La suppression de l'arrière-plan sépare un sujet de son environnement afin que vous puissiez le placer sur la transparence, échanger la scène ou la composer dans un nouveau design. Sous le capot, vous estimez un masque alpha—une opacité par pixel de 0 à 1—puis vous composez alpha le premier plan sur autre chose. C'est le calcul de Porter–Duff et la cause de pièges familiers comme les « franges » et l'alpha droit contre l'alpha prémultiplié. Pour des conseils pratiques sur la prémultiplication et la couleur linéaire, consultez les notes Win2D de Microsoft, Søren Sandmann, et l'article de Lomont sur le mélange linéaire.
Si vous pouvez contrôler la capture, peignez l'arrière-plan d'une couleur unie (souvent verte) et retirez cette teinte. C'est rapide, éprouvé dans le cinéma et la diffusion, et idéal pour la vidéo. Les compromis sont l'éclairage et la garde-robe : la lumière colorée se propage sur les bords (surtout les cheveux), vous utiliserez donc des outils de suppression de déversement pour neutraliser la contamination. De bonnes introductions incluent la documentation de Nuke, Mixing Light, et une démo pratique de Fusion.
Pour les images uniques avec des arrière-plans désordonnés, les algorithmes interactifs ont besoin de quelques indices de l'utilisateur, par exemple un rectangle lâche ou des gribouillis, et convergent vers un masque net. La méthode canonique est GrabCut (chapitre de livre), qui apprend les modèles de couleur pour le premier plan/l'arrière-plan et utilise les coupes de graphe de manière itérative pour les séparer. Vous verrez des idées similaires dans la Sélection de premier plan de GIMP basée sur SIOX (plugin ImageJ).
Le matage résout la transparence fractionnaire aux frontières vaporeuses (cheveux, fourrure, fumée, verre). Le matage classique à forme fermée prend une trimap (certainement-premier plan/certainement-arrière-plan/inconnu) et résout un système linéaire pour l'alpha avec une forte fidélité des bords. Le matage d'image profond moderne entraîne des réseaux de neurones sur l'ensemble de données Adobe Composition-1K (docs MMEditing), et est évalué avec des métriques comme SAD, MSE, Gradient et Connectivité (explication du benchmark).
Les travaux de segmentation connexes sont également utiles : DeepLabv3+ affine les frontières avec un encodeur-décodeur et des convolutions atrous (PDF) ; Mask R-CNN donne des masques par instance (PDF) ; et SAM (Segment Anything) est un modèle de fondation guidé par instructions qui génère des masques sans apprentissage sur des images inconnues.
Les travaux universitaires rapportent des erreurs de SAD, MSE, Gradient et Connectivité sur Composition-1K. Si vous choisissez un modèle, recherchez ces métriques (définitions des métriques ; section des métriques de Background Matting). Pour les portraits/vidéos, MODNet et Background Matting V2 sont solides ; pour les images générales d'« objets saillants », U2-Net est une base solide ; pour les transparences difficiles, FBA peut donner de meilleurs résultats.
Le format d'image Quite OK (QOI) est un moyen simple mais efficace de stocker et de transmettre des images numériques. Proposé comme une alternative légère et plus rapide à des formats plus complexes comme PNG ou JPEG, QOI vise à fournir un format d'image facile à implémenter tout en offrant une compression et une vitesse compétitives. L'idée derrière QOI est de conserver la simplicité des processus d'encodage et de décodage, ce qui le rend particulièrement attrayant pour les scénarios où les ressources informatiques sont limitées ou lorsqu'une surcharge minimale est souhaitée.
À la base, le format QOI repose sur le principe de la compression sans perte. Cela signifie que lorsqu'une image est compressée au format QOI, puis décompressée pour retrouver sa forme originale, il n'y a aucune perte d'information ou dégradation de la qualité. Le format peut gérer des images avec jusqu'à 4 canaux par pixel (rouge, vert, bleu et alpha pour la transparence), ce qui le rend polyvalent pour une large gamme d'applications, des icônes simples aux photographies complexes avec transparence.
L'une des caractéristiques du format QOI est son mécanisme d'encodage et de décodage simplifié. Le format utilise un petit en-tête de taille fixe suivi d'une séquence d'opcodes qui décrivent les pixels de l'image. L'en-tête contient des métadonnées de base sur l'image, telles que sa largeur, sa hauteur et le nombre de canaux. Après l'en-tête, les données de pixel sont encodées à l'aide d'une série d'opcodes qui représentent directement les valeurs de pixel ou signifient une relation entre les pixels adjacents, comme la répétition ou une légère différence de couleur.
Les opcodes les plus couramment utilisés dans le format QOI incluent « QOI_OP_RGB », qui représente un pixel avec une nouvelle couleur unique ne correspondant pas au pixel précédent ; « QOI_OP_RGBA », pour les pixels avec de nouvelles couleurs et des valeurs alpha ; « QOI_OP_INDEX », qui fait référence à une couleur précédemment vue réutilisée pour le pixel actuel ; « QOI_OP_RUN », indiquant que la couleur du pixel actuel se répète un certain nombre de fois ; et « QOI_OP_DIFF », « QOI_OP_LUMA » et « QOI_OP_RGB », qui encodent les différences de couleur de différentes manières, optimisant pour les scénarios les plus courants où les pixels adjacents ont des couleurs similaires.
Une caractéristique remarquable du format QOI est sa fonction d'indexation. Le format maintient une « table de hachage » des 64 dernières couleurs uniques rencontrées. Lorsqu'une couleur de pixel apparaît et correspond à l'une de ces couleurs rencontrées précédemment, l'opcode « QOI_OP_INDEX » peut être utilisé, ce qui prend beaucoup moins d'espace que l'encodage de la valeur de couleur complète. Ce mécanisme est particulièrement efficace pour les images avec de grandes zones uniformes ou des motifs répétitifs, permettant une compression très efficace.
L'efficacité de la compression dans le format QOI est également obtenue grâce à l'utilisation de techniques d'encodage delta, en particulier avec les opcodes « QOI_OP_DIFF », « QOI_OP_LUMA » et « QOI_OP_RUN ». Ces opcodes tirent parti du fait que les pixels adjacents dans les images sont souvent similaires ou identiques. « QOI_OP_DIFF » encode de petites différences de couleur entre le pixel actuel et le pixel précédent, « QOI_OP_LUMA » est utilisé pour des variations de couleur légèrement plus complexes, et « QOI_OP_RUN » compresse des séquences de pixels identiques. En encodant ces relations au lieu de valeurs de pixels complètes, le format QOI peut réduire considérablement la quantité de données nécessaires pour représenter une image.
La simplicité du format QOI s'étend à son processus de décodage, qui est simple et rapide. Le décodage implique la lecture de l'en-tête pour établir les dimensions et les canaux de couleur de l'image, puis de parcourir les opcodes pour reconstruire les données de pixel. Chaque opcode correspond directement à des opérations spécifiques sur le tampon de pixels, telles que la définition de la couleur d'un pixel, la copie d'une couleur à partir de l'index ou la répétition d'une couleur. Ce mappage direct permet un décodage très efficace, rendant QOI très approprié pour les applications en temps réel où la vitesse est critique.
Un autre avantage du format QOI est sa facilité d'implémentation. La spécification est concise et ne nécessite qu'une compréhension de base des opérations de fichiers binaires et des concepts de base du traitement d'image. Sans dépendances externes ni algorithmes complexes, il peut être implémenté en quelques centaines de lignes de code dans la plupart des langages de programmation. Cela fait de QOI une option attrayante pour les développeurs à la recherche d'un format d'image simple, efficace et autonome pour leurs projets.
Malgré ses nombreux avantages, le format QOI présente des limites. Étant un format de compression sans perte, il n'offre pas le même niveau de compression que les formats avec perte comme JPEG pour les images photographiques. Cela signifie que même s'il est excellent pour les images avec des transitions de couleurs distinctes et des graphiques, il peut ne pas être l'option la plus économe en espace pour stocker ou transmettre des photographies haute résolution où une certaine perte de détails est acceptable au profit d'une taille de fichier réduite.
En comparaison avec d'autres formats d'image, QOI trouve un équilibre entre l'efficacité de la compression, la vitesse et la simplicité. Des formats comme PNG offrent une compression robuste et une large prise en charge sur toutes les plateformes, mais au prix d'une implémentation plus complexe et de temps de traitement plus lents. JPEG, tout en offrant une compression supérieure pour les photographies, sacrifie la qualité par une compression avec perte et nécessite un algorithme d'encodage et de décodage plus complexe. GIF est limité en profondeur de couleur et convient mieux aux animations simples. Ainsi, QOI occupe une niche pour ceux qui ont besoin d'une compression rapide et sans perte pour une large gamme d'applications.
L'adaptation et l'utilisation du format QOI dépendent fortement des exigences spécifiques du cas d'utilisation. Sa simplicité et sa rapidité le rendent idéal pour des applications telles que le développement de jeux, où les ressources doivent être chargées rapidement, ou pour les systèmes embarqués où les ressources informatiques et l'espace de stockage sont limités. De plus, pour les projets de développement logiciel où les dépendances externes sont une préoccupation, la nature autonome de QOI peut être très bénéfique.
En regardant vers l'avenir, le format QOI a le potentiel d'inspirer le développement de nouveaux formats d'image qui donnent la priorité à la facilité d'utilisation, à la vitesse et à une compression efficace. À mesure que la technologie d'imagerie numérique évolue et que les demandes de traitement plus rapide et de tailles de fichiers réduites augmentent, des formats comme QOI qui simplifient les processus d'encodage et de décodage tout en fournissant une compression efficace joueront probablement un rôle important dans l'évolution du paysage du stockage et de la transmission d'images numériques.
En conclusion, le format Quite OK Image présente une option convaincante pour de nombreuses applications d'imagerie numérique, grâce à son équilibre entre vitesse, efficacité de compression et simplicité. Bien qu'il ne remplace peut-être pas les formats plus établis dans tous les scénarios, il offre une alternative précieuse pour les situations où l'encodage et le décodage rapides, la facilité d'implémentation et la compression sans perte sont des priorités. À mesure que le paysage technologique continue d'évoluer, les principes sous-jacents au format QOI influenceront sans aucun doute les développements futurs dans la compression et le stockage d'images.
Ce convertisseur fonctionne entièrement dans votre navigateur. Lorsque vous sélectionnez un fichier, il est lu en mémoire et converti dans le format sélectionné. Vous pouvez ensuite télécharger le fichier converti.
Les conversions commencent instantanément, et la plupart des fichiers sont convertis en moins d'une seconde. Les fichiers plus volumineux peuvent prendre plus de temps.
Vos fichiers ne sont jamais téléversés vers nos serveurs. Ils sont convertis dans votre navigateur, puis le fichier converti est téléchargé. Nous ne voyons jamais vos fichiers.
Nous prenons en charge la conversion entre tous les formats d'image, y compris JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, et plus encore.
Ce convertisseur est complètement gratuit, et le restera toujours. Parce qu'il fonctionne dans votre navigateur, nous n'avons pas besoin de payer pour des serveurs, donc nous n'avons pas besoin de vous faire payer.
Oui ! Vous pouvez convertir autant de fichiers que vous voulez simultanément. Il suffit de sélectionner plusieurs fichiers lorsque vous les ajoutez.