배경 제거는 피사체를 주변 환경과 분리하여 투명 배경에 배치하거나, 장면을 바꾸거나, 새로운 디자인에 합성할 수 있게 해줍니다. 내부적으로는 0에서 1까지의 픽셀당 불투명도인 알파 매트를 추정하고, 전경을 알파 합성하여 다른 것 위에 배치하는 것입니다. 이것은 포터–더프의 수학이며, “프린지”와 스트레이트 알파 대 미리 곱해진 알파와 같은 흔히 발생하는 문제의 원인입니다. 미리 곱하기와 선형 색상에 대한 실용적인 지침은 마이크로소프트의 Win2D 노트, 쇠렌 산만, 그리고 로몬트의 선형 블렌딩에 대한 글을 참조하십시오.
촬영을 제어할 수 있다면 배경을 단색(주로 녹색)으로 칠하고 해당 색조를 키로 빼냅니다. 이 방법은 빠르고, 영화 및 방송에서 검증되었으며, 비디오에 이상적입니다. 단점은 조명과 의상입니다: 색깔 있는 빛이 가장자리(특히 머리카락)에 번지므로, 오염을 중화하기 위해 디스필 도구를 사용해야 합니다. 좋은 입문 자료로는 누크의 문서, 믹싱 라이트, 그리고 직접 해보는 퓨전 데모가 있습니다.
배경이 지저분한 단일 이미지의 경우, 대화형 알고리즘은 사용자의 몇 가지 힌트(예: 느슨한 사각형이나 낙서)를 필요로 하며, 선명한 마스크를 생성합니다. 표준적인 방법은 그랩컷 (책의 장)으로, 전경/배경의 색상 모델을 학습하고 그래프 컷을 반복적으로 사용하여 분리합니다.GIMP의 전경 선택에서도 비슷한 아이디어를 볼 수 있으며, 이는 SIOX (ImageJ 플러그인)에 기반합니다.
매팅은 가느다란 경계(머리카락, 털, 연기, 유리)에서 부분적인 투명도를 해결합니다. 고전적인 폐쇄형 매팅은 트라이맵(확실한 전경/확실한 배경/알 수 없음)을 사용하여 강력한 가장자리 정확도로 알파에 대한 선형 시스템을 풉니다. 현대적인 딥 이미지 매팅은 어도비 컴포지션-1K 데이터셋(MMEditing 문서)에서 신경망을 훈련시키며, SAD, MSE, 그래디언트, 연결성과 같은 메트릭으로 평가됩니다(벤치마크 설명).
관련된 분할 작업도 유용합니다: DeepLabv3+는 인코더-디코더와 아트러스 컨볼루션으로 경계를 다듬습니다 (PDF); 마스크 R-CNN은 인스턴스별 마스크를 제공합니다 (PDF); 그리고 SAM(Segment Anything)은 새로운 이미지에 대해 제로샷으로 마스크를 생성하는 프롬프트 기반 기본 모델입니다.
학술 연구에서는 컴포지션-1K에 대한 SAD, MSE, 그래디언트, 연결성 오류를 보고합니다. 모델을 선택하는 경우 해당 메트릭을 찾아보세요 (메트릭 정의; 배경 매팅 메트릭 섹션). 인물/비디오의 경우, MODNet과 배경 매팅 V2가 강력합니다; 일반적인 “두드러진 객체” 이미지의 경우, U2-Net이 견고한 기준선입니다; 어려운 투명도의 경우, FBA가 더 나은 결과를 제공할 수 있습니다.
BAYERA는 디지털 사진 및 이미징 애플리케이션에서 일반적으로 사용되는 로우 이미지 파일 형식입니다. 대부분의 디지털 이미지 센서에 사용되는 컬러 필터 어레이(CFA)인 Bayer 필터 모자이크 패턴의 이름을 따서 명명되었습니다. Bayer 필터 모자이크는 이미지 센서의 포토사이트 위에 특정 패턴으로 배열된 빨간색, 녹색, 파란색 컬러 필터의 그리드로 구성됩니다. 이 패턴을 통해 센서는 컬 러 정보를 캡처하고, 이 정보는 처리되어 전체 컬러 이미지를 생성합니다.
일반적인 Bayer 필터 모자이크에서 녹색 필터는 바둑판 패턴으로 배열되고, 빨간색과 파란색 필터는 번갈아 가며 행으로 배치됩니다. 녹색 필터는 인간의 눈이 녹색 빛에 더 민감하기 때문에 더 많이 사용되며, 이 배열은 전체 이미지 품질과 휘도 해상도를 향상시키는 데 도움이 됩니다. 컬러 필터의 특정 배열은 제조업체와 특정 센서 설계에 따라 달라질 수 있습니다.
빛이 Bayer 필터 모자이크를 통과하여 이미지 센서에 도달하면 각 포토사이트는 연관된 필터의 색상에 해당하는 빛의 강도를 캡처합니다. 그러나 이 단계에서는 각 포토사이트에 하나의 컬러 채널(빨간색, 녹색 또는 파란색)에 대한 정보만 있습니다. 전체 컬러 이미지를 만들려면 디모자이킹 또는 디베이어링이라는 프로세스가 수행됩니다.
디모자이킹은 주변 픽셀의 컬러 정보를 기반으로 각 픽셀의 누락된 컬러 값을 보간하는 것을 포함합니다. 디모자이킹에는 간단한 이선형 보간부터 가장자리 감지와 컬러 그레이디언트를 고려하는 보다 고급 방법까지 다양한 알고리즘을 사용할 수 있습니다. 디모자이킹 알고리즘의 선택은 특히 컬러 정확도, 선명도, 아티팩트 감소 측면에서 최종 이미지 품질에 상당한 영향을 미칠 수 있습니다.
BAYERA 파일은 이미지 센서가 캡처한 로우 처리되지 않은 데이터를 저장하여 원래 Bayer 패턴을 보존합니다. 이 로우 데이터에는 각 픽셀에 대해 하나의 컬러 값이 포함되어 있으며, 이는 통과한 컬러 필터에 해당합니다. 파일 형식에는 일반적으로 사용된 특정 Bayer 패턴과 기타 카메라 설정 및 이미지 매개변수를 설명하는 메타데이터가 포함됩니다.
BAYERA 형식의 주요 장점 중 하나는 이미지 센서가 캡처한 최대 데이터 양을 보존하여 후처리 및 이미지 조작에 유연성을 제공한다는 것입니다. 로우 파일을 사용하면 사용자가 화이트 밸런스, 노출, 컬러 그레이딩과 같은 매개변수를 품질을 잃거나 압축 아티팩트를 도입하지 않고 조정할 수 있습니다. 이를 통해 BAYERA 파일은 이미지에 대한 최고 수준의 제어가 필요한 전문 사진가와 이미징 전문가에게 특히 매력적입니다.
그러나 BAYERA 파일을 사용하는 데는 몇 가지 과제도 있습니다. 파일은 일반적으로 JPEG 또는 PNG와 같은 처리된 이미지 형식보다 크며, 압축되지 않은 로우 데이터를 포함하고 있습니다. 이로 인해 저장 요구 사항이 높아지고 처리 시간이 느려질 수 있습니다. 또한 BAYERA 파일을 보거나 편집하려면 로우 데이터를 해석하고 필요한 디모자이킹 및 이미지 처리 단계를 수행할 수 있는 특수 소프트웨어가 필요합니다.
이러한 과제를 해결하기 위해 많은 카메라 제조업체는 BAYERA 패턴을 기반으로 자체 독점 로우 파일 형식을 개발했습니다. 이러한 형식에는 종종 추가 메타데이터가 포함되며 이미지 품질을 저하시키지 않고 파일 크기를 줄이기 위해 일부 수준의 무손실 압축을 적용할 수 있습니다. 이러한 독점 형식의 예로는 CR2(캐논), NEF(니콘), ARW(소니)가 있습니다.
독점 로우 형식이 존재함에도 불구하고 BAYERA 형식은 디지털 이미징 산업의 표준으로 남아 있습니다. 많은 이미지 편집 애플리케이션과 워크플로우는 BAYERA 파일의 가져오기 및 처리를 지원하여 다양한 플랫폼과 기기 간의 호환성을 보장합니다.
결론적으로 BAYERA 파일 형식은 디지털 사진의 중요한 구성 요소이며, Bayer 필터 모자이크 패턴을 기반 으로 로우 이미지 데이터를 캡처하고 저장할 수 있습니다. 이미지 센서에서 최대한 많은 정보를 보존하는 기능은 후처리 워크플로우에서 최고 수준의 제어와 유연성을 요구하는 전문 사진가와 이미징 전문가에게 필수적인 도구입니다. BAYERA 파일을 사용하면 파일 크기가 크고 특수 소프트웨어가 필요하다는 과제가 있지만, 이 형식의 이점은 디지털 이미징 산업에서 표준으로 자리매김하는 데 계속 기여하고 있습니다.
이 변환기는 전적으로 브라우저에서 실행됩니다. 파일을 선택하면 메모리로 읽어와 선택한 형식으로 변환됩니다. 그런 다음 변환된 파일을 다운로드할 수 있습니다.
변환은 즉시 시작되며 대부분의 파일은 1초 이내에 변환됩니다. 파일이 크면 더 오래 걸릴 수 있습니다.
파일은 서버에 업로드되지 않습니다. 브라우저에서 변환된 다음 변환된 파일이 다운로드됩니다. 우리는 귀하의 파일을 절대 보지 않습니다.
JPEG, PNG, GIF, WebP, SVG, BMP, TIFF 등을 포함한 모든 이미지 형식 간의 변환을 지원합니다.
이 변환기는 완전히 무료이며 항상 무료입니다. 브라우저에서 실행되기 때문에 서버 비용을 지불할 필요가 없으므로 비용을 청구할 필요가 없습니다.
예! 한 번에 원하는 만큼 많은 파일을 변환할 수 있습니다. 추가할 때 여러 파일을 선택하기만 하면 됩니다.