دوره صفر تا صد ساخت اپلیکیشن های اندروید پردازش تصویر با OpenCV همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب صفر تا صد ساخت اپلیکیشن های اندروید پردازش تصویر با OpenCV

موضوع کلی: برنامه نویسی پردازش تصویر

موضوع میانی: توسعه اپلیکیشن های اندروید با OpenCV

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر بینایی ماشین
• 2. OpenCV چیست؟
• 3. چرا OpenCV روی اندروید؟ کاربردها
• 4. راه اندازی اندروید استودیو برای توسعه
• 5. مبانی جاوا/کاتلین برای اندروید (مرور سریع)
• 6. درک ساختار پروژه اندروید
• 7. نصب و راه اندازی OpenCV Android SDK
• 8. وارد کردن ماژول کتابخانه OpenCV
• 9. پیکربندی Gradle برای ادغام OpenCV
• 10. مجوزهای اندروید: دوربین و فضای ذخیره سازی
• 11. اولین اپلیکیشن اندروید OpenCV شما
• 12. دیباگ کردن اپلیکیشن های اندروید OpenCV
• 13. کلاس Mat: ساختار داده اصلی OpenCV
• 14. بارگذاری و نمایش تصاویر در اندروید
• 15. ذخیره سازی تصاویر در حافظه دستگاه
• 16. دسترسی و دستکاری پیکسل ها
• 17. درک فضاهای رنگی (RGB، Grayscale، HSV)
• 18. تبدیل فضاهای رنگی
• 19. توابع پایه ترسیم: خطوط، مستطیل ها، دایره ها
• 20. افزودن متن به تصاویر
• 21. عملیات ریاضی روی تصاویر: جمع، تفریق، ترکیب
• 22. عملیات بیتی روی تصاویر
• 23. تغییر اندازه و برش تصاویر
• 24. چرخش و برگرداندن تصاویر
• 25. تبدیلات Affine و Perspective
• 26. آستانه گذاری تصاویر: باینری و تطبیقی
• 27. مقدمه ای بر فیلتر کردن تصاویر و کانولوشن
• 28. فیلترهای هموارسازی: فیلتر جعبه ای (Box Filter)
• 29. فیلترهای هموارسازی: بلور گاوسی (Gaussian Blur)
• 30. کاهش نویز: فیلتر میانه (Median Filter)
• 31. هموارسازی با حفظ لبه ها: فیلتر Bilateral
• 32. عملیات مورفولوژی: فرسایش (Erosion)
• 33. عملیات مورفولوژی: انبساط (Dilation)
• 34. عملیات مورفولوژی پیشرفته: باز کردن (Opening) و بستن (Closing)
• 35. محاسبه گرادیان: عملگرهای Sobel و Scharr
• 36. عملگر Laplacian برای تشخیص لبه
• 37. آشکارساز لبه Canny: اصول و پارامترها
• 38. هیستوگرام تصاویر و متعادل سازی هیستوگرام
• 39. پیرامیدهای تصویری: پیرامید گاوسی
• 40. پیرامیدهای تصویری: پیرامید لاپلاسی
• 41. کانتورها: یافتن و ترسیم
• 42. خواص کانتور: مساحت، محیط، مرکز جرم
• 43. باکس های محاطی، مستطیل های با حداقل مساحت، دایره های با حداقل محیط
• 44. پوسته محدب (Convex Hull) و تقریب چندضلعی ها
• 45. مقایسه و تطبیق اشکال
• 46. دسترسی به دوربین دستگاه در اندروید
• 47. درک Camera API 1 در مقابل Camera2 API
• 48. پیاده سازی پیش نمایش دوربین
• 49. ثبت تصاویر ثابت از دوربین
• 50. مقدمه ای بر CameraBridgeViewBase (OpenCV)
• 51. استفاده از JavaCameraView برای پردازش بلادرنگ
• 52. پردازش فریم های دوربین با CvCameraViewListener2
• 53. مدیریت پویای مجوزهای دوربین
• 54. مدیریت چرخه حیات دوربین (onResume، onPause و غیره)
• 55. تنظیم پارامترهای دوربین: وضوح، فوکوس، فلاش
• 56. تبدیل فرمت های فریم دوربین (YUV به RGB/Grayscale)
• 57. بهینه سازی پردازش بلادرنگ دوربین
• 58. مقدمه ای بر ویژگی های تصویر و نقاط کلیدی
• 59. آشکارساز گوشه Harris
• 60. آشکارساز گوشه Shi-Tomasi
• 61. آشکارساز ویژگی FAST
• 62. مروری بر SIFT (Scale-Invariant Feature Transform)
• 63. مروری بر SURF (Speeded-Up Robust Features)
• 64. آشکارساز و توصیفگر ORB (Oriented FAST and Rotated BRIEF)
• 65. آشکارسازها و توصیفگرهای AKAZE و BRISK
• 66. تطبیق ویژگی: Brute-Force Matcher
• 67. تطبیق ویژگی: FLANN Matcher
• 68. تخمین Homography و RANSAC
• 69. کاربردهای Homography: تراز کردن تصاویر
• 70. پانورامای تصاویر با استفاده از ویژگی ها
• 71. تطبیق الگو (Template Matching) برای مکان یابی اشیاء
• 72. مقدمه ای بر Haar Cascades برای تشخیص اشیاء
• 73. پیاده سازی تشخیص چهره با Haar Cascades
• 74. تشخیص چشم و لبخند با استفاده از Haar Cascades
• 75. مقدمه ای بر Local Binary Patterns (LBP) برای تشخیص چهره
• 76. مبانی ردیابی اشیاء
• 77. الگوریتم های ردیابی Mean-Shift و CAMShift
• 78. Optical Flow Lucas-Kanade برای ردیابی نقاط
• 79. تکنیک های تفریق پس زمینه (MOG2، KNN)
• 80. مقدمه ای بر یادگیری ماشین در OpenCV
• 81. K-Nearest Neighbors (KNN) برای طبقه بندی
• 82. Support Vector Machines (SVM) برای طبقه بندی
• 83. خوشه بندی K-Means برای تقسیم بندی تصاویر
• 84. آموزش طبقه بندهای سفارشی (مرور کلی)
• 85. یادگیری عمیق با ماژول DNN در OpenCV
• 86. بارگذاری مدل های از پیش آموزش دیده (Caffe، TensorFlow، ONNX)
• 87. تشخیص اشیاء با DNN (YOLO، SSD)
• 88. طبقه بندی تصاویر با مدل های DNN
• 89. تقسیم بندی معنایی (Semantic Segmentation) با یادگیری عمیق
• 90. تخمین پوز (Pose Estimation) با استفاده از SolvePnP
• 91. بهینه سازی عملکرد با JNI و NDK (بک‌اند C++)
• 92. مدیریت حافظه برای تصاویر بزرگ در اندروید
• 93. چند رشته ای کردن برای پردازش همزمان
• 94. طراحی رابط کاربری برای اپلیکیشن های OpenCV
• 95. ساخت یک اپلیکیشن فیلتر دوربین بلادرنگ
• 96. توسعه یک اپلیکیشن واقعیت افزوده (Augmented Reality)
• 97. ساخت یک اپلیکیشن اسکنر اسناد
• 98. پیاده سازی یک سیستم تشخیص ژست (Gesture Recognition)
• 99. ساخت یک اپلیکیشن ساده تشخیص چهره
• 100. استقرار اپلیکیشن اندروید OpenCV شما