فلش‌کارت‌های آموزشی پردازش تصویر و بینایی ماشین با C++ و OpenCV

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پردازش تصویر و بینایی ماشین با C++ و OpenCV

موضوع کلی: برنامه نویسی

موضوع میانی: سی پلاس پلاس (++C)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بینایی ماشین و کتابخانه OpenCV
• 2. نصب و راه اندازی محیط توسعه (Visual Studio/VS Code)
• 3. پیکربندی OpenCV با استفاده از CMake
• 4. مبانی C++: متغیرها، انواع داده و عملگرها
• 5. ساختارهای کنترل جریان: if, else, switch
• 6. حلقه‌ها در C++: for, while, do-while
• 7. توابع و مدیریت حافظه (Stack و Heap)
• 8. مقدمه‌ای بر اشاره‌گرها (Pointers) و ارجاع‌ها (References)
• 9. آرایه‌ها و رشته‌ها در C++
• 10. مقدمه‌ای بر کتابخانه استاندارد (STL): `std::vector`
• 11. کار با `std::string` و ورودی/خروجی فایل
• 12. مقدمه‌ای بر کلاس‌ها و اشیاء (OOP)
• 13. مدیریت خطا با `try-catch`
• 14. ساخت و کامپایل اولین برنامه OpenCV
• 15. آشنایی با ساختار داده `Mat`: قلب OpenCV
• 16. بارگذاری، نمایش و ذخیره تصاویر (`imread`, `imshow`, `imwrite`)
• 17. اطلاعات پایه تصویر: ابعاد، تعداد کانال‌ها و عمق بیت
• 18. کار با فضاهای رنگی مختلف (Color Spaces)
• 19. تبدیل بین فضاهای رنگی: BGR, Gray, HSV
• 20. دسترسی مستقیم به پیکسل‌ها: روش‌های امن و سریع
• 21. ایجاد و مقداردهی اولیه ماتریس‌ها (`Mat`)
• 22. کپی کردن ماتریس‌ها: Shallow vs. Deep Copy
• 23. ترسیم اشکال هندسی: خط، دایره، مستطیل
• 24. افزودن متن روی تصاویر
• 25. عملیات ریاضی پایه روی تصاویر: جمع، تفریق، ضرب
• 26. ترکیب تصاویر (Image Blending) و وزن‌دهی
• 27. تنظیم روشنایی و کنتراست تصویر
• 28. اصلاح گاما (Gamma Correction)
• 29. آستانه‌گذاری (Thresholding): ساده و باینری
• 30. آستانه‌گذاری تطبیقی (Adaptive Thresholding)
• 31. آستانه‌گذاری Otsu
• 32. فیلترهای هموارسازی: فیلتر میانگین (Box Filter)
• 33. فیلتر گوسی (Gaussian Blur) برای کاهش نویز
• 34. فیلتر میانه (Median Blur) برای نویز salt-and-pepper
• 35. فیلتر دوجانبه (Bilateral Filter) برای حفظ لبه‌ها
• 36. عملیات مورفولوژیک: فرسایش (Erosion)
• 37. عملیات مورفولوژیک: اتساع (Dilation)
• 38. باز کردن (Opening): فرسایش و سپس اتساع
• 39. بستن (Closing): اتساع و سپس فرسایش
• 40. گرادیان مورفولوژیک، Top Hat و Black Hat
• 41. تبدیلات هندسی: تغییر اندازه (Resizing)
• 42. تبدیلات هندسی: چرخاندن (Rotation)
• 43. تبدیلات هندسی: جابجایی (Translation)
• 44. تبدیل آفلاین (Affine Transformation)
• 45. تبدیل پرسپکتیو (Perspective Transformation)
• 46. هیستوگرام تصویر و کاربردهای آن
• 47. محاسبه و ترسیم هیستوگرام
• 48. یکسان‌سازی هیستوگرام (Histogram Equalization)
• 49. یکسان‌سازی تطبیقی هیستوگرام (CLAHE)
• 50. مقایسه هیستوگرام‌ها
• 51. محاسبه گرادیان تصویر: اپراتورهای Sobel و Scharr
• 52. لبه‌یابی با اپراتور لاپلاسین (Laplacian)
• 53. الگوریتم لبه‌یاب Canny
• 54. یافتن کانتورها (Contours) در تصویر
• 55. ترسیم و فیلتر کردن کانتورها
• 56. ویژگی‌های کانتور: مساحت، محیط و مرکز
• 57. مستطیل محاطی و دایره محاطی کانتورها
• 58. تخمین چندضلعی و بدنه محدب (Convex Hull)
• 59. تبدیل هاف (Hough Transform) برای تشخیص خطوط
• 60. تبدیل هاف برای تشخیص دایره‌ها
• 61. تطبیق الگو (Template Matching)
• 62. تبدیل فوریه گسسته (DFT) و کاربرد آن
• 63. فیلترینگ در حوزه فرکانس
• 64. جداسازی پیش‌زمینه از پس‌زمینه (Background Subtraction)
• 65. الگوریتم Watershed برای قطعه‌بندی (Segmentation)
• 66. آشنایی با تشخیص گوشه (Corner Detection) با Harris
• 67. مقدمه‌ای بر پردازش ویدیو در OpenCV
• 68. خواندن ویدیو از فایل
• 69. خواندن تصویر زنده از وب‌کم یا دوربین
• 70. ذخیره ویدیو در فایل (VideoWriter)
• 71. پردازش فریم به فریم ویدیو
• 72. ردیابی حرکت با پس‌زمینه کاهی (Background Subtraction MOG2)
• 73. مقدمه‌ای بر جریان نوری (Optical Flow)
• 74. محاسبه جریان نوری با الگوریتم Lucas-Kanade
• 75. ردیابی ویژگی‌ها در طول زمان
• 76. مفهوم ویژگی‌ها (Features) در بینایی ماشین
• 77. آشکارساز ویژگی SIFT و SURF (مفاهیم)
• 78. آشکارساز و توصیف‌گر ORB
• 79. آشکارساز و توصیف‌گر AKAZE/KAZE
• 80. توصیف‌گرهای باینری: BRIEF و BRISK
• 81. تطبیق ویژگی‌ها (Feature Matching) با Brute-Force
• 82. تطبیق ویژگی‌ها با FLANN
• 83. فیلتر کردن تطابق‌های خوب با نسبت Lowe
• 84. یافتن هموگرافی (Homography) برای انطباق تصاویر
• 85. ساخت تصویر پانوراما (Image Stitching)
• 86. کالیبراسیون دوربین و تصحیح اعوجاج
• 87. مقدمه‌ای بر دید استریو (Stereo Vision)
• 88. محاسبه نقشه اختلاف منظر (Disparity Map)
• 89. تشخیص چهره با Haar Cascades
• 90. تشخیص اشیاء با HOG (Histogram of Oriented Gradients)
• 91. مقدمه‌ای بر ماژول `dnn` در OpenCV
• 92. بارگذاری مدل‌های از پیش آموزش‌دیده (Caffe, TensorFlow, ONNX)
• 93. پیش‌پردازش تصویر برای مدل‌های یادگیری عمیق (Blob)
• 94. اجرای استنتاج (Inference) و دریافت خروجی
• 95. تشخیص اشیاء با YOLO و SSD
• 96. پردازش خروجی مدل و ترسیم Bounding Boxها
• 97. قطعه‌بندی معنایی (Semantic Segmentation) با مدل‌های Deep Learning
• 98. استفاده از GPU برای تسریع استنتاج (CUDA/OpenCL)
• 99. پروژه عملی: ساخت یک اسکنر اسناد ساده
• 100. تکنیک‌های بهینه‌سازی کد در OpenCV