کتاب مبانی بینایی کامپیوتر

کتاب مبانی بینایی کامپیوتر نوشته مهدی سیفی پور، اثری آموزشی در حوزه‌ی پردازش تصویر و بینایی کامپیوتر است و می‌کوشد از مفاهیم پایه‌ی تصویر دیجیتال تا الگوریتم‌های پیشرفته‌ی بینایی کامپیوتر را توصیف کند. ساختار اثر از معرفی فناوری تصاویر قدیمی و سیستم بینایی انسان آغاز می‌شود و به‌تدریج به مباحثی مانند تبدیل تصاویر آنالوگ به دیجیتال، انواع تصاویر باینری، خاکستری و رنگی، مدل‌های رنگ، رزولوشن پیکسلی و مکانی و سپس کاربردهای پردازش تصویر در پزشکی، صنعت، نجوم، سیستم‌های نظارتی و خودروهای هوشمند می‌رسد. موسسه‌ی فرهنگی هنری دیباگران تهران این راهنما را منتشر کرده است. نسخه الکترونیکی این اثر را می‌توانید از طاقچه خرید و دانلود کنید.

درباره کتاب مبانی بینایی کامپیوتر

کتاب مبانی بینایی کامپیوتر با تمرکز بر آموزش گام‌به‌گام مفاهیم، از سطح پایه‌ی تصویر دیجیتال شروع کرده است. مهدی سیفی پور ابتدا فناوری تصاویر قدیمی را بر اساس تشبیه به عملکرد چشم و شبکیه‌ی انسان توضیح داده و تفاوت رزولوشن پیکسلی و رزولوشن مکانی را برجسته کرده است. سپس به پردازش حوزه‌ی زمان، مکان و فرکانس می‌پردازند و نشان می‌دهند که چگونه تبدیل فوریه و کار در حوزه‌ی فرکانس می‌تواند محاسبات سنگین کانولوشن را ساده‌تر کند. 

کتاب مبانی بینایی کامپیوتر به کاربردهای پردازش تصویر نیز اشاره دارد و در مورد مفهوم کرنل، کانولوشن دوبعدی و انواع فیلترهای پایین‌گذر و بالاگذر توضیح می‌دهد. مهدی سیفی پور در بخش‌های پایانی به مباحث پیچیده‌تری مثل عملیات پیش‌پردازش، مورفولوژی، الگوریتم‌های مبتنی‌بر یادگیری ماشین، شبکه‌های عصبی و یادگیری عمیق و روش‌های فراابتکاری هم می‌پردازد و نمونه‌سؤالاتی امتحانی ارائه می‌دهد.

خلاصه کتاب مبانی بینایی کامپیوتر

در کتاب مبانی بینایی کامپیوتر، ابتدا ماهیت تصویر در سیستم بینایی انسان و نقش چشم، شبکیه، عصب بینایی و مغز توضیح داده می‌شود تا روشن شود که در بدن انسان، چشم نقش دوربین و مغز نقش پردازنده را دارد. نویسنده سپس سه نوع اصلی تصویر دیجیتال را معرفی کرده است: باینری (صفر و یک)، خاکستری (۰ تا ۲۵۵) و رنگی (سه بایت برای هر پیکسل در مدل RGB). در ادامه، مفهوم رزولوشن و تأثیر تعداد پیکسل‌ها بر وضوح و حجم حافظه و تفاوت رزولوشن پیکسلی و مکانی توضیح داده شده است. 

در گام بعد، کتاب به تبدیل سیگنال‌ها و تصاویر آنالوگ به دیجیتال می‌پردازد و پردازش حوزه‌ی مکان، زمان و فرکانس را معرفی می‌کند. بخش مهمی از کتاب به فیلترهای حوزه‌ی تصویر اختصاص دارد: تعریف تابع و فیلتر، کرنل‌های کانولوشنی و انتخاب‌گر، نحوه‌ی لغزش کرنل روی تصویر، محاسبه‌ی مقدار پیکسل خروجی و نقش پدینگ. 

در فصل‌های کاربردی، کتاب نشان می‌دهد که پردازش تصویر چگونه در بهسازی تصویر، تشخیص ضایعه‌های مغزی و بیماری‌های تنفسی از روی تصاویر MRI و رادیولوژی، کنترل کیفیت کاشی در خط تولید، آنالیز تصاویر هوایی برای تعیین مرز شهرها، تشخیص ناهمواری‌ها و پیش‌بینی آب‌وهوا و مخفی‌سازی متن، تصویر یا داده در تصویر به‌ کار می‌رود. 

در نهایت، بینایی کامپیوتر به‌ عنوان شاخه‌ای از هوش مصنوعی معرفی شده که فراتر از بهبود تصویر، به درک محیط و تصمیم‌گیری می‌پردازد. در همین راستا، الگوریتم‌های بینایی کامپیوتر در قالب زنجیره‌ای از پیش‌پردازش، استخراج ویژگی، تصمیم‌گیری و طبقه‌بندی توضیح داده می‌شوند و کاربردهای آن‌ها در خودروهای خودران، سیستم‌های کمک‌راننده، آنالیز رویدادهای ورزشی، سیستم‌های نظارتی، تشخیص چهره، ردیابی اشیاء، تشخیص پلاک، تشخیص خواب‌آلودگی راننده، سیستم‌های پزشکی و رباتیک مطرح می‌گردد.

چرا باید کتاب مبانی بینایی کامپیوتر را بخوانیم؟

مزیت مهم کتاب آن است که مفاهیم ریاضی و سیگنال‌محور را مستقیماً به مثال‌های تصویری و کرنل‌های ملموس وصل کرده است. ویژگی دیگر آن، پیوند مداوم بین مباحث نظری و کاربردهای واقعی است. وجود فصل‌هایی درباره‌ی نرم‌افزارها و زبان‌های برنامه‌نویسی، معرفی وب‌سایت‌های معتبر و در انتها نمونه‌سؤالات امتحانی، این اثر را به منبعی تبدیل کرده که هم برای یادگیری مفهومی و هم برای آمادگی دروس دانشگاهی و پروژه‌های اولیه‌ی تحقیقاتی قابل استفاده است.

خواندن کتاب مبانی بینایی کامپیوتر را به چه کسانی پیشنهاد می‌کنیم؟

مطالعه‌ی کتاب مبانی بینایی کامپیوتر به دانشجویان مهندسی کامپیوتر و مهندسی برق پیشنهاد می‌شود. کتاب همچنین برای پژوهشگران و فعالان حوزه‌ی هوش مصنوعی، یادگیری ماشین، رباتیک، خودروهای هوشمند، سیستم‌های پزشکی و سیستم‌های نظارتی و امنیتی نیز مناسب است.