查看: 2145|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( L) a& A/ e! W3 r9 U5 x; [5 c% `
            pha[j] = torch.tensor([0.0, 0.0, 0.0])
8 a5 \: o* N4 ^8 a% r, y3 D, R
/ V! X5 a& R1 k% U3 G; D/ F6 g # H, W, C -> C, H, W4 l% e1 E" J4 I! A5 D, p: k
src = src.permute(2, 0, 1)  m/ L9 N3 `9 c0 s1 V) V$ f2 d7 i& W
pha = pha.permute(2, 0, 1)
" z; M( @# ?" L; `4 R" D com = pha * src + (1 - pha) * target_bg.view(3, 1, 1)1 X% p/ `+ k. ?( h. |. S
to_pil_image(com).save(result_png)
: E# i5 y/ o4 ?/ w3 j6 A9 A3 B2 f& ?  r' n6 Z+ l+ c6 I
9 i' Y+ A$ r3 m! Y/ `3 Y
if __name__ == '__main__':  [$ X/ ]: k/ t' B- H  e# c
origin_png = 'origin_png/person.jpg'. L- w; e) K3 h& M% p
result_png = 'result_png/com.png', ]& H$ @( }0 o7 X: G
start_time = time.time()5 t5 G+ ^8 \% F1 c% r9 E2 {# e
change_red2blue(origin_png, result_png)
$ x6 c# \3 x& ^- W+ e. i spend_time = round(time.time() - start_time, 2)1 [! [$ \: k& ~; i) L, m
print('生成成功，共花了 {} 秒'.format(spend_time))( `9 U& D  Q" T; D- D/ R* `" D
1
. Q* [" m/ H/ c6 |8 ]6 D2
7 h1 H( A# n$ z$ r, M3
1 U7 l( c3 e. P4
6 a4 _+ m$ p& y" ^( r3 r- B+ I5
+ h: d# `1 a, |6
! d( f; {) c$ O$ O9 O( D7
, w& [& W) s& Y: m* }8
, c4 \) {+ {2 E6 ]9; n) s1 I" k5 T) J
108 F; J4 ^; Y9 F2 w& p
114 ^5 y' l$ X' p! \  q  O
12
$ S( y+ S& g, R+ c2 T13
' T8 T, C! }, C14* c$ R8 L1 I* r' i. g) D4 F
15
/ a% O" v' D$ @! _* w16
. K/ S/ ^, z/ t  R( ^4 Y178 d$ S/ `5 E# g9 F) G3 b; j, t
18# O: @( j4 S. s2 j, z- }1 H
19
. M. v; x4 ~8 F6 a, l7 k207 B% e) i: V& I- n2 H" V4 Q
21
; J) R) C! b  u# x. x2 r- ?22
8 H( E9 j/ @5 Z* o: S/ w6 }4 f$ t23
. B. [3 m2 r& p0 n* \; [) L$ u24. v0 F3 v3 s1 ~& i5 M
25
1 b5 F# F& n3 `' v& B% A* O264 U' o0 F8 `8 |+ m+ }) b
27
# c- M9 p5 L: k8 w, p) A28
" r- }+ Y' h6 H296 z  U; R1 J* W6 O) H) `9 |% g( ]
308 t, U: F+ t! k& c2 W
31( _5 `) U6 ^' [7 ]4 W8 ?
325 _0 }+ l* \$ D! ^- j
33
* j3 V* W6 ^& k1 B8 A34' @* O8 z+ ]7 V2 A6 H+ I& B
35- o* p6 V# e; |/ x
36
; {' p6 \0 f; v! ^% @: r37
38( |2 O6 z3 v$ y& j3 E
39/ X) |  c0 p$ M5 z# g; T$ p2 _
40
' `3 D9 `/ a( }* ?0 Y! l" n41
, y  U" x4 u  j$ ]$ h. q9 P. u42
$ Q4 M; Z+ F2 _) o43. P8 C4 }. T2 _5 O8 \
44- C; h0 p  g3 f- A2 w, l
45$ X; D$ u0 T4 `) M; h* j
46
; Y9 z# c% @5 |6 d4 B! T& l  j该方法质量较好，但一张图片大概需要12秒。! R3 o: G8 [4 Q! s; C

( \# ^2 m5 ^" g5 `. c, {# M( {2 N+ l! T3 ^( B, x, l

3 O" c0 b6 U& v  d' w+ P; l! i% C方法四： Background MattingV21 p  e' C% K% U$ V# e5 u) L
Real-Time High-Resolution Background Matting
& Z& S9 n, D: K" QCVPR 2021 oral) G$ L' r: m- \' i  ^5 W

; i5 m# Q2 R: ~- L; J+ `+ h$ j论文：https://arxiv.org/abs/2012.078103 R" d! [# \! D3 {
代码：https://github.com/PeterL1n/BackgroundMattingV2
  c+ o: P0 {3 C% f; y  e
& U  J8 |/ k2 _! z0 Ggithub的readme.md有inference的colab链接，可以用那个跑; s  e# c- W+ I. Z  l5 `5 k
. i" B: s/ L; M' N1 S8 y8 @
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。
! H& h4 b6 q- A6 g
1 [5 b0 U) E  j于是这里我需要生成一个背景图片。0 F# C1 n8 L8 D* h) O' 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 I3 n8 P( C( t" [9 T; i& m) J# q
9 d4 ^& T$ w0 \- ]* J3 K" r然后生成一个背景图片。
: O8 ?; A% c1 @& Z# o
( e* m2 M  x% Y( D2 fimport cv2
1 K& \  y+ W0 G; Z3 V: f8 s/ aimport numpy as np
8 ], \( A3 }8 i) X9 A& e  y. D. K/ D
! g0 N# t! o4 {' t; E
image = cv2.imread("origin_png/person.jpg")
( M& o( Z! ~  x1 [) r; Uorigin_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$ @" [" E* Z4 p7 a- X
origin_bgr = (origin_rgb[2], origin_rgb[1], origin_rgb[0])
' }; ^8 h  D3 ^2 o0 _. o9 x- f" Kimage[:, :] = origin_bgr8 {: }, K. L2 D% p* ~, z
, ?7 e  I2 _: y0 t& j
cv2.imwrite("mask/bg.png", image)7 O: o2 s# O/ P+ w4 L* i
1
2 ]& t- q2 M# C$ `, p6 ]$ ]' D2
  E8 O, v7 T) k3  \, {6 p5 S" E& ]( P% C
4* ^8 R0 K5 }7 U+ w5 b; J' m
5' E9 ~6 r4 ^* n3 V
6
4 Y9 q$ g4 p& v, y; Q# Q- M8 \7
; T$ e/ T3 T+ P4 h  H& o# c3 H8% ^6 J5 {* {7 O1 Y4 x
98 E3 [' J) r- e  j7 g
10, `2 x+ j) R. l4 S4 U" t! d" P1 K
) l) Q  d. A1 U% o6 x1 j7 X7 r
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
- M* y$ u7 ]! Q4 q, d6 g- p  ?: [5 }4 C  @' W: m
src = Image.open('src.png')
! Z6 X6 }0 ]3 D4 abgr = Image.open('bgr.png')/ N! t  w  d2 X  Q; t% B" ~
1% }/ O1 |8 H) E
2* j' s; T! n! x9 b  _
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)- I4 w8 q' m. |0 ?3 V# V

" D8 A# M3 \. H' zcom = pha * fgr + (1 - pha) * torch.tensor([120/255, 255/255, 155/255], device='cuda').view(1, 3, 1, 1)9 B5 K4 `" J! {" R# K8 r3 b
1
8 x3 D9 Y' J( ]. [0 d4 y* M2 [
, O; }% g6 G% @5 s那么加入我要换白底(255, 255, 255)，就是
0 v8 Y9 S/ X8 x; ^7 T& J) J2 |) ~, W9 s, x. ^4 _+ u# g: E1 n! v
com = pha * fgr + (1 - pha) * torch.tensor([255/255, 255/255, 255/255], device='cuda').view(1, 3, 1, 1)- a0 N1 _8 H( e2 G+ e1 c2 P# ?& ~1 C
1
0 Q. z5 |" I8 i- W) B. a  o" e0 S) p" ]' a' u% f0 N
假如像我换蓝底(19,122,171)具体深浅可以调节一下RGB，就是
; }& G. B2 Z; H; v0 z) H/ I# c5 M6 S& a5 o
com = pha * fgr + (1 - pha) * torch.tensor([19/255, 122/255, 171/255], device='cuda').view(1, 3, 1, 1)
' u7 I9 q* y; f. v8 Z. M1  K2 J" x2 H7 S' |: o
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.1 i" j2 n. T9 F( B( z

2 d& x4 s4 ?; e然后就输出图片了。可以看到效果相当好。不愧是oral。/ s0 n/ a& f+ z& A. ?* c

( w0 q) ?! v) t9 P8 O  J+ f0 n+ O6 [
原论文可以实现发丝级效果
  U5 Q+ |& j+ |& I! L
) j: _9 u) `, O
8 E, r8 e# ~0 O2 E& I* I8 o. d8 I3 c1 N( {6 _
6 q1 m" J& x- r2 X
; @/ F/ }: t$ w- I& ?* o$ e
报错解决方案  r  [) U( T. j' [
can’t divided by 4 / can’t divided by 16* p! _* c( ]# D5 N% h3 z4 H+ u
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。; i% A5 R2 g4 R4 ?9 j/ a
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' `/ H# u6 b7 k" Q3 P% i# P
————————————————( ]+ _- T! X8 @! V! p
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。/ u3 r8 r0 }" D$ R8 ?$ @$ z' I
原文链接：https://blog.csdn.net/weixin_43850253/article/details/126376767
, a5 R* q% M& d! \. ~/ Z
4 w& P7 n2 U2 D. Y) T7 L8 R3 p! W5 e2 h2 u: g/ z/ ~% ]