> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/german/funktionsblocke/blocks-reference/image-transformations/transformation-filters/mean-shift-filtering.md).

# 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.