Professional Documents
Culture Documents
Görüntü İşleme
Görüntü İşleme
Görüntü İşleme Nedir?
Dijital bir resim haline getirilmiş olan
gerçek yaşamdaki görüntülerin, bir
girdi resim olarak işlenerek, o resmin
özelliklerinin ve görüntüsünün
değiştirilmesi sonucunda yeni bir
resmin oluşturulmasıdır.
Görüntü İşleme Nedir?
Görüntü İşlemenin
Faydaları
Resimler genellikle analog ortamlardan
dijital ortamlara geçirildiği için bozukluk
(noise) içerir. Görüntü işleme bu hataları
düzeltmek için kullanılabilir.
Görüntü İşlemenin
Faydaları
Resimler faydalı işler için işlenir.
“Gürültü” Temizlemek
Parlaklığı Ayarlamak
Koyuluk Ayarlamak
Görüntü keskinleştirmek ve bulanıklaştırmak
Doğru renk ayarlamak
Görüntü Nedir?
Gerçek yaşamda, bir görüntü veya resim
basit 2 değişkenin bir fonksiyonu olarak
tanımlanır.
A(x,y) gibi bir fonksiyonlar ifade edilen bir
resimde a bir şiddet birimi (örneğin
parlaklık) ve x veya değişkenleri ise resmin
gerçek koordinatlarıdır.
Dijital Görüntü Tanımlamaları
olur.
FİLTRELEME
92 97 101 0 -1 0
93 96 98 -1 5 -1
92 96 101 0 -1 0
a4 a5 a6
a7 a8 a9
Mean Filtre
Filtreleme
2. Medyan Operatörü
Çekirdek görüntü üzerinde boş bir 3x3, 5x5 gibi filtrelerin
gezdirilerek ortanca değerin yeni piksel değeri olması
prensibine göre çalışır.
22 77 48
87 93 28
102 132 120
Filtrede yer alan değerlerin dizilimi : 22, 28, 48, 77, [87],
93, 102, 120, 132
Yukarıdaki duruma göre işaretli pikselin yeni değeri 87 dir.
Filtreleme
2. Medyan Operatörü
Medyan Filtre
Filtreleme
3. Gaussian Filtre
Gaussian filtreleme aynı zamanda bir fourier dönüşümüdür. Gauss
filtre ile sonsuz bir transfer fonksiyonuna karşılık mekansal alanda
sonlu bir pencerede (tarama penceresi) filtreleme yapılabilmektedir.
Burada
fij ; filtre matrisinin katsayısıdır,
gij ; piksel gri değeridir,
n ; filtreleme matrisinin boyutlarıdır(örn 3x3,5x5,7x7),
F ; filtreleme matrisinin elemanları toplamıdır. Eğer toplam sıfırsa 1
dir.
Filtreleme
4.Katlama(Convolution Filtering)
1 1 1 1 2 1
1 1 1 2 4 2
1 1 1 1 2 1
Kenar Pekiştirme :
0 0 0 0 -1 0 -1 0 0
-1 1 0 0 1 0 0 1 0
0 0 0 0 0 0 0 0 0
Kenar Belirleme :
0 1 0 -1 -1 -1 1 -2 1
1 -4 1 -1 8 -1 -2 4 -2
0 1 0 -1 -1 -1 1 -2 1
Filtreleme
4.Katlama(Convolution Filtering)
Keskinleştirme:
-1 -1 -1 0 -1 0
-1 9 -1 -1 5 -1
-1 -1 -1 0 -1 0
-1 8 -1
-1 -1 -1
50 150 77
93 0 77
34 22 77
50 255 77
93 0 77
150 77 158
0 77 219
Filtreleme
5. Sobel Operatörü
P4 P5 p6
P7 P8 p9
X = (p1+(p2+p2)+p3-p7-(p8+p8)-p9)
Y = (p3+(p6+p6)+p9-p1-(p4+p4)-p7)
P5 = SQRT((X*X)+(Y*Y)) şeklinde bulunur.
Filtreleme
5. Sobel Operatörü
wj
Burada dır.
n
j 1
wj
Renkli Resim Filtreleme
Bulanık Çok Kanallı Filtreler
Filtrenin ağırlıkları her resim pozisyonundaki
bir uzaklık kriterinin dönüşümlerini kullanarak
uyarlanabilir bir şekilde belirlenir. Bu ağırlık
katsayıları pencerenin (üzerinde çalışılan)
merkezi ile filtre penceresindeki tüm
örneklerin arasındaki uzaklıkların toplamının
dönüşümüdür.
Renkli Resim Filtreleme
Bulanık Çok Kanallı Filtreler
Filtrenin ağırlığı, her resim pozisyonuna göre
uyumlu bir mesafe dönüşüm kriteri
kullanılarak hesaplanır. Bu ağırlık katsayıları
pencere ( algılanan, işlem yapılan piksel) ile
filtre penceresi içerisindeki tüm örneklerin
merkezi arasındaki mesafelerin ortalamasının
dönüşümüdür. Böylece, bulanık ağırlıklar filtre
yapısını bağımlı yaparak hangi vektörün
çıktıya yardımcı olacağının derecesini sunar.
Renkli Resim Filtreleme
Bulanık Çok Kanallı Filtreler
Bunun gibi bir bakış açısından, bulanık
kümeleme yaklaşımı ÇK sinyalin belirsizliğini
göz önüne alarak küme merkezinin
belirlenmesi için tanımlanır. Filtre yapısı
burada, bulanık üyelik fonksiyonlarının ve veri
bağımlı filtreli uzaklık kavramlarının
birleştirilmesini teklif eder. Normalizasyon
prosedürü boyunca, iki sınırlama, çıktının
tarafsız hesaplayıcı olmasının sağlanmasını
garanti etmek için gereklidir
Renkli Resim Filtreleme
Bulanık Çok Kanallı Filtreler
Bunlar;
Her ağırlık pozitif bir numaradır , ξ ≥ 0
Tüm ağırlıkların ortalaması bire eşittir, .
n
j 1
j 1
Renkli Resim Filtreleme
Bulanık Çok Kanallı Filtreler