VC++でM_PIを使う [C/C++]
#include <math.h>だけでは使うことが出来ない。以下のように宣言すると利用できるようになる。
#define _USE_MATH_DEFINES
#include <math.h>
参考サイト
タブのページ数を取得する。 [VB]
Dim count As Integer
count = System.Windows.Forms.TabControl.tabItem.TabPages.Count
tabItem はタブの名称。初期値は、TagPageX X=ページ番号となる。
本人認証アカウント [WEBサービス]
有名人など、多くの人に検索されたり「なりすまし」の対象となりうるユーザーのTwitterアカウントについて、Twitter Inc.が本人確認を行ったアカウント。認証済みアカウントにはプロフィールページなどにブルーの認証バッチが表示される。
参考サイト
- http://twinavi.jp/guide/section/twitter/glossary/%E8%AA%8D%E8%A8%BC%E6%B8%88%E3%81%BF%E3%82%A2%E3%82%AB%E3%82%A6%E3%83%B3%E3%83%88(Verified+Account)%E3%81%A8%E3%81%AF
- https://support.twitter.com/articles/268350-faq
- http://ameblo.jp/724685/entry-10553799154.html
- http://blogos.com/article/78449/?axis=g:1
SIFT検出器に基づく特徴点検出概要 [OpenCV]
画像内の強いコーナーを検出します。
◆画像処理効果
処理前
処理後
以下のコードを使うと「stack overflow」で停止するので注意が必要です。原因究明はこの処理を使う必要が発生したときに行う。
以下に制作したSURF検出器による特徴点検出部のソースを示す。
Detectors.cpp
SIFTはノンフリー版なので、この関数を使用するには以下の2点を追加する必要があります。
1.マクロとヘッダーの追加
2.main関数の最初にcv::initModule_nonfree関数を追加
参考サイト
- http://physics.nyu.edu/grierlab/manuals/opencv/classcv_1_1SiftFeatureDetector.html
- http://opencv.jp/opencv-2svn/cpp/features2d_common_interfaces_of_feature_detectors.html#siftfeaturedetector
- http://opencv.jp/cookbook/opencv_img.html#id32
ROIを利用した画像の部分処理概要 [OpenCV]
ROIとは: 「画像に対して ROI(Region Of Interest)を設定すると,その部分画像が,画像全体と同一に扱われる. つまり,部分画像に対して処理を行う場合,それが部分画像であることを考慮する必要なく扱うことができる. ただし,処理結果として座標や領域を得て,それを再び画像全体に戻す処理 (例えば,画像全体に対して描画するなど)を行う場合は,座標にオフセット (ROIの位置,幅など)を加えるなどの追加処理が必要なので注意すること.」
ROI(Region Of Interest)を利用して部分処理を行う。今回は4分割しそれぞれを回転させた。
◆画像処理効果
処理前
処理後
以下に制作したTilingクラスのソースを示す。
Tiling.h
Tiling.cpp
ソースコード
参考サイト
- http://opencv.jp/sample/transforms_and_permutations.html#repeat
- http://opencv.jp/opencv2-x-samples/affine_with_parameter
- http://www.eml.ele.cst.nihon-u.ac.jp/~momma/wiki/wiki.cgi/OpenCV/ROI%E3%81%AE%E4%BD%BF%E3%81%84%E6%96%B9.html
SimpleBlob検出器に基づく特徴点検出概要 [OpenCV]
- 適応的閾値処理を行い,入力画像を二値化します.その際に,minThreasholdからmaxThresholdまで,thresholdStepステップで変化させた複数の閾値を利用します.
- 各二値画像から,findContours()を用いて連結成分を抽出し,その中心を求めます.
- 複数の二値画像の中心点を座標でグループ化します.近い中心同士は1つのblobを形成し,これは minDistBetweenBlobsパラメータで制御されます.
- グループの最終的な中心と半径を推定し,それをキーポイントの位置とサイズとして返します.
◆画像処理効果
処理前
処理後
以下に制作したSimpleBlobアダプタによる特徴点検出部のソースを示す。
Detectors.cpp
参考サイト
- http://www.ropencv.aduda.eu/doc/OpenCV/Cv/SimpleBlobDetector.html
- http://docs.opencv.org/modules/features2d/doc/common_interfaces_of_feature_detectors.html#simpleblobdetector
- http://opencv.jp/cookbook/opencv_img.html#id32
FAST検出器+Dynamicアダプタに基づく特徴点検出概要 [OpenCV]
特徴点検出において,ある決まった個数範囲の特徴点を求めたい場合に,この方法が役にたちます. 求めたい特徴点個数の 最小値 と 最大値 を指定すると,検出器のパラメータを変更しながら, 指定された 繰り返し数 範囲内で探索を行います.
◆画像処理効果
処理前
処理後
以下に制作したFAST検出器+Dynamicアダプタによる特徴点検出部のソースを示す。
Detectors.cpp
参考サイト
- http://opencv.jp/opencv-2.2/cpp/features2d_common_interfaces_of_feature_detectors.html#cv-dynamicadaptedfeaturedetector-dynamicadaptedfeaturedetector
- http://opencv.jp/opencv-2.2/cpp/features2d_common_interfaces_of_feature_detectors.html#dynamicadaptedfeaturedetector
- http://opencv.jp/cookbook/opencv_img.html#id32
日中韓 歴史大論争 [歴史]
FAST検出器+Pyramidアダプタに基づく特徴点検出概要 [OpenCV]
入力画像からガウシアンピラミッドを作成し,各レベルにおいて特徴点を検出します. 特徴点のスケールを指定できない検出器において役立ちます.
◆画像処理効果
処理前
処理後
以下に制作したFAST検出器+Pyramidアダプタによる特徴点検出部のソースを示す。
Detectors.cpp
参考サイト
- http://physics.nyu.edu/grierlab/manuals/opencv/classcv_1_1PyramidAdaptedFeatureDetector.html
- http://opencv.jp/opencv-2.2/cpp/features2d_common_interfaces_of_feature_detectors.html#id12
- http://opencv.jp/cookbook/opencv_img.html#id32
FAST検出器+Gridアダプタに基づく特徴点検出概要 [OpenCV]
入力画像をグリッド状に分割し,その中で特徴点を検出します.
◆画像処理効果
処理前
処理後
以下に制作したFAST検出器+Gridアダプタによる特徴点検出部のソースを示す。
Detectors.cpp
参考サイト
- http://physics.nyu.edu/grierlab/manuals/opencv/classcv_1_1GridAdaptedFeatureDetector.html
- http://opencv.jp/opencv-2.2/cpp/features2d_common_interfaces_of_feature_detectors.html#id10
- http://opencv.jp/cookbook/opencv_img.html#id32