متلب زبانی بسیار قدرتمند برای حل مسائل گوناگون مهندسی و علمی است. این زبان با داشتن انبوهی از جعبه ابزارهای گوناگون، تقریبا هر کاری را در زمینه برنامه نویسی مهندسی امکان پذیر می سازد. علاوه بر این، سادگی برنامه نویسی به زبان متلب، موجب بکارگیری آن در شاخه ها و گرایش های مختلف علمی شده است. مهمترین هدف این کتاب، راهنمایی خوانندگان جهت یادگیری اصول برنامهنویسی صحیح و نیز توسعه ی دانش بکارگیری نرم افزار متلب می باشد. هدف دیگر این کتاب، نوشتن برنامههای متلب با استفاده از کدهای کوتاه و خوانا است. عیبیابی چنین برنامههایی ساده تر بوده و به زمان اجرای کمتری نیازمند است.
کتاب پیشرو از 3 بخش و 12 فصل تشکیل شده است. بخش اول (فصول 1 الی 8) اصول برنامه نویسی متلب و مبانی نمایش گرافیکی را شرح می دهد. از مباحث بسیار مهم این بخش فصول چهارم (ماتریسها) و ششم (انیمیشن) می باشد. آرایه، کلاس داده اصلی متلب است و تسلط روی مباحث آن موجب افزایش توانایی در کار با سایر ابزارهاست.
اصول کار با ماتریس ها در فصل چهارم معرفی میشود. تکنیک های اصلی انیمیشن که در فصل ششم بررسی می شود، علاوه بر جالب و کاربردی بودن، توانایی برنامه نویس را در استفاده از حلقه FOR افزایش میدهد. انیمیشن به عنوان روشی برای آزمودن مدل نیز قابل استفاده است.
در بخش دوم، ابزار GUI ساخته شده با برنامه GUIDE، معرفی و بحث میشود. ابزار GUI یک مدل محاسباتی و رابط کاربری گرافیکی است که به کمک آن به سادگی میتوان با تنظیم پارمترها، محاسبات را انجام داده و خروجی را مشاهده نمود. از مهمترین مزایای GUI میتوان به سادگی تغییر پارامترها، نمایش گرافیکی مناسب و تعامل بهتر با کاربر اشاره داشت.
بخش سوم با معرفی جعبه ابزار منطق فازی آغاز شده و در ادامه با مثالی کاربردی، نحوه استفاده از آن تشریح می شود.
جلد اول (کاربران مبتدی و متوسطه) این کتاب قابل استفاده برای کلیه دانشجویان رشته های فنی مهندسی (بالاخص رشته های کامپیوتر، برق، عمران، مکانیک و شیمی) و رشته های مدیریت و اقتصاد میباشد.
رضا جهان بین اردبیلی
پاییز 1393
مرجع:
http://mathworks.ir/book/343-matlab-2014-book?format=pdf
در بخش بندی تصویر هدف جدا سازی تصویر به نواحی مجزا و همگن است و در حالت ایده آل باید نتیجه بدست آمده با نواحی حاصل از بخش بندی ذهن انسان منطبق باشد. در رابطه با بخش بندی تصویر، الگوریتم های متعددی تا به امروز ارائه شده اند. از جمله این روشها می توان به روشهای مبتنی بر گراف اشاره کرد که روشهای مبتنی بر گراف برروی تصاویر با نواحی همگن نتایج مناسبی دارند.و علاوه بر آن اطلاعات مکانی و فضای ویژگی پیکسلها به طور همزمان برای بخش بندی تصویر با یکدیگر ترکیب می شوند. چهارچوب کلی این روشها به این صورت است که هر پیکسل تصویر را به عنوان یک گره از گراف در نظر گرفته و وزن یال بین دو گره بر اساس یک معیار شباهت بین دو پیکسل متناظر با این دو گره در تصویر تعریف می شود و بخش بندی گراف ساخته شده بر اساس یک معیار خاص انجام می گیرد.
مساله بخش بندی گره های یک گراف برای کاربردهای گوناگون با فرمول بندی های مختلفی مورد مطالعه قرار گرفته است و الگوریتم های دقیق یا تقریبی ای برای برخی از این فرمول بندی ها پیشنهاد شده است. در این پایان نامه ابتدا به مرور برخی از این فرمول بندی ها و الگوریتم های کارآمد پرداخته است.همچنین فرمول بندی مناسب برای یک کاربرد خاص در پردازش تصویر یعنی بخش بندی تصویر را بیان کرده و در انتها با ارائه یک الگوریتم جدید برای بخش بندی گراف های وزن دار و مقایسه آن با چند الگوریتم مشابه، کارآیی آن را نشان داده است.سپس به منظور بررسی کارآیی الگوریتم با فرمول بندی مساله بخش بندی تصویر به صورت یک مساله بخش بندی گراف، نتایج عملکرد آن را روی پایگاه تصاویر برکلی آورده است.
منبع پایان نامه
http://library.sharif.ir/parvan/resource/293209
پردازش تصویر، امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته میشود که شاخهای از دانش رایانه است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا پویش شده توسط پویشگر هستند، سر و کار دارد. پردازش تصاویر، دارای دو شاخه عمدة بهبود تصاویر و بینایی ماشین است. بهبود تصاویر، در برگیرندة روشهایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آنها در محیط مقصد (مانند چاپگر یا نمایشگر رایانه) است.
کتاب پردازش تصویر دیجیتال در MATLAB (Digital Image Processing In Matlab) تالیف دکتر محسن سرداری زارچی و مهندس بهرام عادلیان برای دانشجویان و علاقهمندان به علم پردازش تصویر تهیه و تنظیم شده است.در این کتاب مطالب مربوط به پردازش تصویر در سیزده فصل به طور گام به گام و خودآموز در محیط نرم افزار متلب تشریح شده است.نویسندگان در این کتاب سعی کرده اند تا مطالب را به ساده ترین زبان ممکن، همراه با مثال ها و تصاویر مختلف بیان کنند.در بسیاری از قسمت های کتاب پس از بیان مباحث تئوری پردازش تصویر، به مباحث عملی آن نیز پرداخته است که این خود به یادگیری بهتر مخاطبین و درک مطالب بیان شده می افزاید.
برای اطلاعات بیشتر در خصوص این کتاب می توانید به لینک زیر مراجعه نمایید:
مقاله ای که معرفی می شود به مسئله بخش بندی تصویر(منظور همان قطعه بندی تصویر میباشد) مبتنی بر برش نرمالیزه گراف(Ncut) میپردازد. در این مقاله ضمن بیان هم ارزی رابطه ریاضی حاکم بر مسئله بدون مربی Ncut با معیار Fishe-Rao از دیدگاهی دیگر به برش گراف مناسب جهت بخش بندی تصویر پرداخته است.
مسئله بخش بندی تصویر یکی از مسائل پایه در بینایی ماشین است که یک تصویر را به چند زیرمجموعه معنی دار تقسیم می کند و کاربردهای گوناگونی در زمینه های مختلف مانند تفکیک بافت های پزشکی دارد. تاکنون روشهای مختلفی برای بخش بندی بیان شده است که به طور کلی به پنج دسته گروه بندی شده است:
1. گروه اول بخش بندی مبتنی بر آستانه :که تصویر را به دوبخش پیش زمینه و پس زمینه تقسیم می کند و مشکل این روش پیدا کردن آستانه ای است که بتوان تصویر را دو بخش کرد.
2. گروه دوم بخش بندی مبتنی بر لایه: که فرض میشود مقادیر پیکسل های پیش زمینه و پس زمینه مجزا هستند و این روش نسبت به نویز حساس است.
3. گروه سوم بخش بندی مبتنی بر ناحیه: الگوریتم های رشد و تقسیم و ادغام ناحیه از این دسته اند.
4. گروه چهارم روشهای مبتنی بر Watershead: که تصویر را به صورت یک سطح توپولوژیکی و مقدار شدت روشنایی را به عنوان ارتفاع نمایش می دهد.
5. گروه پنجم بخش بندی مبتنی بر انرژی است که با استفاده از یک تابع انرژی مناسب، انرژی را کمینه می کند و مبحث گراف از این دسته است.
در میان روشها، روشهای مبتنی بر گراف از کارآیی خوبی برخوردار است.سپس روشهای بخش بندی مبتنی بر گراف بیان شده که به پنج دسته ذیل تقسیم شده است:
· روش مبتنی بر درخت پوشای کمینه
· برش گراف و تابع هزینه
· برش گراف روی مدل میدان تصادفی مارکوف
· روشهای مبتنی بر کوتاهترین مسیر
· و روشهای دیگری که در این دسته بندی ها نیست
در بخش بندی تصویر به روش برش گراف، ابتدا گراف متناظر با تصویر بر اساس اطلاعات مکان و شدت پیکسل تشکیل میشود و سپس به دنبال روشی برای برش کمینه میباشد.در این مقاله روش موجود در مقاله[1] که بر پایه Ncut است را به عنوان یک کار پایه در نظر گرفته و درصدد ارائه معیاری مناسب برای ایجاد برش بهینه است و در همین راستا مقاله را چنین سازماندهی کرده است:
ابتدا در بخش دوم مسئله بخش بندی مبتنی بر Ncut را بیان کرده و در بخش سوم به بیان مسئله هم ارزی معادله توصیف کننده مسئله بدون مربی برش گراف پرداخته و در ادامه برای انتخاب مرز و آستانه راه مناسب تری نسبت به مقاله پایه اش ارائه کرده است، که الگوریتم پیشنهادی را می توان چنین کوتاه بیان کرد:
گام اول: به ازای تصویر ورودی داده شده، از روی گراف متناظر آن، مناسب ترین w و D و در نتیجه C تعیین می شود.
گام دوم: با مرتب کردن بردارهای ویژه ی ماتریس C مبتنی بر معیار MFJ ، مناسب ترین آن انتخاب می شود.
گام سوم: از روی بردار برگزیده، آستانه مناسبی برای دوسطحی کردن پیدا می شود.
گام چهارم: از روی بردار دوسطحی شده، به بخش بندی تصویر می پردازد.
و در پایان طی آزمایش های گوناگون به بررسی و مقایسه الگوریتم پیشنهادی و مقاله مرجع پایه پرداخته است.
برای مشاهده کامل این مقاله می توانید از لینک زیر استفاده کنید:
http://tjee.tabrizu.ac.ir/article_4387_e28eaf64e137cd3d6fa1043f8b5c2895.pdf
و برای مشاهده مقاله پایه می توانید به لینک یا مرجع زیر مراجعه کنید:
http://repository.upenn.edu/cgi/viewcontent.cgi?article=1101&context=cis_papers
[1] J. Shi and J. Malik, “Normalized cut and image segmentation,” IEEE Transaction On Pattern Analysis and Machine Inteligence; vol. 22, no. 8, 2000.