Görüntü işleme, bilgisayarlı görü ve makine görüşünü keşfetme

Yapay zekâ her türlü veriyi analiz etmek için kullanılabilir ve konu görüntü ve video gibi görsel verilere geldiğinde bu, farklı teknolojileri kapsayan görüntü analitiği alanına girer. Görüntü işleme, bilgisayarlı görü ve makine görüşü, görüntüleri ve video karelerini analiz ederek bilgisayarların dünyayı görmesini ve anlamasını mümkün kılar. Bu üç teknoloji birbirine benzer görünse de aralarındaki temel farklılıklar, onları çeşitli uygulamalar için kullanışlı kılar. Görüntü işleme, görüntüleri ve video karelerini değiştirmeye ve iyileştirmeye odaklanırken bilgisayarlı görü, bilgisayarların içeriklerini yorumlamasına ve anlamasına yardımcı olmak için bu işlenmiş görüntüleri kullanarak bir adım daha ileri gider. Öte yandan makine görüşü, bilgisayarlı görü tekniklerini özellikle denetim ve kalite kontrolü görevleri gibi endüstriyel ortamlara uygular.

Şekil 1. Görsel Verileri Analiz Etmek İçin Kullanılan Temel Teknolojiler.

Bu üç alan; sağlık, üretim ve tarım gibi birçok sektörde çeşitli uygulamaları mümkün kılar. Bu makalede görüntü işlemeyi, bilgisayarlı görü ve makine görüşünü inceleyerek aralarındaki farkları ele alacağız. Ayrıca nasıl çalıştıklarını ve çeşitli sektörlerde nasıl kullanıldıklarını açıklayacağız. Hadi başlayalım.

Görüntü işleme nedir?#

Hem bilgisayarlı görünün hem de makine görüşünün temelindeki teknik olan görüntü işleme ile başlayalım. Görüntü işleme; dijital görüntüleri değiştirmek ve iyileştirmek için algoritmalar kullanmayı, gelişmiş analiz ve yorumlamaya hazırlamak üzere parlaklık, kontrast ve renk dengesi gibi parametreleri ayarlamayı veya gürültüyü filtrelemeyi içerir.

Nasıl çalıştığına bakalım. Görüntü işleme, görüntülerin tek tek piksellere ayrılması ve ardından istenen efektleri elde etmek için bu piksellerin değiştirilmesiyle gerçekleştirilir. Örneğin bir görüntüyü daha parlak hâle getirmek için algoritma her pikselin yoğunluğunu artırabilir. Benzer şekilde, kenarları tespit etmek için piksel değerlerindeki ani değişimleri arayabilir. Bu piksellere matematiksel işlemler ve algoritmalar uygulanarak görüntü işleme; görüntü kalitesini iyileştirmek, bilgi çıkarmak veya yeni görüntüler oluşturmak için kullanılabilir.

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

Yaygın olarak kullanılan bazı görüntü işleme teknikleri şunlardır:

• 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 tespiti: Piksel yoğunluğundaki keskin değişimleri algılayarak görüntüdeki nesnelerin sınırlarını belirlemek için kullanılır. Tıbbi görüntüleme gibi uygulamalarda, organların ve tümörlerin yapısını ana hatlarıyla göstermek için kenar tespitinden yararlanılır.
• Eşikleme: Görüntü işlemede eşikleme, bir eşik değeri belirleyerek gri tonlamalı bir 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 keşfetme#

Görüntü restorasyonu, görüntü işlemenin uygulamalarına harika bir örnektir. Zaman içinde bozulmuş bir görüntüyü kurtarmayı içerir. Filtreleme ve gürültü azaltma gibi teknikler; izleri, çizikleri, lekeleri, yıpranma ve aşınmayı gidermek ve bozulmuş görüntüyü özgün kalitesine döndürmek için kullanılır. Görüntü restorasyonu, eski fotoğraflar gibi düşük kaliteli veya hasarlı görüntülerin bulunduğu durumlarda özellikle kullanışlıdır.

Şekil 3. Görüntü işleme, hasarlı eski görüntüleri restore etmek için kullanılabilir.

Bilgisayarlı görü nedir?#

Görüntüleri değiştirmeye ve iyileştirmeye odaklanan görüntü işlemenin aksine bilgisayarlı görü, bilgisayarlara gerçek dünyayı görme ve anlama yeteneği kazandırır. Birçok uygulama, görüntülerdeki veya video karelerindeki nesneleri ve insanları tanımlamak ve anlamak için bilgisayarlı görü kullanır. Bilgisayarlı görü, insan görüşünü taklit eder ve 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 uygulamalara sahiptir. Bilgisayarlı görü modelleri, büyük ölçekli görüntü veri kümelerinden karmaşık özellikleri ve örüntüleri çıkarmak ve tanımlamak için derin öğrenme teknikleri kullanılarak eğitilir. Ardından çeşitli sektörler, Ultralytics YOLOv8 gibi bu eğitilmiş modelleri nesne tespiti ve nesne takibi gibi farklı görevlerde kullanır.

Şekil 4. Nesne tespiti için Ultralytics YOLOv8 kullanımına bir örnek.

Örneğin Tesla gibi otonom araçlar, gerçek dünyada yol almak için bilgisayarlı görü kullanır. Aracın yerleşik kameraları tarafından alınan görüntüler bilgisayarlı görü kullanılarak işlenir. Nesne tespiti ve takibi ile segmentasyon gibi bilgisayarlı görü görevleri, trafik durumlarını ve çevrelerini anlamak için hayati önem taşır. Bir başka ilginç uygulama da yüz tanımadır. Bilgisayarlı görü; bir kişinin yüzünü bir görüntüden veya videodan yakalayarak, temel özellikleri belirleyerek ve bunları depolanmış yüz verilerinden oluşan bir veri tabanıyla karşılaştırarak görüntülerdeki yüz özelliklerini analiz etmek ve tanımak için kullanılabilir.

Makine görüşü nedir?#

Makine görüşü, büyük üretim fabrikaları veya üretim tesisleri gibi endüstriyel ortamlarda ürün kalitesini güvence altına almak, bitmiş ürünlerdeki etiket ve barkodların doğruluğunu kontrol etmek gibi uygulamalar için kullanılır. Makine görüşü, zorlu koşullarda etkili şekilde çalışmak için dayanıklı donanıma dayanan, bilgisayarlı görünün uzmanlaşmış bir dalıdır. Bu sistemler endüstriyel uygulamalara entegre edildiğinden yüksek hız ve gerçek zamanlı doğruluk büyük 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 teknikleri kullanılarak analiz edilir. Çıkarılan bilgiler, özel uygulamaya bağlı olarak genellikle nesne kimliği, şekiller, boyutlar, hareketler, örüntüler ve sahnedeki olası anormallikler gibi ayrıntıları içerir.

Makine görüşünün bir uygulamasını anlama#

Üretim hatlarında kalite kontrolü, yalnızca yüksek kaliteli ürünlerin müşterilere ulaşmasını sağlayarak müşteri memnuniyetinin artmasına ve daha yüksek kârlara yol açar. Geleneksel yöntemler genellikle manuel denetime dayanır; bu da çok zaman alabilir ve insan hatasına açıktır. Yetersiz kalite kontrolü, bir şirketin itibarını etkileyerek üretim gecikmelerine ve mali kayıplara da yol açabilir. Makine görüşünün yardımıyla yüzey denetimi, etiket doğrulama ve nesne konumlandırma gibi görevleri otomatikleştirmek iyi bir çözümdür.

Örneğin ilaç sektöründe ürün kalitesi kritik öneme sahiptir ve yüksek standartları korumak için sıkı düzenlemeler uygulanır. Makine görüşü, blister ambalajların doğru sayıda hap içerdiğinden emin olmak ve her ambalajda tam olarak doğru miktarın, örneğin 10'lu bir pakette on hapın, bulunup bulunmadığını doğrulamak için kullanılabilir. YOLOv8 gibi bir bilgisayarlı görü modeli, nesne tespiti kullanarak hapları tanımlamak ve saymak için kullanılabilir.

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

Ancak makine görüşüyle çalışırken dikkate alman gereken bazı sınırlamalar olduğunu bilmek önemlidir. Makine görüşü sistemleri, endüstriyel ortamlardaki ürünleri aydınlatmak için genellikle mükemmel ışıklandırma koşullarına ihtiyaç duyar. Verileri yakalamak ve analiz sürecini hızlandırmak için yüksek kaliteli kameralar, işlemciler ve donanım hızlandırıcılar da gerekir. Bu sistemlerin endüstriyel ortamlardaki pratik görevlere özel olarak tasarlanmasının doğrudan bir sonucu olarak kurulumları pahalı olabilir.

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

Artık üç teknolojiyi ayrı ayrı ele alıp bazı uygulamalarına baktığımıza göre, gel bunları yan yana daha yakından inceleyelim.

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

Görüntü işleme; daha az hesaplama gücü gerektiren ve karmaşık görsel bilgileri anlama yeteneğine ihtiyaç duymayan, parlaklık ayarlama veya gürültü filtreleme gibi görevler için en uygunudur. Öte yandan bilgisayarlı görü, görüntülerden anlamlı içgörüler çıkarmada ve karmaşık sahneleri işlemekte başarılıdır; ancak daha fazla hesaplama kaynağı ve daha yüksek karmaşıklık gerektirir. Bu sırada makine görüşü, otomatik denetim gibi endüstriyel kullanımlar için uyarlanmıştır ve genellikle özel ve maliyetli sistemlerle desteklenir.

Büyük resmi görmek#

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 rekonstrüksiyonu gibi görevler için oldukça kullanışlı hâle getirir.

Öte yandan bilgisayarlı görü, bilgisayarlara görsel verileri anlama ve anlamlandırma yeteneği kazandırarak biraz daha ileri gider. Yüz tanıma ve otonom araçlar gibi kullanım alanları için kritik öneme sahiptir. Ayrıca makine görüşü özellikle endüstriyel uygulamalarda kullanılır. Denetim ve kalite kontrolü gibi endüstriyel süreçleri otomatikleştirir.

Bu teknolojileri ve aralarındaki farkları anlayarak uygulamaların için en uygun olanı seçebilir, böylece verimliliği artırabilir ve daha iyi sonuçlar elde edebilirsin.

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