Rembg

Rembg 是一个用于移除图像背景的工具。

如果这个项目对您有帮助，请考虑捐赠。

赞助商

<table> <tr> <td align="center" vertical-align="center"> <a href="https://photoroom.com/api/remove-background?utm_source=rembg&utm_medium=github_webpage&utm_campaign=sponsor" > <img src="https://yellow-cdn.veclightyear.com/835a84d5/c5150281-041b-4b7b-9cd9-c94f408db864.png" width="120px;" alt="Unsplash" /> </a> </td> <td align="center" vertical-align="center"> PhotoRoom 移除背景 API <a href="https://photoroom.com/api/remove-background?utm_source=rembg&utm_medium=github_webpage&utm_campaign=sponsor">https://photoroom.com/api</a> 快速准确的背景移除 API </td> </tr> </table>

要求

python: >3.7, <3.13

安装

CPU 支持：

pip install rembg # 仅安装库
pip install rembg[cli] # 安装库和命令行界面

GPU 支持：

首先，您需要检查您的系统是否支持 onnxruntime-gpu。

访问 https://onnxruntime.ai 并查看安装矩阵。

如果支持，只需运行：

pip install rembg[gpu] # 仅安装库
pip install rembg[gpu,cli] # 安装库和命令行界面

作为命令行工具使用

安装完成后，您可以在终端窗口中输入 rembg 来使用 rembg。

rembg 命令有 4 个子命令，分别对应不同的输入类型：

i 用于文件
p 用于文件夹
s 用于 HTTP 服务器
b 用于 RGB24 像素二进制流

您可以使用以下命令获取主命令的帮助：

rembg --help

同样，您可以使用以下命令获取所有子命令的帮助：

rembg <命令> --help

rembg `i`

用于输入和输出都是文件的情况。

从远程图像中移除背景

curl -s http://input.png | rembg i > output.png

从本地文件中移除背景

rembg i path/to/input.png path/to/output.png

指定模型并移除背景

rembg i -m u2netp path/to/input.png path/to/output.png

移除背景并仅返回蒙版

rembg i -om path/to/input.png path/to/output.png

应用 alpha 抠图并移除背景

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

传递额外参数

SAM 示例

rembg i -m sam -x '{ "sam_prompt": [{"type": "point", "data": [724, 740], "label": 1}] }' examples/plants-1.jpg examples/plants-1.out.png

自定义模型示例

rembg i -m u2net_custom -x '{"model_path": "~/.u2net/u2net.onnx"}' path/to/input.png path/to/output.png

rembg `p`

用于输入和输出都是文件夹的情况。

移除文件夹中所有图像的背景

rembg p path/to/input path/to/output

与上面相同，但会监视新文件/更改的文件以进行处理

rembg p -w path/to/input path/to/output

rembg `s`

用于启动 HTTP 服务器。

rembg s --host 0.0.0.0 --port 7000 --log_level info

要查看完整的端点文档，请访问：http://localhost:7000/api。

从图像 URL 中移除背景

curl -s "http://localhost:7000/api/remove?url=http://input.png" -o output.png

从上传的图像中移除背景

curl -s -F file=@/path/to/input.jpg "http://localhost:7000/api/remove"  -o output.png

rembg `b`

从标准输入处理一系列RGB24图像。这主要用于与另一个程序配合使用，比如FFMPEG，将RGB24像素数据输出到标准输出，然后通过管道传递给本程序的标准输入，当然也不妨碍你手动在标准输入中输入图像。

rembg b 图像宽度 图像高度 -o 输出格式指定符

参数:

图像宽度：输入图像的宽度
图像高度：输入图像的高度
输出格式指定符：printf风格的输出文件名指定符，例如output-%03u.png，则输出文件将被命名为output-000.png、output-001.png、output-002.png等。无论指定的扩展名是什么，输出文件都将以PNG格式保存。你可以省略它以将结果写入标准输出。

与FFMPEG一起使用的示例：

ffmpeg -i input.mp4 -ss 10 -an -f rawvideo -pix_fmt rgb24 pipe:1 | rembg b 1280 720 -o folder/output-%03u.png

宽度和高度值必须与FFMPEG输出图像的尺寸相匹配。注意对于FFMPEG，"-an -f rawvideo -pix_fmt rgb24 pipe:1"部分是整个命令运行所必需的。

作为库使用

输入和输出为字节

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)

输入和输出为PIL图像

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)

输入和输出为numpy数组

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)

强制输出为字节

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, force_return_bytes=True)
        o.write(output)

如何以高性能方式迭代文件

from pathlib import Path
from rembg import remove, new_session

session = new_session()

for file in Path('path/to/folder').glob('*.png'):
    input_path = str(file)
    output_path = str(file.parent / (file.stem + ".out.png"))

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

要查看如何使用rembg的完整示例列表，请转到示例页面。

作为docker使用

只需将rembg命令替换为docker run danielgatis/rembg。

试试这个：

docker run -v path/to/input:/rembg danielgatis/rembg i input.png path/to/output/output.png

模型

所有模型都会下载并保存在用户主文件夹的.u2net目录中。

可用的模型有：

u2net (下载, 源码)：适用于一般用途的预训练模型。
u2netp (下载, 源码)：u2net模型的轻量级版本。
u2net_human_seg (下载, 源码)：用于人体分割的预训练模型。
u2net_cloth_seg (下载, 源码)：用于从人像中解析服装的预训练模型。这里将服装解析为3类：上身、下身和全身。
silueta (下载, 源码)：与u2net相同，但大小减小到43Mb。
isnet-general-use (下载, 源码)：适用于一般用途的新预训练模型。
isnet-anime (下载, 源码)：用于动漫角色的高精度分割模型。
sam (下载编码器, 下载解码器, 源码)：适用于任何用途的预训练模型。

如何训练自己的模型

如果你需要更精细的模型，可以尝试这个： https://github.com/danielgatis/rembg/issues/193#issuecomment-1055534289

一些视频教程

参考文献

常见问题

这个库何时会支持Python 3.xx版本？

这个库直接依赖于onnxruntime库。因此，只有当onnxruntime提供对特定版本的支持时，我们才能更新Python版本。

请我喝杯咖啡

喜欢我的一些作品吗？请我喝杯咖啡（或者更可能是啤酒）

星标历史

许可证

基于MIT许可证授权

rembg

Rembg

赞助商

要求

安装

作为命令行工具使用

rembg i

rembg p

rembg s

rembg b

作为库使用

作为docker使用

模型

如何训练自己的模型

一些视频教程

参考文献

常见问题

这个库何时会支持Python 3.xx版本？

请我喝杯咖啡

星标历史

许可证

编辑推荐精选

Keevx

即梦AI

扣子-AI办公

TRAE编程

蛙蛙写作

问小白

Transly

讯飞智文

讯飞星火

Spark-TTS

探索AI的无限可能

推荐工具精选

TRAE编程

扣子-AI办公

讯飞文书

讯飞绘文

讯飞绘镜

阿里绘蛙

咔片PPT

AI云服务特惠

火山引擎

阿里云

腾讯云

华为云

百度智能云

AWS

关注微信公众号

rembg `i`

rembg `p`

rembg `s`

rembg `b`