توضیحات
پروژه آموزشی تصویر پردازی رقمی با متلب
در این پروژه ی آموزشی، موارد زیر در متلب پیاده سازی شده است:
در این پروژه تصاویر ورودی به صورت سیاه و سفید (Grey Level) مد نظر می باشد.
در ابتدا کدهای لازم برای خواندن فایل تصویر را بنویسید. نتیجه در ماتریسی با ابعاد MXN (در حالت تصویر سیاه و سفید) و یا تنسوری (در حالت تصویر رنگی) با ابعاد MxNx3 قرار میگیرد. در صورتیکه تصویر رنگی باشد، آن را به تصویر سیاه و سفید (Grey level) تبدیل کردیم. ماتریس نهایی حاصل از تصویر با ابعاد MXN خواهد بود. در ادامه برای موارد زیر کدهای مناسب تهیه کرده و آنها را تست کردیم.
1- Resolution تصویر ورودی دو برابر (تعداد سطر و ستون ضرب در دو) شد. برای اینکار از حداقل دو روش مختلف درون یابی استفاده کردیم.
2 – Resolution تصویر ورودی را نصف کردیم.
2 – Resolution تصویر ورودی را نصف کردیم.
3- تصویر ورودی معکوس (negative) شد.
4- تصویر را از تابع 𝑦=𝑐∙log(1+𝑟) عبور دادیم.
5- تصویر را از تابع 𝑦=𝑐∙𝑟𝛾 عبور دادیم.
6- هیستوگرام تصویر ورودی را محاسبه کرده و نمایش دادیم.
7- با محاسبه و اعمال تابع تبدیل مناسب، هیستوگرام تصویر ورودی را یکنواخت کرده و هیستوگرام و تصویر نتیجه را نمایش دادیم.
8- تصویر ورودی را از ماسک NxN نرم کننده (Bluring) عبور دادیم. مقدار N پارامتر ورودی میباشد.
9 – ماسک 3×3 تیز کننده لبه ها (Sharpening) را بر تصویر ورودی اعمال کردیم.
10- کدی نوشتیم که ماسک دلخواه NXN را بر روی تصویر ورودی اعمال نماید. مقدار N و درایه های ماسک پارامترهای ورودی هستند.
بعد از بررسی عملکرد مناسب کدهای نوشته شده برای هر بند، آنها را بصورت توابع مناسب سازمان دهی کردیم. سپس باتهیه Interface مناسب، قابلیت load تصویر، نمایش آن و اعمال موارد فوق را برای کاربران عادی امکان پذیر کردیم. فعال بودن امکان Undo (یک یا چند مرحله) و ذخیره کردن تصویر نتیجه هم در این محیط گرافیکی مد نظر است.
7- با محاسبه و اعمال تابع تبدیل مناسب، هیستوگرام تصویر ورودی را یکنواخت کرده و هیستوگرام و تصویر نتیجه را نمایش دادیم.
8- تصویر ورودی را از ماسک NxN نرم کننده (Bluring) عبور دادیم. مقدار N پارامتر ورودی میباشد.
9 – ماسک 3×3 تیز کننده لبه ها (Sharpening) را بر تصویر ورودی اعمال کردیم.
10- کدی نوشتیم که ماسک دلخواه NXN را بر روی تصویر ورودی اعمال نماید. مقدار N و درایه های ماسک پارامترهای ورودی هستند.
بعد از بررسی عملکرد مناسب کدهای نوشته شده برای هر بند، آنها را بصورت توابع مناسب سازمان دهی کردیم. سپس باتهیه Interface مناسب، قابلیت load تصویر، نمایش آن و اعمال موارد فوق را برای کاربران عادی امکان پذیر کردیم. فعال بودن امکان Undo (یک یا چند مرحله) و ذخیره کردن تصویر نتیجه هم در این محیط گرافیکی مد نظر است.
بخشی از گزارش:
به منظور اجرای برنامه ، تابع main را اجرا میکنیم. پس از اجرا با این پنجره رو برو می شویم.
با زدن دکمه سبز رنگ پنجره انتخاب و خواندن تصویر باز می شود:
1-تمرین 1 :درونیابی برای بزرگنمایی تصویر:
تابع درونیابی به روش bilinear :
پروژه آموزشی تصویر پردازی رقمی با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی شده است
- فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.














دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.