? ? ? 用stable diffusion有段時間了，最近使用了它的摳圖工具 （Remove background）。這里是我對該工具的使用和記錄。希望可以幫其他人了解相關內容。文末附100個Lora資源方便大家使用。 ? ? ? 在圖像處理中，摳圖是一項非常重要的任務。傳統的摳圖方法通常需要人工進行較長時間的描邊和選擇，效率低下且不準確。然而，Stable Diffusion提供的工具相當智能，可用于圖像摳圖，使該過程更加快速、準確和簡單。 它可以用于處理不同尺度、不同復雜度的圖像，并且可以通過調整參數來適應不同的摳圖任務，例如，對于復雜背景的圖像，可以調整參數以確保摳圖的準確性。

插件介紹

使用了中文界面比較方便，感謝提供翻譯的大兄弟。 如果當前的SD中沒有這部分內容，可以通過“擴展”選項卡進行插件的安裝： 插件URL? GitHub - AUTOMATIC1111/stable-diffusion-webui-rembg: Removes backgrounds from pictures. Extension for webui. 摳圖工具（ Remove background）在使用時可以選擇不對要扣的圖進行縮放，縮放比例這里選1就可以了，這樣可以純進行摳圖。

縮放算法選擇

? ? ? ?縮放工具中，SD默認會攜帶 u2net、u2netp、u2net_human_seg、 u2net_cloth_seg、 silueta 幾種算法。 U-2-NET系列算法介紹 論文名稱： U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection 論文地址： https://arxiv.org/pdf/2005.09007.pdf 論文作者：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." ? ? ? ?算法還是有些難，具體的差異我這種需要吃倆鯨魚🐳補補腦的還沒全看懂，不過怎么用和差異還是搞懂了一些，下面是一些實測效果（空缺位置偷懶了，這不重要！）：

測試原圖
u2net （大部分情況下足夠了）
u2netp 人物顏色與背景比較鮮明時效果還可以，但是對比不明顯時，沒有合理的微調參數配合，效果不佳->比如蝙蝠俠的腿沒扣出來。
u2net_human_seg （人像提取優化） 精度和發絲部分效果明顯一些
u2net_sloth_seg （服裝提取優化） 此模式使用時需注意光線方向和效果，差異較大時會被拆分成上下多個部分，逆光太強時會存在被識別為背景被抹除的情況。
silueta

通過多種算法比較來看對邊緣和細節的處理略微不同，默認設置基本都可以搞定，在具體使用的時候可以根據需求的精度不同進行一些選擇。

額外參數：

摳圖工具中還有“ Return mask” 與“ Alpha matting” 兩個選項， ????????Return mask 效果不需要解釋了，Alpha matting的說明： Alpha matting 是一種將前景對象從背景中分離的技術，其中通過計算前景對象和背景之間的 alpha 值來實現分離。

• ?FOREGROUND_THRESHOLD前景閾值（下圖說明簡寫“F-”）：

在具體的應用場景中，該參數通常用于指定 alpha matting 技術中前景圖像的閾值。 該參數用于指定 alpha 值高于該閾值的圖像區域將被視為前景。 具體取值通常在 0 到 255 之間，表示 alpha 值的閾值。如果指定的值較低，則可能將一些背景區域識別為前景，導致分離效果不佳。如果指定的值較高，則可能將一些前景區域識別為背景，同樣會導致分離效果不佳。

• ?BACKGROUND_THRESHOLD背景閾值（下表簡寫“B-”）：

????????具體取值通常在0 到 255 之間，表示 alpha 值的閾值。如果指定的值較低，則可能將一些前景區域識別為背景，導致分離效果不佳。如果指定的值較高，則可能將一些背景區域識別為前景，同樣會導致分離效果不佳。

• ERODE_SIZE Alpha摳圖腐蝕尺寸：

????????具體取值通常是一個整數，表示腐蝕操作的卷積核大小，即在圖像中取一個長、寬為該值的矩形區域，對該區域進行腐蝕操作。如果指定的值較小，則可能無法去除所有的噪聲或不連續部分，導致分離效果不佳。如果指定的值較大，則可能將前景或背景中的某些部分誤認為噪聲或不連續部分，同樣會導致分離效果不佳。 對比測試效果如下：

	圖接上文
Return mask
F-20
F-100
F-220-B-10
F-220-B-100

注意：參數微調后，與上面的比較，可以看到人物摳圖的黑邊沒有了 。使用起來會更好一些，推薦參數：（E：10 ，F：220，B：40-100）。 具體的參數使用情況可以依據個人喜好及需求情況做些調整。

批量處理

??????? 通過“批量處理”，“從目錄進行批量處理” 效率起飛…… 摸魚神器…… PS：所有測試都是基于MAC M2 MAX 入門版配置。

整理的100個Lora資源

內容來自于C站，不能魔法訪問C站的小伙伴可以下載使用，已經使用C站助手更新了效果圖與pormpt及模型信息，下載下來之后直接解壓到Lora目錄即可使用。

https://download.csdn.net/download/bestpasu/87762524?

總結

以上是生活随笔為你收集整理的Stable Diffusion 抠图工具使用小记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。