ちょっとぼんやりした画像をくっきりさせるPhotoshopのチュートリアル | コリス
元画像を一切劣化させることなく、ちょっとぼんやりしたねむい画像をくっきりさせるPhotoshopのチュートリアルを紹介します。 レースの柄をはじめ、よりくっきりしているのが分かると思います。 How to Non-destructively Sharpen Your Image In Photoshop [ad#ad-2] チュートリアルは4ステップで、慣れれば数分でできる思います。 下記は各ポイントを意訳したものです。 Step 1:画像の準備 Step 2:ディテールの抽出 Step 3:ディテールの調整準備 Step 4:ディテールの調整 完成 Step 1:画像の準備 まずは、元となる画像をダウンロードします。 Autumn Stock IV [ad#ad-2] ダウンロードした画像をPhotoshopで開いてください。 画像を加工するときは、元画像はそのまま残し、コピーした画像を
近似最近傍探索ライブラリ比較 - Qiita
はじめに kNNなどの近傍探索はpythonやnumpyだけだとデータ数に応じて時間がだいぶかかるようになります。 もちろん厳密なNNではなく近似最近傍探索(ANN search)を行うのが中心かと思います。 Pythonから使え、ANNをC等で最適化しているライブラリがあったのでいくつか試してみました。 弊社内ではFLANNやFaissが使われていました。 今回はこれらと追加で、人気のありそうなAnnoy、速そうなNMSLIBを比較してみます。 （社内kibelaでまとめたものを転載してみました） 参考記事 まとめる際のきっかけになった記事です。 ベンチマーク等はこちらが参考になります。 ann-benchmarks 著者は実はAnnoyの作者なのに、他のいいライブラリを勧めてくれています。 ブログ版 この図を見るとnmslibとfaissが特に早そう。 Approximate Near
How To Create a Watercolor Painting Effect in Photoshop
Watercolour paintings are a hugely popular art style that can be incorporated into your design projects, but you don’t need to be a master artist to create such imagery when Adobe Photoshop can produce realistic watercolour effects with a cocktail of built-in filters. In today’s tutorial I take you through a range of settings that will convert any photograph into a hand-made watercolour style pain
個人でダウンロード販売できるカートWebサービス3社
デジタルコンテンツをダウンロード販売したい。対応するカートが増えてきましたので、まとめました。※2017年4月時点での情報です。 こんにちは、電子書籍大好きカグア！です。電子書籍やスタンプを個人でもダウンロード販売したいと考えていました。 調べますと、ベイスなどいくつかカートが見つかりましたので、かなり個人的なチェック項目ですが、機能比較してみました。情報は2017年3月17日時点でのものです。 ダウンロード販売とは ダウンロード販売に対応のカート3社 無料で個人でダウンロード販売をはじめられるカートを探しました。自作の電子書籍やイラスト、音源や動画など、さまざまなデジタルコンテンツを自分でダウンロード販売のストアを作り、販売することが可能になってきました。 以下が、無料ではじめられるダウンロード販売に対応しているショッピングカート（Webサービス）です。有料パーツや有料プランなどもありま
デジタルコンテンツ販売（ダウンロード販売）ならStores.jpか？BASEか？
ネットショップを始めようとしていて、Stores.jpかBaseのどちらで売ろうかな？ って悩む方は多いようです。 私も悩みに悩んで結局一方に落ち着いたので、その理由などを書いておこうと思います。 私は現在Stores.jpで自作のソフトウェアを販売しています。 いわゆるダウンロード販売ですね。 ショボいネットショップなんですが、ブログ経由で結構ご購入頂いています。 ブログ＋STORES.jpで売れています。小さな会社のネットショップ戦略 そこで、運営してみて分かったStores.jpとBASEの微妙な違いをまとめてみました。 まず、自作のプログラムが売れること自体がはじめは凄くうれしかったんですが、 人間欲が出てくるもので、売れだしたら売れだしたで手数料の違いが気になりだしました。 Stores.jpは5%、Baseは3.6%なんで、少しでも利益を残したいとなると、Baseの方に乗り換え
NYU Media Research Lab | Projects | Image Analogies
The images on the left are training data; our system "learns" the transformation from A to A', and then applies that transformation to B to get B'. In other words, we compute B' to complete the analogy. (Only partial images are shown above; here are the full images). Many examples and results are shown on these pages. For additional details of the algorithm, please see the paper. Applications We a
OpenCV: Image Segmentation with Watershed Algorithm
Goal In this chapter, We will learn to use marker-based image segmentation using watershed algorithm We will see: cv2.watershed() Theory Any grayscale image can be viewed as a topographic surface where high intensity denotes peaks and hills while low intensity denotes valleys. You start filling every isolated valleys (local minima) with different colored water (labels). As the water rises, dependi
ディープラーニングにおけるセマンティックセグメンテーションのガイド2017年版 | POSTD
Qureでは、私たちは通常、セグメンテーションとオブジェクト検出の問題に取り組んでいます。そのため、最先端技術の動向について検討することに関心があります。 本稿では、セマンティックセグメンテーションに関する論文を検討します。セマンティックセグメンテーションの研究の多くは、自然界・現実世界の画像データセットを使用します。その結果を医療用画像に直接適用できるわけではありませんが、現実世界の画像に関する研究は医療用画像のものよりもずっと成熟しているので、これらの論文を見直してみたいと思います。 本稿は、以下のような構成です。最初に セマンティックセグメンテーションの問題を説明 し、 アプローチ方法に関する概略 を述べます。最後に いくつかの興味深い論文を要約します。 今後の記事で、医療用画像が現実世界の画像となぜ異なるのかを説明する予定です。更に、今回の再検討から得たアプローチが、医療用画像の代
画像処理の数式を見て石になった時のための、金の針 - Qiita
画像処理は難しい。 Instagramのキレイなフィルタ、GoogleのPhoto Sphere、そうしたサービスを見て画像は面白そうだ！と心躍らせて開いた画像処理の本。そこに山と羅列される数式を前に石化せざるを得なかった俺たちが、耳にささやかれる「難しいことはOpenCVがやってくれるわ。そうでしょ？」という声に身をゆだねる以外に何ができただろう。 本稿は石化せざるを得なかったあの頃を克服し、OpenCVを使いながらも基礎的な理論を理解したいと願う方へ、その道筋(アイテム的には金の針)を示すものになればと思います。 扱う範囲としては、あらゆる処理の基礎となる「画像の特徴点検出」を対象とします(実践 コンピュータビジョンの2章に相当)。なお、本記事自体、初心者である私が理解しながら書いているため、上級画像処理冒険者の方は誤りなどあれば指摘していただければ幸いです。 画像の特徴点とは 人間が
ガイデットフィルタとその周辺
[DL輪読会]Neural Radiance Flow for 4D View Synthesis and Video Processing (NeRF...Deep Learning JP
アフィン変換 | イメージングソリューション
画像の拡大縮小、回転、平行移動などを行列を使って座標を変換する事をアフィン変換と呼びます。 X,Y座標の二次元データをアフィン変換するには、変換前の座標を（x, y）、変換後の座標を（x’,y’）とすると回転や拡大縮小用の２行２列の行列と、平行移動用に２行１列の行列を使って $$\left(\begin{array}{c}x^{‘}\\ y^{‘}\end{array}\right)= \left(\begin{array}{c}a & b\\ c & d\end{array}\right) \left(\begin{array}{c}x\\ y\end{array}\right) + \left(\begin{array}{c}T_{x}\\ T_{y}\end{array}\right)$$ のように表現される場合もありますが、回転、拡大縮小、平行移動を１つの３ｘ３の行列にまとめて $
Python: k 近傍法を実装してみる - CUBE SUGAR CONTAINER
k 近傍法 (k-Nearest Neighbor algorithm) というのは、機械学習において教師あり学習で分類問題を解くためのアルゴリズム。 教師あり学習における分類問題というのは、あらかじめ教師信号として特徴ベクトルと正解ラベルが与えられるものをいう。 その教師信号を元に、未知の特徴ベクトルが与えられたときに正解ラベルを予想しましょう、というもの。 k 近傍法は機械学習アルゴリズムの中でも特にシンプルな実装になっている。 じゃあ、シンプルな分だけ性能が悪いかというと、そんなことはない。 分類精度であれば、他のアルゴリズムに比べても引けを取らないと言われている。 ただし、計算量が多いという重大な欠点がある。 そのため、それを軽減するための改良アルゴリズムも数多く提案されている。 k 近傍法では、与えられた未知の特徴ベクトルを、近い場所にある教師信号の正解ラベルを使って分類する。
高解像度テクスチャ生成手法を利用してスタイル変換を行う
High-Resolution Multi-Scale Neural Texture Synthesis 2017年9月に高解像度のテクスチャを生成する手法であるHigh-Resolution Multi-Scale Neural Texture Synthesis[Snelgrove 2017]が提案されました。 画像のスタイル変換を行うNeural Style Transfer[Gatys 2015]の手法を利用しています。 Neural Style Transferについては以下に詳しい説明があるので、興味がある方はこちらを参照してください。 Elix Tech Blog Neural Style Transfer: Prismaの背景技術を解説する Preferred Research 画風を変換するアルゴリズム 大雑把に説明すると、Neural Style Transferでは以
バイラテラルフィルタ | イメージングソリューション
ガウシアンフィルタなどのフィルタでは、ノイズをできるだけ除去しようとすると、輪郭もボケてしまうという欠点がありました。 この欠点を解決しようとした処理アルゴリズムがバイラテラルフィルタ（bilateral filter）です。 バイラテラルフィルタは処理前の画像データの配列をf(i, j)、処理後の画像データの配列をg(i, j)とすると となります。 ただし、ｗがカーネルのサイズ、σ１がガウシアンフィルタを制御、σ２が輝度差を制御しています。 と言われても、何だか式が難しくて良く分かりません。 でも、分母分子に出てくる最初のexpの部分はガウシアンフィルタで見たことがあるな～ という事に気が付けば、突破口が開けます。 ２つ目のexpの部分が良く分からないので、とりあえず取っちゃってみて、 とすると、分母の部分がガウシアンフィルタと少し違うけど、Σの範囲が-W～Wなので、(2W+1)×(2
python+OpenCVでエッジを保存した平滑化(BilateralFilter, NLMeansFilter) - Qiita
が、これだと画像が全体的にぼやけてしまうため、エッジも等しくぼやけてしまう。エッジは残しておきたいけど、ノイズも低減したいときにはそれ用のフィルタを利用する。 バイラテラルフィルタ(Bilateral filter) 単純に注目画素の周りにある画素値を平均するのではなく、注目画素の近くにあるものをより重視して反映させようというのが重み付き平均化。じゃあその重みの振り分けをどうするかというときに、正規分布に従って振ればいいんじゃないというのがガウシアンフィルタ。 平均0, 分散ρのガウス分布は以下のように表される。
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
Photoshopで写真をイラスト風に加工する（鉛筆タッチ）
image-analogies/README.md at master · awentzonline/image-analogies · GitHub
GitHub - rachelbrown347/image-analogies-python: Replication of Image Analogies by Hertzmann et al., published in SIGGRAPH, 2001
Guided Image Filtering
High-Resolution Multi-Scale Neural Texture Synthesis