使用SAM（Segment Anything Model）去除图像背景，提取前景主体为透明PNG。适用于需要抠图、去除背景的场景。
SAM 背景清除
功能概述
SAM 背景清除是一项面向实际任务的技能，主要用于使用 Meta 的分块任意模式从图像中提取前景主题, 输出透明的 PNG；@% 快速启动；
核心要点
- 默认到图像中心作为前景提示。
- 它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。
- 使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。
使用与执行
该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；
结果检查与注意事项
若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。
SAM 背景去除
使用 Meta 的 Segment Anything Model（SAM）从图像中提取前景主体，并输出带透明背景的 PNG 图像。
快速开始
python3 scripts/segment.py
默认以图像中心作为前景提示点——适用于主体居中的肖像照和产品图。
参数说明
| 参数 | 说明 | 默认值 |
|---|---|---|
input |
输入图像路径 | 必填 |
output |
输出 PNG 路径（单图模式）或输出目录（--all 模式） |
必填 |
--model |
模型尺寸：vit_b（速度快） · vit_l（中等） · vit_h（质量最佳） |
vit_h |
--checkpoint |
本地检查点路径；若未指定则自动下载 | auto |
--points |
前景提示点坐标，格式为 x,y，支持多个点 |
center |
--all |
网格扫描模式：提取图像中所有独立前景元素 | 关闭 |
--grid |
--all 模式下的网格密度；例如 16 表示 16×16 = 256 个探测点 |
16 |
--iou-thresh |
接受掩码所需的最小预测 IoU 值（仅 --all 模式生效） |
0.88 |
--min-area |
掩码最小面积占整图比例（仅 --all 模式生效） |
0.001 |
使用示例
# 基础背景去除（自动下载 vit_h 模型，约 2.5GB） python3 scripts/segment.py photo.jpg output.png # 当主体偏离中心时，手动指定提示点 python3 scripts/segment.py photo.jpg output.png --points 320,240 # 使用轻量级模型并提供多个提示点 python3 scripts/segment.py photo.jpg output.png --model vit_b --points 320,240 400,300 # 提取全部前景元素（每个元素单独保存为一张 PNG） python3 scripts/segment.py photo.jpg ./elements/ --all # 使用更密集的网格以捕获小尺寸物体 python3 scripts/segment.py photo.jpg ./elements/ --all --grid 32 # 使用本地检查点文件 python3 scripts/segment.py photo.jpg output.png --checkpoint /path/to/sam_vit_h_4b8939.pth
依赖项
segment_anything 库将在首次运行时自动安装；也可手动安装：
pip install git+https://github.com/facebookresearch/segment-anything.git pip install pillow numpy torch torchvision
工作流程
- 用户提供输入图像路径
- 判断是否需要手动指定提示点（当主体偏离图像中心时）
- 执行脚本；首次运行时检查点将自动下载至
~/.cache/sam/ - 输出带透明背景的 PNG 图像
模型选型参考
| 模型 | 大小 | 速度 | 质量 |
|---|---|---|---|
vit_b |
约 375 MB | 最快 | 良好 |
vit_l |
约 1.25 GB | 中等 | 更优 |
vit_h |
约 2.5 GB | 较慢 | 最佳 |
当系统中存在 GPU 时，CUDA 将自动启用。
热门AI工具
相关专题
Vite项目打包部署专题汇集生产构建、产物预览、输出目录、资源路径、Nginx与GitHub Pages部署及常见白屏和路由404问题的已审核文章，帮助读者完成上线流程。
0
2026.10.28
Vite搭配Vue.js专题汇集创建Vue 3项目、配置开发环境、路径别名、Vue插件、代理、多环境构建与调试的已审核文章，帮助读者完成从初始化到日常开发的配置。
0
2026.10.28
Vite项目目录专题汇集入口文件、src源码、public静态资源、路径别名、项目根目录和构建输出目录相关的已审核文章，帮助读者理解各文件夹的用途与引用方式。
0
2026.10.28
本专题介绍Gradle插件开发的基本流程，涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法，帮助你理解插件如何组织构建逻辑，减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用，涵盖文件组成、生成方法、版本配置和任务调用，帮助你理解项目如何使用指定的Gradle版本，减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法，覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查，帮助项目合理选规则。
0
2026.10.22
本专题介绍Gradle Java项目构建方法，涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查，帮助你理解各阶段的任务关系，逐步完成项目构建。
0
2026.10.22
本专题汇总PHP常见时间戳漏洞，包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等，并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案，帮助开发者快速排查和加固时间相关代码。
0
2026.10.22
本专题聚焦Golangci-lint YAML配置文件，讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置，便于团队统一检查标准。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.6万人学习
共6课时 | 54.7万人学习
最新文章
