如何调用 Google Nano Banana 做图片抠图

Thu, 09 Apr 2026 20:10:48 +0800

这篇文章用一段实际可运行的 Python 脚本，演示如何调用 Google 的 Nano Banana 图像编辑能力来做商品图抠图。

当前这份实现的目标很明确：

读取一个目录里的商品图片
调用 Google 图像模型执行背景移除
对返回图片再做一次本地透明背景清理
最终输出为透明底 PNG

如果你手里已经有一批白底商品图、耳机图、线材图，想快速生成电商可用的透明背景图，这种方式会很直接。

这段代码做了什么

这份脚本主要分成 4 个部分：

定义提示词，让模型知道要执行“去背景、保留主体、不要加阴影”
调用 google-genai 的图像生成接口
从模型响应中提取图片结果
再用本地逻辑把边缘浅色背景转成透明，减少残边

也就是说，它不是单纯把图片丢给模型就结束，而是把“模型编辑 + 本地后处理”串起来了。

运行前准备

先安装依赖：

`1`	`.\.venv\Scripts\python.exe -m pip install google-genai pillow`

如何获取 GEMINI_API_KEY

GEMINI_API_KEY 就是调用 Gemini API 时使用的密钥。根据 Google 官方 quickstart，如果你还没有 key，可以直接在 Google AI Studio 创建。

获取步骤如下：

打开 Google AI Studio。
登录你的 Google 账号。
找到 Get API key 或 API keys 页面。
创建一个新的 API key。
复制生成出来的 key。
把它配置到本地环境变量里，供脚本读取。

如果页面里还没有可用项目，通常需要先完成项目初始化，然后再回到 API Key 页面创建密钥。

拿到 key 之后，再配置环境变量：

`1`	`$env:GEMINI_API_KEY="your_api_key"`

如果你用的是 cmd，可以写成：

`1`	`set GEMINI_API_KEY=your_api_key`

如果你同时设置了 GEMINI_API_KEY 和 GOOGLE_API_KEY，实际运行时通常会优先读取 GOOGLE_API_KEY，所以建议只保留一个，避免混淆。

目录结构示例

脚本接收两个参数：

例如：

images/
  product1.jpg
  product2.png

output/

如何运行

假设脚本文件名是 cutout.py，运行方式如下：

`1`	`.\.venv\Scripts\python.exe .\cutout.py .\images .\output`

如果你想换模型，也可以显式传参：

`1`	`.\.venv\Scripts\python.exe .\cutout.py .\images .\output --model gemini-2.5-flash-image`

脚本会遍历输入目录中这些格式的文件：

.jpg
.jpeg
.png
.webp

处理完成后，会在输出目录中生成同名的透明底 PNG 文件。

核心调用流程

真正调用 Google Nano Banana 的关键代码在这里：

response = client.models.generate_content(
    model=model,
    contents=[PROMPT, image],
)

这里传入了两个内容：

一段文本提示词 PROMPT
一张 PIL.Image

提示词内容是让模型把整张商品图背景移除，只保留主体，并强调几件事：

保留完整商品
保留细线和线缆细节
清理内部空洞和环形区域
不要新增物体
不要添加阴影

这类提示词对抠图质量影响很大，尤其是耳机线、透明边缘、空洞区域这类细节。

为什么还要做一次本地后处理

模型返回结果后，脚本没有直接保存，而是又执行了 make_transparent_from_borders(image)。

这一步的思路是：

从图片四周边界开始找浅色背景像素
用广度优先搜索把连通的浅色区域全部标记出来
最后把这些区域统一改成透明

这样做的好处是可以进一步清掉一些残留白边、浅灰背景和不够干净的边缘区域。

判断“是不是背景”的条件在这里：

def is_light_background_pixel(r: int, g: int, b: int) -> bool:
    brightness = (r + g + b) / 3
    spread = max(r, g, b) - min(r, g, b)
    return brightness >= 170 and spread <= 35

简单理解就是：

颜色整体足够亮
RGB 三通道差异不能太大

这比较适合处理白底、浅灰底、接近纯色的商品图背景。

完整源码

下面保留当前这份完整源码，方便你直接复用或二次修改：

from __future__ import annotations

import argparse
import os
from pathlib import Path
from collections import deque

from PIL import Image

try:
    from google import genai
except ImportError as exc:  # pragma: no cover
    raise SystemExit(
        "Missing dependency: google-genai. Install it with "
        r"'.\.venv\Scripts\python.exe -m pip install google-genai'."
    ) from exc


PROMPT = (
    "Remove the entire background from this product photo and return only the product "
    "on a fully transparent background as a PNG. Keep the full product intact, preserve "
    "thin cable details, clean the inner loops and holes, and do not add any new objects "
    "or shadows."
)


def is_light_background_pixel(r: int, g: int, b: int) -> bool:
    brightness = (r + g + b) / 3
    spread = max(r, g, b) - min(r, g, b)
    return brightness >= 170 and spread <= 35


def to_pil_image(image_obj) -> Image.Image:
    if isinstance(image_obj, Image.Image):
        return image_obj
    pil_image = getattr(image_obj, "_pil_image", None)
    if isinstance(pil_image, Image.Image):
        return pil_image
    as_pil = getattr(image_obj, "pil_image", None)
    if isinstance(as_pil, Image.Image):
        return as_pil
    raise TypeError(f"Unsupported image object type: {type(image_obj)!r}")


def make_transparent_from_borders(image: Image.Image) -> Image.Image:
    rgba = image.convert("RGBA")
    width, height = rgba.size
    pixels = rgba.load()

    visited: set[tuple[int, int]] = set()
    queue: deque[tuple[int, int]] = deque()

    def push_if_bg(x: int, y: int) -> None:
        if (x, y) in visited:
            return
        r, g, b, _ = pixels[x, y]
        if is_light_background_pixel(r, g, b):
            visited.add((x, y))
            queue.append((x, y))

    for x in range(width):
        push_if_bg(x, 0)
        push_if_bg(x, height - 1)
    for y in range(height):
        push_if_bg(0, y)
        push_if_bg(width - 1, y)

    while queue:
        x, y = queue.popleft()
        for nx, ny in ((x - 1, y), (x + 1, y), (x, y - 1), (x, y + 1)):
            if 0 <= nx < width and 0 <= ny < height:
                push_if_bg(nx, ny)

    for x, y in visited:
        pixels[x, y] = (0, 0, 0, 0)

    return rgba


def save_first_image_part(response, dst: Path) -> None:
    parts = getattr(response, "parts", None)
    if parts is None and getattr(response, "candidates", None):
        parts = response.candidates[0].content.parts

    if not parts:
        raise RuntimeError("Model returned no content parts.")

    for part in parts:
        inline_data = getattr(part, "inline_data", None)
        if inline_data is None and isinstance(part, dict):
            inline_data = part.get("inline_data")

        if inline_data is None:
            continue

        if hasattr(part, "as_image"):
            image = to_pil_image(part.as_image())
            dst.parent.mkdir(parents=True, exist_ok=True)
            make_transparent_from_borders(image).save(dst)
            return

        data = getattr(inline_data, "data", None)
        mime_type = getattr(inline_data, "mime_type", "")
        if data:
            dst.parent.mkdir(parents=True, exist_ok=True)
            with open(dst, "wb") as handle:
                handle.write(data)
            with Image.open(dst) as img:
                processed = make_transparent_from_borders(img)
                processed.save(dst.with_suffix(".png"))
            if dst.suffix.lower() != ".png":
                dst.unlink(missing_ok=True)
            return

    raise RuntimeError("Model returned text only and no edited image.")


def process_image(src: Path, dst: Path, client, model: str) -> None:
    with Image.open(src).convert("RGBA") as image:
        response = client.models.generate_content(
            model=model,
            contents=[PROMPT, image],
        )
    save_first_image_part(response, dst)


def main() -> None:
    parser = argparse.ArgumentParser(description="Use Nano Banana / Gemini image editing to cut out product images.")
    parser.add_argument("input_dir", type=Path)
    parser.add_argument("output_dir", type=Path)
    parser.add_argument("--model", default="gemini-2.5-flash-image")
    args = parser.parse_args()

    api_key = os.environ.get("GEMINI_API_KEY")
    if not api_key:
        raise SystemExit("Missing GEMINI_API_KEY environment variable.")

    client = genai.Client(api_key=api_key)
    exts = {".jpg", ".jpeg", ".png", ".webp"}

    for src in sorted(args.input_dir.iterdir()):
        if not src.is_file() or src.suffix.lower() not in exts:
            continue
        dst = args.output_dir / f"{src.stem}.png"
        process_image(src, dst, client, args.model)
        print(dst)


if __name__ == "__main__":
    main()

适合继续优化的地方

如果你准备把这段脚本继续用于批量生产，后面还可以继续补这些能力：

增加失败重试，避免单张图片报错后整批中断
记录日志，方便定位是哪张图处理失败
对不同背景阈值做可配置化
支持递归扫描子目录
增加原图与结果图的对比预览

小结

如果你只想快速理解“怎么调用 Google Nano Banana 做抠图”，其实核心就三步：

安装 google-genai 和 Pillow
设置 GEMINI_API_KEY
用 client.models.generate_content() 传入提示词和图片

而这份代码的价值在于，它不只是调用模型，还补上了透明背景后处理，更适合直接拿去做商品图抠图任务。

Nano Banana on KnightLi的博客