آموزش پایتون برای کلاس کارشناسی ارشد پردازش سیگنال و تصویر

Python for Signal and Image Processing Master Class

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: الگوریتم‌های پردازش سیگنال و تصویر: نظریه، شهود، ریاضیات، مثال‌های عددی و مبانی پیاده‌سازی پایتون در سیگنال‌ها و پردازش تصویر. تبدیل آنالوگ به دیجیتال نمونه برداری و بازسازی. قضیه نایکیست پیچیدگی برای سیگنال و تصاویر. حذف نویز سیگنال و تصویر تبدیل فوریه سیگنال ها و تصاویر فیلتر سیگنال توسط فیلترهای FIR و IIR. فیلتر کردن تصویر در تبدیل موجک دامنه فضایی و فرکانس برای سیگنال و تصاویر. پردازش هیستوگرام عملیات حسابی، منطقی و سطح نقطه ای روی تصاویر پیاده سازی همه الگوریتم های پردازش سیگنال و تصویر در پایتون دوره سقوط پایتون پیش نیازها: مهارت برنامه نویسی پایه دارایی خواهد بود اما ضروری نیست. در این دوره همه چیز را یاد خواهید گرفت.

این دوره شکاف بین تئوری و پیاده سازی الگوریتم های پردازش سیگنال و تصویر و اجرای آنها در پایتون را پر می کند. تمام اسلایدهای سخنرانی و کدهای پایتون ارائه شده است.

چرا پردازش سیگنال؟

از زمان در دسترس بودن رایانه‌های دیجیتال در دهه 1970، پردازش سیگنال دیجیتال راه خود را در تمام بخش‌های مهندسی و علوم پیدا کرده است.

پردازش سیگنال عبارت است از دستکاری ماهیت اصلی یک سیگنال برای به دست آوردن شکل دلخواه سیگنال در خروجی. مربوط به نمایش سیگنال ها توسط دنباله ای از اعداد یا نمادها و پردازش این سیگنال ها است.

زمینه‌های زیر از علوم و مهندسی به‌ویژه از رشد سریع و پیشرفت در تکنیک‌های پردازش سیگنال بهره‌مند می‌شوند.

1. یادگیری ماشینی.

2. تجزیه و تحلیل داده ها.

3. بینایی کامپیوتر.

4. پردازش تصویر

5. سیستم های ارتباطی.

6. الکترونیک قدرت.

7. احتمال و آمار.

8. تجزیه و تحلیل سری زمانی.

9. امور مالی

10. تئوری تصمیم


چرا پردازش تصویر؟

پردازش تصویر کاربردهای خود را در زمینه های متعددی از مهندسی و علوم پیدا کرده است.

تعداد کمی از آنها موارد زیر هستند.

1. یادگیری عمیق

2. بینایی کامپیوتر

3. تصویربرداری پزشکی

4. مهندسی رادار

5. رباتیک

6. گرافیک کامپیوتری

7. تشخیص چهره

8. سنجش از راه دور

9. کشاورزی و صنایع غذایی


طرح کلی دوره

بخش 01: معرفی دوره

بخش 02: دوره آموزشی خرابی پایتون

بخش 03: مبانی پردازش سیگنال

بخش 04: پیچیدگی

بخش 05: حذف نویز سیگنال

بخش 06: اعداد مختلط

بخش 07: تبدیل فوریه

بخش 08: طراحی فیلتر FIR

بخش 09: طراحی فیلتر IIR

بخش 10: مقدمه ای بر Google Colab

بخش 11: تبدیل موجک سیگنال

بخش 12: مبانی پردازش تصویر

بخش 13: مبانی پردازش تصویر با NumPy و Matplotlib

بخش 14: مبانی پردازش تصویر با OpenCV

بخش 15: عملیات حسابی و منطقی با تصاویر

بخش 16: عملیات هندسی با تصاویر

بخش 17: تغییر سطح نقطه یا سطح خاکستری

بخش 18: پردازش هیستوگرام

بخش 19: فیلتر فضایی دامنه

بخش 20: فیلتر دامنه فرکانس

بخش 21: پردازش مورفولوژیکی

بخش 22: تبدیل موجک تصاویر


سرفصل ها و درس ها

معرفی دوره Introduction of the Course

  • معرفی دوره Introduction of the Course

  • سرعت ارائه سخنرانی Pace of the Lecture Delivery

  • مواد دوره Course Material

دوره سقوط پایتون Python Crash Course

  • معرفی بخش Introduction of the Section

  • قسط پایتون Python Installment

  • نصب بسته های پایتون Installing Python Packages

  • معرفی نوت بوک Jupyter Introduction of Jupyter Notebook

  • عملیات حسابی قسمت 01 Arithmetic Operations Part01

  • عملیات حسابی قسمت 02 Arithmetic Operations Part02

  • عملیات حسابی قسمت 03 Arithmetic Operations Part03

  • برخورد با آرایه ها Part01 Dealing With Arrays Part01

  • برخورد با آرایه ها Part02 Dealing With Arrays Part02

  • برخورد با آرایه ها Part03 Dealing With Arrays Part03

  • طراحی و تجسم قسمت 01 Plotting and Visualization Part01

  • ترسیم و تجسم قسمت 02 Plotting and Visualization Part02

  • طراحی و تجسم قسمت 03 Plotting and Visualization Part03

  • طراحی و تجسم قسمت 04 Plotting and Visualization Part04

  • لیست ها در پایتون Lists in Python

  • برای Loop Part01 For Loop Part01

  • برای Loop Part02 For Loop Part02

مبانی پردازش سیگنال Fundamentals of Signal Processing

  • معرفی بخش Introduction of the Section

  • عناصر اساسی پردازش سیگنال Basic Elements of Signal Processing

  • تبدیل AD AD Conversion

  • تبدیل AD با پایتون AD Conversion With Python

  • کدگذاری سیگنال کوانتیزه Coding the Quantized Signal

  • مبانی سیگنال های زمان پیوسته Fundamentals of Continuous time signals

  • سیگنال های زمان پیوسته در پایتون Continuous time signals in Python

  • مبانی سیگنال های زمان گسسته Fundamentals of Discrete time signals

  • سیگنال های زمان گسسته در پایتون Discrete time signals in python

  • نمونه برداری و بازسازی Sampling and Reconstruction

  • نمونه برداری و بازسازی در پایتون Sampling and Reconstruction in Python

پیچیدگی The Convolution

  • معرفی بخش Introduction of the Section

  • مجموع پیچیدگی The Convolution Sum

  • مثال عددی در پیچیدگی Numerical Example on Convolution

  • پیچیدگی حالت کامل Full mode convolution

  • پیچیدگی با استفاده از حلقه For در پایتون Convolution Using For Loop in Python

  • پیچیدگی با استفاده از Numpy Convolution Using Numpy

  • حذف نویز سیگنال توسط پیچیدگی Signal Denoising by Convolution

  • تشخیص لبه توسط پیچیدگی Edge Detection by Convolution

  • قضیه پیچیدگی The Convolution Theorem

حذف نویز سیگنال Signal Denoising

  • معرفی بخش Introduction of the Section

  • حذف نویز سیگنال توسط فیلتر میانگین متحرک Signal Denoising by Moving Average Filter

  • پیاده سازی فیلتر میانگین متحرک در پایتون Implementing Moving Average Filter in Python

  • فیلتر میانگین گاوسی Gaussian Mean Filter

  • فیلتر میانگین گاوسی با پایتون Gaussian Mean Filter With Python

  • فیلتر میانه Median Filter

  • فیلتر میانه در پایتون Median Filter in Python

  • حذف نویز اسپک با فیلتر میانه Removing Spiky Noise With Median Filter

  • حذف نویز Spiky با فیلتر میانه در Python Part01 Removing Spiky Noise With Median Filter in Python Part01

  • حذف نویز Spiky با فیلتر میانه در Python Part02 Removing Spiky Noise With Median Filter in Python Part02

سیستم های اعداد مختلط Complex Number Systems

  • معرفی اعداد مختلط Introduction of Complex Numbers

  • اعداد مختلط در پایتون Complex Numbers in Python

  • عملیات ریاضی قسمت 01 Mathematical Operations Part01

  • عملیات ریاضی قسمت 02 Mathematical Operations Part02

  • عملیات ریاضی در پایتون Mathematical Operations in Python

  • قدر و محاسبات فاز Magnitude and Phase Calculations

  • محاسبات قدر و فاز در پایتون Magnitude and Phase Calculations in Python

  • موج سینوسی پیچیده Complex Sine Wave

  • موج سینوسی پیچیده در پایتون Complex Sine Wave in Python

تبدیل فوریه Fourier Transform

  • معرفی بخش Introduction of the Section

  • ترکیب موج سینوسی و کسینوس Combining Sine and Cosine Wave

  • تولید امواج در پایتون Generating Waves in Python

  • مکانیسم تبدیل فوریه Mechanism of Fourier Transform

  • کدگذاری گام به گام تبدیل فوریه Step by Step Coding of Fourier Transform

  • تبدیل فوریه سریع Fast Fourier Transform

  • تبدیل فوریه سیگنال با مولفه DC Fourier Transform of Signal With DC Component

  • دامنه و طیف قدرت Amplitude and Power Spectrum

  • تبدیل فوریه معکوس Inverse Fourier Transform

  • کاربرد تبدیل فوریه Part01 Application of Fourier Transform Part01

  • کاربرد تبدیل فوریه Part02 Application of Fourier Transform Part02

طراحی فیلتر FIR FIR Filter Design

  • معرفی بخش Introduction of the Section

  • معرفی فیلترهای دیجیتال Introduction of Digital Filters

  • مراحل طراحی فیلترهای FIR Steps of Designing FIR Filters

  • طراحی فیلتر FIR به روش حداقل مربعات FIR Filter Design by Least Square Method

  • طراحی فیلتر FIR به روش پنجره FIR Filter Design by Window Method

  • فیلتر شیفت صفر FIR FIR Zero Shift Filter

  • فیلتر پایین گذر FIR Low Pass FIR Filter

  • فیلتر پایین گذر FIR در پایتون Low Pass FIR Filter in Python

  • فیلتر FIR High Pass High Pass FIR Filter

  • فیلتر FIR High Pass در پایتون High Pass FIR Filter in Python

  • فیلتر FIR باند گذر Band Pass FIR Filter

  • فیلتر FIR باند گذر در پایتون Band Pass FIR Filter in Python

  • وظیفه برای دانش آموزان Task for Students

طراحی فیلتر IIR IIR Filter Design

  • معرفی بخش Introduction of the Section

  • معرفی فیلتر IIR Introduction of IIR Filter

  • طراحی فیلتر IIR Butterworth در پایتون IIR Butterworth Filter Design in Python

  • فیلتر پایین گذر IIR Low Pass IIR Filter

  • فیلتر IIR High Pass High Pass IIR Filter

  • فیلتر IIR باند گذر Band Pass IIR Filter

  • مقایسه بین فیلترهای FIR و IIR Comparison Between FIR and IIR Filters

  • وظیفه برای دانش آموزان Task for Students

معرفی گوگل کولب Introduction of Google Colab

  • معرفی بخش Introduction of the Section

  • کدنویسی پایتون در Colab Part01 Python Coding in Colab Part01

  • کدنویسی پایتون در Colab Part02 Python Coding in Colab Part02

  • کدنویسی پایتون در Colab Part03 Python Coding in Colab Part03

تبدیل موجک سیگنال ها Wavelet Transform of Signals

  • معرفی بخش Introduction of the Section

  • محدودیت های تبدیل فوریه Limitations of Fourier Transform

  • چرا تبدیل موجک Why Wavelet Transform

  • خانواده های موجک Wavelet Families

  • فیلتر بانک های موجک گسسته Filter Banks of Discrete Wavelet

  • تجزیه تک سطحی Single Level Decomposition

  • تجزیه تک سطحی با پایتون Single Level Decomposition With Python

  • تجزیه چند سطحی Multilevel Decomposition

  • تجزیه چند سطحی با پایتون Multilevel Decomposition With Python

  • تحلیل فرکانس زمانی Time Frequency Analysis

  • تجزیه و تحلیل فرکانس زمانی با پایتون Time Frequency Analysis With Python

مبانی پردازش تصویر Fundamentals of Image Processing

  • معرفی بخش Introduction of the Section

  • مفهوم یک تصویر Concept of an Image

  • چگونه کامپیوتر تصویر را می بیند How Computer sees the Image

  • پردازش تصویر دیجیتال Digital Image Processing

اصول تصویر با NumPy و Matplotlib Image Fundamentals With NumPy and Matplotlib

  • معرفی بخش Introduction of the Section

  • خواندن نمایش و ذخیره تصویر Reading Displaying and Saving Image

  • فرمت های تصویر Image Formats

  • اجزای قرمز سبز و آبی تصویر Red Green and Blue Components of Image

اصول تصویر با OpenCV Image Fundamentals With OpenCV

  • معرفی بخش Introduction of the Section

  • خواندن و نمایش تصویر Image Reading and Displaying

  • تغییر اندازه و چرخش تصویر Image Resizing and Flipping

عملیات محاسباتی و منطقی روی تصاویر Arithmetic and Logic Operations on Images

  • معرفی بخش Introduction of the Section

  • عملیات حسابی Arithmetic Operations

  • عملیات حسابی با پایتون Arithmetic Operations With Python

  • عملیات منطقی Logical Operations

  • عملیات منطقی با پایتون Logical Operations With Python

عملیات هندسی Geometric Operations

  • معرفی بخش Introduction of the Section

  • چرخش ترجمه و تبدیل افین Translation Rotation and Affine Transformation

  • چرخش ترجمه و تبدیل افین با پایتون Translation Rotation and Affine Transformation With Python

  • مقیاس بزرگنمایی کوچک شدن و برش Scaling Zooming Shrinking and Cropping

تبدیل سطح خاکستری و سطح نقطه Gray Level and Point Level Transformation

  • معرفی بخش Introduction of the Section

  • تبدیل نقطه منفی Negative Point Transformation

  • تبدیل نقطه منفی با پایتون Negative Point Transformation with Python

  • تبدیل ورود به سیستم Log Transformation

  • تبدیل لاگ با پایتون Log Transformation With Python

  • تبدیل گاما Gamma Transformation

  • تبدیل گاما با پایتون Gamma Transformation With Python

  • کنتراست خودکار و توابع کنتراست خطی Piece Wise Auto-contrast and Piece Wise Linear Contrast Functions

  • توابع کنتراست با پایتون Contrast Functions With Python

پردازش هیستوگرام Histogram Processing

  • معرفی بخش Introduction of the Section

  • هیستوگرام یک تصویر Histogram of an Image

  • هیستوگرام تصویر با پایتون Part01 Histogram of Image With Python Part01

  • هیستوگرام تصویر با پایتون Part02 Histogram of Image With Python Part02

  • تساوی هیستوگرام با مثال عددی Histogram Equalization With Numerical Example

  • معادل سازی هیستوگرام با پایتون Histogram Equalization With Python

فیلتر فضایی دامنه Spatial Domain Filtering

  • معرفی بخش Introduction of the Section

  • پردازش محله Neighborhood Processing

  • پیچیدگی دو بعدی 2D Convolution

  • پیچیدگی دو بعدی با پایتون 2D Convolution With Python

  • کاربردهای کانولوشن دو بعدی Applications of 2D Convolution

  • کاربردهای کانولوشن دو بعدی با پایتون Applications of 2D Convolution With Python

  • فیلتر میانگین Mean Filter

  • میانگین فیلتر کردن تصویر با پایتون Mean Filtering of Image With Python

  • فیلتر گاوسی Gaussian Filter

  • فیلتر گاوسی تصویر با پایتون Gaussian Filtering of Image With Python

  • فیلتر میانه Median Filter

  • میانگین فیلتر کردن تصویر با پایتون Mean Filtering of Image With Python

  • لاپلاسی The Laplacian

  • لاپلاسی با پایتون Laplacian With Python

  • فیلتر تقویت کننده بالا High Boost Filter

  • فیلتر کردن تصویر با تقویت بالا با پایتون High Boost Filtering of Image With Python

  • فیلترهای سوبل Sobel Filters

  • Sobel فیلتر کردن تصویر با پایتون Sobel Filtering of Image With Python

  • تشخیص لبه Canny Canny Edge Detection

  • تشخیص لبه Canny با پایتون Canny Edge Detection With Python

فیلتر دامنه فرکانس Frequency Domain Filtering

  • معرفی بخش Introduction of the Section

  • تبدیل فوریه دو بعدی 2D Fourier Transform

  • تبدیل فوریه دو بعدی با پایتون 2D Fourier Transform With Python

  • فیلترهای Low Pass و High Pass Low Pass and High Pass Filters

  • فیلترهای Low Pass و High Pass با پایتون Low Pass and High Pass Filters With Python

  • High Boost و فیلترهای دیگر High Boost and Other Filters

  • تبدیل فوریه فیلتر تقویت کننده بالا Fourier Transform of High Boost Filter

پردازش مورفولوژیکی Morphological Processing

  • معرفی بخش Introduction of the Section

  • اتساع و فرسایش Dilation and Erosion

  • اتساع و فرسایش با پایتون Dilation and Erosion With Python

  • فیلتر مورفولوژیکی Morphological Filtering

  • فیلتر مورفولوژیکی با پایتون Morphological Filtering With Python

  • گرادیان تصویر با استفاده از مورفولوژی Image Gradient Using Morphology

  • گرادیان مورفولوژیکی با پایتون Morphological Gradient With Python

تبدیل موجک دوبعدی 2D Wavelet Transform

  • معرفی بخش Introduction of the Section

  • تجزیه و بازسازی تک سطحی Single Level Decomposition and Reconstruction

  • تجزیه و بازسازی تک سطحی با پایتون Single Level Decomposition and Reconstruction With Python

  • تجزیه و بازسازی چند سطحی Multi-level Decomposition and Reconstruction

  • تجزیه و بازسازی چند سطحی با پایتون Multi-level Decomposition and Reconstruction With Python

  • حذف نویز تصویر با استفاده از تبدیل موجک Image Denoising Using Wavelet Transform

  • حذف نویز تصویر با استفاده از تبدیل موجک در پایتون Image Denoising Using Wavelet Transform in Python

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش پایتون برای کلاس کارشناسی ارشد پردازش سیگنال و تصویر
جزییات دوره
23 hours
182
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
430
4.4 از 5
دارد
دارد
دارد
Zeeshan Ahmad
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Zeeshan Ahmad Zeeshan Ahmad

یادگیری ماشین و پردازش سیگنال آماری