Rastgele orman kullanılarak MSR CAB ile fresk iyileştirme ve eski duvar resimlerinden lacuna çıkarımı üzerine yeni bir yaklaşım

Solan duvar sanatının bugün neden önemi sürüyor

Tarihi saraylar ve tapınaklar boyunca duvar resimleri sessizce pul pul dökülüyor. Eksik boya yamaları yalnızca kozmetik kusurlar değil: yüzyılların hafızasını taşıyan sahneleri siliyorlar. Yine de bu kayıpları dikkatle haritalamak genellikle kare kare elle yapılan yavaş bir iş. Bu çalışma, sıradan renkli fotoğraflarda hasarlı bölgeleri otomatik olarak vurgulayabilen bir bilgisayar tabanlı yöntem sunuyor; bu sayede müzeler ve konservatörler, büyük bütçeleri veya geniş ekipleri olmasa bile kırılgan eserleri daha iyi izleyebiliyorlar.

Eski saray duvarları yeni incelemenin konusu

Araştırma, Cezayir’in Constantine kentindeki 19. yüzyıla ait Bey Sarayı’nın freskleri üzerinde yoğunlaşıyor; zengin süslemelere sahip bu yapıdaki boyalı duvarlar tarihi savaşları, yolculukları ve günlük yaşamı belgeliyor. Zamanla ısı, nem değişimleri, toz ve ilgisizlik çatlaklar, renk solmaları ve özellikle boya tabakasının döküldüğü, sıva yüzeyinin ortaya çıktığı “lacuna” adı verilen alanlar ortaya çıkarmış. Bu boşluklar bozulmanın ne kadar ilerlediğini gösterdiği için konservatörlerin büyüklük ve yayılımı güvenilir biçimde haritalandırması gerekiyor. Elle izleme yavaş ve öznel olurken, popüler derin öğrenme sistemleri binlerce etiketli görüntü ve çoğu miras kurumunun sahip olmadığı güçlü bilgisayarlar gerektiriyor.

Soluk, tozlu görüntüleri okunması daha kolay hale getirmek

Yeni yaklaşımın ilk yarısı, fresklerin sıradan fotoğraflarını hem insanlar hem de algoritmalar için daha yorumlanabilir kılmaya odaklanıyor. Yazarlar MSR‑CAB adını verdikleri bir görüntü temizleme tarifi tasarlamışlar. Yöntem önce parlaklığı orijinal tonları bozmayacak şekilde ayarlamak için aydınlık ile rengi ayırıyor. Ardından birkaç aşamada karanlık bölgeleri aydınlatıyor, gölgeleri eşitliyor ve yerel kontrastı artırarak ince fırça işlerini ve kenarları öne çıkarıyor. Akıllı bir harmanlama adımı iyileştirilmiş görünümü orijinal ile karıştırarak yapay bir görünümü engelliyor ve hafif bir keskinleştirme ile gürültü azaltma adımı önemli çizgileri bulanıklaştırmadan ayrıntıları öne çıkarıyor. Kötü aydınlatma altında çekilmiş saray fotoğrafları üzerindeki testler, bu sıralamanın figürleri, süslemeleri ve hasarlı bölgeleri çok daha net hale getirdiğini, aynı zamanda fresklerin renklerini sadık şekilde koruduğunu gösteriyor.

Kayıp boyayı tespit etmek için dijital bir ormanı eğitmek

Görüntüler iyileştirildikten sonra yöntemin ikinci yarısı, piksel piksel eksik boyayı sağlam alanlardan ayırmayı öğreniyor. Ağır bir derin öğrenme modeli yerine yazarlar, her pikselin etiketine oy veren birçok basit karar ağacından oluşan Rastgele Orman (Random Forest) kullanıyor. Bu ağaçları yönlendirmek için beş temel ipucu besleniyor: kırmızı, yeşil ve mavi renk değerleri; küçük bir komşulukta kırmızı kanalın ne kadar değiştiği (doku ölçüsü); ve yerel kenarların gücü. Bir insan uzman önce kayıp ve sağlam boya bölgelerinin birkaç örnek işaretini vererek sisteme gerçek veri sağlıyor. Hasarlı bölgeler sağlam alanlara göre çok daha nadir olduğundan, yöntem eğitim sırasında bunların ağırlığını kasıtlı olarak artırıyor ve kaçırılan tespitleri daha güçlü şekilde cezalandırıyor, böylece küçük boşluklar göz ardı edilmiyor.

Bir saraydan birçok duvara ve hatta yapraklara doğru

Bey Sarayı’ndan alınan on iki freskte, iyileştirme ve Rastgele Orman boru hattının birleşimi ortalama olarak piksellerin yaklaşık yüzde 95’ini doğru sınıflandırdı; hem yanlış alarm verme sıklığı hem de atlanan hasarlı piksel sayısı açısından yüksek skorlar elde edildi. İyileştirme tarifinin parçalarını kapatmayı içeren bir ablation çalışması—temizlik adımlarını atlamak—özellikle düzensiz aydınlatma altında performansı keskin biçimde düşürdü; bu da iyi görüntülemenin ne kadar hayati olduğunu vurguluyor. Fikrin tek bir mekânın ötesinde işe yarayıp yaramadığını test etmek için yazarlar yöntemi Çin’in Mogao Mağaraları’ndaki fresklere, New York Metropolitan Museum of Art’tan duvar parçalarına ve hatta hastalıklı bitki yapraklarından oluşan halka açık bir veri kümesine uyguladılar. Üç durumda da yöntem hasarlı veya hastalıklı bölgeleri başarılı şekilde izole etti; eserlerde doğruluk %95’in üzerinde, yapraklarda ise küçük eğitim setlerine ve farklı renk ile dokulara rağmen neredeyse %99’a yakın doğruluk sağladı.

Kırılgan hikâyeleri korumada pratik bir yardımcı

Özetle, bu çalışma dikkatli görüntü iyileştirmenin hafif bir öğrenme modeliyle eşleştirildiğinde tarihî duvar resimlerinin nerede yüzeyi kaybettiğini güvenilir biçimde izleyebileceğini gösteriyor. Sistem uzman yargısını yerine koymuyor, ancak konservatörlere sıradan renkli fotoğraflardan hızlı ve tutarlı hasar haritaları sağlayabilir; hatta yalnızca birkaç örnek mevcutsa bile. Otomatik analiz için teknik ve veri engellerini düşürerek yaklaşım, miras kurumlarına bozulmayı izleme, restorasyon planlama ve nihayetinde boyalı geçmişimizin daha fazlasının sessizce yok olmasını engelleme konusunda pratik bir araç sunuyor.

Atıf: Nasri, A., Zahra, M., Gao, L. et al. A novel approach to mural enhancement using MSR CAB and lacuna extraction from ancient mural paintings using random forest. Sci Rep 16, 10412 (2026). https://doi.org/10.1038/s41598-026-36973-6

Anahtar kelimeler: fresk konservasyonu, boya kaybı tespiti, kültürel miras görüntüleme, görüntü iyileştirme, rastgele orman sınıflandırması