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.

5 -  تصویر tif.Chessboardرا در محیط متلب بارگذاری نمایید. ابتدا با استفاده از دستور rgb2gray ،تصویر را از حالت رنگی(سه لایه) به تصویر سطح خاکستری (یک لایه) تبدیل کنید، سپس آن را بصورت double تبدیل کنید و در متغیر img1 ذخیره نمایید.

6 - با استفاده از از روش اتسو Atsu، آستانه ی تصویر را بدست آورید و آن را در متغیر T ذخیره کنید. سپس تصویر را با استفاده از مقدار T ،آستانه گذاری کنید و نتیجه را نشان دهید. (توجه کنید که روش اتسو از هیستوگرام تصویر استفاده می کند). آیا تمام خانه های سفید و سیاه به درستی از هم جدا شده اند؟ اگر اینطور نیست، چه راه حلی دارید؟ نتایج بهبود یافته خود را نمایش دهید.

7 - تصویر jpg.tr را در محیط متلب بارگذاری نمایید. ابتدا با استفاده از دستور rgb2gray ،تصویر را از حالت رنگی(سه لایه) به تصویر سطح خاکستری (یک لایه) تبدیل کنید، سپس آن را با دستور imbinarize به یک تصویر باینری تبدیل کرده و در متغیر img2 ذخیره نمایید. با استفاده از عملگرهای مورفولوژی، دایره ها را از تصویر استخراج نمایید و نتیجه را نمایش دهید.

8 - تصویر jpg.bottles را در محیط متلب بارگذاری نمایید. ابتدا با استفاده از دستور rgb2gray ،تصویر را از حالت رنگی(سه لایه) به تصویر سطح خاکستری (یک لایه) تبدیل کنید، سپس آن را بصورت double تبدیل کنید و در متغیر img3 ذخیره نمایید. با استفاده از روش های آستانه گذاری و مورفولوژی که تاکنون یادگرفته اید، بطری که مقدار کمتری محلول دارد را شناسایی کرده و مساحت مقدار محلول نشان داده شده ی آن را بدست آورید. (برای بدست آوردن مساحت و دیگر ویژگی ها، از دستور regionprops استفاده می شود.) راهنمایی: خروجی آستانه گذاری و سپس مورفولوژی شما باید بصورت شکل زیر باشد:

 9 - الگوریتم آستانه گذاری اتسو Atsu را پیاده سازی کنید و مانند سوال 1 ،تصویر صفحه شطرنجی را با استفاده از الگوریتم خود آستانه گذاری نمایید و با خروجی دستور اتسو Atsu متلب مقایسه نمایید.

10 - فرض کنید یک تصویر تحت یکنواخت سازی هیستوگرام قرار گرفته است ، اعمال دوباره یکنواخت سازی تاثیری در تصویر نتیجه نخواهد داشت.

11 - تصویر T1.bmp را

الف - با نویز Salt & Pepper  با چگالی نویز 0/04

ب - با نویز گوسین با میانگین صفر و واریانس 0/06

ج - نویز Speckle با واریانس 0/06 ترکیب نموده و نتایج فیلترهای زیر به صورت محلی با ماسک هایی به ابعاد 5*5 و 7*7 را بررسی نمایید.

* Alpha Trimmed Mean Filter (d=mask size - 2)

* Median Filter

* Max and Min Filters

12 - به تصویر tire.tif یک فیلتر پایین گذر گوسین دو بعدی با ابعاد 32*32 و انحراف معیار 5 در حوزه فرکانس در دو حالت زیر اعمال نموده و نتایج را مقایسه نمایید.

* without zero padding

* with zero padding

13 - تصویر cameraman.tif را در نظر بگیرید و فیلتر ایده آل ، باتروزث و گوسین بالاگذر با درجه 2 و D₀=10,20,40,80 را اعمال نموده و نتایج را هم در حوزه مکان و هم فرکانس شرح دهید.

14 - برنامه ای بنویسید که یک ماتریس به عنوان ورودی دریافت کند و کد گری هر عنصر را جایگزین آن کند.

اعداد زیر ماتریس ستون اول عدد دهدهی است سه ستون بعدی نمایش باینری عدد و سه ستونی بعدی نمایش کد گری و در پایان ستون آخر نمایش دهدهی کد گری است.

15 -  برنامه ای بنویسید که یک تصویر سطوح خاکستری دریافت کند و سطرهای زوج را قرمز و مضرب های 5 را سبز و مضرب 7 را سفید کند (ترتیب را همین ترتیب مشخص شده قرار دهید)

16 - برنامه ای بنویسید که یک تصویر سطوح خاکستری دریافت کند و آرم کانال 3 تلوزیون را با ضریب 0.2 با مقادیر بالای تصویر سمت چپ جمع کند.

17 - برنامه ای بنویسید که یک تصویر سطوح خاکستری را نمایش دهد و تصویر را به صورت رندم به تصویر سفید تبدیل کند، در هر مرحله یک پیکسل را به صورت تصادفی سفید کند.

18 - تصویر arm.tif آرم وسط پرچم ایران را نشان می دهد. برنامه ایی بنویسید که پرچم ایران را در ابعاد 500 * 360 را تولید کند.

19 - فیلتر میانگین در ابعاد 3x3 , 5x5 , 9x9 ,15x15 ,35x35  را برروی تصویر زیر اعمال کنید و خروجی را در یک تصویر نمایش دهید.

20 -

 

| 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.

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 V₀ را 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.

9 - تصاویر همراه با فایل را با استفاده از روش otsu و activecontour سگمنت کنید.

لایه های رنگی را باید به صورت جداگانه اعمال کنید و هیستوگرام آن ها را رسم کنید و با ذکر دلیل بیان کنید که بر روی کدام لایه رنگی از تصویر، الگوریتم های استفاده شده نتیجه بهتری داشتند.

10 - در این تمرین دو تصویر normalBrainGray  و alzaimerBrainGray را از هم تفریق کرده و تصویر سوم با نام out تولید کنید. برای انجام عمل تفریق یک تابع خودتان بنویسید و خروجی را نمایش دهید. سپس نتیجه را با تابع موجود در نرم افزار متلب مقایسه کرده و خروجی تابع متلب را هم نمایش دهید.

11 - در این تمرین دو تصویر EyeLGray و EyeRGray را با هم جمع کرده و تصویر سوم با نام out را تولید کنید. برای انجام عمل جمع یک تابع خودتان بنویسید و خروجی را نمایش دهید. سپس نتیجه را با تابع موجود در نرم افزار متلب مقایسه کرده و خروجی تابع متلب را هم نشان دهید.

12 - فایل دانلود شده شامل دو تصویر است . در این تمرین تصویر com را مکمل کرده و تصویر دوم با نام out  را تولید کنید. برای انجام عمل مکمل یک تابع خودتان بنویسید و خروجی را نمایش دهید. سپس نتیجه را با تابع موجود در نرم افزار متلب مقایسه کرده و خروجی تابع متلب را هم نمایش دهید.

13 - با استفاده از تصویر نویزدار آپلود شده اثر سه فیلتر حداقل و حداکثر و میانه در حذف نویز را مقایسه 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.

 

 

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.

16 - تصویر cameraman.tif را در نظر بگیرید و فیلتر ایده آل ، باترورث و گوسین بالاگذر با D₀=10,20,40,80 را اعمال نموده و نتایج را نمایش دهید.

17 - تصویر T1.bmp را

الف ) با نویز Salt & Pepper  با چگالی نویز 0.04

ب ) با نویز گوسین با میانگین صفر و واریانس 0.06

ج ) نویز Speckle با واریانس 0.06

ترکیب نموده و نتایج فیلترهای زیر را با ماسک هایی به ابعاد 5*5 و 7*7 را بررسی نمایید.

Alpha Trimmed mean filter (d=mark size 2)

median filter

max and min filters

18 - الگوریتم مناسبی برای رنگ آمیزی  H & E  ( Hematoxylin and Eosin stain )  پیاده سازی کنید.

19 - روش های شناسایی لبه Sobel , Prewitt , Laplacian , LOG , Canny را در محیط متلب ( یا پایتون ) پیاده سازی کنید.

20 -

21 -

22 -

23 -

24 -

25 -

26 -

27 -

28 -

29 -

30 -

31 -

32 -

33 -

34 -

35 -

36 -

37 -

38 -

39 -

40 -

41 -

42 -

43 -

44 -

45 -

46 -

47 -

48 -

49 -

50 -

| 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.

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.

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 )

3 -

4 -

5 -

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.