Sayısal Görüntü İşleme(INF366)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| INF366 | Sayısal Görüntü İşleme | 6 | 3 | 0 | 0 | 3 | 5 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | Fransızca |
| Türü | Seçmeli |
| Dersin Düzeyi | Lisans |
| Dersi Veren(ler) | MOULOUD ADEL madel@gsu.edu.tr (Email) |
| Dersin Yardımcıları | Mustafa Berk BACAKSIZ mbacaksız@gsu.edu.tr (Email) |
| Dersin Amacı | -Dersin amacı, öğrencileri görüntü işleme yöntemleriyle tanıştırmak ve onlara dijital görüntüleri modelleme, işleme ve analiz etme konusunda gerekli becerileri kazandırmaktır. Ders, öğrencileri çeşitli alanlarda (tıp, endüstri, multimedya vb.) görsel verilerin işlenmesi için algoritmik araçların ve yazılımların kullanımına yönelik olarak eğitmeyi hedeflemektedir. |
| İçerik |
1. Dijital görüntü işlemeye giriş: tanımlar, uygulamalar, görüntü türleri 2. Renk modelleri ve görüntü formatları (RGB, HSV, YCbCr vb.) 3. Örnekleme, sayısallaştırma, histogram ve kontrast iyileştirme 4. Uzamsal filtreleme: yumuşatma, kenar algılama (Sobel, Prewitt, Laplacian) 5. Frekans filtreleme: ayrık Fourier dönüşümü (DFT), frekans filtreleme 6. Görüntü sıkıştırma: kayıpsız yöntemler (RLE, Huffman, PNG) 7. Kayıplı sıkıştırma: JPEG, DCT 8. Ara sınav 9. Görüntü segmentasyonu: eşikleme, bölge, kenarlar 10. Matematiksel morfoloji: aşındırma, genişletme, açma, kapatma 11. Şekil algılama ve tanımlama (Hough, SIFT, ORB) 12. Bilgisayarla görme ve görüntüye uygulanan makine öğrenimine giriş 13. Öğrenci projelerinin sunumu 14. Genel tekrar ve final sınavına hazırlık |
| Dersin Öğrenme Çıktıları | |
| Öğretim Yöntemleri |
1. Bir görüntü işleme sisteminin temel aşamalarını anlamak. 2. Dijital görüntülere filtreleme ve dönüştürme tekniklerini uygulamak. 3. Görüntü kalitesini değerlendirmek ve uygun iyileştirme yöntemlerini seçmek. 4. Nesne segmentasyonu ve tanıma için algoritmalar tasarlamak ve uygulamak. 5. Programlama ortamında görüntüleri işlemek için yazılım kütüphanelerini kullanmak. |
| Kaynaklar |
• Digital Image Processing, Rafael C. Gonzalez & Richard E. Woods • Image Processing, Analysis, and Machine Vision, Sonka, Hlavac, Boyle • Computer Vision: Algorithms and Applications, Richard Szeliski • Practical Python and OpenCV, Adrian Rosebrock |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Toplam | 0 | 0 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Toplam | 0 | 0 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Toplam İş Yükü | 0 | ||
| Toplam İş Yükü / 25 | 0.00 | ||
| Dersin AKTS Kredisi | 0 | ||