| متلب خونه |

MATLABKhooneh

پروژه های پردازش تصویر - تبدیل هندسی ( کد Mat0099 )

1 - تبدیل هندسی

۱-۱ -توسط تبدیل هندسی مناسب، تصاویر Lena ،Barbara و Girl را بر روی سه وجه از مکعب تصویر Cube قرار دهید. تبدیالت هندسی را با بکارگیری درونیابی نزدیکترین همسایه و درونیابی دوخطی انجام دهید.

۱-۲ -انطباق تصاویر یا Registration به فرایند منطبق کردن دو یک چند تصویر بر هم گفته میشود. در این حال و برای دو تصویر، یک تصویر، تصویر مرجع و دیگری تصویر ورودی است که بایستی بر تصویر مرجع منطبق شود. تصویر Map1 را به عنوان تصویر مرجع در نظر گرفته و تصویر Map2 را بر آن منطبق کرده و نمایش دهید. پارامترهای مدل را ارایه کنید

2 - فیلتر میانگین

۱-۲ -فیلتر میانگین به کمک کانولوشن پیاده سازی می شود. با استفاده از خصوصیات فیلتر میانگین از نوع Filter Box ،روشی برای افزایش سرعت پیاده سازی این فیلتر ارایه کنید؛ زمان اجرا الگوریتم اصلی را با الگوریتم خود مقایسه کنید.

۲-۲ -آشکارسازی لبه Robert را به تصویر Mosque اعمال کرده شدت لبه را نشان دهید. فیلتر میانگین 3×3 را ابتدا به تصویر اصلی اعمال کرده و آشکارساز لبه را به تصویر هموار شده اعمال کنید. چه تغییر در نتیجه ایجاد شده؟ این تجربه را به کمک فیلتر 5×5 و 7×7 نیز تکرار کرده و بر روی نتیجه بحث کنید.

۲-3 - دوبار اعمال متوالی یک فیلتر میانگین 3×3 دقیقاً همان نتیجهای که اعمال یکبار فیلتر 5×5 بوجود میآورد را ایجاد نخواهد کرد. آیا میتوانید فیلتری 5×5 طراحی کنید که نتیجهای اعمال آن مشابه دو بار اعمال یک فیلتر 3×3 باشد.

۲-۴ -فیلتری 7×7 طراحی کنید که اعمال آن معادل سه بار اعمال متوالی یک فیلتر 3×3 باشد. به کمک یک آزمایش بر روی تصویر Mosque صحت عملکرد فیلتر طراحی شده را نشان دهید.

3 - بهبود کنتراست تصویر

تصاویر He1 ،He2 ،He3 و He4 تصاویری هستند که میخواهیم به کمک بهبود کنتراست آنها را بهبود دهیم.

3-۱ -بهبود کنتراست این تصاویر را به کمک همسانسازی هیستوگرام (HE (انجام داده نتیجه را ارایه کنید.

3-۲ -اگر تصویر ورودی را f و تصویر بهبود یافته به کمک HE را fhe بنامیم. به ازای مقادیر مختلف α ،از 1.0 تا 5.0 با گام 1.0 تصویر fhe) α-1+(f.α=g را بدست آورده و نتیجه را نمایش دهید. بر روی نتایج بحث کنید.

3-3 -همسانسازی محلی هیستوگرام (LHE (با استفاده از پنجره هایی به ابعاد 5۱×5۱ ،۱0۱×۱0۱ ،۱5۱×۱5۱ و ۲0۱×۲0۱ را بر روی این تصاویر انجام و نتیجه را ارایه کنید. در مورد نتایج بحث کنید.

3-۴ -برای افزایش سرعت LHE از جابجایی بلوک ها به اندازه نصف بلوک و درونیابی استفاده کنید. جهت سهولت، ابعاد پنجره های فوق را در سطر و ستون یک واحد کم کنید تا ابعاد پنجره ها زوج شود.

4 - نقابگذاری غیر تیز (Un-sharp Masking)  

۴-۱ -به کمک استفاده از یک فیلتر هموارساز میانگین 3×3 از نوع Filter Box ،نقاب گذاری غیرتیز را به تصویر child اعمال کنید.

۴-۲ -نقابگذاری غیرتیز را با فیلتر هموار ساز میانگین 3×3 از نوع Average Weighted پیاده سازی کرده نتیجه را با نتیجه قبل مقایسه کنید.

۴-3 -تجربه قسمت )۱ )را با فیلترهای با اندازه بزرگتر 5×5 ،7×7 و 9×9 تکرار کنید. بزرگ کردن فیلتر چه تاثیری بر نتیجه دارد؟ بر روی آن بحث کنید.

۴-۴ -اگر در نقاب گذاری غیرتیز فیلتر میانه را به عنوان فیلتر هموارساز استفاده کنیم چه نتیجهای حاصل می شود؟ 16/1 کلیشه زیر را به عنوان کلیشه لاپلاسین در نظر بگیرید.

5 - حوزه فرکانس

5-۱ -تصویر Im184 را به حوزه فرکانس برده، یکبار طیف Im183 را با فاز Im184 ترکیب کنید و بار دیگر برعکس. حاصل را به حوزه مکان برگردانده و در مورد نتیجه بحث کنید.

5-۲ -با در نظر گرفتن تصاویر Im421 و Im423 به عنوان ورودی، با استفاده از فیلترهای پایینگذر گوسی با ۱0 پهنای باند مختلف، تصویر را هموار کرده نتیجه را نشان دهید.

5-3 -در هر مورد، آنچه که فیلتر پایینگذر حذف کرده را یکبار در حوزه ی مکان و یکبار در حوزه فرکانس بدست آورید و نتیجه را نمایش دهید. هر تصویر را درکنار تصویر متناظر از مرحله )۱ )نمایش دهید.

5-۴ -تصاویر Im421 و Im423 هر یک از دو تصویر مختلف ساخته شده است، یک تصویر از یک فیلتر پایینگذر و دیگری از یک فیلتر باالگذر عبور داده شده و نهایتا با تنظیم شدت مناسب با هم جمع شده اند. بر این اساس با در نظ ر گرفتن دو تصویر دلخواه شما نیز چنین تصویری ایجاد کنید.

6 - موجک

1-6 -یکی از کاربرد های تبدیل موجک، تشخیص خود شباهتی سیگنال است. فرض کنید تصویر fimg را داریم، در این تصویر بخشی از آن در مکان دیگری از تصویر کپی شده است که اصطالحا به چنین حالتی جعل move Copy گفته میشود. تصویر mask_fimg ناحیه دو بالک شبیه به هم را در تصویر fimg نمایش می دهد. ایده ای ارائه دهید که با استفاده از تبدیل موجک، بتوان این دو بلوک از تصویر fimg را که شبیه هم هستند، تشخیص داد. شبه کد الزامی و پیاده سازی میتواند با هر زبانی انجام شود.

2-6 -یکی از کاربرد های تبدیل موجک، یافتن شبیه ترین تصاویر نسبت به تصویر ورودی است. فرض کنید تصویر test را داریم و میخواهیم تصاویر پوشه آموزش را به ترتیب به شبیه ترین تصاویر مرتب کنیم. ایده پیشنهادی خود را شرح دهید و شبه کد آن را بنویسید.

6-3 -تصویر tree را به نویز گاوسی و نمک و فلفل آغشته کنید و با استفاده از تبدیل موجک، تقلیل نویز انجام دهید. شرح دهید که تبدیل موجک کدام نویز را بهتر تقلیل میدهد. کیفیت تصویر تقلیل یافته را به کمک معیارهای PSNR و SSIM گزارش کنید.

7 - پردازش تصاویر رنگی

با جستجو در منابع سه فضا ی رنگ بجز فضاهای رنگ معرفی شده در درس را پیدا کرده در هر مورد وی ژگی های فضا ی رنگ، کاربرد ها و ارتباط آن با فضا ی رنگ RGB یا HSI را بنویسید.

8 - لبه های تصویر زیر را با استفاده از یک فیلتر بالا گذر استخراج کرده (تصویر لبه را بدست آورده و نمایش دهید) و سپس لبه ها رو در تصویر اصلی تقویت کنید.

9 - برنامه ای بنویسید که نرم افزار MATLAB یک تصویر پزشکی را از ورودی گرفته و آن را به سیاه و سفید تبدیل نماید. سپس مقدار D0 و مرتبه فیلتر باترورث را از ورودی گرفته سپس از تصویر FFT گرفته و فیلترهای بالاگذر و پایین گذر باترورث ، گوسی و ایده آل را روی FFT تصویر اعمال نماید. در نهایت از تصویر بدست آمده تبدیل فوریه معکوس IFFT گرفته و حاصل ( تصویر فیلترشده و بهبود یافته ) را به همراه تصویر اصلی نمایش دهد.

جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV و متلب MATLAB لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

پروژه پردازش تصویر - آستانه گیری ( کد Mat0098 )

1 - Lowpass Filtering

a ) Implement the Gaussia lowpass filter in Eq. You must be able to specify the size , M * N , of the resulting 2D function. in addition , you must be able to specify the location of the center of the Gaussian function.

b ) Doenload Fig from the book web site and lowpass filter it to duplicate the results in fig.

2 - Highpass Filtering

a ) Implement the Gaussian highpass filter of eq. ( Note that , you can use basically program to generate highpass filters )

b ) Doenload Fig from the book web site and highpass filter it to duplicate the results in fig.

3 - Highpass Filtering Combined with Threshoding

Download Fig from the book web site and use your program from project to approximate the results in fig. ( Note  that you will be using a Gaussian, instead of a Butterworth  filter.

4 - یک عکس انتخاب کنید و سه روش آستانه گیری متفاوت را بر روی آن اجرا کنید. در مرحله بعد تبدیل توان و Negative را بر روی تصویر پیاده سازی کنید.

5 - با استفاده از حلقه های تو در تو (بدون استفاده از دستور imfilter ) فیلتر لاپلاسین زیر را بر روی عکس پیاده سازی کنید.

\[Laplacian Filter=\begin{bmatrix} 0 & -1 &0 \\ -1 & 5 &-1 \\ 0 & -1 & 0 \end{bmatrix}\]

6 - پروژه تعیین محدوده شناور در دریا با استفاده از لبه یابی

جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV و متلب MATLAB لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

پروژه پردازش تصویر - همسان سازی هیستوگرام ( کد Mat0095 )

1 - عملیات همسان سازی هیستوگرام سراسری و محلی ( با پنجره های 11*11 و 21*21 ) بر روی تصاویر car و kid اعمال کرده، با نمایش نتیجه و رسم هیستو گرام تصویر اولیه و تصویر حاصل، بر روی نتایج حاصل بحث کنید.

 

2 - عملیات لبه یابی را به کمک فیلتر لاپلاس، روبرت و سوبل روی تصویر im103 انجام دهید و نتیجه را نشان دهید

3 - تصویر im103 را به کمک (3*3) filter box تار نموده، سپس عملیات مرحله قبل را مجددا رو تصویر تار شده اعمال نمایید. روی تفاوت آشکارسازی لبه دراین دو تصویر بحث نمایید.

4 - برنامه ای بنویسید که نوع تصویر خوانده شده را تشخیص و اعالم کند ( رنگی:1 ،سطح خاکستری: 2 و باینری: 3 )

5 - برنامه ای برای شناسایی مختصات و مقدار نورانی ترین و تاریکترین نقاط یک تصویر بنویسید

6 - برنامه ای برای یک دوربین امنیتی بنویسید که با دریافت فریم های ویدیویی، به محض تشخیص حرکتی در محیط، پیغامی برای اپراتور ارسال کند. ( برای تشخیص حرکت، از تفاضل دو فریم استفاده کنید)

جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV و متلب MATLAB لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

پروژه پردازش تصویر پایتون - هیستوگرام ( Py0014 )

1 - تصویر به ابعاد 256x256  با سطوح خاکستری انتخاب کنید و روی این تصویر فعالیت های زیر را انجام دهیم.

الف - تصویر را به حالت کنتراست پایین با استفاده از Histogram Shrink  در آورید.

 

ب - تصویر حاصله از بند الف را با استفاده از Histogram Stretch  به وضعیت با کنتراست مناسب تبدیل کنید.

ج - تصویر حاصل از بند الف را با استفاده از Histogram Equalization به وضعیت با کنتراست مناسب تبدیل کنید.

د - آنتروپی تصویر اصلی و سه تصویر بندهای الف الی ج را محاسبه کنید و نتیجه را تفسیر کنید.

ه - تصویر حاصل از تصاویر الف و ب (به نام A) و الف و ج( به نام B )  و ب و ج ( به نام C) را نمایش دهید.

و - آنتروپی تصاویر A، B و C  را محاسبه کنید

2 - تصویری انتخاب کنید 

الف) سه فیلتر هموار کننده روی آن اعمال کنید.
ب ) دو فیلتر تیز کننده روی آن اعمال کنید .
ج ) روی تصویر نویز قرار دهید.

د ) با اعمال فیلتر نویز را کاهش دهید.

3 - یک تصویر 256 در 256 با استفاده از یک الگوریتم تصادفی اعداد 20 ، 15 ، 8 ، 8- ، 10- بسازید. سپس به صورت تصادفی از هر منطقه 16 در 16 به جای دو سوم اعداد صفر قرار دهید. آنتروپی تصویر را قبل از صفر قراردادن و بعد از آن محاسبه کنید.

4 - تصویر حاصل شده از تمرین بالا را با استفاده از میانگین گیری و روش میانه صاف کنید. نتایج حاصل را نشان دهید. دلیل نتایج حاصل چیست؟ آنتروپی دو تصویر حاصل شده را به دست آورده و با تصویر اصلی مقایسه کنید. دلیل اختلاف را تفسیر کنید.

5 - مشتق اول تصویر حاصل از تمرین بالا و تصاویر حاصل از میانگین گیری و میانه گیری را نمایش دهید.

6 - مشتق دوم تصویر حاصل از تمرین بالا و تصاویر حاصل از میانگین گیری و میانه گیری را نمای دهید.

جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

پروژه پردازش تصویر - امتحان تئوری پردازش تصویر

1 - عملگر T روی تصاویر f1 و f2 به صورت زیر اعمال شده و تساوی زیر به دست آمده است. چه نتیجه ای از عملگر T می توان گرفت؟

\[a_{1}.T(f_{1}(x,y))+2a_{2}.T(f_{1}(x,y))=\]

\[T(2a_{1}f_{1}(x,y)+a_{2}f_{2}(x,y))\]

الف - یک عملگر خطی است

ب - عملگر مینیمم است

ج - عملگر ضرب است

د - عملگر غیرخطی است

2 - در ماتریس زیر ، اگر همجواری را به صورت زیر تعریف کنیم ، پیکسل های همجوار m گانه پیکسل (2 ، 2 ) را مشخص کنید.   

170 < V < 180

3 2 1  
129 170 125 1
175 170 172 2
128 128 125 3

a . (2,3) (2,1) (1,2)

b . (3,2) (3,1) (2,3) (1,2)

c . (2,3) (2,2) (1,3) (1,1)

d . هیچکدام

3 - تصویربرداری با اشعه گاما برای چه کاربردهایی مناسب است؟

الف - کهکشان ها

ب - صنعتی 

ج - پزشکی

د - گزینه 1 و 2 

4 - تصویربرداری طیف مادون قرمز برای چه کاربردهایی مناسب است؟

الف - دوربین نظارتی 

ب - تصویربرداری چند طیفی

ج - کنترل کیفیت در خط تولید محصول

د - گزینه 1 و 2

5 - آشکارسازهای line-sensor و array-sensor برای چه نوع تصویربرداری مناسب است؟

الف - تصویربرداری از اجسام یک بعدی

ب - تصویر برداری پزشکی

ج - تصویربرداری از جسمی که طول آن مشخص نیست

د - گزینه 1 و 2

6 - کدام گزینه صحیح است؟

الف - میزان انرژی دریافتی توسط هر پیکسل  ( سلول  ) از سنسور دوربین رابطه مستقیم با میزان نور صحنه و میزان حساسیت سنسور دوربین دارد

ب - هرچه F-number دوربین بزرگتر باشد ، روزنه دیافراگم در لحظه تصویربرداری بیشتر باز می شود

ج - میزان انرژی دریافتی سنسور دوربین با زمانتصویربرداری و F-number رابطه مستقیم دارد.

د - همه موارد

7 - تشخیص رنگ بر عهده ی چه سلول هایی است؟

الف - سلول های مخروطی که در ناحیه fovea بیشتر متمرکزند

ب - بیشت برعهده سلول های استوانه ای و کمتر بر عهده سلول های مخروطی است

ج - سلول های مخروطی که بر سطح شبکیه پراکنده اند

د - سلول های استوانه ای که بیشتر در ناحیه fovea متمرکزند

ه - سلول هاس استوانه ای که در سطح شبکیه پراکنده اند

جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV و متلب MATLAB لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

پروژه پردازش تصویر با متلب MATLAB ( کد Mat0080 )

1 - برنامه ای بنویسید که یک تصویر را دریافت کند و بدون با استفاده از دستور histogram  متلب ، هیستوگرام یک تصویر را ترسیم کند.

 

2 - برنامه ای بنویسید که یک تصویر را دریافت کند و بدون استفاده از دستورات آماده متلب لبه های آن را مشخص کند. ( هدف پیاده سازی کد یافتن لبه است )

3 - برنامه ای بنویسید که تعداد مهره های گردن در تصاویر x-ray را شمارش کند. ( زبان برنامه نویسی متلب یا پایتون )

 

4 - برنامه ای بنویسید که عکس طاق بستان ( کرمانشاه ) را نمایش دهد و با کلیک درون طاق عکس شما در آن قرار بگیرد.

جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV و متلب MATLAB لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

تکالیف پردازش تصویر - بخش بندی تصویر ( کد Mat0062 )

1 - نویز متناوب سینوسی به شکل زیر را به تصویر cameraman اعمال کرده و تصویر حاصل را رسم کنید. سپس با توجه به فرکانس های نویز سینوسی یک filter notch طراحی کنید و تصویر اولیه را بازیابی کنید. ( برای سادگی فرکانس Vرا صفر در نظر بگیرید. مقدار A هم طوری انتخاب شود که نویز در تصویر دیده شود.)

\[\eta (x,y)=Asin(2 \pi u_{0}x+2 \pi v_{0}y)\]

2 - تبدیل هاف تصویر زیر را رسم کنید و rho , theta ی خطوط تصویر را مشخص کنید.

3 - با استفاده از عملگرهای مورفولوژی متلب ، مربع، دایره و مستطیل را مطابق شکل از تصویر جدا کنید.

4 - در تصویر شکل زیر تعداد دایره های کوچک و بزرگ را تعیین کنید.

5 - بخش بندی یک تصویر نویزدار خاکستری به کمک آستانه گیری سراسری با یافتن آستانه بهینه

6 - یک تصویر خاکستری را در ماتریسی در متلب بخوانید، به کمک حلقه for و تعریف یک سطح آستانه ( مفهوم سطح آستانه برای این عملیات تدریس شده است) ، آن را به تصویر باینری تبدیل کرده و در یک پنجره هر دو تصویر را در کنار هم نمایش دهید. سطح آستانه را تغییر داده و مجددا عملیات قبل را تکرار کنید. تفاوت در تصاویر باینری استخراجی را توضیح دهید.

7 - یک تصویر خاکستری را در ماتریسی در متلب بخوانید، ابعاد آن را مشخص کرده و با دستور input به کاربر اطالع دهید که تصویر دارای چه ابعادی است و از او بخواهید که بگوید به چه ابعاد کوچکتری بریده شود. کاربر ابعاد مورد نظر را وارد کند. اگر ابعاد ورودی کمتر از ابعاد اصلی تصویر بود، تصویر را به آن ابعاد بریده و نمایش دهد. وگرنه، به کاربر پیام خطا در وارد کردن ابعاد داده و مجدد از او ابعاد جدید بخواهد

8 - توابع از پیش تعریف شده ای (دستور) در متلب برای تبدیالت بین تصویر رنگی، خاکستری و باینری به هم وجود دارند. آنها را یافته و در یک m فایل، چند نمونه را نوشته و تست کنید. برای برش تصویر به ابعاد دلخواه نیز این مورد وجود دارد. همین کار را برای برش تصویر نیز انجام دهید.

| جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV و متلب MATLAB لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

 

 

تکالیف پردازش تصویر - الگوریتم های تشخیص لبه ( کد Mat0057 )

1 - پیاده سازی الگوریتم لاپلاسین برای تشخیص نقطه در یک تصویر خاکستری

2 - پیاده سازی الگوریتم لاپلاسین برای تشخیص خط در یک تصویر خاکستری به صورت ایزوتروپیک

3 - پیاده سازی الگوریتم لاپلاسین برای تشخیص خط با جهتی خاص در یک تصویر خاکستری به کمک فیلترهای شکل 

4 - تشیخیص لبه در یک تصیویر خاکستری به کمک فیلتر گرادیان سوبل شیکل 14-4 و نمایش تصیاویر گرادیان در جهت x ،گرادیان در جهت y و تصیییویر اندازه گرادیان |y| + |x| عملیاتی شبیه عملیات شکل 16-4 و مقایسه جهت لبه های تشخیص داده شده در هر یک

5 - تشیکیل تصویر زاویه گرادیان برای یک تصیویر خاکستری به کمک فیلتر گرادیان پرویت

6 - تشخیص لبه در یک تصویر خاکستری هموار شده با فیلتر میانگین به کمک فیلتر گرادیان سوبل شکل 14-4 و نمایش تصاویر گرادیان در جهت x ،گرادیان در جهت y و تصیییویر اندازه گرادیان |y| + |x| عملیاتی شبیه عملیات شکل 18-4 و مقایسه جهت لبه های تشخیص داده شده در هر یک

7 - تشخیص لبه های قطری در یک تصویر خاکستری به کمک فیلتر گرادیان سوبل تصویر اندازه گرادیان |y| + |x|

8 - تشخیص لبه در یک تصویر خاکستری هموار شده با فیلتر میانگین به کمک فیلتر گرادیان سوبل شکل 14-4 ،یعنی تهیه تصویر اندازه گرادیان |y| + |x| و سپس آستانه گیری از این تصویر و نمایش آن

9 - بخش بندی یک تصویر بدون نویز خاکستری به کمک آستانه گیری سراسری

10 - بخش بندی یک تصویر نویزدار خاکستری به کمک آستانه گیری سراسری با یافتن آستانه بهینه

11 - بخش بندی یک تصویر نویزدار خاکستری به کمک هموارسازی و آستانه گیری سراسری

12 - بخش بندی یک تصویر نویزدار خاکستری که اندازه شی ء خیلی کوچکتر از پس زمینه باشد به کمک تصویر گرادیان و آستانه گیری سراسری

13 - بخش بندی یک تصویر خاکستری با روش رشد ناحیه با شرط تفاضل مطلق

14 -بخش بندی یک تصویر خاکستری با روش رشد ناحیه از طریق تقسیم و ادغام ناحیه، مطابق شکل 31-4 با شرطی دلخواه مثل متناسب بودن شدت نور ناحیه با پیکسل های همسایه

15 - با استفاده از دستور imnoise  بر روی یک تصویر grayscale چندین بار ( مثلا 100 بار ) نویز اضافه کنید و سپس با استفاده از میانگین گیری تصویر اصلی را بازیابی کنید.

| جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV و متلب MATLAB لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

تکالیف پردازش تصویر - عملیات مورفولوژیکی ( کد Mat0048 )

1 - پیاده سازی عملیات ساییدگی یک مربع مشکی 200*200 پیکسل با عنصر سازنده مربع مشکی 20*20 پیکسل و 60*20 پیکسل

2 - پیاده سازی عملیات ساییدگی روی یک تصویر باینری

3 - پیاده سازی عملیات انبساط یک مربع مشکی 200*200 پیکسل با عنصر سارنده مربع مشکی 20* 20 پیکسل و 60*20 پیکسل

4 - پیاده سازی عملیات انبساط روی یک تصویر باینری 

5 - انجام عملیات ساییدگی بر روی یک تصویر باینری دلخواه مناسب ، با استفاده از تابع آماده ساییدگی  MATLAB و مقایسه نتیجه آن با  اجرای ساییدگی به صورت کدنویسی شده

6 - انجام عملیات انبساط بر روی یک تصویر باینری دلخواه مناسب ، با استفاده از تابع آماده ساییدگی  MATLAB و مقایسه نتیجه آن با  اجرای انبساط به صورت کدنویسی شده

7 - پیاده سازی عملیات بازکردن بر روی یک تصویر باینری دلخواه مناسب ، با استفاده از تابع آماده بازکردن  MATLAB و مقایسه نتیجه آن با  اجرای ساییدگی به صورت کدنویسی شده ( انبساط ساییدگی )

8 - پیاده سازی عملیات بستن بر روی یک تصویر باینری دلخواه مناسب ، با استفاده از تابع آماده بستن در  MATLAB و مقایسه نتیجه آن با  اجرای ساییدگی به صورت کدنویسی شده ( ساییدگی انبساط )

9 - پیاده سازی عملیات بازکردن و سپس بستن بر روی یک تصویر باینری دلخواه مناسب و بررسی مزایا و معایب هر مرحله

10 - پیاده سازی عملیات تبدیل اصابت  روی یک تصویر باینری 

11 - پیاده سازی عملیات استخراج مرز روی یک تصویر باینری

12 - پیاده سازی عملیات پرکردن سوراخ  روی یک تصویر باینری

13 - پیاده سازی عملیات استخراج مولفه های متصل روی یک تصویر باینری

14 - پیاده سازی عملیات پوسته محدب روی یک تصویر باینری

15 - پیاده سازی عملیات نازک کردن روی یک تصویر باینری

16 - پیاده سازی عملیات ضخیم کردن روی یک تصویر باینری

17 - پیاده سازی عملیات انبساط ژئودزیک روی یک تصویر باینری

18 - پیاده سازی عملیات ساییدگی و انبساط یک تصویر خاکستری با عنصر سازنده تخت 

19 - پیاده سازی عملیات بازکردن و بستن یک تصویر خاکستری با عنصر سازنده تخت

| جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV و متلب MATLAB لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

تکالیف پردازش تصویر - Histogram Equalization ( کد Mat0031 )

1 - سیگنال گسسته تصویر cameraman.tif و pout.tif را plot کنید. نمودار هیستوگرام Histogram  ( تعداد پیکسل های خاکستری با فراوانی آن ها ) را plot کنید. در صورت همگن نبودن ، سعی در تعدیل نمودار Histogram کنید و عکس جدید را نمایش دهید.

هدف این تکلیف پیاده سازی مفهوم histogram equalization است. در این کد از دستور histeq استفاده نشده و الگوریتم histogram equalization پیاده سازی شده است.

2 - برنامه ای بنویسید که ابتدا یک تصویر را بخواند ، سپس رنگ های مختلف آن را جدا کند ، در مرحله بعد هیستوگرام هر رنگ را ترسیم کند ، در مرحله بعد با استفاده از برابر سازی هیستوگرام histeq تصاویر جدید را بسازد و دوباره هیستوگرام را ترسیم کند. ( برای افزایش کنتراست تصویر )

جهت سفارش پروژه و تکلیف پردازش تصویر OpenCV و متلب MATLAB لطفا در شبکه های تلگرام و واتساپ موضوع و سوال مورد نظر را به شماره  989364847193+ ارسال نمایید، تا پس از بررسی هزینه خدمت شما اعلام گردد.

 

Designed By M A T L A B K H O O N E H