Yeni
9786253812591
399664
https://www.legalkitabevi.com/opencv-ve-python-ile-goruntu-isleme--1.htm
OpenCV ve Python ile Görüntü İşleme
665.00
Dr. Murat IŞIK
İÇİNDEKİLER
Önsöz
5
Bu Kitap Hakkında
5
İpuçları ve Püf Noktalar
7
İndirilebilir Kitap İçeriği
7
Söz Dizimi (Syntax) Renklendirmesi
8
Nasıl Çalışılmalı
8
Gereklilikler
9
Programcıya, iyi program yazma kılavuzu
17
Kullanılan Bazı Algoritmalar/fonksiyonların Türkçe Karşılıkları
17
Teşekkürler
19
Kısaltmalar
27
Resimler Listesi
29
Tablolar Listesi
33
Örnekler Listesi
35
1. BÖLÜM
PYTHON
1. Python
41
Niçin Python?
41
Başlamadan Önce?
41
1.1. Veri Türleri ve Değişken Kavramı
42
Bazı püf noktalar
48
Girintili kod yazımı
50
Bitwise Operatörleri
50
Atama Operatörleri
51
1.2. Listeler
52
Liste nedir?
53
Çok Boyutlu Listeler
58
Sıralı Listeler Oluşturmak
59
Listeleri Kopyalama
60
1.3. Tuple
61
1.4. Sözlükler (Dictionaries)
61
Sözlük nedir?
61
Nesting (İç içe sözlükler/listeler yerleştirme)
64
1.5. IF İfadelerinin Kullanımı
66
Boolean ifadeleri
71
Denklik ve Eşitlik kavramları
74
1.6. Döngüler
75
while Döngüsü
75
Break ve Continue
80
for Döngüsü
82
Liste ve Sözlüklerde 'if –– in' ve 'if –– not in' işlemleri
85
1.7. Fonksiyonlar
88
Parametre ve Argüman kavramları
90
Anahtar Kelimesi ile Argüman Kullanımı (Keyword Arguments)
91
Parametrelerde Varsayılan Değer
92
Keyfi Argüman Kullanımı (Arbitrary Arguments, *args)
94
Keyfi Anahtar Kelimeli Argüman Kullanımı (Arbitrary Keyword Arguments, **kwargs)
95
Return İfadesi
95
Değişken Faaliyet Alanı
96
Pass İfadesi
98
Lambda Fonksiyonları
98
Listeler oluşturmada kısa döngü
99
Listelerde Farklı Döngü Teknikleri
99
1.8. Sınıflar
100
Bölüm Sonu Özeti
105
Kendini Dene
106
Mini Proje Önerileri
106
2. BÖLÜM
PAKETLERİ TANIMA VE DİZİLERLE ÇALIŞMA
2. PAKETLERİ TANIMA VE DİZİLERLE ÇALIŞMA
109
2.1. PAKETLER
109
OpenCV
109
TensorFlow
110
Keras
110
MatplotLib
111
NumPy
111
Opsiyonel ve Varsayılan Parametre Kavramları
111
Pandas
111
2.2. NumPy
112
Veri türleri?
112
NumPy ile Dizi oluşturma
113
Dizilerde Öznitelik Çıkartımı
123
Dizileri Yeniden Boyutlandırma ve Biçim Değiştirme
126
Dizilerde Sıralama, Arama, Sayma, Ekleme ve Çıkarma
134
Dizileri Birleştirme ve Parçalama
142
Bitwise Operatörleri
160
Farklı Boyutlu Dizilerde İşlemler (Broadcasting)
164
Dizilerde Karşılaştırma İşlemleri
166
Yardım için Dokümantasyona ulaşma
169
2.3. Pandas
170
Bölüm Sonu Özeti
178
Kendini Dene
179
Mini Proje Önerileri
180
3. BÖLÜM
GÖRÜNTÜ İŞLEMEYE GİRİŞ
3. GÖRÜNTÜ İŞLEMEYE GİRİŞ
183
3.1. GÖRME OLAYI NASIL GERÇEKLEŞİR
183
İnsanlarda görme
183
Görüntü işleme ve Bilgisayar görmesi
184
Resim nedir?
184
3.2. Renkler ve Renkli Resim Kavramı
186
Gri tonlamalı resim (Grayscale) nedir?
186
Renkler ve RGB Renk Uzayı
187
Renkli resim nedir?
188
HSV ve HSL Renk Uzayları
191
3.3. GÖRÜNTÜLER ÜZERİNDE BASİT İŞLEMLER
192
Bir Resmin Açılması
193
Görüntülerin kanallara ayrılması ve birleştirilmesi
197
Temel şekil çizme fonksiyonları
199
Mouse ile şekilleri çizme
203
3.4. GÖRÜNTÜ İŞLEME FONKSİYONLARI
211
Eşikleme (Thresholding)
211
Görüntü derinliği (ddepth)
217
Kenarlık Tipi (BorderTypes)
218
Bulanıklaştırma (Blurring)
220
Kernel Tabanlı Filtreleme
225
Manuel Kernel Tabanlı Filtreleme
227
Gamma Filtreleme
229
Resim Birleştirme/Çıkarma İşlemleri
231
Bitwise İşlemleri
237
Morfolojik Operatörler/Dönüşümler (Morphological Operators/ Transformations)
241
Histogram Eğrileri ve Histogram Eşitleme
254
Bölüm Sonu Özeti
260
Kendini Dene
260
Mini Proje Önerileri
261
4. BÖLÜM
GÖRÜNTÜLER ÜZERİNDE ÇALIŞMA
4. GÖRÜNTÜLER ÜZERİNDE ÇALIŞMA
265
4.1. KENAR TESPİT ALGORİTMALARI
265
Sobel Operatörü
268
İsteğe Uyarlanmış Sobel Algoritması
271
Prewitt Operatörü
273
Roberts Operatörü (Roberts Cross Operatörü)
274
Laplacian Operatörü
276
Canny Kenar Algoritması (Canny Edge Algorirthm)
278
Deriche Kenar Algoritması (Deriche Edge Algorirthm)
282
4.2. KÖŞE TESPİT ALGORİTMALARI
286
Harris Köşe Tespit Algoritması (Harris Corner Detector Algorirthm)
287
Shi–Tomasi Köşe Tespit Algoritması (Shi–Tomasi Corner Detection Algorirthm)
292
Kamera Kalibrasyonu için Köşe Tespiti (Corners Detection for Camera Calibration)
295
4.3. DİĞER ALGORİTMALAR
300
Çevrit (Kontur) Tespit Algoritması (Contour Detection Algorithm)
300
Watershed Algoritması (Watershed Algorithm)
308
Şablon Eşleştirme (Template Matching)
317
Öznitelik Çıkarma ve Eşleştirme (Feature Extraction and Feature Matching)
321
Viola–Jones Haar Cascade Classifier Algoritması
334
Bölüm Sonu Özeti
345
Kendini Dene
345
Mini Proje Önerileri
346
5. BÖLÜM
VİDEOLAR ÜZERİNDE ÇALIŞMA
5. VİDEOLAR ÜZERİNDE ÇALIŞMA
349
5.1. VİDEO NEDİR
349
5.2. Optical Flow (Optik Akış)
358
Lucas–Kanade Method
360
Gunnar–Farneback Algoritması
367
5.3. NESNE TAKİP ALGORİTMALARI
372
meanShift Algoritması ve camShift Algoritması
373
BOOSTING Takip Algoritması
381
MIL (Multiple Instance Learning) Takip Algoritması
381
KCF (Kernelized Correlation Filters) Takip Algoritması
382
TLD (Tracking Learning and Detection) Takip Algoritması
382
MEDIANFLOW Takip Algoritması
383
MOSSE (Minimum Output Sum of Squared Error) Takip Algoritması
383
CSRT (Channel and Spatial Reliability Tracking) Takip Algoritması
384
GOTURN (Generic Object Tracking Using Regression Networks) Takip Algoritması
384
Bölüm Sonu Özeti
389
Kendini Dene
389
Mini Proje Önerileri
391
6. BÖLÜM
MAKİNE ÖĞRENMESİ VE DERİN ÖĞRENME
6. MAKİNE ÖĞRENMESİ VE DERİN ÖĞRENME
395
DENETİMLİ ÖĞRENME (Supervised Learning)
395
DENETİMSİZ ÖĞRENME (Unsupervised Learning)
396
YARI DENETİMLİ ÖĞRENME (Semi–Unsupervised Learning)
397
PEKİŞTİRMELİ ÖĞRENME (Reinforcement Learning)
397
6.1. YAPAY ZEKÂ (Artificial Neural Networks – ANN)
398
Aktivasyon Fonksiyonları (Activation Functions)
401
Başarı Ölçütleri (Classification Metrics)
403
Maliyet Fonksiyonları (Cost Functions)
405
Modelin Eğitilmesi
406
Gradyan Azalma (Gradient Descent) ve Geri Yayılım (Backpropagation)
407
Basit Bir Modelin Eğitilmesi ve Geliştirilmesi
408
6.2. EVRİŞİMLİ SİNİR AĞI (Convolutional Neural Network – CNN)
420
Evrişimli Katman (Convolution Layer)
421
Pooling Layer" (Havuzlama Katmanı)
422
Genişletilmiş Evrişimler (Dilated Convolutions)
423
Tam Bağlantılı Katman (Fully Connected Layer – FC Layer)
424
Label Encoding (LE) ve One Hot Encoding (OHE)
426
YOLO (You Only Look Once)
442
Hazır YOLO Algoritmasının Kullanılması
446
YOLO v5 Modelinin Eğitilmesi
452
1. Veri setinin elde edilmesi
452
2. YOLO Gerekliliklerinin Kurulması
454
3. YOLO Parametrelerinin Ayarlanması ve Eğitilmesi
455
4. YOLO başarım performansının değerlendirilmesi
458
5. YOLO modelinin dışarıya aktarılması
458
YOLO v8 Modelinin Eğitilmesi
462
Bölüm Sonu Uygulaması
464
Bölüm Sonu Özeti
465
Kendini Dene
465
Mini Proje Önerileri
466
EKLER
469
Python Fonksiyon ve Metotları
469
NumPy Veri Türleri
469
NumPy Metotları ve Fonskiyonları
470
OpenCV Fonksiyonları
472
Kaynakça
473
Kaynaklar Listesi
473
Tavsiye Edilen Diğer Kaynaklar
475
Dizin
477
Dr. Murat IŞIK
İÇİNDEKİLER
Önsöz
5
Bu Kitap Hakkında
5
İpuçları ve Püf Noktalar
7
İndirilebilir Kitap İçeriği
7
Söz Dizimi (Syntax) Renklendirmesi
8
Nasıl Çalışılmalı
8
Gereklilikler
9
Programcıya, iyi program yazma kılavuzu
17
Kullanılan Bazı Algoritmalar/fonksiyonların Türkçe Karşılıkları
17
Teşekkürler
19
Kısaltmalar
27
Resimler Listesi
29
Tablolar Listesi
33
Örnekler Listesi
35
1. BÖLÜM
PYTHON
1. Python
41
Niçin Python?
41
Başlamadan Önce?
41
1.1. Veri Türleri ve Değişken Kavramı
42
Bazı püf noktalar
48
Girintili kod yazımı
50
Bitwise Operatörleri
50
Atama Operatörleri
51
1.2. Listeler
52
Liste nedir?
53
Çok Boyutlu Listeler
58
Sıralı Listeler Oluşturmak
59
Listeleri Kopyalama
60
1.3. Tuple
61
1.4. Sözlükler (Dictionaries)
61
Sözlük nedir?
61
Nesting (İç içe sözlükler/listeler yerleştirme)
64
1.5. IF İfadelerinin Kullanımı
66
Boolean ifadeleri
71
Denklik ve Eşitlik kavramları
74
1.6. Döngüler
75
while Döngüsü
75
Break ve Continue
80
for Döngüsü
82
Liste ve Sözlüklerde 'if –– in' ve 'if –– not in' işlemleri
85
1.7. Fonksiyonlar
88
Parametre ve Argüman kavramları
90
Anahtar Kelimesi ile Argüman Kullanımı (Keyword Arguments)
91
Parametrelerde Varsayılan Değer
92
Keyfi Argüman Kullanımı (Arbitrary Arguments, *args)
94
Keyfi Anahtar Kelimeli Argüman Kullanımı (Arbitrary Keyword Arguments, **kwargs)
95
Return İfadesi
95
Değişken Faaliyet Alanı
96
Pass İfadesi
98
Lambda Fonksiyonları
98
Listeler oluşturmada kısa döngü
99
Listelerde Farklı Döngü Teknikleri
99
1.8. Sınıflar
100
Bölüm Sonu Özeti
105
Kendini Dene
106
Mini Proje Önerileri
106
2. BÖLÜM
PAKETLERİ TANIMA VE DİZİLERLE ÇALIŞMA
2. PAKETLERİ TANIMA VE DİZİLERLE ÇALIŞMA
109
2.1. PAKETLER
109
OpenCV
109
TensorFlow
110
Keras
110
MatplotLib
111
NumPy
111
Opsiyonel ve Varsayılan Parametre Kavramları
111
Pandas
111
2.2. NumPy
112
Veri türleri?
112
NumPy ile Dizi oluşturma
113
Dizilerde Öznitelik Çıkartımı
123
Dizileri Yeniden Boyutlandırma ve Biçim Değiştirme
126
Dizilerde Sıralama, Arama, Sayma, Ekleme ve Çıkarma
134
Dizileri Birleştirme ve Parçalama
142
Bitwise Operatörleri
160
Farklı Boyutlu Dizilerde İşlemler (Broadcasting)
164
Dizilerde Karşılaştırma İşlemleri
166
Yardım için Dokümantasyona ulaşma
169
2.3. Pandas
170
Bölüm Sonu Özeti
178
Kendini Dene
179
Mini Proje Önerileri
180
3. BÖLÜM
GÖRÜNTÜ İŞLEMEYE GİRİŞ
3. GÖRÜNTÜ İŞLEMEYE GİRİŞ
183
3.1. GÖRME OLAYI NASIL GERÇEKLEŞİR
183
İnsanlarda görme
183
Görüntü işleme ve Bilgisayar görmesi
184
Resim nedir?
184
3.2. Renkler ve Renkli Resim Kavramı
186
Gri tonlamalı resim (Grayscale) nedir?
186
Renkler ve RGB Renk Uzayı
187
Renkli resim nedir?
188
HSV ve HSL Renk Uzayları
191
3.3. GÖRÜNTÜLER ÜZERİNDE BASİT İŞLEMLER
192
Bir Resmin Açılması
193
Görüntülerin kanallara ayrılması ve birleştirilmesi
197
Temel şekil çizme fonksiyonları
199
Mouse ile şekilleri çizme
203
3.4. GÖRÜNTÜ İŞLEME FONKSİYONLARI
211
Eşikleme (Thresholding)
211
Görüntü derinliği (ddepth)
217
Kenarlık Tipi (BorderTypes)
218
Bulanıklaştırma (Blurring)
220
Kernel Tabanlı Filtreleme
225
Manuel Kernel Tabanlı Filtreleme
227
Gamma Filtreleme
229
Resim Birleştirme/Çıkarma İşlemleri
231
Bitwise İşlemleri
237
Morfolojik Operatörler/Dönüşümler (Morphological Operators/ Transformations)
241
Histogram Eğrileri ve Histogram Eşitleme
254
Bölüm Sonu Özeti
260
Kendini Dene
260
Mini Proje Önerileri
261
4. BÖLÜM
GÖRÜNTÜLER ÜZERİNDE ÇALIŞMA
4. GÖRÜNTÜLER ÜZERİNDE ÇALIŞMA
265
4.1. KENAR TESPİT ALGORİTMALARI
265
Sobel Operatörü
268
İsteğe Uyarlanmış Sobel Algoritması
271
Prewitt Operatörü
273
Roberts Operatörü (Roberts Cross Operatörü)
274
Laplacian Operatörü
276
Canny Kenar Algoritması (Canny Edge Algorirthm)
278
Deriche Kenar Algoritması (Deriche Edge Algorirthm)
282
4.2. KÖŞE TESPİT ALGORİTMALARI
286
Harris Köşe Tespit Algoritması (Harris Corner Detector Algorirthm)
287
Shi–Tomasi Köşe Tespit Algoritması (Shi–Tomasi Corner Detection Algorirthm)
292
Kamera Kalibrasyonu için Köşe Tespiti (Corners Detection for Camera Calibration)
295
4.3. DİĞER ALGORİTMALAR
300
Çevrit (Kontur) Tespit Algoritması (Contour Detection Algorithm)
300
Watershed Algoritması (Watershed Algorithm)
308
Şablon Eşleştirme (Template Matching)
317
Öznitelik Çıkarma ve Eşleştirme (Feature Extraction and Feature Matching)
321
Viola–Jones Haar Cascade Classifier Algoritması
334
Bölüm Sonu Özeti
345
Kendini Dene
345
Mini Proje Önerileri
346
5. BÖLÜM
VİDEOLAR ÜZERİNDE ÇALIŞMA
5. VİDEOLAR ÜZERİNDE ÇALIŞMA
349
5.1. VİDEO NEDİR
349
5.2. Optical Flow (Optik Akış)
358
Lucas–Kanade Method
360
Gunnar–Farneback Algoritması
367
5.3. NESNE TAKİP ALGORİTMALARI
372
meanShift Algoritması ve camShift Algoritması
373
BOOSTING Takip Algoritması
381
MIL (Multiple Instance Learning) Takip Algoritması
381
KCF (Kernelized Correlation Filters) Takip Algoritması
382
TLD (Tracking Learning and Detection) Takip Algoritması
382
MEDIANFLOW Takip Algoritması
383
MOSSE (Minimum Output Sum of Squared Error) Takip Algoritması
383
CSRT (Channel and Spatial Reliability Tracking) Takip Algoritması
384
GOTURN (Generic Object Tracking Using Regression Networks) Takip Algoritması
384
Bölüm Sonu Özeti
389
Kendini Dene
389
Mini Proje Önerileri
391
6. BÖLÜM
MAKİNE ÖĞRENMESİ VE DERİN ÖĞRENME
6. MAKİNE ÖĞRENMESİ VE DERİN ÖĞRENME
395
DENETİMLİ ÖĞRENME (Supervised Learning)
395
DENETİMSİZ ÖĞRENME (Unsupervised Learning)
396
YARI DENETİMLİ ÖĞRENME (Semi–Unsupervised Learning)
397
PEKİŞTİRMELİ ÖĞRENME (Reinforcement Learning)
397
6.1. YAPAY ZEKÂ (Artificial Neural Networks – ANN)
398
Aktivasyon Fonksiyonları (Activation Functions)
401
Başarı Ölçütleri (Classification Metrics)
403
Maliyet Fonksiyonları (Cost Functions)
405
Modelin Eğitilmesi
406
Gradyan Azalma (Gradient Descent) ve Geri Yayılım (Backpropagation)
407
Basit Bir Modelin Eğitilmesi ve Geliştirilmesi
408
6.2. EVRİŞİMLİ SİNİR AĞI (Convolutional Neural Network – CNN)
420
Evrişimli Katman (Convolution Layer)
421
Pooling Layer" (Havuzlama Katmanı)
422
Genişletilmiş Evrişimler (Dilated Convolutions)
423
Tam Bağlantılı Katman (Fully Connected Layer – FC Layer)
424
Label Encoding (LE) ve One Hot Encoding (OHE)
426
YOLO (You Only Look Once)
442
Hazır YOLO Algoritmasının Kullanılması
446
YOLO v5 Modelinin Eğitilmesi
452
1. Veri setinin elde edilmesi
452
2. YOLO Gerekliliklerinin Kurulması
454
3. YOLO Parametrelerinin Ayarlanması ve Eğitilmesi
455
4. YOLO başarım performansının değerlendirilmesi
458
5. YOLO modelinin dışarıya aktarılması
458
YOLO v8 Modelinin Eğitilmesi
462
Bölüm Sonu Uygulaması
464
Bölüm Sonu Özeti
465
Kendini Dene
465
Mini Proje Önerileri
466
EKLER
469
Python Fonksiyon ve Metotları
469
NumPy Veri Türleri
469
NumPy Metotları ve Fonskiyonları
470
OpenCV Fonksiyonları
472
Kaynakça
473
Kaynaklar Listesi
473
Tavsiye Edilen Diğer Kaynaklar
475
Dizin
477
Yorum yaz
Bu kitaba henüz yorum yapılmamış.
Bonus Card ( Garanti - Teb - Denizbank - Şekerbank vb. )
| Taksit Sayısı | Taksit tutarı | Genel Toplam |
|---|---|---|
| Tek Çekim | 665,00 | 665,00 |
Cardfinans ( Finansbank )
| Taksit Sayısı | Taksit tutarı | Genel Toplam |
|---|---|---|
| Tek Çekim | 665,00 | 665,00 |
Maximum Card ( İş Bankası - Ziraat Bankası )
| Taksit Sayısı | Taksit tutarı | Genel Toplam |
|---|---|---|
| Tek Çekim | 665,00 | 665,00 |
Worldcard ( YKB - Vakıfbank - Anadolubank - Albaraka )
| Taksit Sayısı | Taksit tutarı | Genel Toplam |
|---|---|---|
| Tek Çekim | 665,00 | 665,00 |
Diğer Kartlar
| Taksit Sayısı | Taksit tutarı | Genel Toplam |
|---|---|---|
| Tek Çekim | 665,00 | 665,00 |
-
%3İNDİRİM275,00TL 266,75TL
-
-
Yeni-%5
Satışta değil
