Communitygithub.com

OpenGHz/rembg-hintergrundentfernung

Agent-Fähigkeit: Entferne Bildhintergründe mit rembg in einer isolierten, CUDA-abgestimmten Umgebung – transparente PNG-Ausschnitte für ein einzelnes Bild oder einen ganzen Ordner.

Was ist rembg-hintergrundentfernung?

Diese Fähigkeit kapselt die zuverlässige Einrichtung und Ausführung von rembg zur Hintergrundentfernung in einer isolierten Umgebung. Der schwierige Teil ist nicht die Entfernung selbst, sondern das Einrichten einer funktionierenden, isolierten Umgebung mit passendem GPU-Backend – insbesondere die Abstimmung der ONNX Runtime auf die CUDA-Version des Systems. Das Skill erstellt beim ersten Mal automatisch eine Conda- oder venv-Umgebung, installiert das passende onnxruntime-gpu (für CUDA 12.x eine fixierte Version, um den Fehler „libcudart.so.13 nicht gefunden“ zu vermeiden) und richtet die benötigten Pfade für NVIDIA-Bibliotheken ein. Außerdem lädt es automatisch die Modelle birefnet-general und u2net vorab herunter. Die Ausführung erfolgt über einen Wrapper, der sowohl einzelne Dateien als auch ganze Ordner verarbeitet, Ausgabepfade optional macht und rembg-Flags direkt durchreicht. Das Skill unterstützt auch Proxy-Konfigurationen und erlaubt die Auswahl verschiedener Modelle für optimale Kantenergebnisse.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add OpenGHz/rembg-bg-removal

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

rembg Hintergrundentfernung

Entfernt Bildhintergründe mit rembg. Der schwierige Teil ist nicht die Entfernung selbst – es ist das Einrichten einer funktionierenden, isolierten Umgebung mit einem GPU-Backend, das der CUDA-Version des Rechners entspricht. Dieses Skill bündelt diese Einrichtung als einmaliges Skript und dann einen schlanken Ausführungs-Wrapper.

Arbeitsablauf

  1. Prüfen, ob die Umgebung existiert. Vor dem Ausführen prüfen:

    # conda (Standard, wenn conda vorhanden):
    conda env list | grep -q '\brembg\b' && echo EXISTS
    # venv Fallback:
    test -x ~/.venvs/rembg/bin/rembg && echo EXISTS
    

    Wenn sie nicht existiert, das Einrichtungsskript ausführen (siehe unten). Wenn sie existiert, direkt zum Ausführen springen.

  2. Hintergrundentfernung ausführen mit dem Wrapper (erkennt automatisch Datei vs. Ordner):

    bash <skill>/scripts/run_rembg.sh <input> <output> [-m MODEL] [flags]
    
  3. Melden, wohin die Ausgaben gingen und welches Modell verwendet wurde. Wenn der Benutzer Wert auf Qualität legt, auf die Optimierungsmöglichkeiten hinweisen.

Einrichtung (nur einmalig)

Das mitgelieferte Installationsskript ausführen. Es erstellt eine dedizierte Umgebung und installiert nur dort – es ändert niemals die aktive oder Basisumgebung des Benutzers.

bash <skill>/scripts/setup_env.sh

Was es tut, und warum:

  • Isolation. Erstellt eine dedizierte Conda-Umgebung namens rembg (oder ein venv unter ~/.venvs/rembg, falls conda nicht verfügbar ist). Es berechnet einen expliziten Interpreter-Pfad und installiert mit <that-python> -m pip, sodass nichts in der gerade aktiven Umgebung landet.
  • Backend abgestimmt auf CUDA. Liest die CUDA-Version des Treibers aus nvidia-smi aus. Für CUDA 12.x installiert es onnxruntime-gpu==1.22.0 plus die passenden nvidia-cudnn-cu12 / cublas / cuda-runtime-Wheels. Das ist wichtig: das neueste onnxruntime-gpu (1.23+) ist für CUDA 13 gebaut und schlägt auf einem CUDA-12-System mit libcudart.so.13: cannot open shared object file fehl. Für CUDA ≥13 verwendet es die neueste GPU-Version; ohne GPU wird die CPU-Version installiert.
  • Bibliothekspfad. onnxruntime-gpu benötigt die pip NVIDIA-Bibliotheken auf LD_LIBRARY_PATH. Das Installationsskript fügt einen conda activate.d-Hook hinzu, und der Ausführungs-Wrapper setzt ihn ebenfalls (für venv), sodass der Benutzer niemals etwas exportieren muss.
  • Modell-Vorabdownload. Lädt birefnet-general (~928 MB) und u2net mit wget -c Fortsetzung + md5-Prüfung herunter, weil die GitHub-Release-Links regelmäßig mitten im Download abbrechen.

Nützliche Überschreibungen (Umgebungsvariablen): ENV_TYPE=venv, ENV_PATH=~/.venvs/rembg, FORCE_CPU=1, PROXY=http://127.0.0.1:7890 (leitet Downloads durch einen Proxy; standardmäßig leer), RECREATE=1 (Neuaufbau von Grund auf), MODELS="birefnet-general isnet-anime".

Ausführung

Der Wrapper behandelt einzelne Dateien und Ordner identisch – übergib eine Datei, erhalte eine Datei, übergib ein Verzeichnis, erhalte ein Verzeichnis mit Ausschnitten. Der Ausgabepfad ist optional: weglassen und der Wrapper schreibt neben die Eingabe mit einem _rembg-Suffix (photo.jpg → photo_rembg.png, icons/ → icons_rembg/), sodass du keinen frei erfinden musst.

# Einzelnes Bild, automatische Ausgabe -> photo_rembg.png
bash <skill>/scripts/run_rembg.sh photo.jpg

# Explizite Ausgabe
bash <skill>/scripts/run_rembg.sh photo.jpg photo_cutout.png

# Ganzer Ordner, automatische Ausgabe -> icons_rembg/
bash <skill>/scripts/run_rembg.sh ./icons -m birefnet-general -ppm

# Ein Modell wählen / rembg-Flags übergeben (Flags können direkt nach der Eingabe folgen)
MODEL=isnet-anime bash <skill>/scripts/run_rembg.sh char.png -ppm

Der Wrapper entfernt zuerst einen eventuellen socks://-Proxy (er lässt rembgs Gradio-Import abstürzen). Standardmäßig wird kein Proxy verwendet; setze PROXY, um bedarfsgesteuerte Modell-Downloads über einen HTTP-Proxy zu leiten.

Modellauswahl & Qualitätsoptimierung

Standard ist birefnet-general (beste allgemeine Kanten). Wenn der Benutzer mit den Kanten unzufrieden ist, Haare/weiche Kanten, Anime oder Porträts erwähnt, oder einen einfarbigen Hintergrund wünscht, lies references/models_and_flags.md für die vollständige Modelltabelle und die Reihenfolge der Flag-Optimierung (beginne mit -ppm, dann einem stärkeren Modell, dann -a Alpha- Matting mit -ae Erosions-Tuning).

Fehlerbehebung

  • No onnxruntime backend found – das GPU-Wheel konnte nicht importiert werden (normalerweise ein CUDA-Hauptversionskonflikt). Führe setup_env.sh erneut aus; es wählt das passende Backend aus.
  • libcudart.so.13: cannot open shared object file – onnxruntime-gpu ist für CUDA 13 gebaut, aber der Rechner hat CUDA 12. Genau das wird durch die Version-Festlegung in setup_env.sh behoben.
  • Unknown scheme for proxy URL 'socks://...' – ein socks:// all_proxy lässt gradio/httpx abstürzen. Der Ausführungs-Wrapper entfernt ihn; wenn du rembg von Hand ausführst, setze zuerst unset all_proxy ALL_PROXY.
  • The CLI dependencies are not installed – rembg wurde ohne die [cli]-Erweiterung installiert. setup_env.sh installiert rembg[cpu,cli]; führe es erneut aus.
  • Modell-Download bleibt hängen / SSL EOF – setze einen funktionierenden PROXY oder lade mit wget -c in ~/.u2net/<name>.onnx vorab herunter (das Installationsskript macht das).

Verwandte Skills