🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
mn= imnoise(bwimage,'salt & pepper',0.02);
imshow(imn);

که در ان bwimage تصویر مورد نظر و salt & pepper نو ع نویز و 0.02 پارامتر آن می باشد و در صورتی که آن را به مقدار 2.2 افزایش دهیم خواهیم داشت:

در صورتی که کمتر شود هم میزان نقاط تیره و روشن کم خواهد شد
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
http://goo.gl/SEo8cA

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
برای اعمال نویز گوسی به تصویر از دستور زیر استفاده می شود
imn2 = imnoise(bwimage,'gaussian',0,0.2)
imshow(imn2);
که در آن متغیر اول میانگین و متغیر دوم واریانس نویز گوسی می باشد
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
http://goo.gl/mPF1ti

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
شکل فوق مربوط به نویز اعمال شده با دستور زیر می باشد:

imn2 = imnoise(bwimage,'gaussian',0,1.2);

برای اعمال نویز های دیگری مانند نویز poisson از دستور زیر استفاده می شود:

imn2 = imnoise(bwimage,'poisson');
imshow(imn2);

___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
http://goo.gl/cna6G4

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
برای اعمال نویز speckle که از فرمول زیر بدست می آید
Image+n*Image
( در عبارت فوق n یک متغیر تصادفی رندم با میانگین صفرو واریانس v می باشد)
imn3 = imnoise(bwimage,'speckle',0.04)
imshow(imn3);
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
http://goo.gl/zN6pBE

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
دوستان به پایان این جلسه رسیدیم در جلسه بعدی روشهای بازسازی تصویر و بهبود تصویر را مورد بررسی قرار می دهیم
🌺🌺🌺تا جلسه آینده شب و روز بر شما خوش🌺🌺🌺
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
____________________________
💡 جلسه پنجم
💡 استاد : مهندس بنی فخر
____________________________
این جلسه در مورد اعمال فیلترهای حوزه مکان به تصویر صحبت خواهیم کرد.
فیلتر های حوزه مکان بصورت نقاب روی تصویر قرار میگیرند و مقادیر سطح خاکستری هر پیکسل در وزن مربوطه در نقاب ضرب خواهد شد و نهایتا حاصلجمع آنها در پیکسلی که معمولا مرکز نقاب می باشد جایگزین می شود
نکته ای که وجود دارد این است که معمولا ابعاد نقاب بصورت فرد در نظر گرفته می شود برای مثال 3*3 تا تقارن موجود در نقاب تا جای ممکن به ساختار تصویر لطمه نزد

____________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_پنجم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
____________________________
💡 جلسه پنجم
💡 استاد : مهندس بنی فخر
____________________________
نکته بعدی این است که معمولا مجموع وزن های موجود در فیلتر برابر1 می باشد که سطح خاکستری بیشتر از 255( سفید) ایجاد نگردد
اولین فیلتر فیلتر میانگین گیر می باشد که ساختار یک نمونه *3*3 آن را در زیر مشاهده می کنید:
____________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_پنجم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________
yon.ir/JQD6

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
____________________________
💡 جلسه پنجم
💡 استاد : مهندس بنی فخر
____________________________

فیلتر میانگین گیری باعث میشود که تصویر کمی مات تر شود و لبه های تیز موجود در تصویر کمی نرمتر شوند
دستور فیلتر میانگین گیر در متلب صورت زیر قابل پیاده سازی است:
imfilter(sss,[1/9 1/9 1/9;1/9 1/9 1/9;1/9 1/9 1/9])

____________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_پنجم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
____________________________
💡 جلسه پنجم
💡 استاد : مهندس بنی فخر
____________________________
دستور فوق برای هر نقاب با ابعاد دیگر و مشخصات دیگر نیز قابل استفاده است
در تصویر لبه ها و تغییرات تند تصویر در دسته محتویات فرکانس بالا تصویر می باشند و چون فیلتر میاگین گیر موجب حذف آنها می شود از این نوع فیلتر به عنوان فیلتر پایین گدر نیز یاد می شود


____________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_پنجم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
____________________________
💡 جلسه پنجم
💡 استاد : مهندس بنی فخر
____________________________
در جلسه آینده در مورد فیلتر میانه صحبت می کنیم و چند نمونه دیگر از این فیلتر ها را در حوزه مکان معرفی می کنیم مانند فیلتر میانه و ...

____________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_پنجم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________