Görüntü işlemede sayısal görüntü elde edildikten sonra yapılacak ilk adım, ön işleme işlemidir. Bu işlemler görüntünün belirginleştirilmesi (image enhancement), görüntüdeki kirliliklerin filtrelenmesi (filtering noises), görüntü üzerindeki yapısal bozuklukları yok etmek veya minimize etmektir.
Görüntü işleme tekniklerinden görüntü zenginleştirme teknikleri görüntüyü biçimlendirmek için kullanılan ön işlemlerdir. Görüntü zenginleştirmenin amacı
orijinal görüntünün analiz yapılabilmesi için uygun hale getirilmesidir. Görüntü iyileştirme olarak ta bilinen (enhancement), görüntünün görsel yorumlama ve anlaşılmasını artırmak için yapılır. Görüntü analiz çalışmaları farklı uygulamalar ve farklı amaçlar için yapılabilmesi nedeniyle görüntü zenginleştirme fonksiyonları da çeşitlilik gösterir.
Ön-işlemler bittikten sonra görüntü biçimlendirme (segmentation), görüntüyü kendisini meydana getiren alt görüntülere parçalama basamağına geçilir. Görüntü biçimlendirme, bir görüntüdeki nesne ve artalanın veya resim içerisindeki ilgilenilen değişik özelliklere sahip bölgelerin birbirinden ayrıştırılması işlemidir. Görüntü biçimlendirme bir resimdeki nesnenin sınırları, şekli veya o nesnenin alanı gibi ham bilgiler üretir. Eğer objelerin şekilleriyle ilgileniyorsak biçimlendirme bize o nesnenin kenarları, köşeleri ve sınırları hakkında bilgi vermesini bekleriz.
Görüntü biçimlendirmeden sonraki basamak, görüntünün gösterimi ve resmin tanımlanmasıdır. Ham bilgiler görüntüde ilgilenilen ayrıntı ve bilgilerin ön plana çıkarılması bu aşamada yapılır. En son kısım ise tanıma ve yorumlamadır. Bu aşamada ise görüntü içerisindeki nesnelerin veya bölgelerin önceden belirlenen tanımlamalara göre etiketlendirilmesidir.
Bütün bu işlemler sırasında görüntü bilgisinden sürekli yararlanılmaktadır. Ham görüntünün ilk durumunda var olan bilgilerde işlemlerden önce gözden geçirilmeli ve görüntü işleme teknikleri esnasında da sürekli görüntüden bilgi alınarak onun analizi sağlanmalıdır.
Filtreler bir görüntünün görsel yorumlanabilirliğini artırmaktır. Bu amaçla görüntüde belirli ayrıntıların ayıklanması ya da daha belirgin hale getirilmesi vb. gibi operasyonları gerçekleştiren operatörler filtrelemedir. Bunu gerçekleştirmek için çeşitli sayısal filtreleme matrisleri kullanılır. Görüntüdeki farkların vurgulanması, kenar çizgilerinin vurgulanması ya da giderilmesi işlemleri için farklı sayı matrisleri kullanılmaktadır. Filtreler resmin içerisindeki bazı ayrıntıları ortaya çıkartmak veya resim içerisindeki istenmeyen gürültülerin ve bozulmaların yok edilmesini sağlamak için kullanılmaktadır. Farklı amaçlar için farklı filtreleme operatörleri vardır (Karakuş 2006, Yılmaz 2005).
Histogram, görüntü üzerindeki piksellerin değerlerinin yani görüntüdeki parlaklık seviyelerinin sayıca dağılımını grafiksel gösteren fonksiyondur. Her
parlaklık seviyesine sahip kaç piksel bulunduğunun grafiksel olarak ifadesidir. Görüntü histogramı, görüntünün her bir noktasındaki piksellerin tespiti ile bu piksellerin sayısının ne olduğunu gösterir. Görüntü üzerindeki piksellerin nerede yerleştiği tam olarak çıkartılamaz (Yaman ve ark. 2001, WEB8 2010, Yılmaz 2005, Mcandrew 2004). Şekil 3.5’de renkli resme ait histogramlar grafiksel olarak görülmektedir.
Şekil 3.5 Dijital renkli bir resim ve histogram değerlerinin grafiksel görünümü Kenar çıkarma, görüntünün içerdiği bilgiyi değerlendirip, gereksiz ve tanıma işlemlerinde zaman kaybettiren bilgiyi eleyerek yeterli düzeye indirgemektir. Kenar, farklı aydınlık değerlerindeki iki homojen alan arasındaki sınır olarak tanımlanabilir. Bu tanım, kenarın görüntüdeki aydınlık seviyesinin yerel değişimi şeklinde de düşünülmesini sağlar. Kenar çıkarıcılarının etkinliği, homojen alan noktalarından gerçek kenar noktalarını ayırt etme yeteneğine bağlıdır. Nesnenin kenarlarını çıkarma algoritmalarında arzulanan sonuç hiçbir bilgi kaybına olanak tanımadan, hafızada en az yer tutan, tek piksel genişliğindeki en ince kenar izinin bulunmasıdır. Böylece nesne tanıma işlemi daha hızlı yapılabilir ve aynı zamanda nesne tanımak için oluşturulacak veri tabanları daha kolay elde edilebilir. Şekil 3.6 ile bir kenar çıkarma işlemi ve sonucu görülebilir (WEB7 2010, Gonzalez ve ark. 2002, WEB9 2010).
Şekil 3.6 Kenar çıkarma işlemi
Eşikleme (Thresholding) işlemi ise, görüntü işlemenin önemli aşamalarından biridir. Özellikle görüntü içindeki nesnenin kapalı ve ayrık bölgelerinin belirginleştirilmesinde kullanılır. Piksellere ayrılmış görüntünün, ikili yapıdaki görüntüye kadar düzenlenmesini içerir. Görüntüyü eşikleme işlemine tabi tutmadan önce bir eşik değeri saptanır. Basit olarak eşikleme işlemi, görüntü üzerindeki piksel değerlerinin belirli bir değere göre atılması ve yerine diğer değerlerin yerleştirilmesi işlemidir. Böylece görüntü üzerindeki nesnelerin arka planı ile nesne hatlarının çıkartılması sağlanır (Yaman ve ark. 2001, WEB7 2010).
Görüntü üzerinde 0–255 arasında değere sahip piksellerden eşikleme yardımıyla, sadece belli değerler arasında veya dışında kalanlar ortaya çıkarılabilir. İki farklı sayısal görüntü arasında matematiksel işlemler (toplama, çıkarma, çarpma, bölme vb.) yapma şansı da bulunmaktadır. Örneğin (çıkarma işleminin kullanımında) hayvanların bulunduğu bir mekâna ait görüntüden, boş mekân görüntüsü çıkarıldığında hayvanların görüntüsünü verir ki, belirli zaman dilimlerinde bu şekilde hayvan görüntülerinin elde edilmesi ve değerlendirilmesi, davranış incelemelerinde kullanılabilir bir durumdur (Aktan 2004) .
3.3.1 Resimlerde aritmetik ve mantıksal operatörler
Pikseller arasında aritmetik ve mantıksal operatörler görüntü işlemede sık kullanılan yöntemlerden birisidir. Pikseller arasındaki aritmetik operatörler, toplama, çıkarma, çarpma ve bölme şekilde ifade edilir.
Bu operatörler görüntü üzerinde piksele karşılık piksel olarak yapılmaktadır. Toplama operatörü kirlilik azaltmada, çıkarma operatörü örneğin medikal görüntülerde bulunan statik arka planların çıkarılmasında, çarpma ve bölme operatörleri ise renkli görüntünün grinin seviyelerine çevirmede kullanılmaktadır. Aritmetik operatörler sonucunda piksellerin koordinatları değişmemekte sadece renk değerleri değişmektedir.
Görüntü işlemede temel mantıksal operatörlerden en çok kullanılanları and (ve), or (veya) ve not (değil) operatörleridir. Mantıksal operatörler sadece ikili görüntülere uygulanabilmektedir. Mantıksal operatörler ikili görüntülerde şekillerin bulunması ve analizi gibi temel işlemlerde kullanılır. Şekil 3.7’de mantıksal operatörlerin uygulanışı verilmiştir (Karakuş 2006, Yılmaz 2005, Gonzalez ve ark. 2002).