📌 ماه اول: مبانی پردازش تصویر و کار با تصاویر

جلسه ۱: مقدمه و مفهوم تصویر

✅ مفهوم تصویر دیجیتال (Pixel، Resolution، Depth)
✅ معرفی فضای رنگی (RGB، Grayscale، HSV)
✅ بررسی ساختار تصویر دیجیتال و نحوه ذخیره‌سازی
🎯 تمرین: نمایش مشخصات یک تصویر با OpenCV

جلسه ۲: تولید تصویر و رسم اشکال و خطوط

✅ نحوه ایجاد تصاویر با OpenCV
✅ رسم خطوط، دایره، مستطیل و متن روی تصویر
✅ بررسی سیستم مختصات در پردازش تصویر
🎯 تمرین: ایجاد یک بوم نقاشی ساده و طراحی شکل‌های مختلف

جلسه ۳: کار با تصاویر (خواندن، نمایش و ذخیره‌سازی)

✅ خواندن تصاویر از فایل با OpenCV
✅ نمایش و تغییر اندازه تصویر
✅ ذخیره‌سازی و تبدیل فرمت تصویر
🎯 تمرین: خواندن یک تصویر، تغییر اندازه و ذخیره نسخه جدید

جلسه ۴: فیلترگذاری، تطبیق الگو و پوشش‌گذاری

✅ اعمال فیلترهای مختلف روی تصویر
✅ تطبیق الگو (Template Matching) برای پیدا کردن اشکال مشابه
✅ استفاده از Mask برای پوشش دادن بخش‌های خاص
🎯 تمرین: پیدا کردن یک الگو در یک تصویر و نمایش نتایج

📌 ماه دوم: تکنیک‌های پردازش تصویر پیشرفته

جلسه ۵: تار کردن، بهبود کیفیت و ترکیب تصاویر

✅ انواع روش‌های Blur (Gaussian, Median, Bilateral)
✅ تکنیک‌های افزایش وضوح تصویر (Sharpening)
✅ ترکیب دو تصویر با تکنیک‌های آلفا و ماسک
🎯 تمرین: بهبود کیفیت یک تصویر تار و ترکیب دو تصویر

جلسه ۶: آستانه‌گذاری و تشخیص لبه

✅ تبدیل تصویر به باینری (Thresholding)
✅ روش‌های مختلف آستانه‌گذاری (Simple, Adaptive)
✅ الگوریتم‌های تشخیص لبه (Sobel, Canny)
🎯 تمرین: تشخیص لبه‌های اشیا در تصویر

جلسه ۷: استخراج ویژگی‌ها و نقاط کلیدی

✅ مفاهیم ویژگی‌های مهم در تصویر
✅ استخراج ویژگی‌ها با SIFT، SURF و ORB
✅ مقایسه ویژگی‌های بین تصاویر
🎯 تمرین: پیدا کردن نقاط کلیدی دو تصویر و مقایسه آن‌ها

جلسه ۸: مقیاس‌گذاری و تغییر شکل تصاویر

✅ تغییر اندازه و مقیاس تصویر
✅ دوران، برش و تغییر پرسپکتیو
✅ استفاده از تبدیل هوموگرافی
🎯 تمرین: تنظیم پرسپکتیو یک تصویر و استخراج بخش مهم

📌 ماه سوم: تشخیص اشیا و پیاده‌سازی پروژه نهایی

جلسه ۹: حل مسائل پردازش تصویر با OpenCV

✅ ترکیب تکنیک‌های مختلف پردازش تصویر
✅ بهینه‌سازی کد برای کار با تصاویر بزرگ
✅ پردازش تصویر در زمان واقعی
🎯 تمرین: تشخیص پلاک خودرو یا متن روی کاغذ

جلسه ۱۰: تشخیص اشیا و چهره

✅ استفاده از الگوریتم‌های تشخیص چهره (Haar Cascade, DNN)
✅ شناسایی اشیا در تصویر با YOLO و SSD
✅ بررسی تکنیک‌های بهینه‌سازی مدل تشخیص
🎯 تمرین: تشخیص چهره در تصاویر و ویدیوها

جلسه ۱۱: کار با ویدیو و پردازش لحظه‌ای

✅ خواندن و پردازش فریم‌های ویدیویی
✅ تشخیص اشیا در زمان واقعی با OpenCV
✅ ذخیره و خروجی گرفتن از ویدیوهای پردازش‌شده
🎯 تمرین: پیاده‌سازی یک سیستم تشخیص حرکت در ویدیو

جلسه ۱۲: پروژه پایانی – پیاده‌سازی یک سیستم پردازش تصویر

✅ انتخاب یک پروژه کاربردی بر اساس موضوعات دوره
✅ تحلیل و آماده‌سازی داده‌های تصویری
✅ پیاده‌سازی و بهینه‌سازی مدل پردازش تصویر
✅ ارائه و مستندسازی پروژه
🎯 پروژه‌های پیشنهادی:
🔹 تشخیص پلاک خودرو و خواندن آن
🔹 سیستم تشخیص چهره برای ورود و خروج
🔹 تشخیص و ردیابی اشیا در ویدیو