Hafta 4 Yoğunluk Dönüşümleri ve Histogram İşleme
|
|
- Murat Alabora
- 7 yıl önce
- İzleme sayısı:
Transkript
1 BLM429 Görüntü İşlemeye Giriş Hafta 4 Yoğunluk Dönüşümleri ve Histogram İşleme Yrd. Doç. Dr. Caner ÖZCAN It makes all the difference whether one sees darkness through the light or brightness through the shadows. (Bütün fark; birinin ışığın içinde karanlığı ya da gölgenin içinde aydınlığı görmesiyle oluşur.) ~David Lindsay
2 İçerik 3. Yeğinlik Dönüşümleri ve Uzamsal Filtreleme Temel Bazı Yeğinlik Dönüşüm Fonksiyonları Histogram İşleme Uzamsal Filtrelemenin Esasları Uzamsal Yumuşatma Filtreleri Uzamsal Keskinleştirme Filtreleri Uzamsal Zenginleştirme Yöntemlerini Birleştirme Yeğinlik Dönüşümleri ve Uzamsal Filtreleme İçin Bulanık Tekniklerin Kullanılması 2
3 Uzamsal Bölge ve Dönüşüm Bölgesi Uzamsal bölge Görüntüleme düzleminin kendisine karşılık gelir ve doğrudan görüntüdeki pikseller üzerinde işlem yapılır. Dönüşüm bölgesi Görüntü düzlemindeki yeğinlik değerlerini direk işlemeyerek dönüşüm katsayılarını işler. 3
4 Uzamsal Bölge İşlemleri g( x, y) T[ f ( x, y)]) f ( x, y) :input image g( x, y) : output image T giriş görüntüsü çıkış görüntüsü (x, y) noktasının komşuluğunda tanımlanmış f ye uygulanan bir operatör. : an operator on f defined over a neighborhood of point ( xy, ) 4
5 Uzamsal Bölge İşlemleri 5
6 Uzamsal Bölge İşlemleri Yeğinlik dönüşüm fonksiyonu Intensity transformation function s T( r) 6
7 Temel Bazı Yeğinlik Dönüşüm Fonksiyonları 7
8 Görüntü Negatifleri Image negatives Görüntü negatifleri s L 1 r 8
9 Örnek: Görüntü Negatifleri Küçük lezyon 9
10 Logaritma Dönüşümü Log Transformations Logaritma Dönüşümü s clog(1 r) 10
11 Örnek: Logaritma Dönüşümü 11
12 Kuvvet Kanunu(Gama) Dönüşümleri s cr 12
13 Örnek: Gama Dönüşümleri 13
14 Örnek: Gama Dönüşümleri s r 1/2.5 Örneğin, katot ışın tüplü (CRT) aygıtlar, bir kuvvet fonksiyonu şeklinde ifade edilen yeğinlikgerilim tepkisine sahiptir. Bu fonksiyonun üssü yaklaşık olarak 1.8 ile 2.5 arasında değişmektedir. 14
15 Örnek: Gama Dönüşümleri 15
16 Örnek: Gama Dönüşümleri 16
17 Parçalı-Doğrusal Dönüşümler Kontrast Germe Kayıt ortamının veya görüntü cihazının tüm yeğinlik aralığını kapsayacak şekilde yeğinlik seviye aralığının genişletilmesi işlemidir. Yeğinlik Seviyesi Dilimleme Bir görüntüdeki yeğinliklerin özel bir aralığını vurgulamadır. 17
18 18
19 Bu tip zenginleştirme, ikili bir görüntü oluşturur ve kontrast maddenin akış biçimini incelemede kullanışlıdır (örneğin tıkanıklıkları saptamak için) Kontrast maddenin bir dizi görüntüdeki gerçek akışını zamanın fonksiyonu olarak ölçmek istediğimizde böyle bir sonuç faydalı olabilir. 19
20 Bit Düzlemi Dilimleme 20
21 Bit Düzlemi Dilimleme 21
22 Bit Düzlemi Dilimleme 22
23 Histogram İşleme Histogram Denkleştirme Histogram Eşleştirme Yerel Histogram İşleme Görüntü İyileştirme İçin Histogram İstatistiklerini Kullanma 23
24 Histogram Nedir? Görüntüdeki gri değerlerin dağılımının grafiksel olarak gösterimidir. X ekseni görüntüdeki gri değerleri (yansıma değerleri), Y ekseni ise o gri değerdeki toplam piksel sayısını gösterir. X ekseni üzerinde sola doğru ilerledikçe (orijine yaklaştıkça) daha koyu ve siyah alanlara ait pikseller temsil edilir. X ekseni üzerinde histogram şekline ait orta kısımlar orta koyulukta gri alanları ve sol uç taraflar ışığın bol olduğu ve beyaz alanları temsil eder. Bu nedenle içerisinde sadece bir kaç koyu bölgeyi barındıran bol ışıklı ve çok parlak bir görüntüye ait histogramda veriler sol uç tarafa yığılmış olarak görülür. 8-bit bir görüntüde gri değerler arasındadır
25 Histogram İşleme Histogram h( r ) r n is the k th k n intensity value k Burada k r k, k. yeğinlik değeri n k k, görüntüdeki r k yeğinlik değerine sahip piksellerin sayısı is the number of pixels in the image with intensity r k nk Normalized histogram pr ( k ) MN n : the number of pixels in the image of Normalize edilmiş histogram: k size M N with intensity r k 25
26 Histogram İşleme Histogram h( r ) r n is the k th n ktemel olasılık k teorisinin tekrarı için intensity value Burada k r k, k. yeğinlik değeri kitabın web sitesine n k k, görüntüdeki rbaşvurunuz. k yeğinlik değerine sahip piksellerin sayısı is the number of pixels in the image with intensity r k nk Normalized histogram pr ( k ) MN n : the number of pixels in the image of Normalize edilmiş histogram: k size M N with intensity r k 26
27 27
28 Histogram Denkleştirme The intensity levels in an image may be viewed as Bir görüntüdeki yeğinlik değerlerine, [0, L-1] aralığında rasgele random değişkenler variables in olarak the interval bakılabilir. [0, L-1]. p r (r) Let ve pr( pr )(s), and psırasıyla s( s) denote r ve the s nin probability olasılık density yoğunluk fonksiyonunu (PDF) göstersin. function (PDF) of random variables r and s. 28
29 Histogram Denkleştirme s T( r) 0 r L 1 a. TT(r) r is, [0, a strictly L-1] aralığında monotonically monoton increasing bir şekilde functionartan bir in the fonksiyondur. interval 0 r L-1; b. 0 T( r) L -1 için for 0 r L
30 Histogram Denkleştirme s T( r) 0 r L 1 a. TT(r) r is, [0, a strictly L-1] aralığında monotonically monoton increasing bir şekilde functionartan bir in the fonksiyondur. interval 0 r L-1; b. 0 T( r) L -1 for 0 r L -1. Tr ( ) is continuous and differentiable. T r, sürekli ve türevlenebilir. p ( s) ds p ( r) dr s r 30
31 Histogram Denkleştirme r s T( r) ( L 1) pr ( w) dw ds dt () r d r ( L 1) p ( ) 0 r w dw dr dr dr ( L 1) p ( r) r 0 p () s s pr () r dr ( ) ( ) 1 pr r pr r ds ds dr ( L 1) p ( ) r r L 1 31
32 Örnek Suppose that the (continuous) intensity values Bir görüntüdeki sürekli yeğinlik değerlerinin aşağıda in an verilen image PDF e have the sahip PDF olduğunu varsayalım. p ( r) r 2r, için for 0 r L-1 2 ( L 1) 0, diğer otherwise yerlerde Find the transformation function for equalizing Görüntü histogramını denkleştirmek için dönüşüm fonksiyonunu the image bulma. histogram. 32
33 Örnek s T( r) ( L 1) p ( w) dw r r 0 ( L 1) r 2 L 1 r 0 2w ( L 1) 2 dw 33
34 Histogram Denkleştirme Continuous case: Sürekli durum: r s T( r) ( L 1) pr ( w) dw Ayrık değerler Discrete values: k s T( r ) ( L 1) p ( r ) k k r j j 0 j 0 j 0 0 k n k j L 1 ( L 1) nj k=0,1,..., L-1 MN MN 34
35 Örnek: Histogram Denkleştirme piksel boyutunda (MN = 4096) olan 3-bitlik (L=8) bir görüntünün tabloda gösterilen yeğinlik dağılımına sahip olduğunu varsayalım. Histogram denkleştirme dönüşüm fonksiyonu bulun ve her bir s k için p s (s k ) yı bulun. 35
36 Örnek: Histogram Denkleştirme s T( r ) 7 p ( r ) s T( r ) 7 p ( r ) 7 ( ) s s s 0 r j 1 j 0 1 r j 3 j s s s
37 Örnek: Histogram Denkleştirme 37
38 38
39 Histogram Denkleştirme 39
40 Soru Histogram denkleştirme her zaman iyi midir? Hayır!! 40
41 Histogram Denkleştirme Histograms of an image before and after equalization. 41
42 Histogram Eşleştirme Histogram eşleştirme(histogram belirleme) Belirlenmiş bir histograma sahip işlenmiş bir görüntü oluşturmak için kullanılır. Let p pr( r) and pz( z) denote the continous probability r (r) ve p z (z) sırasıyla r ve z yeğinliklerine karşılık gelen density sürekli olasılık functions yeğinlik of the fonksiyonlarını variables r ifade and zetsin.. pz ( zp ) z (z) is the specified belirlenmiş probability olasılık yeğinlik density fonksiyonudur. function. s aşağıdaki Let s özelliğe be the random sahip rasgele variable bir değişken with the olsun: probability s T ( r) ( L 1) p ( w) dw Aşağıdaki Define özelliğe a random sahip variable rasgele bir z z with değişkeni the probability tanımlayalım: G( z) ( L 1) p ( t) dt s z 0 z r 0 r 42
43 Histogram Eşleştirme s T( r) ( L 1) p ( w) dw G( z) ( L 1) p ( t) dt s 0 z r 0 z r 1 ( ) 1 ( ) z G s G T r 43
44 Histogram Eşleştirme: Yöntem Giriş görüntüsünden p r (r) elde edilir ve daha sonra s nin değeri bulunur. r s ( L 1) pr ( w) dw Tanımlanan PDF kullanılır ve G(z) dönüşüm fonksiyonu elde edilir. s den z ye eşleştirme yapılır. 0 z G( z) ( L 1) pz ( t) dt s z G 1 () s 0 44
45 Histogram Eşleştirme: Örnek Yeğinlik değerlerinin sürekli olduğu varsayılsın; görüntünün yeğinliği PDF 2r, için for 0 r L-1 2 pr () r ( L 1) 0, diğer otherwise durumlar Yeğinlik PDF i aşağıdaki gibi olan bir görüntüyü oluşturan dönüşüm fonksiyonunu bulun. 2 3z, için for 0 z ( L-1) 3 pz () z ( L 1) 0, diğer otherwise durumlar 45
46 Histogram Eşleştirme: Örnek Giriş görüntüsü için histogram denkleştirme dönüşümü bulunur: 2 r r 2w r s T( r) ( L 1) p ( ) ( 1) 0 r w dw L dw 0 2 ( L 1) L 1 Belirlenen histogram için histogram denkleştirme dönüşümü bulunur. 2 3 z z 3t z G( z) ( L 1) p ( ) ( 1) 0 z t dt L dt s ( L 1) ( L 1) Dönüşüm fonksiyonu 2 1/3 2 1/3 2 r 2 1/3 z ( L 1) s ( L 1) ( L 1) r L 1 46
47 Histogram Eşleştirme: Ayrık Durumlar Verilen görüntünün p r (r) histogramını hesaplayın ve bunu histogram denkleştirme dönüşümünü bulmak için kullanın. Sonuç s k değerlerini [0, L-1] tamsayı değerler aralığına yuvarlayın. k k ( L 1) s T( r ) ( L 1) p ( r ) n k k r j j j 0 MN j 0 Tanımlanan PDF i kullanın, G(z q ) dönüşüm fonksiyonunu elde edin ve değerleri [0, L-1] tamsayı değerler aralığına yuvarlayın. q G( z ) ( L 1) p ( z ) s q z i k i 0 z G 1 ( s ) q k S k' dan to z q ye eşleştirin. 47
48 Örnek: Histogram Eşleştirme Yeğinlik dağılımı aşağıdaki soldaki tabloda verilen 3-bitlik (L=8) piksel (MN = 4096) boyutlu bir görüntüyü düşünelim. Bu histogramın aşağıdaki sağdaki tablonun ikinci sütunundaki belirli değerlere sahip olacak bir biçimde dönüştürülmesi istenmektedir. Belirtilmiş Gerçek 48
49 Örnek: Histogram Eşleştirme Ölçekli histogram denkleştirilmiş değerler elde edilmektedir. s 1, s 3, s 5, s 6, s 7, s 7, s 7, s Dönüşüm fonksiyonu G nin bütün değerlerini hesaplarız: 0 0 G( z ) 7 p ( z ) 0.00 j 0 z j 0 G( z ) 0.00 G( z ) G( z ) 1.05 G( z ) G( z ) 4.55 G( z ) Gz ( )
50 Örnek: Histogram Eşleştirme 50
51 Örnek: Histogram Eşleştirme Ölçeklenmiş histogram denkleştirilmiş değerler elde edilir: s 1, s 3, s 5, s 6, s 7, s 7, s 7, s G dönüşüm fonksiyonunun tüm değerleri hesaplanır: 0 0 G( z ) 7 p ( z ) 0.00 j 0 z j G( z1) G( z2) G( z3) s 0 G( z4) G( z ) G( z ) Gz ( ) s 2 s 3 s 5 s 6 s 7 s 4 s 1 51
52 Örnek: Histogram Eşleştirme s 1, s 3, s 5, s 6, s 7, s 7, s 7, s r k
53 Örnek: Histogram Eşleştirme r k z q
54 Örnek: Histogram Eşleştirme 54
55 Örnek: Histogram Eşleştirme 55
56 56
57 Görüntü Formatları Popular formats: BMP Microsoft Windows bitmap image EPS Adobe Encapsulated PostScript GIF CompuServe graphics interchange format JPEG Joint Photographic Experts Group PBM Portable bitmap format (black and white) PGM Portable graymap format (gray scale) PPM Portable pixmap format (color) PNG Portable Network Graphics PS Adobe PostScript TIFF Tagged Image File Format 57
58 Görüntü Formatları ASCII or binary Number of bits per pixel (color depth) Number of bands Support for compression (lossless, lossy) Support for metadata Support for transparency Format conversion
59 Kaynaklar Sayısal Görüntü İşleme, Palme Yayıncılık, Üçüncü Baskıdan Çeviri (Orj: R.C. Gonzalez and R.E. Woods: "Digital Image Processing", Prentice Hall, 3rd edition, 2008). Lecture Notes, CS Digital Image Processing, F.(Qingzhong) Liu, Ders Notları, BIL717-Image Processing, E.Erdem Ders Notları, EBM537-Görüntü İşleme, F.Karabiber 59
Bölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme Dr. Öğr. Üyesi Caner ÖZCAN It makes all the difference whether one sees darkness through the light or brightness through the
DetaylıDigital Görüntü Temelleri Görüntü Oluşumu
Digital Görüntü Temelleri Görüntü Oluşumu Işık 3B yüzeye ulaşır. Yüzey yansıtır. Sensör elemanı ışık enerjisini alır. Yoğunluk (Intensity) önemlidir. Açılar önemlidir. Materyal (yüzey) önemlidir. 25 Ekim
DetaylıDigital Görüntü Temelleri Görüntü Oluşumu
Digital Görüntü Temelleri Görüntü Oluşumu Işık 3B yüzeye ulaşır. Yüzey yansıtır. Sensör elemanı ışık enerjisini alır. Yoğunluk (Intensity) önemlidir. Açılar önemlidir. Materyal (yüzey) önemlidir. 06 Kasım
DetaylıHafta 5 Uzamsal Filtreleme
BLM429 Görüntü İşlemeye Giriş Hafta 5 Uzamsal Filtreleme Yrd. Doç. Dr. Caner ÖZCAN If the facts don't fit the theory, change the facts. ~Einstein İçerik 3. Yeğinlik Dönüşümleri ve Uzamsal Filtreleme Temel
DetaylıBölüm 7 Renkli Görüntü İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 7 Renkli Görüntü İşleme Dr. Öğr. Üyesi Caner ÖZCAN Genç sanatçının, rengin sadece tanımlayıcı değil aynı zamanda kişisel ifade anlamına geldiğini anlaması renge dokunmasından
DetaylıBölüm 6 Görüntü Onarma ve Geriçatma
BLM429 Görüntü İşlemeye Giriş Bölüm 6 Görüntü Onarma ve Geriçatma Dr. Öğr. Üyesi Caner ÖZCAN Gördüğümüz şeyler tek başlarına ne gördüğümüz değildir... Hislerimizin algı yeteneğinden ayrı olarak nesnelerin
DetaylıHafta 2 Görüntünün Alınması ve Sayısallaştırılması
BLM429 Görüntü İşlemeye Giriş Hafta 2 Görüntünün Alınması ve Sayısallaştırılması Yrd. Doç. Dr. Caner ÖZCAN When something can be read without effort, great effort has gone into its writing. ~E. J. Poncela
DetaylıBölüm 3 Görüntü İşleme ile İlgili Temel Kavramlar
BLM429 Görüntü İşlemeye Giriş Bölüm 3 Görüntü İşleme ile İlgili Temel Kavramlar Dr. Öğr. Üyesi Caner ÖZCAN Those who wish to succeed must ask the right preliminary questions. (Başarmak isteyenler doğru
DetaylıHafta 7 Görüntü Onarma ve Geriçatma (Kısım 1)
BLM429 Görüntü İşlemeye Giriş Hafta 7 Görüntü Onarma ve Geriçatma (Kısım 1) Yrd. Doç. Dr. Caner ÖZCAN Gördüğümüz şeyler tek başlarına ne gördüğümüz değildir... Hislerimizin algı yeteneğinden ayrı olarak
DetaylıHafta 3 Görüntü İşleme ile İlgili Temel Kavramlar
BLM429 Görüntü İşlemeye Giriş Hafta 3 Görüntü İşleme ile İlgili Temel Kavramlar Yrd. Doç. Dr. Caner ÖZCAN Those who wish to succeed must ask the right preliminary questions. (Başarmak isteyenler doğru
DetaylıBölüm 2 Görüntünün Alınması ve Sayısallaştırılması
BLM429 Görüntü İşlemeye Giriş Bölüm 2 Görüntünün Alınması ve Sayısallaştırılması Dr. Öğr. Üyesi Caner ÖZCAN When something can be read without effort, great effort has gone into its writing. ~E. J. Poncela
DetaylıHafta 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar
BLM429 Görüntü İşlemeye Giriş Hafta 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar Yrd. Doç. Dr. Caner ÖZCAN Fall in love with the process, and the results will come. ~ Eric Thomas Derse Giriş Ders
DetaylıMOD419 Görüntü İşleme
MOD419 Görüntü İşleme Ders Kitabı: Digital Image Processing by Gonzalez and Woods Puanlama: %30 Lab. %20 Vize %10 Quizes %40 Final %60 devam mecburiyeti Görüntü İşleme ye Giriş Görüntü İşleme Nedir? Özellikle
DetaylıBölüm 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar
BLM429 Görüntü İşlemeye Giriş Bölüm 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar Dr. Öğr. Üyesi Caner ÖZCAN Fall in love with the process, and the results will come. ~ Eric Thomas Derse Giriş Ders
DetaylıGrafik Dosya Formatları Grafik dosya formatları, grafik boyutlarını düşürmek amacıyla geliştirilen matematiksel algoritmalardır. Çeşitli amaçlara yönelik olarak kullanılan birçok grafik dosya formatı vardır.
DetaylıGÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME
GÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME DERS İÇERİĞİ Histogram İşleme Filtreleme Temelleri HİSTOGRAM Histogram bir resimdeki renk değerlerinin sayısını gösteren grafiktir. Histogram dengeleme
DetaylıGörüntü İşleme. K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI. Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003
Görüntü İşleme K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003 İçerik Görüntü İşleme Nedir? Görüntü Tanımlamaları Görüntü Operasyonları Görüntü İşleme
DetaylıGörüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur.
Görüntü İşleme Görüntü işleme, dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesidir. Resimler
DetaylıİMGE İŞLEME Ders-2. İmgeler, Dosya Tipleri ve Temel İşlemler. (Prof. Dr. Sarp ERTÜRK)
İMGE İŞLEME Ders-2 İmgeler, Dosya Tipleri ve Temel İşlemler (Prof. Dr. Sarp ERTÜRK) Görüntüleme 29 Eylül 2013 2 Video 29 Eylül 2013 3 Video İşaretlerinin İletimi 29 Eylül 2013 4 Tarama 29 Eylül 2013 5
DetaylıUzaysal Görüntü İyileştirme/Filtreleme. Doç. Dr. Fevzi Karslı fkarsli@ktu.edu.tr
Uasal Görüntü İileştirme/Filtreleme Doç. Dr. Fevi Karslı karsli@ktu.edu.tr İileştirme Herhangi bir ugulama için, görüntüü orijinalden daha ugun hale getirmek Ugunluğu her bir ugulama için sağlamak. Bir
Detaylı1. RESİM DÜZENLEME. Bir resmin piksel yoğunluğu yani PPI (Pixel Per Inches) 1 inç karede (1 inç = 2.54 cm) bulunan piksel sayısıdır.
1.1. Temel Kavramlar 1.1.1. Piksel 1. RESİM DÜZENLEME Ekranda oluşturulan görüntüler noktalardan oluşur. Noktalar kare şeklindedir. Çok yakından bakıldığı veya resim büyütüldüğü zaman bu noktalar fark
DetaylıİMGE İŞLEME Ders-2. İmge Dosya Tipleri ve Temel İşlemler. (Yrd. Doç. Dr. M. Kemal GÜLLÜ)
İMGE İŞLEME Ders-2 İmge Dosya Tipleri ve Temel İşlemler (Yrd. Doç. Dr. M. Kemal GÜLLÜ) Dersin web sayfası: http://mf.kou.edu.tr/elohab/kemalg/imge_web/odev.htm Hazırlayan: M. Kemal GÜLLÜ MATLAB temel bilgiler
DetaylıİMGE İŞLEME Ders-2. İmge Dosya Tipleri ve Temel İşlemler. Dersin web sayfası: http://mf.kou.edu.tr/elohab/kemalg/imge_web/odev.htm
İMGE İŞLEME Ders-2 İmge Dosya Tipleri ve Temel İşlemler (Yrd. Doç. Dr. M. Kemal GÜLLÜ) Dersin web sayfası: http://mf.kou.edu.tr/elohab/kemalg/imge_web/odev.htm Hazırlayan: M. Kemal GÜLLÜ MATLAB temel bilgiler
DetaylıMMT 106 Teknik Fotoğrafçılık 3 Digital Görüntüleme
MMT 106 Teknik Fotoğrafçılık 3 Digital Görüntüleme 2010-2011 Bahar Yarıyılı Ar. Gör. Dr. Ersoy Erişir 1 Konvansiyonel Görüntüleme (Fotografi) 2 Görüntü Tasarımı 3 Digital Görüntüleme 3.1 Renkler 3.2.1
DetaylıMatematik Ders Notları. Doç. Dr. Murat Donduran
Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28 2 İçindekiler 1 Tanımlı Integral Uygulamaları 5 1.1 Olasılık.............................. 5 3 4 İÇINDEKILER Bölüm 1 Tanımlı Integral Uygulamaları
DetaylıİLERİ GÖRÜNTÜ İŞLEME Ders-1
İLERİ GÖRÜNTÜ İŞLEME Ders- Elektromanyetik Spektrum Görünür Bölge 7 nm 4 nm Temel Kavramlar (Prof. Dr. Sarp ERTÜRK) 9/24/24 2 Hazırlayan: M. Kemal GÜLLÜ Sayısal İmge Gösterimi f x, y imgesi örneklendiğinde
DetaylıGÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ
GÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ GÖRÜNTÜ ALGILAMA Üç temel zar ile kaplıdır. 1- Dış Zar(kornea ve Sklera) 2- Koroid 3- Retina GÖRÜNTÜ ALGILAMA ---Dış Zar İki kısımdan oluşur. Kornea ve
DetaylıUzaktan Eğitim Ders Notları
Grafik ve Animasyon Uzaktan Eğitim Ders Notları Bu ders içeriğinin basım, yayım ve satış hakları Yrd. Doç. Dr. Zekeriya PARLAK a aittir. "Uzaktan Öğretim" tekniğine uygun olarak hazırlanan bu ders içeriğinin
DetaylıFrekans Spektrumu. frekans. dalga boyu
İmge Kavramı Sayısal İmge (Digital Image), çeşitli yollarla elde edilen bilgilerin görsel olarak saklanmasına ve gösterimine olanak sağlayan yapılardır. Her türlü iki boyutlu bilgi imge olarak ele alınabilir.
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 8 Multispektral Görüntüleme ve Uygulamaları Alp Ertürk alp.erturk@kocaeli.edu.tr Multispektral Görüntüleme Her piksel için birkaç adet spektral kanalda ölçüm değeri
DetaylıAppendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
DetaylıWEEK 11 CME323 NUMERIC ANALYSIS. Lect. Yasin ORTAKCI.
WEEK 11 CME323 NUMERIC ANALYSIS Lect. Yasin ORTAKCI yasinortakci@karabuk.edu.tr 2 INTERPOLATION Introduction A census of the population of the United States is taken every 10 years. The following table
DetaylıDijital Görüntü İşleme (COMPE 464) Ders Detayları
Dijital Görüntü İşleme (COMPE 464) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Dijital Görüntü İşleme COMPE 464 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
Detaylı11. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.
11. HAFTA BLM323 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi 2 İNTERPOLASYON Deney sonuçları veya benzer çalışmalar için
DetaylıGri Seviye Dönüşümleri ve Uzaysal Filtreleme. BMÜ-357 Sayısal Görüntü İşleme Yrd. Doç. Dr. İlhan AYDIN
Gri Seviye Dönüşümleri ve Uzaysal Filtreleme BMÜ-357 Sayısal Görüntü İşleme Yrd. Doç. Dr. İlhan AYDIN GRİ SEVİYE DÖNÜŞÜMLERİ Herhangi bir görüntü işleme operasyonu, görüntüdeki pikselin gri seviye değerlerini
Detaylıİşaret ve Sistemler. Ders 1: Giriş
İşaret ve Sistemler Ders 1: Giriş Ders 1 Genel Bakış Haberleşme sistemlerinde temel kavramlar İşaretin tanımı ve çeşitleri Spektral Analiz Fazörlerin frekans düzleminde gösterilmesi. Periyodik işaretlerin
DetaylıGÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ
GÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ GÖRÜNTÜ İŞLEME Hafta Hafta 1 Hafta 2 Hafta 3 Hafta 4 Hafta 5 Hafta 6 Hafta 7 Hafta 8 Hafta 9 Hafta 10 Hafta 11 Hafta 12 Hafta 13 Hafta 14 Konu Giriş Digital Görüntü Temelleri-1
DetaylıGörüntü İyileştirme Teknikleri. Hafta-6
Görüntü İyileştirme Teknikleri Hafta-6 Doç. Dr. Oğuz Güngör Karadeniz Teknik Üniversitesi Harita Mühendisliği Bölümü 6080 Trabzon ogungor@ktu.edu.tr İndisler Görüntü İyileştirme Teknikleri Radyometrik
DetaylıKODLAMA SİSTEMLERİ ve VERİLERİN BİLGİSAYARDA TEMSİLİ
KODLAMA SİSTEMLERİ ve VERİLERİN BİLGİSAYARDA TEMSİLİ KODLAMA SİSTEMLERİNİN TANIMI : Kodlama, iki küme elemanları arasında karşılıklı kesin olarak belirtilen kurallar bütünüdür diye tanımlanabilir. Diğer
DetaylıSPSS (Statistical Package for Social Sciences)
SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) Data Editör iki arayüzden oluşur. 1. Data View 2. Variable
Detaylı%100 Yerli, Donanım + HMI Yazılım. Profesyonel Operatör Paneli. Operatör Paneli - Proop10. Operatör Paneli - Proop7.
%100 Yerli, Donanım + HMI Yazılım Profesyonel Operatör Paneli Operatör Paneli - Proop10 Operatör Paneli - Proop7 www.emkoelektronik.com.tr Panel Boyutları & Ekran Çözünürlükleri Operatör Paneli - Proop10
DetaylıGörüntü İşleme Ders-7 AND, NAND. % bir görüntüde küçük bir alanın kesilip çıkartılması. >> y=imread('headquarters-2and.jpg');
Görüntü İşleme Ders-7 AND, NAND % bir görüntüde küçük bir alanın kesilip çıkartılması. >> x=imread('headquarters-2.jpg'); >> y=imread('headquarters-2and.jpg'); >> x=rgb2gray(x); >> y=rgb2gray(y); >> imshow(y)
DetaylıYrd. Doç. Dr. Caner ÖZCAN
Yrd. Doç. Dr. Caner ÖZCAN Derse Giriş Ders Web Sitesi: www.canerozcan.net Ofis Saatleri: Salı 11:00-13:00 Perşembe 15:30-17:30 ya da email ile randevu alınız: canerozcan@karabuk.edu.tr Kaynak Kitaplar:
Detaylıİki Rastgele Değişken
İki Rastgele Değişken K ve K kesikli rastgele değişkenlerdir K i = i. bit ten sonra oluşan hata sayısı. Başlangıçta Pr[E] =0. ve Pr[E c ]=0.8 K K olasılık (0.)(0.6)=0. (0.)(0.4)=0.08 0 (0.8)(0.)=0.08 0
DetaylıDijital Görüntü İşleme Teknikleri
Teknikleri Ders Notları, 2013 Doç. Dr. Fevzi Karslı Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 08 Ekim 2013 Salı 1 Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, temel kavramlar, kaynaklar.
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıİMGE İŞLEME Ders-9. İmge Sıkıştırma. Dersin web sayfası: (Yrd. Doç. Dr. M.
İMGE İŞLEME Ders-9 İmge Sıkıştırma (Yrd. Doç. Dr. M. Kemal GÜLLÜ) Dersin web sayfası: http://mf.kou.edu.tr/elohab/kemalg/imge_web/odev.htm Hazırlayan: M. Kemal GÜLLÜ İmge Sıkıştırma Veri sıkıştırmanın
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıBilgisayar Mühendisliğine Giriş. Yrd.Doç.Dr.Hacer KARACAN
Bilgisayar Mühendisliğine Giriş Yrd.Doç.Dr.Hacer KARACAN SAYI VE KODLAMA SİSTEMLERİ Sayı sistemleri Veri sıkıştırma Şifreleme terimleri Giriş Her bilgisayarın ikili durum makinası olması, burada kullanılan
DetaylıGörüntü İşleme Dersi Ders-8 Notları
Görüntü İşleme Dersi Ders-8 Notları GRİ SEVİYE DÖNÜŞÜMLERİ Herhangi bir görüntü işleme operasyonu, görüntüdeki pikselin gri seviye değerlerini dönüştürme işlemidir. Ancak, görüntü işleme operasyonları;
DetaylıMANTIK DEVRELERİ HALL, 2002) (SAYISAL TASARIM, ÇEVİRİ, LITERATUR YAYINCILIK) DIGITAL DESIGN PRICIPLES & PRACTICES (3. EDITION, PRENTICE HALL, 2001)
MANTIK DEVRELERİ DERSİN AMACI: SAYISAL LOJİK DEVRELERE İLİŞKİN KAPSAMLI BİLGİ SUNMAK. DERSİ ALAN ÖĞRENCİLER KOMBİNASYONEL DEVRE, ARDIŞIL DEVRE VE ALGORİTMİK DURUM MAKİNALARI TASARLAYACAK VE ÇÖZÜMLEMESİNİ
DetaylıMATEMATİK ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI DENEME. Diğer sayfaya geçiniz.
MATEMATİK. DENEME ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI. f : X tanımlı y = f() fonksiyonu için lim f ( ) = L ise aşağıdaki önermelerden kaç tanesi kesinlikle doğrudur? 0 I. X dir. 0 II. f() fonksiyonu
DetaylıWavelet Transform and Applications. A. Enis Çetin Bilkent Üniversitesi
Wavelet Transform and Applications A. Enis Çetin Bilkent Üniversitesi Multiresolution Signal Processing Lincoln idea by Salvador Dali Dali Museum, Figueres, Spain M. Mattera Multi-resolution signal and
DetaylıMIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıGörüntü İyileştirme Teknikleri. Hafta-8
Görüntü İyileştirme Teknikleri Hafta-8 1 Spektral İyileştirme PCA (Principal Component Analysis) Dönüşümü. Türkçesi Ana Bileşenler Dönüşümü Decorrelation Germe Tasseled Cap RGB den IHS ye dönüşüm IHS den
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 5 Görüntü Süzgeçleme ve Gürültü Giderimi Alp Ertürk alp.erturk@kocaeli.edu.tr Motivasyon: Gürültü Giderimi Bir kamera ve sabit bir sahne için gürültüyü nasıl azaltabiliriz?
DetaylıBilgisayar ne elde eder (görüntüden)? Dijital Görüntü İşleme Fevzi Karslı, KTÜ. 08 Ekim 2013 Salı 51
Bilgisayar ne elde eder (görüntüden)? 08 Ekim 2013 Salı 51 Zorluk 1: bakış açısı 2012, Selim Aksoy 08 Ekim 2013 Salı 52 Zorluk 2: aydınlatma 08 Ekim 2013 Salı 53 Zorluk 3: oklüzyon (ölü bölge oluşumu)
DetaylıAnkara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1
1 Rastgele bir denemede ortaya çıkması olası sonuçların tamamıdır Örnek: bir zar bir kez yuvarlandığında S= Yukarıdaki sonuçlardan biri elde edilecektir. Sonuçların her biri basit olaydır Örnek: Bir deste
DetaylıUzaktan Algılama (3) Yrd. Doç. Dr. Özgür ZEYDAN Renk Teorileri
Uzaktan Algılama (3) Yrd. Doç. Dr. Özgür ZEYDAN http://cevre.beun.edu.tr/zeydan/ Renk Teorileri Eklemeli renk teorisi Çıkarmalı renk teorisi 1 RGB (Red Green - Blue) Kavramı Red Green - Blue RGB-Mixer
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (GEO/JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2017-2018 Öğretim Yılı Bahar Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 291 2565 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
DetaylıFonksiyon Optimizasyonunda Genetik Algoritmalar
01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu
DetaylıÇizim Yapma. Renk. Boyama
Çalışma Alanı Çalışma alanıyla ilgili temel bilgiler Çalışma alanını özelleştirme Araçlar Araç galerileri Güvenli Mod Dilimleme ve kesme aracı galerisi Birden çok çalışma yüzeyi oluşturma Çökmeden sonra
Detaylıgeometrik şekillerin birleşmesinden meydana gelen karmaşık yapılardır. Not: Bütün karmaşık grafikler basit şekillerin birleşmesinden oluşur.
Grafik: En küçük birim olan noktaların bir araya gelmesiyle oluşan, basit geometrik şekillerin birleşmesinden meydana gelen karmaşık yapılardır. Not: Bütün karmaşık grafikler basit şekillerin birleşmesinden
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 2574010 1718 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
DetaylıBilgisayarla Fotogrametrik Görme
Bilgisayarla Fotogrametrik Görme Dijital Görüntü ve Özellikleri Yrd. Doç. Dr. Mustafa DİHKAN 1 Dijital görüntü ve özellikleri Siyah-beyaz resimler için değer elemanları 0-255 arasındadır. 256 farklı durum
DetaylıEME 3117 SİSTEM SİMÜLASYONU. Rassal Sayı ve Rassal Değer. Üretimi. Rassal Sayı Üretimi
..4 EME 7 Rassal Sayı ve Rassal Değer Üretimi SİSTEM SİMÜLASYONU Rassal Sayı ve Rassal Değer Üretimi Ders Girdi Analizi bölümünde gözlemlerden elde edilen verilere en uygun dağılımı uydurmuştuk. Bu günkü
Detaylı30/12/15 DOSYA FORMATLARI. Masaüstü yayıncılıkta kullanılan programlar bir birlerinden dosya alışverişinde bulunarak çalışırlar.
DOSYA FORMATLARI Masaüstü yayıncılıkta kullanılan programlar bir birlerinden dosya alışverişinde bulunarak çalışırlar. Bir resmi veya vektörel çizimi, oluşturulan uygulama programından bağımsız hale gegrip
DetaylıMAT 202-DİFERENSİYEL DENKLEMLER-Güz Dönemi. Ders Uygulama Planı. -
MAT 202-DİFERENSİYEL DENKLEMLER-Güz 2016-2017 Dönemi Ders Uygulama Planı 04 02 ve 03 01 Öğretim Üyesi Prof. Dr. Ömer AKIN (Ders Koordinatörü) Prof. Dr. Abdullah ALTIN Doç. Dr. Niyazi ŞAHİN Ofis No 226
Detaylıİstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY
İstatistik 1 Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları Bu Bölümde İşlenecek Konular Temel Olasılık Teorisi Örnek uzayı ve olaylar, basit olasılık, birleşik olasılık Koşullu Olasılık İstatistiksel
Detaylıİkili (Binary) Görüntü Analizi
İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)
DetaylıİSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUVARI
İSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUVARI Veri Sıkıştırma Yöntemleri ve Huffman Kodlama ile Veri Sıkıştırma 1. Deney Amacı Veri sıkıştırma sadece bilgisayar
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıChapter 3 Image Enhancement in the Spatial Domain. 2002 R. C. Gonzalez & R. E. Woods
Chapter 3 Image Enhancement in the Spatial Domain 2002 R. C. Gonzalez & R. E. Woods Chapter 3 Image Enhancement in the Spatial Domain 2002 R. C. Gonzalez & R. E. Woods Chapter 3 Image Enhancement in the
DetaylıBLM-112 PROGRAMLAMA DİLLERİ II. Ders-1 Kapsama Kuralları & Rasgele Sayı Üretimi & Rekürsif (Özyinelemeli) Fonksiyonlar
BLM-112 PROGRAMLAMA DİLLERİ II Ders-1 Kapsama Kuralları & Rasgele Sayı Üretimi & Rekürsif (Özyinelemeli) Fonksiyonlar Yrd. Doç. Dr. Ümit ATİLA umitatila@karabuk.edu.tr http://web.karabuk.edu.tr/umitatilla/
DetaylıGÖRÜNTÜ İŞLEME - (7.Hafta) KENAR BELİRLEME ALGORİTMALARI
GÖRÜNTÜ İŞLEME - (7.Hafta) KENAR BELİRLEME ALGORİTMALARI Bu konuda bir çok algoritma olmasına rağmen en yaygın kullanılan ve etkili olan Sobel algoritması burada anlatılacaktır. SOBEL FİLTRESİ Görüntüyü
DetaylıBazı MSDOS komutları BAZI DOS KOMUTLARI
Bazı MSDOS komutları Windows XP, Vista işletim sisteminde Başlat\Çalıştır (Start \ Run) kısmına cmd veya command yazdığınızda MS-DOS penceresi gelir. BİR KOMUTUN NASIL KULLANILDIGINI ÖĞRENMEK İÇİN HELP
Detaylıİkili (Binary) Görüntü Analizi
İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)
DetaylıSAYISAL GÖRÜNTÜ İŞLEME İLE GEOMETRİK ŞEKİL VE ROTASYON TESPİTİ
SAYISAL GÖRÜNTÜ İŞLM İL GOMTRİK ŞKİL V ROTASYON TSPİTİ Fatih GÜNDÜZ 1 Mesud KARİMAN 1, lektronik ve aberleşme Mühendisliği Bölümü, Süleyman Demirel Üniversitesi, Isparta 1 e-posta: gunduz4@gmail.com e-posta:
DetaylıKAYIPSIZ GÖRÜNTÜ SIKIŞTIRMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI
KAYIPSIZ GÖRÜNTÜ SIKIŞTIRMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI Altan MESUT, Aydın CARUS Trakya Üniversitesi, Mühendislik-Mimarlık Fakültesi, Bilgisayar Mühendisliği Bölümü Edirne e-posta: altanmesut@trakya.edu.tr
DetaylıSÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
DetaylıİÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...
İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE
DetaylıKümülatif Dağılım Fonksiyonu (Sürekli)
Kümülatif Dağılım Fonksiyonu (Sürekli) sürekli bir rastgele değişken olsun. Bu durumda kümülatif dağılım fonksiyonu şu şekilde tanımlanır. F ( ) = Pr[ ] Tipik bir KDF şu şekilde görünür:.0 F () 0 Kümülatif
DetaylıSinyaller ve Sistemler (EE 303) Ders Detayları
Sinyaller ve Sistemler (EE 303) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Sinyaller ve Sistemler EE 303 Güz 3 0 2 4 7 Ön Koşul Ders(ler)i EE 206 (FD),
DetaylıDijital (Sayısal) Fotogrametri
Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak
DetaylıDijital Görüntü İşleme Teknikleri
Teknikleri Ders Notları, 2015 Doç. Dr. Fevzi Karslı Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 19 Ekim 2015 Pazartesi 1 Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, temel kavramlar,
DetaylıUYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA
UYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında ucuz ve hızlı sonuç alınabilen uzaktan algılama tekniğinin, yenilenebilir
DetaylıOlasılık ve İstatistik (IE 220) Ders Detayları
Olasılık ve İstatistik (IE 220) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistik IE 220 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin
DetaylıKingston Technology Özelleştirme Programı
Kingston Technology Özelleştirme Programı kingston.com/us/usb/customization Kingston ın Özelleştirme Programı, şirketlere markalarını kişiselleştirmek ve tanıtmak için kaliteli DataTraveler USB sürücüleri
Detaylırasgele değişkeninin olasılık yoğunluk fonksiyonu,
3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının
Detaylı2 Ders Kodu: GSR3114 3 Ders Türü: Seçmeli 4 Ders Seviyesi Lisans
DİJİTAL GÖRÜNTÜLEME TEKNİKLERİ 1 Ders Adi: DİJİTAL GÖRÜNTÜLEME TEKNİKLERİ 2 Ders Kodu: GSR3114 3 Ders Türü: Seçmeli 4 Ders Seviyesi Lisans 5 Dersin Verildiği Yıl: 3 6 Dersin Verildiği Yarıyıl 6 7 Dersin
DetaylıAyrık zamanlı sinyaller için de ayrık zamanlı Fourier dönüşümleri kullanılmatadır.
Bölüm 6 Z-DÖNÜŞÜM Sürekli zamanlı sinyallerin zaman alanından frekans alanına geçişi Fourier ve Laplace dönüşümleri ile mümkün olmaktadır. Laplace, Fourier dönüşümünün daha genel bir şeklidir. Ayrık zamanlı
DetaylıÇoktan Seçmeli Değerlendirme Soruları Akış Şemaları İle Algoritma Geliştirme Örnekleri Giriş 39 1.Gündelik Hayattan Algoritma Örnekleri 39 2.Say
İÇİNDEKİLER 1. Bilgisayarın Yapısı Ve Programlama Dilleri Giriş 1 Bilgisayar ve Programlamanın Kısa Bir Tarihçesi 2 Donanım ve Yazılım Kavramları 3 Bilgisayarın Donanımsal yapısı 4 Giriş Birimi (Input
DetaylıDijital (Sayısal) Fotogrametri
Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak
DetaylıDijital (Sayısal) Fotogrametri
Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak
Detaylı3.2. Raster Veriler. Satırlar. Sütunlar. Piksel/hücre büyüklüğü
3.2. Raster Veriler Satırlar Piksel/hücre büyüklüğü Sütunlar 1 Görüntü formatlı veriler Her piksel için gri değerleri kaydedilmiştir iki veya üç bant (RGB) çok sayıda bant Fotoğraf, uydu görüntüsü, ortofoto,
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 5: Rastgele Değişkenlerin Dağılımları II Prof. Dr. İrfan KAYMAZ Sık Kullanılan Dağılımlar Frekans tablolarına dayalı histogram ve frekans poligonları, verilerin dağılımı hakkında
DetaylıDijital Fotogrametri
Dijital Fotogrametri 2016-2017, Bahar YY Fevzi Karslı (Prof. Dr.) Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 20 Mart 2017 Pazartesi Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, kavramlar,
DetaylıAKÜ TEKNOLOJİ FAKÜLTESİ MEKATRONİK MÜHENDİSLİĞİ BÖLÜMÜ
GÖRÜNTÜ İŞLEME DERS-8 YARDIMCI NOTLARI -2018 Gri Seviye Dönüşümleri Herhangi bir görüntü işleme operasyonu, görüntüdeki pikselin gri seviye değerlerini dönüştürme işlemidir. Ancak, görüntü işleme operasyonları;
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
Detaylı