一键抠图，毛发毕现：这个GitHub项目助你快速PS 机器之心报道参与：一鸣快速抠图不留痕，设计看了都精神。 抠图是 PS 中的一项常用技术。但是要做到完美地将图像中的目标选取出来往往费时费力。近日，一个名为 PyMatting 的项目无疑能够帮助你。 项目地址：https://github.com/pymatting/pymatting 无需手动，一键抠图 抠图的 AI 应用场景是这样的：给定一张图像，通过划定一个区域，AI 应当能够估计到划定区域内的前景图目标，并将这个前景完整地抽取出来，用来替换到其他背景的图像中去。 因此，抠图需要两个 AI 能力：首先，AI 需要能够在划定的区域内识别目标。其次，AI 要能够完整地将目标抽取出来，没有划定错误的边缘、模糊的图像等问题。 上图为项目作者提供的示例。给定一只动物的图像（左上），以及人划定的区域（右上），算法应当能够获得划定区域内目标的阿尔法通道，即区分前景和背景的黑白轮廓（左下）。有了这一数据，就可以从原图中抠去目标，并移动到新的图像中去（右下）。 据项目介绍，PyMatting 具有以下特性。 首先，项目能够完成阿尔法抠图（Alpha Matting），其中包括 Closed-Form 抠图、大核抠图（Large Kernel Matting）、KNN 抠图、基于学习的数字抠图（Learning Based Digital Matting）、随机游走（Random Walk）抠图等算法。 同时，项目也能完成前景预估，包括 Clos Form 前景预估和多级别前景预估（基于 CPU、CUDA 和 OpenCL 等）算法。 该项目还可以进行快速多线程 KNN 搜索、不完全阈值化楚列斯基分解（incomplete thresholded Cholesky decomposition）、V 轮几何多网格预条件子（V-Cycle Geometric Multigrid preconditioner）等。 使用方法 在使用前，你需要保证电脑安装相应的 Python 环境（Python 3），同时需要以下安装包： numpy=1.16.0 pillow=5.2.0 numba=0.47.0 scipy=1.1.0 由于项目需要 GPU，因此也需要 GPU 相关支持： cupy-cuda90=6.5.0 or similar pyopencl=2019.1.2 除此之外，为了进行测试，也需要： pytest=5.3.4 为了方便使用，作者提供了一些示例代码。例如，如下代码中，给定原始图像和抠图框，可以抽取出阿尔法前景： frompymattingimportcutout cutout( #inputimagepath"data/lemur.png", #inputtrimappath"data/lemur_trimap.png", #outputcutoutpath"lemur_cutout.png") 作者还提供了高级代码，直接进行抠图，生成新图像： image=load_image("../data/lemur/lemur.png","RGB",scale,"box") trimap=load_image("../data/lemur/lemur_trimap.png","GRAY",scale,"nearest") #estimatealphafromimageandtrimap alpha=estimate_alpha_cf(image,trimap) #makegraybackground new_background=np.zeros(image.shape) new_background[:,:]=[0.5,0.5,0.5] #estimateforegroundfromimageandalpha foreground,background=estimate_foreground_ml(image,alpha,return_background=True) #blendforegroundwithbackgroundandalpha,lesscolorbleeding new_image=blend(foreground,new_background,alpha) 除了代码示例外，项目还提供了测试代码，可在主目录中运行： python3tests/download_images.py pip3install-rrequirements_tests.txt pytest 这一测试能够覆盖 89% 的代码。 除了项目外，作者还提供了不同的抠图算法的基准测试结果，如下所示： 不同算法在测试数据集上的均方误差大小。 可以看出，基于学习的算法和 Closed-Form 算法都能取得不错的效果。 完整的基准测试结果：https://pymatting.github.io/benchmark.html 本文为机器之心报道，转载请联系本公众号获得授权。 ?------------------------------------------------加入机器之心（全职记者 / 实习生）：hr@jiqizhixin.com投稿或寻求报道：content@jiqizhixin.com广告 & 商务合作：bd@jiqizhixin.com