Kabarcık izleme, bilgisayarların görüntülerdeki nesnelerin hareketlerini tanımlayabileceği ve izleyebileceği bir yöntemdir. Blob, bilgisayarın nesne olarak tanımladığı bir pikseller grubudur. Örneğin bir insan bir damla olabilir. Bu izleme yöntemi, bilgisayarın blob'un konumunu art arda gelen karelerde bulmasını sağlar. Aslında, bilgisayar, nesnenin hareketini, bilgisayarlı görüntü analizinde ve bilgisayar vizyonunun geliştirilmesinde uygulamaları olan bir yetenek olduğunu görüyor.
Bilgisayar blobları izleyebilmeden önce onları tanımlamalıdır. Blob izlemedeki ilk adım, bir görüntüdeki blobları tespit eden bir program oluşturmaktır. Bilgisayar, benzer ışık değerlerine veya renk değerlerine sahip pikselleri birlikte gruplayarak blobları bulur. Gerçek dünyada, her yüzeyin farklı varyasyonları vardır; bu nedenle, bilgisayar yalnızca bir ışık veya renk değeri seçtiyse, bir bloğu yalnızca birkaç piksel olabilir; bu, görüntüleri tüm birimleri temsil eden kullanışlı bileşenlere gruplandırmaya çalışırken işe yaramaz olan bir şeydir.
İnsan gözünün görebildiği nesneler arasındaki farklılıkları taklit eden bir kabarcık algılama sistemi oluşturmak programcının sorumluluğundadır. Bunu, programa bir tolerans eşiği yazarak yapar ve bu da bilgisayara bir blokta meydana gelebilecek değerler arasındaki maksimum farkı söyler. Programcılar, blok algılama programlarını görüntü bölümlerini doğru bir şekilde tanımlayana kadar test eder ve iyileştirir.
Daha sonra, programcının bilgisayarın blobların hareketini izlemesi için bir yol yaratması gerekir. Bu zor, çünkü bilgisayar aynı blob için bir sonraki kareyi kolayca tarayamaz: bir blobun şekli ve değerleri hareket ettikçe değişebilir. Örneğin, oturan bir kişi ayağa kalkabilir. Bilgisayar yeni görüntüdeki blobları tespit etmeli ve her karede mevcut görünen farklı bloblar arasında anlamlı bağlantılar kurmalıdır. Programcılar, yer, boyut ve renk gibi faktörlerin göreceli önemini tanımlayan denklemler yaratır ve sonuçlar, yeni çerçevedeki bloğun aynı etiketi alacak kadar önceki blob ile aynı olup olmadığına karar vermesine yardımcı olur.
Blob izleme, özellikle görüntüleri analiz etme yöntemleriyle birleştirildiğinde güçlü bir araçtır. Örneğin, bilgisayarlar kenarları algılamak için bir piksel ile diğeri arasındaki yüksek kontrastlı alanları tanımlar. Bazı programlar bir yüzeyin konturunu belirlemek için sırt algılama yöntemleri kullanır.
Bu yetenekler, bilgisayarların karmaşık görüntü analizi yapmasını sağlar. Otomatik bir sistem, insan hakemlerin fizibil olarak bakabileceğinden daha fazla resim tarayabilir. Blob takibi de dahil olmak üzere araç setini kullanarak, daha detaylı inceleme gerektiren ilgi çekici görüntüleri belirleyebilir ve bu bölümleri bir insana iletebilir.
Blob takibinin bir diğer uygulaması bilgisayarlı görü ve robotiktir. Bunun gibi teknikler daha da incelik kazandıkça robotlar, görüntülerden insan beynindeki görüntü işlemine yaklaşacak şekilde anlam kazanabilirler. Bilgisayarlar daha önce hiç olmadığı kadar fazla bilgi edinerek, el ile girilmeden bilgi alabilir. Robotlar etraflarındaki dünyayı görebilirdi.
