آموزش پردازش تصاویر ماهواره ای در پایتون – اولین و کامل ترین پکیج در ایران

۹۲۰,۰۰۰ تومان

مدرس: هادی امامی
موضوع: پردازش تصاویر ماهواره ای در پایتون
نرم افزار/زبان برنامه نویسی: پایتون
نوع آموزش: ویدئویی، کدنویسی
مدت زمان: 16 ساعت آموزش
تخصص: برنامه نویسی در حیطه سنجش از دور
مخاطب: علاقه مندان به برنامه نویسی در حیطه سنجش از دور
داده های تمرینی: دارد
کد های آموزش: دارد
رفرنس: دارد

دسته: برنامه نویسی پایتون و R, آموزش های جامع

توضیحات

آموزش پردازش تصاویر ماهواره ای در پایتون اولین آموزش جامع در ایران و همچنین در سطح جهان بوده که با این عمق به بررسی پکیج ها و کتابخانه های مختلف در زمینه پردازش تصاویر ماهواره ای پرداخته است.

پایتون یک زبان برنامه‌نویسی رایگان، متن باز (Open Source) و با بیانی کامل‌تر، آزاد است. پایتون یک زبان برنامه‌نویسی همه منظوره (General-Purpose) است به این معنی که می‌توان از آن در توسعه طیف گسترده‌ای از انواع برنامه‌ها در حوزه‌های نرم‌افزاری گوناگون بهره برد. پایتون یک زبان برنامه‌نویسی سطح بالا (High-Level) است که به وسیله‌ آن عمل برنامه‌نویسی به آسانی و با سرعتی بالا انجام می‌پذیرد.

از جمله کاربردهای زبان برنامه نویسی پایتون میتوان به حوزه پردازش تصویر اشاره نمود. اگر با نگاه ریاضی به پردازش تصویر نگاه کنیم، تابعی است که به عنوان ورودی تصویری را دریافت می‌کند و با استفاده از فرمول‌ها و قواعد داده‌ شده، مجموعه‌ای از علامت‌های ریاضی که مفاهیم خاصی را برای ماشین دارد؛ بر‌می گرداند. در این دوره آموزشی سعی شده است تمامی موارد مطرح در زمینه پردازش تصاویر ماهواره ای را به صورت ساده و قابل فهم کدنویسی کرده و آن را اجرا کنیم. بطوری که بعد از اتمام این دوره شما تبدیل به یک متخصص در زمینه برنامه نویسی در بخش سنجش از دور خواهید شد.

توضیحات محصول

در این آموزش به اکثر مطالبی که یک کاربر یا متخصص سنجش از دور در زمینه پردازش تصویر می تواند با آن ها سروکار داشته باشد پرداخته شده است. همچنین از تصاویر مختلف (لندست، اسپات، مودیس، ژئوآی، استر و …) به منظور کار با انواع داده ها استفاده شده است.

در این آموزش کاربر به سادگی با مفاهیم تئوری و عملی هر بخش از آموزش ها آشنایی پیدا کرده و در آن بخش تجربه کافی را به دست می آورد. در ابتدای هر بخش از آموزش مباحث مربوط به تئوری آن بخش ارائه شده و سپس به مباحث عملی و کدنویسی همان شاخه پرداخته می شود تا کاربر درک کاملی از روند کار را داشته باشد.

این آموزش برای اولین بار در کشور و در سطح جهان می توان عنوان کرد که مختص پردازش تصاویر ماهواره ای در زمینه سنجش از دور ارائه می شود و کامل ترین پکیجی هست که می توان آن را استفاده کرد. در این آموزش از کتابخانه های مختلف و همچنین تصاویر و روش های مختلف و جذابی به منظور کار بر روی پروژه های مختلف استفاده شده است.

عناوین آموزشی

عناوین آموزش داده شده در این محصول عبارت اند از:

فصل-1 : آشنایی با محیط کاری و آموزش نصب آن

آشنایی با محیط پایتون و آناکوندا

آشنایی با محیط ژوپیتر

فصل-2 : آشنایی با انواع پکیج ها و کتابخانه های مطرح در زمینه پردازش تصاویر

پکیج Numpy

پکیج Matplotlib

پکیج Scikit-Image

پکیج Scikit-Learn

پکیج Scipy

پکیج OpenCV

پکیج Rasterio

پکیج GDAL

پکیج Pandas

پکیج Pillow

پکیج Cartopy

و …

فصل-3 : آشنایی مقدماتی با پایتون

آشنایی با پایتون(مقدماتی)

آشنایی با سینتکس ها(Syntax)

رویکردهای برنامه نویسی(شیءگرایی)

آشنایی با Statements

آشنایی با کامنت نویسی

آشنایی با بلاک بندی در پایتون(Indentation)

آشنایی با متغییرها(Variables)

آشنایی با عملگرها در پایتون(مقایسه ای، حسابی، انتسابی، منطقی، عضویتی، هویتی)

آشنایی با انواع اشیاء در پایتون(صحیح، مختلط، ممیزشناور، دسیمال، بولین، کسری)

فصل-4 : آشنایی با ساختارهای کنترلی در پایتون

If – else – elif – while – continue – break – for

فصل-5 : آشنایی با انواع داده ها

Lists – Dictionary – Tupels – Array

فصل-6: وارد کردن و خروجی گرفتن از انواع فرمت های تصویری

آشنایی با انواع فرمت های رایج تصویر

فراخوانی داده های لندست (تکی و مجموعه ای)

فراخوانی و کار با داده های Modis

فراخوانی و کار با داده های ASTER

فراخوانی و کار با داده های Geo-Eye

فصل-7 : آشنایی با مباحث مربوط با بارزسازی تصاویر و هیستوگرام ها

مباحث تئوری مربوط به بارزسازی تصاویر

کدنویسی انواع روش های بارزسازی مثل :

Gamma-Correction

Logarithm-Adjusment

Adjusment-Sigmoid

Adaptive-Equalizetion

Histogram-Equalization

آشنایی با تابع exposure

فصل-8 : آموزش برش تصاویر از روی شیپفایل

آموزش نحوه نوشتن تابع به منظور برش تصاویر

آموزش نوشتن کد به منظور اجرا بر روی هر تصویر و شیپ فایل (خودکارسازی)

فصل-9 : آموزش ایجاد پروفیل طیفی بر روی تصاویر

نوشتن تابع به منظور ایجاد پروفیل طیفی(خودکارسازی به منظور اجرا بر روی هر تصویر)

فصل-10 : آموزش موزائیک تصاویر ماهواره ای (دقیق ترین روش موجود)

نحوه نوشتن کد به منظور موزائیک بی نقص تصاویر ماهواره ای(یکی از دقیق ترین متدهای موزائیک)

نحوه ذخیره تصاویر با روش های مختلف

فصل-11 : آموزش آشنایی با فضاهای رنگی (HSV-HIS)

آشنایی با انواع فضاهای رنگی و نحوه کدنویسی و نمایش آن ها

آموزش Layer Stacking

استخراج پارامترهای(Hue-Saturation-Value)

فصل-12 : آموزش تجزیه و تحلیل مولفه های اصلی (PCA)

مباحث کامل تئوری PCA

استخراج مولفه های اصلی تصاویر

آموزش FIT کردن تصاویر بر روی مدل های موجود

فصل-13 : کار با شاخص های طیفی

کار با انواع شاخص های طیفی

آموزش نحوه نرمال سازی داده ها

آموزش نحوه تبدیل تصاویر به آرایه ها

اجرای شاخص های :

NDVI – NDWI – SAVI – AFVI – UI

شاخص های پوشش گیاهی، جنگل، شهری، آب

نحوه آستانه گذاری بر روی شاخص ها (جداسازی مناطق پوشش گیاهی و غیرپوشش گیاهی)

فصل-14 : پروژه صفر تا 100 کار با داده های NetCDF (آموزش جامع کارتوگرافی)

آشنایی با پکیج های Cartopy – NetCDF

نحوه استخراج اطلاعات مربوط به فایل NetCDF – Metadata

استخراج اجزای داده ها(طول، عرض، درجه حرارت و …)

استخراج اطلاعات آماری تصاویر

کار با انواع مختصات ها و سیستم تصویر ها

کار با انواع گرید بندی ها

آموزش پیشرفته matplotlib

کار با تابع coastlines

کار با تابع contourf

فصل-15 : آموزش کار با انواع مختلف فیلترها در پایتون

آموزش کار با انواع فیلترها (تئوری-عملی)

فیلترهای میانگین، میانه، گوسین، سوبل، لاپلاسین و …

فصل-16 : آموزش انواع مختلف بافت ها (GLCM)

آموزش جامع بافت GLCM

آموزش بافت های :

Contrast – Dissimilarity – Homogeneity – ASM – Energy

فصل-17 : آموزش جامع آشکارسازی تغییرات (کاملا پروژه محور)

آموزش تئوری و منطق آشکارسازی تغییرات

انواع روش های آشکارسازی تغییرات

آشکار سازی تغییرات با استفاده از روش Subtract

آشکارسازی تغییرات با استفاده از روش Divide

آشکارسازی تغییرات با استفاده از روش CVA

آشکارسازی تغییرات با استفاده از شاخص های طیفی

پروژه بررسی تغییرات آتش سوزی در یک بازه زمانی

نحوه آستانه گذاری به منظور استخراج مناطق سوخته

فصل-18 : آموزش طبقه بندی های نظارت نشده (جامع)

تئوری مباحث طبقه بندی نظارت نشده

کدنویسی طبقه بندی به روش K-Means

فصل-19 : آموزش طبقه بندی های نظارت شده

تئوری مباحث طبقه بندی نظارت شده

تئوری و منطق روش های یادگیری ماشین

تئوری و منطق روش SVM

پیاده سازی و کدنویسی 0-100 طبقه بندی نظارت شده با روش SVM

ایجاد تابع به منظور نمونه برداری از تصویر

نحوه فیت کردن تصویر بر روی مدل SVM

نحوه پیش بینی مدل بر اساس نمونه های داده شده

بخش کوتاهی از آموزش

راهنمای نصب کتابخانه GDAL:

لینک های مفید

نظرات (83)

83 دیدگاه برای آموزش پردازش تصاویر ماهواره ای در پایتون – اولین و کامل ترین پکیج در ایران

ali ebrahimi – 7 تیر, 1399

با سلام و احترام.
بنده مدتهاست منتظر همچین بسته آموزشی هستم. بسیار سپاس از شما که این وقت را گذاشتید و این محصول بسیار سودمند آموزشی را تهیه فرمودید.
در حال حاضر، دو سوال داشتم از خدمتتان:
۱- آیا با تهیه این بسته، نیازی هست که ما پیش زمینه ای از پایتون داشته باشیم و بسته های آموزشی دیگر را در رابطه با یادگیری کلی پایتون تهیه کنیم، یا اینکه با یادگیری و شروع همین بسته، بصورت پایه و کلی پایتون را یاد گرفته و سپس وارد بحث سنجش از دور میشویم؟
۲- از آنجا که علم سنجش از دور بسیار گسترده میباشد، آیا در بحثها و زمینه های دیگر سنجش از دور هم آموزشی تولید میکنید، مثل پردازش سری زمانی تصاویر به صورت خودکار و یا اینکه پردازش تصاویر راداری و سنتینل و …؟؟
- هادی امامی – 12 تیر, 1399
  
  با سلام و عرض ادب
  بابت تاخیر در پاسخگویی عذرخواهم.
  بله در سرفصل ها اگر دقت کنید ما از مباحث پایه پایتون شروع به کار کردیم که چه کسانی که آشنایی با پایتون دارند و چه کسانی که آشنایی مقدماتی با پایتون را ندارند بتوانند از این بسته استفاده کنند. در مورد سوال دوم هم عرض کنم بله ما در حال آماده سازی بسته جدید پردازش تصاویر با پایتون هستیم که مباحث پیشرفته تر در آن وجود دارند. مثل کار با تصاویر راداری و مباحث مربوط به سری های زمانی و طبقه بندی پیشرفته تر.
  باتشکر
  - ثریا یعقوبی – 1 مرداد, 1400
    
    با سلام و خسته نباشید
    آیا این کدها را میتوان در محیط کولب اجرا کرد؟
sajedeh – 13 تیر, 1399

سلام و وقت بخیر
سوالم این هست که مزیت پردازش تصاویر در پایتون به پردازش تصاویر در انوی چی هست؟
- هادی امامی – 14 تیر, 1399
  
  با سلام و عرض ادب.
  برای پاسخ به سوالتون میتونم به این صورت عرض کنم که هرکدوم دارای یکسری معایت و یکسری مزیت ها نسبت به همدیگه هستن. در انوی و محیط های نرم افزاری همه چی برای شما آماده هست و با چندتا کلیک میتونین نسبت به کاری که در ذهنتونه و هدفی که دارین برسین. عیب بزرگی که در این مبحث وجود داره اینه که اغلب کاربران بدون اطلاع از پشت پرده یک عملیاتی،عادت میکنن به ورودی دادن ب نرم افزار و چندتا کلیک و خروجی و اکثرا دانش خاصی درمورد کاری ک میکنن به دست نمیارن.
  اما در زمینه برنامه نویسی این مسئله فرق داره و اغلب تا اطلاعی از کاری ک میخایم بکنیم و دانشی در مورد هدف نداشته باشیم کدنویسی نامفهوم و گنگ میشه و درکش سخت میشه.
  مزیتیم که داره اینه ک کاربر ب تک تک عملیاتی ک در طول پردازش انجام میده تسلط داره.
  مزیت بعدی در مورد مقالاتی هس ک میشه نوشت.اصولا مجلات معتبر کارهایی که با نرم افزارها انجام میشه رو قبول نمیکنن و میگن باید در محیط هایی مثل متلب و پایتون و یا آر کارها انجام بشه.
  باتشکر
مجتبی – 14 تیر, 1399

سلام

در دوره آموزشی پردازش تصاویر ماهواره ای با پایتون، تابعی به اسم coastlines برای تعیین نرخ تغییرات خط ساحلی هست درسته!

راستش من برای مدیریت سواحل به این تابع برای نرخ تغییرات خط ساحلی نیاز دارم و در مقالات به اسم CoastSat هست که با پایتون پردازش تصاویر ماهواره ای برای این منظور هست

ممنون میشم اطلاع دهید
- هادی امامی – 14 تیر, 1399
  
  با عرض سلام.
  من سوالتون رو حقیقتا درست درک نکردم اما در مورد تابع Coaslines باید عرض کنم که
  این تابع به منظور بررسی تغییرات من واقعیتش ندیدم استفاده شه. پکیج کارتوپی اساسا برای لایوت گیری و کار با مختصات های مختلف چه محلی چح جهانی مورد استفاوه قرار میگیره. هرچند میشه برای این منظور هم استفاده نمود.
  البته باید بگم این پکیج خودش وابسته به Matplotlib هست.
amir – 16 تیر, 1399

سلام برای پردازش تصویر با پایتون باید حتما از آکوندا استفاده کنیم؟ یا اینکه میشه از خود زبان IDL پایتون استفاده کرد؟
- هادی امامی – 17 تیر, 1399
  
  با عرض سلام
  باید عرض کنم از هرمحیطی که با اون راحت هستین میتونین استفاده کنین و هیچ مانعی نداره و همین کدها برای تمامی IDLE ها قابل اجرا هستن. به دلیل استفاده از کتابخانه های مختلف و همچنین چون جنبه آموزشی داشت از آناکوندا استفاده کردیم وگرنه از تمامی محیط ها چه IDLE خود پایتون، پای چارم. VSCode و یا اسپایدر. باهرکدام راحتین میتونین با اون کار کنین
  با تشکر
  - amir – 18 تیر, 1399
    
    سلام مجدد من میخوام که اکستنشن ها برام بالا بیاد دستور کد رو وارد میکنم چیزی اجرا نمیکنه دستور کد هم این هستconda install -c conda-forge jupyter_contrib_nbextensions_cofigurator. شکل خطا هم نمیدونم چطور براتون بفرستم.
    - هادی امامی – 18 تیر, 1399
      
      با عرض سلام
      ممنون میشم اگه خطایی که وجود داره رو به ایمیل زیر بفرستین
      hadiemami0221@gmail.com
مرضیه – 23 تیر, 1399

باسلام.خیلی ممنون برای بسته کامل و خوبتون
میخاستم بدونم امکانش هست بین دو تصویرماهواره ای رگرسیون نمایی بگیریم؟اگر امکانش هست برای انجامش باید از چه کتابخانه هایی استفاده کنیم؟
و اینکه در بسته ی جدیدتون در مورد رگرسیون گیری بین تصاویر هم مباحثی دارید یا خیر؟
- هادی امامی – 28 تیر, 1399
  
  با عرض سلام .
  در مورد رگرسیون باید بگم که بله این امکان وجود داره میتونیم از پکیج هایی مثل Scikit Image و Scikit Learn استفاده کنین
سمیه طالبی – 24 تیر, 1399

سلام وقت بخیر. برای تبدیل سیستم های تصویر دیگر به EASE GRID2 در تصاویر NC پکیج آموزشی شما توضیح داده است؟
- هادی امامی – 1 مرداد, 1400
  
  سلام وقت بخیر. نه در این پکیج توضیح مفصلی راجب این قضیه نشده متاسفانه. با عرض معذرت. امیدوارم در اینده بتونم در این مورد اموزشی داشته باشم
حسین – 25 تیر, 1399

با سلام تصاویر سنتینل یک که فرمت های slc وgrdh دارند را چطور در پایتون نمایش بصری بدهیم؟
حسنا – 28 تیر, 1399

سلام من بسته اموزشی پایتون را از سایت girs.ir خریداری کردم اما تا اینجا چندین کد اجرا نشد مثل افزودن زبانه nbextension که با ویدیو اموزشی از youtube مشکلم حل شد الان کتابخانه skimage قابل نصب نیست و از مسیر خط فرمان و همچنین navigator/ environment هم استفاده کردم حتی چند ویدیو آموزشی از youtube هم دیدم اما باز هم نصب نمیشه و مرتب پیشنهاد جایگزینی scikit-image را میدهد. من خطا را کپی می کنم ممنون میشم پاسخ بدید.
ERROR: Command errored out with exit status 1: command: ‘C:\Users\Hosna\anaconda3\python.exe’ -c ‘import sys, setuptools, tokenize; sys.argv[0] = ‘”‘”‘C:\\Users\\Hosna\\AppData\\Local\\Temp\\pip-install-qwmrl0jd\\skimage\\setup.py'”‘”‘; __file__='”‘”‘C:\\Users\\Hosna\\AppData\\Local\\Temp\\pip-install-qwmrl0jd\\skimage\\setup.py'”‘”‘;f=getattr(tokenize, ‘”‘”‘open'”‘”‘, open)(__file__);code=f.read().replace(‘”‘”‘\r\n'”‘”‘, ‘”‘”‘\n'”‘”‘);f.close();exec(compile(code, __file__, ‘”‘”‘exec'”‘”‘))’ egg_info –egg-base ‘C:\Users\Hosna\AppData\Local\Temp\pip-install-qwmrl0jd\skimage\pip-egg-info’ cwd: C:\Users\Hosna\AppData\Local\Temp\pip-install-qwmrl0jd\skimage\ Complete output (3 lines): *** Please install the `scikit-image` package (instead of `skimage`) ***ERROR: Command errored out with exit status 1: python setup.py egg_info Check the logs for full command output. ——————
- هادی امامی – 28 تیر, 1399
  
  با عرض سلام.
  در مورد مشکل شما باید بگم که کتابخانه Scikit Image همون کتابخانه Skimage هس. با این تفاوت که اسمش Scikit Image هس اما در پایتون با Skimage فراخوانی میشه.
حسن – 29 تیر, 1399

با عرض سلام
مهندس امامی در کار با داده های netcdf اگر بخواهیم همزمان مثلا هم نقشه دما داشته باشیم با طیف رنگ و بر روی همین نقشه کنتورهای فشار هوا را نیز ترسیم کنیم. ایا این کار عملی است
میشه لطفا توضیح بدهید که چگونه انجام می شود
- هادی امامی – 29 تیر, 1399
  
  با سلام. بله امکان اینکار هست و فقط کافیه که تصویر شما متفعییر دما رو داشته باشه و میتونین بجای T2M نام اون پروداکت رو وارد کنین تا از دیتابیس تصویر اون رو فراخوانی کنه و نمایش بده.
  موفق باشید
حسن – 29 تیر, 1399

(base) C:\Users\Dr.>conda install -c conda-forge jupyter_nbextensions_configurator
Collecting package metadata (current_repodata.json): failed

CondaHTTPError: HTTP 000 CONNECTION FAILED for url
Elapsed: –

An HTTP error occurred when trying to retrieve this URL.
HTTP errors are often intermittent, and a simple retry will get you on your way.

If your current network has https://www.anaconda.com blocked, please file
a support request with your network engineering team.

‘https://repo.anaconda.com/pkgs/main/win-64’

سلام اقای مهندس چرا هر چی میگهید بنویسید enter بزنید نصب میشه . ما می نویسیم enter می زنیم نصب نمیشه در همان قسمت اول فیلم موندیم . برای مثال همین خطای که فرستادم . در فایل اول هر چه که گفتید بنویسید enter بزنید نصب میشه ما نوشتیم و زدیم نصب نشد.
- هادی امامی – 29 تیر, 1399
  
  سلام و عرض ادب.
  خطایی که برای شما داده در مورد اینتزنت شماست که نمیتونه به هاست آناکوندا وصل بشه. وگرنه سرچ کنین همیشه برای نصب کتابخانه ها کافیه از دستورات
  Pip Install pachage Name
  Conda Install Pachage Name
  استفاده بشه و درصورتی که خطا بده اشکال از اینترنت شماست.
  خطا واضح عنوان کرده که سایت مورد نظر برای شما بلاک شده که باید از حالت بلاک دربیارین.
  باتشکر