百度AI攻略：人像分割帶我去旅遊

1.需求描述：

我想去桂林呀我想去桂林

但是有時間的時候我卻沒有錢

我想去桂林呀我想去桂林

但是有了錢的時候我卻沒時間

能不能讓AI帶咱們去旅遊呢？ 人像分割識別圖像中的人體輪廓，與背景進行分離，再與背景圖結合就能實現身在Office，也能留下旅遊勝地的形象了吧。說幹就幹，代碼奉上。

2.平臺接入

人像分割接入網址：https://console.bce.baidu.com/ai/?fromai=1#/ai/body/overview/index

 

3.調用攻略（Python3）及評測

3.1首先認證受權：

在開始調用任何API以前須要先進行認證受權，具體的說明請參考：

http://ai.baidu.com/docs#/Auth/top

具體Python3代碼以下：

# -*- coding: utf-8 -*-

#!/usr/bin/env python

import urllib

import base64

import json

#client_id 爲官網獲取的AK， client_secret 爲官網獲取的SK

client_id =【百度雲應用的AK】

client_secret =【百度雲應用的SK】

#獲取token

def get_token():

    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret

    request = urllib.request.Request(host)

    request.add_header('Content-Type', 'application/json; charset=UTF-8')

    response = urllib.request.urlopen(request)

    token_content = response.read()

    if token_content:

        token_info = json.loads(token_content)

        token_key = token_info['access_token']

    return token_key

3.2人像分割分析接口調用：

詳細說明請參考：http://ai.baidu.com/docs#/Body-API/6fe80662

接口描述

對於輸入的一張圖片（可正常解碼，且長寬比適宜），識別人體的輪廓範圍，與背景進行分離，適用於拍照背景替換、照片合成、身體特效等場景。輸入正常人像圖片，返回分割後的二值結果圖、灰度圖、透明背景的人像圖（png格式）。

請求說明

HTTP 方法：POST

請求URL：https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg

URL參數：

參數 值

access_token 經過API Key和Secret Key獲取的access_token，參考」Access Token獲取」

Header以下：

參數 值

Content-Type application/x-www-form-urlencoded

Body中放置請求參數，參數詳情以下：

返回說明

Python3調用代碼以下：

#保存圖片

def save_base_image(img_str,filename):

    img_data = base64.b64decode(img_str)

    with open(filename, 'wb') as f:

          f.write(img_data)

 

#人像分割

#filename:原圖片名（本地存儲包括路徑）；resultfilename:處理後的文件保存名稱(每一個人打標)

#filename:原圖片名（本地存儲包括路徑）；dehazedfilename:處理後的文件保存名稱

def body_seg_fore(filename,resultfilename):

    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg"

 

    # 二進制方式打開圖片文件

    f = open(filename, 'rb')

    img = base64.b64encode(f.read())

 

    params = dict()

    params['image'] = img

    params['type'] = 'foreground'

    params = urllib.parse.urlencode(params).encode("utf-8")

    #params = json.dumps(params).encode('utf-8')

 

    access_token = get_token()

    request_url = request_url + "?access_token=" + access_token

    request = urllib.request.Request(url=request_url, data=params)

    request.add_header('Content-Type', 'application/x-www-form-urlencoded')

    response = urllib.request.urlopen(request)

    content = response.read()

    if content:

        #print(content)

        content=content.decode('utf-8')

        #print(content)

        data = json.loads(content)

        #print(data)

        img_str=data['foreground']

        save_base_image(img_str,resultfilename)

3.3.功能評測：

選用不一樣的數據對圖片流量統計動態版的效果進行測試，具體效果以下：

 

多是由於有透明通道的緣由，這張圖看着有點怪，不過在PC上看仍是很清晰的。針對不一樣場景進行測試，整體來看仍是很快速、準確的。。

4.應用方案：

爲實現照片與旅遊聖地組合，代碼以下：

#保存圖片

def save_base_image(img_str,filename):

    img_data = base64.b64decode(img_str)

    with open(filename, 'wb') as f:

          f.write(img_data)

 

#人像分割

#filename:原圖片名（本地存儲包括路徑）；dehazedfilename:處理後的文件保存名稱

def body_seg_fore(filename,resultfilename):

    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_seg"

 

    # 二進制方式打開圖片文件

    f = open(filename, 'rb')

    img = base64.b64encode(f.read())

 

    params = dict()

    params['image'] = img

    params['type'] = 'foreground'

    params = urllib.parse.urlencode(params).encode("utf-8")

    #params = json.dumps(params).encode('utf-8')

 

    access_token = get_token()

    request_url = request_url + "?access_token=" + access_token

    request = urllib.request.Request(url=request_url, data=params)

    request.add_header('Content-Type', 'application/x-www-form-urlencoded')

    response = urllib.request.urlopen(request)

    content = response.read()

    if content:

        #print(content)

        content=content.decode('utf-8')

        #print(content)

        data = json.loads(content)

        #print(data)

        img_str=data['foreground']

        save_base_image(img_str,resultfilename)

 

#圖片整合

#foreimage：前景照片，baseimage：景區照片,outputimage：數據結果,rate：前景照片縮放比例

def combine_image(foreimage,baseimage,outputimage,rate):

    from PIL import Image

    base_img = Image.open(baseimage)

    BL, BH = base_img.size

    #讀取要粘貼的圖片 RGBA模式   

    #當須要將一張有透明部分的圖片粘貼到一張底片上時，若是用Python處理，可能會用到PIL，

    #可是PIL中 有說明，在粘貼RGBA模式的圖片是，alpha通道不會被帖上，也就是不會有透明的效果，

    #固然也給出瞭解決方法，就是粘貼的時候，將RGBA的的alpha通道提取出來作爲mask傳入。

    fore_image = Image.open(foreimage)

    L, H = fore_image.size

    #縮放

    fore_image = fore_image.resize((int(L * rate), int(H * rate)))

    L, H = fore_image.size

    #分離通道   

    r,g,b,a = fore_image.split()    #粘貼

 

    box=(int(BL/2-L/2), BH-H, int(BL/2+L/2) ,BH)

 

    base_img.paste(fore_image,box,mask = a)

    base_img.save(outputimage)  # 保存圖片

 

#輸出程序

def travel_image(originimage,baseimage,outputimage,rate):

    body_seg_fore(originimage,'seg_'+originimage)

    combine_image('seg_'+originimage,baseimage,outputimage,rate)

#travel_image('crowd1.jpg','grassland.jpg','crowd1_grassland.png',0.35)

travel_image('single.jpg','tower.jpg','single_tower.png',0.45)

效果以下：

執行：

travel_image('single.jpg','tower.jpg','single_tower.png',0.45)

結果：

再來一個：

原圖：

各個旅遊地：

旅遊效果：