3.8 Yerel Kenar birleştirici metodlar

Bir çok kenar detektörü kenarın üzerindeki hehangi bir noktadaki eğimin yönü hakkında bilgi verir. Bu bilgi, kenarı oluştururuken oldukça faydalıdır çünkü bir birine komşu noktalar aynı türeve sahip olacaktır.

Yerel kenar birleştirici metodlar genelde belilrli bir noktada başlayıp komuşularını bir benzerlik testine sokarak devam ederler. Eğer noktalar benzerlik testine uyarlarsa noktalar şu andaki kenar kümesine eklenirler.

Daha sonra yeni eklenmiş noktalarla aynı işlem sürdürülür. Eğer noktanın çevresindeki herhangi bir nokta kenar özelliklerini taşımıyorsa kenarın sonuna gelmişiz demektir.

3.9 Kesimleme(Segmentation)

İmgelerden bilgi almanın bir diğer yoluda kesimelemedir. Kesimleme birbirine benzeyen belirli bir alanın diğerlerinde ayırmaya yarar.

• 2 Boyutlu : Resimdeki pikseller yoğunluklarındaki değişime göre gruplanırlar.
• 3 Boyutlu: Resimdeki pikseller derinliklerinin değişim hızına göre gruplanırlar.

Temel kesimleme şekilleri şunlardır.

3.8.1 Bölge Ayırma (Region Splitting)

Bölge ayırmanın temel prensibi şudur. İlk önce imge bir bütün olarak ele alınır. Sonra imgeye bakılır. Eğer bütün parçaları uyumluysa algoritma sonra erer. Eğer uyumsuzsa bölge 4 ana parçaya ayrılır ve her biri için algoritma devam eder. Bu işlem daha fazla bölünme olmayana kadar devam eder. Bir böl ve fethet taktiğidir. Olabilecek en kötü sonuç en küçük piksele kadar herşeyin bölünmesidir. Bu tür sonuçları engellemek için her bölünmeden sonra komşulara bakılır, uygun birleşme yapılabilir mi diye.

3.8.2 Bölge büyümesi (Region Growing)

Bölge büyümesi , bölge ayırmanın tam tersi yoldan giden bir algoritmadır. Başlangıç değerleri olarak küçük bölgeler birleştirilir. Herhangi bir başlangıç tohum(seed) nokta bulunarak bu yapılır. Bölgenin büyümesi durunca şu an herhangi bir bölgeye dahil olmamış noktalar seçilerek işleme devam edilir.

İşlenmemiş imge	Yumuşatılmış imge	Keskinleştirilmiş imge
Kenar tanımlama	Tamamlayıcı alma	Kontrast