背景移除工具

BackgroundRemover 是一款基于 AI 的命令行工具，可用于从 图片 和 视频 中移除背景。该工具由 nadermx 开发，旨在为 https://BackgroundRemoverAI.com 提供支持。如果您想知道为何开发此工具，请阅读这篇 简短博客文章。

需求

• python >= 3.6

• python3.6-dev # 或您使用的任何 Python 版本

• 稳定版的 torch 和 torchvision (https://pytorch.org)

• ffmpeg 4.4+

• 需要说明的是，您必须同时安装 Python 和您所安装的 Python 开发版本。例如：python3.10-dev 与 python3.10，或 python3.8-dev 与 python3.8。

如何安装 torch 和 ffmpeg

访问 https://pytorch.org，向下滚动至 INSTALL PYTORCH 部分，并按照说明操作。

仅使用 CPU（默认）：

pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cpu

支持 GPU（CUDA）：

# 对于 CUDA 11.8
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu118

# 对于 CUDA 12.1
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu121

请访问 https://pytorch.org/get-started/locally/ 查找适合您 CUDA 版本的正确命令。

安装 ffmpeg 和 python-dev：

sudo apt install ffmpeg python3.6-dev

安装

要安装 backgroundremover，请从 pypi 安装：

pip install --upgrade pip
pip install backgroundremover

请注意，首次运行程序时，它会检查您是否已安装 u2net 模型；如果未安装，它将从该仓库中下载这些模型。

此外，您也可以不通过 pip 安装而直接运行该工具：只需克隆 git 仓库到本地，启动虚拟环境，安装依赖项并运行：

python -m backgroundremover.cmd.cli -i "video.mp4" -mk -o "output.mov"

对于 Windows 系统：

python.exe -m backgroundremover.cmd.cli -i "video.mp4" -mk -o "output.mov"

使用 Docker 安装

git clone https://github.com/nadermx/backgroundremover.git
cd backgroundremover
docker build -t bgremover .
# 基本用法（每次运行都会下载模型）
alias backgroundremover='docker run -it --rm -v "$(pwd):/tmp" bgremover:latest'

# 推荐：在多次运行之间保留模型，以避免重复下载
mkdir -p ~/.u2net
alias backgroundremover='docker run -it --rm -v "$(pwd):/tmp" -v "$HOME/.u2net:/root/.u2net" bgremover:latest'

# 处理视频时：增加共享内存以避免多进程错误
alias backgroundremover='docker run -it --rm --shm-size=2g -v "$(pwd):/tmp" -v "$HOME/.u2net:/root/.u2net" bgremover:latest'

Docker 视频处理注意事项： 视频处理使用多进程，需要足够的共享内存。如果您遇到类似 OSError: [Errno 95] Operation not supported 的错误，请在运行容器时使用 --shm-size=2g（或更高）选项，或使用 --ipc=host。

GPU 加速

BackgroundRemover 会自动检测并使用您的 GPU（如果可用），从而显著提升速度（通常比 CPU 快 5–10 倍）。

验证 GPU 是否正在使用：

python3 -c "import torch; print('GPU 可用:', torch.cuda.is_available()); print('GPU 名称:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'N/A')"

GPU 问题排查：

1. 未检测到 GPU：请确保您已安装兼容 CUDA 的 PyTorch 版本（参见上述安装说明）。
2. 显存不足错误：使用 -gb 1 标志降低 GPU 批量大小。
3. CPU 性能缓慢：安装兼容 CUDA 的 PyTorch 以实现 GPU 加速。
4. CUDA 版本不匹配：请确保您的 PyTorch CUDA 版本与系统中的 CUDA 安装版本一致。

如果 GPU 不可用或出现错误，该工具将自动回退到 CPU。

命令行使用

图片

移除本地文件图片的背景：

backgroundremover -i "/path/to/image.jpeg" -o "output.png"

支持的图片格式：.jpg, .jpeg, .png, .heic, .heif（HEIC/HEIF 支持需要 pillow-heif）。

处理文件夹中的所有图片

现在您可以使用 --input-folder (-if) 选项，一次性移除文件夹中所有支持的图片或视频文件的背景。您还可以选择性地使用 --output-folder (-of) 设置输出文件夹。如果未提供 --output-folder，输出文件将保存在输入文件夹中，并在文件名前加上 output_ 前缀。

示例：图片文件夹

backgroundremover -if "/path/to/image-folder" -of "/path/to/output-folder"

这将处理文件夹中的所有 .jpg, .jpeg, .png, .heic 和 .heif 图片，并将结果保存到输出文件夹中。

图片背景移除的高级用法

Alpha 蒙版以获得更好的边缘质量：

默认情况下，backgroundremover 会生成柔和自然的边缘。但在某些情况下（如卡通、图形或具有清晰边缘的对象），您可能希望获得更锐利的边缘或更好的边缘细化效果。

# 启用 alpha 蒙版以获得更精细的边缘
backgroundremover -i "/path/to/image.jpeg" -a -o "output.png"

# 调整侵蚀大小以获得更锐利或更柔和的边缘（默认值：10）
# 较小的值（1–5）= 更锐利、更硬朗的边缘（适用于卡通/图形）
# 较大的值（15–25）= 更柔和、更自然的边缘（适用于人像）
backgroundremover -i "/path/to/image.jpeg" -a -ae 5 -o "output.png"

Alpha 蒙版参数：

• -a - 启用 alpha 蒙版
• -af - 前景阈值（默认值：240）
• -ab - 背景阈值（默认值：10）
• -ae - 侵蚀大小（1–25，默认值：10）——控制边缘的锐度
• -az - 基础尺寸（默认值：1000）——影响处理分辨率

针对不同主题更改模型：

# 用于人类/人物——对人类主题最准确
backgroundremover -i "/path/to/image.jpeg" -m "u2net_human_seg" -o "output.png"

# 用于一般物体——通用且表现良好的模型（默认）
backgroundremover -i "/path/to/image.jpeg" -m "u2net" -o "output.png"

# 更快的处理速度——准确性较低但速度更快
backgroundremover -i "/path/to/image.jpeg" -m "u2netp" -o "output.png"

仅输出掩码（二值掩码/遮罩）

backgroundremover -i "/path/to/image.jpeg" -om -o "mask.png"

将背景替换为自定义颜色

# 替换为红色背景
backgroundremover -i "/path/to/image.jpeg" -bc "255,0,0" -o "output.png"

# 替换为绿色背景
backgroundremover -i "/path/to/image.jpeg" -bc "0,255,0" -o "output.png"

# 替换为蓝色背景
backgroundremover -i "/path/to/image.jpeg" -bc "0,0,255" -o "output.png"

用自定义图片替换背景

# 用另一张图片替换背景
backgroundremover -i "/path/to/image.jpeg" -bi "/path/to/background.jpg" -o "output.png"

与管道结合使用（stdin/stdout）

您可以在 Unix 管道中使用 backgroundremover，通过从 stdin 读取并写入 stdout：

# 从 stdin 读取，写入 stdout
cat input.jpg | backgroundremover > output.png

# 在管道中与其他工具结合使用
curl https://example.com/image.jpg | backgroundremover | convert - -resize 50% smaller.png

# 等效的显式语法
backgroundremover -i - -o - < input.jpg > output.png

注意：管道模式假定输入为图像（而非视频）。

作为 HTTP API 服务器运行

您可以将 backgroundremover 作为 HTTP API 服务器运行：

# 在默认端口 5000 上启动服务器
backgroundremover-server

# 指定自定义主机和端口
backgroundremover-server --addr 0.0.0.0 --port 8080

API 使用方法：

# 通过 POST 上传图片
curl -X POST -F "file=@image.jpg" http://localhost:5000/ -o output.png

# 通过 GET 从 URL 处理
curl "http://localhost:5000/?url=https://example.com/image.jpg" -o output.png

# 带有 Alpha 蒙版处理
curl "http://localhost:5000/?url=https://example.com/image.jpg&a=true&af=240" -o output.png

# 选择模型
curl "http://localhost:5000/?url=https://example.com/image.jpg&model=u2net_human_seg" -o output.png

参数说明：

• a - 启用 Alpha 蒙版处理
• af - Alpha 蒙版前景阈值（默认：240）
• ab - Alpha 蒙版背景阈值（默认：10）
• ae - Alpha 蒙版侵蚀大小（默认：10）
• az - Alpha 蒙版基础尺寸（默认：1000）
• model - 模型选择：u2net、u2netp 或 u2net_human_seg

视频

从视频中移除背景并制作透明 MOV 文件

backgroundremover -i "/path/to/video.mp4" -tv -o "output.mov"

处理文件夹中的所有视频

现在您可以使用 --input-folder（-if）选项，从文件夹中的所有支持的图像或视频文件中移除背景。您还可以选择性地使用 --output-folder（-of）指定输出文件夹。如果未提供 --output-folder，输出文件将保存在输入文件夹中，并以 output_ 为前缀。

示例：将视频文件夹中的视频转换为透明 .mov 文件

backgroundremover -if "/path/to/video-folder" -of "/path/to/output-folder" -tv

您也可以结合其他选项：

backgroundremover -if "videos" -of "processed" -m "u2net_human_seg" -fr 30 -tv

• 使用 u2net_human_seg 模型
• 将视频帧率覆盖为 30 fps
• 输出透明 .mov 文件到 processed/ 文件夹
• 支持的视频格式：.mp4、.mov、.webm、.ogg、.gif
• 输出文件将在输出文件夹中命名为 output_filename.ext

从本地视频中移除背景并叠加到其他视频上

backgroundremover -i "/path/to/video.mp4" -tov -bv "/path/to/background_video.mp4" -o "output.mov"

从本地视频中移除背景并叠加到图片上

backgroundremover -i "/path/to/video.mp4" -toi -bi "/path/to/background_image.png" -o "output.mov"

从视频中移除背景并制作透明 GIF

backgroundremover -i "/path/to/video.mp4" -tg -o "output.gif"

制作遮罩文件（绿幕叠加）

为 Premiere 制作遮罩文件

backgroundremover -i "/path/to/video.mp4" -mk -o "output.matte.mp4"

视频播放与兼容性

重要提示： 透明 .mov 输出默认采用 ProRes 4444 编码（prores_ks，使用 yuva444p10le），该编码提供 10 位色彩和 Alpha 通道，并与专业视频编辑软件（DaVinci Resolve、Premiere、Final Cut Pro）具有极佳的兼容性。如有需要，您可以通过 --alpha-codec 更改编解码器。

示例：

# 较小的带 Alpha 通道 WebM 文件（如果您的工具支持）
backgroundremover -i "video.mp4" -tv --alpha-codec libvpx-vp9 -o "output.webm"

# 旧版 qtrle 编码（无损但文件非常大）
backgroundremover -i "video.mp4" -tv --alpha-codec qtrle -o "output.mov"

推荐的视频播放器：

• mpv（https://mpv.io）- 对透明视频的支持最佳（Linux、Mac、Windows）
• QuickTime Player（Mac）- macOS 原生支持
• DaVinci Resolve / Adobe Premiere - 视频编辑软件中完全支持（可能需要在属性中启用 Alpha 通道）

常见问题：

• VLC：可能无法正确显示透明效果，会出现颜色失真或绿色/紫色色调。
• Windows Media Player：对透明度的支持有限。
• 网页浏览器：对 ProRes 编码的支持有限。

如果您的播放器不支持透明度的解决方法：

1. 转换为 VP9 编码的 WebM 格式（兼容性更好）：

   ffmpeg -i output.mov -c:v libvpx-vp9 -pix_fmt yuva420p output.webm
   

2. 添加彩色背景（用于测试）：

   ffmpeg -f lavfi -i color=white:s=1920x1080 -i output.mov -filter_complex 'overlay=0:0' -c:v libx264 output_with_bg.mp4
   

3. 直接使用透明 GIF 输出代替（更简单但画质较低）：

   backgroundremover -i "video.mp4" -tg -o "output.gif"
   

视频高级用法

更改视频帧率（默认设置为 30）

backgroundremover -i "/path/to/video.mp4" -fr 30 -tv -o "output.mov"

设置视频总帧数（默认设置为 -1，即移除整个视频的背景）

backgroundremover -i "/path/to/video.mp4" -fl 150 -tv -o "output.mov"

更改视频的 GPU 批量大小（默认设置为 1）

backgroundremover -i "/path/to/video.mp4" -gb 4 -tv -o "output.mov"

更改处理视频的工作线程数量（默认设置为 1）

backgroundremover -i "/path/to/video.mp4" -wn 4 -tv -o "output.mov"

注意： 在某些系统上，使用较高的工作线程数（>4）可能会导致 ConnectionResetError 或崩溃，这是由于多进程限制所致。如果遇到错误，请减少工作线程数或使用 -wn 1。最佳线程数取决于您的 CPU 核心数和可用内存。 更改模型以使用不同的背景移除方法，可在 u2netp、u2net 或 u2net_human_seg 之间切换，并将帧数限制为 150

backgroundremover -i "/path/to/video.mp4" -m "u2net_human_seg" -fl 150 -tv -o "output.mov"

作为库使用

移除背景图像

from backgroundremover.bg import remove

def remove_bg(src_img_path, out_img_path):
    model_choices = ["u2net", "u2net_human_seg", "u2netp"]
    f = open(src_img_path, "rb")
    data = f.read()
    img = remove(data, model_name=model_choices[0],
                 alpha_matting=True,
                 alpha_matting_foreground_threshold=240,
                 alpha_matting_background_threshold=10,
                 alpha_matting_erode_structure_size=10,
                 alpha_matting_base_size=1000)
    f.close()
    f = open(out_img_path, "wb")
    f.write(img)
    f.close()

仅生成二值掩码

from backgroundremover.bg import remove

f = open("input.jpg", "rb")
data = f.read()
mask = remove(data, model_name="u2net", only_mask=True)
f.close()

f = open("mask.png", "wb")
f.write(mask)
f.close()

将背景替换为自定义颜色

from backgroundremover.bg import remove

f = open("input.jpg", "rb")
data = f.read()
# 使用 RGB 元组指定背景颜色 (255, 0, 0) = 红色
img = remove(data, model_name="u2net", background_color=(255, 0, 0))
f.close()

f = open("output.png", "wb")
f.write(img)
f.close()

将背景替换为自定义图片

from backgroundremover.bg import remove

# 读取输入图像
with open("input.jpg", "rb") as f:
    input_data = f.read()

# 读取背景图像
with open("background.jpg", "rb") as f:
    bg_data = f.read()

# 移除背景并合成到背景图像上
result = remove(input_data, model_name="u2net", background_image=bg_data)

# 保存结果
with open("output.png", "wb") as f:
    f.write(result)

故障排除

“EOFError: 输入已用尽”或模型加载错误

如果出现类似 EOFError: 输入已用尽 或模型加载失败的错误：

原因： 模型文件下载过程中发生损坏或中断。

解决方案：

# 删除损坏的模型文件
rm ~/.u2net/u2net.pth
# 或对于其他模型：
rm ~/.u2net/u2netp.pth
rm ~/.u2net/u2net_human_seg.pth

# 再次运行 backgroundremover，它会重新下载模型
backgroundremover -i "your-image.jpg" -o "output.png"

预防措施： 该工具现在会自动验证并重试失败的下载，但如果您使用的是旧版本中损坏的模型，则需要手动删除。

背景未移除或部分缺失

如果背景未能正确移除，或者主体的部分区域消失：

1. 尝试使用不同的模型：

   • 对于人物/肖像，使用 u2net_human_seg
   • 对于一般物体，使用默认的 u2net
   • 模型的选择会显著影响结果。

2. 调整 alpha matting 参数：

   • 使用 -a 标志启用以获得更好的边缘检测效果。
   • 如果某些部分被错误分类，请调整阈值参数 -af 和 -ab。

3. 检查输入图像：

   • 确保主体与背景之间有良好的光照和对比度。
   • 避免背景颜色与主体颜色相近的情况。
   • 可考虑手动裁剪，以包含更明显的背景信息。

透明度问题或颜色异常

如果输出视频显示颜色失真、绿色/紫色色调，或透明度无法正常工作：

1. 检查您的视频播放器 - 请参阅上述“视频播放与兼容性”部分。
2. 使用推荐的播放器，如 mpv 或 QuickTime Player。
3. 必要时转换为其他格式（参见 WebM 转换示例）。

输出文件过大

透明 .mov 文件采用 ProRes 4444 编码，文件大小会大于输入文件。ProRes 4444 在保持 10 位色彩和透明通道的同时，比之前的 qtrle 编码提供了更好的压缩效果：

• 文件大小明显小于 qtrle，但仍比普通视频大。
• 这是高质量透明度保留的预期结果。
• 如果您的工具支持，可以使用 --alpha-codec libvpx-vp9 生成较小的 .webm 文件。

质量较差或结果不准确

背景移除的质量取决于以下因素：

1. 输入质量 - 更高的分辨率和更好的光照条件有助于提高效果。
2. 主体复杂度 - 简单且轮廓清晰的主体效果最佳。
3. 模型局限性 - AI 模型可能难以处理以下情况：
   • 主体与背景颜色非常接近。
   • 复杂的头发或毛发细节。
   • 透明或反光物体。
   • 模型未训练过的特殊主体。

提升效果的建议：

• 对于人像主体，专门使用 u2net_human_seg。
• 对于复杂边缘，启用 alpha matting 参数 -a。
• 拍摄时确保主体与背景之间有足够的对比度。
• 尝试不同的 alpha matting 参数（-ae、-af、-ab）。

测试

目前该项目尚未实现自动化测试用例。测试均通过手动方式，使用示例图像和视频进行。

手动测试

测试 backgroundremover 功能的方法如下：

测试图像背景移除：

# 基本测试
backgroundremover -i "test_image.jpg" -o "output.png"

# 启用 alpha matting 的测试
backgroundremover -i "test_image.jpg" -a -ae 15 -o "output.png"

# 测试掩码生成
backgroundremover -i "test_image.jpg" -om -o "mask.png"

# 测试自定义背景颜色
backgroundremover -i "test_image.jpg" -bc "0,255,0" -o "output.png"

测试视频处理：

# 测试透明视频
backgroundremover -i "test_video.mp4" -tv -o "output.mov"

# 测试抠像
backgroundremover -i "test_video.mp4" -mk -o "matte.mov"

# 测试透明 GIF
backgroundremover -i "test_video.mp4" -tg -o "output.gif"

测试 HTTP 服务器：

# 启动服务器
backgroundremover-server --port 5000

# 使用 curl 测试（在另一个终端）
curl -X POST -F "file=@test_image.jpg" http://localhost:5000/ -o output.png

贡献测试

使用 pytest 或 unittest 实现自动化测试将是对该项目的重要贡献。测试用例应涵盖：

• 不同格式图像的处理（JPG、PNG、HEIC）
• 不同编解码器的视频处理
• CLI 参数验证
• HTTP API 端点
• 模型加载与推理
• 错误处理

待办事项

已完成

• ✅ HTTP API 服务器（使用 backgroundremover-server）
• ✅ 全面的文档和故障排除指南
• ✅ Docker 支持及模型持久化
• ✅ HEIC/HEIF 图像格式支持
• ✅ 管道支持（stdin/stdout）
• ✅ 自定义背景颜色和图片
• ✅ 二值掩码输出
• ✅ 文件夹批量处理

进行中 / 未来功能

• 支持更多模型（ISNet、BiRefNet、U2Net 衣物分割）
• CoreML 支持，用于 Apple Silicon 加速
• 独立可执行文件（无需安装 Python）
• 自动化测试套件
• 视频流实时背景移除
• 将视频处理逻辑迁移到图像处理，以更好地利用 GPU
• 提供结果反馈以改进训练数据集
• 支持自定义/用户提供的模型
• Google Colab 笔记本

欢迎贡献！详情请查看公开议题。

拉取请求

已接受

如果你喜欢这个库

请分享我们的项目链接 BackgroundRemoverAI.com 或本仓库，并告诉大家你很喜欢它或正在使用它。

项目背景

我们在整合了其他项目的部分代码后，通过在 Superuser 等平台上发布悬赏问题来添加了一些自定义功能。此外，我们还曾在 HackerNews 上呼吁将图像处理部分开源，因此决定进一步扩展到视频处理，并增加了一些额外的功能。

参考资料

• https://arxiv.org/pdf/2005.09007.pdf
• https://github.com/NathanUA/U-2-Net
• https://github.com/pymatting/pymatting
• https://github.com/danielgatis/rembg
• https://github.com/ecsplendid/rembg-greenscreen
• https://superuser.com/questions/1647590/have-ffmpeg-merge-a-matte-key-file-over-the-normal-video-file-removing-the-backg
• https://superuser.com/questions/1648680/ffmpeg-alphamerge-two-videos-into-a-gif-with-transparent-background/1649339?noredirect=1#comment2522687_1649339
• https://superuser.com/questions/1649817/ffmpeg-overlay-a-video-after-alphamerging-two-others/1649856#1649856

许可证

• 版权所有 © 2021 至今 Johnathan Nader
• 版权所有 © 2020 至今 Lucas Nestler
• 版权所有 © 2020 至今 Dr. Tim Scarfe
• 版权所有 © 2020 至今 Daniel Gatis

代码采用 MIT 许可证 授权
模型采用 Apache 2.0 许可证 授权

BackgroundRemover 快速上手指南

BackgroundRemover 是一款基于 AI 的命令行工具，支持从图片和视频中移除背景。它利用 U2-Net 模型自动检测主体，并生成带有透明通道的输出文件。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python：版本 >= 3.6（建议安装对应的 python3.x-dev 开发包）
• FFmpeg：版本 4.4+（视频处理必备）
• PyTorch：需预先安装稳定的 torch 和 torchvision

依赖安装说明

1. 安装 PyTorch 访问 PyTorch 官网 获取适合您环境的命令。

   • CPU 版本（默认）：

     pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cpu
     

   • GPU 加速版本（推荐，速度提升 5-10 倍）：

     # CUDA 11.8 示例
     pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu118
     # 或 CUDA 12.1
     pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu121
     

2. 安装 FFmpeg 和 Python 开发包

   • Ubuntu/Debian:

     sudo apt install ffmpeg python3-dev
     

   • macOS (Homebrew):

     brew install ffmpeg
     

   • Windows: 请手动下载并安装 FFmpeg，将其添加到系统环境变量 PATH 中。

安装步骤

推荐使用 pip 进行安装：

pip install --upgrade pip
pip install backgroundremover

注意：首次运行时，程序会自动下载所需的 U2-Net 模型文件。

Docker 安装（可选）

如果您希望隔离环境或使用 Docker：

git clone https://github.com/nadermx/backgroundremover.git
cd backgroundremover
docker build -t bgremover .

# 创建别名以便使用（推荐挂载模型目录以避免重复下载）
mkdir -p ~/.u2net
alias backgroundremover='docker run -it --rm --shm-size=2g -v "$(pwd):/tmp" -v "$HOME/.u2net:/root/.u2net" bgremover:latest'

注：视频处理需要较大的共享内存，Docker 运行请务必添加 --shm-size=2g 参数。

基本使用

安装完成后，即可在终端直接使用 backgroundremover 命令。

1. 移除图片背景

将本地图片的背景移除，输出为透明 PNG：

backgroundremover -i "/path/to/image.jpeg" -o "output.png"

• -i: 输入文件路径
• -o: 输出文件路径
• 支持格式：.jpg, .jpeg, .png, .heic, .heif

2. 移除视频背景

将视频背景移除，生成带透明通道的 .mov 文件（默认使用 ProRes 4444 编码，兼容专业剪辑软件）：

backgroundremover -i "/path/to/video.mp4" -tv -o "output.mov"

• -tv: 标记为处理视频并输出透明视频
• 支持格式：.mp4, .mov, .webm, .ogg, .gif

3. 批量处理文件夹

一次性处理文件夹内的所有图片或视频：

# 处理图片文件夹
backgroundremover -if "/path/to/image-folder" -of "/path/to/output-folder"

# 处理视频文件夹并输出透明 MOV
backgroundremover -if "/path/to/video-folder" -of "/path/to/output-folder" -tv

常用高级选项简述

• 更换模型：针对人像优化可使用 -m "u2net_human_seg"，追求速度可使用 -m "u2netp"。
• 边缘优化：添加 -a 参数启用 Alpha Matting 以获得更自然的边缘。
• 替换背景：使用 -bc "R,G,B" 替换为纯色，或 -bi "bg.jpg" 替换为指定图片。