对于会PhotoShop的人来说，抠图是非常简单的操作了，有时候几秒钟就能扣好一张图。不过对于一些比较复杂的图，有时候还是需要花点时间的，今天就给大家带了一个非常快速简单的办法，用Python来批量抠取人像。
效果展示
刚开始，我也不看好什么自动抠图，总觉得不够精确，抠不出满意的图。下面我就直接展示一下效果图吧。
我们先看看原图 ：
![]()
这张图片背景是纯色，我们平时用PhotoShop抠起来也比较简单，对我们计算机来说也不是什么难题，下面是效果图：
![]()
因为本身是PNG图片，而且原图是白色背景，所以看不出什么区别。为了显示效果，我把原图和抠好的图放到一张黄色背景图片上：
![]()
这样一看效果明显多了，感觉抠图效果还是非常好的。但是，抠这种简单的图片，不怎么过瘾，我们再来看看复杂一点的图片：
![]()
这张图片背景色比之前复杂一些，而且有渐变，我们来看看抠图后的效果如何：
![]()
这个原图背景不是白色，我就不弄黄色背景了，感觉这个效果也还算满意。
那么，对于多人物的图片，效果如何呢？我们再看看下面这张图片：
![]()
这里有三个人，我们看看程序能不能自动抠出来：
![]()
虽然是有点瑕疵，不过还是很不错了。
下面我们看看最后一个例子：
![]()
这个比前面的图都复杂的多，那么效果如何呢，我们来看看：
![]()
哈哈，不仅识别出了人，还把火炬识别出来并抠了出来。总的来说，在完成人物抠图方面是没有什么问题的。
这是如何实现的？
看完效果，你肯定想问这是如何实现的呢？这就需要用到飞桨了，飞桨是一个开源的深度学习平台，使用其工具仅用十几行代码就能实现迁移学习。
下载安装命令
## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle
## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
在使用之前，我们先来安装飞桨，可以进入官网，按指引快速安装：
https://www.paddlepaddle.org.cn/install/quick
为了方便，这里直接使用pip安装CPU版本的。我们执行下列语句：
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
安装完成后，可以在环境中测试一下是否成功。我这里使用命令行窗口，先运行python.exe（前提是你已经配置了环境变量）：
然后在程序中运行如下代码：
import paddle.fluidpaddle.fluid.install_check.run_check()
如果控制台显示Your Paddle is installed successfully! Let's start deep Learning with Paddle now，就代表我们已经安装成功了。另外我们还需要安装PaddleHub：
pip install -i https://mirror.baidu.com/pypi/simple paddlehub
下面我们就可以开始写代码了。
开始抠图
实现抠图的代码很简单，大概分为下面几个步骤：
-
导入模块
-
加载模型
-
获取文件列表
-
抠图
实现起来没有什么难度，为了方便读代码，我将代码写清楚一点：
1、导入模块
import os
import paddlehub as hub
2、加载模型
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')
3、获取文件列表
# 图片文件的目录
path = 'D:/CodeField/Workplace/PythonWorkplace/PillowTest/11_yellow/img/'
# 获取目录下的文件
files = os.listdir(path)
# 用来装图片的
imgs = []
# 拼接图片路径
for i in files:
imgs.append(path + i)
#抠图
results = humanseg.segmentation(data={'image':imgs})
4、获取文件列表
我们在控制台运行一下这个程序：
输出：
| [2020-03-10 21:42:34,587] [ INFO] - Installing deeplabv3p_xception65_humanseg module [2020-03-10 21:42:34,605] [ INFO] - Module deeplabv3p_xception65_humanseg already installed in C:\Users\zaxwz\.paddlehub\modules\deeplabv3p_xception65_humanseg [2020-03-10 21:42:35,472] [ INFO] - 0 pretrained paramaters loaded by PaddleHub |
运行完成后，我们可以在项目下看到humanseg_output目录，抠好的图片就会存放在该目录下。当然了，上面的代码我们在获取文件列表的操作还可以简化一下：
import os, paddlehub as hub
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg') # 加载模型
path = 'D:/CodeField/Workplace/PythonWorkplace/PillowTest/11_yellow/img/' # 文件目录
files = [path + i for i in os.listdir(path)] # 获取文件列表
results = humanseg.segmentation(data={'image':files}) # 抠图
至此，我们就完成了5行代码批量抠图，感兴趣的开发者赶紧上手试试吧！
飞桨官网：
https://www.paddlepaddle.org.cn/
下载安装命令
## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle
## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
PaddleHub平台：
https://github.com/PaddlePaddle/PaddleHub
飞桨开源框架项目地址：
GitHub:https://github.com/PaddlePaddle/Paddle
Gitee: https://gitee.com/paddlepaddle/Paddle
如在使用过程中有问题，可加入飞桨官方QQ群进行交流：703252161
>> 访问 PaddlePaddle 官网，了解更多相关内容。
