|
Ders Öğretim Planı| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | | 190105000111 | GÖRÜNTÜ İŞLEMENİN TEMELLERİ | Seçmeli | 3 | 6 | 6 |
| | Dersin Seviyesi | | Lisans | | Dersin Amacı | | Görüntü İşleme dersi, dijital görüntülerin işlenmesi, analizi ve yorumlanmasında kullanılan temel kavramları ve güncel teknikleri öğretmeyi amaçlar. Bu ders kapsamında öğrenciler; görüntü pekiştirme, restorasyon, sıkıştırma, bölütleme ve tanıma gibi temel görüntü işleme konularını hem teorik hem de uygulamalı olarak öğrenerek gerçek hayatta karşılaşabilecekleri problemlere çözüm geliştirme becerisi kazanır. | | Dersi Veren Öğretim Görevlisi/Görevlileri | | Dr. Öğr. Üyesi Fesih Keskin | | Öğrenme Çıktıları | | 1 | Görüntü işleme ile ilgili temel kavramları ve yöntemleri açıklar. | | 2 | Farklı görüntü işleme tekniklerini uygulayarak gerçek dünya problemlerine çözüm üretir. | | 3 | Python ve ilgili kütüphaneler kullanarak görüntü analizi ve görsel veri işleme projeleri geliştirir. | | 4 | Görüntü segmentasyonu, doku analizi ve nesne tanıma gibi ileri teknikleri kullanır. | | 5 | Makine öğrenmesi ve derin öğrenme yöntemlerini görüntü işleme uygulamalarında entegre eder. |
| | Öğrenim Türü | | Birinci Öğretim | | Dersin Ön Koşulu Olan Dersler | | Yok | | Ders İçin Önerilen Diğer Hususlar | | Yok | | Dersin İçeriği | | Görüntü İşlemenin temelleri dersi, dijital görüntülerin işlenmesi, analizi ve yorumlanmasına yönelik temel ve güncel teknikleri kapsamaktadır. Dersin içeriğinde, dijital görüntülerin tanımı, görüntü elde etme yöntemleri, kamera ve sensör sistemleri, tıbbi görüntüleme cihazları, Python programlama dili ve görüntü işleme kütüphanelerinin (NumPy, OpenCV vb.) kullanımı ele alınmaktadır. Ayrıca parlaklık ve kontrast ayarlama, eşikleme, histogram işlemleri, uzamsal ve frekans alanında filtreleme, gürültü giderme ve keskinleştirme gibi noktasal ve alan tabanlı işlemler işlenmektedir. İkili görüntü analizi, morfolojik işlemler, şekil tanımlayıcılar, renkli görüntü analizi ve segmentasyon yöntemleri (K-ortalama, bulanık C-ortalama, seviye kümeleri vb.) de dersin önemli konuları arasındadır. Bunun yanında, doku analizi, belirgin nokta tespiti (SIFT, SURF, ORB), görsel kelimeler modeli ve öznitelik çıkarımı gibi ileri konulara yer verilir. Son olarak, makine öğrenmesi ve derin öğrenme temelleri, görüntü tanıma ve nesne tespiti modelleri gibi modern yaklaşımlar incelenerek öğrencilerin teorik bilgilerini uygulamalı projelerle pekiştirmeleri sağlanır. | | Haftalık Ayrıntılı Ders İçeriği | |
| 1 | Görüntü İşlemeye Giriş: Dijital görüntülerin tanımı, görüntü işleme alanına genel bakış, uygulama alanları, temel kavramlar, dersin genel çerçevesi ve gereksinimleri. | | | | 2 | Görüntü Elde Edilmesi ve Tıbbi Görüntü Kaynakları: Görüntü oluşum prensipleri, kamera ve sensör yapıları, tıbbi görüntüleme cihazları, görüntülerin özellikleri, temel donanım ve yazılım bileşenleri. | | | | 3 | Python’a Giriş: Python programlama dilinin temelleri, görüntü işleme kütüphaneleri (NumPy, OpenCV vb.), temel veri yapıları ve fonksiyon kullanımı. | | | | 4 | Noktasal İşlemler: Parlaklık ve kontrast ayarlama, eşikleme yöntemleri, histogram ve histogram eşitleme. | | | | 5 | Filtreler: Uzamsal filtreleme (ortalama, Gauss, medyan filtreler), frekans alanında filtreleme temelleri, gürültü giderme ve keskinleştirme teknikleri. | | | | 6 | İkili Resim Analizi: İkili görüntü oluşturma yöntemleri, morfolojik işlemler (erozyon, genişletme, açma, kapama), temel özellik belirleme. | | | | 7 | İkili Resim Tanımlamaları ve Renkli İmge Analizi: Şekil tanımlayıcılar (alan, çevre, biçim faktörleri), renk modelleri (RGB, HSV vb.), renk ayrıştırma ve segmentasyon. | | | | 8 | Ara Sınav: Derse kadar işlenen konuların değerlendirilmesi. | | | | 9 | Bölütleme (Segmentation): K-ortalama, bulanık C-ortalama, seviye kümeleri gibi yöntemler, kenar ve bölge tabanlı bölütleme yaklaşımları, gerçek hayatta segmentasyon problemleri. | | | | 10 | Doku Analizi: Doku kavramı, istatistiksel özellikler, filtre tabanlı doku analiz teknikleri (Gabor, LBP vb.), uygulama örnekleri ve değerlendirme. | | | | 11 | Belirgin Noktalar (Keypoints): Önemli noktaların tespiti (SIFT, SURF, ORB vb.), belirgin noktalarla eşleştirme ve nesne tanıma, uygulamalı örnekler. | | | | 12 | Görsel Kelimeler (Visual Words): Özellik vektörleri ve öznitelik çıkarımı, “Bag of Visual Words” modeli, sınıflandırma ve kümeleme. | | | | 13 | Modelleme: Makine öğrenmesi ve derin öğrenme temel kavramları, görüntü tanıma ve nesne tespiti modelleri, güncel araştırma ve uygulama örnekleri. | | | | 14 | Genel Tekrar: Dönem boyunca işlenen konuların genel tekrarı ve soru-cevap oturumu. | | | | 15 | Final Sınavı : Öğrencilerin teorik bilgi ve uygulama becerilerinin değerlendirilmesi. | | | | 16 | Final Sınavı: Kapsamlı değerlendirme ve dönem sonu projelerinin sunumu. | | |
| | Ders Kitabı / Malzemesi / Önerilen Kaynaklar | | 1. Gonzalez R. C., Woods R. E., Digital Image Processing, 4th ed., Pearson, 2017.
2. Gonzalez R. C., Woods R. E., Eddins S. L., Digital Image Processing using MATLAB, Gatesmark Publishing, 2020. | | Planlanan Öğrenme Aktiviteleri ve Metodları | | | Değerlendirme | |
| Ara Sınav | 1 | 100 | | TOPLAM | 100 | |
| Final Sınavı | 1 | 100 | | TOPLAM | 100 | | Yarıyıl (Yıl) İçi Etkinlikleri | 40 | | Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | | TOPLAM | 100 |
| | Dersin Sunulduğu Dil | | Türkçe | | Staj Durumu | | Yok |
| | İş Yükü Hesaplaması | |
| Ara Sınav | 1 | 1 | 1 | | Final Sınavı | 1 | 2 | 2 | | Bireysel Çalışma | 14 | 9 | 126 | | Ara Sınav İçin Bireysel Çalışma | 7 | 2 | 14 | | Final Sınavı içiin Bireysel Çalışma | 7 | 4 | 28 | |
| Program ve Öğrenme Çıktıları İlişkisi | | ÖÇ1 | 4 | 3 | 4 | 5 | 4 | 4 | 4 | 4 | 4 | 5 | 5 | 5 | 3 | | ÖÇ2 | 5 | 3 | 4 | 4 | 4 | 4 | 4 | 4 | 5 | 4 | 3 | 5 | 5 | | ÖÇ3 | 3 | 5 | 5 | 5 | 4 | 5 | 5 | 4 | 5 | 5 | 3 | 5 | 5 | | ÖÇ4 | 4 | 3 | 3 | 4 | 3 | 4 | 5 | 4 | 5 | 4 | 3 | 4 | 5 | | ÖÇ5 | 3 | 5 | 4 | 4 | 4 | 5 | 4 | 3 | 3 | 4 | 3 | 4 | 3 |
| | * Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek |
|
|
|
|
Iğdır University, Iğdır / TURKEY • Tel (pbx): +90 476
226 13 14 • e-mail: info@igdir.edu.tr
|
|
|