YZM209 · Sayısal Görüntü İşleme
Bölüm durumu
Tüm dersler →Kural denetimi: geçmeyen kontroller (1)
| Kural | Alan | Önem | Gerekçe | Mevcut | Beklenen | Öneri |
|---|---|---|---|---|---|---|
| R7 Kaynaklar year_present · tr | references | düşük | Kaynakların çoğunda yayın yılı yazılmamış. | 1/4 kaynakta yayın yılı var | en az %50 | Kaynaklara yayın yılı (ve baskı bilgisi) ekleyin. |
İçerik uyumu (Modül A)i
| Ölçüt | Düzey | Gerekçe |
|---|---|---|
| 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 çıktı | Bloomi | Ölçülebiliri | Haftalar | YZ önerisi (özgün metin değiştirilmez) |
|---|---|---|---|---|---|
| 1 | Dijital görüntülerin yapısını ve temel işleme tekniklerini açıklar. belirsiz: açıklar | anlama | hayır | 1, 2, 3, 4, 5, 6, 7 | Dijital görüntülerin yapısını ve temel işleme tekniklerini tanımlar ve örneklerle gösterir. |
| 2 | Görüntü filtreleme, kenar belirleme ve segmentasyon yöntemlerini karşılaştırır. belirsiz: karşılaştırır | analiz | hayır | 4, 5, 7 | Görüntü filtreleme, kenar belirleme ve segmentasyon yöntemlerinin avantajlarını ve dezavantajlarını karşılaştırır. |
| 3 | Frekans alanında görüntü işlemesi yapar ve sonuçları analiz eder. belirsiz: yapar, analiz eder | uygulama | hayır | 9, 10 | Fourier dönüşümünü kullanarak görüntü işlemesi gerçekleştirir ve elde edilen sonuçları yorumlar. |
| 4 | Görüntü işleme araçlarını kullanarak uygulamalı analizler gerçekleştirir. | uygulama | evet | 4, 5, 6, 7, 11, 12, 13 | |
| 5 | Gerçek dünya problemleri için uygun görüntü işleme çözümleri geliştirir ve değerlendirir. | yaratma | evet | 13, 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.
| Çıktı | ÖP | Düzey | Gerekçe |
|---|---|---|---|
| Ö1 | ÖP1 | 3 | Temel kavramlar ve teknikler (piksel, renk, filtreleme) dersin ana konusudur ve PO1'in bilgi birikimi gereksinimini karşılar. |
| Ö1 | ÖP4 | 3 | Temel tekniklerin (filtreleme, histogram) uygulamalı olarak öğretilmesi, PO4'ün araçları kullanma becerisine katkı sağlar. |
| Ö2 | ÖP2 | 3 | Filtreleme, kenar ve segmentasyon yöntemlerinin karşılaştırılması, problem çözme ve modelleme becerisi (PO2) gerektirir. |
| Ö2 | ÖP4 | 4 | Bu yöntemlerin (Sobel, Canny, Eşikleme) Python ile uygulanması, PO4'ün araçları kullanma becerisini doğrudan destekler. |
| Ö3 | ÖP2 | 4 | Fourier dönüşümü ve frekans analizi, karmaşık bir matematiksel/mühendislik problemi çözme (PO2) becerisi gerektirir. |
| Ö3 | ÖP5 | 4 | Frekans alanında gürültü giderme ve restorasyon, veri analizi ve yorumlama (PO5) becerisini gerektirir. |
| Ö4 | ÖP4 | 3 | OpenCV ve skimage gibi araçların kullanılması, PO4'ün bilişim teknolojilerini etkin kullanma becerisine doğrudan karşılık gelir. |
| Ö5 | ÖP2 | 5 | Gerçek dünya problemlerine çözüm geliştirme, en üst düzeyde problem formüle etme ve çözme (PO2) becerisi gerektirir. |
| Ö5 | ÖP3 | 5 | Proje 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.
| 2017 | Digital Image Processing 4th Edition, Rafael C. Gonzalez, Richard E. Woods, Addison Wesley, 2017 | kaynaklar |
| — | Rafael C. Gonzalez & Richard E. Woods, Digital Image Processing, Pearson | ders notları |
| — | Szeliski, Richard, Computer Vision: Algorithms and Applications | ders notları |
| — | OpenCV ve Scikit-Image Dokümanları | ders notları |
- Ad
- Digital Image Processing
- Amaç
- The aim of this course is to enable students to learn the basic concepts of digital image processing, to develop solutions to real-world problems by applying different image processing techniques, and to gain the ability to work with image data in engineering problems.
- İçerik
- The Image Processing course aims to teach the processes of obtaining, processing, analyzing and interpreting digital images theoretically and practically. First, the basic concepts of digital images, pixel-based structure, color spaces, gray level and histogram analysis are introduced in the course. Then, image enhancement techniques (filtering, contrast enhancement, histogram equalization), edge detection algorithms (Sobel, Canny, Laplacian), morphological operations and image segmentation are discussed in detail. Advanced topics such as Fourier transform, frequency domain filtering, denoising and image restoration are also covered. Students develop practical assignments using OpenCV, skimage and similar libraries with the Python programming language. At the end of the semester, a project is carried out that solves a real-world image processing problem and the learned techniques are put into practice.
- Yöntem ve teknikler
- Theoretical explanation Practical laboratory studies Visual analysis and project-based applications Coding studies Presentation and discussion
- Ön koşul
- None
- Öğretim dili
- Turkish
Öğrenme çıktıları
- Explains the structure of digital images and basic processing techniques.
- Compares image filtering, edge detection and segmentation methods.
- Performs image processing in the frequency domain and analyzes the results.
- Performs applied analysis using image processing tools.
- Develops and evaluates appropriate image processing solutions for real-world problems.
Değerlendirme
| Assignment | 1 | %40 |
| Final examination | 1 | %60 |
AKTS iş yükü (90 saat → tabloda 3 AKTS)
| Course Duration | 14 × 2 | 28 saat |
| Hours for off-the-c.r.stud | 14 × 2 | 28 saat |
| Assignments | 1 × 14 | 14 saat |
| Mid-terms | 1 × 10 | 10 saat |
| Final examination | 1 × 10 | 10 saat |
Haftalık konular
| 1 | Introduction to digital imaging, basic concepts |
| 2 | Image representation, resolution and color models |
| 3 | Pixel operations and image histograms |
| 4 | Image enhancement: Filtering, convolution, noise |
| 5 | Edge detection: Sobel, Prewitt, Laplacian, Canny |
| 6 | Morphological processes: Erosion, dilatation, opening-closing |
| 7 | Image segmentation: Thresholding and region-based methods |
| 8 | Project proposal presentations |
| 9 | Operations in the frequency domain: Fourier transform |
| 10 | Noise removal and image restoration |
| 11 | Object recognition and contour analysis |
| 12 | Feature extraction and image comparison |
| 13 | Application examples: Medical, industrial, security |
| 14 | Project presentations and overall evaluation |
| 15 | Final Exams |