領域(輪郭)の特徴 — OpenCV-Python Tutorials 1 documentation
領域(輪郭)の特徴である面積，周囲長，重心，外接矩形などについて学びます． 領域(輪郭)を対象とした様々な関数について学ぶことになります． 1. モーメント¶ 画像のモーメントは物体の重心，面積などを計算するのに役立ちます．詳細についてはWikipediaの 画像モーメント(英語) のページを参照してください． cv2.moments() 関数はあらゆるモーメントを計算します．: import cv2 import numpy as np img = cv2.imread('star.jpg',0) ret,thresh = cv2.threshold(img,127,255,0) imgEdge,contours,hierarchy = cv2.findContours(thresh, 1, 2) cnt = contours[0] M = cv2.moments(cnt) print
OpenCV plus Unityサンプル集 20選 - おもちゃラボ
UnityでOpenCVを使いたい場合には「OpenCV for Unity」と「OpenCV plus Unity」の２種類のアセットがあります。OpenCV for Unityは有償（$104）でメンテナンスもこまめに行われている一方、APIが独特でpythonやC++のOpenCVに慣れている人には少し使いにくいイメージです。 一方、OpenCV plus Unityは オープンソースのOpenCVSharpをUnity用にカスタムした無償のアセットです。APIの形式も他言語のものと似ていて比較的使いやすいため、この記事ではOpenCV plus Unityを使ったサンプルを紹介します。 ここで紹介するOpenCVのサンプルは以下のとおりです。 下準備 画像の読み込み グレースケール化 画像を2値化する 画像から輪郭検出する 画像を射影変換する 座標の射影変換 ガウシアンブラーでぼか
画像処理の数式を見て石になった時のための、金の針 - Qiita
画像処理は難しい。 Instagramのキレイなフィルタ、GoogleのPhoto Sphere、そうしたサービスを見て画像は面白そうだ！と心躍らせて開いた画像処理の本。そこに山と羅列される数式を前に石化せざるを得なかった俺たちが、耳にささやかれる「難しいことはOpenCVがやってくれるわ。そうでしょ？」という声に身をゆだねる以外に何ができただろう。 本稿は石化せざるを得なかったあの頃を克服し、OpenCVを使いながらも基礎的な理論を理解したいと願う方へ、その道筋(アイテム的には金の針)を示すものになればと思います。 扱う範囲としては、あらゆる処理の基礎となる「画像の特徴点検出」を対象とします(実践 コンピュータビジョンの2章に相当)。なお、本記事自体、初心者である私が理解しながら書いているため、上級画像処理冒険者の方は誤りなどあれば指摘していただければ幸いです。 画像の特徴点とは 人間が
Low-Level Native Plugin Interface を利用してネイティブから Unity のテクスチャを高速に更新する方法を調べてみた - 凹みTips
はじめに Unity でネイティブ側（C/C++ 等）で作成したテクスチャを利用する方法はいくつかあって、テラシュールブログさんにまとめられています。 Unityでテクスチャを読む7つの方法 - テラシュールブログ Unityでテクスチャを読む7つの方法 4・5・6について - テラシュールブログ ネイティブで作成したテクスチャを使用する - テラシュールブログ 私もこれ以外の方法として、よく使う Texture2D.SetPixels() を使う方法と Low-Level Native Plugin Interface（低レベルネイティブプラグインインターフェース）をざっくりと紹介しました。 Unity で OpenCV で作成したテクスチャをネイティブプラグイン経由で利用してみた - 凹みTips Unity の Low-level Native Plugin Interface を調
iOSと機械学習 - その後のその後
ビッグデータとかの機械学習隆盛の背景にある文脈や、その拠り所となるコンピュータの処理性能から考えても「モバイルデバイス向けOSと機械学習を紐付けて考えようとする」ことはそもそもあまり筋がよろしくない・・・とは思うのですが、やはり長くiOSだけにコミットしてきた身としては、新たに興味を持っている機械学習という分野と、勝手知ったるiOSという分野の交差点はないのかなと考えずにはいられないわけでして。。 そんなわけで、「iOS と機械学習」について雑多な切り口から調べてみました。 iOSで使える機械学習ライブラリ DeepBeliefSDK コンボリューショナルニューラルネットワークを用いた画像認識ライブラリ。iOSとかのモバイルデバイスで処理できるよう、高度に最適化してある、OpenCVと一緒に使うのも簡単、とのこと。 https://github.com/jetpacapp/DeepBeli
vImageで領域分割／セグメント化／輪郭抽出／ラベリング - その後のその後
人間から見て"納得感"のある画像処理をしようと思うと、領域分割（セグメント化）をしたくなる場合が多々あります。 たとえば、人物と背景とを別々に処理したい、とか、人の肌の部分だけに処理をしたい、とか。 OpenCVではそういった「領域分割」を行ってくれる関数が何種類か用意されていますが、vImageでもそういう機能があるのかないのか、調べてみました。 OpenCVにある領域分割系の関数 vImageのドキュメントを調べる前に、メソッド名とか説明にあるキーワードを見逃さないように、まずOpenCVでの画像領域分割系関数を洗い出してみました。 画像ピラミッドを用いた領域分割： cvPyrSegmentation 平均値シフト法による領域分割： cvPyrMeanShiftFiltering Watershedアルゴリズムによる画像の領域分割： cvWatershed 輪郭の検出と描画： cvFi
JavaScriptの顔認識ライブラリをチューニングしたら実用レベルになったという話 (Kanasansoft Web Lab.)
ただ、WebRTCで顔認識させようとすると遅くてしかたがなかった。 最初は速いこともあるが、10回ぐらい認識をさせるとすぐに遅くなる。 とりあえず、デモ。 そこで、チューニングをしてみることにした。 まず、JavaScriptの定番の高速化を試してみた。 例えば、正の数で使える「Math.floor(x)」を「(x | 0)」に、整数で使える「x * Math.pow(2, y)」を「x << y」にする等。 これで、10~30%高速化できた。 次に、遅くなっている部分を調べたら、Web Workersで分散するための仕組みが遅くなる原因だとわかった。 これは、Web Workersを使わない場合にも影響が出ていた。 じゃあ、Web Workersを使えば速くなるのかといえばその逆で、20倍遅くなっていた。 詳しくは調べてないけど、多分Workerスレッドに処理データを渡す時にJSON化が
OpenCVで学ぶ画像認識 記事一覧 | gihyo.jp
運営元のロゴ Copyright © 2007-2024 All Rights Reserved by Gijutsu-Hyoron Co., Ltd. ページ内容の全部あるいは一部を無断で利用することを禁止します。個別にライセンスが設定されている記事等はそのライセンスに従います。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
【深層学習入門】画像処理の基礎(画素操作)からCNN設計まで｜はやぶさの技術ノート