# Mean Shift Filtering

Dieser Funktionsblock wendet Mean-Shift-Filterung auf RGB-Bilder an, um Farbregionen zu glätten und gleichzeitig Kanten zu erhalten. Er eignet sich gut zum Entrauschen, zur Farbsegmentierung und zur Vorbereitung von Bildern für Kontur- oder Blob-Analysen.

## 📥 Eingänge

`ImageRGB`\
Eingangs-RGB-Bild, das verarbeitet werden soll.

(hier ist die Buchse ein Input-Socket)

## 📤 Ausgänge

`ImageRGB`\
Gefiltertes RGB-Bild (gleicher Typ wie das Eingangsbild).

(hier ist die Buchse ein Output-Socket)

## 🕹️ Steuerungen

`Spatial Radius`\
Schieberegler, der das räumliche Nachbarschaftsfenster für die Filterung steuert (kleiner = feinere Details bleiben erhalten).\
Bereich: 1 — 3

`Color Window Radius`\
Schieberegler, der das Farbähnlichkeitsfenster steuert (größer = stärkere Farbglättung).\
Bereich: 20 — 100

`Maximum Level Radius`\
Schieberegler, der die Anzahl der intern verwendeten Pyramidenniveaus anpasst (höher = aggressivere Glättung, aber langsamer).\
Bereich: 1 — 5

## ⚙️ Ablauf / Funktionsweise

Wenn dieser Block ein Bild über den Eingang `ImageRGB` erhält, wendet er die Mean-Shift-Filterung mit den Einstellungen der drei Schieberegler an und liefert das verarbeitete Bild über den Ausgang `ImageRGB`. Änderungen an einem der Regler werden bei der nächsten Auswertung aktiv, sodass Sie Parameter interaktiv anpassen und die Ergebnisse in der Vorschau sehen können.

## ✨ Merkmale

* Glättet Farbregionen und erhält gleichzeitig scharfe Objektkanten.
* Reduziert Rauschen und kleine Texturdetails, was Segmentierung und Formenerkennung erleichtert.
* Echtzeit-Parameteranpassung über Schieberegler für schnelles Ausprobieren.

## 📝 Anwendungsempfehlungen

1. Speisen Sie ein RGB-Bild in den Eingang `ImageRGB`.
2. Stellen Sie `Spatial Radius` ein, um zu steuern, wie stark die lokale räumliche Glättung ist.
3. Erhöhen Sie `Color Window Radius`, um ähnliche Farben zu größeren einheitlichen Regionen zu verbinden.
4. Verwenden Sie `Maximum Level Radius` sparsam — höhere Werte erhöhen die Verarbeitungszeit.
5. Prüfen Sie das Ergebnis am Ausgang `ImageRGB` in einem Vorschau-Block oder im Image Viewer.

## 💡 Tipps und Tricks

* Wenn Ihr Ausgangsbild sehr groß ist und die Verarbeitung langsam ist, fügen Sie vor diesem Block `Image Resizer` hinzu, um die Bildabmessungen zu reduzieren und die Geschwindigkeit zu erhöhen.
* Bei starkem Bildrauschen empfiehlt sich ein leichter `Blur` vor der Mean-Shift-Filterung, um Sensorsrauschen zu entfernen, ohne wichtige Kanten zu verlieren.
* Nach Mean-Shift können Sie `Find Contour` oder `Blob Detector` verwenden, um aus den geglätteten Farbregionen saubere Objektformen zu extrahieren.
* Um die Verarbeitung auf einen bestimmten Bereich zu beschränken, zuerst mit `Image ROI Select` zuschneiden und das zugeschnittene Bild in diesen Block geben.
* Verwenden Sie `HSV Filter` oder `Color Quantizer and Clustering` nach der Mean-Shift-Filterung, um die farbbasierte Segmentierung weiter zu verfeinern.
* Ergebnisse mit `Show Image` in der Vorschau betrachten und interessante Frames mit `Image Logger` oder `Image Write` speichern.

(Hinweise oben verweisen auf ergänzende Funktionsblöcke im System)

## 🛠️ Fehlersuche

* Langsame Performance: Reduzieren Sie `Color Window Radius` oder `Maximum Level Radius`, oder verkleinern Sie das Bild mit `Image Resizer`.
* Zu stark geglättete Details: Verringern Sie `Color Window Radius` und/oder `Spatial Radius`, um feinere Merkmale zu erhalten.
* Ungleichmäßige Segmentierung bei wechselnder Beleuchtung: Kombinieren Sie `HSV Filter` oder passen Sie die Aufnahmebedingungen (Belichtung/Weißabgleich) vor der Verarbeitung an.
* Unerwartete Farben oder Artefakte: Visualisieren Sie Zwischenschritte mit `Show Image`, prüfen Sie die Eingaben und erwägen Sie `Blur` oder Denoising vorgelagert.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.augelab.com/german/function-blocks/image-transformations/transformation-filters/mean-shift-filtering.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.