GÖRÜNTÜ İŞleme, teknolojiler ve uygulamalari



Yüklə 9,4 Mb.
Pdf görüntüsü
səhifə1/3
tarix26.12.2016
ölçüsü9,4 Mb.
  1   2   3

03/02/2012
1
GÖRÜNTÜ İŞLEME,
TEKNOLOJİLER VE UYGULAMALARI
Mehmet Karakoç
Ege Üniversitesi - Fen Bilimleri Enstitüsü
Bilgisayar Mühendisliği Anabilim Dalı
AB’12 - ŞUBAT 2012

03/02/2012
2
1. GİRİŞ
1.1. Literatür Taramaları
2. GÖRÜNTÜ İŞLEME
2.1. Görüntü
2.2. Görüntü Yakalama
2.3. Sayısal Görüntü
2.4. Sayısal Görüntü Nitelikleri
2.5. Görüntü İşleme Adımları
2.6. Görüntü İşlemede Kullanılan Temel Yöntemler
2.7. Görüntü İşleme Teknikleri
2.8. Görüntü İşleme Algoritmaları: 
Bir Sınıflandırma
2.9. Görüntü ve Görüntü İşleme: 
Görüntü İşlemenin Temelleri
2.10. Görüntü İşleme Uygulama Alanları ve Görüntü İşleme ile Neler Yapılabilir?
2.11. Görüntü Formatları
İ
ÇERİK (1. Bölüm)

03/02/2012
3
İ
ÇERİK (2. Bölüm)
• Masaüstü Tabanlı Uygulamalar
• Görüntü İşleme ve İnternet
• Masaüstü Uygulamalarına Alternatifler - I
• Online Resim Düzenleme ve Görüntü İşleme Araçları ile Neler 
Yapılabilir?
• Masaüstü Uygulamalarına Alternatifler - II
• Web’de Görüntü İşlemenin Kapsamı ve Uygulama Alanları
• Görüntü İşleme ile İnternet Üzerinde Yapılabilecek Çalışmalar
• (Örnek Uygulamalar + Örnek Videolar): 
(Demolar + Çalışmalar)
– Masaüstünde veya İnternet Üzerinde Görüntü İşleme
• Web’de Görüntü İşleme
• Görüntü İşleme için Hazır Arayüzler ve Bir Görüntü Nasıl İşlenir?
– Görüntü İşleme Araçları, Ortamlar ve Teknolojiler
• Neden Görüntü İşleme ve Neden İnternet Üzerinde?

03/02/2012
4
İ
ÇERİK (3. Bölüm)
• İleri Görüntü İşleme Teknikleri -
Görüntü Eşleme:
Ş
ablon Eşleme
• Şablon Eşleme Nedir?
• Kullanım Örnekleri
• Şablon Eşleme Uygulama Alanları ve Yapılabilecek Çalışmalar
• Örnekler
• İlave Literatür
• Ek Olarak
• Seminer Kapsamında Tartışılacak Konular !!
• Seminer Sonu Projesi
• Sonuçlar

03/02/2012
5
Seminer: I. Bölüm

03/02/2012
6
Görüntü İşleme
(Image Processing)
“Görüntü İşleme (Gİ), girişin bir görüntü olduğu sinyal işleme 
formudur.” [Wikipedia]
– Bir görüntü < Bir sinyal
– Sinyal İşleme > Görüntü İşleme
• Görüntü:
– Herhangi bir sahne ya da nesne olmak zorunda değildir.
– Fotoğraflar ya da video görüntüleri (frame)
– Bilgisayar ortamında manüel ya da otomatik olarak yaratılan görüntüler de 
olabilir.
• Bilgisayar ortamında üretilmiş gerçekçi görüntüler (Realistic computer generated 
images): Bilgisayar Grafikleri (Computer Graphics)
• Çıkış:
– Bir görüntü olmak zorunda değildir.
– Görüntüye ilişkin özellik kümesi ya da parametreler
– Görüntü işlemenin hedefi sıklıkla 
öznitelik çıkarımı
dır (feature extraction).

03/02/2012
7
Görüntü İşlemede Zorluklar
• Görüntü sinyali pek çok durumda gürültüden 
etkilenebilir:
– Objektif bozulmaları
(Lens distortions)
– Işıklandırma durumları
(Lighting conditions)
– Sensör termal gürültü
(Sensor thermal noise)
– Hareket bulanıklığı
(Motion blur)
– Sıkıştırma problemleri
(Compression artifacts)
– ...

03/02/2012
8
1. Giriş - I
Görüntü işleme hangi konularda uygulama alanı bulabilmektedir?
Yapay Sinir Ağları
Dalgacık Dönüşümü
Markov Rasgele Alan Süzgeçleri
İ
teratif Hücresel Resim İşleme Algoritması
Yönlendirme Süzgeçleri
Genetik Algoritma
Görüntü İletimi
Bulanık Mantık

03/02/2012
9
Görüntü işleme hangi alanlarda kullanılmaktadır?
Askeri Endüstri (denizaltı sonic dalga taramaları) , sualtı görüntüleme
Güvenlik, kriminal laboratuarlar
Tıp
Tümör, damar gibi yapıların belirginleştirilmesi, Tomografi, Ultrason
Robotik, trafik, astronomi, radar, gazete ve fotoğraf endüstrisi uygulamaları
Hayvancılık (sığır eti kalite tayini) , petrol arama
Fizik, sanat, biyomedikal alanları
Uzaktan algılama uygulamaları
Uydu görüntüleri üzerinde nüfus yoğunluğu, yerleşim  yerleri,  çevre kirliliği ve  benzeri 
çevresel şartların tespiti
Uydu görüntüleri üzerinde hava gözlem ve tahmin uygulamaları
1. Giriş - II

03/02/2012
10
[1] Haber Videolarının Görüntü İşleme Yöntemleri ile Haberlere Bölütlenmesi
[2] Kamera Kullanılarak Görüntü İşleme Yoluyla Gerçek Zamanlı Güvenlik
Uygulaması
[3] Kamera ile Görüntü İşleme Teknikleriyle Malzeme Tane Büyüklüğü Analizi
[4] Görüntü İşleme ile İki Boyutlu Cisimlerden Grafik Modeller için Veri Eldesi
1.1. Literatür Taramaları

03/02/2012
11
Yıldız Teknik Üniversitesi FBE Y.L. Tezi Bilgisayar Müh. A.B.D.

Rajab Davudov - Danışman: Yrd. Doç. Dr. Elif Karslıgil
Bu çalışmada haber programları şu yapıya göre bölütlendirilmiştir: 

spikerin haber hakkında bilgi vermesinin ardından habere ait görüntülerin gösterilmesi

aynı haberle ilgili başka bir alt konu için veya yeni bir haber ile ilgili açıklama yapmak
üzere tekrar spikerin görüntülenmesi

spikerin görüldüğü çerçevelerde her  kanal için ekranın alt  bölümünde,  yeri sabit
olacak şekilde haber başlığının yer alması
Farklı aşamalarda,  ardışık sahneler arasında ortak özellikler
bulunduğunda bu sahneler birleştirilerek
tek sahne hâline 
getirilmiştir.
Haber Videolarının Görüntü İşleme Yöntemleri ile
Haberlere Bölütlenmesi (1)

03/02/2012
12
Haliç Üniversitesi FBE Y.L. Tezi Bilgisayar Müh. A.B.D.

Atınç Yılmaz - Danışman: Prof. Dr. Ali Okatan
Bu çalışmada hareketin analizi için kullanılan yöntemler şunlardır:

Arka Plan Farkı Yöntemleri

İ
statistiksel Yöntemler
Uygulamada görüntüler arasında piksel farkları karşılaştırılarak
gerçek zamanlı bir güvenlik uygulaması gerçekleştirilmiştir.
Kamera Kullanılarak Görüntü İşleme Yoluyla
Gerçek Zamanlı Güvenlik Uygulaması (2)

03/02/2012
13
Gazi Üniversitesi FBE Y.L. Tezi Makine Müh. A.B.D.
Hikmet Bal - Danışman: Prof. Dr. Mehmet Eroğlu
Bu tezde işlemler için uygulanan görüntü işleme teknikleri şunlardır:
görüntü iyileştirme, filtreleme, yapısal düzenleme, bölümlendirme
Sonuçlar:
1.
muntazam aydınlatmanın bölümlendirmede görüntü için en etken resim özelliği olması
2.
görüntü çözünürlüğünün uygulamaya göre önem taşıması
3.
görüntü tanıma işleminde yapısal özelliklerin seçici olması
4.
görüntüsü alınan malzemeye uygulanacak örnek hazırlama işlemlerinin belirlenmek istenen
özelliklerin doğruluğunu doğrudan etkilemesi
Kamera ile Görüntü İşleme Teknikleriyle
Malzeme Tane Büyüklüğü Analizi (3)

03/02/2012
14
Yıldız Teknik Üniversitesi FBE Y.L. Tezi
Makine Müh. A.B.D. İmal Usulleri Programı
Kerem Asmaz - Danışman: Prof. Dr. Erhan Altan
Bu çalışmada iki boyutlu numuneler için şu görüntüler kullanılmıştır:
dijital fotoğraf makinesiyle çekilen görüntüler
tarayıcıdan elde edilen görüntüler
Yöntemin sonuçları:
1.
iki boyutlu parçaların tanımlanması
2.
sınırların çıkarılması
3.
boyut ölçümü
Görüntü İşleme ile İki Boyutlu Cisimlerden
Grafik Modeller için Veri Eldesi (4)

03/02/2012
15
Görüntü İşleme Örnekleri - I

03/02/2012
16
I.1: Sahte görüntülerin tespiti 
(Detecting fake images)
• Bir görüntüden orijinal görüntünün kenar bilgisini içeren 
veri çıkarılabilir.

03/02/2012
17
I.2: Parçalama ve Harmanlama - I
(Splicing and Blending)
• Birden fazla görüntünün tek bir görüntüyü
oluşturması
– Girdi:
• Birçok görüntü
– Çıkış:
• Yeni oluşan tek görüntü
– Örneğin kuşbakışı ya da geniş bakış açılı (Panoramic)

03/02/2012
18
I.2: Parçalama ve Harmanlama - II
(Splicing and Blending)

03/02/2012
19
I.3: jet renk haritalama
(jet color map)
• Yaygın olarak kullanılan bir yöntem:
– Gri seviyeli görüntüleri piksel yoğunluklarını renkli bir tona 
haritalayarak yeniden sunmak.
Yoğunluk: Renk değeri

03/02/2012
20
BĐL529, “Sayısal Görüntü Đşleme (Digital Image Processing)”, Yüksek Lisans dersi
I.4: Görüntü Boyutland
ırma
(Image Resizing)

03/02/2012
21
I.5: Kenar Tespitinin Anjiyogram Örneği
(Angiogram Example of Edge Detection)
• http://math.berkeley.edu/~sethian/2006/
– Applications/Medical_Imaging/artery.html by J.A. Sethian.
Ş
ekil: Bir damarın kenarının bulunması

03/02/2012
22
Uygulama Alanları - I
• Görüntü İşleme Sistemleri ve 
Uygulamaları
– Eğlence, iş, ticaret, sanat, 
mühendislik ve bilim …
• Devasa boyutta görüntü
koleksiyonları
• Görüntü Anlama
(Image Understanding)

Yüksek seviye sorgulamada, etkili ve 
verimli görüntü ve video erişimi için 
düşük seviye öznitelikler yeterli midir?
• Webi Arama
(Searching the Web)
• İndeksleme Şemaları
(Indexing Schemes)
• Nesne Tanıma
(Object Recognition)
• Şekil İşleme
(Shape Processing)
• Uygunluk (ilişki) geribildirimi 
(Relevance feedback)
• Düzgünleştirme ve Gürültü
Giderme 
(Smoothing and Noise Removal)

03/02/2012
23
Uygulama Alanları - II
• İçerik Tabanlı Erişim
(Content-Based Retrieval)
• Materyallerin tanınması
(The recognition of materials)
• Görüntü ve Video Veri 
Tabanları ve Erişim Sistemleri
(Image and Video Databases and
Retrieval Systems)
• Videolardaki Sahnelere Erişim
(Retrieving Scenes in Videos)
• Görsel veri modelleme
(Visual data modeling)
• Resimsel bilginin 
görselleştirilmesi
(Visualizing pictorial information)
• Görsel bilgiye erişim
(Delivery of visual information)
• Görsel Algılama
(Visual Perception)
• Öznitelik Çıkarımı
(Feature Extraction)

03/02/2012
24
Uygulama Alanları - III
• Veri tabanı indeksleme, 
görselleştirme, sorgulama, vb.
(Database indexing, visualization, 
querying, etc.)
• Anlam tabanlı erişim
(Semantic-based retrieval)
• Sıkıştırma - Film Animasyonu
(Compression - Movie Animation)
• Kenar Tespiti ve Sınırlar
(Edge Detection and Contours)
• Video Bölütleme
(Video Segmentation)
• Resmi Yeniden Sunma
(Picture Representation)
• Hareket İzleme 
(Motion Tracking)
• Şekil, desen, renk ve konum 
eşleme
(Shape, texture, color, and lay-out 
matching)

03/02/2012
25
Görüntü İşleme Örnekleri - II

03/02/2012
26
II.1: Bir retina resmi ile örnek
(Example with a picture of the retina)
Ş
ekil: Bir retinayı düzgünleştirmek (Smoothing a retina)

03/02/2012
27
II.2: Fmin=max kullanarak
gürültü giderme örneği
Ş
ekil: 25% gürültülü harfler
Ş
ekil: Düzgünleştirilen harfler

03/02/2012
28
II.3: Dorn & Lesselier, 2006

03/02/2012
29
II.4: Image Recognition from Sethian, 
“Level Set Methods and Fast Marching Methods”, 1996
• Ters görüntü problemini
(the inverse image problem)
sinir ağlarıyla 
(neural networks)
birleştirmek ve görüntü
tanımlama ile şekil tanıma 
işlemlerinin sağlanması
• Harfi tanımada ilgili veri tabanındaki karışıklıkları karşılaştırmak gerekir.
Ş
ekil: Farklı durumlarda sayısal karışıklıklar

03/02/2012
30
II:5. Stereo Problem
• Amaç:
– Bir nesnenin farklı yön ve 
açılarda çok sayıda 
görüntüsünü almak ve 
ardından 
– 3 boyutlu bir modelde yüzeyi 
yeniden oluşturmak
Ş
ekil: Aynı noktanın (M) farklı görünümleri

03/02/2012
31
Bir resim binlerce kelime değerinde olabilir!
Görüntüler ve videolar,
görsel bilgi sistemlerinde 
(
visual information systems
)
ve
çoklu ortamda 
(
multimedia
)
çok önemli bir rol oynamaktadır.

03/02/2012
32
Çeşitli Resimler
Google Images

03/02/2012
33
2. Görüntü İşleme
• Görüntü işleme, sinyal işleme kapsamında yer alan ve hızlı gelişen 
önemli bir alandır. 
• Görüntü işleme, sayısal bir resim hâline getirilmiş olan gerçek 
yaşamdaki görüntülerin bir giriş resmi olarak işlenerek o resmin 
özelliklerinin ve görüntüsünün değiştirilmesi sonucunda yeni bir 
resim oluşturulmasıdır.
Ş
ekil: Bir görüntü işleme sistem yapısının blok şeması.
Ş
ekil: Bir görüntü işleme sistem yapısının blok şeması

03/02/2012
34
Görüntü İşleme
(Image Processing)

03/02/2012
35
Ş
ekil: Sayısal ortama geçirilen gürültülü görüntü (solda) ve gürültü temizleme sonrasında
gürültüleri giderilmiş gürültüsüz görüntü (sağda)
Görüntü İşlemenin Yararları (1)

Resimlerin analog ortamlardan sayısal ortamlara geçirilmesi süreci
sonrasında yeni oluşan görüntü, bozukluk içerir ve bu durum 
gürültü
(
noise

olarak adlandırılır.

Aşağıda görüldüğü üzere görüntü işleme bu bozuklukları gidermek için
kullanılabilir.

03/02/2012
36
Görüntüyü Gürültüden Arındırma
(Image Denoising) 
Image with Salt&Pepper Noise
Low Pass Filtered Image
Median Filtered Image
[1]
Tuz ve biber gürültüsü
[2]
3 x 3 ortalama maske (averaging mask) ile gürültü indirgeme
[3]
3 x 3 ortanca filtre (median filter) ile gürültü indirgeme
1
2
3
(Original image courtesy of Mr. Joseph E. Pascente, Lixi, Inc.)

03/02/2012
37

İ
nsan gözü, aşağıdaki gri düzeyleri geçişleri arasından yaklaşık  100  tane
bölgeyi birbirinden ayırt edebilir.

Siyah  renk  değeri  ve  beyaz  renk  değeri  ile  aradaki  tüm  gri  renk  değerleri 
yoğunluk 
olarak adlandırılır ve bu geçiş aşağıda verilmiştir.
Görüntü İşleme

03/02/2012
38
formülü ile ifade edilir.
fonksiyonu yoğunluğu r olan piksel sayısı, N ise toplam piksel sayısıdır.
Görüntünün Netleştirilmesi
• Histogram kavramı, görüntünün içerdiği piksel değerlerinin ağırlığını
belirten grafiksel bir gösterimdir. Görüntü işlemede histogramlar
kullanılarak resim daha belirgin hâle getirilebilir. 
• Daha net bir görüntü için histogramın daha ayrık ve düzgün bir
yapıya gelmesi sağlanmalıdır. Bu işleme
histogram eşitleme
(
histogram equalisation
) denir.
Bu işlem,

03/02/2012
39

Sol alttaki şekilde birçok değer içeren dağınık bir piksel dağılımı vardır.

Sağ üstteki resim ise histogram eşitleme ile netleştirilen görüntüdür.
Histogram Eşitleme (1)
(Histogram Equalization)

03/02/2012
40
Ş
ekil: Görüntü işlemede histogram yardımıyla resmin belirginleştirilmesi
Aşağıda histogram  eşitleme öncesindeki ve sonrasındaki görüntüler ile
histogramları görülmektedir.
Histogram Eşitleme (2)
(Histogram Equalization)

03/02/2012
41
Histogram Eşitleme (3)
(Histogram Equalization)
• Üstte, soldan sağa yukarıdan aşağıya sırasıyla,
koyu, düşük kontrast (z
ıtlık),

ık (parlak) ve yüksek kontrast görüntüler yer almaktadır.

03/02/2012
42
Görüntü Netleştirme
(Image Deblurring)
• En üstte orijinal görüntü ve aşağısında solda bulanık, sağda ise bulanıklığın giderildiği görüntü.

03/02/2012
43
• Resimler faydalı işler için işlenir.
Bir görüntüdeki kan sayısını saymak
Zarfların üzerinden Zip-Kodun okunması
Görüntü İşlemenin Yararları (2)

03/02/2012
44
İ
ki resmi birleştirmek için bir resimdeki seçilen pikseller diğerine kopyalanır.
İ
ki Resmi Birleştirmek
(Merging Two Images)

03/02/2012
45
Bir görüntü parçasının diğer görüntüdeki yerinin araştırılması işlemine
görüntü eşleme
adı verilir. 
Şekil: Görüntü eşleme yöntemlerinden görüntüde alan bulma örneği
Görüntüde Alan Bulma
(Finding an Area in an Image)

03/02/2012
46
Ş
ablon Tabanlı Yaklaşım
(Template Based Approach)
46
http://en.wikipedia.org/wiki/Template_matching

03/02/2012
47
47
Matlab Örneği - I
[m,n] = size(template);
[x,y] = size(image);
xFound = 0;
yFound = 0;
for
i=1:(x-m)
for
j=1:(y-n)
difference=0;
for
k=1:m
for
t=1:n
template_pixel = template(k,t);
image_pixel = image(k+i,t+j);
difference = difference + abs(image_pixel-template_pixel);  
end
end
if
(minDifference>difference)
minDifference=difference;
xFound = i;
yFound = j;
end
end
end

03/02/2012
48
48
Matlab Örneği - II
image
template
image
output
• Yukarıda soldan sağa sırasıyla, görüntü, şablon görüntü ve sonuç görüntü verilmiştir.

Sonuç görüntüde, şablon görüntünün yer aldığı kısım beyaz olarak görüntülenmiştir.

03/02/2012
49
İ
ki Boyutlu Örnekleme
(Sampling in 2D)

03/02/2012
50
2.1. Görüntü
• Görüntü, gerçek yaşamdaki üç boyutlu nesnelerden oluşan bir
sahnenin basit iki değişkenli bir fonksiyon olarak tanımlanmasıdır. 
• Başka bir deyişle görüntü, üç boyutlu görünümün iki boyut
üzerindeki haritası olarak tarif edilebilir. Görüntü oluşumunun
resmedilmesi aşağıda verilmiştir.
Ş
ekil: Görüntünün gözde oluşumu

03/02/2012
51
2.1. Görüntü
• Bir görüntü
– Tek bir görüntü, örnek veya şablon görüntü
– Görüntü klasörü ya da görüntü veri tabanı
– Çizim, el çizimi, taslak ya da görüntü parçası
– CAD modeli, vb.
• Bu görüntüler,
– bilgisayar ortamına aktarılan (gerçek dünya görüntüsü) ya da
– bilgisayar ortamında hazırlanan görüntüler olabilirler.

Bir görüntü, elemanları gerçel değerler olan 3D bir matristir.

Matris boyutları, görüntü için genişlikyükseklik ve kanal sayısı
(1 - 4)
değerleridir.

Matris değerlerinin tipi 
(int, float)
görüntünün derinliğini
(8 bit, 32 bit)
ifade eder.

Bir görüntü için üst veri ve görsel nitelikler söz konusudur.

03/02/2012
52
Görüntü yakalama, gerçek yaşamdaki bir nesne için herhangi bir sahnenin
fotoğraf makinesi veya kamera gibi donanımlarla fotoğrafının çekilmesidir. 
Görüntü yakalama,  film  ve benzeri hareketli görüntülerden programlar
aracılığıyla da gerçekleştirilebilir.

Klavyedeki  ‘
Print Screen
’ tuşuna  basmak  suretiyle  ekran  görüntüsünü
hafızaya almak.
2.2. Görüntü Yakalama

03/02/2012
53
• Sayısal
görüntü,  sayısal
değerlerden
oluşan
ve
bilgisayar ortamında görüntülenebilen görüntü olup
oluşturulma aşamaları aşağıdaki şekilde verilmiştir.
Ş
ekil: Görüntü yakalama ve sayısallaştırma aşamaları
2.3. Sayısal Görüntü

03/02/2012
54
• I(
x

y
)
gibi bir fonksiyonla temsil edilen analog bir görüntü veya
resimde
– 'I' bir şiddet birimi (örneğin parlaklık), 

x
ve
y
ise görüntünün yatay ve dikey eksendeki koordinatlarına karşı düşen 
değişkenlerdir.
• Sayısal görüntü ise, bu analog görüntünün sütun ve satırdan
oluşacak şekilde örneklenmesi sonucu elde edilir.
• Satır ve sütunun kesiştiği her bölgeye
piksel
adı verilir.
• Sonuç olarak, sayısal görüntüye çevrilen resimde adet piksel
bulunur.
2.3. Sayısal Görüntü

03/02/2012
55

Yüklə 9,4 Mb.

Dostları ilə paylaş:
  1   2   3




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2020
rəhbərliyinə müraciət

    Ana səhifə