A while ago I asked a question about square detection and karlphillip came up with a decent result. Now I want to take this a step further and find squares which edge aren't fully visible. Take a look at this example: Any ideas? I'm working with karlphillips code: void find_squares(Mat& image, vector<vector<Point> >& squares) { // blur will enhance edge detection Mat blurred(image); medianBlur(ima
I am trying to detect all the squared shaped dice images so that i can crop them individually and use that for OCR. Below is the Original image: Here is the code i have got but it is missing some squares. def find_squares(img): img = cv2.GaussianBlur(img, (5, 5), 0) squares = [] for gray in cv2.split(img): for thrs in range(0, 255, 26): if thrs == 0: bin = cv2.Canny(gray, 0, 50, apertureSize=5) bi
OpenCVで輪郭を取得することはできますが、円などハフ変換の記事は インターネット上にたくさんありますが、四角形を検出するところまでの記事が ネット上では少なかったので書いて見ようかと思いました。 自分のブログでもCannyでエッジを取得して判定する記事を書きましたが 二値化処理が少し複雑で、エッセンスの部分が分かりにくかったため、 さらにシンプルなものを掲載しようかと思います。 処理の流れ プログラムはPythonとOpenCVを使います。 画像を読み込む 画像のグレイスケール・二値化 輪郭を取得 輪郭の近似 近似条件の近似カーブ最大距離を輪郭長の0.02とする(0.02は任意) 近似処理にはcv2.approxPolyDP()を使用します。 各オブジェクトの輪郭四角判定 1. 角が4つある 2. 面積値が条件以上ある 3. 凸形状である isContourConvex()を使用する
今回はmethodはわかりやすくかつデータ量の少ないCV_CHAIN_APPROX_SIMPLEを使うことにし、modeについて違いを確認していきたいと思います。 modeの確認 準備 以下のように必要なライブラリをインポートし、元の画像とcv2.Cannyによってエッジ処理を行った画像を表示してみます。 import numpy as np import cv2 import matplotlib.pyplot as plt %matplotlib inline org_image = cv2.cvtColor(cv2.imread('image.jpg', 1), cv2.COLOR_BGR2GRAY) org_image = cv2.resize(org_image, (256, 256)) edge = cv2.Canny(org_image, 50, 150) #描画 fig,
私の以前のバージョンでは RTSP Source Filter、私はすぐにRTPパケットをパックしていましたそれらを受け取るように命令します。バッファ、シーケンス番号によるソート、欠けている部分を含むフレームのドロップなどはありませんでしたが、LANでテストを行ってから結果は問題ありませんでした。 RTPバッファ、ソートメカニズムなどを追加することにしました。実際、コアコードは成功しました。しかし今、私は正しいタイミングでフレームを送信することに関していくつかの問題を抱えています。 デバッグメカニズムがあります。 私はすべてのフレームをframe0.bin、frame1.binなどのような別々のファイルに保存することができ、これらのファイルを読んでそれをh.264デコーダに送ることができるツールを持っています。私のRTPとフレームバッファは問題なく動作することが証明されたと思います。 にフ
はじめに 会社や研究室でGitを使ったバージョン管理システムを構築したいというニーズが少なからずあると思います。言うまでもなく、ソースコードやそれに付随する書類を管理する上で、手作業でそれを行うのは非常に非効率だからです。 今回は、Linuxサーバを持っておらず、Windows OSの入ったパソコンしか使えない場合を想定して、Windows10パソコン上にGitサーバをたてる方法について説明します。 WindowsパソコンにGitサーバを立てることはまずやらないためか、ネット上での情報が少なく、公開されている情報も断片的だと感じたので、今回私なりにまとめてみることにしました。 実行環境 Gitサーバ (Windows10 Pro) Gitクライアント (Windows10 Pro) Gitのインストール(サーバ・クライアント共通) サーバ(Windows10)とクライアント側(Window
インストール Gitの流れ コマンド 初期化(init) クローン(clone) 追加(add) 削除(rm) 移動(mv) コミット(commit) プッシュ(push) プル(pull) フェッチ(fetch) マージ(merge) 差分表示(diff) リストア(restore) リセット(reset) チェックアウト(checkout) ブランチ(branch) スイッチ(switch) タグ(tag) オリジン(orgin) コンフィグ(config) ステータス(status) ログ(log) ショウ(show) スタッシュ(stash) ヘルプ(help) .gitignore featureブランチ インストール # yum -y install git # CentOS 7 # dnf -y install git # CentOS 8 # sudo apt instal
Gitの勉強を兼ねて、用語集を作成しました。 不十分なところもあると思いますが、誰かの参考になればと思います。 用語 意味
このドキュメントでは、Microsoft C++ コンパイラがサポートする、x64 (amd64 とも呼ばれます) 対応の組み込みの一覧を示します。 各組み込みの詳細については、対象とするプロセッサに応じて、次の技術情報も参照してください。 ヘッダー ファイル。 多数の組み込みが、ヘッダー ファイル内のコメント内に文書化されています。 Intel Intrinsics Guide。 検索ボックスを使って特定の組み込みを見つけてください。 Intel 64 and IA-32 Architectures Software Developer Manuals (インテル 64 および IA-32 アーキテクチャ ソフトウェア デベロッパーズ マニュアル) Intel アーキテクチャ命令セット拡張機能プログラミング リファレンス Introduction to Intel Advanced Ve
pythonで通信系のシミュレーションする人がどれだけいるのかよくわかりませんが、個人的なpythonの練習の意味も含めてBPSK変調・AWGN (Additive White Guassian Noise)通信路での通信シミュレーションの方法について書きたいと思います。 僕が研究を始めて間もないころに戸惑った ・雑音分散とSNR(Signal to Noise Power Ratio)の関係 ・判定誤りが発生するときのイメージ について少し詳しめに書きます。 先にコードの全体を貼り付けておきます。 import numpy as np # 送信側アンテナ数 M = 2 # 受信側アンテナ数 N = 2 # 送信ビット数 bit_num = 10 ** 3 # Additive Gaussian White Noiseの生成する際のパラメータ設定 SNRdB = 10 SNR = 10 *
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