> 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/spanish/function-blocks/blocks-reference/ai-blocks/u2net-segmentation.md).

# 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`.