問題タブ [feature-detection]

ビデオフィードがあります。このビデオフィードには、さまざまな速度で点滅するいくつかのライトが含まれています。すべてのライトは同じ色です（すべて赤外線LEDです）。これらの点滅するライトの位置と頻度をどのように検出できますか？

免責事項：私はOpenCVに非常に慣れていません。私はLearningOpenCVのコピーを持っていますが、それは少し圧倒されます。誰かがOpenCVの用語で解決策を説明できれば、それは大いにありがたいです。私は私のためにコードが書かれることを期待していません。

ここにプロットされているようなデータ ポイントのグループを想定します (このグラフは私の問題に固有のものではありませんが、適切な例として使用されています)。

散布図を視覚的に調べると、データ ポイントが 2 つの「グループ」を形成しており、明らかにどちらにも属していないランダムなポイントがいくつかあることが明らかです。

次のことができるアルゴリズムを探しています。

• 2 つ以上の次元のデータ セットから始めます。
• そのようなグループがいくつ (または存在する場合) 存在するかを事前に知らなくても、データセットからそのようなグループを検出します。
• グループが検出されたら、新しいサンプル ポイントがいずれかのグループに適合するように思われる場合、グループのモデルに「質問」します。

小さなプレビュー サイズにトリミングしたいイラストの画像がたくさんあります。

問題は、図の「興味深い」部分を表示するためにそれらをトリミングしたいことです（つまり、空白の領域を避けます）。

通常、画像の背景は単色または微妙なグラデーションになっています。それらはほとんどベクトル スタイルのアートワークで、かなり独特な形状をしています。

以下にいくつかの例を示します:リンク;-)

スライディング ウィンドウを使用して何らかの画像特徴検出アルゴリズムを使用して、最大数の特徴を持つ領域を見つけることを考えていました。

私はこれを PHP で実装していますが、ライブラリや拡張機能が利用できない場合は、自分で実装してもかまいません。

アイデア？

ウェブカメラのビデオフィードでマーカーを検出し、3Dオブジェクトでオーバーレイしようとしています-ほぼ次のようになります：http ：//www.morethantechnical.com/2009/06/28/augmented-reality-with-nyartoolkit- opencv-opengl /

私はartoolkitがこれに最適なモジュールであることを知っていますが、artoolkitを使用できるほどのc / c ++がほとんどわからないため、Pythonでopencvを使用することを望んでいました。マーカーの検出や位置や向きなどの決定に向けて、誰かが私を正しい方向に導いてくれることを願っています。これをどのように行うのが最善か、どの機能を使用すべきかわからないからです。

UIをキーボード入力のみで動作させることにかなりの時間を費やしています。しかし、結局のところ、Androidデバイスがすべてタッチスクリーンを備えているという仮定に頼ることができるかどうかはわかりません。

Androidデバイスにタッチスクリーンがあるかどうかを判断する方法はありますか？

私は教育目的でハリスコーナー検出器を実装していますが、ハリス応答部分で立ち往生しています。基本的に、私がしていることは次のとおりです。

1. x方向とy方向の画像強度勾配を計算します
2. （1）のぼかし出力
3. （2）の出力に対するハリス応答を計算します
4. 3x3近傍およびしきい値出力で（3）の出力の非最大値を抑制します

1と2は正常に機能しているようです。ただし、ハリスの応答として非常に小さい値を取得し、しきい値に達するポイントはありません。入力は標準的な屋外写真です。

サンプル画像の場合、最大値は6.4163e-018になり、低すぎるように見えます。

ウェブカメラでレーザーライトドット（壁にある）を追跡したいのですが、openCVを使用してこのタスクを実行しています。誰かが私にC++でそれを行う方法を提案できますか？

ありがとうございました ！

画面の種類によって動作が若干異なるアプリケーションを開発しています。それを検出する方法はありますか？

次のアルゴリズムを使用して肌の色を検出していますが、さまざまな照明条件では実際にはうまく機能していません。誰かがそれを改善する方法やより良いアプローチを提案する方法をアドバイスできますか

http://softexpert.wordpress.com/2007/10/17/skin-color-detection/

乾杯

バックグラウンド

私は合成開口レーダー衛星からの非常に大きなデータセットを扱っています。これらは、一辺が10kピクセル程度の高ダイナミックレンジのグレースケール画像と考えることができます。

最近、私は、SAR画像の線形特徴を検出するためのリンドバーグのスケールスペースリッジ検出アルゴリズム法のシングルスケールバリアントのアプリケーションを開発しています。これは、方向フィルターの使用またはハフ変換の使用の改善です。これは、どちらよりも計算コストが低いため、以前は両方とも使用されていた方法です。（4月のJURSE 2011で最近の結果をいくつか発表します。それが役に立ったら、プレプリントをアップロードできます）。

私が現在使用しているコードは、ピクセルごとに1つずつ、レコードの配列を生成します。各レコードは、ピクセルの右下にある長方形の尾根セグメントを記述し、隣接するピクセルで囲まれています。

のエントリには、、、の2つだけが、0〜128の範囲の値を持つ場合、ridgesリッジセグメントが含まれます。topleftrightbottom

次に、尾根セグメントの開始（x1、y1）と終了（x2、y2）を見つけることができます。

これらの個々の尾根セグメントがレンダリングされると、次のような画像が得られます（はるかに大きな画像の非常に小さなコーナー）。

これらの長い曲線はそれぞれ、一連の小さな尾根セグメントからレンダリングされます。

尾根セグメントを含む2つの隣接する場所が接続されているかどうかを判断するのは簡単です。ridge1at（x、y）とat ridge2（x + 1、y）がある場合、0 <= ridge1.right<= 128および ridge2.left=の場合、これらは同じ行の一部になりridge1.rightます。

問題

理想的には、すべての尾根セグメントを線につなぎ合わせて、画像で見つかった各線を繰り返し処理して、さらに計算を適用できるようにします。残念ながら、これを行うためのアルゴリズムを見つけるのは難しいと感じています。これは、複雑さが低く、メモリ効率が高く、マルチプロセッシングに適しています（非常に大きな画像を処理する場合のすべての重要な考慮事項です！）

私が検討したアプローチの1つは、リンクされた尾根セグメントが1つしかない尾根が見つかるまで画像をスキャンし、結果の線を歩いて、線内の尾根に訪問済みのフラグを立てることです。ただし、これはマルチプロセッシングには適していません。これは、高価なロックなしで、同じ行を他の方向から（たとえば）歩いている別のスレッドがないかどうかを判断する方法がないためです。

読者は可能なアプローチとして何を提案しますか？誰かが過去に効率的な方法を考え出したようなもののようです...