共计 1897 个字符，预计需要花费 5 分钟才能阅读完成。
明天持续给大家分享实战我的项目。
用深度学习算法替换证件照背景，带 UI 界面那种，从此能够跟照相馆说拜拜了。
上面咱们来学习一下该我的项目，文末有源代码和开源地址。
没有啰嗦的文字，没有多余的代码，只有艰深的解说。
1. 思路
先来看一下最终的成果。
成果
右边是原图片，左边是替换背景后的图片，反对替换任意色彩背景。
我的项目的实现思路很简略：
- 用户上传的原图后，应用曾经训练好的人像宰割模型将人像切割进去
- 将切割后的图片展现在新背景上
2. 模型
图像宰割是要将图片依据内容宰割成不同的块，如下图所示：
相比图像分类和检测，图像宰割是一项更精密的工作，因为须要对每个像素点分类，物体的轮廓是精准勾画的。
本我的项目的图像（人像）宰割采纳飞桨 (PaddlePaddle) 提供的 deeplabv3p_xception65_humanseg 模型。该模型基于DeepLabv3+，用百度自建数据集进行训练，可用于人像宰割，反对任意大小的图片输出。
DeepLabv3+ 是 Google DeepLab 语义宰割 系列网络的最新作，这里说的 语义宰割 是图像宰割中的一类。
DeepLabv3+的网络结构如下：
DeepLabv3+
DeepLabv3+通过 encoder-decoder 进行多尺度信息的交融，encoder是原来的 DeepLabv3，但DCNN 采纳了 改良的 Xception，进步了语义宰割的健壮性和运行速率。
decoder是 DeepLabv3+ 相比 DeepLabv3 新增的，其将底层特色与高层特色进一步交融，晋升宰割边界准确度。
上面是人像宰割的外围代码：
from paddlehub import Module
# 加载训练好的人像宰割模型
module = Module(directory="module/deeplabv3p_xception65_humanseg")
# 进行宰割
res = module.segmentation(paths=[filename], output_dir='../cache', visualization=True)filename是原图片的门路。
3. UI
UI 界面应用 ttkbootstrap 开发，它是 TKinter 的丑化库，应用办法跟 TKinter 一样。
这里介绍下 UI 界面的外围代码。
首先须要一个按钮来抉择原图片
import ttkbootstrap as ttk
ttk.Button(self.leftFrame, text='抉择图片', command=self.openFile)点击 抉择图片 按钮后，会调用 openFile 函数对原图片进行人像宰割，宰割进去的人像存储在临时文件中。
还须要一个按钮展现转换背景后的图片
ttk.Button(self.leftFrame, text='转换底色', command=self.render)render函数会展现转换后的图片，外围代码如下：
def render(self):
# 获取新背景色
colorHEX = self.color.get()
# 获取宰割后的人像图片
base_img = Image.open(self.outputdir)
# 展现新背景
background = Image.new('RGBA', base_img.size, colorHEX)
x, y = base_img.size
# 将宰割后的人像贴在新背景上
background.paste(base_img, (0, 0, x, y), base_img)
self.image_final = backgroundself.image_final是转换背景后的图片，调整大小后便能够在 UI 上展现。
4. 运行
到这里，整个我的项目曾经介绍完了，最初简略说下拿到源码后如何运行该我的项目。
首先，装置飞桨(PaddlePaddle)
pip install --upgrade paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install --upgrade paddlehub -i https://mirror.baidu.com/pypi/simple而后，装置ttkbootstrap
pip install ttkbootstrap最初，运行 Circulation.py 文件即可。
以上就是本次分享的所有内容，如果你感觉文章还不错，欢送关注公众号：Python 编程学习圈，每日干货分享，发送“J”还可支付大量学习材料。或是返回编程学习网，理解更多编程技术常识。
