当前位置：首页 > news >正文

Python批量设置图片背景为透明

news 2025/7/7 12:07:51

我们日常生活中制作PPT等教学资源时，需要批量去除图片背景，就可以使用 Python 的 rembg 库。

这个库基于神经网络模型，去背景效果较好，可以批量处理png, jpg, jpeg等图片。采用以下代码可以批量处理当前目录下的所有图片，去除背景后并保存为透明背景的图像存在output当中。

一、安装rembg库

不过，使用前需要在cmd下或者pycharm, thonny等pyhon的idle调试工具中安装一下这个rembg库，安装代码：

pip install rembg

二、下载u2net.onnx机器学习模型

安装完成rembg模块后，第一次运行程序，调用这个模块，还需要安装机器学习模型：u2net.onnx，大小为176M，程序会自动下载，全程不需要干涉。

下载机器学习模型

这个模型文件 (u2net.onnx) 是经过训练的深度学习模型，包含了用于识别并分离前景和背景的算法权重。rembg 库使用 U2-Net 来执行背景去除的任务。第一次使用 rembg 时，库会自动下载这个模型文件，以确保能够正确运行背景去除功能。

具体来说：模型文件 u2net.onnx：U2-Net 模型是一个开源的图像分割模型，专门用于前景-背景分离。rembg 使用这个模型的 .onnx 文件格式，方便兼容各种框架。

由于rembg 没有默认包含该模型文件，因此在第一次运行时需要下载并存储在本地（C:\Users\用户名\.u2net\u2net.onnx），下载完成后，模型文件会保存在你用户目录的 .u2net 文件夹中，后续运行 rembg 就不需要重新下载。

三、编写清除图片背景代码

下载完成后，程序会自动运行清除背景的程序，如下面的程序，批量把当前目录下的图片文件，移除背景，设置透明背景后存在output文件夹下面，全程操作非常的快。

import os
from rembg import remove
from PIL import Image# 定义输入和输出文件夹
input_folder = '.'  # 当前目录
output_folder = './output/'  # 输出文件夹# 创建输出文件夹（如果不存在）
# if not os.path.exists(output_folder):
os.makedirs(output_folder,exist_ok=True)# 遍历当前目录的所有文件
for filename in os.listdir(input_folder):# 检查是否为图像文件（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')# 打开图像并去除背景with open(input_path, 'rb') as input_file:input_image = input_file.read()output_image = remove(input_image)# 将结果保存为 PNG 格式with open(output_path, 'wb') as output_file:output_file.write(output_image)print("图片背景已去除并保存到 'output' 文件夹。")

input_folder 指定输入文件夹，这里设为当前目录 ./。

output_folder 是输出文件夹（去除背景后的图片保存位置），如果不存在，则会自动创建。

脚本遍历当前目录中的所有图像文件（.png, .jpg, .jpeg），去除背景后以透明背景 PNG 格式保存到 output 文件夹中。