Ana içeriğe atla

Hakkında

Kişisel blog sayfama hoşgeldiniz.

Bu blogda elimden geldiğince merak ettiklerimi, çözerken zorluk yaşadığım problemleri ve müfredat dahilinde olan konuları paylaşmaya çalışıyorum. Kısacası her telden çalıyorum, bazen yaptığım bir çalışmayı daha sonra tekrar yapmam gerektiğinde sırasıyla yapılacakları unutmamak adına not olarak düşüyorum adımları, bu yazılar genelde dağınık olabiliyor. Yorum geldikçe veya kafama estikçe düzeltmeye çalışıyorum.

Blog üzerinde genelde ağırlıklı olarak Bilgisayar/Yazılım Mühendisliği müfredatıyla ilgili paylaşımlar yapıyorum. Aynı zamanda github adresinden kod/proje paylaşımı yapıyorum. Belirtmek gerekirse, git kullanmanızı ve yaptığınız çalışmaları paylaşmanızı tavsiye ederim. Bugün geliştirdiğiniz ve paylaştığınız bir kod, yarın bir başkasının konuyu daha iyi anlamasını sağlayabilir. Bu yüzden basit de olsa, mutlaka kodlarınızı Github tarzı platformlarda paylaşmanızı tavsiye ederim.

Bana iletişim kısmından ya da aşağıdaki telegram adresimden ulaşabilirsiniz. İletişim kısmından yazdıklarınızı hemen göremeyebiliyorum çünkü sürekli blogu kontrol etmiyorum. Yine de elimden geldiğince ara ara ileti var mı yok mu diye kontrol etmeye çalışıyorum. Anlamadığınız veya düzeltmek istediğiniz kısımlar için lütfen ilgili konunun altına yorumunuzu yazın, daha sonra gelen okuyucular da faydalanabilsin.

Mobilden bloga erişen kullanıcılarımızı da düşünerek, Tüm Yazılar sayfasını oluşturdum, böylece tek sayfa altında tüm yazılara hızlıca göz atabilirsiniz.

Tekrardan hoşgeldiniz, iyi okumalar.

 

Telegram profil: https://t.me/coderistan (Telegram'dan iletişime geçerseniz, blog aracılığıyla iletişime geçtiğinizi belirtirseniz çok memnun olurum)

Yorumlar

  1. Başarılarının devamını dilerim çok iyi gidiyorsun :)

    YanıtlaSil
  2. sayfanızı çok beğendim yazılarınızın devamını takip edeceğim. Teşekkürler....

    YanıtlaSil
    Yanıtlar
    1. Güzel yorumunuz için ben teşekkür ederim :) Elimizden geldiğince içerik üretmeye çalışıyoruz, sağolun.

      Sil

Yorum Gönder

Bu blogdaki popüler yayınlar

Python Subprocess

subprocess modülü, yeni bir process oluşturmayı sağlayan, bunların girdi-çıktılarını ele alma imkânı veren ve dönüş kodlarını almayı sağlayan bir modüldür. Yani daha basit bir şekilde, program içinde program çalıştırmaya imkan veren bir modüldür. Subprocess Modülünün Kullanımı subprocess basit bazı process'leri kullanmak için birkaç tane fonksiyon sunuyor. Daha karmaşık bir process çalıştırmak isterseniz, Popen sınıfını kullanabilirsiniz. Bunlara detaylı bir şekilde değinmeye çalışacağız. Şimdi basit fonksiyonları inceleyelim

Infix to postfix dönüşümü

Infix to postfix dönüşümü, operatorün ortada olduğu a+b yazım şeklini operatorün sonda olduğu ab+ yazım şekline dönüştürme işlemidir. Bu yazıda iki şekilde dönüşümden bahsedeceğim:   1) Stack yapısı kullanarak dönüştürme 2) Kağıt üstünde el ile dönüştürme    Infix gösterimi, bizler için kolay bir gösterim olsa da makineler için öyle değildir. İfadeyi okurken a + b * c işleminde önce b ile c yi çarpıp sonra da a ile toplamayı kolay bir şekilde yapabiliriz çünkü bizim ifadeyi sıra ile adım adım giderek okuma zorunluluğumuz yok. Önce b*c nin öncelikle olduğunu görerek oradan başlar, sonra a ile kolayca toplarız.

CLAHE (Contrast Limited Adaptive Histogram Equalization) Histogram Eşitleme Tekniği

Bu yazıda CLAHE algoritmasını nasıl uygulayacağımızı ve verilen bir resmi histogram eşitlemesi için nasıl işleyeceğimizi öğreneceğiz. Bu yazıda, CLAHE algoritmasının, görüntü iyileştirme için nasıl uygulandığını göreceğiz. CLAHE, görüntü kontrast değerlerinin aşırı yüksekliği ile ilgilenen AHE algoritmasının bir varyantıdır. CLAHE, bütün resim üzerinde işlem yapmak yerine kesitler olarak adlandırılan küçük bölgeler üzerinde işlem yapar. Küçük kesitlerde yapılan işlem sonrasında oluşan yapay sınırları kaldırmak için bilinear interpolasyon işlemi uygulanarak bu küçük kesitler birleştirilerek son görüntü elde edilir.  Bu algoritma görüntü kontrastını iyileştirmek için kullanılabilir. CLAHE algoritmasını renkli görüntülere de uygulayabiliriz. Genelde HSV görüntülerin yalnızca parlaklık kanalına uygulandığı durumlarda, tüm RGB kanallara uygulamaktan çok daha başarılı sonuçlar elde etmemizi sağlar.  CLAHE algoritması uygulanırken 2 parametre önemlidir. Birincisi clipLimit parametres...