Thresholding, gri ölçekli görüntüleri ikili resimlere dönüştürmekle arka plandan gelen nesnelere ayıran temel bir tekniktir.Bu kılavuz, tıbbi görüntüleme, nesne algılama ve bilgisayar vizyonu gibi çeşitli uygulamalarda yaygın olarak kullanılmaktadır.

Global Thresholding

Global eşleme, tüm görüntüye tek bir eş değer uygular. eşiğin üzerindeki yoğunluk değerleri ile birlikte sınıflandırılır, aşağıdakiler arka plandır.Bu yöntem, düzgün aydınlatma koşulları ile görüntüler için basit ve etkilidir.

Ortak teknikler şunlardır:

  • [FONT=0)Otsu'nun Yöntemi:[Dönetici:[Dönetici:0)) Otomatik olarak sınıf değişkenleri ile en uygun eşiğini belirler.
  • [FONT:0)Fixed Threshold:[Dönetici:[Dönetici: 1 ) Önceki bilgilere dayanan önceden tanımlanmış bir değer kullanır.
  • [FONT:0) Adaptasyon Threshold: Yerel görüntü bölgelerine dayanan eşikleri ayarlayın.

Adaptasyon Thresholding

Görüntünün farklı bölgeleri için farklı eşleri hesaplamak için uyarlanabilir bir eşleme. Boyutsuz aydınlatma veya gölgelerle görüntüler için faydalıdır. Yöntem, eşiğin dinamik olarak belirlenmesi için yerel piksel mahallelerini dikkate alır.

Bu teknik zorlu aydınlatma koşullarında segmentasyon doğruluğunu artırır ve genellikle belge işleme ve açık görüntülemede kullanılır.

Gelişmiş Thresholding Techniques

Daha sofistike yöntemler şunlardır:

  • [FONT:0)Entropy-Based Thresholding:) Entropiyi en üst düzeye çıkaran eşi seçmek için bilgi teorisini kullanır.
  • [FONT:0)Cluster-Based Thresholding:) Segmentler piksel intensities kümelemeye dayanan görüntüler.
  • [FONT:0) Çok seviyeli Thresholding:), Görüntüyü birkaç eş kullanarak birden çok sınıflara bölüyor.

Bu teknikler ayrıntılı segmentasyon gerektiren karmaşık görüntüler için uygundur ve genellikle özel görüntü analizi yazılımında uygulanır.