Rembg 背景移除完整教程5 分钟抠出第一张干净的产品图【免费下载链接】rembgRembg is a tool to remove images background项目地址: https://gitcode.com/GitHub_Trending/re/rembg把一张电商产品图丢进 Rembg几秒钟后背景就干净了前景带着透明通道叠到任何底色上都能直接用。Rembgremove background 的缩写是一个 Python 背景移除工具核心就一个remove()函数图片进去无背景 PNG 出来。下面按你想做成什么的顺序讲不堆功能清单。装完就跑第一条命令抠出第一张图 先确认 Python 版本在 3.11~3.13 之间python --version然后装包。没有独显就装 CPU 版依赖会一起装好不用单独处理pip install rembg[cpu,cli] # 库 命令行工具 # 有 NVIDIA 显卡且装了 CUDA 才用这个 pip install rembg[gpu,cli]装完直接跑第一次抠图from PIL import Image from rembg import remove img Image.open(car-2.jpg) out remove(img) # 默认用 u2net 模型 out.save(car-2.out.png)你可能会问为什么第一张图要等好久因为模型文件在首次运行时自动下载到~/.u2net目录后面再跑就是秒级。第一次跑通之后看看这个效果对比——左边原图右边是 Rembg 抠完背景的输出走 GPU 路线的话先对照官方这张安装矩阵确认你的系统支不支持onnxruntime-gpu装完rembg[gpu]才白不白费做一张能直接交活的证件照证件照是个好例子因为它一次就用到模型选择、换底色、修边缘三件事。人像模型用哪个直接用人像专用的birefnet-portrait。new_session就像先把引擎热起来建一次就能反复用别每张图都新建from PIL import Image from rembg import new_session, remove session new_session(birefnet-portrait) # 人像专用模型 img Image.open(girl-1.jpg) out remove(img, sessionsession, bgcolor(67, 142, 219, 255)) # 直接合成蓝色底 out.save(id_photo.jpg, JPEG)这里的关键是bgcolor它跳过先透明再合成两步直接把指定 RGBA 颜色填到背景上一行搞定蓝底证件照。想保留透明通道去掉bgcolor即可。发丝边缘毛糙怎么修加上 alpha matting 参数它是一步边缘精修专门处理头发丝这种半透明区域out remove(img, sessionsession, alpha_mattingTrue, alpha_matting_foreground_threshold240, # 高于它算前景 alpha_matting_background_threshold10, # 低于它算背景 alpha_matting_erode_size15) # 腐蚀半径调边缘 如果嫌抠出的蒙版有锯齿还可以传post_process_maskTrue对掩码做后处理边缘会更平滑。动漫、商品、动物抠图模型怎么选不同内容用错模型效果差得很明显。常用模型大致这样分模型适用场景u2net默认通用模型均衡之选u2netp/silueta轻量silueta 仅约 43MB资源紧张时用它birefnet-general/birefnet-general-lite高精度通用lite 是它的轻量版birefnet-portrait人像、证件照isnet-anime动漫人物发丝和轮廓明显更准u2net_cloth_seg把衣物解析成上身/下身/全身三类sam可交互传input_points点几下图提示模型哪里是前景用法上没门槛把名字传给new_session()就行模型自动下载。想看每个模型的实现细节翻 模型源码目录。拿动漫图对比一下左边原图右边是isnet-anime的抠图结果——线稿和发丝的轮廓比通用模型干净得多动物、商品这类常规物体u2net或birefnet-general通常就够了另外如果你不要成品图、只要一张白前景黑背景的蒙版比如拿去做别的处理传only_maskTrue就行不用单独写代码。一百张图怎么跑得快你可能会想一百张、一千张图怎么办答案就一句话——session 只建一次。默认每次调remove都会重新加载模型那才是批量场景下最大的瓶颈from pathlib import Path from rembg import new_session, remove session new_session(birefnet-general) for f in Path(input_dir).glob(*.png): out remove(f.read_bytes(), sessionsession) # 直接吃字节 (f.parent / (f.stem .out.png)).write_bytes(out)注意remove可以直接收 bytes省掉开图存图的来回。不想写代码的话CLI 的批量子命令一句话搞定rembg p 输入目录 输出目录加-w还能监听目录新文件自动抠。它一共四个子命令i单张、p文件夹、s起 HTTP 服务、b接 FFmpeg 裸视频流——最后那个意味着连视频帧都能逐帧抠。下载失败、内存爆、边缘毛糙排查清单 ⚠️跑的时候大概率会撞上几个坑按清单对模型下载失败 / 想换目录手动把.onnx放进~/.u2net即可用环境变量U2NET_HOME可以整体挪走模型目录Docker 里挂载它还能避免每次重下。内存不够换轻量模型u2netp或silueta或者先把大图降分辨率再抠。速度太慢上 GPU 版纯 CPU 时调OMP_NUM_THREADS控制推理线程数。GPU 版装不上多半是 CUDA/cuDNN 环境不满足回退rembg[cpu]最省事。抠图总差一口气换birefnet系列试试叠alpha_matting或开post_process_maskTrue动漫图记得换isnet-anime。要用自己转换的模型设MODEL_CHECKSUM_DISABLED1把文件按对应文件名放进模型目录rembg 就不会覆盖它。不想写代码的装完 CLI 后rembg i 输入.png一条命令就能出图更多参数和服务器用法直接翻 完整用法说明 和 README.md够你用到上生产为止。【免费下载链接】rembgRembg is a tool to remove images background项目地址: https://gitcode.com/GitHub_Trending/re/rembg创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Rembg 背景移除完整教程5 分钟抠出第一张干净的产品图【免费下载链接】rembgRembg is a tool to remove images background项目地址: https://gitcode.com/GitHub_Trending/re/rembg把一张电商产品图丢进 Rembg几秒钟后背景就干净了前景带着透明通道叠到任何底色上都能直接用。Rembgremove background 的缩写是一个 Python 背景移除工具核心就一个remove()函数图片进去无背景 PNG 出来。下面按你想做成什么的顺序讲不堆功能清单。装完就跑第一条命令抠出第一张图 先确认 Python 版本在 3.11~3.13 之间python --version然后装包。没有独显就装 CPU 版依赖会一起装好不用单独处理pip install rembg[cpu,cli] # 库 命令行工具 # 有 NVIDIA 显卡且装了 CUDA 才用这个 pip install rembg[gpu,cli]装完直接跑第一次抠图from PIL import Image from rembg import remove img Image.open(car-2.jpg) out remove(img) # 默认用 u2net 模型 out.save(car-2.out.png)你可能会问为什么第一张图要等好久因为模型文件在首次运行时自动下载到~/.u2net目录后面再跑就是秒级。第一次跑通之后看看这个效果对比——左边原图右边是 Rembg 抠完背景的输出走 GPU 路线的话先对照官方这张安装矩阵确认你的系统支不支持onnxruntime-gpu装完rembg[gpu]才白不白费做一张能直接交活的证件照证件照是个好例子因为它一次就用到模型选择、换底色、修边缘三件事。人像模型用哪个直接用人像专用的birefnet-portrait。new_session就像先把引擎热起来建一次就能反复用别每张图都新建from PIL import Image from rembg import new_session, remove session new_session(birefnet-portrait) # 人像专用模型 img Image.open(girl-1.jpg) out remove(img, sessionsession, bgcolor(67, 142, 219, 255)) # 直接合成蓝色底 out.save(id_photo.jpg, JPEG)这里的关键是bgcolor它跳过先透明再合成两步直接把指定 RGBA 颜色填到背景上一行搞定蓝底证件照。想保留透明通道去掉bgcolor即可。发丝边缘毛糙怎么修加上 alpha matting 参数它是一步边缘精修专门处理头发丝这种半透明区域out remove(img, sessionsession, alpha_mattingTrue, alpha_matting_foreground_threshold240, # 高于它算前景 alpha_matting_background_threshold10, # 低于它算背景 alpha_matting_erode_size15) # 腐蚀半径调边缘 如果嫌抠出的蒙版有锯齿还可以传post_process_maskTrue对掩码做后处理边缘会更平滑。动漫、商品、动物抠图模型怎么选不同内容用错模型效果差得很明显。常用模型大致这样分模型适用场景u2net默认通用模型均衡之选u2netp/silueta轻量silueta 仅约 43MB资源紧张时用它birefnet-general/birefnet-general-lite高精度通用lite 是它的轻量版birefnet-portrait人像、证件照isnet-anime动漫人物发丝和轮廓明显更准u2net_cloth_seg把衣物解析成上身/下身/全身三类sam可交互传input_points点几下图提示模型哪里是前景用法上没门槛把名字传给new_session()就行模型自动下载。想看每个模型的实现细节翻 模型源码目录。拿动漫图对比一下左边原图右边是isnet-anime的抠图结果——线稿和发丝的轮廓比通用模型干净得多动物、商品这类常规物体u2net或birefnet-general通常就够了另外如果你不要成品图、只要一张白前景黑背景的蒙版比如拿去做别的处理传only_maskTrue就行不用单独写代码。一百张图怎么跑得快你可能会想一百张、一千张图怎么办答案就一句话——session 只建一次。默认每次调remove都会重新加载模型那才是批量场景下最大的瓶颈from pathlib import Path from rembg import new_session, remove session new_session(birefnet-general) for f in Path(input_dir).glob(*.png): out remove(f.read_bytes(), sessionsession) # 直接吃字节 (f.parent / (f.stem .out.png)).write_bytes(out)注意remove可以直接收 bytes省掉开图存图的来回。不想写代码的话CLI 的批量子命令一句话搞定rembg p 输入目录 输出目录加-w还能监听目录新文件自动抠。它一共四个子命令i单张、p文件夹、s起 HTTP 服务、b接 FFmpeg 裸视频流——最后那个意味着连视频帧都能逐帧抠。下载失败、内存爆、边缘毛糙排查清单 ⚠️跑的时候大概率会撞上几个坑按清单对模型下载失败 / 想换目录手动把.onnx放进~/.u2net即可用环境变量U2NET_HOME可以整体挪走模型目录Docker 里挂载它还能避免每次重下。内存不够换轻量模型u2netp或silueta或者先把大图降分辨率再抠。速度太慢上 GPU 版纯 CPU 时调OMP_NUM_THREADS控制推理线程数。GPU 版装不上多半是 CUDA/cuDNN 环境不满足回退rembg[cpu]最省事。抠图总差一口气换birefnet系列试试叠alpha_matting或开post_process_maskTrue动漫图记得换isnet-anime。要用自己转换的模型设MODEL_CHECKSUM_DISABLED1把文件按对应文件名放进模型目录rembg 就不会覆盖它。不想写代码的装完 CLI 后rembg i 输入.png一条命令就能出图更多参数和服务器用法直接翻 完整用法说明 和 README.md够你用到上生产为止。【免费下载链接】rembgRembg is a tool to remove images background项目地址: https://gitcode.com/GitHub_Trending/re/rembg创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
