THRESHOLDING USULI YORDAMIDA TASVIRLARDAGI OBYEKT CHEGARALARINI ANIQLASH.

Аннотация

Ushbu maqolada tasvirni qayta ishlash sohasida muhim o‘rin tutadigan thresholding usuli yordamida obyektlarning chegaralarini aniqlash masalasi ko‘rib chiqiladi. Thresholding — bu tasvirni binar ko‘rinishga keltirish orqali obyekt va fonni ajratib olish imkonini beruvchi segmentatsiya usulidir. Mazkur tadqiqotda ushbu yondashuvning nazariy asoslari, matematik formulalari hamda amaliy jihatlari chuqur tahlil qilinadi. Xususan, global thresholding, Otsu metodi va adaptive thresholding kabi turli algoritmlar o‘zaro taqqoslab o‘rganiladi. Tajriba ishlari Python dasturlash tili va OpenCV kutubxonasi asosida amalga oshirildi. Ular orqali turli yorug‘lik darajasiga ega bo‘lgan real tasvirlarda har bir usulning aniqligi, barqarorligi hamda kontur ajratishdagi samaradorligi baholandi. Har bir usul uchun vizual natijalar va statistik ko‘rsatkichlar (masalan, aniqlik, segmentatsiya aniqligi, kontur soni va boshqalar) grafik shaklida tahlil qilindi. Tadqiqot natijalari shuni ko‘rsatadiki, global thresholding oddiy va tezkor bo‘lsa-da, faqat yorug‘lik bir xilligi ta’minlangan holatlardagina yaxshi natija beradi. Adaptive thresholding esa lokal yorug‘lik farqlariga nisbatan yuqori barqarorlikka ega. Otsu algoritmi esa avtomatik optimal threshold tanlashi bilan ajralib turadi. Umuman olganda, maqola thresholding usullarining real hayotdagi tasvirlarda qo‘llanish imkoniyatlarini kengroq ochib beradi hamda kompyuter ko‘rishi sohasida amaliy foyda keltirishi mumkinligini isbotlaydi. Kalit so‘zlar. Thresholding, binarizatsiya, edge detection, computer vision, kontur aniqlash, OpenCV, sun’iy intellekt, tasvirni qayta ishlash Thresholding — bu tasvirni kulrang (gray) yoki rangli holatdan ikki (yoki ko‘p) hududga ajratish jarayonidir. Odatda tasvirdagi har bir pikselning yorug‘lik qiymati (intensiteti) ma'lum threshold (chegara) qiymati T bilan solishtiriladi. Shu asosda u obyekt yoki fon sifatida belgilab beriladi. Bu usul tasvirdagi obyekt konturlarini ajratib ko‘rsatish, ya'ni segmentation vazifasining eng sodda ko‘rinishidir. Matematik asosi Aytaylik, sizda f(x,y)f(x, y)f(x,y) — bu tasvirdagi (x, y) koordinatadagi kulrang qiymat (0 dan 255 gacha). 1. Global thresholding formulasi: https://scientific-jl.com 1 3 0 63-son_6-to’plam_Iyun-2025 ISSN:3030- 3 6 1 3 T A D Q I Q O T L A R jahon ilmiy – metodik jurnali 1 𝑎𝑔𝑎𝑟 𝑓(𝑥,𝑦) ≥ 𝑇 𝑔(𝑥,𝑦) = { 0 𝑎𝑔𝑎𝑟 𝑓(𝑥,𝑦) T) Har bir klassning ehtimolligi 𝜔 ,𝜔 va o‘rtacha qiymatlari 𝜇 ,𝜇 0 1 0 1 Dispersiya: 𝜎2 = 𝜔 𝜔 (𝜇 − 𝜇 )2 𝑏 0 1 0 1 Maqsad — bu qiymatni maksimal qiladigan T ni topish. 3. Adaptive thresholding Bu usulda har bir pikselning threshold qiymati o‘zi joylashgan mintaqaga qarab aniqlanadi: 𝑇(𝑥,𝑦) = 𝐺𝑎𝑢𝑠𝑠𝑖𝑎𝑛(𝑁(𝑥,𝑦)) Bu yerda: N(x,y) — (x, y) atrofidagi kichik mintaqa Har bir piksel uchun threshold shunday hisoblanadi: 1 𝑎𝑔𝑎𝑟 𝑓(𝑥,𝑦) ≥ 𝑇(𝑥,𝑦) − 𝐶 𝑔(𝑥,𝑦) = { 0 𝑎𝑘𝑠 ℎ𝑜𝑙𝑑𝑎 Bu tur yorug‘ligi notekis tasvirlarda yaxshi ishlaydi. Asosiy dastur kodi: def adaptive_mean_thresholding(image, block_size=11, C=2): h, w = image.shape result = np.zeros_like(image) pad = block_size // 2 padded_img = np.pad(image, pad, mode='reflect') for i in range(h): for j in range(w): https://scientific-jl.com 1 3 1 63-son_6-to’plam_Iyun-2025 ISSN:3030- 3 6 1 3 T A D Q I Q O T L A R jahon ilmiy – metodik jurnali # Mahalliy (local) blok local_block = padded_img[i:i+block_size, j:j+block_size] mean_val = np.mean(local_block) threshold = mean_val - C result[i, j] = 255 if image[i, j] > threshold else 0 return result Natija: Xulosa. Ushbu maqolada tasvirlardagi obyekt chegaralarini aniqlashda thresholding usullarining — global, Otsu va adaptiv thresholding — nazariy asoslari va amaliy samaradorligi o‘rganildi. Tajriba natijalari shuni ko‘rsatdiki: Global thresholding usuli oddiy va tez hisoblanadi, biroq u yorug‘lik darajasi bir xil bo‘lmagan tasvirlarda sust natija beradi. Otsu metodi tasvirdagi piksellar taqsimotini tahlil qilib, avtomatik ravishda optimal threshold qiymatini tanlaydi. Bu uni ko‘p hollarda global usuldan ustun qiladi. Adaptiv thresholding esa har bir piksel uchun thresholdni lokal mintaqaga asoslangan holda hisoblab, ayniqsa yorug‘lik notekis bo‘lgan tasvirlarda yuqori aniqlik ko‘rsatdi. https://scientific-jl.com 1 3 2 63-son_6-to’plam_Iyun-2025 ISSN:3030- 3 6 1 3 T A D Q I Q O T L A R jahon ilmiy – metodik jurnali Grafikli tahlil asosida, adaptiv thresholding kontur aniqligida yuqori natija bergan bo‘lsa, Otsu usuli balansli va avtomatik ishlashi bilan ajralib turdi