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

Python 3.6でOpenCVをインストールすると以下のようなエラーが出ます*1 $ conda install -c https://conda.binstar.org/menpo opencv3 Fetching package metadata ............. Solving package specifications: . UnsatisfiableError: The following specifications were found to be in conflict: - opencv -> python 2.7* - python 3.6* Use "conda info <package>" to see the dependencies for each package. どうやらOpenCVはpython 3.6にまだ対応していないようです。 ひ

この投稿の目的 オライリーの『実践コンピュータビジョン』（以下文献[1]）の多視点幾何に関する項（5章）をベースに、特に後半の説明や補足をまとめている。[1]をベースにコード以外の部分について、まとめと補足情報を書く。理解が甘い部分もあるので、追々さらに調べるつもり。 多視点による３次元構造の復元 多視点、つまり、複数の画像から（[1]では２画像から）３次元を復元することを、複数のカメラの動きからの３次元構造の復元と捉えて、SfM（Structure from Motion）という。理論を深く理解していなくても、以前からよくSfMの話題では利用されているBundler（Rubyのツールじゃないよ）やGUI付きのVisualSFM、その他多視点幾何に特化したライブラリのOpenMVG、最近では、OpenCVの3.1に追加されたSfMモジュールなどを使えば、比較的容易にできるようになってきてい

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

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

opencv_contrib レポジトリに dnn という名前のディレクトリがひそかに出来ており、中を覗いてみると cv::dnn モジュールにDeep Learning関連の実装が含まれていたので軽く試してみました。Google Summer of Code (GSoC) 2015で発表され、GitHubにて実装が公開されたという経緯のようです。 It would be cool if OpenCV could load and run deep networks trained with popular DNN packages like Caffe, Theano or Torch. – Ideas Page for OpenCV Google Summer of Code 2015 (GSoC 2015) * 2015/12/22 追記 12/21にOpenCV3.1がリリースされ

を満たすｘを求める問題は非常に良く使う数値計算です．解法アルゴリズムとしては，様々なものがあります． シンプルに逆行列A-1を求める（数値計算に詳しい研究室だとまずはじめに教えられること．「逆行列の計算はやってはいけない．遅すぎる．」O(n3)．） ガウスの消去法　（O(n3)．逆行列を求めるのと同じ．遅すぎる．講義で習った方法．） LU分解（O(n3)） コレスキー分解(Cholesky) 固有値分解 最小二乗問題を解く場合．Aが正則な行列ではない場合 特異値分解 QR分解 #OpenCVの実装 OpenCVでは，これをcv::solveで提供しています．下記関数は，線形システム（入力行列Aが正則，非特異である場合）か，最小二乗問題を解く関数． bool cv::solve(InputArray A, InputArray B, OutputArray X int flags=DECOM

コンピュータビジョンのライブラリOpenCVのアドベントカレンダーです． OpenCVの知られざる機能（マイナーとも言う）を中心に書いてます．

2015年6月5日についにOpenCV3.0.0の正式版がリリースされました。 まだ実際に試していませんが、以前（OpenCV2.4）と比べると、一部関数の仕様変更・高速化、 ラベリング・新アルゴリズムの実装がされているようです。 今回はPythonを対象としたOpenCV3.0.0の導入方法を紹介します。 ※Portable PythonやPython(x,y)などには最初からインストールされています 1. OpenCV公式ページにアクセス 以下のリンクからOpenCVの配布サイトを開きます。 http://opencv.org/ 2.OpenCVの入手 右にあるDOWNLOADSの下からお使いの環境にあった物をクリックします。 （Windowsユーザーなら「OpenCV for Windows」を選択） するとOpenCVのファイルをダウンロードすることができます。 3.実行ファイ

OpenCVとは、画像処理を簡単におこなえる便利なライブラリです。 今回はProcessingを対象としたOpenCVの導入方法を紹介します。 1. 配布サイトへ 以下のGithubから「Download ZIP」といボタンをクリックし、 opencv-processing-master.zipをダウンロードする https://github.com/atduskgreg/opencv-processing 2. OpenCVのインストール ダウンロードしたファイルを解凍し、展開されたフォルダを丸ごとSketchbookフォルダの中にあるlibrariesフォルダに放り込みます。以上でインストール作業は終了です。 ※Sketchbookフォルダの場所は、ProcessingのPreferencesからSkeckbook locationの設定で確認できます。（Windowsの場合、大抵