【开源】基于RMBG的一键抠图与证件照制作系统【含一键启动包】

《博主简介》

小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。
✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~
👍感谢小伙伴们点赞、关注！

《------往期经典推荐------》

一、AI应用软件开发实战专栏【链接】

项目名称	项目名称
1.【人脸识别与管理系统开发】	2.【车牌识别与自动收费管理系统开发】
3.【手势识别系统开发】	4.【人脸面部活体检测系统开发】
5.【图片风格快速迁移软件开发】	6.【人脸表表情识别系统】
7.【YOLOv8多目标识别与自动标注软件开发】	8.【基于YOLOv8深度学习的行人跌倒检测系统】
9.【基于YOLOv8深度学习的PCB板缺陷检测系统】	10.【基于YOLOv8深度学习的生活垃圾分类目标检测系统】
11.【基于YOLOv8深度学习的安全帽目标检测系统】	12.【基于YOLOv8深度学习的120种犬类检测与识别系统】
13.【基于YOLOv8深度学习的路面坑洞检测系统】	14.【基于YOLOv8深度学习的火焰烟雾检测系统】
15.【基于YOLOv8深度学习的钢材表面缺陷检测系统】	16.【基于YOLOv8深度学习的舰船目标分类检测系统】
17.【基于YOLOv8深度学习的西红柿成熟度检测系统】	18.【基于YOLOv8深度学习的血细胞检测与计数系统】
19.【基于YOLOv8深度学习的吸烟/抽烟行为检测系统】	20.【基于YOLOv8深度学习的水稻害虫检测与识别系统】
21.【基于YOLOv8深度学习的高精度车辆行人检测与计数系统】	22.【基于YOLOv8深度学习的路面标志线检测与识别系统】
23.【基于YOLOv8深度学习的智能小麦害虫检测识别系统】	24.【基于YOLOv8深度学习的智能玉米害虫检测识别系统】
25.【基于YOLOv8深度学习的200种鸟类智能检测与识别系统】	26.【基于YOLOv8深度学习的45种交通标志智能检测与识别系统】
27.【基于YOLOv8深度学习的人脸面部表情识别系统】	28.【基于YOLOv8深度学习的苹果叶片病害智能诊断系统】
29.【基于YOLOv8深度学习的智能肺炎诊断系统】	30.【基于YOLOv8深度学习的葡萄簇目标检测系统】
31.【基于YOLOv8深度学习的100种中草药智能识别系统】	32.【基于YOLOv8深度学习的102种花卉智能识别系统】
33.【基于YOLOv8深度学习的100种蝴蝶智能识别系统】	34.【基于YOLOv8深度学习的水稻叶片病害智能诊断系统】
35.【基于YOLOv8与ByteTrack的车辆行人多目标检测与追踪系统】	36.【基于YOLOv8深度学习的智能草莓病害检测与分割系统】
37.【基于YOLOv8深度学习的复杂场景下船舶目标检测系统】	38.【基于YOLOv8深度学习的农作物幼苗与杂草检测系统】
39.【基于YOLOv8深度学习的智能道路裂缝检测与分析系统】	40.【基于YOLOv8深度学习的葡萄病害智能诊断与防治系统】
41.【基于YOLOv8深度学习的遥感地理空间物体检测系统】	42.【基于YOLOv8深度学习的无人机视角地面物体检测系统】
43.【基于YOLOv8深度学习的木薯病害智能诊断与防治系统】	44.【基于YOLOv8深度学习的野外火焰烟雾检测系统】
45.【基于YOLOv8深度学习的脑肿瘤智能检测系统】	46.【基于YOLOv8深度学习的玉米叶片病害智能诊断与防治系统】
47.【基于YOLOv8深度学习的橙子病害智能诊断与防治系统】	48.【车辆检测追踪与流量计数系统】
49.【行人检测追踪与双向流量计数系统】	50.【基于YOLOv8深度学习的反光衣检测与预警系统】
51.【危险区域人员闯入检测与报警系统】	52.【高密度人脸智能检测与统计系统】

二、机器学习实战专栏【链接】，已更新31期，欢迎关注，持续更新中~~
三、深度学习【Pytorch】专栏【链接】
四、【Stable Diffusion绘画系列】专栏【链接】
五、YOLOv8改进专栏【链接】，持续更新中~~
六、YOLO性能对比专栏【链接】，持续更新中~

《------正文------》

背景

当前AI抠图技术已经非常成熟，并且有效果非常好的开源模型。日常中可以用于物品抠图、替换证件照背景等场景，但是网上许多的证件照替换背景竟然还需要收费。今天就给大家分享一个自己制作的可以一键启动的【一键抠图与制作证件照的系统】，感兴趣的小伙伴可以自行下载体验，感谢大家的点赞关注。

效果如下：
在这里插入图片描述

项目实现思路

本项目主要是基于RMBG进行实现的，使用onnx模型进行目标抠出，然后对背景进行处理替换颜色。核心代码如下：

定义相关函数

首先我们定义一个抠图函数rmbg和替换背景颜色函数add_background_to_image如下所示：
抠图函数rmbg代码：

def rmbg(input_image_path,  background_color, out_size_w, out_size_h, size_opt):

    if size_opt == "保持原图大小":
        shape = cv2.imread(input_image_path).shape
        out_size = (int(shape[0]),int(shape[1]))
    else:
        out_size = (int(out_size_w), int(out_size_h))
    print('input_image_path:',input_image_path)
    name = os.path.basename(input_image_path)
    path = os.path.dirname(input_image_path)
    filename, ext = os.path.splitext(name)
    ext = '.png'
    new_filename = filename + "_rmgb" + ext # 修改文件名
    out_path = path + new_filename # 抠图
    new_filename = filename + "_bg" + ext
    output_image_path = path + new_filename # 证件照

    net = BriaRMBG_ONNX(f"rmbg/onnx/model.onnx")

    # prepare input
    model_input_size = [1024,1024]
    orig_im = io.imread(input_image_path)
    orig_im_size = orig_im.shape[0:2]
    image = preprocess_image(orig_im, model_input_size)
    image = np.transpose(image, (0, 3, 1, 2))  # ONNX通常需要CHW格式

    # inference
    result = net(image)
    
    # post process
    result_image = postprocess_image(result[0][0], orig_im_size)

    # save result
    pil_im = Image.fromarray(result_image)
    no_bg_image = Image.new("RGBA", pil_im.size, (0,0,0,0))
    orig_image = Image.open(input_image_path)
    no_bg_image.paste(orig_image, mask=pil_im)

    no_bg_image.save(out_path, "PNG")

    print(background_color, out_size)
    add_background_to_image(out_path, output_image_path, background_color, out_size)
    return out_path, output_image_path

替换背景颜色函数代码如下：

def add_background_to_image(input_image_path, output_image_path, background_color, out_size=None):
    """
    给透明背景的PNG人像图像添加任意颜色的背景。
    :param input_image_path: 输入图像的路径
    :param output_image_path: 输出图像的路径
    :param background_color: 背景颜色 (R, G, B)
    :param size: 输出图像的大小 (width, height) 默认与输入图像相同
    """
    # 打开输入图像
    image = Image.open(input_image_path)

    # 如果图像不是PNG格式，先转换为PNG
    if image.format != 'PNG':
        image = image.convert('RGBA')
    
    
    if out_size is None:
        out_size = image.size

    out_image = Image.new('RGB', image.size, background_color)
    out_image.paste(image, (0,0), image)
    out_image.resize(out_size)

    # 保存新的图像
    out_image.save(output_image_path)

调用函数进行抠图

import cv2
import matplotlib.pyplot as plt

# 输入图片的路径
input_img = 'test1.jpg'

# 证件照的背景颜色
# color = "#FFFFFF" # 白色（用于护照、签证、身份证等）
color = "#438EDB" # 蓝色（用于毕业证、工作证等）
# color = "#FF0000" # 红色（用于一些特殊的证件照）

# 证件照的大小
width = 295
height = 413  # 一寸（295像素 x 413像素）

# 是否保持原图大小 
# size_opt = "不保持原图大小"
size_opt = "保持原图大小" # 如果选了这个会保持输入图片的大小，忽略上面的 证件照的大小 参数

# color, width, height 这三个参数不影响抠图，只会影响证件照的结果
out_path, output_image_path = rmbg(input_img, color, width, height, size_opt)

print('抠图后的图片： ', out_path)
print('证件照： ', output_image_path)

原始图片：
在这里插入图片描述
抠图后的图片：

替换背景颜色后的图片：

一键启动使用说明

下载项目文件后，直接双击运行一键启动.exe文件。
在这里插入图片描述

之后会在浏览器自动打开，如下网页：
在这里插入图片描述
使用步骤：
1.在背景颜色区域自行选择需要使用的背景颜色;
2.在证件尺寸大小区域选择需要的证件尺寸大小；
3.上传需要进行抠图的图片，然后点击提交按钮。
即可获取所抠出的图像，与替换背景后的图像，结果如下所示：
在这里插入图片描述
点击每张图片结果的右上角的下载按钮，即可下载生成后的图片。