فلش‌کارت‌های آموزشی پردازش تصویر: از مفاهیم تئوری تا پیاده‌سازی عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پردازش تصویر: از مفاهیم تئوری تا پیاده‌سازی عملی

موضوع کلی: مبانی برنامه نویسی ساخت یافته

موضوع میانی: مقدمه ای بر پردازش تصویر (Image Processing)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر پردازش تصویر
• 2. تاریخچه و سیر تحول پردازش تصویر
• 3. کاربردها و اهمیت پردازش تصویر
• 4. سیستم بینایی ماشین و پردازش تصویر
• 5. نمایش تصویر دیجیتال
• 6. مدل های رنگی (RGB، CMYK، HSV)
• 7. تبدیل فضای رنگ
• 8. نورپردازی و سایه در تصاویر
• 9. پیکسل و ویژگی های آن
• 10. داده های تصویری و فرمت ها
• 11. فشرده سازی تصاویر
• 12. مفاهیم اولیه فیلتر کردن
• 13. فیلترهای خطی و کانولوشن
• 14. فیلترهای میانه و غیرخطی
• 15. فیلترهای شارپنینگ و بلورینگ
• 16. فیلترهای تشخیص لبه (Sobel، Prewitt، Canny)
• 17. فیلترهای گابور و Wavelets
• 18. پردازش فرکانس تصویر (FFT)
• 19. فیلتر کردن در حوزه فرکانس
• 20. بهبود کنتراست تصویر
• 21. هیستوگرام تصویر و روش های بهبود آن
• 22. نرمال سازی هیستوگرام
• 23. تنظیم گاما
• 24. تعادل رنگ سفید
• 25. حذف نویز در تصاویر
• 26. انواع نویز (گاوسی، نمک و فلفل)
• 27. روش های حذف نویز (میانگین، میانه)
• 28. فیلترهای تطبیقی برای حذف نویز
• 29. تشخیص اشیاء در تصاویر
• 30. استخراج ویژگی های تصویر
• 31. نقاط کلیدی و توصیفگرها (SIFT, SURF, ORB)
• 32. تشخیص لبه های دقیق
• 33. تشخیص گوشه ها (Harris, FAST)
• 34. استخراج خطوط (Hough Transform)
• 35. استخراج دایره ها و اشکال دیگر
• 36. تقسیم بندی تصویر (Segmentation)
• 37. روش های مبتنی بر آستانه گذاری
• 38. آستانه گذاری تطبیقی
• 39. تقسیم بندی با روش های منطقه ای (Region Growing)
• 40. تقسیم بندی با استفاده ازiggle
• 41. تقسیم بندی با الگوریتم K-Means
• 42. تقسیم بندی با مدل های مخلوط گوسی (GMM)
• 43. تقسیم بندی معنایی (Semantic Segmentation)
• 44. تقسیم بندی تصویری (Instance Segmentation)
• 45. تشخیص و شناسایی الگو
• 46. تشخیص چهره
• 47. تشخیص دست خط
• 48. تشخیص پلاک خودرو
• 49. تطبیق تصویر (Image Matching)
• 50. استریو ویژن و بازسازی سه بعدی
• 51. تخمین حرکت (Motion Estimation)
• 52. ردیابی اشیاء (Object Tracking)
• 53. فشرده سازی ویدئو
• 54. پردازش ویدئو در زمان واقعی
• 55. مقدمه ای بر یادگیری عمیق در بینایی ماشین
• 56. شبکه های عصبی کانولوشنی (CNN)
• 57. معماری های معروف CNN (AlexNet, VGG, ResNet)
• 58. آموزش شبکه های CNN
• 59. استفاده از CNN برای طبقه بندی تصاویر
• 60. استفاده از CNN برای تشخیص اشیاء
• 61. استفاده از CNN برای تقسیم بندی تصویر
• 62. شبکه های مولد تخاصمی (GANs)
• 63. کاربرد GANs در پردازش تصویر
• 64. پردازش تصویر پزشکی
• 65. تحلیل تصاویر MRI
• 66. تحلیل تصاویر CT Scan
• 67. تحلیل تصاویر X-ray
• 68. تشخیص بیماری ها با پردازش تصویر
• 69. پردازش تصویر در رباتیک
• 70. بینایی ماشین برای ربات های متحرک
• 71. بینایی ماشین برای ربات های صنعتی
• 72. ملاحظات اخلاقی در پردازش تصویر
• 73. حریم خصوصی و پردازش تصویر
• 74. پیاده سازی عملی پردازش تصویر با OpenCV
• 75. نصب و راه اندازی OpenCV
• 76. عملیات پایه با تصاویر در OpenCV
• 77. فیلتر کردن با OpenCV
• 78. تغییرات هندسی تصاویر در OpenCV
• 79. تشخیص لبه و خطوط با OpenCV
• 80. استخراج ویژگی با OpenCV
• 81. تقسیم بندی تصویر با OpenCV
• 82. تشخیص و ردیابی اشیاء با OpenCV
• 83. پردازش ویدئو با OpenCV
• 84. مقدمه ای بر PyTorch برای پردازش تصویر
• 85. مفاهیم اولیه PyTorch
• 86. ساخت مدل های CNN در PyTorch
• 87. آموزش مدل های PyTorch
• 88. تنظیمات و پارامترهای آموزش
• 89. استفاده از PyTorch برای مسائل پردازش تصویر
• 90. مقدمه ای بر TensorFlow برای پردازش تصویر
• 91. مفاهیم اولیه TensorFlow
• 92. ساخت مدل های CNN در TensorFlow
• 93. آموزش مدل های TensorFlow
• 94. استفاده از TensorFlow برای مسائل پردازش تصویر
• 95. مقایسه PyTorch و TensorFlow
• 96. ابزارهای پیشرفته پردازش تصویر
• 97. پردازش تصویر در فضای ابری
• 98. پردازش تصویر در دستگاه های موبایل
• 99. بهینه سازی الگوریتم های پردازش تصویر
• 100. مباحث پیشرفته در پردازش تصویر