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
یادگیری ماشین و پردازش سیگنال آماری
نمایش نظرات