p_xception65_humanseg")
# 图像地址 （固定格式，不要更改）
input_dict = {"image": files}
# 训练模型并预测模型，打印结果（获取到抠图人像）
results = module.segmentation(data=input_dict)

5.显示抠图后的图像

代码如下（示例）：

newimgs = []
for i in range(len(files)):# 提取抠图人像数据prediction = results[i]["data"]# 显示抠图后的轮廓图像# plt.imshow(prediction)# 根据图像成像还原数据（具体原理我也不知道）newimg = np.zeros(img[i].shape)newimg[:, :, 0] = img[i][:, :, 0] * (prediction > 0)newimg[:, :, 1] = img[i][:, :, 1] * (prediction > 0)newimg[:, :, 2] = img[i][:, :, 2] * (prediction > 0)# 添加到列表 newimg.astype(np.uint8)修改数据类型为uint8newimgs.append(newimg.astype(np.uint8))# 显示图像plt.subplot(2, len(files), i + 1 + len(files))plt.imshow(newimgs[i])plt.xlabel("抠图后图像")

5.完整代码

代码如下（示例）：

import os
import paddlehub as hub
import numpy as np
import cv2
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号# 获取需要抠图的图像文件地址
# 图像文件目录地址
path = r'./img/'
# 遍历获取每张图像的地址
files = [path + i for i in os.listdir(path)]# 显示所有原图像
# 保存图像数据列表
img = []
# 创建画布  定义大小
plt.figure(figsize=(8, 6))
# 遍历获取每张图像数据
for i, img_fine in enumerate(files):# 通过opencv获取图像数据并添加到列表img.append(cv2.imread(img_fine))# 由于opencv打开的图像格式为BGR 所以需要转换为RGB格式img[i] = cv2.cvtColor(img[i], cv2.COLOR_BGR2RGB)# 显示图像大小# print(img[i].shape)# 创建子视图plt.subplot(2, len(files), i + 1)# 显示图像plt.imshow(img[i])plt.title("原图")# 调用飞浆的deeplabv3p_xception65_humanseg模型 该模型能够用于人像抠图
module = hub.Module(name="deeplabv3p_xception65_humanseg")
# 图像地址 （固定格式，不要更改）
input_dict = {"image": files}
# 训练模型并预测模型，打印结果（获取到抠图人像）
results = module.segmentation(data=input_dict)# 列表存储抠图人像（方便保存数据，也可下载图像）
newimgs = []
for i in range(len(files)):# 提取抠图人像数据prediction = results[i]["data"]# 显示抠图后的轮廓图像# plt.imshow(prediction)# 根据图像成像还原数据（具体原理我也不知道）newimg = np.zeros(img[i].shape)newimg[:, :, 0] = img[i][:, :, 0] * (prediction > 0)newimg[:, :, 1] = img[i][:, :, 1] * (prediction > 0)newimg[:, :, 2] = img[i][:, :, 2] * (prediction > 0)# 添加到列表 newimg.astype(np.uint8)修改数据类型为uint8newimgs.append(newimg.astype(np.uint8))# 显示图像plt.subplot(2, len(files), i + 1 + len(files))plt.imshow(newimgs[i])plt.xlabel("抠图后图像")# 总图像显示（少了这个就没图像了，千万别少了）
plt.show()

效果

总结

本次学习其实还有很不足，我们还可以继续改进，这也算是不用低成本学习图像处理了。我也借鉴了很多文章，最好的一篇是sansa666的，也非常感谢百度飞浆的开源学习。

百度PaddlePaddle飞浆实现多图像人像抠图相关推荐

PaddlePaddle飞浆搭建和机器学习文字识别
PaddlePaddle飞浆搭建和机器学习文字识别文章转自:https://lingkang.top/archives/paddlepaddle-fei-jiang-da-jian-he-ji-qi ...
PaddlePaddle飞浆开启人工智能新时代
百度飞浆paddlepaddle下载安装
人工智能AI:Keras PyTorch MXNet 深度学习实战(不定时更新) 个人主页 1.飞浆:https://www.paddlepaddle.org.cn/快速安装:https://ww ...
笔记 | 百度飞浆AI达人创造营：深度学习模型训练和关键参数调优详解
笔记 | 百度飞浆AI达人创造营:深度学习模型训练和关键参数调优详解针对特定场景任务从模型选择.模型训练.超参优化.效果展示这四个方面进行模型开发. 一.模型选择从任务类型出发,选择最合适的模型. ...
百度飞浆EISeg高效交互式标注分割软件的使用教程
一.前言官方原话:EISeg(Efficient Interactive Segmentation)是基于飞桨开发的一个高效智能的交互式分割标注软件.涵盖了高精度和轻量级等不同方向的高质量交互式分割 ...
百度飞浆行人多目标跟踪笔记
开源地址: PaddleDetection/configs/mot at release/2.3 · PaddlePaddle/PaddleDetection · GitHub 百度飞浆集成了多目标跟 ...
DL之paddlepaddle：百度深度学习框架paddlepaddle飞桨的简介、安装、使用方法之详细攻略
DL之paddlepaddle:百度深度学习框架paddlepaddle飞桨的简介.安装.使用方法之详细攻略目录 paddlepaddle百度深度学习框架的简介 1.飞桨全景图与四大领先技术 2.丰 ...
百度PaddlePaddle使用飞桨搭载手写字识别并训练、预测
文章目录通过极简方案构建手写数字识别模型一.导入库二.数据处理三.网络模型设计四.训练配置以及模型训练 **==这里特殊之处在于读取数据的方式采取飞桨自带数据读取器==** 五.模型测试 = ...
paddle百度飞浆入门使用教程
参加百度手写字体识别大赛,纯小白入门指引本文包括: 目录 1.新手注册登陆流程 2.如何申请免费算力和notebook环境介绍 3.运行项目时遇到的问题 1.新手注册登陆流程打开以下网址,点击登录 ...

百度PaddlePaddle飞浆实现多图像人像抠图

文章目录

前言

一、程序整体流程

二、使用步骤

1.引入库

2.读入数据

3.显示图像

4.调用飞浆训练模型

5.显示抠图后的图像

5.完整代码

总结

百度PaddlePaddle飞浆实现多图像人像抠图相关推荐

最新文章

热门文章