آموزش تصویری پردازش تصویر با OpenCV (قسمت چهارم)

در ادامه سلسله آموزش های تصویری برنامه نویسی و استفاده از opencv، اینک در قسمت چهارم آن می خواهیم مباحث جدید با محوریت کاربرد عملی آن را در اختیار شما دوستان عزیز قرار دهیم.

در قسمت قبلی آموزش ها (قسمت اول) ، (قسمت دوم) و  (قسمت سوم) به سرفصل های زیر پرداخته شد:

1- معرفی OpenCV و لزوم استفاده از آن

2- آموزش نصب بر روی سیستم عامل لینوکس (Linux)

3- آموزش نصب بر روی سیستم عامل ویندوز (Windows)

4- معرفی رابط های کاربری (interface) رایج برای opencv

5- برنامه نویسی با زبان سی (C) و تبیین نقاط ضعف و قوت آن

6- برنامه نویسی بر اساس زبان سی پلاس پلاس (++C)

7- معرفی مقدماتی زبان پایتون (Python)

8- آموزش رسم اشکال مختلف در تصاویر با استفاده از opencv

9- نحوه ی تار کردن (Blur) عکس

10- توضیح و آشنایی با ساختار عکس ها

11- اضافه کردن نگاشت های هندسی

12- توضیح و آشنایی با هیستوگرام

و اینک سرفصل های آموزشی قسمت  چهارم عبارت است از:

1- خوشه بندی داده ها بر اساس الگوریتم میانگین (K-mean Clustering)

2- قسمت بندی یک تصویر توسط الگوریتم watershed

3- قسمت بندی یک تصویر توسط الگوریتم Grabcut

4- شناسایی و تطبیق نقاط مورد نظر و حساس در یک تصویر

شما می توانید در ادامه ی مطلب، لینک دانلود رایگان آموزش ها و همچنین در قسمت “نمایش فیلم” (tab بالا) قسمت هایی از این ویدیو آموزشی را مشاهده نمایید.


نمایش قسمت هایی از آموزش opencv (قسمت چهارم)


دانلود ویدیوهای آموزشی به تفکیک عنوان هر مبحث

K-mean Clusternig
Watershed algorithm
Grabcut algorithm
شناسایی و تطبیق نقاط حساس عکس

مطالب مشابه

یک دیدگاه