背景移除将主体与其周围环境分离开来，这样你就可以将其放置在 透明背景上、更换场景或将其合成为新设计。在底层，你正在估算一个 alpha 遮罩——一个从 0 到 1 的每像素不透明度——然后将前景alpha 合成到 其他东西上。这是 Porter–Duff 的数学原理，也是“边缘”和 直接 alpha 与预乘 alpha 等常见陷阱的起因。有关预乘和线性颜色的实用指南，请参阅 微软的 Win2D 笔记、 Søren Sandmann 和 Lomont 关于线性混合的文章。
如果你能控制拍摄，将背景涂成纯色（通常是绿色），然后抠掉该色调。 这种方法速度快，在电影和广播中经过实战检验，非常适合视频。权衡之处在于灯光和服装： 彩色光会溢出到边缘（尤其是头发），所以你需要使用去溢工具来中和污染。 好的入门资料包括 Nuke 的文档、 Mixing Light 和一个实践性的 Fusion 演示。
对于背景杂乱的单张图片，交互式算法需要用户提供一些提示——例如，一个宽松的 矩形或涂鸦——然后收敛到一个清晰的蒙版。经典方法是 GrabCut （书籍章节），它学习前景/背景的颜色模型，并迭代使用图割来分离它们。 你会在 GIMP 的前景选择中看到类似的想法，它基于 SIOX （ImageJ 插件）。
抠图解决在纤细边界（头发、毛皮、烟雾、玻璃）处的部分透明度问题。经典的 闭式抠图 接受一个三元图（绝对前景/绝对背景/未知），并求解一个具有强边缘保真度的 alpha 线性系统。现代的 深度图像抠图 在 Adobe Composition-1K 数据集上训练神经网络（MMEditing 文档），并使用 SAD、MSE、梯度和连通性等指标进行评估（基准解释器）。
相关的分割工作也很有用： DeepLabv3+ 使用编码器-解码器和空洞卷积来细化边界 （PDF）； Mask R-CNN 提供每个实例的蒙版 （PDF）；以及 SAM (Segment Anything) 是一个 可提示的基础模型，可在不熟悉的图像上进行零样本蒙版生成。
学术著作报告了在 Composition-1K 上的 SAD、MSE、梯度和连通性错误。如果你正在选择一个模型，请查找这些指标 （指标定义； 背景抠图指标部分）。 对于人像/视频，MODNet 和 背景抠图 V2 很强大；对于一般的“显著物体”图像， U2-Net 是一个坚实的基线；对于棘手的透明度， FBA 可能更干净。
JPEG，即联合图像专家组，是一种常用的有损数字图像压缩方法，尤其适用于数码摄影产生的图像。压缩程度可以调整，允许在存储大小和图 像质量之间进行可选择的权衡。JPEG 通常可以实现 10:1 的压缩，而图像质量几乎没有明显损失。
JPEG 压缩算法是 JPEG 标准的核心。该过程从将数字图像从其典型的 RGB 色彩空间转换为称为 YCbCr 的不同色彩空间开始。YCbCr 色彩空间将图像分为亮度 (Y)，它表示亮度级别，以及色度 (Cb 和 Cr)，它表示颜色信息。这种分离是有益的，因为人眼对亮度的变化比对颜色的变化更敏感，从而允许压缩利用这一点，通过比亮度更多地压缩颜色信息。
一旦图像处于 YCbCr 色彩空间中，JPEG 压缩过程中的下一步就是对色度通道进行下采样。下采样会降低色度信息的解析度，这通常不会显著影响图像的感知质量，因为人眼对颜色细节的敏感度较低。此步骤是可选的，可以根据所需的图像质量和文件大小之间的平衡进行调整。
下采样后，图像被分成块，通常大小为 8x8 像素。然后分别处理每个块。处理每个块的第一步是应用离散余弦变换 (DCT)。DCT 是一种数学运算，它将空间域数据（像素值）转换为频域。结果是一个频率系数矩阵，它根据其空间频率分量表示图像块的数据。
然后对 DCT 产生的频率系数进行量化。量化是将一大组输入值映射到一小组的过程——在 JPEG 的情况下，这意味着降低频率系数的精度。这是有损压缩发生的地方，因为一些图像信息被丢弃。量化步骤由量化表控制，该量化表确定对每个频率分量应用多少压缩。量化表可以调整为偏向更高的图像质量（更少的压缩）或更小的文件大小（更多的压缩）。
量化后，系数按锯齿形顺序排列，从左上角开始，并遵循一种优先考虑低频分量而不是高频分量的模式。这是因为低频分量（表示图像的更均匀部分）比高频分量（表示更精细的细节和边缘）对整体外观更重要。
JPEG 压缩过程中的下一步是熵编码，这是一种无损压缩方法。JPEG 中最常用的熵编码形式是霍夫曼编码，尽管算术编码也是一种选择。霍夫曼编码通过为更频繁出现的项分配更短的代码，为不太频繁出现的项分配更长的代码来工作。由于锯齿形排序倾向于将类似的频率系数分组在一起，因此它提高了霍夫曼编码的效率。
一旦熵编码完成，压缩数据就会存储在符合 JPEG 标准的文件格式中。此文件格式包括一个包含有关图像的信息的标头，例如其尺寸和使用的量化表，然后是霍夫曼编码的图像数据。该文件格式还支持包含元数据，例如 EXIF 数据，其中可以包含有关用于拍摄照片的相机设置、拍摄日期和时间以及其他相关详细信息的信息。
当打开 JPEG 图像时，解压缩过程实质上会逆转压缩步骤。霍夫曼编码的数据被解码，量化的频率系数使用压缩期间使用的相同量化表进行反量化，并对每个块应用逆离散余弦变换 (IDCT) 以将频域数据转换回空间域像素值。
反量化和 IDCT 过程由于压缩的有损性质而引入了一些错误，这就是为什么 JPEG 不适用于将进行多次编辑和重新保存的图像。每次保存 JPEG 图像时，它都会再次经历压缩过程，并且会丢失额外的图像信息。随着时间的推移，这会导致图像质量明显下降，这种现象称为“代损”。
尽管 JPEG 压缩具有有损性质，但由于其灵活性和效率，它仍然是一种流行的图像格式。JPEG 图像的文件大小可以非常小，这使得它们非常适合在带宽和加载时间是重要考虑因素的网络上使用。此外，JPEG 标准包括渐进模式，它允许以这样的方式对图像进行编码，即它可以在多次扫描中解码，每次扫描都会提高图像的分辨率。这对于网络图像特别有用，因为它允许快速显示图像的低质量版本，随 着更多数据的下载，质量会得到提高。
JPEG 也有一些限制，并不总是所有类型图像的最佳选择。例如，它不适合具有锐利边缘或高对比度文本的图像，因为压缩会在这些区域周围产生明显的伪影。此外，JPEG 不支持透明度，这是 PNG 和 GIF 等其他格式提供的功能。
为了解决原始 JPEG 标准的一些限制，已经开发了新的格式，例如 JPEG 2000 和 JPEG XR。这些格式提供了改进的压缩效率、对更高位深度的支持以及透明度和无损压缩等附加功能。然而，它们尚未达到与原始 JPEG 格式相同的广泛采用程度。
总之，JPEG 图像格式是数学、人类视觉心理学和计算机科学的复杂平衡。它的广泛使用证明了它在减小文件大小的同时保持大多数应用程序可接受的图像质量方面的有效性。了解 JPEG 的技术方面可以帮助用户在何时使用此格式以及如何优化其图像以平衡最适合其需求的质量和文件大小方面做出明智的决策。
这个转换器完全在您的浏览器中运行。当您选择一个文件时,它将被读入内存并转换为所选格式。 然后,您可以下载转 换后的文件。
转换立即开始,大多数文件在一秒钟内完成转换。较大的文件可能需要更长时间。
您的文件永远不会上传到我们的服务器。它们在您的浏览器中转换,然后下载转换后的文件。我们永远看不到您的文件。
我们支持在所有图像格式之间进行转换,包括 JPEG、PNG、GIF、WebP、SVG、BMP、TIFF 等等。
这个转换器完全免费,并将永远免费。因为它在您的浏览器中运行,所以我们不需要为服务器付费,因此我们不需要向您收费。
是的!您可以同时转换尽可能多的文件。只需在添加时选择多个文件即可。