Kanca
Çoğu kişi eşiği ne kadar düşük tutarsa nesneyi o kadar "güvenli" yakalayacağını düşünür — "düşük eşik koyarsam hiçbir parçayı kaçırmam" mantığıyla. Aslında olan bunun tam tersi: eşiği düşürdükçe nesne değil, arka plandaki gürültü de "nesne" sayılmaya başlar.
Bağlantı yalnız bu sahnenin durumunu taşır; hesap veya ad içermez.
Ne oldu
Gördüğün ızgara, bir kameranın ürettiği parlaklık değerlerini (0 ile 255 arası) temsil ediyor. Ortadaki nesne parlak, çevresi daha karanlık ama tamamen düz değil — hafif bir gürültü var, tıpkı gerçek bir kamera görüntüsünde olduğu gibi.
Eşikleme, tek bir kuralla çalışır: parlaklığı eşik değerinin üstünde olan her piksel "nesne" sayılır, altında olan "arka plan" sayılır. OpenCV'nin tanımıyla: "Her piksel için aynı eşik değeri uygulanır. Piksel değeri eşiğe eşit ya da küçükse 0'a, değilse maksimum değere ayarlanır."
Kaydırıcıyı denediğinde şunu fark ettin:
- Eşik çok düşükse (örneğin 50), arka plandaki gürültülü pikseller de eşiğin üstüne çıkar — ekranın büyük bölümü "nesne" sayılır, oysa asıl nesne kayboluyor demektir bu, çünkü artık onu çevresinden ayırt edemezsin.
- Eşik çok yüksekse (örneğin 220), nesnenin gürültülü kenar pikselleri eşiğin altında kalır — nesnenin kendisi parçalanır ya da tamamen kaybolur.
- Aradaki bir aralıkta (bu sahnede kabaca 82-189 arası) sadece gerçek nesne eşiğin üstünde kalır, arka plan tamamen altında.
Ekrandaki "eşiğin üstünde kalan hücre sayısı" bu üç durumu sayısal olarak gösteriyor: doğru aralıkta sabit ve nesnenin gerçek boyutuna yakın kalır, aralığın dışına çıktığında aniden çok küçülür ya da çok büyür.
Gerçek dünyada
Eşikleme, görüntü işlemenin en eski ve en temel bölütleme (segmentation) yöntemi. Gonzalez ve Woods'un Digital Image Processing kitabının bölütleme bölümü, eşiklemeyi "bir görüntüyü, piksel parlaklığına dayanarak nesne ve arka plan olmak üzere ikiye ayırma" olarak tanımlar ve sabit bir eşiğin sadece aydınlatma tutarlıysa işe yaradığını vurgular. Bir üretim hattındaki basit bir görü sistemi — örneğin bir bant üzerinden geçen parlak renkli bir parçayı koyu bir fon üzerinde bulmak — genelde bu kadar basit bir eşikleme ile çözülür; parça fonla yeterince kontrastlıysa tek bir sabit eşik değeri günlerce değiştirilmeden çalışabilir. Aydınlatma değişkense (gün ışığı giren bir alan gibi) sabit eşik yetersiz kalır — bu durumda OpenCV'nin de belgelediği gibi bölgeye göre uyarlanan (adaptive) eşikleme kullanılır.
Dene
Eşiği 30'a çek ve hücre sayısının aniden nasıl fırladığını gözlemle — arka plan gürültüsü artık "nesne" sayılıyor. Sonra 230'a çek, sayının neredeyse sıfıra düştüğünü gör. Son olarak ikisinin ortasında, nesnenin net biçimde ayrıştığı bir değer bul.
Sonraki
Bir önceki derste piksel konumunu milimetreye çevirmiştin; bu derste bir nesneyi görüntüden ayırmayı gördün. Sıradaki derste bu ikisinin birleştiği bir sorunu ele alacaksın: aynı kalibrasyon, görüntünün her noktasında aynı doğrulukta mı çalışır?