Günümüzde işletmelerin çeşitli yönleriyle kullandıkları görüntü işleme sistemleri hızla büyüyen teknolojiler arasında yer alır. Görüntü işleme, mühendislik ve bilgisayar bilimleri disiplinlerinde de temel araştırma alanını oluşturur.
Görüntü İşleme; elde edilmiş görüntü sinyallerinin, belirli işlemlerden geçerek yeniden yapılandırılması anlamına gelir.
Bu yöntem, görüntüyü dijital form haline getirmek ve bazı işlemleri gerçekleştirmek için geliştirilmiş, spesifik görüntü elde etmek veya ondan bazı yararlı bilgiler çıkarmak için kullanılır. Bu yöntemin girdisi video kesiti ve ya fotoğraf gibi bir görüntüdür. Çıktısı ise görüntünün istenilen ya da dikkat edilmesi gereken bölümüne karşılık gelir. Genellikle görüntü işleme sistemi, önceden belirlenmiş sinyal işleme( Signal Processing ) yöntemlerini uygularken görüntüleri iki boyutlu sinyaller olarak ele alır.
Günümüzde işletmelerin çeşitli yönleriyle kullandıkları görüntü işleme sistemleri hızla büyüyen teknolojiler arasında yer alır. Görüntü işleme, mühendislik ve bilgisayar bilimleri disiplinlerinde de temel araştırma alanını oluşturur.
Görüntü işleme temel olarak aşağıdaki üç adımı içerir:
· Görüntünün optik tarayıcı ile veya dijital fotoğraflarla alınması.
· Veri sıkıştırma, görüntü iyileştirme ve uydu fotoğrafları gibi insan gözü olmayan lekelenme kalıplarını içeren görüntüyü analiz etme-kullanma.
· Çıktı, sonuçların görüntü analizine dayalı olarak değiştirilmiş, kullanıma hazır hale getirme.
Görüntü işlemenin amacı
Görüntü işlemenin amacı 5 gruba ayrılmıştır. Onlar:
1. Görselleştirme – Görünmesi zor nesneleri gözlemleme
2. Görüntü keskinleştirme ve restorasyon – Gürültülü görüntüleri iyileştirme
3. Görüntü alımı – İlgi çekici ve yüksek çözünürlüklü görüntü arama
4. Desen Tanıma – Bir görüntüdeki çeşitli nesneleri tanımlama.
5. Görüntü Tanıma – Bir görüntüdeki nesneleri ayırt etme.
Görüntü işlemenin temelinde pixel değerleri ile işlemler yaparak, görüntüyü daha işlevsel hale getirmek yer alıyor. Temelinde lineer cebir ile işlemler yapabilmek çok önemli, çünkü görüntü sinyaller iki boyutlu olup, işlem yapılacağı zaman matris olarak düşünülür. 1080’e 720’lik bir görüntümüz olsun diyelim. Aslında bu görüntü [1080,720]’lik bir matris anlamına geliyor ve yapılacak bütün işlemleri matrisler ile yapıyorsunuz. Bu işlemlerde genellikle filtre kullanılır. Filtre dediğimiz yapı aslında matematiksel bir fonksiyondan ibarettir, genellikle konvolüsyon işlemi filtre olarak sıkça kullanılır.
Görüntüyü bilgisayar 3 katmanlı (Kırmızı-Yeşil-Mavi) yada tek katmanlı (Gri) olarak algılayabilir. Bunlar belirli renk uzaylarından bazılarıdır. Biz filtreler yardımıyla renk uzayları arasında geçiş yapabiliriz. Yada oluşturduğumuz filtreler yardımıyla görüntüyü daha kullanışlı hale getirebiliriz. Görüntünün içerisindeki pürüzlerin kaldırılması buna çok iyi bir örnektir. Mesela uydudan çekilmiş bir fotoğrafın insan gözünün seçemeyeceği gürültüleri kaldırması çok iyi bir iyileştirme örneğidir.
Gürültü: Sinyaller ilgili bozulmalar anlamına gelen bir teknik terimdir. İngilizce’de Noise olarak geçer.
Yüz tanıma, ülkemizde ve dünyada en çok kullanılan görüntü işleme dallarından bir tanesidir. Teknik olarak derin öğrenme metodolojisini izleyerek, öncelikle insan yüzlerinin spesifik özellikleri makineye öğretilir. İki gözün birbirine uzaklığı, ortalama insan yüzünün şekli gibi tanımlayıcı özellikler yüz şeklinin oluşturulması için metrik görevi alır. Yüzün insana özgü kriterleri öğretildikten sonra, görüntü içerisindeki aynı şekle benzeyen tüm nesneleri yüz olarak kabul eder. Yüzün tanınması ise yüzü oluşturan spesifik metriklerin insana özgü hale getirilmesi ile gerçekleşir.
Görüntü İşleme Çeşitleri
Görüntü İşleme için kullanılan iki yöntem, Analog ve Dijital Görüntü İşleme yöntemidir. Fotokopiler ve fotoğraflar gibi basılı kopyalar için analog veya görsel görüntü işleme teknikleri kullanılabilir. Görüntü analistleri, bu görsel teknikleri kullanırken yorumlamayı çeşitli temellere oturturlar. Görüntü işleme sadece teknik bilgi ile sınırlandırılmamalı, mühendislerin hayal gücü ve düşünce yeteneğine de dayanmalıdır. Görsel tekniklerle görüntü işleme alanındaki bir diğer önemli araç ise ham veri yani geçmişte toplanmış ve işlenmemiş görüntüdür. Analistler, tanımlamak istedikleri ürünler ile ilgili geçmiş işlemleri sisteme öğretir. Bir derin öğrenme kolu olarak Görüntü İşleme işlemi, geçmiş verilerin ışığında çalışır.
Dijital İşleme teknikleri dijital görüntülerin bilgisayarlarla manipüle edilmesine yardımcı olur. Uydu platformundan alınan görüntüler, algılayıcı hatası nedeniyle eksiklik içerir. Bu kusurları aşmak ve bilginin özgünlüğünü elde etmek için, çeşitli işleme aşamalarından geçmek zorundadır.
Her türlü verinin dijital tekniği kullanırken geçmesi gereken üç genel aşama vardır;
- Ön-işleme,
- Geliştirme ve görüntüleme,
- Bilgi çıkarımıdır.
Görüntü işleme teknolojisi; Otonom arabalarda, Nesne tespit ve takip sistemlerinde, Haritalandırma işlemlerinde, Arama-kurtarma, Yüz tanıma gibi işlemlerde kullanılabilir. Bunların hepsi ayrı ayrı birer araştırma konusudur ve üzerinde hala çalışmalar devam etmektedir.
Nesne Takip Sistemleri için kullanılan görüntü işleme yöntemleri, içerisinde derin öğrenme temelli yapay zeka barındırır. Bunların en önemli kullanım alanlarından biri, arama-kurtarma çalışmalarında insansız hava araçlarıyla birlikte kullanılan yazılım ile aranan bölgede insan tespiti yapabilmesidir. Bu sayede daha hızlı ve organize bir şekilde arama-kurtarma çalışmaları yapılabiliyor.
Bir başka önemli kullanım alanı ise Savunma Sanayisinde kullanılmasıdır. Gerek otonom uçuş için gerekse hedef tespiti gibi özellikleri ile birlikte Savunma Sanayi’de çalışılan alanlardan en önemlileri arasında yer alıyor. İnsansız hava araçları, füze savunma sistemlerini veya düşman birlikleri görüntü işleme teknikleri sayesinde bulabiliyor.
Görüntü işleme de “model” görüntüyü matematiksel olarak anlatmak ve analiz etmek için geliştirilen bir sistemdir. Son yıllarda bilgisayarların işlem hızının günden güne gelişmesiyle birlikte daha karmaşık modeller oluşturup bunu bilgisayarlarda eğitebiliyoruz.
Görüntü işleme işleminin hızlanmasının bir diğer sebebi ise artık GPU’nun (Grafiksel İşlem Birimi) model eğitilirken kullanılmasıdır. Bu uygulamaları yaparken de Python programlama dili genellikle en çok tercih edilen yazılım programı oluyor. Sebebi ise içinde kolay bir şekilde kullanılabilecek kütüphaneler (OpenCV, Tensorflow, PyTorch, Numpy gibi…) ile uyumlu olması ve daha kolay kod yazabilme imkanı vermesidir.
İlk yorum yapan olun