آموزش پردازش تصویر در پایتون با کتابخانه scikit-image + پروژه‌های کاربردی + گواهینامه

آموزش پردازش تصویر در پایتون با کتابخانه scikit-image + پروژه‌های کاربردی + گواهینامه

آموزش پرازش تصویر در پایتون با استفاده از کتابخانه Scikit-image، ترسیم اشکال مختلف بر روی تصاویر، برش دهی و برگردان تصاویر

تریلر دوره

توضیحات کامل دوره

کتابخانه Scikit-image در پایتون چیست؟ Scikit-image یک کتابخانه متن‌باز و قدرتمند برای پردازش تصاویر در زبان پایتون است. با استفاده از این کتابخانه، شما می‌توانید تصاویر را بخوانید، ت...

کتابخانه Scikit-image در پایتون چیست؟

Scikit-image یک کتابخانه متن‌باز و قدرتمند برای پردازش تصاویر در زبان پایتون است. با استفاده از این کتابخانه، شما می‌توانید تصاویر را بخوانید، تغییر دهید و فیلتر کنید. همچنین، Scikit-image امکانات متنوعی برای تغییر اندازه، اعمال فیلترها، تبدیل رنگ و سایر عملیات را فراهم می‌کند.

اهمیت یادگیری پردازش تصاویر با کتابخانه Scikit-image در پایتون چیست؟

زبان برنامه‌نویسی پایتون امروزه به یکی از پرکاربردترین زبان‌‌های برنامه‌نویسی با کاربردهای گوناگون به ویژه در محیط‌های آکادمیک تبدیل شده است که از جمله این کاربردها می‌توان به پردازش تصویر اشاره کرد. کتابخانه‌های مختلفی جهت پردازش تصویر با استفاده از برنامه‌نویسی پایتون وجود دارند که از جمله آن‌ها می‌توان به کتابخانه Scikit-image اشاره کرد. پردازش تصویر کاربردهای بسیاری مانند تشخیص بیماری‌ها با استفاده از تصاویر پزشکی و هوش مصنوعی، سگمنتیشن و تشخیص اجسام در تصاویر، بهبود کیفیت تصاویر و … دارد که کتابخانه‌ Scikit-image، پیاده‌سازی بسیاری از موارد اشاره‌شده را تسهیل می‌کند.

در این فرادرس چه چیزی یاد می‌‌گیریم؟

در این آموزش، با کتابخانه قدرتمند scikit-image و نحوه نصب و راه‌اندازی آن آشنا خواهیم شد، سپس تصاویر را بارگذاری و مشخصه‌های آن‌ها را بررسی می‌کنیم. در ادامه، مفاهیم اساسی پردازش تصویر مانند تبدیل تصاویر رنگی به طیف خاکستری، برش‌دهی و برگردان تصاویر را یاد می‌گیریم. در ادامه به بررسی هیستوگرام، آستانه‌گذاری و اعمال فیلترهایی مانند تشخیص لبه، هموارسازی و تصحیح تصویر می‌پردازیم. در مراحل بعدی، تغییر کنتراست، همسان‌سازی هیستوگرام، و تکنیک‌های مورفولوژی تصاویر را اجرا خواهیم کرد. علاوه بر این، بازیابی تصاویر، رفع نویز و مقایسه آن‌ها را فرا خواهیم گرفت. در پایان، مفاهیم سگمنتیشن و کونتورها را بررسی می‌کنیم و با روش‌هایی مانند SLIC و Watershed به شناسایی و مشخص‌کردن بخش‌های تصاویر می‌پردازیم.

  • فصل یکم: آشنایی با کتابخانه scikit-image
    • درس ۱: کتابخانه scikit-image
    • درس ۲: آموزش نصب و راه‌اندازی
    • درس ۳: بارگذاری تصاویر و آشنایی با مشخصه‌های آن
  • فصل دوم: مقدمه‌ای بر پردازش تصویر
    • درس ۴: تبدیل تصاویر رنگی (RGB) به طیف خاکستری (Grayscale) و بالعکس
    • درس ۵: ترسیم اشکال مختلف بر روی تصاویر
    • درس ۶: برش‌دهی (Crop) و برگردان تصاویر (Inversion)
  • فصل سوم: هیستوگرام تصویر و آستانه‌گذاری
    • درس ۷: هیستوگرام و کاربرد‌های آن
    • درس ۸: چگونگی به دست آوردن هیستوگرام تصاویر
    • درس ۹: آستانه‌گذاری با استفاده از مقدار آستانه بهینه
  • فصل چهارم: تصحیح تصاویر و اعمال فیلتر
    • درس ۱۰: تصحیح گاما، لگاریتمیک و سیگموئید
    • درس ۱۱: تشخیص لبه در تصاویر
    • درس ۱۲: هموارسازی تصویر
    • درس ۱۳: تشخیص گوشه در تصاویر
  • فصل پنجم: تغییر کنتراست، تبدیلات و مورفولوژی تصاویر
    • درس ۱۴: کشیدگی کنتراست
    • درس ۱۵: همسان‌سازی (Equalization) و تطابق ‌‌دادن هیستوگرام
    • درس ۱۶: چرخش، تغییر اندازه و مقیاس تصاویر
    • درس ۱۷: خوردگی و گشادشدگی در تصاویر
  • فصل ششم: بازیابی، رفع نویز و مقایسه تصاویر
    • درس ۱۸: تبدیل رادن و معکوس آن – بخش نظری
    • درس ۱۹: تبدیل رادن و معکوس آن – بخش عملی
    • درس ۲۰: اصلاح تصاویر با استفاده از Inpainting
    • درس ۲۱: اعمال نویز بر روی تصاویر
    • درس ۲۲: رفع نویز تصاویر
    • درس ۲۳: مقایسه تصاویر با استفاده از سنجه‌های MSE ،SSIM و PSNR
  • فصل هفتم: سگمنتیشن و کونتورها
    • درس ۲۴: سگمنتیشن و انواع آن
    • درس ۲۵: سگمنتیشن با استفاده از روش SLIC
    • درس ۲۶: سگمنتیشن با استفاده از روش Watershed
    • درس ۲۷: کونتورها و چگونگی مشخص‌ کردن آن‌ها در تصاویر
  • فصل هشتم: راهنمایی ادامه مسیر
    • درس ۲۸: جمع‌بندی و نتیجه مباحث
    • درس ۲۹: ادامه یادگیری

سرفصل‌های دوره

  • چکیده
    0:01:47

  • کتابخانه scikit-image
    رایگان 0:04:28
  • آموزش نصب و راه‌اندازی
    0:05:27
  • بارگذاری تصاویر و آشنایی با مشخصه‌های آن
    0:10:30

  • تبدیل تصاویر رنگی (RGB) به طیف خاکستری (Grayscale) و بالعکس
    رایگان 0:11:39
  • ترسیم اشکال مختلف بر روی تصاویر
    0:06:29
  • برش‌دهی (Crop) و برگردان تصاویر (Inversion)
    رایگان 0:05:44

  • هیستوگرام و کاربرد‌های آن
    0:04:17
  • چگونگی به دست آوردن هیستوگرام تصاویر
    رایگان 0:06:28
  • آستانه‌گذاری با استفاده از مقدار آستانه بهینه
    0:15:19

  • تصحیح گاما، لگاریتمیک و سیگموئید
    0:13:02
  • تشخیص لبه در تصاویر
    رایگان 0:12:30
  • هموارسازی تصویر
    0:05:48
  • تشخیص گوشه در تصاویر
    رایگان 0:10:39

  • کشیدگی کنتراست
    0:08:24
  • همسان‌سازی (Equalization) و تطابق ‌‌دادن هیستوگرام
    0:16:16
  • چرخش، تغییر اندازه و مقیاس تصاویر
    0:14:19
  • خوردگی و گشادشدگی در تصاویر
    0:12:44

  • تبدیل رادن و معکوس آن – بخش نظری
    0:05:44
  • تبدیل رادن و معکوس آن – بخش عملی
    0:13:03
  • اصلاح تصاویر با استفاده از Inpainting
    0:04:13
  • اعمال نویز بر روی تصاویر
    0:04:37
  • رفع نویز تصاویر
    0:07:18
  • مقایسه تصاویر با استفاده از سنجه‌های MSE ،SSIM و PSNR
    0:09:46

  • سگمنتیشن و انواع آن
    0:03:21
  • سگمنتیشن با استفاده از روش SLIC
    0:04:47
  • سگمنتیشن با استفاده از روش Watershed
    0:03:54
  • کونتورها و چگونگی مشخص‌ کردن آن‌ها در تصاویر
    رایگان 0:06:07

  • تمرین ۱ – تاثیر فیلترهای تشخیص لبه بر کونتورها
  • تمرین ۲ – تاثیر کشیدگی کنتراست بر تشخیص گوشه

  • جمع‌بندی و نتیجه مباحث
    0:01:40
  • ادامه یادگیری
    0:02:19

  • آموزش پردازش تصویر در پایتون با کتابخانه scikit-image + پروژه‌های کاربردی

  • خلاصه و مرور آموزش
  • واژه‌نامه (Glossary)
  • سوالات متداول (FAQ)
  • مشاغل مرتبط
  • نمونه سئوالات مصاحبه شغلی

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

1,890,000 تومان
378,000 تومان
80% تخفیف

این دوره شامل:
12 فصل آموزشی
3:52:38 ساعت آموزش
دسترسی مادام‌العمر
گواهی پایان دوره: مشخص نیست
تاریخ انتشار: 1405/07/23
آخرین به‌روزرسانی: 2026-10-29 13:55:33
تعداد امتیازها: 0
تعداد دانشجو: 77
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: