Image Matting

فصل الصورة الأمامية عن الخلفية هو عملية تقدير مدى مساهمة المقدّمة في كل بكسل من الصورة. والناتج، وهو قناع ألفا، يحافظ على التفاصيل شبه الشفافة، مثل الشعيرات والفراء والحواف الناعمة، بحيث يمكن وضع العنصر طبيعيًا أمام خلفية أخرى. وتُعرف هذه المهمة أيضًا باسم الفصل بقناع ألفا، وهي من مهام الرؤية الحاسوبية التي تدعم القص الدقيق وتركيب الصور. أما الحصائر المستخدمة في تأطير الصور والفرش الطبية للأرضيات، فهما معنيان آخران منفصلان لكلمة «حصيرة».

آلية عمل قناع ألفا#

قناع ألفا صورة ذات قناة واحدة، تتراوح قيمها بين 0 و1: تمثل القيمة 0 الخلفية، وتمثل القيمة 1 مقدّمة معتمة بالكامل، بينما تمثل القيم المتوسطة تغطية جزئية للمقدّمة أو شفافية جزئية. يصف ألفا مزيج البكسل؛ أما الثقة في النموذج فتصف مدى يقينه من التنبؤ. وقد لا تشغل الشعيرات الدقيقة سوى جزء من البكسل، فتنتج قيمة ألفا متوسطة حتى عندما تكون الشعرة نفسها معتمة.

العلاقة القياسية للتركيب هي image = alpha * foreground + (1 - alpha) * background. يقدّر فصل المقدّمة عن الخلفية هذه المكونات انطلاقًا من صورة موجودة؛ أما تركيب الصور فيدمج المقدّمة المستخلصة بخلفية بديلة. ويهم أيضًا تقدير لون المقدّمة: فالاحتفاظ بلون الخلفية الأصلية حول الشعر يؤدي إلى ظهور هالات ملونة في الصورة المركبة الجديدة.

تُسنِد تجزئة الصور البكسلات إلى مناطق. وتُسنِد التجزئة الدلالية تسميات الفئات، بينما تفصل تجزئة الكائنات الفردية الكائنات بعضها عن بعض. أما فصل المقدّمة عن الخلفية فيقدّر عتامة المقدّمة بقيم متصلة. وتدعم تجزئة YOLO26 من Ultralytics عزل الكائنات عبر تحويل أقنعة الكائنات الفردية إلى قصاصات شفافة؛ ويمكن استخدام هذه الأقنعة لتوفير مخطط أولي للمقدّمة في مرحلة تنقيح منفصلة لفصلها عن الخلفية.

خرائط المناطق الثلاث وطرائق الفصل عن الخلفية#

تحدّد خريطة المناطق الثلاث ثلاث مناطق: مقدّمة معروفة، وخلفية معروفة، ومنطقة مجهولة تحتوي على الحدود أو المواد الشفافة. ويقيّد هذا النوع من تعليق البيانات مسألة التقدير. وعلى غرار التجزئة التفاعلية، يتيح للمستخدمين توجيه عملية الاستخراج بإدخال قدر بسيط من المعلومات. ويؤدي تصنيف الشعر خطأً على أنه خلفية مؤكدة إلى فرض قيمة ألفا تساوي صفرًا عليه، ما يزيله من القصاصة.

تستخدم طريقة الفصل المغلقة الصيغة، التي قدمها أنات ليفين وداني ليشينسكي ويائير فايس عام 2006 في حل مغلق الصيغة لفصل الصور الطبيعية عن الخلفية، افتراضات محلية بشأن ألوان المقدّمة والخلفية لإنشاء نظام خطي متناثر. ويؤدي حل هذا النظام إلى تقدير ألفا في جميع أنحاء المنطقة المجهولة.

تتعلّم أساليب التعلّم العميق أنماط المظهر والحدود من أمثلة موسومة. قدّم نينغ شو وبراين برايس وسكوت كوهين وتوماس هوانغ تقنية الفصل العميق للمقدّمة عن الخلفية في الصور عام 2017، وهي تجمع بين مُرمِّز ومُفكِّك يعتمدان على شبكة عصبية التفافية ومرحلة تنقيح. وأصبحت بيانات Adobe الخاصة بالفصل بين المقدّمة والخلفية ومجموعة الاختبار Composition-1k من الموارد الراسخة للتقييم. ويؤدي تركيب العناصر الأمامية على خلفيات متنوعة إلى توسيع بيانات التدريب من خلال زيادة البيانات.

تقدير قناع في Python#

تطبّق واجهة PyMatting لتقدير ألفا طريقة الفصل المغلقة الصيغة. ثبّت الحزمة باستخدام pip install pymatting pillow، ثم استخدم مناطق البذور الخاصة بالمقدّمة والخلفية في الصورة النموذجية. هنا، تترك قيم خريطة المناطق الثلاث الرمادية بعض البكسلات ليقدّرها المحلّل.

from urllib.request import urlopen

import numpy as np
from PIL import Image
from pymatting import estimate_alpha_cf

with urlopen("https://ultralytics.com/images/bus.jpg") as response:
    photo = Image.open(response).convert("RGB")
photo.thumbnail((256, 256))
image = np.asarray(photo, dtype=np.float64) / 255.0

# ⁨حدّد السماء بوصفها خلفية، وجزءًا من الحافلة بوصفه مقدّمة.⁩
trimap = np.full(image.shape[:2], 0.5)
trimap[:20, :] = 0.0
trimap[120:145, 115:145] = 1.0

alpha = estimate_alpha_cf(image, trimap)
matte = Image.fromarray(np.uint8(np.clip(alpha, 0, 1) * 255))
matte.save("alpha_matte.png")

تُظهر الصورة الرمادية المحفوظة مساهمة المقدّمة المقدّرة: أبيض عند بذور المقدّمة، وأسود عند بذور الخلفية، وانتقالات مقدّرة في المواضع الأخرى.

التطبيقات وتقييم الجودة#

يستخدم تحرير الصور الشخصية وتصوير المنتجات وتركيب الأفلام الأقنعة للحفاظ على الحدود الدقيقة أثناء استبدال الخلفية. ويمتد فصل خلفية الفيديو الشخصي بهذه العملية عبر الإطارات، إذ تؤدي الحدود غير المستقرة إلى وميض ملحوظ. ويقدّم MODNet مثالًا يمكن التحقق منه لاستخراج صور الأشخاص من دون خريطة المناطق الثلاث، انطلاقًا من مدخلات RGB، لإجراء استدلال آني. أما ترميم الصور، فيُنشئ محتوى بدلًا من ذلك داخل منطقة محددة.

يقارن تقييم فصل المقدّمة عن الخلفية قيم ألفا المتنبأ بها بالأقنعة المرجعية. ويستخدم معيار تقييم الفصل عن الخلفية المستند إلى الإدراك، الذي قدّمه كريستوف ريمان وزملاؤه عام 2009، مجموع الفروق المطلقة ومتوسط مربع الخطأ وخطأ التدرج وخطأ الاتصال. وتكمل هذه المقاييس مقاييس تداخل المناطق مثل التقاطع على الاتحاد: إذ يقيس خطأ التدرج أوجه الاختلاف في انتقالات ألفا، بينما يقيس خطأ الاتصال الانقطاعات في بنية المقدّمة المتصلة.