Как удалить фон с картинки на Python: готовый мини-сервис

rembg может локально построить маску объекта и вернуть PNG с прозрачным альфа-каналом, а Streamlit превращает функцию в понятный мини-сервис. Загрузим JPG или PNG, один раз создадим сессию модели u2net, удалим фон и предложим скачать результат. Отдельно проверим прозрачность, размер файла и сложные края.

Удаление фона состоит не из удаления белого цвета. Модель сегментации оценивает, какие пиксели относятся к главному объекту, и строит маску. Затем библиотека формирует альфа-канал: непрозрачность объекта остаётся, а фон становится прозрачным.

Как модель превращает изображение в маску

Streamlit перезапускает скрипт при взаимодействии, поэтому тяжёлую сессию модели нужно кешировать через st.cache_resource. file_uploader возвращает UploadedFile, из которого getvalue читает bytes. remove принимает bytes и session, а force_return_bytes гарантирует PNG-байты на выходе. Мы показываем исходник и результат в двух колонках.

У проекта есть один главный маршрут: получить входные данные, проверить их, выполнить действие и показать результат. Если каждый этап можно проверить отдельно, ошибка перестаёт быть загадкой.

От входных данных до видимого результата. Маска становится альфа-каналом, а не белой заливкой

Собираем Streamlit-сервис удаления фона

Создайте проект на поддерживаемом Python и выполните uv add streamlit "rembg[cpu]". Сохраните код как app.py и запустите uv run streamlit run app.py. Первый вызов get_session скачает модель u2net. Использование чужих изображений может быть ограничено авторскими правами и приватностью; тестируйте на собственных фото или разрешённых материалах.

import streamlit as st
from rembg import new_session, remove

MAX_BYTES = 8 * 1024 * 1024


@st.cache_resource
def get_session():
    return new_session("u2net")


st.set_page_config(page_title="Фон в ноль", page_icon="✂️")
st.title("Удаление фона локально")
uploaded = st.file_uploader("Выберите JPG или PNG", type=["jpg", "jpeg", "png"])

if uploaded:
    source = uploaded.getvalue()
    if len(source) > MAX_BYTES:
        st.error("Файл больше 8 МБ. Уменьшите изображение.")
        st.stop()

    try:
        with st.spinner("Строю маску объекта..."):
            output = remove(source, session=get_session(), force_return_bytes=True)
        left, right = st.columns(2)
        left.image(source, caption="До", use_container_width=True)
        right.image(output, caption="После", use_container_width=True)
        st.download_button("Скачать PNG", output, "without-background.png", "image/png")
    except Exception:
        st.error("Не удалось обработать изображение. Попробуйте другой файл.")

Сессия модели живёт дольше одного rerun, а изображение остаётся обычными bytes. Это разделяет дорогую подготовку модели и быструю обработку конкретного файла.

Что отличает устойчивый проект от случайного успеха. Session экономит повторную загрузку весов

Что происходит с байтами и альфа-каналом

Модель выдаёт маску с вероятностью принадлежности пикселя объекту. rembg преобразует маску в альфа-канал и объединяет её с исходным цветом. PNG сохраняет RGBA, а JPEG прозрачность не поддерживает. Мягкая граница нужна для волос и размытия, но на ней может остаться цвет старого фона.

Не сравнивайте модели на разных фотографиях. Создайте небольшой набор: человек с волосами, предмет на контрастном фоне, стекло и изображение с тенью. Обрабатывайте их одной конфигурацией и фиксируйте артефакты. Для каталога товаров полезен ровный фон и достаточное разрешение.

Проверяем края, размер и повторный запуск

Подготовьте три собственных изображения: предмет на однотонном фоне, человек с волосами и объект с тенью. Обработайте их по очереди и сохраните PNG. Откройте каждый результат на белом и тёмном фоне. Запишите, где маска срезала объект, а где оставила фон. Затем включите decontaminate=True только для одного контрольного фото и сравните край.

Результат удаления фона нельзя оценить одной миниатюрой. Прозрачный PNG, повторный запуск и проверка сложных краёв превращают эффектный демо-трюк в полезный инструмент.

Четыре проверки перед следующим шагом. Качество видно только на разных фонах

Улучшаем качество без случайных настроек

После лаборатории добавьте пакетную обработку нескольких файлов и переиспользуйте одну session. Для больших изображений создавайте уменьшенную рабочую копию и измеряйте память. Если нужен фон другого цвета, применяйте его после получения прозрачного PNG, сохраняя оригинальный cutout.

Как изучить тему в Кодике

В Кодике сначала разберите bytes, файлы, функции и обработку исключений. Затем напишите консольный вариант remove(input, output). Streamlit добавляйте только после того, как преобразование работает без интерфейса.

Не пытайтесь запомнить весь API. В тренажёре Кодика сначала воспроизведите чистую логику без библиотеки, затем восстановите подключение и обработку ошибок. Финальный тест: объяснить проект по памяти и добавить одну свою функцию.

Что получится в итоге

Локальный мини-сервис показывает изображение до и после, переиспользует одну модель и отдаёт настоящий прозрачный PNG по кнопке.