توضیحات
پردازش تصویر چیست؟
پردازش تصویر روشی برای تبدیل یک تصویر به فرم دیجیتال و انجام عملیات بر روی آن ، تا یک تصویر بهبود یافته بدست آمده و اطلاعات مفیدی از تصویر استخراج شود.
تصویر یک سیگنال دو بعدی می باشد. لذا پردازش تصویر به نوعی یک پردازش سیگنال می باشد. خروجی آن می تواند تصویر یا خصوصیتی در مورد تصویر باشد.
پردازش تصویر امروزه یکی از موضوعات بسیار پرکاربرد در علوم مختلف می باشد.
کاربردهای پردازش تصویر دیجیتال
بازسازی و افزایش کیفیت تصویر
مهندسی پزشکی
شناسایی از راه دور remote sensing
انتقال و کدگذاری
بینایی ماشین و ربات
پردازش رنگ
پردازش ویدئو
آنالیز تصاویر میکروسکوپی
کاربردهای اصلی پردازش تصویر دیجیتال در پزشکی به صورت زیر است :
تصویربرداری اشعه گاما
اسکن PET
تصویر برداری X Ray
CT اسکن
تصویربرداری UV
اهداف پردازش تصویر
میتوان به پنج گروه آنرا تقسیم کرد :
تصویر سازی (visualization) : مشاهده قسمت هایی از تصویر که قابل مشاهده نیست.
بازسازی و افزایش کیفیت (image sharping and restoration) : برای ایجاد تصویر بهتر .
بازیابی تصویر (image retrieval) : جستجو برای تصویر مورد علاقه .
اندازه گیری الگو (measurement of pattern) : اندازه گیری اشیای مختلف داخل تصویر.
شناسایی تصویر (image recognition) : تمایز دادن اشیای داخل تصویر.
هدف از تهیه این فیلم آموزشی :
به موازات گسترش كاربردهاي پردازش تصویر، نياز به فراگيري آن برای علاقه مندان به وجود آمده است. اما کتاب های زیادی در این زمینه نوشته شده اما در اکثر آنها تئوری با فرمول و روابط پیچیده بیان شده است و علاقه مندان با مراجعه به آنها از ادامه مسیر یادگیری نا امید می شوند. در اکثر این کتاب ها جنبه کاربردی بودن کمتر مورد توجه قرار گرفته است.
لذا گروه برنامه نویسی ایران متلب تصمیم گرفت یک فیلم آموزشی جامع ، بر اساس سالها تجربه خود در پروژه های مختلف پردازش تصویر، برای استفاده علاقه مندان تهیه کند.
یک عکس هم از گروه بینایی ماشین شرکت mathworks که برنامه نویسان توابع پردازش تصویر متلب هستند را براتون پیدا کردم که در قسمت زیر میتونید آنها ببینید :
مخاطبین :
اين فيلم آموزشي توسط هر فردي كه دوست دارد تا با پردازش تصویر آشنا بشود قابل استفاده است و توسط دانشجويان تمامي رشته ها قابل استفاده است.
سرفصل ها :
توضیح با جزییات دستور imread
چه فرمت هایی imread پشتیبانی می کند؟
کلاس خروجی unit8 و unit16
انواع تصاویر در تولباکس پردازش تصویر متلب
Binary و indexed و gray level و True Color
تصاویر DICOM
کاربرد تصاویر indexed
دستور dicominfo
دلیل 4 بعدی خروجی تصاویر DICOM
پارامتر NumberOfFrames
تبدیل فرمت تصاویر
نمایش چند تصویر در یک پنجره(عمودی و افقی)
قرار دادن عنوان برای پنجره
هشدار (warning) نمایش تصویرهای خیلی بزرگ
فرمت NITF
فرمت analyze 7.5
فرمت interfile
تصاویر HDR (High Dynamic Range)
دستور tonemap
معرفی دستورات تبدیل فرمت تصاویر
دستور rgb2gray
تبدیل تصویر خاکستری به رنگی rgb
دستور im2bw
تعیین حد آستانه باینری کردن
دستور graythresh
دستور index2gray
دستور rgb2gray
کاربرد hsv در شناسایی چهره
تبدیل به فرمت double
تنطیمات تولباکس پردازش تصویر
Initial magnification
Border Style در imshow
نمایش Axes تصویر
مختصات فضایی (x,y) در تصویر
گزینه Copy Figure
Border Style نوع Tight
ذخیره سازی تصویر
گزینه Enable Hardware Optimization
گزینه imtool
پنجره Inspect Pixel Values
کاربرد imtool در پروژه های برنامه نویسی
ابزار measure distance
نمایش فیلم یا multiframe
نمایش تصاویر gif به صورت فیلم
ساخت فیلم با تصاویر متوالی
دستور immovie
دستور implay
کار با movie player متلب
تبدیلات هندسی
دستور imcrop
برش یا بریدن بخشی از تصویر
گزینه Copy Position در imcrop
کاربردهای imcrop در استخراج ویژگی
ارتباط regionprops و imcrops
دستور تغییر اندازه تصویر imresize
کابردهای imresize
چند برابر کردن تصویر
تغیییر اندازه تصویر به مقدار یک مشخص
تغییر اندازه تصویر به تعداد سطر مشخص و تعداد ستون نامشخص
تئوری تغییر اندازه تصویر
روش nearest neighbor
روش bilinear
روش bicubic
روش box shape kernel
روش مثلثی triangular
روش cubic
روش lanczos
چرخش تصویر imrotate
تصحیح پرخش تصویر
کاربرد در شناسایی حروف
دستور imtranslate
جابجایی مکانی تصویر
پر کردن اطراف تصویر با عدد خاصی
گزینه FilledValues
دستور impyramid
گزینه reduce
گزینه expand
معیارهای کیفیت تصویر SSIM
دستور imwrap
دستور affline2d
توضیح عناصر ماتریس affline
دستور imshowpair
محاسبه اتوماتیک tform
تصحیح کجی تصویر
دستور fitgeotrans
تبدیل affine
تبدیل projective
تبدیل شباعت غیر reflective
تبدیل Piecewise Linear
تبدیل Local Weighted Mean (میانگین وزندار محلی)
تبدیل چند جمله ای polynomial
کمترین تعداد نقاط لازم برای affine
تاثیر چرخش تصویر در الگوریتم
دستور imfuse
انداختن دو تصویر بر روی هم
دستور imref2d
دستور imregconfig
توابع registration
گزینه های رجسیتر
(تعداد کل تکرارها ، حداقل و حداکثر طول گام ، تلورانس اندازه گرادیان ، فاکتور relaxation )
دستور imregister
نوع translation
نوع rigid
نوع similarity
نوع affine
توضیح فلوچارت registration
توابع افزایش contrast تصویر
افزایش کیفیت تصویر
تابع imadjust
تخصیص بازه برای imadjust
Imadjust برای تصاویر رنگی
استفاده از []
تابع imcontrast
کار با ابزار Adjust Contrast
تغییر مینیمم و ماکزیمم کنتراست تصویر
دستور imsharpen
تمایز دادن لبه ها
حذف ماتی و بلوری تصویر
یکسان سازی هیستوگرام
تفاوت histeq و adapthisteq
نحوه انتخاب تابع یکسان سازی هستوگرام
تغییر هیستوگرام بر مبنای هیستوگرام تصویر مرجع
تعیین حد پایین imadjust
تایع stretchlim
اضافه کردن نویز به تصویر
چرا نویز به تصویر اضافه می کنیم؟
تابع imnoise
انواع نویز (Gaussian و localvar و poisson و salt @ pepper و speckels )
( گایوسین و واریانس محلی و پواسون و نمک و فلفل و اسپکلز)
پارامترهای میانگین و واریانس نویز گایوسین
پارامترهای نویز سفید گایوسین میانگین-صفر
پارامترهای نویز نمک و فلفلی
رابطه کلی نویز speckels
نکاتی در مورد نویز در تصویر
طریقه بیان نتایج حذف نویز در مقاله
فیلتر ها در تصویر
مفعوم convolution
مفهوم correlation
پنجره یا window در فیلترها
توضیج کانالوشن با مثال
توضیح correlation با مثال
حرکت sliding پنجره فیلترینگ
کرنل یا kernel در فیلترینگ
Convolution یا correlation کدام مناسب تر است؟
مفهوم padding
مقدار padding چقدر می تواند باشد ؟
حرکت distinct پنجره فیلترینگ
پیکسل مرکزی یا center pixel در پردازش تصویر
Sliding یا distinct کدام مناسب تر است؟
تابع nlfilter
تابع blockproc
کاربرد imfilter
ساخت فیلتر با fspecial
فیلتر میانگین average
فیلتر میانگین دایره ای circular
فیلتر پایین گذر گایوسین lowpass filter gaussian
فیلتر لاپلاسین laplacian
فیلتر گایوسین لاپلاسین
فیلتر تقریب حرکت خطی دوربین motion
فیلتر prewitt
فیتلر sobel
یافتن لبه های عمودی
یافتن لبه های افقی
استخراج لبه های عمودی و افقی با هم
خصوصیات کرنل فیلتر
اعمال فیلتر به تصویر
دستور imadd
تنظیم اندازه پنجره فیلتر میانگین
برای حذف نویزهای ضربه ای چه کار کنیم؟
تابع imgaussfilt
دانلود و مشاهده قسمت اول :
لینک دانلود قسمت اول (کیفیت اصلی)
دانلود و مشاهده قسمت دوم :
لینک دانلود قسمت دوم (کیفیت اصلی)
raz –
خيلي وقت بود منتظر اين محصول از شما بودم
خيلي خوبيد خوب
علي –
با اينكه پردازش تصوير خيلي مبحث سختيه ولي استاد اين آموزش خيلي خوب بخش بخش تدريس كرد
شروين –
سلام
مثالهايي كه در حين تدريس گفته شد به نظرم يكي از نقاط قوت اين آموزشه
من به دوستان توصيه مي كنم اين آموزش را تهيه كنند
مهیا –
باز یک کار عالی از استاد قیصری
هیوا –
سلام
وقت بخیر من دنبال یک فایل آموزشی کامل در پردازش تصویر هستم که بصورت کامل و واضح دستورات رو توضیح داده باشن این مجموعه کامله برای پردازش تصویر ؟ که خریداری کنم منتظر خبرتون هستم ممنونم
ایران متلب –
سلام
این فیلم توسط بچه های گروه ایران متلب تهیه شده است که سابقه نه ساله در پروژه های پردازش تصویر دارند.
پدرام –
به نظرم این محصول حرف نداره
بچه هایی که پایان نامه یا پروژه مرتبط با پردازش تصویر دارند حتما تهیه کنند
omidi –
استادش خوب تدریس کرد
bibak –
واقعا عالی وکامل بود
ماهان –
واقعا خیلی خوب بود
به من در پایان نامه ام خیلی کمک کرد
صابری –
سلام فیلتر در پردازش تصویر هم گفته شده؟
ایران متلب –
سلام
بله مبحث فیلتر در پردازش تصویر هم گفته شده است.
Sepideh –
از زحمات شما متشکرم.
واقعا این محصول عالی بود.
ترم پیش خیلی در فهم مطالب image processing کمکم کرد.ممنون از زحماتتون
امیر –
با سلام
این مجموعه ادامه دارد یا خیر ؟
ایران متلب –
سلام
بله بعضي قسمت ها اضافه خواهد شد و براي خريداران ايميل خواهد شد.
سیدعلی –
آیا در مورد تئوی الگوریتم ها مثل گوشه یابی کنی و … هم توزیع داده شده و یا فقط توابع اوتها در متلب بیان شده
ایران متلب –
با سلام
بله توضیح داده شده است.
ماهینی –
این آموزش واقعا بسیار مفید و کاربردی هست
marzieh –
با سلام و احترام
من این مجموعه به همراه مجموعه سیر تا پیاز متلب را خریداری کردم. لطفا لینک دانلود آن را به ایمیل من ارسال کنید.
در ضمن لطفا حداقل یک هفته لینک را برای دانلود فعال بگذارید چون شب ها اینترنت من با تخفیف حساب میشه و میخوام شب ها دانلود کنم.
ممنون
سعيد –
با عرض سلام
پايان نامه من در مورد پردازش تصاوير AFM وSEM و تعيين مورفولوژي سطح هست ايا با خريد اين محصول مشكلم براي يادگيري و كدنويسي در اين زمينه حل ميشه؟
ممنونم
ایران متلب –
با سلام و احترام
کار پایان نامه در هر موضوعی مرتبط با پردازش تصویر با کمک این فیلم قابل انجام است.
عباس بهرامی –
آیا این مجموعه آموزشی اکنون کامل شده است تا خریداری نمایم؟
ایران متلب –
شما مي توانيد اين مجموعه را خريداري فرماييد .
حمزه رضایی –
سلام دستورات imerode
وlmdialate
و imimposemin
چه کارهی بر رو تصویر انجام میدهنذ
ایران متلب –
با سلام و تشکر از سوال شما کاربر گرامی
این دستورات در عملیات مرفولوژی استفاده می شوند که توضیحات همراه با مثال در فیلم آموزشی آمده است.
andishe –
من موضوع پایان نامم دسته بندی متون فارسی با svm و زنتیک هست فیلمی هست که بتونه برا دفاع کمکم کنه ؟
ایران متلب –
با سلام
فیلم های آموزشی زیر برای شما مناسب می باشد ، بر روی هر لینک کلیک کنید :
آموزش پردازش تصویر
ماشین بردار پشتیبان
آموزش جامع الگوریتم ژنتیک
علیرضا سعادت مهر –
سلام
وقت بخیر
پروژه من در مورد رمزنگاری تصاویر ثابت با استفاده از نگاشت آشوبی لجستیکی و محاسبات DNA هست میخواستم ببینم کدهای متلب یا فیلم آموزشی در این مورد جهت پیاده سازی میتونم ازتون بگیرم
حسن اصغري –
سلام
تشکر از شما بایت سوالتون
در رمزنگاری تصویر تا جایی که تخصص من هست ، شما باید یک سری پردازش هایی را بر روی تصویر انجام دهید.
بیشتر توایع پردازش تصویری در این فیلم آموزش داده شده است ، لذا برای شما مناسب می باشد.
مهدی –
سلام خسته نباشی این فیلم ها چند قسمته؟ بعد در مورد dehazing در پردازش میشه ازش کمک گرفت؟
ایران متلب –
سلام
شما برای پیاده سازی هر الگوریتم پردازش تصویری در متلب باید با ابزارهای متلب و زبان برنامه نویسی متلب آشنایی داشته باشید.
این فیلم آموزشی شما را با ابزارهای پردازش تصویری متلب آشنا می کند.
برای یادگیری زبان متلب به سیر تا پیاز متلب مراجعه کنید.
parsia –
با سلاام…میخواستم بدونم مدت زمان این اموزش درکل چند ساعته و ایا میشه از طریق پی پال هزینه رو پرداخت کرد؟وبعداز پرداخت لینک دانلود به ایمیل من ارسال میشه ؟
ایران متلب –
سلام
شما می تونید با پشتیبانی تماس بگیرید و از طریق درگاه پرداخت بین المللی هزینه را پرداخت کنید و لینک های دانلود به ایمیل شما ارسال می شود.
ebi –
تشکر
نیما –
تشکر
مریم –
سلام وقت بخیر
من روی پروژه ی خواندن پلاک ماشین کار می کنم این آموزش میتونه برام کاربردی باشه؟
ایران متلب –
سلام
بله این آموزش برای شما مناسب است. شما باید تصویر ورودی را مورد پیش پردازش انجام دهید و مقداری از نویزها و … را کاهش دهید.
سپس تصویر را باینری کنید و با روشهایی مکان پلاک خودرو را پیدا کنید.
سپس محل پلاک را از روی تصویر اصلی برش دهید.
برای تشخیص هم باید تصویر را پلاک را باینری کنید و هر عدد و حرف را جدا کنید و بدهید یه یک دسته بندی کننده یا نزدیکترین همسایه.
پویا –
با سلام و خسته نباشید
بنده برای پروژه ای نیازمند پردازش تصویر می باشم که در آن از روی یک عکس هوایی معمولی که از امواج و اب دریا گرفته می شود، باید منحنی حاکم بر شکل موج استخراج شود.(همان مبحث remote sensing)
ایا این اموزش برای بنده مناسب می باشد؟
با تشکر لز پاسخگویی شما
ایران متلب –
با سلام
من در این مورد تخصص ندارم. اما پردازش تصاویر ماهواره کار کردم. شما می توانید از ابزارهای پردازش تصویر متلب استفاده کنید.
با تشکر از شما
احمد –
ی سوال دیگه داشتم این که این اموزش تو تشخیص چهره و تشخیص اشیا میتونه کمکم کنه.
ایران متلب –
هر کاربردی که با تصویر و ویدئو سر و کار داشته باشد این اموزش قابل استفاده است.
محسن –
با سلام بنده میخام با مقایسه دو تصویر قبل از تست مکانیکی (ترک) و بعد از تست، میزان جابجلیی را اندازه گیری نمایم. آیا متلب چنین امکانی دارد؟ اگر دارد آیا این فیلم اموزشی میتواند کمک حال باشد؟ اگر می تواند ممنون میشم بفرمایید در کدام سرفصل از فیلم.
با تشکر
ایران متلب –
سلام
کاربردهای بسیار زیاد است. شما می توانید از ابزارهای معرفی شده در این فیلم آموزشی برای هر کاربردی استفاده کنید.
اگر با شناسایی لبه کار کرده باشید می توانید این پروژه را کار کنید. البته تخصص من در تست مکانیکی (ترک ) نمی باشد.
Jafar –
سلام. امید وارم به سوالات من پاسخ بدهید .
بنده میخوام با استفاده از پردازش تصویر گیت ورودی یک پارکینگ را هوشمند کنم . به این شکل که در ورودی گیت یک دوربین هست و با خواندن پلاک خودرو و چک کردن آن در سیستم ( میکروکنترولر ) گیت باز شود. سوال بنده این هست با دیدن این مجموعه آموزشی این امر میسر میشود؟ باقی پردازش ها شامل چک کردن و غیره رو با میکرو خودم بلدم .
با تشکر.
ایران متلب –
سلام
شما باید بتوانید دوربین را در موقعیت خوبی در ورودی قرار دهید که پس زمینه تغییرات زیادی نداشته باشد تا راندمان الگوریتم شما افزایش یابد. مشابه کاری که دوربین های داخل جاده ها انجام می دهند. این بخش بسیار مهم است بنا به تجربه گفتم خدمتتون.
سپس با مشاهده فیلم آموزش پردازش تصویر در متلب کدهایی بنویسید که پلاک خودرو را استخراج کنید.
سپس تصویر استخراج شده را به یک سیستم تشخیصی بدهید که ابزارهای مورد استفاده در این فیلم صحبت شده است. الگوریتم های بسیار زیادی برای این کار وجود دارد. یکی را انتخاب کنید و پیاده سازی کنید.
سپس از طریق پورت سریال یا USB بستگی داره به میکروکنتر لر شما. با میکرو ارتباط برقرار کنید.
البته یک روش پیشرفته هم برای این کار وجود دارد که این سیستم را در سیمولینک پیاده سازی کنید و سپس از طریق coder های متلب به میکرو دانلود کنید تا میکرو از طریق دوربین خود کار شناسایی را انجام دهد که امیدوارم در آینده نزدیک یک آموزش در این زمینه تهیه کنیم.
احمدی –
آیا برای فشرده سازی تصویر با استفاده از بردارسازی گرادیان رنگ هم مفید؟
ایران متلب –
روشهای فشرده سازی با پیکسلهای تصویر کار دارند که با روشهای ریاضی این مقادیر را به مقادیر دیگر تغییر می دهند.
برخی از این روشها در پردازش تصویر معروف می باشند، مثل DCT و JPEG.
این روشهای فشرده سازی در این آموزش معرفی نمی شوند.
رضا –
با سلام
ببخشید من میخواستم در یک مجموعه تصاویر، segmentation انجام بدم که دو کلاس مورد نظر که در تصویر توسط یک مرز از یکدیگر جدا شده اند را از یکدیگر جدا کنم که از نظر ویژگی بافتی به هم نزدیک هستند (درواقع بتوانم این دو کلاس و مرز بین آنها را از یکدیگر با دقت منایب تقسیم بندی کنم) که برای این کار میخواهم از استخراج ویژگی از پیکسل های تصویر (مثل فیلتر گابور، انرژی، آنتروپی و . . .) و یک طبقه بند استفاده کنم آیا این مجموعه این مباحث را پوشش می دهد تا آن را تهیه کنم؟ تشکر
ایران متلب –
با سلام و تشکر از سوالتون
این آموزش برای هر نوع کابردی که با تصویر باشد قابل استفاده است.
در مورد کار شما می خواهید استخراج ویژگی از دو بافت texture انجام دهید. خودتون باید تایع استخراج ویژگی را بنویسید و ویژگی های به دست آمده را به دسته بندی کننده بدهید.
ما یک آموزش بسیار خوب دیگر هم در زمینه ماشین بینایی داریم که تعدادی از بهترین تابع های استخراج ویژگی آموزش داده شده است که می تواند مفید باشد.
لینک آموزش شناسایی و استخراج ویژگی
پیمان –
با سلام . این اموزش به پردازش بر روی تصاویر پزشکی هم کمکی میکنه؟
ایران متلب –
با سلام
این آموزش برای هر نوع تصویری قابل استفاده است. فرقی نمی کند موضوع داخل تصویر چه چیزی باشد.
فقط مزیتی که تصویر پزشکی دارند این است که سیاه و سفید هستند (البته تا جایی که من خبر دارم چون پزشک نیستم). تصاویر سیاه و سفید برای برخی از پردازش ها بهتر جواب می دهند. شما می توانید از همین خصوصیت در الگوریتم خود نهایت استفاده را ببرید.