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
画像認識で機械学習が必要そうという結論に至るまでのメモ - catalinaの備忘録
考えを整理するための個人的なメモ的なものです。かたりぃなです。 画像・動画・音声などから特定の「もの」を認識したいことって多々ありますよね。 少なくとも私の中ではしょっちゅうあります。 さて、今回の記事は物体認識の問題色々調べた結果を自分の中で整理するためのメモです。 基本概念の整理が目的です。 物体認識とは まず物体認識とは何ぞや？という問いについて。物体認識を問題領域の観点から大別して２系統あるようです。 特定物体認識 一般物体認識 まず1について。これが私の欲しい物体認識です。 既知の物体Aについて、画像中のどこに物体Aが存在するか(もしくは存在しない)を調べる 2ですが、画像が何を示しているものなのかを言い当てる(車の画像！とか)物体認識です。 画像処理以外の方面の知識も必要となってくるので、こちらは当面は保留とします。 特定物体認識の古典的手法 古くからあるアルゴリズムとして、次
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
