“人像抠图”案例源码详解（Python）

seg_gui_meet.py用于人像抠图

导入基础包作用详解
构建程序图形化类
初始化处理函数（人体抠图应用启动时首先被调用）
程序入口

打开testpose人像姿态检测案例

在VScode中进入代码编辑状态。

导入相关库

'''seg_gui_meet.py用于examples中的人体抠图''''''
导入基础包作用详解
'''
#导入包介绍开始#cvs包是Aid内置的代替cv2的包，基本上cv2支持的函数cvs一样支持，cvs包在X模式下和非X模式下一样执行
#cvs更多详细介绍查看官网文档OpenCVhttps://www.aidlearning.net/showdoc/web/#/5?page_id=45
from cvs import *#NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，
#支持大量的维度数组与矩阵运算，
#此外也针对数组运算提供大量的数学函数库。
#在机器学习算法中大部分都是调用Numpy库来完成基础数值计算的。
import numpy as np# tflite_gpu，GPU加速代码由AID提供，TensorFlow Lite 支持多种硬件加速器。GPU 是设计用来完成高吞吐量的大规模并行工作的。
# 因此，它们非常适合用在包含大量运算符的神经网络上，一些输入张量可以容易的被划分为更小的工作负载且可以同时执行，通常这会导致更低的延迟。
# 在最佳情况下，用 GPU 在实时应用程序上做推理运算已经可以运行的足够快，而这在以前是不可能的
import tflite_gpu
#导入包介绍结束
##############################################################################tflite=tflite_gpu.tflite()
back_img_path=('res/dock_vbig.jpeg','res/taj_vbig.jpg','res/sunset_vbig.jpg','res/test.jpg','res/bg1.jpg','res/bg2.jpg','res/bg3.jpg','res/bg4.jpg')bgnd_mat=cv2.imread('res/dock_vbig.jpeg')
mod=0

构建程序图形化类

'''
MyApp类用于构建程序的图形化
'''
class MyApp(App):#初始化函数，self表示创建实例本身， *args传递可变参数，__init__()的第一个参数永远是selfdef __init__(self, *args):#这是对继承自父类的属性进行初始化。而且是用父类的初始化方法来初始化继承的属性。#也就是说，子类继承了父类的所有属性和方法，父类属性自然会用父类方法来进行初始化。#super() 函数是用于调用父类(超类)的一个方法。#super() 是用来解决多重继承问题的，直接用类名调用父类方法在使用单继承的时候没问题，#但是如果使用多继承，会涉及到查找顺序（MRO）、重复调用（钻石继承）等种种问题。#MRO 就是类的方法解析顺序表, 其实也就是继承父类方法时的顺序表super(MyApp, self).__init__(*args)def idle(self):#在每次更新循环中idle函数都会被调用self.aidcam.update()def main(self):#创建一个VBox容器，使用垂直方式(还有HBox水平盒子，以及widget)#定义变量main_container,它是整个图形界面的主框架，用于包含其他APP中的控件，相当于容器#gui.VBox这段代码是在手机上画出一个宽度为360px,高度为680px的程序主框架范围。#style是它的样式，margin:0 auto;相当于margin:0 auto 0 auto;即上下是0，左右是自动。#这时main_container中的元素会水平居中main_container = VBox(width=360, height=680, style={'margin':'0px auto'})main_container.css_width = "98%"#添加摄像头控件#OpencvVideoWidget函数是在手机 画一个用于显示调用手机摄像头拍摄图像的框，宽度350px，高度400px,#将它赋值给self.aidcam，aidcam表示摄像头控件。self.aidcam = OpencvVideoWidget(self, width=350, height=400)#设置main_container的宽度为手机屏幕的宽度的98%self.aidcam.css_width = "98%"self.aidcam.style['margin'] = '10px'#给aidcam控件一个标记self.aidcam.identifier="myimage_receiver"main_container.append(self.aidcam)self.lbl = Label('点击图片选择你喜欢的虚拟背景：')main_container.append(self.lbl)#创建一个HBox容器，使用水平方式#定义变量m_container,用于包含图.宽度为360px,高度为130px#style是它的样式，margin:0 auto;相当于margin:0 auto 0 auto;即上下是0，左右是自动。#这时m_container中的元素会水平居中m_container = HBox(width=360, height=130, style={'margin':'0px auto'})m_container.css_width = "98%"self.img11 = Image('/res:'+os.getcwd()+'/'+back_img_path[4], width=80,height=80, margin='10px')#被点击则调用on_img11_clicked方法self.img11.onclick.do(self.on_img11_clicked)m_container.append(self.img11)self.img12 = Image('/res:'+os.getcwd()+'/'+back_img_path[5], width=80,height=80, margin='10px')self.img12.onclick.do(self.on_img12_clicked)m_container.append(self.img12)self.img13 = Image('/res:'+os.getcwd()+'/'+back_img_path[6],width=80, height=80, margin='10px')self.img13.onclick.do(self.on_img13_clicked)m_container.append(self.img13)self.img14 = Image('/res:'+os.getcwd()+'/'+back_img_path[7], width=80,height=80,margin='10px')self.img14.onclick.do(self.on_img14_clicked)m_container.append(self.img14)bottom_container = HBox(width=360, height=130, style={'margin':'0px auto'})bottom_container.css_width = "98%"self.img1 = Image('/res:'+os.getcwd()+'/'+back_img_path[0],  width=80,height=80, margin='10px')self.img1.onclick.do(self.on_img1_clicked)bottom_container.append(self.img1)self.img2 = Image('/res:'+os.getcwd()+'/'+back_img_path[1],  width=80,height=80, margin='10px')self.img2.onclick.do(self.on_img2_clicked)bottom_container.append(self.img2)self.img3 = Image('/res:'+os.getcwd()+'/'+back_img_path[2],  width=80,height=80, margin='10px')self.img3.onclick.do(self.on_img3_clicked)bottom_container.append(self.img3)self.img4 = Image('/res:'+os.getcwd()+'/'+back_img_path[3], height=80, width=80,margin='10px')self.img4.onclick.do(self.on_img4_clicked)bottom_container.append(self.img4)#创建一个HBox容器，使用水平方式#定义变量b_container,用于包含按钮.宽度为360px,高度为100px#style是它的样式，margin:0 auto;相当于margin:0 auto 0 auto;即上下是0，左右是自动。#这时m_container中的元素会水平居中b_container = HBox(width=360, height=100, style={'margin':'0px auto'})b_container.css_width = "98%"#按钮1，'抠图穿越',self.bt1 = Button('抠图穿越', width=100, height=30, margin='10px')#被点击则调用on_button_pressed1方法self.bt1.onclick.do(self.on_button_pressed1)self.bt3 = Button('背景虚化', width=100, height=30, margin='10px')self.bt3.onclick.do(self.on_button_pressed3) #将m_container、bottom_container装入main_containermain_container.append(m_container)main_container.append(bottom_container)#将bt1、bt3装入b_containerb_container.append(self.bt1)b_container.append(self.bt3)#将b_container装入main_containermain_container.append(b_container)return main_container'''各图的受击响应方法'''def on_img1_clicked(self, widget):global bgnd_matbgnd=cv2.imread(back_img_path[0])bgnd_mat=cv2.resize(bgnd,(512, 512))def on_img2_clicked(self, widget):global bgnd_matbgnd=cv2.imread(back_img_path[1])bgnd_mat=cv2.resize(bgnd,(512, 512))def on_img3_clicked(self, widget):global bgnd_matbgnd=cv2.imread(back_img_path[2])       bgnd_mat=cv2.resize(bgnd,(512, 512))def on_img4_clicked(self, widget):global bgnd_matbgnd=cv2.imread(back_img_path[3])       bgnd_mat=cv2.resize(bgnd,(512, 512))   def on_img11_clicked(self, widget):global bgnd_matbgnd=cv2.imread(back_img_path[4])bgnd_mat=cv2.resize(bgnd,(512, 512))def on_img12_clicked(self, widget):global bgnd_matbgnd=cv2.imread(back_img_path[5])bgnd_mat=cv2.resize(bgnd,(512, 512))def on_img13_clicked(self, widget):global bgnd_matbgnd=cv2.imread(back_img_path[6])       bgnd_mat=cv2.resize(bgnd,(512, 512))def on_img14_clicked(self, widget):global bgnd_matbgnd=cv2.imread(back_img_path[7])       bgnd_mat=cv2.resize(bgnd,(512, 512))   '''各按钮的受击响应方法'''#用于切换moddef on_button_pressed1(self, widget):global modmod=0def on_button_pressed3(self, widget):global modmod=2

初始化处理函数（人体抠图应用启动时首先被调用）

'''
用于初始化处理，人体抠图应用启动时首先被调用
'''
def process():#设置自制UIcvs.setCustomUI()#输入图的shape宽高均为512(像素)#深度学习的图片尺寸不用那么大，这里使用512*512w=512h=512input_shape=[w,h]#rgb3通道 1个float是32位也就是4字节，每个数据4个字节#输入数据数量 单位是字节inShape =[1 * w * h *3*4,]#4代表4个字节，outShape就是输出数据的数据量 单位是字节outShape= [1 * w*h*2*4,]#指定人像分割模型路径model_path="res/portrait_segmentation.tflite"#4表示4个线程，0表示gpu，-1表示cpu，1表示NNAPIprint('gpu0:',tflite.NNModel(model_path,inShape,outShape,4,0))# cvs.VideoCapture(1)是调用手机前置摄像头，如果是cvs.VideoCapture(0)就是调用手机后置摄像头。camid=1cap=cvs.VideoCapture(camid)tgt_size=512global bgnd_matbgnd_mat=cv2.resize(bgnd_mat,(tgt_size, tgt_size))fcounts=0fframes=[None,None,None,None]fmax=[0,0,0,0]while True:#循环读取摄像头捕捉到的帧frame=cvs.read()#如果没读取到帧，就进入下一次读取循环，直到读取到帧if frame is None:continue#flip()的作用是使图像进行翻转，cv2.flip(filename, flipcode) #filename：需要操作的图像，flipcode：翻转方式，1水平翻转，0垂直翻转，-1水平垂直翻转#如果是前置摄像头，需要翻转图片，想象照镜子的原理if camid==1:frame=cv2.flip(frame,1)#cv2.resize函数重定义大小img =cv2.resize(frame,(input_shape[0],input_shape[1]))frame=img# cv2.cvtColor(p1,p2) 是颜色空间转换函数，p1是需要转换的图片，p2是转换成何种格式。# cv2.COLOR_BGR2RGB 将BGR格式转换成RGB格式  # cv2.COLOR_BGR2GRAY 将BGR格式转换成灰度图片img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB).astype(np.float32)#归一化img = img / 255# 由于fp16的值区间比fp32的值区间小很多，所以在计算过程中很容易出现上溢出（Overflow，>65504 ）和下溢出（Underflow，<6x10^-8  ）的错误，# 溢出之后就会出现“Nan”的问题# 所以我们选择fp32# 分配内存并传入数据tflite.setTensor_Fp32(img,input_shape[1],input_shape[1])# 启动tensorflow模型，使之开始运行tflite.invoke()#参数0切换tflite模型pred = tflite.getTensor_Fp32(0)pred0=(pred[::2 ]).reshape(w,h)pred1=(pred[1::2]).reshape(w,h)back=((pred0))front=((pred1))mask=front-backmask[mask>0.0]=255mask[mask<=0.0]=0        # out1 = np.invert((back > 0.5) * 255)out2 = np.invert((front > 0.5) * 255)# out1 = np.uint8(out1)out2 = np.uint8(out2)mask=np.uint8(mask)out2=cv2.resize(out2,(256,256))mask = cv2.resize(mask,(256,256))out3 = cv2.ximgproc.jointBilateralFilter(out2, mask, 8, 100, 100)       out3 = cv2.resize(out3,(512,512))# out3=mask.copy()out3=cv2.GaussianBlur(out3,(7,7),1) out3 = out3/255masksmall=cv2.erode(mask, (3,3),iterations=1);out3=cv2.merge([out3,out3,out3])# out3 = (cv2.cvtColor(out3, cv2.COLOR_GRAY2RGB))# out3 = out3/255# dst = frame*out3+(1-out3)*bgnd_mat# frame = cv2.resize(frame,(256,256))# bgnd_mat = cv2.resize(bgnd_mat,(256,256))if mod==0:dst = frame*out3+(1-out3)*bgnd_matelse :blur= cv2.GaussianBlur(frame, (27,27), 15) dst = frame*out3+(1-out3)*blur#显示图像cvs.imshow(dst)#让程序休眠#time.sleep(秒数)，其中“秒数”以秒为单位，可以是小数，0.1秒则代表休眠100毫秒。sleep(1)

程序入口

'''
入口
'''
if __name__ == '__main__':#initcv用于初始化initcv(process)startcv(MyApp)
import apkneed
import apkneed
import apkneed

AidLux“人像抠图”案例源码详解（Python）相关推荐

AidLux “人脸测试”案例源码详解
"人脸检测"案例源码详解 testface.py用于进行人脸检测构建APP框架和添加主要控件人脸关键点识别的方法打开人脸测试案例 1.在VScode中进入代码编辑状态. 2. ...
AidLux“换脸”案例源码详解（Python）
"换脸"案例源码详解 (Python) faceswap_gui.py用于换脸,可与facemovie_gui.py身体互换源码(上一篇文章)对照观看打开faceswap_gui ...
AidLux“实时头发分割”案例源码详解
"实时头发分割"案例源码详解 1. 构建APP框架和添加主要控件 2. 头发分割的方法打开实时头发分割案例 1.在VScode中进入代码编辑状态. 2.代码存在路径在/examp ...
Android开发之GPS测试完整案例源码详解之实时检测GPS的状态
获取Android系统Location位置服务实例: /*** Get location manager system service** @return LocationManager*/publi ...
【卷积神经网络CNN 实战案例 GoogleNet 实现手写数字识别源码详解深度学习 Pytorch笔记 B站刘二大人（9.5/10）】
卷积神经网络CNN 实战案例 GoogleNet 实现手写数字识别源码详解深度学习 Pytorch笔记 B站刘二大人 (9.5/10) 在上一章已经完成了卷积神经网络的结构分析,并通过各个模块理解 ...
李沐d2l《动手学深度学习》第二版——风格迁移源码详解
本文是对李沐Dive to DL<动手学深度学习>第二版13.12节风格迁移的源码详解,整体由Jupyter+VSCode完成,几乎所有重要代码均给出了注释,一看就懂.需要的同学可以在文末 ...
【卷积神经网络CNN 数学原理分析与源码详解深度学习 Pytorch笔记 B站刘二大人（9/10）】
卷积神经网络CNN 数学原理分析与源码详解深度学习 Pytorch笔记 B站刘二大人(9/10) 本章主要进行卷积神经网络的相关数学原理和pytorch的对应模块进行推导分析代码也是通过demo实 ...
Android AR开发实践之七：OpenGLES相机预览背景绘制源码详解
Android AR开发实践之七:OpenGLES相机预览背景绘制源码详解目录 Android AR开发实践之七:OpenGLES相机预览背景绘制源码详解一.OpenGL ES渲染管线 1.基本处 ...
Tensorflow 2.x(keras)源码详解之第九章：模型训练和预测的三种方法(fittf.GradientTapetrain_steptf.data)
大家好,我是爱编程的喵喵.双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中.从事机器学习以及相关的前后端开发工作.曾在阿里云.科大讯飞.CCF等比赛获得多次Top名次.现 ...

AidLux“人像抠图”案例源码详解（Python）

“人像抠图”案例源码详解（Python）

打开testpose人像姿态检测案例

导入相关库

构建程序图形化类

初始化处理函数（人体抠图应用启动时首先被调用）

程序入口

AidLux“人像抠图”案例源码详解（Python）相关推荐

最新文章

热门文章

AidLux“人像抠图”案例源码详解 （Python）

“人像抠图”案例源码详解 （Python）

打开testpose人像姿态检测案例

导入相关库

构建程序图形化类

初始化处理函数（人体抠图应用启动时首先被调用）

程序入口

AidLux“人像抠图”案例源码详解 （Python）相关推荐

最新文章

热门文章

AidLux“人像抠图”案例源码详解（Python）

“人像抠图”案例源码详解（Python）

AidLux“人像抠图”案例源码详解（Python）相关推荐