在AI（人工智能）中导出不带背景的图像，通常需要运用图像处理技术,下面内容是一些常见的方式：

1. 运用图像编辑软件：

   • Photoshop：运用“选择工具”（如魔棒工具、快速选择工具等）选择背景，接着运用“移动工具”将选中的图像移动到新的背景上。
   • GIMP：和Photoshop类似，运用“选择工具”选择背景，接着运用“移动工具”将图像移出背景。

2. 运用AI模型：

   • DeepArt.io：这一个在线服务，运用深度进修技术将图像转换为艺术作品,并去除背景。
   • Remove.bg：这一个在线服务,运用AI技术自动去除图像背景。

3. 编程方式：

   • Python：运用OpenCV库中的cv2.bitwise_and()方式可以去除图像背景。
   • TensorFlow或PyTorch：可以运用预训练的深度进修模型来分割图像,并去除背景。

下面内容一个运用Python和OpenCV库去除背景的简单示例：

import cv2
import numpy as np
# 读取图像
image = cv2.imread('image.jpg')
# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 运用阈值处理来二值化图像
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 运用形态学操作来去除噪声
kernel = np.ones((5, 5), np.uint8)
dilated = cv2.dilate(thresh, kernel, iterations=1)
# 运用掩码从原始图像中提取前景
mask = dilated
background = np.zeros_like(image)
foreground = cv2.bitwise_and(image, image, mask=mask)
background = cv2.bitwise_and(background, background, mask=cv2.bitwise_not(mask))
# 合并前景和背景
result = cv2.add(foreground, background)
# 保存结局
cv2.imwrite('result.jpg', result)

根据图像内容和复杂度，也许需要调整阈值、形态学操作参数等，对于复杂的背景去除任务，也许需要运用更顶级的图像分割技术,如深度进修模型。