「抠图」在日常使用中经常混淆两个不同的技术领域：图像分割（Segmentation）和图像抠图（Image Matting）。它们的目标相似——把前景从背景中分离——但输出质量、计算方式和适用场景截然不同。理解这个区分，能帮你选择正确的工具和方法。
| 分割 (Segmentation) | 抠图 (Matting) | |
|---|---|---|
| 输出 | 二值掩码（0 或 1） | 软 Alpha 蒙版（0.0-1.0 连续） |
| 边缘 | 硬边缘（像素级跳变） | 软边缘（平滑渐变） |
| 发丝处理 | 丢失半透明细节 | 保留每根发丝的透明度 |
| 计算量 | 较低 | 较高（需额外精修） |
| 典型模型 | U²-Net, SAM, DeepLab | MODNet, RVM, alpha matting |
分割模型对每个像素做二分类判断：「这个像素属于前景还是背景？」没有中间地带。当物体的轮廓斜穿过像素网格时，分类结果呈锯齿状——就像用方格纸沿着斜线涂色，必然产生台阶。
这就是为什么直接使用分割结果做抠图，边缘总有锯齿或毛刺。这不是模型不好，而是二分类的天然局限。
抠图模型不做二分类，而是回归每个像素的 Alpha 值。它预测的是「这个像素有 63% 属于前景」，而不是「这个像素是/不是前景」。
这种连续值输出天然适合处理半透明物体：头发的边缘、玻璃的折射、纱的透视、阴影的渐变。每个像素都有精确的不透明度，而不是简单的黑或白。
用一张人物肖像测试：
卷卷的小工具结合了两者的优势，采用「分割 + 精修」流水线：
这种流水线在速度上接近纯分割（约 200ms 精修），在边缘质量上接近纯抠图。
对于日常使用（贴纸、电商、社媒），分割 + 精修的质量已经完全够用。
不一定。取决于工具是否做了后处理精修。本站的引导滤波 + 颜色校正就是为了解决这个问题。
不是。软边缘是精确的透明度信息，放大后可以看到渐变是平滑的、有细节的，而非模糊的一团。
Matting produces soft alpha mattes; segmentation produces binary masks. Understanding this distinction is crucial.