前言

你是否曾經(jīng)想將某張照片中的人物摳出來，然后拼接到其他圖片上去，從而可以即使你在天涯海角，我也可以到此一游？

專業(yè)點的人使用 PhotoShop 的“魔棒”工具可以摳圖，非專業(yè)人士可以使用各種美圖 APP 來實現(xiàn)，但是他們畢竟處理能力有限，一次只能處理一張圖片，而且比較復(fù)雜的圖像可能耗時較久。

今天我來向大家展示第三種途徑——用 Python 一鍵批量摳圖。

準備工作

既然要裝逼，準備工作是少不了的。所謂“站在巨人的肩膀上，做事事半功倍”，我們這里的“巨人”就是 paddlepaddle 了，中文名稱叫“飛槳”，那么這個 paddlepaddle 是什么呢？

它是“源于產(chǎn)業(yè)實踐的開源深度學(xué)習(xí)平臺，致力于讓深度學(xué)習(xí)技術(shù)的創(chuàng)新與應(yīng)用更簡單”，直白點就是我?guī)湍銓崿F(xiàn)了深度學(xué)習(xí)底層框架，你只要有創(chuàng)意就可以在我平臺上運用少量簡單代碼輕松實現(xiàn)。它的官網(wǎng)是 https://www.paddlepaddle.org.cn/ 。

它的安裝也比較簡單，官網(wǎng)首頁就有安裝指引，我們這里根據(jù)官網(wǎng)的安裝指引，使用 pip 方式來安裝 CPU 版本。

我們首先執(zhí)行語句：

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

安裝成功后，我們在 python 環(huán)境中測試一下是否安裝成功（這個也是按照官網(wǎng)指引來做），我們切換到 python 環(huán)境，運行如下代碼：

Python 3.7.0 (v3.7.0:1bf9cc5093, Jun 26 2018, 23:26:24) 
[Clang 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import paddle.fluid
>>> paddle.fluid.install_check.run_check()
Running Verify Paddle Program ... 
Your Paddle works well on SINGLE GPU or CPU.
I0506 21:47:48.657404 2923565952 parallel_executor.cc:440] The Program will be executed on CPU using ParallelExecutor, 2 cards are used, so 2 programs are executed in parallel.
W0506 21:47:48.658407 2923565952 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.
I0506 21:47:48.658516 2923565952 build_strategy.cc:365] SeqOnlyAllReduceOps:0, num_trainers:1
I0506 21:47:48.659137 2923565952 parallel_executor.cc:307] Inplace strategy is enabled, when build_strategy.enable_inplace = True
I0506 21:47:48.659595 2923565952 parallel_executor.cc:375] Garbage collection strategy is enabled, when FLAGS_eager_delete_tensor_gb = 0
Your Paddle works well on MUTIPLE GPU or CPU.
Your Paddle is installed successfully! Let's start deep Learning with Paddle now
>>> 

看到 Your Paddle is installed successfully 就表示安裝成功了。

我們接下來需要使用的是這個平臺的 paddlehub 工具，所以我們還需要安裝 paddlehub ：

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

安裝完成后，我們就可以開始運用了。

代碼實現(xiàn)

我們的實現(xiàn)步驟很簡單：導(dǎo)入模塊 -> 加載模型 -> 獲取圖片文件 -> 調(diào)用模塊摳圖。

下面我們看代碼實現(xiàn)：

import os, paddlehub as hub
huseg = hub.Module(name='deeplabv3p_xception65_humanseg') # 加載模型
path = './imgs/' # 文件目錄
files = [path + i for i in os.listdir(path)] # 獲取文件列表
results = huseg.segmentation(data={'image': files}) # 摳圖

我將圖片放在代碼文件夾的同級目錄 imgs 文件夾下，運行代碼后，輸出的摳圖圖片會自動放在代碼同級目錄的 humanseg_output 目錄下，文件名稱跟原圖片的名稱相同，但是文件格式是 png 。

我在 imgs 目錄下放了5張圖片，為了便于展示，我將他們放在一起截圖：

原圖片

運行程序后，在 humanseg_output 目錄下生成了5張圖片，同樣的，我將他們放在一起截圖：

摳圖圖片

我們可以看到程序?qū)⒚繌垐D片中的人物（可以是一個，也可以是多個）識別出來，并且摳出來成圖，背景是白色。雖然有些細節(jié)處還有些許瑕疵，但是看起來還算不錯。

補充：可能遇到的坑

1. 報錯RuntimeError: Environment Variable CUDA_VISIBLE_DEVICES is not set correctly. If you wanna use gpu, please set CUDA_VISIBLE_DEVICES as cuda_device_id.

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'

或

set CUDA_VISIBLE_DEVICES=0

總結(jié)

本文基于 paddlepaddle 平臺，使用簡單的五行代碼實現(xiàn)了批量摳圖，不僅解放了好多人的雙手和雙眼，而且為某些程序猿/程序媛的裝逼工具箱提供了一件寶器。下次如果碰到某個女生或者閨蜜在為摳圖發(fā)愁，別忘了掏出神器，贏得芳心哦！

到此這篇關(guān)于如何使用五行Python代碼輕松實現(xiàn)批量摳圖的文章就介紹到這了,更多相關(guān)Python批量摳圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論