Achtergrond verwijderen van een afbeelding

Zo wordt het berekend

Achtergrond verwijderen zonder de foto te uploaden

Bekende vrijstaand-diensten sturen je foto naar hun servers en rekenen vaak geld voor de volledige resolutie. Hier draait een AI-model direct in je browser: de foto blijft op je apparaat en het resultaat heeft dezelfde resolutie als het origineel.

Zo werkt het

1. Sleep, kies of plak (Ctrl + V) een foto.
2. Kies het resultaat: transparante PNG (ontwerpen, webshops, presentaties) of JPG met kleur, bijvoorbeeld wit voor productfoto’s.
3. ‘Achtergrond verwijderen’ – voor en na verschijnen naast elkaar. Wijzig je daarna randen of kleur, dan wordt de afbeelding meteen opnieuw samengesteld zonder nieuwe herkenning.

De techniek

Het onderwerp wordt herkend door BiRefNet, een model om voor- en achtergrond nauwkeurig te scheiden (Zheng et al., 2024, MIT-licentie). Het werkt op 512 × 512 pixels en levert een masker met zachte overgangen, dat naar de originele grootte wordt geschaald en als transparantie wordt toegepast. Het rekenwerk gebeurt met ONNX Runtime Web – op de videokaart (WebGPU) als je browser dat kan, anders op de processor. Voor de browser is het model verkleind tot 8 bits per gewicht (ca. 60 MB) en het blijft na de eerste keer bewaard.

Eerlijke grenzen

• Eerste keer laden: ca. 66 MB (model en engine). Daarna hoeft er niets meer te worden gedownload.
• Duur: met videokaart meestal enkele seconden, alleen met processor 10 tot 60 seconden per afbeelding.
• Fijne details zoals losse haren of glas worden niet altijd perfect; ‘zacht’ helpt bij haar, ‘scherp’ bij productranden.
• Meerdere onderwerpen: het model stelt het opvallendste onderwerp vrij en kan andere weglaten.
• Afbeeldingen groter dan 16 megapixel worden voor het resultaat verkleind tot 16 MP (grens van veel mobiele apparaten).

Privacy

Je foto verlaat het apparaat niet. Alleen programma- en modelbestanden komen van deze website; het model wordt in de cacheopslag van je browser bewaard en verdwijnt met ‘Sitegegevens wissen’.

Handig in combinatie: Pasfoto maken, Afbeelding bijsnijden en Afbeelding comprimeren.

Veelgestelde vragen

Bronnen en wettelijke basis

• Zheng et al. (2024): Bilateral Reference for High-Resolution Dichotomous Image Segmentation (BiRefNet), arXiv:2401.03407
• BiRefNet_lite – Modellgewichte (Hugging Face, Lizenz MIT)
• birefnet-lite-512 – ONNX-Export 512 × 512 (Hugging Face, Lizenz MIT)
• ONNX Runtime Web – WebGPU Execution Provider (Microsoft, MIT)
• Lizenzen, Quellen und Prüfsummen (ONNX Runtime MIT, BiRefNet MIT)
• MDN – CacheStorage

Bijgewerkt op: 28 september 2026