基于svm的抠图给出代码

以下是基于SVM的图像分割/抠图的示例代码，使用Python和scikit-learn库：

from sklearn import svm
import numpy as np
import cv2

# 读取图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 提取特征
X = np.reshape(gray,(-1,1))

# 创建标签，手动标注前景和背景
Y = np.zeros((gray.shape[0]*gray.shape[1],))
Y[20000:22000] = 1
Y[30000:35000] = 1

# 训练svm分类器
clf = svm.SVC(kernel='linear', C=1.0)
clf.fit(X,Y)

# 预测所有像素的标签并重塑为原图像大小
result = clf.predict(np.reshape(gray,(-1,1)))
result = np.reshape(result,gray.shape)

# 将前景提取出来
mask = np.zeros_like(result)
mask[result==1] = 255

# 保存结果
cv2.imwrite('mask.jpg',mask)

这段代码中，首先读取了一张图像并转换为灰度图像。然后，将灰度图像的像素值作为特征，手动标注一些前景和背景的像素，并将标签作为训练数据。接着，使用SVM分类器训练这些数据。最后，对整张图像中的所有像素进行预测，得到每个像素的标签，将前景部分提取出来并保存为一张掩膜图像。

这只是一个简单的示例，实际应用中，需要根据具体情况选择不同的特征和算法，并对模型进行调参优化，以达到更好的效果。