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.