Background Removal (RMBG-1.4)

Entfernt den Hintergrund aus einem RGB/BGR-Bild mithilfe eines vortrainierten RMBG-Modells. Der Block liefert einen ausgeschnittenen Vordergrund und eine binäre Maske, die Vordergrund (255) vom Hintergrund (0) trennt. Das Modell wird beim ersten Gebrauch automatisch heruntergeladen.

📥 Eingänge

• Eingangs-Socket Image RGB/BGR-Bild zur Verarbeitung.

📤 Ausgänge

• Ausgangs-Socket Cutout Bild mit entferntem Hintergrund (RGB auf schwarzem Hintergrund oder RGBA je nach Einstellung).

• Ausgangs-Socket Mask Binäre Maskenbild (0 = Hintergrund, 255 = Vordergrund).

🕹️ Steuerungen

• Keep RGB on black Checkbox Steuert das Ausgabeformat. Wenn deaktiviert, liefert der Block einen RGB-Cutout auf schwarzem Hintergrund plus die binäre Maske. Wenn aktiviert, liefert der Block einen RGBA-Cutout mit Alphakanal plus die binäre Maske.

(wie die Steuerung die Ausgaben beeinflusst ist oben im Abschnitt Outputs dargestellt)

🎨 Funktionen

• Hochwertige Hintergrundentfernung mit einem modernen, vortrainierten Segmentierungsmodell.

• Erzeugt sowohl einen visuellen Cutout als auch eine saubere binäre Maske für die Weiterverarbeitung.

• Modell wird beim ersten Lauf automatisch heruntergeladen, sodass kein manuelles Modellhandling nötig ist.

• GPU-aware: Verwendet verfügbare GPU-Ressourcen für schnellere Verarbeitung, wenn vorhanden.

📝 Nutzungshinweise

1. Geben Sie ein RGB/BGR-Bild an den Eingangs-Socket Image.

2. Schalten Sie Keep RGB on black je nachdem, ob Sie einen RGB-Cutout auf schwarzem Hintergrund oder ein RGBA-Bild mit Alphakanal wünschen.

3. Lesen Sie die Ergebnisse von den Ausgangs-Sockets Cutout und Mask zur Visualisierung oder weiteren Verarbeitung.

📊 Was der Block beim Ausführen macht

• Lädt das vortrainierte Background-Removal-Modell (beim ersten Lauf werden ggf. Dateien heruntergeladen).

• Verarbeitet das Eingangsbild und gibt ein bereinigtes Vordergrundbild und eine binäre Maske aus.

• Falls eine kompatible GPU verfügbar ist, kann die Verarbeitung beschleunigt werden.

💡 Tipps und Tricks

• Verwenden Sie Show Image, um die Ausgänge Cutout und Mask beim Einstellen der Optionen zu überprüfen.

• Wenn Sie nur eine visuelle Überlagerung benötigen, verbinden Sie den Ausgang Mask mit Apply Mask, um die Maske mit anderen Bildern zu kombinieren.

• Vorverarbeiten Sie das Eingabebild mit Image ROI oder Image ROI Select, um die Entfernung nur auf einen interessierenden Bereich zu beschränken — das reduziert Verarbeitungszeit und vermeidet unerwünschte Bereiche.

• Reinigen Sie verrauschte Eingaben mit Blur oder konvertieren Sie in einen homogeneren Farbraum mit HSV Filter, bevor Sie die Hintergrundentfernung anwenden, um bessere Masken zu erzielen.

• Wenn Sie ein größeres Ergebnis nach dem Cutout benötigen, führen Sie Image Resize oder Super Resolution auf dem Ausgang Cutout aus.

• Für eine alternative Segmentierungsansatz vergleichen Sie die Ergebnisse mit Background Removal (BiRefNet) und wählen die Methode, die für Ihre Bilder bessere Kanten liefert.

• Speichern Sie Beispiele und Logs, indem Sie Ausgänge an Image Logger oder Image Write anschließen, um Datensätze zu erstellen und zu überprüfen.

🛠️ Fehlersuche

• Falls der Block fehlende Bibliotheken meldet, stellen Sie sicher, dass die erforderlichen Pakete auf dem System verfügbar sind (das Modell nutzt gängige ML-Bibliotheken und Bildunterstützung).

• Wenn Ergebnisse Löcher oder fehlende Vordergrundteile enthalten, versuchen Sie eine Vorverarbeitung mit Blur oder schneiden Sie das Bild mit Image ROI zu, um den Algorithmus auf das Motiv zu fokussieren.

• Wenn die Verarbeitung langsam ist, prüfen Sie, ob eine GPU verfügbar und in Benutzung ist; andernfalls verwenden Sie kleinere Bilder oder fügen Sie vor diesem Block Image Resize hinzu.

• Bei sehr feinen oder komplexen Kanten versuchen Sie Background Removal (BiRefNet), um die Kantendarstellung zu vergleichen.