摳圖是 PS 中的一項常用技術。但是要做到完美地将圖像中的目标選取出來往往費時費力。近日，一個名為 PyMatting 的項目無疑能夠幫助你。
項目位址：
https://github.com/pymatting/pymatting無需手動，一鍵摳圖
摳圖的 AI 應用場景是這樣的：給定一張圖像，通過劃定一個區域，AI 應當能夠估計到劃定區域内的前景圖目标，并将這個前景完整地抽取出來，用來替換到其他背景的圖像中去。
是以，摳圖需要兩個 AI 能力：首先，AI 需要能夠在劃定的區域内識别目标。其次，AI 要能夠完整地将目标抽取出來，沒有劃定錯誤的邊緣、模糊的圖像等問題。
上圖為項目作者提供的示例。給定一隻動物的圖像（左上），以及人劃定的區域（右上），算法應當能夠獲得劃定區域内目标的阿爾法通道，即區分前景和背景的黑白輪廓（左下）。有了這一資料，就可以從原圖中摳去目标，并移動到新的圖像中去（右下）。
據項目介紹，PyMatting 具有以下特性。
首先，項目能夠完成阿爾法摳圖（Alpha Matting），其中包括 Closed-Form 摳圖、大核摳圖（Large Kernel Matting）、KNN 摳圖、基于學習的數字摳圖（Learning Based Digital Matting）、随機遊走（Random Walk）摳圖等算法。
同時，項目也能完成前景預估，包括 Clos Form 前景預估和多級别前景預估（基于 CPU、CUDA 和 OpenCL 等）算法。
該項目還可以進行快速多線程 KNN 搜尋、不完全門檻值化楚列斯基分解（incomplete thresholded Cholesky decomposition）、V 輪幾何多網格預條件子（V-Cycle Geometric Multigrid preconditioner）等。
使用方法
在使用前，你需要保證電腦安裝相應的 Python 環境（Python 3），同時需要以下安裝包：
numpy>=1.16.0
pillow>=5.2.0
numba>=0.47.0
scipy>=1.1.0
由于項目需要 GPU，是以也需要 GPU 相關支援：
cupy-cuda90>=6.5.0 or similar
pyopencl>=2019.1.2
除此之外，為了進行測試，也需要：
pytest>=5.3.4
為了友善使用，作者提供了一些示例代碼。例如，如下代碼中，給定原始圖像和摳圖框，可以抽取出阿爾法前景：
from pymatting import cutout
cutout(
# input image path"data/lemur.png",
# input trimap path"data/lemur_trimap.png",
# output cutout path"lemur_cutout.png")
作者還提供了進階代碼，直接進行摳圖，生成新圖像：
image = load_image("../data/lemur/lemur.png", "RGB", scale, "box")
trimap = load_image("../data/lemur/lemur_trimap.png", "GRAY", scale, "nearest")
# estimate alpha from image and trimap
alpha = estimate_alpha_cf(image, trimap)
# make gray background
new_background = np.zeros(image.shape)
new_background[:, :] = [0.5, 0.5, 0.5]
# estimate foreground from image and alpha
foreground, background = estimate_foreground_ml(image, alpha, return_background=True)
# blend foreground with background and alpha, less color bleeding
new_image = blend(foreground, new_background, alpha)
除了代碼示例外，項目還提供了測試代碼，可在主目錄中運作：
python3 tests/download_images.py
pip3 install -r requirements_tests.txt
pytest
這一測試能夠覆寫 89% 的代碼。
除了項目外，作者還提供了不同的摳圖算法的基準測試結果，如下所示：
不同算法在測試資料集上的均方誤差大小。
可以看出，基于學習的算法和 Closed-Form 算法都能取得不錯的效果。
完整的基準測試結果：
https://pymatting.github.io/benchmark.html