抠图opencv有现成的开源DNN库
OpenCV 本身并没有像“专门用于抠图（图像分割/抠前景）”的 DNN 模型库，但它可以直接使用一些流行的语义分割/实例分割模型来完成抠图。这里我给你梳理一下思路和方案：
1️⃣ OpenCV DNN 支持的分割模型
OpenCV 的dnn模块可以加载常见的深度学习框架模型（Caffe、ONNX、TensorFlow、Torch 等），常用的抠图/分割模型包括：
| 模型类型 | 功能 | 备注 |
|---|---|---|
| DeepLabv3 / DeepLabv3+ | 语义分割 | 可以用来抠出人物、物体等前景 |
| U^2-Net | 前景分割（人像、物体） | 非常轻量且效果好，特别适合抠图 |
| Mask R-CNN | 实例分割 | 可以检测每个目标并生成精确掩码 |
| MODNet | 人像抠图专用 | 对于移动端或者快速抠人像非常实用 |
⚠️ 注意：这些模型只是 DNN 模型文件，本身不依赖 OpenCV。OpenCV 的 DNN 模块主要是用来加载推理。
2️⃣ 如何在 OpenCV 中做抠图
基本流程大概如下（以 U^2-Net/DeepLabv3 为例）：
#include <opencv2/dnn.hpp> #include <opencv2/opencv.hpp> using namespace cv; using namespace cv::dnn; int main() { // 1. 加载模型（ONNX 格式更方便） Net net = readNetFromONNX("u2net.onnx"); // 2. 读取图像 Mat img = imread("person.jpg"); // 3. 转为 blob Mat blob = blobFromImage(img, 1.0/255.0, Size(320, 320), Scalar(), true, false); // 4. 前向推理 net.setInput(blob); Mat pred = net.forward(); // 5. 后处理生成 mask Mat mask; resize(pred, mask, img.size()); mask = mask > 0.5; // 二值化 // 6. 应用 mask 抠图 Mat result; img.copyTo(result, mask); imshow("Result", result); waitKey(); }3️⃣ 移动端/Android 抠图
可以直接用ONNX + OpenCV DNN，无需 TensorFlow 或 PyTorch。
轻量模型推荐：U^2-Net (mini)或MODNet。
对于多人或者复杂背景，Mask R-CNN 更强，但推理慢。
💡小结：
OpenCV 没有专门叫“抠图 DNN”的模块，但你完全可以用U^2-Net、MODNet、DeepLabv3、Mask R-CNN等分割网络，通过cv::dnn做前景抠图。