bilgiz.org

GöRÜNTÜ İŞleme

  • 1.Giriş
  • 2.Sayısal Görüntü



  • Sayfa1/8
    Tarih01.10.2017
    Büyüklüğü230.64 Kb.

    Indir 230.64 Kb.
      1   2   3   4   5   6   7   8

    İçindekiler

    1. Giriş 5

    2. Sayısal Görüntü 6

    3. Temel kavramlar 9

    3.1. Piksel 9

    3.2. Çözünürlük 9

    3.2.1. PPC, PPI (Pixel Per Cm - Inch) 10

    3.2.2. SPC, SPI (Samples per centimeter, Samples per inch) 11

    3.2.3. LPI (Lines Per Inch) 11

    3.2.4. DPC, DPI (Dots Per Centimeter, Dots Per Inch) 11

    3.2.5. Yeni görüntüyü boyutunun belirlenmesi 12

    3.2.6. Tarama çözünürlüğünün belirlenmesi 13

    3.2.7. Piksel sayısını arttırma veya azaltma 14



    3.3. Renk 14

    3.4. Renk modelleri 17

    3.4.1. RGB renk modeli 17

    3.4.2. CMYK renk modeli 17

    3.4.3. Lab renk modeli 17

    3.4.4. HSB renk modeli 18

    3.5. Piksel derinliği 19

    3.6. Ekran Kartı ve Piksel derinliği 20

    3.7. Sıkıştırma 21

    4. Vektör ve Piksel grafikler 21

    4.1. Resim dosyası biçimi seçimi 21

    4.2. Görüntü Dosyası Türleri 22

    4.2.1. BMP (BitMaP) 22

    4.2.2. Photoshop EPS 22

    4.2.3. EPS TIFF veya EPS PICT Preview 22

    4.2.4. Filmstrip 23

    4.2.5. CompuServe GIF 23

    4.2.6. JPEG 23

    4.2.7. PCX 24

    4.2.8. PDF 24

    4.2.9. PIXAR 24

    4.2.10. PNG 24

    4.2.11. PSD 24

    4.2.12. Raw 25

    4.2.13. Scitex CT 25

    4.2.14. TARGA 25

    4.2.15. TIFF 25



    5. Görüntü işlemede temel matematiksel işlemler 25

    6. Gelişmiş işlemler 27

    7. Hareketli görüntüler (Video) 28

    8. Görüntü işleme programları 31

    8.1. UTHSCSA 1ImageTool 32

    8.1.1. Sistem Gereksinimleri 32

    8.1.2. Programa özgü işlemler 33

    8.2. Scion Image 34

    8.3. TIMWIN 35

    9. Sonuç 35

    Şekil Listesi



    Şekil 1. Sayısal İşaret İşleme 5

    Şekil 2. Sayısal görüntü işleme (Gonzales ve Wood, 1993) 6

    Şekil 3. Sayısal görüntü işleme aşamaları (Gonzales ve Wood, 1993) 8

    Şekil 4. Piksel 9

    Şekil 5. Renk spektrumu. 14

    Şekil 6. Işığın prizmada renklere ayrılması 15

    Şekil 7. Renklerin toplamalı olarak elde edilmesi. 16

    Şekil 8. Renk halkası 16

    Şekil 9. Renklerin çıkarmalı olarak elde edilmesi. 17

    Şekil 10. Lab renk modeli 18

    Şekil 11. HSB renk modeli 18

    Şekil 12. Renk gösterim biçimleri. 19

    Şekil 13. Vektör tabanlı resim 21

    Şekil 14. Resimler üzerinde temel mantıksal işlemler (Gonzalez ve Woods, 1993) 26

    Şekil 15. İki görüntünün toplanması 27

    Şekil 16. İki görüntünün çıkarılması 27

    Şekil 17. İki görüntünün çarpılması 27

    Şekil 18. Histogram 28

    Şekil 19. Eşik (Treshold) değerinin değiştirilmesi. 28

    Şekil 20. Kenarların bulunması. 28

    Şekil 21. Image Tool programının ekran görüntüsü. 32

    Şekil 22. Settings menüsü. 33

    Şekil 23. Scion Image ekran görüntüsü. 34

    Şekil 24. TIMWIN ekran görüntüsü. 35

    Çizelge Listesi

    Çizelge 1. Yoğunluk Çizelgesi 12

    Çizelge 2. Renk sayısına bağlı olarak gereken bellek büyüklüğü. 20

    Çizelge 3. Resim biçimi seçimi. 22

    Çizelge 4. MS VidEdit programı kullanılarak farklı kalite ve codeclerin sıkıştırma süreleri ve dosya boyutları. 29

    Çizelge 5. Adobe Premiere programının en yüksek kalite seçeneği ile farklı codeclerin sıkıştırma süreleri ve dosya boyutları. 30

    Çizelge 6. Çerçeve boyutlarına göre dosya büyüklüklerinin karşılaştırılması. 30

    Çizelge 7. Çerçeve sayısına göre dosya büyüklüğünün kaşılaştırılması 30

    Çizelge 8. Video NT kart kullanılan codeclerin dosya büyüklüklerine göre karşılaştırılması. 31

    Çizelge 9. MPEG dosyaları 31


    1.Giriş


    Bir Çin atasözü “Bir resim, binlerce sözcüğe eşdeğerdir” der. Resimler, kitle iletişim aracı olarak yaşamımızı düzenlememizde önemli bir rol oynar. Bir çok medya (gazete, televizyon, sinema) bilgi iletmek için hareketli yada sabit resim kullanır. Çok miktardaki optik bilginin işlenmesi ve iletilmesi zorunluluğu, sayısal bilgisayarlarla görüntü işlemenin kullanılmasını gündeme getirmiştir. Konu ile ilgili çalışmalar, 1964 yılında Jet Propulsion Laboratuvarında (Pasadena, Kaliforniya) başlamış ve aydan gelen görüntüler sayısal olarak işlenmiştir. Daha sonra Sayısal İşaret İşleme (Digital Signal Processing) olarak adlandırılan yeni bilim dalı ortaya çıkmıştır (Şekil 1). Sayısal görüntü işleme bu alan içerisinde önemli bir yer tutar. O günden bu yana görüntü işleme büyük bir gelişme sergilemiş ve iletişim, televizyon yayıncılığı, basım, grafik sanatları endüstrisi, tıp ve bilimsel araştırmalar gibi bir çok alanda teknolojik değişimler yaratmıştır (Pitas, 1993) .

    Şekil 1. Sayısal İşaret İşleme




    2.Sayısal Görüntü


    Sayısal görüntü işleme, bir görüntünün sayısal biçime dönüştürülmesi ve sayısal bilgisayarlarla işlenmesi ile ilgilenir. Sayısal görüntü işleme sisteminde giriş ve çıkışlar sayısal görüntülerdir. Sayısal Görüntü Analizi, sayısal görüntü içeriğinin tanımlanması ve tanınması ile ilgilenir (Şekil 2). Girişi sayısal resim olan sistemin çıkışı, sembolik görüntü tanımlamasıdır. Bir çok durumda, sayısal görüntü analiz teknikleri, insan görmesi işlevlerinin benzetişimini (simülasyonunu) yapmaya çalışır. İnsan görmesi çok karmaşık bir nöro-fizyolojik işlemdir ve bu alandaki çalışmalar son yıllarda katlanarak çoğalmasına rağmen görme sürecinin bir kısmı bilinebilmektedir. Bundan dolayı sayısal görüntü işleme ve yapay görme (machine vision) benzetimi oldukça güç bir çalışmadır. Genelde aynı şeyi amaçlamalarına karşın, sayısal görüntü işleme ve yapay görme, insan görme mekanizmasından tamamen farklıdır.

    Şekil 2. Sayısal görüntü işleme (Gonzales ve Wood, 1993)

    Sayısal görüntü işleme ve bilgisayar görmesi teknikleri üç farklı sınıfta incelenebilir. Alt düzey görme, orta düzey görme ve üst düzey görme. Alt düzey görme işlemleri temelde sayısal görüntü işleme algoritmalarıdır. Giriş ve çıkış sayısal görüntülerdir. Orta düzey algoritmalarda giriş sayısal görüntü, çıkışı ise görüntü özelliklerinin alt düzey sembollerle gösterimi şeklindedir. Üst düzey görme algoritmaları ise hem girişte hem çıkışta sembolik gösterimi kullanır. Üst düzey görme yapay zeka ve yapay görü ile yakından ilgilidir ve insan görmesini benzetmeye çalışır.

    Sayısal görüntü biçimi sayısal görüntü işleme uygulamasının ilk adımıdır. Sayısal görüntü elde etme sistemi basit olarak bir optik sistem, bir algılayıcı ve bir sayısallaştırıcıdan oluşur (Şekil 3). Optik görüntü bir algılayıcı (ör. charge-coupled device CCD) yardımı ile elektrik sinyallerine dönüştürülür. Bu örneksel (analog) elektrik sinyalleri elektronik devreler yardımıyla sayısallaştırılır. Böylece optik görüntüden sayısal görüntü elde edilmiş olur. Her sayısal görüntü elde etme sistemi sayısal görüntüde bozulma ve kayba (geometrik bozulma, gürültü, doğrusal olmayan dönüşüm) neden olur.

    Sayısal görüntü düzeltme teknikleri sayısal görüntü elde edilirken ortaya çıkan bozulma ve kayıpları göz önünde bulundurur. Bazı teknikler resmi düzeltmeye yada kurtarmaya çalışır. Sayısal görüntü geliştirme teknikleri sayısal görüntünün kalitesini artırmaya çalışır. Bunun için kontrast artırma, keskinleştirme ve gürültü azaltma teknikleri uygulanır. Bazı uygulamalarda sahte renklendirme ve yarı tonlama daha uygun olur.

    Sayısal görüntü sıklık bilgisi (frequency), sayısal gürültü süzme (filtreleme), düzenleme ve sıkıştırma işlemlerinde önemli bir etmendir. Sayısal görüntü dönüşümleri sayısal görüntü sıklık bilgilerini kullanırlar. Görüntü iki boyutlu olduğundan dönüşümler de iki boyutludur.

    Sayısal görüntüleri saklamak için çok büyük alanlar gereklidir. 1024x1024 boyutlarındaki renkli bir resim 3MB alan yada RAM gerektirir. Bellek gereksinimini azaltmak, birçok uygulamada en önemli amaçtır. Sayısal görüntünün kodlanması ve sıkıştırılmasında, gereksiz bilgilerin azaltılması işleme ve sıkıştırma işlemlerinde avantaj sağlar. Büyük sıkıştırma oranları (ör. 1:24) gereksiz bilgilerin atılmasında uygun bir işlemle elde edilebilir. Aşırı sıkıştırılmış görüntüde kayıplar meydana gelecektir. Bundan dolayı kalite ve sıkıştırma oranı arasında uygun bir uyum bulunmalıdır (Gonzales ve Wood, 1993).

    Sayısal görüntü analizinde ilk adım, genellikle nesne sınırlarının belirlenmesidir. Bunun için sınır algılama (edge detection) ve çizgi algılama (line detection) teknikleri kullanılır. Sınır veya çizgi algılama işlemlerinden sonra sınır koordinatlarının bir listesi yaratılır. Kenar izleme algoritmaları yardımıyla kırık kenarlar ve gürültülerden sağlam çizgiler elde edilebilir.



    Şekil 3. Sayısal görüntü işleme aşamaları (Gonzales ve Wood, 1993)


      1   2   3   4   5   6   7   8






        Ana sayfa


    GöRÜNTÜ İŞleme

    Indir 230.64 Kb.