در این پروژه با استفاده از برنامه نویسی پایتون و بهره گیری از کتابخانه OpenCV به پیاده سازی عملیات رایج در پردازش تصویر اعم از تنظیم شدت روشنایی و کنتراست، اعمال فیلترهای گوسی، لاپلاسین، canny و سوبل و همچنین در انتها طبقه بندی نرمال بودن تصاویر بر اساس مقادیر ویژگی های استخراج شده از اعمال فیلترها می پردازیم.
خلاصه ای از کل مراحل پروژه به صورت زیر است:
• خواندن تصویر: ابتدا تصویر را بارگزاری میکنیم.
• فیلترها: فیلترهای مختلف مانند بلور گوسی، بلور متوسط، لاپلاسین، سوبل و Canny را با استفاده از توابع OpenCV اعمال میکنیم.
• محاسبه ویژگیها: میانگین روشنایی و کنتراست تصویر را محاسبه میکنیم.
• تعیین ترشولدها و طبقهبندی: ترشولدها را بر اساس ویژگیهای تصاویر آموزشی تعیین و تصاویر جدید را طبقهبندی میکنیم. به عبارت دیگر، ویژگیهای استخراج شده توسط فیلترها با آستانهها مقایسه شده و براساس این مقایسه، تصویر به یکی از دو دسته "Normal" یا "Abnormal" طبقهبندی میشود.
این پروژه قابل استفاده برای علاقه مندان، دانشجویان، پژوهشگران و برنامه نویسان پایتون می باشد و بر طبق اصول شئ گرایی در پایتون نوشته شده است.