Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| GÖRÜNTÜ İŞLEME | RYZ2222309 | Bahar Dönemi | 2+2 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Ön Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | Öğr. Gör. Dr. Sinem UYSAL |
| Dersin Amacı | Bu dersin amacı; öğrencilerin dijital görüntünün temel yapısını kavramasını, görüntüler üzerinde temel iyileştirme, filtreleme, kenar bulma, eşikleme ve nesne tespiti işlemlerini uygulayabilmesini ve robotik ile yapay zeka uygulamalarında görüntü işleme sonuçlarını basit karar süreçlerinde kullanabilmesini sağlamaktır. |
| Dersin İçeriği | Bu ders; Derse giriş; görüntü işlemenin kullanım alanları, robotik ve yapay zeka ile ilişkisi,Dijital görüntünün temel yapısı; piksel, çözünürlük, kanal, renk ve gri seviye kavramları,Python ile görüntü okuma, gösterme, kaydetme, yeniden boyutlandırma ve kırpma işlemleri,Renk uzayları; RGB, BGR, gri seviye ve HSV dönüşümleri,Histogram kavramı, parlaklık ve kontrast ayarı, temel görüntü iyileştirme işlemleri,Gürültü azaltma ve filtreleme; ortalama, Gauss ve medyan filtreleri,Eşikleme yöntemleri; sabit eşikleme, adaptif eşikleme ve ikili görüntü oluşturma,Ara Sınav,Morfolojik işlemler; erozyon, genişleme, açma ve kapama işlemleri,Kenar bulma yöntemleri; Sobel, Laplacian ve Canny yaklaşımına giriş,Kontur bulma, alan, çevre, merkez ve basit şekil özelliklerinin çıkarılması,Basit nesne ve renk tespiti; görüntüden hedef bölge seçme ve maskeleme,Kamera görüntüsüyle çalışma; canlı görüntü alma, kare işleme ve basit takip mantığı,Robotik uygulama örnekleri; çizgi takibi, renkli nesne algılama ve konum bilgisi çıkarma,Uygulama sonuçlarının değerlendirilmesi, hata kaynakları ve kısa teknik raporlama,Genel Sınav; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| 1. Dijital görüntü, piksel, çözünürlük, renk uzayı ve gri seviye kavramlarını açıklar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 2. Python ve temel görüntü işleme kütüphaneleriyle görüntü okuma, gösterme, kaydetme ve dönüştürme işlemlerini yapar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 3. Görüntü iyileştirme, histogram, eşikleme ve temel filtreleme işlemlerini belirli senaryolarda uygular. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 4. Kenar, kontur ve basit şekil/nesne tespiti yöntemlerini kullanarak görüntüden bilgi çıkarır. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 5. Belirli bir görüntü işleme problemini adım adım analiz ederek uygulama sonuçlarını değerlendirir. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| Öğretim Yöntemleri: | 1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi |
| Ölçme Yöntemleri: | 1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Derse giriş; görüntü işlemenin kullanım alanları, robotik ve yapay zeka ile ilişkisi | |
| 2 | Dijital görüntünün temel yapısı; piksel, çözünürlük, kanal, renk ve gri seviye kavramları | |
| 3 | Python ile görüntü okuma, gösterme, kaydetme, yeniden boyutlandırma ve kırpma işlemleri | |
| 4 | Renk uzayları; RGB, BGR, gri seviye ve HSV dönüşümleri | |
| 5 | Histogram kavramı, parlaklık ve kontrast ayarı, temel görüntü iyileştirme işlemleri | |
| 6 | Gürültü azaltma ve filtreleme; ortalama, Gauss ve medyan filtreleri | |
| 7 | Eşikleme yöntemleri; sabit eşikleme, adaptif eşikleme ve ikili görüntü oluşturma | |
| 8 | Ara Sınav | |
| 9 | Morfolojik işlemler; erozyon, genişleme, açma ve kapama işlemleri | |
| 10 | Kenar bulma yöntemleri; Sobel, Laplacian ve Canny yaklaşımına giriş | |
| 11 | Kontur bulma, alan, çevre, merkez ve basit şekil özelliklerinin çıkarılması | |
| 12 | Basit nesne ve renk tespiti; görüntüden hedef bölge seçme ve maskeleme | |
| 13 | Kamera görüntüsüyle çalışma; canlı görüntü alma, kare işleme ve basit takip mantığı | |
| 14 | Robotik uygulama örnekleri; çizgi takibi, renkli nesne algılama ve konum bilgisi çıkarma | |
| 15 | Uygulama sonuçlarının değerlendirilmesi, hata kaynakları ve kısa teknik raporlama | |
| 16 | Genel Sınav |
| Kaynak |
| Gonzalez, R. C. ve Woods, R. E. (2018). Sayısal Görüntü İşleme (4. Baskı). Pearson. Szeliski, R. (2010). Bilgisayarlı Görü: Algoritmalar ve Uygulamalar. Springer. https://szeliski.org/Book/ Bradski, G. ve Kaehler, A. (2008). OpenCV Öğrenimi: OpenCV Kütüphanesi ile Bilgisayarlı Görü. O’Reilly Media. OpenCV. (2026). OpenCV Dokümantasyonu. https://docs.opencv.org/ Pratt, W. K. (2007). Sayısal Görüntü İşleme (4. Baskı). Wiley-Interscience. |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Temel matematik, programlama ve elektronik bilgilerini robotik ve yapay zekâ uygulamalarında etkin bir şekilde kullanır. | X | |||||
| 1 | Temel matematik, programlama ve elektronik bilgilerini robotik ve yapay zekâ uygulamalarında etkin bir şekilde kullanır. | X | |||||
| 2 | Robotik sistemlerin sensör, aktüatör ve kontrol birimleri gibi temel bileşenlerini tanımlar, donanımsal kurulumlarını yapar ve çalıştırır. | ||||||
| 3 | Mikrodenetleyici platformlarında temel seviyede program geliştirir ve donanım entegrasyonunu sağlar. | ||||||
| 4 | Alanında yaygın kullanılan programlama dillerini kullanarak temel algoritmalar tasarlar ve uygular. | X | |||||
| 5 | Temel makine öğrenmesi yöntemlerini kullanarak yapay zekâ uygulamaları geliştirir ve test süreçlerini yürütür. | X | |||||
| 6 | Sensörlerden elde edilen verileri toplar, analiz eder ve sistemin işleyişine göre yorumlar. | X | |||||
| 7 | Temel kontrol sistemlerini kurar ve sistem performansını ilgili standartlara göre değerlendirir. | X | |||||
| 8 | Robotik ve otomasyon projelerinin planlama, geliştirme ve test süreçlerinde bireysel inisiyatif alır; çok disiplinli takım çalışmaları içinde etkin rol alarak sorumluluk üstlenir. | ||||||
| 9 | Karşılaşılan donanımsal ve yazılımsal teknik problemlere temel düzeyde çözüm üretir, hata ayıklama işlemlerini gerçekleştirir. | X | |||||
| 10 | Mesleki konulardaki düşüncelerini sözlü ve yazılı olarak ifade eder, alanı ile ilgili teknik dokümanları okur ve anlar. | ||||||
| 11 | Mesleki uygulamalarında etik kurallara, kalite süreçlerine ve iş sağlığı-güvenliği standartlarına uygun hareket eder. | ||||||
| 12 | Yaşam boyu öğrenme bilinci ile robotik ve yapay zekâ alanındaki güncel gelişmeleri takip eder, kendini sürekli yeniler. | X | |||||
| 13 | Alanındaki yenilikleri izleyebilecek ve temel düzeyde iletişim kurabilecek seviyede en az bir yabancı dili (Avrupa Dil Portföyü A2 Genel Düzeyinde) kullanır. | ||||||
| 14 | Alanının gerektirdiği bilişim ve iletişim teknolojilerini Avrupa Bilgisayar Kullanma Lisansı Temel Düzeyinde etkin bir şekilde kullanır. | X | |||||
| 15 | Robotik ve yapay zekâ teknolojilerinin toplumsal, çevresel ve ekonomik etkilerini temel düzeyde değerlendirir; girişimcilik, yenilikçilik ve sürdürülebilirlik kavramları hakkında bilgi sahibi olarak bunları mesleki süreçlerine yansıtır. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (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
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| GÖRÜNTÜ İŞLEME | RYZ2222309 | Bahar Dönemi | 2+2 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Ön Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | Öğr. Gör. Dr. Sinem UYSAL |
| Dersin Amacı | Bu dersin amacı; öğrencilerin dijital görüntünün temel yapısını kavramasını, görüntüler üzerinde temel iyileştirme, filtreleme, kenar bulma, eşikleme ve nesne tespiti işlemlerini uygulayabilmesini ve robotik ile yapay zeka uygulamalarında görüntü işleme sonuçlarını basit karar süreçlerinde kullanabilmesini sağlamaktır. |
| Dersin İçeriği | Bu ders; Derse giriş; görüntü işlemenin kullanım alanları, robotik ve yapay zeka ile ilişkisi,Dijital görüntünün temel yapısı; piksel, çözünürlük, kanal, renk ve gri seviye kavramları,Python ile görüntü okuma, gösterme, kaydetme, yeniden boyutlandırma ve kırpma işlemleri,Renk uzayları; RGB, BGR, gri seviye ve HSV dönüşümleri,Histogram kavramı, parlaklık ve kontrast ayarı, temel görüntü iyileştirme işlemleri,Gürültü azaltma ve filtreleme; ortalama, Gauss ve medyan filtreleri,Eşikleme yöntemleri; sabit eşikleme, adaptif eşikleme ve ikili görüntü oluşturma,Ara Sınav,Morfolojik işlemler; erozyon, genişleme, açma ve kapama işlemleri,Kenar bulma yöntemleri; Sobel, Laplacian ve Canny yaklaşımına giriş,Kontur bulma, alan, çevre, merkez ve basit şekil özelliklerinin çıkarılması,Basit nesne ve renk tespiti; görüntüden hedef bölge seçme ve maskeleme,Kamera görüntüsüyle çalışma; canlı görüntü alma, kare işleme ve basit takip mantığı,Robotik uygulama örnekleri; çizgi takibi, renkli nesne algılama ve konum bilgisi çıkarma,Uygulama sonuçlarının değerlendirilmesi, hata kaynakları ve kısa teknik raporlama,Genel Sınav; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| 1. Dijital görüntü, piksel, çözünürlük, renk uzayı ve gri seviye kavramlarını açıklar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 2. Python ve temel görüntü işleme kütüphaneleriyle görüntü okuma, gösterme, kaydetme ve dönüştürme işlemlerini yapar. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 3. Görüntü iyileştirme, histogram, eşikleme ve temel filtreleme işlemlerini belirli senaryolarda uygular. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 4. Kenar, kontur ve basit şekil/nesne tespiti yöntemlerini kullanarak görüntüden bilgi çıkarır. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| 5. Belirli bir görüntü işleme problemini adım adım analiz ederek uygulama sonuçlarını değerlendirir. | 1, Anlatım Yöntemi | 1, Yazılı Sınav |
| Öğretim Yöntemleri: | 1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi |
| Ölçme Yöntemleri: | 1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Derse giriş; görüntü işlemenin kullanım alanları, robotik ve yapay zeka ile ilişkisi | |
| 2 | Dijital görüntünün temel yapısı; piksel, çözünürlük, kanal, renk ve gri seviye kavramları | |
| 3 | Python ile görüntü okuma, gösterme, kaydetme, yeniden boyutlandırma ve kırpma işlemleri | |
| 4 | Renk uzayları; RGB, BGR, gri seviye ve HSV dönüşümleri | |
| 5 | Histogram kavramı, parlaklık ve kontrast ayarı, temel görüntü iyileştirme işlemleri | |
| 6 | Gürültü azaltma ve filtreleme; ortalama, Gauss ve medyan filtreleri | |
| 7 | Eşikleme yöntemleri; sabit eşikleme, adaptif eşikleme ve ikili görüntü oluşturma | |
| 8 | Ara Sınav | |
| 9 | Morfolojik işlemler; erozyon, genişleme, açma ve kapama işlemleri | |
| 10 | Kenar bulma yöntemleri; Sobel, Laplacian ve Canny yaklaşımına giriş | |
| 11 | Kontur bulma, alan, çevre, merkez ve basit şekil özelliklerinin çıkarılması | |
| 12 | Basit nesne ve renk tespiti; görüntüden hedef bölge seçme ve maskeleme | |
| 13 | Kamera görüntüsüyle çalışma; canlı görüntü alma, kare işleme ve basit takip mantığı | |
| 14 | Robotik uygulama örnekleri; çizgi takibi, renkli nesne algılama ve konum bilgisi çıkarma | |
| 15 | Uygulama sonuçlarının değerlendirilmesi, hata kaynakları ve kısa teknik raporlama | |
| 16 | Genel Sınav |
| Kaynak |
| Gonzalez, R. C. ve Woods, R. E. (2018). Sayısal Görüntü İşleme (4. Baskı). Pearson. Szeliski, R. (2010). Bilgisayarlı Görü: Algoritmalar ve Uygulamalar. Springer. https://szeliski.org/Book/ Bradski, G. ve Kaehler, A. (2008). OpenCV Öğrenimi: OpenCV Kütüphanesi ile Bilgisayarlı Görü. O’Reilly Media. OpenCV. (2026). OpenCV Dokümantasyonu. https://docs.opencv.org/ Pratt, W. K. (2007). Sayısal Görüntü İşleme (4. Baskı). Wiley-Interscience. |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Temel matematik, programlama ve elektronik bilgilerini robotik ve yapay zekâ uygulamalarında etkin bir şekilde kullanır. | X | |||||
| 1 | Temel matematik, programlama ve elektronik bilgilerini robotik ve yapay zekâ uygulamalarında etkin bir şekilde kullanır. | X | |||||
| 2 | Robotik sistemlerin sensör, aktüatör ve kontrol birimleri gibi temel bileşenlerini tanımlar, donanımsal kurulumlarını yapar ve çalıştırır. | ||||||
| 3 | Mikrodenetleyici platformlarında temel seviyede program geliştirir ve donanım entegrasyonunu sağlar. | ||||||
| 4 | Alanında yaygın kullanılan programlama dillerini kullanarak temel algoritmalar tasarlar ve uygular. | X | |||||
| 5 | Temel makine öğrenmesi yöntemlerini kullanarak yapay zekâ uygulamaları geliştirir ve test süreçlerini yürütür. | X | |||||
| 6 | Sensörlerden elde edilen verileri toplar, analiz eder ve sistemin işleyişine göre yorumlar. | X | |||||
| 7 | Temel kontrol sistemlerini kurar ve sistem performansını ilgili standartlara göre değerlendirir. | X | |||||
| 8 | Robotik ve otomasyon projelerinin planlama, geliştirme ve test süreçlerinde bireysel inisiyatif alır; çok disiplinli takım çalışmaları içinde etkin rol alarak sorumluluk üstlenir. | ||||||
| 9 | Karşılaşılan donanımsal ve yazılımsal teknik problemlere temel düzeyde çözüm üretir, hata ayıklama işlemlerini gerçekleştirir. | X | |||||
| 10 | Mesleki konulardaki düşüncelerini sözlü ve yazılı olarak ifade eder, alanı ile ilgili teknik dokümanları okur ve anlar. | ||||||
| 11 | Mesleki uygulamalarında etik kurallara, kalite süreçlerine ve iş sağlığı-güvenliği standartlarına uygun hareket eder. | ||||||
| 12 | Yaşam boyu öğrenme bilinci ile robotik ve yapay zekâ alanındaki güncel gelişmeleri takip eder, kendini sürekli yeniler. | X | |||||
| 13 | Alanındaki yenilikleri izleyebilecek ve temel düzeyde iletişim kurabilecek seviyede en az bir yabancı dili (Avrupa Dil Portföyü A2 Genel Düzeyinde) kullanır. | ||||||
| 14 | Alanının gerektirdiği bilişim ve iletişim teknolojilerini Avrupa Bilgisayar Kullanma Lisansı Temel Düzeyinde etkin bir şekilde kullanır. | X | |||||
| 15 | Robotik ve yapay zekâ teknolojilerinin toplumsal, çevresel ve ekonomik etkilerini temel düzeyde değerlendirir; girişimcilik, yenilikçilik ve sürdürülebilirlik kavramları hakkında bilgi sahibi olarak bunları mesleki süreçlerine yansıtır. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |