GÖRÜNTÜ İŞLEME UYGULAMALARI

1. GÖRÜNTÜ İŞLEME UYGULAMALARI Arş. Gör. Dr. Nergis TURAL POLAT

2. İçerik • Görüntü işleme nedir, amacı nedir, kullanım alanları nelerdir? • Temel kavramlar • Uzaysal frekanslar • Örnekleme (Sampling) • Aynalama (Aliasing) • Konvolüsyon – katlama (Convolution) ve impuls yanıtı • Görüntünün frekans karakteristiği, Fourier Dönüşümü • Filtreleme • Çeşitli görüntü işleme uygulama örnekleri Arş . Gör. Dr. Nergis TURAL POLAT

3. Kullanım Alanları • Bilgisayarda görme (Computervision) uygulamaları • Uzaktan algılama uygulamaları: Uydu görüntüleri üzerinde nüfus yoğunluğu, yerleşim yerleri, çevre kirliliği vs gibi çevresel şartların tespiti • Endüstriyel uygulamalar: Bir üretim bandında üretilen ürünün otomatik test edilmesi (Örneğin bir kart üzerindeki devre elemanlarının varlığının veya bağlantı yollarının sağlamlığının tespiti) Elektron mikroskobu ile çekilmiş yarıiletken devre elemanı fotoğraflarından hasar tespiti • Güvenlik uygulamaları: Yüz tanıma, parmak izi tanıma, plaka tanıma • Banknot tanıma • Medikal görüntüleme: CAT, MRI, Röntgen • Astronomi uygulamaları • Radar uygulamaları • Uydu görüntüleri üzerinde hava gözlem ve tahmin uygulamaları • Jeolojik uygulamalar: Mineral ve petrol arama, sualtı görüntüleme • Arkeolojik uygulamalar: Nadir kalıntılara ait bulanık fotoğrafların iyileştirilmesi • Gazete ve fotoğraf endüstrisi uygulamaları • Bilgisayarda üretilen görüntüler: Fraktallar • Ve diğerleri.. Arş . Gör. Dr. Nergis TURAL POLAT

4. Kullanım Alanları Arş . Gör. Dr. Nergis TURAL POLAT

5. Giriş • Görme, duyularımızın en gelişmişidir ve gördüğümüz imgeler çevremizdeki dünyayı algılayışımızda en önemli rolü oynar. • Biyolojik görme sistemi elektromanyetik radyasyonun görünür bölgesindeki frekansları algılarken, dijital görüntü işleme sistemleri neredeyse tüm elektromanyetik spektrumu kullanır (ultrason, elektron mikroskobu, bilgisayarda üretilmiş görüntüler vb.). • Dolayısıyla Dijital Görüntü İşleme çok geniş ve çeşitli uygulama alanlarına sahiptir. Arş . Gör. Dr. Nergis TURAL POLAT

6. Giriş • Genel bir işaret veya görüntü işleme sisteminin blok diyagramı Görüntü işleme: Sensörlerden gelen görüntünün bilgisayara aktarılıp üzerinde herhangi bir işlem yapılması ve ardından görüntüleyici çıkışa iletilmesi Sensör Monitör Arş . Gör. Dr. Nergis TURAL POLAT

7. Gri Seviyeli (Grayscale) / Renkli (RGB) Görüntü Renkli görüntü Gri Seviyeli görüntü “Lena” görüntüsü Arş . Gör. Dr. Nergis TURAL POLAT

8. Gri Seviyeli (Grayscale) / Renkli (RGB) Görüntü Arş . Gör. Dr. Nergis TURAL POLAT

9. Görüntü işlemede temel kavramlar • Piksel (pixel) : picture element sözcüklerinin birleştirilmesiyle oluşmuştur, görüntünün birim elemanını ifade eder. • Parlaklık (intensity): x ve y uzaysal boyutlar olmak üzere I(x,y), x ve y koordinatlarındaki pikselin parlaklık değerini gösterir. • Ayrıklaştırma (Digitizing): Analog görüntünün dijital sistemde ifade edilebilmesi için önce uzaysal boyutlarda sonlu sayıda ayrık parçaya bölünmesi (örnekleme, sampling), sonra da her bir parçadaki analog parlaklık değerinin belli sayıda ayrık dijital seviyelerden biri ile ifade edilmesi (kuantalama, quantizing) gerekir. • Çözünürlük (Resolution): görüntünün kaç piksele bölündüğünü, yani kaç pikselle temsil edildiğini gösterir. Çözünürlük ne kadar yüksekse, görüntü o kadar yüksek frekansta örneklenmiş olur ve görüntüdeki ayrıntılar o kadar belirginleşir. • Uzaysal Frekanslar (SpatialFrequencies): Uzaysal boyutlarda belli bir mesafede parlaklık değerinin değişim sıklığını ifade ederler. Arş . Gör. Dr. Nergis TURAL POLAT

10. Görüntü işlemede temel kavramlar Giriş görüntüsü iki boyutlu, MxN uzunluklu bir matris olarak düşünülür ve sol üst köşedeki piksel değeri (1,1) başlangıç noktası olarak numaralandırılır. Arş . Gör. Dr. Nergis TURAL POLAT

11. Uzaysal Frekanslar (fx, fy) Görüntünün x ve y boyutlarındaki periyodu ise uzaysal sürekli frekanslar Genellikle örnekleme periyodu 1 piksel kabul edilerek uzaysal frekanslar ve periyotlar piksel cinsinden ifade edilir. Aşağıdaki görüntünün boyutu 16cmx16cm veya 64x64 piksel ise Arş . Gör. Dr. Nergis TURAL POLAT

12. Örnekleme (Sampling) • Örnekleme uzaysal boyutlarda ayrıklaştırma Arş . Gör. Dr. Nergis TURAL POLAT

13. Örnekleme (Sampling) Nyquist Frekansı Arş . Gör. Dr. Nergis TURAL POLAT

14. Örnekleme (Sampling) İki boyutlu örnekleme Arş . Gör. Dr. Nergis TURAL POLAT

15. Aynalama (Aliasing) frekanslı işaretler frekanslı işaretin üzerine aynalanır (k=1,2,3,…). Yani bu örnekleme frekansı için ile ayırt edilemez. Arş . Gör. Dr. Nergis TURAL POLAT

16. Konvolüsyon (Convolution) • Bir görüntünün uzaysal filtrelenmesi konvolüsyon olarak adlandırılan bir işlemle yapılır • Konvolüsyonda bir pikselin çıkış değeri kendisinin ve komşu piksellerin değerlerinin bir ağırlıklı toplamı olarak bulunur. • Ağırlıklar matrisi konvolüsyon kerneli, maske, şablon veya impuls yanıtı olarak adlandırılır. • İmpuls yanıtının boyutları pxr ise Arş . Gör. Dr. Nergis TURAL POLAT

17. Konvolüsyon (Convolution) Örnek: A giriş görüntüsünün h kerneli ile konvolüsyonu sonucu oluşan çıkış görüntüsünün (2,4) pikselinin değerini hesaplayalım: • h kernelini yatay ve düşey eksende 180 derece döndür. • h’ın merkez elemanı A(2,4) noktasına çakışacak şekilde kerneli kaydır. • A ve h’daki karşılıklı elemanları çarp ve hepsini toplayarak (2,4) pikselindeki çıkış değerini bul. Arş . Gör. Dr. Nergis TURAL POLAT

18. Konvolüsyon (Convolution) Döndürülmüş kernel değerleri Giriş görüntüsünün değerleri Çıkışını bulmak istediğimiz piksel (2,4) pikselinin çıkışı Tüm çıkış görüntüsünü elde etmek için bir piksel için yaptığımız bu işlemi bütün giriş pikselleri için tekrarlamak gerekir Arş . Gör. Dr. Nergis TURAL POLAT

19. Frekans Karakteristiği (Fourier Dönüşümü) Fransız matematikçi Fourier1822’de yayınladığı “Isının Analitik Teorisi” isimli kitabında herhangi bir periyodik işaretin çeşitli frekanslardaki sinüslerin ve/veya kosinüslerin toplamı olarak ifade edilebileceğini gösterdi. Bu toplam Fourier serisi, sinüs ve kosinüslerin genlikleri de Fourier serisi katsayıları olarak adlandırıldı. I(x)’in Fourier serisi açılımı: F0 temel frekans, katları da harmonikleri olarak adlandırılır. Arş . Gör. Dr. Nergis TURAL POLAT

20. Frekans Karakteristiği (Fourier Dönüşümü) • Periyodik olmayan fonksiyonlar bile belli bir ağırlık fonksiyonu ile çarpılmış sinüs ve/veya kosinüslerin integrali şeklinde ifade edilebilir. Buna Fourier Dönüşümü denir. • Fourier serisi veya Fourier dönüşümü şeklinde ifade edilmiş bir işaret, ters bir dönüşüm işlemi kullanarak hiç bilgi kaybı olmadan tamamen tekrar elde edilebilir. • Dolayısıyla Fourier dönüşümü ile frekans düzlemine geçip, orada istenilen işlemler yapılıp, sonra ters dönüşüm kullanılarak uzaysal düzleme geri dönülebilir. Arş . Gör. Dr. Nergis TURAL POLAT

21. Frekans Karakteristiği (Fourier Dönüşümü) Arş . Gör. Dr. Nergis TURAL POLAT

22. Frekans Karakteristiği (Fourier Dönüşümü) Arş . Gör. Dr. Nergis TURAL POLAT

23. Frekans Karakteristiği (Fourier Dönüşümü) Arş . Gör. Dr. Nergis TURAL POLAT

24. AG ve YG Filtreleme (Low Pass – High Pass Filtering) Arş . Gör. Dr. Nergis TURAL POLAT

25. Netleştirme (Deblurring) Arş . Gör. Dr. Nergis TURAL POLAT

26. İyileştirme (Enhancement) Histogram Eşitleme Arş . Gör. Dr. Nergis TURAL POLAT

27. İyileştirme (Enhancement) Arş . Gör. Dr. Nergis TURAL POLAT

28. İyileştirme (Enhancement) Arş . Gör. Dr. Nergis TURAL POLAT

29. Gürültüden Arındırma (Denoising) Image with Salt&Pepper Noise Low Pass Filtered Image Median Filtered Image Arş . Gör. Dr. Nergis TURAL POLAT

30. Bölütleme (Segmentation) Arş . Gör. Dr. Nergis TURAL POLAT

31. Bölütleme (Segmentation) Arş . Gör. Dr. Nergis TURAL POLAT

32. Dinlediğiniz için teşekkür ederim. • Sorular? Arş . Gör. Dr. Nergis TURAL POLAT