Enviar búsqueda
Cargar
コンピュータビジョン 1章
•
Descargar como ODP, PDF
•
4 recomendaciones
•
7,074 vistas
M
motimune
Seguir
「静岡Developers勉強会 コンピュータビジョン(1)」で使用したスライドです。
Leer menos
Leer más
Tecnología
Vista de diapositivas
Denunciar
Compartir
Vista de diapositivas
Denunciar
Compartir
1 de 30
Descargar ahora
Recomendados
画像処理でのPythonの利用
画像処理でのPythonの利用
Yasutomo Kawanishi
Pythonによる画像処理について
Pythonによる画像処理について
Yasutomo Kawanishi
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
Norishige Fukushima
【関東GPGPU勉強会#2】OpenCVのOpenCL実装oclMat
【関東GPGPU勉強会#2】OpenCVのOpenCL実装oclMat
Yasuhiro Yoshimura
[第2版]Python機械学習プログラミング 第9章
[第2版]Python機械学習プログラミング 第9章
Haruki Eguchi
科学技術計算関連Pythonパッケージの概要
科学技術計算関連Pythonパッケージの概要
Toshihiro Kamishima
Chainer入門と最近の機能
Chainer入門と最近の機能
Yuya Unno
各OSにおいて、OpenCVをpythonから使う方法
各OSにおいて、OpenCVをpythonから使う方法
Katsuhiro Morishita
Recomendados
画像処理でのPythonの利用
画像処理でのPythonの利用
Yasutomo Kawanishi
Pythonによる画像処理について
Pythonによる画像処理について
Yasutomo Kawanishi
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
Norishige Fukushima
【関東GPGPU勉強会#2】OpenCVのOpenCL実装oclMat
【関東GPGPU勉強会#2】OpenCVのOpenCL実装oclMat
Yasuhiro Yoshimura
[第2版]Python機械学習プログラミング 第9章
[第2版]Python機械学習プログラミング 第9章
Haruki Eguchi
科学技術計算関連Pythonパッケージの概要
科学技術計算関連Pythonパッケージの概要
Toshihiro Kamishima
Chainer入門と最近の機能
Chainer入門と最近の機能
Yuya Unno
各OSにおいて、OpenCVをpythonから使う方法
各OSにおいて、OpenCVをpythonから使う方法
Katsuhiro Morishita
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
Motoya Wakiyama
PythonによるWebスクレイピング入門
PythonによるWebスクレイピング入門
Hironori Sekine
[第2版]Python機械学習プログラミング 第8章
[第2版]Python機械学習プログラミング 第8章
Haruki Eguchi
SensorBeeでChainerをプラグインとして使う
SensorBeeでChainerをプラグインとして使う
Daisuke Tanaka
ディープラーニングフレームワーク とChainerの実装
ディープラーニングフレームワーク とChainerの実装
Ryosuke Okuta
TOPPERSプロジェクト紹介 OSC2016京都
TOPPERSプロジェクト紹介 OSC2016京都
Takuya Azumi
Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編
Etsuji Nakai
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
Norihiko Nakabayashi
High performance python computing for data science
High performance python computing for data science
Takami Sato
TensorFlowとCNTK
TensorFlowとCNTK
maruyama097
Chainer v1.6からv1.7の新機能
Chainer v1.6からv1.7の新機能
Ryosuke Okuta
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
Using PyFoam as library(第25回オープンCAE勉強会@関西)
Using PyFoam as library(第25回オープンCAE勉強会@関西)
TatsuyaKatayama
Tensor flow勉強会3
Tensor flow勉強会3
tak9029
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
Takuji Tahara
PyCharm入門
PyCharm入門
Yuki Nagai
オープンCAEとPython
オープンCAEとPython
TatsuyaKatayama
RuntimeUnitTestToolkit for Unity
RuntimeUnitTestToolkit for Unity
Yoshifumi Kawai
テストを書こう、Unity編
テストを書こう、Unity編
Hiroto Imoto
Kerasで深層学習を実践する
Kerasで深層学習を実践する
Kazuaki Tanida
Windowsにpythonをインストールしてみよう
Windowsにpythonをインストールしてみよう
Kenji NAKAGAKI
PyQtではじめるGUIプログラミング
PyQtではじめるGUIプログラミング
Ransui Iso
Más contenido relacionado
La actualidad más candente
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
Motoya Wakiyama
PythonによるWebスクレイピング入門
PythonによるWebスクレイピング入門
Hironori Sekine
[第2版]Python機械学習プログラミング 第8章
[第2版]Python機械学習プログラミング 第8章
Haruki Eguchi
SensorBeeでChainerをプラグインとして使う
SensorBeeでChainerをプラグインとして使う
Daisuke Tanaka
ディープラーニングフレームワーク とChainerの実装
ディープラーニングフレームワーク とChainerの実装
Ryosuke Okuta
TOPPERSプロジェクト紹介 OSC2016京都
TOPPERSプロジェクト紹介 OSC2016京都
Takuya Azumi
Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編
Etsuji Nakai
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
Norihiko Nakabayashi
High performance python computing for data science
High performance python computing for data science
Takami Sato
TensorFlowとCNTK
TensorFlowとCNTK
maruyama097
Chainer v1.6からv1.7の新機能
Chainer v1.6からv1.7の新機能
Ryosuke Okuta
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
Using PyFoam as library(第25回オープンCAE勉強会@関西)
Using PyFoam as library(第25回オープンCAE勉強会@関西)
TatsuyaKatayama
Tensor flow勉強会3
Tensor flow勉強会3
tak9029
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
Takuji Tahara
PyCharm入門
PyCharm入門
Yuki Nagai
オープンCAEとPython
オープンCAEとPython
TatsuyaKatayama
RuntimeUnitTestToolkit for Unity
RuntimeUnitTestToolkit for Unity
Yoshifumi Kawai
テストを書こう、Unity編
テストを書こう、Unity編
Hiroto Imoto
Kerasで深層学習を実践する
Kerasで深層学習を実践する
Kazuaki Tanida
La actualidad más candente
(20)
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
PythonによるWebスクレイピング入門
PythonによるWebスクレイピング入門
[第2版]Python機械学習プログラミング 第8章
[第2版]Python機械学習プログラミング 第8章
SensorBeeでChainerをプラグインとして使う
SensorBeeでChainerをプラグインとして使う
ディープラーニングフレームワーク とChainerの実装
ディープラーニングフレームワーク とChainerの実装
TOPPERSプロジェクト紹介 OSC2016京都
TOPPERSプロジェクト紹介 OSC2016京都
Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
High performance python computing for data science
High performance python computing for data science
TensorFlowとCNTK
TensorFlowとCNTK
Chainer v1.6からv1.7の新機能
Chainer v1.6からv1.7の新機能
backbone としての timm 入門
backbone としての timm 入門
Using PyFoam as library(第25回オープンCAE勉強会@関西)
Using PyFoam as library(第25回オープンCAE勉強会@関西)
Tensor flow勉強会3
Tensor flow勉強会3
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
PyCharm入門
PyCharm入門
オープンCAEとPython
オープンCAEとPython
RuntimeUnitTestToolkit for Unity
RuntimeUnitTestToolkit for Unity
テストを書こう、Unity編
テストを書こう、Unity編
Kerasで深層学習を実践する
Kerasで深層学習を実践する
Similar a コンピュータビジョン 1章
Windowsにpythonをインストールしてみよう
Windowsにpythonをインストールしてみよう
Kenji NAKAGAKI
PyQtではじめるGUIプログラミング
PyQtではじめるGUIプログラミング
Ransui Iso
PsychoPy Builder:モジュールの組み込みと視線計測
PsychoPy Builder:モジュールの組み込みと視線計測
HiroyukiSogo
Pythonの環境導入 2014年春季版
Pythonの環境導入 2014年春季版
Katsuhiro Morishita
OpenStackクラウド基盤構築ハンズオンセミナー 第1日:講義No2
OpenStackクラウド基盤構築ハンズオンセミナー 第1日:講義No2
Etsuji Nakai
まっつんチャレンジ OSC出張編 45分でわかる PHP+Eclipseによるテスト駆動開発環境の構築
まっつんチャレンジ OSC出張編 45分でわかる PHP+Eclipseによるテスト駆動開発環境の構築
Hideharu MATSUFUJI
Puppet入門
Puppet入門
Tomita Akiyoshi
20120915 Pythonは本当にBlenderの役に立っているか?
20120915 Pythonは本当にBlenderの役に立っているか?
Tetsuo Mitsuda
Cent osにpyhtonをインストールしてみよう
Cent osにpyhtonをインストールしてみよう
2bo 2bo
開発環境構築からはじめるPython VisualStudio Codeとpipenvで始めるpython
開発環境構築からはじめるPython VisualStudio Codeとpipenvで始めるpython
tomitomi3 tomitomi3
【CEDEC2018】一歩先のUnityでのパフォーマンス/メモリ計測、デバッグ術
【CEDEC2018】一歩先のUnityでのパフォーマンス/メモリ計測、デバッグ術
Unity Technologies Japan K.K.
C#で作ったプログラムのインストーラーをInnoSetupで作成(1)
C#で作ったプログラムのインストーラーをInnoSetupで作成(1)
Kenichi Yamada
もろもろの AI ツールを Windows のローカル環境にインストールする手順
もろもろの AI ツールを Windows のローカル環境にインストールする手順
Hide Koba
PYTHON PACKAGING (PyFes 2012.03 発表資料)
PYTHON PACKAGING (PyFes 2012.03 発表資料)
Takayuki Shimizukawa
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
ManaMurakami1
Producer
Producer
Minoru Uchida
osakapy 2014.05 LT
osakapy 2014.05 LT
Hattori Hideo
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
ManaMurakami1
Raspberry Pi しかないときのIoTハンズオンチュートリアル
Raspberry Pi しかないときのIoTハンズオンチュートリアル
Kohei Nishikawa
Jspmとtypescriptで開発する
Jspmとtypescriptで開発する
Taketoshi 青野健利
Similar a コンピュータビジョン 1章
(20)
Windowsにpythonをインストールしてみよう
Windowsにpythonをインストールしてみよう
PyQtではじめるGUIプログラミング
PyQtではじめるGUIプログラミング
PsychoPy Builder:モジュールの組み込みと視線計測
PsychoPy Builder:モジュールの組み込みと視線計測
Pythonの環境導入 2014年春季版
Pythonの環境導入 2014年春季版
OpenStackクラウド基盤構築ハンズオンセミナー 第1日:講義No2
OpenStackクラウド基盤構築ハンズオンセミナー 第1日:講義No2
まっつんチャレンジ OSC出張編 45分でわかる PHP+Eclipseによるテスト駆動開発環境の構築
まっつんチャレンジ OSC出張編 45分でわかる PHP+Eclipseによるテスト駆動開発環境の構築
Puppet入門
Puppet入門
20120915 Pythonは本当にBlenderの役に立っているか?
20120915 Pythonは本当にBlenderの役に立っているか?
Cent osにpyhtonをインストールしてみよう
Cent osにpyhtonをインストールしてみよう
開発環境構築からはじめるPython VisualStudio Codeとpipenvで始めるpython
開発環境構築からはじめるPython VisualStudio Codeとpipenvで始めるpython
【CEDEC2018】一歩先のUnityでのパフォーマンス/メモリ計測、デバッグ術
【CEDEC2018】一歩先のUnityでのパフォーマンス/メモリ計測、デバッグ術
C#で作ったプログラムのインストーラーをInnoSetupで作成(1)
C#で作ったプログラムのインストーラーをInnoSetupで作成(1)
もろもろの AI ツールを Windows のローカル環境にインストールする手順
もろもろの AI ツールを Windows のローカル環境にインストールする手順
PYTHON PACKAGING (PyFes 2012.03 発表資料)
PYTHON PACKAGING (PyFes 2012.03 発表資料)
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
Producer
Producer
osakapy 2014.05 LT
osakapy 2014.05 LT
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
Raspberry Pi しかないときのIoTハンズオンチュートリアル
Raspberry Pi しかないときのIoTハンズオンチュートリアル
Jspmとtypescriptで開発する
Jspmとtypescriptで開発する
コンピュータビジョン 1章
1.
コンピュータビジョン 1章 基本的な画像処理
2.
Pythonおよび統合開発環境の インストール ● ● コンピュータビジョンではPythonは2.7を 使用します(3.Xは使用しません) 統合開発環境と併せてインストールしてください – 分からない方には別スライドでインストール方法および 統合開発環境PyCharmを紹介します
3.
目次 ● Pythonおよび統合開発環境のインストール ● 使用するライブラリ/モジュールのインストール – PIL – NumPy – Matplotlib – SciPy 【追記】今回のプレゼンではライブラリを1つずつ手動でインス トール する方法を採用しましたが、「setuptools」というパッケージ管理用 パッケージを使用したほうが簡単です。 http://www.lifewithpython.com/2012/11/Python-package-setuptools-pip.html 参考URL:
4.
目次 ● 基本的な画像処理 ● ヒストグラム平坦化 ● 平坦画像 ● 主成分分析 ● 画像をぼかす ● 画像の微分 ● モルフォロジー(9章で説明します ) ● ノイズ除去
5.
使用するライブラリ/モジュールの インストール ● PIL 一般的な画像の取り扱いのほか、サイズ変更、 切り抜き、回転、色変換といった画像の基本 操作を多数備えている http://www.pythonware.com/products/pil/ 32bit版Windows限定。64bit版Windowsを使用して いる場合は http://www.lfd.uci.edu/~gohlke/pythonlibs/ から「Pillow-2.3.0.win-amd64-py2.7.exe」を ダウンロードしてインストールする ● この後も64bit版Windowsを使用している場合このHPを利用する
6.
使用するライブラリ/モジュールの インストール ● PIL mac OS にインストールしたい場合 http://pythonmac.org/packages/py25-fat/index.html からインストーラをダウンロードして インストールする
7.
使用するライブラリ/モジュールの インストール ● NumPy Pythonを使って科学技術計算をする際用いる パッケージで、ベクトル、行列、配列オブジェクト、 線形代数関数などが備わっている http://sourceforge.net/projects/numpy/files/NumPy/1.8.0/
8.
使用するライブラリ/モジュールの インストール ● Matplotlib 数字を使ってグラフを描いたり、画像に点や直線、曲線を 描画する時に役立つライブラリ http://matplotlib.org/downloads.html から対応するファイルをダウンロードしてインストールする – Matplotlibを利用するには依存している他のライブラリも インストールする必要がある。自分のPCでは ● ● – Dateutil Pyparsing 人によっては他のライブラリをインストールする必要があるかも
9.
使用するライブラリ/モジュールの インストール ● SciPy NumPy上に構築された数学パッケージ。 数値積分や最適化、統計、信号処理、画像処理 などの機能を提供する。 http://sourceforge.net/projects/scipy/files/scipy/ (Win32bit) http://www.scipy.org/install.html (Mac
OS & Linux) Windows 64bit OSは例のホームページから
10.
基本的な画像処理 ● 1ページのプログラムを実行してください – ● ● 表示するには「pil_im.show()」 2ページのプログラムを知っておいてください 2ページから2ページに記載されている imtools.pyを作成してください – – ● numpyをインポートしてください インデントに気をつけてください 3ページのプログラムを実行してください
11.
画像に点と線の描画 ● ● 4ページのプログラムを実行して、 画像と点と線を描画してください 表1-1、1-2、1-3を参考にマーカーを変えて プログラムを実行してください
12.
画像の等高線 ● 等高線 – 画像の明るさをその場所における標高と見なして 地形図と同様に表現すること
13.
画像のヒストグラム ● ヒストグラム(Histgram = 度数分布図) – 画像の明暗の度合いを表した図 参考:http://www.asahi-net.or.jp/~ax2s-kmtn/ref/histogram.html
14.
画像の等高線とヒストグラム ● 6ページに記載されているプログラムを 実行してください
15.
インタラクティブな注釈 ● 7ページに記載されているプログラムを 実行してください
16.
配列による画像表現 ● Numpyの配列は多次元であり、ベクトルや 行列、画像を表現できる im = array(Image.open('empire.jpg')) print
im.shape,im.dtype => (800,569,3) uint8 im = array(Image.open('empire.jpg').convert('L'),'f') print im.shape,im.dtype => (800,569) float32 – 配列の要素にはこのようにアクセスできる value = im[i,j,k] #座標i,jの色チャンネルkの値 (k=0:R 1:G 2:B)
17.
グレーレベルの変換 ● グレーレベル変換は、画像のピクセルごとに適用 され、全てのピクセルが個別に取り扱われ、その 値が特定の「再マッピング」ルールによって 別の値に設定される – 9ページのプログラムを記載して実行して ください ● – 表示は「imshow(imX)」です – その後に「show()」が必要です im =
array( ・・・の次の行にgray()を記載しないと グレースケールにならないので注意 本には.convert('L')と書けばグレースケールになるとあるが、arrayを 使用した場合は自分のPCは変な原色で表示された
18.
画像のサイズ変更 ● Imtools.pyに1.3.3の関数を追加してください ● 同様に1.3.4の関数を追加してください
19.
ヒストグラム平坦化 ● ● ● ヒストグラムの度数を平坦化することで、 画像にメリハリをつける 12ページのプログラムを記載して実行 してください 13ページの関数をimtools.pyに追加して ください
20.
画像の主成分分析 ● 主成分分析 – 分かりやすく説明しているページがあった ● – ● ● 機械学習でも少し触れましたね http://www1.doshisha.ac.jp/~mjin/R/24/24.html 画像処理における主成分分析とは、画像で 使用されている点の色のうち、できるだけ 見た目を維持した上で使用する点の数を減らす 14ページの関数をpca.pyという名前で 保存してください 15ページのプログラムを記載して実行して ください 本のプログラムに加えて以下のプログラムが必要です import imtools imlist
= imtools.get_imlist('a_thumbs') ・・・
21.
画像をぼかす ● ガウス関数を画像の処理に応用する – ある点に近い画像の輝度(きど)値はその点に近く、 遠くなるほど輝度値は差が大きくなることを考慮し 平均値を計算する時にガウス関数を利用する – 39ページのプログラム(2つ)を実行してください
22.
画像の微分 ● 微分について(念のため)確認 y = x^2 →
dy/dx = 2x – なぜ微分をする? ● ● 画像の輝度が大きく変化している点(境界)を探す際、 変化が大きい箇所を強調するために微分を用いる ディジタル画像に対する処理では微分演算の代わりに 差分演算を行うことによってもエッジの検出が可能
23.
1次微分(差分)によるエッジ検出 ● 通常の差分演算を行うと、画面に含まれる雑音成分 にも反応してしまうめ、雑音の低減とノイズの除去 の両方を持つフィルタが提案されている – Prewittフィルタ -1 -1 -1 0 0 0 1 1 1 1 0 1 -1 -2 -1 -2 0 2 0 0 0 -1 0 1 1 2 1 -1 0 1 -1 0 1 -1 0 Sobelフィルタ -1 水平方向(x) = 水平方向(x) = – 垂直方向(x)
= 垂直方向(x) =
24.
1次微分(差分)によるエッジ検出 ● Prewittフィルタの水平方向に対する使用例 6 6 4 4 3 3 3 2 2 1 6 3 3 8 3 3 6 4 9 2 3 2 6 -1 → 0 1 -1 0 1 -1 0 1 → 1 6 4 4 5 4 5 ● 1 -3 3 3 3 2 2 1 6 3 3 8 3 3 6 4 9 2 3 2 フィルタを用いて水平方向、垂直方向の 差分を求めた後、それぞれを2乗した平方根 が画素の勾配の大きさとなる (勾配が大きいほどエッジが大きい)
25.
1次微分(差分)によるエッジ検出 ● 20ページのプログラムを実行してください – そのままだと出力されないので、以下のコードを 追加してください from pylab import
* ・・・ for i in (im, imx, imy, magnitude): figure() axis('off') gray() imshow(i) show()
26.
1次微分(差分)によるエッジ検出 ● 21ページのプログラムを実行してください
27.
モルフォロジー(物体を数える) ● 時間がないので第9章で
28.
画像のノイズ除去 ● ● 25~26ページの関数denoise()を ファイル名rof.pyで保存してください 26ページ中央のプログラムを以下のコードを 追加し、実行してください ・・・ from pylab import
* titles = ('original','gaussian','ROF') for i,j in enumerate((im,G,U)): subplot(1,3,i+1) title(titles[i]) gray() axis('off') imshow(j) show()
29.
まとめ ● 今回の章で以下の画像処理を会得しました – 画像の作成、切り取り、貼り付け、注釈等 基本的な操作 – 画像のヒストグラムの取得 – グレーレベル変換 – 画像の平均化 – 主成分分析による次元の減少 – 画像のぼかし – 画像のエッジ – ノイズ除去
30.
来月の読書会も頑張りましょう!
Descargar ahora