> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/french/function-blocks/blocks-reference/ai-blocks/background-removal-rmbg-1.4.md). # Background Removal (RMBG-1.4) ## 📥 Entrées * Prise d'entrée `Image` : image RGB/BGR à traiter. ## 📤 Sorties * Prise de sortie `Cutout` : image dont l’arrière-plan est supprimé (RGB sur fond noir ou RGBA selon le réglage). * Prise de sortie `Mask` : masque binaire (0 = arrière-plan, 255 = premier plan). ## 🕹️ Contrôles * `Keep RGB on black` Case à cocher contrôlant le format de sortie. Si décochée, le bloc fournit un cutout RGB sur fond noir et le masque binaire. Si cochée, le bloc fournit un cutout RGBA avec canal alpha et le masque binaire. (la manière dont le contrôle affecte les sorties est décrite ci‑dessus dans la section Sorties) ## 🎨 Caractéristiques * Suppression d’arrière-plan de haute qualité utilisant un modèle de segmentation pré‑entraîné moderne. * Produit à la fois un cutout visuel et un masque binaire propre pour un traitement en aval. * Le modèle est téléchargé automatiquement lors de la première utilisation — pas de gestion manuelle du modèle nécessaire. * Optimisé pour GPU : utilisera les ressources GPU disponibles pour accélérer le traitement lorsque possible. ## 📝 Mode d'emploi 1. Fournissez une image RGB/BGR à la prise d’entrée `Image`. 2. Activez ou désactivez `Keep RGB on black` selon que vous souhaitiez un cutout RGB sur fond noir ou une image RGBA avec canal alpha. 3. Lisez les résultats aux prises de sortie `Cutout` et `Mask` pour la visualisation ou un traitement ultérieur. ## 📊 Ce que fait le bloc lorsqu’il est exécuté * Charge le modèle pré‑entraîné de suppression d’arrière‑plan (le premier lancement peut télécharger les fichiers requis). * Traite l’image d’entrée et retourne une image du premier plan nettoyée ainsi qu’un masque binaire. * Si un GPU compatible est disponible, le traitement peut être accéléré. ## 💡 Astuces * Utilisez `Show Image` pour prévisualiser les sorties `Cutout` et `Mask` pendant l’ajustement des paramètres. * Si vous avez seulement besoin d’un affichage superposé, connectez la sortie `Mask` à `Apply Mask` pour combiner le masque avec d’autres images. * Prétraitez l’entrée avec `Image ROI` ou `Image ROI Select` pour limiter la suppression à une région d’intérêt — cela réduit le temps de traitement et évite les zones non désirées. * Nettoyez les entrées bruyantes avec `Blur` ou convertissez en un espace de couleur plus uniforme avec `HSV Filter` avant la suppression d’arrière‑plan pour améliorer la qualité des masques. * Si vous avez besoin d’un résultat de plus grande taille après le cutout, exécutez `Image Resize` ou `Super Resolution` sur la sortie `Cutout`. * Pour une approche de segmentation alternative, comparez les résultats avec `Background Removal (BiRefNet)` et choisissez celle qui fournit de meilleures bordures pour vos images. * Sauvegardez des exemples et des logs en connectant les sorties à `Image Logger` ou `Image Write` pour créer et inspecter des jeux de données. ## 🛠️ Dépannage * Si le bloc signale des bibliothèques manquantes, vérifiez que les paquets requis sont disponibles sur le système (le modèle repose sur des bibliothèques ML courantes et sur le support d’images). * Si les résultats contiennent des trous ou des parties du premier plan manquantes, essayez un prétraitement avec `Blur` ou recadrez l’image avec `Image ROI` pour concentrer l’algorithme sur le sujet. * Si le traitement est lent, vérifiez l’utilisation d’un GPU ; sinon, utilisez des images plus petites ou ajoutez un `Image Resize` avant ce bloc. * Pour des contours très fins ou complexes, essayez `Background Removal (BiRefNet)` pour comparer la gestion des bords.