کتاب مبانی پردازش تصویر با OpenCV در پایتون (برای توسعه‌دهندگان) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی پردازش تصویر با OpenCV در پایتون (برای توسعه‌دهندگان)

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: پردازش تصویر و بینایی ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش تصویر و بینایی ماشین
• 2. نصب و راه‌اندازی محیط توسعه پایتون
• 3. نصب کتابخانه OpenCV
• 4. آشنایی با ساختار داده‌های تصویر در OpenCV
• 5. خواندن و نمایش تصاویر
• 6. ذخیره‌سازی تصاویر
• 7. کار با پیکسل‌ها و مقادیر آن‌ها
• 8. عملیات پایه‌ای روی تصاویر (تغییر اندازه، برش)
• 9. تبدیل فضای رنگی تصاویر (BGR به خاکستری)
• 10. تبدیل فضای رنگی تصاویر (BGR به HSV)
• 11. آشنایی با مفاهیم آستانه‌گذاری (Thresholding)
• 12. آستانه‌گذاری ساده
• 13. آستانه‌گذاری تطبیقی
• 14. آستانه‌گذاری با حذف نویز (Otsu's Binarization)
• 15. عملیات مورفولوژیکی (Erosion)
• 16. عملیات مورفولوژیکی (Dilation)
• 17. باز کردن (Opening) و بستن (Closing)
• 18. گرادیان مورفولوژیکی
• 19. عملیات Top Hat و Black Hat
• 20. فیلترهای هموارسازی تصویر (Smoothing)
• 21. فیلتر میانگین (Averaging Blur)
• 22. فیلتر Gaussian Blur
• 23. فیلتر Median Blur
• 24. فیلتر Bilateral Filter
• 25. آشنایی با عملیات کانولوشن
• 26. پیاده‌سازی کانولوشن دستی
• 27. استفاده از فیلترهای سفارشی
• 28. تشخیص لبه‌ها (Edge Detection)
• 29. تشخیص لبه با Sobel Operator
• 30. تشخیص لبه با Scharr Operator
• 31. تشخیص لبه با Laplacian Operator
• 32. تشخیص لبه با Canny Edge Detector
• 33. آشنایی با هیستوگرام تصویر
• 34. محاسبه و نمایش هیستوگرام
• 35. هیستوگرام تطبیقی (Equalization)
• 36. هیستوگرام تطبیقی محلی (CLAHE)
• 37. آشنایی با مفاهیم آستانه‌گذاری مبتنی بر هیستوگرام
• 38. آستانه‌گذاری با روش Otsu (تکمیل)
• 39. آستانه‌گذاری با روش‌های دیگر
• 40. کنتراست و روشنایی تصویر
• 41. تنظیم کنتراست و روشنایی
• 42. اصلاح گاما
• 43. آشنایی با تبدیل‌های هندسی
• 44. تغییر مقیاس (Scaling)
• 45. انتقال (Translation)
• 46. چرخش (Rotation)
• 47. برش (Shearing)
• 48. تبدیل آفین (Affine Transformation)
• 49. تبدیل پرسپکتیو (Perspective Transformation)
• 50. آشنایی با مفاهیم بازنمایی تصویر (Image Representation)
• 51. تصاویر باینری
• 52. تصاویر خاکستری
• 53. تصاویر رنگی
• 54. آشنایی با مفاهیم استخراج ویژگی
• 55. توصیف‌کننده‌های مبتنی بر لبه
• 56. توصیف‌کننده‌های مبتنی بر گوشه
• 57. توصیف‌کننده‌های مبتنی بر ناحیه
• 58. آشنایی با الگوریتم‌های تشخیص اشیاء
• 59. تشخیص چهره با Haar Cascades
• 60. تشخیص چشم با Haar Cascades
• 61. تشخیص الگوهای سفارشی
• 62. استفاده از مدل‌های یادگیری عمیق (معرفی)
• 63. آشنایی با مفاهیم تصویربرداری سه‌بعدی (معرفی)
• 64. استریو ویژن (معرفی)
• 65. نقشه‌برداری عمق (معرفی)
• 66. آشنایی با کاربردهای پردازش تصویر
• 67. تشخیص نوری حروف (OCR)
• 68. پلاک‌خوانی خودرو
• 69. تحلیل تصاویر پزشکی
• 70. کنترل کیفیت صنعتی
• 71. سیستم‌های نظارتی
• 72. واقعیت افزوده (AR)
• 73. پردازش تصویر در رباتیک
• 74. مقدمه‌ای بر بینایی ماشین
• 75. تفاوت پردازش تصویر و بینایی ماشین
• 76. فازهای اصلی در سیستم‌های بینایی ماشین
• 77. مراحل پیش‌پردازش تصویر
• 78. استخراج ویژگی‌ها
• 79. تشخیص و طبقه‌بندی
• 80. تفسیر و تصمیم‌گیری
• 81. مقدمه‌ای بر یادگیری ماشین در بینایی ماشین
• 82. یادگیری نظارت شده
• 83. یادگیری نظارت نشده
• 84. یادگیری تقویتی (معرفی)
• 85. شبکه‌های عصبی کانولوشنی (CNN)
• 86. معماری‌های پایه CNN
• 87. آموزش مدل‌های CNN
• 88. کاربرد CNN در تشخیص تصویر
• 89. کاربرد CNN در تشخیص اشیاء
• 90. آشنایی با مفاهیم پردازش تصویر در زمان واقعی (Real-time)
• 91. بهینه‌سازی الگوریتم‌ها
• 92. استفاده از GPU
• 93. معرفی ابزارهای پیشرفته‌تر OpenCV
• 94. ماژول‌های پیشرفته‌تر
• 95. تکنیک‌های بازیابی تصویر
• 96. جستجو بر اساس محتوا (CBIR)
• 97. کاربرد پردازش تصویر در تحلیل ویدئو
• 98. تشخیص حرکت
• 99. ردیابی اشیاء
• 100. تحلیل صحنه