ابزار Remove Background در فتوشاپ یکی از سادهترین راهها برای جدا کردن سوژه از پسزمینه است، اما استفاده از آن به اشتراک فعال فتوشاپ نیاز دارد. برای کسانی که فقط به قابلیت حذف پسزمینه نیاز دارند، پرداخت هزینه اشتراک یک نرمافزار کامل و حرفهای همیشه منطقی نیست.
امروزه مدلهای هوش مصنوعی با وزن باز امکان انجام بسیاری از این کارها را روی کامپیوتر شخصی فراهم میکنند. یکی از ابزارهای جالب در این زمینه rembg است؛ پروژهای متنباز که میتواند پسزمینه تصاویر را با استفاده از مدلهای هوش مصنوعی حذف کند.
نکته مهم این است که rembg خودش یک مدل واحد نیست، بلکه ابزاری برای اجرای مدلهای مختلف حذف پسزمینه است. این پروژه میتواند به شکل ابزار خط فرمان، کتابخانه پایتون، سرور HTTP یا کانتینر Docker مورد استفاده قرار بگیرد.
rembg حذف پسزمینه را روی کامپیوتر انجام میدهد
در حالت استفاده از مدل محلی، تصویر برای پردازش به سرویس ابری ارسال نمیشود
rembg با استفاده از مدلهای segmentation یا تفکیک سوژه، بخش اصلی تصویر را از پسزمینه تشخیص میدهد و در نهایت آن را به یک تصویر با کانال شفاف تبدیل میکند. نتیجه معمولاً یک فایل PNG است که پسزمینه آن شفاف شده است.
فرایند کلی شبیه همان کاری است که هنگام انتخاب دستی یک سوژه در فتوشاپ انجام میشود؛ با این تفاوت که مدل هوش مصنوعی تلاش میکند مرز سوژه را بهصورت خودکار تشخیص دهد و ماسک موردنیاز را ایجاد کند.
یکی از مهمترین مزیتهای rembg این است که میتوان مدل مورد استفاده را انتخاب کرد. نسخه فعلی پروژه مدلهایی مانند u2net و u2netp و u2net_human_seg و isnet-general-use و sam و چند مدل مبتنی بر BiRefNet و BRIA را در اختیار قرار میدهد.
این موضوع اهمیت زیادی دارد، زیرا همه تصاویر به یک مدل مشابه نیاز ندارند. مدلهای سبکتر میتوانند سرعت بالاتری داشته باشند و برای سیستمهای ضعیفتر مناسبتر باشند، در حالی که مدلهای سنگینتر ممکن است در جدا کردن جزئیات پیچیده عملکرد بهتری داشته باشند.
البته «کاملاً محلی» بودن را باید با دقت در نظر گرفت. مدلهای محلی rembg روی کامپیوتر اجرا میشوند و پس از دانلود مدل، برای پردازش تصویر به سرویس ابری نیاز ندارند؛ اما rembg یک backend ابری به نام withoutbg نیز دارد که تصاویر را به سرور ارسال میکند. بنابراین برای حفظ حریم خصوصی باید از مدلهای محلی استفاده شود.
rembg فقط یک ابزار خط فرمان نیست
از ترمینال تا رابط وب و کتابخانه پایتون
یکی از نقاط قوت rembg انعطافپذیری آن است. کاربرانی که با ترمینال راحت هستند میتوانند یک فایل یا حتی یک پوشه کامل از تصاویر را پردازش کنند. پروژه در حال حاضر برای پردازش فایل منفرد از دستور i و برای پردازش گروهی از فایلها از p استفاده میکند. همچنین امکان اجرای rembg به عنوان HTTP server با دستور s وجود دارد.
برای نصب نسخه CPU همراه با ابزار خط فرمان، مستندات فعلی پروژه دستور زیر را پیشنهاد میکنند:
pip install "rembg[cpu,cli]"
برای سیستمهای مجهز به GPU انویدیا نیز نسخه مخصوص CUDA وجود دارد:
pip install "rembg[gpu,cli]"
rembg در حال حاضر به Python نسخه 3.11 یا بالاتر و پایینتر از 3.14 نیاز دارد. برای GPUهای AMD نیز backend مبتنی بر ROCm ارائه شده است.
برای حذف پسزمینه یک تصویر میتوان از دستور زیر استفاده کرد:
rembg i input.png output.png
مزیت مهمتر زمانی مشخص میشود که تعداد تصاویر زیاد باشد. rembg امکان پردازش یک پوشه کامل را نیز دارد:
rembg p input_folder output_folder
در مستندات پروژه حتی حالت Watch نیز وجود دارد که میتواند تصاویر جدید یا تغییر یافته در یک پوشه را بهصورت خودکار پردازش کند.
این قابلیت برای فروشگاههای اینترنتی، عکاسی محصول، طراحی سایت و تولید محتوای تصویری بسیار کاربردی است؛ زیرا حذف پسزمینه صدها تصویر را میتوان بدون باز کردن تکتک آنها در یک ویرایشگر گرافیکی انجام داد.
مدلهای مختلف rembg تفاوت زیادی ایجاد میکنند
برای سرعت بیشتر یا جزئیات بهتر، مدل مناسب را انتخاب کنید
rembg به یک مدل محدود نیست و همین موضوع باعث میشود انتخاب مدل روی نتیجه نهایی تأثیر داشته باشد.
مدل u2net یک گزینه عمومی برای بسیاری از تصاویر است و u2netp نسخه سبکتر آن محسوب میشود. مدلهایی مانند u2net_human_seg نیز برای تفکیک انسان طراحی شدهاند. مدل isnet-general-use نیز یکی از گزینههای عمومی پروژه است.
در نسخههای جدیدتر، مدلهای مبتنی بر BiRefNet نیز به مجموعه گزینههای rembg اضافه شدهاند. همچنین BRIA RMBG 2.0 در نسخه فعلی پروژه به عنوان مدل پیشفرض معرفی شده است. طبق مستندات rembg، این مدل حدود ۱.۰۲ گیگابایت حجم دارد و پردازش آن نسبت به u2net سنگینتر است؛ در مقابل، u2net حجم و نیاز پردازشی کمتری دارد.
این یعنی انتخاب مدل باید بر اساس نوع تصویر و سختافزار انجام شود. برای پردازش سریع تعداد زیادی تصویر روی یک کامپیوتر معمولی، مدل سبکتر میتواند انتخاب بهتری باشد. در مقابل، برای تصاویر پیچیدهتر که مو، لبههای ظریف یا جزئیات بیشتری دارند، مدلهای سنگینتر ارزش امتحان کردن دارند.
rembg حتی امکان استفاده از مدلهای سفارشی را نیز فراهم میکند؛ بنابراین کاربران حرفهای محدود به مدلهای پیشفرض پروژه نیستند.
حذف پسزمینه گروهی، برگ برنده rembg است
صدها تصویر را میتوان بدون کلیکهای تکراری پردازش کرد
یکی از کاربردهای مهم rembg، پردازش دستهای تصاویر است. فرض کنید یک فروشگاه اینترنتی ۲۰۰ عکس محصول داشته باشد و برای تمام آنها پسزمینه سفید یا شفاف موردنیاز باشد. انجام دستی این کار در فتوشاپ میتواند زمان زیادی بگیرد.
در rembg کافی است پوشه تصاویر ورودی مشخص شود و خروجی در پوشه دیگری ذخیره شود. دستور p برای همین سناریو طراحی شده است و پروژه حتی امکان استفاده مجدد از session مدل در کتابخانه پایتون را برای افزایش سرعت پردازش چندین تصویر ارائه میکند.
این ویژگی rembg را از یک ابزار ساده حذف پسزمینه به بخشی از یک workflow خودکار پردازش تصویر تبدیل میکند. به عنوان مثال، میتوان آن را در یک اسکریپت پایتون قرار داد تا تصاویر پس از دریافت، بهصورت خودکار پردازش شوند.
از طرف دیگر، وجود API پایتون باعث میشود rembg برای پروژههای بزرگتر نیز قابل استفاده باشد. در مستندات رسمی، امکان ارسال تصویر به تابع remove و ذخیره خروجی PNG نشان داده شده است.
rembg در مقایسه با فتوشاپ چه کمبودهایی دارد؟
برای کارهای سریع و گروهی عالی است، اما جایگزین کامل یک ویرایشگر حرفهای نیست
rembg برای حذف خودکار پسزمینه طراحی شده است، نه برای جایگزین کردن تمام امکانات فتوشاپ. این تفاوت در تصاویر پیچیده و مواردی که به اصلاح دستی لبهها نیاز دارند، بیشتر مشخص میشود.
فتوشاپ ابزارهای پیشرفتهای برای اصلاح ماسک، کنترل دقیق انتخاب، ترکیب تصاویر، اصلاح رنگ و ویرایش دستی در اختیار کاربر میگذارد. در rembg، خروجی عمدتاً به کیفیت تشخیص مدل وابسته است و اگر بخشی از مو یا یک شیء ظریف اشتباه تشخیص داده شود، برای اصلاح دقیق آن باید از نرمافزار دیگری مانند GIMP یا Krita کمک گرفت.
از سوی دیگر، rembg برای پردازش سریع تعداد زیادی تصویر مزیت بسیار مهمی دارد. اگر هدف فقط جدا کردن سوژه از پسزمینه باشد، استفاده از یک ابزار خط فرمان یا اسکریپت خودکار میتواند بسیار سریعتر از انجام همین کار بهصورت دستی در یک ویرایشگر کامل باشد.
بنابراین انتخاب بین این دو ابزار به نوع کار بستگی دارد: فتوشاپ برای ویرایش حرفهای و کنترل دستی جزئیات مناسبتر است و rembg برای حذف خودکار پسزمینه، پردازش محلی و عملیات گروهی جذابیت بیشتری دارد.
آیا rembg واقعاً جایگزین مناسبی برای ابزار حذف پسزمینه فتوشاپ است؟
اگر استفاده اصلی از فتوشاپ فقط به حذف پسزمینه تصاویر محدود باشد، rembg یکی از گزینههایی است که ارزش امتحان کردن دارد. این ابزار رایگان، متنباز و قابل اجرا روی سیستم شخصی است و امکان استفاده از CPU و GPU، مدلهای مختلف، رابط خط فرمان، سرور HTTP و کتابخانه پایتون را فراهم میکند.
مزیت دیگر این است که مدلهای محلی را میتوان پس از دانلود بدون نیاز به ارسال تصاویر به سرویس ابری اجرا کرد. مدلها در نخستین استفاده دانلود میشوند و در سیستم محلی ذخیره میشوند؛ بنابراین در استفاده معمول از مدلهای محلی، پردازش بعدی به اتصال اینترنت وابسته نیست.
با این حال، نباید rembg را جایگزین کامل فتوشاپ دانست. این ابزار برای حذف سریع و خودکار پسزمینه ساخته شده و در چنین کاری میتواند بسیار کارآمد باشد، اما برای اصلاح دستی لبهها و پروژههای پیچیده گرافیکی همچنان یک ویرایشگر حرفهای مزیت دارد.
از طرف دیگر، اگر کیفیت خروجی rembg برای پروژهای کافی نباشد، گزینههای دیگری مانند مدلهای جدیدتر segmentation یا workflowهای محلی در ComfyUI نیز قابل بررسی هستند. نکته مهم این است که در پروژههای تجاری، مجوز مدل مورد استفاده را جدا از مجوز خود نرمافزار بررسی کنید.
اینتوتک