In diesem Kapitel stellen wir Ihnen die unterschiedlichen Vision Tool Knoten und deren Nutzen vor. 

1. Code und Text

Mit diesem Knoten können einfache Barcodes ausgelesen werden.

Inputs

• Image: Ein Bild wird erwartet.

Outputs

Der Read Single Barcode gibt ein Barcode Result zurück.  Dieses besteht aus einem Text und einem Format. Um eines der beiden Ergebnisse weiter zu verarbeiten, benötigt man den Break Barcode Result Knoten.

Mit diesem Knoten können mehrere gleichzeitig Barcodes ausgelesen werden.

Inputs

• Image: Ein Bild wird erwartet.

Outputs

Der Read Multiple Barcode gibt ein Barcode Result Array zurück.  Ein Barcode Result besteht aus einem Text und einem Format. Um eines der beiden Ergebnisse weiter zu verarbeiten, benötigt man den Break Barcode Result Knoten. Um jedes einzelne Ergebnis weiterzuverarbeiten, kann man beispielsweise mit dem For Each Loop Knoten arbeiten.

Mit diesem Knoten kann ein Data Matrix Code ausgelesen werden.

Inputs

• Image: Ein Bild wird erwartet.

Outputs

Der Read Data Matric Code gibt ein String Array zurück.

Mit diesem Knoten kann Text ausgelesen werden. 

Inputs

• Image: Ein Bild wird erwartet.
• Language: Es kann als Sprache Deutsch oder Englisch gewählt werden. Je nachdem, welche Sprache dein Text hat, kannst du dich hier entscheiden.
• Mode: Der gewählte Modus bestimmt, wie der Text in einem Bild verarbeitet wird. Die Orientierungs- und Schrifterkennung (OSD) identifiziert die Ausrichtung und die Schrift des Textes, um ihn korrekt auszurichten und zu erkennen. Die Wahl des geeigneten Modus verbessert die OCR-Genauigkeit auf der Grundlage der Textstruktur.
  • Automatic: Nur Orientierungs- und Schrifterkennung (OSD).
  • AutomaticOsd: Automatische Seiteneinteilung mit OSD.
  • AutomaticOnly: Automatische Seitenteilung, aber kein OSD oder OCR.
  • OsdOnly: Vollautomatische Seitensegmentierung, aber kein OSD. 
  • SingleColumn: Man geht davon aus, dass es sich um eine einzelne Textspalte mit variabler Größe handelt.
  • SingleBlockVertText: Man geht davon aus, dass es sich um einen einzigen einheitlichen Block mit vertikal ausgerichtetem Text handelt .
  • SingleBlock: Man geht von einem einzigen einheitlichen Textblock aus.
  • SingleLine: Das Bild wird wie eine einzelne Textzeile behandelt.
  • SingleWord: Das Bild wird wie ein einzelnes Wort behandelt.
  • CircleWord: Das Bild wird wie ein einzelnes Wort in einem Kreis behandelt.
  • SingleChar: Das Bild wird als ein einzelnes Zeichen behandelt.
  • SparseText: Finde so viel Text wie möglich, ohne eine bestimmte Reihenfolge einzuhalten.
  • SparseTextOsd: Finde Text ohne bestimmte Reihenfolge mit OSD.
  • RawLine: Behandlung des Bildes als einzelne Textzeile unter Umgehung der Tesseract-spezifischen Hacks

Outputs

• Text: Der erkannte Text als String
• Confidence: Durchschnittliches Vertrauensniveau bei der Interpretation der erkannten Textelemente. Dieser Wert gibt an, wie sicher der Text richtig erkannt wird.

Liest einen QR-Code aus Ihrem Bild. Ein QR-Code (Quick Response Code) ist eine Art von Matrix-Barcode, der Informationen in einem zweidimensionalen Format speichert, das aus schwarzen und weißen Quadraten besteht.

Inputs

• Image: Ein Bild wird erwartet.

Outputs

Der in den Code eingebettete Wert wird als String zurückgegeben.

2. Contour

Zeigt Konturen auf einem Bild an, so dass die Umrisse von Objekten oder Regionen, die durch die Konturen identifiziert werden, leichter zu erkennen sind.

Inputs

• Image: Ein Bild wird erwartet.
• Contours: Ein Polylinien-Array, das die Liste der Konturen darstellt.
• Color: Die Farbe der Kontur
• Thickness: Die Dicke der Kontur. Der Wert muss >= 1 sein.

Outputs

Das transformierte Bild mit überlagerten oder hervorgehobenen Konturen wird zurückgegeben.

Wählt Konturen aus einer Liste auf der Grundlage ihres Indexbereichs aus.

Inputs

• Contours: Ein Polylinien-Array, das die Liste der Konturen darstellt.
• Min Index: Minimaler Indexwert der abzurufenden Konturen. Der Mindestwert ist 0.
• Max Index: Maximaler Indexwert der abzurufenden Konturen. Der maximale Wert ist Konturlänge – 1.

Outputs

Ein Polylinien-Array, das die Liste der Konturen innerhalb des angegebenen Indexbereichs darstellt, wird zurückgegeben.

Wählt Konturen auf der Grundlage ihrer Flächengröße aus.

Inputs

• Contours: Ein Polylinien-Array, das die Liste der Konturen darstellt.
• Min Area: Mindestflächengröße der einzubeziehenden Konturen. Der Mindestwert ist 0.
• Max Area: Maximale Flächengröße der einzubeziehenden Konturen.

Outputs

Ein Polylinien-Array, das die Liste der Konturen innerhalb des angegebenen Bereichs darstellt.

Konvertiert Konturen in eine Region oder Maske, die für die weitere Bearbeitung verwendet werden kann.

Inputs

• Contours: Ein Polylinien-Array, das die Liste der Konturen darstellt.
• Width: Breite des Bereichs für die Anzeige der Konturen
• Height: Höhe des Bereichs zur Anzeige der Konturen
• Draw Mode: 
  • Fill: Ausgemalt
  • Border: Eingerahmt

Outputs

Eine Region. Also ein binäres Bild.

3. Filter

3.1 Arithmetic

Berechnet die Abweichung von einem Standard- oder erwarteten Wert in einem Bild.

Inputs

• Image: Originalbild
• Mask Width: Ein höherer Wert vergrößert den Bereich, der für die Abweichung in Betracht gezogen wird, wodurch möglicherweise breitere Muster oder Variationen erfasst werden.
• Mask Height: Ein höherer Wert vergrößert den Bereich, der für die Abweichung in Betracht gezogen wird, wodurch möglicherweise breitere Muster oder Variationen erfasst werden.

Outputs

Transformiertes Bild, das die Abweichung vom erwarteten Wert zeigt.

Betont den Kontrast und die Helligkeit eines Bildes, um sein Aussehen zu verbessern.

Inputs

• Image: Originalbild
• Contrast: Anpassungsfaktor zur Verstärkung oder Verringerung des Bildkontrasts. Ein höherer Wert hebt die Unterschiede zwischen hellen und dunklen Bereichen hervor.
• Brightness: Höhere Werte erhöhen die Gesamthelligkeit und machen das Bild heller

Outputs

Transformiertes Bild mit angepasstem Kontrast und Helligkeit.

Verbessert die Schärfe eines Bildes, um Kanten und Details deutlicher zu machen.

Inputs

• Image: Originalbild
• Kernel Size: Hohe Werte erhöhen die Kernelgröße und verbessern größere Merkmale und Kanten

Outputs

Transformiertes Bild mit verbesserter Schärfe.

Passt den Gammawert eines Bildes an, um dessen Helligkeit und Kontrast zu steuern.

Inputs

• Image: Originalbild
• Gamma: Höhere Werte erhöhen die Gammakorrektur, wodurch die Mitteltöne heller werden und der Kontrast verstärkt wird.

Outputs

Transformiertes Bild mit angepasster Gammakorrektur.

Subtrahiert Pixelwerte eines Bildes von einem anderen, um Unterschiede hervorzuheben oder Effekte zu erzeugen.

Inputs

• Image: Originalbild
• Image: Bild, das vom Originalbild abgezogen werden soll.

Outputs

Transformiertes Bild.

Wendet eine Potenzfunktion auf die Pixelwerte eines Bildes an, um dessen Helligkeit und Kontrast anzupassen.

Inputs

• Image: Originalbild
• Power: Höhere Werte verstärken die Wirkung der Potenzfunktion und machen das Bild heller oder kontrastreicher.

Outputs

Transformiertes Bild.

3.2 Contour

Ruft Konturen aus einer Region (Binärbild) ab. Die Konturen sind ein nützliches Werkzeug für die Formanalyse und die Erkennung von Objekten.

Inputs

• Region: 8-Bit-Ein-Kanal-Bild. Sie können binäre Schwellenwerte, adaptive Schwellenwerte, Canny und andere verwenden, um ein binäres Bild aus einem Graustufenbild zu erstellen.

Outputs

Ein Polylinien-Array, das die Liste der in der angegebenen Region gefundenen Konturen darstellt. Jede Kontur ist eine Folge von Punkten, die die Grenze eines erkannten Objekts oder Bereichs im Bild abstecken.

Wendet den Sobel-Operator auf ein Bild an, um den Gradientenwert zu berechnen, der Kanten und Intensitätsänderungen hervorhebt.

Inputs

• Image: Ein Graustufenbild
• Order x: Reihenfolge der Steigung in x-Richtung.
• Order y: Reihenfolge der Steigung in y-Richtung.
• Kernel Size: Ein hoher Wert vergrößert die Kernelgröße für die Berechnung größerer Flächengradienten. Größe des erweiterten Sobel-Kernels, muss 1, 3, 5 oder 7 sein
• Scale: Skalierungsfaktor, der auf den berechneten Gradienten angewendet wird.
• Delta: Wert, der zur berechneten Steigung addiert wird.

Outputs

Transformiertes Bild, das die Größe und Richtung des Gradienten zeigt.

Wendet den Canny-Kantenerkennungsalgorithmus auf ein Bild an, der Kanten anhand von Intensitätsgradienten identifiziert.

Inputs

• Image: Ein Graustufenbild
• Threshold: Der Wert muss zwischen 0 und 255 liegen.

Outputs

Transformiertes Bild mit Hervorhebung der erkannten Kanten

Wendet den Laplacian-Operator auf ein Bild an, um die zweite Ableitung zu berechnen und Regionen mit schnellen Intensitätsänderungen hervorzuheben.

Inputs

• Image: Ein Graustufenbild
• Kernel Size: Ein hoher Wert erhöht die Kernelgröße für die Berechnung größerer Flächengradienten. Der Wert muss positiv und ungerade sein.
• Scale: Skalierungsfaktor, der auf den berechneten Gradienten angewendet wird.
• Delta: Wert, der zur berechneten Steigung addiert wird.

Outputs

Transformiertes Bild, das Bereiche mit schnellen Intensitätsänderungen zeigt.

3.3 Smoothing

Wendet einen Mittelwertbildungsfilter auf ein Bild an, was zu einem glatteren Erscheinungsbild führt und Rauschen reduziert.

Inputs

• Image: Originalbild
• Size X: Breite der für die Mittelwertbildung verwendeten Nachbarschaft. Höhere Werte erhöhen die Glättung, können aber Details verwischen. Der Wert muss positiv und ungerade sein.
• Size Y: Höhe der für die Mittelwertbildung verwendeten Nachbarschaft. Höhere Werte erhöhen die Glättung, können aber Details verwischen. Der Wert muss positiv und ungerade sein.

Outputs

Bild mit weniger Rauschen und glatterem Aussehen

Wendet einen bilateralen Filter auf ein Bild an, der das Bild glättet und dabei die Kanten erhält, indem er sowohl den räumlichen Abstand als auch den Intensitätsunterschied berücksichtigt.

Inputs

• Image: Originalbild
• Diameter: Durchmesser jeder Pixel-Nachbarschaft, die beim Filtern verwendet wird. Bei höheren Werten wird die Glättung verstärkt.
•  Sigma Color: Standardabweichung des Farbraums, die sich darauf auswirkt, wie stark der Filter Intensitätsunterschiede zwischen den Pixeln berücksichtigt. Höhere Werte erhöhen die allgemeine Glättung
• Sigma Space: Standardabweichung des räumlichen Abstands, die sich darauf auswirkt, wie stark der Filter die Nähe der Pixel berücksichtigt. Bei höheren Werten können weiter entfernte Pixel die Glättung beeinflussen.

Outputs

Bild mit geglätteten Regionen und erhaltenen Kanten

Wendet einen Gauß-Filter auf ein Bild an und glättet es durch Mittelwertbildung der Pixelwerte innerhalb einer bestimmten Gauß-Kernelgröße.

Inputs

• Image: Originalbild
• Size X: Breite des Gaußschen Kerns. Höhere Werte erhöhen die Glättung, können aber Details verwischen. Der Wert muss positiv und ungerade sein.
• Size Y: Höhe des Gaußschen Kerns. Höhere Werte erhöhen die Glättung, können aber Details verwischen. Der Wert muss positiv und ungerade sein. 

Outputs

Bild mit weniger Rauschen und glatterem Erscheinungsbild

Mit diesem Knoten können Sie einen Medianfilter auf ein Bild anwenden, der das Rauschen reduziert, indem er jeden Pixelwert durch den Medianwert seiner Nachbarschaft ersetzt.

Inputs

• Image: Originalbild
• Size: Größe der Nachbarschaft, die für die Berechnung des Medians verwendet wird. Höhere Werte erhöhen die Rauschunterdrückung, können aber feine Details verwischen. Der Wert muss positiv, ungerade und größer als 1 sein, d.h. 3, 5, …

Outputs

Bild mit reduziertem Rauschen und erhaltenen Kanten

3.4 Transformation

Skaliert die Breite und Höhe eines Bildes mit unterschiedlichen Faktoren, so dass eine ungleichmäßige Größenänderung möglich ist.

Inputs

• Image: Originalbild
• Scale Width: Faktor, um den die Bildbreite skaliert wird.
• Scale Height: Faktor, um den die Bildhöhe skaliert wird.

Outputs

Transformiertes Bild

Skaliert ein Bild unter Beibehaltung des Seitenverhältnisses und ändert die Größe beider Dimensionen um denselben Faktor.

Inputs

• Image: Originalbild
• Scale: Einheitlicher Skalierungsfaktor, der sowohl auf die Breite als auch auf die Höhe angewendet wird.

Outputs

Transformiertes Bild

Ändert die Größe eines Bildes auf bestimmte Abmessungen, wobei sowohl die Breite als auch die Höhe auf die gewünschten Werte geändert werden.

Inputs

• Image: Originalbild
• Width: Gewünscht Breite
• Height: Gewünschte Höhe

Outputs

Transformiertes Bild

Verschiebt ein Bild horizontal und/oder vertikal um bestimmte Abstände, wodurch der Inhalt des Bildes innerhalb des Rahmens verschoben wird.

Inputs

• Image: Originalbild
• X: Horizontaler Verschiebungsabstand.
• Y: Vertikaler Verschiebungsabstand.

Outputs

Transformiertes Bild

Spiegelt ein Bild in einer bestimmten Richtung, entweder horizontal oder vertikal, und erzeugt ein Spiegelbild entlang der gewählten Achse.

Inputs

• Image: Originalbild
• Flip Mode: Richtung, in der das Bild gespiegelt werden soll (z. B. horizontal, vertikal oder horizontal und vertikal).

Outputs

Gespiegeltes Bild

Dreht ein Bild um einen bestimmten Winkel und ändert dabei seine Ausrichtung um den Mittelpunkt.

Inputs

• Image: Originalbild
• Degree: Winkel (Grad), um den das Bild gedreht wird.

Outputs

Gedrehtes Bild

4. Image

Ruft die Abmessungen eines Bildes ab.

Inputs

• Image: Ein Bild wird erwartet.

Outputs

• Width
  • Breite des Bildes
• Height
  • Höhe des Bildes

Vergleicht Bilder und hebt den Unterschied zwischen zwei Bildern hervor.

Inputs

• Image 1
  • Image
• Image 2
  • Image

Outputs

• Image

Wandelt ein RGB-Bild in ein Graustufenbild um. Graustufenbilder stellen jedes Pixel mit einem einzigen Intensitätswert dar, der von Schwarz bis Weiß (0 – 255) reicht, basierend auf der Luminanz der ursprünglichen RGB-Pixel. Diese Umwandlung vereinfacht Bildverarbeitungsaufgaben, die keine Farbinformationen erfordern.

Inputs

• Image
  • BGR-Bild

Outputs

• Image
  • Graustufenbild

Beschneidet ein Bild anhand von Koordinaten. Sie können die Koordinaten (x1, y1) der linken oberen Ecke und (x2, y2) der rechten unteren Ecke angeben, um den Bereich von Interesse zu definieren. Der Knoten extrahiert den beschnittenen Teil des Eingabebildes und gibt ihn zurück.

Inputs

• Image
  • original image
• X1
• Y1
• X2
• Y2

Outputs

• Image
  • cropped image

Ruft die Abmessungen eines Bildes ab.

Inputs

• Image: Ein Bild wird erwartet.

Outputs

• Width
  
  • Breite des Bildes
• Height
  
  • Höhe des Bildes

Beschneidet ein Bild mit Hilfe eines Rahmens.

Inputs

• Image
  • original image
• Box

Outputs

• Image
  • cropped image

Ruft die Abmessungen eines Bildes ab.

Inputs

• Image: Ein Bild wird erwartet.

Outputs

• Width
  
  • Breite des Bildes
• Height
  
  • Höhe des Bildes

Crops a circular portion from an image using specified center coordinates and radius. This capability is useful for applications requiring selective extraction of circular regions, such as isolating specific objects or features in images.

Inputs

• Image
  • original image
• Center X
  • Horizontal coordinate specifying the center of a circle
• Center Y
  • Vertical coordinate specifying the center of a circle
• Radius
  • Distance from the center to the edge of the circle

Outputs

• Image
  • cropped image

Zeichnet einen Kreis auf ein Bild. Diese Funktion ist nützlich, um bestimmte Bereiche von Interesse zu visualisieren oder zu markieren, was bei Analyse- oder Anmerkungsaufgaben hilfreich ist.

Inputs

• Image
  • original image
• Center X
  • Horizontal coordinate specifying the center of a circle
• Center Y
  • Vertical coordinate specifying the center of a circle
• Radius
  • Distance from the center to the edge of the circle
• Color
  • Color of the circle
• Thickness
  • thickness of the circle

Outputs

• Image
  • Image containing a circle

Mit diesem Knoten können Sie den Bereich eines Bildes auf ein Rechteck reduzieren, wobei die Daten des Originalbildes außerhalb dieses Bereichs erhalten bleiben. Diese Funktion ist nützlich, um sich auf einen bestimmten rechteckigen Bereich zu konzentrieren, was die weitere Verarbeitung oder Analyse vereinfachen kann.

Inputs

• Image
  • original image
• Box

Outputs

• Image

Reduces the domain area of an image without cutting the image. Useful for finding objects while keeping the original coordinates.

Inputs

• Image
  • original image
• Region

Outputs

• Image

Berechnet den Mittelwert eines Bildes. Dabei wird die durchschnittliche Intensität aller Pixel im Bild berechnet, was ein Maß für die Gesamthelligkeit oder Farbintensität darstellt.

Inputs

• Image
  • original image

Outputs

Return (single)

• Durchschnittliche Intensität. Hohe Werte bedeuten, dass das Bild heller ist oder eine höhere Intensität hat, während niedrige Werte bedeuten, dass das Bild dunkler ist oder eine niedrigere Intensität hat.

Berechnet die Standardabweichung eines Bildes. Dies beinhaltet die Berechnung des Maßes für die Variation oder Streuung der Pixelwerte über das gesamte Bild, was einen Einblick in den Bereich der vorhandenen Intensitäts- oder Farbwerte gibt.

Inputs

• Image
  • original image

Outputs

• Return (single)
  • Hohe Werte weisen auf eine größere Variabilität oder einen stärkeren Kontrast der Pixelwerte hin, während niedrige Werte auf eine größere Einheitlichkeit oder Konsistenz der Pixelwerte hinweisen.

Berechnet den Mindestwert eines Bildes. Dabei wird das Pixel mit der niedrigsten Intensität oder dem niedrigsten Farbwert im gesamten Bild ermittelt, was Aufschluss über den dunkelsten oder am wenigsten intensiven Teil des Bildes gibt.

Inputs

• Image
  • original image

Outputs

• Minimum
  • Zeigt die niedrigste Intensität oder den niedrigsten Farbwert im Bild an.
• Standort
  • Gibt die Koordinaten (x, y) des Pixels mit dem Mindestwert an.

Berechnet den Maximalwert eines Bildes. Dabei wird das Pixel mit dem höchsten Intensitäts- oder Farbwert im gesamten Bild ermittelt, was Aufschluss über den hellsten oder intensivsten Teil des Bildes gibt.

Inputs

• Image
  • original image

Outputs

• Maximum
  • gibt die höchste Intensität oder den höchsten Farbwert im Bild an.
• Standort
  • Gibt die Koordinaten (x, y) des Pixels mit dem Maximalwert an.

5. Region

Berechnet die Fläche jeder einzelnen Region (zusammenhängende Komponente) in einem binären Bild. Sie liefert quantitative Informationen über die Größe von Objekten oder Regionen innerhalb des Bildes.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (int array)
  • Array, das die Fläche jeder erkannten Region enthält

Liefert die Koordinaten des Massenschwerpunkts jeder Region, die für weitere Analysen oder Objektlokalisierungsaufgaben verwendet werden können.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (Point2d-Array)
  • Stellt den Schwerpunkt oder das geometrische Zentrum jeder bestimmten Region dar

Liefert die Koordinaten des Massenschwerpunkts jeder Region, die für weitere Analysen oder Objektlokalisierungsaufgaben verwendet werden können.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (Point2d-Array)
  • Stellt den Schwerpunkt oder das geometrische Zentrum jeder bestimmten Region dar

Mit diesem Knoten können Sie die schwarzen Pixel in einem Bild zählen. Diese Metrik ist nützlich, um die Größe oder das Ausmaß der als schwarz dargestellten Bereiche im Bild zu quantifizieren.

Inputs

• Region
  • Binärbild, das nach der Segmentierung in Schwarzweiß verarbeitet wurde

Outputs

• Return (int)
  • total number of black pixels within the image

Mit diesem Knoten können Sie verschiedene zusammenhängende Komponenten oder Regionen identifizieren und quantifizieren, wobei jede Region eine Gruppe von zusammenhängenden Pixeln mit demselben Wert darstellt.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (int)
  • Gesamtzahl der verschiedenen zusammenhängenden Komponenten oder Regionen

Mit diesem Knoten können Sie die weißen Pixel in einem Bild zählen, was nützlich ist, um die Größe oder das Ausmaß der als weiß dargestellten Bereiche innerhalb des Bildes zu quantifizieren.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (int)
  • Gesamtzahl der weißen Pixel im Bild

Analysiert zwei Regionen, indem es sie zu einem zusammenhängenden, einheitlichen Ergebnis zusammenführt. Dieser Vorgang ist von unschätzbarem Wert für Aufgaben wie den Abgleich von Objekten, das Zusammenführen benachbarter Regionen und die Bewertung der Segmentierungsgenauigkeit.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Bereich
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückkehr (Region)
  • Einheitliche Darstellung von zwei segmentierten Bereichen

Mit diesem Knoten können Sie eine segmentierte Region von einer anderen subtrahieren, was nützlich ist, um Unterschiede oder Überlappungen zwischen den beiden Regionen zu isolieren.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Bereich
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (Region)
  • Binäres Bild, das die Unterschiede zwischen zwei subtrahierten Regionen hervorhebt.

Compares gibt die Schnittmenge zwischen zwei Regionen zurück. Diese Operation ist nützlich, um gemeinsame Bereiche oder Merkmale zwischen zwei segmentierten Objekten in einem Bild zu identifizieren.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Bereich
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (Region)
  • Binäres Bild, das die Überschneidungsbereiche zwischen zwei Regionen zeigt

Dieser Knoten kehrt die Pixel eines bestimmten Bereichs oder einer Auswahl um oder invertiert sie, in der Regel von Weiß zu Schwarz und umgekehrt. Dies ist nützlich, um bestimmte Bereiche von Interesse hervorzuheben oder um Negativversionen von Bildern für bestimmte Anwendungen zu erstellen.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (Region)
  • Umgekehrtes Binärbild

Konvertiert eine Region in ein Bild.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Image

Wählt einen Bereich von Regionen aus, der durch eines der folgenden Merkmale angegeben wird: Fläche, Index, Höhe und Breite

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde
• Merkmal
  • Gibt an, nach welchem Merkmal der Region gefiltert werden soll. Fläche (Gesamtzahl der Pixel), Index (Position in einer Liste/einem Array), Höhe (vertikale Ausdehnung) oder Breite (horizontale Ausdehnung)
• Min
  • Der minimale akzeptable Wert für das gewählte Merkmal.
  • Der Wert muss mindestens 0 sein.
• Max
  • Der maximal zulässige Wert für das gewählte Merkmal.

Outputs

• Region
  • Gefiltertes Binärbild, das nur die Teile der ursprünglichen Region enthält, die den angegebenen Kriterien entsprechen.

Dieser Knoten identifiziert den größten zusammenhängenden Bereich innerhalb eines Binärbildes. Dieser Vorgang ist nützlich, um dominante Objekte oder Bereiche von Interesse auf der Grundlage ihrer Größe im Bild zu extrahieren.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Größte Region
  • Binäres Bild, verarbeitet in Schwarz-Weiß
• Fläche (int)
  • Anzahl der Pixel des größten Bereichs

Berechnet den kleinsten Kreis, der die gesamte Region innerhalb eines Binärbildes vollständig umschließen kann. Dieser Vorgang ist nützlich, um die kompakte geometrische Darstellung der Region zu bestimmen, Einblicke in ihre räumliche Ausdehnung zu erhalten und weitere Analysen oder Messungen zu erleichtern.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (Kreis)
  • kleinster Kreis

Berechnet das kleinste Rechteck, das die gesamte Region in einem Binärbild vollständig umschließen kann. Dieser Vorgang ist nützlich, um eine kompakte geometrische Darstellung der räumlichen Ausdehnung der Region zu erhalten, die eine detaillierte Analyse und Messung ihrer Grenzen erleichtert.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in Schwarz-Weiß verarbeitet wurde

Outputs

• Rückgabe (Rechteck)
  • kleinster Kreis

5.1 Morphology

Die Erosion entfernt allmählich die Ränder eines weißen Vordergrundobjekts in einem Bild, indem sie nicht-weiße Pixel in Schwarz verwandelt. Auf diese Weise wird die Größe der weißen Bereiche reduziert, was sich als nützlich erweist, um kleine weiße Flecken zu entfernen oder zusammenhängende Objekte im Bild zu trennen.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Form
  • Rechteckig berücksichtigt alle Pixel innerhalb seiner Grenzen. Kreuz umfasst das zentrale Pixel und seine unmittelbaren Nachbarn entlang der vertikalen und horizontalen Achsen. Ellipse umfasst alle Pixel innerhalb ihrer Begrenzung, nützlich für die Erfassung komplexer Formen und Konturen.
• Größe
  • Bezieht sich auf die Dimensionen des für die Operation verwendeten Kerns. Eine größere Größe vergrößert den Bereich, der um jedes Pixel herum abgedeckt wird, und wirkt sich darauf aus, wie stark das Bild morphologisch transformiert wird.
• Wiederholungen
  • Gibt an, wie oft die morphologische Operation angewendet wird.

Outputs

• Rückkehr (Region)
  • Binäres Bild nach dem Morphen

Die Dilatation erweitert allmählich die Grenzen von weißen Vordergrundobjekten in einem Bild, indem sie Pixel weiß färbt, wenn mindestens ein Pixel unter dem Kernel weiß ist. Dadurch werden weiße Bereiche vergrößert, wodurch Lücken gefüllt und/oder unterbrochene Teile von Objekten im Bild verbunden werden.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Form
  • Rechteckig berücksichtigt alle Pixel innerhalb seiner Grenzen. Kreuz umfasst das zentrale Pixel und seine unmittelbaren Nachbarn entlang der vertikalen und horizontalen Achsen. Ellipse umfasst alle Pixel innerhalb ihrer Begrenzung, nützlich für die Erfassung komplexer Formen und Konturen.
• Größe
  • Bezieht sich auf die Dimensionen des für die Operation verwendeten Kerns. Eine größere Größe vergrößert den Bereich, der um jedes Pixel herum abgedeckt wird, und wirkt sich darauf aus, wie stark das Bild morphologisch transformiert wird.
• Wiederholungen
  • Gibt an, wie oft die morphologische Operation angewendet wird.

Outputs

• Rückkehr (Region)
  • Binäres Bild nach dem Morphen

Open wendet die Erosion gefolgt von der Dilatation auf ein Bild an. Es hilft dabei, Grenzen zu glätten, kleine Vorsprünge zu entfernen und sich überlappende Objekte zu trennen, indem die weißen Bereiche im Bild zunächst verkleinert und dann vergrößert werden. Dieses Verfahren eignet sich besonders gut zum Bereinigen verrauschter Bilder oder zur Vorbereitung weiterer Analysen wie der Objekterkennung.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Form
  • Rechteckig berücksichtigt alle Pixel innerhalb seiner Grenzen. Kreuz umfasst das zentrale Pixel und seine unmittelbaren Nachbarn entlang der vertikalen und horizontalen Achsen. Ellipse umfasst alle Pixel innerhalb ihrer Begrenzung, nützlich für die Erfassung komplexer Formen und Konturen.
• Größe
  • Bezieht sich auf die Dimensionen des für die Operation verwendeten Kerns. Eine größere Größe vergrößert den Bereich, der um jedes Pixel herum abgedeckt wird, und wirkt sich darauf aus, wie stark das Bild morphologisch transformiert wird.
• Wiederholungen
  • Gibt an, wie oft die morphologische Operation angewendet wird.

Outputs

• Rückkehr (Region)
  • Binäres Bild nach dem Morphen

Schließen wendet Dilatation gefolgt von Erosion auf ein Bild an. Es hilft, kleine Lücken zwischen weißen Bereichen zu schließen, unterbrochene Teile von Objekten zu verbinden und Unregelmäßigkeiten im Vordergrund zu glätten. Dieser Prozess ist nützlich, um kleine Löcher oder Lücken in Objekten zu füllen und die Kontinuität in segmentierten Bildbereichen zu gewährleisten.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Form
  • Rechteckig berücksichtigt alle Pixel innerhalb seiner Grenzen. Kreuz umfasst das zentrale Pixel und seine unmittelbaren Nachbarn entlang der vertikalen und horizontalen Achsen. Ellipse umfasst alle Pixel innerhalb ihrer Begrenzung, nützlich für die Erfassung komplexer Formen und Konturen.
• Größe
  • Bezieht sich auf die Dimensionen des für die Operation verwendeten Kerns. Eine größere Größe vergrößert den Bereich, der um jedes Pixel herum abgedeckt wird, und wirkt sich darauf aus, wie stark das Bild morphologisch transformiert wird.
• Wiederholungen
  • Gibt an, wie oft die morphologische Operation angewendet wird.

Outputs

• Rückkehr (Region)
  • Binäres Bild nach dem Morphen

Der Gradient berechnet den Unterschied zwischen Dehnung und Erosion eines Bildes und hebt Kanten und Objektkonturen hervor. Er ist nützlich für Aufgaben wie Kantenerkennung und Grenzziehung.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Form
  • Rechteckig berücksichtigt alle Pixel innerhalb seiner Grenzen. Kreuz umfasst das zentrale Pixel und seine unmittelbaren Nachbarn entlang der vertikalen und horizontalen Achsen. Ellipse umfasst alle Pixel innerhalb ihrer Begrenzung, nützlich für die Erfassung komplexer Formen und Konturen.
• Größe
  • Bezieht sich auf die Dimensionen des für die Operation verwendeten Kerns. Eine größere Größe vergrößert den Bereich, der um jedes Pixel herum abgedeckt wird, und wirkt sich darauf aus, wie stark das Bild morphologisch transformiert wird.
• Wiederholungen
  • Gibt an, wie oft die morphologische Operation angewendet wird.

Outputs

• Rückkehr (Region)
  • Binäres Bild nach dem Morphen

Top Hat berechnet den Unterschied zwischen dem Originalbild und seiner Öffnung. Dieser Vorgang eignet sich gut, um kleine, helle Details oder Merkmale in einem Bild hervorzuheben, z. B. feine Strukturen oder Rauschen.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Form
  • Rechteckig berücksichtigt alle Pixel innerhalb seiner Grenzen. Kreuz umfasst das zentrale Pixel und seine unmittelbaren Nachbarn entlang der vertikalen und horizontalen Achsen. Ellipse umfasst alle Pixel innerhalb ihrer Begrenzung, nützlich für die Erfassung komplexer Formen und Konturen.
• Größe
  • Bezieht sich auf die Dimensionen des für die Operation verwendeten Kerns. Eine größere Größe vergrößert den Bereich, der um jedes Pixel herum abgedeckt wird, und wirkt sich darauf aus, wie stark das Bild morphologisch transformiert wird.
• Wiederholungen
  • Gibt an, wie oft die morphologische Operation angewendet wird.

Outputs

• Rückkehr (Region)
  • Binäres Bild nach dem Morphen

Black Hat berechnet die Differenz zwischen dem Abschluss eines Bildes und dem Originalbild selbst. Dieser Vorgang ist nützlich, um kleine, dunkle Merkmale oder Details in einem Bild zu erkennen und hervorzuheben, z. B. Flecken oder dunkle Objekte vor einem hellen Hintergrund.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Form
  • Rechteckig berücksichtigt alle Pixel innerhalb seiner Grenzen. Kreuz umfasst das zentrale Pixel und seine unmittelbaren Nachbarn entlang der vertikalen und horizontalen Achsen. Ellipse umfasst alle Pixel innerhalb ihrer Begrenzung, nützlich für die Erfassung komplexer Formen und Konturen.
• Größe
  • Bezieht sich auf die Dimensionen des für die Operation verwendeten Kerns. Eine größere Größe vergrößert den Bereich, der um jedes Pixel herum abgedeckt wird, und wirkt sich darauf aus, wie stark das Bild morphologisch transformiert wird.
• Wiederholungen
  • Gibt an, wie oft die morphologische Operation angewendet wird.

Outputs

• Rückkehr (Region)
  • Binäres Bild nach dem Morphen

Hit Miss erkennt bestimmte Muster in einem Bild, indem es die durch zwei komplementäre Strukturelemente (Kernel) definierten Vorder- und Hintergrundbedingungen abgleicht. Es identifiziert genaue Konfigurationen von Pixeln, die für präzise Form- oder Mustererkennungsaufgaben in der Bildverarbeitung nützlich sind.

Inputs

• Region
  • Binäres Bild, das nach der Segmentierung in schwarz-weiß verarbeitet wurde
• Form
  • Rechteckig berücksichtigt alle Pixel innerhalb seiner Grenzen. Kreuz umfasst das zentrale Pixel und seine unmittelbaren Nachbarn entlang der vertikalen und horizontalen Achsen. Ellipse umfasst alle Pixel innerhalb ihrer Begrenzung, nützlich für die Erfassung komplexer Formen und Konturen.
• Größe
  • Bezieht sich auf die Dimensionen des für die Operation verwendeten Kerns. Eine größere Größe vergrößert den Bereich, der um jedes Pixel herum abgedeckt wird, und wirkt sich darauf aus, wie stark das Bild morphologisch transformiert wird.
• Wiederholungen
  • Gibt an, wie oft die morphologische Operation angewendet wird.

Outputs

• Rückkehr (Region)
  • Binäres Bild nach dem Morphen

6. Segmentation

Bei dieser Methode werden Pixelwerte oberhalb eines bestimmten Schwellenwerts in einen Maximalwert (weiß) und unterhalb des Schwellenwerts in Null (schwarz) umgewandelt, wodurch eine klare Trennung zwischen Objekt und Hintergrund entsteht.

Inputs

• Image
• Threshold Value
• Invert
  • wandelt Pixelwerte um

Outputs

• Rückgabe (Region)
  • Binäres Bild

Pixelwerte unterhalb des Schwellenwerts werden auf Null gesetzt, und die Werte oberhalb des Schwellenwerts bleiben unverändert. Bei dieser Methode bleiben mehr Details des Originalbildes für Pixel oberhalb des Schwellenwerts erhalten.

Inputs

• Image
• Threshold Value
• Invert
  • wandelt Pixelwerte um

Outputs

• Rückkehr (Region)
  • Binäres Bild

TBD

Inputs

• TBD

Outputs

• TBD

Bei der adaptiven Schwellenwertbildung wird der Schwellenwert für jedes Pixel auf der Grundlage seiner lokalen Umgebung angepasst, wodurch unterschiedliche Beleuchtungsbedingungen in Bildern effektiv gehandhabt werden. Diese Methode erhöht die Genauigkeit, insbesondere in Szenarien, in denen die Beleuchtung im Bild ungleichmäßig ist.

Inputs

• Image
  • Originalbild
• Type
  • MeanC berechnet den Schwellenwert als Durchschnitt der benachbarten Pixel, während GaussianC ihn als Gauß-gewichtete Summe berechnet.
• Max Value
  
  • Pixel, deren Intensitätswerte über oder gleich dem berechneten Schwellenwert liegen, werden auf diesen Maximalwert gesetzt.
• Kernel
  • Dieser Parameter gibt die Größe des Nachbarschaftsbereichs (ein Quadrat) an. Eine Erhöhung der Blockgröße führt tendenziell zu glatteren Bildern, während eine Verringerung zu schärferen, definierteren Grenzen führen kann.
• Konstante
  • Dies ist ein konstanter Wert, der vom berechneten Mittelwert oder der Gauß-gewichteten Summe abgezogen wird, um den endgültigen Schwellenwert zu bestimmen. Höhere Werte reduzieren die Anzahl der Pixel, die als Vordergrund (weiß) klassifiziert werden.

Outputs

• Return (Region)
  • Binäres Bild, bei dem jedes Pixel entweder schwarz oder weiß ist, was Regionen über oder unter dem berechneten Schwellenwert darstellt.