ディープラーニングのフレームワークを使って、アニメ本編から線画を生成します。ただし、一切訓練や訓練データを与えていません。アニメ1話分全4.3万フレームの線画化を1時間程度で終わらせることができました。 あらまし このようにアニメ本編から自動的に線画が生成できます。ディープラーニングのフレームワークを使うとできます。ただし、一切訓練をしていません。 OP https://t.co/52t0dFZNZL pic.twitter.com/7aCEJ9SkTc — しこあん@『モザイク除去本』（技術書典6）好評通販中 (@koshian2) 2019年7月1日 本編1 https://t.co/52t0dFZNZL pic.twitter.com/oicU8UPopS — しこあん@『モザイク除去本』（技術書典6）好評通販中 (@koshian2) 2019年7月1日 本編2 https://t
![[訓練・データ不要]ディープラーニングフレームワークを使ったアニメの線画の自動生成 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/aeb906e23dd2f46b3226c64f0cb49bc9a163783c/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-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwa29zaGlhbjImdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTE0NzVlN2RlNzIyNDdlNDY0ZjFkZTRkMWJjYWVkY2E5%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3Daa1778a4b9087b22f7df3613d1d8b1f6)
本記事では、画像ファイルの物体の輪郭を抽出する雛形コードを載せました。検出手法を関数として4つ載せました。いずれも処理の大まかな流れは、2値化してしきい値で判別します。その2値化が画像に依っては難しいのです。 そのため、毛色の異なる次の2つのリンク先の画像とコードを参考にさせて頂きました。更に、自前で準備した画像２つを合わせた計4つに対して、処理の過程と共に結果例を順番に載せます。 ▼チューリップの花の輪郭を検出する （参考リンク）オブジェクト輪郭検出 | OpenCV / findContours を使用して画像中のオブジェクトの輪郭を検出する方法 画像の特徴1：花が沢山あって、それぞれの形状が複雑 画像の特徴2：花とそれ以外の葉っぱなどの背景との色度が明確にわかれている 処理1. 色調RGBをHSVへ変更 →茎と土の輪郭をぼかす 処理2. ガウシアンによるスムージング処理 →更に、茎や
カメラキャリブレーション — OpenCV-Python Tutorials 1 documentation
更に，カメラの内部パラメータや外部パラメータといった情報も必要になります． 内部パラメータ(Intrinsic parameters) とはカメラ固有のパラメータを指し，焦点距離 ()，光学中心, () などです．内部パラメータはカメラ行列とも呼ばれます．このパラメータはカメラ固有のものであるため，一度計算すればそれ以降保存した値を使い続けられます．内部パラメータは3x3の行列として以下のように表されます: 外部パラメータはある座標系における3次元点の座標を別の座標系での座標に変換するための回転と並進のパラメータを指します． ステレオアプリケーションを作るためには，まず初めにこれらの歪みを解消(補正)する必要があります．これらのパラメータを推定するためにはチェスボードのように，(歪みが無かったとしたら)画像中でどのように見えるか想像できるパターンを何枚か撮影します．そのような特殊パターン上
OpenCVでQRコードを複数同時検出する方法 [detectAndDecodeMulti] - OPTiM TECH BLOG
OPTiM TECH BLOG Advent Calendar 2020 12/15 の記事です。 R&Dの加藤です。最近のマイブームは市場で魚を買う事です。（切り落としやテールですが）マグロも数百円で買えます。 今回は、タイトルにもある通り、OpenCVでQRコードを複数同時検出する方法をコードや動画を交えて紹介します。 前置き 覚えている方も多いかもしれませんが、MLKitの紹介をした時に以下のように説明しました。 OpenCVのQRコード検出のみ現状でマルチ検出に対応していません。 しかし、マルチ検出のプルリクエストが出ているので、気長に待ちましょう。 実はOpenCV 4.3からQRコード*1の複数同時検出に対応ました*2！ という事で、OpenCV 4.3以降であれば簡単にQRコードの複数同時検出が可能になりました。 今までは複数のQRコードがある場合にどちらも検出できなかった（
![OpenCVでQRコードを複数同時検出する方法 [detectAndDecodeMulti] - OPTiM TECH BLOG](https://cdn-ak-scissors.b.st-hatena.com/image/square/7714eb35a557b90d74f788fa9edbc5ce06a88544/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fo%2Foptim-tech%2F20201208%2F20201208145043.png)
[OpenCV] Pytorchの手書き数字（MNIST）分類モデルをOpenCVから利用してみました | DevelopersIO
1 はじめに CX事業本部の平内（SIN）です。 Pytorch入門ということで、MNIST（手書き数字のデータセット）から作成したモデルを使用して、OpenCVでWebカメラの動画を推論にかけてみました。 使用したモデルのコードは、Githubで公開されている、Pytorchの公式サンプルコードです。 https://github.com/pytorch/examples/blob/master/mnist/main.py 最初に動作しているようすです。 推論の対象となっているのは、画面の中央だけで、別ウインドウに表示されている部分です。 2 モデル 公開されているサンプルコードは、以下のようになっています。 (1) データセット データセットは、torchvisionによって、MNISTが利用されています。 取得時に、transformsによる変換を行って、訓練用とテスト用のデータロー
![[OpenCV] Pytorchの手書き数字（MNIST）分類モデルをOpenCVから利用してみました | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/4339c888bf60e2c185a32451708e331b9d3ff47f/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2020%2F07%2Fopencv_logo.png){kind=logo}
はじめに 下図のようなイラストの塗り残しを塗る処理がペイントソフトでは一発で出来なさそうだったので、Python と OpenCV で実装してみます。例えばアクリルキーホルダーなどの白版を入稿する場合、塗り残しがあると品質に影響が出る危険性があるため、しっかりと処理していきます。 入力画像 これは意図的に作成した画像ですが、線画と塗りの境界に塗り残しがあり、背景の緑色が透けてしまっていることが分かります。 （※分かりやすいように背景を緑色にしています。） アルゴリズムの説明 画像のアルファ値が 10以下の領域を $\boldsymbol{A}$、画像のアルファ値が 10 より大きく254以下の領域を $\boldsymbol{B}$ とします。このとき領域 $\boldsymbol{A}$ は本来透過しているべき領域であるとみなすことができます。一方、領域 $\boldsymbol{B}$
【2020年版】NVIDIA Jetson Nano、Jetson Xavier NXの便利スクリプト (Jetsonの面倒な初期設定やミドルウェアのインストールを bashスクリプトの実行だけで簡単にできます)
・2020/06/27 【2020年】Jetson Xavier NX 開発者キットが安かったので衝動買いした件、標準販売価格５万円が４万４千円！ 【ザビエル元年】Jetson Xavier NX 開発者キットを最安値で購入で、しかも国内在庫で注文から翌日で到着、ザビエル開封レビュー ・2019/03/20 NVIDIA Jetson Nano 開発者キットを買ってみた。メモリ容量 4GB LPDDR4 RAM Jetson Nanoで TensorFlow PyTorch Caffe/Caffe2 Keras MXNet等を GPUパワーで超高速で動かす！ ● Jetson Nano、Jetson Xavier NXの便利スクリプト 対応環境 Jetson Nano Jetson Xavier NX 2021/02 JetPack 4.5.1 PR Production Release
特徴点マッチングて？ こんなやつ。 400x400px の画像と、それを 200x200px にリサイズし回転させたものを特徴点を検出しマッチングさせています。 コード 上の画像を出力しているコードです。 これだけ。 import cv2 from IPython.display import Image from IPython.display import display # 画像読み込み img1 = cv2.imread('/path/to/dir/megane400x400.png') img2 = cv2.imread('/path/to/dir/megane200x200_rotate.png') # 特徴点検出 akaze = cv2.AKAZE_create() kp1, des1 = akaze.detectAndCompute(img1, None) kp2, des
Raspberry Piのような超小型のコンピューターを使って特定の条件に一致する画像を抽出しようとする場合に、特定の条件をプログラムが判別できるようにまとめたものを「カスケード分類器」といいます。 今回はこのOpenCVのカスケード分類器を自分で作成し、任意の条件に合う画像を抽出するまでの流れをご紹介します。 カスケード分類器とは 画像認識ライブラリーであるOpenCVに含まれる物体検出機能を使用すると、画像の中に含まれる特定の物体を検出することが可能になります。 物体検出を行うためには検出したい物体がどんな特徴を持っているのか、該当する物体を含む画像と含まない画像（＝学習用画像）を用意し、検出したい物体の特徴を抽出します。この特徴を「特徴量」と呼びますが、学習用画像すべての「特徴量」をまとめたデータのことを「カスケード分類器」と呼びます。 OpenCVには最初からカスケード分類器が用意
画像っぽい素数をつくる - Qiita
700000000000000007 000000222222000000 000022222222220000 000222000002222000 000000000022220000 000000000222200000 000000002222000000 000000222200000000 000022220000000000 000222222222222000 000222222222222000 700000000000000003 という素数を紹介していました。 同様に、マリオが現れる素数というのも紹介されています。 https://akiyah.hatenablog.com/entry/2017/12/05/144440 一方で、2が現れる素数が奇跡だという人に物申す https://qiita.com/elzup/items/1d882f3af040506aec8b
はじめにこの記事は春の入門ブログ連載20236日目です。 新卒未経験でIT業界に飛び込んではや一年。だんだんと普段使うJavaに関しては余裕が出てきたところで他の言語にも手を出そうと思い、以前から気になっていた画像処理にチャレンジしました。 普段はコーディングしてもテストがうまくいく or いかないのどちらかでしか成果物を見ることができなかったので、視覚的に動いてる！を感じてみたく、新宿の紀伊國屋で分かりやすそうな書籍を買い、いろいろ試したので同じように画像処理にちょっと興味があるような人に読んでいてもらたらうれしいです。（入門編ということでセットアップなどに具体的に触れるよりも、いじっていみた面白さを伝える方に寄せています） 参考書籍：実践 OpenCV 4 for Python 画像映像情報処理と機械学習 実際にPythonで画像処理を体験した感想「めっちゃ簡単なのにめっちゃ楽しいじゃ
Pythonおよび機械学習勉強用のRaspberryPiの構築 (RaspberryPi4 & Buster版 (RaspberryPi3も可)) - Qiita
Pythonおよび機械学習勉強用のRaspberryPiの構築 (RaspberryPi4 & Buster版 (RaspberryPi3も可))PythonTensorFlowJupyterLabEdgeTPURaspberryPi4 【内容】 2020/02/19 一部内容を見直し、Raspberry Pi 3 model Bでも動作確認しました。 Node-REDの環境構築を追加しました。 ついにRaspberry Pi 4 model Bが日本で発売を開始しました。 早速使って見るべく、以前投稿した【Pythonおよび機械学習勉強用のRaspberryPiの構築】をラズパイ4版に書き直してみました。 ハードウェア以外にもRaspbianのバージョンを最新(Buster 20200213)にしてあります。 また、Raspberry Pi 3 model Bでも同じ手順で環境構築できる
Python + OpenCVで画像処理をマスター！使用法・実用例を解説｜DS Media by Tech Teacher
という疑問を抱えている方も多いのではないでしょうか そこで本記事では、PythonでOpenCVの「基礎知識やインストール方法」から「基本操作」、さらに「OpenCVの活用事例」を紹介します。 OpenCVの入門内容をまとめた記事となっているので、ぜひ最後までご覧ください。
OpenCVを使えば、次のように画像を切り抜くことが可能です。 一般的には、台形補正・射影変換（透視変換）とも言われます。 個人的には、台形補正という表現がわかりやすいと思います。 以下では、台形補正で呼び名を統一します。 この記事では、OpenCVによる台形補正のやり方を解説しています。 本記事の内容 OpenCVで台形補正を行うための環境【サンプルコード】OpenCVによる台形補正実例で比率調整を行う それでは、上記に沿って解説していきます。 OpenCVで台形補正を行うための環境 この記事では、PythonでOpenCVを利用しています。 そして、OpenCVのインストールに関しては、次の記事を参考にしてください。
OpenCVデータをC++とPython間で交換する方法 - FutureStandard MAKERS
１．はじめに ２．C++版OpenCVにおける画像データ ３．Python版OpenCVにおける画像データ ４．ZeroMQを利用したプロセス間通信 ５．C＋＋からPythonへの交換 ５．１: 送信側C＋＋プログラム ５．２: 受信側Pythonプログラム ６．PythonからC++への交換 ６．１: 送信側Pythonプログラム ６．２: 受信側C++プログラム まとめ １．はじめに 弊社では社長を含めてメンバーの中で一番年上の林です。新卒で業務系ソフトウエア開発会社にエンジニアとして入社したのち、海外での寄り道を経由して、ビジネス番組を衛星放送およびインターネットに配信している会社にて番組企画・プロデューサーとして働いた後、現在は縁あってFuture Standardにて主にRaspberry Piを利用したシステムの開発を行ってます。エンジニア歴としては、UNIXを利用したC言語系
じゅん@4/19XRミーティング北海道エリアのお世話 10/22💉5 @jun_mh4g 8か月ぶりのMediapipe活用ハンズオンかな('ω') あんまり分かってないのでまた勉強する('ω')// AI x OpenCV x WebXR: Selfie Segmentationを使ってみよう xr-fukuoka.connpass.com/event/223467/ #AR_Fukuoka 2021-08-29 19:01:11
はじめに WindowsアプリでOpenCVを利用した画像処理を行ってみましょう。 OpenCVはC++で利用できますが「難易度が高い！」という人でも、C#でOpenCVSharpを使うと簡単で便利です。 今回使用する環境は以下です。
動画から静止画を切り出してみました - Qiita
＜経緯＞ 機械学習の教師データを作成するためにアノテーションを行う必要ができました。 そのために静止画が大量に必要になり、動画から静止画を切り出すことにしました。 はじめは動画から静止画を抽出するツールを使用して手作業で行っていましたが、 その作業が面倒であったので、自動化することにしました。 ＜手順＞ opeCVのインストール 動画の読み込み 単位フレーム毎に静止画を切り出す 静止画サイズを再調整する opeCVのインストール 今回はwindows+anacondaで行いましたので、anacondaプロンプトで C:Users\user\conda install -c conda-forge opencv コマンドでインストールできました。 基本的には全自動でできますが、時間は２時間程度かかりました。 実際に動かすために少しだけPythonでの記述が必要です。 ＜コード＞ ラプラシアン
特によく使われそうな OpenCV, PIL(Pillow), scikit-image で処理するサンプル例を紹介します。(2019年06月19日投稿) 前提知識 カラー画像のグレースケール化は、各ピクセルの R,G,B を適切に混ぜて 1つの値にする処理です。 R,G,B をどの割合で混ぜるかは、主に BT.601 と BT.709 規格の係数が使われます。この２つは 微妙に結果が異なります。 JPEG/PNG 画像の多くは sRGB 規格に従い、その RGB 値はリニア輝度からおよそ 1.0/2.2(=0.4545..)相当のガンマ補正がかかるので、値をそのまま四則演算するとおかしな結果になりがちです。 グレースケール処理の詳細は、こちらをどうぞ。 グレースケール画像のうんちく https://qiita.com/yoya/items/96c36b069e74398796f3 Ope
概要 Raspberry Pi でSIM経由で通信する顔認証システムを作成し、認証結果を kintone で管理するシステムを構築します。 今回は、Raspberry Pi のカメラで顔を認識し、顔が含まれる画像をファイルに保管するまでを行います。 顔認証システム構築シリーズ Raspberry Pi で顔を認識しファイルに保存する https://qiita.com/yukataoka/items/7510217f4b6efdefff06 Amazon Rekognition で顔が同じか比較判定し、感情などの情報を取得する https://qiita.com/yukataoka/items/3fde5d6b22255ff1aed9 Raspberry Pi でCO2センサを使う https://qiita.com/yukataoka/items/a3b4065e8210b8f372ff
Python, OpenCVを使って画像にモザイク処理を行う。 画像全体にモザイク処理 画像の一部をモザイク処理 顔検出して顔部分にモザイク処理 徐々にモザイクがかかるGIFアニメ作成 についてサンプルコードとともに説明する。 画像全体にモザイク処理 モザイク処理といっても複雑なアルゴリズムは必要なく、画像を一旦縮小してから拡大して元のサイズに戻すだけでOK。 以下のように実現できる。 import cv2 src = cv2.imread('data/src/lena.jpg') def mosaic(src, ratio=0.1): small = cv2.resize(src, None, fx=ratio, fy=ratio, interpolation=cv2.INTER_NEAREST) return cv2.resize(small, src.shape[:2][::-1],
OpenCV directly in the browser (webassembly + webworker)by aralroca on Tuesday, May 5, 2020 • 10 min read We'll see how to use the OpenCV library directly on the browser! To do this, we will compile OpenCV to webassembly and then run it inside a webworker. What is OpenCV OpenCV is the most popular library of Computer Vision, and has existed since 1999! What it does is providing a user-friendly and
UnityでOpenCVを使いたい場合には「OpenCV for Unity」と「OpenCV plus Unity」の２種類のアセットがあります。OpenCV for Unityは有償（$104）でメンテナンスもこまめに行われている一方、APIが独特でpythonやC++のOpenCVに慣れている人には少し使いにくいイメージです。 一方、OpenCV plus Unityは オープンソースのOpenCVSharpをUnity用にカスタムした無償のアセットです。APIの形式も他言語のものと似ていて比較的使いやすいため、この記事ではOpenCV plus Unityを使ったサンプルを紹介します。 ここで紹介するOpenCVのサンプルは以下のとおりです。 下準備 画像の読み込み グレースケール化 画像を2値化する 画像から輪郭検出する 画像を射影変換する 座標の射影変換 ガウシアンブラーでぼか
サイトマップ
金子研究室ホームページサイトマップ． 金子研究室ホームページでは，約2000ページを公開している．ページは，データベース関連技術，データの扱い，インストール，設定，利用，プログラミング，サポートページ，連絡先，業績に分けて構成している．サイトマップでは，ホームページ内の全てのページについてのサイトマップを示している． 【サイト構成】 人工知能 ３次元，地図 プログラミング 情報工学全般 インストール データ処理 支援 連絡先，業績など 金子邦彦研究室 ▶ サイトマップ ▶ サイト内検索 ▶ アクセスログ（直近28日分）, Google Search Console ▶ まとめページ（目次ページ） ▶ 人工知能応用，データ応用，３次元のまとめ ▶ Windows のまとめ ▶ Ubuntu の使い方 ▶ Python のまとめ（Google Colaboratory を含む） ▶ C/C++
Code for Naraがらみで, 施設に出入りする人のカウント及びそのデータ分析などの実証実験を, とある場所(ヒ・ミ・ツ!!)の施設管理者に提案しようという話が持ち上がっている. 関連記事： ・ピーブルカウンタを考えてみる(1) ・ピープルカウンタを考えてみる(2) ・ピープルカウンタを考えてみる(3) ・ピープルカウンタを考えてみる(4) ・ピープルカウンタを考えてみる(5) ・ピープルカウンタを考えてみる(6) ・ピープルカウンタを考えてみる(7) ・ピープルカウンタを考えてみる(8) 1. はじめに 施設出入口で通行人をカウントする方法として, ・ カメラ映像の解析 ・ 赤外線センサ ・ マットセンサ などいろいろとあるが, 今回カウント方法の1つとしてDepthカメラの距離画像によるカウントを検討している. カメラで撮影した映像データを解析して人のカウントを行う場合, 個人情
PythonのOpenCVでは画像をNumPy配列ndarrayとして扱う。NumPyの機能を使うと、2つの画像が完全一致しているか判定したり、差分画像を生成して保存したりできる。 ここでは以下の内容について説明する。 画像が完全に一致しているか判定 差分画像を算出し保存 差分の絶対値 差分0を128とする 差分を二値化 差分が生じている座標を取得 以下のサンプルコードではOpenCVで画像ファイルを読み書きしているが、画像の比較処理自体にはOpenCVの機能は使わない。 画像をNumPy配列ndarrayとして読み込めればOpenCVは必要なく、例えば、Pillowを使うことも可能。以下の記事を参照。ndarrayの処理例なども紹介している。 関連記事: Python, NumPyで画像処理（読み込み、演算、保存） なお、ここでは画素（ピクセル）ごとの単純な差分を考える。圧縮画像などの画
OpenCVのAdvent Calenderです！ 気楽な投稿をかなりゆる～く、お待ちしております。 OpenCVに関わるならば、自由です。DeepでもLightでもなんでも。 URL https://opencv.org/ https://github.com/opencv/opencv 過去のOpenCV Advent Calendar OpenCV Advent Calendar 2020 OpenCV Advent Calendar 2018 OpenCV Advent Calendar 2017 OpenCV Advent Calendar 2016 OpenCV Advent Calendar 2015 edit_calendarHow to join the calendarYou can join the calendar by selecting an available
これはなに やっとApple SiliconなMacBookが届いたんですが、環境構築の為にいろんな記事を繋ぎ合わせて解釈する必要があったので、備忘録としてまとめます。
仕事でRaspberryPiにOpenCVを使う機会があったのですが、OpenCV公式ページの情報だけではインストールできず、信頼できる情報を見つけるのに苦労したため情報共有したいと思います。 記事の流れ 1.インストールの方法は大きく分けて2通り -非公式のビルド済パッケージ（opencv-python）をインストール -RaspberryPi上で公式のOpenCVをビルドする 2.OpenCVの動作確認 -importできるかどうかを確認 -カメラ読み込みサンプルプログラムによる動作確認 3.OpenCVのライセンスについて -OpenCVは、BCDライセンス -contribモジュールには商用利用できないものが含まれる 環境 ・RaspberryPi4（OS:Raspbian Buster with desktop）に環境構築します。 ・PythonでOpenCVを使うことを前提とし
OpenCV入門編（画像処理とPython）
画像や動画の処理に特化したコンピュータービジョンのライブラリにOpenCVというものがあります。ここではPythonとOpenCVを使って基本的な画像処理を学んでいきましょう。 Pythonのデータ分析でライブラリのNumPy、Pandas、Matplotlibなどを使いますが、機械学習の中で画像認証と言ったものも扱われており、画像や動画の処理も必要になってきます。 ここでは、OpenCVの公式サイトで扱っている内容を参考に進めて行きたいと思います。
今回は Jetson nanoにインストールしたOpenFrameworksから、OpecCVとDarknet(YOLO)を動かす方法を書きます。 Jetson nanoでAI系のソフトをインストールして動かしてみたけれど、これを利用して自分の目標とする「何か」を作るとき、その先膨大な解説と格闘しなければならず、大概行き詰まってしまいます。また、nanoはPI3に比べれば早いといってもIntel の汎用CPUに比べると1/4位のスピード。AIエンジンを利用して応用ソフトを組む場合、インタープリタ型言語であるPython等を使うと、応用部分であきらかに遅くなってしまう傾向がある点は否めません。CythonやSWIGを使えば早くなりますが、結局C言語に戻ってしまうことになります。やはり最初からCやC++等を使って、なるべくCPU処理部分のスピードを上げるのがnanoでは得策と思われます。AIの
この記事で行うこと こちらの写真に写っている自動車までの距離を推定します！スマホの広角レンズで撮っていますのでカメラキャリブレーション(OpenCV)をして写真の歪みをとった上で距離推定をします。写真上の車の大きさを調べるために物体検出(yolov5)も行います。この写真は自動車から5m離れたところから僕が撮影しました。距離推定後に5mと推定できたか推定精度の確認をしたいと思います。 対象物とカメラの情報を事前準備 下記の情報を事前に準備しておきましょう！ イメージセンサーって何？？ってなる人も多いかもしれません。イメージセンサーとは、アナログカメラで言うとフィルム部分のことです。今回のカメラで言うと、縦3mm×横4mmのイメージセンサーを使っていて、その中に800万画素分の微小な半導体センサーが付いた四角い板になります。 イメージセンサーはこんな感じのモノです。 距離推定の原理_ピンホー
【Raspberry Pi】ストリーミング配信した映像をOpenCVで受け取る - おもちゃラボ
この記事ではRaspberry Piに接続したカメラの映像をストリーミング配信して、その映像をMacやPCで受け取る方法を紹介します。 Raspberry Piからのストリーミング映像はブラウザでも受け取れますが、ここではOpenCVで受け取る方法も合わせて紹介します。 Raspberry Piでストリーミング配信する Raspberry Piに接続したカメラからストリーミング配信するにはmjpg-streamerを使用します。mjpg-streamerのインストール方法は次の記事のとおりです。 qiita.com インストールのコマンドだけこちらにまとめておきます。 $ sudo apt-get install -y cmake libv4l-dev libjpeg-dev imagemagick $ git clone https://github.com/jacksonliam/mj
OpenCV.jsでのWebカメラの取り扱いはOpenCVのサイトにも記載されているが、メモとしてこちらにも記載。OpenCV.jsの場合はWebカメラを直接扱ってくれるわけではなく、自分でgetUserMediaを扱う必要がある。 getUserMediaを使ったWebカメラ画像の表示については、GoogleのサイトWeb Fundamentalsがわかりやすい。 カメラのアクセスにはlocalhostもしくは、https接続が必要となる。 2021/09/10: iOS対応のためにはvideoタグに playsinline muted が必要だったため追記。 サンプルコード１（単純にWebカメラ画像を表示） GoogleのサイトWeb Fundamentalsのコードそのまま。 <video id="player" controls playsinline muted autoplay
今ではディープラーニングに関する技術が向上し、画像や動画の処理は容易にできるようになりましたよね。こちらについてはPythonのライブラリによって開発されていることが多いですが、中でもOpenCV4は機能面が充実しており広く利用されています。 OpenCV4は、無料で使用ができるだけでなく学術利用や商用利用も可能です。そのため、画像処理やディープラーニングを行う際によく利用されています。 OpenCV4を自在に扱えるようになれば、手軽に画像認識ができるので、AI（人工知能）を利用した監視カメラやロボットなどの開発に生かせるでしょう。画像認識について興味がある人や将来そういったようなソフトウェア開発に携わりたい人は、無料で高品質な開発環境を獲得できるのでOpenCV4を利用するのがおすすめです。 この記事では新しく発行された書籍から、OpenCV4を学ぶ際に定番となっている一冊まで詳しく網羅
この記事はOpenCV Advent Calendar 2020の23日目の記事です。 他の記事は目次にまとめられています。 はじめに https://www.kickstarter.com/projects/opencv/opencv-ai-kitでOpenCV AI KitのPre-orderが始まりました（現在はkickstarterだけでなく、https://store.opencv.ai/からもPre-orderできるようになっているようです）。この記事を読んでいる方でPre-order済で到着を心待ちにしている方も多いのではないでしょうか？完全に余談ですが筆者はOpenCV Tシャツも勢いで注文してしまいました。 これから一家に一台（？）となるかもしれないOpenCV AI Kitに関して、web上にある公開情報を調べてみたのでこの記事で情報共有しようと思います。 OpenCV
カフェチームの山本です。 前回の記事では、クラウド上で動画を処理するために、エッジデバイスから動画ファイルを送信する方法として、Pythonのプログラムを実装しました。（ここでは、予め動画ファイルが作成されていることが前提となっていました） 【Kinesis Video Streams】Pythonで動画ファイルを送信する 今回は、カメラで撮影した映像をすぐに送信するケースを考えます。送信する動画ファイルを作成するまでの時間（遅延）を短縮するために、撮影した画像をリアルタイムにエンコードする方法を調べました。この記事では、FFmpegを使用する方法を記載します。 実装したコード 早速結論ですが、以下のようなコードを実装することで、リアルタイムにエンコードできました。 video_writer.py from enum import Enum def video_filepath(devic
はじめに PythonでOpneCVを使い始めて間もないのですが いろいろ試してつまずいたところなどを つらつら書いていこうと思います. 掻い摘んで話すと LUTってすごいんだな! って思ったので LUT使ってみました! っていう内容です. (結果的に)自作の色調変換関数との性能比較も行いました. ※様々なトーンカーブを扱った記事はこちら>> 動作環境 cmdを快適にしたい方はこちらへ>> 導入 私は大学の授業(ペーパーワーク)でComputer Vision(CV)について学びました. そこではじめて「トーンカーブ」というものに出会いました. トーンカーブとは1 ディジタル画像の各画素は, その濃淡を表す値(画素値)を持っている. 画像の濃淡を変化させるためには, 入力画像の画素値に対し, 出力画像の画素値をどのように対応づけるかを指定すればよい. そのような対応関係を与える関数のことを
import cv2 # 画像の読込 image = cv2.imread('img/Lena.jpg') # 画像の保存 cv2.imwrite('img/Wrote_Lena.jpg', image) # 画像の読込 image = cv2.imread('img/Lena.jpg') # 画像のWidth, Height, チャンネル数を取得 height, width, ch = image.shape print(f"width={width}, height={height}, ch={ch}") ## --------> width=512, height=512, ch=3 # リサイズ # (Width, Height)で渡す。ndarrayで指定する順序と逆!! size = (200,100) resized_image = cv2.resize(image, siz
概要 マスクを使用した画像の合成方法について紹介する。 概要 手順 背景画像及び前景画像を読み込む。 マスク画像を作成する。 背景画像と前景画像を合成する。 import cv2 import matplotlib.pyplot as plt import numpy as np def imshow(img): if img.ndim == 2: plt.imshow(img, cmap="gray") else: plt.imshow(img[..., ::-1]) plt.axis("off") plt.show() 手順 背景画像及び前景画像を読み込む。 # 背景画像及び前景画像を読み込む。 background = cv2.imread("background.jpg") foreground = cv2.imread("forground.png") マスク画像を作成する。 前
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
[訓練・データ不要]ディープラーニングフレームワークを使ったアニメの線画の自動生成 - Qiita
Python 輪郭の検出とその座標の抽出「OpenCV」 - PythonとVBAで世の中を便利にする
Python でイラストの塗り残しを塗る - Qiita
OpenCVをつかった特徴点マッチングについて少しだけ掘り下げる - Qiita
OpenCVのカスケード分類器を自作して画像認識 | パソコン工房 NEXMAG
初めての画像処理〜OpenCVって何ができるの？〜 | フューチャー技術ブログ
OpenCVによる台形補正・射影変換を解説【Python】
AI x OpenCV x WebAR: Selfie Segmentationを使ってみよう
【C#】OpenCVSharpで画像処理！【Visual Studio 2022】
Python でグレースケール(grayscale)化 - Qiita
Raspberry Pi のカメラで顔を認識しファイルに保存する - Qiita
Python, OpenCVで画像にモザイク処理（全面、一部、顔など） | note.nkmk.me
OpenCV directly in the browser (webassembly + webworker)
OpenCV plus Unityサンプル集 20選 - おもちゃラボ
ピープルカウンタを考えてみる(1) - みらいテックラボ
Python, OpenCV, NumPyで画像を比較（完全一致か判定、差分取得など） | note.nkmk.me
OpenCVのカレンダー | Advent Calendar 2021 - Qiita
M1 Mac (Big Sur 11.2) でNode.js, Python3 開発環境を用意する
RaspberryPiへのOpenCVインストール手順 - Qiita
Jetson Nano で AI応用ソフトを作る - Take’s diary
画像や写真に写る物体までの距離推定と精度検証 Python | みやしんのプログラミングスキル通信
OpenCV.jsとWebカメラ画像表示 - Qiita
オープンソースライブラリOpenCV4を利用する時に読みたいおすすめ書籍6選
OpenCV AI Kitの到着に備えよう - Qiita
撮影した動画をリアルタイムにエンコードする方法【FFmpeg】 | DevelopersIO
画像処理のトーンカーブについての話しをしよう ~LUTはすごいぞ~ - Qiita
PythonでOpenCVのよく使いそうな処理をまとめてみた - Qiita
OpenCV - マスクを使用した画像の合成方法について - Pynote