OpenCVを使って、画像のHSV色空間における色相 Hue を回転させて色を変化させてみる。つまり、下記の図のような出力を得たい。 RGBからHSVへの変換 ja.wikipedia.org 上記のサイトに詳しく書いてあるけど、HSVは色相(Hue)、彩度(Saturation・Chroma)、明度(Value・Brightness)の三つの成分からなる色空間。 今回やることは RGBをHSVに変換する H(Hue)を回転させる RGBに戻す という単純な処理。まずはRGBからHSVへの変換。 import numpy as np import cv2 rgb = rgb.astype(np.uint8) hsv = cv2.cvtColor(rgb, cv2.COLOR_RGB2HSV) cv2.cvtColorは入力されたrgbの型がuint8かfloat32かで挙動が変化する。今回

Python & OpenCVでやってみました OpenCVでカメラ画像を取り込み、顔検出してその場所と大きさに調整して他の画像を載せた動画を作ります。 基本的なところは下の参考サイト組み合わせです。 まず、動画画像から顔を抽出するには、OpenCVで行います。 GitHubから好きなモデルを選択しますが、ここでは正面を向いた顔の抽出を行いました。 https://github.com/opencv/opencv/tree/master/data/haarcascades cascade_path = "haarcascade_frontalface_default.xml" # カスケード分類器の特徴量を取得する cascade = cv2.CascadeClassifier(cascade_path) カメラで動画を取得します。 引数は複数のカメラ（USBカメラなど）があるときは1とか

前回までのえんせき ORB_SLAM2にターゲットチェンジして、あっさり動いた。次はWebカメラからの入力でORB_SLAM2をやるために、ROSから動かしてみることにした。 ensekitt.hatenablog.com つまりなにしたの？ Ubuntu16.04上のROS KineticでORB_SLAM2を動かしてiPhoneで撮影した動画を取り込んでみた。 ROSで使えるようにする準備 github.com README.mdの最後の方にROS Examplesがあったのでこれをやってみる。 export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:$HOME/orb-slam2_ws/ORB_SLAM2/Examples/ROS cd ~/orb-slam2_ws/ORB_SLAM2 chmod +x build_ros.sh ./build_ros.s

概要 OpenCVのcv2.Canny()関数に画像を投げると上図中央のようなエッジ検出結果が返されるが，このままだとエッジはただの白点の集合であり扱いづらい．そこで，エッジ検出結果のエッジを表す白点を繋いでいき，『いい感じ』の曲線(折れ線)を生成することを目指す．折れ線に変換することで，例えばBスプライン曲線補完することでエッジの連続化とスムージングを行ったり，閉じたエッジの場合は囲まれた部分の面積を求めたりできるようになる．最も素朴な方法は一番近い点同士をを繋いでいくというもので，この方法でも割といい感じの折れ線にはなるが，ここではもう少し工夫を凝らす． 表記に関する注釈 $\left(a_1, \dots, a_N \right)$ のように丸括弧で表記されたものは順列を表す． $\left\{a_1, \dots, a_N \right\}$ のように波括弧で表記されたものは集合を

PythonでOpenCVを使ったラベリング処理 前回の講座ではPythonでOpenCVを使わずにラベリング処理を学び、ラベリングの仕組みを理解できたかと思います。 今回は「PythonでOpenCVを使ったラベリング処理」を学んでいきます。 それぞれのバージョンはPython 3.8.2、OpenCV 4.2.0になります。また、今回の記事の内容はOpenCVの公式ドキュメントを参考にしています。 OpenCVでラベリング処理 OpenCVに実装されているラベリング処理は大きく分けて、 ①簡易版ラベリング(connectedComponents) ②詳細版ラベリング(connectedComponentsWithStats) 以上の2種類があります。 それぞれの違いと具体的な使い方について説明します。 簡易版ラベリング処理 簡易版は、戻り値がラベル数と入力画像と同じ大きさで、ラベル番号

Watershedアルゴリズムとは、くっついているものを分離したりなど、 古典的領域分割アルゴリズムです。分水嶺アルゴリズムとも言われています。 OpenCVのWatershedアルゴリズムをちょっと試してみようと 思ったら、参考文献やWebページ見ても良くわからなった。 サンプルや資料をひたすら読む。 距離変換関数 distanceTransform サンプルプログラム中に必ず、distanceTransform()があった。 これって何？「近似距離または正確な距離を求めます」と解説にはあった。 distanceTransform() 良く分からないので、白真円の二値画像を距離変換してみます。 二値画像を距離変換した結果の画像です。 黒い部分からの距離が値となっているものを画像としました。 結局、中央部を二値化で求めるだけ、分離の初期とりつき 位置を求めようとして使っていたので、補助的な

# キュービック補間 + 外れ値塗りつぶし + 極座標へリニアマッピング flags = cv2.INTER_CUBIC + cv2.WARP_FILL_OUTLIERS + cv2.WARP_POLAR_LINEAR # 引き数：画像, 変換後サイズ(幅、高さ)、中心座標(X座標、Y座標)、半径、変換フラグ linear_polar_image = cv2.warpPolar(image, (300, 1000), (480, 270), 220, flags) # 逆変換(リニア) flags = cv2.INTER_CUBIC + cv2.WARP_FILL_OUTLIERS + cv2.WARP_POLAR_LINEAR + cv2.WARP_INVERSE_MAP linear_polar_inverse_image = cv2.warpPolar(linear_polar_im

この投稿はOpenCV Advent Calendar 2020の14日目の記事です。 はじめに OpenCVのDNNモジュールで各モデルを試してみようというリポジトリで細々と動作を確認したりしています。 そのなかでClassificationやObject Detection、Pose Estimationなどのタスクのモデルはいろいろ動かしてみたけど、そういえばDepth Estimationのモデルは動かしたことなかったな…って思ったのでやってみました。 DNNモジュールとは？ OpenCVでは機能ごとにモジュール（コア機能ならCore、GUI機能ならHighguiなど）に分かれており、ディープラーニングの推論機能を担当するのがDNNモジュールです。 学習はTensorflowやPyTorch、Darknetなどの各フレームワークやAzure Cognitive ServicesのC

こうやって数字だけを取り出したいです。 青い四角の４頂点の座標がわかればアフィン変換を実施して、数字だけを取り出すことができます。４頂点の座標を自動で取得したいと思います。 試行錯誤の記録を残しておきます。（最終的にはarucoマーカーを使うべきとの結論に至りました） 試行１　RGBの青色だけを取り出せばいいのではないか？ 青色の枠は、Bの数値が高いのでそれを利用してedge detectionをすればいいのではないか。 img = cv2.imread("C:\\Users\\tegaki_1.jpg") img_resize = cv2.resize(img, (img.shape[1]//7,img.shape[0]//7)) img_B = img_resize[:,:,0] cv2.imshow('image',img_B) cv2.waitKey() 結論：失敗。青が白に消えて

問題設定 SLAMやSfMを使って1. 複数の画像毎のカメラパラメータと 2. グローバルな3Dモデル（点群やメッシュなど）がOpenCV座標系で得られている。 OpenGLベースのシステムで推定したカメラから3Dモデルをレンダリングしたい。 レンダリングした3Dモデルを実画像に重畳表示してエラーを確認する、といった用途が考えられる。 なにが問題？ まずOpenCVとOpenGLは座標系が異なる。 同じ右手座標系であるが、OpenCVの各軸の向きはX: 右, Y: 下, Z: 前に対しOpenGLはX: 右, Y: 上, Z: 後である。 OpenCV座標系とOpenGL座標系はX軸周りに180°回転させた関係にある。 OpenGLのカメラはOpenCVのカメラを上下反転させ後ろ向きにしたものなので無変換でインポートしただけではもちろん意図したとおりの絵は出ない。 参照：http://ji

※　過去にxRTechNagoya、XRMTGでフォトグラメトリとOpenCVについてLTしたものとほぼ同様の内容です。 この文書について 複数の写真から３Ｄデータを作成できるフォトグラメトリ。特別な機材もいらずにデータを生成できて素敵なのですが・・・ 3DF Zephyrでフォトグラメトリしていると、木の幹のように綺麗に取れる場合と、柱のようになんだか酷い事になる場合があると思います。 その原因についてフォトグラメトリの処理内容をOpenCVの本を読んでなんとなくまとめてみました。 （画像が多めなので縮小表示しています。クリックで原寸表示） まずは、上手くいく例　いかない例 下図は、4枚の写真を3DZFでテクスチャ付きメッシュを作成したものになります。（デフォルト設定で作成） ↓綺麗に立体化できるケース↓ ↓柱が残念ことになってるケース↓ フォトグラメトリの処理概要 まず、フォトグラメト

このレシピは、単眼デプス推定モデルのMiDaSv2.1の推論結果に対し、シンプルなキャリブレーションを行い、距離を測定するレシピです。※単眼デプス推定は単眼深度推定や単眼距離推定などと呼ばれることもあります以下の内容を含みます。1.T...