http://www.mathgram.xyz/
OpenCVとPythonでHigh Dynamic Range Image (HDR)を作ってみる（Mertens, Robertson, Debevec） - Qiita
はじめに スマホやデジカメで、夕暮れ、夜景、逆光、外光が差し込む暗い室内など、コントラストが強い環境で撮影すると、明るい部分が白くつぶれてしまったり、逆に、暗い部分が黒くつぶれてしまったりして、がっかりした経験はありませんか？ これは、明るい部分や暗い部分の階調が足りなくなってしまうためにおこる現象です。 今回は、明るい画像と暗い画像をいいとこどりで合成して、High Dynamic Range Imageを作ってみます。 環境 OpenCV: 3.1.0 Python: 3.5.2 これから環境構築をこちらを参考にしてください。 OpenCV 3とPython 3の環境構築 処理前の画像 露出を２段階づつ変えて撮影したJPEG画像が３枚。 綺麗に合成させるためには、カメラを固定して、絞りを同じにし、露光時間だけを変化させて、連続撮影するとよいです。 HDR処理後 OpenCVで処理した画
OpenCV3とPython3で特徴点を抽出する（AgastFeature, FAST, GFTT, MSER, AKAZE, BRISK, KAZE, ORB, SimpleBlob, SIFT） - Qiita
import cv2 # 画像ファイルの読み込み img = cv2.imread('img.jpg') # ORB (Oriented FAST and Rotated BRIEF) detector = cv2.ORB_create() # 特徴検出 keypoints = detector.detect(img) # 画像への特徴点の書き込み out = cv2.drawKeypoints(img, keypoints, None) # 表示 cv2.imshow("keypoints", out) 実行結果 ORBで特徴点を抽出し、特徴点を画像に重ね合わせると以下のようになりました。 人間の目では、手前の道路に立っている人が特徴点なのかと思ってしまいますが、コンピュータの目では、道路に立っている人はそれほど特徴的とは思っていないようでした。 ORB AKAZEで特徴点を抽出し、特徴
画像処理におけるフーリエ変換④〜pythonによるフィルタ設計〜
周波数とは振動数と同じで、単位時間にどのくらい振動しているかを表す指標です。単位は[Hz]で表されます。電力でよく60Hzとか50Hzとか聞くと思いますが、これは一秒間に信号が60回、50回振動しているという意味です。 上で述べた内容は1次元的な信号の場合ですが、画像のような2次元的な信号でも周波数を考えることができます。1ピクセル動いたときに、どのくらい画素が変化するかによって周波数を考えることができるのです。画素値の変化が大きいところは周波数大で画素値の変化が小さいところは周波数小です。
OpenCVでの物体検出器作成 - kivantium活動日記
OpenCVのオブジェクト検出器作成方法についての解説です。 学習データの作成 まず最初にオブジェクト検出器の学習に使う教師データを用意する必要があります。そのためにまずGUIでオブジェクトの位置を指定するGUIツールを作りました。 PythonのOpenCVを使います。 #!/usr/bin/env python #! -*- coding: utf-8 -*- import cv2 import numpy as np import sys drawing = False sx, sy = 0, 0 gx, gy = 0, 0 rectangles = [] ok = False def draw_circle(event,x,y,flags,param): global sx, sy, gx, gy, drawing if event == cv2.EVENT_LBUTTONDOWN
画像処理入門講座 : OpenCVとPythonで始める画像処理 | POSTD
この記事を書くに至ったきっかけ Recruse Centerでは、私は、画像処理の勉強に時間を費やしていました。独学をし始めた頃は、何をするものなのか全く理解しておらず、ただ、文字や輪郭、模様などを識別するのに役立ち、これらで面白いことができる、ということくらいの知識しかありませんでした。 私の情報源は、主にWikipediaや書籍、公開されている大学の講義ノートです。これらの資料に慣れ親しんでくるにつれ、画像処理の世界における基礎を伝えられる「入門向け画像処理」を望むようになりました。 これが、この記事を書こうと思ったきっかけです。 前提条件 この記事は、Pythonが扱えるということを前提に書いています。その他の事前知識は必要ありませんが、NumPyや行列計算に慣れていると理解しやすいでしょう。 初めに 使用するのは、Python版OpenCV、Python 2.7 ^(1) 、iPy
画像処理の数式を見て石になった時のための、金の針 - Qiita
$k$は定数で、だいたい0.04~0.06くらいです。Rの値によって以下のように分類できます。 Rが大きい: corner Rが小さい: flat R < 0: edge 図にすると、以下のようになります。 CSE/EE486 Computer Vision I, Lecture 06, Corner Detection, p22 これで手早くcornerを検出できるようになりました。ここで、corner検出についてまとめておきます。 cornerは複数のedgeが集まる箇所と定義できる 変化量をまとめた行列の固有ベクトルからedgeの向き、固有値の大きさから変化量の大きさ(edgeらしさ)がわかる 2つの固有値の値を基に、edge、corner、flatを判定できる 固有値の計算は手間であるため、判定式を利用し計算を簡略化する なお、Harrisはedgeの向きである固有ベクトルを考慮す
必見「OpenCV-Python Tutorials」 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 「OpenCV-Python チュートリアル文書」 のサイトが立ち上がっています。 [OpenCV-Python チュートリアル文書のページへようこそ!] (http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/index.html) まとまった訳を読むためには、上記のサイトをご利用ください。 以下の訳は、訳として不十分であり、関連するpythonのライブラリとの比較をした部分に独自性がある程度の代物です。 OpenCV3.2のOpenCV-Python Tutor
「OpenCV-Python Tutorials」と「実践 機械学習システム」 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 「OpenCV-Python Tutorials」についての訳に関連して、他の書籍と比較を行いました。 ###OpenCV入門 OpenCV-Pythonチュートリアル入門 OpenCV-Pythonを始めてみよう OpenCV-PythonをWindowsにインストールする OpenCVをwindowsで使えるようにする。 OpenCV-PythonをFedoraにインストールする OpenCVをFedoraで使えるようにする。 ###OpenCVでのGUIの特色 画像操作を始めてみよう 画像を読み込むこと、表示すること、保存すること
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
[Python]PythonでOpenCVを使う (Edge Detection編) - Qiita![[Python]PythonでOpenCVを使う (Edge Detection編) - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/1ea4b8539272ed58e74e35053d0ec4fc2c2d8fc6/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTAwNTIzJTJGcHJvZmlsZS1pbWFnZXMlMkYxNDczNzA4MTIwP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZiZz1GRkZGRkYmZm09cG5nMzImcz1jOGJhYTlmNzI4MzM0MzVmOTgxMDczYTFiOTk3OWViYQ%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D079163262c157ad7522d31f30d9ffd81%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCUHl0aG9uJTVEUHl0aG9uJUUzJTgxJUE3T3BlbkNWJUUzJTgyJTkyJUU0JUJEJUJGJUUzJTgxJTg2JTIwJTI4RWRnZSUyMERldGVjdGlvbiVFNyVCNyVBOCUyOSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1wYWQ9MCZzPTdlYjlmNDQxNjQ1MTBhOWJkMmM1ZDA1MmU3YjZlM2Fh%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBzdXBlcnNhaWFrdWppbiZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1wYWQ9MCZzPTllZGIzOTQ1YThjNDUxMjIwMWZhYTU3YjM2MTYwODI5%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3Dbb5860a4b4c60b7beffb784cdb12a1c3)