ORBでホモグラフィー行列推定 - Puku's Laboratory
SIFTとかSURFでよくあるサンプルをORBで動かしてみました。 ↓ここのやつですね。 http://docs.opencv.org/doc/tutorials/features2d/feature_homography/feature_homography.html 十分な対応点が得られない場合や、ホモグラフィー行列がうまく推定できなかった場合のエラー処理が入っていなかったので追加しています。 #include <opencv2/opencv.hpp> // -------------------------------------------------------------------------- // main(Number of arguments, Argument values) // Description : This is the entry point of t
OpenCV のテンプレートマッチを使って駒を検出 | Moonmile Solutions Blog
プチロボ事始め | Moonmile Solutions Blog http://www.moonmile.net/blog/archives/2416 プチロボで４軸構成にしてみる | Moonmile Solutions Blog http://www.moonmile.net/blog/archives/2421 OpenCV を使ってエッジ抽出 | Moonmile Solutions Blog http://www.moonmile.net/blog/archives/2452 OpenCV を使って顔認識 | Moonmile Solutions Blog http://www.moonmile.net/blog/archives/2460 の続き パズルゲームを解くのが目的なので、テンプレートマッチングは非常にオーバーヘッドが大きいのですが、試しに。 #include <io
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
Processing+OpenCVでテンプレートマッチングを行う - kitao's blog
ここのところ週末も仕事で時間がとれず、すっかりブログ更新の間があいてしまいました。一段落したらなんとか週一ペースに戻したいと思います。 今回は、前回セットアップしたOpenCV for Processingを使ってテンプレートマッチングを行ってみたいと思います。 テンプレートマッチングとは テンプレートマッチングは手本となる画像（テンプレート）が対象画像の中にあるかを判定する画像処理の手法です。OpenCVではmatchTemplateという関数でテンプレートマッチングの機能が提供されています。 処理手順 OpenCVを使ったテンプレートマッチングは以下の手順で行います。 テンプレート画像と入力画像を行列に変換する 結果の出力先となる行列を用意する matchTemplate関数でテンプレートマッチングを行う 一番類似度の高かった結果を表示する 4の結果表示では、処理の仕方を変更することで
Template Matching — OpenCV 2.4.13.7 documentation
Template matching is a technique for finding areas of an image that match (are similar) to a template image (patch). We need two primary components: Source image (I): The image in which we expect to find a match to the template image Template image (T): The patch image which will be compared to the template image our goal is to detect the highest matching area: To identify the matching area, we ha
ofxCvを介してOpenCV3.0alphaのAKAZE特徴量を使う - cvl-robot's diary
OpenCV3.0にSIFTやSURF以上の性能であると評判の高いデスクリプターのAKAZE/KAZE[2][3][4][5]が採用されるそうです。これをopenframeworksのaddonのofxCv経由で動かしてみたいと思います。 opencv3.0alphaのwindows版プリビルド版[1]（ダウンロードリンクは[1]のページ下側）をE:\opencv300にインストールしたとします。ソースコードのパスは、 E:\opencv300\sources\samples\cpp\tutorial_code\features2D\AKAZE_match.cpp です。テスト用の画像graf1.png, graf2.pngとホモグラフィ―行列H1to3p.xmlは一つ上の階層にあります。 ofxCvをOpenCV3.0でも使えるようにするための準備 openCV3.0では、いくつかの定数
画像処理を始めよう ー特徴量1 コーナー検出ー - プログラムdeタマゴ
分散の話書くとか言っておいて、面倒くさくなって放置してた。とりあえず、基礎はいいや、ということで、すっ飛ばして特徴量の話をしていくよー。ここに書いてく話はすでにPDFに一回私が雑にまとめた内容をリファインしながら書いていくつもりだけど、そのPDFが既に2カラムで20P近くあります。いったい記事何回分になるんだろうね。 最新技術を紹介していくのも良いですが、原点に立ち返ってゆっくり進めていくのも良いでしょう。この記事は焦らず初期の初期からやっていきます。 輪郭 画像の特徴って何でしょう？色々考えられます。画像の色、輝度、輪郭、固有値、固有ベクトル、写っている物体の形状、数、等考えつく物は大体何でも特徴と言えます。 目的にもよりますが、これらの中でも輪郭は重要です。人間は物体の輪郭に強く反応します。輪郭線さえしっかりしていれば、多少色は適当に塗られていても問題ないぐらいです。ちなみに、脳の中で
画像処理を始めよう ー特徴量2 SIFTー - プログラムdeタマゴ
今回はDavid Loweが1999年に提案したSIFTについて話していきます。今更、SIFTなんて解説してもそこらにいっぱい解説あるんだからと思うかもしれませんが、まぁ、マッタリ行きましょうや。なお、SIFTには特許があるので使用時には気をつけて下さい。また、オープンソースの実装にOpenCVの他、OpenSIFTもあります。ところで、昔JAVAで作ったSIFTのプログラムが見当たりません。(T_T) あいつはどこ行ってしまったのか…。 Scale-Invariant 前回話したハリスのコーナー検出の手法には、回転不変性がありました。画像が回転しても特徴が変わらないよ、というものです。チョロッとだけ、アフィン変換不変や、スケール対応する改良があるよとだけ言いましたように、基本的にはその他の変形に対して不変な特徴ではありません。 特に困るのが、画像の大きさの違いを吸収できないことでした。へ
【OpenCV】Hough変換やSIFT特徴量など、画像認識の技法に関する記事や動画をまとめた【画像認識】 - データマイニングと数学の備忘録
2014-11-16 【OpenCV】Hough変換やSIFT特徴量など、画像認識の技法に関する記事や動画をまとめた【画像認識】 画像処理 画像認識 C言語 OpenCV AR 拡張現実感 先日OpenCV3.0のβ版が発表され、みなさんはもうインストールしましたでしょうか？自分はまだ2.4.9のままで、どうしようか悩み中です。さて今日は書くテーマが決まらなかったので、画像認識に使われる手法について簡単にまとめてみました。調べた事をまとめると言う手法を思いつくのが休みが明けそうになる6時間前で、非常に休みの使い方が下手だなーと思う限りです。そんな訳でまとめたものを見て帰って下さい。Hough変換Hough変換は主に画像から直線や円を検出するためのもので、例えば道路上の道を検出するなどの用途で使う事ができます。Lane departure using Hough Line Transform
Comparison of the OpenCV’s feature detection algorithms - Computer Vision Talks
Introduction “In computer vision and image processing the concept of feature detection refers to methods that aim at computing abstractions of image information and making local decisions at every image point whether there is an image feature of a given type at that point or not. The resulting features will be subsets of the image domain, often in the form of isolated points, continuous curves or
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
特徴検出 — opencv 2.2 documentation