タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
照明ムラがある環境下で二値化を行い対象物を抽出しようとする場合、普通に二値化処理を行うと大抵上手く抽出できません。 下の画像はその例で、画像上部が明るめ、画像下部が暗めのになっています。この画像から米粒を抜き出そうとして大津の方法を適用すると、照明ムラの影響を受けて上手く抽出できていないことが分かります。 このような時の対処法の例がMathWorksのホームページに掲載されており、今回はOpenCVで実装します。 jp.mathworks.com // 画像をグレースケールで読み込む Mat gray; imread("non_uniform_illumination_example.png", IMREAD_GRAYSCALE).copyTo(gray); if (gray.empty()) { throw runtime_error("Failed to open image"); }
画像を二値化処理させる。さらに、二領域間の最短距離を算出できるようにした(ver1.0)。 - Qiita
はじめに ※修正verを作成しました。 https://qiita.com/Fumio-eisan/items/10c54af7a925b403f59f 製造業にて業務をしている私ですが、積極的にIoT, AI技術を導入したい会社や業界の流れを感じています。それら技術を主に取り扱う担当者は基本的に、設備技術やシステム部門になります。私自身は、製造部門に近い立場で仕事をしていてなかなか取り扱うことが少ない状況です。しかし、私自身もデジタルの流れを肌で感じいきたい！と思っています。 今回、比較的取り扱いやすいツールとしてエッジコンピュータであるRaspberry Piを用いて遊んでみました。 すでに様々なところで応用されていますが、カメラ撮影＋画像処理をリアルタイムで行う機能を持つセンサーの安価品として行えないか考えています。 導入するイメージは下記です。 手順としては以下となります。 画像処
第1回 Google Colaboratoryで始める機械学習のための特徴量エンジニアリング - カウントデータの二値化と離散化 - Qiita
第1回 Google Colaboratoryで始める機械学習のための特徴量エンジニアリング - カウントデータの二値化と離散化 PythonGoogle機械学習MachineLearningcolaboratory はじめに 本記事ではカウントデータに対しての前処理として使用される二値化と離散化について解説しています。本記事は主に「機械学習のための特徴量エンジニアリング」を参考とさせて頂いておりますので、気になる方は是非チェックしてみてください。 また本記事の内容をより詳しくYouTubeで解説しているのでこちらも気になる方はチェックしてみてください。 ※本記事で解説するプログラムは全てこちらにあります。 二値化とは 名前の通りターゲットの値を二値にする処理のことです。例えば以下の様な例を考えます。 そこでとあるユーザーのデータを取り出したところ、以下の様なデータであったと仮定します。1
画像解析には色々ありますが、その中の一つに「輪郭を抽出する」があります。輪郭を抽出することで、画像に存在する物体を検出することが出来ます。輪郭の抽出は、PythonのライブラリであるOpenCVを使うことで輪郭を抽出することが簡単に出来ます。今回はPythonで画像に存在する物質の輪郭を抽出する実装方法を紹介します。 前回、【Python】画像を平均化しノイズを除去してから二値化するで画像の平均化をしてノイズを減らし、二値化する方法について解説しました。今回は画像の平均化と二値化の処理を行ってから、輪郭抽出に入っていきます。 *本記事は、前回の記事を読んでないという方でも理解できるように書かれています。
動機 免許証の情報を写真から読み取りたい！ 画像処理を楽しみたい！ 概要 免許証と同じサイズのカード(nanacoカード)の輪郭を OpenCV で検出し、射影変換することでカードの内容が読みやすいようにしました OCRで内容を読み取る準備ができました(内容の読み取りは次の記事で紹介予定) OCRまでやらないので、サイズが同じnanacoカードで今回は代用 斜め上から撮ったカードを... → こんな感じで角度を補正してカードを表示できるようになりました → 他の類似記事との差別化ポイント カード検出のための二値化の閾値を動的に決定するロジックを入れています (精度がほんの少し良いように見えます) ここはちゃんと検証していないのでお気持ちレベルです。 想定読者 OpenCV で輪郭検出(エッジ検出)してみたい人 写真からカードの情報を読み取りたい人 作業手順 環境構築 二値化 1 輪郭抽出
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
【OpenCV】画像を二値化して表示する - LabCode
画像の二値化処理とは 画像の二値化とは、分析対象の画像を白と黒の2色のみに変換する画像処理です。以下にカラー画像を二値化した例を載せます。二値化処理は画像と背景の境界を明確にするため、物体の検出が用意になることやデータ容量が小さくして画像処理の高速化させられるなどの利点があります。 二値化処理する前 二値化処理した後 Pythonで画像を二値化する方法（サンプルコードあり） 画像を二値化には、PythonのライブラリであるOpenCVのを使うと簡単にできます。画像を二値化するには、以下のようなコードを書きます。 import cv2 #OpenCVのインポート cat_image = "cat.jpeg" #二値化したい画像ファイル名 threshold = 127 #二値化したい閾値 cat_grayscale_img = cv2.imread(cat_image,cv2.IMREAD_
前回、【OpenCV】画像を二値化して表示するで画像の二値化について解説しました。実は、普通に画像を二値化するよりも、平均化という処理を予め加えることで、画像のノイズを取り除く事ができ、普通に二値化するよりも解析がしやすい画像となります。この平均化によってノイズを除くことも、Pythonだったら数行のコードで簡単に実現することが出来ます。そこで今回は、PythonのOpenCVを用いて画像を平均化してノイズ除去してから二値化する方法について紹介します。 *本記事は、前回の記事を読んでないという方でも理解できるように書かれています。
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
【OpenCV】 照明ムラがある環境での二値化 - 旅行好きなソフトエンジニアの備忘録
【Python】画像のノイズを減らして二値化し、輪郭を抽出する - LabCode
OpenCVを使って免許証を角度補正(射影変換)する-二値化の閾値も自動で決定- - Qiita
大津の二値化ってなんだ…ってなった. - Qiita
【Python】画像を平均化しノイズを除去してから二値化する - LabCode
koyazi.blog.jp
www.kenei-pharm.com
seiga.nicovideo.jp
ameblo.jp/mohitokyousi
www.asahi.com
www.nikkei.com