> 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/turkish/fonksiyon-bloklari/blocks-reference/image-transformations/transformation-filters/mean-shift-filtering.md).

# Mean Shift Filtering

Bu fonksiyon bloğu, RGB görüntülere mean shift filtresi uygulayarak renk bölgelerini kenarları koruyarak yumuşatır. Gürültü azaltma, renk segmentasyonu ve kontur/lek (blob) analizine hazırlık için uygundur.

## 📥 Girdiler

`ImageRGB`\
İşlenecek RGB görüntü girişi.

(bağlantı noktası burada bir input soketidir)

## 📤 Çıktılar

`ImageRGB`\
Filtrelenmiş RGB görüntü (girdi ile aynı tip).

(bağlantı noktası burada bir output soketidir)

## 🕹️ Kontroller

`Spatial Radius`\
Filtreleme için kullanılan uzamsal komşuluğu kontrol eden kaydırıcı (daha küçük = daha ince detay korunur).\
Aralık: 1 — 3

`Color Window Radius`\
Renk benzerliği penceresini kontrol eden kaydırıcı (daha büyük = daha güçlü renk yumuşatma).\
Aralık: 20 — 100

`Maximum Level Radius`\
İçeride kullanılan piramit seviyelerinin sayısını ayarlayan kaydırıcı (daha yüksek = daha agresif yumuşatma, fakat daha yavaş).\
Aralık: 1 — 5

## ⚙️ Çalışma Mekanizması

Bu blok `ImageRGB` girişinden bir görüntü aldığında, üç kaydırıcıda ayarlı değerleri kullanarak mean shift filtrasyonunu uygular ve işlenmiş görüntüyü `ImageRGB` çıkışından verir. Kaydırıcılarda yapılan değişiklikler bir sonraki değerlendirmede etkili olur; böylece sonuçları önizlerken parametreleri etkileşimli olarak ayarlayabilirsiniz.

## ✨ Özellikler

* Kenarları keskin tutarken renk bölgelerini yumuşatır.
* Gürültü ve küçük doku detaylarını azaltır; bu sayede segmentasyon ve şekil tespiti kolaylaşır.
* Hızlı denemeler için kaydırıcılarla gerçek zamanlı parametre ayarı yapılabilir.

## 📝 Kullanım Önerileri

1. Bir RGB görüntüyü `ImageRGB` girişine bağlayın.
2. Yerel uzamsal yumuşamanın miktarını kontrol etmek için `Spatial Radius` ayarını yapın.
3. Benzer renkleri daha büyük, tek tip bölgelere birleştirmek için `Color Window Radius` değerini artırın.
4. `Maximum Level Radius` değerini dikkatli kullanın — yüksek değerler işlem süresini artırır.
5. Sonucu bir önizleme bloğunda veya görüntü görüntüleyicisinde `ImageRGB` çıkışından kontrol edin.

## 💡 İpuçları ve Püf Noktaları

* Kaynak görüntü çok büyükse ve işlem yavaşsa, bu bloktan önce `Image Resizer` ekleyerek görüntü boyutunu küçültün.
* Gürültülü girişler için, önemli kenarları kaybetmeden sensör gürültüsünü azaltmak amacıyla `Blur` uygulamayı düşünün.
* Mean shift sonrası pürüzsüz renk bölgelerinden temiz nesne şekilleri çıkarmak için `Find Contour` veya `Blob Detector` kullanın.
* İşlemi belirli bir alana odaklamak istiyorsanız önce `Image ROI Select` ile kırpma yapın ve kırpılmış görüntüyü bu bloğa verin.
* Renk tabanlı segmentasyonu daha da iyileştirmek için mean shift sonrası `HSV Filter` veya `Color Quantizer and Clustering` uygulayın.
* Sonuçları `Show Image` ile önizleyin ve ilginizi çeken kareleri `Image Logger` veya `Image Write` ile kaydedin.

(hint: yukarıdakiler sistemde bulunan tamamlayıcı fonksiyon bloklarına referans verir)

## 🛠️ Sorun Giderme

* Yavaş performans: `Color Window Radius` veya `Maximum Level Radius` değerini düşürün ya da görüntü boyutunu `Image Resizer` ile küçültün.
* Aşırı pürüzsüzleşmiş detaylar: ince özellikleri korumak için `Color Window Radius` ve/veya `Spatial Radius` değerlerini azaltın.
* Aydınlatma değişimlerine bağlı düzensiz segmentasyon: `HSV Filter` ile kombinasyon deneyin veya işlemden önce aydınlatma/kayıt ayarlarını düzeltin.
* Beklenmeyen renkler veya artefaktlar: ara adımları `Show Image` ile görselleştirerek girdileri kontrol edin ve gerekirse yukarı akışta `Blur` veya başka gürültü giderme yöntemleri uygulayın.