ネット麻雀(雀魂)をOpenCVと機械学習で自動化した話 - Qiita
概要 pythonからOpenCVのテンプレートマッチ及びGUI操作モジュールを使うことで、 webブラウザ上の麻雀牌をBOTに認識・クリック操作させることができ、プレイの自動化ができました。 また、どの麻雀牌をクリックするかのロジック部分には機械学習を用いました。 テンプレートマッチの探索用画像を差し替えれば雀魂に限らず他の麻雀ゲーム全般で利用可能であり、機械学習の部分を変えれば、特定条件下で合理的選択を繰り返し求められるようなゲーム全般で応用が可能です。 ※内容理解の一助とするために記事内随所に雀魂のゲーム内画像を利用していますが、著作権保護等の観点から強いボカシを入れています。 対象読者 (麻雀が好きで)機械学習を触ってみたい人 WindowsやGUI操作の自動化に興味があるけどOpenCVって何だろうって人 雀魂は好きだけど試練イベント走るのがマジ試練すぎて心が折れた人 過去に大学
opencv-python画像処理入門 - Qiita
機械学習用の画像の前処理方法を調べたのを書いていきます。 中途半端な内容ですが、今後書き足していくと思います。 試行環境 Windows10 python 3.6 opencv-python 4.1.2.30 閾値処理: cv.Threshold(src, threshold, maxValue, thresholdType) opencvドキュメント http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_imgproc/py_thresholding/py_thresholding.html 閾値を指定して二値化 適当なグラデーション画像を作って二値化してみます # make gray scale picture im_gray = np.array([np.arange(0, 256
OpenCV をビジュアルプログラミングできるアプリを Electron + Vue.js で作成 - Qiita
要約 Electron + Vue.js で、OpenCVをビジュアルプログラミング的に実行できるアプリ(仮称: OpenCVFlow)を自分の勉強がてら作ってみました。 上の動画のように、画像処理を定義したブロックを並べ、それをリンクでつなげることで、処理を順次実行して結果を確認、保存することができます。機能としてはそれほど多くなく、実用まではいかないかもしれませんが、なにか参考になれば幸いです。(個人的には、ElectronやVue.jsを本格的に使用するのは初めてでしたが、それなりに動くものが作れて満足しています。) 採用技術 アプリケーションエンジン: Electron フロントエンドフレームワーク: Vue.js UIフレームワーク: Photon OpenCVライブラリ: opencv4nodejs デザインパターン: アトミックデザイン アトミックデザインについて 今回は、U
Python3+OpenCVを使って連番画像から動画を作る - Qiita
のようにしているサイトを参考にしたため、動画が作成できなかった。 あまり大きいサイズの画像をリサイズするとout of memoryになったので 前もって大きさを変えた方がいいかもしれない。 コード import sys import cv2 # encoder(for mp4) fourcc = cv2.VideoWriter_fourcc('m', 'p', '4', 'v') # output file name, encoder, fps, size(fit to image size) video = cv2.VideoWriter('video.mp4',fourcc, 20.0, (1240, 1360)) if not video.isOpened(): print("can't be opened") sys.exit() for i in range(0, 90+1):
【爆速】OpenCVで複数の物体検出 －ラズパイ－ - Qiita
「背景差分で物体検出をしてみた」の記事が面白くて、「複数の物体」でも 検出できるのか検証してみました。 ディープラーニングを使わずに、ラズパイで複数の「物体検出」を 実装しました。OpenCVを使っております。 pic.twitter.com/5DQjPO1sfH — shinmura0 (@shinmura0) 2019年5月24日 はじめに きっかけは、ラズパイで2つのディープラーニングモデルを動かしていたときのこと。 予想通り、速度は激遅で使いものになりませんでした。 そのため、OpenCVで物体検出できないか？と考え実装してみました。 本稿では、ディープラーニングを使わないOpenCVによる複数の物体検出を行ってみます。 OpenCVによる物体検出 まずは、背景写真を用意します。 そして、フィルターによる前処理を行います。 import cv2 img1 = cv2.imread(
PythonとOpenCVを使った笑顔認識 - Qiita
import cv2 capture = cv2.VideoCapture(0) capture.set(3,320)# 320 320 640 720 横の長さ capture.set(4,240)#180 240 360 405 縦の長さ while True: ret, img = capture.read() img = cv2.flip(img,1)#鏡表示にするため． cv2.imshow('img',img) # key Operation key = cv2.waitKey(10) if key ==27 or key ==ord('q'): #escまたはqキーで終了 break capture.release() cv2.destroyAllWindows() print("Exit") ord()は引数のアスキーコードを返す．ちなみにchr()はアスキーコードに対する
OpenCVをインストールしてみよう
OpenCVとは、非常に強力なオープンソースの画像動画ライブラリだ。今回は、PythonからOpenCVを利用して、簡単な画像処理を行う方法を紹介する。特に、画像に様々なフィルタ処理を施す方法を見てみよう。 OpenCVを用いて画像にいろいろな処理を行ったところ OpenCVについて OpenCV(Open Source Computer Vision Library)は、画像や動画を処理するのに必要な様々な機能を提供するライブラリだ。画像の変換やフィルタ処理や変形、物体判定や物体認識や顔認識、カメラの入出力など豊富な機能が備わっている。そのため、画像や動画に関係する処理をするときに大変役に立つライブラリだ。 しかも、名前に『オープン』を関しているだけあって、オープンソース(BSDライセンス)であり、商用利用も可能なので、幅広く利用されている。加えて、マルチプラットフォームで、Window
pythonのopencvで画像重ね、回転、輪郭抽出する簡単サンプル - 人工知能と競プロやってくブログ
opencvで、いくつかやりたいことがあったので下調べとして作ってみました。 jupyter notebookで作ってます。 画像を重ねて描画 これを作ってみてわかったOpenCVの特徴。 画像データを読み込むとnumpy.ndarrayで返ってくる ピクセルの色データがB, G, R(Blue, Green, Red)の順に並んでいてRGBではない PNG画像の透過部分を透過させて画像を描画 背景を水色にして、アルファ部分を透過してpng画像を重ねて描画。 PNG画像の透過部分を保持したまま画像を回転 PNG画像をJPG画像の上にリサイズ、回転させて透過描画 画像の回転、縮小、輪郭を抽出した矩形を描画 抽出した輪郭ぴったりに線を描画 参考 ども、ありがとうございます！ stackoverflow.com end0tknr.hateblo.jp skattun.hatenablog.jp
Python と OpenCV で 類似画像検索 - Sabrou-mal サブロウ丸
全く同じ画像だけではなく、より幅広く'似てそう'な画像を探します。 OpenCVのインストール OpenCVのインストールに関するページがネット上に多数あることから、OpenCVのインストールの難しさ(というより、やっかいさ?)が伺えますが、例に違わず僕もOpenCVのインストールに手間取ってしましました。 最終的には、 ・brewでインストールしたnumpy, opencv3をアンインストールした上で、 ・pip3 install opencv-python でopencvがpyhtonで使えるようになりました、のでご参考までに。 画像類似度計算 ヒストグラムの類似度により、画像の類似度を計算します。 ヒストグラムとは画像の明度の分布のことです。(ヒストグラム - CyberLibrarian) OpenCVのcalcHist()関数で画像のヒストグラムを計算できます。 またヒストグラム
ちょっと進んで OpenCV を使う - Qiita
OpenCV は物体認識などのライブラリが含まれているので、Windows IoT Core で使えると利用できる幅が広がりそうですよね。Linux 系の Raspbian の場合はソースコードをダウンロードしてビルドして導入という手順になりますが、Windows IoT Core の場合は UWP アプリにしないといけない難点があってちょっとハードルが高くなっています。が、できないことはないです。 Windows 10ユニバーサルアプリ(Universal Windows Application)でOpenCVを使う（その2） - embeddedなブログ なところに、導入＆プロジェクト作成手順が書いてあるので、それに従うとうまくいきます。 いくつかのポイントがあって、 github の Microsoft/opencv の vs2015-samples というブランチを使う。 このブラ
画像処理をやるなら知らないと損！OpenCVがわかる資料まとめ
OpenCV（オープンシーヴィ）は多機能なコンピュータビジョンライブラリで、動画や画像の処理に幅広く利用できるさまざまな機能が実装されています。 動画・画像処理を用いたアプリやサービスを開発するために、OpenCVを学びたいと思っている方は少なくないのではないでしょうか。 そこで今回は、OpenCVが学べる資料（記事・サイト・スライド）を10個ご紹介します。 OpenCVを基礎から解説している資料を中心に紹介していますので、OpenCVの学習にぜひご活用ください。 OpenCVがわかる記事・サイト 10分で学ぶOpenCV超入門 / MetaArt http://iphone.moo.jp/app/?p=1101 「画像を読み込み表示する」「画像のサイズを変更する」「画像をグレースケール化する」「画像を2値化する」、以上の4つのOpenCVを使ったプログラムについて学べる記事です。 各コー
[Python]PythonでOpenCVを使う (Edge Detection編) - Qiita
dx = cv2.Sobel(imgY, cv2.CV_64F, 1, 0, ksize=3) dy = cv2.Sobel(imgY, cv2.CV_64F, 0, 1, ksize=3) grad = np.sqrt(dx ** 2 + dy ** 2) fig, axes = plt.subplots(ncols=4, figsize=(20,5)) axes[0].imshow(imgY, cmap=cm.Greys_r, vmin=0, vmax=255) axes[0].set_title('Y') axes[0].get_xaxis().set_visible(False) axes[0].get_yaxis().set_visible(False) axes[1].imshow(dx, cmap=cm.Greys_r, vmin=-128, vmax=128) axes[1
![[Python]PythonでOpenCVを使う (Edge Detection編) - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/02a742def37e5afcc5fd022148051759dc6926de/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JTVCUHl0aG9uJTVEUHl0aG9uJUUzJTgxJUE3T3BlbkNWJUUzJTgyJTkyJUU0JUJEJUJGJUUzJTgxJTg2JTIwJTI4RWRnZSUyMERldGVjdGlvbiVFNyVCNyVBOCUyOSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1jbGlwPWVsbGlwc2lzJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9OTc5Y2YyYWM0ODNhZmFmY2Y1ZmMyYjczMWUwMTNlMjg%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwc3VwZXJzYWlha3VqaW4mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTNhYWU4OGExODAwZGJlZjhjNzJjZDEzY2NiMDk5NjE2%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D583996af0a7a09dcc333fdd7aadd39bc)
[Python]PythonでOpenCVを使う (画像変形編) - Qiita
In [51]: rszNN = cv2.resize(I, (I.shape[1]*2, I.shape[0]*2), interpolation=cv2.INTER_NEAREST) ...: rszBL = cv2.resize(I, (I.shape[1]*2, I.shape[0]*2), interpolation=cv2.INTER_LINEAR) ...: rszBC = cv2.resize(I, (I.shape[1]*2, I.shape[0]*2), interpolation=cv2.INTER_CUBIC) import numpy as np import cv2 import matplotlib.pyplot as plt I = cv2.imread('./data/SIDBA/Lenna.bmp') rszNN = cv2.resize(I, (I.s
![[Python]PythonでOpenCVを使う (画像変形編) - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/11fe14df565ff53741c85d7fb2f250e06adafef1/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JTVCUHl0aG9uJTVEUHl0aG9uJUUzJTgxJUE3T3BlbkNWJUUzJTgyJTkyJUU0JUJEJUJGJUUzJTgxJTg2JTIwJTI4JUU3JTk0JUJCJUU1JTgzJThGJUU1JUE0JTg5JUU1JUJEJUEyJUU3JUI3JUE4JTI5JnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LWNsaXA9ZWxsaXBzaXMmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1lNmQwODBjZWNkZDdhYmIwY2NlM2Y5ZjAxYzI5YTUwMg%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwc3VwZXJzYWlha3VqaW4mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTNhYWU4OGExODAwZGJlZjhjNzJjZDEzY2NiMDk5NjE2%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D7ed076d50d9c455b4230d3dd76bd93d0)
必見「OpenCV-Python Tutorials」 - Qiita
「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! 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 Tutorials が http://docs.opencv.org/3.2.0/d9/df8/tutorial_root.html で公開されています。 (最近はGoogle翻訳の精度も上がっているので、この記事を読むよりは、Google翻訳にかけてみれば十分かもしれません。) OpenCV3.1のOpenCV-Python Tutorials が http://docs.opencv.org/3.1.0/d6/d00
OpenCV-Python を使って囲碁の勝敗判定させてみよう (1) - 脱初心者を目指す
この記事は CAMPHOR- Advent Calendar 2015 の16日目の記事です． こんにちは．@asadamanです． 最近，OpenCV-Pythonで遊んでいるので，それについて書いてみようと思います． OpenCV-Pythonのチュートリアルをやっているだけでも十分楽しいのですが，それを使ってこんなのができたらいいなっていうのがあるとワクワクしてきますよね！ ということで，「囲碁の勝敗判定をさせてみる」という目標を立ててみました． 囲碁は陣地取りのゲームで，勝敗はどちらの方が多く陣地を取れたかで決まります．陣地とは，自分の石（黒石か白石）で囲まれた碁盤の交点の数です． （分かりやすい説明は囲碁の基本：囲碁の勝負の付け方を参考にしていただればと思います．） さて，処理の流れとしてはざっくり分けて， 画像から碁盤の領域を切り出す （→ ダメ詰め，死石などの処理） → 交点
pythonのOpenCVでリアルタイムに笑い男 - Blanktar
2016-01-11 追記HTML5版もあります。併せてどうぞ。 先ほどの記事から何だか調子に乗ってしまってリアルタイムな笑い男を作ってみた。 組み合わせればリアルタイムにモザイクももちろん出来るはず。眠いからやらないけれど。 今回はpillowを使わずにOpenCVとnumpyだけでやってみました。 そのせいで合成まわりが面倒くさくなってしまった感じ。素直にpillow使えばよかったかもしれない。 笑い男の画像はぐぐって拾ってきてください。透過pngなら何でも動くはず。多分。 0: for rect in faces: rect *= 4 # 認識を4分の1のサイズの画像で行ったので、結果は4倍しないといけない。 # そのままだと笑い男が小さくって見栄えがしないので、少し大きくしてみる。 # 単純に大きくするとキャプチャした画像のサイズを越えてしまうので少し面倒な処理をしている。 rec
『OpenCV 3.0 on iOS』 #yidev 第19回勉強会 - その後のその後
第19回 yidev（横浜iPhone開発者勉強会）にて、『OpenCV 3.0 on iOS』という発表をさせていただきました。 OpenCV 3.0 on iOS from Shuichi Tsutsumi 概要 OpenCV 3.0 の話、というよりは、最新版の3.0をベースとしつつ、「Core Image や vImage や GPUImage という便利で高速な画像処理ライブラリが存在する昨今においても OpenCV も依然として魅力的ですよ 」というのが発表の主題です。 なぜ今OpenCVか？ スライド内では、理由として以下の3つを提示しています。 圧倒的に機能が豊富 この点については、正直なところ Core Image、vImage、GPUImage は目じゃないかと。「2500以上のアルゴリズム・機能」と言われてもピンと来ないと思うので、具体的に「Core Image 等に
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
pip installでcv2をインストールできない
オープンソースビジョンライブラリ「OpenCV 4.5.3」リリース、新たなPythonオペレーションAPIの導入など
長文日記
