Örnekleme Teoremi ve Örtüşme (Sampling Theory & Aliasing)
- 1. Dijitalleşme ve Örnekleme Problemi
- 2. Örneklemenin Matematiksel Modeli (Shah Fonksiyonu)
- 3. Nyquist-Shannon Örnekleme Teoremi
- 4. Sinyal Rekonstrüksiyonu (Mükemmel Geri Kazanım)
- 5. Aliasing Önleme Teknikleri (Anti-Aliasing)
1. Dijitalleşme ve Örnekleme Problemi
Sürekli fiziksel bir sahneyi dijital bir görüntüye dönüştürmek uzamsal örnekleme (sampling) gerektirir. Bu işlem, sürekli uzayı düzenli bir piksel parlaklık örnekleri ağına ayırmaktır. Bu süreç temel bir mühendislik sorusunu beraberinde getirir: Sürekli bir sahnedeki tüm görsel bilgileri hiçbir kayba uğratmadan geri kazanabilmek için pikselleri ne kadar sık (yoğun) yerleştirmeliyiz?
flowchart TD
A["Sürekli Fiziksel Sahne <br/> f(x)"] --> B["Uzamsal Örnekleme <br/> Piksel Aralığı x_0"]
B -->|"Kusursuz Örnekleme: u_max ≤ 1 / (2 x_0)"| C["Kusursuz Geri Kazanım <br/> Sıfır Bilgi Kaybı"]
B -->|"Yetersiz Örnekleme: u_max > 1 / (2 x_0)"| D["Örtüşme (Aliasing) Bozulması <br/> Moiré Desenleri"]
style A fill:#1a1a2e,stroke:#e94560,color:#fff
style B fill:#16213e,stroke:#0f3460,color:#fff
style C fill:#0f3460,stroke:#4cc9f0,color:#fff
style D fill:#0f3460,stroke:#e94560,color:#fff
1.1 Yetersiz Örnekleme ve Bilgi Kaybı (Under-Sampling)
Eğer yüksek frekanslı (hızlı salınım yapan) sürekli bir sinüs dalgasını seyrek piksellerle örneklersek:
- Elde edilen örnek noktalarını doğrusal interpolasyon ile birleştirdiğimizde, dalga tamamen düz bir çizgiye veya orijinalinde hiç var olmayan bambaşka bir düşük frekanslı dalgaya dönüşür.
- Yetersiz örnekleme nedeniyle sahte ve yanlış düşük frekansların oluşması olayına Örtüşme (Aliasing) denir.
1.2 Görsel Yansımalar: Moiré Desenleri
Görüntülerde aliasing kendisini Moiré Desenleri (örneğin bir tuğla duvarın ince derzlerinde, çizgili bir gömlekte veya ince dairesel ızgaralarda oluşan sahte dalgalı gölgelenmeler ve renk haleleri) olarak gösterir.
2. Örneklemenin Matematiksel Modeli (Shah Fonksiyonu)
Sürekli bir $f(x)$ sinyalini $x_0$ aralıklarıyla uzamsal olarak örneklemek, matematiksel olarak $f(x)$ sinyalini sonsuz bir Dirac delta serisi olan Shah Fonksiyonu (Darbe Dizisi / Impulse Train) $s(x)$ ile çarpmaktır.
$$s(x) = \sum_{n=-\infty}^{\infty} \delta(x - n x_0)$$
Örneklenmiş sinyal $f_s(x)$:
$$f_s(x) = f(x) \cdot s(x) = f(x) \sum_{n=-\infty}^{\infty} \delta(x - n x_0)$$
2.1 Shah Fonksiyonunun Fourier Dönüşümü
Uzamsal düzlemde $x_0$ periyoduna sahip bir Shah fonksiyonunun Fourier dönüşümü, frekans düzleminde $\frac{1}{x_0}$ aralıklı başka bir Shah fonksiyonudur:
$$\mathcal{F}{s(x)} = S(u) = \frac{1}{x_0} \sum_{n=-\infty}^{\infty} \delta\left(u - \frac{n}{x_0}\right)$$
2.2 Frekans Düzleminde Örnekleme (Konvolüsyon Teoremi)
Konvolüsyon Teoremi gereğince, uzamsal düzlemde yapılan çarpma işlemi, frekans düzleminde konvolüsyona dönüşür:
$$\mathcal{F}{f_s(x)} = F_s(u) = F(u) * S(u)$$
$$F_s(u) = F(u) * \left[ \frac{1}{x_0} \sum_{n=-\infty}^{\infty} \delta\left(u - \frac{n}{x_0}\right) \right] = \frac{1}{x_0} \sum_{n=-\infty}^{\infty} F\left(u - \frac{n}{x_0}\right)$$
Key Insight: Spektrumun Periyodik Kopyalanması
Uzamsal düzlemde örnekleme yapmak, orijinal $F(u)$ frekans spektrumunu frekans ekseni boyunca $\frac{1}{x_0}$ adımlarıyla sonsuz kez kopyalamak ve üst üste eklemek demektir.
3. Nyquist-Shannon Örnekleme Teoremi
Sinyal işleme ve bilgisayarlı görünün en temel teoremi olan Nyquist-Shannon Örnekleme Teoremi, bir sinyalin kayıpsız geri kazanılabileceği sınır koşulu tanımlar.
flowchart LR
Cont["Sürekli Sinyal <br/> Maks Frekans u_max"] --> Cond{"Nyquist Koşulu: <br/> u_max ≤ 1 / (2 x_0)"}
Cond -->|Evet| Safe["Çakışmayan Spektrumlar <br/> Alçak Geçiren Filtre ile <br/> Kusursuz Rekonstrüksiyon"]
Cond -->|Hayır| Alias["Örtüşen Spektrumlar <br/> Bozulmuş Orijinal Sinyal <br/> Geri Döndürülemez Kayıp!"]
style Cont fill:#1a1a2e,stroke:#e94560,color:#fff
style Cond fill:#16213e,stroke:#0f3460,color:#fff
style Safe fill:#0f3460,stroke:#4cc9f0,color:#fff
style Alias fill:#0f3460,stroke:#e94560,color:#fff
3.1 Teorem Tanımı
En yüksek frekansı $u_{\max}$ olan bant sınırlı bir sinyalden tüm bilgiyi eksiksiz geri kazanabilmek için, piksel örnekleme aralığı $x_0$ şu şartı sağlamalıdır:
$$u_{\max} \le \frac{1}{2 x_0} \quad \iff \quad \frac{1}{x_0} \ge 2 u_{\max}$$
- Nyquist Frekansı ($u_N = \frac{1}{2x_0}$): Belirli bir piksel ızgarasının ($x_0$) temsil edebileceği teorik maksimum frekans sınırıdır.
- Nyquist Örnekleme Oranı ($2 u_{\max}$): Bir sinyali kayıpsız dijitalleştirmek için gereken minimum örnekleme frekansıdır.
3.2 Aliasing’in Frekans Düzlemindeki Anlamı (Spektral Örtüşme)
Eğer örnekleme sıklığı yetersizse ($u_{\max} > \frac{1}{2x_0}$), $\frac{1}{x_0}$ aralığıyla ötelenen periyodik spektrum kopyaları birbirinin üzerine biner (overlap).
Örtüşme meydana geldiğinde yüksek frekanslar, spektrumun sınırından sekerek düşük frekans bölgesine yapay enerji olarak eklenir. Bu işlem gerçekleştikten sonra orijinal $F(u)$ spektrumunu ayrıştırmak matematiksel olarak imkansız hale gelir.
4. Sinyal Rekonstrüksiyonu (Mükemmel Geri Kazanım)
Nyquist şartı sağlandığında ($u_{\max} \le \frac{1}{2x_0}$), periyodik spektrum $F_s(u)$ içinden sadece merkezdeki orijinal $F(u)$ spektrumunu süzmek için ideal bir Alçak Geçiren Rekonstrüksiyon Filtresi $C(u)$ (kutu fonksiyonu) kullanılır:
$$C(u) = \begin{cases} x_0 & \text{eğer } |u| < \frac{1}{2x_0} \ 0 & \text{diğer durumlarda} \end{cases}$$
$$F(u) = F_s(u) \cdot C(u)$$
Uzamsal düzlemde frekanstaki kutu fonksiyonu $C(u)$ bir Sinc fonksiyonuna karşılık gelir:
$$c(x) = \mathcal{F}^{-1}{C(u)} = \text{sinc}\left(\frac{x}{x_0}\right)$$
$$f(x) = f_s(x) * c(x) = \sum_{n=-\infty}^{\infty} f(n x_0) \cdot \text{sinc}\left(\frac{x - n x_0}{x_0}\right)$$
Bu denklem (Whittaker-Shannon İnterpolasyon Formülü), dijital örnek noktalarından sürekli sinyalin Sinc İnterpolasyonu ile kusursuzca nasıl yeniden oluşturulabileceğini kanıtlar.
5. Aliasing Önleme Teknikleri (Anti-Aliasing)
Gerçek dünyadaki fiziksel sahneler (keskin kenarlar, duvar kaplamaları) sonsuz genişlikte frekans bileşenleri içerir. Dolayısıyla hiçbir dijital sensör Nyquist şartını mükemmel şekilde karşılayamaz.
Kameralar ve görüntüleme sistemleri aliasing bozulmalarını engellemek için iki temel mühendislik çözümü uygular:
5.1 Fiziksel Sensör Stratejileri
- Piksel Entegrasyon Alanı (Box-Averaging Filter): Gerçek sensör pikselleri sonsuz küçük noktalar değil, belirli bir yüzey alanına sahip fotodiyotlardır. Işık piksel yüzeyine düştüğünde alan integral ortalaması alınır. Bu işlem uzamsal kutu filtresi görevi görerek ultra yüksek frekansları doğal olarak süzmektedir.
- Optik Alçak Geçiren Filtre (OLPF / Anti-Aliasing Filter): Kamera sensörünün tam önüne yerleştirilen ince bir çift kırılmalı kristal katmandır. Işık sensöre ulaşmadan hemen önce görüntüyü optik olarak çok hafifçe bulandırır. Nyquist frekansının ($u_N = \frac{1}{2x_0}$) üzerindeki yüksek frekansları fiziksel olarak yok ederek sensörün Moiré deseni üretmesini engeller.