我們?nèi)粘Ｉ钪兄谱鱌PT等教學資源時，需要批量去除圖片背景，就可以使用 Python 的 rembg 庫。

這個庫基于神經(jīng)網(wǎng)絡模型，去背景效果較好，可以批量處理png, jpg, jpeg等圖片。采用以下代碼可以批量處理當前目錄下的所有圖片，去除背景后并保存為透明背景的圖像存在output當中。

一、安裝rembg庫

不過，使用前需要在cmd下或者pycharm, thonny等pyhon的idle調試工具中安裝一下這個rembg庫，安裝代碼：

pip install rembg

二、下載u2net.onnx機器學習模型

安裝完成rembg模塊后，第一次運行程序，調用這個模塊，還需要安裝機器學習模型：u2net.onnx，大小為176M，程序會自動下載，全程不需要干涉。

下載機器學習模型

這個模型文件 (u2net.onnx) 是經(jīng)過訓練的深度學習模型，包含了用于識別并分離前景和背景的算法權重。rembg 庫使用 U2-Net 來執(zhí)行背景去除的任務。第一次使用 rembg 時，庫會自動下載這個模型文件，以確保能夠正確運行背景去除功能。

具體來說：模型文件 u2net.onnx：U2-Net 模型是一個開源的圖像分割模型，專門用于前景-背景分離。rembg 使用這個模型的 .onnx 文件格式，方便兼容各種框架。

由于rembg 沒有默認包含該模型文件，因此在第一次運行時需要下載并存儲在本地（C:\Users\用戶名\.u2net\u2net.onnx），下載完成后，模型文件會保存在你用戶目錄的 .u2net 文件夾中，后續(xù)運行 rembg 就不需要重新下載。

三、編寫清除圖片背景代碼

下載完成后，程序會自動運行清除背景的程序，如下面的程序，批量把當前目錄下的圖片文件，移除背景，設置透明背景后存在output文件夾下面，全程操作非常的快。

import os
from rembg import remove
from PIL import Image
 
# 定義輸入和輸出文件夾
input_folder = '.'  # 當前目錄
output_folder = './output/'  # 輸出文件夾
 
# 創(chuàng)建輸出文件夾（如果不存在）
# if not os.path.exists(output_folder):
os.makedirs(output_folder,exist_ok=True)
 
# 遍歷當前目錄的所有文件
for filename in os.listdir(input_folder):
    # 檢查是否為圖像文件（可以添加更多格式）
    if filename.lower().endswith(('.png', '.jpg', '.jpeg')):
        input_path = os.path.join(input_folder, filename)
        output_path = os.path.join(output_folder, filename.split('.')[0] + '_no_bg.png')
        
        # 打開圖像并去除背景
        with open(input_path, 'rb') as input_file:
            input_image = input_file.read()
            output_image = remove(input_image)
        
        # 將結果保存為 PNG 格式
        with open(output_path, 'wb') as output_file:
            output_file.write(output_image)
 
print("圖片背景已去除并保存到 'output' 文件夾。")

input_folder 指定輸入文件夾，這里設為當前目錄 ./。

output_folder 是輸出文件夾（去除背景后的圖片保存位置），如果不存在，則會自動創(chuàng)建。

腳本遍歷當前目錄中的所有圖像文件（.png, .jpg, .jpeg），去除背景后以透明背景 PNG 格式保存到 output 文件夾中。

四、效果對比

以下是清除背景前后的效果對比，怎么樣，還算不錯吧？

清除背景前：

清除背景后：

到此這篇關于Python實現(xiàn)批量設置圖片背景為透明的文章就介紹到這了,更多相關Python圖片背景透明內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論