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.