Görüntü İşleme Filtreleri Nedir ve Çeşitleri Nelerdir?

Görüntü işleme filtreleri, bir görseldeki pikseller üzerinde belirli işlemler uygulayarak görüntüyü dönüştüren araçlardır. Bu dönüşümler, görüntüyü yumuşatmaktan keskinleştirmeye, belirli detayları vurgulamaktan istenmeyen gürültüyü azaltmaya kadar pek çok amaca hizmet edebilir. Amacımız, ham piksel değerlerini daha anlamlı ve kullanışlı bilgilere dönüştürmektir. Kullanacağımız filtrenin türü, üzerinde çalıştığımız görüntünün niteliğine ve kullanım alanına göre belirlenir.

Görüntü İşleme Filtrelerinin Çeşitleri

Görüntü işleme dünyasında karşımıza çıkan başlıca filtre türlerini ve işlevlerini daha yakından inceleyelim:

• Erosion (Aşındırma): Görüntüdeki siyah pikselleri artırırken beyaz pikselleri azaltır. Özellikle nesnelerin boyutunu küçültmek veya aralarındaki bağlantıları koparmak için kullanılır.
• Dilation (Genişletme): Erosion’ın tam tersi olarak, beyaz pikselleri artırır ve siyah pikselleri azaltır. Nesnelerin boyutunu büyütmek veya eksik bölgeleri doldurmak için idealdir.
• Inversion (Ters Çevirme): Görüntüdeki renklerin (piksel değerlerinin) tamamen tersine çevrilmesidir. Siyah pikseller beyaza, beyaz pikseller siyaha dönüşür. Bu, bazen insan gözünün detayları daha kolay fark etmesini sağlayabilir.
• Gauss Filtresi (Gaussian Blur): Görüntüyü bulanıklaştırarak yumuşatma ve gürültü azaltma amacıyla kullanılır. Merkez pikselin çevresindeki pikselleri ağırlıklı ortalama alarak işler, bu da kenarları Mean filtresine göre daha iyi korumasını sağlar.
• Mean Filtresi (Smoothing, Averaging, Box Blur): Görüntüdeki gürültüyü azaltmak için kullanılan en basit yumuşatma filtresidir. Komşu piksellerin ortalama değerini alarak gürültüyü dağıtır. Ancak keskin kenarları bulanıklaştırma eğilimindedir.
• Median Filtresi (Rank): Mean filtresi gibi gürültü azaltma amacıyla kullanılır ancak görüntüdeki detayların korunması konusunda çok daha başarılıdır. Komşu piksellerin ortanca (medyan) değerini alarak çalışır, bu sayede “tuz-biber” gibi noktasal gürültülere karşı oldukça etkilidir.
• Range (Amplitude) Filtresi: Bir pikselin komşuları arasındaki en parlak ve en karanlık piksel arasındaki mutlak farkı hesaplar. Görüntüdeki bölgesel gri değer atlamalarını vurgulamak için kullanılır.
• Standard Deviation Filtresi: Orijinal pikselin komşuları arasındaki standart sapmasını hesaplar. Görüntüdeki yerel sapmaları vurgular ve doku analizi gibi alanlarda faydalıdır.
• Edge Detection (Sobel) Filtresi: Görüntüdeki yatay ve dikey kenarları belirginleştirir. Görseldeki önemli sınırları ve nesnelerin ana hatlarını ortaya çıkarmak için sıkça kullanılır.
• Multiplication Filtresi: Görüntüdeki her pikselin grilik değerini belirli bir katsayıyla çarparak öteleme sağlar. Görüntüyü ikili hale getirme veya bozuklukları bastırma gibi amaçlarla kullanılabilir.
• Background Flattening (Arka Plan Düzleştirme): Özellikle homojen olmayan aydınlatma koşullarında çekilen görüntülerde, objenin arka planındaki istenmeyen etkileri azaltmak ve arka planı iyileştirmek için kullanılır.

Görüntü İşleme Filtreleri ve Komşuluk Kavramı: Alan Seçimi

Görüntü işleme filtrelerini uygularken sadece hangi filtrenin kullanılacağını değil, aynı zamanda o filtrenin ne kadarlık bir komşu çevrede işlem yapacağını da belirleriz. Bu, genellikle 3×3, 5×5, 1×9 veya 7×1 gibi değerlerle ifade edilir. Bu değerler, her piksel için hesaplama yapılırken dikkate alınan çevrenin boyutunu temsil eder.

Örneğin, 3×3 bir komşuluk, merkez pikselin etrafındaki 8 pikseli (toplam 9 piksel) kapsar. Seçilen komşuluk boyutu, filtrenin görüntü üzerindeki etkisinin ne kadar yayılacağını doğrudan belirler. Daha büyük komşuluklar genellikle daha fazla yumuşatma veya daha geniş bir etki alanı sağlar.

Detaylı Filtre İncelemeleri

Yukarıda bahsettiğimiz bazı filtre türlerinin işleyiş mantığını ve etkilerini daha detaylı inceleyelim:

Erosion: Morfolojik Daraltma

Erosion, morfolojik bir filtre türüdür ve görüntünün biçim ve yapısına etki eder. Hedef görüntüdeki her piksele, orijinal görüntüde o pikselin komşuları arasındaki en düşük grilik değeri atanır. Bu işlem, genellikle parlak bölgelerin daralmasına ve koyu bölgelerin genişlemesine neden olur. Gürültü gidermede, ince çizgileri ortadan kaldırmada veya nesnelerin konturlarını inceltmede kullanılabilir.

Dilation: Morfolojik Genişletme

Dilation da morfolojik bir filtredir ve Erosion’ın tam tersi etkiyi gösterir. Hedef görüntüdeki her piksele, orijinal görüntüde o pikselin komşuları arasındaki en büyük grilik değeri atanır. Bu, parlak bölgelerin genişlemesine ve koyu bölgelerin daralmasına yol açar. Kopuklukları birleştirmede, delikleri doldurmada veya nesnelerin boyutunu artırmada kullanılır.

Inversion: Renkleri Tersine Çevirme

Inversion filtresi, bir görüntüyü tamamen tersine çevirir. Açık griliğe sahip pikseller koyu değerlere, koyu griliğe sahip pikseller ise açık değerlere dönüştürülür. Basitçe, siyah ve beyaz pikseller yer değiştirir. Bu filtre, bazen insan gözünün belirli detayları daha kolay fark etmesini sağlayarak, özellikle dedektör yerleştirme gibi uygulamalarda kolaylık sağlayabilir.

Mean (Averaging, Box Blur): En Basit Yumuşatma

Mean filtresi, bir görüntüdeki gürültüyü azaltmak için kullanılan en temel yumuşatma yöntemidir. Her pikselin değeri, komşuluk alanı içindeki tüm piksellerin ortalaması ile değiştirilir. Komşuluk boyutu arttıkça, yumuşatma oranı da artar ve görüntüde daha belirgin bir bulanıklık oluşur.

Ancak Mean filtresinin iki önemli dezavantajı vardır:

1. Gürültüye Duyarlılık: Görüntüde aşırı parlak veya karanlık bir piksel (parazit) varsa, bu pikselin değeri komşu piksellerin ortalamasını önemli ölçüde etkileyerek tüm bölgenin değişmesine neden olabilir.
2. Kenar Bulanıklığı: Bir kenar üzerinden geçerken, kenarın her iki tarafındaki piksellerin ortalamasını alarak yeni değerler üretir. Bu durum, keskin kenarların bulanıklaşmasına yol açar ve detay kaybına neden olabilir.

Median (Rank): Detay Korumalı Yumuşatma

Median filtresi de Mean filtresi gibi gürültü azaltma amacıyla kullanılır ancak Mean filtresine göre detayları çok daha iyi korur. Her pikselin değerini komşu piksellerin ortalamasıyla değiştirmek yerine, komşu pikselleri değerlerine göre sıralar ve bu sıranın ortasındaki değeri (medyanı) alır. Eğer çift sayıda piksel varsa, ortadaki iki pikselin ortalaması alınır.

Median filtresi, bir pikselin komşu piksellerini sıralayıp ortanca değeri alarak çalışır. Örneğin aşağıdaki görselde 150 değeri çevresindeki pikselleri (115, 119, 120, 123, 124, 125, 126, 127) iyi temsil etmediğinde, filtre bu değerleri sıralar ve ortadaki 124 sayısını seçer. Böylece 150, 124 ile değiştirilir ve 3×3’lük bir komşulukta gürültü azaltılmış olur. Komşuluk alanı büyüdükçe, yumuşatma etkisi de artar.

Median filtrenin Mean filtreye göre başlıca avantajları şunlardır:

• Gürültüye Daha Az Duyarlılık: Aykırı değerler (gürültü), sıralı dizinin uçlarında kalacağı için ortadaki değeri etkilemez, bu da daha güçlü bir temsil sağlar.
• Kenar Koruması: Medyan değer, komşu piksellerden biri olduğu için, kenar boyunca hareket edildiğinde gerçekçi olmayan piksel değerleri oluşmaz. Bu sayede, kenarların keskinliği korunur (örneğin, siyah ve beyaz bir sınırda medyan ya siyah ya da beyaz olur, gri olmaz).

Dezavantajları ise şunlardır:

• Büyük Gürültüde Etkisizlik: Görüntüde çok büyük boyutlarda gürültü varsa, küçük matrislerle tam olarak kaldırılamayabilir; daha büyük matrisler veya birden fazla uygulama gerekebilir.
• Daha Uzun Hesaplama Süresi: Piksellerin sıralanması gerektiği için Mean filtresine göre daha fazla işlem gücü ve zaman gerektirebilir.

Gauss Filtresi: Ağırlıklı Yumuşatma

Gauss filtresi de bir yumuşatma filtresidir ancak Mean filtresinden farklı olarak her piksel bölgesinin ağırlıklı ortalamasını belirler. Merkez piksel değerine yaklaştıkça ağırlıklandırma artar; yani incelenen piksele yakın olan pikseller daha fazla etki eder. Bu, ortalama filtrenin (Mean) aksine daha ince bir düzeltme sağlar ve benzer büyüklükteki bir ortalama filtreden kenarları daha iyi korur. Özellikle “tuz-biber” gürültülü (karlı) görüntüler yerine, daha yumuşak gürültü tiplerinde etkilidir.

Edge Detection (Sobel): Kenarları Ön Plana Çıkarma

Sobel filtresi, bir görüntüdeki yatay ve dikey yöndeki kenarları belirleyerek bu kenar keskinliğini hedef piksele yazar. Bu sayede, görüntüdeki önemli geçiş pikselleri (sınırlar) ön plana çıkar. Nesnelerin ana hatlarını, konturlarını ve yapısal özelliklerini belirlemede yaygın olarak kullanılır.

Standard Deviation Filtresi: Yerel Sapmaları Vurgulama

Bu filtre, orijinal pikselin komşuları içindeki standart sapmasını hesaplar ve hedef piksele yazar. Görüntüdeki yerel sapmaları, yani piksel değerlerindeki ani değişimleri vurgular. Özellikle doku analizi ve homojen olmayan bölgelerin tespiti gibi alanlarda faydalıdır.

Range (Amplitude) Filtresi: Gri Değer Atlamalarını Vurgulama

Range filtresi, komşuluk alanındaki en parlak ve en karanlık piksel arasındaki farkı hesaplayarak hedef görüntüye yazar. Görüntüdeki bölgesel gri değeri atlamalarını, yani piksellerin parlaklık değerlerindeki belirgin değişiklikleri vurgular. Sobel ve standart sapma filtrelerine göre daha yüksek bir gürültü hassasiyetine sahiptir.

Multiplication Filtresi: Değerleri Çarpma

Multiplication filtresi, orijinal görüntüdeki her pikselin grilik değerini belirli bir faktörle çarpar. Bu işlem, görüntünün genel parlaklığını artırabilir veya azaltabilir. Kenar filtreleri ile filtreleme sonrasında görünümü iyileştirmek, görüntüyü ikili (binary) düzene aktarmak veya objedeki bozuklukları bastırmak gibi amaçlarla kullanılabilir.

Background Flattening: Arka Planı İyileştirme

Adından da anlaşılacağı gibi, bu filtre görüntülerdeki objelerin arka planını iyileştirmek için kullanılır. Özellikle homojen olmayan aydınlatmalarla çalışıldığında görüntünün arka planında görülebilecek istenmeyen etkileri azaltmada etkilidir. Bu sayede, ana obje daha net ve belirgin hale gelir.

Görüntü işleme filtreleri, dijital dünyada görselleri daha anlamlı, anlaşılır ve kullanışlı hale getirmemizi sağlayan güçlü araçlardır. Her bir filtrenin kendine özgü bir işlevi ve uygulama alanı bulunur. Endüstriyel otomasyondan kalite kontrole, güvenlik sistemlerinden tıbbi görüntülemeye kadar birçok alanda doğru filtre seçimi ve parametre ayarlamalarıyla görüntülerden maksimum verimi alabilir ve iş süreçlerinizi optimize edebilirsiniz.

Pulsar Robotik olarak işletmenizin özel ihtiyaçlarına yönelik görüntü işleme çözümleri sunuyoruz. Uygulamanız için en uygun görüntü işleme filtreleri ve filtreleme yöntemlerini belirlemek ve projelerinizi hayata geçirmek için deneyimli uzmanlarımızla iletişime geçebilirsiniz.

Görüntü işleme teknolojileriyle ilgili merak ettiğiniz her şey ve size özel çözümlerimiz için hemen bize ulaşın!

Çarşamba Haziran 11th, 2025