ทำไมการลบพื้นหลังจึงอยู่ทุกที่

ทุกภาพสินค้าบน Amazon, ทุกภาพหัวโปรไฟล์, ทุกสติกเกอร์ในแอปแชทของคุณ — ทั้งหมดเริ่มต้นจากรูปสี่เหลี่ยมที่มีพื้นหลัง พื้นหลังนั้นถูกลบออกด้วยซอฟต์แวร์ ในปี 2026 สิ่งนี้เกิดขึ้นเร็วและถูกจนเราลืมไปแล้วว่ามันเป็นปัญหาที่ยาก

สิบปีก่อน การลบพื้นหลังหมายถึงการเปิด Photoshop ซูมไปที่ 400% และวาดเส้นรอบวัตถุด้วยมือโดยใช้เครื่องมือ Pen — 30 นาทีต่อรูป และผลลัพธ์ก็ยังมีขอบสีเขียวรอบเส้นผม ทุกวันนี้เบราว์เซอร์ทำได้ใน 1 วินาที ฟรี และคุณภาพดีกว่า คำถามคือ: ทำได้อย่างไร?

สามอัลกอริทึม

ทุกตัวลบพื้นหลังสมัยใหม่ — ไม่ว่าจะเป็น remove.bg, Canva, Photoshop หรือเครื่องมือบนเบราว์เซอร์ — ล้วนใช้หนึ่งในสามวิธีการ หรือผสมกัน

1. การแบ่งส่วนตามสี (Color-based segmentation)

วิธีที่ง่ายที่สุด อัลกอริทึมจะสุ่มสีจากมุมทั้งสี่ของภาพ (ซึ่งถือว่าเป็นพื้นหลัง) สร้างโมเดลสี และทำเครื่องหมายทุกพิกเซลที่ "ใกล้เคียงพอ" กับโมเดลนั้นว่าเป็นพื้นหลัง ค่า tolerance จะควบคุมความรุนแรงของการลบ

วิธีนี้ใช้ได้ดีกับสินค้าบนพื้นหลังสีขาว, บุคคลที่อยู่ต่อหน้าท้องฟ้าสีฟ้า หรือสิ่งใดก็ตามที่ถ่ายบน green screen แต่จะล้มเหลวเมื่อพื้นหลังมีหลายสี (ต้นไม้, ฝูงชน, ผนังมีลวดลาย) หรือเมื่อวัตถุมีสีใกล้เคียงกับพื้นหลัง (แมวขาวบนโซฟาขาว)

2. Flood-fill พร้อม alpha matting

วิธีที่สอง อัลกอริทึมจะสร้าง trimap — แผนที่คร่าวๆ ที่มีสามเขต: แน่นอนว่าเป็น foreground, แน่นอนว่าเป็น background, และเขต "ไม่ทราบ" ที่ขอบ จากนั้นจะรัน flood-fill จากเขตที่ทราบเข้าสู่เขตไม่ทราบ โดยคำนวณค่า alpha แบบนุ่มนวล (0 ถึง 1) สำหรับพิกเซลขอบแต่ละจุดตามสัดส่วนสี foreground กับ background ที่พิกเซลนั้นมี

นี่คือจุดที่ color space แบบ CIELab เข้ามามีบทบาท ระยะห่างใน RGB ไม่ตรงกับวิธีที่มนุษย์รับรู้สี — เขียวสองเฉดที่มีระยะ RGB เท่ากันอาจดูเหมือนกันหรือแตกต่างกันมาก CIELab (Lightness, a, b) มีความสม่ำเสมอในเชิงการรับรู้: ระยะที่เท่ากันในพื้นที่ Lab จะดูแตกต่างกันเท่าๆ กัน ตัวลบพื้นหลังที่ใช้ CIELab จะให้ขอบที่สะอาดกว่าเพราะตัดสินใจได้ดีกว่าว่าพิกเซลแต่ละจุดอยู่ฝั่งไหนของเส้นแบ่ง

3. การแบ่งส่วนเชิงความหมายด้วย AI

วิธีที่สาม เครือข่ายประสาทเทียม — มักเป็นสถาปัตยกรรม U-Net หรือ encoder-decoder คล้ายกัน — ถูกฝึกด้วยภาพที่ติดป้ายกำกับนับล้าน มันเรียนรู้ที่จะจำแนก "บุคคล", "รถ", "สุนัข", "สินค้า" เป็นหมวดหมู่เชิงความหมาย และสร้างมาสก์ที่ละเอียดระดับพิกเซลของวัตถุโดยไม่ขึ้นกับพื้นหลัง

สำหรับภาพที่มีคน MediaPipe Selfie Segmentation (โมเดลน้ำหนักเบาจาก Google) รันได้แบบเรียลไทม์ในเบราว์เซอร์ ไม่ต้องใช้ GPU สำหรับสินค้าและวัตถุ จะใช้โมเดลที่หนักกว่าอย่าง U²-Net หรือ IS-Net ข้อแลกคือคุณภาพ vs ความเร็ว vs ขนาดโมเดล: โมเดล 40 MB ให้ผมที่เกือบสมบูรณ์ แต่ใช้เวลา 5 วินาทีในการดาวน์โหลด โมเดล 2 MB รันได้ทันทีแต่มีปัญหากับรายละเอียดละเอียด

ทำไมผมจึงเป็นปัญหายากที่สุด

ผมคือศัตรูตัวฉกาจของการลบพื้นหลัง เส้นผมเส้นเดียวกว้าง 1-2 พิกเซล — ต่ำกว่าความละเอียดของมาสก์ส่วนใหญ่ ผมกึ่งโปร่งแสงผสมสี foreground กับ background ในรูปแบบที่ไม่มี threshold แบบ hard ใดๆ แยกออกได้ และความแตกต่างทางสายตาระหว่าง "ผมที่ตัดออกมาดี" กับ "ผมที่ตัดออกมาไม่ดี" นั้นมหาศาล — ฮาโลสีเขียวรอบศีรษะบอกทันทีว่า "ของปลอม"

ทางแก้คือ alpha matting ผสมกับ color decontamination Alpha matting คำนวณค่า alpha แบบนุ่มนวลสำหรับทุกพิกเซล ทำให้เส้นผมค่อยๆ จางไปสู่ความโปร่งใสแทนที่จะจบลงที่เส้นแบ่งแบบ sharp Color decontamination กลับสมการ compositing — foreground = (composite - (1-alpha) × background) / alpha — เพื่อกู้คืนสี foreground ที่แท้จริงที่พิกเซลขอบ ขจัดสีเขียว (หรือน้ำเงิน หรือเทา) ที่ซึมเข้ามาจากพื้นหลัง

ไปป์ไลน์

ตัวลบพื้นหลังระดับ production จะรันทั้งสามวิธีตามลำดับ:

  1. การแบ่งส่วนตามสี — pass แรกที่เร็ว ทำเครื่องหมายพิกเซลพื้นหลังที่ชัดเจน
  2. Flood-fill + alpha matting — กลั่นขอบให้ละเอียด คำนวณค่า alpha แบบนุ่มนวล
  3. Color decontamination — ขจัดฮาโลออกจากพิกเซลขอบกึ่งโปร่งใส
  4. การวิเคราะห์ connected component — เก็บเฉพาะเขตวัตถุที่ใหญ่ที่สุด ลบเกาะสัญญาณรบกวนที่ลอยอยู่

สำหรับภาพที่มีคน ขั้นตอนที่ 0 คือการแบ่งส่วน selfie ด้วย AI — ทำให้มาสก์เริ่มต้นได้เปรียบ ดังนั้น pass สีและ flood-fill จะได้มีงานน้อยลง

เมื่อไหร่ที่ล้มเหลว

การลบพื้นหลังล้มเหลวเมื่อ:

  • วัตถุมีสีใกล้เคียงกับพื้นหลัง เช่น เสื้อเชิ้ตขาวบนผนังขาว กิ้งก่าเขียวบนใบไม้เขียว อัลกอริทึมหาขอบไม่ได้เพราะในเชิงการรับรู้ ไม่มีขอบ
  • พื้นหลังซับซ้อนและยุ่ง เช่น ต้นไม้ ฝูงชน รั้วตาข่าย — สีเยอะเกินไปที่ flood-fill จะจัดการได้
  • วัตถุโปร่งใสหรือสะท้อนแสง เช่น แก้ว น้ำ พลาสติก — "foreground" มีส่วนที่เป็น background ปนอยู่
  • ภาพมีความละเอียดต่ำ ที่ 200×200 เส้นผมหนึ่งเส้นกว้าง 0.5 พิกเซล — ต่ำกว่าขีดจำกัดการสุ่มตัวอย่าง

วิธีให้ได้ผลลัพธ์ที่ดีที่สุด

  • ถ่ายบนพื้นหลังสีเดียว สีขาว เทา หรือน้ำเงิน ให้ผลดีที่สุด ยิ่งสีพื้นหลังห่างจากสีวัตถุมากเท่าไหร่ ผลลัพธ์ยิ่งสะอาด
  • ใช้แหล่งที่มาความละเอียดสูง 2000×2000 ขึ้นไป อัลกอริทึมต้องการพิกเซลที่จะทำงานด้วยบริเวณขอบ
  • หลีกเลี่ยง motion blur ขอบที่เบลอคือเขต "ไม่ทราบ" ที่กว้าง ซึ่งอัลกอริทึมต้องเดา
  • สำหรับผม ใช้พื้นหลังเรียบ พื้นหลังที่มีลวดลายจะซึมเข้าสู่ผมและสร้างฮาโลที่ลบยาก

ความเป็นส่วนตัว

การลบพื้นหลังสามารถรันได้ทั้งหมดบนเบราว์เซอร์ ไม่มีการอัปโหลดรูป ไม่มีเซิร์ฟเวอร์ใดเห็นภาพ อัลกอริทึม — การแบ่งส่วนตามสี, flood-fill หรือแม้แต่โมเดล AI — รันบน CPU หรือ GPU ของอุปกรณ์ ปลอดภัยสำหรับรูปส่วนตัว, ภาพครอบครัว, รูปบัตรประจำตัว และภาพที่ละเอียดอ่อนใดๆ

อนาคต

ด่านต่อไปคือการลบพื้นหลังแบบเรียลไทม์บนวิดีโอ — Zoom, Meet และ OBS ทำอยู่แล้วด้วยคุณภาพที่แตกต่างกัน อัลกอริทึมก็เหมือนเดิม ความท้าทายคือการรันให้ได้ที่ 30-60 เฟรมต่อวินาที เครื่องมือบนเบราว์เซอร์กำลังตามใกล้: ด้วย WebGPU การลบพื้นหลัง 4K แบบเรียลไทม์ในแท็บเบราว์เซอร์กำลังเป็นไปได้

สำหรับภาพถ่าย ปัญหานี้แก้ไขแล้วโดยส่วนใหญ่ อัลกอริทึมดีพอ เร็วพอ และฟรีพอที่ "ลบพื้นหลัง" จะกลายเป็นปฏิบัติการคลิกเดียว งานที่เหลืออยู่คือบริเวณขอบ — ตามตัวอักษร: ผม ขน และวัสดุกึ่งโปร่งใส ยังคงท้าทายทุกอัลกอริทึม และอาจเป็นเช่นนั้นต่อไป