背景移除將主體與其周圍環境分離開來，這樣你就可以將其放置在 透明背景上、更換場景或將其合成為新設計。在底層，你正在估算一個 alpha 遮罩——一個從 0 到 1 的每像素不透明度——然後將前景alpha 合成到 其他東西上。這是 Porter–Duff 的數學原理，也是“邊緣”和 直接 alpha 與預乘 alpha 等常見陷阱的起因。有關預乘和線性顏色的實用指南，請參閱 微軟的 Win2D 筆記、 Søren Sandmann 和 Lomont 關於線性混合的文章。
如果你能控制拍攝，將背景漆成純色（通常是綠色），然後去背該色調。 這種方法速度快，在電影和廣播中經過實戰檢驗，非常適合影片。權衡之處在於燈光和服裝： 彩色光會溢出到邊緣（尤其是頭髮），所以你需要使用去溢工具來中和污染。 好的入門資料包括 Nuke 的文件、 Mixing Light 和一個實踐性的 Fusion 示範。
對於背景雜亂的單張圖片，互動式演算法需要使用者提供一些提示——例如，一個寬鬆的 矩形或塗鴉——然後收斂到一個清晰的遮罩。經典方法是 GrabCut （書中章節），它學習前景／背景的顏色模型，並迭代使用圖割來分離它們。 你會在 GIMP 的前景選擇中看到類似的想法，它基於 SIOX （ImageJ 插件）。
去背解決在纖細邊界（頭髮、毛皮、煙霧、玻璃）處的部分透明度問題。經典的 封閉式去背 接受一個三元圖（絕對前景／絕對背景／未知），並求解一個具有強邊緣保真度的 alpha 線性系統。現代的 深度影像去背 在 Adobe Composition-1K 資料集上訓練神經網路（MMEditing 文件），並使用 SAD、MSE、梯度和連通性等指標進行評估（基準解釋器）。
相關的分割工作也很有用： DeepLabv3+ 使用編碼器-解碼器和空洞卷積來細化邊界 （PDF）； Mask R-CNN 提供每個實例的遮罩 （PDF）；以及 SAM (Segment Anything) 是一個 可提示的基礎模型，可在不熟悉的影像上進行零樣本遮罩生成。
學術著作報告了在 Composition-1K 上的 SAD、MSE、梯度和連通性錯誤。如果你正在選擇一個模型， 請尋找這些指標 （指標定義； 背景去背指標部分）。 對於人像／影片，MODNet 和 背景去背 V2 很強大；對於一般的“顯著物體”影像， U2-Net 是一個堅實的基準；對於棘手的透明度， FBA 可能更乾淨。
RGB 影像格式代表紅色、綠色和藍色，是數位影像的基石，以接近人類視覺感知的方式擷取和顯示影像。透過結合這三種原色並調整其強度，可以重現廣泛的色彩。此格式的重要性在於它被廣泛採用於各種裝置和平台，從相機和顯示器到智慧型手機和電視，基本上構成了數位彩色影像的骨幹。
RGB 格式的核心建構於加色模型之上。此模型運作的原理是，可以將光線顏色混合在一起以產生一系列其他顏色，其中紅色、綠色和藍色作為原色。當它們以最大強度結合時，會產生白光，而它們的缺失（無光）則會產生黑色。此模型與減色模型形成對比，例如 CMYK（青色、洋紅色、黃色和黑色），用於彩色印刷，其中顏色會從白色（紙張的顏色）中減去。
在實際應用中，RGB 影像是由數百萬個像素構成，每個像素都是影像中最小的元素。每個像素包含三個組成部分（通道），分別代表紅色、綠色和藍色光的強度。每個顏色的強度通常使用 8 位元比例來量化，範圍從 0 到 255，其中 0 表示沒有強度，而 255 表示最大亮度。因此，此比例允許超過 1600 萬種可能的顏色組合（256^3），能夠重現廣泛的色彩。
RGB 影像的建立和處理涉及許多技術考量和程序。例如，數位相機會使用感測器上的濾光片陣列，將其擷取的光線轉換為 RGB 值。此陣列（通常是拜耳濾光片）只允許紅色、綠色或藍色光通過每個感測器像素。相機的軟體會處理這些原始資料，並內插這些值以產生全彩影像。同樣地，當 RGB 影像顯示在螢幕上時，每個像素的顏色都是透過調整背光或現代顯示器中個別發光二極體 (LED) 的紅色、綠色和藍色組成部分的強度來產生。
RGB 影像的編碼和儲存是另一個重要的技術面向。雖然基本前提涉及儲存每個像素的三個顏色值，但實際的實作可能差異很大。JPEG、PNG 和 GIF 等檔案格式在處理 RGB 資料的方式上各有其細微差別，特別是在壓縮方面。例如，JPEG 使用有損壓縮技術，透過捨棄一些影像資料來縮小檔案大小，這可能會影響影像品質。PNG 提供無損壓縮，以較大的檔案大小為代價來保留影像品質。GIF 雖然也使用無損壓縮，但僅限於 256 種顏色，使其不太適合全彩照片，但非常適合較簡單的圖形。
除了擷取和顯示顏色的基礎知識之外，RGB 格式在數位影像的更複雜面向中扮演著至關重要的角色，例如色彩管理和伽瑪校正。色彩管理確保顏色在不同的裝置和觀看條件下保持一致。它涉及色彩描述檔，描述顏色應如何詮釋。伽瑪校正調整影像的亮度，補償我們眼睛感知光線的非線性方式和顯示裝置的非線性回應。兩者對於實現準確且一致的色彩重現至關重要。
儘管 RGB 格式無處不在且有效，但它確實有其限制。一個值得注意的挑戰是不同裝置詮釋和顯示 RGB 值的方式不同，導致色彩重現出現差異。此問題源於色彩空間的差異，或裝置可以產生的色彩範圍。sRGB 色彩空間是網際網路和消費性裝置最常見的標準，旨在確保一定程度的一致性。然而，專業級裝置可能會使用 Adobe RGB 或 ProPhoto RGB，以犧牲相容性為代價提供更廣泛的色彩範圍。
對於精確度至上的進階影像處理和科學應用，RGB 格式的變體，例如 scRGB，透過使用更廣的位元深度並包含負值，提供更廣泛的色彩範圍和更高的精確度。這些格式旨在克服 RGB 的一些限制，提供更廣泛且更準確的色彩表現，但需要更精密的軟體支援和硬體功能。
在使用 RGB 格式時，另一個需要考慮的面向是它在影像辨識和電腦視覺演算法開發中所扮演的角色。在像素層級分析和處理影像、區分顏色和形狀的能力，對於許多應用至關重要，從自動駕駛汽車到人臉辨識技術。RGB 格式的簡潔性和普遍性促進了這些技術的發展，為影像資料提供了一致的架構。
RGB 格式也與新興技術相交，例如高動態範圍 (HDR) 影像，其目標是增強影像中的亮度範圍，產生更接近人眼可以感知的廣泛光線強度範圍的圖片。HDR 技術通常涉及以超越傳統每個通道 8 位元的限制的方式處理 RGB 值，利用每個通道更多的位元來擷取陰影和亮部中的更多細節。
此外，RGB 格式背後的原理不僅限於靜態影像，也延伸到視訊技術。以數位形式呈現電影仰賴類似的概念，視訊編解碼器會隨著時間編碼和解碼 RGB 資料（或源自 RGB 的格式中的資料，例如 YUV）。這對串流媒體、數位廣播和內容創作有深遠的影響，其中 RGB 資料的有效處理會顯著影響品質和頻寬需求。
考量到環境影響，基於 RGB 的裝置廣泛使用引發了對能源消耗的疑慮。顯示器特別是電子裝置中最耗電的組成部分之一。追求更高的解析度和影像品質會導致運算需求和能源使用增加。這促使人們研究產生和顯示 RGB 影像的更節能方法，包括 LED 技術的進步以及在不影響影像品質的情況下減少處理和傳輸資料量的的方法。
展望未來，RGB 影像技術的演進持續受到材料科學、運算能力和數位通訊標準的進步影響。例如，量子點和有機發光二極體 (OLED) 的發展為創造具有更高亮度、對比度和色彩保真度的顯示器開啟了新的途徑。與此同時，壓縮演算法的進步和更有效率的影像格式的採用，旨在減輕高解析度 RGB 影像帶來的頻寬和儲存挑戰。
總之，RGB 影像格式是數位影像的基本面向，支撐著已成為現代生活不可或缺的各種技術。它的重要性不僅限於色彩重現，還影響技術發展、環境永續性和追求更逼真的數位世界呈現等面向。儘管有挑戰和限制，硬體、軟體和標準的持續創新有望增強 RGB 格式的功能和應用，確保它在數位時代持續發揮作用。
這個轉換器完全在您的瀏覽器中運行。當您選擇 一個檔案，它將讀入內存並轉換為所選格式。 然後，您可以下載轉換後的檔案。
轉換馬上開始，大部分檔案僅需一秒鐘轉換。 較大的檔案可能需要更長的時間。
您的檔案絕不會上傳到我們的伺服器。它們在您的瀏覽器中 轉換，然後下載轉換後的檔案。我們從未看到您的檔案。
我們支援所有圖形格式之間的轉換，包括 JPEG，PNG，GIF，WebP，SVG，BMP，TIFF，等等。
此轉換器完全免費，且將永遠免費。 由於它在您的瀏覽器中 運行，我們無需支付 伺服器費用，所以我們不需要向您收取費用。
可以！您一次可以轉換任意多的檔案。 當您添加檔案時，只需選擇多個檔案即可。