Görüntü işleme, bilgisayarlı görü ve makine görüşünü keşfetmek

Yapay zekâ her tür veriyi analiz etmek için kullanılabilir. Görüntü ve video gibi görsel veriler söz konusu olduğunda bu, farklı teknolojileri kapsayan görüntü analitiği alanına girer. Görüntü işleme, bilgisayarlı görü ve makine görüşü, görüntüleri ve video karelerini analiz ederek bilgisayarların dünyayı görüp anlamasını sağlar. Bu üç teknoloji birbirine benziyor gibi görünse de aralarındaki temel farklar, onları çeşitli uygulamalarda kullanışlı kılar. Görüntü işleme, görüntüleri ve video karelerini değiştirmeye ve iyileştirmeye odaklanırken bilgisayarlı görü, işlenmiş görüntüleri kullanarak bilgisayarların içeriği yorumlamasına ve anlamasına yardımcı olarak bir adım daha ileri gider. Öte yandan makine görüşü, bilgisayarlı görü tekniklerini özellikle denetim ve kalite kontrol görevleri gibi endüstriyel ortamlarda uygular.

Şekil 1. Görsel verileri analiz etmek için kullanılan temel teknolojiler.

Bu üç alan; sağlık, üretim ve tarım gibi pek çok sektörde çeşitli uygulamaların önünü açar. Bu yazıda görüntü işlemeyi, bilgisayarlı görüyü ve makine görüşünü inceleyip aralarındaki farkları ele alacağız. Ayrıca nasıl çalıştıklarını ve çeşitli sektörlerde nasıl kullanıldıklarını açıklayacağız.

Görüntü işleme nedir?#

Bilgisayarlı görü ve makine görüşünün temelindeki teknikle başlayalım: görüntü işleme. Bu teknik, dijital görüntüleri değiştirmek ve iyileştirmek için algoritmalar kullanır; görüntüleri daha gelişmiş analiz ve yorumlamaya hazırlamak üzere parlaklık, kontrast ve renk dengesi gibi parametreleri ayarlar veya gürültüyü filtreler.

Nasıl çalıştığına bakalım. Görüntü işlemede görüntüler tek tek piksellere ayrılır ve ardından istenen etkileri elde etmek için bu pikseller değiştirilir. Örneğin, bir görüntüyü aydınlatmak için algoritma her pikselin yoğunluğunu artırabilir. Benzer şekilde kenarları algılamak için piksel değerlerindeki ani değişiklikleri arayabilir. Görüntü işleme, bu piksellere matematiksel işlemler ve algoritmalar uygulayarak görüntü kalitesini artırmak, bilgi çıkarmak veya yeni görüntüler oluşturmak için kullanılabilir.

Görüntü işleme teknikleri, veri işleme ve net, yüksek kaliteli görüntüler içeren görsel veri kümeleri oluşturmak için de önemlidir; bilgisayarlı görü ve makine görüşü sistemlerinin bu görüntüleri doğru biçimde analiz etmesine yardımcı olur. OpenCV ve MATLAB gibi kütüphaneler, bu görüntü işleme tekniklerini çeşitli alanlardaki geliştiriciler ve araştırmacılar için erişilebilir kılan güçlü çerçeveler sunar.

İşte yaygın görüntü işleme tekniklerinden bazıları:

• Filtreleme: Filtreleme, değişimleri ve bozulmaları yumuşatarak görüntüdeki gürültü düzeyini azaltmak için uygulanır. Yaygın filtreler arasında bulanıklaştırma için Gauss filtreleri ve rastgele beyaz ve siyah pikseller olarak görünen tuz-biber gürültüsünü gidermek için medyan filtreleri bulunur.
• Kenar algılama: Piksel yoğunluğundaki keskin değişimleri algılayarak görüntüdeki nesnelerin sınırlarını belirlemek için kullanılır. Tıbbi görüntüleme gibi uygulamalar, organların ve tümörlerin yapısını belirginleştirmek için kenar algılamadan yararlanır.
• Eşikleme: Görüntü işlemede eşikleme, bir eşik değeri belirleyerek gri tonlamalı görüntüyü ikili görüntüye dönüştürmeyi içerir. Eşiğin üzerindeki pikseller beyaza (1), altındaki pikseller ise siyaha (0) dönüştürülür.

Şekil 2. Eşikleme öncesi ve sonrası gri tonlamalı bir görüntü.

Görüntü işlemenin bir uygulamasını inceleyelim#

Görüntü restorasyonu, görüntü işlemenin uygulamalarına harika bir örnektir. Zamanla bozulmuş bir görüntüyü kurtarmayı içerir. Bozulmuş görüntüyü ilk kalitesine döndürmek için izleri, çizikleri, lekeleri ve yıpranmayı gidermede filtreleme ve gürültü azaltma gibi teknikler kullanılır. Görüntü restorasyonu, eski fotoğraflar gibi düşük kaliteli veya hasar görmüş görüntülerin bulunduğu durumlarda özellikle yararlıdır.

Şekil 3. Görüntü işleme, hasar görmüş eski görüntüleri onarmak için kullanılabilir.

Bilgisayarlı görü nedir?#

Görüntüleri değiştirmeye ve iyileştirmeye odaklanan görüntü işlemenin aksine bilgisayarlı görü, bilgisayarlara gerçek dünyayı görme ve anlama yeteneği kazandırır. Pek çok uygulama, görüntülerdeki veya video karelerindeki nesneleri ve insanları tanımlamak ve anlamak için bilgisayarlı görüden yararlanır. Bilgisayarlı görü, çevremizde gördüklerimizi nasıl anlamlandırdığımızı taklit etmeye çalışır.

Bilgisayarlı görü, gözetim gibi görevleri otomatikleştirmek için kullanılabilir. Ayrıca yüz tanıma, tıbbi görüntüleme ve otonom araçlar gibi çok çeşitli pratik uygulamalarda da kullanılır. Bilgisayarlı görü modelleri, büyük ölçekli görüntü veri kümelerinden karmaşık özellikleri ve örüntüleri çıkarmak ve tanımlamak için derin öğrenme teknikleriyle eğitilir. Ardından çeşitli sektörlerde, Ultralytics YOLOv8 gibi bu eğitilmiş modeller nesne algılama ve nesne takibi gibi farklı görevlerde kullanılır.

Şekil 4. Nesne algılama için Ultralytics YOLOv8 kullanımına örnek.

Örneğin Tesla gibi otonom araçlar, gerçek dünyada yol bulmak için bilgisayarlı görüden yararlanır. Aracın yerleşik kameralarının kaydettiği görüntüler bilgisayarlı görü kullanılarak işlenir. Nesne algılama ve takip ile segmentasyon gibi bilgisayarlı görü görevleri, trafik durumlarını ve aracın çevresini anlamak için hayati önem taşır. Bir diğer ilgi çekici uygulama ise yüz tanımadır. Bilgisayarlı görü, bir kişinin yüzünü görüntü veya videodan yakalayıp temel özellikleri belirleyerek ve kayıtlı yüz verilerinden oluşan bir veri tabanıyla karşılaştırarak görüntülerdeki yüz özelliklerini analiz etmek ve tanımak için kullanılabilir.

Makine görüşü nedir?#

Makine görüşü; ürün kalitesini güvence altına almak ve bitmiş ürünlerin etiketleri ile barkodlarının doğruluğunu denetlemek gibi uygulamalar için büyük üretim fabrikaları veya tesisleri gibi endüstriyel ortamlarda kullanılır. Makine görüşü, zorlu koşullarda etkili biçimde çalışmak için dayanıklı donanıma ihtiyaç duyan, bilgisayarlı görünün özelleşmiş bir dalıdır. Bu sistemler endüstriyel uygulamalara entegre edildiğinden yüksek hız ve gerçek zamanlı doğruluk kritik önem taşır.

Nasıl çalıştığına bakalım. Öncelikle bir veya daha fazla yüksek çözünürlüklü kamera kullanılarak veri toplanır. Bu kameralarda kızılötesi veya termal görüntüleme gibi özel özellikler de bulunabilir. Ardından toplanan veriler, gerekli bilgileri çıkarmak için bilgisayarlı görü teknikleriyle analiz edilir. Belirli uygulamaya bağlı olarak çıkarılan bilgiler genellikle nesne kimliği, şekiller, boyutlar, hareketler, örüntüler ve sahnedeki olası anormallikler gibi ayrıntıları içerir.

Makine görüşü uygulamasını anlamak#

Üretim hatlarındaki kalite kontrol, müşterilere yalnızca yüksek kaliteli ürünlerin ulaşmasını sağlayarak müşteri memnuniyetini ve kârı artırır. Geleneksel yöntemler genellikle çok zaman alan ve insan hatasına açık manuel denetime dayanır. Kalite kontrolün yetersiz olması, üretim gecikmelerine ve mali kayıplara da yol açarak şirketin itibarını etkileyebilir. Makine görüşünün yardımıyla yüzey denetimi, etiket doğrulama ve nesne konumlandırma gibi görevleri otomatikleştirmek etkili bir çözümdür.

Örneğin, ilaç sektöründe ürün kalitesi kritik öneme sahiptir ve yüksek standartları korumak için katı düzenlemeler uygulanır. Makine görüşü, blister ambalajların doğru sayıda hap içerdiğinden emin olmak ve her ambalajda 10’lu paketteki on hap gibi tam olarak doğru miktarın bulunduğunu doğrulamak için kullanılabilir. Medical Pills gibi bir veri kümesiyle eğitilmiş YOLOv8 gibi bir bilgisayarlı görü modeli, nesne algılamayla hapları tanımlayıp saymak için kullanılabilir.

Şekil 5. Makine görüşü, ilaç sektöründe kalite kontrol için kullanılabilir.

Ancak makine görüşüyle çalışırken göz önünde bulundurulması gereken bazı kısıtlamalar olduğunu bilmek önemlidir. Makine görüşü sistemleri, endüstriyel ortamlarda ürünleri aydınlatmak için genellikle mükemmel ışık koşullarına ihtiyaç duyar. Verileri yakalamak ve analiz sürecini hızlandırmak için yüksek kaliteli kameralar, işlemciler ve donanım hızlandırıcıları da gerekir. Bu sistemler endüstriyel ortamlardaki pratik görevler için özel olarak tasarlandığından kurulumları pahalı olabilir.

Görüntü işleme, bilgisayarlı görü ve makine görüşü arasındaki temel farklar#

Üç teknolojiyi ayrı ayrı ele alıp bazı uygulamalarını incelediğimize göre, şimdi yan yana karşılaştıralım.

Şekil 6. Görüntü işleme, bilgisayarlı görü ve makine görüşünün yan yana karşılaştırması.

Görüntü işleme; parlaklığı ayarlama veya gürültüyü filtreleme gibi, daha az işlem gücü gerektiren ve karmaşık görsel bilgileri anlama yeteneğine ihtiyaç duymayan görevler için en uygunudur. Öte yandan bilgisayarlı görü, görüntülerden anlamlı içgörüler çıkarmada ve karmaşık sahneleri işlemede başarılıdır; ancak daha fazla işlem kaynağı ve karmaşıklık gerektirir. Makine görüşü ise otomatik denetim gibi endüstriyel kullanımlara göre tasarlanmıştır ve genellikle özel, maliyetli sistemlerle desteklenir.

Büyük resme bakalım#

Görüntü işleme, bilgisayarlı görü ve makine görüşü birbiriyle yakından ilişkili olsa da her biri farklı amaçlara hizmet eder. Görüntü işleme, görüntüleri piksel düzeyinde iyileştirir ve değiştirir; bu da onu görüntü restorasyonu gibi görevlerde çok kullanışlı kılar.

Bilgisayarlı görü ise bilgisayarlara görsel verileri anlama ve yorumlama yeteneği kazandırarak bir adım daha ileri gider. Yüz tanıma ve otonom araçlar gibi kullanım alanları için kritik öneme sahiptir. Makine görüşü ise özellikle endüstriyel uygulamalarda kullanılır. Denetim ve kalite kontrol gibi endüstriyel süreçleri otomatikleştirir.

Bu teknolojileri ve aralarındaki farkları anlayarak uygulamalarına en uygun olanı seçebilir, böylece verimliliği artırıp daha iyi sonuçlar elde edebilirsin.

Birlikte öğrenip keşfedelim! Yapay zekâya katkılarımızı görmek için GitHub depomuza göz at ve topluluğumuzla etkileşim kurmayı unutma. Yapay zekâ teknolojisiyle üretim ve sağlık gibi sektörleri nasıl yeniden şekillendirdiğimize göz at.