# Watershed Algorithm

Bu fonksiyon bloğu, temas eden veya üst üste binen nesneleri ayırmak için sağlanan foreground ve background maskelerini kullanarak bölge tabanlı segmentasyon gerçekleştirir. Sonuç olarak sınırları gösteren görsel bir örtü ve sonraki işlemler için etiketlenmiş bir segmentasyon haritası (labeled segmentation map) döndürür.

## 📥 Girdiler <a href="#inputs" id="inputs"></a>

`Image Any` Segmentasyon yapılacak orijinal renkli veya gri tonlamalı görüntü.

`Fore Ground` Kesin-nesne (foreground) bölgelerini gösteren ikili/gri tonlamalı maske.

`Back Ground` Kesin-arka plan (background) bölgelerini gösteren ikili/gri tonlamalı maske.

## 📤 Çıktılar <a href="#outputs" id="outputs"></a>

`Image Any` Algılanan bölge sınırları üst üste bindirilmiş (overlay) olarak gösterilen orijinal görüntü (görsel sonuç).

`Shed Image` Segmentlenmiş bölgeleri/marker'ları temsil eden etiketlenmiş (grayscale) görüntü.

## 🕹️ Kontroller <a href="#controls" id="controls"></a>

Bu fonksiyon bloğunda ayarlanabilir widget yoktur. Segmentasyon sonucunu kontrol etmek için doğru ve tutarlı `Fore Ground` ile `Back Ground` girdilerini sağlayın.

## ⚙️ Çalışma mekanizması <a href="#running-mechanism" id="running-mechanism"></a>

* Blok, hangi piksellerin kesinlikle nesneye ait, hangi piksellerin kesinlikle arka plana ait olduğunu belirlemek için sağlanan `Fore Ground` ve `Back Ground` maskelerini kullanır.
* Bu maskeler arasındaki bilinmeyen bölgeleri tespit eder ve ara marker'lar atar.
* Bir segmentasyon geçişi ile bölgeleri ayırır, giriş görüntüsünün bir kopyası üzerine tespit edilen sınırları çizer ve her segment için ayrı bir marker değeri içeren etiketlenmiş bir `Shed Image` üretir.
* Üzerine bindirilmiş görüntü hızlı görsel inceleme için sınırları vurgularken, etiketlenmiş görüntü ölçümler veya sayım gibi sonraki işlemler için uygundur.

## 🎯 Özellikler <a href="#features" id="features"></a>

* Açık foreground/background maskeleri sağlandığında temas eden nesnelerin ayrılmasında iyi çalışır.
* Hem inceleme için görsel bir overlay hem de ölçüm/sayım ve ileri işleme için kullanılabilir etiketlenmiş bir çıktı üretir.
* Renkli veya gri tonlamalı giriş görüntülerini kabul eder.

## 📝 Kullanım talimatları <a href="#usage" id="usage"></a>

1. Nesnelerin iç kısmını kapsayan temiz bir `Fore Ground` maskesi ve arka plan için tamamlayıcı bir `Back Ground` maskesi hazırlayın.
2. Orijinal görüntüyü `Image Any` girişine, iki maskeyi ilgili girişlerine bağlayın.
3. Bloğu çalıştırarak segmentlenmiş overlay ve etiketlenmiş `Shed Image` çıktısını alın.
4. Etiketlenmiş görüntüyü nesne sayımı, bireysel bölge çıkarımı veya diğer sonraki görevler için kullanın.

## 💡 İpuçları ve Püf Noktaları <a href="#tips-and-tricks" id="tips-and-tricks"></a>

* Girdi görüntüsünden başlangıç ikili maskeleri oluşturmak için `Image Threshold`, `Image Adaptive Threshold` veya `HSV Filter` kullanın.
* Maskelerdeki küçük delikleri ve gürültüyü gidermek için `Morphological Transformations` veya `Denoising` uygulayın.
* Zor arka planlar için daha iyi foreground/background adayları üretmek üzere `Grab Cut Algorithm` veya `Background Subtractor` deneyin.
* Segmentasyonu hızlandırmak ve alakasız alanlardan kaçınmak için `Image ROI` veya `Image ROI Select` ile işleme bölgesini sınırlayın.
* Maskeleri ve sonuçları önizlemek için `Show Image` kullanın ve gerektiğinde kullanışlı kareleri `Image Logger` veya `Image Write` ile kaydedin.
* Segmentasyon sonrası, etiketlenmiş `Shed Image` üzerinden bölge özelliklerini ve ölçümlerini çıkarmak için `Find Contour`, `Minimum Rectangle` veya `Measure Object Distance` kullanın.

## 🛠️ Sorun Giderme <a href="#troubleshooting" id="troubleshooting"></a>

* Zayıf segmentasyon veya birleşmiş nesneler: `Fore Ground` yalnızca nesne içlerini kapsadığından ve `Back Ground` yalnızca arka planı kapsadığından emin olun; maskeleri iyileştirmek için morfolojik açma/kapatma uygulayın.
* Sınırlar görünmüyor: giriş görüntülerinin ve maskelerin geçerli görüntü tipinde (boş olmayan) olduğunu ve maskelerin ikili veya net kontrastlı olduğunu doğrulayın.
* Aşırı segmentasyon (çok fazla küçük bölge): segmentasyondan önce maskeleri `Blur`, `Denoising` veya `Morphological Transformations` ile düzleştirin/sadeleştirin.
* Yetersiz segmentasyon (nesneler ayrılmamış): foreground markerlarının doğruluğunu artırın (daha güçlü nesne marker'ları veya manuel ROI seçimi) böylece temas eden nesneler daha iyi ayrılabilir.


---

# 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/image-transformations/transformation-filters/watershed-algorithm.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.