技术标签: Matting 人像抠图Android MODNet 人像抠图 深度学习 Matting Android 一健抠图
目录
一键抠图Portrait Matting人像抠图 (C++和Android源码)
抠图算法中(英文中,一般称为Matting),一种是基于辅助信息输入的,加入一些先验信息(如Trimap,背景图,用户交互信息,深度等信息)提供抠图效果,如比较经典的Deep Image Matting和Semantic Image Matting这些算法加入Trimap; Background Matting算法需要提供背景图等;另一种是无需辅助信息,输入RGB图像,直接预测matte的方法,其效果相对第一种方法,会差很多。而对Portrait Matting(人像抠图),现在有很多方案在无需Trimap条件下,也可以获得不错的抠图效果,比如MODNet,Fast Deep Matting等算法,真正实现健抠图的效果。
本篇博客将介绍MODNet人像抠图算法,一个效果相当不错的Matting算法,可以达到头发细致级别的人像抠图效果,是一健抠图哦,先展示一下Android测试效果:
【尊重原创,转载请注明出处】https://blog.csdn.net/guyuealian/article/details/121680939
模型选择 | 原图 | 高精度人像抠图 | 视频抠图 |
更多抠图算法(Matting),请参考我的一篇博客《图像抠图Image Matting算法调研》:
更多项目《一键抠图》系列文章请参考:
可能,有小伙伴搞不清楚分割(segmentation)和抠图(matting)有什么区别,我这里简单说明一下:
关于《MODNet: Trimap-Free Portrait Matting in Real Time》,请参考:
官方GitHub仅仅放出推理代码,并未提供训练过程和数据处理代码 ;鄙人参考原论文花了几个星期的时间,总算复现了其基本效果,并做了一些轻量化和优化的工作,主要有:
最近发现,百度PaddleSeg团队也复现了MODNet算法(基于PaddlePaddle框架,非Pytorch版本),提供了更丰富的backbone模型选择,如MobileNetV2,ResNet50,HRNet_W18,可适用边缘端、服务端等多种任务场景,有兴趣的可以看看:
PaddlePaddle版本:https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.3/contrib/Matting
基于深度学习的Matting分为两大类:
一种是基于辅助信息输入。即除了原图和标注图像外,还需要输入其他的信息辅助预测。最常见的辅助信息是Trimap,即将图片划分为前景,背景及过度区域三部分。另外也有以背景或交互点作为辅助信息。
一种是不依赖任何辅助信息,直接对Alpha进行预测。如本博客复现的MODNet
第一种方法,需要加入辅助信息,而辅助信息一般较难获取,这也限制其应用,为了提升Matting的应用性,针对Portrait Matting领域MODNet摒弃了辅助信息,直接实现Alpha预测,实现了实时Matting,极大提升了基于深度学习Matting的应用价值。
MODNet模型学习分为三个部分,分别为:语义部分(S),细节部分(D)和融合部分(F)。
数据集 |
说明 |
|
|
Deep Image Matting |
|
PPM-100下载:https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.3/contrib/Matting |
|
RealWorldPortrait-636 |
|
Compsition-1k |
|
|
|
|
|
VideoMatte240K |
|
PhotoMatte85 |
|
其他的:
关于训练数据如何生成的问题:
这是Python实现的背景合成,需要提供原始图像image,以及image的前景图像alpha,和需要合成的背景图像bg_img:
def image_fusion(image: np.ndarray, alpha: np.ndarray, bg_img=(219, 142, 67)):
"""
图像融合:合成图 = 前景*alpha+背景*(1-alpha)
:param image: RGB图像(uint8)
:param alpha: 单通道的alpha图像(uint8)
:param bg_img: 背景图像,可以是任意的分辨率图像,也可以指定指定纯色的背景
:return: 返回与背景合成的图像
"""
if isinstance(bg_img, tuple) or isinstance(bg_img, list):
bg = np.zeros_like(image, dtype=np.uint8)
bg_img = np.asarray(bg[:, :, 0:3] + bg_img, dtype=np.uint8)
if len(alpha.shape) == 2:
# alpha = cv2.cvtColor(alpha, cv2.COLOR_GRAY2BGR)
alpha = alpha[:, :, np.newaxis]
if alpha.dtype == np.uint8:
alpha = np.asarray(alpha / 255.0, dtype=np.float32)
sh, sw, d = image.shape
bh, bw, d = bg_img.shape
ratio = [sw / bw, sh / bh]
ratio = max(ratio)
if ratio > 1:
bg_img = cv2.resize(bg_img, dsize=(math.ceil(bw * ratio), math.ceil(bh * ratio)))
bg_img = bg_img[0: sh, 0: sw]
image = image * alpha + bg_img * (1 - alpha)
image = np.asarray(np.clip(image, 0, 255), dtype=np.uint8)
return image
当然,为了方便JNI调用,我这里还实现C++版本图像合成算法,这部分图像处理的基本工具,都放在我的base-utils中
/***
* 实现图像融合:out = imgBGR * matte + bg * (1 - matte)
* Fix a Bug: 1-alpha实质上仅有B通道参与计算,多通道时(B,G,R),需改Scalar(1.0, 1.0, 1.0)-alpha
* @param imgBGR 输入原始图像
* @param matte 输入原始图像的Mask,或者alpha,matte
* @param out 输出融合图像
* @param bg 输入背景图像Mat(可任意大小),也可以通过Scalar指定纯色的背景
*/
void image_fusion(cv::Mat &imgBGR, cv::Mat matte, cv::Mat &out, cv::Mat bg) {
assert(matte.channels() == 1);
out.create(imgBGR.size(), CV_8UC3);
vector<float> ratio{(float) imgBGR.cols / bg.cols, (float) imgBGR.rows / bg.rows};
float max_ratio = *max_element(ratio.begin(), ratio.end());
if (max_ratio > 1.0) {
cv::resize(bg, bg, cv::Size(int(bg.cols * max_ratio), int(bg.rows * max_ratio)));
}
bg = image_center_crop(bg, imgBGR.cols, imgBGR.rows);
int n = imgBGR.channels();
int h = imgBGR.rows;
int w = imgBGR.cols * n;
// 循环体外进行乘法和除法运算
matte.convertTo(matte, CV_32FC1, 1.0 / 255, 0);
for (int i = 0; i < h; ++i) {
uchar *sptr = imgBGR.ptr<uchar>(i);
uchar *dptr = out.ptr<uchar>(i);
float *mptr = matte.ptr<float>(i);
uchar *bptr = bg.ptr<uchar>(i);
for (int j = 0; j < w; j += n) {
//float alpha = mptr[j] / 255; //循环体尽量减少乘法和除法运算
float alpha = mptr[j / 3];
float _alpha = 1.f - alpha;
dptr[j] = uchar(sptr[j] * alpha + bptr[j] * _alpha);
dptr[j + 1] = uchar(sptr[j + 1] * alpha + bptr[j + 1] * _alpha);
dptr[j + 2] = uchar(sptr[j + 2] * alpha + bptr[j + 2] * _alpha);
}
}
}
目前,提供Demo源码提供三个JNI接口,可实现一健抠图效果,当然你可以在我C++基础上修改源码,实现更多功能;
matting接口:实现基本的人像构图Matting功能 fusion接口:实现人像构图Matting,并与背景图进行融合 mattingFusion接口:人像构图Matting,并与背景图进行融合(会返回mask)
package com.cv.tnn.model;
import android.graphics.Bitmap;
public class Detector {
static {
System.loadLibrary("tnn_wrapper");
}
/***
* 初始化检测模型
* @param proto: TNN *.tnnproto文件文件名(含后缀名)
* @param model: TNN *.tnnmodel文件文件名(含后缀名)
* @param root:模型文件的根目录,放在assets文件夹下
* @param model_type:模型类型
* @param num_thread:开启线程数
* @param useGPU:是否使用GPU
*/
public static native void init(String proto, String model, String root, int model_type, int num_thread, boolean useGPU);
/***
* 缩放图片
* @param bitmap
* @param resize_width
* @param resize_height
* @return
*/
public static Bitmap resizeBitmap(Bitmap bitmap, int resize_width, int resize_height) {
int width = bitmap.getWidth();
int height = bitmap.getHeight();
if (resize_width <= 0 && resize_height <= 0) {
return bitmap;
} else if (resize_height <= 0) {
resize_height = height * resize_width / width;
} else if (resize_width <= 0) {
resize_width = width * resize_height / height;
}
Bitmap dst = Bitmap.createScaledBitmap(bitmap, resize_width, resize_height, false);
return dst;
}
/***
* 人像构图Matting
* @param bitmap 输入图像(bitmap),ARGB_8888格式
* @param mask 输出Mask图像(bitmap),ARGB_8888格式,调用前需要createBitmap初始化大小,如
* Bitmap.createBitmap(Width, Height, Bitmap.Config.ARGB_8888);
* @return
*/
public static native void matting(Bitmap bitmap, Bitmap mask);
/***
* 人像构图Matting,并与背景图进行融合
* @param bitmap 输入图像(bitmap),ARGB_8888格式
* @param bgmap 输入背景图像(bitmap),ARGB_8888格式,可任意大小的图像
* @param fusion 输出与背景融合后图像,调用前需要createBitmap初始化大小,ARGB_8888格式
*/
public static native void fusion(Bitmap bitmap, Bitmap bgmap, Bitmap fusion);
/***
* 人像构图Matting,并与背景图进行融合
* @param bitmap 输入图像(bitmap),ARGB_8888格式
* @param bgmap 输入背景图像(bitmap),ARGB_8888格式,可任意大小的图像
* @param fusion 输出与背景融合后图像,调用前需要createBitmap初始化大小,ARGB_8888格式
* @param mask 输出Mask图像(bitmap),调用前需要createBitmap初始化大小,ARGB_8888格式
* @return
*/
public static native void mattingFusion(Bitmap bitmap, Bitmap bgmap, Bitmap fusion, Bitmap mask);
}
参考解决方法:解决dlopen failed: library “libomp.so“ not found_PKing666666的博客-程序员宅基地_dlopen failed
实际使用中,建议你:
下图是高精度版本人像抠图和快速人像构图的测试效果,相对而言,高精度版本人像抠图可以精细到发丝级别的抠图效果;而快速人像构图目前仅能实现基本的抠图效果:
原图 | Mask图像 | 融合图像 | |
高 精 度 人 像 抠图 |
| | |
超 快 人 像 抠图 |
其他测试图片
|
|
|
|
整套Android项目源码内容包含:
- Android版本人像抠图算法,支持CPU和GPU
- 提供高精度版本人像抠图,可以达到精细到发丝级别的抠图效果(Android GPU 150ms, CPU 500ms左右)
- 提供轻量化快速版人像抠图,满足基本的人像抠图效果,可以在Android达到实时的抠图效果(Android GPU 60ms, CPU 140ms左右)
- Demo支持图片,视频,摄像头测试
- 所有依赖库都已经配置好,可直接build运行,若运行出现闪退,请参考dlopen failed: library “libomp.so“ not found 解决。
文章浏览阅读2.1k次。第一步:在宝塔安装nginx,选择编译安装第二步:在这个基础上加新增模块nginx_upstream_check_module,步骤如下1.执行命令获取nginx_upstream_check_module模块: wgethttps://codeload.github.com/yaoweibin/nginx_upstream_check_module/zip/master2.进入..._宝塔 安装 nginx_upstream_check_module
文章浏览阅读1.7k次,点赞7次,收藏27次。收集了c,c++语言在学习和应用的时候一些易错点,加入了个人分析。仅供参考,有错误的地方请多多指出_c++易错题总结
文章浏览阅读1.9k次,点赞5次,收藏17次。利用Anaconda安转TensorFlow、cuda以及cuDNN教程。
文章浏览阅读488次。设置form表单为:新建一个post.js里面内容为:从app.js中把主体部分拷贝过来。然后服务器运营post.js文件。加入data和end事件。在form.js中打开。输入用户名和密码。提交。结果返回ok .证明post请求后服务器响应了。服务器中也有存的内容引入querystring处理请求参数模块。引用querystring:重新输入名和密码,提交。此时用户名和密码以对象的形式来进行存储..._当客户端通过post请求提交的参数为自定义js对象,接收参数需要那个注释
文章浏览阅读2.9k次。温馨提示:本信息由【会员:老猫】搜集整理发布,版权归原作者及发布者所有,您如有异议请 举报 或者 版权申诉。最新漂亮简洁大气的域名授权系统PHP源码,域名授权系统PHP版,功能强大带有后台,经过版本升级,全新美观大气的UI洁面!支持盗版追踪,与卡密系统对接购买卡密对域名进行授权,支持授权代码、到期时间代码、在线更新代码、PHP批量加密等功能。适应范围php授权系统、PHP域名授权系统查看更多关于 ..._域名管理php源码
文章浏览阅读169次。/* Copyright (c)2016,烟台大学计算机与控制工程学院 作 者:王晓慧 完成日期:2016年10月27日 版 本 号:v1.0 *问题描述:(1)用压缩形式存储对称矩阵,实现下面的操作并测试 void Init(int *&b);//为N阶对称矩阵初始化存储数据的一维数组B _anaconda生成对称矩阵
文章浏览阅读564次。机器学习(Machine Learning)&深度学习(Deep Learning)资料总结下面链接是GitHub上一位大神的总结,非常详细的列举了Machine Learning & Deep Learning的很多资料,具有很好的参考价值click here( 机器学习(Machine Learning)&深度学习(Deep Learning)资料总结)_machine learnig和deep learning 求解 math word problem solver
文章浏览阅读6.3k次。根据业务需求需要在满足条件的post请求前,做一些处理,因此想到用 HandlerInterceptor 来拦截请求以做进一步处理,便如图所示获取参数但是,这种获取参数的形式可以获取表单形式(header),是拿不到参数为json格式的post请求参数的,于是便又有了一下方式获取json格式的参数这种方法可以再拦截器找那个拿到参数,但是!!!这样在controller中使用..._http 发送post请求拿不到参数
文章浏览阅读223次。php数据库备份脚本的方法PHP是开源软件,所有PHP的源代码每个人都可以看得到,代码在许多工程师手中进行了检测,同时它与Apache编绎在一起的方式也可以让它具有灵活的安全设定。我们为大家收集整理了关于php数据库备份脚本,以方便大家参考。php数据库备份脚本代码如下:// 备份数据库$host = "localhost";$user = "root"; //数据库账号$password = "..._php 备份数据表
文章浏览阅读1k次。[值得一用的Apps]四大Hybrid App移动开发平台对比摘要:作为一名Web开发者来说要如何站在移动互联网的浪潮之巅呢?是选择学习原生开发,研究Java、Object-C、C#等语言,还是选择继续使用网页开发,容忍HTML5功能的局限性?就在开发者左右为难的情况下Hybrid App作为一个折中的解决方案诞生了。作者:来源:ZDNet CIO与应用频道 | 2013年04_目前两大主流移动端开发平台是
文章浏览阅读1.9w次,点赞12次,收藏30次。问题描述用云函数获取云数据库中的值时,想只取得某一列的值返回,代码写成如下所示let accessToken = db.collection('wxConfig').where({ name: "AccessToken" }).get();accessToken = accessToken.data[0].valuereturn accessToken;发现报错,返回{“..._{"errorcode":1,"errormessage":"user code exception caught","stacktrace":"err
文章浏览阅读5.7k次。CNSD在这里记录自己成长CNSD在这里记录自己成长CNSD在这里记录自己成长CNSD在这里记录自己成长CNSD在这里记录自己成长CNSD在这里记录自己成长CNSD在这里记录自己成长_cnsd