【实战】Stable Diffusion抠图插件爬坑经历，SD实操案例

于 2025-05-30 11:26:48 发布
阅读量647 收藏 7
点赞数 11
文章标签： stable diffusion 人工智能 AIGC
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_59236602/article/details/148334635
版权

今天给大家分享使用后期处理插件stable-diffusion-webui-
rembg实现抠图功能。

一、安装步骤

1、主页面，依次点击 扩展 -> 可下载 -> 加载扩展列表

在这里插入图片描述

2、搜索rembg

3、点击安装并等待安装完成

在这里插入图片描述

4、点击检查更新，会发现已安装列表会多出现刚安装的stable-diffusion-webui-rembg

5、点击应用更改并重启按钮，等待重启完成

在这里插入图片描述

二、使用方法

重新打开webui会发现，后期处理tab下多出了移除背景配置

在这里插入图片描述

支持的模型

在这里插入图片描述

咱们就先选择u2net模型试下效果，第一次使用会下载模型，需要根据自身的网速等待一段时间

在这里插入图片描述

在这里插入图片描述

经过漫长的等待，居然报错了，明天解决吧在这里插入图片描述

三、U2Net模 型技术原理

U-Net
是一种常用的用于图像分割的卷积神经网络架构

U2Net 是在 U-Net
的基础上进行了改进，引入了更多的特征融合和上采样路径，并且使用了更多的深度监督机制来提高性能，广泛应用于图像编辑、虚化背景、视频处理等。

U2Net 分为两个版本：U2Net 和 U2Netp。

U2Net 是原始版本，具有更好的性能，但需要更多的计算资源。

U2Netp 是U2Net的一个轻量级版本，具有更低的模型大小和更快的推理速度，但性能略低于原始版本。

AI绘画SD整合包、各种模型插件、提示词、AI人工智能学习资料都已经打包好放在网盘中了，有需要的小伙伴文末扫码自行获取。

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！

这份完整版的AI绘画（SD、comfyui、AI视频）整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

对于0基础小白入门：

如果你是零基础小白，想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

（全套教程文末领取哈）
在这里插入图片描述

👉AI绘画必备工具👈

在这里插入图片描述

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

在这里插入图片描述

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉12000+AI关键词大合集👈

在这里插入图片描述

这份完整版的AI绘画（SD、comfyui、AI视频）整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

SD扩展 Rembg 图像抠图多场景应用
Mr数据杨
07-05 2573
插件通过自动化背景移除和多样化的抠图模型，为用户提供了灵活的图像处理选择。U2-Net、Silueta、ISNet等模型系列具备不同的特化方向，能够满足通用抠图、人像分割、衣物抠图等不同需求。此外，工具内置的细化参数设定如ERODE_SIZE等，进一步提升了背景分离的精度和细节处理效果，使用户能够根据具体的图像和场景需求实现个性化调整。通过简化的使用流程和丰富的调节选项，该插件在功能性和用户体验上实现了良好的平衡，为图像创作和后期处理提供了全面支持。
【Stable Diffusion】图片高清化+面部修复+一键抠图，一些你不知道的事儿
m0_59236602的博客
12-31 1285
在数字图像的世界里，Stable Diffusion 不断展现着其强大的能力和无限潜力。此次我们将聚焦于一些鲜为人知却极具价值的功能：图片高清化让模糊影像重焕生机，面部修复赋予人像新的光彩，一键抠图更是简化操作流程。这些功能背后隐藏着怎样的技术奥秘与实用技巧？让我们一同深入探索，解锁 Stable Diffusion 的更多惊喜。
Stable Diffusion 抠图工具使用小记
kcarly的专栏
04-29 6132
用stable diffusion有段时间了，最近使用了它的抠图工具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。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。文末附100个Lora资源方便大家使用。
Stable Diffusion 老照片修复+高清化+一键抠图教程
qq_41314882的博客
05-09 4857
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
AI绘画图片高清化+面部修复+一键抠图，一些你不知道的事儿
白帽阿叁的博客
03-16 2346
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
Stable Diffusion抠图插件爬坑经历，StableDiffusion实操案例（附整合资料）
2401_84830464的博客
09-05 403
今天给大家分享使用后期处理插件stable-diffusion-webui-rembg实现抠图功能。
stable diffusion（stable-diffusion-webui-rembg）抠图模型
07-23
稳定扩散（Stable Diffusion）是一种先进的图像处理技术，它在图像分析和编辑领域有着广泛的应用，特别是对于图像抠图任务。"Stable-diffusion-webui-rembg" 是一个基于稳定扩散算法的Web用户界面，专为背景去除或...
AI 绘画工具 Stable Diffusion 的换脸插件ReActor所使用的codeformer.pth 权重文件
09-20
ReActor是Stable Diffusion的一个扩展插件，专门用于换脸任务。换脸技术的核心在于能够将一个人的脸部特征映射到另一个人的面部图像上，而保持目标图像的整体一致性。这个过程涉及到图像处理、特征提取、特征迁移...
AI抠图使用指南：Stable Diffusion WebUI Rembg实用技巧
程序员，AI探索者
08-05 3407
上面做了一个基本的演示，但是这些参数我们如何配置才能发挥最好的效果呢？这一小节就来看看这些参数的定义。u2net：通用的的预训练模型，通常用这个就行。u2netp：u2net的轻量级版本。u2net_human_seg：专门针对人像分割的预训练模型，只是分割人像时建议使用。u2net_cloth_seg：专门从人像上抠衣服的预训练模型，它会把衣服分成三部分：上半身、下半身和全身。silueta：和u2net相同，但是大小减少到43Mb，方便在小内存机器上使用。
Stable Diffusion 进阶技巧：高清修复+面部优化+智能抠图，一键搞定！
ice829的博客
02-28 904
## 前言 Stable Diffusion 的强大远不止于生成图片，它还蕴藏着许多提升图像质量的进阶技巧。本指南将带你解锁 Stable Diffusion 的隐藏技能，掌握图片高清修复、面部优化和智能抠图三大神器。无需复杂操作，一键即可提升图像清晰度、修复面部瑕疵、精准分离主体，让你的作品更加精致完美。无论你是设计师、摄影师还是 AI 绘画爱好者，这些技巧都将为你的创作带来更多可能！
探索【Stable-Diffusion WEBUI】的附加功能：图片缩放&抠图
热门推荐
Shion's bla bla blog
04-24 1万+
自从人工智能杀入，图片放大还清晰不再是梦想。也不再需要PhotoShop，PhotoZoom。但是我必须告诉女儿，《名侦探柯南》里面犯人从高架桥上拍摄火灾现场中镜子反光看到厨房里面手表，阿笠博士是不可能用电脑放大并指正嫌疑人的。因为必须使用人工智能才能清晰放大，但”脑补“的内容不算证据。（以后你自己来看）
stable diffusion一键抠图插件rembg，快速移除背景保留人物软件
m0_71745754的博客
09-13 1594
以前我们抠图要么用抠图网站要么就用PS自己扣，要么花钱要么就是慢，现在AI功能很强大，我们可以使用stable diffusion插件stable-diffusion-webui-rembg实现图片一键快速抠图，省时省力效果还很不错。下面演示一下具体操作。首先打开stable diffusion webui界面，如果没有安装sd的话，可以stable diffusion安装，查看具体安装教程。
2023年最新Stable Diffusion下载+安装+使用教程（超详细版本），收藏这一篇就够了！
weixin_58753619的博客
12-19 2504
本文讲解的是用“整合包”来**本地部署**安装及使用Stable Diffusion WebUI，你不需要懂太多的计算机知识，而且用整合包对新手也是比较友好的，磁盘需要预留100G~200G空间才能玩。
stable diffusion抠图模型
最新发布
04-20
### Stable Diffusion 图像分割模型的使用与下载 Stable Diffusion 是一种基于扩散模型框架的大规模生成模型，广泛应用于图像生成、编辑以及语义理解等领域。对于图像分割任务，通常会结合 ControlNet 或其他辅助模块来增强其功能[^3]。 #### 1. **ControlNet 的作用** ControlNet 是一个附加网络结构，能够指导 Stable Diffusion 更好地遵循特定条件输入（如草图、深度图或分割掩膜）。通过这种方式，它可以实现更精确的图像编辑效果，例如抠图操作中的对象保留和背景替换[^3]。 #### 2. **Stable Diffusion 抠图的具体方法** 为了实现图像分割或抠图功能，可以按照以下方式配置： - 使用预训练好的图像分割模型（如 SAM - Segment Anything Model）生成目标物体的二值掩膜。 - 将该掩膜作为控制信号传递给 ControlNet 模块。 - 调整 pipeline 参数以适应具体需求，比如设置 `mask` 和 `image` 输入参数[^3]。 以下是 Python 实现的一个简单例子： ```python from diffusers import StableDiffusionInpaintPipeline, ControlNetModel, UniPCMultistepScheduler import torch # 加载模型 controlnet = ControlNetModel.from_pretrained("lllyasviel/sd-controlnet-seg", torch_dtype=torch.float16) pipe = StableDiffusionInpaintPipeline.from_pretrained( "runwayml/stable-diffusion-inpainting", controlnet=controlnet, safety_checker=None, torch_dtype=torch.float16 ) # 设置调度器加速推理过程 pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config) # 推理函数定义 def run_inpaint(image_path, mask_path, prompt="a cat sitting on a bench"): from PIL import Image init_image = Image.open(image_path).convert("RGB").resize((512, 512)) mask_image = Image.open(mask_path).convert("L").resize((512, 512)) output = pipe(prompt=prompt, image=init_image, mask_image=mask_image) return output.images[0] result = run_inpaint("./example.jpg", "./mask.png") result.save("output.png") ``` #### 3. **下载资源** 官方仓库提供了多种版本的 Stable Diffusion 及其扩展组件，可以通过 Hugging Face Hub 下载对应权重文件。例如： - 基础版：`runwayml/stable-diffusion-v1-5` - Inpaint 版本：`runwayml/stable-diffusion-inpainting` - Segmentation 控制网路：`lllyasviel/sd-controlnet-seg`[^3] 需要注意的是，部分高级特性可能依赖闭源数据集或者额外授权许可，请仔细阅读相关文档说明后再决定是否部署至实际场景中去应用这些工具。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值