Чому видалення фону скрізь
Кожна фотографія товару на Amazon, кожне профільне фото, кожен стікер у вашому чаті — усі вони спочатку були прямокутною фотографією з фоном. Фон був видалений програмою. У 2026 році це відбувається так швидко і так дешево, що ми забуваємо, наскільки це складна задача.
Десять років тому видалення фону означало відкрити Photoshop, збільшити до 400% і вручну обвести об'єкт інструментом «Перо» — 30 хвилин на фото, а результат усе одно мав зелену облямівку навколо волосся. Сьогодні браузер робить це за 1 секунду, безкоштовно і з кращою якістю. Питання: як?
Три алгоритми
Кожен сучасний інструмент видалення фону — чи то remove.bg, Canva, Photoshop чи браузерний інструмент — використовує один із трьох підходів або їх комбінацію.
1. Сегментація на основі кольору
Найпростіший метод. Алгоритм бере зразки кольорів із чотирьох кутів зображення (якщо припустити, що це фон), будує колірну модель і позначає кожен піксель, що «достатньо близький» до цієї моделі, як фон. Поріг толерантності контролює, наскільки агресивним буде видалення.
Це працює ідеально для товару на білому фоні, людини на тлі блакитного неба або чого завгодно, знятого на зеленому екрані. Метод дає збій, коли фон має кілька кольорів (дерево, натовп, фактурна стіна) або коли об'єкт схожий за кольором на фон (білий кіт на білому дивані).
2. Заливка з альфа-матингом
Другий метод. Алгоритм будує тримапу — грубу карту з трьома зонами: точно передній план, точно фон і «невідома» зона на краю. Потім виконує заливку з відомих зон у невідому, обчислюючи м'яке альфа-значення (від 0 до 1) для кожного пікселя краю на основі того, скільки кольору переднього плану чи фону він містить.
Тут і входить у гру колірний простір CIELab. Відстань у RGB не відповідає тому, як люди сприймають колір — два зелених з однаковою RGB-відстанню можуть виглядати однаково або абсолютно по-різному. CIELab (Lightness, a, b) є перцептивно однорідним: однакові відстані в просторі Lab виглядають однаково різними. Інструменти видалення фону, які використовують CIELab, створюють чистіші краї, бо краще вирішують, до якого боку межі належить піксель.
3. Семантична сегментація ШІ
Третій метод. Нейронна мережа — зазвичай U-Net або схожа архітектура encoder-decoder — тренується на мільйонах розмічених зображень. Вона навчається розпізнавати «людина», «автомобіль», «собака», «товар» як семантичні категорії та створює попіксельно точну маску об'єкта незалежно від фону.
Для фото з людьми MediaPipe Selfie Segmentation (легка модель від Google) працює в реальному часі в браузері без GPU. Для товарів та об'єктів використовують важчі моделі, такі як U²-Net або IS-Net. Компроміс — якість проти швидкості проти розміру моделі: модель на 40 МБ дає майже ідеальне волосся, але потребує 5 секунд завантаження. Модель на 2 МБ миттєва, але їй важко з дрібними деталями.
Чому волосся — найскладніша проблема
Волосся — це ворог видалення фону. Один волосся має товщину 1-2 пікселі — нижче роздільної здатності більшості масок. Напівпрозоре волосся змішує кольори переднього плану і фону так, що жоден жорсткий поріг не може їх розділити. І візуальна різниця між «хорошим вирізанням волосся» і «поганим» величезна — зелене кільце навколо голови миттєво кричить «підробка».
Рішення — альфа-матинг у поєднанні з деконтамінацією кольору. Альфа-матинг обчислює м'яке альфа-значення для кожного пікселя, тож волосини поступово розчиняються у прозорості замість різкої лінії. Деконтамінація кольору інвертує рівняння композиції — передній_план = (композит - (1-альфа) × фон) / альфа — щоб відновити справжній колір переднього плану на пікселях краю, усуваючи зелений (або синій, або сірий) відтінок, що проникає з фону.
Конвеєр
Інструмент видалення фону виробничого класу виконує всі три методи послідовно:
- Сегментація кольору — швидкий перший прохід, позначає очевидні пікселі фону.
- Заливка + альфа-матинг — уточнює край, обчислює м'які альфа-значення.
- Деконтамінація кольору — видаляє ореол із напівпрозорих пікселів краю.
- Аналіз зв'язних компонентів — залишає лише найбільшу область об'єкта, видаляє плаваючі острови шуму.
Для фото з людьми крок 0 — це ШІ-сегментація селфі — вона дає фору на масці, тож проходам кольору та заливки залишається менше роботи.
Коли це не працює
Видалення фону дає збій, коли:
- Об'єкт схожий за кольором на фон. Біла сорочка на білій стіні, зелена ящірка на зеленому листі. Алгоритм не може знайти край, бо перцептивно його немає.
- Фон складний і захаращений. Дерева, натовпи, сітчасті паркани — забагато кольорів для заливки.
- Об'єкт прозорий або відбиваючий. Скло, вода, пластик — «передній план» частково є фоном.
- Зображення низької роздільної здатності. При 200×200 волосся — це 0,5 пікселя, нижче межі вибірки.
Як отримати найкращі результати
- Знімайте на однорідному фоні. Найкраще білий, сірий або синій. Чим далі колір фону від об'єкта, тим чистішим буде вирізання.
- Використовуйте високоякісне джерело. 2000×2000 або більше. Алгоритму потрібні пікселі для роботи на краю.
- Уникайте розмиття руху. Розмитий край — це широка «невідома» зона, яку алгоритм має вгадати.
- Для волосся використовуйте однотонний фон. Фони з візерунком «проступають» у волосся і створюють ореоли, які важко видалити.
Приватність
Видалення фону може повністю працювати в браузері. Жодне зображення не завантажується, жоден сервер не бачить фото. Алгоритм — сегментація кольору, заливка, навіть ШІ-модель — працює на CPU або GPU пристрою. Це безпечно для приватних фото, сімейних портретів, фото документів та будь-яких конфіденційних зображень.
Майбутнє
Наступний рубіж — видалення фону у відео в реальному часі. Zoom, Meet і OBS уже роблять це з різною якістю. Алгоритми ті самі; виклик — запустити їх на 30-60 кадрах за секунду. Браузерні інструменти наздоганяють: з WebGPU видалення фону 4K у реальному часі в вкладці браузера стає реальним.
Для фото проблема по суті вирішена. Алгоритми достатньо хороші, достатньо швидкі і достатньо безкоштовні, щоб «видалити фон» було операцією в один клік. Решта роботи — на краях, буквально: волосся, хутро та напівпрозорі матеріали все ще кидають виклик кожному алгоритму, і, ймовірно, так буде завжди.