پردازش تصویر(فصل اول): مباحث مقدماتی،آستانه گذاری تصویر،تبدیلات شدت روشنایی و هندسی
- دسته:پردازش تصویر, پکیج‌های آموزشی, متلب
- 2 دیدگاه
در فصل اول دوره پردازش تصویر در ابتدا مباحث مقدماتی پردازش تصویر آموزش داده میشود، سپس نحوه خواندن، نمایش دادن، ذخیره کردن تصاویر مختلف و ویدیو در متلب آموزش داده میشود. سپس در ادامه در این فصل مباحثی از قبیل آستانه گذاری سراسری و محلی تصویر، تبدیلات شدت روشنایی، گسترش کنتراست تصویر، تبدیلات هندسی و … طبق مقالات تخصصی آموزش داده شده و پیاده سازی شوند. در فصل اول دوره جامع پردازش تصویر علاوه بر آموزش مباحث پایه، سه تا مقاله تخصصی جهت آستانه گذاری تصویر پیاده سازی شده است.
دوره پردازش تصویر onlinebme اولین دوره جامع و تخصصی در ایران هست که مباحث پردازش تصویر را به صورت تخصصی از پایه آموزش داده شده و پیاده سازی میشود. در دوره پردازش تصویر سعی شده است از مثالهای چالشی و کاربردی استفاده شود تا علاقه مندان با چالشهای واقعی حوزه پردازش تصویر آشنا شوند.
فهرست مطالب فصل اول دوره پردازش تصویر
-
مفاهیم پایه و مقدمه ای بر پردازش تصویر
-
مفهوم نمونه‌برداری و کوانتیزه سازی تصویر
-
مفهوم رزولوشن مکانی و زمانی در پردازش تصویر
-
انواع تصاویر در متلب
-
انواع آرایه‌های عددی در متلب
-
نحوه خواندن و نمایش دادن تصاویر مختلف در متلب
-
نحوه خواندن تصاویر پزشکی(dicom) در متلب
-
تبدیلات تصاویر
-
آستانه گذاری سراسری و محلی تصویر
-
هیستوگرام تصویر
-
نحوه محاسبه میانگین از روی هیستوگرام
-
آموزش تئوری و پیاده سازی الگوریتم اتسو جهت آستانه گذاری سراسری(global) تصویر
-
پیاده سازی مقاله مربوط به الگوریتم آستانه‌گذاری سازگار Wellner
-
نحوه محاسبه انتگرال تصویر و کاربرد آن در پردازش تصویر
-
پیاده سازی مقاله مربوط به الگوریتم آستانه‌گذاری سازگار Bradley
-
معرفی توابع آماده متلب جهت آستانه گذاری محلی و سراسری تصویر
-
-
نحوه ذخیره کردن تصاویر و نمودارهای گرافیکی در متلب
-
نحوه خواندن و ذخیره کردن ویدیو در متلب
-
برش بندی صفحات بیتی
-
فشرده سازی تصویر
-
مخفی کردن اطلاعات در داخل تصویر
-
-
عملیات ریاضیاتی روی تصویر و کاربرد آنها
-
ضرب تصاویر(نقاب گذاری تصویر)
-
تقسیم تصویر(تصحیح سایه تصویر)
-
تفریق تصویر(برجسته سازی اختلاف بین تصاویر)
-
جمع تصویر(کاهش نویز)
-
-
عملیات منطقی در پردازش تصویر
-
تبدیلات هندسی مکانی
-
تبدیلات شدت روشنایی
-
تبدیل نگاتیو
-
تبدیل لگاریتمی
-
تبدیل گاما
-
-
گسترش کنتراست تصویر(contrast stretching)
-
گسترش کنتراست تصویر به صورت خطی
-
گسترش کنتراست تصویر به صورت غیرخطی
-
برش بندی سطوح شدت روشنایی
-
محتوای فصل اول دوره پردازش تصویر
- ویدیوهای آموزشی
- کدهای پیاده سازی شده برای مثالها، مقالات و پروژه های انجام شده
- جزوه دست نویس مدرس
مدت زمان دوره: 30 ساعت
مدرس دوره: محمد نوری زاده چرلو
پیش نیاز دوره: آشنایی با اصول برنامه نویسی در محیط متلب(دوره رایگان onlinebme)
در فصل اول دوره جامع پردازش تصویر علاوه بر آموزش مباحث پایه، سه تا مقاله تخصصی جهت آستانه گذاری تصویر پیاده سازی شده است.
سعی کرده ایم دوره ای تخصصی و پروژه محوری برای پردازش تصویر آماده کنیم تا علاقه‌مندان بعد از اتمام دوره به راحتی بتوانند پروژه های تخصصی خود را انجام دهند. امیدواریم از دیدن ویدیوهای این دوره لذت ببرید...دوره های مرتبط
پردازش تصویر(فصل دوم): پردازش هیستوگرام تصویر
در حوزه پردازش تصویر، هیستوگرام تصویر میزان فراوانی سطوح شدت روشنایی در تصویر را ارائه می‌دهد. متعادل‌سازی هیستوگرام یکی از روشهای معروف در بهبود کنتراست تصویر است. در فصل دوم دوره پردازش تصویر، روشهای پردازش مبتنی بر هیستوگرام تصویر از…
محمد نوری زاده چرلو 
فیلترهای مکانی در پردازش تصویر(فصل 3)
در پردازش تصویر، یکی از رایج ترین راهها برای بهبود یک تصویر، فیلترهای مکانی هست. فیلترهای مکانی در حوزه مکان روی تصویر اعمال می‌شوند و اطلاعات مورد نظر را از تصویر استخراج می‌کنند. در فصل سوم دوره جامع پردازش تصویر،…
عملیات مورفورلوژی در پردازش تصویر (فصل چهارم)
عملیات مورفورلوژی(Morphological operation) مجموعه ای از عملیاتی هست که مرتبط با ویژگی های شکل و مورفولوژی(ریخت) در یک تصویر هستند. از الگوریتمهای مورفولوژی(ریخت شناسی) به عنوان یک ابزار ریاضی برای استخراج اجزای تصویر استفاده می شود. عملیات مورفولوژی بیشتر برای…
پکیج جامع شناسایی الگو و یادگیری ماشین( فصل های اول تا چهارم- از بیزین تا SVM)
شناسایی الگو یک فرایند شناختی است که در مغز ما زمانی که با برخی اطلاعاتی روبرو می‌شویم که با اطلاعات ذخیره شده در حافظه ما مطابقت دارد اتفاق می افتد. در علوم کامپیوتر، شناسایی الگو یک فرایند علمی است که…
شناسایی الگو (فصل پنجم): یادگیری جمعی (Ensemble learning)
یادگیری جمعی (ensemble learning) حوزه‌ای در یادگیری ماشین است که در این حوزه تکنیک‌هایی مطرح شده است که به کمک آنها از چندین مدل به صورت ترکیبی و همزمان جهت تصمیم گیری استفاده می‌کنند تا توان مدل در تخمین خروجی…
شناسایی الگو(فصل ششم): تئوری و پیاده سازی الگوریتمهای کاهش بعد PCA و LDA
در یک سیستم شناسایی الگو، کاهش بعد در مرحله چهارم بین طبقه‌بندی و استخراج ویژگی قرار می‌گیرید و هدفش کاهش تعداد ویژگی های استخراج شده می‌باشد تا کار تصمیم گیری را برای طبقه‌بند تسهیل کند. در این فصل تئوری روشهای…
شناسایی الگو(فصل هفتم): انتخاب ویژگی (feature selection)
در فصل هفتم دوره پترن و یادگیری ماشین، روشهای انتخاب ویژگی( feature Selection)از قبیل ttest، anova، نرخ تفکیک پذیری فیشر(FDR) ، اطلاعات متقابل(Mutual information) و روش جستجوی سلسله مراتبی روبه جلو (sequential forward feature selection ) را معرفی می کنیم…
شناسایی الگو(فصل هشتم): خوشه بندی (clustering)
در فصل خوشه‌بندی روشهای معروف خوشه‌بندی از قبیل (k-means، fuzzy c-means(fcm و Gaussian means (G-means) را طبق مقالات معتبر آموزش داده و مرحله به مرحله پیاده سازی کرده ایم. سپس برای اینکه با عملکرد الگوریتمها به صورت مفهومی آشنا شویم،…
پکیج کامل پیاده‌سازی گام به گام شبکه‌های عصبی
در دوره جامع شبکه عصبی تمامی شبکه‌های عصبی صفر تا صد آموزش داده شده و سپس مرحله به مرحله بدون اینکه از تولباکس آماده استفاده کنیم، پیاده سازی می‌شوند. برای اینکه بتوانید یک شبکه‌ای را در متلب پیاده‌سازی کنید لازم…
پردازش سیگنال مغزی(EEG)
در دوره تخصصی پردازش سیگنال مغزی (eeg) تمامی مباحث پایه و کاربردی پردازش سیگنال eeg به صورت مرحله به مرحله آموزش داده شده و بر روی داده های واقعی پیاده‌سازی شده اند. این دوره کاملا پروژه محور هست و از…
.فقط مشتریانی که این محصول را خریداری کرده اند و وارد سیستم شده اند میتوانند برای این محصول دیدگاه ارسال کنند.
2 دیدگاه برای پردازش تصویر(فصل اول): مباحث مقدماتی،آستانه گذاری تصویر،تبدیلات شدت روشنایی و هندسی
aslani.siamak (مالک تایید شده) –
سلام
ممنون از آموزش مفیدتون. میخواستم بدونم ادامه دوره کی آماده میشه؟
onlinebme –
سلام
ممنون از لطف شما
فصلهای دیگه هم در حال ضبط هستند.
aslani.siamak (مالک تایید شده) –
سلام
قسمت 10 یک پارتش ناقصه.
onlinebme –
سلام
بله یک بخش 10 دقیقه ای متاسفانه در همان موقع حذف شده بود که در کانال تلگرام هم اشاره کردیم.
بخشی که حذف شده مربوط به معرفی تابع هست که نحوه فراخوانی و جزئیاتش در جزوه هست. فقط ویدیوی اون بخش حذف شده که البته جلسات بعدی از تابع استفاده میشود که مسئله کامل حل میشه.