Skip to content

画像処理100本ノックして画像処理を画像処理して画像処理するためのもの For Japanese, English and Chinese

License

Notifications You must be signed in to change notification settings

mayun12138/Gasyori100knock

Repository files navigation

画像処理100本ノック!!

English is here >> https://github.com/KuKuXia/Image_Processing_100_Questions KuKuXia translates into English, so I appreciate his greate effort https://github.com/KuKuXia

画像処理の初学者のための問題100問が完成しましたぁぁぁぁぁ(^u^)私の修論作品です。

これはイモリと一緒に画像処理の基本的処理の知識を身に着け、アルゴリズムを理解するための100本ノックです。ここに載っている問題はOpenCVでAPIが用意されているものが殆どですが、あえてそれを自分の手で実装してください。解答も載っけてますが、それはあくまで解答です。自分で考えながら実装して下さい。

  • 問題の難易度の順番はめちゃくちゃです。なるべくポピュラーなものを採用していますが、ネタ切れであんまり聞かないものもあります笑
  • 内容はいろいろな文献を調べて載っけてるので正しくないものもあるかもしれないので注意して下さい
  • 【注意】このページを利用して、または関して生じた事に関しては、私は一切責任を負いません。すべて自己責任でお願い致します。

Recent

  • 2019.1.29 HSVを修正

環境設定

Python-3.6でやって下さい。(解答はPython-3.6で用意してます)

1. Minicondaのインストール

https://conda.io/miniconda.html のサイトからMinicondaをインストールします。これはWindowでもMacOSでも可能です。Minicondaがインストールできたら、端末(Windowでは端末、MacOSではターミナル)を開き、以下コマンドで仮想環境を作成します。

$ conda create python=3.6 -n gasyori100

作成できたら、以下コマンドで仮想環境を動作します。

$ source actiavte gasyori100

するとこうなります。

(gasyori100) :~/work_space/Gasyori100knock/ :$ 

2. gitのインストール

gitをインストールします。そして、端末を開いて、以下のコマンドを実行します。このコマンドでこのディレクトリを丸ごと自分のパソコンにコピーできます。

$ git clone https://github.com/yoyoyo-yo/Gasyori100knock.git

3. パッケージのインストール

以下のコマンドで必要なパッケージをインストールします。

$ pip install -r requirement.txt

4. 画像処理チュートリアル

以下のファイルを作成し sample.py という名前で保存し、実行します。

import cv2

img = cv2.imread("assets/imori.jpg")
cv2.imshow("imori", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
$ python sample.py

これで以下の画像が表示されれば成功です! 何かボタンを押せば消えます。

次に画像処理に関するnumpyの扱い方のためにTutorialフォルダを見てみて下さい。(もう知ってるという人はスキップして下さい。)

あとは問題を解いていってください。それぞれのフォルダに問題内容が入っています。問題では assets/imori.jpg を使用して下さい。各フォルダのREADME.mdに問題、解答プログラムがあります。python answer_@@.py とすると解答が出ます。

問題

詳細な問題内容は各ディレクトリのREADMEにあります。(ディレクトリで下にスクロールすればあります)

  • 解答は簡易化のため、main()などは使用しません。
  • numpy中心ですが、numpyの基本知識は自分で調べて下さい。
内容
1 画像読み込み・表示
2 画素をいじる
3 画像のコピー
4 画像の保存
番号 問題 番号 問題
1 チャネル入れ替え 6 減色処理
2 グレースケール化 7 平均プーリング
3 二値化 8 Maxプーリング
4 大津の二値化 9 ガウシアンフィルタ
5 HSV変換 10 メディアンフィルタ
番号 問題 番号 問題
11 平滑化フィルタ 16 Prewittフィルタ
12 モーションフィルタ 17 Laplacianフィルタ
13 MAX-MINフィルタ 18 Embossフィルタ
14 微分フィルタ 19 LoGフィルタ
15 Sobelフィルタ 20 ヒストグラム表示
番号 問題 番号 問題
21 ヒストグラム正規化 26 Bi-linear補間
22 ヒストグラム操作 27 Bi-cubic補間
23 ヒストグラム平坦化 28 アフィン変換(平行移動)
24 ガンマ補正 29 アフィン変換(拡大縮小)
25 最近傍補間 30 アフィン変換(回転)
番号 問題 番号 問題
31 アフィン変換(スキュー) 36 JPEG圧縮 (Step.1)離散コサイン変換
32 フーリエ変換 37 PSNR
33 フーリエ変換 ローパスフィルタ 38 JPEG圧縮 (Step.2)DCT+量子化
34 フーリエ変換 ハイパスフィルタ 39 JPEG圧縮 (Step.3)YCbCr表色系
35 フーリエ変換 バンドパスフィルタ 40 JPEG圧縮 (Step.4)YCbCr+DCT+量子化
番号 問題 番号 問題
41 Cannyエッジ検出 (Step.1) エッジ強度 46 Hough変換・直線検出 (Step.3) Hough逆変換
42 Cannyエッジ検出 (Step.2) 細線化 47 モルフォロジー処理(膨張)
43 Cannyエッジ検出 (Step.3) ヒステリシス閾処理 48 モルフォロジー処理(収縮)
44 Hough変換・直線検出 (Step.1) Hough変換 49 オープニング処理
45 Hough変換・直線検出 (Step.2) NMS 50 クロージング処理
番号 問題 番号 問題
51 モルフォロジー勾配 56 テンプレートマッチング NCC
52 トップハット変換 57 テンプレートマッチング ZNCC
53 ブラックハット変換 58 ラベリング 4近傍
54 テンプレートマッチング SSD 59 ラベリング 8近傍
55 テンプレートマッチング SAD 60 アルファブレンド
番号 問題 番号 問題
61 4-連結数 66 HOG (Step.1) 勾配強度・勾配角度
62 8-連結数 67 HOG (Step.2) 勾配ヒストグラム
63 細線化 68 HOG (Step.3) ヒストグラム正規化
64 ヒルディッチの細線化 69 HOG (Step.4) 特徴量の描画
65 Zhang-Suenの細線化 70 カラートラッキング
番号 問題 番号 問題
71 マスキング 76 顕著性マップ
72 マスキング(カラートラッキングとモルフォロジー) 77 ガボールフィルタ
73 縮小と拡大 78 ガボールフィルタの回転
74 ピラミッド差分による高周波成分の抽出 79 ガボールフィルタによるエッジ抽出
75 ガウシアンピラミッド 80 ガボールフィルタによる特徴抽出
番号 問題 番号 問題
81 Hessianのコーナー検出 86 簡単な画像認識 (Step.3) 評価(Accuracy)
82 Harrisのコーナー検出 (Step.1) Sobel + Gaussian 87 簡単な画像認識 (Step.4) k-NN
83 Harrisのコーナー検出 (Step.2) コーナー検出 88 K-means (Step.1) 重心作成
84 簡単な画像認識 (Step.1) 減色化 + ヒストグラム 89 K-means (Step.2) クラスタリング
85 簡単な画像認識 (Step.2) クラス判別 90 K-means (Step.3) 初期ラベルの変更
番号 問題 番号 問題
91 K-meansによる減色処理 (Step.1) 色の距離によるクラス分類 96 ニューラルネットワーク (Step.2) 学習
92 K-meansによる減色処理 (Step.2) 減色処理 97 簡単な物体検出 (Step.1) スライディングウィンドウ + HOG
93 機械学習の学習データの用意 (Step.1) IoUの計算 98 簡単な物体検出 (Step.2) スライディングウィンドウ + NN
94 機械学習の学習データの用意 (Step.2) ランダムクラッピング 99 簡単な物体検出 (Step.3) Non-Maximum Suppression
95 ニューラルネットワーク (Step.1) ディープラーニングにする 100 簡単な物体検出 (Step.4) 評価 Precision, Recall, F-score, mAP

TODO

adaptivebinalizatino, poison image blending

About

画像処理100本ノックして画像処理を画像処理して画像処理するためのもの For Japanese, English and Chinese

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Python 76.5%
  • C++ 22.0%
  • HTML 1.5%