U2Net Segmentation

Dieser Funktionsblock führt Salient-Object-Erkennung und Hintergrundentfernung durch. Verwende ihn, um eine saubere Vordergrund-Maske zu erhalten und ein segmentiertes Bild zu erzeugen, bei dem der Hintergrund entfernt wurde.

📥 Eingänge

Image Any Das Eingangsbild, das analysiert werden soll (Farbe oder Graustufen). Verbinde hier die Bildquelle, die du segmentieren möchtest.

📤 Ausgänge

Image Gray Graustufige Wahrscheinlichkeitskarte / Maske, die die Vordergrund-Wahrscheinlichkeit anzeigt.

Image Any Segmentiertes Bild, bei dem der Hintergrund mit Hilfe der Maske entfernt wurde.

🕹️ Steuerungen

Model Wähle zwischen verfügbaren U2Net-Varianten (z. B. U2Net (High Quality) oder U2NetP (Fast)). Höhere Qualität liefert bessere Masken, das schnelle Modell ist leistungsfähiger.

Input Size Größe, auf die das Modell-Input skaliert wird. Kleinere Werte erhöhen die Geschwindigkeit; größere Werte verbessern Details auf Kosten der Leistung.

Threshold Steuert die Binarisierung der Wahrscheinlichkeitskarte zur Erzeugung der endgültigen Maske. Ein höherer Wert macht die Maske strenger (weniger Vordergrundpixel).

🎨 Funktionen

• Extraktion des Vordergrunds mit einer weichen Wahrscheinlichkeitskarte und einer binären Maske.

• Segmentiertes Farb-Bild, das nur den erkannten Vordergrund behält.

• Zwei Modelloptionen zum Abwägen von Genauigkeit versus Geschwindigkeit.

• Einstellbare Eingabegröße und Threshold für feine Kontrolle.

📝 Nutzungshinweise

1. Verbinde eine Bildquelle mit dem Eingang Image Any.

2. Wähle im Model die passende Variante (Qualität oder Geschwindigkeit).

3. Passe Input Size an, um Detailgrad und Verarbeitungszeit auszubalancieren.

4. Justiere Threshold, um die gewünschte binäre Maske zu erhalten (Vorschau mit Show Image).

5. Verwende Image Gray, wenn du die Maske für weitere Verarbeitung brauchst, und Image Any für Visualisierung oder Speicherung.

📊 Bewertung

Beim Ausführen erzeugt dieser Block eine Wahrscheinlichkeitsmaske und ein segmentiertes Bild basierend auf dem gewählten Modell und den Schiebereglern. Nutze die Maskenausgabe, um nachfolgende Verarbeitungsblöcke zu speisen (z. B. Filter, Konturdetektion, ROI-Operationen).

💡 Tipps und Tricks

• Um die Verarbeitung zu beschleunigen und dennoch akzeptable Qualität zu behalten, reduziere Input Size und verwende das Modell U2NetP (Fast).

• Für bessere Masken bei verrauschten Bildern: führe das Eingangsbild vorher durch Denoising oder Blur.

• Ist das Objekt im Bild sehr klein, skaliere den ROI mit Image Resize hoch, bevor du segmentierst.

• Ergebnisse interaktiv ansehen, indem du das segmentierte Bild an Show Image anschließt.

• Automatisches Speichern: verbinde das segmentierte Bild mit Image Logger oder Image Write.

• Vergleiche bei Bedarf mit alternativen Hintergrundentfernungen wie Background Removal (RMBG-1.4) oder Background Removal (BiRefNet), um die beste Methode für deine Szene zu finden.

• Verwende die binäre Maskenausgabe als Eingabe für ROI- oder Formanalyse-Blöcke (z. B. Kontur-Finder oder Messblöcke), um Objektgeometrien zu extrahieren.

(Hinweis: nützliche Begleitblöcke — Show Image, Image Resize, Denoising, Image Logger, Image Write, Background Removal (RMBG-1.4), Background Removal (BiRefNet))

🛠️ Fehlersuche

• Wenn Masken unvollständig oder zu verrauscht wirken: erhöhe Input Size oder wende Denoising/Blur auf das Eingangsbild an.

• Ist die Maske zu großzügig (Hintergrund wird mit eingeschlossen): erhöhe Threshold, um die Maske zu verschärfen.

• Bei zu langsamer Verarbeitung: wechsle zum schnelleren Modell und/oder reduziere Input Size.

• Wenn keine Ausgabe erscheint: überprüfe, ob ein gültiges Bild mit Image Any verbunden ist und zeige es mit Show Image zur Vorschau an.