İhsan DUYUNCU

Tübitak Teknoloji ve Yenilik Merkezi

2010-03-11T02:21:00.000-08:00

10 Mart'ta Hacettepe Tenkokent Seminer Salonu'nda gerçekleştirmiş olduğumuz Tübitak Proje Destek Programları konulu seminerimiz sona erdi.

Proje pazarında giriş aşamaları, Tübitak ve Sanayi Bakanlığı destekleri ve iş fikri oluşturmada sık karşılaşılan problemlere değinildi. 1501, 1503, 1507 numaralı tübitak destek programları sunuldu.

Olanlar bu şekildeydi, peki ne öğrendik:
1) GSYİH'nın 0,75 i arge harcamlarına gidiyor ve bu oranın ileriki zamanlarda 2.00 düzeyine çıkarılması bekleniyor.

2)Devletimizin yatırıdığı arge desteklerinin, daha çok önceleri yüksek lisans ve araştırma seviyesinden kullanıldığı fakat bu yatırımların günümüzde özel sektöre doğru kaydığını, dolayısıyla yatırımların meyve vermeye başladığını.

3) İş Fikrinin 3 ana kolonu olduğunu: Yenilikçilik(İnovatif), Ticari(Pazarlanabilir), Bilgi Birikimi(İnsana yatırım)

4) 7. Çerçeve, EUreka gibi uluslararası proje pazarlarında iyi projelerin boy gösterebildiğini ve Tübitak'ın proje yönetim sürecinde ki fikrin yavaş yavaş bu hedefte ilerlediğini,

5)Disiplinler arası fikirlerin genelde inovatif olduğunu, yeni ürün çıkarma kolaylığı, daha fazla meslek sahibinine iş imkanı

6)Teydep ve muadili destek programlarına son 9 yıldır 12000 küsür proje başvurusunun yapıldığını ve bunlardan sadece 6000 küsürünün başarıya ulaştığını,

7)Harcanan devlet destekli arge yatırımlarının 3 katı kadar özel sektörde arge pazarının oluştuğu

8)Orjinal iş fikirlerinin ortaya çıkabilmesi için sosyalleşmenin gerekliliği(Ayrıca insan olmanın gereğidir :) )

9)Bu tip destek programlarının özellikle 2. ve 3. sınıf üniversite öğrencilerine duyurulması gerektiği ve bolca seminerlere katılmak lazım geldiği

10)Geliştiren ve atlama yaptıran olmak üzere fikirlerin 2'ye ayrıldığı

11)Geliştirme tarzı fikirlerin büyük firmalarda yaygın olduğu, orjinal fikir atlaması yapan işlerinde kobilerde daha yaygın görülmesi

şeklindeydi.

Vel Hasılı kelam üniversite zamanında fikir düşünmeli ve arkadaşlarımızla beyin fırtınası yaparken uçmamalı :)

Hacettepe Üniversitesi Bilgisayar Programlama Yarışması

2009-12-28T10:33:00.001-08:00

Üniversitemiz bünyesinde faaliyet gösteren Hacettepe Üniversitesi Bilgisayar Topluluğu olarak güzel bir çalışmaya daha adım atmak üzereyiz bu günlerde.

Hep düşünülen fakat, laboratuar derslerinden bir türlü fırsat bulamadığımız yarışma artık hayata geçmek üzere. Öncelikle bölüm içi düzenleyeceğimiz yarışma, 2. dönem olarak belirlediğimiz tarihten sonra, Ülkemiz üniversiteleri arasında da yürürlüğe girecektir.

Bilgisayar bilimlerinin ülkemizce daha iyi anlaşılması ve bunun üzerine kafa yorulması gerekliliğine inanıyoruz. Bundan dolayıdır ki; Bu dünyaya daha nasıl yakın olabiliriz sorusunun, üniversite öğrenciliği çapındaki güzel cevaplardan biri budur diye düşündük.

Afiştende anlaşılacağı gibi sadece C veya herhangi biri programlama dili veren dersleri aldıysa, kategori A, fazladan veri yapıları ve algoritmalar dersi alanlar ise kategori B grubunda değerlendirilecektir. Böylelikle diğer mühendislik bölümlerine de hitap etmeyi düşündük.

Sorular ve ayrıntılı bilgiler: hubit.org

Üretken ve sağlıcaklı günlere...

Uzun Bir Ara

2009-11-06T06:38:00.000-08:00

Günlüğümün tozlu elektronları:
Merhaba tekrardan...

----> Gerçekten de bilgisayarı öğrenmek imkansız arkadaşlar (:

----> Bu da bizim bölümün lab ödevlerine atfen :). Arkadaşlar ne demek istediğimi anladılar :D

Uzun zamandır uğrayamadım buraya. Ödevler dersler derken yazılarım yavaşladı biraz. Ama en yakın zamanda bomba gibi geliyorum...

Yeniliklere hazır olun...

Mitsubishi - Computer Vision for Computer Graphics - 2

2009-10-07T02:40:00.001-07:00

Önceki yazımızda görüntü işlemenin insan-bilgisayar etkileşiminde nerede olabileceği özümsemiştik. Bu yazımızda ise bu amaçlar yolunda karşılşılan, çeşitli sorunlara ufkumuzu genişletici teknik yaklaşımları göreceğiz.

---- Yakın Nesne Takibi (Large Object Tracking) ----

Çoğu bilgisayar insan etkileşim arabirimleri, nesneleri takip ederek bilgi çıkarımı yapmaya çalışır. Takip edilen nesne, problem türlerine göre değişebilir. Kullanıcı arabirimleri için yaygınca kullanılan tip ise yakın nesne takip yöntemidir.

Yakın nesne takibinde en çok kullanılan nesne el olmaktadır. Elin göstermiş olduğu yön tayini için, izlenmekte olan el nesnesinin doğrultusu, yönü, kameraya göre açısı ve üzerine düşen ışığın büyük önemi vardır. Bu tip uygulamalarda "el" nesnesine odaklanmayı kolaylaştırmak için yapılması gereken birtakım filtreleme önişlemleri, kameralara takılan retinalar sayesinde yapılabilmekte ve büyük performans sağlamaktadır.

---- Yapay Retinanın Şematik Gösterimi----

Resim Momentleri (Image Moments) :

"El" nesnesinin yukarıda verilen özelliklerinin tayini için yaygınca kullanılan yöntem "Resim Momentleri" ni çıkarma yöntemidir. Kabaca bahsetmek gerekirse bütünsel (tek düze) arkaplan üzerinde duran el şeklinin ağırılık merkezine göre el nesnesi dikdörtgen içine alınır. Bu dikdörtgen nesnenin büyüklüğünü de ihtiva eder. Böylelikle detay küçültülmüş olur. Görüntü işlemenin en nihai amacı bu olduğunda artık geri kalan işlem bu verileri değerlendirmeye kalır.

Örnek: Uçuş yöneticisi

Yukarıda verilen resimde (a) ve (b) resimleri kameradan alınmış karelerdir (frame). (c) de ise bu iki resim yarı saydan şekilde üst üste konulduğunda ortak çakışma merkezleri takip edilecek olan nesnenin merkezi olarak seçilir. (d) resminde ise nesnenin kenarlarına teğet çekme yardımıyla (bkz: spatial derv.) yön tayini yapılmış olur.

Nesne takip uygulamaları 2 ana çözüm temeline dayanır aslında;

a) Eğer tanımlanacak nesne daha çok hareket eden nesne ise arkaplan durgun olmalı,
b) Şekil tanımlama türünden takiplerde ise arkaplan düz renkli ve detaysız olmalıdır.

---- Sihirli Halı ----

Tahmin edebileceğiniz gibi, oyuncunun vücut hareketlerinin momentleri çıkarılarak, halının işlevlerinin kontrolü sağlanir. Şekilde de görüldüğü gibi eğer oyuncu sola eğilirse halı sola, sağa eğilirse sağ tarafa yönelmekte.

Yönelim Histogramlarına değinmek üzere gelecek yazıda görüşmek üzere.

Esenlik ve Sağlıcakla.

Mitsubishi - Computer Vision for Computer Graphics - 1

2009-09-27T05:58:00.001-07:00

İnternette bilgisayarlı görü ile ilgili dolaşırken Mitsubishi'nin 1999 yılında !!! yazılmış bir makalesine denk geldim. Teknik detaydan çok yaklaşımları konu alan makalenin bir özetini paylaşmak istedim.

Bu makalede daha çok, bilgisayarlı görünün insan-bilgisayar arasında bir iletişim arabirimi olarak hangi aşamalarda olabileceği irdelenmiş. Şöyle ki:

Bilgisayara bağlı bir kamera ile görü, insan ve bilgisayar etkileşimini geliştirecek potansiyeli yüksek bir tekniktir.Çeşitli algoritmalarla nesnelerin takibi yapılabilir, nesneler tanımlanabilir ve bu imkanlar üzerine birçok ilginç uygulama bina edilebilr. Örneğin ben en yakında duyduğum uygulama, masa üzerinde org tuşları çizilmiş bir kağıda parmak hareketleri ile dokunarak bilgisayardan org çalmaktı. (bkz: http://www.hamdikavak.com/projeler/ -- Hamdi Kavak' ı tebrik ediyoruz güzel bir olay. Ellerine sağlık ).

Ayrıca bu potansiyeli farklı nesneleri kontrol etmek için de kullanabiliriz. Örneğin televizyon kumandası, el hareketleri ile ilerleyen mini robotlar, fare kullanmak zorunda kalmayan grafikerler, hastalar ve askeri uygulamalar vs...

Yukarıda bahsi geçen uygulamalar genelde gerçek zamanlı sistemler olduğundan dolayı programların hem güvenilir hem de hızlı tepki verir olmaları gerekir. Binlerce insan, akedemik ve özel sektör olarak bu tür uygulamalar için algoritmalar geliştirmektedirler. Bazı durumda ön işlemci olarak donanım bu tür uygulamalar için arada görev kapabiliyor. Çeşitli yapay retinalar resmin hazırlanmasında ve işlenmesinde görev üstlenebiliyor. Performans kıstası çok önemli olduğundan donanım ve yazılım aralarında paslaşmalar yapıyor.

Bu tür bilgisayarlı görü uygulamalarının önündeki klasik ve büyük engelden birisi ise, yapılmak istenen görevin 30-40 tl arasındaki oyun aletleri ile yapılabiliyor olmasıdır. Bu durumda uygulamaların maliyeti azaltılmalı ve kullanımı cazip olmalıdır. Fakat ucuz web-camlarla dahi çalışabileceğinden bu pek sorun gibi durmuyor.

Bir diğer sorun ise daha teknik bir durum. Üretilen uygulama, her farklı insanda, belirli komutlar için aynı sonucu üretmesini gerekir. Farklı arkaplan ortamlarında, farklı el tiplerinde vs... birçok değişken mevcut. Bu durumda görüntü işleme kısmında basitleştirme ön plana çıkıyor. Bu kısımda ise bir takım kolaylıklar mevcut. Bu tür programlar genelde iyice tanımlanmış bir problem üzerine inşa edilir. Örneğin bir trafik takip sistemi varsa araçları gökyüzünde veya asfalt olmayan dağlık bölgelerde aramaması gerektiği söylenebilir. Bu durumda problem alanı kısıtlanmış olur.

Diğer bir kolaylık ise insanın bilgisayarın anlayacağı dili rahatça kavrayabilmesidir. Eğer bir denemede sonuç alamadıysa ona yakın farklı şekillerde deneyip doğru sonucu elde etme yollarını öğrenecektir.

Diğer seride görüşmek üzere...

İyi çalışmalar...

Pardus vs Vista Java Çok Kanallı Programlama Performans Duruşması

2009-08-27T06:29:00.000-07:00

MultiThread Programming (ÇokluKanal programlama) terimine kısaca bakmak gerekirse, bir programdaki akış kontrol mekanizmasıdır. Örneğin; klasik batch modunda programlardan farklı olarak kullanıcı herhangibir anda girdi girerken program arka planda başka veriler toplayabiliyor olmasıdır.

Gelelim önemine: Çok çekirdekli işlemcilerin piyasaya çıkmasıyla beraber çok kanallı programlar önem kazandı. Performansın önemli olduğu çeşitli algoritmik uygulamalar için ise vazgeçilmez bir kaynak oluyor.

Java her ne kadar platformdan bağımsız olma özelliği gösterse de bu sadece byteCode konusundadır. Java sanal makinesini sonuçta işletim sisteminde çalışır. Bu açıdan işletim sistemlerinin çoğul çekirdekli sistemlerde programları yönetme farklılıkları gösterir. Örneğin C dilinde, dil seviyesinde çok kanallı programlama desteği yoktur. Ancak işletim sistemi öncül tiplerini kullanarak bu yetiye ulaşır.

Bu zamana kadar çeşitli Linux dağıtımları, Java'nın crossPlatform olmasını da kullanarak performans karşılaştırmaları yapmışlar. Örneğin Ubuntu vs Vista. Sunuyu burdan indirebilirsiniz: "JAVA Multi-thread Programming on CMP System" .

Biz de test için bir java sınıfı oluşturduk. Programa göre 1, 3, 5, 7, 10 saniye olmak üzere 5 farklı zaman diliminde, biri yüksek öncelikli(7) diğeri düşük öncelikli (3), 2 kanalın çalışması sırasında while döngüsünün 5 defa tekrarlanarak "counter" sayacını kaç defa arttırdığı ölçüldü.

Bu tip ölçümlerde her ne kadar sistem durumu, uygulamaların etkinliği vs vs birçok etmen olmasına rağmen kabaca bir ölçüm elde ettik.

**00****00****00****00****00****00****00****00****00****00****00**

Her zaman dilimi (1, 3, 5, 7, 10 saniye) için 5 ölçüm yapıldı. Bu beş ölçümün ortalaması ise o saniye dilimi için kullanıldı.

Yüksek Öncelikli Kanal ile Pardus ve Vista'da yapılan ölçümler sonucu:

Düşük Öncelikli Kanal ile Pardus ve Vista'da yapılan ölçümler sonucu:

Grafikleri yorumlamak gerekirse:

Yüksek öncelikli kanalda, programların çalışma sürelerine bağlı olarak artış hızı Pardus'ta daha fazla olduğunu görüyoruz. Bunun yanında Pardus daha düzensiz olarak hızlı arttığını görüyoruz. Pardus burada birim zamanda daha çok döngü sağlayıp eşit süreli çalışma zamanları için daha çok counter hit üretmiştir.

Vista ise düzenli bir hız artışına sahip ama birim zamanda performansı Pardus'a göre %14.06 daha düşük çıkıyor.

Pardus dolu dizgin koşarken Vista düzgün ilerlemeyi seçiyor :)
Düşük öncelikli kanalın her iki işletim sisteminde çalışmasını incelemek gerekirse, Pardus'un, her bir zaman diliminde üretilen ortalama sayaç sayısının zamana göre artış hızı Vista'dan daha fazla. Düşük öncelikli kanalda Pardus düzenli bir artışı seçerken Vista da yine düzenli olarak artıyor. Örneğin 5 sn'li çalışma süresince aralarında ki standart sapma ise %19.02 gibi azımsanmayacak bir rakam.

Düşük öncelikli kanalla yüksek öncelikli kanalın 2 işletim sisteminde hız karşılaştırmasını yaptık. Burada ilginç bir diğer nokta ise Pardus'ta yüksek öncelikli kanal bazen düşük öncelikli kanala yetişemiyor. :). Ölçüm sonuçları en sonda verilmiştir. İncelerseniz bu garipliği görebilirsiniz :).

Bu grafikte ise 5 zaman dilimi için(1, 3, 5, 7, 10 saniye) (High level, Low level) çifti çizildi. Bu grafiği Microsoft Math 2007'den çizdim bu arada. Gariptir ki Microsoft bu projeyi açık olarak yürütüyor, yoksa işimiz ne :). Çok kullanışlı bir program tavsiye ederim.

Kaynak Dosyalar ve Bilgisayar bileşen özellikleri için: Burdan

Ayrıntılı ölçüm sonuçları ve Grafikler için: Burdan

Eksik ve eklemek istedikleriniz varsa yorumlarınızı beklerim...

Ömer Düyüncü - Kara Kalem Sanatı

2009-08-02T09:03:00.000-07:00

Kardeşim Ömer Düyüncü'nün (Muğla Üniversitesi Bodrum Güzel Sanatlar Fakültesi 2.Sınıf) kara kalem çalışmaları ( : :)

OpenCV 'nin Pardus 2009 'a Kurulumu

2009-08-02T06:09:00.000-07:00

Tüm dünya açık kaynak yazılımlara yönelirken, bilgi birikimleri bir kartopu misali yığınlarla büyümekteyken bizde openCV denen meçhul kütüphanenin ucundan tutalım dedik. Açık kaynak dünyasına ilk adımızı atmış olduk. Öncelikle kütüphaneleri kullandık ve küçük çaplı programlar yazdık.Pardus 2009'da hazır duyurulmuşken artık openCV projelerimizi pardus'ta yapalım değil mi? :).
İlk defa pardus kullanan, geliştirici adayı arkadaşlarımız için de linux'da program yazma deneyimi olacaktır.

O zaman başlayalım:

openCV Pardus 2009 ile zaten kurulu olarak geliyor. Bu da demek oluyor ki ->bilim yapılabilecek en güzel işletim sistemi pardustur. (: Opencv'nin tüm kütüphaneleri "/usr/lib" dizininde, başlık dosyaları ise "/usr/include/opencv" dizininde bulunmaktadır. Ama biz işimizi daha iyi özümsemek için openCV'yi sourceforge'dan indirip derleyeceğiz.

Eğer yeni bir pardus kullanıcısı iseniz büyük ihtimal daha önce program derlememişsinizdir. Çoğu girişimler ilk başta hüsranla biter ve kullanıcı bıkar. Çünkü derleme yapılabilmesi için bazı kütüphanelerin ve araçların yüklü olması gerekmektedir. Yeni kullancıları da düşünerek ayrıntılı bir şekilde anlatacağız. Öncelikle bu araçları yükleyelim:

1) Pardus Başlatma Simgesine tıklatın ve "konsole" şeklinde aratıp konsolu açın.

2) aşağıdaki adımların herbirini bir satırda uygulayın: (Bilgisayar internete bağlı olmalıdır, PİSİ var sonuçta...)

--su

şifrenizi girin

--pisi it gcc

--pisi it libstdc++

--pisi it automake

--pisi it cmake

--pisi it swig

--pisi it make

--pisi it pkgconfig

--pisi it glibc

--pisi it -c system.devel // Son darbe :)

3) Derleme dosyalarını da indirdikten sonra artık internetten bulduğunuz çoğu programları derleyebilirsiniz. Şimdi ise pardus la beraber gelmeyen daha sonra yüklenen Eclipse Geliştirme ortamını kuralım:

--pisi it eclipse-binary // Geliştirme ortamı

--pisi it eclipse-cdt-binary // C/C++ eklentisi

4)Artık openCV'yi netten indirip derleyelim:

indirme: ****http://freefr.dl.sourceforge.net/project/opencvlibrary/opencv-linux/1.0/opencv-1.0.0.tar.gz****

İndirdiğiniz arşiv dosyasını açın ve açılmış klasörün içindeyken F4 tuşuna basın. Açılan Konsola aşağıdaki adımları uygulayın. Bu kısım biraz uzun sürebilir. Pardus kullanmanın zevkini hissedeceksiniz :) :

--su

şifrenizi girin

--./configure

--make

--make install

Kurulum bittikten sonra gerekli olan dosyalar sisteme kurulmuş oluyor. Şimdi Eclipse ortamında oluşturacağımız projede başlık(header) ve kütüphane(library) dosyalarının yollarını(pathlerini) vereceğiz. Öncelikle Aşağıdaki yollarla eclipsede projenizi açın:

File - New - Project tıkladıktan sonra C/C++ genişletip "C Project" i seçin.

Proje ismi verdikten sonra "Executable" sekmesinden "Hello World ANSI C Project" hazır projesini "Finish"e basıyoruz. Artık projemizi oluşturduk.Şimdi yolları ekleyelim:

Proje Gezgini(Project Explorer) bölmesinde bulunan projeye sağ tıklayıp "Properties"e basıyoruz.

C/C++ sekmesini açtıktan sonra "Setting" e tıklayın.Sağ tarafında açılan bölmede "GCC C Compiler" menüsü altında "Directories" a tılayın.

Açılan sağ bölmeye "/usr/local/include/opencv" dizinin ekleyin.

Daha sonra "GCC C Linker" menüsünün altında bulunan"Libraries" e tıklayın. Sağ alt tarafta bulunan bölmeye kütüphane dizinini yani "/usr/local/lib" dizinin ekleyin.

Sağ üst taraftaki bölmeye ise kullanacağımız kütüphaneleri yazacağız.Aşağıdakileri herbiri bir satır olmak üzere yazın:

cv
highgui
ml
cxcore
cvaux ekleyin.

Yol gösterme işlemimiz de bitti. Artık kod yazmaya başlayabiliriz. Şunu belirtmeliyim ki Eclipse ortamında kod yazmak Visual Stdio'da yazmaktan çok daha zevklidir. Eclipse'nin kilometre taşı olan satır satır sözdizim incelemesi sayesinde basit hatalar yapmıyorsunuz. Ayrıca #include yazarken bile CTRL+Space kombinasyonunu kullanabilrsiniz. En çok bunu seviyorum :).

Kod içinde kullandığımız her bir sabitin, fonksiyonun ve yapı türünün kaynağını ise CTRL + Fare tıklaması ile bulabiliyoruz. Çok faydalı oluyor.

Bu arada söylememe izin verin artık: Eğer bilgisayarınızda hala Pardus yoksa kurun dememe gerek var mıdır bilemem :). Pardus üzerine söylentiler zaten uzun uzadıya www.ozgurlukicin.com da var .

Ben mühendis adamım, hazır mal kullanmam, kendim üretir, kullandığımın da iciğini cücüğünü bilirim diyorsanız siz de Pardus'a geçin :)

Özgürlük İçin Gezegenine İniş - İlk Yazı

2009-08-02T05:48:00.000-07:00

Merhaba arkadaşlar. Güzel bir blog kardeşliğine bende katıldım. Genelde Pardus'u openCV, java ve ileride phtyon için yazılar yazmayı düşünüyorum. Esenlikle...

Pardus Uygulamaları - Bilbo Blogger ( Blog içerik kontrol sistemi )

2009-07-22T14:09:00.001-07:00

Pardus paketlerinde bulunan çok güzel bir programla tanışacağız şimdi. Adı Bilbo Blog. Bazılarımız heyecanlanmış gibi duruyor sanki. Evet haklısınız çünük bu gerçekten de Bilbo'nun günceliğinden esinlenilmiştir.

Proje Sitesi: Bilbo Blogger

Birçok blog türünü kapsayan bir düzenleme yazılımıdır. Tüm blog içeriğinizi görebilir, üzerinde değişiklikler yapabilir, taslaklarınızı bilgisayarda saklayabilir ve hepsini yedekleyebilirsiniz.

Kısaca (bana göre sıkıcı gelen) blogspot'un düzenleme yeteneklerinin hepsine sahipsiniz. Sağ tarafta blog içeriklerini gösteren panelde "Post Categories", "Post Options" ve "Local Entities" şeklinde ek yetenekler de mevcut. Örneğin "Post Categories" kısmından yazılar etiketlenebiliyor. Diğer güzel bir özellik ise yorumlarında kontrol ediliebiliyor olmasıdır.

Oluşturulan içeriğin HTML görünümü de görülebiliyor. Ayrıca yazının siteye gönderilmiş halini de görebiliyoruz. Bitirilen yazılar direk olarak gönderilbiliyor. Birden fazla blog tutma desteği de mevcut.

Ekran görüntüleri için tıklayın.

Paketi indirmek için terminale öncelikle Yönetici Hakları ile girin. Daha sonra "pisi it bilbo" yazın. İşlem bitince Bilbo'muz hazır.

Bol yazmalar :)

Pardus 2009 Yetişir Artık

2009-07-19T05:04:00.000-07:00

İşte beklenen kadim zaman geldi ve Pardus 2009 çıktı. Yapılan iyileştirmeleri akıl alır gibi değil. 2 kata kadar arttırıllmış daha hızlı kurulma yeteneği, yenilenmiş KDE 4 arayüzü ile artık bizimle.

Pardus geliştirici ve KDE'ci abimiz Gökmen Göksel' in Bilmök '09 ' da söylediği kadar varmış :) O zaman fazla söze hacet yok.

Yetenkelerini uzun uzun okumak isterseniz buyrun :

Pardus 2009 Yetenekleri

Kurulan CD:

ODTU FTP Linki: Pardus 2009
Tübitak Pardus : Pardus 2009

Eğer indirdiğiniz yansı dosyasını yazdırmakta sorun çekerseniz, neroyla falna uğraşmayın kolayı var! Takip edin:

CD Yazdırma

Sisteminize Pardus 2009 u kurmadan denemek isterseniz CD'den çalışan işletim sistemi :) :
Çalışan cd yakında yayınlanacak:

Tübitak ı takip edin.

*************************************

Pointer ( İşaretçilerde ) Aritmetik İşlemler

2009-07-07T01:14:00.000-07:00

İşaretçiler sadece tekil değerleri göstermezler, aynı zamanda dizilerin de başlangıç adresini tutarak diziymiş gibi davranır. Aslında dizilerin çalışma mantığı aşağıdaki gibidir:

Aşağıdaki örnekleri inceleyelim:

int *ip; // ip adında tam sayı değerleri tutacak bir işaretçi değişkenş oluşturuldu.
int a[10]; // 10 tane tam sayı tutacak, bellekten ard arda 10 tane hücre alındı.
ip = &a[3]; // Bu hücre dizisinin sol baştan 4. elemanının adresi adres tutan "ip" değişkenine atanır.

Bu durumun bellekteki durumunu inceleyecek olursak aşağıdaki gibi bir hal alır:








Artık işaretçimiz bir dizinin ilk adresinin gösterdiğine göre, bu adresten bir sonraki adrese ulaşmak için 1 ekleyebiliriz.

      ip + 1
Peki işaretçiyi bir arttrmak ne demektir?. Tabiki de işaretçinin gösterdiği bellek hücresinin bir ilerlemesi olarak düşünebilirz.
O zaman   "  *( ip +1) = 5  " ifadesi ile "  a[4] = 5  " ifadesi aynı şey olur.

Örneğin "ip" işaretçi değişkenin tutmuş olduğu adresi 1 arttırırsak ve bu adres değerini başka bir işaretçiye atarsak bellek durumu aşağıdaki gibi olur:

*ip2 = 4;
*( ip +1 ) = 4; İfadeleri aynı işlemi gerçekleştirir.
a[4] = 4;

Burada öenmli diğer bir husus ise * operatörünün anlaşılmasıdır. Yani:
1- " *(p+1) = 4; " ile

2- " *p +1 = 4;"

ifadeleri tamamen farklıdır.Birinci satırda "p+1" işaretçisinin göstermiş olduğu adrese 4 değerini ata demektir. 2. ifadede ise "ip" işaretçisinin göstermiş olduğu sayı değerini bir arttır daha sonra oluşan sayı değerine 5 ata demektir ki bu derleme hatasıdır. Çünkü değerler anca değişkenlere atanabilir. Bu işlemler dikkat etmemiz gerekir. Peki hazır birşekilde dizi operatörü varke bu bizim ne işimize yarar.? Aşağıdaki örneği inceleyiniz:

char katar[] = "Turkiye";

char* katarp = katar;

while(*katarp != NULL){
printf("%c", *katarp++);
}
getch();

Burada Türkiye katarı sırasıyla ekrana yazılır.
Bu yolla dizilerde yükseltgeme ve indirgeme operatörleri kullanılabilir.

Bu şekilde en azından dizilerde kullanmamız gereken indisler için boşuna bellek alanı kullanmamış oluruz. :) İleride CvMat, CvArr ve IplImage gibi yapılarda resim bilgisi üzerinde dolaşmak için bu yapılarıda bazen kullanacağız. Esenlikle ...

OpenCV Örnekleri - 6

2009-07-03T10:27:00.000-07:00

Bilgisayarlı Görme aslında 3 ana kısımdan meydana geliyor.
1) Görüntü İşleme
2) Yapay Zeka
3) Bilgi Çıkarımı olarak oluşturulabilir.

Resimler üzerinde yapılan değişiklikler, resmi algılamayı kolaylaştırır. Bundan dolayı farklı görüntü işleme fonksiyonları mevcuttur. Bunlardan En ünlüsü ThresHold denilebilr. Bizde bu fonksiyonların mantığının kavranabilmesi için basit bir örnek yazdık. Aşağıdaki örneği derleyin ve inceleyin.

---> Örnek Kod

Buradaki Program algoritma ve servis fonsksiyonlarından oluşmakta. Algoritma fonksiyonları çeşitli matematiksel fonksiyonlarla yazıldı. Çok ilginçtir ki hayatımızda hep sayıların karekökünü alırdık; şimdi ise resmin karekökünü alıyor olacağız. Aslında yine sayılarla çalışıyoruz ama resmin kökünü alıyoruz işte : ).

->IplImage* basicThreshold(IplImage *paramImg)

Bu fonksiyonun ana mantığı herhangi bir değer aralığındaki tüm piksellere belirli renkerin atanmasıdır. Örneğin 8 bitlik bir resimde her kanal için renk değerleri 0 ile 255 (2^8) arasında olacaktır.

Burada yapılan olay 85 değerinden küçük pikseller için 85 eşik değeri, 85 ve 170 arasındakiler için 170 değeri, 170 den büyükler için ise 25 eşik değerinin atanması şekilde gerçekleştirilmiştir.
Zaten asıl Threshold fonksiyonun mantığı da bu şekilde işlemektedir. ThresHold ile ilgili daha ayrıntılı bilgi için : Threshold adresibe bakabilirsiniz.

Programımızda yazdığımız diğer fonksiyon ise:
->IplImage* reverse(IplImage* paramImg) ;

Bilindiği üzere '0' siyahı yani en mat rengi, '255' ise en parlak rengi ihtiva eder. Eğer 255 sayısından 255 ile 0 arasında bir sayı çıkarılırsa ters rengini bulmuş olur. Windows Paint programının bu işlevi çok harikulade bir şey değil yani :).

Diğer bir fonskiyon ise bahsetmiş olduğumuz karekök olayıdır.
-> IplImage* darken(IplImage* paramImg)
Eğer bir piksel değerinden kendinin karekökünü çıkarırsak resim kararır. Burada sonuc sayıların değerlerinin 255 i aşması imkansız olduğundan mod(255) kullanmamıza gerek kalmaz. Bu fonksiyonun etkisi aşağıda Microsoft Math 2007 ile çizdik.İncelemenizi tavsiye ederiz:

Mavi grafik:
f(x) = x-sqrt(x)
fonskiyonu diğer fonskiyon ise normal değerli fonskiyon. Piksel değerleri de bu şekilde bir değişime uğrar.

Diğer bir fonksiyon ise :
->IplImage* lighten(IplImage* paramImg);
Burada er piksel değerine, o pikselin karekökünün 15 katını atadık. Dolayısile sayılaar kendilerine özgü bir şekilde 255 sayısına yani en parlak renge yaklaştı. Bu durumda resim açılmış oldu. Yine aşağıda grafiksel incelemesi mevcut:

Yan tarafta 4 tane grafik çizilidir. Mavi renkli olan bizim fonksiyonumuzdur. yani f(x) = 15 * sqrt(x) olan. Burada 10 , 5 katsayılarını da çizdik. Grafikten de anlaşılacağı gibi katsayı azaldıkça parlak renklere yakınsama hızı da azalıyor. Örneğin kırmızı renkli grafikle siyah renkli grafik 25 değerine yakın bir notada kesişiyor. Sağ tarafta kalan renk değerleri parlaklaşır sol taraftakiler ise daha koyulaşır mesela. Sizde istediğiniz gibi katsayılarla oynayarak farklı sonuçlar elde edebilirsiniz.

**********************************************************

Unutmadan naçizane söyleyeyim ki; görüldüğü üzere matemetik tüm mühendislik disiplinlerinde mihenk taşıdır. Olmazsa olmaz. Ondan dolayı matematik ve ileri matematik derslerimizi daha iyileştirmemiz gerekecek. örneğin opencv' nin ileride bir çok algoritmik fonksiyonlarını inceleyeceğiz, mesela kullandığımız cvCanny() yordamında DCT(Kesikli Sinüs Dönüşümü) uygulanmakta. Bilgisayar Bilimleri ile uğraşacak arkadaşlara çağrı: MATEMATİK :)

OpenCV Örnekleri - 5

2009-07-03T10:02:00.000-07:00

Bu yazımızda ise kameradan nasıl görüntü alacağımızı inceleyeceğiz. Öncelikle openCV için kamera tiplerini inceleyelim. Örnek kodu inceleyin ve derleyin.

---> Örnek Kod

aşağıdaki tablo highgui.h başlık dsyası altında bulunmaktadır:

#define CV_CAP_ANY 0 // automatic identification

#define CV_CAP_MIL 100 // MIL proprietary drivers

#define CV_CAP_VFW 200 // platform native
#define CV_CAP_V4L 200
#define CV_CAP_V4L2 200

#define CV_CAP_FIREWARE 300 // IEEE 1394 drivers
#define CV_CAP_IEEE1394 300
#define CV_CAP_DC1394 300
#define CV_CAP_CMU1394 300

#define CV_CAP_STEREO 400 // TYZX proprietary drivers
#define CV_CAP_TYZX 400
#define CV_TYZX_LEFT 400
#define CV_TYZX_RIGHT 401
#define CV_TYZX_COLOR 402
#define CV_TYZX_Z 403

#define CV_CAP_QT 500 // QuickTime

-- cvCreateCameraCapture --

-->CvCapture* cvCreateCameraCapture( int index == 0 );

Bu fonskiyon verilen index değerine göre "CvCapture" tipinde işaretçiyi döndürür. Böylelikle kamerayı programımıza bir nevi yüklemiş oluruz.
// cap = cvCreateCameraCapture(CV_CAP_ANY); // satırında "CV_CAP_ANY" yazarak kamera tipinin otomarik tanımlanmasını sağladık.
Tekrarlamakta fayda var. İyi bir alışkanlık olarak fonksiyonun döndürmüş olduğu değişkenin NULL olup olmadığını kontrol etmemiz gerekiyor.

Kamerayı bilgisayarımıza gösterdik şimdi sırada resim karelerini almakta. Bu görev için opencv kütüphanelerinde 3 tane fonskiyon sağlanmıştır. Bunlar;

1) --> int cvGrabFrame( CvCapture* capture );
Kameradan veya dosyadan resim sorgular. Bu fonksiyonun en önemli özelliği ise alınan resimlerin dahili olarak saklar. Bu fonskiyonun asıl amacı birden fazla kameradan hızlı bir şekilde okumaktır.
buradan elde edilen resimler direk olarak kullanılamaz. Burada depolanan resim kamera sürücüsünde tanımlanan biçimde saklar. Bu fonksiyonun depoladığı resmi cvRetrieveFrame kullanılabilir.

2) --> IplImage* cvRetrieveFrame( CvCapture* capture );
cvGrabFrame ile elde edilmiş kareleri resim olarak döndürür. Bu fonksiyon direk olarak kullanılamaz. Döngülerde beraber kullanılmaları gerekir.

3) --> IplImage* cvQueryFrame( CvCapture* capture );
Kameradan ve verilen bir dosyadan resim karesi okur. Okunan resim çözümlenir ve IplImage türünde resim döndürür. Aslında bu fonksiyon cvGrabFrame ve cvretrieveFrame fonksiyonlarının tümleşmiş halidir. Böylelikle kullanım tek basamağa indirgenmiş olur.

--> int cvWaitKey(int delay = 0 )
Bu fonksiyon ise resimin her cvShowImage() fonskiyonundan sonra kullanılması gerekir. Tanım gereği basıldığı tuşun ascii kodunu döndürür. Programımızda kullanıcının basmış olduğu tuşu bu şekilde kontrol ettik.

Dipnot 1: Eğer laptop kamerası kullanarak görüntü almak istiyorsanız işler biraz karışabilir. Örneğin Asus bilgisayarlarda kamera tanımlanıyor fakat görüntü alınamıyor. En kestirme çözüm ise bir tane usb kamera bağlayıp denemek olacaktır. Kameranın sürücülerini internetten güncellemeniz çözüm olabilir.

Dipnot 2: cvCreateCameraCapture() fonksiyonuna "-1" indeksini vererek kullanmak istediğiniz kameraları gösteren bir pencereyardımıyla kamera seçme olanağımız da var.

Dipnot 3: Hala sorun varsa programın kullanmak istediği kamerayı başka bir program ile kullanılır durumda iken programda kullanmaya çalışın bu durumda işletim sistemi kamera seçmek için yeni bir pencere çıkaracaktır.

Bu sorunlarla çok uğraştığım için tecrübelerle sabittir. Esenlikle ...

Köyüm

2009-06-24T13:33:00.000-07:00

Kızılyaka Köyü Ula / Muğla. Köyüm. Baharında kırlarında sincaplarını koşturduğumuz, okul yollarında dinlene dinlene yürüdüğümüz, mahalleler arası futbol turnuvalarında kıyasıya çarpıştığımz, beton şehirlerdeki ruhsuzluktan uzak; deniziyle, sakar tepesiyle, dağlarıyla dünya harikası köyüm...

24 Haziran Çarşamba, artık köyümdeyim. 1 yıllık üniversite macerasında sonra denizi hakettim artık. Ama yine yazı dizilerimiz olcak. Bu yaz farklı çalışmalarımız var. Birşeyler yaptıkça paylaşacağız. İşte bu da sakar tepesinden(rakım 640) Gökova ovası ve köyümün uzak görüntüleri:

Sakar Tepesinden Gökova Ovası:

Romalılardan kalma Akyaka Marmaris Yolu:

Gökova Körfezi:

Gökova Çınar Kıyısı:

Gökova Azmak:

Gökova ovasınca uzanan Fethiye yolu:

Kadim Dağlar :) :

Kıvrım Kıvrım Sakar Tepesi:

Vatan Destanı

(Millî Marş güftesi için yazılmıştır)

O kadar dolu ki toprağın şanla,
Bir değil sanki bin vatan gibisin,
Yüce dağlarına çöken dumanla,
Göklerde yazılı destan gibisin.

Hep böyle bulutlar içinde başın,
Hilâli kucaklar her vatandaşın.
Geçse de asırlar, tazedir başın,
O kadar levendsin, fidan gibisin.

Çiçeksin, bayılır kuşlar kokundan,
Her dalın bir yay ki zümrüt okundan.
Müjdeler fısıldar heryandan:
Bu sese gönülden hayran gibisin.

Ey bütün cihana bedel Türk ili,
Açtığın cenklerin yoktur evveli.
Tarih bir nehir ki coşkundur seli,
Sen ona nisbetle umman gibisin.

Bir yandan hep böyle taştın, köpürdün
Bir yandan cefalı bir ömür sürdün.
Fakat ne derece ezildinse dün,
Şimdi yine tunçtan kalkan gibisin.

Bir insan nihayet kemikle ettir,
Bu et, bu kemiğe can hürriyettir.
En büyük hürriyet cumhuriyettir,
Demek ki şimdi sen bin can gibisin.

Ey ana toprağı, Ey Anadolu,
Açıldı önünde türklüğün yolu.
Hamdolsun her yanın bereket dolu,
Cennette bir yeşil meydan gibisin.

Yeni bir ay ördün al bayrağına,
Girdin en sonunda irfan bağına,
Medenî hayatın nur ırmağına,
Ezelden susamış ceylan gibisin...

Halid Fahri OZANSOY

Dijital Resim Serisi -2 -Resim Temsili

2009-06-17T06:08:00.001-07:00

Resim türleri:

Vektörel Resimler: Resimleri dijital ortamda diğer bir temsil türü ise vektörel olarak temsildir. Bu resim türünde bir resmin tüm elemanları geometrik şekillerden ibarettir. Kare, dikdörtgen, çember daire, üçgen vb… Vektörel resimlerdeki geometrik şekiller alt tarafında gizli bulunan bir koordinat eksenine yerleştirilmiş gibidir. Vektörel resimlerin en ilginç tarafı ise büyütüldüklerinde kalitelerinden bir şey kaybetmez ve geometrik şekil bir daha bir daha yeniden çizilir. Bundan dolayı çoğu font ve simge kütüphaneleri vektörel resimlerden oluşur.

Aşağıda vektörel bir resim bulunmakta. Üzülen bir surat yerine gülen surat daha iyi gidecektir :)

Burada görülen resim daireler, çizgiler gibi geometrik şekillerden oluşmaktadır.

draw circle
center 0.5, 0.5
radius 0.4
fill-color yellow
stroke-color black
stroke-width 0.05

draw circle
center 0.35, 0.4
radius 0.05
fill-color black

draw circle
center 0.65, 0.4
radius 0.05
fill-color black

draw line
start 0.3, 0.6
end 0.7, 0.6
stroke-color black
stroke-width 0.1

Yukarıda verilmiş olan gülen yüzün matematiksel ifadesi yukarıdaki gibidir. Tüm şekiller tanımlanıyor ve çizimleri için gereken nitelikler veriliyor.

draw circle // Daire çizileek
center 0.5, 0.5 // Koordinat ekseninde merkezi
radius 0.4 // yarıçapı
fill-color yellow // dairenin rengi
stroke-color black // çizgi rengi
stroke-width 0.05 // çizgi kalınlığı

Yukarıda verilenler matematiksel formüllere dönüştürüldükten sonra noktalama (plotting) yöntemi ile ekrana yazılır. Peki bu resimler nasıl bilgisayarda temsil edilecek? Aslında tüm resimler temelinde bilgisayarda BitMap olarak saklanırlar. Bu resimlerin Bitmap türüne çevrimine ise “rasterization” denir.

Yukarıda görülen Bitmap temsilindeki bir resim hafızada sayılar dizisi olarak tutulur. Bu dizideki her bir eleman kanal sayısına göre “pikselleri” ifade eder. Her yatay çizgiye de “tarama çizgisi” denir. Yukarıdaki resimde 1.0 pikselleri en parlak rengi 0.0 olanlar ise en koyu renkleri temsil etmekte.

Raster dimensions: Bir Bitmap resminde yükseklik ve en nicelkikleridir. width x height olarak gösterilir.

Resulation(Çözünürlük): Çözünürlük aslında bir örneklem yoğunluğudur. Bir resimdeki çözünürlük oranı, resimde bulunan piksel boyutları ve resmin fiziksel boyutlarına oranı ile ilgilidir.

Sampling(Örneklem): Resimdeki piksellerin insan gözüne hitap edecek olan renk, parlaklık değerleridir.

MegaPixels: Bir resimdeki toplam piksel sayısıdır. Resmin en ve boy büyüklüklerinin çarpımıdır. Örneğin 2048 x 1536 çözünürlüklü 4:3 ekran oranına sahip bir ekran 3,145,728 tane piksel içerir. İşte burada 3 megapiksel bulunmaktadır. (100000 piksel = 1 MP)

Ölçeklendirme:
Elimizdeki bir resmi farlı bir ölçeğe ölçeklendirdiğimizde aslında örneklem algoritmaları resimdeki renk akışını bozmadan resmi ölçeklendirir. Böylelikle yeni bir örneklem ızgarası “sampling grid” oluşturulur.

Decimation(İndirgeme): Resmin boyutlarının düşürülmesidir. Belirlenmiş piksellerin karelerinin etraflarındaki piksellerin ortalama değeri, o seçilmiş kareye karşılık gelmesi üzerine kurguludur.

Interpolation(İç değerleme): Resim boyutlarının (Raster Dimensions) arttırılması işlemidir. Alt düzeyde yapılmak istenen pikseller arasında yeni pikseller yerleştirilmesidir. Farklı algoritmalar ile bu değerlendirmeler yapılır. Ve resim büyütülmüş(zoom) olur. Kameralarda bulunan Dijital Büyütme(Digital Zoom) da bu mantığı kullanır.

Sample Depth: Resimde bulunan piksellerin renk değerlerinin aralıkları ile ilgilidir.

Derinlik değeri arttıkça resim daha netleşir ve ayrıntılar daha belirginleşir. Bu örneklem tipleri bilgisayar hafızasında ikili(binary) biçimde saklandığından dolayı bitlerle ifade etmek gereklidir. Aşağıda verilecek olan tüm örneklem tipleri “Signed” ve “Unsigned” olarak ikiye ayrılır. Ama genelde işaretsiz (unsigned) kullanılır.

8 bit: Yaygın olarak kullanılan örneklem formatıdır. 8 tane 0 ve 1 lerden oluşan yapı bir piksele tekabül eder ve 2^8= 256 hesabına göre 256 değişik parlaklık düzeyine sahiptir.

12 bit: Gölge ve parlak nokta çok içeren resimlerde 8 bitlere göre daha çok tercih edilir. Özellikle SLR tipi kameralar her pikseli 12 bitte saklar. 2^12=4096

16 bit: Png ve Tiff resim formatları 16 bitlik örneklemi kullanırlar. Çoğu görüntü işleme programları resimleri görüntü kayıplarını azaltmak için 16 bitte işler.
Kayan Noktalı Örneklem: Film ve araştırma sektörlerinde daha çok kullanılır. 8 16 veya 32 bitte olduğu gibi tam sayılar değil de noktalı sayılarla ifade edilir. Araştırmalar için daha sağlıklı sonuçlar elde edilir. Bu örneklem tipi çoğunlukla HDR(High Dynamic Range) özelliği içerir. Örneğin 8 bit resimde bulunan kırmızıdan daha kırmızı renkler elde etmeye yarar.

RENKLER(Colors)

Dijital ortamdaki resimlerin çoğu RGB renk modeli kullanır. CRT ve LCD monitörler ve projektörler için renk oluşumdan çokça kullanılır. Her piksel Kırmızı(Red), Yeşil(Green), Mavi(Blue) olmak üzere 3 katmandan oluşur. Bundan dolayı da aynı bir RGB resim Gri tonlu haline göre 3 kat daha fazla yer kaplayacaktır.Aşağıda ise bir rgb resmin laptop ekranında nasıl gösterildiği verilmiştir. Resimin kağıda basılmış hali daha farklıdır.

Renklerin Okunması(Pallatted Image): Her piksel numarasına denk gelen renk, bir palette kırmızı, mavi, yeşil renk oranlarına göre indekslenir. Örneğin sol tarafta bulunan resim sol taraftaki renk paleti üzerinde boyanmıştır. Numaralara bir renk verilir, bilgisayarda resim dosyasında bulunan renklere göre resmi boyar.

********************************************************

Resim Sıkıştırma(Image Compression): Bitmap türündeki resimler (her pikseli 8,12,16,32 bitlik örneklemlerle temsil edilen) çok yer kaplamasından dolayı resim sıkıştırma algoritmaları geliştirilmiştir. Örneğin 2.1 megapiksel 1600x1200 boyutlarında 8 bit RGB resmin hafızada kapladığı boyut: 1600x1200x3 bayt= 5760000 bayt = 5.7 megabayt yaparki bu gerçekten çok fazladır. Bu resmin sıkışmamış halidir.

Compression Rate(Sıkıştırma Oranı): (Sıkıştırılmış Resim Boyutu)/(Sıkıştırılmamış Resim Boyutu) olarak ifade edilir.örneğin yukarıdaki resim JPEG formatı ile sıkıştırılsa 512kb değerine düşecek ve (0.5mb)/(5.5mb) = 1:11 oranı ile sıkıştırılmış olacaktır. Ama bunun bir bedeli olmalı değil mi?

Kayıpsız Resim Sıkıştırma: Resimleri sıkıştırmadaki ana fikir; resimdeki piksellerin tekrar ve tahmin yolları ile farklı olarak ifade edip daha az yer kaplamasını sağlamaktır. En temel kayıpsız resim sıkıştırma işlemlerinden biri ise “Baştan Sona Çizgileme” (Run-Length Encoding) metodudur.

Yukarıdaki resimde her yatay bant siyah ve beyaz piksellerden oluşan bir katar olarak düşünülür.

Nasıl Çalışır?: Başlangıç olarak seçmiş olduğu piksel değerini hafızaya alır ve yatay olarak resmi tarar. Farklı bir piksel değerine ulaşınca, hafızasındaki piksel değeri için saymış olduğu piksel sayısını tutar. Örneğin yukarıdaki ev resminde ilk piksel olan beyaz renk 1 satır boyunca hep beyaz 2. Satırda ise 4 piksellik alan beyazdır. Eğer resmin 0 ve 1 ler ile ifade edildiğini düşünürsek, 2 satırdaki 20 beyaz piksel 20 bit=2,8 baytlık yer tutacaktı. Ama “Baştan Başa Çizgileme Yöntemi” ile sadece pikselin beyaz olduğunu göstermek için “1” değeri, yanına da kaç pikselin art arda beyaz olduğunu göstermek amacıyla 8 bitlik işaretsiz tamsayı(Unsigned Integer) kullanılabilir. Böylelikle 20 bit yerine sadece 9 bit kullanmış oluruz. Farklı bir renge ulaştığında ise sayaç ve piksel özelliği sıfırlanır ve yeniden sayım başlar. Aşağıda ise renklerin tekrarlanma frekanslarını içeren bir sayı tablosu bulunmakta.

70,
5, 25,
5, 27,
4, 26,
4, 25,
6, 24,
6, 23,
3, 2, 3, 22,
3, 2, 3, 21,
3, 5, 2, 20,
3, 5, 2, 19,
3, 7, 2, 18,
3, 7, 2, 17,
14, 16,
14, 15,
3, 11, 2, 14,
3, 11, 2, 13,
3, 13, 2, 12,
3, 13, 2, 11,
3, 15, 2, 10,
3, 15, 2, 8,
6, 12, 6, 6,
6, 12, 6, 64

Kayıplı Resim Sıkıştırma Yöntemleri:
Bu tip sıkıştırma yöntemleri insan gözünün sınırlarından yararlanır. Resmin hiçbir zaman orijinal hali korunamaz. Buradaki ana fikir insan gözü parlaklıktaki değişime renkteki değişime göre daha duyarlıdır. Bu açık kapıyı kullanarak birçok algoritma gelişilmiştir. Bunlardan biri ise JPEG sıkıştırma tekniğidir. Bu yöntem Kesikli Kosinüs Dönüşümü’ nü(Discrete Cosinus Transform-DCT) kullanarak resimlerin sıkıştırır. Az öncede görüldüğü gibi 5.7 MB lık bir Bitmap dosyasını 512 kB gibi komik bir rakama kadar düşülebilir. Daha çok fotoğraf,logo ve taranmış yazı dokümanları gibi sürekli ton içeren resimlerde ve çok fazla kontur-dışhat içeren resimler daha yüksek başarım elde eder. Benim bildiğim kadarıyla JPEG açık kaynak kodlu. Sıkıştırma mantığını merak eden bakabilir.

JPEG Formatındaki Kayıplar:
Aşağıda 9 defa açılıp daha sonra üzerine tekrar JPEG formatında kaydedilen bir resim görülmekte:

Fark edeceğiniz gibi resim gittikçe aşınmaktadır. Bundan dolayı JPEG formatlı dosyalar uzun araştırmalar için kullanılmamalı ve sadece boyut önemli olduğu yerlerde son ve uç dağıtım olarak kullanılmalıdır. Öyle ki bazı durumlarda JPEG tipindeki resimler teknik sebeplerden dolayı delil olarak kabul edilmemekte.

Diğer Resim Formatları:

************************************************

Dijital Resim Serisi -1

2009-06-17T05:41:00.000-07:00

Bu yazı dizimizde resimlerin bilgisayarda nasıl temsil edildiğini, teorik bazı matematik bilgileri ve OpenCV de kullandığımız bazı fonksiyon ve metodların yapılarından bahsedeceğiz.

Resim ve Görüntü İşleme Temelleri ile ilgili birçok yabancı kaynak bulunabilir:

Digital Image Processing 3'rd

Wikipedia

IOWA Universitesi

OpenCV Örnekleri - 4

2009-06-17T05:37:00.000-07:00

OpenCV kütüphanesi ister görüntü işlemeyi kolaylaştırmak, ister farklı efekt uygulama amacıyla farklı
filtre yordamlarını içinde barındırır.Bizde bu metodları kullanarak küçük çaplı bir photoshop yazdık :).
Derleyin ve inceleyin. Sorularınızı beklerim...

------->>>>> Örnek 4

Yukarıdaki kodda tasarımın öenmli öğelerinden biri olan fonskiyoun tanımına dikkat edilmiştir. Tanıma göre bir fonskiyonun yapısı görevine özel olmadıdır. Bizim programda ise fonksiyonların asıl görevi verilen resimler
üzerinde oynamalar yapıp sonucunu döndürmesidir. Doğru tasarım budur. Bu şekilde her filtre fonskiyonu IPLImage türünden bir parametre almıştır. Böyle bir tasarım sonucu yazılan fonksiyonlar ise daha sonra kullanılabailmesi
açısından önem arz etmektedir. Global bir değişke tanımlayıp tüm değişikleri üzerinde yapmak kısa gibi görünse de tasarım olarak pek uygun değildir.

OpenCV Örnekleri - 3

2009-06-17T05:24:00.000-07:00

OpenCV ile programlar yazmaya bütün hızımızla devam ediyoruz. Bu sefer çok güzel bir algoritmanın neler yapabileceğini göreceğiz.
Aşağıdaki kodu indirin ve derleyin:

------>>>>Örnek 3

Satır Satır İnceleme:

--> cvCreateImage(cvGetSize(srcimg), IPL_DEPTH_8U, 3):
Bu fonksiyon yeni bir resim oluşturmak için kullanılır.Boyut , derinlik ve kanal bilgilerini yordama girdi olarak veririz.
Yukarıda ayrıca // cvGetSize(srcimg) // yordamı ise argüman olarak aldığı resmin "CvSize" yapısını döndürür. Bu işlem aşağıdaki gibi de yapılabilir:

cvCreateImage( cvSize(srcimg->width, scimg->height), IPL_DEPTH_8U, 3); olarak da yazılabilir. Buradaki cvSize fonksiyonu ise arguman olarak verilen en boy bilgilerini kullanarak
CvSize tipinde bir değer döndürür.

--> cvResize(dstimg, dstimg2, CV_INTER_LINEAR);
Harmanlama yapacapımız resimler aynı boyutta olması gerektiğinden dolayı
bu fonksiyonu kullandık.

Burada dikkat etmemiz gereken 2 önemli nokta bulunmakta:

Tanım gereği ilk parametre olarak hangi resim ölçeklenmek isteniyorsa o yazılır.
2. parametre olarak ise ilk parametrede bulunan resimin hangi boyutlara göre biçimleneceğini belirtir.Buraya yazılacak parametre
genelde cvCreateImage() fonksiyonu ile, hangi boyutlara dönüştürülecekse o boyutlarla oluşturulur.

Ve ilk parametredeki resimin biçimlenmiş hali ise 2. parametrenin üzerine yazılır. Bu durumda resmin ilk halini serbest bırakabiliriz.

Eğer burada yanlış resim parametrelerini geçirirseniz program büyük ihtimal ÇalışmaZamanı Hatası "RuntimeError" verecektir.

NOT: Harmanlama yapılabilmesi için kestirmeden ikisinin boyularını da eşitledik. Siz de boyut önemi olmadan yani orjinal halleri ile harmanlama yapın.

İPUCU: En büyük boyutlara sahip olan resmi belirle. Aynı bu boyutlarda boş bir IPLImage yapısı oluşturup küçük olan resmi tam bu yapının ortasına yerleştirin.Ama dikkat
yeni resimler varsayılan olarak siyah olarak gelir. Diziler konusunda eksiğiniz varsa bakmanızı tavsiye ederiz.

Şuanda yazmakta olduğumuz programlar sadece pratik amaçlı olduğundan pek de geniş çaplı programlar değil.
Bundan dolayı, çoğumuz aldığımız yerleri bırakmayı önemsemeyiz. Herşeyi "main" fonksiyona doldururuz. Ama program tasarımı , en az programın ne yaptığı kadar önemli olduğundan her zaman tasarımlarımıza dikkat etmeli ve kod okunurluğunu sürekli sağlamaya çalışmalıyız.

Performans ve bilgi birikimin önemli olduğu bilgisayar bilimlerinde işe yarayacak kod üretmek, bu bilimin ülkemizde daha hızlı gelişmesine vesile olacağını umarım.

Esenlikle...

OpenCV Örnekleri - 2

2009-06-17T04:59:00.000-07:00

Resmin Karekökünü Alalım
OpenCV yi ilk keşfettiğim zamanlar çok uğraştığım olaylardan birisi de farklı fonksiyonlarla filtreler oluşturabilmekti. Aşağıdaki olayı yaptığımda bilgisayar bilimlerine birkez daha hayran olmuştum. Neyse lafı fazla uzatmadan sizi bir şaşırtalım. Aşağıdaki kodu indirin ve derleyin:

------ >>>>Örnek 2

Programı çalışıtırdığınızda ne gördünüz? Çok ilginç değilmi? Resimin karekökünü alıp 15 tamsayısı ile çarptığınızda resimin parlaklığı artıyor. Satır satır kod incelemesişne geçmeden 15 katsayısını değiştirip farklı sonuçlar elde etmenizi isterim. 
IPLImage türünde tanımlanmış olan img işaretçisi bir resim taşımaktadır. Resmin tüm özelliklerine img->… şeklinde ulaşılabilir. Yukarıda en, boy, kanal sayısı, adım sayısı(step), ve resim matrisi “img” işaretçisi yardımıyla alınabilir.
uchar (unsingedchar) olarak tanımlanan resmin tek boyutlu sayı dizisi ise (uchar *data) olarak tanımlanmış bir işaretçiye data = img->imageData şeklinde alınabilir. Elde edilen tek boyutlu dizi üzerinde ise iç içe 3 for dögüsü ile dolaşılır.

data[ i*step + j*channels + k ] :

döngüdeki “height” indisi ile “step” değişkenini, “width” değişkeni ile “j“ döngü indisini çarparız ve sonuna ise kanal sayısını gösteren “k” döngü indisini ekleriz.
Şimdi niye bu kadar karmaşık der gibi duyuyorum sizi . Aslında yukarıda belirtilen resim dizisi 3 boyutlu bir matrisin tek boyutta ifadesidir. Width en, height boy ve channels yükseklik olmak üzere RGB formatta bir resim mantıksal olarak 3 boyutlu olarak modellenir.Aşağıdaki örneği inceleyin:

int en=10;
int boy = 20;
int i=2;
int j=5;

int katar[en][boy];

Yukarıda verilen katar dizisinin elemanlarına katar[i][j] olarak erişebiliriz mesela. Fakat bunun tek boyut gösterimi ise ( katar[ en * i + j ] ) şeklindedir. Buradaki örneğimiz iki boyutlu idi. Örneğin gri resimler bu modelleme ile kurgulanabilir.

Bu kısımda bir diğer yol ise işaretçi aritmetiği uygulamaktır. Aşağıdaki for dögüsü tüm katmanlardaki pikeslleri gezmek için kullanılabilir:

for(int i=0; i <>

OpenCV Örnekleri - 1

2009-06-17T04:50:00.000-07:00

Ekrana Resim Yazdırmak
Hemhal olduğumuz openCV ile programlarımızı yazmamızın zamanı geldi artık . Aşağıdaki program kullanıcıdan resim yerini alır ve o resmi ekrana basar. Kodu derleyin ve satırları teker teker irdeleyin.

#include "cv.h" // Temel yapılar ve İşleme Algoritmaları
#include "highgui.h" // Resim ve videolar için girdi çıktı arabirimleri

int main(){
char path[255]; // Resim yolu
char winName[] = "Görüntü";
IplImage *img;
puts("Gosterilecek olan resmin yolunu '/' dizin ayracı kullanarak giriniz: ");
scanf("%s", path);

img = cvLoadImage(path, CV_LOAD_IMAGE_COLOR);

if(!img){ // Resim Bulunamazsa
puts("Girdiginiz resim bulunamadi. Cıkmak icin bir tusa basiniz:");
getch();
return -1;
}

cvNamedWindow(winName, CV_WINDOW_AUTOSIZE);
cvShowImage(winName, img);
cvWaitKey(0);

cvReleaseImage( &img );
cvDestroyWindow(winName);
return 1;
}

{#include
#include }: Bu satırlar kütüphane fonksiyonlarını çağırmak için gerekli olan başlık dosyalarıdır.

{IplImage *img} En çok karşılacak olduğumuz ve resimleri programlarımızda içine attığımız yapıdır(structure).

• img = cvLoadImage(path, CV_LOAD_IMAGE_COLOR)
path yoludan belirtilen yerdeki resmi renkli olarak IPLImage yapısındaki “img”
işaretçisine atar. 2. Argüman olarak yükelenecek resmin renk özelliği belirtilir. “0”
gri(grayscale) “1” renkli “-1” ise resmin orijinal halidir.
• cvNamedWindow(winName, CV_WINDOW_AUTOSIZE);
winName isimli pencere görüntülenecek resmin
boyutlarını alacak şekilde oluşturulur.Bu pencereye programımızın ger tarafında
kullanabileceğiz. Eğer önceden oluşturulmui bir pencere açılmaya çalışılıyorsa hiçbir şey
yapılmayacaktır.

• cvShowImage(winName, img);
“winName” adlı pencereye “img” resmini yazdır.Eğer yanlış pencere girilirse resim
açılmayabilir. Bundan dolayı pencere isimlerimi * ”Pencere ismi” * olarak değilde katarlar
şeklinde saklamalıyız.

• cvWaitKey(int delay = 0);
Verilen delay değerine göre milisaniye cinsinden
bekler. Eğer 0 verilirse kullanıcı bir tusa basıncaya
kadar bekler.Her showImage() fonksiyonundan sonra
kullan kullanılmalıdır.

• cvReleaseImage( &img );
img işaretçisine NULL atar ve serbest bırakır. Çöp Toplama (Garbage Collection) sistemine
rağmen aldığımız alanları serbest bırakmak iyi bir alışkanlık ve sağlık bir program demektir.

• cvDestroyWindow(winName);
winName isimli pencereyi serbest bırakacaktır. Eğer birden fazla resiminiz varsa ve program
sonunda hepsini kapatmak istiyorsanız cvDestroyAllWindows() kullanılabilir.

Not: openCV tip, fonksiyon isimleri ve tanımları ile kolay kullanıma sahiptir. Örneğin küçük
“cv” harfleri ile başlayan her şey bir fonskiyon, Cv.. olarak başlayan değişkenler ise
yapı(struct) tipi, CV_... olarak yazılanlar ise sabitleri gösterirler. Yukarıda kullandığımız
CV_WINDOWS_AUTOSIZE ve CV_LOAD_IMAGE_COLOR sabitlerinin değerleri “1” dir.
Kodun daha okunaklı olması için openCV kütüphanesinde birçok sabit vardır. Kullanılması
tavsiye edilir.

Not: Eğer programlamada yeni iseniz CTRL + SPACE kombinasyonunu hatırlatmak isterim. Eklenen başlık dosyalarına göre kütüphanenin tüm imkanlarını tek bir yerde bulabilir dinamik tamamlama özelliğini kullanabilirsiniz. Böylelikle sabitler sorun olmaktan çıkar.

Visual Studio 2008 openCV kurulumu

2009-06-11T09:41:00.000-07:00

Ortam değişkenlerinde bizi eğiten ve javada classPath sorunlarını çat diye çözen, Sayın Oğuz ASLANTÜRK hocama atfen :) ...

Eğer herhangi bir sorun çıkarsa kendi oluşturduğum proje dosyasını Visual Studio'ya gösterebilrsiniz. Ama sanırsam *openCV.vcproj.IHSAN-PC.İhsan.user* isimli dosyada bilgisayarınızın ismini girmeniz gerekebilir!
Formu: *openCV.vcproj."Bilgisayar İsmi"."Bilgisayar Kullanıcısı".user*

Aşağıdan indirebilirsiniz:
Visual Studio Çözüm Dosyası

VISUAL STUDIO 2008
1)File – New – New Project menulerine girin. Ve açılan pencerede c++ listesinden Empty Project i seçin. Ve proje ismi verin:

2) sağ tarafta bulunan “project and solution” bölümünden proje üzerine sağ tıklayıp özelliklere girin:
Daha sonra açılan menuden Properties ‘ e girin.

3) c/c++ listesinden “General menüsune girin”. Eğer opencv yi C:/program files/ opencv olarak kurduysanız alt taraftaki adresi direk olarak “Additional Include Directories” kısmına girin.
** "C:\Program Files\OpenCV\otherlibs\cvcam\include";"C:\Program Files\OpenCV\cxcore\include";"C:\Program Files\OpenCV\otherlibs\highgui";"C:\Program Files\OpenCV\cvaux\include";"C:\Program Files\OpenCV\cv\include" **

4) Daha sonra bir alt menüdeki “Linker“ listesine tıklayın. “Addititional Library Directories” kısmına
** "C:\Program Files\OpenCV\lib" ** adresini girin.

5) “Linker” listesinden “input “ alt listesinde bulunan “Additional Dependicies” kısmına kullanacak olduğumuz kütüphane dosyalarını ekliyoruz.
** highgui.lib cv.lib cvaux.lib cvcam.lib cvhaartraining.lib cxcore.lib cxcored.lib cxts.lib ml.lib **

6)En son olarak tamam a basarak kütüphane ayarlamalarını yapıyoruz. Yapılan bu ayarlar sadece bu projeye özgü olup açılan diğer projelerde tekrarlanması gerekmektedir.

7) OpenCv kütüphanesi tanıtılmış oldu. Visual studio bundan çok memnun olacaktır :).

Code Blocks da openCV kurulumu

2009-06-11T09:28:00.000-07:00

Ortam değişkenlerinde bizi eğiten ve javada classPath sorunlarını çat diye çözen, Sayın Oğuz ASLANTÜRK hocama atfen :) ...

Bu tip şeyler programcılar için hep problem olmuştur. Ben de az uğraşmadım değil yani . Sağda solda eksik bilgiler çok uğraştırıyor. Tam tarif vermeye çalıştım. Eğer sorun olursa mail atabilirsiniz.

openCV kütüphanesi (http://sourceforge.net/projects/opencvlibrary). Adresinden indirin.
Bilgisayarınıza kurun.
Opencv kütüphanesinin fonksiyonlarını kullanabilmek için kütüphane ve başlık dosyalarını geliştirme ortamına tanıtmanız gerekmektedir. Burada öncelikle codeBlocks sonra da Visual Studio 2008 için proje ayarlarını yapacağız.
Not: Eğer bilgisayarınızda geçerli bir c/c++ derleyicisi yoksa yüklemeniz gerek. Eğer bilgisayarınızda Visual Studio varsa onun derleyicisini codeBlock için de kullanabilirsiniz

CODEBLOCKS
Öncelikle proje acmamız gerekiyor:

Console Application seçip daha sonra “C” veya c++ seçin. Projeye isim ver. Proje oluştu.

Project – Properties . Buradan Build Options ‘ a girin.

Bu ekranda ise derleyici tipini seçin.

5) Aynı pencerede “Linker” sekmesine geçin. Burada “ADD” tusundan C:/Program Files/OpenCV/lib klasöründe bulunan tüm .lib uzantılı dosyaları buraya yükleyin.

Aşağıda verilen dizinleri ise buraya ekleyin.

NOT: Eğer openCV 2.0 kullanıoyorsanız "C:\Program Files\OpenCV1.2\include\opencv" dizinini eklemeniz yeterlidir.

Bu kısımda ise bağlayıcının kütüphane ve fonksiyonları araması gerenk dizini giriyoruz.

Bu ayar sadece aktif olan proje için geçerlidir. Eğer projeyi siler ve ya değiştirirseniz aynı işlemleri tekrarlamanız gerekir.

DİKKAT: Eğer Visual Studio da çalışıyorsanız ve 0xc150002 alıyorsanız, en muhmetel hata sebebi "32bit için" Microsoft Visual C++ 2005 Redistributable Package (x86)** eksik olmasıdır.

Artık opencv kütüphanesini codeblock a kurdunuz hayırlı olsun… :)

2009-06-11T09:18:00.000-07:00

OpenCV nin Marifetleri:

Kütüphanenin içinde tanımlanmış olan hazır fonksiyon ve algoritmalarla yapılabilecek olan somut ve şaşırtıcı birkaç uygulamadan bahsedeceğiz:
Kamera İrdeleme Araçları (Camera Calibration Tools)
Örneğin kamera karşısında hareket eden bir satranç tahtasından alınan resim örneklerinden hayati önem taşıyan video özelliklerini hızlı bir biçimde çıkarabilir. Örneğin Nesnenin kameraya uzuklığı, Yere göre eğimi , kenar çizgileri vb.
Gerçek zamanlı irdeleme de imkan sunar.

Face Recognition:

Bir USB kameradan elde edilen bmp formatındaki resimler yoluyla gerçek zamanlı yüz tanıma fonksiyoları da içermektedir. Yüz veritabanı oluşturarak oluşturulan yüz profil resmini karşılaştırma gibi imkanlar da sunmasından dolayı gerçek zamanlı çok işlevler programlar kolaylıkla yazılabilmekte.
Pyramidal Lucas-Kanade Feature Tracker
Yukarıda da belirtildiği gibi Lucas-Kanade algoritmalarını kullanarak iz sürme sistemleri tasarlanabilir.Resimde önemli noktalar belirlendikten sonra takip edilir Aşağıda bununla ilgili LK adlı programdan çıktı bir resim:

CamShift Tracking
Bu uygulama alanında ise yüzler, eller veya a değişik nesneler renk takip etme algoritması sayesinde rahatça tanınabiliyor. Yüz tanıma sisteminin yanı sıra daha çok çevredeki nesneleri takip edebilir.

Condensation Kalman Tracker (Yoğunlaştırırak Takip):

Bir diğer yüz takip algoritmalarından biri ise sıvılaştırırak takip etmedir ki bu sistem girdi olarak gönderilen resme filtre uygulayıp tanımaya uygun hale getirdikten sonra tanır. Aşağıda bir örneği var:

Bu işlemeler gerçek zamanlı olduğundan dolayı video görüntü hızı, ve yönü de hesaplanabiliyor. Buradaki ana fikir ise renkli herhangi bir resmin renk farklılığından dolayı takip edilebilmesidir.

Sadece kısa bir openCV özetidir duyrulur.

OpenCV'nin Hayatı

2009-06-11T09:04:00.000-07:00

MIT ve bazı diğer üniversitelerde geliştirilmeye başlanan temel görüntü işleme kütüphaneleri, İntel firmasının da desteğiyle geliştirilen açık kaynaklı C ve C++ dilleri ile yazılmış büyük ve ünlü bir görüntü işleme sistemidir. Phyton Matlab, Ruby gibi diğer diller üzerinde de aktif geliştirmeler mevcuttur.
OpenCV nin java diline uyarlanmış versiyonu ise JavaVis olarak bilinir.
Ana geliştiricileri dünyanın her tarafından oluşturulmuş bir dünya karması olduğundan çok geniş bir topluluğu bulunmaktadır. Ayda 26.000 indirilmesi ve haber grubunda aktif olarak yaklaşık 20.000 kişinin bulunması bu kütüphanenin ne kadar büyük olduğunu gösterir.
Bknz: ***** OpenCV Yahoo Group *****
Görüntü işleme programları çok fazla işlemci gücü istediğinden dolayı C dili seçilmiş ve çok çekirdekli mimarilerin avantajları da burada kullanılmaya çalışılmıştır. Bu projenin ana takımını Intel oluşturmuştur. Şimdi soracaksınız niye bir donanım firması böyle bir şey yapsın ki? Aslında bir donanım firmasının tam olarak yapması gereken budur. Intel işlemcilerde çalışması üzerine geliştirilmiş Integrated Performance Primitives (Gömülü Performans Tipleri ) (IPP) sayesinde openCVnin intel işlemcilerinde gerçekten yüksek performans elde etmesi mümkündür.
Yaklaşık 500 e yakın fonksiyon barındıran OpenCv kütüphanesi makine öğrenmesinden robotiğe kamera kalibrasyonundan tıpta görüntü işleme ,otomatik tanımlama ve takip etme teknolojilerine kadar çok geniş alanda kullanıma hazır fonksiyonlar bulundurmakta. Klasik tabirdeki gibi; tekerleği yeniden icat etmek değil kullanmak açık kaynak projelerin en temel esasıdır.
OpenCV ayrıca çok gelişmiş Machine Learning Library(MLL) sunmaktadır. Birçok fonksiyonlar ve algoritmalar içinde mevcuttur.Aşağıda projenin tarihçesi verilmiştir:

Görüntü İşleme Nedir? Nerelerde Kullanılır?

2009-06-03T08:12:00.000-07:00

"Image Processing" (Görüntü işleme) ve "Computer Vision" (Bilgisayarlı Görü) konuları Bilgisayar Bilimlerin en popüler iki konularıdır. Gittikçe karmaşıklaşan dünyamızda insanoğlunun herşeyi kontrol altına alması daha da zorlaşmakta ve otomasyon sistemlerine ihtiyaç duyulmaktadır. İşte bu iki konu ise hayata çeşitli çözümler getirmek için ve insan merakını gidermek için vardır :).

Çeşitli ticari amaçlar için tutun da savunma sanayi, robot endüstrisinde, web sitelerinde hatta ve hatta Google'ın ünlü Google Earth programında dahi mevcuttur. Yapılan çeşitli projeler bilgisayar bilimlerin insanı ne derece şaşırtacağını rahatlıkla ortaya koyuyor. Bunlardan en çarpıcı olanlardan biri ise yol gözetleyici kameralardır. Bununla ilgili bir haberi buradan okuyabilirsiniz; HABER.

Diğer ilginç bir proje bilgisayarlı görü ile sürücüdeki uykusuzluğun tespit edilmesidir.

Bir diğer meşhur olay ise günümüz laptoplarında ayrıcalıklı ve havalı bir özellik haline gelen yğz tanıma özelliğidir. Dünya bu konuda günde yüzlerce kod yazıp çizmekte algoritmalar güçlendirilmektedir.

Bilgisayar Bilimleri ile uğraşmanın verdiği zevk yanında yapılabilecekler çok fazla olduğundan çok büyük topluluklar bu konular üzerine eğilmektedir.

Bilim kurgularda çokca görülen, hizmetkar robotlar veya daha az masum robot orduları bu bilimle gelişiyor ve dünyada çok büyük gelişmeler kaydediliyor.

İşte o tekonolojik ölüm makinası :( Bu vidyoyu izleyin ve teknolojiyi iliklerinizde hissedin: SOUTH KOREA INTELLIGENT GUARD ROBOT
Ne kadar da barış istense de acı bir gerçek olarak diğer tüm milletler teknolojilerini geliştirmekte..

Diğer bir teknoloji videosu ise burada: ABB FlexPicker. Burada da akıl almaz bir otomasyon görmekteyiz.

Daha da ileriye gidresek: âma insanların beyinlerine bir kamera çıktısı verip hiç göremeyen insanların engelli bir yolda dahi kendi başına sopasız yürüyebilmesi sağlanmış durumdadır.

Hala daha nerelerde kullanılıyor diyorsanız; tıpta çekilen röntgenlerde hastalık yorumlarına kadar uzanmış bulunmaktadır bu bilim dalı.

Daha somut örnek isterseniz bir fotoğrafla bir depo dolusu şeker çuvalını saydığınızı bir düşünsenize... Evet bu Türk bir şirket tarafından yapıldı ve ticari kullanıma sunuldu mesela.

Bu konu ileride zamanlarda belki öyle önem arza edecek ki, donanım firması olan Intel dahi bir yazılım ekibi oluşturmuş ve açık kaynak kodlu, bizimde çokça isminden bahsedeceğimiz "openCV" açık kaynak kodlu proje ortaya çıkmıştır. Intel mimarilerine özgü çözümler bulunduran bu proje gayet tutarlı olarak gelişmektedir.

Konunun önemine binaen verilmiş örnekler google'da "computer vision project" kelimesi ile aratılabilir.

Esenlik ve mutlulukla...

Görüntü İşleme, Bilgisayarlı Görü ve Yapay Zeka

2009-06-03T07:47:00.000-07:00

Bir ülke için bilgi ve deneyim birikimi çok önemli olduğundan bu tür konulara meraklı olan arkadaşlara yardım etmek ve beyin haritalarımızı eşitlemek için bloglama( güncelik ) çok önemli bir rol almıştır.

Bu güncelikler, Dünya bilgi paylaşımında akıl almaz noktalara gelmiştir.

Finallerimin bitmesinden sonra bu yaz sizinle uzun bir yazı dizisine başlıyoruz. Başlıkta malumunuz olduğu gibi üzerinde çalışmakta olduğum yapay zeka ve görüntü işleme konusunda gün be gün öğrendiklerimi ve ingilizce kaynak sıkıntısını olabildiğince azaltmak için anlatmaya karar verdim.

Daha çok bilgisayar bilimleri ve açık kaynak kodlu kütüphaneleri kullacak olduğumuz minik programlarla da bu işi daha iyi öğrenmeye çalışacağız.

Esenlikle...

4. Ağaç Dikme ve uçurtma Şenliği

2009-05-11T07:14:00.000-07:00

Hacettepe Üniversitesi Bilgisayar Mühendisliği ÖTK öğrnecileri olarak düzenlediğimiz ağaç dikme şenliği bu cumartesi yapıldı. Değerli hocalarımızın katılımlarıyla güzel bir şenlik oldu.

Bölümümüz aldığı araziye Orman Bakanlığı tarafından hibe edilen fidanları diktik.

Çavuşun ağaç dikme algoritması :) ile çorak topraklara ektiğimiz umut tohumların ardından aşağıya piknik yapmak için
çeşme başına gittik. Önce top oynadık tabi.Topun arkasından koşan ve koşarken agaça çarpan arkadaşlar (!) sayesinde eğlenceliydi.

Ama gerçekten de her top oynama denemesi derede bityordu. :S

Mangalları yaktık ve yemeğimizi yedik. Biraz rüzgar mı çıkmış ne :). Kullanmak lazımdı. Hocalarımızla uçurtmaları aldık ve tepeye çıktık.

Önce F-16 tipi uçurtma göklerle buluştu. Daha sonra Yeşil canavar (Benim uçurtma :) ) sahnedeydi. İpi kısa olmasından dolayı F-16 nın gölgesinde kaldı. İpi uzatınca
birbirine sabote girişimleri başladı. Kim mi kazandı? Tabiki ikisi de düştü :). En son olarak Türk bayrağı motifli uçurtma da gökyüzündeydi.

Sonuç olarak güneşli bir cumartesi günü şehirden uzak bir yerlerde kendimi bulduk.
Sınavlarda uzak finallerin gölgesinde geçirdiğimiz cumartesi günü eğlenceliydi :)

Bilişim Günleri' 09 Bitti

2009-04-12T09:35:00.001-07:00

Efsane gibiydi. 3 günden oluşan etkinlik programı her alanda ufkumuzu genişletti. Öğrendik ve eğlendik. Türkiye'nin işlemcisindan tutun Ziraat bankasının veritabanlarına kadar her şey.

İşte o efsane program:

Hacettepe Üniversitesi Bilgisayar Topluluğu olarak yaptığımız bu etkinlik gerçekten güzeldi.
Oturumlar çevrimiçi olarak yayındaydı (: .

İlk Yazım...

2009-04-12T09:17:00.001-07:00

İhsan Düyüncü.
19 Haziran 1989 yılında Aydın'ın Nazilli ilçesinde doğdum. 5 yıl kadar çocukluğum burda geçti. Daha sonra babamın işi gereği Aydın'dan Muğla'ya taşındık. Kamyonetle 6 saat süren yolculuğumuz hala aklımdadır... Akyaka... 1 yılım burda deniz kenarında Muğla güzelliğinde geçti. Bahçesiz bir evimiz vardı burda. Sitelerden sıkılmıştık. Müstakil bir eve Gökoava' ya taşındık. Burda 1. sınıfa başladım. Adile Mermerci İlköğretim Okulu. Okulumuzun önündeki Polis Merkezinden havalanan helikopteri izlemek benim 1. sınıfım olmuştu. Ayrıca arkadan bir çocuğun gelip beni balkondan aşağıya atması unutulmayacak cinstendi...
İlk karnem... Gayet iyiydi.
Burada da 1 yıl kaldıktan sonra babamın iş arkadaşlarının yoğun olduğu Kızılyaka köyü'ne ev yapmaya karar verdik. 2. sınıfa geçerken evimiz olmuştu artık. Önü bahçeli geniş ve ferah. Şehirdeki apartmanlara benzemiyordu hiç.

2. sınıfı Kızılyaka İlköğretim okulunda başladım.7 yıl boyunca bu yerde eğitim görecektim. Ve zaman çabuk geçti tabi. 5. sınıftaydım. Bilgisayar alınacaktı ki ben heyecandan günleri saymaktaydım.
Bilgisayarım ilk geldiği gün hocanın vermiş olduğu matematik problemini Wordpad a yazdım ve enter a bastım. :) Hala bir cevap yoktu.Bir kaç defa daha bastım yine yoktu. Ve bu beni çok sinirlendirmişti. Sabahlarım ve akşamlarım bilgisayar başında geçiyordu.İlk yıl 4 gb'lik harddiskimi yaktım. Kaç defa bilgisayar çöktü Allah bile...

Ve LGS. 7.Sınıfın sonlarına doğru kulağımızda bir türkü gelir oldu. Gelecek yıl sınav var diye. Oturduk dersin başına, dershaneler etüdler... Köyümden Muğla merkez'e gitmek için 50 km gibi bir yol katetmem gerekiyordu.
Temmuz ve sonuçlar: Muğla Anadolu Lisesi. Sıkılmıştım o yaz Öğretmen Lisesi olmadı diye. Ama Anadolu Lisesi bana çok şey katacaktı.

Lise çağım rüzgardı. Sessiz sakin kıyıda köşede oturan kendi dünyasını keşfetmeye çalışan birisiydim. Ben kimim ne için burdayım şekilnde her gencin bu zamanlarda kendine sormaya başladığı soruları soruyordum. Bu sırada gelecek mesleğimi şekillendirecek olan bilgisayarla iç içe bir hayatım vardı.
4 yıl boyunca Onur Kurulu'nda olmam lisede dalga konusuydu. Ama kendi çizgimi 4. sınıfa kadar korumuş gereksiz özentiliklere girmemiş ve kendi kişiliğimi oluşturabilmiştim.

Son 2 yılımın ÖSS ile geçtiğini söyleme gerek yok sanırsam. Bu zamanda hayat gerçekten güzeldi. Sınavları seviyordum. Zorluklar beni güçlü kılıyordu. Ve ÖSS.

335 Say-2. Olmamıştı. Bir yıl daha bekliyeceğim dedim. Tekrar dershane ve 351 Say-2. İşte dedim şimdi bilgisayar mühendisi olabilirim.
ÖSS den sonraki yaz bilgisayar ve şehir şehir dolşamakla geçti. Kardeşimi 9 Eylül, Muğla, Hacettepe Üniversitelerinin Güzel Sanatlar sınavına götürmüştüm.

Okulumu ilk bu şekilde görmüştüm ve kampüsün nizamiye girişi beni gerçekten şaşırtmıştı.

Şimdi ise 1. sınıfım ve kütüphanede bu yazıyı yazıyorum.

Bu rüzgarlı hatta fırtınalı hayat hengamesinde ömrü hakkıyla yaşamak gerektir.

Bu günlüğümde sosyal aktivitelerimi, anılarımı ve Sandıka-yı Muazzama'dan (Bilgisayar) projeler ve fikirler göreceksiniz... Faydalı olması dileğiyle...