Einen Bildhintergrund entfernen – und wann das nicht funktioniert

Was das Entfernen eines Hintergrunds tatsächlich bewirkt

Beim Entfernen eines Hintergrunds wird nichts gelöscht. Jeder Pixel ist weiterhin vorhanden; bei den entfernten Pixeln wurde lediglich deren Alpha auf null gesetzt, was „vollständig transparent, nicht zeichnen“ bedeutet. Alpha ist ein vierter Kanal neben Rot, Grün und Blau: ein Deckkraftwert pro Pixel, der beim Zusammensetzen des Bildes angibt, wie viel davon über den darunterliegenden Hintergrund gezeichnet werden soll.

Diese eine Tatsache bestimmt dein Exportformat. Hier geht Arbeit am häufigsten unbemerkt verloren. JPEG hat keinen Alphakanal. Gar keinen. Eine JPEG-Datei kann nirgends speichern: „Dieser Pixel ist transparent.“ Speicherst du ein freigestelltes Bild als JPEG, wird die Transparenz daher verworfen und alles Entfernte auf eine einfarbige Fläche gelegt – meist weiß, manchmal schwarz. Die Freistellung war korrekt; das Dateiformat konnte sie nicht speichern.

Die Ausgabe muss daher PNG oder WebP sein. PNG ist die sichere Voreinstellung und unterstützt vollständiges 8-Bit-Alpha, also 256 Deckkraftstufen pro Pixel statt nur an oder aus. Auch WebP unterstützt Alpha und erzeugt deutlich kleinere Dateien. Das ist wichtig, wenn das freigestellte Bild auf eine Webseite kommt. GIF unterstützt technisch Transparenz, aber nur einen vollständig transparenten Farbindex. Deshalb haben freigestellte GIFs harte, gezackte Kanten. Den vollständigen Vergleich findest du unter WebP, PNG und JPG im Vergleich: Welches Format für deine Bilder?.

Methode eins: Entfernung einfarbiger Hintergründe

Das erledigt unser Hintergrundentferner tut. Es lohnt sich, das genau zu beschreiben, statt es hinter dem Wort „automatisch“ zu verstecken.

Das Werkzeug nimmt die vier Eckpixel deines Bildes, mittelt ihre Rot-, Grün- und Blauwerte und betrachtet diesen Mittelwert als Hintergrundfarbe. Anschließend durchläuft es jeden Bildpixel und misst seinen Abstand zur aufgenommenen Farbe – als Summe der absoluten Unterschiede der drei Kanäle. Liegt die Summe unter einer festen Toleranz, wird der Alpha-Wert des Pixels auf null gesetzt. Andernfalls bleibt der Pixel unverändert. Das ist der gesamte Algorithmus.

Es ist nicht besonders raffiniert. Genau deshalb ist es schnell, vorhersehbar und läuft auf deinem eigenen Gerät, ohne dein Bild irgendwohin zu senden. Das erklärt auch sein Verhalten genau. Aus der obigen Beschreibung folgen unmittelbar zwei Konsequenzen:

• Die Ecken müssen zum Hintergrund gehören. Die Farbprobe stammt aus den vier Eckpixeln. Berührt dein Motiv eine Ecke, hat das Bild einen dekorativen Rahmen oder liegt in einer Ecke ein Wasserzeichen, ist die aufgenommene Farbe falsch. Das Ergebnis fällt dann auf scheinbar willkürliche Weise falsch aus. Schneide das Bild vor der Verarbeitung so zu, dass alle vier Ecken reinen Hintergrund enthalten.
• Es arbeitet farbbasiert, nicht bereichsbasiert. Die Prüfung erfolgt für jeden Pixel unabhängig und weiß nicht, welche Pixel miteinander verbunden sind. Ein weißer Hintergrund wird entfernt – ebenso das Weiß eines Auges, weißer Text auf einem Etikett und ein weißer Lichtreflex auf einer Glasflasche. Diese Pixel haben dieselbe Farbe, und der Algorithmus kann sie nicht unterscheiden.

Die Liste der gut geeigneten Fälle ist tatsächlich lang. Das sind keine Randfälle, sondern die meisten Bilder, die tatsächlich freigestellt werden müssen:

• Produktfotos vor einem nahtlosen weißen oder grauen Hintergrund
• Auf einfarbigem Hintergrund exportierte Logos und Wortmarken
• Bildschirmaufnahmen und Oberflächenelemente vor einer einfarbigen Arbeitsfläche
• Spiel-Sprites und Sprite-Sheets, die üblicherweise auf einer einzigen flachen Farbe generiert werden
• Eingescannte Liniengrafiken, Diagramme und Unterschriften auf weißem Papier
• Symbole, Sticker und flächige Illustrationen

Die Abwägung bei der Toleranz

Die Toleranz ist die Breite des erfassten Bereichs. Alles innerhalb dieses Abstands zur aufgenommenen Farbe wird entfernt; alles außerhalb bleibt erhalten. Es gibt keine für alle Bilder richtige Einstellung. Fehler treten sowohl unterhalb als auch oberhalb des passenden Werts auf.

Die Abwägung wird schwieriger, je ähnlicher die Motivfarben dem Hintergrund sind. Ein dunkles Logo auf Weiß hat einen riesigen sicheren Bereich – fast jede Toleranz funktioniert. Eine weiße Keramiktasse auf weißem Hintergrund hat praktisch keinen: Jede Toleranz, die groß genug ist, die Schattierungen des Hintergrunds zu entfernen, entfernt auch die Tasse. Das ist kein Einstellungsproblem, sondern ein Informationsproblem. Die Pixel haben dieselbe Farbe, sodass kein Farbschwellenwert sie trennen kann. Die Lösung liegt davor: Fotografiere die Tasse auf Grau.

Warum es bei Fotos scheitert

Hier lohnt sich eine klare Aussage, denn das ist die größte einzelne Diskrepanz zwischen den Erwartungen an einen Hintergrundentferner und dem, was ein farbbasierter tatsächlich leisten kann.

Der Hintergrund eines Fotos hat nicht nur eine Farbe. Eine bei Tageslicht fotografierte Wand verändert sich über das Bild hinweg mit der abnehmenden Helligkeit. Ein Park besteht aus Dutzenden Grün- und Brauntönen. Selbst ein einfacher Studiohintergrund enthält einen Lichtverlauf, Sensorrauschen, das jeden Pixelwert leicht verändert, und den Schatten des Motivs. Eine Farbprobe aus der Ecke eines solchen Fotos beschreibt nur einen kleinen Hintergrundbereich, nicht den gesamten Hintergrund.

Ab dort entscheidet die Berechnung über das Ergebnis. Um die entfernte Ecke eines verlaufenden Hintergrunds zu erfassen, brauchst du eine Toleranz, die den gesamten Helligkeitsabfall abdeckt. Dieselbe Toleranz reicht dann leicht aus, um auch die Schattenseite des Motivs, seine Haare und Kleidung einzuschließen. Du musst zwischen einem nur halb entfernten Hintergrund und einem Motiv mit fehlenden Teilen wählen. Einen Wert dazwischen gibt es nicht, weil sich beide Farbverteilungen überschneiden. Keine Feinabstimmung behebt eine Überschneidung.

Wenn dein Bild also ein Foto einer Person, eines Tiers oder einer Szene ist, ist farbbasierte Entfernung das falsche Werkzeug. Keine Einstellung kann das retten. Das ist keine besondere Einschränkung unserer Umsetzung, sondern liegt im Prinzip der Farbschwellenwertmethode.

Geglättete Kanten und der Saum

Selbst bei einem perfekt einfarbigen Hintergrund gibt es noch einen überraschenden Effekt, der den typischen dünnen hellen Rand um eine Freistellung erzeugt.

Fast jedes Bild hat geglättete Kanten. Wo das Motiv auf den Hintergrund trifft, erzeugt der Renderer oder die Kamera keine harte Grenze zwischen Motiv- und Hintergrundpixeln, sondern ein ein bis zwei Pixel breites Band aus Pixeln, die eine mischen aus beiden. Ein schwarzes Logo auf Weiß hat graue Kantenpixel. Nicht, weil etwas grau wäre, sondern weil diese Pixel teilweise Logo und teilweise Papier sind.

Wende darauf nun einen Farbschwellenwert an. Das reine Weiß wird entfernt. Die fast weißen Mischpixel liegen außerhalb der Toleranz und bleiben deshalb vollständig deckend erhalten. Sie bilden eine helle Kontur, die dem Motiv genau folgt. Setzt du dieses freigestellte Motiv auf einen dunklen Hintergrund, ist die Kontur unübersehbar. Das ist das Problem des weißen Saums. Es entsteht nicht durch eine unsaubere Entfernung, sondern dadurch, dass diese Pixel tatsächlich Hintergrundfarbe enthalten – eine Mischung, die kein Schwellenwert rückgängig machen kann.

Die Toleranz zu erweitern, um Mischpixel zu entfernen, tauscht ein Artefakt gegen ein anderes: Es entsteht eine harte Kante mit Treppeneffekten, und Teile des Motivs werden entfernt. Die eigentlichen Lösungen – die Maske um einen Pixel zusammenziehen, Kantenfarben bereinigen oder aus einer Quelle mit erhaltenem Alpha erneut exportieren – werden behandelt unter Transparente PNGs ohne weiße Ränder speichern, dem ergänzenden Artikel zu diesem hier.

Methode zwei: KI-Segmentierung

KI-Hintergrundentfernung beruht auf einer grundlegend anderen Frage. Statt zu fragen: „Liegt dieses Pixel nahe an der Hintergrundfarbe?“, fragt sie: „Gehört dieses Pixel zum Vordergrundobjekt?“ Ein Segmentierungsmodell, das mit vielen beschrifteten Bildern trainiert wurde, hat gelernt, wie Menschen, Autos oder Hunde aussehen. Deshalb kann es ein Motiv von einem Hintergrund trennen, der vollständig dieselben Farben verwendet. Bessere Modelle erzeugen außerdem eine weiche Maske mit teilweisen Alpha-Werten entlang der Grenze. Dadurch sehen Haare und Fell natürlich aus statt wie mit einer Schere ausgeschnitten.

In diesen Fällen ist es schlicht das richtige Werkzeug, und alles andere zu behaupten wäre unehrlich. Nutze KI-Segmentierung, wenn dein Bild Folgendes zeigt:

• Ein Foto einer Person, besonders mit offenem oder strukturiertem Haar
• Ein Tier mit Fell oder Federn
• Ein Motiv in einer realen Umgebung statt vor einem Fotohintergrund
• Alles mit einem unruhigen, verlaufenden oder mehrfarbigen Hintergrund
• Halbtransparent – Glas, Rauch, Schleier, Bewegungsunschärfe

Methode drei: manuelle Auswahl

Die dritte Möglichkeit ist die manuelle Bearbeitung in einem Bildeditor: Zeichenstift- oder Pfadwerkzeuge für harte geometrische Kanten, ein Auswahlpinsel für organische Formen, Ebenenmasken für umkehrbare Änderungen und spezielle Kantenverfeinerungswerkzeuge für Haare.

Es ist langsam und unschlagbar, wenn Präzision entscheidend ist. Manuelle Auswahl gewinnt, wenn die Grenze tatsächlich mehrdeutig ist und nur ein Mensch weiß, wo sie liegen soll: eine zu erhaltende Spiegelung, aber ein zu entfernender Schatten; ein Motiv vor etwas Gleichfarbigem; ein Logo, dessen Buchstabeninnenräume transparent sein müssen, dessen eingeschlossene Formen aber nicht. Damit rettest du auch Fälle, in denen die Automatik 95% geschafft und einen sichtbaren Fehler hinterlassen hat. Führe zuerst den automatischen Durchgang aus und korrigiere den verbleibenden Bereich dann von Hand. Diese Kombination ist meist schneller als jeder Ansatz allein.

Der Nachteil ist, dass sich das nicht auf große Mengen übertragen lässt. Ein zentrales Titelbild: ja. Vierhundert Katalogfotos: nein. Genau bei solchen Mengen zahlen sich ein einfarbiger Hintergrund und ein Farbschwellenwert aus.

Welche Methode braucht dein Bild?

Wenn du die Ausgangsbilder selbst fotografierst, entscheidet sich das ganze Problem vor dem Auslösen. Ein einfarbiger, gleichmäßig beleuchteter Hintergrund in einer Farbe, die nirgends am Motiv vorkommt, reduziert die Hintergrundentfernung auf einen Schwellenwert und einen Klick. Genau deshalb gibt es Green- und Bluescreens: Ihre Farben liegen im Farbraum weit von menschlichen Hauttönen entfernt, sodass die Trennung eindeutig ist. Beleuchte den Hintergrund getrennt vom Motiv, um den Helligkeitsverlauf zu beseitigen, und platziere das Motiv weit genug davor, damit sein Schatten nicht auf den Hintergrund fällt.

Häufig gestellte Fragen