Skip to main content
Anasayfa

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
GÖRÜNTÜ İŞLEMERYZ2222309Bahar Dönemi2+235
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiÖn Lisans
Dersin TürüZorunlu
Dersin Koordinatörü
Dersi Verenler
Dersin YardımcılarıÖğr. Gör. Dr. Sinem UYSAL
Dersin AmacıBu 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 İçeriğiBu 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 KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Dijital görüntü, piksel, çözünürlük, renk uzayı ve gri seviye kavramlarını açıklar.1, Anlatım Yöntemi1, Yazılı Sınav
2. Python ve temel görüntü işleme kütüphaneleriyle görüntü okuma, gösterme, kaydetme ve dönüştürme işlemlerini yapar.1, Anlatım Yöntemi1, Yazılı Sınav
3. Görüntü iyileştirme, histogram, eşikleme ve temel filtreleme işlemlerini belirli senaryolarda uygular.1, Anlatım Yöntemi1, Yazılı Sınav
4. Kenar, kontur ve basit şekil/nesne tespiti yöntemlerini kullanarak görüntüden bilgi çıkarır.1, Anlatım Yöntemi1, Yazılı Sınav
5. Belirli bir görüntü işleme problemini adım adım analiz ederek uygulama sonuçlarını değerlendirir.1, Anlatım Yöntemi1, Yazılı Sınav
Öğretim Yöntemleri:1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi
Ölçme Yöntemleri:1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1Derse giriş; görüntü işlemenin kullanım alanları, robotik ve yapay zeka ile ilişkisi
2Dijital görüntünün temel yapısı; piksel, çözünürlük, kanal, renk ve gri seviye kavramları
3Python ile görüntü okuma, gösterme, kaydetme, yeniden boyutlandırma ve kırpma işlemleri
4Renk uzayları; RGB, BGR, gri seviye ve HSV dönüşümleri
5Histogram kavramı, parlaklık ve kontrast ayarı, temel görüntü iyileştirme işlemleri
6Gürültü azaltma ve filtreleme; ortalama, Gauss ve medyan filtreleri
7Eşikleme yöntemleri; sabit eşikleme, adaptif eşikleme ve ikili görüntü oluşturma
8Ara Sınav
9Morfolojik işlemler; erozyon, genişleme, açma ve kapama işlemleri
10Kenar bulma yöntemleri; Sobel, Laplacian ve Canny yaklaşımına giriş
11Kontur bulma, alan, çevre, merkez ve basit şekil özelliklerinin çıkarılması
12Basit nesne ve renk tespiti; görüntüden hedef bölge seçme ve maskeleme
13Kamera görüntüsüyle çalışma; canlı görüntü alma, kare işleme ve basit takip mantığı
14Robotik uygulama örnekleri; çizgi takibi, renkli nesne algılama ve konum bilgisi çıkarma
15Uygulama sonuçlarının değerlendirilmesi, hata kaynakları ve kısa teknik raporlama
16Genel 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
NoProgram Yeterliliği Katkı Düzeyi
12345
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 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
GÖRÜNTÜ İŞLEMERYZ2222309Bahar Dönemi2+235
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiÖn Lisans
Dersin TürüZorunlu
Dersin Koordinatörü
Dersi Verenler
Dersin YardımcılarıÖğr. Gör. Dr. Sinem UYSAL
Dersin AmacıBu 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 İçeriğiBu 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 KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Dijital görüntü, piksel, çözünürlük, renk uzayı ve gri seviye kavramlarını açıklar.1, Anlatım Yöntemi1, Yazılı Sınav
2. Python ve temel görüntü işleme kütüphaneleriyle görüntü okuma, gösterme, kaydetme ve dönüştürme işlemlerini yapar.1, Anlatım Yöntemi1, Yazılı Sınav
3. Görüntü iyileştirme, histogram, eşikleme ve temel filtreleme işlemlerini belirli senaryolarda uygular.1, Anlatım Yöntemi1, Yazılı Sınav
4. Kenar, kontur ve basit şekil/nesne tespiti yöntemlerini kullanarak görüntüden bilgi çıkarır.1, Anlatım Yöntemi1, Yazılı Sınav
5. Belirli bir görüntü işleme problemini adım adım analiz ederek uygulama sonuçlarını değerlendirir.1, Anlatım Yöntemi1, Yazılı Sınav
Öğretim Yöntemleri:1: Soru - Cevap Tekniği, Anlatım Yöntemi: Anlatım Yöntemi
Ölçme Yöntemleri:1: Çoktan Seçmeli Sınav, Yazılı Sınav: Yazılı Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1Derse giriş; görüntü işlemenin kullanım alanları, robotik ve yapay zeka ile ilişkisi
2Dijital görüntünün temel yapısı; piksel, çözünürlük, kanal, renk ve gri seviye kavramları
3Python ile görüntü okuma, gösterme, kaydetme, yeniden boyutlandırma ve kırpma işlemleri
4Renk uzayları; RGB, BGR, gri seviye ve HSV dönüşümleri
5Histogram kavramı, parlaklık ve kontrast ayarı, temel görüntü iyileştirme işlemleri
6Gürültü azaltma ve filtreleme; ortalama, Gauss ve medyan filtreleri
7Eşikleme yöntemleri; sabit eşikleme, adaptif eşikleme ve ikili görüntü oluşturma
8Ara Sınav
9Morfolojik işlemler; erozyon, genişleme, açma ve kapama işlemleri
10Kenar bulma yöntemleri; Sobel, Laplacian ve Canny yaklaşımına giriş
11Kontur bulma, alan, çevre, merkez ve basit şekil özelliklerinin çıkarılması
12Basit nesne ve renk tespiti; görüntüden hedef bölge seçme ve maskeleme
13Kamera görüntüsüyle çalışma; canlı görüntü alma, kare işleme ve basit takip mantığı
14Robotik uygulama örnekleri; çizgi takibi, renkli nesne algılama ve konum bilgisi çıkarma
15Uygulama sonuçlarının değerlendirilmesi, hata kaynakları ve kısa teknik raporlama
16Genel 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
NoProgram Yeterliliği Katkı Düzeyi
12345
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 DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Bilgi / Destek Butonu