How do I install the Sam Segmentation Zh skill?

Run npx skillmds@latest add dvcrn/sam-segmentation-zh in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Sam Segmentation Zh safe to use?

This skill has not completed SkillMD's automated safety review yet. Independent scanners report: SkillSpector: CAUTION, Skill Scanner: PASS. Capability flags: executes scripts, makes network calls. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Sam Segmentation Zh?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Sam Segmentation Zh free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Sam Segmentation Zh?

dvcrn (@dvcrn) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Sam Segmentation Zh by dvcrn — Agent Skill

Name: Sam Segmentation Zh
Rating: 4.2 (5 reviews)
Author: dvcrn

File contents

SAM 背景去除

使用 Meta 的 Segment Anything Model 从图像中提取前景主体，输出透明背景的 PNG 文件。

快速开始

python3 scripts/segment.py <输入图像> <输出.png>

默认以图像中心作为前景提示点——适用于主体居中的人像和产品图。

参数说明

参数	说明	默认值
`input`	输入图像路径	必填
`output`	输出 PNG 路径（单目标模式）或目录（`--all` 模式）	必填
`--model`	模型大小：`vit_b`（快速）· `vit_l`（中等）· `vit_h`（最佳质量）	`vit_h`
`--checkpoint`	本地权重文件路径；省略时自动下载	自动
`--points`	前景提示点，格式为 `x,y`，可指定多个	中心点
`--all`	网格扫描模式：提取所有独立元素	关闭
`--grid`	`--all` 模式的网格密度；16 表示 16×16=256 个探测点	`16`
`--iou-thresh`	接受掩码的最低预测 IoU（`--all` 模式）	`0.88`
`--min-area`	掩码最小面积占图像比例（`--all` 模式）	`0.001`

使用示例

# 基础背景去除（自动下载 vit_h 约 2.5GB）
python3 scripts/segment.py photo.jpg output.png

# 主体偏离中心时指定提示点
python3 scripts/segment.py photo.jpg output.png --points 320,240

# 多提示点 + 轻量模型
python3 scripts/segment.py photo.jpg output.png --model vit_b --points 320,240 400,300

# 提取所有元素（每个元素输出一个 PNG）
python3 scripts/segment.py photo.jpg ./elements/ --all

# 使用更密集的网格捕获小物体
python3 scripts/segment.py photo.jpg ./elements/ --all --grid 32

# 使用本地权重文件
python3 scripts/segment.py photo.jpg output.png --checkpoint /path/to/sam_vit_h_4b8939.pth

依赖安装

segment_anything 首次运行时自动安装，也可手动安装：

pip install git+https://github.com/facebookresearch/segment-anything.git
pip install pillow numpy torch torchvision

工作流程

用户提供图像路径
询问是否需要提示点（主体偏离中心时）
运行脚本；权重文件首次使用时自动下载至 ~/.cache/sam/
输出透明背景的 PNG 文件

模型选择

模型	大小	速度	质量
`vit_b`	~375 MB	最快	良好
`vit_l`	~1.25 GB	中等	较好
`vit_h`	~2.5 GB	较慢	最佳

有 GPU 时自动使用 CUDA 加速。

---name: sam-segmentation-zhdescription: 使用 SAM（Segment Anything Model）去除图像背景，将前景主体提取为透明 PNG。适用于去除背景、抠图、提取前景主体或图像分割等需求。---# SAM 背景去除使用 Meta 的 Segment Anything Model 从图像中提取前景主体，输出透明背景的 PNG 文件。## 快速开始```bashpython3 scripts/segment.py <输入图像> <输出.png>```默认以图像中心作为前景提示点——适用于主体居中的人像和产品图。## 参数说明| 参数 | 说明 | 默认值 ||---|---|---|| `input` | 输入图像路径 | 必填 || `output` | 输出 PNG 路径（单目标模式）或目录（`--all` 模式） | 必填 || `--model` | 模型大小：`vit_b`（快速）· `vit_l`（中等）· `vit_h`（最佳质量） | `vit_h` || `--checkpoint` | 本地权重文件路径；省略时自动下载 | 自动 || `--points` | 前景提示点，格式为 `x,y`，可指定多个 | 中心点 || `--all` | 网格扫描模式：提取所有独立元素 | 关闭 || `--grid` | `--all` 模式的网格密度；16 表示 16×16=256 个探测点 | `16` || `--iou-thresh` | 接受掩码的最低预测 IoU（`--all` 模式） | `0.88` || `--min-area` | 掩码最小面积占图像比例（`--all` 模式） | `0.001` |## 使用示例```bash# 基础背景去除（自动下载 vit_h 约 2.5GB）python3 scripts/segment.py photo.jpg output.png# 主体偏离中心时指定提示点python3 scripts/segment.py photo.jpg output.png --points 320,240# 多提示点 + 轻量模型python3 scripts/segment.py photo.jpg output.png --model vit_b --points 320,240 400,300# 提取所有元素（每个元素输出一个 PNG）python3 scripts/segment.py photo.jpg ./elements/ --all# 使用更密集的网格捕获小物体python3 scripts/segment.py photo.jpg ./elements/ --all --grid 32# 使用本地权重文件python3 scripts/segment.py photo.jpg output.png --checkpoint /path/to/sam_vit_h_4b8939.pth```## 依赖安装`segment_anything` 首次运行时自动安装，也可手动安装：```bashpip install git+https://github.com/facebookresearch/segment-anything.gitpip install pillow numpy torch torchvision```## 工作流程1. 用户提供图像路径2. 询问是否需要提示点（主体偏离中心时）3. 运行脚本；权重文件首次使用时自动下载至 `~/.cache/sam/`4. 输出透明背景的 PNG 文件## 模型选择| 模型 | 大小 | 速度 | 质量 ||---|---|---|---|| `vit_b` | ~375 MB | 最快 | 良好 || `vit_l` | ~1.25 GB | 中等 | 较好 || `vit_h` | ~2.5 GB | 较慢 | 最佳 |有 GPU 时自动使用 CUDA 加速。

Frequently asked questions

Sam Segmentation Zh