Cara Menghapus Latar Gambar (dan Kapan Tidak Akan Berhasil)

Apa sebenarnya yang dilakukan penghapusan latar

Menghapus latar tidak menghapus apa pun. Setiap piksel tetap ada; piksel yang dihapus hanya diubah nilai alfa diatur ke nol, yang berarti "sepenuhnya transparan, jangan gambar saya." Alfa adalah saluran keempat di samping merah, hijau, dan biru: nilai opasitas per piksel yang memberi tahu proses komposit seberapa banyak gambar harus dilukis di atas latar di bawahnya.

Satu fakta itu menentukan format ekspor dan paling sering menjadi tempat orang kehilangan pekerjaan tanpa sadar. JPEG tidak memiliki kanal alfa. Sama sekali. Tidak ada tempat menyimpan "piksel ini transparan", sehingga menyimpan potongan sebagai JPEG membuang transparansi dan meratakan semua yang dihapus ke warna solid — biasanya putih, terkadang hitam. Potongan benar; wadah tidak dapat menyimpannya.

Jadi keluaran harus PNG atau WebP. PNG adalah bawaan aman dan mendukung alfa 8-bit penuh, yaitu 256 tingkat opasitas per piksel, bukan aktif/nonaktif biner. WebP juga mendukung alfa dan menghasilkan berkas jauh lebih kecil, penting jika potongan ditempatkan pada halaman web. GIF secara teknis transparan tetapi hanya satu indeks warna sepenuhnya transparan, sehingga potongan GIF bertepi tegas bergerigi. Untuk perbandingan lengkap, lihat WebP vs PNG vs JPG: Format Mana untuk Gambar Anda?.

Metode satu: penghapusan latar datar

Inilah fungsi alat kami Penghapus Latar Belakang melakukan, dan layak dijelaskan secara tepat daripada disembunyikan di balik kata "otomatis."

Alat mengambil empat piksel sudut, meratakan merah, hijau, dan birunya, lalu menganggap rata-rata sebagai warna latar. Kemudian menelusuri setiap piksel dan mengukur jarak terhadap sampel — jumlah selisih absolut tiga kanal. Jika total di bawah toleransi tetap, alfa diatur nol. Jika tidak, piksel dibiarkan. Itulah seluruh algoritma.

Alat ini tidak cerdas, dan justru itulah alasan alat cepat, dapat diprediksi, dan berjalan di perangkat sendiri tanpa mengirim gambar ke mana pun. Itu juga menjelaskan perilakunya dengan tepat. Dua konsekuensi langsung mengikuti penjelasan di atas:

• Sudut harus merupakan latar. Sampel diambil dari empat piksel sudut, sehingga subjek menyentuh sudut, batas dekoratif, atau tanda air pada sudut membuat warna sampel salah dan hasil tampak keliru secara sembarang. Pangkas agar keempat sudut merupakan latar bersih sebelum proses.
• Berbasis warna, bukan wilayah. Pengujian diterapkan pada setiap piksel independen, tanpa pemahaman keterhubungan. Latar putih dihapus — begitu pula putih mata, teks putih label, sorotan putih botol kaca — karena warnanya sama dan algoritma tidak membedakan.

Daftar gambar yang cocok untuk metode ini benar-benar panjang, dan bukan kasus langka — inilah sebagian besar gambar yang biasanya perlu dipisahkan dari latar:

• Foto produk pada latar putih atau abu-abu melengkung tanpa sambungan
• Logo dan tulisan logo yang diekspor pada latar solid
• Tangkapan layar dan elemen UI pada kanvas datar
• Sprite game dan lembar sprite, yang biasanya dihasilkan pada satu warna datar
• Gambar garis, diagram, dan tanda tangan dipindai pada kertas putih
• Ikon, stiker, dan ilustrasi datar

Kompromi toleransi

Toleransi adalah lebar cakupan. Semua dalam jarak itu dari warna sampel dihapus; di luar bertahan. Tidak ada pengaturan benar untuk semua gambar, dan kegagalan berada pada kedua sisi nilai tepat.

Kompromi makin tajam ketika warna subjek mendekati latar. Logo gelap pada putih memiliki rentang aman besar — hampir semua toleransi bekerja. Cangkir keramik putih pada putih praktis tidak punya: toleransi cukup untuk variasi latar juga mengikis cangkir. Ini masalah informasi, bukan penyesuaian. Piksel berwarna sama tidak dapat dipisahkan ambang warna, jadi perbaiki sebelum pemrosesan: foto cangkir pada abu-abu.

Mengapa metode ini gagal pada foto

Perlu dijelaskan secara tegas karena inilah ketidaksesuaian terbesar antara harapan orang terhadap penghapus latar dan kemampuan alat berbasis warna.

Latar foto bukan satu warna. Dinding yang difoto pada siang hari berubah warna sepanjang bingkai seiring berkurangnya cahaya. Taman memiliki puluhan warna hijau dan cokelat. Bahkan latar studio polos memiliki gradasi dari pencahayaan, ditambah noise sensor yang membuat setiap piksel berbeda beberapa nilai, serta bayangan yang ditimbulkan subjek. Sampel sudut dari foto seperti itu hanya menggambarkan satu bagian kecil latar belakang, bukan seluruhnya.

Dari situ, perhitungan menentukan hasil. Untuk menangkap sudut terjauh latar gradasi, Anda memerlukan toleransi cukup lebar untuk mencakup seluruh penurunan cahaya. Toleransi yang sama kini mudah mencakup sisi subjek yang teduh, rambut, dan pakaian. Anda akhirnya memilih antara latar yang hanya terhapus separuh dan subjek dengan bagian hilang. Tidak ada nilai di antaranya karena kedua distribusi warna tumpang tindih. Penyetelan sebanyak apa pun tidak memperbaiki tumpang tindih.

Jadi: jika gambar merupakan foto orang, hewan, atau adegan, penghapusan berbasis warna salah dan tidak ada pengaturan yang menyelamatkan. Ini bukan batas implementasi kami khususnya — memang itulah sifat ambang warna.

Tepian antialias dan halo

Bahkan pada latar datar sempurna, ada satu efek lagi yang mengejutkan banyak orang dan menghasilkan pinggiran terang tipis klasik di sekitar potongan.

Hampir setiap gambar memiliki tepian antialias. Pada pertemuan subjek dan latar belakang, perender atau kamera tidak menghasilkan batas tegas antara piksel subjek dan piksel latar; melainkan pita selebar satu hingga dua piksel yang merupakan campuran dari keduanya. Logo hitam di atas putih memiliki piksel tepi abu-abu — bukan karena ada bagian abu-abu, tetapi karena piksel itu sebagian logo dan sebagian kertas.

Sekarang terapkan ambang warna. Putih murni dihapus. Piksel campuran hampir putih berada di luar toleransi, sehingga tetap sepenuhnya tidak transparan, membentuk garis pucat tepat mengikuti subjek. Gabungkan potongan pada latar gelap dan garisnya jelas. Ini masalah halo putih, bukan disebabkan penghapusan ceroboh — melainkan piksel itu benar-benar mengandung warna latar yang tidak dapat dipisahkan oleh ambang mana pun.

Memperlebar toleransi agar mencakup piksel campuran menukar satu artefak dengan lainnya: tepi menjadi keras dan bergerigi, lalu bagian subjek mulai ikut terhapus. Penanganan sebenarnya — mengecilkan matte satu piksel, menghilangkan kontaminasi warna tepi, atau mengekspor ulang dari sumber yang masih memiliki alfa — dibahas dalam Cara Menyimpan PNG Transparan Tanpa Tepi Putih, yang merupakan artikel pendamping untuk artikel ini.

Metode dua: segmentasi AI

Penghapusan latar berbasis AI menggunakan pertanyaan yang mendasar berbeda. Alih-alih bertanya "apakah piksel ini mendekati warna latar?", AI bertanya "apakah piksel ini bagian dari objek latar depan?" Model segmentasi yang dilatih dengan banyak gambar berlabel telah mempelajari rupa orang, mobil, atau anjing, sehingga dapat memisahkan subjek dari latar yang bahkan memiliki warna sama. Model yang lebih baik juga menghasilkan matte lembut dengan nilai alfa parsial di sepanjang batas, sehingga rambut dan bulu terlihat alami, bukan seperti dipotong dengan gunting.

Untuk kasus itu, memang itulah alat yang tepat, dan tidak jujur jika menyarankan sebaliknya. Gunakan segmentasi AI ketika gambar Anda berupa:

• Foto seseorang, terutama dengan rambut terurai atau bertekstur
• Hewan berbulu atau berambut
• Subjek dalam lingkungan nyata, bukan di depan latar studio
• Apa pun dengan latar ramai, bergradasi, atau multicolor
• Semitransparan — kaca, asap, kain tipis, kabur gerakan

Metode tiga: seleksi manual

Opsi ketiga mengerjakan manual dalam editor: pen/path untuk tepi geometris tegas, kuas seleksi untuk bentuk organik, mask lapisan agar perubahan dapat diurungkan, dan alat penyempurna tepi khusus rambut.

Lambat, tetapi tak tertandingi ketika ketepatan adalah tujuan. Seleksi manual unggul ketika batas benar-benar ambigu dan hanya manusia tahu letaknya — pantulan yang ingin dipertahankan tetapi bayangan yang ingin dihapus, subjek bertumpang tindih dengan sesuatu berwarna sama, logo yang ruang dalam hurufnya harus transparan tetapi bentuk tertutupnya tidak. Ini juga cara menyelamatkan kasus ketika otomatisasi sudah mencapai 95% dan menyisakan satu kesalahan terlihat: jalankan proses otomatis terlebih dahulu, lalu perbaiki wilayah tersisa secara manual. Gabungan itu biasanya lebih cepat daripada salah satu pendekatan saja.

Biayanya pendekatan ini tidak cocok untuk skala besar. Satu gambar hero, ya. Empat ratus foto katalog, tidak — pada volume itulah latar datar dan ambang warna sangat bermanfaat.

Metode mana yang dibutuhkan gambar Anda?

Jika Anda memotret sumber sendiri, seluruh masalah ditentukan sebelum menekan tombol rana. Latar datar dengan pencahayaan merata dan warna yang tidak ada pada subjek membuat penghapusan latar cukup dengan ambang dan satu klik. Layar hijau dan biru ada karena alasan ini: dipilih jauh dari warna kulit manusia dalam ruang warna, sehingga pemisahan jelas. Terangi latar terpisah dari subjek untuk menghilangkan gradasi, dan tempatkan subjek cukup jauh di depan agar bayangannya tidak jatuh pada latar.

Pertanyaan yang sering diajukan