اموزش پردازش تصویر در متلب – برنامه نویسی هوشمند

پیدا کردن مختصات موس بر روی تصویر

متلب24 — Sat, 19 Nov 2016 13:38:54 +0000

پیدا کردن مختصات موس بر روی تصویر

در پردازش تصویر در متلب ، مواقعی هست که شما میخواهید بر روی تصویری که در حال نمایش آن هستید، کلیک کرده و مختصات نقطه ای که کلیک میکنید را در برنامه خود نیاز دارید. برای پیدا کردن مختصات موس بر روی تصویر در متلب میتوانید از کدهای زیر استفاده کنید:

clc;
clear;

کد زیر تصویر مورد نظر را خوانده و در ماتریسی بنام I قرار میدهد

I=imread(‘a.png’);

نمایش تصویر و اماه سازی برای کلیک بر روی تصویر و پیدا کردن موقعیت کلیک
figure(‘name’,’Doubleclick to set location’);imshow(I);

با کمک تابع getptsموقعیت مکانی را که بر روی تصویر دابل کلیک کرده اید میتوانید در برنامه خود داشته باشید

[c r] = getpts(1);

در نهایت نیز در انتهای کد در متغیر loc موقعیت کلیک شما بصورت یک بردار با 2 درایه قرار میگیرد

loc = int32([c r]);
if size(loc)>1
loc = [loc(1,1) loc(1,2)];
end
loc

با دستورات فوق شما میتوانید تصویر مورد نظر خود را خوانده، و نمایش دهید و سپس در یک نقطه از تصویر دابل کلیک کرده و مختصات نقطه ای که کلیک کرده اید را در برنامه خود مورد استفاده قرار دهید.

نوشته پیدا کردن مختصات موس بر روی تصویر اولین بار در برنامه نویسی هوشمند پدیدار شد.

دانلود کد متلب هیستوگرام تصویر

متلب24 — Fri, 14 Aug 2015 09:18:20 +0000

دانلود کد متلب هیستوگرام تصویر

در این متلب ما کدهای متلب مربوط به رسم هیستوگرام و همچنین کدهایی معادل با توابع imhist و imadjust و imhisteq را در متلب پیاده سازی و اماده کرده ایم.

دانلود کد متلب هیستوگرام تصویر

پیاده سازی کد تابع imhist در متلب

پیاده سازی کد تابع imadjust در متلب

پیاده سازی کد تابع imhisteq در متلب

ما هر یک از توابع فوق را بصورت کد نویسی و با توجه به مفهوم و تعریف هر یک از ورش ها و توابع فوق و بدون استفاده از خود توابع ، پیاده سازی کرده ایم.

جهت دریافت هر یک از کدهای زیر میتوانید از بخش زیر ، بصورت انلاین اقدام به خرید و دانلود کد نمایید

راهنمای خرید: برای خرید محصول، بر روی دکمه “خرید” کلیک کرده و بعد از وارد کردن نام خود و ایمیل مجدد بر روی دکمه “خرید” کلیک کنید تا به صفحه درگاه پرداخت هدایت شوید. بعد از پرداخت وجه ، لینک دانلود محصول به شما نمایش داده میشود و میتوانید محصول مورد نظر خود را دانلود نمایید.

خرید کد متلب رسم هیستوگرام تصویر معادل با تابع imhist

[parspalpaiddownloads id=”74″]

خرید کد متلب معادل با تابع imadjust

[parspalpaiddownloads id=”75″]

خرید کد متلب معادل با imhisteq

[parspalpaiddownloads id=”76″]

ایمیل ما : matlab24ir@gmail.com و یا info@matlab24.ir

نوشته دانلود کد متلب هیستوگرام تصویر اولین بار در برنامه نویسی هوشمند پدیدار شد.

واترمارکینگ با استفاده از سودوکو : شبیه سازی مقاله واترمارکینگ با سودوکو در متلب

متلب24 — Sat, 07 Feb 2015 11:10:19 +0000

شبیه سازی مقاله واترمارکینگ با سودوکو در متلب : واترمارکینگ، حوزه ای جالب و پرکاربرد است که توسط محققان زیادی دنبال میشود. در ادامه شبیه سازی مقاله واترمارکینگ تصویر با استفاده از جدول سودوکو را آماده کرده ایم.

پیاده سازی مقاله واترمارکینگ در متلب : عنوان مقاله : Anti-cropping digital image watermarking using Sudoku سال انتشار 2013

مقاله واترمارکینگ با سودوکو در متلب

لینک اصلی مقاله

در این پیاده سازی ما تصویر Lena را به روش سودوکو به 9 تصویر به هم ریخته تبدیل کرده ایم ، و سپس آن را در تصویر Peppers مخفی کرده ایم. تصویر نهایی جاسازی شده مشابه زیر بدست آمد:

و معیار های خروجی زیر بدست آمد:

PSNR Is:50.2249
MSE Is:0.24471
SSIM Is:0.9904

در ادامه نیز این تصویر بعنوان ورودی مرحله استخراج استفاده میشود و تصویر Lena از آن استخراج میشود.

چکیده فارسی مقاله: واترمارکینگ ضدبرش تصویر دیجیتال با استفاده از سودوکو

چکیده: بسیاری از طرح های نهان نگاری تصویر دیجیتال ، برای جاسازی اطلاعات کپی رایت در یک تصویر توسعه یافته اند.

با این حال، یک مهاجم ممکن است بخش هایی از یک تصویر تصویر نهان نگاری شده را با برش قطعات ناخواسته مورد استفاده مجدد قرار دهد.

چندین تکنیک برای غلبه بر این حمله طراحی شده اند ، اما با توجه به رویکرد افزونگی محدود خود، برخی از بخش های تصاویر هنوز هم می تواند بدون علامت قابل تشخیص بازیابی شود.

در این مقاله، یک طرح نهان نگاری جدید که در برابر کشت شدید مقاوم است با استفاده از سودوکو ارائه شده است.

این روش بر اساس خاصیت جایگشتی سودوکو است که اجازه می دهد تا به طور مساوی کپی های بخش های تصویر علامت در تمام نقاط تصویر پوشش توزیع شود.

یک راه حل سودوکو معتبر در طول تعبیه (embedding) و همچنین در طول تشخیص (detection) استفاده می شود.

با استفاده از سودوکو کلاسیک 9 × 9 ، طرح پیشنهادی توانایی تا 94 درصد بیشتر از کشت تصادفی (random cropping) نشان داده است.

چکیده لاتین مقاله Anti-cropping digital image watermarking using Sudoku:

Abstract: Many digital image watermarking schemes have been developed to embed copyright information into an image. However, an attacker may reuse parts of a watermarked image by cropping out unwanted parts. Several techniques have been designed to overcome this attack but due to their limited redundancy approach, some section of the images can still be retrieved without detectable watermark. In this paper, a new watermarking scheme that is robust against severe cropping using Sudoku is proposed. It is based on Sudoku’s permutation property that allows evenly distributed copies of watermark pieces in all parts of the cover image. A valid Sudoku solution is used during the embedding as well as during the detection of the watermark. Using classic 9 × 9 Sudoku, the scheme demonstrated robustness of up to 94% of random cropping.

روال کار مقاله بصورت زیر می باشد:

اول عکس کاور و عکس واترمارک را میخوانیم
عکس کاور را به 9 ناحیه تقسیم میکنیم (یعنی 3 در 3)
عکس واترمارک را به اندازه ناحیه های موجود در عکس کاور ریسایز میکنیم. یعنی عکس واترمارک باید در هر ناحیه ار تصویر کاور بصورت کامل جا شود.
بعد عکس واترمارک را به 9 بخش تقسیم میکنیم (یعنی 3 در 3)
یعنی 9 ناحیه داریم که هر ناحیه نیز 9 سلول میشود = 81 خانه سودوکو
بعد یک راه حل برای جدول سودوکو در نظر میگیریم که یکتا نیز می باشد
هر ناحیه را با توجه به اعداد موجود در ناحیه 3در3 متناظر در جدول سودوکو با بخش های متناظر از تصویر واتر مارک ادغام میکنیم و تصویر نهایی را می سازیم. (ادغام در تصویر به روش LSB انجام گرفته است)

فاز اشکار سازی واترمارکینگ با سودوکو:

جدول سودوکوی مورد نظرمان را میگیریم
عکس واترمارک شده را میگیریم و بخش را از ان گنجانده شده در ان را بازیابی میکنیم W_ret
تصویر واترمارک را هم میگیریم و به به 9 بخش تقسیم میکنیم (یعنی 3 در 3) W_t
حال سرچ میکنیم و تطبیق میدهیم که به ترتیب کدامیک از سیمبل های موجود در W_t با بخش های W_ret مطابق می باشند.و ترتیب انها را پیدا میکنیم و بعنوان Q در نظر میگیریم
Q یک سلول 3 در 3 می شود که هر خانه ان 9 عدد در ان قرار میگیرد و ساختاری همانند جدول سودوکوی مورد نظرمان دارد
چک میکنیم که ایا Q با جدول سودوکوی مورد نظر ما اشتراک دارد یا خیر ؟ اگر اشتراکی یافتیم به این معنی است که Detect شد و گرنه که Detect نشده است.

————————-

برای دریافت کد متلب مقاله واترمارکینگ با سودوکو در متلب از لینک زیر استفاده کنید.

[parspalpaiddownloads id=”28″]

در صورت نیاز به مشاوره قبل از خرید با شماره درج شده در سایت از طریق واتساپ یا تلگرام در تماس باشید.

مقاله واترمارکینگ با سودوکو در متلب

نوشته واترمارکینگ با استفاده از سودوکو : شبیه سازی مقاله واترمارکینگ با سودوکو در متلب اولین بار در برنامه نویسی هوشمند پدیدار شد.

شخیص حروف چاپی(ICR)+شبکه های عصبی در متلب

متلب24 — Fri, 23 Jan 2015 15:57:27 +0000

در این مجموعه ی آموزشی به بررسی انواع روش های تشخیص حروف پرداخته و همچنین برخی از این روش ها را پیاده سازی خواهیم کرد.

در این پایان نامه مطالب زیر بحث شده است:

تعداد صفحات 100 صفحه

فونت نوشته : Bnazanin 14

– فهرست
– مقدمه ای بر شناسایی حروف و اصطلاحات پایه ای مرتبط با ان

– بررسی و مرور الگوریتم ها و روشهای استخراج ویژگی حروف

-اشنایی با شبکه های عصبی مروری بر انواع شبکه های عصبی
– شناسایی حروف فارسی با بکار گیری شبکه های عصبی در نرم افزار متلب

– کد های برنامه در قالب mfile

جهت دانلود پایان نامه بازشناسی حروف فارسی در متلب با استفاده از تولباکس شبکه عصبی از بخش زیر اقدام کنید و بصورت آنلاین خریداری و دانلود کنید

[parspalpaiddownloads id=”115″]

نوشته شخیص حروف چاپی(ICR)+شبکه های عصبی در متلب اولین بار در برنامه نویسی هوشمند پدیدار شد.

جمع دو تصویر

متلب24 — Sun, 16 Nov 2014 14:27:06 +0000

جمع دو تصویر
جمع دو تصویر بدین مفهموم است که در دوتصویر ، شدت روشنایی پیکسل های متناظر دو تصویر را از باهم جمع کنیم . تصاویر زیر نتیجه اعمال عملگر جمع را نشان می دهند:

حاصل جمع دو تصویر

تصویر دوم

تصویر اول

شبه کد زیر نحوه پیاده سازی عملگر جمع را نشان می دهد :

Procedure Add (image1, image2 : Byte[][])
Begin
result :Byte[][] sub:integer
For i = 1 To Height Do
For j = 1 To Width Do
sub = image1[i, j] + image2[i, j] result[i, j] = sub > 255 ? 255 : sub
End For
End For
Return result
End

یکی از رایج ترین کاربردهای جمع دو تصویر افزودن پشت زمینه به تصویر است. برای این منظور نیاز به دو تصویر پشت زمینه و تصویر شی داریم که تصویر شی باید در مقابل پرده ای با رنگ ثابت گرفته شود. از جمع کردن دو تصویر مذکور تصویری با پشت زمینه دلخواه به دست می آید.پردازش تصویر در MATLAB :
برای تفریق دو تصویر هم اندازه از تابع imadd در MATLAB می توان استفاده کرد. به عنوان مثال مجموعه دستورات زیر دو تصویر را خوانده و حاصل جمع آن ها را نشان می دهد.

>> im = imread(‘rice.png’);
>> imshow(im);
>> imBack = imread(‘background.png’);
>> imshow(imBack);
>> res = imadd(im,imBack);

منبع: http://ai.amini.eu

نوشته جمع دو تصویر اولین بار در برنامه نویسی هوشمند پدیدار شد.

تفریق دو تصویر

متلب24 — Wed, 05 Nov 2014 07:16:33 +0000

تفریق دو تصویر
تفریق دو تصویر هم اندازه بدین مفهوم است که شدت روشنایی پیکسل های متناظر دو تصویر را از هم کم کنیم . فرض کنید می خواهیم تغییرات مغز افرادی را بررسی کنیم که دچار بیماری آلزایمر هستند. برای این منظور می توانیم تصویری از یک مغز سالم را در مراحل مختلف با تصویر مغز فردی که دچار بیماری آلزایمر است ، مقایسه کنیم . با اعمال عملگر فوق بر روی دو تصویر مذکور نقاطی از مغز که در آن نقاط مغر دچار تغییر شده است مشخص می شوند . تصویر زیر عکس اسکن PET مغز نرمال و بیمار را به همراه حاصل تفریق آن ها نشان می دهد :

تصویر نویزدار

تصویر بدون نویز

شبه کد زیر نحوه پیاده سازی عملگر تفریق را نشان می دهد :

Procedure Subtract (image1, image2 : Byte[][])
Begin
result :Byte[][] sub:integer
For i = 1 To Height Do
For j = 1 To Width Do
sub = image1[i, j] – image2[i, j] result[i, j] = sub < 0 ? 0 : sub
End For
End For
Return result
End

هنگام تفریق مقادیر پیکس ها ، مقادیر منفی را به مقدار صفر تبدیل می کنیم . همچنینی می توانیم هنگام تفرق از قدرمطلق تفریق نیز استفاده کنیمبه عنوان یک مثال کاربردی از تفریق دو تصویر می توان به شناسایی حرکت در سیستم های دوربین مدار بسته اشاره کرد. زمانی می گوییم حرکت رخ داده است که در بین دو فریم متوالی گرفته شده از دوربین اختلاف وجود داشته باشد. و همانطور که در ابتدا یادآور شدیم، برای محاسبه اختلاف بین دو تصویر از عملگر تفریق استفاده می کنیم. بنابراین با تفریق فریم فعلی و فریم قبلی گرفته شده از دوربین می توانیم اختلاف موجود در دو تصویر را پیدا کنیم. از دیگر کاربردهای تفریق دو تصویر می توان به حذف پشت زمینه ثابت از تصویر اشاره کرد.پردازش تصویر در MATLAB :
برای تفریق دو تصویر هم اندازه از تابع imsubtract در MATLAB می توان استفاده کرد. به عنوان مثال مجموعه دستورات زیر دو تصویر را خوانده و حاصل تفریق آن ها را نشان می دهد.

>> im = imread(‘rice.png’);
>> imshow(im);
>> imBack = imread(‘background.png’);
>> imshow(imBack);
>> res = imsubtract(im,imBack);

—————————————–

برگرفته از http://ai.amini.eu

نوشته تفریق دو تصویر اولین بار در برنامه نویسی هوشمند پدیدار شد.

مقدمه پردازش تصویر

متلب24 — Sun, 12 Oct 2014 13:59:25 +0000

مقدمه پردازش تصویر چشم به عنوان یکی از حیاتی ترین حسگرهای انسان نقش بسزایی در زندگی ما دارد. امروزه با پیشرفت چشمگیری که در ساخت پردازنده ها صورت گرفته است، این امکان نیز برای ما فراهم شده تا در ساخت روبات ها و سیستم های کنترلی از دوربین به عنوان یک چشم مصنوعی استفاده کنیم. پنج کاربرد عمده پردازش تصویر را می توان رباتیک ، سیستم های دفاعی ، مهندسی پزشکی ، کنترل
صنعتی و گرافیک کامپیوتری عنوان کرد. در سیستم های رباتیک معمولا از پردازش تصویر برای هدایت ربات و تشخیص اشیا استفاده می شود. در سیستم های دفاعی برای یافتن هدف و یا رهگیری یک هدف متحرک پردازش تصویر یکی از قابل اعتمادترین روش های موجود می باشد. در مورد کاربردهای گرافیکی نیز یکی از معروفترین نرم افزارهای مبتنی بر پردازش تصویر فتوشاپ می باشد که همگی با کاربردهای این نرم افزار آشنا هستیم. تشخیص نوع بیماری نیز رایج ترین کاربرد پردازش تصاویر پزشکی است. در نهایت ، امروزه خطوط تولید صنعتی برای کنترل کیفیت محصولات تولید شده و همچنین کنترل حرکات خط تولید از سیستم های مبتنی بر پردازش تصویر بهره جسته اند. یک تصویر از لحظه ورود به سیستم پردازش تصویر تا تولید تصویر خروجی، به ترتیب مراحل زیر را طی می کند:

در مجموعه مقالاتی که بر روی وب سایت قرار داده می شود، سعی بر آن داریم که تکنیک های مختلف پردازش تصویر را به زبان ساده و کاربردی معرفی کنیم. آنجه که در پردازش تصویر اهمیت بسیاری دارد، تسلط کامل بر مفاهیم تکنیک های پردازش تصویر است. به عنوان مثال خواهیم دید که چگونه تنها با چند تکنیک بسیار ساده پردازش تصویر می توانیم یک سیستم دوربین امنیتی ایجاد کنیم. منبع:http://ai.amini.eu/tutorial/dip/dipIntro.aspx

نوشته مقدمه پردازش تصویر اولین بار در برنامه نویسی هوشمند پدیدار شد.