لازم به ذکر است که این پروژه با استفاده از نرم افزار متلب پیاده سازی شده است
و جهت اجرا آن ، نیاز است که ابتدا Matlab را نصب کرده باشید.
همراه این پروژه ، یک فایل مستندات با فرمت PDF وجود دارد
که توضیحات لازم را در رابطه با کد نویسی پروژه ارائه داده است و جهت آشنایی بیشتر ، میتوانید آن را مطالعه بفرمایید
شرح مختصر : سه کشیش و سه آدم خوار در یک طرف رودخانه قرار دارند و هم چنین قایقی که قادر است یک یا دو نفر را حمل کند. راهی را بیابید که هر نفر (همه) به سمت دیگر رودخانه برود، بدون آنکه تعداد کشیش‌ها در یکجا کمتر از آدم خوارها شود.
حالات: یک حالت شامل یک دنبالة مرتب شده از عدد است که تعداد کشیش‌ها، تعداد آدمخوارها و محل قایق در ساحلی از رودخانه که از آنجا مسئله شروع شده را نمایش می‌دهد.
عملگرها: از هر حالت، عملگرهای ممکن یک کشیش، یک آدمخوار، دو کشیش، دو آدمخوار، یا یکی از هر کدام را در قایق جا می‌دهند.
آزمون هدف: رسیدن به حالت (0و 0 و 0)
هزینه مسیر: تعداد دفعات عبور از رودخانه.
نکته : پروژه به صورت گرافیکی هست و هدر graphics.h در آن فراخوانی شده
منبع : پروژه دات کام
پروژه هوش مصنوعی حل جدول سودوکو با استفاده از الگوریتم آگاهانه A* را میتوانید از طریق این پست دانلود نمایید که با استفاده از زبان سی شارپ نوشته شده است.
سودوکو مسئله مشهوری است که در آن جدولی با ابعاد مختلف n*n شامل اعدادی از 1 تا 9 میباشد و این اعداد باید طوری در جدول چیده شوند که در هر سطر و ستون همه این اعداد بصورت غیر تکرای وجود داشته باشند. شروط اصلی پر کردن جدول سودوکو با اعداد موجود به این صورت است که:
► مقادیر هر ستون منحصر به فرد باشند
► مقادیر هر سطر منحصر به فرد باشد(یعنی عدد تکراری نداشته باشیم)
► مقدار هر مربع N*Nداخلی منحصر به فرد باشد.
جست وجوی آگاهانه A*، مینیمم کردن کل هزینه جواب میباشد، که معروفترین شکل"جست وجوی اول - بهترین" است. این روش گره ها را با ترکیب g(n) یعنی هزینه رسیدن به گره و h(n) یعنی هزینه رسیدن از این گره به گره هدف، ارزیابی میکند، پس هزینه مسیر ، f(n) = g(n) +h(n) میباشد.
این استراتژی فراتر از منطقی بودن است، بطوریکه اگر تابع ابتکاری h(n) بعضی از شرایط را برآورده کند، جست وجوی A* کامل و بهینه است.
براساس شروط اصلی جدول سودوکو، در هر بار جستجو با استفاده از این شرط ها منحصر به فرد بودن تضمین می گردد.
این برنامه از دوبخش تشکیل شده است:
1. بخش نمایشی
2. بخش اصلی یا همان کلاس Sudoku
در این بخش مقدار آرایه ورودی را دریافت و به سازنده کلاس Sudoku ارسال می کند.
این برنامه از یک آرایه دو بعدی برای ذخیره سازی جدول و انجام عملیات بر روی آن استفاده می کند. مقدار مربع داخلی آرایه نیز به صورت پیش فرض 3 در نطر گرفته شده است .برای جدول با اندازه های مختلف این مقدار تغییر می کند.همچنین یک آرایه داخلی از نوع Bool برای ذخیره سازی مقدار منحصر به فرد آرایه استفاده شده است .این متغیر ها به صورت سراسری در سطح کلاس تعریف شده اند ، تا با متد های مختلف بتوان عملیات مورد نظر را بر روی این مقادیر انجام داد .
مقدار صفر در رشته ی ورودی بیانگر نقاط خالی در جدول می باشد.
برای دقت بیشتر جدول سودوکوی کامل نیز در خروجی ارائه شده است تا کاربر بتواند مقایسه این مقادیر جواب صحیح را ببیند .
هدف: بررسی تقطیع مبتنی برلبه
کد: کد این پروژه را به زبان c++ و با کمک opencv
گزارش: فایل گزارش در قالب pdf می باشد و حاوی پاسخ به سوالات زیر می باشد.کدهای استفاده شده در گزارش توضیح داده نشده است.
حتما توجه داشته باشید که برای اجرای کد باید OPENCV بر روی ویژوال استادیو نصب شده باشد.
بخش ۱
الف) لبه یاب سوبل و نواتیا ببو را باهم مقایسه کرده و مزایا و معایبشان را به طور خلاصه ذکر کنید. نتیجه اعمال این دو لبه یاب را بر تصویر دلخواه نشان دهید. فیلترهای نواتیا ببو در ادامه آمده است.
ب) به طور خلاصه توضیح دهید لبه یاب کنی چگونه عمل می کند. هدف از کرنل گوسی در این لبه یاب چیست؟ این لبه یاب را بر تصویر شماره ۴ اعمال کنید.
ج) لبه یاب کنی سه پارامتر دارد، تغییر مقدار این پارامترها چه تاثیری بر نتیجه حاصله دارد؟ اندازه کرنل ۳،۵ و ۷ را بر تصویری ،دلخواه اعمال کرده ونتیجه را مقایسه کنید. اگر آستانه بالا را از ۲۵۵ به ۱۲۸ تغییر دهیم چه تغییری بر تصویر نهایی ایجاد می شود؟ نتیجه تغییر آستانه پایین از ۱ به ۲۲۰ چیست؟
د) لبه یاب کنی نسبت به لبه یاب های کلاسیک (مثل سوبل و نواتیا ببو) چه مزایا و معایبی دارد؟ نتیجه این دو روش را مقایسه کنید.
بخش ۲
الف) یکی از روش های تشخیص خط، استفاده از تبدیل هاف است. معمولا ورودی تبدیل هاف چیست؟ تبدیل هاف را بر تصویری شامل خطوط اعمال کرده و خطوط بدست آمده را رسم کنید.
ب) نویز چه تاثیری بر تبدیل هاف دارد؟ برای بررسی این سوال، به تصویر حاصل از لبه یاب ، نویز گوسی اضافه کرده و تبدیل هاف را اعمال کنید. تبدیل هاف تا چه واریانسی از نویز گوسی را میتواند تحمل کند و خطوط را تشخیص دهد؟ (تصویر شماره ۵)
ج) تبدیل دایره هاف را بر تصویری شامل اشکال دایره ای اعمال کرده و پارامترهای آن را به گونه ای تنظیم کنید که دایره ها را بیابد.
بخش ۳
الف) کانتور چیست؟ در openCV چه توابعی برای پیدا کردن کانتور و یافتن خصوصیات آن تعریف شده است؟ به طور خلاصه توضیح دهید.
ب) تابع findContour از چه روشی برای تعیین پیرامون استفاده می کند؟ پارامتر های این تابع چیست؟ این تابع را بر روی یک تصویر اعمال کرده و نتیجه را نشان دهید.
بخش ۴
با استفاده از آنچه در این بخش از درس خواندید (تقطیع مبتنی بر لبه) تصویر شماره ۶ را قطعه بندی کنید. روش مورد استفاده خود را به طور خلاصه توضیح دهید. به چه علتی این روش را انتخاب کردید؟
هدف: بررسی عملیات نقطه ای و محلی
کد: کد این پروژه را به زبان c++ و با کمک opencv
گزارش: فایل گزارش در قالب pdf می باشد و حاوی پاسخ به سوالات زیر می باشد.کدهای استفاده شده در گزارش توضیح داده نشده است.
حتما توجه داشته باشید که برای اجرای کد باید OPENCV بر روی ویژوال استادیو نصب شده باشد.
بخش ۱:
الف) عملگر Contrast Stretching یا Normalization چیست؟ برای تصویر شماره ۱ این عملگر را اعمال کنید. عملگر چه تاثیری داشته است؟
ب) این عملگر در چه تصاویری تغییر ایجاد کرده و برای کدام تصاویر بی اثر است؟ نمونه ای از تصویری که این عملگر بر روی آن بی اثر است تهییه کرده و نتیجه را تحلیل کنید.
ج) Histogram Equalization چیست؟ برای تصویر شماره ۱ این عملگر را اعمال کنید. عملگر چه تاثیری داشته است؟
د) تفاوت دو عملگر فوق، Contrast Stretching و Histogram Equalization در چیست؟ از نظر کارایی و سرعت با هم مقایسه کنید.
ه) هیستوگرام تصاویر حاصل از اعمال Contrast Stretching و Histogram Equalization را بر روی یک تصویر با هم مقایسه کنید.
بخش ۲:
الف) تفاوت فیلترهای میانه، میانگین و گوسی در چیست؟ تصویری را نویزی کرده و هر سه فیلتر را به آن اعمال کنید. در سوالات این بخش شدت نویز را به گونه ای تنظیم کنید که تاثیر فیلتر ها قابل مشاهده باشد.
ب) اثر دو فیلتر میانه و میانگین را بر نویزهای گوسی، نمک فلفلی و یکنواخت مقایسه کنید. برای اینکار تصویری را هر بار با یکی از نویزها آغشته کرده و سپس هر دو فیلتر را اعمال کنید. کدام یک در حذف نویز گوسی بهتر عمل می کنند؟ چرا؟
ج) سرعت اجرای کدام فیلتر بهتر است؟ برای مقایسه سرعت از تصویری با رزولوشن بالا استفاده کرده، آن را نویزی کنید و سرعت اجرا را تست کنید.
د) اندازه پنجره فیلتر چه تاثیری دارد؟ اندازه های ۳*۳ و ۵*۵ و ۷*۷ را برای دو فیلتر گوسی و میانه بر روی تصویر نویزی بررسی کنید.
