
Turkish: 
Bir görüntü filtresi, bir görüntüyü bir şekilde iten ve yanıt olarak bir görüntü çıkaran bir şeydir.
En son Kernel evrişimi hakkında konuştuk.
Ve yaptım
Gauss Bulanıklığı ve Ortalama Bulanıklık, bugün bir görüntü üzerinde aktarabileceğiniz bir tür şeyin birkaç örneği olarak
Biraz da kenar tespiti olan farklı bir Çekirdek evrişimi hakkında konuşacağız.
 
Bu videoda kullanılacak olan süreç, son videoda kullandığımız gibi hala Çekirdek evrişimi.
Bu videoyu görmediyseniz, sadece neler olduğunu kesinlikle bildiğinizden emin olmak için geri dönmek isteyebilirsiniz.
Kenar Tespiti, görüntü yoğunluğunu veya yoğunluğunu keskin bir şekilde değiştirdiğimiz bölgeleri bulmaya çalışan bir durumdur.
Renkteki keskin değişim, yüksek bir değer, dik bir değişimi, düşük bir değer ise sığ değişimi belirtir.
bir
Bunu yapmak için çok yaygın işleç bir sobel işlecidir, bunun ne olduğu bir görüntünün türevine bir yaklaşımdır.
Yani y ve ayrı ayrı var
x yön
öyleyse eğer x yönüne bakarsak
Bir görüntünün x yönündeki gradyanı buradaki operatöre eşittir.

English: 
An image filter is something that takes an image proaches it in some way and outputs an image in response
So last time we talked about Kernel convolution
And I did
Gaussian Blur and mean Blur as a couple of examples of a sort of thing you can convey over an image today
We're going to talk a little bit about a different type of Kernel convolution that is the edge detection
 
The process will be using in this video is still Kernel convolution like we used in the last video
So if you haven't seen that video you might want to go back just to sort of make sure you absolutely know what's going on
Edge Detection is simply a case of trying to find the regions in an image where we have a sharp change in intensity or a
Sharp change in color a high value indicates a steep change and a low value indicates a shallow change
A
Very common operator for doing this is a sobel operator what it is is an approximation to a derivative of an image
So there's its separate in the y and the
x directions
so if we look at the x direction then
The gradient of an image in the x direction is equal to this operator here

Turkish: 
Bu bizim Kernel 3'e 3 olan güzel ve küçük, yani oldukça hızlı
Yani sol tarafta eksi sayılara ve sağ tarafta eksi sayılara sahibiz ve biz de
Merkez pikselleri biraz koruyalım çünkü bu iki değeri burada elde ettik
Bunlardan hangisi biraz daha yüksek bekledi?
Peki burada ne yapıyoruz
Esasen, imajımızın bu bölgesi ile imajımızın bu bölgesi arasındaki farkın miktarını bulmaya çalışıyor.
sadece birini diğerinden uzağa götürerek, bunu daha önce olduğu gibi geçeceğiz; bunu, imgemizin her pikselinin üzerinden geçecek ve
Bize bu yer için bir cevap verecek
Etrafındaki pikselleri göz önünde bulundurarak, çünkü ortada sıfır var
Aşağı yukarı hiçbir şey yapmayacak
Sadece bu manzaraya sahip dikey bir çizgiden hoşlanıyor mu diye görmek için henüz bakıyor.
Bu, dikey olarak tamamsa simetriktir, bu yüzden Edges ile ilgili hiçbir şey yapmayacaktır.
Ancak görüntüde yatay olarak yönlendirilmiş, yani eğer bir parça görüntünüz varsa, ama bunun gibi görünüyor
Biraz resim çizelim. Bunlar benim piksellerim
Son videoda aynı boyutta değiller, bunlarda 50 tane olan bir resim kullanıyoruz
değerler ve burada yüzlerce

English: 
This is our Kernel 3 by 3 which is nice and small, so it's quite quick
So we have minus numbers on the left hand side and positive numbers on the right hand side and we're sort of
Preserving a little bit the center pixels because we've got these two values here
Which is slightly higher waited for these ones?
So what we're doing here
Essentially is trying to find out the amount of difference between this region of our image and this region of our image here
by simply taking one away from the other so we'll pass this just like before will pass this over every pixel of our image and
It will give us a response for this location here
Bearing in mind of pixels around it so because you've got zero down the middle
It's not going to do anything up and down
It's just looking yet to see if there is a if you like a vertical line with that view yeah
This is symmetrical if vertically okay, so it's not going to do anything to do with Edges
But orientated horizontally in the image, so if you've got a bit of image say, but looks a bit like this
Let's draw a bit of image. These are my pixels
They will not all the same size in the last video we use an image that had 50 in these
values and a hundred over here

English: 
So it was an edge right if this is our image right here is an edge
Fairly obviously we can see that, but a computer can't, so if we put our sobel operator here
Then what we essentially doing is doing 100 times 1 plus
100 x 2 plus 100
1 plus 50 x minus 1 plus 50 x minus 2 plus 50 x minus one and get gives us an output of
200 which is
Reasonable ok and you can imagine if all of these values [are] the same, so if they were all 50 throughout
Then you just get 0 so this will provide a big response
Where one side is bright or dark of any other side and yes?
It's orientated light- left or left [is] right, but we'll get rid of that later at the actual Direction
And we'll just so so the if you like the sign of the output it doesn't matter no for this. It doesn't ok
now
This is only half the battle right so we've only calculated the x direction we want to calculate the y direction
You know people already managed to guess what the kernel for this is so g of y?
 

Turkish: 
Yani bu tam bir kenardı, eğer buradaki imgemiz tam bir kenar ise
Açıkçası bunu görebiliriz, ancak bir bilgisayar göremez, bu yüzden sobel operatörümüzü buraya koyarsak
O zaman esasen yaptığımız şey 100 kere artı 1 yapmak.
100 x 2 artı 100
1 artı 50 x eksi 1 artı 50 x eksi 2 artı 50 x eksi bir ve bize bir çıktı verir
200 olan
Makul bir tamam ve bu değerlerin hepsinin aynı olup olmadığını hayal edebiliyorsunuz, yani bunların tümü 50 ise
O zaman sadece 0 alırsın, bu büyük bir cevap verir.
Bir taraf diğer tarafın aydınlık ya da karanlık ve evet nerede?
Işık yönelimli - sola veya sola [doğru], ama daha sonra gerçek Yönden kurtulacağız
Üstelik çıktığımızın işaretini seviyorsanız bunun önemi yok. Tamam değil
şimdi
Bu savaşın sadece yarısıdır, bu yüzden sadece y yönünü hesaplamak istediğimiz x yönünü hesapladık.
Biliyorsunuz, insanlar bunun için çekirdeğin ne olduğunu tahmin etmeyi çoktan başardılar.
 

Turkish: 
Tamam ve eksi 1 eksi 2 eksi 11
100 orada gidiyoruz tamam aynı
Fakat tüm gerginliğiniz tamam, bu yüzden bu kenarda 0 cevabı üretecek
Çünkü bu sıra, normal fotoğraflarda birbirini iptal edecek kadar büyük iple aynıdır.
Bu asla ortaya çıkmayacak. Doğru giden bir şey mi olacak? Bu ilginç
Bu filtrelerden herhangi birinin çıkışını hangi yönden bilmiyoruz?
Bir taraf diğerinden çok daha büyükse, ayrı ayrı negatif olabilir.
Tamam, turnuvaya bir görüntü koyarsak ne alacağız. Hayal edelim
Bu negatif ve pozitif değerleri 255'e kadar uzatırız ve gri tonlamalı bir görüntüye koyarız.
O zaman sahip olacağımız şey çoğunlukla gri olan bir görüntü.
Kenarların bir tarafında siyah, diğer tarafında beyaz
Kenar yönüne bağlı olarak ve y için aynı
Ama asıl yapmak istediğimiz, bu iki değeri de almak ve bir taneye dönüştürmek.
Bu Edge ne kadar büyük?
Öyleyse siyah ve beyazdan bahsettiğinizde bunun sebebi artı ve eksi. Evet
Evet

English: 
Ok and it's minus 1 minus 2 minus 1 1 to
100 there we go ok so exactly the same
But you have all tension ok so this will produce a response of 0 on this edge
Because this row is the same as this rope so big in a cancel each other out in normal photographs
This is never going to come up. There's going to be something going on right? It's that's interesting
Which direction it is we don't know the output of either of these filters?
Individually could be negative if one side is much bigger than the other
Ok so what we're going to get if we put tourneys into an image. Let's imagine
We stretch those negative and positive values to between or 255 and just out put it into a grayscale image
Then what we'll have is an image of it's mostly gray
with black on one side of each Edge and white on the other side
Depending on the orientation of the Edge and the same for the y
But what we really want to do is take both of those values and turn them into one
How big is this Edge?
So when you say about the black and the white that's because you get in a plus and a minus. Yes
Yes

Turkish: 
öyleyse eğer alırsanız alırsak, eksi 1 ile artı 1 arasında bir değer söyleyelim
255 ve tüm eksi değerler siyah olacak ve yukarıdaki beyazların bir teklifindeki tüm pozitif değerler olacak
128 şu anda elimizde olan, temsil eden bir değerler kümesi.
Gradyanımız dikey olarak yatay olarak ne kadar güçlü olduğu ve gerçekte istediğimiz bu şeylerin toplamıdır?
Tamam, tıpkı bir stant ve üçgenin hipotenüsü gibi.
Temel olarak hem bu değerleri bir araya getirip, hem de karekökü ekleyebiliriz ve bu size genel büyüklüğü verecektir.
Bu yüzden bunu yazacağım ve daha sonra göndermeyi kaldıracağım.
bu yüzden x-Yönünde bir degrade değerine sahibiz ve
[Y] [yönünde] degradenin değeri ve toplam degradedeki değeri var.
degradenin büyüklüğü karekökü
G x karesi artı gy karesi tamam göreceksiniz ama bu bir erkeğin karesini alarak ne yapar?
Kare Rutin ve biz de bir işareti kaldırırız size numberphile yerinde bir göz var mı?
Bu yüzden mi yine de denklem yapıyoruz?
Beni oraya sokmayan şey çünkü matematiğim iyi görünüyor ama çabuk düşüyor

English: 
so if you take if you take let's say a value of minus 1 to plus 1 and you scale if naught to
255 and all the minus values are going to be the blacks and all the positive values of in a bid the whites up above
128 so at the moment what we have is a set of values that represents
How strong our gradient is vertically in how strong it is horizontally and what we really want is the total of those things?
Ok so just like with a stand and kind of hypotenuse of a triangle
We can basically square both these values add them together and square root it and that will give you the general magnitude
So I'll write that down and then remove more sending
so we've got a value of a gradient in the x-Direction and
We've got a value of the gradient in the [y] [direction] and the total gradient the
magnitude of a gradient is given by the square root of
G x squared plus g y squared ok you'll see but what this does by squaring a man n
Square Routine and we also remove a sign have you got an eye on the spot on numberphile?
Is this is this why we're doing equation though?
What don't put me on there because my maths is it looks good at but it falls down quick

Turkish: 
Öyleyse görebiliyorsunuz, onları kareye sıkıştırıp kareye sürüklüyorsak, o zaman işareti kaldıracak mı?
Bu yüzden bu büyüklük şimdi her zaman pozitifdir ve sıfır değeri kesinlikle tutarlı bir renk olur
yani bu bir
Işaretten kurtulma ve saati gösterme işlevi evet ve şimdi x yönündeki degrade büyükse
Ancak y yönündeki bir degrade küçüktür, eğer degrade iki yönlü de büyükse, orta derecede degrade elde edersiniz.
Oldukça geniş bir gradyan elde edersiniz
Ve bu temelde, bu konumdaki sınır ne kadar büyük olacak?
Tamam, ölçeklendirirsek siyah beyaz bir resim olacak.
Başka ilginç bir şey de imzayı bilmemiz.
X ve y yönlerindeki degrade, kenarın açısını da hesaplayabiliriz.
bu yüzden kenarın yönü,
ters tan ark tan
GX üzerinden Gui bu yüzden aslında Gy'nizin gradyan sonucunu ve Gx'in harika bir sonucunu alırsanız
Onları bölüyorsun ve sonra bunun tersini hesaplıyorsun
Görüntüdeki yönün ne olduğunu söyleyen Radyan veya derece cinsinden bir değer verecektir.

English: 
So you can see is from if we're squaring them at square rooting them then that removes the sign?
So this magnitude is now positive all the time ok and a value of zero will be an absolutely consistent color
so this is this is a
Function to get rid of the sign and show the time yeah and now if the gradient in the x direction is big
But a gradient in the y direction is small, you'll get to moderately large gradient if the gradient both directions is big
You'll get a pretty large gradient
And so it will basically be how big is the edge at this location?
Ok and it will be a black and white image if we scale it up
Another interesting thing is because we know the signed
Gradient in the x and the y directions we can calculate the angle of the of the edge as well
so the orientation of the edge is given by
inverse tan Arc tan of
Gui over g x so essentially if you take the gradient result from your gy and a great result from of Gx
You divide them and then you calculate the inverse tan of that
It will give you a value in Radians or degrees that says what orientation in the image is

Turkish: 
Bu belirli piksel ve yapıları bulmak veya nesneler ve bunun gibi şeyler bulmak için gerçekten yararlı olabilir
Bu kadar zil için alışılmadık bir durum varsa, bu renkte çalıştırılmayacaksa, bu gri tonlamalı bir operatördür.
Açıkçası, resminizi dönüştürmeniz gerekir. Eğer ilk önce gri tonlamaya renkliyse, yoğunluktaki değişiklikten söz ediyoruz.
Ayrıca sobel çok onunla değil ilgi çekici renk üzerinde koşabilir misin?
yapabilirdiniz
Size ne kadar tuhaf bir çıktı verir ki, neyin farklı renk kanalları için üç değerine sahip Kenar Tespiti'ne sahip olursunuz?
bütün bu kısa anlamına gelir
Öyleyse evet, sanırım yapamayacağım.
Başka bir şey de çok faturaları.
Gürültülü oldu. Tamam. Küçük bir Çekirdek kullanıyoruz ve
görüntüler çok değişiyor
bu yüzden bir sürü göreceksiniz
Bir kamerayla bir fotoğraf makineniz olsaydı, aslında bizim kelimenin anlamında gerçekten bir kenar olmadığı kenarları başka bir şey olurdu.
Oldukça yüksek iso ayarları ile çok fazla Grainy gürültüsünüz oldu
Bu düşünceyi üretecek

English: 
That particular pixel and that can be really useful for finding structures or finding objects and things like that
It's unusual for so bell if ever to be run on color ok this is a grayscale operator
So obviously you'll need to convert your image. If it's in color to greyscale first so that we're talking just about change in intensity
Also sobel is very very it's not with her could you run it on color out of interest?
you could
Will it give you a wacky output it would get well you'd have three values of Edge Detection for the different color channels on what?
entire short that would mean
So but yes, you're suppose you could I don't tend to so
The other thing is that so bills very
It's been be noisy. Okay. We're using a small Kernel and
images change a lot
so you're going to see a [lot] of
edges where it's not actually really an edge in our sense of the word another thing would be if you had a camera with a
Fairly high iso settings you had a lot of Grainy noise
that's going to produce the thought of

English: 
Low-level Edge over everything which is not all we want so it's very common to use a gaussian Blur first
Over sober , before sobel edge detector just to get rid of the low the high frequency stuff and keep the low frequency big Walls
That we're looking for you would do color to greyscale conversion, then you would use a gaussian filter
To blow it a small one not too big and then you would use a sober Edge detector
And that will produce your nice black and white image where big white bright edges and dark everything else
Written some quite cool code which has got loads of comments in so everyone who?
Even if you don't code, you should better follow it along
There'll be people who complain this in C-sharp. I don't care about those people okay, if you want we can record a nice
Why I see Sharp rocks, rant, and you can provide no mushy

Turkish: 
İstediğimiz her şeyde düşük seviyeli Kenar, bu nedenle ilk önce Gauss Bulanıklığı kullanmak çok yaygın
Ayık üzerinde, sadece düşük frekanslı maddeden kurtulmak ve düşük frekanslı büyük duvarları saklamak için sobel kenarı detektöründen önce
Sizin için aradığımız şey gri tonlamalı dönüşüm için renk yapar, sonra bir gauss filtresi kullanırsınız
Küçük bir şişirmek için çok büyük değil ve o zaman ayık bir Kenar dedektörü kullanmak
Ve bu, büyük beyaz parlak kenarların ve diğer her şeyin karanlık olduğu güzel siyah beyaz görüntünüzü üretecek
Çok güzel bir kod yazmış, bu yüzden herkesin içinde bir sürü yorum var.
Kod yazmasanız bile, daha iyi takip etmelisiniz.
Bunu C-sharp ile şikayet eden insanlar olacak. Bu insanları umursamıyorum tamam, istersen hoş bir kayıt yapabiliriz.
Neden keskin kayaları görüyorum, rant ve sen hiç duygusallık sağlayamıyorsun.
