name: bg-remover
description: 智能图片背景移除工具。当用户请求「去除图片背景」「抠图」「移除背景」「生成透明背景图片」或类似需求时使用。支持上传图片后自动识别主体并去除背景，生成带透明通道的PNG图片。
author: wuyiqun
license: MIT

图片背景移除 Skill

环境要求与自动修复

环境要求

• Python 3.8 或更高版本
• pip（Python 包管理器）
• rembg 库

一键自动修复环境

重要：首次使用前，请先运行环境修复脚本！

macOS / Linux:

cd ~/.claude/skills/bg-remover
./install.sh

Windows (PowerShell):

cd ~/.claude/skills/bg-remover
.\install.ps1

脚本会自动：
1. 检查 Python 版本（需 3.8+）
2. 检查并安装 pip
3. 检查并安装 rembg 库
4. 测试 rembg 功能是否正常

自动环境检查

当用户使用此 skill 时，如果检测到环境不符合要求，系统会自动运行修复脚本。

环境检查清单：
- [ ] Python 3.8+ 已安装
- [ ] pip 可用
- [ ] rembg 库已安装并可正常导入

使用场景

当用户请求以下任何操作时，使用此 skill：
- 去除图片背景
- 抠图
- 移除图片背景
- 生成透明背景图片
- 图片背景变透明
- 抠出图片中的人物/物体
- 制作证件照（去除背景）
- 产品图去背景

工作流程

1. 接收用户输入

用户可能提供：
- 本地图片文件路径
- 图片 URL
- 直接上传的图片文件

2. 处理图片背景移除

根据可用资源，选择以下方法之一：

方法 A：使用 remove.bg API（推荐）

如果用户有 remove.bg API 密钥：

from removebg import RemoveBg
import os

# 初始化
removebg = RemoveBg("YOUR_API_KEY", "error.log")

# 处理图片
removebg.remove_background_from_img_file("input.jpg")
# 输出：input_no_bg.png

方法 B：使用 rembg 库（本地处理）

使用开源的 rembg 库进行本地处理：

from rembg import remove
from PIL import Image

# 读取图片
input_path = "input.jpg"
output_path = "output.png"

# 处理
with open(input_path, "rb") as input_file:
    input_data = input_file.read()
    output_data = remove(input_data)

# 保存结果
with open(output_path, "wb") as output_file:
    output_file.write(output_data)

方法 C：使用在线服务

可以使用以下在线服务：
- remove.bg
- PhotoRoom API
- Clipdrop (Remove Background)
- Adobe Firefly

3. 输出结果

向用户提供：
- 处理后的透明背景 PNG 图片
- 对比预览（原图 vs 处理后）
- 图片保存路径或下载链接

安装依赖

# 使用 rembg（推荐，免费本地处理）
pip install rembg[gpu]  # GPU 加速版本
# 或
pip install rembg       # CPU 版本

# 使用 remove.bg API
pip install removebg

# 使用 rembg 命令行工具
pip install rembg-cli

使用示例

示例 1：基本抠图

用户输入：

帮我去除这张图片的背景：photo.jpg

处理步骤：
1. 读取图片文件
2. 使用 rembg 去除背景
3. 保存为 PNG 格式
4. 显示处理结果

示例 2：批量处理

用户输入：

把这个文件夹里的所有图片都去除背景

处理步骤：
1. 扫描文件夹中的所有图片
2. 逐个处理
3. 保存到输出文件夹

示例 3：URL 图片处理

用户输入：

去除这张图片的背景：https://example.com/image.jpg

处理步骤：
1. 下载图片
2. 处理背景
3. 返回结果

命令行使用（rembg）

# 基本用法
rembg i input.jpg output.png

# 处理整个文件夹
rembg p input_folder/ output_folder/

# 使用不同的 AI 模型
rembg i input.jpg output.png -m u2netp  # 轻量级模型
rembg i input.jpg output.png -m u2net   # 标准模型（默认）
rembg i input.jpg output.png -m silueta  # 人像专用

# 添加 alpha matting（边缘优化）
rembg i input.jpg output.png -a

可用模型

rembg 支持以下模型：
- u2net：通用模型（默认），适合大多数场景
- u2netp：轻量级模型，速度快
- u2net_human_seg：人像分割专用
- silueta：人像专用模型
- isnet-general-use：新的通用模型

注意事项

1. 输入格式：支持 JPG、PNG、WebP 等常见格式
2. 输出格式：始终输出 PNG 格式（支持透明通道）
3. 图片质量：输入图片分辨率越高，抠图效果越好
4. 复杂背景：复杂背景可能需要手动后期调整
5. 边缘处理：对于精细物体（如头发），可以使用 alpha matting 优化

高级选项

Alpha Matting（边缘优化）

对于边缘复杂的图片，启用 alpha matting 可以获得更好的边缘效果：

from rembg import remove, new_session

session = new_session("u2net", alpha_matting=True,
                     alpha_matting_foreground_threshold=240,
                     alpha_matting_background_threshold=10,
                     alpha_matting_erode_size=10)

返回遮罩

如果只需要获取遮罩而非去除背景的图片：

from rembg import remove
import io

input_data = open("input.jpg", "rb").read()
# only_mask=True 只返回遮罩
output_data = remove(input_data, only_mask=True)

错误处理

常见问题及解决方案：

1. 内存不足：使用轻量级模型 u2netp 或缩小图片尺寸
2. 处理速度慢：使用 GPU 版本或轻量级模型
3. 边缘效果不佳：启用 alpha matting
4. 识别不准确：尝试不同的模型

最佳实践

1. 选择合适的模型（人像用人像模型，通用用 u2net）
2. 根据需求在速度和质量间选择（u2netp 快但精度略低，u2net 慢但精度高）
3. 对重要图片使用 alpha matting 优化边缘
4. 批量处理时考虑使用轻量级模型提高效率