Kwa nini kuondoa usuli kuna kila mahali

Kila picha ya bidhaa kwenye Amazon, kila picha ya kichwa ya wasifu, kila stika katika programu yako ya gumzo — zote zilianza kama picha ya mstatili yenye usuli. Usuli uliondolewa na programu. Mwaka 2026, hili hufanyika haraka sana na kwa bei rahisi kiasi kwamba tunasahau kuwa ni tatizo gumu.

Muoja kumi iliyopita, kuondoa usuli kulimaanisha kufungua Photoshop, kuzoom hadi 400%, na kufuatilia somo kwa mikono kwa zana ya Pen — dakika 30 kwa kila picha, na matokeo bado yalikuwa na mkia wa kijani karibu na nywele. Leo, kivinjari kinaweza kufanya hivi katika sekunde 1, bure, na ubora mzuri zaidi. Swali ni: vipi?

Algorithm tatu

Kila kituo cha kisasa cha kuondoa usuli — iwe remove.bg, Canva, Photoshop, au zana inayotegemea kivinjari — hutumia mojawapo ya mbinu tatu, au mchanganyiko wao.

1. Uainishaji kulingana na rangi

Njia rahisi zaidi. Algorithm inachukua sampuli ya rangi katika pembe nne za picha (inadhaniwa kuwa usuli), kujenga mfano wa rangi, na kuashiria kila pikseli iyo "karibu vya kutosha" na mfano huo kama usuli. Kizingiti cha uvumilivu kinadhibiti jinsi gani ukatifu wa kuondoa unavyofanyika kwa bidii.

Hii inafanya kazi kikamilifu kwa bidhaa kwenye usuli mweupe, mtu dhidi ya anga la buluu, au chochote kilichopigwa kwenye skrini ya kijani. Inashindwa wakati usuli una rangi nyingi (mti, umati, ukuta wenye muundo) au wakati somo lina rangi inayofanana na usuli (paka mweupe kwenye kitanda cha nyeupe).

2. Flood-fill na alpha matting

Njia ya pili. Algorithm inajenga trimap — ramani ya haraka yenye maeneo matatu: hakika mbele, hakika nyuma, na eneo la "haijulikani" kwenye kingo. Kisha inaendesha flood-fill kutoka kwa maeneo yaliyojulikana kwenda kwenye eneo lisilojulikana, kukadiria thamani laini ya alpha (0 hadi 1) kwa kila pikseli ya kingo kulingana na kiasi gani cha rangi ya mbele vs nyuma inachukua.

Hapa ndipo nafasi ya rangi ya CIELab ingiapayo. Umbali wa RGB haulingani na jinsi wanadamu wanavyoona rangi — kijani mbili zenye umbali sawa wa RGB zinaweza kuonekana sawa au tofauti kabisa. CIELab (Lightness, a, b) ni sawa kwa kuingiza kwa macho: umbali sawa katika nafasi ya Lab unaonekana tofauti kwa kiasi kilekile. Vito vya kuondoa usuli vinavyotumia CIELab hutoa kingo safi kwa sababu hufanya maamuzi bora kuhusu upande gani wa mpaka pikseli inapaswa kuwapo.

3. Uainishaji wa kisemantiki cha AI

Njia ya tatu. Mtandao wa neva — kwa kawaida U-Net au usanifu wa encoder-decoder unaofanana — hufundishwa kwa mamilioni ya picha zilizo na lebo. Inajifunza kutambua "mtu", "gari", "mbwa", "bidhaa" kama kategoria za kisemantiki, na kutoa mask sahihi ya pikseli ya somo bila kujali usuli.

Kwa picha zenye watu, MediaPipe Selfie Segmentation (mfano mwepesi kutoka Google) inaendeshwa kwa wakati halisi kwenye kivinjari, bila haja ya GPU. Kwa bidhaa na vitu, hutumika mifano mikubwa zaidi kama U²-Net au IS-Net. Mazigamkini ni ubora vs kasi vs ukubwa wa mfano: mfano wa 40 MB hutoa nywele karibu kamili, lakini inachukua sekunde 5 kupakua. Mfano wa 2 MB ni wa haraka lakini unashindwa na undani mdogo.

Kwa nini nywele ni tatizo gumu zaidi

Nywele ndiye adui wa kuondoa usuli. Kila unywele mmoja una upana wa pikseli 1-2 — chini ya uwiano wa mask nyingi. Nywele isiyofunika kabisa huchanganya rangi za mbele na nyuma kwa njia ambazo hak kizingiti ngumu kinaweza kutenganisha. Na tofauti ya kuona kati ya "makato mazuri ya nywele" na "makato mabaya ya nywele" ni kubwa — tao la kijani kuzunguka kichwa mara moja hupiga mayowe "uongo".

Suluhisho ni alpha matting pamoja na ukuzaaji wa rangi. Alpha matting huhesabu thamani laini ya alpha kwa kila pikseli, ili nywele zififie taratibu kuwa uwazi badala ya kuishia kwenye mstari mgumu. Ukuzaaji wa rangi hugeuza hesabu ya uchanganyaji — foreground = (composite - (1-alpha) × background) / alpha — ili kurejesha rangi halisi ya mbele katika pikseli za kingo, kuondoa rangi ya kijani (au buluu, au kijivu) inayobakia kutoka kwenye usuli.

Mtiririko

Kituo cha kuondoa usuli cha kiwango cha uzalishaji hufanya mbinu zote tatu kwa mpangilio:

  1. **Uainishaji wa rangi" — ufanisi wa kwanza wa haraka, huashiria pikseli dhahiri za usuli.
  2. **Flood-fill + alpha matting" — inaboresha kingo, huhesabu thamani laini za alpha.
  3. **Ukuzaaji wa rangi" — huondoa halo kutoka kwa pikseli za kingo zisizofunika kabisa.
  4. **Uchambuzi wa sehemu zilizounganishwa" — inabakiza eneo kubwa zaidi la somo, inaondoa visiwa vya kelele vinavyoea.

Kwa picha zenye watu, hatua ya 0 ni uainishaji wa selfie wa AI — inatoa mwanzo mzuri kwa mask, ili ufanisi wa rangi na flood-fill waende kazi kidogo.

Lini inashindwa

Kuondoa usuli kunashindwa wakati:

  • Somo lina rangi inayofanana na usuli. Shati jeupe kwenye ukuta mweupe, mijusi ya kijani kwenye jani la kijani. Algorithm haiwezi kupata kingo kwa sababu, kwa kuona, hakuna kingo.
  • Usuli ni mgumu na mwenye shughuli nyingi. Miti, umati, mifumo ya mlolongo wa chains — rangi nyingi mno kwa flood-fill kushughulikia.
  • Somo ni wazi au linaakisi. Kioo, maji, plastiki — "mbele" ni sehemu ya nyuma.
  • Picha ina uwiano mdogo. Katika 200×200, unywele mmoja ni pikseli 0.5 — chini ya kikomo cha sampuli.

Jinsi ya kupata matokeo bora zaidi

  • Piga dhidi ya usuli uliyo sawa. Nyeupe, kijivu, au buluu hufanya kazi vizuri zaidi. Kadiri rangi ya usuli inavyokuwa mbali na somo, ndivyo makato itakavyokuwa safi.
  • Tumia chanzo cha uwiano wa juu. 2000×2000 au kubwa zaidi. Algorithm inahitaji pikseli za kufanyia kazi kwenye kingo.
  • Epuka mtetemo wa harakati. Kingo iliyosongezwa ni eneo kubwa la "haijulikani" ambalo algorithm lazima kukisia.
  • Kwa nywele, tumia usuli wazi. Usuli wenye mifano unabakia kwenye nywele na kuunda halo ngumu kuondoa.

Faragha

Kuondoa usuli kunaweza kuendesha kabisa kwenye kivinjari. Hakuna picha inayopakiwa, hakuna seva inayoona picha. Algorithm — uainishaji wa rangi, flood-fill, na hata mfano wa AI — inaendeshwa kwenye CPU au GPU ya kifaa. Hii ni salama kwa picha za kibinafsi, picha za familia, picha za kitambulisho, na picha zozote nyeti.

Mustakabali

Mipaka inayofuata ni kuondoa usuli kwa wakati halisi kwenye video — Zoom, Meet, na OBS tayari wanafanya hivi kwa ubora tofauti. Algorithm ni sawa; changamoto ni kuziendesha kwa fremu 30-60 kwa sekunde. Zana zinazotegemea kivinjari zinakamata: na WebGPU, kuondoa usuli kwa 4K kwa wakati halisi kwenye kichupo cha kivinjari kunawezekana.

Kwa picha, tatizo kimsingi limetatuliwa. Algorithm ni za kutosha nzuri, za kutosha haraka, na za kutosha bure kwamba "ondoa usuli" ni operesheni ya kubofya mara moja. Kazi iliyobaki iko kwenye kingo — kwa kweli: nywele, manyoya, na vifaa visivyo funika kabisa bado vinaleta changamoto kwa kila algorithm, na labda daima.