OpenCV Nedir? Nasıl Kullanılır?

OpenCV Nedir? sorusuna derinlemesine bir mühendislik perspektifiyle cevap aramadan önce, bu kütüphanenin zemin hazırladığı temel disiplin olan bilgisayarla görü (computer vision) kavramını teknik olarak analiz edelim.

Yazı İçeriği

Bilgisayarla Görü (Computer Vision) Nedir?

Bilgisayarla görü; dijital görüntülerin (görsel ve videoların) donanımsal düzeyde nasıl temsil edildiğini, saklandığını ve bu iki boyutlu piksel matrislerinden anlamlı, yüksek düzeyli anlamsal bilgilerin matematiksel algoritmalar vasıtasıyla nasıl çıkarıldığını inceleyen bir mühendislik disiplinidir. Bilgisayarla görü, modern Yapay Zeka sistemlerinin en kritik alt alanlarından biridir. Sürücüsüz otonom araçlar (Tesla Autopilot, Waymo), biyometrik yüz tanıma sistemleri, endüstriyel kalite kontrol robotları, tıbbi görüntüleme (tümör tespiti) ve fotoğraf filtreleme uygulamalarının tamamı bilgisayarla görü temelleri üzerine kuruludur.

Matematiksel olarak, tek kanallı (gri tonlamalı / grayscale) bir görüntü iki boyutlu ayrık bir fonksiyon olarak tanımlanır:

$I(x, y) \in [0, L-1] \quad \text{burada} \quad x \in [0, W-1], \ y \in [0, H-1]$

Burada $W$ görüntünün genişliğini, $H$ yüksekliğini ve $L$ ise piksellerin alabileceği maksimum yoğunluk seviyesini (8-bitlik bir görüntü için $L = 256$ , yoğunluk aralığı $[0, 255]$ ) ifade eder. Üç kanallı renkli bir görüntü (RGB veya BGR) ise üç farklı renk matrisinin üst üste binmesiyle oluşan üç boyutlu bir tensördür: $I(x, y, c) \in [0, 255]$ ( $c \in \{0, 1, 2\}$ ).

OpenCV Nedir?

OpenCV (Open Source Computer Vision Library); gerçek zamanlı bilgisayarla görü, makine öğrenimi ve görüntü işleme uygulamaları geliştirmek amacıyla tasarlanmış, açık kaynak kodlu ve çapraz platform destekli dünya standardı bir kütüphanedir. İlk olarak 1999 yılında Intel bünyesinde Gary Bradski tarafından başlatılan proje, günümüzde çok geniş bir topluluk tarafından aktif olarak geliştirilmektedir.

Büyük oranda C++ ile yazılmış olan OpenCV, arka planda Intel Integrated Performance Primitives (IPP) ve OpenCL entegrasyonu sayesinde son derece yüksek çalışma performansına sahiptir. İçerisinde görüntü önişleme, nesne tespiti, kamera kalibrasyonu, hareket analizi, derin öğrenme model çıkarımı (DNN modülü) ve 3D rekonstrüksiyon gibi alanlarda optimize edilmiş $2500$ ‘den fazla algoritma barındırır. Google, Amazon, Microsoft, Toyota ve Intel gibi teknoloji devleri, bilgisayarlı görü projelerinin omurgasında OpenCV kütüphanesini kullanmaktadır. Kütüphane; C++, Python, Java ve MATLAB dillerine yerel arayüzler sunarken; Windows, Linux, macOS, iOS ve Android işletim sistemlerinde sorunsuz çalışmaktadır.

OpenCV Nedir? — OpenCV Logosu ve Çapraz Platform Mimarisi

OpenCV Nasıl Kurulur?

OpenCV kütüphanesini sisteminize dahil etmek oldukça basittir. Hangi işletim sistemini kullandığınıza bağlı olarak aşağıdaki yöntemleri uygulayabilirsiniz:

1. Debian / Ubuntu Linux Üzerinde Kurulum

Linux dağıtımlarında paket yöneticisi (apt) aracılığıyla Python 3 bağlayıcıları ile birlikte kurmak için şu komutu çalıştırabilirsiniz:

sudo apt update
sudo apt install python3-opencv -y

2. macOS Üzerinde Derleyerek Kurulum

macOS platformunda OpenCV’nin tüm ek modüllerini (non-free patentli algoritmalar dahil) aktifleştirip C++ projenizde doğrudan kullanmak istiyorsanız, CMake aracıyla kaynak koddan derlemeniz tavsiye edilir. İlk olarak Homebrew ile CMake aracını kurun:

brew install cmake

Ardından OpenCV ana deposunu ve genişletilmiş algoritmaları barındıran opencv_contrib deposunu GitHub üzerinden çekerek derleme aşamasına geçin:

git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git
cd opencv
mkdir build && cd build
cmake -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules ..
make -j(\theta)MM      
\alpha = s \cdot \cos\theta\beta = s \cdot \sin\thetas(x_c, y_c)(x, y)x', y'      
1920 \times 108030 \text{ FPS}      
320 \times 240640 \times 480IK      
(2k+1) \times (2k+1)7 \times 7      
G_xG_y|G|\theta$) elde edilir:
        





Maksimum Olmayanları Bastırma (Non-maximum Suppression): Pikseller taranarak yerel maksimum olmayan kenar pikselleri inceltilir ve zayıf çizgiler elenir.



Histerezis Eşikleme (Hysteresis Thresholding): İki farklı eşik değeri (alt ve üst) seçilerek güçlü kenarlar doğrudan alınır, alt ve üst eşik arasında kalan pikseller ise güçlü bir kenara bağlı ise kenar kabul edilir; aksi takdirde elenir.




img = cv2.imread("devreyakan.jpg", cv2.IMREAD_GRAYSCALE)

# Canny algoritması: Alt eşik = 20, Üst eşik = 170
canny_edges = cv2.Canny(img, 20, 170)

cv2.imshow('Canny Edges', canny_edges)
cv2.waitKey(0)
Kameradan Gerçek Zamanlı Video Akışı Alma
Kamera donanımına veya RTSP (Real-Time Streaming Protocol) yayınlarına bağlanarak video akışından kare kare görüntü okumak için cv2.VideoCapture() sınıfı kullanılır:
# 0, varsayılan sistem web kamerasını temsil eder
cap = cv2.VideoCapture(0)

if not cap.isOpened():
    print("Hata: Kamera kaynağına bağlanılamadı.")
    exit()

while True:
    # Kamera sensöründen tek bir frame oku
    ret, frame = cap.read()
    
    if not ret:
        print("Hata: Görüntü okunamıyor.")
        break
        
    # Görüntüyü gerçek zamanlı pencerede render et
    cv2.imshow('Live Stream', frame)
    
    # 'q' tuşuna basıldığında döngüden çık
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Donanım kaynaklarını serbest bırak
cap.release()
cv2.destroyAllWindows()
OpenCV'nin derinliklerine ve gerçek zamanlı uygulamalarına adım attıktan sonra, bu kütüphaneyi tek kartlı bilgisayarlarla birleştirerek pratik donanım projeleri geliştirmek isterseniz Raspberry Pi ile WSPR Beacon (İşaretçi) başlıklı mühendislik rehberimizi inceleyebilirsiniz.
Resmi opencv GitHub reposuna buradan ulaşabilirsiniz.
Yorum yapma özelliği, forum tarafından gelen istek sebebiyle kapatılmıştır. Lütfen tartışmalar ve sorularınız için topluluk forumumuza katılın.