Image Adaptive Threshold

Dieser Funktionsblock ist so konzipiert, dass er adaptive Schwellenwerttechniken auf ein Bild anwendet, um Merkmale basierend auf der lokalen Pixelintensität hervorzuheben, wodurch er ein effektives Werkzeug für die binäre Segmentierung in Bildern ist.

📥 Eingänge

Image Any Das Eingangsbild, auf das adaptive Schwellenwertsetzung angewendet wird.

📤 Ausgänge

Image Gray Die Ausgabe wird ein Graustufenbild sein, nachdem die adaptive Schwellenwertsetzung angewendet wurde.

🕹️ Steuerungen

Threshold Type Ein Dropdown-Menü zur Auswahl der Art der zu verwendenden adaptiven Schwellenwertmethode: entweder Mittelwert oder Gauß.

Threshold Ein Schieberegler zum Festlegen des maximalen Schwellenwerts. Dieser Wert bestimmt den Ausschneidewert für Pixelwerte, wenn ein binäres Bild erzeugt wird.

Kernel Size Ein Schieberegler zur Anpassung der Größe des Gauß-Kernels, der im adaptiven Schwellenwertprozess verwendet wird. Die Kernelgröße sollte ungerade sein und bestimmt, wie viel Nachbarschaft jedes Pixels berücksichtigt wird.

🎨 Funktionen

Adaptive Thresholding Methods Wählen Sie zwischen verschiedenen adaptiven Schwellenwertmethoden, um die am besten geeignete für Ihr Bild zu finden.

Dynamic Adjustments Die Schieberegler ermöglichen Echtzeitänderungen am Schwellenwert und der Kernelgröße, wodurch sofortiges Feedback für bessere Anpassungen möglich ist.

📝 Nutzungshinweise

1. Input Image: Verbinden Sie eine Bildquelle mit dem Image Any Eingang.

2. Select Threshold Type: Wählen Sie die gewünschte adaptive Schwellenwertmethode aus dem Threshold Type Dropdown.

3. Set Threshold Value: Passen Sie den Threshold Schieberegler an, um den maximalen Wert für Pixel festzulegen.

4. Configure Kernel Size: Verwenden Sie den Kernel Size Schieberegler, um die Größe des Kernels festzulegen (dies wird mit 2 multipliziert und um 1 subtrahiert, um sicherzustellen, dass er ungerade ist).

5. Evaluate: Führen Sie den Funktionsblock aus, um adaptive Schwellenwertsetzung auf das Eingangsbild anzuwenden.

📊 Bewertung

Wenn er ausgeführt wird, wendet dieser Funktionsblock die ausgewählte adaptive Schwellenwertmethode auf das Eingangsbild an und gibt ein resultierendes binäres Bild zurück, das signifikante Merkmale basierend auf der lokalen Pixelintensität hervorhebt.

💡 Tipps und Tricks

Stellen Sie die richtige Kernelgröße sicher

Die Kernelgröße muss eine ungerade Zahl sein. Wenn Sie sie auf einen geraden Wert setzen, erhalten Sie möglicherweise nicht die erwarteten Ergebnisse. Verwenden Sie den Kernel Size Schieberegler, um dies zu steuern.

Vorverarbeitung mit Rauschreduzierung

Wenn Sie feststellen, dass Rauschen Ihre Schwellenwertresultate beeinträchtigt, ziehen Sie in Betracht, einen Denoising Funktionsblock oder einen Blur Funktionsblock vor der adaptiven Schwellenwertsetzung anzuwenden, um das Bild zu reinigen.

Experimentieren Sie mit beiden Methoden

Probieren Sie beide Schwellenwerttypen – Mittelwert und Gauß – aus, um zu sehen, welche am besten mit Ihrem spezifischen Bild funktioniert. Die Leistung der Methode kann je nach Inhalt des Bildes variieren.

🛠️ Fehlersuche

Ausgabe nicht wie erwartet

Wenn das resultierende binäre Bild Merkmale nicht effektiv hervorhebt, versuchen Sie, die Steuerungen Threshold und Kernel Size anzupassen. Das Experimentieren mit verschiedenen Werten kann zu besseren Segmentierungsergebnissen führen.

Warnung zur Kernelgröße

Wenn Sie eine Warnung über die Kernelgröße oder den Schwellenwert erhalten, stellen Sie sicher, dass beide Parameter die definierten Grenzen einhalten und korrekt den Spezifikationen entsprechen (Kernelgröße als ungerade Zahl, Schwellenwertwert zwischen 0-255).