画像処理を基礎から学ぶ 私は、カメラが好きなこともあり、画像処理に関しても興味あります。一般的には、RAW現像とかPhotoShopのテクニックなどを身につける人が多いようですが、私の場合は、何故かpythonやOpenCVという便利な画像処理ライブラリを使って画像処理ソフトを自作するところから始めようとしています。 ただ、OpenCVは便利なのですが、便利さがゆえにブラックスボックス的に使ってしまっているのが気になっていました。やっぱり内部で何をしているかわかっていないと、ちょっとAPIに無い処理をしたいときや、問題が発生したときに何をどうすれば良いのか全然分からないですし、OpenCVを使うまでもない処理にOpenCVを使ってしまうのもよろしく無いなと思います。Open CVインストール手間ですし結構時間かかるので（特にRaspberry Piとかだと）。 基礎から理解するには、Ope

この記事は FFTってどうやるんだっけ？　のレベルから始まるチョー簡単な位相限定相関法のお勉強ノートです。基本的には参考にしたページをぺたぺたしてセクションごとのまとめだけ書いていく感じで進めます。 そもそも何をしたいのか 位置固定で３６０度パンする動画の各フレームを合成して全周パノラマ画像を作る モデルは円筒で、貼りあわせ（モザイキング）は並進のみで行う（拡大と回転が無いと仮定するのでアフィン変換ですらない） つまりは２画像の位置合わせができればいいのだが、折角なので結構精度がいいらしいPOCを使ってみたい 要するにPOCベースで画像の位置合わせをしたいってこった！ 何を勉強するのか（ヤクの毛刈り） 必要な知識を列挙するとこんな感じ。 位相限定相関法(Phase Only Correlation, POC) 画像のフーリエ変換 離散フーリエ変換（主にFFT） 別にそんなに多くなかった。

はじめに コンボリューション（Convolution）は数学用語で、日本語では「畳み込み」といいます。掛け算の結果を足し集める演算からなり、コンピュータ処理の得意とするところです。コンボリューションを画像処理に使うと、画像を滑らかにしたり、シャープにしたりできます。掛け算の係数は、3×3などのサイズのマトリックスで指定します。これをオペレータ、フィルタ、マスク、カーネルなどと呼びます。 Java 2D APIには、画像処理でコンボリューションを行うのに便利なConvolveOpやKernelのクラスがあります。しかし、これらだけに頼ると不便な点もあるため、これらを利用しながら、従来と変わらぬ画像処理ができるように工夫しました。 対象読者 画像処理の基本を学び、ペイント系画像ソフトの一部の機能を自作したい人。 必要な環境 J2SE 5.0を使っていますが、J2SE 1.4.2でも大丈夫です。

久々にOpenCVのTips 画像処理をしていると，テクセルサンプリングのように浮動小数点座標の画素値を取り出したい場合が時々出てきます．そういう時って普通，整数座標の画素値を使ってバイリニア補間するんですけど，なぜか OpenCVでは「特定の1点のサブピクセル画素を取得する」という処理を標準で用意していません（ちなみにcv::Mat::at<>()メソッドの座標値に浮動小数点数を入れてもコンパイルエラーは起きませんが，実際には暗黙的にintに変換された座標値からサンプルされます）．サブピクセル精度でコーナー座標を検出するcv::findCornerSubPix()みたいに画像からサブピクセル座標を割り出す処理はあるんですが，今回やりたいのはその逆なんです． ただし，サブピクセル精度で画像を切り出す処理ならあり，cv::getRectSubPix()でできます．今回のTipsのアイディアは

CalNet Authentication Service CalNet ID: Passphrase (Case Sensitive):

【OpenCV-Python】CvZoomWindow class(ズーム、パン機能付き画像表示ウィンドウ)

第八弾・レンズディストーション編 特に実写合成時での、トラッキング、コンポジット時におけるレンズディストーションの扱い方、考え方についてまとめました。 レンズディストーションと画角の関係性は？ ・歪みの種類 レンズディストーションには主に樽型と糸巻き、又はそれらが複合的に起きている陣笠型といわれる歪曲収差ということは以前の記事でも書きました。 これらを補正しようとした時問題になるのが最近増えてきたアクションカム等の超広角レンズや魚眼レンズの歪みです。これらの補正には通常のレンズとは別の補正モデル、係数が本来必要でソフトによって対応が異なります。同じようなパラメータを持っていても内部の計算式が異なるためソフトによって対応が異なります(実質的に殆どのソフトが対応していません)。 例えばGopro素材をNukeなどでも見ため的には補正出来ても、元に戻すため反転したディストーション値をを入れると元

特徴量抽出のブームなんてDeep Learningみたいな話題のせいで、とっくに過ぎ去った感はあるけど、SIFT(Scale-Invariant Feature Transform)がどうして物体の大きさや回転に不変なのか不思議でたまらなかった。なにか規格化のようなものをやってるだろうと思うけど、想像ができなかった。今回初めて画像の特徴量抽出の勉強をするけど、この手法の考え方って画像以外の別のものにも応用できるエッセンスが詰まっているんじゃなかろうか、と思うようになった。（カメラの光学系認識なんかにつかえると面白いんやけどなー） ちまたにはわかりやすい資料も結構落ちている。更にOpenCVなんかを使えば一発で実行できる。でもそれじゃ勉強にならないので、ここではSIFTの原理を紹介しつつPythonで実装していきたい。