本篇内容主要讲解“Python实现一键抠图功能的全过程”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python实现一键抠图功能的全过程”吧!
简介
使用百度深度学习框架paddlepaddle对人像图片进行自动化抠图
安装
根据PaddlePaddle官网命令安装
如
pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simplepip install paddlehub -i https://mirror.baidu.com/pypi/simple初试
jpg
jpg
jpg
jpg
jpg
import paddlehub as hubfrom pathlib import Pathpaths = [str(i) for i in Path('.').glob('*.jpg')] # 当前路径下所有.jpg文件human_seg = hub.Module(name='deeplabv3p_xception65_humanseg')results = human_seg.segmentation(paths=paths, visualization=True, output_dir='output')# results = human_seg.segmentation(paths=paths, use_gpu=True, visualization=True, output_dir='output') # 使用GPUprint(results)代码会自动下载图像分割模型deeplabv3p_xception65_humanseg到C:\Users\Administrator\.paddlehub\modules
效果
| 文件名 | 原图 | 效果 |
|---|---|---|
| 1.jpg | |  |
| 2.jpg | |  |
| 3.jpg | |  |
| 4.jpg | |  |
| 5.jpg | |  |
详解
人像分割API
def segmentation(images=None, paths=None, batch_size=1, use_gpu=False, visualization=False, output_dir='humanseg_output')参数
images(list[numpy.ndarray])：图片数据，BGR格式
paths(list[str])：图片路径
batch_size(int)：批量处理数量
use_gpu(bool)：是否使用 GPU
visualization(bool)：是否将识别结果保存为图片
output_dir(str)：图片保存路径
遇到的坑
1. 报错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 osos.environ['CUDA_VISIBLE_DEVICES'] = '0'或
set CUDA_VISIBLE_DEVICES=0到此，相信大家对“Python实现一键抠图功能的全过程”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
