|
|
| TBIL2029 | Görüntü İşleme | 2+1+0 | AKTS:3 | | Yıl / Yarıyıl | Güz Dönemi | | Ders Duzeyi | Ön Lisans | | Yazılım Şekli | Seçmeli | | Bölümü | BİLGİSAYAR TEKNOLOJİLERİ BÖLÜMÜ | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze | | Dersin Süresi | 14 hafta - haftada 2 saat teorik ve 1 saat uygulama | | Öğretim Üyesi | Dr. Öğr. Üyesi Ercüment YILMAZ | | Diğer Öğretim Üyesi | | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | Dersin amacı öğrenciye, insan görüntüleme için görüntü bilgilerine uygulanan haliyle dijital görüntü işlemede hali hazırda kullanılan analitik araçlara ve yöntemleri öğretmek ve bu araçlarla öğrencinin laboratuvarda görüntü restorasyonu, iyileştirme ve sıkıştırma için uygulamalar yapmasını sağlamaktır. |
| Öğrenim Kazanımları | PÖKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | Görüntü işlemede yaygınca kullanılan temel algoritma işlevlerinde beceriler kazanabilir. | 6 | 1, | | ÖK - 2 : | İmge tabanlı uygulamalarda sistem tasarımı ve algoritma geliştirme işlev ve organizasyonunu kavrayabilir. | 6 | 1, | | ÖK - 3 : | Öğrenilen işlev ve yaklaşımları gerçek hayat ve disiplinler arası çalışmalara taşıyabilecek uygulama becerisi kazanabilir. | 6 | 1, | | ÖK - 4 : | İmge ve video verilerinde kayıplı veya kayıpsız veri indirgemesi becerilerini kazanabilir. | 6 | 1, | | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | | |
| Dersin amacı öğrenciye, resim görüntüleme için görüntü bilgilerine uygulanan haliyle dijital görüntü işlemede halihazırda kullanılan analitik araçları ve yöntemleri öğretmek ve bu araçlarla öğrencinin laboratuvarda görüntü restorasyonu, iyileştirme ve sıkıştırma için uygulamalar yapmasını sağlamaktır. |
| |
| Haftalık Detaylı Ders Planı | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Genel bakış, Bilgisayar görüntüleme sistemleri | | | Hafta 2 | Görüntü analizi, önişleme, matrisler ve vektörler | | | Hafta 3 | İnsan görme sistemi, görüntü modeli, Python, Matlab, OpenCV | | | Hafta 4 | Görüntü geliştirme, gri tonlama modları, histogram modu | | | Hafta 5 | Ayrık dönüşümler, Fourier | | | Hafta 6 | Görüntü dosya türleri, Bitmap ve JPEG | | | Hafta 7 | Filtreleme, dalgacık dönüşümü, yalancı renk | | | Hafta 8 | Görüntü iyileştirme, keskinleştirme, yumuşatma | | | Hafta 9 | Ara sınav | | | Hafta 10 | Görüntü restorasyonu, genel bakış, sistem modeli, gürültü giderme: sipariş filtreleri | | | Hafta 11 | Görüntü restorasyonu: gürültü giderme: ortalama ve uyarlanabilir filtreler, bozunma modeli, ters filtre | | | Hafta 12 | Frekans. Filtreler, geometrik dönüşümler | | | Hafta 13 | Görüntü sıkıştırma: sistem modeli, kayıpsız yöntemler | | | Hafta 14 | Görüntü sıkıştırma: kayıplı yöntemler, proje üzerinde çalışmak | | | Hafta 15 | Ders içi etkinlikler | | | Hafta 16 | Dönem sonu sınavı | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 9 | | 1 | 50 | | Dönem sonu sınavı | 16 | | 1 | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 3 | 14 | 42 | | Sınıf dışı çalışma | 1 | 14 | 14 | | Arasınav için hazırlık | 1 | 7 | 7 | | Arasınav | 1 | 1 | 1 | | Dönem sonu sınavı için hazırlık | 1.5 | 6 | 9 | | Dönem sonu sınavı | 1 | 1 | 1 | | Diğer 1 | 1 | 1 | 1 | | Toplam Çalışma Yükü | | | 75 |
|