پردازش تصویر (Image Processing) ، امروزه به عنوان یکی از مولفه های اساسی در سیستم های هوشمند و پشتیبان تصمیم است، که غالبا بر روی تصاویر دیجیتال (Digital Images) و توسط سیستم های کامپیوتری اعمال می شود. کاربردهای متنوعی که پردازش تصویر در زمینه های مختلف فنی، صنعتی، شهری، پزشکی و علمی دارد، آن را به یک موضوع بسیار فعال در میان زمینه های پژوهشی تبدیل کرده است.
مجموعه فرادرس های پردازش تصویر در متلب (MATLAB) عنوان مجموعه ای از فیلم های آموزشی است، که در مجموع شامل ۱۶ ساعت برنامه آموزشی تخصصی در زمینه پردازش تصویر و مباحث آن، پیاده سازی آن ها در محیط متلب و کاربردهای آن ها است. در این فرادرس، دانشجویان عزیز، با مباحث مختلف پردازش تصویر در متلب آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، پردازش هیستوگرام (Histogram)، تبدیلات و فیلترهای حوزه مکان و فرکانس، حذف نویز و... است. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است. این بسته آموزشی از چند قسمت تشکیل شده است، که نام آن ها در ادامه آمده است.
درس یکم: خواندن و نوشتن فایل های تصویری در متلب
به عنوان نخستین بخش از بسته طلایی فیلم های آموزشی پردازش تصویر در متلب، در فیلم آموزشی خواندن و نوشتن فایل های تصویری در متلب، نحوه خواندن فایل های تصویری با فرمت های مختلف و همین طور نوشتن در فایل های تصویری، به شکل کامل مورد بررسی واقع شده است. در این میان، عملیات پایه ای که برای آغاز کار با جعبه ابزار پردازش تصویر در نرم افزار متلب مورد نیاز است، و در ابتدای همه برنامه ها و کاربردهای پردازش تصویر دیجیتال مورد نیاز هستند، به صورت عملی آموزش داده شده اند. تمامی برنامه های این فیلم آموزشی، همچون سایر محصولات آموزشی ارائه شده در فرادرس، به صورت گام به گام و به ساده ترین شکل ممکن ارائه شده اند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- مفاهیم پایه ذخیره سازی تصاویر در فرمت دیجیتال
- مروری بر مفاهیم پایه پردازش تصویر در متلب
- معرفی و استفاده از تابع imread برای خواندن انواع فرمت های تصاویر دیجیتال
- معرفی و استفاده از تابع imshow برای نمایش انواع فرمت های تصاویر دیجیتال
- معرفی و استفاده از تابع imwrite برای نوشتن (ذخیره سازی) انواع فرمت های تصاویر دیجیتال
- بررسی شیوه نمایش و ذخیره سازی انواع تصاویر در متلب (تصاویر رنگی و غیر رنگی)
درس دوم: کاربرد و پردازش هیستوگرام تصاویر دیجیتال در متلب
فیلم آموزشی کاربرد و پردازش هیستوگرام تصاویر دیجیتال در متلب، دومین بخش از بسته طلایی فیلم های آموزشی پردازش تصویر در متلب است، که در آن کاربرد هیستوگرام در تحلیل و پردازش تصاویر دیجیتال بررسی شده است. در این فیلم آموزشی، ابتدا مفاهیم پایه هیستوگرام و کارکرد توصیفی آن در بیان چگونگی تصویر مورد بررسی واقع شده است. سپس روش هایی برای بهبود تصویر مبتنی بر هیستوگرام مورد بررسی واقع شده اند و پیاده سازی عملی آن ها در محیط متلب نیز انجام شده است. تمامی برنامه های این فیلم آموزشی، همچون سایر محصولات آموزشی ارائه شده در فرادرس، به صورت گام به گام و به ساده ترین شکل ممکن ارائه شده اند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- تبدیلات شدت روشنایی (Intensity Transforms)
- مروری بر بهبود تصویر (Image Enhancement) با استفاده از تبدیلات شدت روشنایی
- معرفی و کاربرد تابع imadjust برای تبدیل شدت روشنایی
- بیان مفهوم هیستوگرام تصویر
- معرفی و کاربرد تابع imhist برای ترسیم هیستوگرام تصویر
- بررسی توصیف آماری به دست آمده از هیستوگرام تصویر
- هموارسازی هیستوگرام (Histogram Equalization)
- معرفی و کاربرد توابع histeq و adaphisteq برای هموارسازی هیستوگرام
-
درس سوم: تبدیلات و فیلترهای حوزه مکان برای پردازش تصویر در متلب
فیلم آموزشی جامع تبدیلات و فیلترهای حوزه مکان برای پردازش تصویر در متلب، سومین لینک دانلود بخش از بسته طلایی فیلم های آموزشی پردازش تصویر در متلب است، که در آن روش های حوزه مکان (فضای دو بعدی موقعیت پیکسل ها) برای انجام عملیات پردازش تصویر مورد بررسی واقع شده اند و پیاده سازی عملی از این روش ها، در محیط متلب انجام پذیرفته است. روش های حوزه مکان در کنار روش های حوزه فرکانس، همواره از مهم ترین اجزای تشکیل دهنده هر سیستم پردازشگر تصویر هستند و از این رو آموزش نحوه کاربرد آن ها، از اهمیت ویژه ای برخوردار است. تمامی برنامه های این فیلم آموزشی، همچون سایر محصولات آموزشی ارائه شده در فرادرس، به صورت گام به گام و به ساده ترین شکل ممکن ارائه شده اند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- معرفی مفهوم فیلترهای مکانی (Spatial Filters)
- فیلترهای مکانی خطی (Linear Spatial Filters)
- عملگرهای همبستگی (Correlation)
- عملگرهای پیچیدگی (Convolution)
- ارتباط میان Correlation و Convolution
- معرفی و کاربرد تابع imfilter برای اعمال فیلترهای مکانی به تصاویر در متلب
- معرفی و کاربرد تابع rot90 برای دوران ماتریس های تبدیل
- معرفی و کاربرد تابع fspecial برای ایجاد ماتریس های تبدیل مکانی معروف
- فیلترهای مکانی غیر خطی (Nonlinear Spatial Filters)
- پیاده سازی فیلترهای ستونی غیر خطی با تابع colfilt در متلب
- تبدیل تصویر به حالت ستونی و برعکس با توابع im2col و col2im
- پیاده سازی فیلترهای مکانی غیر خطی با تابع nlfilter
درس چهارم: تبدیلات و فیلترهای حوزه فرکانس برای پردازش تصویر در متلب
فیلم آموزشی جامع تبدیلات و فیلترهای حوزه فرکانس برای پردازش تصویر در متلب، چهارمین لینک دانلود بخش از بسته طلایی فیلم های آموزشی پردازش تصویر در متلب است، که در آن روش های حوزه فرکانس (فضای دو بعدی فرکانس های تشکیل دهنده تصویر) برای انجام عملیات پردازش تصویر مورد بررسی واقع شده اند و پیاده سازی عملی از این روش ها، در محیط متلب انجام پذیرفته است. روش های حوزه فرکانس در کنار روش های حوزه مکان، همواره از مهم ترین اجزای تشکیل دهنده هر سیستم پردازشگر تصویر هستند و از این رو آموزش نحوه کاربرد آن ها، از اهمیت ویژه ای برخوردار است. تمامی برنامه های این فیلم آموزشی، همچون سایر محصولات آموزشی ارائه شده در فرادرس، به صورت گام به گام و به ساده ترین شکل ممکن ارائه شده اند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- مروری بر مفاهیم سری فوریه در حالت یک بعدی و دو بعدی
- بررسی خواص تبدیلات فوریه و ارتباط آن ها با تبدیلات مکانی
- پاسخ فرکانسی (Frequency Response)
- بررسی انواع فیلترهای فرکانسی
- پایین گذر (Low - Pass)
- بالا گذر (High - Pass)
- میان گذر (Band - Pass)
- انواع فیلتر های باترورث (Butterworth)
- پیاده سازی عملی فیلترهای فرکانسی بر اساس معیارهای فاصله از مبدا فرکانسی در متلب
- حل یک مثال برای تشخیص الگوهای ثابت (یک حرف) در تصویر با استفاده از فیلترهای مکانی و فرکانسی
درس پنجم: حذف نویز و اصلاح تصاویر در متلب
فیلم آموزشی جامع حذف نویز و اصلاح تصاویر در متلب، پنجمین بخش از بسته طلایی فیلم های آموزشی پردازش تصویر در متلب است، که در آن روش های مختلف اصلاح تصاویر و حذف آثار عوامل مخرب (مانند نویز و حرکت های ناخواسته)، مورد بررسی واقع شده اند، و تمامی الگوریتم های بررسی شده، در محیط متلب و به صورت عملی و گام به گام، پیاده سازی شده است. استفاده از تبدیل ها و فیلترهای فرکانسی، فیترهای مکانی، و روش های مبتنی بر حذف پیچیدگی (Deconvolution) سه دسته مهم از رویکردهای مورد بررسی هستند. برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، لینک ادامه مطلب را ببینید.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- بررسی رویکرد عمومی برای اصلاح تصویر و حذف عوامل مخرب
- حذف نویز متناوب با فیلترهای فرکانسی
- معرفی انواع فیلترهای مکانی برای حذف اثر نویز
- بیان مقدمه ای برای طراحی فیلترهای هوشمند برای حذف نویز
- روش های مبتنی بر حذف پیچیدگی (Deconvolution) برای اصلاح تصاویر
- فیلتر وینر (Wiener Filtering) برای حذف نویز
- روش Regularized Filtering برای حذف نویز
- رویکردهای بازسازی تکراری غیرخطی (Iterative Nonlinear Reconstruction)
- کاربرد الگوریتم لوسی - ریچاردسون (Lucy - Richardson Algorithm)
- روش های حذف پیچیدگی کور (Blind Deconvolution) برای حذف نویز
درس ششم: تبدیل هاف (Hough transform) و روش های تشخیص خط و نقطه در متلب
فیلم آموزشی جامع تبدیل هاف (Hough Transform) و روش های تشخیص خط و نقطه در متلب، ششمین بخش از بسته طلایی فیلم های آموزشی پردازش تصویر در متلب است، که در آن روش های تشخیص خطوط و نقاط در تصاویر دیجیتال مورد بررسی واقع شده اند. رویکردهای ابتدایی این تشخیص ها، مبتنی بر فیلترهای مکانی هستند که برای تشخیص خطوط ساده (افقی، عموی و مورب) کاربرد دارند. به عنوان یک روش کامل تر، تبدیل هاف (Hough Transform) رویکردی کلی تر است که برای تشخیص همه انواع خطوط مستقیم می تواند مورد استفاده واقع شود. در این فیلم آموزشی، پس از بررسی مبانی تئوری تبدیل هاف، پیاده سازی عملی آن در محیط متلب برای تشخیص خطوط در تصاویر دیجیتال، انجام پذیرفته است.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- تشخیص نقطه و خط با استفاده از فیلترهای مکانی
- پیاده سازی فیلترهای مکانی برای تشخیص خط و نقطه در متلب
- بررسی مبانی تئوری تبدیل هاف
- بررسی چگونگی عملکرد و کاربرد تبدیل هاف در تشخیص خطوط
- پیاده سازی عملی تبدیل هاف در محیط متلب برای تشخیص خطوط
- شیوه استخراج اطلاعات خطوط به دست آمده از اعمال تبدیل هاف و نمایش آن ها در متلب