sayısal görüntü

BLM429 Görüntü İşlemeye Giriş

Yrd. Doç. Dr. Caner ÖZCAN

Hafta 1 Sayısal Görüntü İşlemeye Giriş ve

Temel Adımlar

Fall in love with the process, and the results will come. ~ Eric Thomas

Derse Giriş

2

►Ders Web Sitesi: www.canerozcan.net

►Ofis Saatleri: Salı 15:00-17:00

Perşembe 13:00-15:00

ya da email ile randevu alınız: canerozcan@karabuk.edu.tr

►Ders Kitapları: – Sayısal Görüntü İşleme, Palme Yayıncılık, Üçüncü Baskıdan

Çeviri (Orj: Digital Image Processing, R.C. Gonzalez, R.E. Woods)

Derse Giriş

3

Amaçlar

4

►Görüntü işlemede yaygın olarak kullanılan temel kavram ve algoritmalar kapsar

►Görüntüleri işlemede uygulamalı deneyimi geliştirir

►OpenCV (Open Source Computer Vision) kütüphanesini öğrenmek

►Gelişmiş yöntemler hakkında eleştirel düşünmeyi geliştirmek

Önkoşullar

5

►Sinyaller ve sistemler

►Lineer Cebir – Matrisler, Matris İşlemleri

– Determinantlar, Sistemleri Lineer Denklem

►Olasılık ve İstatistik – Olasılık yoğunluk fonksiyonu

– Olasılık dağılımı

– Ortalama, varyans, kovaryans, korelasyon

– Gauss dağılımı

►İyi programlama becerileri

Derse Giriş

6

►Notlandırma Ödev: %20

Vize Sınavı: %40

Final Sınavı: %40

►Bonus: Makale Okuma ve Proje

Derse Giriş

7

►Makale Okuma ve Proje Radar görüntü işleme uygulamaları

Medikal görüntü analizi (MRI/PET/CT/X-ray tümör tespit/sınıflandırma)

Yüz, parmak izi ve diğer nesne tespitleri

Görüntü ve video sıkıştırma

Görüntü bölütleme ve gürültü azaltma

Sayısal görüntü/video damgalama / steganografi ve tespit

İlgilendiğiniz bir konu..

İçerik

8

1. Giriş ► Sayısal Görüntü İşleme Nedir?

► Sayısal Görüntü İşlemenin Başlangıcı

► Sayısal Görüntü İşlemeyi Kullanan Alanlara Örnekler

► Sayısal Görüntü İşlemedeki Temel Adımlar

► Bir Görüntü İşleme Sisteminin Bileşenleri

Bir resim, on binden fazla kelimeye bedeldir!!

9

Giriş

10

Giriş

11

►Sayısal Görüntü İşleme Nedir?

Sayısal Görüntü

— iki boyutlu bir fonksiyon

x ve y uzamsal koordinatlardır

f fonksiyonun herhangi bir (x,y) koordinatındaki genliği görüntünün o noktadaki

yeğinlik (intensity) veya gri seviyesi (gray level) olarak adlandırılır.

Sayısal Görüntü İşleme

— sayısal görüntüleri bilgisayar aracılığıyla işler

alçak-seviye: girdileri ve çıktıları görüntülerdir

orta-seviye: girişleri genellikle görüntü fakat çıkışları bunlardan oluşturulan nesnelerdir

yüksek-seviye: nesneler topluluğuna görme ile ilgili bilişsel fonksiyonları uygular

Piksel — sayısal görüntünün bileşenleri

( , )f x y

Londra-Newyork arasındaki denizaltı kablosu

Sayısal Görüntü İşlemenin Başlangıcı

12

Sayısal Görüntü İşlemenin Başlangıcı

13

Denizaltı kablosu aracılığıyla Londra ve Newyork arasında ilk kez gönderilmiştir. Gerekli olan zaman bir haftadan daha fazlayken üç saatten daha az bir süreye inmiştir.

Sayısal Görüntü İşlemenin Başlangıcı

14

Sayısal Görüntü İşlemenin Başlangıcı

15

Görüntü Kaynakları

16

►Elektromanyetik (EM) enerji spektrumu

►Akustik

►Ultrasonik

►Elektronik

►Bilgisayarlar tarafından üretilen sentetik görüntüler

Elektromanyetik (EM) Enerji Spektrumu

17

Görüntüleme:

• Gamma-ışını: nükleer tıp ve astronomik gözlemler

• X-ışını: medikal teşhis, sanayi ve astronomi, vb.

• Mor Ötesi Bandı: litografi, endüstriyel denetim, mikroskopi, lazerler, biyolojik görüntüleme ve astronomik gözlemler

• Görünür ve Kızılötesi Bantlar: ışık mikroskopi astronomi, uzaktan algılama, sanayi ve emniyet

• Mikrodalga Bandı: radar

• Radyo Bandı: tıp (MRI gibi) ve astronomi

18

Örnekler: Gamma-Işını Görüntüleme

19

Örnekler: X-Işını Görüntüleme

20

Örnekler: Mor Ötesi Bandında Görüntüleme

21

Örnekler: Işık Mikroskopu Görüntüleme

22

Örnekler: Görünür ve Kızılötesi Görüntüleme

23

Örnekler: Görünür ve Kızılötesi Görüntüleme

24

USA 1993 USA 2003

Örnekler: Kızılötesi Uydu Görüntüleme

25

Örnekler: Kızılötesi Uydu Görüntüleme

26

Örnekler: Otomatik Görsel Denetim

27

Görüntüleme sisteminin plakayı tespit ettiği alan

Plaka içeriklerinin sistem tarafından otomatik olarak okunması sonuçları

Örnekler: Otomatik Görsel Denetim

28

Radar Görüntü Örneği

29

Örnekler: MRI (Radyo Bandı)

30

Örnekler: Elektromanyetik Spektrum

31

Örnekler: Ultrason Görüntüleme

32

Sayısal Görüntü İşlemedeki Temel Adımlar

Sonuç orijinalinden çok daha uygundur

Görünümü iyileştirmek

Görüntü bileşenlerini ayıklama

Görüntü ya da nesneyi kendini oluşturan parçalara ayırma

Görüntüyü bilgisayar eşleme için sunma

33

Örnek Problemler

►Kenar Tespiti

►Görüntü Gürültü Azaltımı

►Görüntü Yumuşatma

►Görüntü Bölütleme

►Görüntü Çakıştırma

►Görüntü İçboyama

►…

34

Kenar Tespiti

►Kenarlar: yeğinlikteki ani değişiklikler • Yeğinlik veya renkteki tekdüzelik

►Sınırları belirleyen kenarlar

35

Görüntü Filtreleme

► Zorluk: Alakasız görüntü bilgilerinin bazıları önemli görüntü özellikleri ile benzer özelliklere sahiptir.

36

Gürültü Azaltma

►Görüntüler% 70 tuz ve biber gürültü ile bozulmuştur.

Bu örnekler ne göstermekte?

Gürültülü Giriş İyileşen Görüntü Orijinal Görüntü

37

Görüntü Yumuşatma

38

Görüntü Bölütleme

► Bir görüntüyü görüntüdeki nesneler ile ilgili anlamlı bölgelere ayırın.

39

Görüntü Çakıştırma

40

Görüntü İçboyama

►Görüntülerin kaybolan veya bozulan parçalarını yeniden onarmak.

41

Bir Görüntü İşleme Sisteminin Bileşenleri

42

Matlab Görüntü İşleme Araç Kutusu

►Matlab

►OpenCV

► vb.

43

Görüntü İşleme Araç Kutuları ve Yazılımlar

►Matlab matrisler üzerinde çalışmak için optimize edilmiştir. Görüntüler matristir!

►Görüntü işleme, analiz, görselleştirme ve algoritma geliştirme için referans standardı algoritmalar, fonksiyonlar ve uygulamaların kapsamlı bir kümesini sağlar.

►Görüntü analizi, görüntü bölütleme, görüntü iyileştirme, gürültü azaltma, geometrik dönüşümler ve görüntü çakıştırma yapabilirsiniz.

► Birçok araç fonksiyonları sayesinde çok çekirdekli işlemcileri, GPU'ları ve C-kod üretimini destekler.

44

OpenCV

►OpenCV anlamı Intel® Open Source Computer Vision Library.

► C fonksiyonlarının ve popüler Görüntü İşleme ve Bilgisayarla Görme algoritmalar uygulayan bazı C++ sınıflarının bir koleksiyonudur.

► C++, C, Python ve Java arayüzü vardır ve Windows, Linux, Mac OS, iOS ve Android destekler.

► Ticari ve ticari olmayan kullanımlar için ücretsizdir. ►Optimize edilmiş C/C++ ile yazılmış kütüphane sayesinde

çok çekirdekli işlemeden yararlanabilirsiniz. ► Sourceforge’da mevcut

• http://opencv.org/ • http://sourceforge.net/projects/opencvlibrary/

45

Görüntü İşleme Araç Kutuları

► C/C++ • IPL ... : http://www.cs.nott.ac.uk/~jzg/nottsvision/old/index.html

• OpenCV: http://sourceforge.net/projects/opencvlibrary

• ImageMagick: http://www.imagemagick.org/

• Insight Toolkit ITK (medikal görüntü) : http://www.itk.org/

• mathtools.net: http://www.mathtools.net/C_C__/Image_Processing/

► Java • Java Media APIs: JAI, JMF, Java image I/O ...:

http://java.sun.com/javase/technologies/desktop/media/

• http://www.mathtools.net/Java/Image_Processing/index.htmlPython

► Python Imaging Library (PIL) • http://www.pythonware.com/products/pil/

• numpy, scipy

► SciKit

Kaynaklar

46

►Sayısal Görüntü İşleme, Palme Yayıncılık, Üçüncü Baskıdan Çeviri (Orj: R.C. Gonzalez and R.E. Woods: "Digital Image Processing", Prentice Hall, 3rd edition, 2008).

►Lecture Notes, CS589-04 Digital Image Processing, F.(Qingzhong) Liu, http://www.cs.nmt.edu/~ip

►Ders Notları, BIL717-Image Processing, E.Erdem

►Ders Notları, EBM537-Görüntü İşleme, F.Karabiber