> 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/turkish/fonksiyon-bloklari/blocks-reference/ai-blocks/background-removal-birefnet.md).

# Background Removal (BiRefNet)

Bu fonksiyon bloğu, BiRefNet modeli kullanarak yüksek kaliteli ön plan / arka plan segmentasyonu gerçekleştirir. Ön plan bölgeleri için temiz bir ikili maske oluşturur ve hızlı kontrol için orijinal görüntü üzerine yeşil bir overlay (bindirme) görselleştirmesi üretebilir.

## 📥 Giriş soketleri <a href="#inputs" id="inputs"></a>

`Image` RGB/BGR bir görüntü sağlayın. Blok her boyuttaki görüntüleri kabul eder (daha büyük görüntüler iç işlem için dahili olarak yeniden boyutlandırılabilir).

## 📤 Çıkış soketleri <a href="#outputs" id="outputs"></a>

`Overlay` Segmentasyonu gösteren ve orijinal görüntü üzerine yeşil bir bindirme uygulayan görsel çıktı.\
`Mask` Ön plan pikselleri beyaz (255), arka plan pikselleri siyah (0) olan ikili segmentasyon maskesi.

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

Bu blok otomatik ayarlarla çalışır ve blok içinde manuel widget'lar sunmaz. Davranışı etkilemek için blok öncesi veya sonrasında yardımcı bloklar kullanabilirsiniz, örneğin:

`Image Resize` — işleme başlamadan önce giriş görüntüsünü küçültmek, hız ve bellek kullanımı açısından faydalıdır\
`Image ROI` — modelin daha küçük bir alana odaklanması için ilgi alanını kırpın\
`Apply Mask` — segmentasyon sonrası orijinal görüntü ile maskeyi özel biçimlerde birleştirin\
`Show Image` — `Overlay` veya `Mask`i daha büyük bir görüntüleyicide önizleyin\
`Image Logger` / `Image Write` — maskeleri veya overlay'leri kayıt için kaydedin

## ⚙️ Çalışma mekanizması <a href="#how-it-runs" id="how-it-runs"></a>

* Blok ilk kullanıldığında segmentasyon modelini yükler. Bu işlem model dosyalarının indirilmesini gerektirebilir ve ilk çalıştırmada zaman alabilir.
* Bir GPU mevcutsa hızlandırma için kullanılacaktır; aksi takdirde CPU kullanılacaktır.
* Her giriş görüntüsü için blok bir ikili maske ve renklendirilmiş bir overlay (segmentlenen bölgelerde yeşil ton) döndürür.
* Büyük giriş görüntüleri işlem süresini ve bellek kullanımını artırır; daha hızlı sonuçlar için görüntüyü önce yeniden boyutlandırmak önerilir.

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

* Karmaşık sınırları ve ince detayları işleyebilen yüksek kaliteli segmentasyon.
* İkili maske (daha ileri işleme için uygun) ve hızlı kontrol amaçlı görsel overlay üretir.
* Otomatik cihaz seçimi (mümkünse GPU kullanımı).
* Kameralardan, dosyalardan veya önceki işlem bloklarından gelen standart görüntülerle çalışır.

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

1. `Image` giriş soketine bir görüntü sağlayın.
2. İleri işlemler (ölçümler, ROI operasyonları, kompozitleme) için dönen `Mask`i kullanın.
3. Segmentasyon kalitesini önizlemek veya sonuçları görsel olarak sunmak için dönen `Overlay`i kullanın.

Önerilen akışlar:

* Daha hızlı çalıştırmalar için bu bloktan önce `Image Resize` bağlayın.
* Sahnede yalnızca belirli bir bölgeyi segmentlemek için önce `Image ROI` kullanın.
* Sonuçları kaydetmek için `Image Write` veya `Image Logger` bağlayın.
* Geliştirme sırasında sonuçları önizlemek için `Overlay` veya `Mask`e `Show Image` ekleyin.

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

* Daha hafif bir alternatif isterseniz, farklı bir model kullanan `Background Removal (RMBG-1.4)`i deneyin — girişe bağlı olarak daha hızlı olabilir veya farklı kesimler verebilir.
* Küçük maske artefaktlarını temizlemek için `Morphological Transformations` veya `Image Threshold` uygulayın.
* Maskeler gürültülü görünüyorsa, segmentasyondan önce `Denoising` veya `Blur` çalıştırarak sahte kenarları azaltın.
* Yüksek çözünürlüklü görüntüleri bellek açısından yönetilebilir tutmak için önce `Image Resizer` ile küçültün, segmentasyonu çalıştırın, gerekirse sonra `Image Resize` veya `Super Resolution` ile sonuçları tekrar ölçeklendirin.
* Algılama bloklarıyla birleştirin (ör. bir nesne dedektöründen gelen sonuçları kullanarak `Image ROI` ile alanı kırpın ve ardından nesne başına arka plan kaldırma yapın).

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

* Model başlamıyor veya ilk kullanımda çok yavaş: blok model dosyalarını indiriyor veya başlatıyor olabilir. İndirme ve başlatma işleminin tamamlanmasını bekleyin.
* GPU'da bellek hataları: giriş görüntüsü boyutunu `Image Resize` ile azaltın veya diğer GPU iş yüklerini serbest bırakarak CPU'da çalıştırmayı tercih edin.
* Maskede delikler veya lekeler var: `Morphological Transformations` (fill / open / close) uygulayın veya segmentasyondan önce daha fazla yumuşatma için `Blur` kullanın.
* İnce yapılar ön planda eksik: sonuçları karşılaştırmak için alternatif `Background Removal (RMBG-1.4)` bloğunu deneyin.

Notlar:

* Gerekli kütüphaneler ve modeller blok dışında yönetilir; bu bloğun çalışması için uygun paketlerin kurulumu ve model indirmelerine erişim gereklidir.