Fotogrametri Dersi 6. Ünite Özet

Giriş

Sayısal fotogrametri, sayısal fotoğraflar ile çalışan fotogrametridir. Bu nedenle sayısal fotoğraf ya da sayısal görüntü kavramının iyi anlaşılması gerekir. Sayısal fotoğ raflarla doğrudan doğruya sayısal kameralarla elde edilir ya da, analog fotoğrafların tarayıcı yardımıyla sayısal ortama aktarılması ile sağlanır. Sayısal fotoğrafı kullanmanın çeşitli üstünlükleri vardır. Bu üstünlükler aşağıdaki gibi sıralanabilir.

• Görüntüler doğrudan bilgisayarda görüntülenebilir ve ölçülebilir.
• Görüntüde iyileştirme yapılarak resim kalitesi artırılabilir.
• Uygulamalar gerçek zamanlı olarak yapılabilir.
• Sayısal görüntü işleme teknikleri kullanılarak fotogrametrik ölçme ve değerlendirme işlemleri otomatik yapılabilir.

Sayısal Görüntü İşleme

Siyah/beyaz fotoğraf 8-10 kez büyültülerek bakılırsa düzeyleri birbirinden farklı gri lekeler ya da gri alanlar olarak algılanır. Siyah, en koyu gri alınır ve yoğunluğu sıfır, beyaz da en açık gri yani yoğunluğu en yüksek bir değer, söz gelimi 255 alınırsa gri düzeyleri için bir skala elde edilir. Diğer grilere karşılık da 0-255 arasında bir değer bulunur. Sayısal görüntüde geometrik ve radyometrik çözünürlük olmak üzere iki çözünürlük kavramı vardır. Geometrik Çözünürlük ve Radyometrik Çözünürlük Geometrik çözünürlüğü, sayısal bir görüntüde birim alana düşen piksel sayısı ile ifade edebiliriz. Bunun için kullanılan terim PPI (Pixel Per Inch) yani inç (1 inç=2.54 cm) başına düşen piksel sayısıdır. Örneğin, 300 PPI, 2.54 cm’de 300 pikselin bulunduğunu ifade eder. Buradan 1 pikselin boyutu basit bir orantı ile bulunabilir. Diğer bir ifade ile 1 piksel’in boyutu geometrik çözünürlüğü gösterir. Piksel boyutu görüntü elde etmede kullandığımız donanıma bağlıdır. Sayısal kamera ile görüntü elde edilmiş ise sensördeki piksel boyutuyla ilgilidir. Radyometrik Çözünürlük; Pikselin algılandığı elektromanyetik spektrumdaki gri değer aralığı radyometrik çözünürlüğü göstermektedir. Radyometrik çözünürlük, bilgisayar ortamında ve ikili sayı sisteminde bit cinsinden tanımlanır.

Sayısal görüntü elde etme yolu; daha önce de ifade edildiği gibi sayısal görüntü doğrudan sayısal kameralar ile elde edilebileceği gibi analog görüntülerin taranması suretiyle de elde edilebilir. Sayısal kameralar, odaklayıcı mercek, diyafram ve deklanşör ikilisi ile film yerine yarı- iletken ışık algılayıcı bir elektronik devre elemanı yardımı ile sayısal görüntüyü oluşturur. Filmde ışığı algılamak için kullanılan gümüş tuzları yerine CCD (Charge Coupled Device) veya CMOS (Complementary Metal Oxide Semiconductor) algılayıcılar kullanılmaktadır. CCD’ler son derece nitelikli görüntü sağladıklarından sıkça kullanılır. Fakat pahalı olmaları ve çok fazla güç tüketmeleri kullanımlarını sınırlamaktadır. CMOS algılayıcılarsa, az güç tüketmeleri ve aynı yonga içinde birçok işlevsel eleman içerebilmelerine karşın, CCD kadar nitelikli görüntü oluşturamazlar. Sayısal görüntü işleme, bilgisayar ve yazılım yardımı ile görüntülerin elde edilmesi, depolanması, işlenmesi ve çeşitli ölçme ve yorumlama amaçları için farklı türdeki gösterimlere hazır hale getirilmesidir. Görüntü işlemede ilk adım sayısal görüntüyü elde etmektir. Sayısal görüntü elde edildikten görüntü işleme üç adımdan oluşmaktadır;

• Görüntü ön işleme
• Görüntü segmentasyonu ve analiz
• Görüntü anlama ve yorumlama

Ön işleme, elde edilen sayısal görüntü kullanılmadan önce daha başarılı bir sonuç elde edebilmek için, görüntünün bazı ön işlemlerden geçirilmesidir. Bu işlemler görüntünün geometrik ve radyometrik olarak düzeltilmesi, görüntü onarımı ve görüntü iyileştirme teknikleridir. Görüntünün onarımı (restoration) için geliştirilen algoritmalar, bilinen bir nedenden dolayı zarar görmüş olan görüntüde, düzeltme işlemlerinin yapılabilmesine yöneliktir. Örneğin, düzgün hareketten dolayı oluşan bulanıklığın kaldırılması, optik bozulmaların kaldırılması ve periyodik etkilenmelerin kaldırılması için geliştirilen algoritmalardır. Görüntü iyileştirme (Image enhancement) algoritmaları, özel bir uygulama için daha uygun bir sonuç üretmek amacıyla görüntüde yapılan işlemler olup iyileştirme algoritmaları olarak adlandırılır. Örneğin; görüntüdeki bulanıklığın giderilmesi veya keskinleştirme, kenarların belirginleştirilmesi, görüntüdeki zıtlığın veya parlaklığın arttırılması veya gürültünün kaldırılması gibi uygulamalardır. Bu gruptaki teknikler nokta işlemleri olarak da bilinir. Çünkü görüntüde piksel piksel değişiklik yapmak için nokta işlemleri kullanılır. Her piksel değeri bir önceki pikselin değerine bağlı olan yeni bir piksel ile yer değiştirir. Görüntü işlemede kullanılan filtreleme teknikleri ya yüksek ya da alçak frekansların geçişlerini engellemek amacıyla kullanılan tekniklerdir. Yüksek frekansların geçişini engellemek görüntüdeki bulanıklık veya yumuşatma (smoothing) işlemlerini gerçekleştirmek için yapılır. Alçak frekans geçişlerinin engellenmesi ise genellikle görüntüdeki kenarların belirginleştirilmesi veya iyileştirme (enhancement) için yapılır. Görüntü segmentasyon algoritmaları, bir görüntüdeki nesnelerin gruplandırılması ya da sınıflandırılması için kullanılır. Segmentasyon bir görüntüdeki çizgiler, daireler veya arabalar, yollar, binalar gibi belirli şekillerin ele alınıp incelenmesi için yapılan bir gruplandırmadır. Segmentasyon, görüntü işlemenin en zor uygulamasıdır ve segmantasyon tekniklerinin sonuçlarında belli bir hata oranı olabilmektedir. Segmentasyon bir görüntüdeki nesnenin sınırları, şekli veya o nesnenin alanı gibi ham bilgiler üretir. Eğer objelerin şekilleriyle ilgileniyorsak segmantasyonun bize o nesnenin kenarları, köşeleri ve sınırları hakkında bilgi vermesini bekleriz. Fakat görüntü içerisindeki nesnenin yüzey kaplaması, alanı, renkleri, iskeleti gibi iç özellikleriyle ilgileniliyorsa bölgesel segmantasyonun kullanılması gerekir. Karakter veya genel olarak kalıp (pattern) tanıma gibi oldukça karmaşık problemlerinin çözümü için her iki segmantasyon yönteminin de bir arada kullanılması gerekebilmektedir. Segmentasyondan sonra, görüntünün analizi yapılır. Ham bilgilerden görüntüde ilgilenilen ayrıntı ve bilgilerin ön plana çıkarılması bu aşamada yapılır. En son kısım ise tanıma ve yorumlamadır. Bu aşamada ise resmin içerisindeki nesnelerin veya bölgelerin önceden belirlenen tanımlamalara göre etiketlendirilmesidir.

Histogram; Bir görüntüyü oluşturan piksellerin o görüntü içinde hangi sıklıkla geçtiğini veren istatistiksel bilgiye histogram denir. Diğer bir deyişle histogram, görüntüdeki piksellerin gri değerlerine dağılımının grafik gösterimidir Yatay eksen gri değerler aralığını, düşey eksen ise görüntüdeki her bir gri değerdeki piksel sayısını gösterir. Histogram ile görüntünün kontrastına ilişkin bilgi elde etmek mümkün olmaktadır. Histogram eşitleme, görüntüdeki piksellerin dağılımlarını daha düzenli hale getirmek için kullanılan bir tekniktir. Koyu renkli görüntüleri daha açık hale getirmek, açık renkli görüntüleri koyulaştırmak ya da normal görüntüdeki kontrastı artırmak için kullanılır. Bu teknik bir görüntünün tümüne ya da belli bir kısmına uygulanabilir. Filtrelemenin amacı isteneni istenmeyenden ayırmaktır. Görüntünün kaydı esnasında oluşan gürültü (noise) olarak ifade edilen bozucu etkiler istenmeyen görüntü içeriğidir. Bununla beraber filtreleme ayırt edilemeyen görüntü bilgisinin belirginleştirilmesi için de kullanılır. Filtreleme, bir görüntünün görsel yorumlana bilirliğini artırır. Bunu gerçekleştirmek için ise çeşitli sayısal filtreleme operatörleri kullanılır. Filtreleme için 3 genel yöntem vardır:

• Düşük geçiş filtresi: Aykırı noktaların yumuşatılması,
• Yüksek geçiş filtresi: Aykırı noktaların vurgulanması,
• Yönsel geçiş filtresi: Çizgisel yapıların vurgulanması içindir.

Görüntü Piramidi; Görüntü pirami leri görüntü verilerinin etkili düzenlenmesini ve sıkıştırma yöntemleriyle görüntü verilerinin miktarının azaltılmasını sağlar. Sayısal görüntü işleme işlemleri, bilgisayar için oldukça zaman alan görevlerdir. Sonuçta, verinin işlenebilmesi büyük bir maliyet getirir. Hesaplama maliyetinin aşağı çekilmesi için etkili teknikler kullanmak genel bir görüştür. Görüntü piramitleri pek çok amaç için kullanılır. Örneğin; veri sıkıştırma, görüntü eşleme, Sayısal Yükseklik Modeli (SYM) oluşturma. Görüntü piramidi, bir görüntünün çoklu çözümünün gösterimidir. Görüntü bilgisi, geometrik çözünürlüğün azaltılmasıyla görüntü serileriyle gösterilmiştir. Görüntü piramitleri fikri, çoklu kare gösterimle kurulmuştur ve girilen veriye yumuşatma işlemi uygulanır. Bu işlem iki adımdan meydana gelir. Birinci adımda görüntüdeki yüksek frekanslar ve piksellerin gri değerleri arasındaki düzensizlikler (noise) elimine edilerek görüntü yumuşatılır. ‹kinci adımda konumsal kaba çözünürlük uygulanarak yumuşatılmış görüntüden biri seçilir.

Sayısal Görüntü Eşleme

Sayısal görüntü eşleme, en azından kısmen aynı manzarayı içeren iki veya daha fazla sayısal görüntüden elde edilen temel elemanlar arasındaki ilişkinin otomatik olarak kurulmasıdır. Genel olarak sayısal görüntü eşleme yöntemleri 3 ana başlık altında toplanabilir.

• Alana dayalı görüntü eşleme
• Şekle dayalı görüntü eşleme
• İlişkisel görüntü eşleme

Alana dayalı görüntü eşleme yöntemi görüntülerdeki piksellerin gri değerlerinden oluşan küçük pencereleri kullanır. Bu yöntemde temel fikir sol görüntüdeki bir parçanın sağ görüntüdeki karşılığının bulunmasıdır. En önemli alana dayalı görüntü eşleme yöntemleri çapraz korelasyon ve en küçük kareler görüntü eşleme yöntemleridir. Çapraz korelasyon yöntemi iki görüntü parçasının gri değerlerini kullanarak eşleme yapar. Sol görüntüde referans olarak alınan küçük bir parça (5x5 pikselden daha küçük olmayan) seçilir ve kendisinin sağ görüntüdeki karşılığı, seçilen parçaya yaklaşık olarak karşılık gelen bir araştırma bölgesi üzerinde piksel piksel araştırılarak bulunur. Çapraz korelasyon yönteminin anlaşılması basit, gerçekleştirilmesi kolay, hesabı hızlıdır. Çapraz korelasyon yönteminde temel problem, korelasyon pencereleri arasında yalnızca iki değişim parametresine izin vermesidir. Parça ve model arasındaki dönüklükler, ölçek ve diğer deformasyonlar hesaba katılamaz. Bir görüntüde verilen bir nokta için diğer görüntüde uygun bir nokta dönüklük, ölçek veya deformasyonlar nedeniyle bulunamayabilir. En küçük kareler yöntemi ise; iki görüntü parçasının gri değerleri arasındaki farkları kullanarak eşleme yapar. Şekle Dayalı Eşleme yönteminde her iki görüntüde belli şekillerin çıkartılması ve eşlenmesine dayanır. Eşlemede ikinci adım bu şekiller arasında yapılan eşlemedir. Birinci adımda genellikle noktalar veya kenarlar çıkartılır. Bunun için operatörler veya kenar belirleyicileri kullanılır. ‹kinci adımda referans görüntü seçilir ve muhtemel eşleme noktalarının geçici listesi meydana getirilir. İlişkisel eşleme yöntemi, görüntülerin sembolik tanımlarını karşılaştırır ve bir maliyet fonksiyonuyla benzerlikleri ölçer. Sembolik tanımlar gri değerlere veya türetilmiş detaylara başvurur. Bu detaylar grafik, ağaç veya anlamsal ağlar olarak gösterilirler. Diğerlerinin tersine, ilişkisel eşleme geometrik benzerlik özelliklerine katı bir şekilde bağlı değildir.