去背實驗室

PIXEL PROCESSING FIELD GUIDE

去背沒有
唯一的最佳算法。

背景是平綠幕、洋紅幕、藍幕,還是一張公園照片?素材條件不同,適合的去背方法也不同。這裡把像素攤開來,讓你調整參數、看見差異,再決定該用哪一種。

開始像素實驗
站在有樹木和光影的公園裡的人物照片
自然背景先判斷素材,再選方法
01 / 先看素材,再選方法

01 — INTERACTIVE WORKBENCH

同一張圖,換個算法看看

選示範素材,或從裝置載入圖片。試算在本機瀏覽器執行,圖片不會上傳。

示範素材・綠、洋紅、藍、青、黃幕與自然照片
幕色

幕色越不像主體本身,越容易乾淨分離。

去背方法

每種方法都在同一份原圖上重新計算。

估算像素有多少比例被幕色覆蓋,讓半透明的細髮保留漸層。

調高會清掉更多接近幕色的像素,也可能吃掉撞色細節。

保守積極

透明邊緣的色汙,在不同底色上會更明顯。

圖片留在瀏覽器・不會上傳

A原圖綠幕・深色髮絲
Balpha 遮罩白色保留・黑色透明・灰色半透明
C去背結果疊在檢查底色上觀察
目前遮罩像素分布
透明 —半透明 —不透明 —

深色長髮和細髮絲落在綠幕前,適合比較邊緣 alpha 與去色汙。

範例包含六張 AI 生成素材(綠幕、藍幕、青幕、黃幕與自然背景照片)及一張 B2 洋紅幕參考圖。選 F 公園照片,再切換到 U2Net-p 模型遮罩,可比較色鍵和 rembg 同款模型的結果。模型首次使用會載入約 4.6 MB;推論在瀏覽器本機執行,照片不會上傳。示範素材不代表各專案正式實作和參數完全相同。

02 — HOW THE PIXELS CHANGE

四種方法各自依賴不同線索

色鍵看像素顏色和邊界連通;U2Net-p 則從整張影像預測主體遮罩。素材不同,能依賴的線索也不同。

01顏色比較

RGB 色差門檻

計算像素和取樣幕色之間的 RGB 距離。距離小就透明,距離大就保留,中間可以加一段柔邊。

D = √((R−Rₖ)² + (G−Gₖ)² + (B−Bₖ)²)距離越小,越接近取樣幕色
幕色邊緣混色主體

優點簡單、快,適合均勻平底色。限制只要主體有近似顏色,也會一起被清除。

03看連通關係

邊界 flood-fill

先找出和幕色相近的像素,再從畫面邊界往內追蹤。只有連到外部背景的區域才會被清除;主體裡封閉的同色小物有機會留下。

從外框開始找內部封閉色塊保留

優點保留和背景同色、但被主體包住的細節。限制輪廓有缺口時,背景可能從缺口灌進主體。

04整體影像判斷

U2Net-p 模型遮罩

模型不需要指定幕色,而是從整張影像的形狀、紋理和上下文推測主體,輸出灰階遮罩,再把遮罩值當作每個像素的 alpha。

優點可處理沒有單一幕色的自然照片。限制模型可能漏掉細髮、透明物件或近色邊緣;要放大檢查並視需要修遮罩。

查看 rembg 專案與模型說明 ↗

本頁用 ONNX Runtime Web 在瀏覽器推論;首次載入約 4.6 MB,圖片不會上傳。

KEY COLOR IS A CHANNEL PATTERN

幕色不同,通道判斷也不同

色差法把 RGB 當成三維座標;通道優勢法則利用幕色最突出的通道組合。選一支幕色,看看它的判斷式。

綠幕S = G − max(R, B)綠通道比紅、藍都高多少
洋紅幕S = min(R, B) − G紅、藍兩通道都比綠高多少
藍幕S = B − max(R, G)藍通道比紅、綠都高多少

目前選擇綠幕。純綠分數高;非綠主體通常分數低。分數可用來估算邊緣混入多少幕色。

一般化做法是先找出幕色佔優的通道,再比較「最弱的幕色通道」與「最強的其他通道」。所以藍幕不能誤用洋紅幕的判斷式;在 cutout-skill 中,藍幕需要明確指定色碼。

↗

邊緣色汙:despill

抗鋸齒像素是主體和幕色混在一起的顏色。先算 alpha,再在半透明邊界修正幕色殘留;對整張圖改色,可能會洗掉主體本來就有的綠葉或紫色配件。

↔

縮放後還要再檢查

透明像素裡仍存著原來的幕色。縮圖或放大時,如果直接混合 RGB,幕色會滲回輪廓。用 premultiplied alpha 重採樣,並在每次縮放後重新檢查邊緣。

!

撞色時,演算法沒有線索

綠幕旁的綠葉、洋紅幕旁的紅披風,都可能和背景一起變透明。最可靠的修正通常是換一支不會出現在主體上的幕色,再從原圖重算。

03 — PICK THE RIGHT TOOL

先看背景,再選去背方式

單色幕通常先試色鍵;自然照片可試 U2Net-p 主體遮罩,再檢查模型留下的輪廓。

素材狀況建議方法要特別檢查
平坦、單一且和主體分色的幕色鍵 + alpha 邊緣 + despill四角是否透明;髮絲、鬍鬚、透明配件是否還在。
主體本身有幕色附近的顏色先換幕色;必要時用局部遮罩有沒有整片衣物、葉子或配件被誤刪。
一般照片、漸層或複雜背景主體分割模型,例如 U2Net-p模型從整張影像預測主體 alpha,不依賴單一幕色;細髮、透明物和近色邊緣仍可能漏判,需放大檢查並修遮罩。
黑、白、灰底,或背景和主體同色色鍵不適用;改用遮罩或重新準備素材色鍵靠色度差辨認,沒有色度的灰階底很難安全分離。

綠、洋紅、藍沒有固定排名。選哪一色,取決於主體裡有哪些顏色、幕面夠不夠均勻,以及你的輸出用途。

04 — FROM OUR REPOS

這些做法來自實際專案

網站用簡化案例教原理;正式工具會依素材、用途和失敗成本採用不同流程。

延伸閱讀LINE 貼圖製造機:為什麼用 chroma key,以及綠邊和 padding bar 怎麼處理↗

A GOOD CUTOUT STARTS BEFORE THE CUT

先挑對幕色,
再讓算法把邊緣做好。

最好的去背流程,是能保住主體細節、符合輸出需求,而且每次重跑都能得到可預期結果的那一條。

回到實驗桌