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
- 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
- Dijital görüntülerin yapısını ve temel işleme tekniklerini açıklar.
- Görüntü filtreleme, kenar belirleme ve segmentasyon yöntemlerini karşılaştırır.
- Frekans alanında görüntü işlemesi yapar ve sonuçları analiz eder.
- Görüntü işleme araçlarını kullanarak uygulamalı analizler gerçekleştirir.
- Gerçek dünya problemleri için uygun görüntü işleme çözümleri geliştirir ve değerlendirir.
Değerlendirme
| Ödev | 1 | %40 |
| Yarıyıl Sonu Sınavı | 1 | %60 |
AKTS iş yükü (90 saat → tabloda 3 AKTS)
| Ders Süresi | 14 × 2 | 28 saat |
| Sınıf Dışı Ç. Süresi | 14 × 2 | 28 saat |
| Ödevler | 1 × 14 | 14 saat |
| Ara Sınavlar | 1 × 10 | 10 saat |
| Yarıyıl Sonu Sınavı | 1 × 10 | 10 saat |
Haftalık konular
| 1 | Dijital görüntüye giriş, temel kavramlar |
| 2 | Görüntü temsili, çözünürlük ve renk modelleri |
| 3 | Piksel işlemleri ve görüntü histogramları |
| 4 | Görüntü iyileştirme: Filtreleme, konvolüsyon, gürültü |
| 5 | Kenar belirleme: Sobel, Prewitt, Laplacian, Canny |
| 6 | Morfolojik işlemler: Erozyon, dilatasyon, açma-kapama |
| 7 | Görüntü segmentasyonu: Eşikleme ve bölgeye dayalı yöntemler |
| 8 | Proje öneri sunumları |
| 9 | Frekans alanında işlemler: Fourier dönüşümü |
| 10 | Gürültü giderme ve görüntü restorasyonu |
| 11 | Nesne tanıma ve kontur analizi |
| 12 | Özellik çıkarımı ve görüntü karşılaştırma |
| 13 | Uygulama örnekleri: Medikal, endüstri, güvenlik |
| 14 | Proje sunumları ve genel değerlendirme |
| 15 | Final Sınavı |