X-AnyLabeling 图像抠图(Image Matting)实战指南:基于 RMBG v1.4 / v2.0 模型实现一键背景移除
X-AnyLabeling 图像抠图(Image Matting)实战指南:基于 RMBG v1.4 / v2.0 模型实现一键背景移除
图像抠图(Image Matting)旨在从图像或视频中精确估计前景对象,是影视后期、电商图片处理、内容创作中不可或缺的技术。本文以 X-AnyLabeling 仓库中的 Image Matting 示例文档 为核心,结合 RMBG 模型实现源码 与其对应的模型配置文件,系统讲解如何在 X-AnyLabeling 中加载 RMBG 系列模型、完成单张与批量抠图、理解输出结果的组织方式,并剖析底层 ONNX 推理流水线的实现细节。阅读完本文,你将能够独立在 X-AnyLabeling 中完成从模型加载到透明背景 PNG 导出的完整抠图工作流,并掌握三个 RMBG 版本在精度、速度与设备适配上的选型要点。
Image Matting 技术简介
Image Matting(图像抠图)与传统的语义分割不同,它不仅要判断像素属于前景还是背景,还要估计前景对象边缘的半透明程度,从而在合成新背景时实现细腻、自然的边缘过渡。这种能力在影视特效(绿幕合成)、图像编辑、广告设计等场景中具有重要价值。
在 X-AnyLabeling 中,抠图功能被封装为一种自动标注模型类型,用户加载模型后即可对当前图像执行前景提取,并将结果以带 Alpha 透明通道的 PNG 图片自动保存,无需手动绘制分割掩码,大幅降低标注与素材预处理成本。
可用模型版本一览
X-AnyLabeling 当前为抠图功能内置了三个基于 BRIA-AI 的 RMBG 模型版本,均以 ONNX 格式分发,通过配置文件注册在 models.yaml 中:
| 模型版本 | 定位 | 速度 | 质量 |
|---|---|---|---|
| RMBG v1.4 | 快速处理 | 较快 | 良好 |
| RMBG v2.0 | 高质量 | 较慢 | 更高 |
| RMBG v2.0 Quantized | v2.0 量化优化版 | CPU 上更快 | 接近 v2.0 |
三个版本的完整 YAML 配置如下:
- rmbg_v14.yaml:
type: rmbg,name: rmbg_v14-r20240908,display_name: RMBG v1.4,模型权重为bria-rmbg-1.4.onnx; - rmbg_v20.yaml:
name: rmbg_v20-r20250530,display_name: RMBG v2.0,新增version: 2.0字段,权重为bria-rmbg-2.0.onnx; - rmbg_v20_quant.yaml:
name: rmbg_v20_quant-r20250530,display_name: RMBG v2.0 Quantized,权重为bria-rmbg-2.0-quant.onnx。
从配置可见,v2.0 及量化版共用 version: 2.0 标识,而 v1.4 未显式声明该字段,运行时默认按 1.4 处理。配置中的 type: rmbg 字段会由 model_manager.py 路由到对应的 RMBG 实现类,模型权重文件在首次使用时按 model_path 指定的地址自动下载。
版本间差异的源码级解读
从 RMBG 类实现 可以看出两个版本在推理管线上的关键差异:
- 输入尺寸:v2.0 固定将输入缩放到
1024×1024,而 v1.4 直接使用 ONNX 模型自身的输入形状(self.net.get_input_shape()[-2:]); - 归一化策略:v2.0 采用 ImageNet 标准归一化(mean 为
[0.485, 0.456, 0.406],std 为[0.229, 0.224, 0.225]);v1.4 则使用mean=0.5、std=1.0的简化归一化。
更高分辨率输入与更复杂的归一化策略,是 v2.0 抠图质量更高、但计算开销明显增大的直接原因,也解释了官方性能基准中 v2.0 在 CPU 上耗时显著上升的现象。
使用步骤
按照 Image Matting 示例文档 的说明,完整操作流程如下:
- 导入素材:在 X-AnyLabeling 中导入图像(快捷键
Ctrl+I)或视频(快捷键Ctrl+O); - 加载模型:在右侧模型面板中,根据需求选择并加载
RMBG v1.4、RMBG v2.0或RMBG v2.0 Quantized之一; - 单张处理:点击
Run (i)按钮处理当前图像,检查抠图结果是否符合预期; - 批量处理:确认效果满意后,按下
Ctrl+B对文件夹中的全部图像执行批量抠图。
处理完成后,结果会自动保存在原始图像所在目录下的 x-anylabeling-matting 子目录中,文件保持与源图同名、扩展名为 .png。
输出结果的组织与展示机制
x-anylabeling-matting 目录的命名与 PNG 扩展名并非写死的字符串,而是定义在 auto_labeling 包的缩略图渲染模型映射表 中:
_THUMBNAIL_RENDER_MODELS = {
"rmbg": ("x-anylabeling-matting", ".png"),
"depth_anything": ("x-anylabeling-depth", ".png"),
"depth_anything_v2": ("x-anylabeling-depth", ".png"),
}
该映射表还驱动了另一个实用特性——结果缩略图预览。在 label_widget.py 的 update_thumbnail_display 方法中,X-AnyLabeling 会在切换图像时尝试从上述目录加载同名 PNG,若存在则在侧边栏的缩略图容器中展示抠图结果,方便用户快速比对源图与抠图效果,无需手动打开文件管理器。
在 RMBG 的预测流程 中,保存逻辑的具体实现为:结果目录取源图路径的上一级并拼接 x-anylabeling-matting,通过 os.makedirs(..., exist_ok=True) 自动创建;输出文件名由源图去除扩展名后追加 .png 得到,最终以带 Alpha 通道的 RGBA 图像写入磁盘。
底层推理流水线:从源码看抠图是如何完成的
RMBG 类 继承自 Model 基类,其 Meta 声明了必需的配置项(type、name、display_name、model_path),并将输出模式限定为 rectangle(仅生成结果图片,不产生标注形状)。整个推理过程可划分为四个阶段:
1. 预处理(preprocess)
image = cv2.resize(image, self.input_shape, interpolation=cv2.INTER_LINEAR)
image = image.astype(np.float32) / 255.0
# v2.0: 按通道做 ImageNet 归一化;v1.4: (image - 0.5) / 1.0
image = np.transpose(image, (2, 0, 1))
return np.expand_dims(image, axis=0)
源码先将输入统一缩放到模型所需尺寸,归一化到 [0, 1],再按版本执行不同的标准化,最后转换为 NCHW 布局并增加 batch 维度,以满足 ONNX Runtime 的输入约定。
2. 前向推理(forward)
return self.net.get_ort_inference(blob, extract=True, squeeze=True)
推理通过 build_onnx_engine.py 提供的 OnnxBaseModel 完成,extract=True, squeeze=True 表示提取单一输出张量并去除多余的维度。模型实例化时通过 __preferred_device__ 决定运行设备:在支持的环境中优先使用 GPU(CUDA),否则回退到 CPU。
3. 后处理(postprocess)
result = cv2.resize(np.squeeze(result), resize_shape, interpolation=cv2.INTER_LINEAR)
max_val, min_val = np.max(result), np.min(result)
result = (result - min_val) / (max_val - min_val)
return (result * 255).astype(np.uint8)
模型输出的单通道掩码先被还原到原始图像分辨率,再做最小-最大归一化将数值拉伸至 [0, 255],得到 8 位灰度掩码。
4. 合成与保存(predict_shapes)
pil_image = pil_image.convert("RGBA")
pil_mask = pil_mask.convert("L")
output_image = Image.new("RGBA", pil_image.size, (0, 0, 0, 0))
output_image.paste(pil_image, (0, 0), pil_mask)
output_image.save(save_file)
最后一步将原图转为 RGBA 模式,把灰度掩码作为 Alpha 通道,将前景像素粘贴到透明画布上,从而生成背景完全透明、可直接用于后续合成的 PNG 图片。抠图结果不返回任何标注形状(AutoLabelingResult([], replace=False)),它属于纯"生成式"模型类型。
性能基准与选型建议
官方在 Image Matting 示例文档 中记录了以 10 张图像为样本的性能测试结果(处理耗时,单位:秒):
| 模型版本 | 设备 | 处理耗时(秒) |
|---|---|---|
| RMBG v1.4 | GPU | 2 |
| RMBG v1.4 | CPU | 9 |
| RMBG v2.0 | GPU | 13 |
| RMBG v2.0 | CPU | 122 |
| RMBG v2.0 Quantized | GPU | 55 |
| RMBG v2.0 Quantized | CPU | 105 |
测试环境
- CPU:13th Gen Intel(R) Core(TM) i5-13600K
- GPU:NVIDIA GeForce RTX 3060(12GB 显存)
[!NOTE] RMBG v2.0 系列模型在 CPU 上明显更慢。为获得最佳性能,强烈建议使用 GPU 加速。
选型建议
结合上述基准与源码行为,可以给出如下实操建议:
- 追求效率:选择 RMBG v1.4,GPU 下处理 10 张图仅需约 2 秒,适合大规模批量预处理;
- 追求质量:选择 RMBG v2.0,1024 分辨率输入与 ImageNet 归一化带来更精细的边缘,适合对前景细节要求高的场景,但务必使用 GPU;
- CPU 环境折中:选择 RMBG v2.0 Quantized,量化版本在 CPU 上将耗时从 122 秒降至 105 秒左右,牺牲少量质量换取更好的 CPU 可运行性。
值得注意的是,源码在检测到 v2.0 模型运行于 CPU 时,会通过 logger.warning 输出显式警告:"RMBG model running on CPU will be very slow. Please consider using GPU acceleration for better performance.",与文档中的建议相互印证。需要说明的是,上述性能数据为文档记录的特定软硬件环境下的测试结果,实际耗时会因图像分辨率、批处理规模与硬件配置而异。
总结
X-AnyLabeling 将 BRIA RMBG 系列模型无缝集成进桌面标注工作流,使用户无需编写任何代码即可完成高质量图像抠图:Ctrl+I 导入素材、选择模型、Run (i) 单张验证、Ctrl+B 批量产出,最终在源图目录的 x-anylabeling-matting 子目录中得到透明背景 PNG,并可通过内置缩略图面板即时预览。从源码层面看,整个管线由 RMBG 实现类 中的预处理、ONNX 推理、后处理与 RGBA 合成四步构成,版本间的差异(输入尺寸、归一化参数、量化程度)直接影响速度与质量权衡。对于有抠图标注与素材处理需求的用户,建议 GPU 环境下首选 RMBG v1.4 做批量快速处理、RMBG v2.0 做高质量单图精修,CPU 环境则使用量化版本获得更好的可运行性。