آموزش پردازش تصویر و بینایی ماشین با OpenCV فرادرس
- دستهبندی: ماشین لرنینگ
- سایت سازنده: فرادرس
- مدتزمان دوره: 10 ساعت
- تعداد جلسات: 12 جلسه
این دوره از سمت ربات تلگرامی رایگان کده قابل دانلود است!
این دوره تا آخرین پارت منتشر شده از سوی سازنده قرار گرفته است!
این دوره بدون هیچ لایسنس و قفل نرم‌افزاری با فرمت MP4 قرار گرفته است!
تاریخ بروزرسانی این دوره در رایگان کده ۲۸ آبان ۱۴۰۳ است.
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. مزیت اصلی OpenCV، در سرعت اجرای آن به خصوص در کاربردهای بی درنگ و البته متن باز بودن و رایگان بودن آن است. این مجموعه آموزشی، تلاشی است برای آشنایی هر چه بیشتر جامعه محققین بینایی ماشین با این کتابخانه ارزشمند، که به صورت گام به گام و عملی همراه با مجموعه متنوعی از مثال ها، شما را برای توسعه برنامه های کاربردی خود آماده خواهد ساخت.
این دوره به شما فرصت خواهد داد تا با پردازش تصویر و ویدیو آشنا شوید.
- درس یکم: مقدمه ای بر پردازش تصویر با OpenCV
- معرفی
- نصب کتابخانه OpenCV
- ایجاد یک پروژه OpenCV با مایکروسافت ویژوال C++
- بارگذاری، نمایش و ذخیره تصاویر
- درس دوم: کار با تصاویر
- دسترسی به مقادیر پیکسلی
- پویش تصویر با اشاره گرها
- پویش تصویر با تکرارگرها
- نوشتن حلقه های کارا برای پویش تصویر
- پویش تصویر در هنگام دسترسی به همسایه ها
- انجام محاسبات ساده تصویر
- تعریف نواحی مورد علاقه
- تبدیل فضاهای رنگی
- درس سوم: فیلترکردن تصاویر
- فیلتر کردن تصاویر با استفاده از فیلترهای پایین گذر
- فیلتر کردن تصاویر با استفاده از فیلتر میانه
- اعمال فیلترهای جهتی برای تشخیص لبه ها
- محاسبه لاپلاسین تصویر
- درس چهارم: هیستوگرام (Histogram)
- محاسبه هیستوگرام تصویر
- به کارگیری جداول جستجو برای تغییر ظاهر تصویر
- هموارسازی هیستوگرام تصویر
- پس افکنش (Back Projection) هیستوگرام برای تشخیص محتوای خاصی از تصویر
- استفاده از الگوریتم جابجایی میانگین برای پیدا کردن یک شی
- بازیابی تصاویر مشابه با استفاده از مقایسه هیستوگرام
- درس پنجم: تبدیل تصاویر با عملگرهای ریخت شناسی
- سایش و گسترش تصاویر با استفاده از فیلترهای ریخت شناسی
- باز کردن و بستن تصاویر با استفاده از فیلترهای ریخت شناسی
- تشخیص لبه ها و گوشه ها با استفاده از فیلترهای ریخت شناسی
- ناحیه بندی تصاویر با استفاده از الگوریتم آبگیر (Watershed)
- استخراج اشیا پیش زمینه با الگوریتم GrabCut
- درس ششم: استخراج خطوط، مرزها (کانتورها) و اجزا
- تشخیص کانتورهای تصویر با عملگر کنی
- تشخیص خطوط تصویر با تبدیل هاف
- برازش خط به مجموعه ای از نقاط
- استخراج کانتورهای اجزا
- محاسبه توصیف گرهای شکل اجزا
- درس هفتم: تشخیص و انطباق نقاط مورد علاقه
- تشخیص گوشه های هریس
- تشخیص ویژگی های FAST
- تشخیص ویژگی های مقاوم در برابر مقیاس SURF
- توصیف ویژگی های SURF
- درس هشتم: پردازش دنباله های ویدیویی
- خواندن دنباله های ویدیویی
- پردازش قاب های ویدیویی
- نوشتن دنباله های ویدیویی
- دنبال کردن نقاط ویژگی در ویدیو
- استخراج اشیای پیش زمینه در ویدیویی
- این دوره مناسب چه کسانی است؟
- دانشجویان علوم کامپیوتر، هوش مصنوعی و مهندسی برق: افرادی که قصد دارند در حوزه‌های بینایی ماشین و پردازش تصویر تخصص پیدا کنند، می‌توانند از این دوره بهره‌مند شوند.
- توسعه‌دهندگان و برنامه‌نویسان: اگر برنامه‌نویس هستید و می‌خواهید در حوزه‌های پردازش تصویر و یادگیری ماشین با ابزارهای کاربردی مانند OpenCV کار کنید، این دوره مفید خواهد بود.
- مهندسان رباتیک و خودران‌ها: کسانی که در زمینه رباتیک یا خودروهای خودران کار می‌کنند و به شناسایی اشیا، پردازش تصویر و ویدئو نیاز دارند، از این دوره سود خواهند برد.
- پژوهشگران یادگیری ماشین و بینایی ماشین: افرادی که در حال تحقیق در زمینه ماشین لرنینگ هستند و می‌خواهند تکنیک‌های پردازش تصویر را به پروژه‌های خود اضافه کنند.
- این دوره مناسب چه کسانی نیست؟
- افرادی که هیچ‌گونه تجربه برنامه‌نویسی ندارند: این دوره معمولاً نیاز به دانش اولیه از برنامه‌نویسی (به‌خصوص Python یا C++) دارد. افرادی که با این زبان‌ها آشنایی ندارند، ممکن است در ابتدا به مشکلاتی برخورد کنند.
- کسانی که به پردازش تصویر یا یادگیری ماشین علاقه‌ای ندارند: اگر به این حوزه‌ها علاقه‌ای ندارید یا پروژه‌ای در این زمینه ندارید، ممکن است این دوره برای شما جذاب نباشد.
- افرادی که به دنبال دوره‌های مبتدی در هوش مصنوعی هستند: این دوره معمولاً نیاز به دانش پایه‌ای در هوش مصنوعی و ریاضیات دارد و برای افراد کاملاً مبتدی در این حوزه شاید چالش‌برانگیز باشد.
بله، دانش ابتدایی برنامه‌نویسی (ترجیحاً Python یا C++) برای کار با OpenCV ضروری است.
بله، OpenCV یکی از ابزارهای اصلی برای پردازش تصویر در پروژه‌های رباتیک و خودروهای خودران است.
برای شروع کار با OpenCV، باید Python و کتابخانه OpenCV را نصب کنید. همچنین ممکن است به ابزارهایی مانند Jupyter Notebook یا یک IDE مثل PyCharm نیاز داشته باشید.
