|
آموزش پردازش تصویر با OpenCV
مدرس: مهندس الهام شعبانی نیا OpenCV (بینایی ماشین متن باز) یک کتابخانه متن باز شامل بیش از صدها الگوریتم بهینه سازی شده به زبان C و C++ برای تحلیل تصویر و ویدیو است، که از زمان معرفی آن در سال ۱۹۹۹، به میزان زیادی از سوی جامعه محققین و توسعه دهندگان بینایی ماشین به عنوان ابزار توسعه پایه پذیرفته شده است. OpenCV در ابتدا در اینتل به منظور توسعه تحقیقات در زمینه بینایی ماشین و ارتقای کاربردهایی که شدیدا از پردازنده استفاده می کنند، توسعه داده شد. |
|
آموزش مقدماتی پردازش تصویر با OpenCV در Python (پایتون)
مدرس: مهندس محمدجواد زمانی قلعه تلفیق پایتون و OpenCV، علاوه بر توانمندی های گسترده و چشم گیر خود، از یادگیری آسان و مناسبی برای فراگیری افرادی که در ابتدای مسیر پردازش تصویر و کدنویسی هستند نیز برخوردار است. آموزش این فرادرس، به صورت گام به گام با معرفی، نصب و بارگذاری تصاویر به شکل کاملا سریع و آسان آغاز شده و سپس با اعمال عملیات اصلی متداول روی تصاویر، اعمال عملیات ریاضی و تبدیلات هندسی ادامه پیدا کرده و فیلترهای کاربردی مختلف و نحوه پیاده سازی آن ها روی تصویر بیان خواهد شد. همچنین استفاده از پرکاربردترین روش ها برای تشخیص لبه، تبدیلات مورفلوژیک، هیستوگرام و اشاره چند روش تطبیق الگو که از مهم ترین بخش ها و اهداف هر برنامه پردازش تصویر است، به خوبی و آسانی تشریح خواهد شد. |
|
مجموعه آموزش های پردازش تصویر در متلب
مدرس: دکتر سید مصطفی کلامی هریس مجموعه فرادرس های پردازش تصویر در متلب عنوان مجموعه ای از فیلم های آموزشی است، که در مجموع شامل ۱۶ ساعت برنامه آموزشی تخصصی در زمینه پردازش تصویر و مباحث آن، پیاده سازی آن ها در محیط متلب و کاربردهای آن ها می باشد. در این فرادرس، دانشجویان عزیز، با مباحث مختلف پردازش تصویر در متلب آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، پردازش هیستوگرام، تبدیلات و فیلترهای حوزه مکان و فرکانس، حذف نویز و ... می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است. |
|
آموزش پردازش ویدئو
مدرس: مهندس فرزاد صباحی پردازش تصاویر متحرک یا ویدئو از جنبه های کاربردی پردازش تصویر، به شمار می رود. در ویدئو به علت وجود بعد زمان، پیچیدگی هایی وجود دارد که آن را تا حدی مستقل از نظر مفاهیم موجود در پردازش تصویر می کند. یکی از جنبه های مهم در ویدئو، این است که حجم داده ارسالی کاهش یابد. یکی از تکنیک های متفاوت از فشرده سازی، استفاده از تخمین ویدئو است که در این آموزش به آن می پردازیم. در این فرادرس، سعی شده است که مباحث مرتبط به تصاویر متحرک مانند انواع حرکت مورد بررسی قرار گیرد. هم چنین مباحث مختلفی مانند نحوه فشرده سازی و نویز بررسی شود. |
|
آموزش گرافیک کامپیوتری
مدرس: دکتر زهرا نیلفروشان با توجه به این که درس گرافیک کامپیوتری ترکیبی از مفاهیم هندسی–ریاضی و کامپیوتری است و در بسیاری از دانشگاه ها تنها از جنبه کامپیوتری به آن پرداخته می شود، هدف برای ارائه این درس این است که بیشتر به بیان پایه های ریاضی آن بپردازیم و بخشی از مطالبی را که مطالعه آنها برای دانشجویان به تنهایی سخت است را توضیح دهیم. |
|
آموزش پیاده سازی تبدیل کانتورلت (Contourlet) در متلب (MATLAB)
مدرس: دکتر محمد فخردانش در بینایی کامپیوتری، نحوه ارائه یک تصویر به گونه ای که بتوان خصیصه های مهم و مورد نظر آن نظیر مرز پیرامون را استخراج نمود از اهمیت بسزایی برخوردار است. تبدیل کانتورلت (Contourlet) یکی از تبدیل های نسبتا جدیدی است که برای بهبود ارائه تصاویر با تبدیل موجک توسعه یافته است. برخلاف تبدیل گسسته موجک که فقط از سه فیلتر عمودی، افقی و قطری برای استخراج مولفه های تصاویر مربوطه استفاده می کنند، در تبدیل کانتورلت امکان اعمال بانک فیلترها با زوایای متعدد و در رزولوشن های مختلف وجود دارد. |
|
آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی
مدرس: دکتر زینب قصابی این فرادرس علاوه بر تئوری روش های مطرح کنونی برای استخراج و انطباق ویژگی های محلی همانند گوشه یاب ها و الگوریتم معروف SIFT، کد آن ها و بهینه سازی آن روش ها برای تصاویر مختلف را بررسی می کند. کد الگوریتم SIFT از سایت Vedaldi دانلود شده است. روش های مبتنی بر ویژگی های محلی دارای جزییات مهمی هستند که عدم توجه به آن ها منجر به عملکرد ضعیف این ابزار قدرتمند در حوزه های مختلف می شود. |
|
آموزش نگارش پروپوزال، پایان نامه و ارائه - ویژه پردازش تصویر و بینایی کامپیوتر
مدرس: دکتر زینب قصابی تاکنون، آموزش هایی برای نحوه انتخاب موضوع و جمع آوری اطلاعات و خواندن و نوشتن مقاله ها تهیه شده است. اکثر دانشجویان عادت دارند که مقاله های خوانده شده را بدون در نظر گرفتن ساختار خاص، در داکیومنت (Document) سمینار، خلاصه کنند. این کار نه تنها به آن ها کمک نمی کند که مطالب خوانده شده را به درستی بیان کنند، بلکه آن ها را بیشتر سردرگم می کند. تهیه داکیومنت سمینار و قرار دادن مطالب، در جای درست، منجر به نوشتن سه فصل اول پایان نامه می شود و آگاهی به این موضوع، سرعت عمل دانشجویان را برای نوشتن پروپوزال و دیگر فصل های پایان نامه، افزایش می دهد. ارائه داستان وار کارهای انجام شده و روش پیشنهادی، منجر به جذب داوران و کسب نمره خوب در دفاع می شود. |
موضوعات آموزشی مرتبط
به همراه دهها آموزش دیگر مرتبط با پردازش تصویر و ویدئو
برای مشاهده آموزش های مرتبط دیگر، در میان بیش از ده هزار ساعت آموزش منتشر شده در فرادرس، جستجو کنید ...
فرادرس در رسانه ها و جشنواره ها
