はてなブックマーク

概要 OpenCV の findContours() を使用して 2 値画像から輪郭抽出を行う方法について解説します。 関連記事 輪郭を抽出したあと、誤検出を除いたり、輪郭の点の数や大きさで目的の輪郭を探す場合、以下の記事を参考にしてください。 OpenCV – 輪郭の特徴分析について – pystyle cv2.findContours contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]]) 公式リファレンス: cv2.findContours

概要 OpenCV の cv2.distanceTransform() で距離変換を行う方法について解説します。 画像における距離の定義 2 つの画素を $(x_1, y_1), (x_2, y_2)$ としたとき、距離関数には次の種類があります。 $L^\infty$ ノルム: $\max(|x_1 – x_2|, |y_1 – y_2|)$ $L1$ ノルム (マンハッタン距離): $|x_1 – x_2| + |y_1 – y_2|$ $L2$ ノルム (ユークリッド距離): $\sqrt{(x_1 – x_2)^2 + (y_1 – y_2)^2}$ 画像における距離 距離変換 (distance transform) とは、2 値画像を入力として、各画素から最も近い画素値 0 までの距離を計算し、距離マップ (distance map) を作成する処理です。 距離変換 cv2.d

概要 OpenCV の cv2.HoughLines、cv2.HoughLinesP を使用して直線を検出する方法について解説します。 cv2.HoughLines lines = cv2.HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]]) 公式リファレンス: cv2.HoughLines

概要 Pytorch で自作のデータセットを扱うには、Dataset クラスを継承したクラスを作成する必要があります。本記事では、そのやり方について説明します。 Dataset クラスでは、画像や csv ファイルといったリソースで構成されるデータセットからデータを取得する方法について定義します。基本的にはインデックス index のサンプルが要求されたときに返す __getitem__(self, index) とデータセットのサンプル数が要求されたときに返す __len__(self) の2つを実装します。 from torch.utils.data import Dataset class MyDataset(Dataset): def __getitem__(self, index): # インデックス index のサンプルが要求されたときに返す処理を実装 def __len__

概要 torchvision で提供されている Transform について紹介します。 Transform についてはまず以下の記事を参照してください。 [blogcard url=”https://pystyle.info/pytorch-dataloader”] Transform はデータに対して行う前処理を行うオブジェクトです。torchvision では、画像のリサイズや切り抜きといった処理を行うための Transform が用意されています。 以下はグレースケール変換を行う Transform である Grayscale を使用した例になります。 Image.open() で画像を読み込みます。 Grayscale オブジェクトを作成します。 関数呼び出しで変換を適用します。 from PIL import Image from torch.utils import data