dm.ieu.edu.tr
Dersin Adı | |
Kodu | Yarıyıl | Teori (saat/hafta) | Uygulama/Lab (saat/hafta) | Yerel Kredi | AKTS |
---|---|---|---|---|---|
Güz/Bahar |
Ön-Koşul(lar) | Yok | |||||
Dersin Dili | ||||||
Dersin Türü | Seçmeli | |||||
Dersin Düzeyi | - | |||||
Dersin Veriliş Şekli | - | |||||
Dersin Öğretim Yöntem ve Teknikleri | Problem çözmeSimülasyonDeney / Laboratuvar / Atölye uygulama | |||||
Dersin Koordinatörü | ||||||
Öğretim Eleman(lar)ı | ||||||
Yardımcı(ları) | - |
Dersin Amacı | |
Öğrenme Çıktıları | Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Ders Tanımı |
| Temel Ders | |
Uzmanlık/Alan Dersleri | ||
Destek Dersleri | X | |
İletişim ve Yönetim Becerileri Dersleri | ||
Aktarılabilir Beceri Dersleri |
Hafta | Konular | Ön Hazırlık |
1 | Giriş. Sayısal imge işleme nedir? Sayısal imge işlemenin uygulama alanları | Bölüm 1. Kısım 1.11.3. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
2 | Sayisal imge temelleri. Sayısal görüntüler nasıl üretilir? Örnekleme, nicemleme, örtüşme, Moire örüntüleri, görüntü yakınlaştırma ve küçültme | Bölüm 1&2. Kısım 1.4,1.5, 2.12.4. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
3 | Sayisal imge temelleri. Sayısal imgeler nasıl üretilir? Örnekleme, nicemleme, örtüşme, Moire örüntüleri, imge yakınlaştırma ve küçültme | Bölüm 1&2. Kısım 1.4,1.5, 2.12.4. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
4 | İnsan görme sistemi | Bölüm 2. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
5 | Uzamsal düzlemde imge iyileştirme. Temel gri düzey dönüşümleri. Yumuşatma ve keskinleştirme | Bölüm 3. Kısım 3.13.6. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
6 | Uzamsal düzlemde imge iyileştirme. Histogram işleme. | Bölüm 3. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
7 | 2D Discrete Fourier Dönüşümü ve Tersi, 2D DFT ve 2D Evrişim Teoremi | Bölüm 4. Kısım 4.5.5, 4.6. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
8 | 2D Discrete Fourier Dönüşümü ve Tersi, 2D DFT ve 2D Evrişim Teoremi | Bölüm 4. Kısım 4.5.5, 4.6. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
9 | Frekans düzleminde imge iyileştirme | Bölüm 4. Kısım 4.74.10. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
10 | Frekans düzleminde imge iyileştirme | Bölüm 4. Kısım 4.74.10. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
11 | İmge onarımı: sistem modeli, gürültü modeli, kötüleşme fonksiyonu kestirimi. | Bölüm 5. Kısım 5.1,5.2,5.75.10. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
12 | Sadece gürültü esnasında imge onarımı, ters süzgeçleme, en küçük ortalamalı kare hatası (Wiener) süzgeçleme. | Bölüm 5. Kısım 5.1,5.2,5.75.10. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
13 | Renkli imge işleme. Renk dönüşümleri. Renkli imge yumuşatma ve keskinleştirme | Bölüm 5. Kısım 5.1,5.2,5.75.10. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
14 | Renkli imge işleme. Renk dönüşümleri. Renkli imge yumuşatma ve keskinleştirme | Bölüm 6. Kısım 6.16.6. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
15 | Final sınavı için gözden geçirme | |
16 | Dönemin gözden geçirilmesi |
Ders Kitabı | R. C. Gonzalez and R. E. Woods, “Digital Image Processing”, PrenticeHall, 3rd Ed., 2008, ISBN 013168728X. |
Önerilen Okumalar/Materyaller | R. C. Gonzalez, R. E. Woods, S. L. Eddins, “Digital Image Processing Using MATLAB”, PrenticeHall, 2nd Ed., 2009, ISBN 9780982085400. |
Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
Katılım | ||
Laboratuvar / Uygulama | ||
Arazi Çalışması | ||
Küçük Sınav / Stüdyo Kritiği | 2 | 10 |
Portfolyo | ||
Ödev | ||
Sunum / Jüri Önünde Sunum | ||
Proje | ||
Seminer/Çalıştay | ||
Sözlü Sınav | ||
Ara Sınav | 1 | 25 |
Final Sınavı | 1 | 25 |
Toplam |
Yarıyıl İçi Aktivitelerin Başarı Notuna Katkısı | 75 | |
Yarıyıl Sonu Aktivitelerin Başarı Notuna Katkısı | 25 | |
Toplam |
Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
---|---|---|---|
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) | 16 | 3 | 48 |
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) | 16 | ||
Sınıf Dışı Ders Çalışması | 15 | 2 | |
Arazi Çalışması | |||
Küçük Sınav / Stüdyo Kritiği | 2 | 2 | |
Portfolyo | |||
Ödev | |||
Sunum / Jüri Önünde Sunum | |||
Proje | |||
Seminer/Çalıştay | |||
Sözlü Sınav | |||
Ara Sınavlar | 1 | 8 | |
Final Sınavı | 1 | 10 | |
Toplam | 100 |
# | Program Yeterlilikleri / Çıktıları | * Katkı Düzeyi | ||||
1 | 2 | 3 | 4 | 5 | ||
1 | Temel matematik, uygulamalı matematik ve istatistik kuramlarına ve uygulamalarına hakim olmak, | |||||
2 | Matematik ve istatistik alanındaki edindiği ileri düzeydeki kuramsal ve uygulamalı bilgileri kullanabilmek, | |||||
3 | Sorunları tanımlayabilmek, analiz edebilmek ve bilimsel yöntemlere dayalı çözüm üretebilmek, | |||||
4 | Disiplinlerarası yaklaşımla, matematiği ve istatistiği gerçek yaşamda uygulayabilmek ve uygulama konusunda kendi potansiyellerini keşfedebilmek, | X | ||||
5 | Matematiğin kullanıldığı hemen her alanda, gerekli bilgileri edinebilmek ve modelleme yapabilmek ve kendini geliştirebilmek, | X | ||||
6 | Kurduğu modellere ve çözümlere eleştirel bakabilmek, yenileyebilmek, | |||||
7 | Kuramsal ve teknik bilgilerini gerek detaylı olarak uzman kişilere, gerekse basit ve anlaşılır bir şekilde uzman olmayan kişilere rahatça aktarabilmek, | |||||
8 | İngilizce’yi ve Avrupa Dil Portföyünden ikinci bir yabancı dili B1 Genel Düzeyinde etkin şekilde kullanabilmek ve bilgi birikimini güncel tutabilmek, yurtiçi ve yurtdışı meslektaşlarıyla rahat bir şekilde iletişim kurabilmek, periyodik litaretürü takip edebilmek, | |||||
9 | Matematik ve istatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olmak ve Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyindeki ez az bir programı etkin şekilde kullanabilmek, | X | ||||
10 | Dahil olduğu projelerin tüm aşamalarında toplumsal, bilimsel ve etik değerlere uygun hareket edebilmek, toplumsal duyarlılık çerçevesinde proje geliştirip uygulayabilmek, | |||||
11 | Evrensel anlamda birikimli ve duyarlı olarak tüm süreçleri etkin şekilde değerlendirebilmek ve kalite yönetimi konusunda yeterli bilince sahip olmak, | |||||
12 | Soyut düşünce yapısına hakim olarak, somut olaylara bağlayabilmek ve çözümleri taşıyabilmek, deney tasarlayıp veri toplayarak bilimsel yöntemlerle sonuçları incelemek ve yorumlamak, | |||||
13 | Edindiği bilgi, beceri ve yetkinlikleri hayat boyu yenileyebilmek, yaşam boyu öğrenme bilincine sahip olmak, | |||||
14 | Matematik ve istatistik alanında edindiği bilgileri ortaöğretim seviyesine uyarlayarak aktarabilmek, | |||||
15 | Matematik ve istatistik alanında bireysel veya ekip olarak bir çalışmayı sürdürmek, bağımsız çalışmanın ilgili tüm aşamalarında etkili olmak, karar verme sürecine katılmak, zamanı etkili kullanarak gerekli planlamayı yapmak ve yürütmek. |
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest