A remoção de fundo separa um objeto de seu ambiente para que você possa colocá-lo em transparência, trocar a cena ou compô-lo em um novo design. Nos bastidores, você está estimando uma máscara alfa—uma opacidade por pixel de 0 a 1—e então aplicando composição alfa ao primeiro plano sobre outra coisa. Esta é a matemática de Porter–Duff e a causa de problemas comuns como “franjas” e alfa reto vs. pré-multiplicado. Para orientação prática sobre pré-multiplicação e cor linear, consulte as notas do Win2D da Microsoft, Søren Sandmann e o artigo de Lomont sobre mistura linear.
Se você puder controlar a captura, pinte o fundo com uma cor sólida (geralmente verde) e remova esse tom. É rápido, testado e aprovado em filmes e transmissões, e ideal para vídeo. As desvantagens são a iluminação e o vestuário: a luz colorida vaza para as bordas (especialmente o cabelo), então você usará ferramentas de despill para neutralizar a contaminação. Boas referências incluem a documentação do Nuke, Mixing Light e uma demonstração prática do Fusion.
Para imagens únicas com fundos bagunçados, algoritmos interativos precisam de algumas dicas do usuário—por exemplo, um retângulo solto ou rabiscos—e geram uma máscara nítida. O método canônico é GrabCut (capítulo de livro), que aprende modelos de cores para primeiro plano/fundo e usa cortes de grafo iterativamente para separá-los. Você verá ideias semelhantes na Seleção de Primeiro Plano do GIMP baseada em SIOX (plugin ImageJ).
Matting resolve a transparência fracionária em limites finos (cabelo, pelo, fumaça, vidro). O matting de forma fechada clássico pega um trimap (definitivamente-primeiro plano/definitivamente-fundo/desconhecido) e resolve um sistema linear para alfa com forte precisão de borda. O matting de imagem profundo moderno treina redes neurais no conjunto de dados Adobe Composition-1K (documentos do MMEditing), e é avaliado com métricas como SAD, MSE, Gradiente e Conectividade (explicador de benchmark).
Trabalhos de segmentação relacionados também são úteis: DeepLabv3+ refina limites com um codificador-decodificador e convoluções atrous (PDF); Mask R-CNN fornece máscaras por instância (PDF); e SAM (Segment Anything) é um modelo de base controlável por prompt que gera máscaras sem necessidade de treinamento em imagens desconhecidas.
Trabalhos acadêmicos relatam erros de SAD, MSE, Gradiente e Conectividade em Composition-1K. Se você está escolhendo um modelo, procure por essas métricas (definições de métricas; seção de métricas do Background Matting). Para retratos/vídeo, MODNet e Background Matting V2 são potentes; para imagens gerais de “objetos salientes”, U2-Net é uma base sólida; para transparências difíceis, FBA pode apresentar resultados melhores.
O formato de imagem JPEG (Joint Photographic Experts Group), comumente conhecido como JPG, é um método amplamente utilizado de compressão com perdas para imagens digitais, particularmente para aquelas imagens produzidas por fotografia digital. O grau de compressão pode ser ajustado, permitindo uma troca selecionável entre o tamanho do armazenamento e a qualidade da imagem. O JPEG normalmente atinge uma compressão de 10:1 com pouca perda perceptível na qualidade da imagem.
A compressão JPEG é usada em vários formatos de arquivo de imagem. JPEG/Exif é o formato de imagem mais comum usado por câmeras digitais e outros dispositivos de captura de imagem fotográfica; junto com JPEG/JFIF, é o formato mais comum para armazenar e transmitir imagens fotográficas na World Wide Web. Essas variações de formato geralmente não são diferenciadas e são simplesmente chamadas de JPEG.
O formato JPEG inclui uma variedade de padrões, incluindo JPEG/Exif, JPEG/JFIF e JPEG 2000, que é um padrão mais recente que oferece melhor eficiência de compressão com maior complexidade computacional. O padrão JPEG é complexo, com várias partes e perfis, mas o padrão JPEG mais comumente usado é o JPEG básico, que é o que a maioria das pessoas está se referindo quando mencionam imagens 'JPEG'.
O algoritmo de compressão JPEG é, em seu núcleo, uma técnica de compressão baseada em transformada discreta de cosseno (DCT). A DCT é uma transformada relacionada a Fourier semelhante à transformada discreta de Fourier (DFT), mas usando apenas funções cosseno. A DCT é usada porque tem a propriedade de concentrar a maior parte do sinal na região de baixa frequência do espectro, que se correlaciona bem com as propriedades das imagens naturais.
O processo de compressão JPEG envolve várias etapas. Inicialmente, a imagem é convertida de seu espaço de cor original (geralmente RGB) para um espaço de cor diferente conhecido como YCbCr. O espaço de cor YCbCr separa a imagem em um componente de luminância (Y), que representa os níveis de brilho, e dois componentes de crominância (Cb e Cr), que representam as informações de cor. Essa separação é benéfica porque o olho humano é mais sensível a variações de brilho do que de cor, permitindo uma compressão mais agressiva dos componentes de crominância sem afetar significativamente a qualidade da imagem percebida.
Após a conversão do espaço de cor, a imagem é dividida em blocos, normalmente com tamanho de 8x8 pixels. Cada bloco é então processado separadamente. Para cada bloco, a DCT é aplicada, que transforma os dados do domínio espacial em dados do domínio da frequência. Esta etapa é crucial, pois torna os dados da imagem mais passíveis de compressão, pois as imagens naturais tendem a ter componentes de baixa frequência que são mais significativos do que os componentes de alta frequência.
Depois que a DCT é aplicada, os coeficientes resultantes são quantizados. A quantização é o processo de mapear um grande conjunto de valores de entrada para um conjunto menor, reduzindo efetivamente o número de bits necessários para armazená-los. Esta é a principal fonte de perda na compressão JPEG. A etapa de quantização é controlada por uma tabela de quantização, que determina quanta compressão é aplicada a cada coeficiente DCT. Ao ajustar a tabela de quantização, os usuários podem trocar entre a qualidade da imagem e o tamanho do arquivo.
Após a quantização, os coeficientes são linearizados por varredura em ziguezague, que os ordena por frequência crescente. Esta etapa é importante porque agrupa coeficientes de baixa frequência que são mais propensos a serem significativos e coeficientes de alta frequência que são mais propensos a serem zero ou quase zero após a quantização. Esta ordenação facilita a próxima etapa, que é a codificação de entropia.
A codificação de entropia é um método de compressão sem perdas que é aplicado aos coeficientes DCT quantizados. A forma mais comum de codificação de entropia usada em JPEG é a codificação Huffman, embora a codificação aritmética também seja suportada pelo padrão. A codificação Huffman funciona atribuindo códigos mais curtos a elementos mais frequentes e códigos mais longos a elementos menos frequentes. Como as imagens naturais tendem a ter muitos coeficientes zero ou quase zero após a quantização, especialmente na região de alta frequência, a codificação Huffman pode reduzir significativamente o tamanho dos dados compactados.
A etapa final no processo de compressão JPEG é armazenar os dados compactados em um formato de arquivo. O formato mais comum é o JPEG File Interchange Format (JFIF), que define como representar os dados compactados e metadados associados, como as tabelas de quantização e tabelas de código Huffman, em um arquivo que pode ser decodificado por uma ampla gama de software. Outro formato comum é o formato de arquivo de imagem intercambiável (Exif), que é usado por câmeras digitais e inclui metadados como configurações da câmera e informações da cena.
Os arquivos JPEG também incluem marcadores, que são sequências de código que definem certos parâmetros ou ações no arquivo. Esses marcadores podem indicar o início de uma imagem, o fim de uma imagem, definir tabelas de quantização, especificar tabelas de código Huffman e muito mais. Os marcadores são essenciais para a decodificação adequada da imagem JPEG, pois fornecem as informações necessárias para reconstruir a imagem a partir dos dados compactados.
Uma das principais características do JPEG é seu suporte para codificação progressiva. No JPEG progressivo, a imagem é codificada em várias passagens, cada uma melhorando a qualidade da imagem. Isso permite que uma versão de baixa qualidade da imagem seja exibida enquanto o arquivo ainda está sendo baixado, o que pode ser particularmente útil para imagens da web. Os arquivos JPEG progressivos são geralmente maiores do que os arquivos JPEG básicos, mas a diferença de qualidade durante o carregamento pode melhorar a experiência do usuário.
Apesar de seu uso generalizado, o JPEG tem algumas limitações. A natureza com perdas da compressão pode levar a artefatos como bloqueio, onde a imagem pode mostrar quadrados visíveis, e 'toque', onde as bordas podem ser acompanhadas por oscilações espúrias. Esses artefatos são mais perceptíveis em níveis de compressão mais altos. Além disso, o JPEG não é adequado para imagens com bordas nítidas ou texto de alto contraste, pois o algoritmo de compressão pode borrar as bordas e reduzir a legibilidade.
Para resolver algumas das limitações do padrão JPEG original, o JPEG 2000 foi desenvolvido. O JPEG 2000 oferece várias melhorias em relação ao JPEG básico, incluindo melhor eficiência de compressão, suporte para compressão sem perdas e a capacidade de lidar com uma gama mais ampla de tipos de imagem de forma eficaz. No entanto, o JPEG 2000 não teve ampla adoção em comparação com o padrão JPEG original, em grande parte devido ao aumento da complexidade computacional e à falta de suporte em alguns softwares e navegadores da web.
Concluindo, o formato de imagem JPEG é um método complexo, mas eficiente, para compactar imagens fotográficas. Sua ampla adoção se deve à sua flexibilidade em equilibrar a qualidade da imagem com o tamanho do arquivo, tornando-o adequado para uma variedade de aplicações, desde gráficos da web até fotografia profissional. Embora tenha suas desvantagens, como suscetibilidade a artefatos de compressão, sua facilidade de uso e suporte em uma ampla gama de dispositivos e softwares o tornam um dos formatos de imagem mais populares em uso hoje.
Este conversor é executado inteiramente no seu navegador. Ao selecionar um arquivo, ele é carregado na memória e convertido para o formato selecionado. Você pode baixar o arquivo convertido.
As conversões começam instantaneamente e a maioria dos arquivos são convertidos em menos de um segundo. Arquivos maiores podem levar mais tempo.
Seus arquivos nunca são enviados para nossos servidores. Eles são convertidos no seu navegador e o arquivo convertido é baixado. Nunca vemos seus arquivos.
Suportamos a conversão entre todos os formatos de imagem, incluindo JPEG, PNG, GIF, WebP, SVG, BMP, TIFF e muito mais.
Este conversor é completamente gratuito e sempre será gratuito. Como ele é executado no seu navegador, não precisamos pagar por servidores, então não precisamos cobrar de você.
Sim! Você pode converter quantos arquivos quiser de uma vez. Basta selecionar vários arquivos ao adicioná-los.