Sayfa 14

Resimlerin çözümlenmesi ve bunlardan sonuçlar çıkarılabilmesi için yapay zeka yöntemlerinin kullanılması gerekir. Bu sırada resim, sürekli olarak, belirli temel grafik şekiller var mı, diye taranmak durumundadır. Çoğu durumda bunlar, son aşamada nitel olarak karakterize edilir, yani tanınır. Günümüzde bu türden birçok görev bilgisayar sistemleri tarafından otomatik olarak gerçekleştirilebiliyor. Otomatik resim çözümlemesi uygulamaları -görsel bilgi-işlemin bu önemli alanına otomatik resim çözümlemesi adı veriliyor- gittikçe artmakta. Bu uygulamaların taşıdığı imkanlar ve kaydettiği ilerlemeler yapay zeka alanındaki gelişmelere hatırı sayılır bir katkı oluşturuyor. Grafik bilgi genel olarak çok sıkış

HANSJOACHİM HİNKELMANN Çeviren: Mehmet Budak tıkış bir bilgidir. Bu durumu, pratik deneylerimizden, bir resmin tüm görünür detaylarını, ışık derecelerini ve renk nüanslarını betimlemek yönündeki girişimlerimizden biliyoruz. Günümüzdeki otomatik uygulamaların çoğunda herhangi bir resim hakkındaki bütün bu bilgiler 512 x 512 noktayla tasvir ediliyor. Ancak CSM 950 gibi yüksek performans sistemleri, şimdiden 2048 x 2048 noktaya geçmiş bulunuyor. Ama daha düşük bir çözümleme ve 256 haneli bir dijital raster ile bile bir resmin bilgi içeriği 250 KByte'ı aşmaktadır.

RESİM BİLGİSİNİN HAZIRLANMASI

Reel dünyada, son derecede farklı duyargalar tarafından ve çoğu kez güç koşullar altında alınan resimler, seyrek olarak idealdir. Bu resimlerin insan tarafından yapılan çözümlemelerinde böylesi mükemmelden sapmalar fazla dramatik sonuçlar yaratmaz. Zira, sözkonusu olanın ne olduğunu bilen uzman, şaşırtıcı derecede kötü resimlerden bile kendisine gereken bilgiyi çıkartabilir. Önüne çözümlenecek bir resim konulan bilgisayarın da kastedilenin ne olduğunu bilmesi gerekir. Bu durumda, bilgisayar, bu bilgi için önemli olan yapılara daha fazla ağırlık verip diğerlerini bastırabilir. Resim-işlem -bu operasyonların genel adı- konusunda basit bir örnek, zarflar üstündeki posta kod sayılarının otomatik deşifrasyonudur. Bunun için en kolay yol, bilgisayarın, reel resmi, arka-planın bütünüyle beyaz ve sayının da optimal siyah olduğu, basitleştirilmiş bir ikili sayı sistemi görüntüsüne çevirmesidir. Eğer bir resimde çok sayıda gri ton da önemliyse, bu sefer psedo-renkli bir tasvir uygun düşebilir. İnsan gözü küçük gri değer farklarını yeterince çözümleyemez. Ancak bu farklar, keyfi bir biçimde gri tonların yerine geçirilmiş renklerle tasvir edilecek olursa, hızlı ve etkileyici bir çözümleme mümkün hale gelir. Bu türden sahte-renkli tasvirler, basit resim-işlem operasyonlarıdır. Tıpkı ölçüm değerlerinin istatiksel ortalamasının alınmasında olduğu gibi resimler de, raslansal sapmaları elemek için, bir ortalama sürecine sokulabilir. Bu amaçla, basitçe, aynı resim birkaç kez kaydedilir ve aynı bellek alanlarında toplama işlemine tabi tutulur. Ortalanmamış resim, örneğin çizgi kalınlıklarının ölçülmesini pratikte imkansız kılacak denli bulanıkken, 256 kayıtla yapılan bir ortalamayla son derece keskin bir yapıt elde edilir. Resim temizleme ya da hazırlama konularında başka operasyonlar da vardır. Bunların çoğunda, geniş karşılaştırmalar ve bir resim noktasının komşu noktalarla aritmetik işlemlendirilmesi gereklidir. Bütün bunların saniyeler, hattâ saniyelerden de kısa, kabul edilebilir süreler içinde gerçekleşebilmesi için, büyük hesaplama kapasitelerine ihtiyaç vardır.