機(jī)器之心報(bào)道

參與：一鳴

快速摳圖不留痕，設(shè)計(jì)看了都精神。

摳圖是 PS 中的一項(xiàng)常用技術(shù)。但是要做到完美地將圖像中的目標(biāo)選取出來往往費(fèi)時(shí)費(fèi)力。近日，一個(gè)名為 PyMatting 的項(xiàng)目無疑能夠幫助你。

項(xiàng)目地址：https://github.com/pymatting/pymatting

無需手動(dòng)，一鍵摳圖

摳圖的 AI 應(yīng)用場(chǎng)景是這樣的：給定一張圖像，通過劃定一個(gè)區(qū)域，AI 應(yīng)當(dāng)能夠估計(jì)到劃定區(qū)域內(nèi)的前景圖目標(biāo)，并將這個(gè)前景完整地抽取出來，用來替換到其他背景的圖像中去。

因此，摳圖需要兩個(gè) AI 能力：首先，AI 需要能夠在劃定的區(qū)域內(nèi)識(shí)別目標(biāo)。其次，AI 要能夠完整地將目標(biāo)抽取出來，沒有劃定錯(cuò)誤的邊緣、模糊的圖像等問題。

上圖為項(xiàng)目作者提供的示例。給定一只動(dòng)物的圖像(左上)，以及人劃定的區(qū)域(右上)，算法應(yīng)當(dāng)能夠獲得劃定區(qū)域內(nèi)目標(biāo)的阿爾法通道，即區(qū)分前景和背景的黑白輪廓(左下)。有了這一數(shù)據(jù)，就可以從原圖中摳去目標(biāo)，并移動(dòng)到新的圖像中去(右下)。

據(jù)項(xiàng)目介紹，PyMatting 具有以下特性。

首先，項(xiàng)目能夠完成阿爾法摳圖(Alpha Matting)，其中包括 Closed-Form 摳圖、大核摳圖(Large Kernel Matting)、KNN 摳圖、基于學(xué)習(xí)的數(shù)字摳圖(Learning Based Digital Matting)、隨機(jī)游走(Random Walk)摳圖等算法。

同時(shí)，項(xiàng)目也能完成前景預(yù)估，包括 Clos Form 前景預(yù)估和多級(jí)別前景預(yù)估(基于 CPU、CUDA 和 OpenCL 等)算法。

該項(xiàng)目還可以進(jìn)行快速多線程 KNN 搜索、不完全閾值化楚列斯基分解(incomplete thresholded Cholesky decomposition)、V 輪幾何多網(wǎng)格預(yù)條件子(V-Cycle Geometric Multigrid preconditioner)等。

使用方法

在使用前，你需要保證電腦安裝相應(yīng)的 Python 環(huán)境(Python 3)，同時(shí)需要以下安裝包：

numpy>=1.16.0pillow>=5.2.0numba>=0.47.0scipy>=1.1.0由于項(xiàng)目需要 GPU，因此也需要 GPU 相關(guān)支持：

cupy-cuda90>=6.5.0 or similarpyopencl>=2019.1.2除此之外，為了進(jìn)行測(cè)試，也需要：

pytest>=5.3.4為了方便使用，作者提供了一些示例代碼。例如，如下代碼中，給定原始圖像和摳圖框，可以抽取出阿爾法前景：

frompymattingimportcutoutcutout(#inputimagepath"data/lemur.png",#inputtrimappath"data/lemur_trimap.png",#outputcutoutpath"lemur_cutout.png")

作者還提供了高級(jí)代碼，直接進(jìn)行摳圖，生成新圖像：

image=load_image("../data/lemur/lemur.png","RGB",scale,"box")trimap=load_image("../data/lemur/lemur_trimap.png","GRAY",scale,"nearest")#estimatealphafromimageandtrimapalpha=estimate_alpha_cf(image,trimap)#makegraybackgroundnew_background=np.zeros(image.shape)new_background[:,:]=[0.5,0.5,0.5]#estimateforegroundfromimageandalphaforeground,background=estimate_foreground_ml(image,alpha,return_background=True)#blendforegroundwithbackgroundandalpha,lesscolorbleedingnew_image=blend(foreground,new_background,alpha)

除了代碼示例外，項(xiàng)目還提供了測(cè)試代碼，可在主目錄中運(yùn)行：

python3tests/download_images.pypip3install-rrequirements_tests.txtpytest

這一測(cè)試能夠覆蓋 89% 的代碼。

除了項(xiàng)目外，作者還提供了不同的摳圖算法的基準(zhǔn)測(cè)試結(jié)果，如下所示：

不同算法在測(cè)試數(shù)據(jù)集上的均方誤差大小。

可以看出，基于學(xué)習(xí)的算法和 Closed-Form 算法都能取得不錯(cuò)的效果。

完整的基準(zhǔn)測(cè)試結(jié)果：https://pymatting.github.io/benchmark.html

總結(jié)

以上是生活随笔為你收集整理的knn matting matlab,一键抠图，毛发毕现：这个GitHub项目助你快速PS的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。