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 = background
self.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。