Bilgisayarlı görü uygulamalarında renk algılamadan yararlanma

Renkler, dünyayı nasıl deneyimlediğimizde hayati bir rol oynar; etrafımızı tanımamıza, anlamamıza ve çevremizle bağ kurmamıza yardımcı olur. Ancak, bizden farklı olarak makineler renkleri görmez; onları veri olarak işler, tonları ve renk değerlerini sayısal değerlere dönüştürürler.

Otonom araç sadece kırmızı bir trafik ışığını görmez, bu rengi durması için bir sinyal olarak işler. Renkleri tanıma ve yorumlama yeteneği, insan görüşü ile bilgisayarlı görü arasındaki boşluğu doldurmaya yardımcı olur.

Bilgisayarlı görü, makinelerin görsel verileri analiz etmesini ve anlamasını sağlayan bir yapay zeka dalıdır. Bunun temel bir yönü, makinelerin nesneleri renge göre tanımlamasını ve ayırt etmesini sağlayan renk algılamadır. Farklı renk uzaylarındaki piksel değerlerini analiz ederek, renk algılama; nesne takibi, tıbbi görüntüleme ve otomasyon gibi uygulamalarda kullanılabilir.

Bu makalede renk algılamanın nasıl çalıştığına, neden önemli olduğuna ve bilgisayarlı görü uygulamalarında nasıl kullanıldığına daha yakından bakacağız. Hadi başlayalım!

Link to this sectionRenk algılama nedir?#

Renk algılama, makinelerin nesneleri tanımlamasına ve sahneleri renge göre anlamasına yardımcı olur. Diğer bilgisayarlı görü görevleri ile birleştirildiğinde, doğruluğu artırır ve gerçek dünya uygulamalarını geliştirir. Renk algılamanın nasıl çalıştığına dalmadan önce, renklerin dijital ortamda nasıl temsil edildiğini anlamak faydalıdır.

Dijital görüntüler, her biri renk bilgisi tutan pikseller adı verilen küçük karelerden oluşur. Örneğin, RGB (Kırmızı, Yeşil, Mavi) renk modeliyle ilgili olarak, renkler farklı yoğunluktaki kırmızı, yeşil ve mavinin karıştırılmasıyla oluşturulur.

Her renk, 0 ile 255 arasında değişen üç değerle tanımlanır; burada 0 rengin olmadığı, 255 ise tam yoğunluk anlamına gelir. Örneğin, saf kırmızı (255, 0, 0) şeklindedir çünkü en yüksek kırmızı değerine sahiptir ve yeşil veya mavi içermez. Beyaz ise (255, 255, 255) şeklindedir çünkü her üç renk de tam yoğunluktadır.

Şekil 1. Bir bilgisayarın bir elmanın renklerini nasıl gördüğüne dair bir örnek.

Eğer Ultralytics YOLO11 gibi bilgisayarlı görü modellerine aşinaysan, renk algılamanın neden nesne algılamadan ayrı bir teknik olduğunu merak edebilirsin. Her ikisi de görüntüleri analiz etse de, farklı amaçlara hizmet ederler.

Renk algılama, bir görüntüdeki belirli renkleri tanımlamaya odaklanırken; nesne algılama, renginden bağımsız olarak nesneleri tanır ve sınıflandırır. Otonom araç senaryosunda renk algılama, trafik ışığındaki kırmızıyı algılarken, nesne algılama ise trafik ışığının kendisini tanımlayarak aracın güvenli sürüş kararları almasına yardımcı olur.

Link to this sectionRenk uzaylarına giriş#

Bir renk modeli veya renk uzayı, dijital görüntülerdeki renkleri temsil etmek için kullanılan bir sistemdir ve renk algılamanın kritik bir parçasıdır. Renklere sayısal değerler atayarak bilgisayarların bunları farklı cihazlarda tutarlı bir şekilde yorumlamasını sağlar. Renk uzayları, renkleri dijital sistemlerde saklamak, ayarlamak ve görüntülemek için yapılandırılmış bir yol sunar.

Yaygın olarak kullanılan bazı renk uzayları arasında dijital ekranlar için RGB, görüntü işleme için HSV (Ton, Doygunluk, Değer) ve baskı için CMYK (Camgöbeği, Macenta, Sarı, Siyah) bulunur. RGB ve HSV, renkleri algılamak için en sık kullanılan renk uzaylarıdır. Şimdi nasıl çalıştıklarına bir göz atalım.

Link to this sectionRGB renk uzayına genel bakış#

RGB renk uzayı dijital görüntülemede yaygın olarak kullanılır; ekranlarda, kameralarda ve görüntüleme cihazlarında bulunur. Çeşitli renkler oluşturmak için farklı seviyelerde kırmızı, yeşil ve mavi ışığı birleştirerek çalışır. Her üç renk de tam yoğunlukta olduğunda sonuç beyazdır, hiçbiri mevcut olmadığında ise siyah görünür.

Bu renk uzayı genellikle, her eksenin ana renklerden birini temsil ettiği bir renk küpü olarak görselleştirilir. Küpün köşeleri saf kırmızı, yeşil ve maviyi ve bunların kombinasyonlarını gösterirken, içi tüm olası tonları barındırır.

RGB basit ve popüler olmasına rağmen bazı sınırlamaları vardır. Renkler insan gözüne her zaman aynı görünmeyebilir çünkü RGB, renk farklılıklarını nasıl algıladığımızla tam olarak örtüşmez. Ayrıca aydınlatma koşullarından etkilenir, yani renkler parlaklığa ve ortama bağlı olarak farklı görünebilir.

Şekil 2. RGB renk küpü.

Link to this sectionHSV renk uzayına genel bakış#

HSV (Ton, Doygunluk, Değer) renk uzayı, renkleri üç bileşene göre temsil eder: ton (rengin türü), doygunluk (yoğunluğu) ve değer (parlaklığı). Işık yoğunluklarını karıştıran RGB'nin aksine, HSV insanların renkleri nasıl algıladığına daha yakındır ve bu da onu birçok görüntü işleme görevi için daha pratik bir seçenek haline getirir.

Özellikle, ton gerçek rengi temsil eder ve bir renk çarkında derecelerle ölçülür; kırmızı 0°, mavi 240°'dir. Bu arada, doygunluk bir rengin ne kadar canlı veya mat göründüğünü kontrol eder; %0 tamamen gri, %100 ise tamamen canlıdır. Öte yandan değer, %0 (siyah) ile %100 (tam parlaklık) arasında değişen parlaklığı belirler.

İlginç bir şekilde, HSV renk uzayı genellikle tonun kenarı sardığı, doygunluğun dışa doğru hareket ettiği ve parlaklığın alttan üste doğru arttığı bir koni olarak görselleştirilir. Rengi parlaklıktan ayırdığı için, HSV bilgisayarlı görü uygulamalarında yaygın olarak kullanılır.

Şekil 3. HSV konisi.

Link to this sectionRGB ve HSV renk uzayını karşılaştırma#

RGB ve HSV'yi yan yana karşılaştırmak için örnek olarak turuncu rengini ele alalım. RGB renk uzayında turuncu, kırmızı ve yeşilin belirli yoğunluklarda karıştırılmasıyla oluşturulur ve tipik olarak (255, 165, 0) olarak temsil edilir; bu da tam kırmızı, biraz yeşil ve hiç mavi olmadığı anlamına gelir. Ancak RGB rengi parlaklıktan ayırmadığı için, hassas renk manipülasyonu gerektiren görevler için daha az sezgisel olabilir.

HSV'de turuncu farklı şekilde tanımlanır. Tonu, renk çarkındaki konumunu belirleyen yaklaşık 30°'dir. Doygunluğu %100'e yakındır, yani canlı, saf bir renktir ve değeri de %100'dür, bu da tam parlaklığı gösterir. HSV rengi parlaklıktan ayırdığı için, aydınlatma koşullarının değişebileceği renk algılama uygulamalarında genellikle daha kullanışlıdır.

Şekil 4. RGB ve HSV değerlerinin karşılaştırması. Görsel yazar tarafından hazırlanmıştır.

Link to this sectionRenk algılama nasıl çalışır#

Tipik olarak renk algılama, görüntülerden veya videolardan renkleri tanımlamak ve izole etmek için kullanılan bir görüntü işleme tekniği olarak ele alınır. Görüntü işlemede renk algılama, belirli tonları, renk değerlerini ve yoğunlukları ayırt etmek için renk uzaylarına ve eşikleme tekniklerine dayanır.

İşte görüntü işleme kullanarak renk algılamanın içerdiği temel adımlara kısa bir bakış:

• Görüntü edinimi: Süreç, bir kamera kullanarak bir görüntü veya video karesi yakalamakla başlar. Görüntü genellikle RGB formatında bir piksel matrisi olarak saklanır.
• Renk uzayı dönüştürme: RGB her zaman renk algılama için ideal olmadığından, görüntü HSV renk uzayına dönüştürülür. Bu, rengi parlaklıktan ayırmaya yardımcı olur ve farklı aydınlatma koşullarında algılamayı daha kararlı hale getirir.
• Renk eşikleme: HSV formatında hedef renk için belirli bir aralık tanımlanır. Bu adım, seçilen renk aralığındaki piksellerin beyaz, diğerlerinin ise siyah göründüğü ikili bir maske oluşturur.
• Maskeleme: İkili maske, algılanan rengi izole etmek için orijinal görüntüye uygulanır ve diğer her şeyi filtreler. Bu, yalnızca istenen renkle eşleşen alanları vurgular.

Renk algılanıp izole edildikten sonra, robotik, tıbbi görüntüleme ve otonom araçlar gibi uygulamalarda nesne takibi, görüntü segmentasyonu ve otomatik karar verme gibi çeşitli bilgisayarlı görü görevlerinde kullanılabilir.

Link to this sectionBilgisayarlı görüde renk algılamanın rolü#

Artık renk algılamanın nasıl çalıştığını öğrendiğimize göre, bilgisayarlı görü uygulamalarını nasıl desteklediğini keşfedelim.

Bazı durumlarda renk algılama, özellikle rengin nesneleri ayırt etmede ana faktör olduğu kontrollü ortamlarda bilgisayarlı görü modellerine daha basit bir alternatif olabilir. Büyük bir veri kümesiyle bir modeli eğitmek yerine, renk algılama yoğun etiketleme veya yüksek hesaplama gücü gerektirmeden hızlı ve verimli bir çözüm sunar.

Örneğin, otomatik bir elma ayıklama sisteminde, YOLO11 gibi bir bilgisayarlı görü modeli elmaların olgunluğunu sınıflandırmak için eğitilebilir, ancak aydınlatma, doku ve elma türlerindeki değişiklikleri yönetmek için etiketlenmiş görüntülerden oluşan bir veri kümesi gerektirirdi.

Daha doğrudan bir yaklaşım, önce nesne algılamayı kullanarak elmaları tespit etmek ve ardından olgunluğu belirlemek için renklerini analiz etmektir. Bu yöntem bir modeli eğitmek yerine önceden tanımlanmış renk eşiklerine dayandığından, aydınlatma ve arka planların önemli ölçüde değişmediği kararlı koşullarda iyi çalışır.

Özel olarak eğitilmiş bir model daha karmaşık ve değişken ortamlar için daha iyi olabilirken, renk algılama gerçek zamanlı uygulamalar için hızlı, pratik ve erişilebilir bir çözümdür. Ayrıca, daha gelişmiş çözümlere geçmeden önce görüntü işleme ve bilgisayarlı görü hakkında bilgi edinenler için harika bir başlangıç noktasıdır.

Link to this sectionRenk algılamanın gerçek dünya uygulamaları#

Renk algılama, çeşitli uygulamalar için çok çeşitli sektörlerde kullanılır. Bazı gerçek dünya kullanım durumlarına bir göz atalım.

Link to this sectionKumaş kalite değerlendirmesi için renk algılama#

Renk algılama, kumaş ve tekstil üretiminde çok önemlidir. Otomatik kalite kontrol ve hata tanımlama sistemlerinde yaygın olarak kullanılır. Zaman alan ve insan hatasına açık olan manuel incelemenin aksine, otomatik sistemler doğru ve gerçek zamanlı hata tespiti sağlar.

Özellikle, bilgisayarlı görü sistemleri kumaş görüntülerini analiz ederek düzensiz boya dağılımı, solma ve kirlenme gibi hataları tanımlayabilir. Gelişmiş renk algılama teknikleri, farklı partiler arasındaki renk tutarlılığını ölçerek daha hassas kalite kontrolünü mümkün kılar.

Şekil 5. Renk algılama, renkli kumaşların oluşturulmasında kilit rol oynar.

Link to this sectionTarımda renk algılama kullanımı#

Daha önce belirtildiği gibi, renk olgunluğun ana göstergesidir ve renk algılama teknolojisi tarımda mahsul sağlığını izlemek ve hasadı iyileştirmek için kullanılabilir.

Renk varyasyonlarını analiz ederek çiftçiler bitki sağlığını değerlendirebilir, hastalıkları tespit edebilir ve mahsullerin ne zaman hasada hazır olduğunu belirleyebilirler. Renk sensörleri ve bilgisayarlı görü ile donatılmış gelişmiş robotlar, yalnızca olgun mahsullerin toplanmasını sağlayarak süreci otomatikleştirmeye yardımcı olur. Bu sistemler, özellikle iş gücü sıkıntısı olan bölgelerde verimliliği ve üretkenliği artırabilir.

Şekil 6. Farklı olgunluk seviyelerindeki mangolar: (a) çürük, (b) olgun ve (c) olgunlaşmamış.

Link to this sectionÖne çıkanlar#

Renk algılama; tarım, imalat, sağlık ve otomasyon gibi alanlarda uygulamaları olan yenilikçi bir bilgisayarlı görü tekniğidir. Makinelerin nesne takibi, kalite kontrol ve karar verme için renkleri tanımasına ve yorumlamasına yardımcı olur.

Gelişmiş yapay zeka modelleri gelişmeye devam ederken, renk algılama özellikle kontrollü ortamlarda basit ve etkili bir çözüm olmaya devam ediyor. Teknoloji ilerledikçe, gerçek dünya uygulamalarını iyileştirmede kilit bir rol oynamaya devam edeceği kesindir.

Topluluğumuzu ve GitHub depomuzu keşfederek yapay zekanın derinliklerine in. Üretimde yapay zeka ve sağlıkta bilgisayarlı görü alanındaki yenilikler hakkında bilgi edin ve lisanslama seçeneklerimizle yapay zeka ile görü teknolojisinden nasıl yararlanmaya başlayacağını keşfet.