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.
JPEG는 공동 사진 전문가 그룹을 의미하며, 디지털 사진에서 생성된 이미지를 비롯한 디지털 이미지에 손실 압축을 적용하는 일반적인 방법입니다. 압축률을 조정하여 저장 크기와 이미지 품질 간의 균형을 선택적으로 조정할 수 있습니다. JPEG는 일반적으로 이미지 품질에 거의 영향을 미치지 않으면서 10:1 압축을 달성합니다.
JPEG 압축 알고리즘은 JPEG 표준의 핵심입니다. 이 과정은 디지털 이미지를 일반적인 RGB 색 공간에서 YCbCr이라는 다른 색 공간으로 변환하는 것으로 시작됩니다. YCbCr 색 공간은 이미지를 밝기 수준을 나타내는 루마(Y)와 색 정보를 나타내는 크로미넌스(Cb 및 Cr)로 분리합니다. 이러한 분리는 인간의 눈이 색상보다 밝기 변화에 더 민감하기 때문에 압축이 루마보다 색 정보를 더 많이 압축하여 이를 활용할 수 있도록 합니다.
이미지가 YCbCr 색 공간에 있으면 JPEG 압축 과정의 다음 단계는 크로미넌스 채널을 다운샘플링하는 것입니다. 다운샘플링은 크로미넌스 정보의 해상도를 낮추는데, 인간의 눈이 색상 세부 사항에 덜 민감하기 때문에 일반적으로 이미지의 인지된 품질에 큰 영향을 미치지 않습니다. 이 단계는 선택 사항이며 이미지 품질과 파일 크기 간의 원하는 균형에 따라 조정할 수 있습니다.
다운샘플링 후 이미지는 일반적으로 8x8픽셀 크기의 블록으로 나뉩니다. 각 블록은 별도로 처리됩니다. 각 블록을 처리하는 첫 번째 단계는 이산 코사인 변환(DCT)을 적용하는 것입니다. DCT는 공간 도메인 데이터(픽셀 값)를 주파수 도메인으로 변환하는 수학적 연산입니다. 결과는 이미지 블록의 데이터를 공간 주파수 구성 요소 측면에서 나타내는 주파수 계수의 행렬입니다.
DCT에서 생성된 주파수 계수는 양자화됩니다. 양자화는 많은 입력 값 집합을 더 작은 집합에 매핑하는 과정입니다. JPEG의 경우 이는 주파수 계수의 정밀도를 낮추는 것을 의미합니다. 일부 이미지 정보가 삭제되므로 압축의 손실 부분이 발생하는 곳입니다. 양자화 단계는 각 주파수 구성 요소에 적용되는 압축량을 결정하는 양자화 테이블에 의해 제어됩니다. 양자화 테이블은 더 높은 이미지 품질(압 축 감소) 또는 더 작은 파일 크기(압축 증가)를 선호하도록 조정할 수 있습니다.
양자화 후 계수는 왼쪽 상단 모서리에서 시작하여 더 높은 주파수 구성 요소보다 낮은 주파수 구성 요소를 우선시하는 패턴을 따르는 지그재그 순서로 배열됩니다. 이는 더 균일한 이미지 부분을 나타내는 더 낮은 주파수 구성 요소가 더 미세한 세부 사항과 가장자리를 나타내는 더 높은 주파수 구성 요소보다 전반적인 모양에 더 중요하기 때문입니다.
JPEG 압축 과정의 다음 단계는 손실 없는 압축 방법인 엔트로피 코딩입니다. JPEG에서 사용되는 가장 일반적인 엔트로피 코딩 형식은 허프만 코딩이지만 산술 코딩도 옵션입니다. 허프만 코딩은 더 빈번한 발생에 더 짧은 코드를 할당하고 덜 빈번한 발생에 더 긴 코드를 할당하여 작동합니다. 지그재그 순서는 유사한 주파수 계수를 함께 그룹화하는 경향이 있으므로 허프만 코딩의 효율성을 높입니다.
엔트로피 코딩이 완료되면 압축된 데이터는 JPEG 표준에 따른 파일 형식으로 저장됩니다. 이 파일 형식에는 이미지의 크기 및 사용된 양자화 테이블과 같은 이미지에 대한 정보가 포함된 헤더가 포함되며, 그 뒤에 허프만으로 코딩된 이미지 데이터가 이어집니다. 파일 형식은 또한 사진을 촬영하는 데 사용된 카메라 설정, 촬영 날짜 및 시간, 기타 관련 세부 정보를 포함할 수 있는 EXIF 데이터와 같은 메타데이터를 포함할 수 있습니다.
JPEG 이미지를 열면 압축 해제 과정은 기본적으로 압축 단계를 역으로 수행합니다. 허프만으로 코딩된 데이터가 디코딩되고, 양자화된 주파수 계수는 압축 중에 사용된 것과 동일한 양자화 테이블을 사용하여 양자화 해제되고, 역 이산 코사인 변환(IDCT)이 각 블 록에 적용되어 주파수 도메인 데이터를 다시 공간 도메인 픽셀 값으로 변환합니다.
양자화 해제 및 IDCT 프로세스는 압축의 손실 특성으로 인해 약간의 오류를 발생시키므로 JPEG는 여러 번 편집하고 다시 저장할 이미지에는 적합하지 않습니다. JPEG 이미지를 저장할 때마다 다시 압축 과정을 거치고 추가 이미지 정보가 손실됩니다. 이는 시간이 지남에 따라 이미지 품질이 눈에 띄게 저하될 수 있으며, 이 현상을 '세대 손실'이라고 합니다.
JPEG 압축의 손실 특성에도 불구하고 유연성과 효율성으로 인해 여전히 인기 있는 이미지 형식입니다. JPEG 이미지는 파일 크기가 매우 작을 수 있으므로 대역폭과 로딩 시간이 중요한 고려 사항인 웹에서 사용하기에 이상적입니다. 또한 JPEG 표준에는 이미지를 여러 패스로 인코딩할 수 있는 프로그레시브 모드가 포함되어 있으며, 각 패스는 이미지의 해상도를 향상시킵니다. 이는 웹 이미지에 특히 유용하며, 낮은 품질의 이미지 버전을 빠르게 표시하고 더 많은 데이터를 다운로드하면서 품질을 향상시킬 수 있습니다.
JPEG에는 또한 몇 가지 한계가 있으며 모든 유형의 이미지에 항상 최선의 선택은 아닙니다. 예를 들어, 날카로운 가장자리나 대비가 높은 텍스트가 있는 이미지에는 적합하지 않습니다. 압축이 이러한 영역 주변에 눈에 띄는 아티팩트를 생성할 수 있기 때문입니다. 또한 JPEG는 PNG 및 GIF와 같은 다른 형식에서 제공하는 기능인 투명성을 지원하지 않습니다.
원래 JPEG 표준의 한계 중 일부를 해결하기 위해 JPEG 2000 및 JPEG XR과 같은 새로운 형식이 개발되었습니다. 이러한 형식은 향상된 압축 효율성, 더 높은 비트 심도 지원, 투명성 및 손실 없는 압축과 같은 추가 기능을 제공합니다. 그러나 이러한 형식은 아직 원래 JPEG 형식만큼 널리 채택되지 않았습니다.
결론적으로 JPEG 이미지 형식은 수학, 인간 시각 심리학, 컴퓨터 과학의 복잡한 균형입니다. 널리 사용되는 것은 대부분의 응용 프로그램에 허용되는 수준의 이미지 품질을 유지하면서 파일 크기를 줄이는 데 효과적이라는 증거입니다. JPEG의 기술적 측면을 이해하면 사용자는 이 형식을 사용할 때와 품질과 파일 크기의 균형을 가장 잘 맞추기 위해 이미지를 최적화하는 방법에 대해 정보에 입각한 결정을 내리는 데 도움이 될 수 있습니다.
이 변환기는 전적으로 브라우저에서 실행됩니다. 파일을 선택하면 메모리로 읽어와 선택한 형식으로 변환됩니다. 그런 다음 변환된 파일을 다운 로드할 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.