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.

10 - تصویر tif.Chessboard 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 img1 ذخیره نمایید.

11 - با استفاده از از روش اتسو، 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.

12 - 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.

13 - 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

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

15 - تحقیقی در مورد روش های مختلف zooming  و  shrinking تصاویر انجام داده و کد متلب آن ها را بنویسید. به عبارت دیگر برنامه ای بنویسید که تصویری به همراه یک نسبت تغییر را از ورودی گرفته و به روش های مختلف آن تصویر را کوچک shrink و بزرگ zoom کند.

16 - با کمک دستورات متلب آزمایش های مقدماتی زیر را انجام دهید.

الف ) خواندن یک تصویر با فرمت مشخص مثل bmp و ذخیره سازی آن با فرمت دیگر jpg

ب ) به دست آوردن نگاتیو تصویر و نمایش آن

ج ) اعمال عملگرهای exp و log بر روی تصویر و نمایش نتایج آن ها

17 - برنامه ای بنویسید که تبدیل یک تصویر خاکستری به دو سطحی ( یک مقدار آستانه مناسب ) و نمایش هر دو تصویر را در متلب انجام دهید.

18 - برنامه ای بنویسید که یک تصویر خاکستری مانند Cameraman را با استفاده از روش Histogram Equalization  ارتقا و بهبود دهد ( بدون استفاده از histeq )

19 - برنامه ای بنویسید که تصویری از ورودی گرفته ، تصویر گرادیان و لاپلاسین آن را نمایش دهد. سپس تصویر را با نویز گوسی نویزی نموده و مجدد گرادیان و لاپلاسین آن را نمایش دهید و نتایج را تحلیل کنید.

20 - از دو تصویر مختلف تبدیل فوریه بگیرید. سپس فاز تبدیل فوریه این دو تصویر را جابجا نمایید. بدین معنی که فاز تصویر دوم را به تصویر اول دهید و برعکس. سپس با اعمال تیدیل فوریه ، دو تصویر جدید بدست آمده را نمایش دهید. نتایج بدست آمده را تحلیل کنید.

21 - برنامه ای بنویسید که فیلترهای بالاگذر ، میان گذر و پایین گذر ایده آل ، گوسی و باترورث را در حوزه فرکانس ( تبدیل فوریه ) با توجه به خصوصیت های ضرایب و موقعیت آن ها طراحی و یا فیلترهای حوزه مکان مقایسه کنید.

22 - برنامه ای بنویسید که در آن فیلتر همومورفیک را پیاده سازی کرده و آن را به تصویر مرد عکاس اعمال کند.

23 - با استفاده از برنامه نویسی در متلب فیلتر میانه را طراحی کنید. ( بدون استفاده از medfilt2)

24 - با استفاده از برنامه نویسی در متلب و دستورات جعبه ابزار پردازش تصویر آن دستورات imnoise , imfilter , medfilt2 , weiner2 با کمک help متلب دیده و با پارامترهای مختلف امتحان نمایید و تاثیر آن ها را بر خروجی مشاهده فرمایید.

25 - برنامه ای بنویسید که بر روی یک تصویر با نویز گوسی ، فیلتر وینر را اجرا کرده و نتایج را نمایش دهد. ( برنامه فیلتر وینر را به صورت دستی بنویسید و از تابع wiener2 استفاده نکنید.

26 - برنامه ای بنویسید که تبدیل تصویر رنگی به خاکستری و نمایش هر دو تصویر در متلب انجام دهد.

27 - برنامه ای بنویسید و در آن یک تصویر رنگی را بازکرده و مولفه های R , G , B را مشاهده کرده ، سپس این تصویر را به فضای HSV برده و مولفه های H , S , V را مشاهده کنید و احساس و دانش خود را در خصوص این مولفه ها بنویسید.

28 - برنامه ای بنویسید و در آن لبه های یک تصویر رنگی را استخراج کنید. برنامه لبه یابی را به صورت برداری پیاده سازی کرده و با نوع اسکالر آن مقایسه کنید.

29 - برنامه ای بنویسید که تصویر با سطح خاکستری آغشته به نویز گوسی را با واریانس مختلف به عنوان ورودی گرفته ، سپس به حوزه موجک ببرید و رفع نویز کنید. سپس با وارون تبدیل موجک ، تصویر نهایی را نمایش دهد. در نهایت معیارهای RMSE و PSNR را برای تصویر رفع نویز شده محاسبه نمایید.

30 - برنامه ای بنویسید و در آن روش Improved Gray Scale را پیاده سازی کنید. یک تصویر با 256 سطح را در ورودی گرفته و تصویر با 16 سطح در خروجی تحویل دهید.

31 - در گزارشی مراحل کامل فشرده سازی JPEG و JPEG2000 را توضیح دهید. سپس برنامه ای بنویسید که یک بلوک 8*8 را در ورودی گرفته و آن را با استفاده از روش JPEG فشرده کند.

32 - دو برنامه بنویسید که در آن ها یک تصویر باینری و یک تصویر خاکستری را به عنوان ورودی دریافت کرده و لبه های آن ها را با استفاده از لبه یابی موفولوژی استخراج کنید.

33 - برنامه ای بنویسید که در آن نویز نمکی یک تصویر را با استفاده از عملگرهای موفولوژی کاهش دهید.

34 - تفاوت تبدیل رادن با تبدیل هاف چیست؟ برنامه ای بنویسید و در آن تبدیل رادن را به یک تصویر خاکستری اعمال کرده و نتیجه را تفسیرکرده و در گزارش بیاورید.

35 - با اعمال ماسک های منایب به تصویر لبه های تصویر را استخراج و تصویر حاصل را نمایش دهید. روش های موجود در کتاب را مقایسه کنید.

36 - یک برنامه بنویسید و در آن روش باینری سازی اتسو Atsu را پیاده سازی کرده و به چند تصویر اعمال کنید. ( از توابع آماده متلب استفاده نکنید )

37 - برنامه ای بنویسید و با استفاده از الگوریتم خوشه بندی k-means یک تصویر رنگی را ناحیه بندی کنید.

38 - برنامه ای بنویسید که یک عکس Gray Scale و یک عکس رنگی را در متلب فراخوانی کند و تبدیلات زیر را بر روی آن ها اعمال نماید.

تبدیل نگاتیو

تبدیل لگاریتم

تبدیل گاما

39 - Find a point operation (in tabular form) that will equalize a 3-bit image with the following histogram

Plot the both the original and the equalized histograms.

40 - Given a 3-bit image with the following histogram

find a point operation (in tabular form) that will match it to the following histogram

Plot the three histograms and comment on the output.

41 - Write a MATLAB function called equalize that implements the histogram equalization algorithm that was described in class. The function header should have the form:

function im2 = equalize(im)

where im is a uint8 grayscale image and im2 is the uint8 output image. You can use any built-in MATLAB functions in your code except for histeq, which also does histogram equalization. A mark of zero (0) will be given if you use histeq.

Download images “livingroom.tif” and “woman_darkhair.tif” from the course webpage and process them with both equalize and histeq functions. Include a printout of the images before and after equalization with both functions in your report. Also include a plot of the histogram before and after equalization with both functions. Comment on the outputs

42 - Download image “lena_gray_512.tif” from the course webpage. Corrupt the image by
adding salt & pepper noise with densities 5%, 10%, and 20%. Process the three corrupted images
with 3´3 and 5´5:
    i. Median filter.
    ii. Smoothing average filter.
Comment on the results.

42 -  دو تصویر T1W و XRay را در نظر بگیرید.

الف ) با دستور imnoise در متلب MATLAB به دو تصویر نویز گوسی اضافه نمایید. با استفاده از فیلترهای پایین گذر میانگین گیری دارای اندازه های پنجره 2*2 ، 3*3 ، 4*4 و 5*5 مقدار نویز این تصاویر نویزی را کاهش دهید. مقدار PSNR خروجی بر حسب PSNR ورودی را برای هریک از این فیلترها ترسیم نمایید. برای این کار مقدار PSNR تصویر ورودی نویزی را از 15 تا 30 دسی بل تغییر دهید.

ب ) با استفاده از FFT دو بعدی و حذف نویز در حوزه فرکانس ، حذف نویز را برا یتصویر ورودی دارای مقدار PSNR برابر 15 دسی بل انجام دهید. نمودار PSNR خروجی را بر حسب درصد فرکانس های حذف شده ترسیم نمایید.

43 - در این تمرین تابع درونیابی را پیاده سازی کرده و نتیجه را با MATLAB مقایسه می کنیم.

الف ) تابعی بنویسید که مشابه درونیابی دو بعدی interp2 در متلب MATLAB عمل نماید. در نوشتن تابع مورد نظر، روش های

• تکرار نقطه ( نزدیک ترین همسایه )
• خطی
• درجه سوم

را پیاده سازی نماید. با انجام چند آزمایش ساده ( هم بر روی ماتریس های کوچک تصادفی و هم بر روی تصاویر واقعی ) تابع نوشته شده توسط خود را با تابه interp2 مقایسه نمایید.

ب ) تصویر نمونه عکاس در متلب MATLAB ( یعنی cameraman.tif ) را با استفاده از درونیابی به یک تصویر 512*512 تبدیل نمایید. برای این کار هم از تابع نوشته شده در قیمت قبل و هم از تابع interp2 استفاده نمایید. نتیجه این دو تابع را با هم مقایسه نمایید.

44 - The Fourier transform is complex, so it can be expressed as

• Let S1 = S and S1(0.75M:M, 0.75N:N) = 0 where [M, N] = size(S). Recover the image using S1
  and P. Show your result.
• Let F*(u,v) be the complex conjugate of F(u,v). Recover the image using F*(u,v) and display it.
• Multiply the real pat of F(u,v) by 0.4. Leave the Imaginary part unchanged. Recover the image
  using the modified F(u,v) and display it.

45 - Download the image “boat.png” from the course webpage. Filter the image using:

• Ideal low and high pass filters.
• Butterworth low and high pass filters.
• Gaussian low and pass filters.

Try at least three different values for Do and n. Include all trials in your report and comment on the outputs.

46 - Download the images “livingroom_noisy.tif” and “pirate_noisy3.tif” from the course webpage.

• Clean up the images, and display the cleaned ones.
• Extract and display the noise pattern in both images.

47 - Download the image “boat_noisy1.tif” from the course webpage. The image is corrupted by noise

• Extract its noise histogram. Display the histogram (using function bar) and indicate (by name) what you think the noise PDF is. Determine the relevant noise parameter(s) using the histogram you extracted. (Hint: Use function roipoly to extract the data you think will help you identify the noise.)
• Use function imnoise or imnoise2, as appropriate, to generate X samples of the noise type and parameter(s) you determined in (a). Generate the histogram of the samples using function hist, and display the histogram. Here, X is the number of pixels in the ROI in (a). Compare with the corresponding histogram from (a).

48 - Download the images “peppers_noisy.tif” and “us092_noise.pgm” from the course webpage. Try different filters to reduce noise in both images. Include all trials in your report. Then, use visual evaluation to recommend the best filter in each case

49 - با استفاده از کدنویسی متلب MATLAB  بر روی تصویر زیر فیلتر بالاگذر و پایین گذر فرکانسی را اعمال نمایید.

50 - فیلترهای معرفی شده را بر روی الگوی زیر با در نظر گرفتن Zero Padding اعمال کنید و خروجی را نمایش 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.