# U2Net Segmentation

Esta función realiza la detección de objetos salientes y la eliminación del fondo. Úsala para extraer una máscara de primer plano clara y obtener una imagen segmentada donde el fondo se ha eliminado.

## 📥 Inputs

`Image Any`\
La imagen de entrada a analizar (color o escala de grises). Conecta la fuente de imagen que deseas segmentar.

## 📤 Outputs

`Image Gray`\
Mapa de probabilidad en escala de grises / máscara que muestra la probabilidad de pertenecer al objeto.

`Image Any`\
Imagen segmentada donde el fondo se ha eliminado usando la máscara.

## 🕹️ Controls

`Model`\
Selecciona entre las variantes U2Net disponibles (por ejemplo "U2Net (High Quality)" o "U2NetP (Fast)"). Elige mayor calidad para máscaras más precisas o el modelo rápido para velocidad.

`Input Size`\
Redimensiona la entrada del modelo. Valores más pequeños incrementan la velocidad; valores más grandes mejoran el detalle a costa de rendimiento.

`Threshold`\
Controla la binarización del mapa de probabilidad para crear la máscara final. Aumentar el umbral vuelve la máscara más estricta (menos píxeles de primer plano).

## 🎨 Features

* Extracción de primer plano que genera un mapa de probabilidad suave y una máscara binaria.
* Salida de imagen coloreada segmentada que conserva únicamente el primer plano detectado.
* Dos opciones de modelo para balancear precisión frente a velocidad.
* Tamaño de preprocesado y umbral ajustables para un control fino.

## 📝 Usage Instructions

1. Conecta una fuente de imagen al `Image Any` de entrada.
2. Elige un `Model` según prefieras calidad o velocidad.
3. Ajusta `Input Size` para balancear detalle y tiempo de procesamiento.
4. Ajusta `Threshold` para obtener la máscara binaria deseada (previsualiza con un bloque `Show Image`).
5. Usa la salida `Image Gray` cuando necesites la máscara para procesamiento adicional, y la salida `Image Any` para visualización o guardado.

## 📊 Evaluation

Al ejecutarse, este bloque produce una máscara de probabilidad y una imagen segmentada basada en el modelo seleccionado y los ajustes de los controles. Usa la salida de máscara para alimentar bloques de procesamiento posteriores (por ejemplo, filtrado, detección de contornos, operaciones ROI).

## 💡 Tips and Tricks

* Para acelerar el procesamiento manteniendo calidad aceptable, reduce `Input Size` y usa el modelo `U2NetP (Fast)`.
* Para máscaras más limpias en imágenes ruidosas, aplica `Denoising` o `Blur` antes de este bloque.
* Si el sujeto es pequeño respecto a la imagen, usa `Image Resize` para aumentar la región de interés antes de segmentar.
* Previsualiza resultados conectando la salida segmentada a `Show Image`.
* Guarda resultados automáticamente enlazando la imagen segmentada a `Image Logger` o `Image Write`.
* Si necesitas otras aproximaciones para eliminación de fondo, compara con `Background Removal (RMBG-1.4)` o `Background Removal (BiRefNet)` para ver cuál encaja mejor en tu escena.
* Usa la salida de máscara binaria como entrada para bloques de ROI o análisis de formas (por ejemplo, detectores de contorno o bloques de medición).

(hint: useful companion blocks — `Show Image`, `Image Resize`, `Denoising`, `Image Logger`, `Image Write`, `Background Removal (RMBG-1.4)`, `Background Removal (BiRefNet)`)

## 🛠️ Troubleshooting

* Si las máscaras aparecen incompletas o demasiado ruidosas: incrementa `Input Size` o aplica `Denoising`/`Blur` a la imagen de entrada.
* Si la máscara es demasiado permisiva (incluye fondo): eleva `Threshold` para endurecer la máscara.
* Si el procesamiento es demasiado lento: cambia al modelo más rápido y/o reduce `Input Size`.
* Si no aparece salida: confirma que hay una imagen válida conectada a `Image Any` y previsualiza con `Show Image`.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.augelab.com/spanish/bloques-de-funcion/ai-blocks/u2net-segmentation.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.