JPEG Penghapus Latar Belakang

Pemrosesan berlangsung di browser untuk satu gambar atau bingkai. Animasi, vektor yang dapat diedit, dan lapisan tidak dipertahankan. Mesin diunduh saat pertama digunakan; file besar dapat melampaui memori tersedia.

Seret dan lepas atau klik untuk memilih

Pribadi dan aman

Semuanya terjadi di browser Anda. File Anda tidak pernah menyentuh server kami.

Penghapusan latar belakang memisahkan subjek dari lingkungannya sehingga Anda dapat meletakkannya di transparansi, menukar adegan, atau menggabungkannya ke dalam desain baru. Di balik layar, Anda memperkirakan alpha matte—opasitas per piksel dari 0 hingga 1—dan kemudian melakukan alpha-compositing pada latar depan di atas sesuatu yang lain. Ini adalah matematika dari Porter–Duff dan penyebab masalah umum seperti “pinggiran” dan alfa lurus vs. alfa premultiplikasi. Untuk panduan praktis tentang premultiplikasi dan warna linear, lihat catatan Win2D Microsoft, Søren Sandmann, dan tulisan Lomont tentang pencampuran linear.


Cara utama orang menghapus latar belakang

1) Chroma key (“layar hijau/biru”)

Jika Anda dapat mengontrol pengambilan, cat latar belakang dengan warna solid (seringkali hijau) dan kunci rona itu. Ini cepat, teruji dalam film dan siaran, dan ideal untuk video. Kelemahannya adalah pencahayaan dan busana: cahaya berwarna tumpah ke tepi (terutama rambut), jadi Anda akan menggunakan alat despill untuk menetralkan kontaminasi. Referensi awal yang bagus termasuk dokumentasi Nuke, Mixing Light, dan demo langsung Fusion.

2) Segmentasi interaktif (CV klasik)

Untuk gambar tunggal dengan latar belakang yang berantakan, algoritme interaktif memerlukan beberapa petunjuk pengguna—misalnya, persegi panjang longgar atau coretan—dan menghasilkan mask yang tajam. Metode kanonis adalah GrabCut (bab buku), yang mempelajari model warna untuk latar depan/latar belakang dan menggunakan potongan grafik secara berulang untuk memisahkannya. Anda akan melihat ide serupa di Seleksi Latar Depan GIMP berdasarkan SIOX (plugin ImageJ).

3) Matting gambar (alfa berbutir halus)

Matting memecahkan transparansi parsial pada batas tipis (rambut, bulu, asap, kaca). Klasik matting bentuk-tertutup mengambil trimap (pasti-depan/pasti-belakang/tidak diketahui) dan menyelesaikan sistem linear untuk alfa dengan akurasi tepi yang tinggi. Modern deep image matting melatih jaringan saraf pada dataset Adobe Composition-1K (dokumen MMEditing), dan dievaluasi dengan metrik seperti SAD, MSE, Gradient, dan Connectivity (penjelasan tolok ukur).

4) Potongan pembelajaran mendalam (tanpa trimap)

  • U2-Net (deteksi objek menonjol) adalah mesin “hapus latar belakang” umum yang kuat (repo).
  • MODNet menargetkan matting potret waktu-nyata (PDF).
  • F, B, Alpha (FBA) Matting secara bersamaan memprediksi latar depan, latar belakang, dan alfa untuk mengurangi halo warna (repo).
  • Background Matting V2 mengasumsikan latar belakang yang bersih dan menghasilkan masker setingkat helai rambut secara waktu-nyata hingga 4K/30fps (halaman proyek, repo).

Pekerjaan segmentasi terkait juga berguna: DeepLabv3+ menyempurnakan batas dengan encoder–decoder dan konvolusi atrous (PDF); Mask R-CNN memberikan masker per-instans (PDF); dan SAM (Segment Anything) adalah model dasar yang berbasis prompt yang menghasilkan masker zero-shot pada gambar yang tidak dikenal.


Apa yang dilakukan alat populer


Kiat alur kerja untuk potongan yang lebih bersih

  1. Ambil gambar dengan cerdas. Pencahayaan yang baik dan kontras subjek–latar belakang yang kuat membantu setiap metode. Dengan layar hijau/biru, rencanakan untuk despill (panduan).
  2. Mulai dari gambaran umum, lalu persempit ke detail. Jalankan seleksi otomatis (Pilih Subjek, U2-Net, SAM), lalu sempurnakan tepi dengan kuas atau matting (misalnya, bentuk-tertutup).
  3. Perhatikan semi-transparansi. Kaca, kerudung, buram gerak, rambut beterbangan memerlukan alfa sejati (bukan hanya masker keras). Metode yang juga memulihkan F/B/α meminimalkan halo.
  4. Pahami saluran alfa Anda. Lurus vs. premultiplied menghasilkan perilaku tepi yang berbeda; ekspor/komposit secara konsisten (lihat gambaran umum, Hargreaves).
  5. Pilih output yang tepat. Untuk “tanpa latar belakang,” berikan raster dengan alfa bersih (misalnya, PNG/WebP) atau simpan file berlapis dengan masker jika akan ada penyuntingan lebih lanjut. Kuncinya adalah kualitas alfa yang Anda hitung—berakar pada Porter–Duff.

Kualitas & evaluasi

Karya akademis melaporkan kesalahan SAD, MSE, Gradient, dan Connectivity pada Composition-1K. Jika Anda memilih model, cari metrik tersebut (definisi metrik; bagian metrik Background Matting). Untuk potret/video, MODNet dan Background Matting V2 kuat; untuk gambar “objek menonjol” umum, U2-Net adalah dasar yang kuat; untuk transparansi yang sulit, FBA dapat memberikan hasil yang lebih baik.


Kasus tepi umum (dan perbaikannya)

  • Rambut & bulu: utamakan matting (trimap atau matting potret seperti MODNet) dan periksa pada latar papan catur.
  • Struktur halus (jeruji sepeda, tali pancing): gunakan input resolusi tinggi dan segmenter yang sadar batas seperti DeepLabv3+ sebagai langkah sebelum matting.
  • Benda tembus pandang (asap, kaca): Anda memerlukan alfa parsial dan seringkali estimasi warna latar depan (FBA).
  • Konferensi video: jika Anda dapat menangkap pelat bersih, Background Matting V2 terlihat lebih alami daripada opsi “latar belakang virtual” yang naif.

Di mana ini muncul di dunia nyata


Mengapa potongan terkadang terlihat palsu (dan perbaikannya)

  • Tumpahan warna: cahaya hijau/biru membungkus subjek—gunakan kontrol despill atau penggantian warna yang ditargetkan.
  • Halo/pinggiran: biasanya ketidakcocokan interpretasi-alfa (lurus vs. premultiplied) atau piksel tepi yang terkontaminasi oleh latar belakang lama; konversi/interpretasi dengan benar (gambaran umum, detail).
  • Buram/grain yang salah: tempel subjek yang tajam ke latar belakang yang buram dan itu menonjol; cocokkan buram lensa dan grain setelah proses komposit (lihat dasar-dasar Porter–Duff).

Buku pedoman TL;DR

  1. Jika Anda mengontrol pengambilan: gunakan kunci kroma; cahaya merata; rencanakan despill.
  2. Jika ini foto sekali pakai: coba Hapus Latar Belakang Photoshop, penghapus Canva, atau remove.bg; sempurnakan dengan kuas/matting untuk rambut.
  3. Jika Anda memerlukan tepi kelas produksi: gunakan matting ( bentuk-tertutup atau mendalam) dan periksa alfa pada transparansi; perhatikan interpretasi alfa.
  4. Untuk potret/video: pertimbangkan MODNet atau Background Matting V2; untuk segmentasi yang dipandu klik, SAM adalah front-end yang kuat.

Apa itu format JPEG?

Format JFIF Grup Ahli Fotografi Bersama

JPEG, yang merupakan kepanjangan dari Joint Photographic Experts Group, adalah metode kompresi lossy yang umum digunakan untuk gambar digital, terutama untuk gambar yang dihasilkan oleh fotografi digital. Tingkat kompresi dapat disesuaikan, memungkinkan penyesuaian antara ukuran penyimpanan dan kualitas gambar. JPEG biasanya mencapai kompresi 10:1 dengan kehilangan kualitas gambar yang tidak terlihat secara nyata.

Algoritma kompresi JPEG berada di inti standar JPEG. Proses dimulai dengan gambar digital dikonversi dari ruang warna RGB khasnya menjadi ruang warna yang berbeda, yaitu YCbCr. Ruang warna YCbCr memisahkan gambar menjadi luminance (Y), yang mewakili tingkat kecerahan, dan chrominance (Cb dan Cr), yang mewakili informasi warna. Pemisahan ini menguntungkan karena mata manusia lebih sensitif terhadap variasi kecerahan daripada warna, memungkinkan kompresi untuk memanfaatkan hal ini dengan memperkecil informasi warna lebih dari luminance.

Setelah gambar berada dalam ruang warna YCbCr, langkah selanjutnya dalam proses kompresi JPEG adalah memperkecil (downsample) saluran chrominance. Downsampling mengurangi resolusi informasi chrominance, yang biasanya tidak mempengaruhi kualitas gambar yang dirasakan secara signifikan, karena mata manusia kurang sensitif terhadap detail warna. Langkah ini opsional dan dapat disesuaikan tergantung pada keseimbangan yang diinginkan antara kualitas gambar dan ukuran file.

Setelah downsampling, gambar dibagi menjadi blok-blok, biasanya berukuran 8x8 piksel. Setiap blok kemudian diproses secara terpisah. Langkah pertama dalam memproses setiap blok adalah menerapkan Discrete Cosine Transform (DCT). DCT adalah operasi matematika yang mengubah data domain spasial (nilai-nilai piksel) menjadi domain frekuensi. Hasilnya adalah matriks koefisien frekuensi yang mewakili data blok gambar dalam hal komponen frekuensi spasialnya.

Koefisien frekuensi yang dihasilkan dari DCT kemudian dikuantisasi. Kuantisasi adalah proses pemetaan set input yang besar menjadi set yang lebih kecil - dalam kasus JPEG, ini berarti mengurangi presisi koefisien frekuensi. Di sinilah bagian lossy dari kompresi terjadi, karena sebagian informasi gambar dibuang. Langkah kuantisasi dikendalikan oleh tabel kuantisasi, yang menentukan seberapa banyak kompresi yang diterapkan pada setiap komponen frekuensi. Tabel kuantisasi dapat disesuaikan untuk mementingkan kualitas gambar yang lebih tinggi (kompresi yang lebih rendah) atau ukuran file yang lebih kecil (kompresi yang lebih tinggi).

Setelah kuantisasi, koefisien disusun dalam urutan zig-zag, mulai dari sudut kiri atas dan mengikuti pola yang memprioritaskan komponen frekuensi yang lebih rendah daripada yang lebih tinggi. Hal ini karena komponen frekuensi yang lebih rendah (yang mewakili bagian gambar yang lebih seragam) lebih penting untuk penampilan keseluruhan daripada komponen frekuensi yang lebih tinggi (yang mewakili detail dan tepi yang lebih halus).

Langkah selanjutnya dalam proses kompresi JPEG adalah pengkodean entropi, yang merupakan metode kompresi lossless. Bentuk pengkodean entropi yang paling umum digunakan dalam JPEG adalah pengkodean Huffman, meskipun pengkodean aritmatika juga merupakan opsi. Pengkodean Huffman bekerja dengan menetapkan kode yang lebih pendek untuk kejadian yang lebih sering dan kode yang lebih panjang untuk kejadian yang jarang. Karena pengurutan zig-zag cenderung mengelompokkan koefisien frekuensi yang mirip bersama-sama, hal ini meningkatkan efisiensi pengkodean Huffman.

Setelah pengkodean entropi selesai, data yang terkompresi disimpan dalam format file yang sesuai dengan standar JPEG. Format file ini mencakup header yang berisi informasi tentang gambar, seperti dimensinya dan tabel kuantisasi yang digunakan, diikuti oleh data gambar yang dikodekan Huffman. Format file juga mendukung penyertaan metadata, seperti data EXIF, yang dapat berisi informasi tentang pengaturan kamera yang digunakan untuk mengambil foto, tanggal dan waktu diambil, serta detail lainnya yang relevan.

Saat gambar JPEG dibuka, proses dekompresi pada dasarnya membalik langkah-langkah kompresi. Data yang dikodekan Huffman didekodekan, koefisien frekuensi yang terkuantisasi di-de-kuantisasi menggunakan tabel kuantisasi yang sama yang digunakan selama kompresi, dan Transformasi Cosinus Diskret Terbalik (IDCT) diterapkan pada setiap blok untuk mengonversi data domain frekuensi kembali menjadi nilai-nilai piksel domain spasial.

Proses de-kuantisasi dan IDCT memperkenalkan beberapa kesalahan karena sifat lossy dari kompresi, yang menyebabkan JPEG tidak ideal untuk gambar yang akan mengalami banyak editan dan penyimpanan ulang. Setiap kali gambar JPEG disimpan, ia melalui proses kompresi lagi, dan informasi gambar tambahan akan hilang. Hal ini dapat menyebabkan penurunan kualitas gambar yang terlihat dari waktu ke waktu, yang dikenal sebagai 'generasi kerugian'.

Meskipun sifat lossy dari kompresi JPEG, format ini tetap populer karena fleksibilitas dan efisiensinya. Gambar JPEG dapat sangat kecil dalam ukuran file, yang membuatnya ideal untuk digunakan di web, di mana bandwidth dan waktu pemuatan menjadi pertimbangan penting. Selain itu, standar JPEG mencakup mode progresif, yang memungkinkan gambar dikodekan sedemikian rupa sehingga dapat didekodekan dalam beberapa lintasan, di mana setiap lintasan meningkatkan resolusi gambar. Hal ini terutama berguna untuk gambar web, karena memungkinkan versi berkualitas rendah dari gambar untuk ditampilkan dengan cepat, dengan kualitas yang meningkat saat lebih banyak data yang diunduh.

JPEG juga memiliki beberapa keterbatasan dan tidak selalu menjadi pilihan terbaik untuk semua jenis gambar. Misalnya, tidak cocok untuk gambar dengan tepi tajam atau teks kontras tinggi, karena kompresi dapat menciptakan artefak yang terlihat jelas di sekitar area-area ini. Selain itu, JPEG tidak mendukung transparansi, yang merupakan fitur yang disediakan oleh format lain seperti PNG dan GIF.

Untuk mengatasi beberapa keterbatasan dari standar JPEG asli, format baru telah dikembangkan, seperti JPEG 2000 dan JPEG XR. Format-format ini menawarkan efisiensi kompresi yang lebih baik, dukungan untuk kedalaman bit yang lebih tinggi, dan fitur tambahan seperti transparansi dan kompresi lossless. Namun, mereka belum mencapai tingkat adopsi yang sama luasnya seperti format JPEG asli.

Sebagai kesimpulan, format gambar JPEG adalah keseimbangan kompleks antara matematika, psikologi penglihatan manusia, dan ilmu komputer. Penggunaannya yang tersebar luas merupakan bukti dari keefektifannya dalam mengurangi ukuran file sambil mempertahankan tingkat kualitas gambar yang dapat diterima untuk sebagian besar aplikasi. Memahami aspek teknis JPEG dapat membantu pengguna membuat keputusan yang tepat tentang kapan menggunakan format ini dan bagaimana mengoptimalkan gambar mereka untuk keseimbangan kualitas dan ukuran file yang paling sesuai dengan kebutuhan mereka.

Format yang didukung

AVIF.avif

Format File Gambar AV1

BMP.bmp

Gambar bitmap Windows Microsoft

CIN.cin

File Gambar Cineon

CLIP.clip

Masker Klip Gambar

DCX.dcx

ZSoft IBM PC multi-page Paintbrush

DDS.dds

Microsoft DirectDraw Surface

DPX.dpx

Gambar SMTPE 268M-2003 (DPX 2.0)

DXT1.dxt1

Microsoft DirectDraw Surface

EXR.exr

Gambar berdynamik tinggi (HDR)

FF.ff

Farbfeld

FITS.fits

Sistem Transportasi Gambar Fleksibel

GIF.gif

Format pertukaran grafis CompuServe

HDR.hdr

Gambar Berdynamik Tinggi

HEIC.heic

Kontainer Gambar Efisiensi Tinggi

J2C.j2c

Codestream JPEG-2000

J2K.j2k

Codestream JPEG-2000

JNG.jng

Grafik Jaringan JPEG

JP2.jp2

Sintaks Format File JPEG-2000

JPE.jpe

Format JFIF Grup Ahli Fotografi Bersama

JPEG.jpeg

Format JFIF Grup Ahli Fotografi Bersama

JPG.jpg

Format JFIF Grup Ahli Fotografi Bersama

JPM.jpm

Sintaks Format File JPEG-2000

JPS.jps

Format JPS Grup Ahli Fotografi Bersama

JPT.jpt

Sintaks Format File JPEG-2000

JXL.jxl

Gambar JPEG XL

MAT.mat

Format gambar level 5 MATLAB

PAM.pam

Format bitmap 2-dimensi umum

PBM.pbm

Format bitmap portabel (hitam dan putih)

PCD.pcd

Photo CD

PCX.pcx

ZSoft IBM PC Paintbrush

PDB.pdb

Format ImageViewer Database Palm

PFM.pfm

Format float portabel

PGM.pgm

Format graymap portabel (skala abu-abu)

PGX.pgx

Format tak terkompresi JPEG 2000

PJPEG.pjpeg

Format JFIF Kelompok Ahli Fotografi Bersama

PNG.png

Grafik Jaringan Portabel

PNG00.png00

PNG mewarisi bit-depth, tipe warna dari gambar asli

PNG24.png24

RGB 24-bit transparan atau biner (zlib 1.2.11)

PNG32.png32

RGBA 32-bit transparan atau biner

PNG48.png48

RGB 48-bit transparan atau biner

PNG64.png64

RGBA 64-bit transparan atau biner

PNG8.png8

Indeks 8-bit transparan atau biner

PNM.pnm

Anymap portabel

PPM.ppm

Format pixmap portabel (warna)

PSB.psb

Format Dokumen Besar Adobe

PSD.psd

Bitmap Adobe Photoshop

SUN.sun

Rasterfile Sun

TIFF.tiff

Format File Gambar Bertag

VIPS.vips

Gambar VIPS

WEBP.webp

Format Gambar WebP

Pertanyaan yang Sering Diajukan

Bagaimana cara kerjanya?

Konverter ini berjalan sepenuhnya di browser Anda. Saat Anda memilih file, file tersebut dibaca ke dalam memori dan dikonversi ke format yang dipilih. Anda kemudian dapat mengunduh file yang telah dikonversi.

Apa yang terjadi dengan file saya?

File Anda tidak pernah diunggah ke server kami. File tersebut dikonversi di browser Anda, dan file yang telah dikonversi kemudian diunduh. Kami tidak pernah melihat file Anda.

Berapa biayanya?

Konverter ini sepenuhnya gratis, dan akan selalu gratis. Karena berjalan di browser Anda, kami tidak perlu membayar server, jadi kami tidak perlu menagih Anda.