批量图片背景移除工具

这是一个基于 rembg 库的本地批量图片背景移除工具。该工具可以批量处理指定文件夹中的图片，自动移除背景并保存到指定的输出文件夹。

功能特点

• 批量处理图片，自动移除背景
• 保持原始文件名和目录结构
• 支持多线程并行处理，提高效率
• 支持多种图片格式（JPG, JPEG, PNG, BMP, WEBP）
• 用户友好的命令行界面
• 支持GPU加速处理（如果可用）
• 支持多种背景移除模型
• 智能回退：当GPU不可用时自动使用CPU处理

安装说明

1. 确保已安装 Python 3.8 或更高版本
2. 克隆或下载本项目到本地
3. 在项目目录中创建虚拟环境并安装依赖：

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/Mac:
# source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

GPU支持（可选）

如果您想使用GPU加速处理，请确保您的系统满足以下要求：

1. 安装了NVIDIA GPU驱动程序
2. 安装了CUDA和cuDNN（与onnxruntime兼容的版本）

CUDA 安装步骤

1. 访问 NVIDIA CUDA 下载页面 下载并安装适合您系统的 CUDA Toolkit
2. 访问 NVIDIA cuDNN 下载页面 下载并安装与您 CUDA 版本兼容的 cuDNN

安装完成后，确保将 CUDA 和 cuDNN 的路径添加到系统环境变量中。

常见问题解决

如果遇到 NumPy 版本兼容性问题，请尝试降级 NumPy：

pip install numpy==1.24.3

如果遇到 CUDA 相关错误，请确保：

• CUDA 和 cuDNN 已正确安装
• 系统环境变量中包含 CUDA 路径
• 使用的 GPU 支持所安装的 CUDA 版本

本项目的依赖已包含GPU支持所需的库，安装依赖后会自动检测是否有可用的GPU。如果没有检测到可用的GPU，程序会自动回退到CPU模式，无需担心。

使用方法

快速开始（推荐）

使用交互式界面：

python run.py

这将启动一个交互式界面，引导您输入必要的参数，包括是否使用GPU和选择模型。

命令行参数

您也可以使用命令行参数直接运行：

python run.py --input 输入文件夹路径 --output 输出文件夹路径 --workers 线程数 --gpu --model 模型名称

或者使用简写形式：

python run.py -i 输入文件夹路径 -o 输出文件夹路径 -w 线程数 -g -m u2net

直接使用核心模块

如果您更喜欢直接使用核心功能，可以这样使用：

python removebg.py 输入文件夹路径 输出文件夹路径 --gpu --model u2net

例如：

python removebg.py ./input_images ./output_images --gpu

高级选项：

python removebg.py ./input_images ./output_images --workers 8 --gpu --model isnet-general-use

Windows 用户快速启动

Windows 用户可以直接双击 setup_and_run.bat 文件，它会自动设置环境并启动程序。

Linux/Mac 用户快速启动

Linux/Mac 用户可以使用以下命令运行快速启动脚本：

chmod +x setup_and_run.sh  # 只需执行一次，使脚本可执行
./setup_and_run.sh

参数说明

• input_dir/--input/-i：包含需要处理的图片的文件夹路径
• output_dir/--output/-o：处理后的图片保存的文件夹路径
• --workers/-w：可选参数，指定并行处理的线程数，默认为4
• --gpu/-g：使用GPU加速处理（如果可用）
• --model/-m：使用的模型，可选值包括：
  • u2net：通用模型（默认）
  • u2netp：轻量级通用模型
  • u2net_human_seg：人像分割模型
  • silueta：轻量级通用模型
  • isnet-general-use：高精度通用模型
  • isnet-anime：动漫角色分割模型
• --interactive/-int：使用交互模式

注意事项

• 所有依赖都会安装在当前项目文件夹中的虚拟环境内，不会影响系统环境
• 处理大量图片可能需要较长时间，请耐心等待
• 处理过程中会显示进度信息
• 首次运行时，程序会自动下载所需的模型文件（约100MB），这可能需要一些时间
• 使用GPU加速可以显著提高处理速度，但需要有兼容的NVIDIA GPU
• 如果程序无法使用GPU，会自动回退到CPU模式，无需担心

故障排除

常见问题

1. NumPy 版本兼容性问题：如果遇到 NumPy 相关错误，尝试降级 NumPy 到 1.24.3 版本

   pip install numpy==1.24.3

2. CUDA 相关错误：确保已正确安装 CUDA 和 cuDNN，并且系统环境变量中包含 CUDA 路径。如果仍然有问题，程序会自动使用 CPU 模式，不影响正常使用。

3. 模型下载失败：如果模型下载失败，可以手动下载模型文件并放置在用户主目录的 .u2net 文件夹中

4. 内存不足：处理大图片时可能会遇到内存不足的问题，可以尝试减小并行处理的线程数

5. 警告信息：程序运行时可能会显示一些 CUDA 相关的警告信息，这些通常不影响程序的正常运行，可以安全忽略

开发者信息

如果您想为项目做出贡献或进行测试，可以运行测试脚本：

python test.py