> 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-rmbg-1.4.md).

# Background Removal (RMBG-1.4)

RGB/BGR görüntüden arka planı önceden eğitilmiş bir RMBG modeli kullanarak kaldırır. Blok, ön plan kesitini (cutout) ve ön planı (255) arka plandan (0) ayıran ikili bir maskeyi döndürür. Model ilk kullanımda otomatik olarak indirilir.

## 📥 Girdiler

* Giriş soketi `Image` — İşlenecek RGB/BGR görüntü.

## 📤 Çıktılar

* Çıkış soketi `Cutout` — Arka planı kaldırılmış görüntü (ayarına bağlı olarak siyah zeminli RGB veya RGBA).
* Çıkış soketi `Mask` — İkili maske görüntüsü (0 = arka plan, 255 = ön plan).

## 🕹️ Kontroller

* `Keep RGB on black` — Çıktı formatını kontrol eden bir Checkbox. İşaretli değilse blok siyah arka planlı bir RGB cutout ve ikili maskeyi sağlar. İşaretli ise blok alfa kanalı içeren bir RGBA cutout ve ikili maskeyi sağlar.

(Not: kontrolün çıktılara etkisi Outputs bölümünde gösterilmiştir.)

## 🎨 Özellikler

* Modern önceden eğitilmiş bir segmentasyon modeli ile yüksek kaliteli arka plan kaldırma.
* Hem görsel cutout hem de sonraki işlemler için temiz bir ikili maske üretir.
* Model ilk çalıştırmada otomatik olarak indirildiği için manuel model yönetimi gerekmez.
* GPU-dostu: kullanılabilir GPU kaynakları varsa daha hızlı işlem için GPU kullanılır.

## 📝 Kullanım Talimatları

1. RGB/BGR görüntüyü `Image` giriş soketine verin.
2. Siyah arka planlı RGB cutout mı yoksa alfa kanallı RGBA cutout mu istediğinize bağlı olarak `Keep RGB on black` seçeneğini değiştirin.
3. Görselleştirme veya ileri işleme için sonuçları `Cutout` ve `Mask` çıkış soketlerinden okuyun.

## 📊 Bloğun çalıştırıldığında yaptığı şey

* Önceden eğitilmiş arka plan-kaldırma modelini yükler (ilk çalıştırmada gerekli dosyalar indirilebilir).
* Giriş görüntüsünü işler ve temizlenmiş bir ön plan görüntüsü ile bir ikili maske üretir.
* Uyumlu bir GPU varsa işlem hızlandırılabilir.

## 💡 İpuçları ve Püf Noktaları

* Ayarları değiştirirken `Show Image` ile `Cutout` ve `Mask` çıktısını önizleyin.
* Sadece görsel bir bindirme gerekiyorsa `Mask` çıkışını `Apply Mask` ile diğer görüntülerle birleştirin.
* Arka plan kaldırmayı belirli bir ilgi alanına sınırlamak için `Image ROI` veya `Image ROI Select` ile ön işleme yapın — bu, işlem süresini azaltır ve istenmeyen alanları engeller.
* Gürültülü girişleri temizlemek için `Blur` kullanın veya daha tutarlı bir renk alanı için `HSV Filter` ile dönüştürün; bu, maskelerin kalitesini artırabilir.
* Cutout çıktıdan sonra daha büyük bir sonuç gerekiyorsa `Image Resize` veya `Super Resolution` çalıştırın.
* Alternatif segmentasyon yaklaşımı için `Background Removal (BiRefNet)` ile sonuçları karşılaştırın; bazı görüntülerde kenar işleme açısından daha iyi sonuç verebilir.
* Örnekleri ve logları saklamak için çıktıları `Image Logger` veya `Image Write` ile bağlayın — veri seti oluşturma ve inceleme için faydalıdır.

## 🛠️ Sorun Giderme

* Blok eksik kütüphaneler raporluyorsa, gereken paketlerin sistemde mevcut olduğundan emin olun (model ortak ML kütüphaneleri ve görüntü desteğine dayanır).
* Sonuçlar delikli veya eksik ön plan parçaları içeriyorsa, `Blur` ile ön işleme yapmayı deneyin veya konuyu odaklamak için görüntüyü `Image ROI` ile kırpın.
* İşlem yavaşsa, GPU kullanılabilirliğini ve kullanımını kontrol edin; yoksa daha küçük görüntüler kullanın veya bu bloktan önce `Image Resize` ekleyin.
* Çok ince veya karmaşık sınırlar için kenar işleme farklılıklarını görmek adına `Background Removal (BiRefNet)` ile karşılaştırma yapın.