1 - مدارات زیر را در محیط سیمولینک  Simulink شبیه سازی کنید.

2 - پاسخ پله یک مدار RLC سری را در سیمولینک Simulink شبیه سازی کنید و ولتاژ دو سر مقاومت، خازن و سلف را به همراه جریان مدار نمایش دهید.

3 - با استفاده از سیمولینک Simulink یک فیلتر بالا گذر RC ایجاد کنید

جهت سفارش پروژه ، تکلیف و آموزش سیمولینک Simulink  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 - 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

7 - گزارش پروژه نهان نگاری با روش بیت کم ارزش  LSB Steganography در MATLAB

( فایل گزارش ورد 20 صفحه  به همراه کد متلب )

8 - یکی از تفریحات کودکی انسان ها ، بازی جورچین ( پازل ) است که منجر به رشد فکری و توانایی الگویابی در ذهن کودکان می شود. یک تصویر به قسمت های مشخصی تقسیم شده  و ترتیب قرار گرفتن آن ها به هم می ریزد. کودک با الگویابی تلاش می کند که تصویر اصلی را بازسازی کند.

در این کد قصد داریم که یک تصویر مشخص ، به تعداد دلخواه تقسیم شده و بر اساس الگویی که کاربر مشخص کرده است ( پازل به هم ریخته ) دوباره بازسازی شود.

9 - آستانه گذاری تصاویر را شرح و کاربرد آن را بیان نمایید.

10 - روش های آستانه گذاری تصاویر را ( حداقل 4 روش ) بیان کرده ، مزایا و معایب آن را ذکر نموده و برنامه های آن را نوشته و روی تصاویر اعمال کنید.

11 - دو تصویر را در نظر گرفته و با یک روش آستانه گذاری مناسب متن را از پس زمینه جدا نمایید.

12 - تابعی بنویسید که با دریافت یک تصویر خاکستری ، یک نوار اریب در گوشه چپ تصویر با عرض 20 پیکسل را سیاه کند.

13 -

14 -

15 -

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 - مطلوبست تابع زیر را در سیمولینک Simulink متلب پیاده سازی نمایید.

\[f=x^{3}+x^{2}-3x-2\]

2 - مطلوبست معادله زیر را در بازه مشخص شده در فضای سیمولینک رسم کنید.

\[f=2x^{3}-4x^{2}+6x \;\;\; \; \; x\in [-5,5] \;\;\; y\in [-100,100]\]

3 - مطلوبست توابع زیر را در سیمولینک پیاده سازی نمایید و خروجی را مشاهده کنید.

\[\begin{matrix} f=5x^{6}+4x^{8}+3x^{2}+6\\ f=e^{x}+15x^{3}+12x\\ f=6log_{10}(x)+7x^{3}+6x+2\\ f=log_{10}(x)-2e^{x}-5x\\ f=2x^{3}-4x^{2}+6x \end{matrix}\]

4 - از یک پالس ، مشتق و انتگرال گرفته و روی اسکوپ به همراه سیگنال اصلی نمایش دهید.

5 - مدار مقابل را در سیمولینک پیاده سازی نمایید. منبع سینوسی با دامنه 4 و فرکانس 6 هرتز است.

6 - معادله غیرخطی زیر را حل کنید 

\[-x^{3}-sin(2x)-xcos(x)+5e^{x-1}-3=0\]

7 - دستگاه معادلات زیر را در محیط سیمولینک حل کنید

\[\left\{\begin{matrix} x_{1}+2x_{2}+3x_{3}=3\\ -7x_{1}+5x_{2}+x_{3}=2\\ -3x_{1}+4x_{2}+4x_{3}=1 \end{matrix}\right.\]

8 - تابع تبدیل سیستم زیر را تعریف کنید.

\[G(s)= \frac{Y(s)}{U(s)}=\frac{4s+3}{s^{2}+6s+5}\]

9 - پاسخ ضربه سیستم زیر را بدست آورید.

\[T(s)=\frac{130}{s^{2}+15s+130}\]

\[T(s)=\frac{0.045}{s^{2}+0.025s+0.045}\]

10 - برای سیستم فیدبک واحد نشان داده شده ، پاسخ پله حلقه بسته آن و پایداری را تعیین نمایید.

\[G(s)=\frac{30(s^{2}-5s+3)}{(s+1)(s+2)(s+4)(s+5)}\]

11 - برای سیستم هایی که توابع تبدیل حلقه باز زیر پاسخ پله حلقه بسته را بیابید.

\[G(s)=\frac{3s+2}{2s^{3}+4s^{2}+5s+1}\]

\[G(s)=\frac{50(s+1)}{s(s+3)(s+5)}\]

12 - می خواهیم پاسخ پله و پاسخ ضربه سیستم توصیف شده با تابع تبدیل زیر را بدست آوریم

\[G(s)=\frac{1}{2s^{3}+3s^{2}+s+1}\]

13 - پاسخ حلقه بسته ( با فیدبک واحد منفی ) تابع تبدیل بیان شده در مثال قبل را بدست آورید.

\[G(s)=\frac{1}{2s^{3}+3s^{2}+s+1}\]

14 - اگر برداری به صورت زیر را داشته باشیم ، تبدیل فوریه ی این بردار را محاسبه کنید.

\[x=[1 2 4 8 10]\]

15 - تابعی گسسته را با مقادیر زیر را در نظر بگیرید . تبدیل فوریه گسسته این تابع را حساب کنید.

\[x[0]=1\;\;x[1]=3\;\;x[2]=5\;\;x[3]=7\;\;\]

16 - از طریق محاسبه ی معکوس فوریه ی گسسته یعنی x[m] ، تابع x[n] را بدست آورید.

\[X_{m}=[16 \;\; -4+4j\;\; -4\;\;-4\;\;-4j ]\]

جهت سفارش پروژه ، تکلیف و آموزش سیمولینک Simulink  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 - 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.

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.

7 - برنامه های زیر را بنویسید.

الف ) انتقال لگاریتمی

ب ) انتقال گاما

ج ) محاسبه هیستوگرام

8 - الف ) تابعی به نام HistogramEqualize بنویسید که یک تصویر سطح خاکستری را گرفته، همسان‌سازی هیستوگرام را روی آن اعمال کرده و تصویر حاصل را برگرداند. برای اینکار می‌توانید از آرایه‌های numpy استفاده کنید، اما نمی‌توانید از توابع آماده در numpy یا opencv برای انجام همسان‌سازی هیستوگرام استفاده کنید. خروجی برنامه خود را با خروجی توابع یکسان‌سازی هیستوگرام موجود در OpenCV مقایسه کنید.
ب) تحقیق کنید روش CLAHE از چه ایده‌ای برای یکسان‌سازی هیستوگرام استفاده می‌کند. خروجی برنامه خود را با خروجی توابع یکسان‌سازی هیستوگرام مبتنی بر CLAHE موجود در OpenCV مقایسه کنید.

8 -

9 -

10 -

11 -

12 -

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.