序1： 
首先呢， 得感谢百度提供了AI的教师培训课程，这才使得我有机会接触并认真去搞整搞整百度提供的飞桨平台。其次呢，还是得感谢百度，再次提供了AI的教师培训课程。哈哈哈哈。有点绕吧，其实事情是这样的，以前也搞整过深度学习的研究，不过是用的tensorflow系列。我觉得，如今的国际形势。。。(扯远了，以下省略字数N万）。 总之就是得搞整一点国货，不然技术一封，我们这些技术人员不是得吃白饭了。于是在今年（2020年）5月的时候，就参加过一次百度提供的这个培训课程了，在各位老师的耐心指导下学到了不少的东西，5月的培训中，在讲到paddlehub 时，就开设了一个paddlehub的创意项目。当时，就有做这个火柴人的想法， 并且和当时的助教-熊熊讨论过，他也有过类似的相法，我们俩都觉得这个想法不错。但是5月份我学校的课程还没有结束，再加上技术上还有不少不太清楚的地方， 所以最后这个想法----搁浅了。 但是，（又是但是， 怎么那么多但是， 没法啊。语文没学好，今天晚上督促娃多读两篇语文书，不能吃我吃过的亏  。（娃：我好无辜    ），今年（2020年）7月，百度又再次提供了这样的机会，我居然有幸再次参加了这次的课程，两次课程的内容大致差不多， 不过，温故而知新嘛，又GET到了不少技能。在这次的创意项目中，我又再次想起了上次的点子，于是....开干吧。

序2：
 火柴人GIF，火柴人视频，火柴人游戏，不知道多少人还记得这东东。画风给人独树一帜的感觉，很新奇，去掉了各种华丽的装饰，直入主题，动作感很突出。
其中以小小出品的火柴人游戏，更是当年的掌中明珠。

忘记的同学可以看看以下图片和链接：

火柴人游戏：
https://baike.baidu.com/item/火柴人小游戏/10896187?fr=aladdin
      

https://baijiahao.baidu.com/s?id=1578483231378609401&wfr=spider&for=pc
当年， 这个系列就给我留下了相当深刻的映像，于是，才有了今天的这个创意作品。

花絮
首先，感谢又来了。没法子，从小妈妈就教育我们要有一颗感恩的心。 这里要特别感谢 培训班的班班-倩倩，助教-余老师以及湖南大学的周老师，他们给了我不少的帮助和支持。 
   有了想法， 又有了技术和平台的支持（paddlehub),于是，继续开干吧。

首先参考了aistudio上别人的项目：
《图像分割任务--人像扣图实战》 链接： https://aistudio.baidu.com/aistudio/projectdetail/702576
该项目实现了从图片中扣人像的功能。 不过在复现这个项目的时候出现了点小问题，在用paddlehub 进行扣图时，一直无法存储扣图后的结果。 在助教余老师和湖南大学的周老师的帮助下，将这个BUG 修复了。其主要原因是，参数少了一坨。  
原始代码：
    results = module.segmentation(data=input_dict,output_dir=output_path)
       这个用法可能是早期版本的,在目前python = 3.7, paddlepaddle = 1.8.0, paddlehub =1.6的环境下，一直无法把处理后的图像存放到指定目录。
       经多次实验和查找相关资料，终于查到目前的正确用法，如下：
    results = module.segmentation(data=input_dict,visualization=True,output_dir=output_path)

为了火柴人，最核心的地方就是动作，既然要有动作，那最方便的便是从视频中截取吧。于是又参考了另一个paddlehub的项目：
《PaddleHub抠图比赛》， 链接： https://aistudio.baidu.com/aistudio/projectdetail/377462
这个项目里，实现了视频转图片， 图片扣人像，加背景，生成视频4个部分。 （PS：这个项目里的扣图，也出现了上面提到的无法存图的问题。）

程序流程及算法
整个程序的流程以及核心技术方案最初设计如下：
视频抽帧(opencv) -> 扣人像(paddlehub) -> 人像二值化(opencv)  -> 提取骨架(scikit-image)  -> 生成视频(opencv) 

在多次实验后发现，按照上面的流程做，提取骨架后，骨架很多地方就那么1-2个像素，看起来不是火柴人，而是丝线人，动作感的表达也不尽人意，然后呢，用OPENCV做二值 化，有点大材小用了，干脆采用了最简单粗暴的方法，直接把矩阵值大于 0 的置1，于是修改程序流程以及核心技术方案如下：
视频抽帧(opencv) -> 扣人像(paddlehub) -> 人像二值化(矩阵数值转换)  -> 提取骨架(scikit-image)  -> 骨架膨胀(opencv) -> 生成视频(opencv) 

在实现过程中，也出现了一些小麻烦，PIL和CV两个库都有读图像、处理图像的函数，经常用混淆了，从而出现多个意外。在合成视频时，由于保存视频分辨率设置与扣图后的分辨率不同，使得保存的视频出错。 又或保存视频的FPS设置不当，使得视频看起来要么是快放，要么是慢动作。等等等等， 不过在不懈的努力下，终于搞好了。 

老师当久了，就那毛病，P话F话特别多。哈哈哈。 说了那么多，我们来上干货吧。 先看看原始视频和处理后结果 。

原始视频   （这个论坛无法看视频，只能上几张截图来看看效果了。要看请移步本项目的分享链接，见本文最后） （ 这里吐槽下AISTUDIO 的论坛，不支持视频，不支持GIF动画，感觉有些太简陋了点。希望度娘的奶妈们能把这个论坛也奶大吧）

火柴人视频  （这个论坛无法看视频，只能上几张截图来看看效果了。要看请移步本项目的分享链接，见本文最后）

主要技术其实在上面的流程中已经写了。
在视频抽帧中，主要采用了
  cap = cv2.VideoCapture(video_path)     # 读取视频文件
  cap.read()                             # 按帧读取视频

在扣人像步骤中， 主要采用了：
  paddlehub 的 module.segmentation(data=input_dict,visualization=True, output_dir=out_path)     # 扣取人像

在人像二值化中，先将像素值归一化后，直接使大于0的置1：        
   scope_map = np.array(in_image)[:,:,-1] / 255

   img1 = np.int64(scope_map>0)

在骨架提取中，使用了Scikit-Image库：
   # 首先安装 Scikit-Image库  ： 
   !pip install Scikit-Image
   # 然后用：
   skeleton =morphology.skeletonize(img1)      #对图像img1 进行骨架提取

在将骨架膨胀中用了opencv库的dilate函数： 
    kernel = np.ones((7,7),np.uint8)     # 定义一个膨胀卷积核，里面的两个数字决定了膨胀的程度
  dst = cv2.dilate(src,kernel)         #  用kernel 对src 进行膨胀

最后采用opencv 中的VideoWriter_fourcc 和 VideoWriter函数把处理后的图片合成一个视频。
    fourcc = cv2.VideoWriter_fourcc(*'mp4v')
    out = cv2.VideoWriter(out_path,fourcc, FPS, size)

好了。 搞整了半个晚上来写代码，调程序 ，又搞整了半天来写篇BLOG分享一下自己的思路，技术，以及喜悦。从此以后， 终于可以方便的做自己的火柴人视频了。不过骨架提取的效果还是有待提升。

恩。差点忘了上整 个项目的链接：
https://aistudio.baidu.com/aistudio/projectdetail/702857

最后，还是给个QQ空间的本文的链接吧，上面能够看到GIF，和相关视频。 强调：不是打广告，所以我把这个写到最后， 字体也用得最小。希望大家能够理解。

https://user.qzone.qq.com/2198737/blog/1597041281