Mengapa penghapusan latar belakang berada di mana-mana

Setiap foto produk di Amazon, setiap potret profil, setiap stiker dalam aplikasi sembang — semuanya bermula sebagai foto segi empat dengan latar belakang. Latar belakang itu telah dibuang oleh perisian. Pada 2026, ini berlaku dengan begitu cepat dan murah sehingga kita lupa bahawa ia adalah satu masalah yang sukar.

Dekad yang lalu, membuang latar belakang bermakna membuka Photoshop, membesarkan kepada 400%, dan menggaris subjek secara manual dengan alat Pen — 30 minit setiap foto, dan hasilnya masih mempunyai pinggiran hijau di sekeliling rambut. Hari ini, pelayar boleh melakukannya dalam 1 saat, secara percuma, dengan kualiti yang lebih baik. Soalan ialah: bagaimana?

Tiga algoritma

Setiap pemadam latar belakang moden — sama ada itu remove.bg, Canva, Photoshop, atau alat berasaskan pelayar — menggunakan salah satu daripada tiga pendekatan, atau gabungan mereka.

1. Pemisahan berdasarkan warna

Kaedah yang paling ringkas. Algoritma mengambil sampel warna di empat penjuru imej (andaikan sebagai latar belakang), membina model warna, dan menandakan setiap piksel yang "cukup dekat" dengan model itu sebagai latar belakang. Had toleransi mengawal seberapa agresif penghapusan itu.

Ini berfungsi dengan sempurna untuk produk di latar belakang putih, seseorang menentang langit biru, atau apa-apa yang difoto di skrin hijau. Ia gagal apabila latar belakang mempunyai pelbagai warna (pokok, orang ramai, dinding ber tekstur) atau apabila subjek mempunyai warna yang serupa dengan latar belakang (kucing putih di atas sofa putih).

2. Flood-fill dengan alpha matting

Kaedah kedua. Algoritma membina trimap — peta kasar dengan tiga zon: pasti hadapan, pasti latar belakang, dan zon "tidak diketahui" di tepi. Ia kemudian menjalankan flood-fill dari zon yang diketahui ke zon yang tidak diketahui, mengira nilai alpha lembut (0 hingga 1) untuk setiap piksel tepi berdasarkan berapa banyak warna hadapan berbanding latar belakang yang mengandunginya.

Inilah di mana ruang warna CIELab memainkan peranannya. Jarak RGB tidak sepadan dengan cara manusia mengesan warna — dua hijau dengan jarak RGB yang sama boleh kelihatan sama atau sangat berbeza. CIELab (Kecerahan, a, b) adalah seragam secara persepsi: jarak yang sama dalam ruang Lab kelihatan sama-sama berbeza. Pemadam latar belakang yang menggunakan CIELab menghasilkan tepi yang lebih bersih kerana mereka membuat keputusan yang lebih baik mengenai sisi sempadan yang mana sebuah piksel tergolong.

3. Pemisahan semantik AI

Kaedah ketiga. Rangkaian neural — biasanya arkitektur U-Net atau pengencoder-pendekoder yang serupa — dilatih pada jutaan imej berlabel. Ia belajar mengenali "orang", "kereta", "anjing", "produk" sebagai kategori semantik, dan menghasilkan topeng subjek yang tepik piksel tanpa mengira latar belakang.

Untuk foto dengan orang, MediaPipe Selfie Segmentation (model ringan dari Google) berjalan masa nyata dalam pelayar, tanpa memerlukan GPU. Untuk produk dan objek, model yang lebih berat seperti U²-Net atau IS-Net digunakan. Pertukarannya adalah kualiti melawan kelajuan melawan saiz model: model 40 MB memberikan rambut hampir sempurna, tetima memerlukan 5 saat untuk dimuat turun. Model 2 MB adalah serta-merta tetapi berjuang dengan butir-butir halus.

Mengapa rambut adalah masalah terberat

Rambut adalah musuh utama penghapusan latar belakang. Seutas rambut tunggal adalah lebar 1-2 piksel — di bawah resolusi kebanyakan topeng. Rambut separuh telus menggabungkan warna hadapan dan latar belakang dengan cara mana-mana hadap keras tidak boleh memisahkannya. Dan perbezaan visual antara "potongan rambut yang baik" dan "potongan rambut yang buruk" adalah besar — cahaya hijau di sekeliling kepala segera menjerit "palsu".

Penyelesaiannya adalah alpha matting digabungkan dengan penyahcemaran warna. Alpha matting mengira nilai alpha lembut untuk setiap piksel, jadi helai rambut pudar secara beransur-ansur menjadi teluh bukannya tamat di garis keras. Penyahcemaran warna dalam persamaan komposit — hadapan = (komposit - (1-alpha) × latar belakang) / alpha — untuk memulihkan warna hadapan sebenar pada piksel tepi, membuang nuansa hijau (atau biru, atau kelabu) yang meresap dari latar belakang.

Proses aliran kerja

Pemadam latar belakang tahap pengeluaran menjalankan ketiga-tiga kaedah secara berterusan:

  1. Pemisahan warna — laluan pertama yang pantas, menandakan piksel latar belakang yang jelas.
  2. Flood-fill + alpha matting — memperhalusi tepi, mengira nilai alpha lembut.
  3. Penyahcemaran warna — membuang halo dari piksel tepi separuh telus.
  4. Analisis komponen sambung — mengekalkan hanya kawasan subjek terbesar, membuang pulau-pulau gangguan terapung.

Untuk foto dengan orang, langkah 0 ialah pemisian selfie AI — ia memberi permulaan kepada topeng, jadi laluan warna dan flood-fill mempunyai kerja yang kurang untuk dilakukan.

Bila ia gagal

Penghapusan latar belakang gagal apabila:

  • Subjek serupa warna dengan latar belakang. Baju putih di dinding putih, cicak hijau pada daun hijau. Algoritma tidak dapat menemui tepi kerana, dari segi persepsi, tiada tepi.
  • Latar belakang kompleks dan sibuk. Pokok, orang ramai, pagar rantai — terlalu banyak warna untuk flood-fill mengendalikannya.
  • Subjek adalah teluh atau pantulan. Kaca, air, plastik — "hadapan" adalah sebahagian daripada latar belakang.
  • Imej adalah resolusi rendah. Pada 200×200, seutas rambut adalah 0.5 piksel — di bawah had pengambilan sampel.

Bagaimana mendapatkan hasil terbaik

  • Fotografi terhadap latar belakung seragam. Putih, kelabu, atau biru berfungsi dengan terbaik. Semakin jauh warna latar belakang dari subjek, sem bersih potongannya.
  • Gunakan sumber resolusi tinggi. 2000×2000 atau lebih besar. Algoritma memerlukan piksel untuk bekerja di tepi.
  • Elakkan kabur gerakan. Tepi yang kabur adalah kawasan "tidak diketahui" yang lebar yang algoritma harus meneka.
  • Untuk rambut, gunakan latar belakang ringkas. Latar belakang ber corak meresap ke dalam rambut dan mencipta halo yang sukar dibuang.

Privasi

Penghapusan latar belakang boleh berjalan sepenuhnya dalam pelayar. Tiada imej dimuat naik, tiada pelayan melihat foto. Algoritma — pemisahan warna, flood-fill, malah model AI — berjalan pada CPU atau peranti GPU. Ini selamat untuk foto peribadi, potret keluarga, foto ID, dan mana-mana imej sensitif.

Masa depan

Masa hadapan seterusnya ialah penghapusan latar belakang masa nyata pada video — Zoom, Meet, dan OBS sudah melakukannya dengan kualiti yang berbeza-beza. Algoritma adalah sama; cabangannya adalah menjalankannya pada kadar 30-60 sesaat. Alat berasaskan pelayar sedang mengejar: dengan WebGPU, penghapusan latar belakang 4K masa nyata dalam tab pelayar menjadi boleh dilaksanakan.

Untuk foto, masalahnya pada dasarnya telah diselesaikan. Algoritma sudah cukup baik, cukup pantas, dan cukup percuma sehingga "buang latar belakang" adalah operasi satu klik. Kerja yang tinggal adalah di tepi — secara harfiah: rambut, bulu, dan bahan separuh telus masih mencabar setiap algoritma, dan mungkin akan sentiasa demikian.