几种常见的去除白色背景的方式详解

几种常见的去除白色背景的方式详解

引用

CSDN

1.

https://blog.csdn.net/cuijiying/article/details/146188640

在图片处理中，去除白色背景是一个常见的需求。无论是设计师、摄影师还是普通用户，都可能遇到需要将图片背景变为透明的情况。本文将介绍几种常见的去除白色背景的方法，包括在线工具、专业软件以及编程方式，帮助你根据自身需求选择最适合的方案。

1. 使用在线工具（例如 remove.bg）

这是最简单、最快速的方法，尤其适合对图像要求不是特别严格的场合。

1. 打开网站remove.bg。
2. 上传需要去除背景的图片。
3. 网站会自动识别并去除背景，完成后可直接下载无背景的PNG格式图像。

优点：

• 操作简单，无需安装软件。
• AI自动识别，速度快。

缺点：

• 对于带有细节的图片，可能会出现抠图不够准确的情况。
• 免费版对图像尺寸、次数等有所限制。

2. 使用Photoshop去除背景

方法A：Magic Wand Tool（魔棒工具）+ 删除背景

1. 打开图片：在Photoshop中打开这张印章图片。
2. 选择魔棒工具 (Magic Wand Tool)：在左侧工具栏中，找到“魔棒工具”。
3. 设置容差 (Tolerance)：在上方的属性栏中设置合适的“容差”值（如 20-30）。容差越大，选区会包含更多相似的颜色；容差越小，选区更严格。
4. 点击白色背景：用魔棒工具点击图像中白色区域，Photoshop 会自动生成一个选区，选中的就是白色背景部分。
5. 检查选区：如果魔棒选中范围不完整，可以按住 Shift 键并继续点击其它未选中的白色部分，或调节容差重新选取。
6. 删除背景：按下键盘上的 Delete 键，白色背景就会被删除，呈现透明背景（一般是灰白相间格子）。
7. 导出图片：选择菜单栏“文件 (File)”→“导出 (Export)”→“导出为 (Export As)”，选择 PNG 格式（保留透明背景），即可得到无背景的印章图。

方法B：Select > Color Range（颜色范围）+ 删除背景

1. 打开图片：在Photoshop中打开这张印章图片。
2. 选择“选择 (Select)”→“色彩范围 (Color Range)”：会弹出一个对话框。
3. 吸管工具选择白色：使用吸管工具点击图像中的白色背景部分，调节“容差 (Fuzziness)”数值以控制选区的范围。可以在预览窗口中观察哪些区域被选中。
4. 点击确定：完成后，图像中会出现选区闪烁线。
5. 删除背景：按下 Delete 键，白色背景就会被删除。
6. 导出图片：同样，选择 PNG 格式导出无背景图像。

优点：

• 能够细致地控制背景去除的效果，适合有较高精度需求的场合。

缺点：

• 需要安装Photoshop且对软件有一定熟悉度。

3. 使用免费开源软件 GIMP

GIMP 是一款开源的图像编辑软件，与 Photoshop 类似但免费。操作思路也相近，这里简要说明操作步骤：

1. 安装并打开 GIMP。
2. 打开图片： File -> Open ，选择要去除背景的印章图片。
3. 使用 Fuzzy Select Tool（类似魔棒工具）：

• 在左侧工具栏中找到 “Fuzzy Select Tool”。
• 在工具选项中设置阈值（Threshold），尝试 20-30 之间，然后点击图片中的白色背景区域。

4. 删除选区：按下 Delete 键，白色背景会被移除。
5. 导出为 PNG： File -> Export As ，选择 PNG 格式并确保“保存颜色通道 (Save color values from transparent pixels)”等设置正确，即可导出无背景图像。

优点：

• 免费、跨平台（Windows、macOS、Linux都可用）。
• 对抠图操作比较灵活，效果较好。

缺点：

• 与 Photoshop 相比，界面可能不够直观，需要稍加适应。

4. 使用编程方式（Python + PIL/OpenCV示例）

如果你需要在编程场景中自动化处理类似图片的背景去除，可以使用 Python 的图像处理库来完成。下面以 OpenCV 为例做一个简易演示：

示例：OpenCV + NumPy

import cv2
import numpy as np

# 1. 读取图像
img = cv2.imread('stamp.jpg')

# 2. 将图像转换为HSV或者RGB，便于分割
#   （此处如果背景是纯白，可以直接对RGB的值进行阈值判断）
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 3. 设置白色范围（阈值可根据实际情况调整）
lower_white = np.array([0, 0, 200])    # 近似白色下限
upper_white = np.array([180, 25, 255]) # 近似白色上限

# 4. 根据阈值生成掩模
mask = cv2.inRange(hsv, lower_white, upper_white)

# 5. 将掩模反转（背景为白色，所以掩模区域是背景部分）
mask_inv = cv2.bitwise_not(mask)

# 6. 保留原图中的印章部分
res = cv2.bitwise_and(img, img, mask=mask_inv)

# 7. 将黑色部分（原先的背景）改为透明
#    先转换为 BGRA 格式
res_bgra = cv2.cvtColor(res, cv2.COLOR_BGR2BGRA)
#    将mask_inv为0的部分设置为透明
res_bgra[:, :, 3] = mask_inv

# 8. 保存结果（PNG格式可保留透明通道）
cv2.imwrite('stamp_no_bg.png', res_bgra)

• lower_white/upper_white用于设定“白色”的范围，不同图片的白色亮度可能略有不同，需要多次尝试。
• 生成的 stamp_no_bg.png 就是一张带透明通道的 PNG 图片，白色背景已经被抠掉。

优点：

• 可批量自动处理大量图片，适合开发工作流中集成。
• 灵活可控，可结合其他图像处理技术进行后续操作。

缺点：

• 对初学者而言，需要掌握一定的编程与图像处理知识。
• 参数调整需要多次尝试才能得到理想效果。

总结

• 如果只需要快速去除背景，在线工具（如 remove.bg）最为便捷。
• 如果对抠图质量有较高要求，或需要进一步修饰，建议使用 Photoshop 或 GIMP。
• 如果需要批量自动化处理，Python 等编程方式是更好的选择。

希望以上方法能够帮助你成功去除图片白色背景，获得一张透明背景的图像。根据你的需求与使用场景，选择合适的方式即可。