İleri Görüntü İşleme ve OpenCV

[yusuf]

Up

2

Down

::

Bu eğitim serisinde Opencv kütüphanesi ile yaptığımız görüntü işleme teknikleri teorik olarak görülecektir. Bu tekniklerin matematiğine inilecektir. Ayrıca opencv ile yapılabilecek veya opencv’de olmayan yeni görüntü işleme teknikleri de öğrenilecektir.

BAŞLANGIÇ
1. Video : Digital Image Modalities and Processing : Başlangıç videosu olan bu videoda ilk önce dijital kameraların çalışma prensibi incelenecektir. Ardından görünür ışının da bir çeşidi olduğu elektromanyetik dalga spekturumundaki dalga çeşitleri incelenecektir. Genel manada bu dalga çeşitlerinin işlenmesi ile hangi uygulamaların yapıldığına bakılacaktır.
Ardından elektromanyetik dalga çeşitlerinden birisi olan görünür ışığın işlenmesi ve uygulama alanları ile alakalı bir anlatıda bulunacaktır. Görüntü işlemenin level’lerinden ve konularından bahsedilecektir.

2. Video : DIP Lecture 2: The human visual system, perception, and color : Bu video yine başlangıç tadında, insanın görme sistemi anlatılmaktadır. Ardından Renkler ile alakalı önemli terimlerinden tanımı yapılmaktadır. (İntegralli şeyler önemli değil) Renk uzakları incelenecektir. Bu renk uzayları matematiksel yöntemler ile bulunmuştur ve görüntü işlemede kullanılan şeylerdir. Videonun sonunda Matlab ile resim oluşturma anlatılmaktadır. Opencv’de daha öncesinde kolaylıkla yaptığımız bir işlemdir bu. Bu arada Matlabta aynı işlemi yapmaya gerek yoktur.

3. Video : Image acquisition and sensing: Kameraların temel çalışma prensibi anlatılmaktadır. Bu presinbe göre kameralar 2 boyutlu array şeklinde dizilmiş dirençlerden oluşmaktadır. Bu dirençler üzerine ışık düştüğünde ışığın rengine veya miktarına göre direnci değişen dirençlerdir. Bu yüzden ışığın rengine ve miktarına göre voltaj değişimleri görmektedir. Bu voltaj değişimlerine göre kameralar görüntüyü elde etmektedir. Işık dirençlere düşürülürken mercek kullanılmaktadır.

HİSTOGRAM, GEOMETRİK İŞLEMLER
4. Video : Histograms and point operations: Dijital bir resmin histogramının ne olduğu öğrenilecek ve bu histogram ile bazı pre-prossesing sınıfındaki görüntü işleme uygulamaları yapılacaktır. Bunlar daha çok resmi düzgünleştirmeye yönelik görüntü işleme metotlarıdır.
Histogram Equalization ve Gama Correction konuları atlanabilir, çok gerekli olmayan ayrıntı konulardır.
Videonun sonuna doğru olan Filter konusu önemlidir. Ayrıca konvolisyon’daki integrallere aldanılmamalıdır. Konvolisyon bildiğimiz filtrenin içindeki rakamlar ile birtakım toplama işlemleri yapmadır. İntegral görüntüsüne takılmamalıdır.

PROGRAMLAMA ÖDEVİ : Python Opencv kütüphanesindeki Histogram Equlization metodunu kullanarak şu bulanık görseli netleştiriniz.

5. Video : Geometric operations : Genel olarak bir resim üzerinde yapılabilecek öteleme, büyültme, küçültme, döndürme gibi geometrik işlemler anlatmaktadır. Videonun sonuna doğru çok daha karmaşık geometrik işlemler de mevcuttur ancak bunları izlemek opsiyoneldir atlanabilir, iyi bir lineer cebir-matrisler bilginiz yoksa atlamak da tavsiye edilir.

PROGRAMLAMA ÖDEVİ : Python Opencv kütüphanesini kullanarak Dikdörtfen olan bir resmi parallelograma çeviriniz.

FİLTERS, EDGE DETECTION

Video 6 : Spatial Filters : Matematiksel olarak oldukça anlaşılır ve zevkli bir konudur. Blurlama, Keskinleştirme, Maskeleme gibi görüntü işleme metotları anlatılmaktadır.

Video 10 : Edge detection : Nesne Tanımanın temeli olan bir konudur. Derin Öğrenmede de kullanılmaktadır. Kenar Tanıma işlemidir. Videoda geçen gradient işlemi bildiğimiz çıkarmadır. Matematiksel olarak gayet net işlemler kullanılmaktadır.

Programlama Ödevi : Python Opencv kütüphanesindeki Canny Edge Detector Algoritmasını kullanarak aşağıdaki resmin kenarlarını çıkarınız.

Video 11 : Edge linking and line detection : Şekil Tanıma yöntemlerinden birisi olan Moore Algoritması anlatılmaktadır. Bunun yanında Çizgi Tanıma yöntemlerinden bahsedilmektedir.

Programlama Ödevi : Moore Algoritmasını yazmaya çalışınız. Algoritmanın çalışma koşullarını tespit ediniz.

THRESHOLD, IMAGE SEGMENTATION

Video 12 : Thresholding

Video 12a : Image Segmentation :

Video 12b : Image Segmentation 2 :

MORFOLOJİK İŞLEMLER VE FEATURE DETECTION

Video 13 : Morphological image processing :

https://www.youtube.com/watch?v=IcBzsP-fvPo+%3A&feature=youtu.be

Video 15 : Feature Detection : Çok önemli bir konudur. İlk olarak basit bir birebir eşleştirme algoritması olan Template Matching işlenmektedir. Ardından bir görselin featurelarının ne olduğu anlatılmaktadır. Bu featureler genellikle köşelerdir. Köşe tespiti için önce resmin kenarları çıkartılır sonra vektörel bir işlem ile köşe olan pikseller belirlenir. Buna aynı zamanda feature extraction da denir. Köşe tespiti çin yaygın kullanılan algoritmalar Harris Corner ve Shi- Thomasidir.
Ardından Bu Featureları kullanan bir feature detection-matching algoritması anlatılmaktadır.
Bu algoritmanın adı SIFT’tir.
SIFT algoritması öncellikle Harris Corner veya benzer bir algoritma ile nesnenin featurelarını bulur. Tekrar edelimki featuralar bir nesnenin ayırdedici özelliklerindendir.
Ardından SIFT algoritması her feature bir descriptor oluşturur. Her descriptor ait olduğu feature’in parmak izi gibi bir şeydir.
Video da algoritma detaylı olarak anlatılmaktadır.

Programlama Ödevi : Python Opencv kütüphanesindeki SIFT algoritmasını kullanarak real time (var ise webcaminizde canlı olarak webcaminiz yoksa telefondan çektiğiniz bir videoda) Türk Bayrağı, ODTÜ Logosu, STM logosu ve ODTÜ Robot Topluluğu Logosunun görsellerini karıştırmadan tanıyacak ve tanıdığı görselin orta noktasını verecek bir kod yazınız.

[Yazar]

Yazılar