YZM209 · Sayısal Görüntü İşleme

T+U+Li 3+0+0 · Kredi 3 · AKTSi 3 (müfredatta 3) · Zorunlu · kategori: regular · sitede son güncelleme 08.06.2026
Kural denetimii
geçti: 41kaldı: 1muaf: 0değerlendirilemedi: 0
İçerik uyumu (YZ)i
100 / 100
iş #74 · 13.11 13:19 · 1 deneme · uzman incelemesi gerekli
Öğrenme çıktıları (YZ)i
76 / 100
iş #76 · 13.11 13:20 · 1 deneme · uzman incelemesi gerekli
Kaynak ve ÖP uyumu (YZ)i
100 / 100
iş #122 · 13.11 15:09 · 1 deneme · uzman incelemesi gerekli

Kural denetimi: geçmeyen kontroller (1)

KuralAlanÖnemGerekçeMevcutBeklenenÖneri
R7 Kaynaklar
year_present · tr
references düşükKaynakların çoğunda yayın yılı yazılmamış.1/4 kaynakta yayın yılı varen az %50Kaynaklara yayın yılı (ve baskı bilgisi) ekleyin.

İçerik uyumu (Modül A)i

ÖlçütDüzeyGerekçe
Düzey uygunluğu 3/3 Konuların derinliği, Lisans düzeyinde bir dersin gerektirdiği kapsamla uyumlu görünmektedir.
Ad kapsamı uygun 3/3 Ders adı, işlenen konuların kapsamına uygun görünmektedir.
Kapsam dışı konu yok 3/3 Haftalık konular, dersin genel kapsamı dışında bir konu içermemektedir.
Ad ↔ içerik/konular 3/3 Ders adı, içerik ve haftalık konular arasında belirgin bir uyum bulunmaktadır.
Amaç ↔ haftalık konular 3/3 Dersin amaçlarında belirtilen temel kavramlar, teknikler ve beceriler haftalık konular boyunca ele alınmaktadır.
Çıktılar ↔ amaç/konular 3/3 Öğrenme çıktıları, dersin amaçları ve işlenen konularla tutarlıdır.

Öğrenme çıktıları (Modül C)i

Ölçülebilir: %40 · haftalarda karşılığı olan: %100 · amaç uyumu 3/3 — Dersin amacı 'gerçek dünya problemlerine çözüm geliştirmeleri' ve 'mühendislik problemlerinde görüntü verisiyle çalışabilme becerisi kazanmaları'dır. Cıktı 5 bu amaca doğrudan hizmet ederken, Cıktı 4 ve Cıktı 3 bu becerinin temelini oluşturan teknik uygulamaları ölçülebilir hale getirmiştir. Cıktı 1 ve 2 ise temel bilgi düzeyini ölçmektedir.
Bloom dağılımı: analiz 1, anlama 1, yaratma 1, uygulama 2

#Özgün çıktıBloomiÖlçülebiliriHaftalarYZ önerisi (özgün metin değiştirilmez)
1Dijital görüntülerin yapısını ve temel işleme tekniklerini açıklar.
belirsiz: açıklar
anlama hayır1, 2, 3, 4, 5, 6, 7 Dijital görüntülerin yapısını ve temel işleme tekniklerini tanımlar ve örneklerle gösterir.
2Görüntü filtreleme, kenar belirleme ve segmentasyon yöntemlerini karşılaştırır.
belirsiz: karşılaştırır
analiz hayır4, 5, 7 Görüntü filtreleme, kenar belirleme ve segmentasyon yöntemlerinin avantajlarını ve dezavantajlarını karşılaştırır.
3Frekans alanında görüntü işlemesi yapar ve sonuçları analiz eder.
belirsiz: yapar, analiz eder
uygulama hayır9, 10 Fourier dönüşümünü kullanarak görüntü işlemesi gerçekleştirir ve elde edilen sonuçları yorumlar.
4Görüntü işleme araçlarını kullanarak uygulamalı analizler gerçekleştirir.uygulama evet4, 5, 6, 7, 11, 12, 13
5Gerçek dünya problemleri için uygun görüntü işleme çözümleri geliştirir ve değerlendirir.yaratma evet13, 14

Kaynak ve ÖP uyumu (Modül E)i

Kaynağın gerçekten var olup olmadığı ya da baskı bilgisinin doğruluğu bu modelle doğrulanamaz; yalnızca satırın künye olup olmadığı ve dersin konusuyla ilgisi değerlendirilir.

Kaynaklar · puan 100

Digital Image Processing 4th Edition, Rafael C. Gonzalez, Richard E. Woods, Addison Wesley, 2017
Klasik ve temel bir görüntü işleme ders kitabıdır, konuyu doğrudan destekler.
akademik ilgili
Rafael C. Gonzalez & Richard E. Woods, Digital Image Processing, Pearson
Temel görüntü işleme konularını kapsayan bir ders kitabıdır.
akademik ilgili
Szeliski, Richard, Computer Vision: Algorithms and Applications
Bilgisayarlı görü ve algoritmalarla ilgili olup, ileri konuları destekler.
akademik ilgili
OpenCV ve Scikit-Image Dokümanları
Uygulamalı kütüphaneler (OpenCV, skimage) hakkında bilgi verdiği için içeriğe doğrudan katkı sağlar.
web/belge ilgili

ÖP çıktısı katkı önerileri sayfada katkı girilmemiş

Öneridir; bilgi paketindeki veriyi değiştirmez ve puana girmez.

ÇıktıÖPDüzeyGerekçe
Ö1ÖP13Temel kavramlar ve teknikler (piksel, renk, filtreleme) dersin ana konusudur ve PO1'in bilgi birikimi gereksinimini karşılar.
Ö1ÖP43Temel tekniklerin (filtreleme, histogram) uygulamalı olarak öğretilmesi, PO4'ün araçları kullanma becerisine katkı sağlar.
Ö2ÖP23Filtreleme, kenar ve segmentasyon yöntemlerinin karşılaştırılması, problem çözme ve modelleme becerisi (PO2) gerektirir.
Ö2ÖP44Bu yöntemlerin (Sobel, Canny, Eşikleme) Python ile uygulanması, PO4'ün araçları kullanma becerisini doğrudan destekler.
Ö3ÖP24Fourier dönüşümü ve frekans analizi, karmaşık bir matematiksel/mühendislik problemi çözme (PO2) becerisi gerektirir.
Ö3ÖP54Frekans alanında gürültü giderme ve restorasyon, veri analizi ve yorumlama (PO5) becerisini gerektirir.
Ö4ÖP43OpenCV ve skimage gibi araçların kullanılması, PO4'ün bilişim teknolojilerini etkin kullanma becerisine doğrudan karşılık gelir.
Ö5ÖP25Gerçek dünya problemlerine çözüm geliştirme, en üst düzeyde problem formüle etme ve çözme (PO2) becerisi gerektirir.
Ö5ÖP35Proje çalışması ile bir sistemi (görüntü işleme sistemi) gereksinimlere uygun tasarlama (PO3) becerisi hedeflenmektedir.

Kaynak güncelliği (Modül D)i

Yalnızca sayfadaki yayın yıllarından hesaplanır. İçeriğin alanın güncel kapsamıyla karşılaştırılması güvenilir referans doküman gerektirdiği için değerlendirilemedi; model bilgisine dayalı güncellik iddiası üretilmez.

4 kaynak · 1 tanesinde yıl var · en yeni 2017 (9 yıl önce) · 10 yıldan eski 0
2017Digital Image Processing 4th Edition, Rafael C. Gonzalez, Richard E. Woods, Addison Wesley, 2017kaynaklar
—Rafael C. Gonzalez & Richard E. Woods, Digital Image Processing, Pearsonders notları
—Szeliski, Richard, Computer Vision: Algorithms and Applicationsders notları
—OpenCV ve Scikit-Image Dokümanlarıders notları

Orijinal bilgi paketi

Ad
Sayısal Görüntü İşleme
Amaç
Bu dersin amacı, öğrencilerin dijital görüntülerin işlenmesiyle ilgili temel kavramları öğrenmeleri, farklı görüntü işleme tekniklerini uygulayarak gerçek dünya problemlerine çözüm geliştirmeleri ve mühendislik problemlerinde görüntü verisiyle çalışabilme becerisi kazanmalarını sağlamaktır.
İçerik
Görüntü İşleme dersi, dijital görüntülerin elde edilmesi, işlenmesi, analizi ve yorumlanması süreçlerini teorik ve uygulamalı olarak öğretmeyi amaçlar. Derste öncelikle dijital görüntülerin temel kavramları, piksel temelli yapı, renk uzayları, gri seviye ve histogram analizleri tanıtılır. Ardından görüntü iyileştirme teknikleri (filtreleme, kontrast artırma, histogram eşitleme), kenar belirleme algoritmaları (Sobel, Canny, Laplacian), morfolojik işlemler ve görüntü segmentasyonu konuları detaylı şekilde ele alınır. Fourier dönüşümü, frekans alanında filtreleme, gürültü giderme ve görüntü restorasyonu gibi ileri konulara da yer verilir. Öğrenciler Python programlama diliyle OpenCV, skimage ve benzeri kütüphaneleri kullanarak uygulamalı ödevler geliştirir. Dönem sonunda, gerçek dünyaya yönelik bir görüntü işleme problemine çözüm getiren bir proje çalışması yürütülerek öğrenilen tekniklerin pratiğe aktarılması sağlanır.
Yöntem ve teknikler
Kuramsal anlatım Uygulamalı laboratuvar çalışmaları Görsel analiz ve proje tabanlı uygulamalar Kodlama çalışmaları Sunum ve tartışma
Ön koşul
Yok
Öğretim dili
Türkçe

Öğrenme çıktıları

  1. Dijital görüntülerin yapısını ve temel işleme tekniklerini açıklar.
  2. Görüntü filtreleme, kenar belirleme ve segmentasyon yöntemlerini karşılaştırır.
  3. Frekans alanında görüntü işlemesi yapar ve sonuçları analiz eder.
  4. Görüntü işleme araçlarını kullanarak uygulamalı analizler gerçekleştirir.
  5. Gerçek dünya problemleri için uygun görüntü işleme çözümleri geliştirir ve değerlendirir.

Değerlendirme

Ödev1%40
Yarıyıl Sonu Sınavı1%60

AKTS iş yükü (90 saat → tabloda 3 AKTS)

Ders Süresi14 × 228 saat
Sınıf Dışı Ç. Süresi14 × 228 saat
Ödevler1 × 1414 saat
Ara Sınavlar1 × 1010 saat
Yarıyıl Sonu Sınavı1 × 1010 saat

Haftalık konular

1Dijital görüntüye giriş, temel kavramlar
2Görüntü temsili, çözünürlük ve renk modelleri
3Piksel işlemleri ve görüntü histogramları
4Görüntü iyileştirme: Filtreleme, konvolüsyon, gürültü
5Kenar belirleme: Sobel, Prewitt, Laplacian, Canny
6Morfolojik işlemler: Erozyon, dilatasyon, açma-kapama
7Görüntü segmentasyonu: Eşikleme ve bölgeye dayalı yöntemler
8Proje öneri sunumları
9Frekans alanında işlemler: Fourier dönüşümü
10Gürültü giderme ve görüntü restorasyonu
11Nesne tanıma ve kontur analizi
12Özellik çıkarımı ve görüntü karşılaştırma
13Uygulama örnekleri: Medikal, endüstri, güvenlik
14Proje sunumları ve genel değerlendirme
15Final Sınavı