OpenCVを使うと，難しい画像処理も簡単なコードで実現できるみたいです。というわけで，Raspberry Piにインストールしてみました。やり方がなかなかわからず，あーでもないこーでもないとしているうちになんとかできたので，手順をメモしておきます。 RaspbianとOpenCVのバージョンは下記のとおりです。 2013-02-09-wheezy-raspbian OpenCV 2.4.4 および 2.3.1 インストールには，『①ソースコードをRaspberry Pi上でビルドする方法』と，『②apt-getコマンドを使う方法』とがあります。「Raspberry Pi　OpenCV」などで検索すると①の方法がヒットするため，最初はこの方法で頑張っていたのですが，Raspberry Pi上でのビルドには4～10時間かかるので注意です（10時間待ったあとでビルドの失敗に気づいたときとか…も

１、モジュールの読み込み（必要な材料を揃える） ・node_moduleの読み込み ・routesフォルダにあるオリジナルjsファイル（モジュール）の読み込み ・自分で入れたjsファイル（モジュール）の読み込み ２、Expressインスタンスの作成。個人的に「モジュールはここまでだよ」という目印にしている。ここからExpressインスタンスを加工していく。（調理スタート） ３、レンダラーエンジンの指定（MVCの内、Vを指定する） ４、ミドルウェアの追加（nodeモジュール（材料）を組み込んで、Expressインスタンス自体は完成） ５、ルーティングの追加（配達先を指定しておく。） ６、エラー処理（配達先が見つからない場合、廃棄する） ７、最後にExpressインスタンスをエクスポート //１、モジュールの読み込み //node_module var express = require('e

先日の記事にて、適応的二値化の一手法であるSauvola[1]の手法について紹介しました。 閾値の計算式は単純で、実装は割と簡単です。しかし1ピクセルごとに周囲の平均・標準偏差を求めるのは、結構コストがかかる処理です。これを積分画像（Integral Image）により高速に実装する方法を紹介します。 なお、今回はC++でコードを示します。ある程度わかりやすさ重視ですので、もちろん最速実装というわけではありません。 [1] J. Sauvola et. al., “Adaptive document image binarization,” Pattern Recognition 33(2), pp.225–236, 2000. http://www.mediateam.oulu.fi/publications/pdf/24.pdf Sauvolaの手法　おさらい 以下の式で、各ピクセルの

OpenCVで物体検出器を作成する② ～Haar-Like特徴～ こんにちは。ザキヤマです。 このあいだの海の日は新宿にいたのですが、どこからともなく磯の匂いがしていました。夏です。 さて今回は、前回の OpenCVで物体検出器を作成する① ～基礎知識～ に引き続き、 特徴量について説明していきます。 OpenCVで物体検出器を作成するシリーズ、記事一覧はこちら！ おさらい：traincascadeで扱える特徴量 機械学習では、物体の「特徴量」を抽出し、カスケード分類器を作成します。 特徴の抽出方法には、いくつか種類があります。 OpenCVのtraincascadeでは、以下の3種類から学習する特徴量を選択できます。 Haar-Like特徴 LBP（Local Binary Pattern）特徴 HOG（Histogram of Oriented Gradients）特徴 それぞれについ

OpenCV-Python & Scikit-image　-「必見『OpenCV-Python Tutorials』２」への追記PythonOpenCV画像認識scikit-imageOpenCV-Python 「OpenCV-Python Tutorials」についてもう少し訳してみましたので、OpenCV-Pythonバインディングとともに役立つライブラリである scikit-imageについても、あわせてリンクをつけてみました。 どちらも、Pythonでnumpyのデータ構造を使うライブラリなので、両者を組み合わせて使うことが可能です。 Scikit-imageが提供するもの Scikit-imageの場合には、OpenCV-Pythonで提供されていない手法を中心に、OpenCV-Pythonと連携を組みやすい形で、提供されています。 Scikit-imageは、OpenCVに含ま

この記事の内容はOpenCV-Python Tutorialsの部分訳にすぎません。 以下の鳥取大学内のサイトでは訳がそろっているので、そちらを参照することをお勧めいたします。 鳥取大学内のサイト　OpenCV-Pythonチュートリアル OpenCV3.1のOpenCV-Python Tutorials　が http://docs.opencv.org/3.1.0/d6/d00/tutorial_py_root.html#gsc.tab=0 で公開されています(2016.2.28に気づいた)。 注：上記のリンク先のページで、ドキュメントの対象のOpenCVのバージョンを変更すると、原文の最新のドキュメントを参照することができます。 そのため、以下の内容(OpenCV3.0のチュートリアルの訳出)は古くなっています。 実際のPythonバインディングとチュートリアルで紹介されているスクリプ

軽い気持でOpenCV3.1.0をビルドしようとしたら 想像以上に苦労したのでそのまとめ。 依存モジュールのインストール まずは依存モジュールをインストールする。 sudo apt-get update sudo apt-get upgrade sudo apt-get install \ build-essential \ cmake \ git \ pkg-config \ libjpeg8-dev \ libtiff5-dev \ libjasper-dev \ libpng12-dev \ libavcodec-dev \ libavformat-dev \ libswscale-dev \ libv4l-dev \ libatlas-base-dev \ libgtk2.0-dev \ gfortran 正直なところ、依存ライブラリはどれが必須でどれがオプションか不明。 pyth

pythonでマルチスレッドが思ったよりも簡単にできるっぽいので試してみました。 手順 動画からの画像読み出し コード 結果と反省 手順 以下のサイトに親切な説明が付いています。 Pythonでマルチスレッド処理 - Qiita threading.Threadのサブクラスを作る． threading.Threadのインスタンスを作る． ふむふむ。ってどの事だかよくわかりませんね。（ザコ並の感想） 以下自分用メモですが言い直すと サブクラスの作成： class hoge(threading.Thread)とすることでhogeはthreading.Threadを継承したサブクラスになる。ということ。 threading.Threadのインスタンスを作る： runで定義される関数を作ることで、hoge.startでその関数を実行できるということ。 動画からの画像読み出し cap = cv2.V