智能人像自动抠图——C++ 实现LFM 模型推理

前言

1. 关于抠图，首先想到的是PS的抠图，要美工手动一点点的把细节抠出来，抠图的好坏取决一个美工对PS的熟悉程度，在人像抠图方面，对头发的处理更是耗时耗力的一件事，在拍证件照的照像馆都有固定的绿幕来挡掉复杂的背景，以免增加后期的工作量，那么有没有一种完全自动的抠图办法呢？ [A Late Fusion CNN for Digital Matting] CVPR 2019 上的一编论文， 作者提出了全自动抠图这个算法，不需要绿幕，也不需要输入trimap图（有了解传统抠图算法的应该知道这个图是干吗用的），背景图也不需要。在只需要输入一张原图的情况下，就能很好的抠图。我用Pytorch复现了他的这个算法，并且效果还不错。
2. 关于人像抠图的应用场景可谓无所不在，在影视剪辑、直播娱乐、线上教学、视频会议等场景中都有人像分割的身影，它可以帮助用户实时、精准地将人物和背景精准识别出来，实现更精细化的人物美颜、背景虚化替换、弹幕穿人等，我那时想复现这编论文也是因为公司想做证件照相关的项目。
3. 我的编译环境是Windows 10 64位，IDE是VS2019，配置了OpenCV 4.5,实现语言是C++，用OpenCV的dnn来进行模型推理。

模型演示

1.实现代码

void LFMatting(const cv::Mat& cv_src,cv::Mat &cv_matting, cv::Mat& cv_dst, cv::dnn::Net& net, int target_w = 640, int target_h = 960);
void imshow(std::string name, const cv::Mat& img)
{
	cv::namedWindow(name, 0);
	int max_rows = 500;
	int max_cols = 600;
	if (img.rows >= img.cols && img.rows > max_rows) 
	{
		cv::resizeWindow(name, cv::Size(img.cols * max_rows / img.rows, max_rows));
	}
	else if (img.cols >= img.rows && img.cols > max_cols)
	{
		cv::resizeWindow(name, cv::Size(max_cols, img.rows * max_cols / img.cols));
	}
	cv::imshow(name, img);
}

void  mergeImage(std::vector<cv::Mat>& src_vor, cv::Mat& cv_dst, int channel)
{
	cv::Mat img_merge;
	cv::Size size(src_vor.at(0).cols * src_vor.size(), src_vor.at(0).rows);
	if (channel == 1)
	{
		img_merge.create(size, CV_8UC1);
	}
	else if (channel == 3)
	{
		img_merge.create(size, CV_8UC3);
	}
	for (int i = 0; i < src_vor.size(); i++)
	{
		cv::Mat cv_temp = img_merge(cv::Rect(src_vor.at(i).cols * i, 0, src_vor.at(i).cols, src_vor.at(i).rows));
		src_vor.at(i).copyTo(cv_temp);
	}

	cv_dst = img_merge.clone();
}

cv::Mat channelSwitching(const cv::Mat& cv_src)
{
	cv::Mat three_channel = cv::Mat::zeros(cv_src.rows, cv_src.cols, CV_8UC3);
	std::vector<cv::Mat> channels;
	if (cv_src.channels() == 1)
	{
		for (int i = 0; i < 3; i++)
		{
			channels.push_back(cv_src);
		}
		merge(&channels[0], channels.size(), three_channel);
	}

	return three_channel;
}


int main(int argc, char* argv[])
{
	cv::dnn::Net net = cv::dnn::readNet("model/graph_final_960_640.pb", "model/graph_final_960_640.pbtxt");

	std::string path = "images";
	std::vector<std::string> filenames;
	cv::glob(path, filenames, false);

	for (auto v : filenames)
	{
		cv::Mat cv_src = cv::imread(v,1);
		std::vector<cv::Mat> cv_dsts(3);
		cv::Mat	cv_matting, cv_dst;

		cv_dsts[0] = cv_src.clone();

		LFMatting(cv_src,cv_matting, cv_dsts[2], net);

		cv_dsts[1] = channelSwitching(cv_matting);
		cv_dsts[1].convertTo(cv_dsts[1], CV_8UC3, 255);
		
		mergeImage(cv_dsts, cv_dst, 3);

		cv::imwrite("dst.jpg", cv_dst);
		//cv::waitKey();
	}

	return 0;
}

void LFMatting(const cv::Mat& cv_src,cv::Mat &cv_matting, cv::Mat& cv_dst, cv::dnn::Net& net, int target_w,int target_h)
{
	cv::Size reso(target_h, target_w);
	cv::Mat blob = cv::dnn::blobFromImage(cv_src, 1.0, reso,
		cv::Scalar(127.156207, 115.917443, 106.031127), true, false);
	net.setInput(blob);
	std::vector<cv::Mat> outputs;
	std::vector<std::string> names = {
		"deFG_side_0_out/ResizeNearestNeighbor",
		"deBG_side_0_out/ResizeNearestNeighbor",
		"fusion_sigmoid_output/Sigmoid"
	};

	net.forward(outputs, names);
	auto t1 = cv::getTickCount();

	for (size_t i = 0; i < outputs.size(); ++i)
	{
		outputs[i] = outputs[i].reshape(0, { outputs[i].size[2], outputs[i].size[3] });
		cv::resize(outputs[i], outputs[i], cv_src.size(), 0.0, 0.0, cv::INTER_LINEAR);
	}

	cv::Mat fg = outputs[0];
	cv::Mat bg = outputs[1];
	cv::Mat alpha = outputs[2];
	cv_matting = fg.mul(alpha) + (1.0 - bg).mul(1.0 - alpha);

	cv_dst = cv::Mat::zeros(cv::Size(cv_src.cols, cv_src.rows), CV_8UC3);
	const int bg_color[3] = { 219,142,67 };
	float* alpha_data = (float*)alpha.data;
	for (int i = 0; i < cv_matting.rows; i++)
	{
		for (int j = 0; j < cv_matting.cols; j++)
		{
			float alpha_ = alpha_data[i * cv_matting.cols + j];
			cv_dst.at < cv::Vec3b>(i, j)[0] = cv_src.at < cv::Vec3b>(i, j)[0] * alpha_ + (1 - alpha_) * bg_color[0];
			cv_dst.at < cv::Vec3b>(i, j)[1] = cv_src.at < cv::Vec3b>(i, j)[1] * alpha_ + (1 - alpha_) * bg_color[1];
			cv_dst.at < cv::Vec3b>(i, j)[2] = cv_src.at < cv::Vec3b>(i, j)[2] * alpha_ + (1 - alpha_) * bg_color[2];
		}
	}
}

2.一些不错的效果：




3.还有一些是场景处理不是很好。



4. 我现在训练的样本在10000张左右，如果加大样本量或者优化下算法，是可以解决掉这些问题点。
5. 模型和源码都上传到CSDN，感兴趣的可以下载试玩：https://download.csdn.net/download/matt45m/51419768