دوره پردازش تصویر با OpenCV همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پردازش تصویر با OpenCV

موضوع کلی: برنامه نویسی

موضوع میانی: بینایی کامپیوتر (Computer Vision)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش تصویر و OpenCV
• 2. نصب و راه‌اندازی OpenCV
• 3. مفاهیم اولیه تصاویر دیجیتال
• 4. ساختار داده‌ای تصاویر در OpenCV
• 5. خواندن و نوشتن تصاویر
• 6. نمایش تصاویر
• 7. عملیات پایه بر روی تصاویر
• 8. تغییر اندازه تصاویر
• 9. چرخش تصاویر
• 10. انتقال تصاویر
• 11. برش تصاویر
• 12. تبدیل فضای رنگی تصاویر
• 13. تبدیل RGB به Grayscale
• 14. تبدیل Grayscale به Binary
• 15. آستانه‌گذاری (Thresholding)
• 16. آستانه‌گذاری تطبیقی
• 17. هیستوگرام تصاویر
• 18. محاسبه هیستوگرام
• 19. نمایش هیستوگرام
• 20. توازن هیستوگرام
• 21. هموارسازی (Smoothing) و کاهش نویز
• 22. فیلتر میانگین
• 23. فیلتر گوسی
• 24. فیلتر میانه
• 25. فیلتر گوسین بلترال
• 26. عملیات مورفولوژیکی
• 27. فرسایش (Erosion)
• 28. انبساط (Dilation)
• 29. باز کردن (Opening)
• 30. بستن (Closing)
• 31. پیدا کردن لبه‌ها
• 32. عملگر سوبل
• 33. عملگر لاپلاسین
• 34. عملگر کانوی
• 35. تشخیص گوشه‌ها
• 36. الگوریتم هریس
• 37. الگوریتم Shi-Tomasi
• 38. تبدیل هاف برای خطوط
• 39. تبدیل هاف برای دایره‌ها
• 40. تکنیک‌های استخراج ویژگی
• 41. توصیف‌گرهای محلی
• 42. تکنیک SIFT
• 43. تکنیک SURF
• 44. تکنیک ORB
• 45. تکنیک FAST
• 46. تشخیص و تطبیق ویژگی
• 47. تطبیق ویژگی با روش‌های brute-force
• 48. تطبیق ویژگی با روش‌های FLANN
• 49. مدل‌سازی و تشخیص اشیاء
• 50. تشخیص چهره با استفاده از Haar Cascades
• 51. آموزش مدل‌های Haar Cascades
• 52. تشخیص اشیاء با مدل‌های HOG
• 53. تشخیص اشیاء با مدل‌های DNN
• 54. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
• 55. معماری‌های پایه CNN
• 56. استفاده از مدل‌های از پیش آموزش‌دیده
• 57. تنظیم دقیق (Fine-tuning) مدل‌های CNN
• 58. پردازش ویدئو
• 59. خواندن و نوشتن ویدئو
• 60. نمایش فریم‌های ویدئو
• 61. تشخیص حرکت در ویدئو
• 62. پس‌زمینه تفکیک (Background Subtraction)
• 63. روش تفکیک پس‌زمینه مبتنی بر Mixture of Gaussians
• 64. روش تفکیک پس‌زمینه مبتنی بر KNN
• 65. ردیابی اشیاء در ویدئو
• 66. ردیاب‌های مبتنی بر ویژگی
• 67. ردیاب‌های مبتنی بر مدل
• 68. ردیاب‌های مبتنی بر یادگیری عمیق
• 69. ردیابی چند شیء
• 70. تقسیم‌بندی تصویر (Image Segmentation)
• 71. تقسیم‌بندی مبتنی بر آستانه‌گذاری
• 72. تقسیم‌بندی مبتنی بر خوشه‌بندی (K-Means)
• 73. تقسیم‌بندی مبتنی بر watershed
• 74. تقسیم‌بندی مبتنی بر شبکه‌های عصبی (U-Net)
• 75. استفاده از مدل‌های U-Net
• 76. کالیبراسیون دوربین
• 77. مدل‌سازی هندسی دوربین
• 78. پیدا کردن پارامترهای داخلی و خارجی دوربین
• 79. تصحیح اعوجاج لنز
• 80. استفاده از تصاویر استریو
• 81. محاسبه عمق با استفاده از تصاویر استریو
• 82. نقشه‌برداری سه‌بعدی
• 83. کاربردها و پروژه‌های پردازش تصویر
• 84. تشخیص متن در تصاویر (OCR)
• 85. تکنیک‌های OCR با Tesseract
• 86. پردازش تصویر در رباتیک
• 87. پردازش تصویر در پزشکی
• 88. پردازش تصویر در کشاورزی
• 89. پردازش تصویر در سیستم‌های نظارتی
• 90. مقدمه‌ای بر گرافیک کامپیوتری
• 91. ترسیم اشکال هندسی پایه
• 92. رندرینگ سه‌بعدی
• 93. مباحث پیشرفته در پردازش تصویر
• 94. یادگیری عمیق در پردازش تصویر
• 95. تولید تصویر (Image Generation)
• 96. کاهش نویز پیشرفته با شبکه‌های عصبی
• 97. افزایش وضوح تصویر (Super-resolution)
• 98. پردازش تصویر در زمان واقعی (Real-time)
• 99. بهینه‌سازی الگوریتم‌های پردازش تصویر
• 100. مقدمه‌ای بر OpenCV DNN Module