查看: 2163|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! Q  g, c2 t$ i! |; F5 d$ r
            pha[j] = torch.tensor([0.0, 0.0, 0.0])
; K9 f2 b$ N' F2 h/ ]! {/ Y* d: J9 C. |. y. @5 m
# H, W, C -> C, H, W
+ ]. g# t3 x& M! Z' f/ E& t src = src.permute(2, 0, 1)' J6 P% [+ J. g
pha = pha.permute(2, 0, 1)
+ Y% V3 y) g8 t+ d com = pha * src + (1 - pha) * target_bg.view(3, 1, 1)
9 m1 R- S: v& Z; \4 F to_pil_image(com).save(result_png)4 @: X5 a1 Z* I$ B( |
4 T4 _) B% d2 L. o; s& z1 N
9 A. H( `/ Y6 n6 r
if __name__ == '__main__':6 J. r) b, w0 @% ~6 k9 W+ _+ N
origin_png = 'origin_png/person.jpg'
$ g& R& F, F4 |  e& ^. ?* T result_png = 'result_png/com.png'0 k0 L* P5 j4 q2 H
start_time = time.time()
% C4 {6 V( O" p7 a; h( R1 | change_red2blue(origin_png, result_png)( i/ _" _+ h- f( p! q6 C
spend_time = round(time.time() - start_time, 2)+ g5 s4 H9 m9 U
print('生成成功，共花了 {} 秒'.format(spend_time)), u: {8 z0 k' t) @
19 u9 J$ w6 o9 }3 j6 E
2
/ X  w2 y) m. K: h& S/ B3( V0 f/ m! ^! s
4/ S/ m$ P6 {" r( I# q) y: v8 d
50 Q! z& `3 d  m2 z6 z
6% t& p7 w6 E7 b% ~- Z; z
78 V! A3 b* F2 `' e# W/ r9 v
8
; C4 a. j) {+ a; ]' ~5 m9
8 I$ ^$ G; G+ `# P103 L0 ^9 [, x: w/ B) \/ ]6 ?
11
# q* c; Z+ G# Q' k, v7 J5 L12! @* C- \+ X  @6 h/ D: O
13" `9 M! O' }- u0 \4 s: `1 F8 H
144 A# w0 ?" ]  ]6 F7 t1 M
15- V. a! E" z' P
168 M- l$ b- y# O1 @$ s) Y. m. }
17
0 s8 w- L$ e6 d1 Q4 S18
4 N+ [( W7 A' v1 b: Z6 d' d2 K19
* Q; e  C# v/ ^  f; {! M7 n  g2 |206 U/ `* U9 d4 A- q! q2 c1 t. f/ \
21. `$ e) A$ X) g3 w/ S
223 g8 V- g4 Z' O  p6 k( F& Y
23
2 f3 O" k4 u8 A8 r# E& M24
# B9 S, A3 G0 `2 Y0 p2 b251 E( R# j" R. s: X
26, e0 e- [' E* F2 P
27- T  Z$ z( L) U0 i! R$ j
28
: D7 d4 L& l# P5 C' J" ^/ q7 D. R29
2 L3 y' S5 ~# G) q2 V- p/ t, \30
# ]  C! j: a+ T7 J6 y312 X% I& B: l: n& \
32
* z) p. _! T0 M5 j# j33
: ]. T- F7 g: Q) r" _- `- s345 r+ P/ U6 Q2 p, J1 M
35
2 |+ D. B7 X4 u9 j5 g8 W36) m9 b* Y2 p. t" w
37! J  Y3 K1 {" a- i8 W4 C
38
7 ~& G+ i8 }4 p* H3 l39" Z( C+ O# f; X1 I8 E
40/ w/ |+ X) R7 U$ p
41
0 e# I: e. j) o+ l( i; ]* b: y42, n1 A8 l, C' G" v7 f
43' s% R1 ~- I0 M, M
44
6 Q% P: `6 {  b- d45* h) P, X* O  W
46  j6 f9 g" P8 \
该方法质量较好，但一张图片大概需要12秒。" U9 K! U+ w, e% t6 T
' ~( ?! Q, U, X9 y' r( x
- e8 l, ?: @0 C+ I" V$ w
8 ^4 U" T! M( |8 N# I6 r
方法四： Background MattingV2
. U5 s: v/ h' sReal-Time High-Resolution Background Matting' D2 a( L& Y1 \8 L
CVPR 2021 oral
2 _3 b3 N! ]" g& M/ [3 [+ y
! H6 `3 ^  I! N4 _! |0 P0 `; G论文：https://arxiv.org/abs/2012.07810
1 R3 J+ C) f  O  c代码：https://github.com/PeterL1n/BackgroundMattingV29 d  Z& B8 a. x
0 ^( _2 c" Y  Q. l+ u- w, f+ r  a
github的readme.md有inference的colab链接，可以用那个跑
# U. z/ q) F  c' t
- ^" E# F! [, x/ O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。# O9 C! l+ Q5 r# M

8 ?& f. k7 Y& g6 Z5 w/ f9 {9 e于是这里我需要生成一个背景图片。
3 _2 d. o' q+ d) `. h0 z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。
7 P: u- g: C2 z$ h0 T3 n7 ~5 q. l7 Y. d
然后生成一个背景图片。5 O4 h0 I7 A$ \1 o1 s
" z4 X, k# o# z% L# C4 s6 A
import cv2
, s1 [; e* y$ r# @import numpy as np3 q- w9 ]3 H# X

& V3 X) D+ _- V- @. T4 i. d9 n
- ], s1 h! Z0 R, `) A: [image = cv2.imread("origin_png/person.jpg")
/ f- i5 R2 u3 ]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( P0 M# c) l9 x5 i) ?" W) D) a3 }
origin_bgr = (origin_rgb[2], origin_rgb[1], origin_rgb[0])% p+ B) {( t0 z" N5 Z  B: Z
image[:, :] = origin_bgr
! k% c9 i3 e8 `  x: @. D1 T5 U9 V' y6 s# I
cv2.imwrite("mask/bg.png", image)3 x; n& ^/ O/ f$ {: ?
1
5 E9 S2 A' I, v: V. d2
( h7 Z9 d$ ~0 N% f9 U37 n3 J6 d9 {3 k
4& o# L) @! h3 O3 C( _2 h3 F- P
5" t" {+ U0 l6 [0 _+ I7 Y9 l, z8 Z
6
: c6 P+ k* m. f3 g' ]7
/ g  Z$ Z5 n( y, Y1 @) }8% t+ Q: I+ d/ S2 E
96 J8 V4 Z2 L& q* L9 ~$ d- e6 l
10: R& H$ z, o$ g$ X+ P( }

0 n3 I$ }; t/ B# ?1 `9 n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
# |4 _6 O1 p. [) F. l6 x- a+ A) e8 l- ~# i/ q
src = Image.open('src.png')- A2 a7 U$ m* g
bgr = Image.open('bgr.png')
" D& y3 h& D0 L& v1
" q. k2 `/ V3 A5 c6 v2/ ^2 X& u4 @2 s
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)
3 i, b! Z% I4 F9 @/ L- W
; U& ]" \% |% Z) {( ^- scom = pha * fgr + (1 - pha) * torch.tensor([120/255, 255/255, 155/255], device='cuda').view(1, 3, 1, 1)
7 x+ L2 D& Q& |- V) i9 a: l- C16 c  q* C2 ]$ y* r* _) U' n( g

' P; R+ \! b, C+ P1 B- W9 B那么加入我要换白底(255, 255, 255)，就是
( _  ~, i8 _/ r1 }& B9 d4 a' D0 F+ }6 C+ O3 h. F  G+ h
com = pha * fgr + (1 - pha) * torch.tensor([255/255, 255/255, 255/255], device='cuda').view(1, 3, 1, 1)1 V0 W3 A* k3 u2 B* r- q; V
1
9 N* m6 f! S$ k0 G- m, Y% k5 _+ H  C3 R1 i( V2 D- z6 Y* Z8 f5 }
假如像我换蓝底(19,122,171)具体深浅可以调节一下RGB，就是
! g2 A# t- Z1 P" w9 ~" l# L$ u/ {8 ^* O* n0 \) B$ x: e
com = pha * fgr + (1 - pha) * torch.tensor([19/255, 122/255, 171/255], device='cuda').view(1, 3, 1, 1)
8 V: R1 o) G* x1
, p7 B* W+ U# g, E7 j! r/ c  |8 K+ a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.
7 |3 A2 U4 E: \7 K3 F& w3 R' u0 e! }
然后就输出图片了。可以看到效果相当好。不愧是oral。
0 }  s  G7 ]3 M9 v9 w' a
: a5 H+ \& |8 X7 E0 F+ D. h! T/ o
1 M0 F4 l- c) ~  _原论文可以实现发丝级效果6 s4 c2 g- e: b3 K7 h+ h6 ^) ^# A3 G% b

; b; _9 Z' @$ o% Y% H" V# D: q, A
. A* F- W, V9 ?( T* g0 U$ P& {0 u* x; O4 Z2 P, X. s9 l

7 h: b5 L4 t6 T
0 W$ B7 P0 c: F3 E5 M/ F6 k! x报错解决方案
$ T3 ]# P5 z$ ?8 c4 s8 Ecan’t divided by 4 / can’t divided by 16, {- I, W' `* y& e# o; y+ ^
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。9 E% `7 F8 h" w' `, O
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/resize5 h; G4 h  [0 }6 A2 c+ Q6 i7 M
————————————————: n% p& h$ l9 @0 }( w. N9 D! L
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。% T6 P, u( @2 [; q! r/ t' S
原文链接：https://blog.csdn.net/weixin_43850253/article/details/126376767
! T7 L. g2 Y' G4 R' \& C
. R  {  ?$ O: x# M9 S
$ B6 ~: E' b' ^5 ]  @