用stable diffusion有段时间了，最近使用了它的抠图工具 （Remove background）。这里是我对该工具的使用和记录。希望可以帮其他人了解相关内容。文末附100个Lora资源方便大家使用。 在图像处理中，抠图是一项非常重要的任务。传统的抠图方法通常需要人工进行较长时间的描边和选择，效率低下且不准确。然而，Stable Diffusion提供的工具相当智能，可用于图像抠图，使该过程更加快速、准确和简单。 它可以用于处理不同尺度、不同复杂度的图像，并且可以通过调整参数来适应不同的抠图任务，例如，对于复杂背景的图像，可以调整参数以确保抠图的准确性。 插件介绍
使用了中文界面比较方便，感谢提供翻译的大兄弟。  如果当前的SD中没有这部分内容，可以通过“扩展”选项卡进行插件的安装：  插件URL GitHub - AUTOMATIC1111/stable-diffusion-webui-rembg: Removes backgrounds from pictures. Extension for webui. 抠图工具（ Remove background）在使用时可以选择不对要扣的图进行缩放，缩放比例这里选1就可以了，这样可以纯进行抠图。  缩放算法选择
缩放工具中，SD默认会携带 u2net、u2netp、u2net_human_seg、 u2net_cloth_seg、 silueta 几种算法。 U-2-NET系列算法介绍 论文名称： U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection 论文地址： https://arxiv.org/pdf/2005.09007.pdf 论文作者：Xuebin Qin, Zichen Zhang, Chenyang Huang, Masood Dehghan, Osmar R. Zaiane and Martin Jagersand University of Alberta, Canada GIT地址： GitHub - xuebinqin/U-2-Net: The code for our newly accepted paper in Pattern Recognition 2020: "U^2-Net: Going Deeper with Nested U-Structure for Salient Object Detection." 算法还是有些难，具体的差异我这种需要吃俩鲸鱼补补脑的还没全看懂，不过怎么用和差异还是搞懂了一些，下面是一些实测效果（空缺位置偷懒了，这不重要！）： | 测试原图 |  |  |  |  | | u2net （大部分情况下足够了） |  |  |  |  | | u2netp 人物颜色与背景比较鲜明时效果还可以，但是对比不明显时，没有合理的微调参数配合，效果不佳->比如蝙蝠侠的腿没扣出来。 |  |  | | 
| | u2net_human_seg （人像提取优化） 精度和发丝部分效果明显一些 |  | | | | | u2net_sloth_seg （服装提取优化） 此模式使用时需注意光线方向和效果，差异较大时会被拆分成上下多个部分，逆光太强时会存在被识别为背景被抹除的情况。 |  | | | | | silueta |  | | | |
通过多种算法比较来看对边缘和细节的处理略微不同，默认设置基本都可以搞定，在具体使用的时候可以根据需求的精度不同进行一些选择。 额外参数：
抠图工具中还有“ Return mask” 与“ Alpha matting” 两个选项， Return mask 效果不需要解释了，Alpha matting的说明： Alpha matting 是一种将前景对象从背景中分离的技术，其中通过计算前景对象和背景之间的 alpha 值来实现分离。
- FOREGROUND_THRESHOLD前景阈值（下图说明简写“F-”）：
在具体的应用场景中，该参数通常用于指定 alpha matting 技术中前景图像的阈值。 该参数用于指定 alpha 值高于该阈值的图像区域将被视为前景。 具体取值通常在 0 到 255 之间，表示 alpha 值的阈值。如果指定的值较低，则可能将一些背景区域识别为前景，导致分离效果不佳。如果指定的值较高，则可能将一些前景区域识别为背景，同样会导致分离效果不佳。
- BACKGROUND_THRESHOLD背景阈值（下表简写“B-”）：
具体取值通常在0 到 255 之间，表示 alpha 值的阈值。如果指定的值较低，则可能将一些前景区域识别为背景，导致分离效果不佳。如果指定的值较高，则可能将一些背景区域识别为前景，同样会导致分离效果不佳。
具体取值通常是一个整数，表示腐蚀操作的卷积核大小，即在图像中取一个长、宽为该值的矩形区域，对该区域进行腐蚀操作。如果指定的值较小，则可能无法去除所有的噪声或不连续部分，导致分离效果不佳。如果指定的值较大，则可能将前景或背景中的某些部分误认为噪声或不连续部分，同样会导致分离效果不佳。 对比测试效果如下： | | 图接上文 | | Return mask |  | | F-20 |  | | F-100 |  | | F-220-B-10 |  | | F-220-B-100 |  |
注意：参数微调后，与上面的比较，可以看到人物抠图的黑边没有了 。使用起来会更好一些，推荐参数：（E：10 ，F：220，B：40-100）。 具体的参数使用情况可以依据个人喜好及需求情况做些调整。 批量处理
通过“批量处理”，“从目录进行批量处理” 效率起飞…… 摸鱼神器…… PS：所有测试都是基于MAC M2 MAX 入门版配置。 整理的100个Lora资源
内容来自于C站，不能魔法访问C站的小伙伴可以下载使用，已经使用C站助手更新了效果图与pormpt及模型信息，下载下来之后直接解压到Lora目录即可使用。
https://download.csdn.net/download/bestpasu/87762524
来源：https://blog.csdn.net/bestpasu/article/details/130441764
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ |
