查看: 2128|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 |倒序浏览

|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
' ]1 g/ W) X+ i, H& K+ ^: e( z5 _6 _- _             pha[j] = torch.tensor([0.0, 0.0, 0.0])) O5 E' s* y) D

# o" e$ d5 C) t/ z" @* Z # H, W, C -> C, H, W" e* v% }8 P  K& L3 W; V
src = src.permute(2, 0, 1); `* \% q' n; d  H! V7 Z3 _: W
pha = pha.permute(2, 0, 1)$ b! u- G! Q% J% J
com = pha * src + (1 - pha) * target_bg.view(3, 1, 1)
( W6 F/ t2 d& u* v  c# g5 P to_pil_image(com).save(result_png)
, s5 ~  `9 T- w
' X( n9 q8 t0 N; n4 l
9 x8 _; N- h' v* ?' _- y9 Vif __name__ == '__main__':6 i' j. F1 x* K
origin_png = 'origin_png/person.jpg'8 L4 D6 O+ D7 F3 Q5 C+ B5 q
result_png = 'result_png/com.png'2 r6 Q! a4 x) x7 q& T, q! B
start_time = time.time()
' Q+ j0 k+ i* Z5 k* O* |! c change_red2blue(origin_png, result_png)8 z# W9 l% U, {
spend_time = round(time.time() - start_time, 2)
. z( z3 w: L' a9 E) ?) \' p) w. G print('生成成功，共花了 {} 秒'.format(spend_time))
: l" `% W; v0 Q, z1 _9 E9 L1
4 y6 u+ T- s& `" f/ y7 R2- M* V. a/ J8 x0 l! E9 o" z! U
36 h4 X! N- @1 I$ K  m5 o4 \4 |* T
4: j! U6 N4 @5 [8 x: M
5
$ s0 S1 |% y+ m6
1 _4 s3 [8 t# D3 T78 t+ ~1 I9 d( H7 B
8
: M5 l$ j( d  L7 h) W$ N9
/ O% I; A* h$ y0 d10( S9 z2 ]0 R2 v. M5 g
115 [+ W; d! ?6 q( z
12# A8 n' ?5 d0 D$ H1 i$ t; I& U
13" p1 s( ]: N7 s& Q0 O
14' J6 \1 i, [/ }5 N8 |9 k/ Q! M% s
15$ v$ ^$ V4 J' k8 t9 y0 e) ]3 D
16
# Z! W$ U6 i) y9 Z; U/ z( J3 R; w17
9 o9 k  u# O) y( t/ e18
. a! ~! y) v& E, O19" e; C4 {6 g* `' ]* B
20
8 r' ^9 n) Q; M, K( U21
1 m& L1 m! e/ ~! Q9 e8 ?! A! M22# z" L" t3 V! _/ T$ B& N2 {
23
: W4 N7 V9 @3 H6 M24
) N6 \- U/ l  L/ ?0 ?259 K1 t& l# U# |+ U) p7 Y4 h
261 s/ Q6 W) r- l! N- _: S" g
27
! e6 j& i( U6 Q- ~* R. s9 _! F28
- |6 z. z* Z% h5 K& u4 X4 _29+ S- D6 t0 g* @
30
; J9 f3 h& D9 x, `5 F- U( q31
% D+ m6 ^% h& R; [6 Y# `32! N$ g0 r  z7 ]7 H9 F5 X: V& R6 z
33
& g. d- E1 d" }% R344 C2 \: P, ^& \
35* @5 N2 |6 s% w5 {  S$ r
36
. ~- K; |5 [5 }3 e" A' u37
% n" n( c0 r& p5 @' O  r2 W$ C7 y38
) T+ u4 v* V# Y/ i39
& h9 w) M5 ]  `! g40
; V% Z' v3 y8 R: }+ i41. \6 f! b# O% B
42
/ t; X/ a3 g5 i$ j43
+ [2 _! M; o7 o8 d' C44( s' v3 y* M6 ^3 d! Q
455 L2 u6 l% ?1 H# i' U3 Q2 @3 |
46
, j0 L, R0 M; V' l" |! y2 ~该方法质量较好，但一张图片大概需要12秒。$ R7 k7 G5 d5 {  @0 M
9 N3 j7 @: G! ^/ w
- G! g% L/ D0 X! ]: N' ?

! h5 V" m$ _9 r0 N方法四： Background MattingV23 k) O, H% f; N' h1 f" ]
Real-Time High-Resolution Background Matting
* i* }5 O6 f* o/ P5 t# p$ j9 UCVPR 2021 oral: m, I9 F' F! z$ P/ N" ^$ J+ J
  _1 ?; Z% y# Q
论文：https://arxiv.org/abs/2012.07810
/ |8 Y* E+ Y. C代码：https://github.com/PeterL1n/BackgroundMattingV20 \. G; N! {& t2 e+ B
8 v; L: C" b1 g% z" \" I  U# `
github的readme.md有inference的colab链接，可以用那个跑2 n! m4 b8 Q) R
/ f) H' X( i4 _8 h- F& n5 U
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。' y& g2 L7 v- e3 _& m9 {4 m

  L3 m3 p: \0 O于是这里我需要生成一个背景图片。9 l, @5 S* ?9 S+ B
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。. V! ^1 k8 W/ l6 n; ?
) J; [8 u+ m* G" e% @
然后生成一个背景图片。
; f, v' e' w7 ]9 a8 k% k! M# T. d- B; \) L( |7 q, A# h
import cv2
7 l' o2 q' N) S$ K* r: rimport numpy as np! V7 W* e5 [' v' P) V
, A) N  c3 e) y1 S7 P
- x# m' K6 S6 {- E' Q
image = cv2.imread("origin_png/person.jpg")
9 H! W( g9 i1 F! D9 q0 b! @; C% Lorigin_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) o' s# ?8 z# Y( a) u. X: `$ i
origin_bgr = (origin_rgb[2], origin_rgb[1], origin_rgb[0])
; u" ^0 T: g+ m9 [. G- ^image[:, :] = origin_bgr
3 B  |, V. N% ^+ A
8 P( ?; i" K8 C8 r, v1 hcv2.imwrite("mask/bg.png", image)/ R4 \( `" `* a& y
1
3 Q$ n+ z# F4 q7 V' R. _& k6 x% W9 ?2
7 J; `( H5 C+ O9 P& W39 O* v. p, a+ r8 ~! \1 \
48 o. I9 a6 Y7 x9 T0 `5 j
5
) F: l, D+ w8 R( W7 {" c- T3 c) K6
9 y$ v! v* f3 v0 V* S' K' X$ ~7
# l& R; v6 \2 \" u2 \* l& I8. Y9 j+ K: p! b) {
9+ Q' e, k  v1 J6 s
108 I( P- {3 Y7 C5 R

5 D; r0 O8 O. |& I$ h/ Y2 w  G1 n' t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
- z0 j8 z+ J# |7 v5 a+ R: b8 V0 D' q) B6 I# m* {* V
src = Image.open('src.png')
- |0 z' x& {; |% C$ l# Ybgr = Image.open('bgr.png')
1 ~9 E" g) v7 ?  [% i1$ |7 Y& D" o- x2 P8 f; x! ?
27 ?. i, G" q: y% u  ?2 R- U
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)8 J. c6 X3 P7 ~& l

) b1 j2 h9 R$ ycom = pha * fgr + (1 - pha) * torch.tensor([120/255, 255/255, 155/255], device='cuda').view(1, 3, 1, 1)1 j- f! @. I3 j1 a. P3 a
19 r3 o- j( D. d( d' E1 @5 |/ Q
4 `; g, j; B( O# ^1 P
那么加入我要换白底(255, 255, 255)，就是
: y: w* \: D; z! u5 O6 _6 Y7 P* L3 _7 f5 [4 j
com = pha * fgr + (1 - pha) * torch.tensor([255/255, 255/255, 255/255], device='cuda').view(1, 3, 1, 1)& K0 T" D/ S. {+ e6 m
1: v: j4 Q( D. \  k. G

5 g0 K/ \. J# ~1 W9 H) T假如像我换蓝底(19,122,171)具体深浅可以调节一下RGB，就是9 W0 d/ ^% Q0 B' \  v
: B3 V& }- h; b" Q+ A! W/ P5 T* j
com = pha * fgr + (1 - pha) * torch.tensor([19/255, 122/255, 171/255], device='cuda').view(1, 3, 1, 1)
- E3 b* s3 e) M; Y16 B) z5 J. x; W
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.
% y8 {5 h. q# r
0 }! q1 c2 c6 z3 A, \/ ^  D4 \然后就输出图片了。可以看到效果相当好。不愧是oral。# |3 I, `- q7 H4 ?7 L2 k

% Y9 ]: g* _2 a3 A# }# Q! h' d% h; z; ?! m2 e# i
原论文可以实现发丝级效果
0 x% f$ ~1 H1 \, O
4 k5 ?! |2 r) X: L8 {( J7 P. d7 L# X; E' l5 z
# ]% r4 p9 `6 H$ F% P3 G+ B

* J7 u" U0 s5 }: n1 ]* ^' y
' w/ @  H6 u! E  h% A" v  R) @报错解决方案
" m: s( [5 f6 Acan’t divided by 4 / can’t divided by 162 u4 W! E9 D& {2 Q3 F
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 w! I( D% C6 a  K  A. [4 Y  J: m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% j+ T' w8 a" U$ x  f
————————————————0 T3 }- Y) ^2 k; T# A/ F
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。
, H6 r- X# \0 l9 L1 L+ ?4 j* u原文链接：https://blog.csdn.net/weixin_43850253/article/details/126376767$ E( b. n, W, \5 A  |% }' u7 o

* P, y6 K: N6 z) W3 V% ~9 F( v& i3 U4 }; s+ W) U