基于 BiRefNet_lite 高精度二分类图像分割模型的本地 AI 抠图脚本：纯 CPU 推理，全程离线运行；支持通过“不忙脚本盒子”一键配置环境与模型；支持右键选中图片进行批量抠图和定时抠图

不忙抠图演示

演示图展示「原图 → 蒙版 → 透明底」的效果

核心特性

全离线：模型和推理都在本机，图片不出你的电脑
一键安装：通过不忙脚本盒子自动安装、不需要自己装 Python、CUDA 或任何 AI 框架，全程自动处理
干净边缘：发丝、绒毛级别的边缘做了两步专门处理
四种输出：透明底 PNG、纯白底、自定义底色（电商/证件照常用）、单独蒙版
批量处理：一次可选中多张图片，逐张处理，单张失败不影响其他
三种入口：右键菜单、盒子卡片、定时任务，也能被其他脚本当作节点调用
支持格式：PNG、JPG/JPEG、BMP、WEBP、TIF/TIFF

安装方法

本脚本图形化窗口渲染、环境配置、模型下载均依赖不忙脚本盒子、仅建议使用盒子安装

打开 不忙脚本盒子
在脚本社区搜索不忙抠图
点击安装、等待安装完成
装好后在脚本列表里就能看到「不忙抠图」

首次安装耗时主要在下载模型，装好后再次运行无需等待。

使用方式

右键菜单抠图（最常用）

在资源管理器里选中一张或多张图片
右键 → 不忙抠图
盒子弹出的启动窗口里选好「输出」形式，点执行
结果默认输出到图片所在目录，文件名加后缀

卡片点击运行

在盒子里点「不忙抠图」卡片，同样弹出启动窗口。在「源图片」处选文件即可。

定时任务

脚本支持定时任务。因为是无人值守运行，建议把「输出目录」填成绝对路径（例如 D:\抠图结果）——定时任务没有右键上下文，留空会输出到源图所在目录。

输出文件名

输出形式	文件名后缀
透明PNG	`_cutout.png`
白底图	`_cutout_white.png`
自定义底色	`_cutout_bg.png`
仅蒙版	`_cutout_mask.png`

例如 照片.jpg → 照片_cutout.png。

使用提示

⚠ 内存：单张推理峰值约 6.3 GB（不是笔误）。模型解码器要在 1024×1024 上跑 256 通道的
浮点特征图，单张就 1 GB。建议在 16 GB 内存的机器上使用；8 GB 机器请先关闭浏览器等
占内存的程序，否则会非常慢甚至失败。脚本启动时会检查可用内存并在不足时给出提示。
速度：6 核 CPU 上单张约 14 秒（含模型加载，首次会多几秒）。图片大小基本不影响
耗时（统一在 1024×1024 上推理），所以批量 10 张大约两分半。
超大图：模型工作在 1024×1024，6000px 级别的图会先缩小再放大蒙版，发丝级别的细节会有
损失。如果对超大图边缘要求很高，建议先裁剪到需要的主体区域再抠。
半透明物体：玻璃、纱质、烟这类主体内部就该半透明的东西，会被过渡带锐化压成较硬的
边。需要保留这种通透感时，把 src/edges.py 里的 SHARPEN_LO/HI 调回 0.0/1.0 即可关闭。
EXIF：手机竖拍的照片会自动纠正方向，不会出现歪图。

作为节点被其他脚本调用（开发者）

本脚本声明了 [bmscriptsbox.node]，可以被其他盒子脚本通过 POST /api/link 同步调用。

import json, sys, requests

payload = json.load(open(sys.argv[1], encoding="utf-8"))
env = payload["environment"]

r = requests.post(f"{env['api_base']}/api/link", json={
    "script_id": "523b6d94-7955-48fa-9fb9-b0efb17370c5",
    "data": {"target_paths": ["D:/图片/a.png", "D:/图片/b.jpg"]},
    "params": {"output_mode": "透明PNG", "bg_color": "#FFFFFF", "output_dir": ""},
}, timeout=600)

body = r.json()
if not body.get("success"):
    raise RuntimeError(body.get("message"))

result = body["result"]          # 被调脚本写回的信封
if result.get("code") != 0:
    raise RuntimeError(result.get("msg"))

print(result["results"])         # 输出文件路径列表
print(result["failed"])          # 失败的源文件列表

信封字段

字段	类型	说明
`code`	int	见下表
`msg`	str	人类可读的结果说明
`results`	list	成功输出的图片路径
`failed`	list	处理失败的源文件路径

业务错误码（与盒子合成的 -1/-2/-3 区分开）

code	含义
`0`	全部成功
`1`	部分成功（有失败项）
`2`	全部失败
`3`	模型不可用（未下载 / 文件缺失）
`4`	输入无效（没有待处理图片）

环境要求

Windows 10 / 11
不忙脚本盒子
内存：建议 16 GB（单张推理峰值约 6.3 GB）
Python 3.12（盒子自动部署，无需手动安装）
- 必须 ≥ 3.12：onnxruntime 自 1.24 起已不再提供 CPython 3.10 的 wheel，
  而盒子会按 language_version 锁定运行时次版本，因此 3.12 是本脚本的可用档位
磁盘：模型约 214 MB + 运行环境约 200 MB

关于模型

模型为 BiRefNet_lite（Bilateral Reference for High-Resolution Dichotomous Image
Segmentation 的轻量版）通用抠图模型，通过盒子从 huggingface 下载
onnx-community/BiRefNet_lite-ONNX。

模型不包含在脚本包内，由盒子在安装时下载到本地并全局共享
原模型出处：ZhengPeng7/BiRefNet，MIT 许可
输入 1024×1024 静态尺寸；输出为 logits，需补 sigmoid（见 src/model.py 的 REPO_SPECS）
导出差异提示：不同仓库的 ONNX 导出输出量纲可能不同（logits vs 概率图），
且 preprocessor_config.json 里的 size 可能过期。本脚本以 ONNX 图的实际
输入尺寸为权威，并按仓库登记后处理方式，换模型时务必同步 REPO_SPECS。

不忙抠图

脚本能力