Görüntü İşleme
Giriş
Ders Hangi Soruyu Sorar?
Görüntü işleme, bir görüntüyü alıp yeni bir görüntüye ya da bölgelere dönüştüren yöntemleri inceler: gürültüyü azaltmak, karşıtlığı artırmak, kenarları ve nesne sınırlarını bulmak. Girdi de çıktı da görüntüdür; görüntüde ne olduğunu anlamak bilgisayarlı görünün işidir.
Bir bakışta
piksel düzeyinde dönüşüm
görüntü
işlenmiş görüntü ya da bölgeler
görsel kalite, PSNR
orta: evrişim, Fourier
az; öğrenme şart değil
Giriş
Kısa Tarihçe
Bartlane sistemi gazete fotoğraflarını Atlantik ötesine kabloyla, sayısal kodlanmış olarak iletir.
Russell Kirsch ilk sayısal taranmış fotoğrafı oluşturur: bebek oğlunun 176×176 piksellik görüntüsü.
JPL, Ranger 7 sondasının Ay görüntülerini bilgisayarla düzeltir; sayısal görüntü işleme doğar.
Otsu, histogramdan otomatik eşik seçen yöntemini yayımlar; bugün de en çok kullanılan eşikleme.
Canny kenar bulucusu yayımlanır: gürültüye dayanıklı, ince ve sürekli kenarlar.
JPEG standardı kabul edilir; DCT tabanlı kayıplı sıkıştırma fotoğrafın ortak dili olur.
Ders
Temel Kavramlar
Görüntü bir sayı matrisidir; renkte üç kanal.
Parlaklık dağılımı; histogram eşitleme ile karşıtlık.
Komşu piksellerle evrişim: bulanıklaştırma, keskinleştirme.
2B Fourier dönüşümü; periyodik gürültüyü süzme.
Gradyan, Sobel ve Canny ile parlaklık sıçramaları.
Ön planı arka plandan ayırmak; Otsu yöntemi.
Aşındırma, genişletme: ikili şekilleri düzeltme.
Görüntüyü bölgelere ayırmak: bölge büyütme, havza.
Ders
Tipik İş Akışı
Dene
Gürültülü Görüntüde Kenar Bulmak
Kalite kontrol kamerası 32×32 gri tonlu bir parça görüntüsü verdi; sensör gürültülü. Adımları açıp kapatın, eşiği kaydırın: bulunan kenarların ne kadarı gerçekten şeklin sınırında?
Konum
Ön Koşullar
Bu dersten önce bilinmesi yararlı olan dersler ve neden gerektikleri.
| Ders | Neden gerekir |
|---|---|
| Sayısal Sinyal İşleme | iki boyutlu sinyal, evrişim, Fourier dönüşümü |
| Doğrusal cebir ve analiz | matris işlemleri, türev ve gradyan: süzgeç ve kenarın dili |
| Programlama | Python ya da C ile iki boyutlu dizilerde döngüler |
| Veri Yapıları | kuyruk ve birleşim-bul: bölge büyütme ve bağlı bileşen etiketleme |
Konum
Dersin Komşuları
Örtüşme
Örtüştüğü Dersler
| İlişki | Ders | Ortak konu |
|---|---|---|
| temel alır | Bu ders Sayısal Sinyal İşleme dersini temel alır | iki boyutlu sinyal, evrişim, Fourier dönüşümü |
| temel alır | Bilgisayarlı Görü bu dersi temel alır | kenar, filtre, bölütleme |
| uygulama | Tıbbi Görüntü İşleme bu dersin yöntemlerini uygular | gürültü giderme, bölütleme, çakıştırma |
| uygulama | Uzaktan Algılama bu dersin yöntemlerini uygular | çok bantlı görüntü, düzeltme |
| yöntem paylaşır | Örüntü Tanıma ile yöntem paylaşır | öznitelik çıkarma, şablon eşleme |
Ayrışma
Ayrıştığı Noktalar (1/2)
| Ölçüt | Görüntü İşleme | Bilgisayarlı Görü | Sayısal Sinyal İşleme |
|---|---|---|---|
| Temel soru | Bir görüntü nasıl iyileştirilir, dönüştürülür ve parçalara ayrılır? | Bilgisayar bir görüntüde ya da videoda ne olduğunu nasıl anlar? | Örneklenmiş sinyaller nasıl çözümlenir, süzülür ve dönüştürülür? |
| Yaklaşım | piksel düzeyinde dönüşüm | görüntüden anlam çıkarma | matematiksel dönüşüm ve süzgeç |
| Girdi | görüntü | görüntü ya da video | örneklenmiş sinyal |
| Çıktı | işlenmiş görüntü ya da bölgeler | etiket, kutu, derinlik, 3B yapı | süzülmüş sinyal, spektrum |
| Başarı ölçütü | görsel kalite, PSNR | doğruluk, mAP, IoU | sinyal-gürültü oranı, frekans yanıtı |
| Matematik yükü | orta: evrişim, Fourier | yüksek: geometri, doğrusal cebir | yüksek: karmaşık sayı, Fourier |
| Veri ihtiyacı | az; öğrenme şart değil | çok etiketli görüntü | öğrenme yok; sinyal yeter |
- Bilgisayarlı Görü: Görüntü işlemede girdi de çıktı da görüntüdür; bilgisayarlı görüde girdi görüntü, çıktı anlamdır: etiket, kutu, derinlik.
- Sayısal Sinyal İşleme: Sinyal işleme bir boyutlu zaman sinyaliyle çalışır; görüntü işleme aynı evrişim ve Fourier araçlarını iki boyuta taşır.
Ayrışma
Ayrıştığı Noktalar (2/2)
| Ölçüt | Görüntü İşleme | Bilgisayar Grafiği | Tıbbi Görüntü İşleme |
|---|---|---|---|
| Temel soru | Bir görüntü nasıl iyileştirilir, dönüştürülür ve parçalara ayrılır? | Bir sahnenin tanımından gerçekçi bir görüntü nasıl üretilir? | Röntgen, BT ve MR görüntüleri tanıya ve tedaviye nasıl yardım eder? |
| Yaklaşım | piksel düzeyinde dönüşüm | geometri ve ışık benzetimi | görüntü işleme ve klinik bilgi |
| Girdi | görüntü | sahne: model, ışık, kamera | BT, MR, röntgen, ultrason |
| Çıktı | işlenmiş görüntü ya da bölgeler | görüntü ya da animasyon | bölütleme, ölçüm, tanı önerisi |
| Başarı ölçütü | görsel kalite, PSNR | gerçekçilik, kare hızı | duyarlılık, özgüllük, Dice |
| Matematik yükü | orta: evrişim, Fourier | yüksek: doğrusal cebir, geometri | orta-yüksek |
| Veri ihtiyacı | az; öğrenme şart değil | gerekmez | az; etiket pahalı |
- Bilgisayar Grafiği: Grafik sahne tanımından görüntü üretir; görüntü işleme var olan bir görüntüyü alıp dönüştürür.
- Tıbbi Görüntü İşleme: Tıbbi görüntü işleme bu dersin yöntemlerini BT ve MR gibi tıbbi görüntülere, klinik kısıtlarıyla birlikte uygular.
Uygulama
Uygulama Alanları
Parlaklık, keskinlik, gürültü azaltma.
Eğriliği düzeltme, siyah-beyaza çevirme.
JPEG, PNG ve video kodlama.
Üründe çizik ve leke bölgelerini ayırmak.
Hücreleri bölütleme ve sayma.
Görü ve tıbbi modellere temiz girdi.
Uygulama
Araçlar ve Örnek Veriler
Araçlar ve kütüphaneler
Klasik test görüntüleri ve veri setleri
Uygulama
Sık Karıştırılanlar
| Yaygın düşünce | Doğrusu |
|---|---|
| Görüntü işleme ile bilgisayarlı görü aynı şeydir. | Görüntü işleme görüntüyü dönüştürür; görü görüntüden anlam çıkarır. Biri ötekinin ön adımıdır. |
| Keskinleştirme kaybolan ayrıntıyı geri getirir. | Keskinleştirme var olan kenarları belirginleştirir; kaydedilmemiş ayrıntı geri gelmez. |
| Artık her şeyi derin öğrenme yapıyor. | Kalibrasyon, sıkıştırma, ön işleme ve hızlı endüstriyel denetimde klasik yöntemler hâlâ esastır. |
| Görüntüyü büyütmek çözünürlüğü artırır. | Ara değerleme yeni piksel üretir ama yeni bilgi üretmez; görüntü yalnızca büyür. |
Sonrası
Bu Dersten Sonra
Bu dersi temel alan ya da genişleten dersler
İlgili meslekler
Sonrası
Kaynaklar
- Gonzalez ve Woods, Digital Image Processing, 4. baskı, Pearson, 2018.
- Jain, Fundamentals of Digital Image Processing, Prentice Hall, 1989.
- Burger ve Burge, Digital Image Processing: An Algorithmic Introduction, 3. baskı, Springer, 2022.
- Canny, "A Computational Approach to Edge Detection", IEEE Transactions on Pattern Analysis and Machine Intelligence 8(6), 1986.