抠像（matting）要做的事，是给画面里每个像素估一个 0 到 1 之间的不透明度 α，最终输出一张 alpha 遮罩（alpha matte，也就是常说的软遮罩）。0 是全透明，1 是全不透明，0.37 的意思是“这个像素大约三成是前景、七成是背景”。
一个方程，三个未知数
抠像的核心是合成方程（compositing equation）：I = αF + (1 − α)B。你看到的像素颜色 I，是前景色 F 和背景色 B 按比例 α 混合出来的结果。
打个比方：一杯果汁兑了水，你只看到混合后的液体，却要反推“原来果汁有多浓”（α）和“果汁本来是什么颜色”（F）。纯果汁（α=1）和纯水（α=0）都好办，难的是半透明的那部分。一个像素里只有 I 是已知量，α、F、B 三个都要求，一个方程解不出三个未知数。所以抠像必须额外引入先验：三分图（trimap，把画面标成“确定前景”“确定背景”和“不确定”三块）、颜色先验、多帧信息，或者让模型从大量合成数据里学。
难的是半透明边缘，不是整体轮廓
硬边遮罩（hard mask，也叫二值遮罩 binary mask）每个像素只有 0 和 1，边界一刀切。但真实边界上的像素本来就是前景与背景的混合物：绿幕前的一缕发丝，单个像素里同时有头发和绿背景。硬边遮罩把它判成“前景”，那点绿色就留在了画面里；贴到新背景上，立刻变成一圈绿边（白墙前拍的就是白边、黑布前拍的就是黑边），业内叫色溢（color spill）。所以软遮罩的价值不只是“边缘更柔和”，它携带的是真实的混合比例，还要配合前景色估计（foreground estimation）一起做，才能把背景色从边缘像素里减掉。
| 输出 | 边界处理 | 典型难点 | |
|---|---|---|---|
| 图像分割 segmentation | 每像素一个类别标签 | 不建模混合 | 类别判对即可 |
| 硬边遮罩 hard mask | 0 / 1 二值 | 一刀切 | 阈值选择、锯齿 |
| 软遮罩 alpha matte | 0~1 连续值 | 显式建模混合比例 | 发丝、玻璃、烟雾、运动模糊 |
对从业者和普通人的意义
从业者：这条链路的效果上限往往由三分图决定。不确定区域给窄了，发丝直接被切掉；给宽了，求解器容易把背景色算进前景。评测时整体 IoU 会骗人，因为发丝只占极少的像素，更该看边缘区域的 α 误差，最好用已知真值 α 的合成数据来测。视频场景还要看时序一致性（temporal consistency），α 逐帧抖动会让边缘“呼吸”。α 与前景色 F 最好联合估计，否则色溢抑制只能靠后期手工调。具体工具的能力边界，以官方页面和实际素材测试为准。
普通人：验收一个抠像功能（视频会议虚化、直播换背景、短视频特效），别只看人的轮廓准不准。拉近看头发、手指缝、眼镜框、透明水杯；再让人晃一下头，看边缘跟不跟着抖。这几处过关，基本就靠谱了。