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（联合图像专家组）图像格式，通常称为 JPG，是一种广泛用于数字图像的有损压缩方法，特别是对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 通常以几乎无法察觉的图像质量损失实现 10:1 压缩。
JPEG 压缩用于多种图像文件格式。JPEG/Exif 是数码相机和其他摄影图像捕获设备使用最广泛的图像格式；与 JPEG/JFIF 一起，它是万维网上存储和传输摄影图像最常见的格式。这些格式变体通常没有区别，而只是简单地称为 JPEG。
JPEG 格式包括各种标准，包括 JPEG/Exif、JPEG/JFIF 和 JPEG 2000，JPEG 2000 是一种较新的标准，它以更高的计算复杂度提供了更好的压缩效率。JPEG 标准很复杂，有各种部分和配置文件，但最常用的 JPEG 标准是基线 JPEG，这是大多数人在提到“JPEG”图像时所指的。
JPEG 压缩算法的核心是一种基于离散余弦变换 (DCT) 的压缩技术。DCT 是一种与离散傅里叶变换 (DFT) 类似的傅里叶相关变换，但仅使用余弦函数。使用 DCT 是因为它具有将大部分信号集中在频谱的低频区域的特性，这与自然图像的特性非常吻合。
JPEG 压缩过程涉及几个步骤。最初，图像从其原始色彩空间（通常为 RGB）转换为称为 YCbCr 的不同色彩空间。YCbCr 色彩空间将图像分成亮度分量 (Y)，它表示亮度级别，以及两个色度分量 (Cb 和 Cr)，它们表示颜色信息。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，从而允许对色度分量进行更激进的压缩，而不会显着影响感知的图像质量。
在色彩空间转换之后，图像被分成块，通常大小为 8x8 像素。然后分别处理每个块。对于每个块，应用 DCT，它将空间域数据转换为频域数据。这一步至关重要，因为它使图像数据更容易压缩，因为自然图像往往具有比高频分量更重要的低频分量。
应用 DCT 后，对所得系数进行量化。量化是将一大组输入值映射到一小组的过程，有效地减少 了存储它们所需的比特数。这是 JPEG 压缩中损失的主要来源。量化步骤由量化表控制，该量化表确定对每个 DCT 系数应用多少压缩。通过调整量化表，用户可以在图像质量和文件大小之间进行权衡。
量化后，通过锯齿形扫描对系数进行线性化，按频率递增对它们进行排序。这一步很重要，因为它将更有可能是重要的低频系数和更有可能是零或接近零的量化后高频系数分组在一起。此排序有助于下一步，即熵编码。
熵编码是一种应用于量化 DCT 系数的无损压缩方法。JPEG 中使用最常见的熵编码形式是霍夫曼编码，尽管该标准也支持算术编码。霍夫曼编码通过为更频繁的元素分配较短的代码，为不那么频繁的元素分配较长的代码来工作。由于自然图像在量化后往往具有许多零或接近零的系数，尤其是在高频区域，因此霍夫曼编码可以显着减小压缩数据的尺寸。
JPEG 压缩过程的最后一步是将压缩数据存储在文件格式中。最常见的格式是 JPEG 文件交换格式 (JFIF)，它定义了如何在文件中表示压缩数据和关联元数据，例如量化表和霍夫曼编码表，该文件可以被广泛的软件解码。另一种常见的格式是可交换图像文件格式 (Exif)，它由数码相机使用，并包括元数据，例如相机设置和场景信息。
JPEG 文件还包括标记，它们是定义文件中某些参数或操作的代码序列。这些标记可以指示图像的开始、图像的结束、定义量化表、指定霍夫曼编码表等等。标记对于正确解码 JPEG 图像至关重要，因为它们提供了从压缩数据重建图像所需的信息。
JPEG 的一个关键特性是对渐进编码的支持。在渐进式 JPEG 中，图像以多次扫描进行编码，每次扫描都会提高图像质量。这允许在文件仍在下载时显示图像的低质量版本，这对于网络图像特别有用 。渐进式 JPEG 文件通常比基线 JPEG 文件大，但在加载期间质量的差异可以改善用户体验。
尽管 JPEG 被广泛使用，但它也有一些局限性。压缩的有损性质会导致伪影，例如块效应，其中图像可能显示出可见的方块，以及“振铃”，其中边缘可能伴有虚假振荡。这些伪影在更高的压缩级别下更明显。此外，JPEG 不适合具有锐利边缘或高对比度文本的图像，因为压缩算法会模糊边缘并降低可读性。
为了解决原始 JPEG 标准的一些局限性，开发了 JPEG 2000。JPEG 2000 比基线 JPEG 提供了多项改进，包括更好的压缩效率、对无损压缩的支持以及有效处理更广泛的图像类型的能力。然而，与原始 JPEG 标准相比，JPEG 2000 并未得到广泛采用，这主要是由于计算复杂度增加以及某些软件和网络浏览器缺乏支持。
总之，JPEG 图像格式是一种复杂但有效的压缩摄影图像的方法。它被广泛采用是因为它在图像质量和文件大小之间取得了平衡的灵活性，使其适用于从网络图形到专业摄影的各种应用。虽然它有其缺点，例如容易出现压缩伪影，但它易于使用且支持广泛的设备和软件，使其成为当今最流行的图像格式之一。
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。