訂閱
糾錯(cuò)
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >   機(jī)器學(xué)習(xí)   >  正文

如何使用深度學(xué)習(xí)生成模糊背景？

輸出將保持不變，與上一個(gè)沒(méi)有任何區(qū)別。步驟4：為閾值圖像添加顏色。現(xiàn)在我們完成了二值化，是時(shí)候?qū)⒒叶葓D像轉(zhuǎn)換為RGB圖像了。mapping ＝ cv2．cvtColor（thresholded＿img， cv2．COLOR＿GRAY2RGB）
np．unique（mapping）

在輸出中，將顏色應(yīng)用于圖像后，它包含兩個(gè)唯一的像素值，即0，255。我們將在接下來(lái)的步驟中應(yīng)用背景模糊。4．1：對(duì)原始圖像應(yīng)用模糊處理。接下來(lái)，讓我們將背景模糊效果應(yīng)用于原始輸入圖像。blurred＿original＿image ＝ cv2．GaussianBlur（orig＿imginal，
                                         （251，251），0）
plt．imshow（blurred＿original＿image）

4．2：獲得背景模糊。在這個(gè)步驟中，我們使用簡(jiǎn)單的代碼片段對(duì)輸入圖像的背景進(jìn)行模糊處理。layered＿image ＝ np．where（mapping �。� （0，0，0），
                        orig＿imginal，
                        blurred＿original＿image）
plt．imshow（layered＿image）
在上面的代碼片段中，我們所做的只是簡(jiǎn)單地填充像素強(qiáng)度值為0的模糊圖像，即填充所有黑色像素和填充像素強(qiáng)度值為255（白色像素）的原始圖像，這產(chǎn)生了一個(gè)漂亮的散景效果，如下圖所示。

4．3：最后保存圖像�，F(xiàn)在剩下要做的就是保存散景圖像了！im＿rgb ＝ cv2．cvtColor（layered＿image， cv2．COLOR＿BGR2RGB）
cv2．imwrite（＂Potrait＿Image．jpg＂， im＿rgb）

5． 得分

本文是參考Bhavesh Bhatt的視頻而寫(xiě)的，在 GitHub 頁(yè)面上提供了帶有逐行注釋的完整代碼。

6 . 結(jié)論

總而言之，獲得背景模糊只是深度學(xué)習(xí)可以做的事情之一，隨著技術(shù)的進(jìn)步，深度學(xué)習(xí)模型從分類到生成深層偽造的模型做的越來(lái)越好了，在不久的未來(lái)，相信會(huì)有更大的發(fā)展。

<上一頁(yè)  1  2  3  4  
聲明： 本文由入駐維科號(hào)的作者撰寫(xiě)，觀點(diǎn)僅代表作者本人，不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題，請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

共0條評(píng)論，0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁，請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清，點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

    掃碼關(guān)注公眾號(hào)
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題：
    *糾錯(cuò)內(nèi)容：
    聯(lián)系郵箱：
    *驗(yàn) 證 碼：

    粵公網(wǎng)安備 44030502002758號(hào)