如何在Android Java中实现含人像的图片背景移除功能

轻量端侧方案（优先推荐，适合简易应用快速落地） #

• 无需从零开发分割算法，直接调用成熟的预训练人像分割能力即可覆盖90%以上的普通复杂场景需求。
• 优先选择MediaPipe 人像分割组件，安卓、iOS、Web端均有官方封装好的SDK，调用后可直接输出人像区域的alpha遮罩，结合原图做通道合成即可完成背景移除，全程无需自行处理分割逻辑，开发成本极低。
• 若需要更高的边缘识别精度（比如发丝、半透明衣物场景），可以采用轻量版U2Net（U2Netp），导出为ONNX或TensorFlow Lite格式后部署到端侧，自行做简单的输入输出预处理即可，效果优于通用SDK。

后端部署方案（适合多端效果统一的场景） #

• 核心流程仅三步，无需复杂开发：
  1. 加载开源预训练的人像分割模型权重，将输入图片调整为模型要求的输入尺寸
  2. 执行模型推理得到人像区域的遮罩数据
  3. 对遮罩做边缘高斯模糊消除锯齿，再和原图做通道合成，将遮罩外的区域替换为透明或指定背景即可
• Python版极简实现参考：

import cv2
import numpy as np

# 加载预训练人像分割模型
seg_model = cv2.dnn.readNetFromTensorflow("frozen_inference_graph.pb", "graph.pbtxt")

# 读取待处理图片
input_img = cv2.imread("test_input.jpg")
img_h, img_w = input_img.shape[:2]

# 模型输入预处理
blob = cv2.dnn.blobFromImage(input_img, 1.0, (320, 320), (127.5, 127.5, 127.5), swapRB=True, crop=False)
seg_model.setInput(blob)
seg_output = seg_model.forward()

# 生成并优化人像遮罩
mask = seg_output[0, 0, :, :]
mask = cv2.resize(mask, (img_w, img_h))
mask = np.where(mask > 0.5, 255, 0).astype(np.uint8)
mask = cv2.GaussianBlur(mask, (5, 5), 0)

# 合成带透明背景的结果图
result = cv2.cvtColor(input_img, cv2.COLOR_BGR2BGRA)
result[:, :, 3] = mask
cv2.imwrite("output.png", result)

复杂背景适配优化技巧 #

• 遇到人像与背景颜色接近、背景有噪点的场景，可以对遮罩做1~2次形态学开运算，过滤掉背景区域的误识别噪点。
• 对边缘精度要求极高的场景，可以基于推理得到的粗遮罩生成trimap，再做一次边缘优化，普通简易应用无需该步骤即可满足需求。

内容的提问来源于stack exchange，提问作者vishal dharankar