零门槛极速抠图技术探秘

技术宅

摳图曾经是技术活

平时我们拍摄的图片，前景的人或物往往是和作为背景的风景紧密结合在一起的，要想实现精准抠图并不容易，需要经过一系列精细的操作（图1）。

我们以通道抠头发丝操作为例。首先需要找出对象最清晰的通道，接着复制通道，再对通道的色阶进行调整，然后使用画笔工具涂抹人物以及需要的头发部分，最后进行反向选择、图层复制等才能完成一次抠图操作（图2）。在此过程中，因为头发丝比较细小而且混乱，光是涂抹选取就需要花费大量的时间。

除了上面的介绍外，如果抠取复杂背景的图片，还可能需要多种工具结合在一起使用，这就必须了解蒙版、通道、快速选择、图层模式等用法。正是因为抠图的专业性很强，因此对于普通人来说，要想熟练掌握抠图技巧，就得反复不断地练习，这绝对是件技术活。

极速抠图让普通人变身PS大神

大部分人并没有时间花费在抠图的学习上，所以各种抠图工具应运而生，其中比较引人注目的是新近出现的Remove. bg网站，他们声称可以将这个复杂的技术活零门槛化。在网站的演示中可以看到，即使是类似头发丝的高难度抠图操作，通过网站的处理也可以轻松完成（图3）。

Remove.bg的极速抠图，其实是借助具有深度学习功能的Pythonl具来实现的。Python是一种程序开发语言，经常被设计用于编写自动化脚本（Shell），通过一系列的脚本代码实现很多自动操作，抠图便是它在图像领域中的一个典型应用（图4）。

在Pytho门抠图处理的脚本中，脚本代码首先选定要抽取对象的区域，通过一定的算法将图像识别为区域内（前景）和区域外（背景）两部分。接着基于选定的区域，其中的Grabcut算法会对图像的背景和前景进行分割，同时循环处理前景内容，将其中的前景提取出来并将背景内容删除，从而实现抠图（图5）。

当然仅仅依靠脚本无法完全实现对任意图像的背景和前景进行分割，为了能够让脚本有更高效和精准的处理功能，Remove.bg将Pytho门自动处理脚本和深度机器学习结合起来。为了让脚本可以精准识别出前景物件，开发者预先借助一些机器学习库和Python框架来制定一些算法，如Scikit和Tensorflow机器学习算法。这些算法可以自动检测输入中的模式，这样开发者先将一些图片给算法学习，输入很多前后景混合的人物照片让机器学习。以输入斑马在草原上的照片为例，算法可以将照片中的斑马和草原环境识别出来（图6）。

为了让算法拥有更高的识别能力，开发者还准备了很多类似的斑马图片，比如斑马在动物园中、笼子里、树丛中的各种图片供机器学习。利用深度学习和神经网络，通过海量图片的学习和自我纠错，使得机器算法最终对各种照片中的前景和后景能精准识别出来。

最后开发者将这套算法生成的模型部署在Remove.bg服务器端，用户只要通过网站上传图片，网站后台的算法就可以实现对照片前景后景的准确识别并实现抠图，用户只需稍等片刻，然后下载处理好的抠图就可以了（图7）。

Python不仅仅会抠图

如上所述，借助Remove. bg网站，普通人通过部署在网站的算法服务就可以实现快速抠图，这样大大降低了抠图的技术难度。比如想在朋友圈满足一下自己在全球各地的旅游美图，那么只要自拍一张人物照，然后上传抠图，并将抠图贴在国外旅游景点上就OK了（图8）。当然也可以进行各种恶搞特效制作。

其实不仅仅是抠图，Python的自动处理脚本还可以应用到更多的领域。比如可以借助脚本对照片中人物脸部的识别，结合人脸识别技术快速在众多的监控照片中提取犯罪嫌疑人照片。再比如将其应用到网站购物上，通过自动识别将各大购物网站的同类商品全部提取出来供我们选择、参考，我们的生活将因此而越来越便利。