آموزش پردازش تصویر در متلب (MATLAB)
معرفی دوره + گزیده دروس (ورق بزنید)
اطلاعات آموزش
مدت زمان آموزش:
8 ساعت و 6 دقیقه
حجم دانلود:
813 مگابایت
زبان:
فارسی
رشته های مرتبط:
مهندسی برق، مهندسی پزشکی
349000 تومان 174500 تومان
تعداد بازدید ۳,۳۹۹
به اشتراک بگذارید!
به طور خلاصه آنچه فرا می گیرید...
این دوره آموزشی به منظور آموزش پردازش تصویر با نرم افزار متلب ارائه می شود. ضمن آموزش مفاهیم مقدماتی کار با نرم افزار، تمام مفاهیم لازم برای شروع یک پروژه تحقیقاتی در حوزه پردازش تصویر در این مجموعه آموزشی پوشش داده می شود. مراحل تحلیل یک تصویر از پیش پردازش تا بخش بندی، ادغام، استخراج ویژگی، خوشه بندی و پردازش در حوزه تبدیل در این آموزش به صورت گام به گام شرح داده می شود.
کد آموزش:
DV-MTB-1067
سطح:
مقدماتی تا متوسط
کیفیت:
HD 16:9
شناسه وزارت ارشاد:
8-34305-0655000
محتوای بسته
آموزش ویدیویی تایید شده
یادداشت های مدرس
پشتیبانی 24 ساعته
فایل ها و پروژه های تدریس شده
فعال سازی آنی لینک دانلود
کیفیت تضمین شده
درسواره ناشر رسمی محتوای آموزشی دیجیتالی از وزارت فرهنگ و ارشاد اسلامی است.
توضیحات
از جمله نرم افزار های قوی و توانمند در خصوص پردازش تصویر به نرم افزار متلب می توان اشاره کرد که نیاز به دانستن آن برای متخصصین گرایش های مختلف علوم مهندسی و پزشکی هر روز پررنگ تر می شود. در آموزش پردازش تصویر در متلب (MATLAB) به پوشش چگونگی انجام انواع پردازش تصویر در نرم افزار متلب خواهیم پرداخت.
کاربردهای پردازش تصویر
ابتدایی ترین کاربردهای پردازش تصاویر رقمی در دهه ۶۰ و۷۰ جنبه های نظامی و جاسوسی بود که باعث شد نیاز به تصاویر با کیفیت بالاتر بوجود آید. پس از آن مصارف دیگری برای تصاویر رقمی سطح زمین پیدا شد که کاربرد تصاویر چند طیفی (Multi Spectral) در کشاورزی و جنگل داری از آن جمله است. همچنین با استفاده از تصاویر رقومی عملیاتهایی مثل کنکاش نفت در سرزمین های دور افتاده و یا ردیابی منابع آلودگی شهری از داخل دفتر کار متخصصین آنها انجام شد.
بزودی کاربردهای زمینی زیادتری برای پردازش تصاویر رقمی پیدا شد. از اواسط دهه ۷۰ تا اواسط دهه ۸۰ اختراع اسکنر ها ی CAT یا (Computerized Arial Topography) و اسکنر های MRI یا (Magnetic Resonance Imagery) پزشکی را متحول کردند.
صنعت چاپ استفاده کننده بعدی بود. در اواخر دهه ۸۰ پردازش تصاویر رقمی وارد دنیای سرگرمی شد. بطوریکه امروزه این نقش به امر عادی تبدیل شده است. به همین ترتیب دنیای صنعت با روبات هایی که عملا می بینند یعنی در واقع با ظهور تکنولوژی Machine Vision متحول شد و هنوز هم در حال تحول است.
هر ساله با سریع تر و ارزان تر شدن کامپیوترها و ایجاد امکان پخش تصاویر با استفاده از تکنولوژی ارتباطات، افراد بیشتری به این تصاویر دسترسی پیدا می کنند. کنفرانس های ویدئویی یک روش زنده برای انجام کسب و کار شده اند و کامپیوترها ی خانگی توانایی نمایش و مدیریت تصاویر را به خوبی پیدا کرده اند. خوشبختانه با بالاتر رفتن سرعت پردازش و فضای حافظه کامپیوترها دیگر از بابت امکانات پردازش تصاویر نگرانی ها کمتر شده است و روز به روز این روند رو به رشد ادامه پیدا می کند.
با استفاده از پردازش تصویر، شمارش و اندازه گیری اشیا، تشخیص عیوب، تشخیص ترک، دسته بندی اشیا و بیشمار عملیات دیگری را انجام میدهند :
- اندازه گیری و کالیبراسیون
- جداسازی پینهای معیوب
- بازرسی لیبل و خواندن بارکد
- بازرسی عیوب چوب
- بازرسی قرص و بلیسترها
- بازرسی و دسته بندی
- درجه بندی و دسته بندی کاشی
- بازرسی و درجه بندی میوه
- بازرسی عیوب ورق های فلزی، پلیمری و …
- بازرسی لوله ها
- میکروسکوپ های دیجیتال
- اسکن سه بعدی
- بازرسی کمی بطری ها
- هدایت روبات ها
- استخراج اطلاعات از تصاویر پزشکی
- استخراج اطلاعات از تصاویر ماهواره ای
کاربرد پردازش تصویر در اتوماسیون صنعتی
در آموزش پردازش تصویر در متلب (MATLAB) سعی داریم تا با استفاده از تکنیکهای پردازش تصویر با دگرگونی های اساسی در خطوط تولید آشنا شویم. بسیاری از پروسههای صنعتی که تا چند دهه پیش پیاده سازیشان دور از انتظار بود، هم اکنون با بهره گیری از پردازش هوشمند تصاویر به مرحله عمل رسیدهاند. از جمله منافع کاربرد پردازش تصویر به شرح زیر است.
- افزایش سرعت و کیفیت تولید
- کاهش ضایعات
- اصلاح روند تولید
- گسترش کنترل کیفیت
تعداد بازدید ۳,۳۹۹
سرفصل ها
- درس اول: مقدمه ای بر پردازش تصویر
- آشنایی با مفهوم ماتریس در تصویر
- آشنایی با انواع تصویر
- آشنایی با مفهوم وضوح در تصویر
- نحوه خواندن و نمایش تصویر
- آشنایی با کلاس داده های تصویر و تبدیل آنها به هم
- آشنایی با عملگرهای نسبی، منطقی، ماتریسی و….
- درس دوم: پیش پردازش تصویر در حوزه مکان
- آشنایی با مفهوم هیستوگرام در تصویر
- مقدمه ای بر فیلترهای حوزه ی مکان
- بررسی در هم پیچیدگی یا convolution
- بررسی همبستگی یا Correlation
- اعمال فیلترهای خطی بر روی عکس ها با استفاده از imfilter
- فیلتر کردن یک عکس با استفاده از فیلترهای از قبل تعریف شده
- درس سوم: پردازش تصویر به کمک عملگر های مورفولوژی
- آشنایی با عملیات فرسایش و گسترش
- آشنایی با عملیات باز کردن و بستن
- آشنایی با عملیات ضخیم و نازک کردن
- آشنایی با عملیات های ترکیبی موروفولوژی
- آشنایی با الگوریتم واترشد
- مثال های کاربردی با عملیات مورفولوژی
- درس چهارم: بخش بندی تصویر و استخراج اطلاعات مورد نیاز
- روش های مبتنی بر آستانه گذاری
- روش های مبتنی بر لبه
- روش های مبتنی بر ناحیه
- مثال های کاربردی با استفاده از بخش بندی تصویر
- درس پنجم: ادغام تصاویر
- آشنایی با مفهوم ادغام
- معرفی روش های اولیه ادغام
- معرفی روش های ترکیبی ادغام
- مثال های کاربردی ادغام تصاویر
- درس ششم: نحوه استخراج ویژگی از تصویر
- معرفی روش های استخراج ویژگی از تصویر
- مثال های کاربردی استخراج ویژگی از تصویر
- درس هفتم: خوشه بندی تصاویر
- آشنایی با مفهوم خوشه بندی تصویر
- معرفی روش های مبتنی بر شبکه عصبی
- معرفی روش های مبتنی بر روش های آماری
- معرفی روش های مبتنی بر روش های ترکیبی
- مثال های کاربردی خوشه بندی تصویر
- درس هشتم: آموزش نحوه پردازش تصاویر پاتولوژیکی
- پردازش تصویر در حوزه تبدیل
- پردازش تصویر در حوزه فوریه
- پردازش تصویر در حوزه ویولت
- مثال های کاربردی پردازش تصویر در حوزه تبدیل
- درس نهم: مباحث تکمیلی
- مثال های کاربردی به همراه شبیه سازی مقالات معتبر پردازش تصویر
آموزش های مرتبط
دیدگاه کاربران
اشتراک
Inline Feedbacks
View all comments