🖼️ پردازش تصویر، بینایی کامپیوتر و Generative AI با Python

🚀 دنیای پردازش تصویر، بینایی کامپیوتر و Generative AI رو با Python کشف کن؛ از کانسپت‌های پایه و روش‌های کلاسیک گرفته تا Deep Learning، سیستم‌های مدرن بینایی و تولید محتوای بصری برای کاربردهای واقعی.

✨ ویژگی‌های کلیدی

🧩 روی ورک‌فلوهای انتهابه‌انتهای پردازش تصویر و بینایی کامپیوتر با Python مسلط میشی

🤖 سیستم‌های Visual AI رو با تکنیک‌های کلاسیک، Deep Learning و Generative AI میسازی

🛠️ مفاهیم تئوری رو با پیاده‌سازی‌های آماده پروداکشن و کتابخونه‌های مطرح Python وارد عمل میکنی

📚 با خرید نسخه چاپی یا Kindle کتاب، نسخه PDF رایگان هم دریافت میکنی

📘 توضیح کتاب

🔍 تحلیل و فهم داده‌های بصری به یکی از نیازهای اصلی اپلیکیشن‌های مدرن در حوزه‌هایی مثل سلامت، امنیت، سنجش از دور، تولید صنعتی و رسانه‌های دیجیتال تبدیل شده. این کتاب یک راهنمای دست‌به‌کار برای پردازش تصویر و بینایی کامپیوتر با Python ارائه میده و با رویکردی عملی، فاصله بین تئوری و پیاده‌سازی رو پر میکنه.

🐍 هرچقدر در فصل‌های کتاب جلو میری، مهارت بیشتری در Python 3 پیدا میکنی و الگوریتم‌هایی رو پیاده‌سازی میکنی که پردازش تصویر کلاسیک، بینایی کامپیوتر مدرن و جدیدترین تکنیک‌های Deep Learning و Generative AI یا SOTA رو پوشش میدن. کتاب موضوع‌هایی مثل بهبود تصویر، بازیابی تصویر، فیلتر کردن، Segmentation، استخراج ویژگی، Classification و Object Detection رو با استفاده از کتابخونه‌هایی مثل NumPy، OpenCV، PIL، SciPy، scikit-image، scikit-learn،

TensorFlow، Keras و PyTorch بررسی میکنه.

🧠 فصل‌های پیشرفته‌تر سراغ CNNها، Vision Transformerها، Segmentation مبتنی بر Transformer، فریم‌ورک‌های مدرن تشخیص، GANها، مدل‌های Diffusion، Foundation Modelها، تبدیل Image-to-Image، Super-Resolution و درک چندوجهی Vision-Language میرن.

🌍 کاربردهای واقعی کتاب حوزه‌هایی مثل تصویربرداری پزشکی، سنجش از دور، بانکداری، واقعیت افزوده، رانندگی خودران، بازرسی صنعتی و Visual Analytics هوشمند رو پوشش میدن. تا پایان کتاب، مهارت لازم رو داری تا راهکارهای واقعی Visual Computing رو طراحی و پیاده‌سازی کنی.

🎯 چیزهایی که یاد میگیری

🧱 پایپ‌لاین‌های پردازش تصویر و بینایی کامپیوتر میسازی

✨ تکنیک‌های بهبود، بازیابی و Segmentation تصویر رو به کار میگیری

🎯 مدل‌های Classification تصویر و Object Detection رو پیاده‌سازی میکنی

🧠 CNNها، Vision Transformerها و مدل‌های Attention رو بررسی میکنی

🎨 با استفاده از GANها و مدل‌های Diffusion تصویر تولید و ویرایش میکنی

🔗 اپلیکیشن‌های AI چندوجهی مبتنی بر Vision-Language توسعه میدی

🏭 Visual AI رو در حوزه‌های مختلف دنیای واقعی به کار میگیری

🔍 تکنیک‌های Super-Resolution، Style Transfer و تبدیل Image-to-Image رو پیاده‌سازی میکنی

👤 این کتاب برای چه کسانیه؟

👨‍💻 این کتاب برای دولوپرهای Python، مهندس‌ها، پژوهشگرهای کاربردی، دانشجوها و متخصص‌های AI نوشته شده که میخوان سیستم‌های انتهابه‌انتهای پردازش تصویر و بینایی کامپیوتر بسازن. داشتن دانش عملی Python ضروریه و آشنایی با جبر خطی، حسابان و کانسپت‌های پایه Machine Learning کمک میکنه از موضوع‌های پیشرفته کتاب استفاده بیشتری ببری.

📖 فهرست مطالب

فصل ۱. شروع کار با پردازش تصویر دیجیتال

فصل ۲. دست‌کاری تصویر

فصل ۳. تکنیک‌های بیشتر برای دست‌کاری تصویر

فصل ۴. نمونه‌برداری و تبدیل فوریه

فصل ۵. کانولوشن و فیلترگذاری در حوزه مکانی و فرکانسی

فصل ۶. فیلترگذاری در حوزه فرکانسی

فصل ۷. بهبود تصویر

فصل ۸. بهبود تصویر با استفاده از مشتق‌ها

فصل ۹. بازیابی تصویر: مسئله‌های معکوس در تصویربرداری

فصل ۱۰. Segmentation تصویر: از روش‌های کلاسیک تا Deep Learning

فصل ۱۱. روش‌های بیشتر Deep Learning برای Segmentation تصویر

فصل ۱۲. Classification تصویر و Object Detection

فصل ۱۳. Generative AI در پردازش تصویر و بینایی کامپیوتر

👤 درباره نویسنده

👨‍🔬 سندیپان دی دانشمند داده‌ایه که حوزه‌های موردعلاقه گسترده‌ای مثل Machine Learning، Deep Learning، پردازش تصویر و بینایی کامپیوتر رو دنبال میکنه. او در حوزه‌های مختلف Data Science کار کرده و تجربه ساخت Recommender Systemها، مدل‌های پیش‌بینی‌گر برای صنعت رویدادها، مدل‌های مکان‌یابی سنسورها، Sentiment Analysis و پیش‌بینی وضعیت دستگاه‌ها رو داره.

🎓 او مدرک کارشناسی ارشد Computer Science خودش رو از University of Maryland, Baltimore County گرفته و مقاله‌هایی در چند کنفرانس و ژورنال IEEE Data Mining منتشر کرده. سندیپان بیش از ۱۰۰ دوره MOOC در زمینه Data Science، Machine Learning، Deep Learning، پردازش تصویر و موضوع‌های مرتبط گذرونده و سرتیفیکیشن دریافت کرده.

✍️ او به‌طور منظم در وبلاگ sandipanweb مینویسه و علاقه زیادی به آموزش Machine Learning داره.

Explore the world of image processing, computer vision, and generative AI with Python—from fundamental concepts and classical methods to deep learning, modern vision systems, and real-world visual content generation.

Key Features

• Master end-to-end image processing and computer vision workflows using Python
• Build visual AI systems with classical, deep learning, and generative AI techniques
• Apply theory with production-ready implementations using leading Python libraries
• Purchase of the print or Kindle book includes a free PDF eBook

Book Description

Analyzing and understanding visual data has become essential in modern applications such as healthcare, security, remote sensing, manufacturing, and digital media. This book provides a hands-on guide to image processing and computer vision using Python, following a practical approach that bridges theory with implementation.

As you progress through the chapters, you will develop proficiency in Python 3 and implement algorithms spanning classical image processing, modern computer vision, and state-of-the-art (SOTA) deep learning and generative AI. The book covers image enhancement, restoration, filtering, segmentation, feature extraction, classification, and object detection using libraries including NumPy, OpenCV, PIL, SciPy, scikit-image, scikit-learn, TensorFlow, Keras, and PyTorch.

Advanced chapters introduce CNNs, Vision Transformers, transformer-based segmentation, modern detection frameworks, GANs, diffusion models, foundation models, image-to-image translation, super-resolution, and multimodal vision-language understanding. Real-world applications span medical imaging, remote sensing, banking, augmented reality, autonomous driving, industrial inspection, and intelligent visual analytics. By the end of the book, you will be equipped to design and implement real-world visual computing solutions.

What you will learn

• Build image processing and computer vision pipelines
• Apply image enhancement, restoration, and segmentation
• Implement image classification and object detection models
• Explore CNNs, Vision Transformers, and attention models
• Generate and edit images using GANs and diffusion models
• Develop multimodal vision-language AI applications
• Apply visual AI across diverse real-world domains
• Implement super-resolution, style transfer, and image-to-image translation

Who this book is for

Python developers, engineers, applied researchers, students, and AI practitioners who want to build end-to-end image processing and computer vision systems. A working knowledge of Python is required, while familiarity with linear algebra, calculus, and basic machine learning concepts will help you get the most from the advanced topics.

Table of Contents

1. Getting Started with Digital Image Processing
2. Image Manipulation
3. More Image Manipulation
4. Sampling and Fourier Transform
5. Convolution and Spatial/Frequency Domain Filtering
6. Frequency Domain Filtering
7. Image Enhancement
8. Image Enhancements Using Derivatives
9. Image Restoration: Inverse Problems in Imaging
10. Image Segmentation: From Classical Methods to Deep Learning
11. More Deep Learning Methods for Image Segmentation
12. Image Classification and Object Detection
13. Generative AI in Image Processing and Computer Vision

About the Author

Sandipan Dey is a data scientist with a wide range of interests, covering topics such as machine learning, deep learning, image processing, and computer vision. He has worked in numerous data science fields, working with recommender systems, predictive models for the events industry, sensor localization models, sentiment analysis, and device prognostics. He earned his master's degree in computer science from the University of Maryland, Baltimore County, and has published in a few IEEE Data Mining conferences and journals. He has earned certifications from 100+ MOOCs on data science, machine learning, deep learning, image processing, and related courses. He is a regular blogger (sandipanweb) and is a machine learning education enthusiast.