Büyükler için · tarayıcıda görüntü işleme + Python cv2

OpenCV ile Görüntü İşleme

Bir görüntünün sayılardan oluşan bir dizi olduğunu görmekten başla; eşikleme, filtreler, kenarlar, morfoloji, konturlar, renk takibi, perspektif düzeltme, öznitelik eşleştirme, yüz algılama ve arka plan çıkarmayla bitir. Her ünitede işlem tarayıcıda örnek görüntü, kendi fotoğrafın ya da kameran üstünde çalışır; yanında aynı işin Python cv2 kodu.

Ünite: 12
Oyun alanları: 15
Saat: 36

1. üniteyle başla Bitirme projesi

Kimin için

Hedef kitle: Büyükler için · 16 yaş ve üstü: lise son sınıf, meslek okulu, üniversite ve meslekten öğrenenler
Süre: 36 saat · 12 ünite + bitirme projesi
Ön koşul: Temel Python (değişken, döngü, fonksiyon, liste). NumPy bilmek yardımcı olur; ilk ünitede gereken kadarı anlatılır.
Belge: Tüm üniteleri ve bitirme projesini tamamlayana Macademia katılım belgesi verilir.

Kazanımlar

Görüntüyü NumPy dizisi olarak okumak, kanallarını ve renk uzaylarını (BGR, gri, HSV) seçmek
Histogram, eşitleme ve Otsu ile uyarlamalı eşiklemeyi duruma göre seçmek
Evrişimi elle hesaplamak; bulanıklaştırma, keskinleştirme ve kenar algılamayı ayarlamak
Morfoloji ve konturlarla nesneleri ayırmak, saymak ve şekillerini ölçmek
HSV maskesiyle renkli bir nesneyi izlemek, perspektifi düzeltip belge taramak
Köşe ve öznitelik eşleştirmeyi, Haar kademesini ve modern yüz algılayıcıları karşılaştırmak
Videoda arka plan çıkarma, izleme ve sayım yapan küçük bir hat kurup test etmek

Üniteler

Ünite	Konu	Oyun alanları
1	Görüntü bir sayı dizisidir: pikseller, kanallar, renk uzayları Yükseklik × genişlik × kanal; uint8, BGR sırası, gri dönüşüm ve HSV. Dilimleme ve bölge (ROI).	Piksel ve kanal gezgini
2	Nokta işlemleri ve histogram: parlaklık, karşıtlık, gama, eşitleme g = α·f + β, gama düzeltmesi, bakış tablosu (LUT), histogram, eşitleme ve CLAHE.	Parlaklık, karşıtlık, gama ve histogram
3	Eşikleme: sabit eşik, Otsu ve uyarlamalı eşik Griden ikiliye: elle eşik, Otsu'nun sınıflar arası varyansı, düzensiz ışıkta uyarlamalı eşik.	Eşikleme: sabit, Otsu, uyarlamalı
4	Evrişim ve filtreler: bulanıklaştırma, keskinleştirme, gürültü Çekirdek, kenar koşulu, kutu ve Gauss bulanıklığı, medyan filtre, keskinleştirme; PSNR ile ölçüm.	Evrişim ve filtreler
5	Kenar algılama: gradyan, Sobel ve Canny Türev olarak kenar, Sobel çekirdekleri, büyüklük ve yön; Canny'nin dört adımı ve histerezis eşikleri.	Kenar algılama: Sobel ve Canny
6	Morfolojik işlemler: aşındırma, genişletme, açma, kapama Yapı elemanı, aşındırma ve genişletme; açma gürültüyü, kapama delikleri; gradyan, top-hat.	Morfolojik işlemler
7	Konturlar ve şekil öznitelikleri: say, ölç, sınıflandır findContours, alan ve çevre, momentler ve ağırlık merkezi, sınırlayıcı kutu, approxPolyDP, dairesellik ve dışbükeylik.	Konturlar ve şekil öznitelikleri
8	Renk segmentasyonu ve takip: HSV maskesi, leke, iz inRange ile HSV aralığı, kırmızının sarmalı tonu, maske temizliği, en büyük leke, ağırlık merkezi ve kamerada takip.	HSV renk segmentasyonu ve takip
9	Geometrik ve perspektif dönüşümler: döndür, ölçekle, düzle Afin matris (2×3), getRotationMatrix2D, ara değerleme; homografi (3×3), dört nokta çifti ve belge düzleme.	Geometrik dönüşümler: döndür, ölçekle, kaydır, Perspektif düzeltme (belge), 3B masa ve sanal kamera
10	Öznitelik algılama ve eşleştirme: Harris, ORB, RANSAC Köşe nedir, Harris yanıtı, anahtar nokta ve betimleyici, ikili betimleyici ve Hamming uzaklığı, oran testi, RANSAC.	Köşeler ve öznitelik eşleştirme
11	Yüz ve insan algılama: Haar kademesi, HOG ve modern algılayıcılar Integral görüntü, Haar benzeri öznitelikler, kayan pencere ve kademe, NMS; HOG + SVM ile insan; cihaz içi derin ağlar (MediaPipe).	Haar benzeri öznitelikler ve integral görüntü, Canlı yüz algılama (MediaPipe, cihaz içi)
12	Video ve arka plan çıkarma: hareket, leke, iz ve sayım VideoCapture döngüsü, kare farkı, kayan ortalama arka plan ve MOG2, maske temizliği, leke izleme ve çizgi sayacı.	Arka plan çıkarma ve sayım

Bitirme projesi

Bitirme projesi: belge tarayıcı

Telefonla eğik çekilmiş bir sayfa fotoğrafından düz, okunur, siyah-beyaz bir tarama üreten hat: kenar, kontur, perspektif düzeltme ve uyarlamalı eşik. Önce tarayıcıda, sonra kendi Python kodunla.

Proje ve teslimler

Nasıl çalışır

Her ünitede bir oyun alanı: kendi ürettiğimiz örnek görüntüler, kendi fotoğrafın ya da kameradan bir kare; önce/sonra yan yana. Hiçbir şey cihazından çıkmaz.
Yanındaki Python cv2 kodu da tarayıcıda (Pyodide + OpenCV) aynı görüntü üstünde çalışır; sonra kendi bilgisayarında pip install opencv-python ile.
Gerçek Hayat Demoları: aynı yöntemler sekiz cihaz içi uygulamada
ESOF 323, 10. hafta: robotlar için bilgisayarlı görü