معرفی و دانلود کتاب پردازش تصویر با پایتون

معرفی کتاب پردازش تصویر با پایتون

کتاب پردازش تصویر با پایتون نوشته‌ی یان گاوت و یوهان دیبایل، مجموعه‌ای از آموزش‌های پردازش تصویر است که به دانشجویان کارشناسی و کارشناسی‌ارشد در علوم و مهندسی اجرایی اختصاص دارد و قدرت تجزیه و تحلیل را در آن‌ها پرورش می‌دهد. در سال‌های اخیر، یادگیری مبتنی بر پروژه برای نشان دادن مفاهیم نظری با کاربردهای واقعی و عینی مورد استفاده قرار گرفته و استراتژی یادگیری در کتاب پیش رو نیز استفاده‌ی عملی از آموخته‌ها و کدهای مربوط به زبان برنامه‌نویسی پایتون است.

درباره‌ی کتاب پردازش تصویر با پایتون

داده‌ها و اطلاعات در دنیای امروز نقش بسیار مهم و پررنگی دارند. تصاویر و عکس‌ها نیز بخشی از داده‌ها و اطلاعاتی هستند که همه‌ی ما تقریباً هر روز با آن‌ها سروکار داریم. اما تقریباً تمامی تصاویری که مشاهده می‌کنیم، پیش از اینکه قابل استفاده باشند، لازم است دستکاری شوند یا به اصطلاح، فرایند عکس‌پردازی روی آن‌ها انجام شود. این فرایند با هدف بالا بردن کیفیت و یا به‌دست آوردن اطلاعات مفید از آن‌ها صورت می‌گیرد. عکس‌پردازی در علوم کامپیوتر به‌معنای استفاده از الگوریتم‌های کامپیوتری برای ایجاد تغییرات در تصاویر است. علی‌رغم استفاده‌ی عده‌ی زیادی از برنامه‌نویسان و توسعه‌دهندگان وب از زبان برنامه‌نویسی MATLAB برای پردازش تصاویر، زبان برنامه‌نویسی پایتون نیز ابزارهای بسیار مفید و کاربردی‌ای را جهت ایجاد تغییرات در عکس‌ها ارائه می‌دهد. یان گاوت (Yann Gavet) و یوهان دیبایل (Yohan Debayle)، نویسندگان کتاب پردازش تصویر با پایتون (Image Processing Tutorials with Paython)، راهنمایی را در این زمینه در اختیار شما قرار داده‌اند که چه در سال‌های اولیه‌ی تحصیل خود در یک دانشکده‌ی مهندسی باشید، و یا حتی یک استاد، برایتان کاربردی و مفید خواهد بود.

از انواع موارد عکس‌پردازی می‌توان به برعکس کردن، چرخاندن، دسته‌بندی کردن، ترمیم تصاویر و برش اشاره کرد که در کتاب پردازش تصویر با پایتون به‌طور خاص به استفاده از زبان برنامه‌نویسی پایتون و معرفی کدها و ابزارهای آن برای انجام این اعمال پرداخته شده است. یان گاوت و یوهان دیبایل کتاب پیش رو را در شش بخش تألیف نموده‌اند که شرح آن‌ها را در ادامه خواهیم گفت. بخش اول به پیش‌گفتاری از تعریف پردازش تصاویر و مواردی برای بهبود کیفیت آن‌ها اختصاص دارد. در بخش دوم به شکل‌شناسی ریاضی پرداخته شده و نویسندگان کتاب، در بخش سوم موضوع ثبت و قطعه‌بندی را مورد بررسی قرار داده‌اند. در بخش چهارم مطالبی حول موضوع تحلیل تصادفی به خوانندگان ارائه شده و بخش پنجم نیز شامل مباحث کاراکترپردازی تصویر و تحلیل الگو است. بخش پایانی کتاب نیز شامل آزمون‌های نظری و عملی این مبحث در سال‌های 2016 و 2017 میلادی است. با مطالعه‌ی این کتاب راهنما هم با مفاهیم نظری پردازش و تحلیل تصویر آشنا خواهید شد و هم به نکات آموزشی طبقه‌بندی‌شده متناسب با رشته‌ی خود دسترسی خواهید داشت.

انتشارات فناوری نوین کتاب پردازش تصویر با پایتون را با ترجمه‌ی دکتر جواد وحیدی و مهندس سمیه نوشیروان منتشر و روانه‌ی بازار کتاب کرده است.

کتاب پردازش تصویر با پایتون برای چه کسانی مناسب است؟

مطالعه‌ی این کتاب را به کلیه‌ی علاقه‌مندان حوزه‌ی عکس‌پردازی با زبان‌های برنامه‌نویسی توصیه می‌کنیم.

در بخشی از کتاب پردازش تصویر با پایتون می‌خوانیم

تبدیل فوریه دوبعدی

هدف اصلی این آموزش، مطالعه‌ی فیلترهای تصویر اعمال‌شده در حوزهی فرکانسی یا فضایی با تبدیل فوریه است. برای توابع تبدیل فوریه (تابع fft2)، فاز و abs برای فاز و دامنه، از ماژول np.fft استفاده کنید. تصویری که مورداستفاده قرار می‌گیرد از اندوتلیوم قرنیه‌ی انسان گرفته شده است که در داخل بدن با میکروسکوپ نوری مشاهده شده است.

تبدیل فوریه

1. یک تصویر بارگذاری کنید و آن را تجسم کنید.
2. توسط الگوریتم fft، تبدیل فوریه را محاسبه کنید.
3. تصاویر فاز و دامنه‌ی تبدیل فوریه را تجسم کنید.

تبدیل فوریه معکوس

در این تمرین، در نظر گرفتن تصاویر مختلف، مانند یک تصویر (Lena) لنا، می‌تواند جالب باشد.

1. تبدیل فوریه معکوس را بر روی تبدیل فوریه اعمال کنید تا تصویر اصلی را بیابید.
2. در حال حاضر، تبدیل معکوس فوریه را فقط روی اطلاعات فاز (بدون استفاده از اطلاعات فرکانس) اعمال کنید.
3. با همان شیوه، تبدیل معکوس فوریه را فقط در اطلاعات فرکانس (بدون فاز) اعمال کنید.

فهرست مطالب کتاب

بخش اول: پیش‌گفتار
1: مقدمه‌ای بر پردازش تصویر
2: بهبود تصویر
3: تبدیل فوریه دوبعدی
4: آشنایی با موجک‌ها
5: بازسازی تصویر: حذف نویز
6: بازسازی تصویر: دکانولوشن
7: شکل از فوکوس
8: پردازش تصویر لگاریتمی (LIP)
9: پردازش تصویر لگاریتمی رنگی (CoLIP)
10: GANIP
11: فیلترینگ تصویر با استفاده از PDEها
12: تجزیه‌وتحلیل چند مقیاسی
13: مقدمه‌ای بر بازسازی توموگرافی
بخش دوم: شکل‌شناسی ریاضی
14: شکل‌شناسی ریاضی باینری
15: فیلتر ژئودزیکی مورفولوژیکی
16: فیلتر صفت مورفولوژیکی
17: اسکلت‌سازی مورفولوژیکی
18: گرانولومتری
بخش سوم: ثبت و قطعه‌بندی
19: قطعه‌بندی تصویر مبتنی بر هیستوگرام
20: قطعه‌بندی بر اساس منطقه‌ی در حال رشد
21: انتقال هاف و تشخیص خط
22: خطوط افعال
23: آب‌پخشان (Watershed)
24: قطعه‌بندی فولیکول‌ها
25: ثبت تصویر
بخش چهارم: تحلیل تصادفی
26: هندسه‌ی تصادفی / فرآیند فضایی
27: مدل‌های بولی
28: هندسه‌ی میدان‌های تصادفی گوسی
29: سه‌بعدی شناسی و پارادوکس برتراند (Bertrand)
30: پوسته‌ی محدب
31: نمودار ورونوی و مثلث‌بندی دیلانی
بخش پنجم: کاراکترپردازی تصویر و تحلیل الگو
32: هندسه‌ی انتگرال‌ها
33: توصیف توپولوژیکی
34: کاراکترپردازی تصویر
35: دیاگرام‌های شکل
36: کد زنجیره‌ای فریمن
37: یادگیری ماشین
38: آشکارساز گوشه‌ی هاریس
39: الگوهای دودویی محلی
بخش ششم: آزمون‌ها
40: آزمون عملی 2016
41: آزمون نظری 2016
42: آزمون نظری 2017