Удаление фона отделяет объект от окружения, чтобы вы могли поместить его на прозрачный фон, заменить сцену или встроить в новый дизайн. Под капотом вы оцениваете альфа-мат — покадровую непрозрачность от 0 до 1 — и затем выполняете альфа-композитинг переднего плана поверх другой подложки. Эта математика из Porter–Duff приводит к знакомым ловушкам вроде «ореолов» и прямой против премультиплицированной альфы. Практические советы по премультипликации и линейному цвету см. в заметках Win2D от Microsoft, у Сёрена Сандмана и в материале Ломонта про линейное смешивание.
Если вы управляете съёмкой, покрасьте фон в сплошной цвет (часто зелёный) и кейте этот оттенок. Это быстро, проверено в кино и вещании и идеально для видео. Компро миссы — свет и гардероб: цветной свет попадает на края (особенно волосы), поэтому используйте инструменты despill, чтобы нейтрализовать загрязнение. Хорошие вводные — доки Nuke, Mixing Light и практическое демо по Fusion.
Для одиночных кадров со сложным фоном интерактивным алгоритмам нужны подсказки пользователя — например, свободный прямоугольник или штрихи — и они сходятся к аккуратной маске. Каноничный метод — GrabCut (глава в книге), который обучает цветовые модели переднего/заднего плана и итеративно разделяет их графовыми разрезами. Похожие идеи есть в Foreground Select GIMP на основе SIOX (плагина ImageJ).
Маттинг решает частичную прозрачность на тонких границах (волосы, шерсть, дым, стекло). Классический closed-form matting берёт тримап (точно передний/точно фон/неизвестно) и решает линейную систему для альфы с высокой точностью по краям. Современный deep image matting обучает нейросети на датасете Adobe Composition-1K (MMEditing docs) и оценивается метриками вроде SAD, MSE, Gradient и Connectivity (объяснение бенчмарка).
Связанные методы сегментации тоже полезны: DeepLabv3+ уточняет границы энкодером–декодером и atrous-свёртками (PDF); Mask R-CNN даёт маски для каждого объекта (PDF); а SAM (Segment Anything) — управляемая запросами foundation-модель, которая строит маски на новых изображениях без дообучения.
Научные работы приводят ошибки SAD, MSE, Gradient и Connectivity на Composition-1K. Если выбираете модель, ищите эти метрики (определения метрик; секцию про метрики Background Matting). Для портретов/видео MODNet и Background Matting V2 сильны; для общих снимков «salient object» U2-Net — надёжная база; для сложной прозрачности FBA даёт более чистый результат.
Этот конвертер полностью работает в вашем браузере. Когда вы выбираете файл, он загружается в память и преобразуется в выбранный формат. Затем вы можете скачать преобразованный файл.
Преобразования начинаются мгновенно, и большинство файлов преобразуются за считанные секунды. Более крупные файлы могут занимать больше времени.
Ваши файлы никогда не загружаются на наши серверы. Они преобразуются в вашем браузере, а затем скачиваются. Мы никогда не видим ваши файлы.
Мы поддерживаем преобразование между всеми форматами изображений, включая JPEG, PNG, GIF, WebP, SVG, BMP, TIFF и другие.
Этот конвертер полностью бесплатен и всегда будет бесплатным. Поскольку он работает в вашем браузere, нам не нужно платить за серверы, поэтому мы не взимаем плату с вас.
Да! Вы можете преобразовать сколько угодно файлов одновременно. Просто выберите несколько файлов при их добавлении.