WebGPUとRustでネコチャンを点描した話
はじめに 昨年１２月にこんなツイートを見かけました。 かわいいですね。幸いにして論文と実装が公開されていたので、自分でもやってみようと思って、その結果を書いたのが前回の記事です。 読んでいただければわかるとおり、前回の記事の中ではGPUを使わずにアルゴリズムやデータ構造を工夫して近似的に計算しています。結果の画像についてはそんなに悪くないと思っていますが、限界もありました。パーティクルの数も少ないし、一部の画像ではうまく行きませんでした。 やっぱり、もっとちゃんとネコチャンを点描してみたいですよね。 なので、今回の記事ではGPUを使ってアルゴリズムを再現し、よりヴィヴィッドなネコチャンの点描を作成しようと思います。GPUを使って計算するために、WebGPUのRust実装であるwgpuを使用します。ネコチャンの画像を点描にしたい人と、WebGPUに入門してcompute shaderで何か計
伝説のお茶の間 No007-09(1) 円の描画(1) MichenerとBresenham
最初に言っておきますが デジタル円はアスペクト比の関係上、真円には近づきません。どうあがいても。 ピクセル自体が縦長なので円もちょっと縦長です。 アスペクト比の修正は各アプリケーションで行うほうがいいので、 今回はR * R ピクセルの正方形と考えてアルゴリズムを組みます。 ご了承ください。 デジタル円の描画のアルゴリズムは２、３種類があります。 ブレゼンハム(Bresenham)、ミッチェナー(Michener)が一般的です。 OpenFMIというサイトの中のページで "Comparing Circle Drawing Algorithms"という C のソース http://openfmi.net/snippet/detail.php?type=snippet&id=8 が紹介されています。 同一コード内にブレゼンハム、ミッチェナー等の関数も用意されており、ソースとしては完璧です。 ち
PythonでZhang-Suenの細線化アルゴリズムを実装 - Qiita
注意：結構この記事読んでくれる方が多いんですが、こちらの記事に書いてあるコードだと激烈に遅いので、アルゴリズムの説明を読み終わったらこっちのコード使ってください。 細線化は、(主には2値化した)画像を幅1ピクセルの線画像に変換する操作です。 用途は色々あるのですが、画像処理ライブラリのOpenCVになぜか細線化のメソッドが無かったので、 勉強も兼ねて自分で実装しました。 速さが欲しい場合こちらへどうぞ。 #細線化のアルゴリズム 細線化にはいくつかのアルゴリズムが提案されています。 田村のアルゴリズム Zhang-Suenのアルゴリズム Nagendraprasad-Wang-Guptaのアルゴリズム それぞれ癖があるのですが、 今回は2番のZhang-Suenのアルゴリズムを使いました。 (ロジックが簡単で書きやすそうだったので) #Zhang-Suenのアルゴリズム 細線化に用いる画像は
【LucasKanade法とは】最小二乗法とガウシアンピラミッドによる推定の原理・計算式
【最小二乗法】オプティカルフロー推定 1画素あたりの拘束方程式は1つであるため、このままではオプティカルフローを一意に求めることが出来ません。 そこで、LucasKanade法では「近い画素も同じ動きをする」 という仮定を用いることで、方程式の個数を増やし、解を推定します。 例 画像I上の隣接し合う2点が同じ動きをすると仮定すれば、下式のようにその2点の画素に対する拘束式のは同じになります。 (1) よって、この2式を連立して解けば、未知数が2個、方程式も2個なのでを一意に求めることができます。 これがLucasKanade法の基本的な考え方です。 ところが、実際には隣接する2点だけでなく、もっと広い領域で動きが同じであると仮定します。 例えばの画素の動きがすべて同じだとすれば，下記のような9つの方程式が得られます。 (2) この場合，未知数2個、方程式9個となります。よって、9つの方程式
画素の補間(Nearest neighbor,Bilinear,Bicubic)の計算方法
画像を拡大や回転する場合など、画像の画素と画素の間の輝度値を参照する必要が出てきますが、その参照方法を紹介します。 この画素を画素の間を参照する事を一般に補間や内挿（Interpolation）と言います。 最近傍補間（ニアレストネイバー Nearest neighbor） Nearest neighborをそのまま訳すと、最も近いご近所、という事で参照する位置に最も近い位置にある画素の輝度値を参照します。 求める画素間の座標が（x,y）の位置の輝度値を Dst(x,y) とし、もともとの画像の輝度値をSrc(i,j) とすると で表されます。（ただし、[ ] は小数部分の切り捨てを表します。） つまるとこ、座標を四捨五入し、その画素の輝度値を参照します。 双一次補間（バイリニア補間 Bilinear） バイリニア補間では求める位置(x,y)の周辺の２×２画素（４画素）を使って、輝度値を
Looks Like It - The Hacker Factor Blog
For the last few months, I have had a nearly constant stream of queries asking how TinEye works and, more generally, how to find similar pictures. The truth is, I don't know how the TinEye image search engine works. They don't disclose the specifics of the algorithm(s) that they use. However, based on the type of results it returns, it appears to me to be some variation of a perceptual hash algori
PhobosLab
Introducing QOI — the Quite OK Image Format. It losslessly compresses RGB and RGBA images to a similar size of PNG, while offering a 20x-50x speedup in compression and 3x-4x speedup in decompression. All single-threaded, no SIMD. It's also stupidly simple. tl;dr: 300 lines of C, single header, source on github, benchmark results here. I want to preface this article by saying that I have no idea wh
ブレゼンハムのアルゴリズム - Wikipedia
ブレゼンハムのアルゴリズム(Bresenham's line algorithm)は、与えられた始点と終点の間に連続した点を置き、近似的な直線を引くためのアルゴリズム。ブレゼンハムの線分描画アルゴリズム、ブレゼンハムアルゴリズムとも。コンピュータのディスプレイに直線を描画するのによく使われ、整数の加減算とビットシフトのみで実装できるので多くのコンピュータで使用可能である。コンピュータグラフィックスの分野の最初期のアルゴリズムの1つである。これを若干拡張すると、円を描くことができる。 アンチエイリアスをサポートした直線描画アルゴリズム（例えば、Xiaolin Wu's line algorithm）もあるが、ブレゼンハムのアルゴリズムの高速性と単純さは今も重要である。プロッターやビデオカードのGPUといったハードウェアで使用されている。ソフトウェアでは多くのグラフィックスライブラリ（英語版）
離散コサイン変換 - Wikipedia
二次元DCTとDFTとの比較。左はスペクトル、右はヒストグラム。低周波域での相違を示すため、スペクトルは 1/4 だけ示してある。DCTでは、パワーのほとんどが低周波領域に集中していることがわかる。 離散コサイン変換（りさんコサインへんかん、英: discrete cosine transform、DCT）は、離散信号を周波数領域へ変換する方法の一つである。 概要[編集] DCTは、有限数列を、余弦関数数列 cos(nk) を基底とする一次結合（つまり、適切な周波数と振幅のコサインカーブの和）の係数に変換する。余弦関数は実数に対しては実数を返すので、実数列に対してはDCT係数も実数列となる。 これは、離散フーリエ変換 (DFT: discrete Fourier transform) が、実数に対しても複素数を返す exp(ink) を使うため、実数列に対しても複素数列となるのと大きな違い
３０．ディープラーニングでノイズを消してみよう - keep learning blog（キープラーニングブログ）
――科学者とは、自然のひみつと美しさを探し求めるおとぎの国の旅人です。それは大変おもしろく、夢のある楽しい仕事なんですよ。―― マリア・スクウォドフスカ・キュリー ディープラーニングでノイズを消してみよう 論文の概要 U-Netとは U-Netのアレンジ Pythonで実装 ディープラーニングでノイズを消してみよう すっかり季節が初夏の陽気になってきたと思っていたら、暦はもう6月になっていました。キュリー夫人の言う「おとぎの国」という表現がぴったりのデンマーク生活も、そろそろ終わりを告げようとしています。 昨年7月にデンマークの土を踏んでから約1年間、短いようでとても長かったです。西洋のことわざで、「ロバが旅に出かけたところで、馬になって帰ってくるわけではない」という言葉があります。私はポニーくらいにはなれたでしょうか。 デンマーク生活で印象に残っていることはいくつかあります。そこに住む人
【Python】9.3.3：混合ベルヌーイ分布のEMアルゴリズムの実装【PRMLのノート】 - からっぽのしょこ
はじめに 『パターン認識と機械学習』の独学時のまとめです。一連の記事は「数式の行間埋め」または「R・Pythonでの実装」からアルゴリズムの理解を補助することを目的としています。本とあわせて読んでください。 この記事は、9.3.3項の内容です。混合ベルヌーイ分布に対するEMアルゴリズムによる最尤推定をPythonで実装します。 【数理編】 www.anarchive-beta.com 【他の節一覧】 www.anarchive-beta.com 【この節の内容】 はじめに ・Pythonで実装 ・MNISTデータセットの準備 ・初期値の設定 ・推論処理 ・コード全体 ・処理の解説 ・Eステップ ・Mステップ ・対数尤度の計算 ・推論結果の確認 ・パラメータの確認 ・学習の推移の確認 ・分類結果の確認 ・他の結果 参考文献 おわりに ・Pythonで実装 MNISTデータセットを用いて、混合
【画像処理】バイリニア補間法の原理・計算式
バイリニア補間法（Bi-linear interpolation）は、周囲の4つの画素を用いた補間法です。 最近傍法よりも計算処理は重いですが、画質の劣化を抑えることが出来ます。 バイリニア補間法を用いて、拡大画像の座標における画素値を求める手順は以下の通りです。 ①拡大画像の座標を拡大率で割り、を求めます。 ②元画像におけるの周囲4画素の画素値を取得します。 ③周囲4画素それぞれととの距離を求めます。 ④距離によって重み付け（0～１）を行います。（距離が小さいほど重みは大きい） ⑤周囲4画素の画素値の加重平均を拡大画像の座標における画素値とします。 (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
Microsoft PowerPoint - CV06.ppt [互換モード]
https://www.jstage.jst.go.jp/article/pscjspe/2013S/0/2013S_877/_pdf/-char/ja
https://www.jstage.jst.go.jp/article/iieej/36/4/36_4_354/_pdf/-char/ja
Microsoft PowerPoint - Lec07
Watershedアルゴリズムの領域分割
ラスター画像からベクター画像への変換について
Pythonで自立系移動計画を考えて見る
Block-matching algorithm - Wikipedia