Pythonで画像分割や画像結合を実行する方法 – Tomoblog
画像分割のやり方 以下のプログラムを実行してください。 なお、フォルダ名や画像ファイル名はみなさんの環境に合わせ変更してください。 # 画像分割 sepa.py import os import cv2 import numpy as np # 画像読み込み image = cv2.imread('./test_photo/001.jpg') # 画像サイズを調べる（高さ：h 、幅：w） h, w = image.shape[:2] n = 3 # 画像分割数 y0 = int(h/n) x0 = int(w/n) # 分割した画像を内包表記でリスト化 c = [image[x0*x:x0*(x+1), y0*y:y0*(y+1)] for x in range(n) for y in range(n)] # c のリストから1つづつ取り出して # ファイル番号（0.jpg、1.jpg、・
Monster Mash: New Sketch-Based Modeling and Animation Tool
Detailed Information1. Getting StartedMonster Mash is a new sketch-based modeling and animation tool that allows you to quickly sketch a character, inflate it into 3D, and promptly animate it. You can perform all interactions in the sketching plane. No 3D manipulation is required. This demo accompanies a paper Dvorožňák et al.: Monster Mash: A Single-View Approach to Casual 3D Modeling and Animati
Perceptual Hashを使って画像の類似度を計算してみる - ユニファ開発者ブログ
最近、引越しをしたWebエンジニアの本間です。 引越しの作業は大変面倒でしたが、新しい街に来た時のワクワク感がやっぱりいいなーと感じております。 さて、弊社のサービスである「写真サービス るくみー」では、毎日たくさんの写真をアップロードしていただいているのですが、中には内容がほとんど同じ写真が入ってしまうことがあります。 これらの写真がそのまま販売されてしまうと、写真を選ぶ際に邪魔になったり、間違って複数枚購入してしまうことがあるため、可能な限り避けたい事象です。 「同じ内容」の写真を自動で判別する方法がないか調査していたところ「Perceptual Hash」という手法を見つけました。 Pythonでの画像処理の勉強も兼ねて、今回この手法を紹介してみようと思います。 Perceptual Hashとは ハッシュ値は、「あるデータをハッシュ関数に入れて得られる値」で「同じデータからは常に同
GitHub - jantic/DeOldify: A Deep Learning based project for colorizing and restoring old images (and video!)
Quick Start: The easiest way to colorize images using open source DeOldify (for free!) is here: DeOldify Image Colorization on DeepAI Desktop: Want to run open source DeOldify for photos and videos on the desktop? Stable Diffusion Web UI Plugin- Photos and video, cross-platform (NEW!). https://github.com/SpenserCai/sd-webui-deoldify ColorfulSoft Windows GUI- No GPU required! Photos/Windows only. h
「さようなら ImageMagick」の考察 - Qiita
はじめに サイボウズさんの ImageMagick の利用をやめる記事について少し思う所を書きます。否定というよりアシストのつもりです。(2018年08月26日投稿) さようなら ImageMagick 自分のスタンスを3行でまとめると、 policy.xml で読み書き出来るファイル形式を絞れば、いうほど怖くはない ただ、ImageMagick に限らずサーバサイドで動かすのは手間と覚悟が要る Yahoobleed の件でコード品質が信用ならないと言われたら、ごめんなさい 「ImageMagick を外した理由」 サイボウズさんのブログでは、2017年の ImageMagick 脆弱性報告数が多いので駄目との事です。 脆弱性 ImageMagick には脆弱性が大量に存在します。 2017 年に報告された ImageMagick の脆弱性は 236 件 でした。 大量にある上にリモートコ
Google Driveの魔法機能がすごい 画像の文字を書き起こす
Google Driveは、写真や文章、イラストなどを保管できるオンラインストレージサービス。15GBまで無料で使えるため、データの保存・共有用に使っている人もいるだろう。 そんなGoogle Driveの、意外と知られていない機能が話題になっている。Google Driveに画像をアップロードし、その画像をGoogle ドキュメントで開くと、画像の文字をテキストデータ化してくれるという。 手順はこうだ。まず、PCで文字起こしをしたい画像をGoogle Driveにアップロードし、その画像を右クリック。「アプリで開く」から「Google ドキュメント」を選択して開けば終了。対応ファイル形式は「JPEG」「PNG」「GIF」「PDF」。 最適な状態で書き起こすには、ファイルサイズを2MB以下にし、テキストの高さを10ピクセル以上に。画像の向きが間違っている場合は回転させてからアップロードし、
ImageMagickでliquid rescaleする - hitode909の日記
ImageMagickのリサイズまわりの挙動を調べてたら異常なアニメーションGIFが掲載されいているのを発見して，その瞬間に調べ物はどうでもよくなった． 領域が狭くなると，文字が帽子の上に周りこんでいる． http://www.imagemagick.org/Usage/resize/#liquid-rescale Seam carving(liquird rescale)は画像のなかで自然に切り取れるところを探してリサイズする技術．物がないところを探して切り詰めるので物だけが残る． Seam carving - Wikipedia ImageMagickをliblqrつきでインストールすると使えるようになる． brew install imagemagick --with-liblqrオライリーの書影とか見るからに縮めやすくてめちゃくちゃ楽しいのでは?と思ったので練習． Docker 作
PHPで画像の類似度判定のできるライブラリ
最近、大量の画像を分類する趣味をこなしていて、どうも重複画像があるような気がしていたのだが、僕の脳みそでは膨大な画像の中から類似の画像を探すことが出来ない。 そこで、どうにかして類似画像検索が出来ないものかと思っていた。 ImgSeek そこで検索すると、まず最初に引っかかってくるのはImgSeekであろう。基本的にはLinuxのGUIで動作する画像管理ソフトで、類似画像検索ができるというものだ。Pythonで書かれているが、これのサーバ版というものもあって、それがisk-daemonである。 だが、これがまた安定しない。 数千単位で画像を登録すると、メモリを延々と消費し続ける状態になってしまったり、なにもエラーを吐かずに落ちてしまったりする。 １ファイルの中に複数のDBを作れるので、DBを分割して、１DBあたりの画像数を減らしてみたりもしたが、DB数が50程度を超えた状態で再起動すると、
ImageMagickを使ったハミング距離による画像の同一性チェック – dyama's page
画像認識に用いられるライブラリといえば OpenCV が一般的ですが、毎回 face detect のデモを動かしてみて安心してしまい、結果的にいつも本腰を入れて使ってみることがありませんでした。(やりたいなぁとは思いつつ、特に目的がない…) 今回、知人と OpenCV の話題が出たのをきっかけに ruby-opencv を使ってみようとしたけど挫折。OpenCV 本体のソースコードを clone してきて 3 時間近くもビルドを走らせて、環境作りにえらく時間がかかっちゃいました。もう少し根気があればいいんですが…。 さて、高機能な画像認識は必要がないような例、例えば、かなりゆるめの画像の同一性チェックなどでは、OpenCV のような本格的なライブラリを用意しなくても既存の環境でなんとかしたくなってしまいます。おっと、挫折したからって逃げではないですよ！ほんとですよ！ ということで、みんな
ImageMagick - ２枚の画像を比較！
mk-mode.com Linux, Debian, IT, Server, PG, Ruby, Rails, Python, C++, Fortran, PC, MariaDB, math, GIS, etc... ２枚の画像が全く同じものかどうかを確認したいことがごく稀にあるかと思います。 画像処理ソフト ImageMagick のコマンドを使用して比較する方法についての記録です。 0. 前提条件 Linux Mint 14 (64bit) での作業・動作確認を想定。 画像処理処理ソフト ImageMagick がインストール済みである。 今回の作業で使用した画像は以下の３つ。（全てサイズが同じであること） 元のJPEG画像 元のJPEG画像の70%品質のJPEG画像 元のJPEG画像に文字を描画したJPEG画像 1. 元のJPEG画像と元の70%品質のJPEG画像とノイズ量を比較 I
Image::ObjectDetectを使った顔認識プログラム - iDeaList::Writing
Perl版のOpenCV、Image::ObjectDetectを使った顔認識を試してみました。 まずは顔にエフェクトをかけてプライバシーを守るWebサービスの作り方を参考にMacPorts用にパスを変えて、 ffmpeg・OpenCVのインストール CPANモジュール Imagerインストール Image::ObjectDetectインストール http://search.cpan.org/~jiro/Image-ObjectDetect-0.11/lib/Image/ObjectDetect.pm cpanのinstall Image::ObjectDetectでエラーが起きた。 Checking if your kit is complete... Looks good Writing Makefile for Image:jectDetect cp lib/Image/Object
画像変換を行うには？|Android開発
Androidでの画像変換系処理のメモ。 Bitmap を JPEG で保存 private void saveBitmapToJpeg(Bitmap bmp) { String filename = "image001"; String filePath = android.os.Environment.getExternalStorageDirectory().getAbsolutePath() + String.format("/DCIM/%s.jpg", filename); java.io.ByteArrayOutputStream ostream = new java.io.ByteArrayOutputStream(); bmp.compress(Bitmap.CompressFormat.JPEG, 100, ostream); java.io.FileOutputStre
人工知能はラーメン二郎を識別するか - Qiita
はじめに LINE BOT AWARDS向けにレコーディングダイエットのサービスを作ってみました 料理の画像を上げるとAIが自動的に識別してカロリー情報を返却してくれるというものです 要するにこの記事はそのサービスのステマなので早速BotのQRコードを貼っておきます！ 技術的には Qiitaなので技術面をご紹介。 Tensorflow上のInception-v3で料理の判定(Gunicorn + flaskでWebAPI化） LINE Messaging APIとのやりとり部分はHubot上で動作 アダプタはこちら 管理画面はRuby on Railsでさらっと ランタイム入り乱れてて、マイクロサービスアーキテクチャって感じです 後日このあたりの詳細は別の記事にしたいなと思っています。 ＃特にInception-v3でオリジナル画像でトレーニングするのは結構大変だったのでそのへんとか。 2
Raspberry Pi3で自動ノート取り装置を作った - いきるちから
はじめに 数理情報工学実験第二という演習で、Raspberry Piをつかって何かを作ることになりました。そこでAMATERASUという自動ノート取り装置を作ったので紹介します。 そもそもRaspberry Piって? Raspberry Pi3 Model B ボード＆ケースセット (Element14版, Clear)-Physical Computing Lab 出版社/メーカー: TechShareメディア: エレクトロニクスこの商品を含むブログ (3件) を見る これです。安くて小型で色んなセンサーをつけて遊べるコンピュータです。今回はカメラモジュールを使いました。 自動ノート取り装置とは 自動ノート取りの目標は、講義を撮影した動画*1を処理することで、ノートの代わりとして使える画像を出力することです。具体的には次のgifのような画像を次々出力していくのを目標にしています。黒くな
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
画像処理を導入するときに検討すべき10の手法 - LIFULL Creators Blog
あけましておめでとうございます。 おうちハッカー@リッテルラボラトリーの石田です。 画像から何かを検出したい、ユーザーの動きに連動して何か作りたい、なんて思うことがあると思います。 そんなときに、どんな技術を使えばよいのか迷うと思うのですが、そんなときに検討すべきライブラリ、API、デバイスを紹介したいと思います。 画像処理といったらlennaさん オープンライブラリ系 こちらはソースが公開されている画像処理ライブラリで、自分で組み合わせて適切な処理を作成します。 ライブラリによって得手不得手があるので、単独というより、組み合わせて使うことが多いと思います。言語はC++, Pythonがメインになります。 OpenCV OpenCV | OpenCV 画像処理といったらこれ！という定番ライブラリです。 動かせるプラットフォームも、windows,mac,Linux,Android, iOS
全自動水玉コラ生成マシーン - onk.ninja
全自動水玉コラ生成マシーン 聖夜なので表題のものを作った。 https://github.com/onk/auto_circle_collage processing で書いたアプリだけど、この記事の内容はほぼ OpenCV の話です。 仕組み 水着を自動認識して「隠す」とマーク 顔を自動認識して「見せる」とマーク マークに沿って円充填 水着領域の自動認識 最初のアプローチ OpenCV を使って肌色認識 選択領域を膨張 -> 収縮させる 肌色との差分を取れば水着領域が完成 肌色認識 先人が大量に居た。RGB 色空間ではなく HSV 色空間を使うというのがコツなようだ。 HSV色空間 - Wikipedia HSV 色空間なら影になっている部分も抽出できる。 今回は Hue: 7..15 を肌色として定義した。 PImage detectHada() { // 作業用に hue で gra
情報収集衛星、鬼怒川水害でグーグルにKO負け：日経ビジネスオンライン
突然といっていいだろう。9月11日、内閣官房・内閣情報調査室（内調）は、情報収集衛星（IGS）で撮影した、鬼怒川の水害の情況の画像を公開した。公表された画像は2枚。デジタル処理で解像度を落としてあるが、IGSで取得した画像が公開されたのは、これが初めてである。 画像公開の背景には、内調が、現在衛星4機体制のIGSを8機体制に倍増させ、さらに衛星間通信を行うデータ中継衛星を新たに保有する意志を示していることがある。 ところが、同じ11日、グーグルは、災害関連情報を集約して表示するサイト「Googleクライシスレスポンス」で、水害地域の詳細衛星画像を公開した。米民間地球観測会社の衛星が取得した画像は、デジタル処理で劣化させたIGS画像より鮮明。かつグーグルマップの上に重ねて表示され、拡大縮小も自由自在。利用者の利便性は衛星情報センターの2枚の画像を圧倒的に上回っていた。虎の子の画像を公開するこ
画風を変換するアルゴリズム - Preferred Networks Research & Development
Deep Neural Networkを使って画像を好きな画風に変換できるプログラムをChainerで実装し、公開しました。 https://github.com/mattya/chainer-gogh こんにちは、PFNリサーチャーの松元です。ブログの1行目はbotに持って行かれやすいので、3行目で挨拶してみました。 今回実装したのは”A Neural Algorithm of Artistic Style”(元論文)というアルゴリズムです。生成される画像の美しさと、画像認識のタスクで予め訓練したニューラルネットをそのまま流用できるというお手軽さから、世界中で話題になっています。このアルゴリズムの仕組みなどを説明したいと思います。 概要 2枚の画像を入力します。片方を「コンテンツ画像」、もう片方を「スタイル画像」としましょう。 このプログラムは、コンテンツ画像に書かれた物体の配置をそのま
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
| docomo Developer support | NTTドコモ