图像背景移除工具使用教程

图像背景移除工具使用教程

【免费下载链接】image-background-remove-tool 项目地址: https://gitcode.com/gh_mirrors/im/image-background-remove-tool

1. 项目介绍

image-background-remove-tool 是一个自动化的高质量图像背景移除框架，它利用神经网络技术从图像中移除背景。该工具支持批处理，能够在NVIDIA CUDA 和 CPU 上进行处理，支持FP16推理以实现快速推理和低内存使用。它可以轻松地与您的代码集成，并提供了一个100%兼容 remove.bg 的 FastAPI HTTP API。

2. 项目快速启动

环境准备

在开始之前，请确保您的系统中已安装了Python，版本范围从3.9到3.11.7。

CPU版本安装

使用以下命令安装适用于CPU处理的 carvekit：

pip install carvekit --extra-index-url https://download.pytorch.org/whl/cpu

GPU版本安装

确保您拥有一块显存为8GB的NVIDIA GPU，并安装了适用于GPU的CUDA Toolkit 12.1和相应的视频驱动程序。然后使用以下命令安装 carvekit：

pip install carvekit --extra-index-url https://download.pytorch.org/whl/cu121

代码示例

以下是一个简单的代码示例，展示了如何使用 HiInterface 来移除图像背景：

import torch
from carvekit.api.high import HiInterface

# 创建接口实例
interface = HiInterface(
    object_type="hairs-like",  # 可以是 "object" 或 "hairs-like"
    batch_size_seg=5,
    batch_size_matting=1,
    device='cuda' if torch.cuda.is_available() else 'cpu',
    seg_mask_size=640,  # 使用640针对Tracer B7，320针对U2Net
    matting_mask_size=2048,
    trimap_prob_threshold=231,
    trimap_dilation=30,
    trimap_erosion_iters=5,
    fp16=False
)

# 移除背景
images_without_background = interface(['./tests/data/cat.jpg'])

# 保存结果
cat_wo_bg = images_without_background[0]
cat_wo_bg.save('2.png')

3. 应用案例和最佳实践

案例一：头发处理

对于包含头发的图像，推荐使用 U2-Net 神经网络和 FBA 后处理方法，以获得最佳效果。

from PIL import Image
from carvekit.api.interface import Interface
from carvekit.ml.wrap.fba_matting import FBAMatting
from carvekit.ml.wrap.tracer_b7 import TracerUniversalB7
from carvekit.pipelines.postprocessing import MattingMethod
from carvekit.pipelines.preprocessing import PreprocessingStub
from carvekit.trimap.generator import TrimapGenerator

# 创建网络和管道实例
seg_net = TracerUniversalB7(device='cpu', batch_size=1)
fba = FBAMatting(device='cpu', input_tensor_size=2048, batch_size=1)
trimap = TrimapGenerator()
preprocessing = PreprocessingStub()
postprocessing = MattingMethod(matting_module=fba, trimap_generator=trimap, device='cpu')

# 创建接口实例
interface = Interface(
    pre_pipe=preprocessing,
    post_pipe=postprocessing,
    seg_pipe=seg_net
)

# 处理图像
image = Image.open('tests/data/cat.jpg')
cat_wo_bg = interface([image])[0]
cat_wo_bg.save('2.png')

案例二：物体处理

对于一般的物体，推荐使用 Tracer-B7 神经网络。

# 与上述代码类似，仅修改 object_type 和 seg_mask_size
interface = HiInterface(
    object_type="object",
    seg_mask_size=640,
    # 其他参数保持不变
)

4. 典型生态项目

目前，image-background-remove-tool 可以与多种项目集成，例如图像编辑工具、自动化工作流、网站和应用程序中的实时背景移除功能等。开发者可以根据具体需求，将此工具嵌入到自己的项目中，以实现高效、高质量的图像背景移除。

【免费下载链接】image-background-remove-tool 项目地址: https://gitcode.com/gh_mirrors/im/image-background-remove-tool