Arka plan kaldırma, bir konuyu çevresinden ayırır, böylece onu şeffaflık üzerine yerleştirebilir, sahneyi değiştirebilir veya yeni bir tasarıma entegre edebilirsiniz. Kaputun altında bir alfa maskesi—piksel başına 0'dan 1'e kadar bir opaklık—tahmin ediyor ve ardından ön planı alfa kompozitleme ile başka bir şeyin üzerine yerleştiriyorsunuz. Bu, Porter–Duff matematiğidir ve “saçaklar” ve düz ve önceden çarpılmış alfa gibi yaygın sorunların nedenidir. Önceden çarpma ve doğrusal renk hakkında pratik rehberlik için Microsoft’un Win2D notlarına, Søren Sandmann’a ve Lomont’un doğrusal harmanlama üzerine yazısına bakın.
Çekimi kontrol edebiliyorsanız, arka planı düz bir renge (genellikle yeşil) boyayın ve bu tonu anahtarlayın. Hızlıdır, film ve yayında kendini kanıtlamıştır ve video için idealdir. Dezavantajları aydınlatma ve kıyafetlerdir: renkli ışık kenarlara (özellikle saça) taşar, bu nedenle kirlenmeyi nötralize etmek için dökülme önleyici araçlar kullanırsınız. İyi başlangıç kılavuzları arasında Nuke’un belgeleri, Mixing Light ve uygulamalı bir Fusion demosu bulunur.
Dağınık arka planlara sahip tek görüntüler için, etkileşimli algoritmalar birkaç kullanıcı ipucuna ihtiyaç duyar—örneğin, gevşek bir dikdörtgen veya karalamalar—ve keskin bir maske oluşturur. Kanonik yöntem GrabCut’tır (kitap bölümü), ön plan/arka plan için renk modelleri öğrenir ve bunları ayırmak için yinelemeli olarak grafik kesimlerini kullanır. Benzer fikirleri GIMP’in Ön Plan Seçimi’nde SIOX’a dayalı olarak görürsünüz (ImageJ eklentisi).
Matlaştırma, ince sınırlardaki (saç, kürk, duman, cam) kesirli şeffaflığı çözer. Klasik kapalı form matlaştırma bir üçlü harita (kesinlikle-ön plan/kesinlikle-arka plan/bilinmeyen) alır ve güçlü kenar doğruluğu ile alfa için doğrusal bir sistemi çözer. Modern derin görüntü matlaştırma Adobe Composition-1K veri setinde sinir ağlarını eğitir (MMEditing belgeleri) ve SAD, MSE, Gradyan ve Bağlantı gibi metriklerle değerlendirilir (kıyaslama açıklaması).
İlgili segmentasyon çalışmaları da faydalıdır: DeepLabv3+, bir kodlayıcı-kod çözücü ve atrous evrişimleri ile sınırları iyileştirir (PDF); Mask R-CNN, örnek başına maskeler verir (PDF); ve SAM (Segment Anything), bilinmeyen görüntülerde sıfır atışlı maskeler oluşturan istemle yönlendirilebilir bir temel modeldir.
Akademik çalışmalar, Composition-1K üzerinde SAD, MSE, Gradyan ve Bağlantı hatalarını raporlar. Bir model seçiyorsanız, bu metriklere bakın (metrik tanımları; Arka Plan Matlaştırma metrikleri bölümü). Portreler/video için, MODNet ve Arka Plan Matlaştırma V2 güçlüdür; genel “belirgin nesne” görüntüleri için, U2-Net sağlam bir temeldir; zor şeffaflık için, FBA daha iyi sonuç verebilir.
JPEG, Ortak Fotoğraf Uzmanları Grubu anlamına gelir, dijital fotoğrafçılıkla üretilen görüntüler için özellikle kayıplı sıkıştırma yöntemi olarak yaygın olarak kullanılan bir yöntemdir. Sıkıştırma derecesi ayarlanabilir ve depolama boyutu ile görüntü kalitesi arasında seçilebilir bir denge sağlar. JPEG, genellikle görüntü kalitesinde çok az algılanabilir kayıpla 10:1 sıkıştırma elde eder.
JPEG sıkıştırma algoritması, JPEG standardının merkezinde yer alır. İşlem, tipik RGB renk uzayından YCbCr olarak bilinen farklı bir renk uzayına dönüştürülen dijital bir görüntüyle başlar. YCbCr renk uzayı, görüntüyü parlaklık seviyelerini temsil eden parlaklık (Y) ve renk bilgilerini temsil eden renk farkı (Cb ve Cr) olmak üzere ayırır. Bu ayrım faydalıdır çünkü insan gözü renklerden ziyade parlaklıktaki değişikliklere karşı daha hassastır ve bu da sıkıştırmanın renk bilgilerini parlaklıktan daha fazla sıkıştırarak bundan yararlanmasını sağlar.
Görüntü YCbCr renk uzayına girdikten sonra, JPEG sıkıştırma işlemindeki bir sonraki adım, renk farkı kanallarını aşağı örneklemektir. Aşağı örnekleme, insan gözünün renk ayrıntılarına karşı daha düşük hassasiyeti nedeniyle genellikle görüntünün algılanan kalitesini önemli ölçüde etkilemeyen renk farkı bilgilerinin çözünürlüğünü azaltır. Bu adım isteğe bağlıdır ve görüntü kalitesi ile dosya boyutu arasındaki istenen dengeye bağlı olarak ayarlanabilir.
Aşağı örneklemeden sonra görüntü, genellikle 8x8 piksel boyutunda bloklara bölünür. Ardından her blok ayrı ayrı işlenir. Her bloğu işlemenin ilk adımı, Ayrık Kosinüs Dönüşümü'nü (DCT) uygulamaktır. DCT, uzamsal alan verilerini (piksel değerlerini) frekans alanına dönüştüren matematiksel bir işlemdir. Sonuç, görüntü bloğunun verilerini uzamsal frekans bileşenleri açısından temsil eden bir frekans katsayıları matrisidir.
DCT'den kaynaklanan frekans katsayıları daha sonra nicelenir. Niceleme, büyük bir giriş değerleri kümesini daha küçük bir kümeye eşleme işlemidir - JPEG durumunda bu, frekans katsayılarının hassasiyetini azaltmak anlamına gelir. Sıkıştırmanın kayıplı kısmı burada gerçekleşir, çünkü bazı görüntü bilgileri atılır. Niceleme adımı, her frekans bileşenine ne kadar sıkıştırma uygulanacağını belirleyen bir nicelleme tablosu tarafından kontrol edilir. Nicelleme tabloları, daha yüksek görüntü kalitesini (daha az sıkıştırma) veya daha küçük dosya boyutunu (daha fazla sıkıştırma) desteklemek için ayarlanabilir.
Nicellemeden sonra katsayılar, sol üst köşeden başlayarak ve daha yüksek frekanslı bile şenlere göre daha düşük frekanslı bileşenlere öncelik veren bir zikzak düzeninde düzenlenir. Bunun nedeni, daha düşük frekanslı bileşenlerin (görüntünün daha düzgün kısımlarını temsil eden) daha yüksek frekanslı bileşenlerden (daha ince ayrıntıları ve kenarları temsil eden) genel görünüm için daha önemli olmasıdır.
JPEG sıkıştırma işlemindeki bir sonraki adım, kayıpsız bir sıkıştırma yöntemi olan entropi kodlamadır. JPEG'de kullanılan en yaygın entropi kodlama biçimi Huffman kodlamasıdır, ancak aritmetik kodlama da bir seçenektir. Huffman kodlaması, daha sık görülen olaylara daha kısa kodlar ve daha az sık görülen olaylara daha uzun kodlar atayarak çalışır. Zikzak düzeni benzer frekans katsayılarını bir araya getirme eğiliminde olduğundan, Huffman kodlamasının verimliliğini artırır.
Entropi kodlaması tamamlandıktan sonra, sıkıştırılmış veriler JPEG standardına uygun bir dosya biçiminde saklanır. Bu dosya biçimi, boyutları ve kullanılan nicelleme tabloları gibi görüntü hakkında bilgi içeren bir üst bilgi içerir ve ardından Huffman kodlu görüntü verileri gelir. Dosya biçimi ayrıca, fotoğrafı çekmek için kullanılan kamera ayarları, çekildiği tarih ve saat ve diğer ilgili ayrıntılar hakkında bilgi içerebilen EXIF verileri gibi meta verilerin eklenmesini de destekler.
Bir JPEG görüntüsü açıldığında, sıkıştırma işlemi sıkıştırma adımlarını esasen tersine çevirir. Huffman kodlu veriler kodunun çözülmesi, nicelenen frekans katsayıları sıkıştırma sırasında kullanılan aynı nicelleme tabloları kullanılarak nicelenir ve ters Ayrık Kosinüs Dönüşümü (IDCT), frekans alanı verilerini uzamsal alan piksel değerlerine geri dönüştürmek için her bloğa uygulanır.
Nicelenme ve IDCT işlemleri, sıkıştırmanın kayıplı doğası nedeniyle bazı hatalar getirir, bu nedenle JPEG, birden fazla düzenlemeye ve yeniden kaydetmeye tabi tutulacak görüntüler için ideal değildir. Bir JPEG görüntüsü her kaydedildiğinde, sıkıştırma işleminden tekrar geçer ve ek görüntü bilgisi kaybolur. Bu, zamanla görüntü kalitesinde gözle görülür bir bozulmaya yol açabilir, bu da 'nesil kaybı' olarak bilinen bir olgudur.
JPEG sıkıştırmasının kayıplı doğasına rağmen, esnekliği ve verimliliği nedeniyle popüler bir görüntü formatı olmaya devam etmektedir. JPEG görüntüleri dosya boyutu olarak çok küçük olabilir, bu da bunları bant genişliği ve yükleme sürelerinin önemli hususlar olduğu web üzerinde kullanım için ideal hale getirir. Ek olarak, JPEG standardı, bir görüntünün birden fazla geçişte kodlanmasına izin veren ve her geçişin görüntünün çözünürlüğünü iyileştirdiği aşamalı bir mod içerir. Bu, web görüntüleri için özellikle kullanışlıdır, çünkü görüntünün düşük kaliteli bir sürümünün hızlı bir şekilde görüntülenmesine olanak tanır ve daha fazla veri indirildikçe kalite artar.
JPEG'in ayrıca bazı sınırlamaları vardır ve her tür görüntü için her zaman en iyi seçim değildir. Örneğin, keskin kenarları veya yüksek kontrastlı metni olan görüntüler için uygun değildir, çünkü sıkıştırma bu alanların etrafında fark edilir eserler oluşturabilir. Ek olarak, JPEG, PNG ve GIF gibi diğer formatlar tarafından sağlanan bir özellik olan şeffaflığı desteklemez.
Orijinal JPEG standardının bazı sınırlamalarını gidermek için JPEG 2000 ve JPEG XR gibi yeni formatlar geliştirilmiştir. Bu formatlar, gelişmiş sıkıştırma verimliliği, daha yüksek bit derinlikleri desteği ve şeffaflık ve kayıpsız sıkıştırma gibi ek özellikler sunar. Ancak, henüz orijinal JPEG formatıyla aynı yaygın benimseme düzeyine ulaşamamışlardır.
Sonuç olarak, JPEG görüntü formatı, matematik, insan görsel psikolojisi ve bilgisayar biliminin karmaşık bir dengesidir. Yaygın kullanımı, çoğu uygulama için kabul edilebilir bir görüntü kalitesi seviyesini korurken dosya boyutlarını azaltmadaki etkinliğinin bir kanıtıdır. JPEG'in teknik yönlerini anlamak, kullanıcıların bu formatı ne zaman kullanacakları ve kalite ve dosya boyutu dengesini ihtiyaçlarına en uygun şekilde optimize etmek için görüntülerini nasıl optimize edecekleri konusunda bilinçli kararlar vermelerine yardımcı olabilir.
Bu dönüştürücü tamamen tarayıcınızda çalışır. Bir dosya seçtiğinizde, belleğe okunur ve seçilen biçime dönüştürülür. Ardından dönüştürülen dosyayı indirebilirsiniz.
Dönüştürmeler anında başlar ve çoğu dosya bir saniyeden kısa sürede dönüştürülür. Daha büyük dosyalar daha uzun sürebilir.
Dosyalarınız asla sunucularımıza yüklenmez. Tarayıcınızda dönüştürülürler ve dönüştürülen dosya daha sonra indirilir. Dosyalarınızı asla görmeyiz.
JPEG, PNG, GIF, WebP, SVG, BMP, TIFF ve daha fazlası dahil olmak üzere tüm resim formatları arasında dönüştürmeyi destekliyoruz.
Bu dönüştürücü tamamen ücretsizdir ve her zaman ücretsiz olacaktır. Tarayıcınızda çalıştığı için sunucular için ödeme yapmamıza gerek yoktur, bu nedenle sizden ücret almamıza gerek yoktur.
Evet! İstediğiniz kadar dosyayı aynı anda dönüştürebilirsiniz. Sadece eklerken birden fazla dosya seçin.