Tại sao việc xóa phông nền lại có mặt ở khắp nơi

Mỗi ảnh sản phẩm trên Amazon, mỗi ảnh chân dung hồ sơ, mỗi sticker trong ứng dụng chat của bạn — tất cả đều bắt đầu là một ảnh chữ nhật có phông nền. Phông nền bị phần mềm xóa đi. Năm 2026, điều này diễn ra nhanh và rẻ đến mức chúng ta quên mất đó là một bài toán khó.

Một thập kỷ trước, xóa phông nền đồng nghĩa với việc mở Photoshop, phóng to 400% và thủ công vẽ lại chủ thể bằng công cụ Pen — 30 phút mỗi ảnh, và kết quả vẫn còn viền xanh quanh tóc. Ngày nay, một trình duyệt có thể làm việc đó trong 1 giây, miễn phí, với chất lượng tốt hơn. Câu hỏi là: làm thế nào?

Ba thuật toán

Mọi công cụ xóa phông nền hiện đại — cho dù là remove.bg, Canva, Photoshop, hay một công cụ chạy trong trình duyệt — đều dùng một trong ba cách tiếp cận, hoặc kết hợp chúng.

1. Phân đoạn dựa trên màu

Phương pháp đơn giản nhất. Thuật toán lấy mẫu màu tại bốn góc ảnh (giả sử là phông nền), xây dựng mô hình màu và đánh dấu mỗi pixel "đủ gần" với mô hình đó là phông nền. Ngưỡng dung sai kiểm soát mức độ mạnh tay của việc xóa.

Cách này hoạt động hoàn hảo với sản phẩm trên phông trắng, một người trước bầu trời xanh, hoặc bất cứ gì quay trên green screen. Cách này thất bại khi phông nền có nhiều màu (một cái cây, một đám đông, một bức tường có hoa văn) hoặc khi chủ thể có màu tương tự phông nền (một con mèo trắng trên ghế sofa trắng).

2. Flood-fill với alpha matting

Phương pháp thứ hai. Thuật toán xây dựng một trimap — một bản đồ thô với ba vùng: chắc chắn foreground, chắc chắn background, và vùng "không xác định" ở biên. Sau đó chạy flood-fill từ các vùng đã biết vào vùng chưa xác định, tính toán một giá trị alpha mềm (từ 0 đến 1) cho mỗi pixel biên dựa trên lượng màu foreground so với background mà nó chứa.

Đây là nơi không gian màu CIELab phát huy tác dụng. Khoảng cách RGB không khớp với cách con người cảm nhận màu — hai màu xanh có cùng khoảng cách RGB có thể trông giống hệt hoặc hoàn toàn khác biệt. CIELab (Lightness, a, b) là đồng nhất về mặt cảm nhận: các khoảng cách bằng nhau trong không gian Lab trông khác nhau một lượng bằng nhau. Các công cụ xóa phông nền dùng CIELab cho ra biên sạch hơn vì chúng đưa ra quyết định tốt hơn về việc pixel thuộc về bên nào của đường biên.

3. Phân đoạn ngữ nghĩa bằng AI

Phương pháp thứ ba. Một mạng nơ-ron — thường là U-Net hoặc kiến trúc encoder-decoder tương tự — được huấn luyện trên hàng triệu ảnh đã gán nhãn. Mạng học cách nhận diện "người", "ô tô", "chó", "sản phẩm" như các danh mục ngữ nghĩa và tạo ra một mặt nạ chính xác đến pixel của chủ thể bất kể phông nền.

Đối với ảnh có người, MediaPipe Selfie Segmentation (mô hình nhẹ của Google) chạy theo thời gian thực trong trình duyệt, không cần GPU. Đối với sản phẩm và vật thể, người ta dùng các mô hình nặng hơn như U²-Net hoặc IS-Net. Sự đánh đổi là chất lượng vs tốc độ vs kích thước mô hình: mô hình 40 MB cho ra tóc gần hoàn hảo, nhưng mất 5 giây để tải. Mô hình 2 MB tức thì nhưng gặp khó với chi tiết nhỏ.

Tại sao tóc là bài toán khó nhất

Tóc là khắc tinh của việc xóa phông nền. Một sợi tóc rộng 1-2 pixel — dưới độ phân giải của hầu hết các mặt nạ. Tóc bán trong suốt pha trộn màu foreground và background theo cách mà không ngưỡng cứng nào có thể tách ra. Và sự khác biệt trực quan giữa "cắt tóc tốt" và "cắt tóc xấu" là khổng lồ — một quầng sáng xanh quanh đầu lập tức la lên "giả mạo".

Giải pháp là alpha matting kết hợp với khử nhiễm màu. Alpha matting tính toán giá trị alpha mềm cho mỗi pixel, để các sợi tóc mờ dần sang trong suốt thay vì kết thúc bằng một đường cứng. Khử nhiễm màu đảo ngược phương trình compositing — foreground = (composite - (1-alpha) × background) / alpha — để khôi phục màu foreground thực tại các pixel biên, loại bỏ sắc xanh (hoặc xanh dương, hoặc xám) lan ra từ phông nền.

Pipeline

Một công cụ xóa phông nền cấp sản xuất chạy cả ba phương pháp theo trình tự:

  1. Phân đoạn màu — lần đầu nhanh, đánh dấu các pixel rõ ràng là phông nền.
  2. Flood-fill + alpha matting — tinh chỉnh biên, tính toán các giá trị alpha mềm.
  3. Khử nhiễm màu — loại bỏ quầng sáng từ các pixel biên bán trong suốt.
  4. Phân tích thành phần liên thông — chỉ giữ vùng chủ thể lớn nhất, loại bỏ các đảo nhiễu trôi nổi.

Đối với ảnh có người, bước 0 là phân đoạn selfie bằng AI — nó cho trước một phần mặt nạ, để các bước màu và flood-fill có ít việc hơn phải làm.

Khi nào thất bại

Việc xóa phông nền thất bại khi:

  • Chủ thể có màu tương tự phông nền. Một chiếc áo trắng trên tường trắng, một con thằn lằn xanh trên lá xanh. Thuật toán không tìm thấy biên vì, về mặt cảm nhận, không có biên.
  • Phông nền phức tạp và rối. Cây, đám đông, hàng rào lưới — quá nhiều màu để flood-fill xử lý.
  • Chủ thể trong suốt hoặc phản chiếu. Thủy tinh, nước, nhựa — "foreground" một phần là background.
  • Ảnh có độ phân giải thấp. Ở 200×200, một sợi tóc rộng 0,5 pixel — dưới giới hạn lấy mẫu.

Cách đạt kết quả tốt nhất

  • Quay với phông nền đồng nhất. Trắng, xám hoặc xanh dương là tốt nhất. Phông nền càng khác màu với chủ thể thì kết quả cắt càng sạch.
  • Dùng nguồn độ phân giải cao. 2000×2000 hoặc lớn hơn. Thuật toán cần pixel để làm việc ở biên.
  • Tránh motion blur. Một biên mờ là một vùng "không xác định" rộng mà thuật toán phải đoán.
  • Đối với tóc, dùng phông nền trơn. Phông nền có hoa văn lan vào tóc và tạo quầng sáng khó xóa.

Quyền riêng tư

Việc xóa phông nền có thể chạy hoàn toàn trong trình duyệt. Không ảnh nào được tải lên, không máy chủ nào thấy ảnh. Thuật toán — phân đoạn màu, flood-fill, thậm chí mô hình AI — chạy trên CPU hoặc GPU của thiết bị. Điều này an toàn cho ảnh cá nhân, chân dung gia đình, ảnh giấy tờ tùy thân và bất kỳ ảnh nhạy cảm nào.

Tương lai

Ranh giới tiếp theo là xóa phông nền theo thời gian thực trên video — Zoom, Meet và OBS đã làm được với chất lượng khác nhau. Các thuật toán giống nhau; thách thức là chạy chúng ở 30-60 khung hình mỗi giây. Các công cụ trên trình duyệt đang dần theo kịp: với WebGPU, việc xóa phông nền 4K theo thời gian thực trong một tab trình duyệt đang trở nên khả thi.

Đối với ảnh, bài toán về cơ bản đã được giải. Các thuật toán đủ tốt, đủ nhanh và đủ miễn phí để "xóa phông nền" là thao tác một cú nhấp. Phần việc còn lại nằm ở các biên — theo nghĩa đen: tóc, lông thú và vật liệu bán trong suốt vẫn thách thức mọi thuật toán, và có thể sẽ luôn vậy.