タグ: 手習ひデジタル信号処理

今回は２次元画像用の周波数ドメインでのフィルタを設計するときに「便利」らしい可視化ツールです。これが何故か充実。３種類もあります。素人老人はその理由を知らず。まあお好みで使えるっと。しかし実際の画像に周波数ドメインでのフィルタを適用してみないとその御利益が身に染みないのお。しかしそれは次回か。
“手習ひデジタル信号処理(163) Scilab、{IPCV}、フィルタの可視化ツール” の続きを読む

今回は画像の輪郭抽出を行ったのち、その輪郭のConvex Hull(凸包）まで一気に処理せんとの野望あり。というか処理例がそうなっていただけのことなのですが凸包いけませぬ。毎度の処理例途中でのエラー、いろいろ突いてみるもなんともはや動きませぬ。元より素人、分かっておらんからの～。そこで手前の輪郭抽出でお茶を濁しました。
“手習ひデジタル信号処理(162) Scilab、{IPCV}、画像の輪郭抽出” の続きを読む

今を去ること半世紀以上前、中学の幾何の先生が「アフィン変換」なる言葉をつぶやいた強烈な記憶アリ。しかしその時もその後も理解できたような気もせぬままに生きてきた老人です。さて今回手習ひしてみるのはアフィン変換です。画像を平行移動、回転、拡大縮小、せん断変形させるものです。変換関数だけでなく、眷属どもが意外と便利。

“手習ひデジタル信号処理(161) Scilab、{IPCV}、アフィン変換とその眷属” の続きを読む

前回はベクタライゼーション処理、今回は「画像の融合」です。フュージョンってやつ。お約束というか、例によってというか、ScilabのHelpファイルの処理例をそのまま動かそうとするとエラー。まあソフトウエアの更新とHelpファイルが一致してないのだと思います。一つ一つ動く条件を詰めていく？これも修行じゃ？そういうこと？ “手習ひデジタル信号処理(160) Scilab、{IPCV}、Image fusion” の続きを読む

前回はベクタライズ処理のため、画像をメモリ上に列行列化して展開するim2col関数を練習。でも、ベクタライゼーションの功徳は処理速度です。今回は同じ画像に対してベクタライズ対応の処理関数とそうでないものでどのくらい速度差が出るのかを観察してみます。まあ、Helpファイルの処理例を並べて比べてみただけなんだけれども。
“手習ひデジタル信号処理(159) Scilab、{IPCV}、ベクタライズの功徳よの” の続きを読む

今回は im2col 関数を試用してみます。どんな関数なのかとHelpを読めば “Convert image into series of columns” と書かれております。画像処理素人老人はナンジャラホイ状態です。これはフィルタなどより１段階ローレベルなところでベクタライゼーションを活用するためのデータ再配置のための関数みたいです。 “手習ひデジタル信号処理(158) Scilab、{IPCV}、im2col、画像の列行列化” の続きを読む

別シリーズにて「ラプラシアン演算子」登場。当然、本シリーズにて「ラプラシアン・フィルタ」を練習済だよね、といって探してみたらまさかの不在デス。行き当たりばったりで練習してきているので「有名どころ」でも結構漏れてますなあ。これはイケないということで、今回は２次元画像のフィルタについて再び練習してみます。
“手習ひデジタル信号処理(157) Scilab、{IPCV}、画像のフィルタ再び” の続きを読む

前回は「最近のカメラだったら出来て当然」のお顔検出。今回も「できて当然」機能です。複数枚の写真を繋ぎあわせて「パノラマ画像」を作るような操作。Image Stitchingと唱えるようです。前々回でやったような画像特徴点を取り出して「同じ」とみなせる点を重ねていくみたいです。でもHELP例がエラーになるのよ。 “手習ひデジタル信号処理(156) Scilab、{IPCV}、stitching、画像連結” の続きを読む

前回は画像特徴点の抽出関数どもを使用。交通標識の識別を試みました。今回も「古典的」な画像認識の手法です。Haar Cascadeとな。画像の中から「お顔」に見えるような領域を検出するのに向いたカスケード構造の分類器らしいです。最近のカメラだったら出来て当然？の機能か。その昔デモ見たときはビクッリしたもんだが。

“手習ひデジタル信号処理(155) Scilab、{IPCV}、Haar Cascadeでお顔” の続きを読む

前回、前々回と画像特徴点の抽出関数を「手習ひ」。今回は抽出した特徴点（位置）から記述子を計算し、一方の画像に一致する可能性の高い別な画像（回転しているので単純画像比較は不可）を見つける操作を行ってみます。といってHelpファイルに書かれている方法そのままなんだけれども。やっぱアルゴリズムによって結果は違うみたい。

“手習ひデジタル信号処理(154) Scilab、{IPCV}、一致する画像を見つける” の続きを読む

前回は画像特徴点抽出関数を「手習ひ」してみましたが、Helpファイル記載の８種類のアルゴリズムのうち５つでした。今回は残りの３つについて「手習ひ」してみたいと思います。評価するのなら計算量（速度）とかメモリ必要量とかも調べるのだろうけれど「抽出された」点を眺めてみるだけ。評価した論文等は多数あるみたい、後はよろ。

“手習ひデジタル信号処理(153) Scilab、{IPCV}、画像特徴点、つづき” の続きを読む

前回まで「なんちゃら変換」。今回から「画像特徴点」に進出？英語で”Detect features from an image”あるいは”Feature detection”か。”Keypoint detection”言う場合は微妙に目的が違う感じがします。そのクセ同じお名前のアルゴリズムが登場。素人老人は知らんけど。
“手習ひデジタル信号処理(152) Scilab、{IPCV}、画像特徴点、いろいろあるけど？” の続きを読む

今回は Watershedアルゴリズムです。画像を「地形図」にみたててその高低を測り、「分水嶺」を求めて川の流域のごとくにセグメンテーションするのだとかしないとか。分かったような、分からぬような。まあScilab IPCVにも変換関数あり、やってみるのですが、Helpの例が動きませぬ。IPCVの中の人のチェック漏れ？ “手習ひデジタル信号処理(151) Scilab、{IPCV}、流域変換って何よ？” の続きを読む

好んで入りたいとは思わないのです。しかし歳をとるとCT(Computed Tomography)の機械に入れられること時折。中は見えないですがドーナツの中で高速回転しとるよ感の音。そして自分の腹の断面図、それもスライス状に多数が提示されるのであります。このときラドン変換の計算（近似か？）がなされている？ホントか？

“手習ひデジタル信号処理(150) Scilab、{IPCV}、ラドン変換って何よ？” の続きを読む