订阅
纠错
加入自媒体

如何使用深度学习生成模糊背景?

2021-03-03 09:14
磐创AI
关注

输出将保持不变,与上一个没有任何区别。步骤4:为阈值图像添加颜色。现在我们完成了二值化,是时候将灰度图像转换为RGB图像了。mapping = cv2.cvtColor(thresholded_img, cv2.COLOR_GRAY2RGB)
np.unique(mapping)

在输出中,将颜色应用于图像后,它包含两个唯一的像素值,即0,255。我们将在接下来的步骤中应用背景模糊。4.1:对原始图像应用模糊处理。接下来,让我们将背景模糊效果应用于原始输入图像。blurred_original_image = cv2.GaussianBlur(orig_imginal,
                                         (251,251),0)
plt.imshow(blurred_original_image)

4.2:获得背景模糊。在这个步骤中,我们使用简单的代码片段对输入图像的背景进行模糊处理。layered_image = np.where(mapping != (0,0,0),
                        orig_imginal,
                        blurred_original_image)
plt.imshow(layered_image)
在上面的代码片段中,我们所做的只是简单地填充像素强度值为0的模糊图像,即填充所有黑色像素和填充像素强度值为255(白色像素)的原始图像,这产生了一个漂亮的散景效果,如下图所示。

4.3:最后保存图像。现在剩下要做的就是保存散景图像了!im_rgb = cv2.cvtColor(layered_image, cv2.COLOR_BGR2RGB)
cv2.imwrite("Potrait_Image.jpg", im_rgb)

5. 得分

本文是参考Bhavesh Bhatt的视频而写的,在 GitHub 页面上提供了带有逐行注释的完整代码。

6 . 结论

总而言之,获得背景模糊只是深度学习可以做的事情之一,随着技术的进步,深度学习模型从分类到生成深层伪造的模型做的越来越好了,在不久的未来,相信会有更大的发展。

<上一页  1  2  3  4  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

人工智能 猎头职位 更多
扫码关注公众号
OFweek人工智能网
获取更多精彩内容
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号