# Text Detection

Bu fonksiyon bloğu, bir görüntüdeki metin bölgelerini bulur ve görselleştirir. Döndürülmüş veya eğik metin alanlarını tespit edecek şekilde ayarlanmıştır ve önizleme görüntüsü ile ileri işleme için yapılandırılmış konum verileri döner.

## 📥 Girdiler

`Image Any` Analiz edilecek giriş görüntüsü.

## 📤 Çıktılar

`Image Any` Tespit edilen metin bölgelerinin çizildiği açıklamalı görüntü.

`Referance Point` Her tespit edilen metin bölgesi için referans noktalarının (köşe noktaları) listesi.

`Referance Rectangles` Her tespit edilen metin bölgesi için sınırlayıcı dikdörtgenlerin listesi.

`Number of Detected Text` Bulunan toplam metin bölgesi sayısı.

## 🕹️ Kontroller

`Confidence` Bir tespitin kabul edilmesi için gereken minimum güven değeri. Daha yüksek değerler yalancı pozitifleri azaltır ancak soluk metinleri kaçırabilir.

`NMS Threshold` Çakışan tespitlerin nasıl birleştirileceğini ayarlar. Daha düşük değerler birleştirmeyi sıkılaştırır ve aynı metin üzerinde tekrarlı kutuları azaltır.

## ⚙️ Çalışma Mekanizması

Çalıştırıldığında, blok sağlanan görüntüyü inceler, metin gibi görünen bölgeleri arar, sonuçları `Confidence` ile filtreler, çakışan tespitleri birleştirir ve bulunan bölgeleri giriş görüntüsü boyutuna ölçeklendirir. Blok daha sonra açıklamalı bir önizleme görüntüsü, her tespit için referans noktaları ve dikdörtgenler listesi ile tespit edilen metin bölgelerinin toplam sayısını çıktı olarak verir.

## 🎯 Özellikler

* Yalnızca yatay satırlar değil, döndürülmüş ve açılı metin bölgelerini de tespit eder.
* Hem görsel geri bildirim (açıklamalı görüntü) hem de downstream işlemler için yapılandırılmış çıktılar (noktalar, dikdörtgenler, sayı) sağlar.
* `Confidence` ve `NMS Threshold` kontrolleri ile hassasiyet kolayca ayarlanabilir; duyarlılık ve doğruluk arasında denge kurma imkânı verir.

## 📝 Kullanım Talimatları

1. Giriş görüntüsünü `Image Any` girişine bağlayın (kamera, dosya yükleyici veya akış).
2. Yalancı pozitifler ile kaçırılan metin arasındaki dengeyi ayarlamak için `Confidence` kaydırıcısını ayarlayın.
3. Aynı metin alanı üzerinde birden fazla çakışan kutu görünüyorsa `NMS Threshold` kaydırıcısını ayarlayın.
4. Tespitleri önizlemek için açıklamalı `Image Any` çıktısını kullanın; kırpma, çıkarım veya tanıma için `Referance Point` / `Referance Rectangles` çıktılarını kullanın.

## 💡 İpuçları ve Püf Noktaları

* Görüntü çok büyükse, daha hızlı işlem için `Image Resizer` kullanarak ölçek küçültün; sonra gerekiyorsa dikdörtgen koordinatlarını orijinal boyuta eşleyin.
* Tespitten sonra gerçek metin tanıma için, tespit edilen kırpmaları `OCR` veya `OCR (EasyOCR)` bloklarına bağlayın.
* Belirli bir alana odaklanmak istiyorsanız önce `Image ROI` veya `Image ROI Select` ile kırpma yapın ve kırpılmış görüntüyü bu bloğa verin.
* Açıklamalı çıktıyı önizlemek için `Show Image` kullanın; tespit sonuçlarına göre özel durum metnini bindirmek için `Draw Result On Image` kullanabilirsiniz.
* Sonuçları kaydetmek için `Image Write` ya da örnekleri ileride incelemek üzere kaydetmek için `Image Logger` kullanın.

## 🛠️ Sorun Giderme

* Hiç tespit yok: `Confidence` değerini düşürün veya daha net bir görüntü sağlayın.
* Çok fazla küçük kutu veya çoğaltılmış tespitler: `Confidence` değerini artırın ve çakışan tespitleri birleştirmek için `NMS Threshold` değerini düşürün.
* Yeniden boyutlandırma sonrası tespitlerin yerleri yanlışsa: `Referance Rectangles` koordinatlarını yorumlarken tüm yeniden boyutlandırma adımlarının telafi edildiğinden emin olun.
* Sadece tanınmış metne ihtiyacınız varsa (konum değilse), bu bloğu `OCR` / `OCR (EasyOCR)` ile zincirleyin ve sonraki mantık için `Number of Detected Text` çıktısını kullanın.


---

# 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/turkish/fonksiyon-bloklari/ai-blocks/text-detection.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.