はじめに質問 Wasm は何で書く？Go? Rust? AssembyScript? やっぱりWasm は C++!!!～Wasm/EmscriptenでOpenCVを使う～ ※現状での個人の見解です。 ということで、Emscripten で OpenCV を扱うことについて記事です。 この記事の元ネタはWebAssembly Night #10の発表内容です。 そしてOpenCV Advent Calendar 2020 の 9 日目でもあります。 画像処理 on your Browserの時代 Wasm といえば最近はすっかり Go や Rust で書くことが盛り上がっていますが、まだまだ C++/Emscripten も活躍しどころがあります。ブラウザでのクライアント画像処理が代表的なものでしょう。 WebRTCインフラの充実 時雨堂 WebRTC SFU Sora/NTT Com.

2020年もOpenCVのライセンスがApache 2になったり、OpenCV AI Kitのファンディングが開始されたりと変化の多い年になりました。ということで今年も小ネタからディープなネタまで記事を募集します！また、記事本体はQiita以外に投稿してもらっても問題ありません。 過去のOpenCV Advent Calendar OpenCV Advent Calendar 2018 OpenCV Advent Calendar 2017 OpenCV Advent Calendar 2016 OpenCV Advent Calendar 2015

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

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

追記(2022.04.11) qiita OpenCVの新しい顔検出を試してみる qiita OpenCVに加わった深層学習ベースの顔検出・顔照合のデモ用のサンプル で、OpenCV 4.5.4　以降で利用可能な深層学習ベースの顔検出と顔照合が紹介されています。 OpenCV だけで顔検出から顔照合まで完結している。 そういう状況になってきている。 深層学習を利用した従来よりも強力な顔検出・狭義の顔照合（＝正規化済みの顔を用いて、顔の類似性を判定する技術）があることには気づいていたが、顔のlandmark（目・鼻・口など）を求めて、顔を正規化する技術もOpenCVに含まれていたことに最近気づいた。 https://github.com/opencv/opencv/tree/master/samples/dnn tensorFlow ベースのコードで顔検出のDNNが使えるようになっている。

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

Gopher's design for Ryuta Tezuka（@Tzone99） こんにちは、ZOZOテクノロジーズ開発部の池田（@ikeponsu）です。 本記事では、 Go言語における画像処理の可能性を、ベンチマークを通して探ってみたいと思います。 はじめに 業務内でGo言語での画像処理を行う機会があり、Goの標準パッケージやGoCVについて調べていました。 ただ、画像処理に関する記述はまだまだ少なく、実装している人自体も少ないのかなという印象でした。 今回行った「Go言語での画像処理の速度はどの程度か」のベンチマークが、これからGo言語で画像処理の実装を行おうとしている方の参考になればと思います。 ベンチマークの内容 比較対象 C++のOpenCV内のバイリニア補間 GoCV内のバイリニア補間 Go言語とimageパッケージを使って実装したバイリニア補間 処理内容 画像入出力 バ

はじめに ２枚の画像から中間画像をさくっと生成したかったので opencv を使って書いてみました。 メモ程度の内容ですが誰かの参考になればと思います。 ソースコード #coding:utf-8 import numpy import cv2 split = 10 imgStart = cv2.imread("start.jpg") imgEnd = cv2.imread("end.jpg") # 0.0～1.0 imgStart = (imgStart / 255) imgEnd = (imgEnd / 255) calc = split - 1 for i in range(split): imgTmp = (imgStart / calc * (calc - i)) + (imgEnd / calc * i) imgRes = cv2.resize(imgTmp,(640, 480)

投稿日2019/05/15 やること Open CVのStitcherクラスを使ってパノラマ写真を作ります。 実行例 👇オリジナル画像 👇分割した画像 👇プログラムで生成した画像 生成した画像の解像度はオリジナル画像より少し小さくなってしまっています。 👇ステッチが上手くいくとこんな感じにもなります。 実行環境 Python 3.7.2 Open CV 4.1.0 プログラム import cv2 print(cv2.__version__)#openCV 4.1.0で動作確認 if __name__ == "__main__": images = ['hakodate/hakodate-1.jpg', 'hakodate/hakodate-2.jpg'] one = cv2.imread(images[0]) two = cv2.imread(images[1]) stitche

1月6日追記：作者のPablo氏とメールのやり取りをする中で、当初掲載していたスピードのベンチマークはコンパイラの最適化オプションが指定されていなかったことに気づきましたので、最適化オプションを指定して再度計測し、結果を差し替えました。 2012年のComputer Vision Advent Calendarで、さかな前線 » ECCV2012で発表されたKAZE局所特徴量を試してみた という記事を見て以来、ずっと気になっていた、KAZE特徴量を自分でも使ってみようと色々試していたところ、KAZE特徴量を高速化したAKAZE特徴量が公開されていることに気づきました。 AKAZE Features Accelerated KAZEとかいうKAZEの高速化版がいつの間にか作られていた。動画を見る限り、リアルタイムの用途にも使えそう。試してみるか。 http://t.co/Q3mEMuaeV4

#はじめに これは，OpenCV Advent Calendar 2015の記事です．関連記事は，リンク先に目次としてまとめられています． OpenCVの標準的なデータ入出力の形式は，1.0の時代ではIplImage構造体が，2.0の時つ代ではcv::Matクラスが使われてきました．そして，2.0から3.0への変換期の今では，それらがcv::InputArrayとcv::OutputArrayに代わりつつあります．ここでは，新しい入出力クラスであるInputArrayとOutputArrayを説明します． このInputArrayとOutputArrayは，新しい型というよりも，呼び出す関数の引数にユーザが型を意識しなくても代入できるようにするためのジェネリクスプログラミングの一種です．（Proxy パターン https://ja.wikipedia.org/wiki/Proxy_%E3%

おはようございます。実家の父が先日、この４月から小学校の長男向けに、次男のぶんと合わせて机を作って くれていたものが、完成し、我が家で使い始めました。兄弟で机に向かうことが今の所は多いです。 これがずっと続くと良いなぁと思っている@kjunichiです。 背景 実は、前々から自分のMacBook Proで初回起動すると、落ちるような気がしていて、 ただ、一度落ちるとその次から正常に動いているので、あまり気にしていなかった事象だったのですが。 クリーンインストールしてしてSSDの容量稼いだものの、その後、あまり触っていないこのMacBook Pro rbenvすら正しく設定しておらず、mrubyの最新版をgit cloneしてくれる便利Gemのmrbすら入れようとして、 ルート権限ないぞ！と怒られました。 rbenvの設定は、なぜか以前は.bash_profileが存在して、ここに書いていた

# -*- coding: utf-8 -*- import cv2 import numpy as np import time import math as m from numpy import* # 抽出したい色の指定 g_min = np.array([30,70,30]) g_max = np.array([70,255,255]) # 膨張化用のカーネル k = np.ones((5,5),np.uint8) def color_track(im,h_min,h_max): im_h = cv2.cvtColor(im,cv2.COLOR_BGR2HSV) # RGB色空間からHSV色空間に変換 mask = cv2.inRange(im_h,h_min,h_max,) # マスク画像の生成 #mask = cv2.medianBlur(mask,7) # 平滑化 #mask

これは、OpenCV Advent Calendar 2017 19日目の記事です。関連記事は目次にまとめられています。 #1. はじめに 私は普段何も情報発信していないのですが，なぜかOpenCV Advent Calendarだけは毎年参加しているので，今年も恒例の誰得小ネタ記事を書くことにしました．（なお，本稿が公開される12月中はおそらくデスマーチ状態なので，約一ヵ月前に執筆しています．12月の俺，頑張れ．） 私は今まで動画データを扱う場合は連番の画像ファイルを使うことがほとんどで，動画ファイルを使う時も単純に読み書きするだけなので何も考えずにOpenCVのAPIを使うだけで済んでいたのですが，諸事情で最近ちょっと動画の読み込みをいろいろゴニョったので紹介します． 本稿は大きく分けて２つの話があって，2節ではGPU(NVidia)によるデコーダを使いたいと思って苦労した（けれども報

Deep Learning is the most popular and the fastest growing area in Computer Vision nowadays. Since OpenCV 3.1 there is DNN module in the library that implements forward pass (inferencing) with deep networks, pre-trained using some popular deep learning frameworks, such as Caffe. In OpenCV 3.3 the module has been promoted from opencv_contrib repository to the main repository (https://github.com/open

この記事は@kjunichiの2017年パーソナルアドベントカレンダーの9日目の記事です 。 背景 OpenCV.jsをブラウザで使う分には、imreadやimwriteがDOM要素をしている実装に なっているので、便利に使えるが、node.jsでサーバサイドやCLIとして使うと、 jsdom+node-canvasでいけるかと思いきや、セグフォしたり、WindowsだとJPEGが 使えるnode-canvasだとjsdomに認識されず辛い状況。 imreadを自前で実装 昔、OpenCVのMatはBGRの順で並んでいた気がしたが、それは WebCamの入力結果がそういう順番なだけなのかも、とりあえず、 RGBの順番で行けた。 const src = new cv.Mat(128,128,cv.CV_8UC3); for(let j = 0; j < 128; j++){ for(let