Görüntü işleme; dijital ortama aktarılmış bir görüntü üzerinden iyileştirme, analiz, ölçüm, nesne tanıma ve bilgi çıkarımı yapmayı amaçlayan bir sayısal işleme yöntemidir.

Gelişen teknoloji ile birlikte fotoğraflar, videolar, sensör verileri ve uydu görüntüleri her gün daha fazla işlenmekte ve çeşitli uygulamalarda kullanılmaktadır.

Görüntü işleme tekniği;

• kalite artırma,

• hata tespiti,

• nesne sınıflandırma,

• otomasyon kararları üretme

gibi birçok alanda kritik bir role sahiptir.

2. Görüntü İşlemenin Temel Amacı

Görüntü işleme tekniğinin temel amacı:
Görüntüyü makine tarafından anlaşılabilir hâle getirerek ondan faydalı bilgi çıkarmaktır.

Bu amaç doğrultusunda görüntü işleme;

• görüntüden istenen bölgeyi ayırma,

• gürültüyü azaltma,

• veri çıkarma,

• nesne tespiti,

• patern ve şekil tanıma

gibi işlemler gerçekleştirir.

3. Görüntü İşlemenin Kullanım Alanları

Görüntü işleme aşağıdaki alanlarda yoğun olarak kullanılmaktadır:

3.1 Endüstriyel Uygulamalar

• Hatalı ürün tespiti

• Etiket okuma

• Çizik ve bozukluk kontrolü

• Renk – boyut karşılaştırma

• Çizgi takip sistemleri

 3.2 Haritalama ve Uydu Görüntüleri

Google Earth gibi platformlarda görülen detaylı haritalar, ham uydu görüntülerinin işlenmiş hâlidir.

3.3 Belge Tarama ve Kalite İyileştirme

Tarayıcıdan geçen görüntülerde kalite kaybı oluşur. Görüntü işleme bu kaybı azaltır.

3.4 Sağlık ve Tıbbi Görüntüler

• MR

• Röntgen

• BT taramaları
  Üzerinde iyileştirme ve analiz yapılır.

3.5 Güvenlik ve Biyometrik Sistemler

• Yüz tanıma

• Plaka okuma

• Hareket tespiti

4. Görüntü İşleme Adımları

Görüntü işleme süreci genel olarak üç temel adımdan oluşur.

4.1 Adım 1: Görüntünün Alınması (Input Stage)

Bu aşamada görüntü;

• kamera,

• optik tarayıcı,

• dijital fotoğraf,

• video kaydı

gibi araçlarla dijital sinyale dönüştürülür.

4.2 Adım 2: Görüntünün İşlenmesi (Processing Stage)

En önemli aşamadır.
Bu aşamada:

• Gürültü azaltma

• Parlaklık–kontrast düzenleme

• Kenar tespiti

• Renk ayrıştırma

• Segmentasyon (bölgelere ayırma)

• Nesne tanıma

gibi işlemler uygulanır.

4.3 Adım 3: Çıktı ve Sonuçların Elde Edilmesi (Output Stage)

İşlem sonucu istenen bilgi elde edilir:

• Hatalı ürün tespiti

• Ölçüm sonuçları

• Nesne konumu

• Kod okuma çıktısı

• Analiz raporları

5. Görüntü İşleme Türleri

Görüntü işleme iki ana başlık altında incelenir:

5.1 Analog Görüntü İşleme

Görüntü, fiziksel sinyaller üzerinden işlenir.
Eski sistemlerde kullanılır.

5.2 Dijital Görüntü İşleme

Görüntü sayısal sinyallere dönüştürülerek bilgisayar ortamında işlenir.
Günümüzde yaygın olan yöntem budur.

6. Görüntü İşleme Aşamaları

Görüntü işleme genellikle şu aşamalardan geçer:

Ön İşleme (Pre-processing)

• Gürültü temizleme

• Işık ayarı

• Filtreleme

Görüntü Geliştirme (Enhancement)

• Keskinleştirme

• Renk düzeltme

• Kontrast iyileştirme

Bilgi Çıkarımı (Feature Extraction)

• Kenar, köşe ve şekil özelliklerinin bulunması

• Nesne sınıflandırma için veri çıkarma

7. Görüntü İşleme Amaçları

Görüntü işleme 5 ana amaçta kullanılır:

1. Görselleştirme: Görünmeyen veya zor görülen nesneleri incelemek

2. Keskinleştirme ve Restorasyon: Bozuk görüntüleri düzeltmek

3. Görüntü Alımı: Yüksek çözünürlüklü görüntü elde etmek

4. Desen Tanıma: Nesnelerin özelliklerini belirlemek

5. Nesne Tanıma: Nesneyi sınıflandırmak veya ayırt etmek

---

8. Bilgisayarlı Görü (Computer Vision)

Görüntü işlemenin bir üst alanı olan Bilgisayarlı Görü, insanın görsel karar mekanizmasını bilgisayarla taklit etmeyi amaçlar.

Computer Vision şunları kapsar:

• Sayısal görüntü oluşturma

• Görüntüyü işleme

• Nesneleri analiz etme

• Karar verme

Bu süreç; matematik, istatistik, fizik ve yapay zekâ modellerinin birlikte kullanımını gerektirir.

---

 9. Görüntü İşleme Dalları

9.1 Tanıma (Recognition)

Görüntünün belirli bir nesne veya özellik içerip içermediğini belirler.

Nesne Tanıma (Object Recognition)

Görüntüdeki nesneleri bulur ve sınıflandırır.

Kimlik Tanıma (Identification)

Tek bir nesneyi veya kişiyi belirleme işlemidir.

Tespit (Detection)

Belirli bir koşulun oluşup oluşmadığını algılar.

İçeriğe Dayalı Görüntü Alma (CBIR)

Geniş bir veri tabanında benzer içerikli görüntüleri bulur.

Poz Tahmini (Pose Estimation)

Nesnenin konumunu veya yönünü belirler.

2D Kod Okuma

QR kod ve DataMatrix okuma.

Yüz Tanıma

Biyometrik olarak kişiyi tanımlama.

Şekil Tanıma

Verideki örüntüleri tespit etme.

---

H1 – 10. Optimak STU AR-GE Görüntü İşleme Eğitim Video Serisi

Bu bölümde Optimak STU AR-GE ekibi tarafından hazırlanan eğitim videoları ve uygulamalı anlatımlar yer almaktadır.

https://www.youtube.com/watch?v=rRLRQ8KCp94&embeds_referring_euri=https%3A%2F%2Fwww.optimak.com.tr%2F&source_ve_path=MjM4NTE&themeRefresh=1