图片背景移除 Skill
环境要求与自动修复
环境要求
- Python 3.8 或更高版本
- pip（Python 包管理器）
- rembg 库
一键自动修复环境
重要：首次使用前，请先运行环境修复脚本！
macOS / Linux:
cd ~/.claude/skills/bg-remover
./install.sh
Windows (PowerShell):
cd ~/.claude/skills/bg-remover
.\install.ps1
脚本会自动：
- 检查 Python 版本（需 3.8+）
- 检查并安装 pip
- 检查并安装 rembg 库
- 测试 rembg 功能是否正常
自动环境检查
当用户使用此 skill 时，如果检测到环境不符合要求，系统会自动运行修复脚本。
环境检查清单：
- Python 3.8+ 已安装
- pip 可用
- rembg 库已安装并可正常导入
使用场景
当用户请求以下任何操作时，使用此 skill：
- 去除图片背景
- 抠图
- 移除图片背景
- 生成透明背景图片
- 图片背景变透明
- 抠出图片中的人物/物体
- 制作证件照（去除背景）
- 产品图去背景
工作流程
1. 接收用户输入
用户可能提供：
- 本地图片文件路径
- 图片 URL
- 直接上传的图片文件
2. 处理图片背景移除
根据可用资源，选择以下方法之一：
方法 A：使用 remove.bg API（推荐）
如果用户有 remove.bg API 密钥：
from removebg import RemoveBg
import os
# 初始化
removebg = RemoveBg("YOUR_API_KEY", "error.log")
# 处理图片
removebg.remove_background_from_img_file("input.jpg")
# 输出：input_no_bg.png
方法 B：使用 rembg 库（本地处理）
使用开源的 rembg 库进行本地处理：
from rembg import remove
from PIL import Image
# 读取图片
input_path = "input.jpg"
output_path = "output.png"
# 处理
with open(input_path, "rb") as input_file:
input_data = input_file.read()
output_data = remove(input_data)
# 保存结果
with open(output_path, "wb") as output_file:
output_file.write(output_data)
方法 C：使用在线服务
可以使用以下在线服务：
- remove.bg
- PhotoRoom API
- Clipdrop (Remove Background)
- Adobe Firefly
3. 输出结果
向用户提供：
- 处理后的透明背景 PNG 图片
- 对比预览（原图 vs 处理后）
- 图片保存路径或下载链接
安装依赖
# 使用 rembg（推荐，免费本地处理）
pip install rembg[gpu] # GPU 加速版本
# 或
pip install rembg # CPU 版本
# 使用 remove.bg API
pip install removebg
# 使用 rembg 命令行工具
pip install rembg-cli
使用示例
示例 1：基本抠图
用户输入：
帮我去除这张图片的背景：photo.jpg
处理步骤：
- 读取图片文件
- 使用 rembg 去除背景
- 保存为 PNG 格式
- 显示处理结果
示例 2：批量处理
用户输入：
把这个文件夹里的所有图片都去除背景
处理步骤：
- 扫描文件夹中的所有图片
- 逐个处理
- 保存到输出文件夹
示例 3：URL 图片处理
用户输入：
去除这张图片的背景：https://example.com/image.jpg
处理步骤：
- 下载图片
- 处理背景
- 返回结果
命令行使用（rembg）
# 基本用法
rembg i input.jpg output.png
# 处理整个文件夹
rembg p input_folder/ output_folder/
# 使用不同的 AI 模型
rembg i input.jpg output.png -m u2netp # 轻量级模型
rembg i input.jpg output.png -m u2net # 标准模型（默认）
rembg i input.jpg output.png -m silueta # 人像专用
# 添加 alpha matting（边缘优化）
rembg i input.jpg output.png -a
可用模型
rembg 支持以下模型：
u2net：通用模型（默认），适合大多数场景u2netp：轻量级模型，速度快u2net_human_seg：人像分割专用silueta：人像专用模型isnet-general-use：新的通用模型
注意事项
- 输入格式：支持 JPG、PNG、WebP 等常见格式
- 输出格式：始终输出 PNG 格式（支持透明通道）
- 图片质量：输入图片分辨率越高，抠图效果越好
- 复杂背景：复杂背景可能需要手动后期调整
- 边缘处理：对于精细物体（如头发），可以使用 alpha matting 优化
高级选项
Alpha Matting（边缘优化）
对于边缘复杂的图片，启用 alpha matting 可以获得更好的边缘效果：
from rembg import remove, new_session
session = new_session("u2net", alpha_matting=True,
alpha_matting_foreground_threshold=240,
alpha_matting_background_threshold=10,
alpha_matting_erode_size=10)
返回遮罩
如果只需要获取遮罩而非去除背景的图片：
from rembg import remove
import io
input_data = open("input.jpg", "rb").read()
# only_mask=True 只返回遮罩
output_data = remove(input_data, only_mask=True)
错误处理
常见问题及解决方案：
- 内存不足：使用轻量级模型
u2netp或缩小图片尺寸 - 处理速度慢：使用 GPU 版本或轻量级模型
- 边缘效果不佳：启用 alpha matting
- 识别不准确：尝试不同的模型
最佳实践
- 选择合适的模型（人像用人像模型，通用用 u2net）
- 根据需求在速度和质量间选择（u2netp 快但精度略低，u2net 慢但精度高）
- 对重要图片使用 alpha matting 优化边缘
- 批量处理时考虑使用轻量级模型提高效率