FEN-EDEBİYAT FAKÜLTESİ
Matematik
SOSYAL MEDYA
CE 490 | Ders Tanıtım Bilgileri
| Dersin Adı |
Dijital Görüntü İşlemeye Giriş
|
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta) |
Uygulama/Lab
(saat/hafta) |
Yerel Kredi
|
AKTS
|
|
CE 490
|
Güz/Bahar
|
3
|
0
|
3
|
5
|
| Ön-Koşul(lar) |
|
|||||||
| Dersin Dili |
İngilizce
|
|||||||
| Dersin Türü |
Seçmeli
|
|||||||
| Dersin Düzeyi |
Lisans
|
|||||||
| Dersin Veriliş Şekli | - | |||||||
| Dersin Öğretim Yöntem ve Teknikleri | Problem çözmeSimülasyonDeney / Laboratuvar / Atölye uygulamaAnlatım / Sunum | |||||||
| Dersin Koordinatörü | ||||||||
| Öğretim Eleman(lar)ı | ||||||||
| Yardımcı(ları) | - | |||||||
| Dersin Amacı | Bu ders sayısal görüntü işleme sistemlerinin temel prensiplerini ve algoritmalarını tanıtır. Dersin içeriğinde görüntü örnekleme ve nicemleme, uzamsal ve frekans düzlemlerinde görüntü iyileştirme teknikleri, sayısal görüntü işleme için kullanılan sinyal işleme teorileri, örneğin bir ve iki boyutlu evrişim, iki boyutlu Fourier dönüşümü, morfolojik görüntü işleme, renk modelleri ve temel renkli görüntü işleme konuları bulunmaktadır. |
| Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Ders Tanımı | Dersin içeriğinde iki boyutlu sinyaller olarak sayısal görüntüler; iki-boyutlu evrişim, Fourier dönüşümü, ve ayrık kosinüs dönüşümü; Görüntü işleme temelleri; Görüntü iyileştirme; Görüntü restorasyonu; Görüntü kodlama ve sıkıştırma bulunmaktadır. |
|
|
Temel Ders | |
| Uzmanlık/Alan Dersleri | ||
| Destek Dersleri |
X
|
|
| İletişim ve Yönetim Becerileri Dersleri | ||
| Aktarılabilir Beceri Dersleri |
HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI
| Hafta | Konular | Ön Hazırlık |
| 1 | Giriş | Bölüm 1. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 2 | Sayısal görüntü temelleri | Bölüm 2. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 3 | Histogram işleme | Bölüm 3. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 4 | Nokta işleme, temel gri-düzey dönüşümleri | Bölüm 3. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 5 | Uzamsal süzgeçleme, evrişim, yumuşatma süzgeçleri | Bölüm 3. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 6 | Uzamsal süzgeçleme, evrişim, keskinleştirme süzgeçleri, uzamsal süzgeçleme tekniklerini birleştirme | Bölüm 3. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 7 | Ara Sınav I | |
| 8 | Frekans düzleminde süzgeçleme, evrişim teoremi | Bölüm 4. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 9 | Gürültü gidermek için görüntü restorasyonu | Bölüm 5. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 10 | Morfolojik görüntü işleme | Bölüm 9. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 11 | Ara Sınav II | |
| 12 | Renkli görüntü işleme | Bölüm 6. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 13 | Görüntü sıkıştırma temelleri | Bölüm 8. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 14 | JPEG görüntü sıkıştırma algoritması | Bölüm 8. Digital Image Processing. Gonzalez & Woods. ISBN 013168728X |
| 15 | Dönemin gözden geçirilmesi | |
| 16 | Final Sınavı |
| Ders Kitabı | R. C. Gonzalez, R. E. Woods, “Digital Image Processing”, Prentice Hall, 3rd Ed., 2008, ISBN 013168728X. |
| Önerilen Okumalar/Materyaller | R. C. Gonzalez, R. E. Woods, S. L. Eddins, “Digital Image Processing Using MATLAB”, Prentice Hall, 2nd Ed., 2009, ISBN 9780982085400. |
DEĞERLENDİRME ÖLÇÜTLERİ
| Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
| Katılım |
-
|
-
|
| Laboratuvar / Uygulama |
-
|
-
|
| Arazi Çalışması | ||
| Küçük Sınav / Stüdyo Kritiği | ||
| Portfolyo | ||
| Ödev |
1
|
30
|
| Sunum / Jüri Önünde Sunum | ||
| Proje | ||
| Seminer/Çalıştay | ||
| Sözlü Sınav | ||
| Ara Sınav |
1
|
30
|
| Final Sınavı |
1
|
40
|
| Toplam |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
2
|
60
|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı |
1
|
40
|
| Toplam |
AKTS / İŞ YÜKÜ TABLOSU
| 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
|
0
|
|
| Sınıf Dışı Ders Çalışması |
16
|
3
|
48
|
| Arazi Çalışması |
0
|
||
| Küçük Sınav / Stüdyo Kritiği |
0
|
||
| Portfolyo |
0
|
||
| Ödev |
1
|
16
|
16
|
| Sunum / Jüri Önünde Sunum |
0
|
||
| Proje |
0
|
||
| Seminer/Çalıştay |
0
|
||
| Sözlü Sınav |
0
|
||
| Ara Sınavlar |
1
|
14
|
14
|
| Final Sınavı |
1
|
24
|
24
|
| Toplam |
150
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
|
#
|
Program Yeterlilikleri / Çıktıları |
* Katkı Düzeyi
|
||||
|
1
|
2
|
3
|
4
|
5
|
||
| 1 | Temel matematik, uygulamalı matematik veya istatistik kuramlarına ve uygulamalarına hâkim olur. |
|||||
| 2 | Matematik veya istatistik alanlarında edindiği ileri düzey bilgi ve becerilerini kullanarak verileri yorumlar, sorunları tanımlar, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirir. |
|||||
| 3 | Disiplinler arası yaklaşımla, matematik veya istatistiği gerçek yaşamda uygular ve kendi potansiyelini keşfeder. |
|||||
| 4 | Matematik veya İstatistik alanında edindiği ileri düzeyde bilgi ve becerilerini eleştirel bir yaklaşımla değerlendirir. |
X | ||||
| 5 | Kuramsal ve teknik bilgilerini detaylı olarak uzman olan veya olmayan kişilere rahatça aktarır. |
X | ||||
| 6 | Matematik veya istatistik alanlarında bireysel veya ekip olarak bir çalışmayı sürdürür, bağımsız çalışmanın ilgili tüm aşamalarında etkili olur, karar verme sürecine katılır, zamanı etkili kullanarak gerekli planlamayı yapar. |
|||||
| 7 | Matematik veya istatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olur ve Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyindeki en az bir programı etkin şekilde kullanır. |
|||||
| 8 | Dahil olduğu projelerin tüm aşamalarında toplumsal, bilimsel ve etik değerlere uygun hareket eder, toplumsal duyarlılık çerçevesinde proje geliştirip uygular. |
|||||
| 9 | Evrensel anlamda birikimli ve duyarlı olarak tüm süreçleri etkin şekilde değerlendirir ve kalite yönetimi konusunda yeterli bilince sahip olur. |
X | ||||
| 10 | Soyut düşünce yapısına hâkim olarak, somut olayları bağlar ve çözüm üretir, veri toplayarak bilimsel yöntemlerle sonuçları inceler ve yorumlar. |
|||||
| 11 | Bir yabancı dili kullanarak Matematik veya İstatistik ile ilgili bilgi toplar ve meslektaşları ile iletişim kurar. |
|||||
| 12 | İkinci yabancı dili orta düzeyde kullanır. |
|||||
| 13 | İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir. |
|||||
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest
SOSYAL MEDYA
HABER |TÜM HABERLER
48 Saatlik ‘Matematik’ Maratonu
Milli Eğitim Bakanlığı’nın matematik derslerini keyifli hale getirerek öğrenmeyi kolaylaştırmak hedefiyle başlattığı ‘Matematik Seferberliği’ne İzmir’den destek geldi.
İEÜ’lü profesöre Yunanistan’dan büyük onur
Matematik ve istatistik alanında Türkiye’nin önde gelen isimlerinden biri olan İzmir Ekonomi Üniversitesi (İEÜ) Fen-Edebiyat Fakültesi Dekanı Prof. Dr. İsmihan Bayramoğlu, Yunanistan
‘Dünya Matematik ve Pi Günü’ne özel etkinlik
İzmir Ekonomi Üniversitesi (İEÜ) Matematik Bölümü, farklı üniversitelerden akademisyen ve öğrencilerin katılımıyla online olarak “Dünya Matematik ve Pi Günü” kutlaması gerçekleştirdi.