Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
第31回 (2015/7/11) MPS 定例ミーティング
Python で画像処理をやってみよう!
第1回 - ヒストグラムと濃度変換 -
金子純也
(Morning Project Samurai 代表)
第30回 MPS ミーティング資料...
目次
• Morning Project Samurai (MPS) とは
• 画像認識とは
• ディジタル画像の基礎知識
• ヒストグラム
• 濃度変換
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kan...
Morning Project Samurai (MPS)
• Morning

- 土曜の朝を有意義に
• Project

- プロジェクト指向
• Samurai

- 謙虚に学習

- プロジェクトをバッサバッサ

と斬りまくる
プロジ...
これまでに行った活動
• 勉強会 (プレゼン)

- Webアプリの安全性について(XSS実習)

- コンピュータが動くメカニズム(論理回路基礎)

- プログラムテストについて

- JavaScript 入門 (実習)

- Python...
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
ぶらサボり
(東京メトロオプンデータコンテスト出展作品)
Python + Django で開発
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
Be Active, Be Creative!!
MPS
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
目次
• Morning Project Samurai (MPS) とは
• 画像認識とは
• ディジタル画像の基礎知識
• ヒストグラム
• 濃度変換
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kan...
目標
画像認識 (+α) を用いて

ミニチュア半自立運転車を作る!
(MPS Setagaya のイベントでの発表を目標)
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
画像認識 (Image Recognition)
Recognition:

The act of accepting that something is true or
important or that it exists
(出典: htt...
画像認識の流れ
サンプリング 前処理 認識
濃度調整
ひずみ補正
雑音除去
etc.
特徴

抽出
エッジ検出
線分検出
領域分割
etc.
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
必要となる (学べる) 知識と技術
• コンピュータ内での基本的な画像の扱い方
• 数学 

(行列演算、フーリエ変換、etc.)
• パターン認識、学習アルゴリズム 

(ニューラルネット、ベイジアンネットワーク、etc.)
• 上記を統合し...
画像認識の流れ
サンプリング 前処理 認識
濃度調整
ひずみ補正
雑音除去
etc.
特徴

抽出
エッジ検出
線分検出
領域分割
etc.
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
必要となる (学べる) 知識と技術
• コンピュータ内での基本的な画像の扱い方
• 数学 

(フーリエ変換、行列による座標変換、etc.)
• 学習アルゴリズム 

(ニューラルネット、ベイジアンネットワーク、etc.)
• 上記を統合して実...
使用するライブラリ
• Pillow
• OpenCV
• numpy
• matplotlib
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
目次
• Morning Project Samurai (MPS) とは
• 画像認識とは
• ディジタル画像の基礎知識
• ヒストグラム
• 濃度変換
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kan...
ディジタル画像
ピクセル

(r, g, b) = (255, 0, 0)
ピクセルの集合で表現される画像
- ピクセルは離散点
- 各ピクセルにおけるカラーや濃淡の情報も離散値
ピクセル

(r, g, b) = (255, 255, 255...
配列による画像の表現
多くの場合、画像は配列で表現される
例: 2D画像の2次元配列表現
(0, 0) (12, 0)
(12, 12)
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
カラーモデルによる色の表現
• RGB :

- 適切に選ばれた3つの原刺激の組みで表現

- コンピュータが主に使用
• HSV:

- (色相, 彩度, 明度) の組みで表現

- 人間が色を選ぶときに直感的に使いやすい
• YCbCr:
...
RGB カラーモデルの原理
• 適切な3色を選べば、その混色で任意の色が表現
可能であることに基づく
• S = RR0 + GG0 + BB0



S: 任意の色

R0, G0, B0: 原刺激

R, G, B: 重み
• 色空間: (...
ピクセルとその情報を

Python で取得してみよう! (下準備編)
• Pillow のインストール

pip install Pillow または pip3 install Pillow
• プログラムを置くフォルダを1つ作成
• JPE...
ピクセルとその情報を
Pythonで取得してみよう! (実装編)
# 画像を表現するクラスをロード

from PIL import Image
# 画像 sample.jpg をオープン
img = Image.open(‘sample.jp...
練習問題
用意したJPEG画像の適当な位置から
100 * 100 ピクセル の正方形領域を
黒で塗りつぶして、結果を保存してみよう。

ヒント:
- ピクセル情報の更新: pxls[i, j] = (r, g, b)
- 画像の保存: img...
目次
• Morning Project Samurai (MPS) とは
• 画像認識とは
• ディジタル画像の基礎知識
• ヒストグラム
• 濃度変換
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kan...
ヒストグラム
• 画像を濃度値の頻度分布という観点から見る

- 各濃度値に対し同じ値を持つピクセルを計数
• 空間情報は失われる

- 同じヒストグラムを持つ異なる画像が存在
Rが200であるピクセルが
画像全体に占める割合
第30回 MPS...
比べてみよう! (問題編)
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
削除
比べてみよう! (回答編)
• 露出不足の画像はヒストグラムが左より
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
ヒストグラムを作ってみよう!
(前準備: matplotlib)
pip install matplotlib
または
pip3 install matplotlib
第30回 MPS ミーティング資料 (2015/07/11) (c) Jun...
ランダムに生成された0から5までの整数
1000個の列のヒストグラムを描画
import matplotlib.pyplot as plt
import random
rnums = [random.randint(0, 4) for i in...
ヒストグラムを作ってみよう!
(実装編)
ヒント:
Rに関するヒストグラムは、
Rが i であるピクセルの数 x を
画像の全ピクセル数で割って正規化し、
それらを i が小さいものから並べたリスト。
ここで、 i は 0 から 255 の値を...
目次
• Morning Project Samurai (MPS) とは
• 画像認識とは
• ディジタル画像の基礎知識
• ヒストグラム
• 濃度変換
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kan...
画像を見やすくする方法を
考えてみよう! (問題編)
使用している濃度レンジ
使用可能な濃度レンジ
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
画像を見やすくする方法を
考えてみよう! (回答編)
使用する濃度レンジを拡大すると
コントラストが強調されて見やすくなるのでは?第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
使用濃度レンジを拡大する関数を考える!
Q. ところで関数ってどんなもの?
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
使用濃度レンジを拡大する関数を考える!
Q. ところで関数ってどんなもの?
A. ある入力に対して1つ値が定まるもの
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
使用濃度レンジを拡大する関数を
デザインする
c d
a
b
(参考: [1])
拡大前濃度
拡大後濃度
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
使用濃度レンジを拡大する関数を
デザインする
c d
a
b
(参考: [1])
拡大前濃度
拡大後濃度
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
使用濃度レンジを拡大する関数を
デザインする
c d
0
255
(参考: [1])
拡大前濃度
拡大後濃度
今回は
0から255
に拡大
この折れ線を
プログラムで
表現できれば良い
第30回 MPS ミーティング資料 (2015/07/11...
使用濃度レンジを拡大する関数を
デザインする
c d
0
255
(参考: [1])
拡大前濃度
拡大後濃度
今回は
0から255
に拡大 ①
② ③
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
使用濃度レンジを拡大する関数を
デザインする
c d
0
255
(参考: [1])
拡大前濃度
拡大後濃度
今回は
0から255
に拡大 ①
② ③
①②③
はそれぞれ直線!
第30回 MPS ミーティング資料 (2015/07/11) (c...
使用濃度レンジを拡大する関数を
デザインする
c d
0
255
(参考: [1])
拡大前濃度
拡大後濃度
今回は
0から255
に拡大 ①
② ③
①②③
はそれぞれ直線!
一次式
第30回 MPS ミーティング資料 (2015/07/11...
使用濃度レンジを拡大する関数を
デザインする
c d
0
255
(参考: [1])
拡大前濃度
拡大後濃度
今回は
0から255
に拡大 ①
② ③
①②③
はそれぞれ直線!
一次式
プログラムで
記述可能
第30回 MPS ミーティング資料...
使用濃度レンジを拡大する関数を
デザインする
c d
0
255
(参考: [1])
拡大前濃度 (x)
拡大後濃度 (y)
x < c のとき
y = 0
b-a
d-c x >= d のとき
y = 255
(x-c)
c <= x < d...
実行結果
第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
参考図書
1. 田村 秀行: コンピュータ画像処理. オーム社. 2002.
2. P.H.リンゼイ: 情報処理心理学入門1 感覚と知覚. 

サイエンス社. 1983.
3. Richard Szeliski : Computer Visio...
Nächste SlideShare
Wird geladen in …5
×

Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -

6.276 Aufrufe

Veröffentlicht am

Pythonを用いた画像処理の基礎の勉強会資料です。
Morning Project Samurai 第30回ミーティングで使用しました。

About fundamentals of image processing.
Slide for Morning Project Samurai (MPS) 30th meeting.

---

MPSは東京で活動しているクリエイティブなキャリアをつくるための場の活動です。
Websiteはこちらです!
https://mpsamurai.org/

コミュニティ/イベント告知はDoorkeeperでおこなっています。
https://mpsamurai.doorkeeper.jp/events
興味がある方はぜひご参加ください〜!

Veröffentlicht in: Software
  • Als Erste(r) kommentieren

Pythonで画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 -

  1. 1. 第31回 (2015/7/11) MPS 定例ミーティング Python で画像処理をやってみよう! 第1回 - ヒストグラムと濃度変換 - 金子純也 (Morning Project Samurai 代表) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  2. 2. 目次 • Morning Project Samurai (MPS) とは • 画像認識とは • ディジタル画像の基礎知識 • ヒストグラム • 濃度変換 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  3. 3. Morning Project Samurai (MPS) • Morning
 - 土曜の朝を有意義に • Project
 - プロジェクト指向 • Samurai
 - 謙虚に学習
 - プロジェクトをバッサバッサ
 と斬りまくる プロジェクト リーダー シップ メンバー シップ 成果 人脈 UP! UP! UP! キャリア 知識・技術 UP! UP! 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  4. 4. これまでに行った活動 • 勉強会 (プレゼン)
 - Webアプリの安全性について(XSS実習)
 - コンピュータが動くメカニズム(論理回路基礎)
 - プログラムテストについて
 - JavaScript 入門 (実習)
 - Python を用いた Youtube 動画リストの作成
 (プログラム基礎、オブジェクト指向、サーバーからのデータ取得、
  ドキュメントの検索と読み方、UML基礎)
 - Python で OAuth を使ってみよう! • プロジェクト
 - MPS HP
 - ぶらさぼり(東京メトロオープンデータ活用コンテスト)
 - 企業内研修講師
 - 世田谷まちづくりファンド (MPS Setagaya 設立)
 - エジソンカー作成 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  5. 5. 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  6. 6. ぶらサボり (東京メトロオプンデータコンテスト出展作品) Python + Django で開発 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  7. 7. 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  8. 8. Be Active, Be Creative!! MPS 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  9. 9. 目次 • Morning Project Samurai (MPS) とは • 画像認識とは • ディジタル画像の基礎知識 • ヒストグラム • 濃度変換 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  10. 10. 目標 画像認識 (+α) を用いて
 ミニチュア半自立運転車を作る! (MPS Setagaya のイベントでの発表を目標) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  11. 11. 画像認識 (Image Recognition) Recognition:
 The act of accepting that something is true or important or that it exists (出典: http://www.merriam-webster.com/) 
 
 物事の真偽や重要性、またはその存在を認める行動 
 Image Recognition: 画像や画像中にあるものが 一体何を意味しているかを理解する 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  12. 12. 画像認識の流れ サンプリング 前処理 認識 濃度調整 ひずみ補正 雑音除去 etc. 特徴
 抽出 エッジ検出 線分検出 領域分割 etc. 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  13. 13. 必要となる (学べる) 知識と技術 • コンピュータ内での基本的な画像の扱い方 • 数学 
 (行列演算、フーリエ変換、etc.) • パターン認識、学習アルゴリズム 
 (ニューラルネット、ベイジアンネットワーク、etc.) • 上記を統合して実際にプログラミングできる技術 (コンピュータサイエンスに所属する大学3年生程度の知識) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  14. 14. 画像認識の流れ サンプリング 前処理 認識 濃度調整 ひずみ補正 雑音除去 etc. 特徴
 抽出 エッジ検出 線分検出 領域分割 etc. 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  15. 15. 必要となる (学べる) 知識と技術 • コンピュータ内での基本的な画像の扱い方 • 数学 
 (フーリエ変換、行列による座標変換、etc.) • 学習アルゴリズム 
 (ニューラルネット、ベイジアンネットワーク、etc.) • 上記を統合して実際にプログラミングできる技術 (コンピュータサイエンスに所属する大学3年生程度の知識) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  16. 16. 使用するライブラリ • Pillow • OpenCV • numpy • matplotlib 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  17. 17. 目次 • Morning Project Samurai (MPS) とは • 画像認識とは • ディジタル画像の基礎知識 • ヒストグラム • 濃度変換 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  18. 18. ディジタル画像 ピクセル
 (r, g, b) = (255, 0, 0) ピクセルの集合で表現される画像 - ピクセルは離散点 - 各ピクセルにおけるカラーや濃淡の情報も離散値 ピクセル
 (r, g, b) = (255, 255, 255) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  19. 19. 配列による画像の表現 多くの場合、画像は配列で表現される 例: 2D画像の2次元配列表現 (0, 0) (12, 0) (12, 12) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  20. 20. カラーモデルによる色の表現 • RGB :
 - 適切に選ばれた3つの原刺激の組みで表現
 - コンピュータが主に使用 • HSV:
 - (色相, 彩度, 明度) の組みで表現
 - 人間が色を選ぶときに直感的に使いやすい • YCbCr:
 - 明度と色差の組みで表現
 - ビデオやストリーミングで主に使用
 - 人間の視覚特性に注目した効率の良い表現方法 (参考: http://cs.brown.edu/courses/cs092/VA10/HTML/ColorModels.html) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  21. 21. RGB カラーモデルの原理 • 適切な3色を選べば、その混色で任意の色が表現 可能であることに基づく • S = RR0 + GG0 + BB0
 
 S: 任意の色
 R0, G0, B0: 原刺激
 R, G, B: 重み • 色空間: (R, G, B) の組みで表される3次元空間 (出典: https://msdn.microsoft.com/) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  22. 22. ピクセルとその情報を
 Python で取得してみよう! (下準備編) • Pillow のインストール
 pip install Pillow または pip3 install Pillow • プログラムを置くフォルダを1つ作成 • JPEG 画像を1つ上で作成したフォルダに用意 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  23. 23. ピクセルとその情報を Pythonで取得してみよう! (実装編) # 画像を表現するクラスをロード
 from PIL import Image # 画像 sample.jpg をオープン img = Image.open(‘sample.jpg’) # ピクセル情報を取り出し pxls = img.load() # 座標 (1,1) のピクセルの色情報を取得し表示 print(pxls[1, 1]) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  24. 24. 練習問題 用意したJPEG画像の適当な位置から 100 * 100 ピクセル の正方形領域を 黒で塗りつぶして、結果を保存してみよう。
 ヒント: - ピクセル情報の更新: pxls[i, j] = (r, g, b) - 画像の保存: img.save(‘filename.jpg’) - 公式ドキュメント: pillow.readthedocs.org 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  25. 25. 目次 • Morning Project Samurai (MPS) とは • 画像認識とは • ディジタル画像の基礎知識 • ヒストグラム • 濃度変換 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  26. 26. ヒストグラム • 画像を濃度値の頻度分布という観点から見る
 - 各濃度値に対し同じ値を持つピクセルを計数 • 空間情報は失われる
 - 同じヒストグラムを持つ異なる画像が存在 Rが200であるピクセルが 画像全体に占める割合 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  27. 27. 比べてみよう! (問題編) 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko 削除
  28. 28. 比べてみよう! (回答編) • 露出不足の画像はヒストグラムが左より 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  29. 29. ヒストグラムを作ってみよう! (前準備: matplotlib) pip install matplotlib または pip3 install matplotlib 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  30. 30. ランダムに生成された0から5までの整数 1000個の列のヒストグラムを描画 import matplotlib.pyplot as plt import random rnums = [random.randint(0, 4) for i in range(0, 1000)] rand_hist = [0] * 5 for i in range(0, 1000): rand_hist[rnums[i]] += 1 rand_hist = [i/1000 for i in rand_hist] plt.bar(range(0, 5), rand_hist, 1, color="blue") plt.show() 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  31. 31. ヒストグラムを作ってみよう! (実装編) ヒント: Rに関するヒストグラムは、 Rが i であるピクセルの数 x を 画像の全ピクセル数で割って正規化し、 それらを i が小さいものから並べたリスト。 ここで、 i は 0 から 255 の値をとる。 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  32. 32. 目次 • Morning Project Samurai (MPS) とは • 画像認識とは • ディジタル画像の基礎知識 • ヒストグラム • 濃度変換 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  33. 33. 画像を見やすくする方法を 考えてみよう! (問題編) 使用している濃度レンジ 使用可能な濃度レンジ 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  34. 34. 画像を見やすくする方法を 考えてみよう! (回答編) 使用する濃度レンジを拡大すると コントラストが強調されて見やすくなるのでは?第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  35. 35. 使用濃度レンジを拡大する関数を考える! Q. ところで関数ってどんなもの? 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  36. 36. 使用濃度レンジを拡大する関数を考える! Q. ところで関数ってどんなもの? A. ある入力に対して1つ値が定まるもの 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  37. 37. 使用濃度レンジを拡大する関数を デザインする c d a b (参考: [1]) 拡大前濃度 拡大後濃度 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  38. 38. 使用濃度レンジを拡大する関数を デザインする c d a b (参考: [1]) 拡大前濃度 拡大後濃度 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  39. 39. 使用濃度レンジを拡大する関数を デザインする c d 0 255 (参考: [1]) 拡大前濃度 拡大後濃度 今回は 0から255 に拡大 この折れ線を プログラムで 表現できれば良い 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  40. 40. 使用濃度レンジを拡大する関数を デザインする c d 0 255 (参考: [1]) 拡大前濃度 拡大後濃度 今回は 0から255 に拡大 ① ② ③ 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  41. 41. 使用濃度レンジを拡大する関数を デザインする c d 0 255 (参考: [1]) 拡大前濃度 拡大後濃度 今回は 0から255 に拡大 ① ② ③ ①②③ はそれぞれ直線! 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  42. 42. 使用濃度レンジを拡大する関数を デザインする c d 0 255 (参考: [1]) 拡大前濃度 拡大後濃度 今回は 0から255 に拡大 ① ② ③ ①②③ はそれぞれ直線! 一次式 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  43. 43. 使用濃度レンジを拡大する関数を デザインする c d 0 255 (参考: [1]) 拡大前濃度 拡大後濃度 今回は 0から255 に拡大 ① ② ③ ①②③ はそれぞれ直線! 一次式 プログラムで 記述可能 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  44. 44. 使用濃度レンジを拡大する関数を デザインする c d 0 255 (参考: [1]) 拡大前濃度 (x) 拡大後濃度 (y) x < c のとき y = 0 b-a d-c x >= d のとき y = 255 (x-c) c <= x < dのとき y= 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  45. 45. 実行結果 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko
  46. 46. 参考図書 1. 田村 秀行: コンピュータ画像処理. オーム社. 2002. 2. P.H.リンゼイ: 情報処理心理学入門1 感覚と知覚. 
 サイエンス社. 1983. 3. Richard Szeliski : Computer Vision: Algorithms and Applications. Springer. 2010. 第30回 MPS ミーティング資料 (2015/07/11) (c) Junya Kaneko

×