查看: 2090|回复: 0

python将红底证件照转成蓝底

[复制链接]

字体大小: 正常放大

杨利霞

5273 主题	82 听众	17万积分

TA的每日心情

	开心 2021-8-11 17:59

签到天数: 17 天

[LV.4]偶尔看看III

网络挑战赛参赛者

自我介绍: 本人女，毕业于内蒙古科技大学，担任文职专业，毕业专业英语。

群组: 2018美赛大象算法课程

群组: 2018美赛护航培训课程

群组: 2019年数学中国站长建

群组: 2019年数据分析师课程

群组: 2018年大象老师国赛优

电梯直达

1^#

发表于 2022-9-7 11:41 |只看该作者 |正序浏览

|招呼Ta 关注Ta

python将红底证件照转成蓝底
前言
emmm…快开学了，手头只有红底证件照，但是学院要求要蓝底，这可咋办呢。懒得下ps了。自己撸起来吧。

方法一: lableme
lableme标注完后。得到一个json文件，然后将这种json文件转成掩码图.

# 代码来自 https://blog.csdn.net/hello_dear_you/article/details/120130155
import json
import numpy as np
import cv2
# read json file
with open("origin_json/mypic.json", "r") as f:
data = f.read()

# convert str to json objs
data = json.loads(data)

# get the points
points = data["shapes"][0]["points"]
points = np.array(points, dtype=np.int32) # tips: points location must be int32

# read image to get shape
image = cv2.imread("origin_png/person.jpg")

# create a blank image
mask = np.zeros_like(image, dtype=np.uint8)

# fill the contour with 255
cv2.fillPoly(mask, [points], (255, 255, 255))

# save the mask
cv2.imwrite("mask/person_mask.png", mask)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
大概是这样:

然后利用这个mask生成图片

# 参考自: https://www.jianshu.com/p/1961aa0c02ee
import cv2
import numpy as np

origin_png = 'origin_png/person.jpg'
# maskPath = 'mask/person_mask.png'
maskPath = 'mask/bmv2.png'
result_png = 'result_png/result_png.png'

maskImg = cv2.imread(maskPath)
img = cv2.imread(origin_png)
assert maskImg.shape == img.shape, 'maskImg.shape != origin_png.shape'

h, w = img.shape[0], img.shape[1]
print('图片宽度: {}, 高度: {}'.format(h, w))

rgb = (19,122,171)
bgr = (rgb[2], rgb[1], rgb[0])
# (B, G, R)
for i in range(h):
for j in range(w):
      if (maskImg[i, j] == 0).all():
         img[i, j] = bgr
cv2.imwrite(result_png, img)
print('图片写入 {} 成功'.format(result_png))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
由于人长得一般，就不放图了…

缺点:
lableme标注时挺费力，并且难以避免人与背景边缘会有残留红色像素的情况。

方法二: 阈值
该方法通过比较像素的RGB与背景的RGB来区分是否为图像背景。

Opencv
import cv2
import numpy as np

def mean_square_loss(a_np, b_np):
sl = np.square(a_np - b_np)
return np.mean(sl)

def change_red2blue(origin_png, result_png):
img = cv2.imread(origin_png)

h, w = img.shape[0], img.shape[1]
print('图片宽度: {}, 高度: {}'.format(h, w))

origin_rgb = (168,36,32)  # 可以用浏览器啥的控制台工具提取出背景的rgb值
origin_bgr = (origin_rgb[2], origin_rgb[1], origin_rgb[0])
target_rgb = (19,122,171) # 蓝底RBG
target_bgr = (target_rgb[2], target_rgb[1], target_rgb[0])

for i in range(h):
      for j in range(w):
         # (B, G, R)
         if mean_square_loss(img[i, j], origin_bgr) < 50:
            img[i, j] = target_bgr

cv2.imwrite(result_png, img)
print('图片写入 {} 成功'.format(result_png))

if __name__ == '__main__':
# origin_png = 'result_png/result_png.png'
origin_png = 'origin_png/person.jpg'
result_png = 'result_png/result_refine.png'
change_red2blue(origin_png, result_png)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
结果人与背景边缘仍会存在红色像素残留

PIL
from torchvision.transforms.functional import to_tensor, to_pil_image
from PIL import Image
import torch
import time

def mean_square_loss(a_ts, b_ts):
# print(a_ts.shape)
# print(b_ts)
sl = (a_ts - b_ts) ** 2
return sl.sum()

def change_red2blue(origin_png, result_png):
src = Image.open(origin_png)
src = to_tensor(src)
# print(src.shape)  # torch.Size([3, 800, 600])
# channel: (R, G, B) / 255
h, w = src.shape[1], src.shape[2]

pha = torch.ones(h, w, 3)

bg = torch.tensor([168,36,32]) / 255
target_bg = torch.tensor([19,122,171]) / 255

# C, H, W -> H, W, C
src = src.permute(1, 2, 0)
for i in range(h):
      for j in range(w):
         if mean_square_loss(src[j], bg) < 0.025: # 0.025是阈值，超参数
4 i1 D, v9 P2 M; D: `" z             pha[j] = torch.tensor([0.0, 0.0, 0.0])- i3 N; K( s! L  }( T2 h2 C
. `6 I! j. n' H
# H, W, C -> C, H, W
3 p: J6 }8 r/ D! h! N) f src = src.permute(2, 0, 1)# @& Y( C1 b1 ^# R  V" }
pha = pha.permute(2, 0, 1)
7 z. R/ T6 ]: T com = pha * src + (1 - pha) * target_bg.view(3, 1, 1)
/ K+ L" i. u, E# \1 E: _0 Z to_pil_image(com).save(result_png)" Q$ R9 [2 S0 M9 Z  m

8 |1 v2 Z, j4 a7 M5 ^; m0 z0 E+ x& I4 u- V
if __name__ == '__main__':% X. ?: G+ p+ J8 G" v" o; f6 P
origin_png = 'origin_png/person.jpg'7 {3 q+ m+ e) b7 |; F0 w
result_png = 'result_png/com.png'- _  ~% m7 s5 P
start_time = time.time()
# C4 ]  \( z3 _6 v change_red2blue(origin_png, result_png)  h$ w+ Y- N; H0 ]( ^' E! I
spend_time = round(time.time() - start_time, 2)
! a7 O0 Y* I* f+ r4 n! |7 Q print('生成成功，共花了 {} 秒'.format(spend_time))8 c; C( n9 |; O! s2 X8 i- o
1
9 x  h; o& I/ ]4 Q. P23 i) ~( M& P4 w" f: \
3
5 G) p; f- e. [* Q. ^4 S4
2 Y# s* o( C: t. {5
4 Z5 {7 U: d# R% o* h: L6
9 u3 A1 h0 s2 I' J5 j  G8 E: T6 X7+ A9 o3 q7 d  j. `' P
80 w# M4 M8 q6 d3 M
9
3 m; i! D( n5 c8 {10
% ^3 c+ t3 }% z; Y* m  `11
2 K9 S7 f4 i' G- S: u; q) Q1 E12
& i0 I. h/ D. o1 D13
8 O( f8 f) A6 V149 O9 F9 ~( {5 z( t" i
15) h6 J9 |6 [9 J, u+ d1 f2 y
161 ~1 D8 u" {0 U4 X# U; {6 Q
17
" a1 @4 p! l7 l7 v3 z; b5 M; J18+ k$ c1 D$ V- O4 O  b5 O# F( o
19
# G- d* ?) U) H7 S6 Q$ z2 b+ f201 [& x9 h( H( I3 D% M
218 e0 g) M3 ^( e) u+ E4 L
22
# {! z8 Z' K7 P2 ^! c8 L% M( v23/ x6 l; T( n# i7 k: _1 m& n* x
24$ k2 ]2 A$ O% Y: L, q
25* I$ s) G- D' M4 y4 O8 \
26
* t  y+ o1 y3 E: ^: h) O* ~276 z8 i& u- H: r1 |: n
28& p/ {7 l0 |* \' ^- H
29  z3 g# Z& A9 n7 g& ^
30
! R! t: I' |5 ~& o31
, P! }7 w- G* @; D) @326 w! h  }; H2 [$ ^0 Y. E' D
33
3 K, X7 q/ b, o# D34* u$ g% P& E* i( ~0 U2 h
35
& T0 E0 \) N4 S6 H7 l1 Y1 t36+ n+ b+ `3 h7 \$ U- j4 f1 I
37
! s% _5 b; Z! Q5 j7 u" D5 P38
# |. k; r" p. M39
: A1 W# q" Y( l( T406 m7 q) X/ l3 t0 b- v4 `
41( g8 u) g% ]9 B! j+ C
42
+ Y2 P: ~) f! H# B432 u9 l& O7 n& g* d  \
44+ c0 V' t* R2 E9 A" s- K
45
' M6 F. Q+ x, S4 a( v  B" _46# }$ `+ [3 a6 c0 Y
该方法质量较好，但一张图片大概需要12秒。3 U0 K0 P1 M1 t" e2 r% q

; ^6 K( E# h1 P4 [7 O, s
: _9 B1 t' d: c6 z$ b* C. s+ z6 a1 ]" k+ J) A, Y4 |) r, ~
方法四： Background MattingV2( `4 T/ d. C) B' A' Q
Real-Time High-Resolution Background Matting
* L' v7 E1 V& g, F2 M, PCVPR 2021 oral
8 M9 N! N: M& S, p' A; j7 r7 v& Y3 q# p( Q
论文：https://arxiv.org/abs/2012.078108 }+ O/ |3 Z1 ?) d' t
代码：https://github.com/PeterL1n/BackgroundMattingV21 ~5 o& }/ S  S* l+ |
1 _# i1 e; x1 j9 ?0 a3 I5 X9 |
github的readme.md有inference的colab链接，可以用那个跑2 n0 `2 H7 l, Q* g+ _7 s

4 A$ Y) c6 S. U( @4 g0 C由于这篇论文是需要输入一张图片(例如有人存在的草地上)和背景图片的(如果草地啥的)，然后模型会把人抠出来。- q0 }4 e0 @# K- U; q
, ~. {7 V( u! `# ^
于是这里我需要生成一个背景图片。
& o6 g' x6 J2 [6 n5 l+ e' `! @首先我先借助firefox的颜色拾取器（或者微信截图，或者一些在线工具，例如菜鸟工具），得到十六进制，再用在线转换工具转成rgb。
. w6 z6 g- p4 E
$ V# m$ k4 o9 O. l然后生成一个背景图片。# ?1 M4 A# q, L( \6 J. @( w8 \$ f
1 s& d3 M  o5 p4 ^" t% K
import cv2
, G, V" j8 M, L' Eimport numpy as np: e% Z4 B) \" h6 F. n- z! [( [4 ]
/ |. T4 U. m! l1 x0 R, ~: q! W) B

. s5 J0 U9 R  o3 v* `" }image = cv2.imread("origin_png/person.jpg")8 _3 F! b5 s/ X% h
origin_rgb = (168,36,32)  # 可以用浏览器啥的控制台工具提取出背景的rgb值* B8 Q# N9 Q# ]+ A
origin_bgr = (origin_rgb[2], origin_rgb[1], origin_rgb[0])# \7 ^  `) v8 s0 R0 N8 M4 U
image[:, :] = origin_bgr
& `2 f. k% z9 Q! `* c* u5 P0 }9 U' {
cv2.imwrite("mask/bg.png", image)
( S: C9 e1 u* u9 A1
4 b5 K8 ^2 K* U8 {2
' f9 s4 ]6 K6 p' h* [3 m3
3 S/ w+ V' B4 w4
+ B) `4 [9 a" i5
$ p8 L3 e5 H, I4 j4 z  Y6" g( ^1 b4 `) V* [) v4 S
77 w! {/ {8 J5 B% X
8, [' Q" A& G4 r. [3 e" O
9- {) u* O+ y9 w/ t" O6 X7 _# X/ k% \
10
, v- Y, c% Y. y1 ~2 X1 e* w/ C2 u! r9 x& ]4 K
需要上传人的照片和背景照片, 如果名字和路径不一样则需要修改一下代码' a! B0 `9 h9 C- a: W) K4 W5 l- T
+ J6 ?/ d, x) g0 `! _2 s% D
src = Image.open('src.png')' x% C" c+ J/ R! t
bgr = Image.open('bgr.png')2 O- s. `$ R: E; {7 u* B- i+ h3 E
12 @8 s) C0 d4 |7 c( w" ~
2* X/ f4 D1 Y3 f
另外原论文是边绿底，要变蓝底，白底，红底则可以修改RGB值，举个例子，原来是这样的(绿底, RGB120, 255, 155)6 T) Y# R  c7 I0 x: R3 N; Z  A
) l; ~0 I4 P$ Y5 v& K9 x9 g6 O0 S- l1 `
com = pha * fgr + (1 - pha) * torch.tensor([120/255, 255/255, 155/255], device='cuda').view(1, 3, 1, 1)
4 [4 U6 ~7 _4 h& f1- d3 x- i0 V! b/ [: n
2 O/ m/ u; v8 x, ^& K0 c" c% N
那么加入我要换白底(255, 255, 255)，就是
" V% d% ?5 h$ J3 f
: e& m# r/ A  c" C9 D6 F. E5 ^com = pha * fgr + (1 - pha) * torch.tensor([255/255, 255/255, 255/255], device='cuda').view(1, 3, 1, 1)- n6 p) N4 l6 j$ ~8 O8 l1 T0 C6 E9 ]
1
8 C% H( R. p% S( K# E
; W( I/ S" R% t( z' k; W" \8 b* }假如像我换蓝底(19,122,171)具体深浅可以调节一下RGB，就是
  t3 P/ ?1 D6 u" q# w4 z4 P; ?9 _! p8 B* J6 b. t
com = pha * fgr + (1 - pha) * torch.tensor([19/255, 122/255, 171/255], device='cuda').view(1, 3, 1, 1)
1 N2 ]- u1 p0 s) }: D1
  `. P/ _+ H3 F5 w/ R总结: 其实这种方法从任何颜色的照片都可以换成任何颜色的底。只要换下RGB.# B8 U7 _8 o" x9 Y9 m7 _

5 L$ V% Z9 t( ^: y然后就输出图片了。可以看到效果相当好。不愧是oral。0 h& h- q; M# G

  `' r5 Q5 N: w. J
/ T6 A; Z: \5 N+ ?9 e; G2 ^原论文可以实现发丝级效果- I' D: X* {4 b" Q8 R' |; T6 Z' [
/ b5 j4 N1 ?" n) V
' n. Z" w+ V- \) H( t, T

+ T4 U, e+ \; h% p% W7 ]" j
4 V% D; w% u4 J
9 i# a+ m$ p6 |报错解决方案8 w$ }7 ^  i$ }! I9 m3 ~' t
can’t divided by 4 / can’t divided by 16, R$ l. b& m; ?' ^7 \3 ?- h; d0 |
由于该骨干模型可能进行4倍或16倍下采样，因此如果您的证件照不是该倍数的话，有两种选择方案。一种是padding, 填充后再送入模型，然后出结果后再用clip函数裁剪。另一种方式是resize, 给resize到规定倍数的宽和高。2 a& E' D  a! ^( p7 y
这两种方案需要的代码都可以从这篇博文找到: python图像填充与裁剪/resize
$ E9 @: \) v5 i1 X5 u9 [————————————————
! ?" b- k0 m  g4 V' T版权声明：本文为CSDN博主「Andy Dennis」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
& A8 \% R. ?$ f7 V原文链接：https://blog.csdn.net/weixin_43850253/article/details/126376767+ q: t7 ]0 H: c' ?
% v& ~9 R+ K9 Q- G- L; Y+ `
5 s8 b+ w( a5 V/ S