您的位置:

python人工智能自动抠图,自动抠人像

本文目录一览:

用python抠图(背景透明化)

matplotlib读取RGB图片的时候,往往把图片转化为四通道图片,其中第四个通道是α通道,可以决定图像的透明度。

如果把图片的前景的透明度设定为1,背景的透明度设定为0,那么就算去掉了背景了。

原图。

代码。

出图。

有部分白色背景由于不够白,被保留了下来。

换图。

观察可知,背景是深浅不一的蓝色。

深色参数是a[0,0],浅色区域比较多,也不容易确定位置。

用如下代码抠图,太狠!

再修改代码。

if a[i,j,2]1.5*a[i,j,0] and a[i,j,2]1.2*a[i,j,1]:

不准抠去黑色部分。经过逐步调整颜色阈值,得到下面的效果。

上面代码如下。

Python如何图像识别?

Python图片文本识别使用的工具是PIL和pytesser。因为他们使用到很多的python库文件,为了避免一个个工具的安装,建议使用pythonxy

pytesser是OCR开源项目的一个模块,在Python中导入这个模块即可将图片中的文字转换成文本。pytesser调用了tesseract。当在Python中调用pytesser模块时,pytesser又用tesseract识别图片中的文字。pytesser的使用步骤如下:

首先,安装Python2.7版本,这个版本比较稳定,建议使用这个版本。

其次,安装pythoncv。

然后,安装PIL工具,pytesser的使用需要PIL库的支持。

接着下载pytesser

最后,将pytesser解压,这个是免安装的,可以将解压后的文件cut到Python安装目录的Lib\site-packages下直接使用,比如我的安装目录是:C:\Python27\Lib\site-packages,同时把这个目录添加到环境变量之中。

完成以上步骤之后,就可以编写图片文本识别的Python脚本了。参考脚本如下:

from pytesser import *

import ImageEnhance

image = Image.open('D:\\workspace\\python\\5.png')

#使用ImageEnhance可以增强图片的识别率

enhancer = ImageEnhance.Contrast(image)

image_enhancer = enhancer.enhance(4)

print image_to_string(image_enhancer)

tesseract是谷歌的一个对图片进行识别的开源框架,免费使用,现在已经支持中文,而且识别率非常高,这里简要来个helloworld级别的认识

下载之后进行安装,不再演示。

在tesseract目录下,有个tesseract.exe文件,主要调用这个执行文件,用cmd运行到这个目录下,在这个目录下同时放置一张需要识别的图片,这里是123.jpg

然后运行:tesseract 123.jpg result

会把123.jpg自动识别并转换为txt文件到result.txt

但是此时中文识别不好

然后找到tessdata目录,把eng.traineddata替换为chi_sim.traineddata,并且把chi_sim.traineddata重命名为eng.traineddata

ok,现在中文识别基本达到90%以上了

为什么做AI的都选Python?

为什么人工智能要用Python?总结了以下三个原因。

1、Python是解释语言,程序写起来非常方便

写程序方便对做机器学习的人很重要。因为经常需要对模型进行各种各样的修改,这在编译语言里很可能是牵一发而动全身的事情,Python里通常可以用很少的时间实现。举例来说,在C等编译语言里写一个矩阵乘法,需要自己分配操作数(矩阵)的内存、分配结果的内存、手动对BLAS接口调用gemm、最后如果没用smart pointer还得手动回收内存空间。Python几乎就是import numpy; numpy.dot两句话的事。

当然现在很多面向C/C++库已经支持托管的内存管理了,这也让开发过程容易了很多,但解释语言仍然有天生的优势——不需要编译时间。这对机器学习这种需要大量prototyping和迭代的研究方向是非常有益工作效率的。

2、Python的开发生态成熟,有很多库可以用

Python灵活的语法还使得包括文本操作、list/dict comprehension等非常实用的功能非常容易高效实现(bbs.cnitedu.cn),配合lambda等使用更是方便。这也是Python良性生态背后的一大原因。

相比而言,Lua虽然也是解释语言,甚至有LuaJIT这种神器加持,但其本身很难做到Python这样,一是因为有Python这个前辈占领着市场份额,另一个也因为它本身种种反常识的设计(比如全局变量)。不过借着Lua-Python bridge和Torch的东风,Lua似乎也在寄生兴起。

3、Python效率超高

解释语言的发展已经大大超过许多人的想象。很多比如list comprehension的语法糖都是贴近内核实现的。除了JIT之外,还有Cython可以大幅增加运行效率。最后,得益于Python对C的接口,很多像gnumpy,theano这样高效、Python接口友好的库可以加速程序的运行,在强大团队的支撑下,这些库的效率可能比一个不熟练的程序员用C写一个月调优的效率还要高。

以上就是总结的人工智能要用Python的三个原因。

学Python职业前景怎么样

一、人工智能

Python作为人工智能的黄金语言,选择人工智能作为就业方向是理所当然的,而且就业前景好,薪资普遍较高,拉勾网上,人工智能工程师的招聘起薪普遍在20K-35K,当然,如果是初级工程师,起薪也已经超过了12500元/月。

二、大数据

我们目前正处于大数据时代,Python这门语言在大数据上比Java更加有效率,大数据虽然难学,但是Python可以更好地和大数据对接,用Python做大数据的薪资也至少是20K以上了,大数据持续火爆,未来做大数据工程师,薪资还将逐渐上涨。

三、网络爬虫工程师

网络爬虫作为数据采集的利器,在大数据时代作为数据的源头,十分有用武之地。利用Python可以更快的提升对数据抓取的精准程度和速度,是数据分析师的福祉,通过网络爬虫,让BOSS再也不用担心你没有数据。做爬虫工程师的的薪资为20K起,当然,因为大数据,薪资也将一路上扬。

四、Python web全栈工程师

全栈工程师是指掌握多种技能,并能利用多种技能独立完成产品的人。也叫全端工程师(同时具备前端和后台能力),英文Full Stack developer。全栈工程师不管在哪个语言中都是人才中的人才,而Python web全栈工程师工资基本上都高出20K,所以如果你能力足够,首选就是Python web全栈工程师。

五、Python自动化运维

运维工作者对Python的需求很大,小伙伴们快快行动起来吧,学习Python自动化运维也能有个10k-15k的工资,很不错哦

六、Python自动化测试

Python这门语言十分高效,只要是和自动化有关系的,它可以发挥出巨大的优势,目前做自动化测试的大部分的工作者都需要学习Python帮助提高测试效率。用Python测试也可以说是测试人员必备的工具了,Python自动化测试的起薪一般也都是15K左右,所以测试的小伙伴也需要学习Python哦!

python可以自动排海报吗

可以。通过编码后可实现。

批量抠图:输入文字和海报元素,就可以一键自动排版海报,一个小时就几十张。

如何用 Python 实现一个抠图功能

使用Python和OpenCV进行抠图

其中使用了opencv中的grabcut方法

直接上代码

[python] view plain copy

# encoding:utf-8

# 图像提取

# create by

import numpy as np

import cv2

from matplotlib import pyplot as plt

img = cv2.imread('1.jpg')

mask = np.zeros(img.shape[:2], np.uint8)

bgdModel = np.zeros((1, 65), np.float64)

fgdModel = np.zeros((1, 65), np.float64)

rect = (20, 20, 413, 591)

cv2.grabCut(img, mask, rect, bgdModel, fgdModel, 10, cv2.GC_INIT_WITH_RECT)mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')img = img * mask2[:, :, np.newaxis]

img += 255 * (1 - cv2.cvtColor(mask2, cv2.COLOR_GRAY2BGR))# plt.imshow(img)

# plt.show()

img = np.array(img)

mean = np.mean(img)

img = img - mean

img = img * 0.9 + mean * 0.9

img /= 255

plt.imshow(img)

plt.show()