00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به 21 جلسه نمونه از دوره
  • دسترسی به 21 جلسه نمونه از دوره
  • عضویت در تالار گفت‌وگوی دوره
  • اضافه شدن دوره به پروفایل
فقط محتوا
  • دسترسی کامل و نامحدود به محتوای دوره
  • تمام قابلیت‌‌های پلن رایگان
    +
  • دسترسی کامل و نامحدود به محتوای دوره
599,000 تومان
امکان پرداخت ارزی ‎
دوره کامل
  • دسترسی به تمام قابلیت‌های دوره
  • تمام قابلیت‌های پلن محتوا
    +
  • گواهی‌نامه مکتب‌خونه
  • پروژه محور
  • تمرین و آزمون
  • تالار گفتگو
  • تسهیل استخدام
949,000 تومان
امکان پرداخت ارزی ‎
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
مکتب‌خونه مکتب‌خونه

آموزش پردازش تصویر و بینایی ماشین با OpenCV

دوره‌های مکتب‌پلاس
70 ساعت
99٪ (492 رای)

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv چیست؟

OpenCV یا Open Computer Vision Library به مجموعه‌ای از کتابخانه‌های برنامه‌نویسی پردازش تصویر و بینایی ماشین گفته می‌شود. OpenCV که بیشتر روی پردازش تصویر Real time یا بی‌درنگ متمرکز است دارای بیش از 2500 الگوریتم بهینه شده شامل مجموعه‌ای جامع از الگوریتم‌های بینایی کامپیوتر و یادگیری ماشین است. OpenCV کتابخانه‌ای چندسکویی است که توسط سیستم عامل‌های گوناگونی همچون ویندوز، لینوکس، Mac Os، IOS و اندروید پشتیبانی می‌شود. همچنین OpenCV دارای رابط برنامه‌نویسی به زبان‌های C++ ، C، پایتون، جاوا و متلب نیز هست.

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV برای ایجاد یک پایه قوی در بینایی کامپیوتر طراحی شده است. در این دوره شما درک کاملی از تقریبا تمام ابزارهای OpenCV برای پردازش تصویر، بینایی کامپیوتری، پردازش ویدئو و اصول اولیه هوش مصنوعی خواهید داشت. تمامی مفاهیم آموزش داده شده در این دوره در پایتون پیاده‌سازی شده و دوره پیش رو شامل مباحث تئوری به همراه پیاده‌سازی های عملی است. به این ترتیب به کمک دوره آموزش بینایی ماشین و پردازش تصویر می‌توانید علاوه بر یادگیری موضوعات و مباحث ارائه شده به صورت تئوری، در محیطی عملی نیز آموخته‌های خود را مورد ارزیابی قرار دهید و به این ترتیب دانش خود در این زمینه را کامل‌تر از گذشته کنید.

از جمله موضوعات مورد بحث در این دوره می‌توان به موارد زیر اشاره کرد:

  • مفاهیم پایه‌ی تصویر و بینایی کامپیوتر
  • کار با ویدیو و ایجاد رابط گرافیکی در OpenCV
  • ایجاد و تحلیل تصاویر باینری
  •  بهبود تصویر و فیلترگذاری روی تصاویر
  • پردازش تصویر پیشرفته و عکاسی محاسباتی
  •  تبدیل‌های هندسی و ویژگی‌های تصویر
  • شناسایی و تشخیص چهره
  • بخش‌بندی و بازشناسی تصویر
  • تحلیل ویدئو
  • یادگیری عمیق در OpenCV

 

هدف از برگزاری دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv چیست؟

هدف اصلی دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv آموزش مباحث مربوط به مبانی بینایی کامپیوتر و بررسی مفهوم پردازش تصویر است. دوره آموزش جامع پردازش تصویر و بینایی ماشین با OpenCv به منظور بررسی همه جانبه مفاهیم مربوط به بینایی کامپیوتر و پردازش تصویر تهیه و منتشر شده است.

معمولا هر دهه یا چند دهه یکبار، یک سونامی تکنولوژیکی رخ می‌دهد که صنایع مختلف را دست خوش تغییر کرده و آنها را متحول می‌کند. هوش مصنوعی (AI) نیز موجی است که دنیای فناوری امروز را فرا گرفته است. اگر می خواهید به این انقلاب بپیوندید اما هنوز مهارت لازم را ندارید، این دوره برای شما مناسب خواهد بود.

 

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv برای چه کسانی مناسب است؟

در تمام مراحل تهیه و تولید دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv سعی شده است که آموزش‌های ارائه شده در این دوره برای همه علاقه‌مندان کارآمد و مفید باشند. به طور مشخص دوره آموزش پردازش تصویر با OpenCv برای گروه‌های زیر تهیه شده است:

  • تمامی افراد علاقه مند به هوش مصنوعی و بینایی کامپیوتر
  • دانشجویان و مهندسان برق و کامپیوتر
  • افرادی که در زمینه رباتیک مشغول به کار و تحقیق هستند
  • محققان حوزه بینایی کامیپوتر و یادگیری عمیق

سرفصل‌های دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV

فصل دوم: شروع کار با OpenCV در پایتون
06:54 ساعت
02:48
Combined Shape Created with Sketch. 23 جلسه
بارم:
16%
نمایش جلسات فصل  
خواندن، ذخیره‌کردن و نمایش ویدیو
"16:44
تصاویر خاکستری (Gray Scale)
"18:42
بریدن یک ناحیه از تصویر
"05:55
کوییز مقدمه‌ای بر تصاویر
3.0%
     
"01:00
تمرین اول: برش تصویر

 (الزامی)

18.2%
     
"60:00
فضاهای رنگی _ جداکردن و ادغام کانالهای رنگی
"12:26
فضاهای رنگی _ تغییر مقادیر هر کانال
"11:42
فضاهای رنگی – فضای رنگی HSV
"10:45
کوییز مقدمه‌ای بر فضاهای رنگی
3.0%
     
"01:00
درک کانال آلفا و ترنسپرنتسی (Transparent)
"08:46
عملیات بیتی، ماسک کردن تصویر و ایجاد یک تصویر PNG
"11:01
کوییز عملیات پایه روی تصاویر و درک تصاویر Transparent
3.0%
     
"01:00
تمرین دوم: عملیات پایه روی تصاویر

 (الزامی)

18.2%
     
"60:00
رسم اشکال روی تصویر
"14:15
نوشتن متون فارسی و انگلیسی روی تصویر
"14:26
تمرین سوم: رسم اشکال

 (الزامی)

18.2%
     
"60:00
عملیات ریاضی (Arithmetic Operations)
"14:12
عملیات ریاضی روی تصاویر
3.0%
     
"01:00
تنظیم روشنایی و کنتراست (با توابع خطی)
"09:23
تحلیل هیستوگرام تصویر و مشکل روش خطی تنظیم روشنایی و کنتراست
"08:30
تنظیم روشنایی و کنتراست (با تصحیح گاما)
"11:27
کوییز تنظیم روشنایی و تضاد تصویر
9.1%
     
"02:00
تمرین چهارم: روشن‌کردن تصویر

 (الزامی)

24.2%
     
"60:00
فصل چهارم: پردازش تصاویر باینری
06:13 ساعت
03:04
Combined Shape Created with Sketch. 34 جلسه
بارم:
17%
نمایش جلسات فصل  
کاربردها
"05:30
حد آستانه گذاری یا Thresholding و باینری کردن تصویر
"14:45
کوییز آستانه گذاری
2.9%
     
"01:00
روش Otsu برای پیداکردن خودکار حد آستانه - بخش تئوری
"04:46
پیاده‌سازی روش Otsu در پایتون
"11:46
آستانه‌گذاری تطبیقی
"07:55
کوییز روش‌های آستانه گذاری
8.6%
     
"02:00
تمرین هشتم: آستانه‌گذاری

 (الزامی)

22.9%
     
"60:00
مفاهیم dilation و erosion
"03:54
گسترش یا انبساط (Dilation)
"05:39
کوییز عملیات Dilation
8.6%
     
"02:00
فرسایش (Erosion)
"04:19
عملیات Opening
"03:35
عملیات Closing
"06:00
پیاده‌سازی عملیات مورفولوژی در پایتون
"10:59
hit-or-miss (اختیاری)
"06:19
مثال حذف خطوط افقی با عملیات مورفولوژی
"09:19
کوییز عملیات مورفولوژی
5.7%
     
"02:00
مفاهیم تحلیل مولفه‌های متصل
"04:34
پیاده سازی تحلیل مولفه‌های متصل
"10:58
تمرین نهم: تحلیل مولفه‌های متصل

 (الزامی)

22.9%
     
"60:00
یافتن Contour
"07:12
تخمین Contour
"05:22
پوشش محدب (Convex hull)
"06:32
کوییز پوشش محدب
2.9%
     
"01:00
به دست‌‌آوردن دایره و مستطیل دربرگیرنده‌ی کانتورها
"07:42
محاسبه مساحت، moment و مرکز کانتور و سورت‌کردن اشکال
"07:19
الگوریتم Douglas-Peucker و تشخیص اشکال هندسی
"11:33
مثال تشخیص نواحی کلمات
"06:34
مثال شمارش سکه
"08:42
تمرین دهم: تحلیل کانتور (Contour)

 (الزامی)

22.9%
     
"60:00
تشخیص blob
"10:56
سایر کاربردهای مورفولوژی
"02:36
تشخیص اسم اشیاء هندسی
2.9%
     
"01:00
فصل پنجم: بهبود تصویر و فیلترگذاری روی تصاویر
13:16 ساعت
04:14
Combined Shape Created with Sketch. 37 جلسه
بارم:
18%
نمایش جلسات فصل  
فیلترگذاری روی تصویر با رنگ
"06:32
دستور Inrange در OpenCV برای فیلتر‌کردن رنگ
"08:39
مثال فیلترکردن رنگ آبی در ویدیو
"06:41
بررسی سایر فضاهای رنگی
"10:39
مثال تکنیک حذف پرده سبز
"07:23
مثال حذف پرده سبز با روشی دیگر و بررسی روی ویدیو
"06:54
مثال pop-effect
"08:09
خوشه بندی یا Clustering
"07:44
پیداکردن رنگ‌های غالب با خوشه‌بندی
"12:47
کوییز فضاهای رنگی
2.8%
     
"01:00
بهبود نمایش رنگ‌های غالب
"06:51
تمرین یازدهم: فضاهای رنگی و مقدمات خوشه‌بندی

 (الزامی)

22.2%
     
"60:00
هیستوگرام تصویر
"14:47
پیداکردن رنگ‌های غالب با هیستوگرام
"08:20
یکنواخت‌سازی هیستوگرام و بهبود کنتراست تصویر
"08:56
الگوریتم CLAHE: روش پیشرفته یکنواخت‌سازی هیستوگرام
"07:53
مقایسه هیستوگرام‌ها و نرمال‌کردن هیستوگرام
"14:14
تمرین دوازدهم: افزایش کنتراست متن

 (الزامی)

16.7%
     
"60:00
تصویر به عنوان یک تابع
"05:13
حذف نویز تصویر با میانگین‌ متحرک (moving average)
"10:11
تفاوت کانولوشن و کرولیشن و مات‌کردن تصویر
"08:06
فیلتر غیرخطی میانه (median)
"03:09
پیاده سازی حذف نویز و مات کردن تصویر در پایتون
"08:38
فیلتر Sharpening
"05:45
پیاده‌سازی فیلتر sharpening در پایتون
"03:25
تمرین سیزدهم: فیلترگذاری روی تصویر و کانولوشن

 (الزامی)

22.2%
     
"60:00
لبه در تصویر چیست؟!
"03:16
مفهوم گرادیان تصویر
"15:02
یک فیلتر لبه‌یابی (edge detection)
"08:03
پیاده‌سازی لبه‌یابی در پایتون
"12:55
فیلتر Sobel
"06:58