32bit/64bit 両対応な printf の書き方 - pyopyopyo - Linuxとかプログラミングの覚え書き -
32bit/64bit両対応のコードを書いていると，よく printf() で引っかかります．"%d"のような"書式"がややこしいからです． というわけで，変数の"型"と"書式"の対応を，表で整理してみました． 型 書式 注意事項 ssize_t %zd size_t %zu intmax_t %jd uintmax_t %ju ptrdiff_t %t signed char %hhd unsigned char %hhu short int %hd unsigned short int %hu int %d unsigned int %u long int %ld unsigned long int %lu long long int %lld unsigned long long int %llu int32_t %PRId32 以下，#include が必要(下記参照) uint3
cv::Matの基本処理 — OpenCV-CookBook
マルチチャンネルと多次元配列¶ OpenCV 2.2 以降，2次元配列用の cv::Mat クラスと，多次元配列用の cv::MatND クラスが統一されました．つまり，現在は， cv::Mat で任意次元の配列を表現します． しかし，今まで cv::Mat を引数に取っていた関数が，すべて「多次元（>=3次元）」の Mat に対応しているとは限らないので注意が必要です． OpenCVの構造には，次元とチャンネルの概念があります． チャンネル（channel）：要素の次元 次元（dimension）：複数の要素からなる配列の次元 マルチチャンネル多次元配列の例（Dim=2 Ch=2, Dim=2 Ch=1, Dim=2 Ch=3, Dim=3 Ch=4）： 上記の例のように， や の配列は，1次元ベクトルではなく，1行の2次元行列と見なされることに注意してください．つまり，Mat の次元は
列優先（Column-major），行優先（Row-major）は複数ある - Qiita
はじめに 行列における列優先，行優先と言った場合，データ保持形式と数学的表現の2つの視点があります． 初学者は時に混同して説明してしまいがちですが，それぞれ別の概念であり，各項目における行・列の相反が成立する可能性がありますので，分けて認識しましょう． 本記事では，3次元幾何計算の文脈において，それらがどのように異なるのか，互いの変換はどう行うかを解説します．ついでに，列優先，行優先と合わせて語られることのある右手系，左手系についても言及します． データ保持形式における列優先，行優先 Column-major order, Row-major orderと書いた場合，こちらの意味になります． 本記事では，列優先データ順，行優先データ順と呼ぶことにします． 行列をプログラム内でデータ保持する場合，データアクセスの効率を考慮してメモリの連続領域にデータが置かれるのが多数です．そのデータの順が，
NULL と nullptr って何が違う？ - Qiita
C++11 では、NULL に代わるものとして nullptr キーワードが追加されています。 この話を聞くと「NULL じゃだめなの？」と一度は思う人は少なく無いと思います。 そこで、今回は NULL と nullptr の違いについて書いてみたいと思います。 NULL じゃ出来ないことがある 今更言うことでもないですが、NULL は以下のようにマクロで定義されています。
ベクトル/行列演算の定番ライブラリEigen - Qiita
ベクトル/行列演算の定番ライブラリEigen (日本語解説のサイトまとめと便利な機能紹介) Eigenとは C++の行列/ベクトルを扱うライブラリ(公式)． Eigenの主な特長 行列演算を直感的に書くことが出来る． ヘッダーファイルのみのライブラリのため，ライブラリのビルドやリンクが必要なく組み込やすい． 高速．他のライブラリとの比較ベンチマークはこちら(公式) 解説サイト(すべて日本語) Eigen - C++で使える線形代数ライブラリ(でらうま倶楽部)- 基本的な使い方とも幾何変換，クォータニオンなどの解説もあり． Eigen ー C++で線形代数を！(singular point)- 3回のポストで，幅広い機能について解説している． Robotics/Eigen(NAIST::OnlineText)- 基本的な機能の他に行列分解についても解説あり． Eigenの使い方 Eigenは
リンカ ツール エラー LNK1248
イメージ サイズ ('output_size') が最大許容サイズ (maximum_size) を超えています 解説 リンカーは、出力ファイルのサイズが、32 ビット のプログラム イメージまたはオブジェクト ファイル (PE または COFF ファイル) の最大サイズを超えると判断しました。 ファイルが実行可能ファイルまたは DLL の場合にこの問題を解決するには、いくつかの機能を別の DLL に移動するようにプログラムをリファクタリングする必要があります。 ファイルがオブジェクト ファイルの場合は、ソース ファイルを複数の翻訳単位にリファクタリングできます。 ファイルが.iobj作成した/LTCGOUTファイル (LTCG 増分オブジェクト ファイルに名前を付けます) で、使用/LTCG:INCREMENTALしていない場合は、オプションを/LTCGOUT削除します。 使用 /LTC
イメージサイズが最大許容サイズを超えてしまいます。 - C/C++
題の通り、 fatal error LNK1248: イメージサイズ(CC106000)が最大許容サイズ(80000000)を超えています。 というエラーが出てしまいました。 前の（コンストラクタがうんぬんかんぬんの質問）解決後の書き込み等の ことを見直してコンストラクタを変更したりしたんですが、 このイメージサイズだけは解決することはできません。 ちなみに、自分でもイメージサイズが大きくなってしまうような要因に 大体の見当をつけているのですが、 ・先の質問であったTableクラスが7の９乗の９次元配列で実装。かつ、メン バが７つ存在する。さらに、その要素を持つ変数が３つ存在する。 といった、ことが原因なのではないかと見当をつけています。 少なくても状態数が847,425,747個もあるので・・・ ただ、７×７×７の立体フィールド上に与えられた重みをすべて保存しておかなければならないプロ
同次線形方程式の解
COLMAPで三次元復元を行う際に既知のカメラパラメータを利用する方法についてメモしておく。多くの場合、SfMでカメラパラメータも含めて推定することで十分だが、例えばCMUの Panoptic dataset のようにカメラキャリブレーション結果が提供されているようなものに対して、COLMAPを適用してみたい場合は提供されているカメラパラメータを利用する方が良い場合がある。実際に、Panoptic datasetでCOLMAPを実行するとマッチングが上手くいかず推定に失敗する場合が多くある。 既知のカメラパラメータを利用する方法については、COLMAPのFAQの中で回答があるので、ここにある通りにcamera.txt, images.txt, point3D.txtを準備すると良い。 Reconstruct sparse/dense model from known camera pose
使用しない仮引数 - 職業としてのプログラミング
多くを知るものは少なく語る Who knows most says least. 仮想関数やテンプレート関数等、同じシンタックスで複数の使われ方をするような関数では、使用しない仮引数というものが登場することがあります。例えば、 class ClassBase { virtual func(int hint); }; class ClassA : pulic ClassBase { virtual func(int hint); }; void ClassA::func(int hint) { // このClassのfuncでは仮引数hintは不要なので使用しない ... } 仮想関数やテンプレート以外でも、関数仕様として拡張性を持たせるために用意されているものの、現状では使用しない場合等も考えられるでしょう。 さて、このような使用しない仮引数が使用しないだけで、動作上問題はないのですが、コ
画像処理 — OpenCV-CookBook
画像を単色で塗りつぶす¶ 画像を単色で塗りつぶす方法を示します． また，この例には示しませんが， 画像中の部分矩形を塗りつぶす場合には、ROIまたは cv::rectangle を利用します． 矩形を描く などを参考にしてください． #include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> int main(int argc, char *argv[]) { // 初期化時に塗りつぶす cv::Mat red_img(cv::Size(640, 480), CV_8UC3, cv::Scalar(0,0,255)); cv::Mat white_img(cv::Size(640, 480), CV_8UC3, cv::Scalar::all(255)); cv::M
OpenCVの使い方(1) インストールと画像の読み込みと動画再生 - のんびりしているエンジニアの日記
こんにちわ 今日はOpenCVの使い方を解説していきます。（C++） OpenCVとは画像処理をメインに行うライブラリですが、 それに付随してよく使われる機械学習のコードもあります。 そんなOpenCVの解説です。 まずはインストール。Homebrewを使います。楽です。 因に僕のVersion は2.4.7です。version 1台と2台だと全然動作が違いますね…。 Opencv インストール brew install opencv コンパイル g++ hoge.cpp `pkg-config --cflags opencv` `pkg-config --libs opencv` 画像の読み込み #include <opencv2/opencv.hpp> #include <opencv2/highgui/highgui.hpp> using namespace cv; using na
RioKasino Situs Slot Online Agen Joker123 Pragmatic Play Terpercaya
Riokasino Website Judi Casino Online Terpercaya Website judi casino online Riokasino adalah siap memberikan pengalaman bermain game online uang asli terbaik di Indonesia. Situs ini merupakan salah satu white label ternama G8 yang sedang sangat popular dicari oleh para pemain judi online di Indonesia. Hanya di situs kami anda bisa menemukan seluruh game terpopuler mulai dari Sportsbook, Casino Onli
Momma's Wiki: OpenCV/Gabor Filter - Gabor Filterで遊んでみた http://www.eml.ele...
サンプル(C++) 労力をあまり掛けずに済ませたので適当。 #include <cv.h> #include <highgui.h> #include <stdio.h> IplImage* src = 0; IplImage* src_f = 0; IplImage* image = 0; IplImage* dest = 0; IplImage* dest_mag = 0; IplImage* kernelimg=0; IplImage* big_kernelimg=0; CvMat * kernel=0; int kernel_size =21; int pos_var = 50; int pos_w = 5; int pos_phase = 0; int pos_psi = 90; void Process(int pos) { //CvFileStorage *fs = cvOp
Extreme Learning Machines: Random Neurons, Random Features, Kernels
Overview Extreme Learning Machines (ELM): Filling the Gap between Frank Rosenblatt's Dream and John von Neumann's Puzzle - Network architectures: a homogenous hierarchical learning machine for partially or fully connected multi layers / single layer of (artifical or biological) networks with almost any type of practical (artifical) hidden nodes (or bilogical neurons). - Learning theories: Learning
【OpenCV】色領域の抽出 画像処理ソリューション
メインページ ＞ OpenCV OpenCVで肌色領域の抽出や特定色の抽出というテーマは良くある話だと思いますが、サンプルプログラムを探すと、 cvCvtColor関数でRGBからHSVに変換 ↓ cvSplit関数でHSV画像を各チャンネルに分解 ↓ cvThreshold関数で各チャンネルごとに二値化 ↓ cvAnd関数で各チャンネルの二値化画像のAndをとり、マスク画像を作成 ↓ cvAnd関数でHSV画像を各チャンネルの画像をAndをとる ↓ cvMerge関数で各チャンネルの画像をRGB画像へ戻す 多少、違うにしても、基本的にはこの様な流れの処理が比較的多いかと思います。 ここで、気になる点。赤の領域を抽出する場合、例えば色相が０°～１０° および ３５０°～３６０°の範囲を抽出したい場合などに対応できない。RGB→HSV→RGBへ変換すると、変換の途中で色の階調が少し失われてし
SSEとAVXで高次元ベクトルの内積計算を高速化してみた | さかな前線
世界最速のお魚と言えばカジキ類で，泳ぐ速度は時速100km/hを超えるとか．55ノット程になるのでこれはMk-48魚雷にも匹敵するほどです． 一方ちょっとチートな高速お魚としては，お馴染みトビウオが飛行中に最大70km/hほどに達するとか． 今日はそんな若干チートな高速化のお話（？）ということで，SSE組み込み命令について． SSEやAVXといえばお馴染みSIMD命令で，それをプログラムから構造体と関数の形式で高移殖に記述する方法がSIMD組み込み関数(SIMD Intrinsic)なわけですが，これを使ってごく典型的なベクトルの内積計算を高速化してみました． ベクトルの内積の高速化と言えば星の数ほどもされてる話なわけで，いまさら魚の情報なんか役に立つ気は全くしないのですが，純粋に自分でやらないとわかんない＞＜ ということで， とにかく書いてみよう 効果の程はいかに？ を調べてみたくて，や
C++ AMP Overview
Note C++ AMP headers are deprecated starting with Visual Studio 2022 version 17.0. Including any AMP headers will generate build errors. Define _SILENCE_AMP_DEPRECATION_WARNINGS before including any AMP headers to silence the warnings. C++ Accelerated Massive Parallelism (C++ AMP) accelerates execution of C++ code by taking advantage of data-parallel hardware such as a graphics processing unit (GP
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
PyObjectがリストであるかどうかを確認するにはどうすればよいですか?
【Python C API入門】C/C++で拡張モジュール作ってPythonから呼ぶ -後編-｜はやぶさの技術ノート
Getting started with GSL - GNU Scientific Library on Windows, macOS and Linux | Solarian Programmer