# Background Removal (BiRefNet)

Bu fonksiyon bloğu, BiRefNet modelini kullanarak yüksek kaliteli ön plan / arka plan segmentasyonu gerçekleştirir. İkili bir maske üretir ve isteğe bağlı olarak tespit edilen ön planı hızlıca incelemeniz için yeşil bir örtü görselleştirmesi sağlar.

## 📥 Girdiler (soketler) <a href="#inputs" id="inputs"></a>

`Image` Segmentasyon uygulanacak RGB / BGR görüntü.

## 📤 Çıktılar (soketler) <a href="#outputs" id="outputs"></a>

`Overlay` Segment edilmiş ön plan bölgelerini yeşil örtü ile gösteren görüntü.

`Mask` İkili segmentasyon maskesi (0 = arka plan, 255 = ön plan).

## 🕹️ Kontroller <a href="#controls" id="controls"></a>

`Overlay` Örtü görselleştirme çıktısını açıp kapatmak için düğme (giriş görüntüsü üzerinde yeşil örtü gösterir).

## 🎨 Özellikler <a href="#features" id="features"></a>

* Karmaşık sınırları ve kısmi saydamlık içeren nesneler için uygun, yüksek kaliteli segmentasyon.
* Hızlı doğrulama için hem ikili maske hem de görselleştirme örtüsü üretir.
* Model yükleme ve cihaz seçimini (mevcutsa GPU) otomatik olarak yönetir.
* Her boyuttaki görüntülerle çalışacak şekilde tasarlanmıştır (inference sırasında model dahili olarak sabit boyutlu dönüşümler kullanabilir).
* Ek paketlerin yüklü olması gerekir: transformers, torch, torchvision, pillow.

## 📝 Kullanım Talimatları <a href="#usage" id="usage"></a>

1. `Image` girişine bir görüntü kaynağı bağlayın (ör. `Camera USB`, `Camera IP (ONVIF)`, `Load Image`).
2. İsterseniz ikili maskenin yanında yeşil görsel örtü üretilmesi için `Overlay` seçeneğini açın.
3. Çıktıları inceleyin: görsel önizleme için `Overlay`, sonraki işlemler (ölçümler, kırpma, sayım vb.) için `Mask` kullanın.
4. Sonuçları saklamanız gerekirse `Image Write` veya `Image Logger` ile kaydedin veya günlükleyin.

## 📊 Değerlendirme <a href="#evaluation" id="evaluation"></a>

Bloğu çalıştırdığınızda, ön plan piksellerini gösteren bir ikili maske ve isteğe bağlı olarak ön plan bölgelerinin yeşile boyandığı bir örtü görüntüsü döndürür. Maskeyi daha ileri görüntü işlemleri veya ölçümler için kullanın.

## 💡 İpuçları ve Püf Noktaları <a href="#tips-and-tricks" id="tips-and-tricks"></a>

* Kaynak görüntüler çok büyükse, giriş boyutunu sınırlamak için `Image Resizer` veya `Image Resize` ile ön işleme yapın. Bu, bellek kullanımını azaltabilir ve işlem hızını artırabilir.
* Segmentasyondan önce paraziti azaltmak için `Denoising` veya `Blur` uygulayarak girdi görüntüsünü yumuşatın.
* Konu ile arka plan arasındaki kontrastı artırmak için `Auto Contrast` veya `Adjust Colors` kullanmayı deneyin.
* Maskedeki küçük delikleri veya lekeleri gidermek için `Mask` çıktısına `Morphological Transformations` uygulayıp ardından temizlenmiş kesiti üretmek için `Apply Mask` kullanın.
* Karşılaştırma veya daha az bağımlılık içeren bir yaklaşım isterseniz `Background Removal (RMBG-1.4)`'ü deneyin ve sonuçları karşılaştırın.
* Sonuçları etkileşimli olarak görmek için `Show Image` kullanın. Sonuçları otomatik kaydetmek için `Image Logger` veya `Image Write` kullanın.
* Sadece belirli bir bölgeyi segmentlemek istiyorsanız işlemden önce `Image ROI` / `Image ROI Select` kullanın (işlem yükünü azaltır ve sıklıkla sonuçları iyileştirir).

## 🛠️ Sorun Giderme <a href="#troubleshooting" id="troubleshooting"></a>

* Blok eksik bağımlılıklar bildiriyorsa, gerekli paketleri (transformers, torch, torchvision, pillow) yükleyin ve ortamı yeniden başlatın.
* Sonuçlar gürültülü veya eksik görünüyorsa, `Image Resizer`, `Denoising` veya `Auto Contrast` ile ön işleme yapmayı ve ardından `Mask` üzerinde `Morphological Transformations` ile son işlem uygulamayı deneyin.
* Büyük görüntülerde işlem yavaşsa, `Image Resizer` ile giriş boyutunu küçültün veya bu bloktan önce daha küçük bir kaynak görüntü kullanın.
* Ara sonuçları incelemek için `Overlay` veya `Mask` çıktısını `Show Image`'e bağlayın veya `Image Write` ile kaydedin.


---

# 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/turkish/fonksiyon-bloklari/ai-blocks/background-removal-birefnet.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.