دوره جاوا برای توسعه‌دهندگان OpenCV همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جاوا برای توسعه‌دهندگان OpenCV

موضوع کلی: برنامه نویسی

موضوع میانی: جاوا (Java)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر دوره: چرا جاوا برای OpenCV؟
• 2. نصب و راه‌اندازی JDK و محیط توسعه (IDE)
• 3. اولین برنامه جاوا: Hello, World!
• 4. متغیرها و انواع داده‌های اولیه (Primitive Data Types)
• 5. عملگرهای حسابی، رابطه‌ای و منطقی
• 6. دریافت ورودی از کاربر با کلاس Scanner
• 7. دستورات شرطی: if-else و if-else-if
• 8. دستور شرطی switch
• 9. حلقه‌ها: حلقه for
• 10. حلقه‌ها: حلقه‌های while و do-while
• 11. آرایه‌ها: تعریف، مقداردهی و دسترسی
• 12. کار با آرایه‌های یک‌بعدی
• 13. آرایه‌های چندبعدی و کاربرد آن در پردازش تصویر
• 14. متدها: تعریف و فراخوانی متدها
• 15. پارامترها و مقادیر بازگشتی در متدها
• 16. مبانی برنامه‌نویسی شیءگرا (OOP)
• 17. کلاس‌ها و اشیاء (Classes and Objects)
• 18. سازنده‌ها (Constructors)
• 19. کلمه کلیدی this
• 20. کپسوله‌سازی (Encapsulation): Getters و Setters
• 21. سطوح دسترسی: public, private, protected
• 22. کلمه کلیدی static برای متدها و متغیرها
• 23. وراثت (Inheritance) و کلمه کلیدی extends
• 24. چندریختی (Polymorphism) و بازنویسی متدها (Method Overriding)
• 25. حاشیه‌نویسی Override@
• 26. کلاس‌ها و متدهای انتزاعی (Abstract)
• 27. رابط‌ها (Interfaces)
• 28. کلمه کلیدی final
• 29. بسته‌ها (Packages) و وارد کردن کلاس‌ها (import)
• 30. مقدمه‌ای بر کتابخانه استاندارد جاوا
• 31. کار با رشته‌ها (String) و متدهای آن
• 32. کلاس‌های StringBuilder و StringBuffer
• 33. مدیریت خطاها: بلوک try-catch
• 34. بلوک finally و منابع
• 35. ایجاد و پرتاب استثناءهای سفارشی (Custom Exceptions)
• 36. مقدمه‌ای بر چارچوب کلکسیون‌های جاوا (Java Collections Framework)
• 37. کار با List و ArrayList
• 38. کار با Map و HashMap
• 39. مفهوم Generics در جاوا
• 40. ورودی و خروجی فایل: خواندن از فایل
• 41. ورودی و خروجی فایل: نوشتن در فایل
• 42. مقدمه‌ای بر همزمانی (Concurrency) و نخ‌ها (Threads)
• 43. ایجاد و اجرای Thread
• 44. عبارات لامبدا (Lambda Expressions)
• 45. آشنایی با ابزارهای ساخت پروژه: Maven و Gradle
• 46. معرفی OpenCV: تاریخچه و قابلیت‌ها
• 47. راه‌اندازی OpenCV برای جاوا (کتابخانه نیتیو)
• 48. پیکربندی محیط توسعه برای کار با OpenCV
• 49. بارگذاری کتابخانه نیتیو OpenCV در کد جاوا
• 50. اولین برنامه OpenCV: بارگذاری و نمایش یک تصویر
• 51. معرفی کلاس Mat: هسته اصلی OpenCV
• 52. ایجاد یک شیء Mat به صورت دستی
• 53. خواندن و نوشتن تصاویر با کلاس Imgcodecs
• 54. دسترسی به مقادیر پیکسل‌ها در یک Mat
• 55. تغییر مقادیر پیکسل‌ها در یک Mat
• 56. ویژگی‌های تصویر: ابعاد، کانال‌ها و عمق رنگ
• 57. فضاهای رنگی: BGR, RGB, HSV و Grayscale
• 58. تبدیل بین فضاهای رنگی با Imgproc.cvtColor
• 59. مفهوم ناحیه مورد علاقه (Region of Interest - ROI)
• 60. ترکیب و جداسازی کانال‌های رنگی
• 61. ترسیم اشکال هندسی: خط و مستطیل
• 62. ترسیم اشکال هندسی: دایره، بیضی و متن
• 63. عملیات حسابی روی تصاویر: جمع، تفریق و ترکیب
• 64. عملیات بیتی روی تصاویر: AND, OR, NOT, XOR
• 65. آستانه‌گذاری (Thresholding) ساده و انطباقی
• 66. هموارسازی تصاویر: فیلترهای Average, Gaussian و Median
• 67. فیلتر دوجانبه (Bilateral Filtering)
• 68. تبدیلات مورفولوژیکی: فرسایش (Erosion) و اتساع (Dilation)
• 69. تبدیلات مورفولوژیکی: باز کردن (Opening) و بستن (Closing)
• 70. محاسبه گرادیان تصویر: عملگرهای Sobel و Scharr
• 71. آشکارسازی لبه با الگوریتم Canny
• 72. هرم‌های تصویری (Image Pyramids)
• 73. محاسبه و ترسیم هیستوگرام تصویر
• 74. یکسان‌سازی هیستوگرام (Histogram Equalization)
• 75. تطبیق هیستوگرام (Histogram Matching)
• 76. تبدیلات هندسی: تغییر اندازه (Scaling) و جابجایی (Translation)
• 77. تبدیلات هندسی: چرخش (Rotation) و تبدیل آفین (Affine)
• 78. تبدیل پرسپکتیو (Perspective Transformation)
• 79. آشنایی با مفاهیم آشکارسازی ویژگی (Feature Detection)
• 80. آشکارسازی گوشه با الگوریتم Harris
• 81. آشکارسازی گوشه با الگوریتم Shi-Tomasi
• 82. مقدمه‌ای بر توصیف‌گرهای ویژگی (Feature Descriptors)
• 83. آشکارساز و توصیف‌گر ORB
• 84. تطبیق ویژگی‌ها با Brute-Force Matcher
• 85. تطبیق ویژگی‌ها با FLANN based Matcher
• 86. ترسیم نتایج تطبیق ویژگی‌ها
• 87. آشکارسازی کانتورها (Contours) با findContours
• 88. تحلیل کانتورها: مساحت، محیط و مرکز
• 89. محدب‌سازی (Convex Hull) و بررسی تحدب
• 90. مستطیل و دایره محاطی کانتورها
• 91. مقدمه‌ای بر تشخیص اشیاء (Object Detection)
• 92. طبقه‌بندهای آبشاری Haar برای تشخیص چهره
• 93. استفاده از فایل‌های XML از پیش آموزش‌دیده Haar
• 94. مقدمه‌ای بر ماژول شبکه عصبی عمیق (DNN) در OpenCV
• 95. بارگذاری مدل‌های از پیش آموزش‌دیده (Caffe, TensorFlow) با DNN
• 96. پردازش ویدئو: خواندن ویدئو از فایل با VideoCapture
• 97. پردازش ویدئو: دریافت تصویر از وب‌کم
• 98. پردازش فریم به فریم ویدئو
• 99. نوشتن ویدئو در فایل با VideoWriter
• 100. تکنیک‌های حذف پس‌زمینه (Background Subtraction)