画像処理– category –

OpenCV で 2 値画像の連結成分のラベリングを行う cv2.connectedComponents() の使い方について解説します。

OpenCV で Canny 法でエッジを抽出する方法について解説します。

OpenCV の特徴点マッチングを利用して物体を検出する方法について解説します。

画像から最小値、最大値、平均値、中央値、最頻値、分散、標準偏差といった各種統計量を計算する方法について解説します。

この記事では、OpenCV を使用してカラー画像に階調変換を適用する方法を紹介します。

OpenCV でネガポジ反転やポスタリゼーションなどの階調変換を画像に適用する方法を紹介します。

OpenCV の cv2.putText() を使用して画像にテキストを描画する方法について解説します。 また、Pillow を使用して日本語のテキストを描画する方法についても記載しています。

OpenCV のカスケード分類器 CascadeClassifier を使用して、画像から顔や目を検出する方法について解説します。

Jupyter Notebook では、Pillow の PIL Image 形式の画像は自動でインライン表示されますが、OpenCV で扱う NumPy 形式の画像は、配列の値がそのまま表示され、画像として表示されません。本記事では、Jupyter Notebook 上で NumPy 形式の画像をインラインで表示する方法について紹介します。

OpenCV の cv2.compareHist() を使用してヒストグラムの類似度を計算する方法について解説します。

cv2.matchShape() で 2 つの輪郭の類似度を算出し、マッチングを行う方法について解説します。

OpenCV の Python 版では画像は ndarray で表されます。 画像の切り抜きやチャンネルの分離、画像の一部にのみ他の値を代入するといったことは numpy の機能で実現できます。