今まで自分が見つけたコンピュータビジョンの研究に役に立ちそうなフリーのライブラリやソースコードをまとめてみました。自分ではまだ使っていないものも多いので、そこはご容赦を。主にC/C++が中心です。 またライブラリ形式でない、いわゆる学会で発表した研究のコードをそのまま公開しているという人がたくさんいて、それに関しては特にメジャーなもののみ紹介しています。なにぶん僕の観測範囲は限られてますので、「このライブラリに触れないのはおかしい」、「説明が間違っている」等、ご意見大歓迎です。 定番(Standard) OpenCV 定番中の定番です。コンピュータビジョンに関して広範なアルゴリズムが実装されています。 http://code.opencv.org/projects/OpenCV/wiki/WikiStart Point Cloud Library ３次元点群データを扱うならこれ。Kinec
画像の色調補正する時、何を使いますか？ 私の場合、基本的な画像補正はトーンカーブ1つでほとんど済ませてしまいます。 トーンカーブは使い方が分かれば、簡易的に明度、色調、コントラストなどを補正できる強力なツールになります。 Photoshopベースで紹介しますが、FireworksやGIMPでもトーンカーブを扱えますので、参考になれば幸いです。 トーンカーブのデモで使用する画像は、フリーで配布されているPAKUTASOさんから写真をお借りして、説明します。 トーンカーブ基本 縦軸と横軸は、0から255まで階調を表しています。 画像モードがRGBの場合、縦軸は上から下に向かって暗くなり、横軸は左から右に明るくなります。 横軸が入力、縦軸が出力を表します。もっと噛み砕くと、横軸が元画像の階調、縦軸が補正後の階調です。 斜めに走っている線にはいくつも点が打て、曲線や直角にしたりできます。 階調の出
はじめに 細線化はThinningやSkeletonizationと呼ばれ、二値画像（白と黒の色だけで表現された2階調の画像）を幅1ピクセルの線画像に変換する処理です。線が途中で切れたり、孔が開いたりしてはいけません。得られた線は、元の図形の幅の中心にくることが望まれます。 エッジ検出によって得られた画像は、元の画像の変化が比較的緩やかで広範囲な場合には、幅が広くなってしまいます。エッジ検出の閾値を高くすると幅は狭くなりますが、緩やかな変化を見逃してしまいます。したがって、閾値を低く選んで、幅広くエッジ部分を出させ、その後に細線化処理を行って、文字認識やパターン認識に使うことが多いのです。 アプレットを見る 対象読者 画像処理に関心があり、パターン認識の前処理を学習したい人。 必要な環境 J2SE 5.0を使っていますが、それより若干古いバージョンでも大丈夫です。CPUパワーは、大きい方が
膨張・収縮処理では一般的に二値化された白黒の画像に対して処理が行われ、 注目画素の周辺に１画素でも白い画素があれば白に置き換える処理を膨張（Dilation）、 逆に周辺に１画素でも黒い画素があれば黒に置き換える処理を収縮（Erosion）といいます。 【元画像】 【膨張処理】 【収縮処理】 二値化された画像ではなく、グレー画像に対して処理を行う場合は、膨張の場合、 注目画素の近傍の最大輝度値を注目画素の輝度値に置き換えます。 収縮の場合は最小輝度値に置き換えることでグレー画像に対して処理を行います。 この処理を二値化画像と区別するために、それぞれ最大値フィルタ、最小値フィルタと 呼ぶ場合もあります。 【処理例】
OpenNI2(Beta)/NITE2がリリースされました！（2012/12/19） 以下の記事を御覧ください。 まとめ？ブログ Kinect 5 - OpenNI2導入- http://kgxpx834.blog58.fc2.com/blog-entry-35.html 最新のavin2/SensorKinect-unstable v0.93でKinect for Windowsが試験的にサポートされました． OpenNI.orgが2014/04/23に閉じるためOpenNI/NiTEがダウンロードできなくなります。 OpenNI.orgのClosed以降は私のブログでOpenNIのインストーラーを再頒布します。 ただし、NiTEはライセンス上再頒布できませんので、今のうちにダウンロードしておきましょう。 http://unanancyowen.com/?p=542 先日OpenKine
総合研究大学院大学 複合科学研究科 情報学専攻 卒 博士（情報学） 自然言語処理や機械学習、データ分析に関する研究内容とwebシステムの開発と運用について書いています。 シリコンバレーベンチャーみたいに深い技術の事業化をしたいと思っています。 ご興味ある方はご連絡ください。 画像処理、パターンマッチング、機械学習など様々なアプローチで 古くからこのような研究は行われてきました。 技術の応用分野として 様々なアプリケーションが想定されてはいましたが、本当に日の目を見るのか？ 本当に役に立つのか？（こんな処理/こんな研究をわざわざ行う必要が本当にあるのか？） とは、考えられてはいました。 もちろん当時は携帯電話やデジタルカメラなどのデバイスは全く想定していません。 今では、その研究は役に立っていると（※幸運にも研究成果を役立てる市場が形成されたと） 言えると思います。 Face Recogn
ここでは、FlyCaptureを用いた動画像処理のサンプルプログラムや、Point Grey Researchカメラの基本的な事項について説明します。 さらに、高ダイナミックレンジ画像処理(HDR)やカメラキャリブレーション、画像認識などの発展的な内容についても紹介していきます。 PGRカメラとFlyCapture SDKを使えば、カメラから得られる画像にピクセル単位で簡単にアクセスできます。 たとえば、Microsoftの動画を扱うプラットフォームであるDirectShowを使うより、はるかに簡単（少ないコード）に非圧縮の動画像を取り扱うことができます。 また、PGRカメラは単に画像を取得するだけではなく、シャッターやゲイン、ガンマ、フレームレートなどのカメラ制御、複数台カメラの同期画像取得、外部信号によるシャッター制御など、あらゆる状況での画像取得に必要な様々な機能を有しておりま
【目次】 ０．Ｃ言語基礎 ０－１．本当の基礎 ０－２．配列とポインタ ０－３．文字列操作・ファイル操作 １．画像基礎 １－１．画像フォーマット １－２．テキストとバイナリ １－３．配列とポインタ ２．画像処理基礎 ２－１．エッジ処理 ２－２．背景差分処理 ３．グラフ描画基礎 ３－１．ｇｕｎｐｌｏｔ ３－２．折れ線グラフ ３－３．ヒストグラム表示 ４．アルゴリズム基礎 ４－１．ｋ－平均アルゴリズム ４－２．ＥＭアルゴリズム ５．画像表示基礎 ５－１．ＯｐｅｎＧＬ ５－２．ＯｐｅｎＧＬによる二次元表示 ５－３．ＯｐｅｎＧＬによる三次元表示 はじめに これから画像処理・認識の研究を始めようという人を対象とした入門書を作っています．対象は研究室に配属されたばかりの情報系大学の４年生を想定していますが，誰が読んでも分かるように心がけているつもりです．読み進めながら課題を解いていくうちに画像の基礎知識
人は様々な情報を得る際に、どのような手段により、それを得ようとするのでしょうか？ 例えば、手で触ってみたり、鼻でにおいを嗅いでみたり、舌で味わってみたりするのも1つの手段でしょう。 しかし、私たちは、自分自身の『目』からにより、その多くをゆだねています。私たちは、目で様々なものを見てそれを情報としているのです。文字や、図形や、写真や、ビデオなど、ありとあらゆるものを目で見ることによって情報を得ています。 『画像処理』とは、そのような目で見る情報を、目的に応じて、見やすいものに変えたり、特定の情報だけを取りだして得たりしようとするときに用いられる処理のことをいいます。『画像処理』の技術は、現在の情報化社会において、大きな役割を担い、様々な分野分野で使用され、更に高度な技術として発展していくと考えられています。 身近な例を挙げると、みなさんの持っている携帯電話の液晶画面に表われる画像や、ディジ
ImageMagickの基本的な使い方 ここでは、衛星画像を題材にして、ImageMagickの基本的な使い方を説明しています。 Windowsで演習する場合には、前提として、Cygwin、ImageMagickの インストールが済み、PATHも設定してあるものとします。 ちなみに、LinuxではImageMagickの各コマンドがインストールさ れていることが多いので、Linux環境の人はすぐに下記の演習内容を試すことが できるはずです。 ImageMagickの中でも、 convert composite を使用します。特に、convertはよく使用しますので、使い こなせるようになってください。 この演習で処理した画像例は、 このページの末尾に掲載されていますので、 参照してください。 画像の保存 まずは、以下の演習で使用する画像（JPEG画像：バンド1〜7）を保存しよう。 [バンド
■ はじめに 筆者の出身は画像処理・画像理解の分野であり，博士論文では人工知能的手法を用いた画像認識・理解を扱った．現在でもその興味は変わらないが，最近は，映像メディアの解析，映像メディアの取得，構築，利用に関する研究に力を入れるようになってきた．本稿では，このようなスタンスで，画像解析からマルチメディアまで，有用だと思われるリンクを並べてみた． ■ 画像計測・処理・認識・理解のコミュニティ □ 国内学会・会議 活発に情報発信が行われており，一つ一つを本稿で紹介する必要はないのだが，多くの研究会や分科会があり，網羅的に調べようとすると手間がかかる．そのため，筆者が関係しているもの，また，良く目にするものをリストアップしてみた．しかし，全てを網羅しているわけではないことに注意されたい． 電子情報通信学会: http://www.ieice.org/ PRMU(パターン認識と理解)研究会(ht
研究室では、これまでGeneric Object Recognition用のデータセット(多量のアノテーション済の画像ファイル)としてCorel Image Dataを使用していたわけなんですが、商用画像というのと、Corel社が販売を止めてしまったということもあってか、他のデータセットも試してみようと検討中。候補になっているのは、以下。 Caltech101(Caltech256)。その名の通り、California Institute of TechnologyでFei-Fei Li等によって集められたカテゴリ分けされた画像セット。カテゴリを決め、Google Image Search+人力で探した画像。このデータの問題点は、フォアグランド・オブジェクトにだけ、しかも1つのオブジェクトにしかキーワードが付いてない。ライセンスも不明。 The PASCAL Object Recognit
運営元のロゴ Copyright © 2007-2024 All Rights Reserved by Gijutsu-Hyoron Co., Ltd. ページ内容の全部あるいは一部を無断で利用することを禁止します。個別にライセンスが設定されている記事等はそのライセンスに従います。
基本的な画像処理手法について 画像のディジタル化(カラー・モノクロ) このページで使用するサンプル画像について 輝度値ヒストグラム カラー画像の画像処理 色の変換(RGB->YUVへの変換) 色の変換(鮮やかさを上げる・下げる) 明るさの調整（γ補正） グレイスケール(モノクロ)画像の画像処理(階調に関する) 明るさの調整（γ補正） 階調値の部分拡大強調 階調イコライゼーション(ヒストグラム均一化) 2値化 グレイスケール(モノクロ)画像の画像処理(フィルタ処理) シャープ化とぼかし ノイズ除去(メディアンフィルタ) 1次微分(差分)によるエッジ検出 2次微分(差分)によるエッジ検出 実際に体験してみる(学内限定) グレイスケール画像の画像処理 カラー画像の画像処理 画像圧縮 一般データの圧縮 画像の圧縮（その１：ランレングス,GIF） 画像の圧縮（その２：JPEG） 参考文献 谷口慶治編
このあいだ，dandelionさんがスゲーいいこと言ってたから問答無用で引用します． /****** [ここから余談]****** OpenCVの普及により画像処理という分野が身近になったのはいいのですが，最初からOpenCVに依存しすぎると，理屈がわかっていなくても高度なアルゴリズムが簡単に組めてしまうため，いざ応用となるとアタフタということになりがちなので，C言語習いたての人なんかはRAWファイルを使って一からアルゴリズムをコーディングしてみるのも後々ためにいい勉強になりそう．C言語に慣れてきたら，ppmなどファイル情報がヘッダ部に書き込まれているようなフォーマットにチャレンジするとかね． ******[ここまで余談] ******/ 要約すると 「Haar-likeによる顔検出くらいOpenCVに頼らず自分で組みやがれ」 ってことですかね？ （※冗談ですから） 僕の場合，最初はビット
JPEG画像のフォーマットについて解説します。 尚現在のところ、しらぎくさいと実験室ではベースライン方式JPEG画像とプログレッシヴ方式JPEG画像のみを対象とし、拡張ベースライン方式JPEG画像及びロス無し方式JPEG画像は対象外としております。 JPEG画像でのセグメントについて。 JPEG画像のファイルはセグメントと呼ばれるブロックの集まりです。 セグメントとは、意味を持ったブロックの事で、以下の二つの形式があります。 内容を持たない、特定のセグメント。 マーカ 以下の２オクテットからなる、セグメント開始の目印です。 セグメントを表す、十六進数で[FF]のバイナリ。 セグメントの意味を与える、１オクテットのバイナリ。 つまり、特定のセグメントにはマーカ以外には内容がありません。 内容を持つ、一般のセグメント。 以下の構成になります。 マーカ 以下の２オクテットからなる、セグメント開始
講義のページ ■情報セキュリティ人事育成教材（低学年用） e-Learning教材 （校内のみ） ■１J情報モラル Web模擬（教科書「事例でわかる情報モラル」（実教出版Webサイト）） ITパスポート試験過去問題（実教出版Webサイト） ■１J電子工学基礎 ・シラバス 2018年度 ・講義資料 ■ 実験のページ ２J前期 多倍長演算 ２J後期 高精度演算、基本ソーティングアルゴリズム ２J後期 WWWページ作成実習(1) ■３Ｊ数値解析（通年） ・シラバス 2018年度 ・講義資料 ■４Ｊ情報理論基礎（前期） 隔年担当科目 ・シラバス 2017年度 ・講義資料（2017年度版） ■５Ｊディジタル画像処理（後期） ・シラバス 2018年度 ・講義資料 ■専攻科シミュレーション工学（前期） ・シラバス 2018年度 ・講義資料 戻る
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
