「ファクス」と「FAX」はこの項目へ転送されています。その他の用法については「ファクス (曖昧さ回避)」、「FAX (曖昧さ回避)」をご覧ください。 家庭用FAXを使用する若者（1994年） ラジオファクシミリ（無線で伝送するファクシミリ）で受信した気圧配置図。船舶の航行や漁においては、気象の変化について予想・判断せねばならず、気圧配置図が必要である。気圧配置図を海上で入手するには、無線FAXによる定時配信を自動受信することで行う。この図は2011年12月にイギリス軍ノースウッド司令部内のJOMOC（Joint Operations Meteorology and Oceanography Centre 気象学と海洋学に関する統合運用センター）から配信されたもの。 ファクシミリ（英語: facsimile）は、文字や図形、写真などの静止画像を、電気信号に変換して送受信する通信方式、またはそ

今回は，画像のフーリエ変換を応用して，走査トンネル顕微鏡(STM)でグラファイト(HOPG)を撮像し，FFTで鮮明化します． 具体的にはこのような作業をします． (左)STMによるHOPG撮像結果 (右)FFTとマスキング処理によって鮮明化 左側の画像に赤線がありますが，すいません，元画像は紛失しました． 作業途中のスクリーンショットのみ見つかったので，これで勘弁してください． 走査トンネル顕微鏡(STM)とは？グラファイト(HOPG)とは？と思っている方へ． STMは，簡単に言うと針で物の表面形状を見る顕微鏡です． 測定対象の近くに針を極限まで近づけると，測定対象物の表面原子の持つ電子がSTMの針に移動します(トンネル効果)． STMの針は電子を受け取って，その電流によって測定対象物の表面形状を測定できます． ちなみにSTMの受け取る電流は，原子1個分の距離でも変化が読み取れるので，ナノ

画像処理におけるフーリエ変換 フーリエ変換は周波数解析ができる便利なデータ変換です。 画像に対しても利用できますが、周波数の考え方が通常の信号とは異なるので注意する必要があります。 通常の信号データ 周波数=単位時間内にどのくらい振動するか 画像データ 周波数=単位ピクセル内に画素値がどのくらい変化するか よって、画像データの周波数は1[px]移動したときの画素値の変化が激しいほど高周波となります。画像処理でのフーリエ変換は「時間領域→周波数領域」ではなく「空間領域→空間周波数領域」となります。 また、画像データは2次元であり、水平方向と垂直方向の2つの空間周波数成分を持っています。 画像データに対する2次元FFTは次の手順で行います。 ①画像データの水平方向に1次元FFTを行います。 ②画像を転置し、再び水平方向に1次元FFTを行います。 ③もう１度画像を転置すれば完成です。 手順①～③

グリーンバック不要で前景を精密に抜き出す、深層学習を用いたAlpha Matting技術「HAttMatting」 2020-07-04 大連理工大学、 大連大学、鄭州大学、北京工商大学による研究チームが開発した「Attention-Guided Hierarchical Structure Aggregation for Image Matting」は、1枚の画像から被写体である前景を精密に抽出するAlpha Matting技術だ。 本手法の出力結果 Alpha Mattingとは グリーンバック等の特殊な撮影環境を必要とせず、自然状態の画像から前景を抽出し背景と分離するタスクをAlpha Mattingと呼ぶ。画像から前景のAlpha値を抽出する処理をMattingと呼び、 Alpha値を各画素に持つ画像をAlpha Matteと呼ぶ。 Trimapを用いた既存研究 Alpha Mat

We propose a method that can generate highly detailed high-resolution depth estimations from a single image. Our method is based on optimizing the performance of a pre-trained network by merging estimations in different resolutions and different patches to generate a high-resolution estimate. Abstract Neural networks have shown great abilities in estimating depth from a single image. However, the

MediaPipeをラズパイでもpipで入れたい OSC2021 Nagoyaでの @KzhtTkhsさんのMediaPipeに関する発表をみたあと 「MediaPipeよいのだけど、Arm系のラズパイとかApple Silicon Macだとpipでそのまま入らないんだよなー」 とつぶやいたら、なんとビルドジャンキーの @PINTO03091さんが一瞬でRaspberry Pi用のwheelパッケージをビルドしてリポジトリを公開してくださっていました。 最高ですね。とりあえずメモがてら動かし方の手順を残しておきます。 Raspberry PiでMediaPipeを手軽に動かす方法 Raspberry Pi OS(64bit)で動かす方法と、Ubuntu(64bit)で動かす方法の2つがあります。 それぞれ手順が多少異なります。お好きな方を選択ください。 事前準備 OS関係なく、以下が必要

Numpyだけで画像をサクッと拡大する方法を紹介します。OpenCVやPillowを使うまでもないな、というようなときに便利な方法です。ニューラルネットワークでインプットのサイズを調整するときも使えます。 ただのNearest Neighbor法 拡大前の1ピクセルを1つの四角形と見立てて、拡大率に合わせて拡大し、拡大後の矩形に対してペタペタと貼る方法をNearest Neighbor法といいます。画像の拡大をするときに真っ先に思いつきそうな方法です。 例えば2倍の拡大だったら、 # 拡大前 array([[0, 1], [2, 3]]) # 拡大後 array([[0, 0, 1, 1], [0, 0, 1, 1], [2, 2, 3, 3], [2, 2, 3, 3]]) とやる方法です。図にすれば一目瞭然ですね。 forループを使わない1文でスッキリ書く方法 ぱっとforループやnp

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)

領域(輪郭)の特徴である面積，周囲長，重心，外接矩形などについて学びます． 領域(輪郭)を対象とした様々な関数について学ぶことになります． 1. モーメント¶ 画像のモーメントは物体の重心，面積などを計算するのに役立ちます．詳細についてはWikipediaの 画像モーメント(英語) のページを参照してください． cv2.moments() 関数はあらゆるモーメントを計算します．: import cv2 import numpy as np img = cv2.imread('star.jpg',0) ret,thresh = cv2.threshold(img,127,255,0) imgEdge,contours,hierarchy = cv2.findContours(thresh, 1, 2) cnt = contours[0] M = cv2.moments(cnt) print

2020/07/17追記 下記のような情報に見つけたので、実験画像の差し替えを行いました。 https://srad.jp/story/20/07/15/117231/ はじめまして初めましてアダコテックの伊藤です。製造業に向けた異常検知のAIソフトウェアを提供する㈱アダコテックでエンジニア兼取締役をしています。 エンジニアとしては、コア技術の研究開発、顧客から依頼されたPOCの実施などのを行っています。 仕事以外ではエンジニア仲間と飲みに行ったり、週末は息子と釣りに行ったりしています。(今は、コロナで自粛中ですが・・・) 弊社では、国立研究開発法人産業技術総合研究所（産総研）で発明された高次局所自己相関特徴量(HLAC)(*1)という特徴抽出法を使った異常検出ソリューションの開発・販売を行っております。 この技術を発明された大津展之先生をはじめとした先生方に弊社技術顧問として関わって頂き

はじめに OpenCVを利用して二値化を行う際, 「とりあえずcv2.THRESH_OTSUやっとけばええやろ, ぽいー」って感じでテキトーに二値化してました. 「とりあえずいい感じに動く」って認識だったので, きちんと(?)理解自分なりにここにまとめていきたいと思います. 初心者なので間違いなどあれば教えていただけるとありがたいです. 概要 - OpenCVさんの説明 OpenCVのチュートリアルを見ると 大津のアルゴリズムは以下の式によって定義される重み付けされたクラス内分散を最小にするようなしきい値(t)を探します. $\sigma_{\omega}^2(t) = q_1(t)\sigma_1^2(t) + q_2(t)\sigma_2^2(t)$ (各変数の定義は本家を見てください) のように書いてありました. 詳しくはわからなかったけど, いい感じのしきい値(t)を探してくるって

モルフォロジー演算 以下の手順で行うフィルタリング処理をモルフォロジー演算 (morpology operation) といいます。 構成要素 (structuring element) またはカーネル (kernel) という入力画像の走査を行うための各要素が0または1で構成された2次元の行列を用意します。通常は 3×3、5×5 など小さい形状のものが使用されます。 カーネル カーネルの原点 (origin) またはアンカー (anchor) と呼ばれる成分 (図の赤マス) を入力画像の画素に合わせて左上から右下にかけてスライドさせ、出力画像の画素を計算していきます。 カーネル カーネルの値が1の成分 (青のマス) は、走査対象の画素 (赤のマス) の近傍を表します。例えば、モルフォロジー演算の一種である膨張演算では、近傍の最大値を対応する出力画像の画素にします。 この処理をすべての画素