在日常的工作和生活中，我們經常會遇到需要摳圖的場景，即便是隻有一張圖片需要摳，也會摳得我們不耐煩，倘若遇到許多張圖片需要摳，這時候你的表情應該會很有趣。
Python能夠成為這樣的一種工具：在只有一張圖片，需要細緻地摳出人物的情況下，能幫你減少摳圖步驟；在有多張圖片需要摳的情況下，能直接幫你輸出這些人物的基本輪廓，雖然不夠細緻，但也夠用了。
DeepLabv3+ 是谷歌 DeepLab語義分割系列網絡的最新作 ，這個模型可以用於人像分割，支持任意大小的圖片輸入。如果我們自己來實現這個模型，那可能會非常麻煩，但是幸運的是，百度的paddle hub已經幫我們實現了，我們僅需要加載模型對圖像進行分割即可。
原理
首先要選定要抽取對象的區域，區域外的部分為背景
基於選定區域，grabCut循環處理前景內容
前景部分含有的背景（抽取對象外）部分，並不能很好處理。
代碼
import cv2
import numpy as np
fname = 'images/test1.jpg'
img = cv2.imread(fname)
rect = (275, 120, 170, 320)
mask = np.zeros(img.shape[:2], np.uint8)
bgModel = np.zeros((1,65), np.float64)
fgModel = np.zeros((1,65), np.float64)
cv2.grabCut(img, mask, rect, bgModel, fgModel, 5, cv2.GC_INIT_WITH_RECT)
mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype(np.uint8)
out = img * mask2[:, :, np.newaxis]
cv2.imshow('output', out)
cv2.waitKey()
選定區域的width, height, x, y等參數的確定比較麻煩，且對結果影響較大
當抽取不連續對象時，區域要包含所有對象
當grabCut不能很好區分對象時，需要人工標記前景/背景部分。這時需要用到cv2.GC_INIT_WITH_MASK參數
最後，小編想說：我是一名python開發工程師，
整理了一套最新的python系統學習教程，
想要這些資料的可以關注私信小編“01”即可（免費分享哦）希望能對你有所幫助
閱讀更多 Python程序員不動否 的文章
