فلش‌کارت‌های آموزشی کتاب جامع Computer Vision با OpenCV و پایتون: از مقدماتی تا پروژه‌های عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع Computer Vision با OpenCV و پایتون: از مقدماتی تا پروژه‌های عملی

موضوع کلی: بینایی ماشین

موضوع میانی: پردازش تصویر با OpenCV و پایتون

📋 سرفصل‌های دوره

• 1. معرفی بینایی ماشین و کاربردهای آن
• 2. چرا OpenCV و پایتون؟
• 3. نصب و راه‌اندازی محیط توسعه
• 4. نصب و پیکربندی OpenCV در پایتون
• 5. ساختار کلی یک برنامه OpenCV
• 6. بارگذاری و نمایش تصاویر
• 7. ذخیره سازی تصاویر
• 8. آشنایی با ساختار تصویر: پیکسل‌ها و کانال‌ها
• 9. دسترسی و تغییر مقادیر پیکسل‌ها
• 10. آشنایی با ابعاد و نوع داده تصاویر (shape, dtype)
• 11. ایجاد تصاویر جدید و خالی
• 12. تقسیم کانال‌های رنگی (Split Channels)
• 13. ادغام کانال‌های رنگی (Merge Channels)
• 14. تبدیل تصاویر به فضای خاکستری (Grayscale)
• 15. تبدیل تصاویر به فضای HSV
• 16. تبدیل تصاویر به فضای LAB
• 17. عملیات پایه روی پیکسل‌ها: جمع تصاویر
• 18. عملیات پایه روی پیکسل‌ها: تفریق تصاویر
• 19. عملیات پایه روی پیکسل‌ها: ضرب و تقسیم تصاویر
• 20. ترکیب و بلِندینگ تصاویر با وزن (Weighted Blending)
• 21. افزایش و کاهش روشنایی تصویر
• 22. آستانه‌گذاری ساده (Simple Thresholding)
• 23. انواع آستانه‌گذاری ساده (Binary, Trunc, ToZero)
• 24. آستانه‌گذاری تطبیقی (Adaptive Thresholding)
• 25. استفاده از ماسک برای انتخاب ناحیه‌ای خاص
• 26. فیلترهای هموارساز: فیلتر میانگین (Averaging Blur)
• 27. فیلترهای هموارساز: فیلتر گوسی (Gaussian Blur)
• 28. فیلترهای هموارساز: فیلتر میانه (Median Blur)
• 29. فیلترهای هموارساز: فیلتر دوطرفه (Bilateral Filter)
• 30. مبانی عملیات مورفولوژی: تعریف هسته (Kernel)
• 31. عملیات مورفولوژی: فرسایش (Erosion)
• 32. عملیات مورفولوژی: انبساط (Dilation)
• 33. عملیات مورفولوژی: باز شدن (Opening)
• 34. عملیات مورفولوژی: بسته شدن (Closing)
• 35. عملیات مورفولوژی: گرادیان مورفولوژیکی (Morphological Gradient)
• 36. عملیات مورفولوژی: کلاه بالا (Top Hat)
• 37. عملیات مورفولوژی: کلاه سیاه (Black Hat)
• 38. تغییر اندازه تصاویر (Resizing Images)
• 39. تغییر اندازه با روش‌های اینترپولیشن مختلف
• 40. انتقال تصاویر (Translation)
• 41. دوران تصاویر (Rotation)
• 42. دوران تصاویر حول نقطه‌ای دلخواه
• 43. برش تصاویر (Cropping Images)
• 44. برگرداندن و آینه کردن تصاویر (Flipping)
• 45. تبدیلات افین (Affine Transformations)
• 46. تبدیلات پرسپکتیو (Perspective Transformations)
• 47. رسم خطوط روی تصویر
• 48. رسم مستطیل‌ها روی تصویر
• 49. رسم دایره‌ها روی تصویر
• 50. رسم چندضلعی‌ها روی تصویر
• 51. رسم بیضی‌ها روی تصویر
• 52. افزودن متن به تصویر
• 53. شخصی‌سازی فونت، رنگ و اندازه متن
• 54. هیستوگرام تصاویر: اصول و کاربردها
• 55. محاسبه هیستوگرام
• 56. نمایش هیستوگرام
• 57. متعادل سازی هیستوگرام (Histogram Equalization)
• 58. متعادل سازی تطبیقی هیستوگرام (CLAHE)
• 59. تشخیص لبه: عملگر سوبل (Sobel Operator)
• 60. تشخیص لبه: عملگر شارتس (Scharr Operator)
• 61. تشخیص لبه: عملگر لاپلاسین (Laplacian Operator)
• 62. تشخیص لبه: الگوریتم کنی (Canny Edge Detector)
• 63. یافتن کانتورها (Finding Contours)
• 64. رسم کانتورها (Drawing Contours)
• 65. خواص کانتورها: مساحت و محیط
• 66. خواص کانتورها: مستطیل مرزی و دایره محاطی
• 67. تقریب چندضلعی کانتورها (Approximate Polygon)
• 68. کانوکس هُل کانتورها (Convex Hull)
• 69. تست نقطه در کانتور (Point Polygon Test)
• 70. تشخیص گوشه‌ها با هریس (Harris Corner Detection)
• 71. تشخیص گوشه‌ها با شی-توماسی (Shi-Tomasi Corner Detection)
• 72. تطبیق الگو (Template Matching)
• 73. کار با دوربین وب: خواندن فریم‌ها
• 74. ضبط ویدئو از دوربین وب
• 75. خواندن ویدئو از فایل
• 76. نوشتن ویدئو به فایل
• 77. انجام عملیات بر روی فریم‌های ویدئویی
• 78. تشخیص حرکت در ویدئو (Basic Motion Detection)
• 79. معرفی Haar Cascades برای تشخیص چهره
• 80. پیاده سازی تشخیص چهره با Haar Cascades
• 81. تشخیص چشم‌ها با Haar Cascades
• 82. تشخیص اشیای دلخواه با Haar Cascades
• 83. مقدمه‌ای بر ردیابی شی
• 84. مبانی ردیابی: ردیاب‌های سنتی (CamShift, MeanShift)
• 85. معرفی الگوریتم SIFT برای استخراج ویژگی‌ها
• 86. معرفی الگوریتم SURF برای استخراج ویژگی‌ها
• 87. معرفی الگوریتم ORB برای استخراج ویژگی‌ها و پیاده سازی
• 88. مطابقت ویژگی‌ها (Feature Matching) با BFMatcher
• 89. مطابقت ویژگی‌ها با FLANN Matcher
• 90. مقدمه‌ای بر یادگیری ماشین برای بینایی ماشین
• 91. نصب و استفاده از TensorFlow/Keras (مقدمه)
• 92. استفاده از مدل‌های از پیش آموزش دیده (Pre-trained Models)
• 93. تشخیص شی با YOLO/SSD (مقدمه و استفاده از مدل)
• 94. کالیبراسیون دوربین: مبانی
• 95. استخراج پارامترهای داخلی دوربین (Intrinsic Parameters)
• 96. حذف اعوجاج لنز (Undistortion)
• 97. بازسازی سه بعدی (مقدمه)
• 98. ترکیب تصاویر (Image Stitching - مقدمه)
• 99. حذف پس‌زمینه (Background Subtraction)
• 100. ردیابی شی با ردیاب‌های مدرن OpenCV (CSRT, KCF)