Skip to main content
Anasayfa

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
DİJİTAL GÖRÜNTÜ İŞLEMEEEE3121020Güz Dönemi3+035
Ders Programı

Salı 13:40-14:30

Salı 14:40-15:30

Salı 15:40-16:30

Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin Koordinatörü
Dersi VerenlerDr.Öğr.Üye. Hayriye AKTAŞ DİNÇER
Dersin Yardımcıları
Dersin AmacıBu dersin amacı, öğrencilere Dijital Görüntü İşleme (DIP) alanının temel prensiplerini ve tekniklerini kazandırmaktır. Öğrenciler; görüntü elde etme, iyileştirme, filtreleme, segmentasyon, sıkıştırma, temsil ve nesne tanıma yöntemleri hakkında teorik ve uygulamalı bilgi edineceklerdir. Ders ayrıca öğrencilerin mühendislik ve bilimsel uygulamalarda dijital görüntüleri analiz etme, işleme ve yorumlama becerilerini geliştirmeyi amaçlamaktadır.
Dersin İçeriğiBu ders; Sayısal Görüntü İşlemeye Giriş. Görüntü işlemenin uygulamaları,Dijital Görüntü Temelleri. Görüntülerin oluşumu,Yoğunluk dönüşümleri ve Filtreleme,Mekânsal Alanda Görüntü İyileştirme. Histogram İşleme,Frekans Alanında Görüntü İşleme,Kenar Algılama,Renkli Görüntü İşleme,Ara Sınav,Görüntü Düzleştirme ve Keskinleştirme,Görüntü İyileştirme,Görüntü Sıkıştırma,Morfolojik Görüntü İşleme (Erozyon ve Dilatasyon),Görüntü Segmentasyonu,Görüntü Temsili ve Tanımı,Nesne Tanıma,Final Sınavı; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Dijital görüntü işlemenin temel kavramlarını, bileşenlerini ve uygulamalarını açıklar.
2. Görüntü iyileştirme, filtreleme ve kenar belirleme için uzaysal ve frekans domeni tekniklerini uygular.
3. Renkli görüntü işleme, morfolojik işlemler ve segmentasyon yöntemlerini kullanarak dijital görüntüleri işler.
4. Dijital görüntü analiz sistemlerinde kullanılan görüntü sıkıştırma, temsil ve tanımlama tekniklerini değerlendirir.
5. Nesne tanımanın temel prensiplerini açıklar ve dijital görüntü işleme uygulamalarına yönelik problem çözme becerileri geliştirir.
Öğretim Yöntemleri:
Ölçme Yöntemleri:

Ders Akışı

SıraKonularÖn Hazırlık
1Sayısal Görüntü İşlemeye Giriş. Görüntü işlemenin uygulamaları
2Dijital Görüntü Temelleri. Görüntülerin oluşumu
3Yoğunluk dönüşümleri ve Filtreleme
4Mekânsal Alanda Görüntü İyileştirme. Histogram İşleme
5Frekans Alanında Görüntü İşleme
6Kenar Algılama
7Renkli Görüntü İşleme
8Ara Sınav
9Görüntü Düzleştirme ve Keskinleştirme
10Görüntü İyileştirme
11Görüntü Sıkıştırma
12Morfolojik Görüntü İşleme (Erozyon ve Dilatasyon)
13Görüntü Segmentasyonu
14Görüntü Temsili ve Tanımı
15Nesne Tanıma
16Final Sınavı
Kaynak
1- Digital Image Processing, 4th Edition, Rafael C. Gonzalez, Richard E. Woods, Prentice Hall, 2022. 2- Biosignal and Medical Image Processing, 3rd Edition, John L. Semmlow, Taylor and Francis, 2014. 3- Feature Extraction and Image Processing for Computer Vision, 3rd Edition, Mark S. Nixon, Alberto S. Aguado, Academic Press, 2019. 4- Zhou, S. Kevin, Hayit Greenspan, and Dinggang Shen, eds. Deep learning for medical image analysis. Academic Press, 2023. 5- Medical Image Analysis, 1st Edition, Atam P. Dhawan, John Wiley & Sons, 2024.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Temel Bilgi Birikimi: Matematik, fen bilimleri ve mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu bilgileri karmaşık mühendislik problemlerini modellemek ve çözmek için uygulama becerisi.
X
2
Problem Analizi: Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve uygun analiz yöntemlerini kullanarak çözme becerisi.
X
3
Tasarım Becerisi: Karmaşık bir sistemi, süreci veya ürünü, gerçekçi kısıtlar (ekonomi, çevre, sürdürülebilirlik, etik vb.) altında, istenen gereksinimleri karşılayacak şekilde tasarlama becerisi.
X
4
Araştırma ve İnceleme: Karmaşık problemlerin incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
X
5
Modern Araç Kullanımı: Mühendislik uygulamaları için gerekli olan modern teknikleri, araçları ve bilişim teknolojilerini (MATLAB, Proteus, C/C++ gibi programlar) seçme ve kullanma becerisi.
X
6
Mesleki ve Etik Sorumluluk: Mesleki etik ilkelerine uygun davranma ve mühendislik uygulamalarının sosyal, hukuki ve çevresel sonuçları hakkında farkındalık sahibi olma.
X
7
İletişim ve Takım Çalışması: Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme ve sözlü/yazılı etkin iletişim kurma becerisi.
X
8
Yaşam Boyu Öğrenme: Bilgiye erişme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme bilinci.
X
9
Proje Yönetimi ve Girişimcilik: Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik ve yenilikçilik farkındalığı.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (Saat)Toplam İş Yükü (Saat)
Toplam İş Yükü (Saat)0
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(0/30)0
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Dersin Detaylı Bilgileri

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
DİJİTAL GÖRÜNTÜ İŞLEMEEEE3121020Güz Dönemi3+035
Ders Programı

Salı 13:40-14:30

Salı 14:40-15:30

Salı 15:40-16:30

Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin Koordinatörü
Dersi VerenlerDr.Öğr.Üye. Hayriye AKTAŞ DİNÇER
Dersin Yardımcıları
Dersin AmacıBu dersin amacı, öğrencilere Dijital Görüntü İşleme (DIP) alanının temel prensiplerini ve tekniklerini kazandırmaktır. Öğrenciler; görüntü elde etme, iyileştirme, filtreleme, segmentasyon, sıkıştırma, temsil ve nesne tanıma yöntemleri hakkında teorik ve uygulamalı bilgi edineceklerdir. Ders ayrıca öğrencilerin mühendislik ve bilimsel uygulamalarda dijital görüntüleri analiz etme, işleme ve yorumlama becerilerini geliştirmeyi amaçlamaktadır.
Dersin İçeriğiBu ders; Sayısal Görüntü İşlemeye Giriş. Görüntü işlemenin uygulamaları,Dijital Görüntü Temelleri. Görüntülerin oluşumu,Yoğunluk dönüşümleri ve Filtreleme,Mekânsal Alanda Görüntü İyileştirme. Histogram İşleme,Frekans Alanında Görüntü İşleme,Kenar Algılama,Renkli Görüntü İşleme,Ara Sınav,Görüntü Düzleştirme ve Keskinleştirme,Görüntü İyileştirme,Görüntü Sıkıştırma,Morfolojik Görüntü İşleme (Erozyon ve Dilatasyon),Görüntü Segmentasyonu,Görüntü Temsili ve Tanımı,Nesne Tanıma,Final Sınavı; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Dijital görüntü işlemenin temel kavramlarını, bileşenlerini ve uygulamalarını açıklar.
2. Görüntü iyileştirme, filtreleme ve kenar belirleme için uzaysal ve frekans domeni tekniklerini uygular.
3. Renkli görüntü işleme, morfolojik işlemler ve segmentasyon yöntemlerini kullanarak dijital görüntüleri işler.
4. Dijital görüntü analiz sistemlerinde kullanılan görüntü sıkıştırma, temsil ve tanımlama tekniklerini değerlendirir.
5. Nesne tanımanın temel prensiplerini açıklar ve dijital görüntü işleme uygulamalarına yönelik problem çözme becerileri geliştirir.
Öğretim Yöntemleri:
Ölçme Yöntemleri:

Ders Akışı

SıraKonularÖn Hazırlık
1Sayısal Görüntü İşlemeye Giriş. Görüntü işlemenin uygulamaları
2Dijital Görüntü Temelleri. Görüntülerin oluşumu
3Yoğunluk dönüşümleri ve Filtreleme
4Mekânsal Alanda Görüntü İyileştirme. Histogram İşleme
5Frekans Alanında Görüntü İşleme
6Kenar Algılama
7Renkli Görüntü İşleme
8Ara Sınav
9Görüntü Düzleştirme ve Keskinleştirme
10Görüntü İyileştirme
11Görüntü Sıkıştırma
12Morfolojik Görüntü İşleme (Erozyon ve Dilatasyon)
13Görüntü Segmentasyonu
14Görüntü Temsili ve Tanımı
15Nesne Tanıma
16Final Sınavı
Kaynak
1- Digital Image Processing, 4th Edition, Rafael C. Gonzalez, Richard E. Woods, Prentice Hall, 2022. 2- Biosignal and Medical Image Processing, 3rd Edition, John L. Semmlow, Taylor and Francis, 2014. 3- Feature Extraction and Image Processing for Computer Vision, 3rd Edition, Mark S. Nixon, Alberto S. Aguado, Academic Press, 2019. 4- Zhou, S. Kevin, Hayit Greenspan, and Dinggang Shen, eds. Deep learning for medical image analysis. Academic Press, 2023. 5- Medical Image Analysis, 1st Edition, Atam P. Dhawan, John Wiley & Sons, 2024.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Temel Bilgi Birikimi: Matematik, fen bilimleri ve mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu bilgileri karmaşık mühendislik problemlerini modellemek ve çözmek için uygulama becerisi.
X
2
Problem Analizi: Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve uygun analiz yöntemlerini kullanarak çözme becerisi.
X
3
Tasarım Becerisi: Karmaşık bir sistemi, süreci veya ürünü, gerçekçi kısıtlar (ekonomi, çevre, sürdürülebilirlik, etik vb.) altında, istenen gereksinimleri karşılayacak şekilde tasarlama becerisi.
X
4
Araştırma ve İnceleme: Karmaşık problemlerin incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
X
5
Modern Araç Kullanımı: Mühendislik uygulamaları için gerekli olan modern teknikleri, araçları ve bilişim teknolojilerini (MATLAB, Proteus, C/C++ gibi programlar) seçme ve kullanma becerisi.
X
6
Mesleki ve Etik Sorumluluk: Mesleki etik ilkelerine uygun davranma ve mühendislik uygulamalarının sosyal, hukuki ve çevresel sonuçları hakkında farkındalık sahibi olma.
X
7
İletişim ve Takım Çalışması: Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme ve sözlü/yazılı etkin iletişim kurma becerisi.
X
8
Yaşam Boyu Öğrenme: Bilgiye erişme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme bilinci.
X
9
Proje Yönetimi ve Girişimcilik: Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik ve yenilikçilik farkındalığı.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Bilgi / Destek Butonu