无需Photoshop！Rembg：图像背景自动去除工具

背景

Rembg是一个用于去除图像背景的开源工具。它的名称是"Remove Background"的缩写，其主要功能是自动检测图像中的前景物体并将其从背景中分离出来，从而创建具有透明背景的图像。你不需要了解复杂的操作步骤，例如phtoshop等。只需要一行命令调用，就能实现背景擦除。总的来说，Rembg是一个方便的工具，特别适用于需要批量处理图像并去除背景的应用场景，如图像编辑、产品展示、广告制作等

准备工作

GPU支持

首先需要安装CUDA Toolkit,这个安装大家随便从网上search下就可以，很多。

然后安装cudnn，即cuda编写的深度学习库。

其中cudnn的下载链接如下所示：

https://developer.nvidia.com/rdp/cudnn-archive

注册完成后，下载相应版本的cudnn,笔者下载的是
cudnn-windows-x86_64-8.7.0.84_cuda11-archive版本。

1. 解压cudnn-windows-x86_64-8.7.0.84_cuda11-archive.zip
2. 拷贝include\x64下面的内容到C:\Program Files\NVIDIA GPU Computing
   Toolkit\CUDA\v{version}\include\x64
3. 拷贝lib下面的内容到C:\Program Files\NVIDIA GPU Computing
   Toolkit\CUDA\v{version}\lib
4. 拷贝bin下面的内容到C:\Program Files\NVIDIA GPU Computing
   Toolkit\CUDA\v{version}\bin

Could not locate zlibwapi.dll. Please make sure it is in your library path!

这个错误表示找不到zlibwapi.dll这个动态链接库文件。zlibwapi.dll是zlib库的Windows版本,一些Python包在Windows上需要依赖它。

感谢网友提供的下载链接

链接：
https://pan.baidu.com/s/1v0E0Q3kpHv6ovZ7ZNIy0wg

提取码：irjk

下载好包后解压，并将各个文件添加到指定路径，如下：

1. zlibwapi.lib文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib\x64
2. zlibwapi.dll文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin

部署

python -m venv venv
venv/Scripts/activate
pip install rembg[gpu,cli] # for library + cli

下载模型

所有模型都会下载并保存在用户主目录下的.u2net目录中。

可用的模型包括：

u2net（下载，源码）：用于一般用途的预训练模型。

u2netp（下载，源码）：u2net模型的轻量版本。

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。这里的服装被解析为上半身、下半身和全身三个类别。

silueta（下载，源码）：与u2net相同，但大小缩减到43Mb。

isnet-general-use（下载，源码）：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。

sam（下载编码器，下载解码器，源码）：用于任何用途的预训练模型。

具体模型下载链接：
https://github.com/danielgatis/rembg这里里面有。

我们使用的u2net作为演示

整个网络是u形，考虑各尺度的特征融合。具体的设计细节可以参考论文

https://arxiv.org/pdf/2005.09007.pdf

运行测试

rembg i mibao.jpg mibaon.jpg

参考链接：

https://github.com/danielgatis/rembg

https://github.com/microsoft/onnxruntime/issues/13576

https://blog.csdn.net/CSTGYinZong/article/details/120834107

https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#installdriver-windows

https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#depend

https://blog.csdn.net/qq_40280673/article/details/132229908