滨海新区做网站最新军事新闻视频
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。
四、效果对比
以下是清除背景前后的效果对比，怎么样，还算不错吧？
清除背景前：
清除背景后：
五、学后总结
Python像瑞士军刀一样，几乎无所不能，尤其是在办公自动化、批量处理上更是有先天的优势。更为重要的是学习生态也很好，大语言模型背后很多时候就是在用python来操作，所以从现在起立一个小小的flag，学起来，天长日久，必有所获。