OpenCVで時間の計測 - schima.hatenablog.com
cv::TickMeter を使いましょう。なんか影の薄いcontribにあります。 cv::TickMeter meter; meter.start(); // 何かの処理 meter.stop(); std::cout << meter.getTimeMilli() << "ms" << std::endl; 定番は以下のような書き方ですが、卒業しましょう。OpenCVのを使わずQueryPerformanceCounter, timeGetTime等の別の手段を使うにしろ、大抵これと似たようになると思います。TickMeterにより、これよりも見通し良く、何をしているか直感的にわかるコードにできます。 int64 start = cv::getTickCount(); // 何かの処理 int64 end = cv::getTickCount(); double elapsedMse
OpenCV - 特徴点マッチングで物体検出、移動、回転量を推定する - pystyle
import cv2 import numpy as np from IPython.display import Image, display def imshow(img): """ndarray 配列をインラインで Notebook 上に表示する。 """ ret, encoded = cv2.imencode(".jpg", img) display(Image(encoded)) def get_contours(img): # HSV 色空間に変換する。 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 2値化する。 bin_img = cv2.inRange(hsv, (0, 0, 0), (255, 200, 255)) # 輪郭を滑らかにする。 bin_img = cv2.medianBlur(bin_img, 5) imshow(
画像に余白を追加して正方形にする方法 - Qiita
機械学習では画像分類等の画像認識を行う際は画像を正方形にリサイズする必要があります。 しかし、画像によってはアスペクト比が1:1ではない為にただリサイズすると歪んでしまうことがあります。 そうならないために画像に余白を追加して、正方形に整形したいと思います。 ソースコード import cv2 import math if __name__ == "__main__": img = cv2.imread('./sample.jpg') height, width, color = img.shape # 画像の縦横サイズを取得 # 縦長画像→幅を拡張する if height > width: diffsize = height - width # 元画像を中央ぞろえにしたいので、左右に均等に余白を入れる padding_half = int(diffsize / 2) padding_im
Python, Pillowで画像の一部をトリミング（切り出し/切り抜き） | note.nkmk.me
Pythonの画像処理ライブラリPillow(PIL)のImageモジュールに、画像の一部の領域を切り抜くメソッドcrop()が用意されている。 Image.crop() - Pillow (PIL Fork) 10.2.0 documentation ここでは以下の4つの場合についてサンプルコードとともに説明する。 通常の切り出し 範囲外を指定 画像の中心を切り出し 長方形から最大サイズの正方形を切り出し Pillow(PIL)のインストール、基本的な使い方などは以下の記事参照。 関連記事: Pythonの画像処理ライブラリPillow(PIL)の使い方 一部を切り出すのではなく全体を拡大・縮小してリサイズする場合はresize()、矩形以外の形状（円形など）で切り出して透過画像を作成する場合はputalpha()を使う。 関連記事: Python, Pillowで画像を一括リサイズ（拡
Python でグレースケール(grayscale)化 - Qiita
特によく使われそうな OpenCV, PIL(Pillow), scikit-image で処理するサンプル例を紹介します。(2019年06月19日投稿) 前提知識 カラー画像のグレースケール化は、各ピクセルの R,G,B を適切に混ぜて 1つの値にする処理です。 R,G,B をどの割合で混ぜるかは、主に BT.601 と BT.709 規格の係数が使われます。この２つは 微妙に結果が異なります。 JPEG/PNG 画像の多くは sRGB 規格に従い、その RGB 値はリニア輝度からおよそ 1.0/2.2(=0.4545..)相当のガンマ補正がかかるので、値をそのまま四則演算するとおかしな結果になりがちです。 グレースケール処理の詳細は、こちらをどうぞ。 グレースケール画像のうんちく https://qiita.com/yoya/items/96c36b069e74398796f3 Ope
OpenCVで背景差分をやってみた。 - Kinaconの技術ブログ
ディープラーニングのアノテーション画像を作成するときに オブジェクトの位置を自動で検出するのに使えないかと思い、試してみた。 目次 作業環境 コード 実行結果 背景画像 検出対象画像 処理結果 作業環境 Ubuntu 18.04.2 LTS OpenCV 3.4.4 OpenCV-Contrib 3.4.4 Python 3.6.7 コード 背景差分処理をすべての手法実行する 背景用画像（background_image.png）と検出対象画像（test_image.png）を使用 結果画像（手法名_resoult.jpg）をoutput_dirに保存する。 GMG,CNT,KNNは背景モデルの構築に数フレーム読み込む必要がある （今回はデフォルトのフレーム数だけ同じ背景画像を読み込む） #/usr/bin/python3 import cv2 import numpy as np imp
OCR前処理としてのOpenCV超解像 - OPTiM TECH BLOG
R&D チームの徳田（@dakuton）です。 最近は画像とテキストの狭間にいます。 今回記事のまとめ 簡単にまとめると以下のとおりです。 いくつかの超解像(高解像度化)モデルがOpenCV extra modules(opencv_contrib)インストール + コード数行記述で導入可能 超解像に限らず、文字が一定サイズ以上になるような前処理 -> OCR解析 を実施すると、OCR精度改善につながることがある 超解像による見た目の滑らかさに比例して、OCR精度改善につながるわけではない 低計算コストな画像拡大から超解像に変更する恩恵は発生しにくい テスト条件を変えた場合、違った結果になる可能性あり(用いるOCRエンジン、画像の劣化条件、OpenCV未提供の後発モデル利用など) 実験内容 利用するOCRエンジンの実行条件は変えずに、前処理部分のみ変更した場合のOCR精度・速度変化を調べま
14-9. 画像差分で間違い探しを解く
16-33. Adobe「ログインの入力内容が、このマシンに割り当てられているプロファイルのEgress IPと一致しません。」の解決方法
完全に理解するアフィン変換 - Qiita
アフィン変換の真価を知ったら実はかなり強かった、という話。我々はアフィン変換の本当のすごさを知らない。 サンプル 非常に複雑な変換に見えますが、たった1回のアフィン変換でやっています。この記事の処理を組み合わせていけばこの処理が実装できます。 平面のアフィン変換とは三角形の移動（写像）を与えることで決まる変換のこと（証明は末尾参照）。 画像の回転処理にアフィン変換がよく用いられますが、アフィン変換≠回転です。アフィン変換はもっと広く処理ができますし、回転処理はその一部です。最初に回転を考えると理解しにくくなります。 OpenCVでの実装 今回は数学的にあまり突っ込まずに「PythonのOpenCVで自分で実装できればOK」レベルを目指します。OpenCVでは次のようにアフィン変換を行います。 import cv2 af = cv2.getAffineTransform(src, dest)
Rotate images (correctly) with OpenCV and Python - PyImageSearch
PyImageSearch You can master Computer Vision, Deep Learning, and OpenCV - PyImageSearch Let me tell you an embarrassing story of how I wasted three weeks of research time during graduate school six years ago. It was the end of my second semester of coursework. I had taken all of my exams early and all my projects for the semester had been submitted. Since my school obligations were essentially nil
opencvの画像回転で、はみ出した部分が切り取られないようにする方法 - Qiita
import cv2 import numpy as np # 画像読み込み img = cv2.imread("lena.png") h, w = img.shape[:2] size = (w, h) # 回転角の指定 angle = 40 angle_rad = angle/180.0*np.pi # 回転後の画像サイズを計算 w_rot = int(np.round(h*np.absolute(np.sin(angle_rad))+w*np.absolute(np.cos(angle_rad)))) h_rot = int(np.round(h*np.absolute(np.cos(angle_rad))+w*np.absolute(np.sin(angle_rad)))) size_rot = (w_rot, h_rot) # 元画像の中心を軸に回転する center = (w/
AKAZE特徴量による画像マッチング - Pythonでいろいろやってみる
OpenCVに実装されているAKAZE(Accelerated KAZE)特徴量検出を用いて2つの画像のマッチングを行います。検出された特徴点はBrute-Force Matcher(ある特徴点を別の画像の全ての特徴点との比較し距離を計算する)によりどれだけ似ているかが計算されます。 関連記事 画像のヒストグラムを比較し類似度を求める テンプレートマッチングで類似画像を探す やること 2つの画像を読み出す AKAZE検出器を生成しそれぞれの画像の特徴点を検出する BFMatcherにより特徴点間の距離を計算する 特徴点を描画する 使った関数・メソッド cv2.imread : 画像を読み出す cv2.AKAZE_create : AKAZE検出器の生成 detector.detectAndCompute : 特徴点の検出 cv2.BFMatcher : BFMatcherオブジェクトの生成
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
【Python】OpenCVで画像を合成する – addWeighted, bitwise演算, ROI
巨大なpng画像をjpegに変換しようとするとエラーになる - そうだ車輪と名づけよう 7th
【Python】OpenCVとNumPyで２つの画像を比較（完全一致、部分一致の比率） | OFFICE54
OpenCV - 背景差分で物体を検出する方法について - pystyle
Python OpenCV3で画像のアフィン変換(中心を指定した回転) | from umentu import stupid
Rotate image and crop out black borders
Specify background color when rotating an image using OpenCV in Python - OpenCV Q&A Forum
OpenCVで画像を回転させてみた - Qiita
