如何呼叫 Google Nano Banana 做圖片去背

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

這篇文章用一段實際可執行的 Python 腳本，示範如何呼叫 Google 的 Nano Banana 圖像編輯能力來做商品圖去背。

目前這份實作的目標很明確：

讀取一個目錄中的商品圖片
呼叫 Google 圖像模型執行背景移除
對回傳圖片再做一次本地透明背景清理
最終輸出為透明底 PNG

如果你手上已經有一批白底商品圖、耳機圖、線材圖，想快速生成可用於電商的透明背景圖片，這種方式會很直接。

這段程式碼做了什麼

這份腳本主要分成 4 個部分：

定義提示詞，讓模型知道要執行「去背景、保留主體、不要加陰影」
呼叫 google-genai 的圖像生成介面
從模型回應中提取圖片結果
再用本地邏輯把邊緣淺色背景轉成透明，減少殘邊

也就是說，它不是單純把圖片丟給模型就結束，而是把「模型編輯 + 本地後處理」串起來了。

執行前準備

先安裝依賴：

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

如何取得 GEMINI_API_KEY

GEMINI_API_KEY 就是呼叫 Gemini API 時使用的金鑰。根據 Google 官方 quickstart，如果你還沒有 key，可以直接在 Google AI Studio 建立。

取得步驟如下：

打開 Google AI Studio。
登入你的 Google 帳號。
找到 Get API key 或 API keys 頁面。
建立一個新的 API key。
複製產生出來的 key。
把它設定到本地環境變數中，供腳本讀取。

如果頁面中還沒有可用專案，通常需要先完成專案初始化，之後再回到 API Key 頁面建立金鑰。

拿到 key 之後，再設定環境變數：

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

如果你用的是 cmd，可以寫成：

`1`	`set GEMINI_API_KEY=your_api_key`

如果你同時設定了 GEMINI_API_KEY 和 GOOGLE_API_KEY，實際執行時通常會優先讀取 GOOGLE_API_KEY，所以建議只保留一個，避免混淆。

目錄結構範例

腳本接收兩個參數：

例如：

images/
  product1.jpg
  product2.png

output/

如何執行

假設腳本檔名是 cutout.py，執行方式如下：

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

如果你想換模型，也可以明確傳參：

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

腳本會遍歷輸入目錄中的這些格式檔案：

.jpg
.jpeg
.png
.webp

處理完成後，會在輸出目錄中生成同名的透明底 PNG 檔案。

核心呼叫流程

真正呼叫 Google Nano Banana 的關鍵程式碼在這裡：

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

這裡傳入了兩個內容：

一段文字提示詞 PROMPT
一張 PIL.Image

提示詞內容是讓模型把整張商品圖背景移除，只保留主體，並強調幾件事：

保留完整商品
保留細線和線纜細節
清理內部空洞和環形區域
不要新增物體
不要添加陰影

這類提示詞對去背品質影響很大，尤其是耳機線、透明邊緣、空洞區域這類細節。

為什麼還要做一次本地後處理

模型回傳結果後，腳本沒有直接儲存，而是又執行了 make_transparent_from_borders(image)。

這一步的思路是：

從圖片四周邊界開始找淺色背景像素
用廣度優先搜尋把連通的淺色區域全部標記出來
最後把這些區域統一改成透明

這樣做的好處是可以進一步清掉一些殘留白邊、淺灰背景和不夠乾淨的邊緣區域。

判斷「是不是背景」的條件在這裡：

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

簡單理解就是：

顏色整體夠亮
RGB 三通道差異不能太大

這比較適合處理白底、淺灰底、接近純色的商品圖背景。

完整原始碼

下面保留目前這份完整原始碼，方便你直接重用或二次修改：

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()

適合繼續優化的地方

如果你準備把這段腳本繼續用於批次生產，後面還可以補這些能力：

增加失敗重試，避免單張圖片報錯後整批中斷
記錄日誌，方便定位是哪張圖處理失敗
把不同背景閾值做成可配置化
支援遞迴掃描子目錄
增加原圖與結果圖的對比預覽

小結

如果你只想快速理解「怎麼呼叫 Google Nano Banana 做去背」，其實核心就三步：

安裝 google-genai 和 Pillow
設定 GEMINI_API_KEY
用 client.models.generate_content() 傳入提示詞和圖片

而這份程式碼的價值在於，它不只是呼叫模型，還補上了透明背景後處理，更適合直接拿去做商品圖去背任務。

Nano Banana on KnightLi的博客