AI换背景:朋友结婚没有蓝天白云怎么办?幸亏我急中生智
ztj100 2025-04-24 10:39 16 浏览 0 评论
导语
不少人在生活中都有抠人像图换背景的需求。那怎么抠图呢?
相信不少人第一时间就想到了 PS 抠图大法,是为了学会 PS 抠图很多人还花费不少精力,而且学会后大家想必都有共同
感触:PS 抠图在制作抠图选区这个步骤太耗费时间!!就跟我减肥似的!
今天木木子就手把手教大家编写一款抠图人像技术——上篇已经写完了——接着写抠图之后换背景啦!
这款小程序实现一键智能抠取人像图的功能,非常强大,比 PS 慢慢抠图效率可提升了太多了,而且还能让不会 PS 的
群体也能轻松学会抠人像图。吹了这么多,让我们正式开始开始敲代码吧!
正文
我知道看到这篇文章标题,有的吃瓜群众会八卦:哎呀,那个朋友结婚啊……
写这篇文章的灵感主要是来源于上个月底结婚的那两个人:
带着这一份感动,小编制作了「空中的和平鸽」的背景,祝二人百年好合~
那是怎么达到这个一键抠图换背景的呢?
1)附主程序
# 日常缩放
rows, cols, channels = img_back.shape
img_back = cv2.resize(img_back, None, fx=0.7, fy=0.7)
cv2.imshow('img_back', img_back)
rows, cols, channels = img.shape
img = cv2.resize(img, None, fx=0.4, fy=0.4)
cv2.imshow('img', img)
rows, cols, channels = img.shape # rows,cols最后一定要是前景图片的,后面遍历图片需要用到
# 转换hsv
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 获取mask
lower_blue = np.array([78, 43, 46])
upper_blue = np.array([110, 255, 255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)
cv2.imshow('Mask', mask)
# 腐蚀膨胀
erode = cv2.erode(mask, None, iterations=1)
cv2.imshow('erode', erode)
dilate = cv2.dilate(erode, None, iterations=1)
cv2.imshow('dilate', dilate)
# 遍历替换
center = [50, 50] # 在新背景图片中的位置
for i in range(rows):
for j in range(cols):
if dilate[i, j] == 0: # 0代表黑色的点
img_back[center[0] + i, center[1] + j] = img[i, j] # 此处替换颜色,为BGR通道
cv2.imshow('res', img_back)
cv2.waitKey(0)
cv2.destroyAllWindows()
好啦!上面的抠图换背景就是这个代码的效果滴!
2)展示其他
那我们来看看我最近一直在用的另外一个抠图app吧!这个抠图效果其实比我代码更好 哈哈哈哈~
2.1 我不说那张是原图——你能猜出来嘛?
2.2 从漫画走进现实
2.3想用什么背景换什么背景
总结
好啦!整个抠图换背景的效果,你只需要掌握使用opencv,加上小小的【创意】,最后就能做出效果不错,又有实用
的不同背景图来,赶快自己也来试试吧~
源码基地——
私信小编06或者点击这行蓝色字体即可免费获取哈!
往期推荐阅读——
项目1.0 卡通化头像
【Opencv实战】如何快速Get专属头像?惊艳—女友要的头像终于找到了~
项目1.1 动漫化人物
【突破次元壁】谁说二次元离我们遥远?Python特效火遍全网,关键技术原来是它。
项目1.4 自动车辆检测违章
听说拍人家违章月入十万?那我写了个自动检测车辆是否违章不发财了
项目1.5 AI检测抄袭小脚本
同学:你因作业作弊已被AI抓获,Python制作一款AI检测抄袭小脚本。
文章汇总——
项目1.0 Python—2021 |已有文章汇总 | 持续更新,直接看这篇就够了
(更多内容+源码都在文章汇总哦!!欢迎阅读~)
相关推荐
- 其实TensorFlow真的很水无非就这30篇熬夜练
-
好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...
- 交叉验证和超参数调整:如何优化你的机器学习模型
-
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...
- 机器学习交叉验证全指南:原理、类型与实战技巧
-
机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...
- 深度学习中的类别激活热图可视化
-
作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...
- 超强,必会的机器学习评估指标
-
大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...
- 机器学习入门教程-第六课:监督学习与非监督学习
-
1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...
- Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置
-
你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 自回归滞后模型进行多变量时间序列预测
-
下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...
- 苹果AI策略:慢哲学——科技行业的“长期主义”试金石
-
苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...
- 时间序列预测全攻略,6大模型代码实操
-
如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)