Background Removal (BiRefNet)

Dieser Funktionsblock führt eine hochwertige Vordergrund-/Hintergrund-Segmentierung mithilfe des BiRefNet-Modells durch. Er erzeugt eine saubere binäre Maske für Vordergrundbereiche und kann zusätzlich eine grüne Overlay-Visualisierung auf dem Originalbild erzeugen, um die Ergebnisse schnell zu überprüfen.

📥 Eingangsanschlüsse

Image Geben Sie ein RGB-/BGR-Bild an. Der Block akzeptiert Bilder beliebiger Größe (größere Bilder können intern zur Verarbeitung skaliert werden).

📤 Ausgangsanschlüsse

Overlay Visuelle Darstellung mit segmentiertem Vordergrund als grünes Overlay auf dem Originalbild.

Mask Binäre Segmentierungsmaske, bei der Vordergrundpixel weiß (255) und Hintergrundpixel schwarz (0) sind.

🕹️ Steuerung

Dieser Block arbeitet mit automatischen Einstellungen und bietet keine manuellen Widgets innerhalb des Blocks. Um das Verhalten zu beeinflussen, verwenden Sie Hilfsblöcke davor oder danach, zum Beispiel:

Image Resize — verkleinert das Eingangsbild vor der Verarbeitung, um die Geschwindigkeit zu erhöhen und den Speicherbedarf zu senken Image ROI — zuschneiden auf einen Bereich von Interesse, damit sich das Modell auf einen kleineren Bereich konzentriert Apply Mask — kombiniert Originalbild und Maske nach der Segmentierung auf benutzerdefinierte Weise Show Image — Vorschau von Overlay oder Mask in einem größeren Betrachter Image Logger / Image Write — speichert Masken oder Overlays zur Dokumentation

⚙️ Funktionsweise

• Beim ersten Einsatz lädt der Block das Segmentierungsmodell. Dabei können Modellfiles heruntergeladen werden, weshalb der erste Lauf länger dauern kann.

• Wenn eine GPU verfügbar ist, wird diese zur Beschleunigung verwendet; ansonsten läuft die Verarbeitung auf der CPU.

• Für jedes Eingabebild liefert der Block eine binäre Maske und ein farbiges Overlay (grüne Tönung in segmentierten Bereichen).

• Große Eingabebilder erhöhen Verarbeitungszeit und Speicherbedarf; daher empfiehlt sich ein Vor-Resize für schnellere Ergebnisse.

🎯 Funktionen

• Hochwertige Segmentierung, die komplexe Kanten und feine Details handhabt.

• Liefert sowohl eine binäre Maske für Weiterverarbeitung als auch ein visuelles Overlay zur schnellen Kontrolle.

• Automatische Geräteauswahl (GPU, falls verfügbar).

• Funktioniert mit Standardbildquellen wie Kameras, Dateien oder Ausgaben vorheriger Verarbeitungsblöcke.

📝 Nutzungshinweise

1. Geben Sie ein Bild an die Eingangsbuchse Image.

2. Nutzen Sie die zurückgegebene Mask für nachgelagerte Verarbeitung (Messungen, ROI-Operationen, Compositing).

3. Verwenden Sie das Overlay, um die Segmentierungsqualität zu prüfen oder Ergebnisse anschaulich darzustellen.

Vorgeschlagene Abläufe:

• Für schnellere Läufe Image Resize vor diesen Block anschließen.

• Um nur einen Teil der Szene zu segmentieren, zuerst Image ROI verwenden.

• Zum Speichern der Ergebnisse Image Write oder Image Logger an die Ausgänge anschließen.

• Zur Entwicklungsvorschau Show Image an Overlay oder Mask anschließen.

💡 Tipps und Tricks

• Wenn Sie eine leichtere Alternative suchen, probieren Sie Background Removal (RMBG-1.4) — es verwendet ein anderes Modell und kann je nach Input schneller sein oder andere Ausschnitte liefern.

• Kleine Maskenartefakte können mit Morphological Transformations oder Image Threshold nach der Segmentierung bereinigt werden.

• Wenn Masken verrauscht aussehen, versuchen Sie vor der Segmentierung Denoising oder Blur, um störende Kanten zu reduzieren.

• Um hochauflösende Bilder zu verarbeiten und den Speicher zu schonen: zunächst mit Image Resizer herunter skalieren, segmentieren, und bei Bedarf mit Image Resize oder Super Resolution wieder hochskalieren.

• Kombinieren Sie diesen Block mit Detektoren (z. B. Ergebnis eines Objekt-Detectors verwenden, mit Image ROI den Bereich zuschneiden und dann diesen Block pro Objekt laufen lassen).

🛠️ Fehlersuche

• Modellstart schlägt fehl oder ist beim ersten Einsatz sehr langsam: Der Block lädt möglicherweise Modellfiles und initialisiert — warten Sie, bis Download und Initialisierung abgeschlossen sind.

• Out-of-memory-Fehler auf der GPU: Reduzieren Sie die Eingangsbildgröße mit Image Resize oder geben Sie die GPU frei, sodass auf der CPU ausgeführt werden kann.

• Maske hat Löcher oder Sprenkel: Wenden Sie Morphological Transformations (fill / open / close) an oder erhöhen Sie die Glättung mit Blur vor der Segmentierung.

• Vordergrund fehlt an dünnen Strukturen: Probieren Sie alternativ den Block Background Removal (RMBG-1.4) zum Vergleich aus.

Hinweis: Erforderliche Bibliotheken und Modelle werden außerhalb des Blocks verwaltet; die Installation der entsprechenden Pakete und der Zugriff auf Modell-Downloads sind notwendig, damit dieser Block funktioniert.