Python自动化：一款基于AI的自动图片背景去除软件

官网的介绍很谦虚，Rembg^[1] 是一款图片背景去除工具. 这里我先简单介绍下它的特点。

特点

• 开源、免费
• 基于 Python 开发
• 后台引擎是用于显著对象检测的深度网络架构 U²-Net（后文有简单介绍）
• 安装简单

pip install rembg

• 支持命令行

# 处理本地图片
rembg i path/to/input.png path/to/output.png
# 处理整个目录
rembg p path/to/input path/to/output

该程序需要预先训练好的模型支持， 程序可以自动下载模型，不过是从 Google Drive 里，建议你关注本公众号，回复关键字: 去除背景,获得全部四个模型的下载地址，将模型下载并保存在用户主文件夹的.u2net
目录中， 默认使用的模型是u2net

• 支持 GPU

pip install rembg[gpu]

• 作为 Web Server 运行

rembg s
# 然后浏览器访问
http://localhost:5000/docs

• 作为包使用

# 字节组
from rembg import remove

input_path = 'input.png'
output_path = 'output.png'

with open(input_path, 'rb') as i:
    with open(output_path, 'wb') as o:
        input = i.read()
        output = remove(input)
        o.write(output)

# PIL
from rembg import remove
from PIL import Image

input_path = 'input.png'
output_path = 'output.png'

input = Image.open(input_path)
output = remove(input)
output.save(output_path)

# numpy array
from rembg import remove
import cv2

input_path = 'input.png'
output_path = 'output.png'

input = cv2.imread(input_path)
output = remove(input)
cv2.imwrite(output_path, output)

模型

所有模型都下载并保存在用户主文件夹的.u2net
目录中。

可用的型号有：

• u2net（下载^[2]-替代^[3]，来源^[4]）：用于一般用例的预训练模型。
• u2netp（下载^[5]-替代^[6]，源^[7]）：u2net 模型的轻量级版本。
• u2net_human_seg（下载^[8]-替代^[9]，来源^[10]）：用于人体分割的预训练模型。
• u2net_cloth_seg（下载^[11]-替代^[12]，来源^[13]）：用于从人类肖像中解析布料的预训练模型。这里的衣服被解析为 3 类：上半身、下半身和全身。

如果下载失败可以关注本公众号，回复关键字: 去除背景,获得全部四个模型的下载地址

如何训练自己的模型

如果您需要更精细的模型，试试这个：#193（评论）^[14]

高级用法

有时可以通过打开 alpha matting 来获得更好的结果。例子：

rembg i -a -ae 15 path/to/input.png path/to/output.png

U²-Net 简介

自从 CVPR2020 的用于显著对象检测的深度网络架构U²-Net^[15]开源以来，该项目的 GitHub 页面在三天内获得了 2,400 颗星，到目前已经 6200 颗星了。

U²-Net 给我们带来了什么？

得益于在 SOTA SOD 方法取得了不错的竞争力，U²-Net 可以应用在很多场景。首先，U²-Net 现在已经是 Python 的抠图工具 Rembg 的基础算法。抠图就是将照片的主体人或物品从图片中抠出来，以便贴到别处使用。除了被用来作为抠图外，素描肖像生成（Portrait Drawing）也是其非常有趣且流行的新应用。

如果你觉得有必要把它封装成便于使用的 app，请 👍、留言，谢谢！

参考资料