cv.jit object guide
概要
情報
Statistics 統計 cv.jit.sumマトリックスの各プレーン(ARGBなど)の値を計算しプレーンごとの合計を算出
(Summary)
cv.jit.mean経過時間のマトリックスの平均値を計算
cv.jit.ravg経過時間のマトリックスの移動平均を計算
(Running average)
jit.slide, jit.meanとの比較
高性能
jit.slide, jit.meanとの比較
高性能
cv.jit.stddev
標準偏差(データの散らばりの度合いを示す数値)を計算
(Standard deviation)
背景を除去したいとき便利
背景を除去したいとき便利
cv.jit.veriance分散を計算
(Variance:変動)
cv.jit.stddevのほうが扱いやすい
cv.jit.stddevのほうが扱いやすい
Shape 状態 cv.jit.moments状態分析のための基本オブジェクト。モーメント（運動率）と不変量、重心を計算
使い方はcv.jit.orientation, cv.jit.direction, cv.jit.elongation, cv.jit.learnを参照
cv.jit.massゼロ以上のピクセルの総数を計算
基本的に２値化して使う
cv.jit.centroids固まりの重心を計算
cv.jit.orientationイメージの軸を計算
角度はラジアン(弧度法)で表される
cv.jit.directionイメージの軸の方向(どちらの点を指し示しているか)を計算
cv.jit.elongationイメージの伸びを計算（長さに対する薄さ）
(inertia:慣性)
cv.jit.circularityイメージの緊密性(真円度)を計算(0<a<1)
(compactness:緊密性)
cv.jit.perimeterエッジのピクセルの総数を計算
(perimeter: 周囲 )
２値化して使う
２値化して使う
Motion 運動 cv.jit.trackJean-Yves Bouguetが提唱したオプティカルフローベースのトラッキング。最大255点まで。
(optical flow:オプティカル・フロー=動画像中のフレームにおける各点の速度ベクトルの場のこと)
cv.jit.LKflowLucas-Kanade式のオプティカルフローベースのトラッキング。
radiusアトリビュートでコントロールする。値が大きくなると負荷も大きくなる。
cv.jit.HSflow Horn-Schunk式のオプティカルフローベースのトラッキング
lambda(ラムダ)アトリビュートの値で、ベクトルの追跡の
cv.jit.framesub連続したフレーム同士の差分の絶対値を計算。
(substraction:差/consecutive:連続した)
Morphology 形態学 cv.jit.canny
キャニーのアルゴリズムを採用したエッジ検出。
JitterでサポートされているSobel, Prewitt and Crossによるアルゴリズムとは異なり、1pixelでエッジを描画する。
JitterでサポートされているSobel, Prewitt and Crossによるアルゴリズムとは異なり、1pixelでエッジを描画する。
使用法などはcv.jit.houghを参照。
cv.jit.dilate二値化: on(白)のピクセルで、その周囲のピクセルのうち一つでもonのピクセルがあるものをマーク。
グレイスケール: 周囲のピクセルのうち,最大値をもつピクセルの値を周囲に適用。
グレイスケール: 周囲のピクセルのうち,最大値をもつピクセルの値を周囲に適用。
(dilate: 広げる、膨張させる)
cv.jit.erode二値化: on(白)ピクセルで、かつその周囲のピクセルもon(白)のピクセルをマーク。
グレイスケール: 周囲のピクセルのうち,最小値をもつピクセルの値を周囲に適用。
グレイスケール: 周囲のピクセルのうち,最小値をもつピクセルの値を周囲に適用。
(erode:浸食する)
cv.jit.binedge二値化した値のエッジ検出
cv.jit.openerodeとdilateを連続的に行う。
erode: on(白)ピクセルのノイズ除去
dilate: 同じような形へと戻す
erode: on(白)ピクセルのノイズ除去
dilate: 同じような形へと戻す
ギャップは大きくなる
cv.jit.close基本的にcv.jit.openと一緒。
ギャップは小さくなる
Patterns 型 cv.jit.faceグレイスケールで顔の位置を検出。
コンピュータ集約的なアルゴリズムの関係上、小さなマトリックスで動作する。
コンピュータ集約的なアルゴリズムの関係上、小さなマトリックスで動作する。
検出できる顔の大きさは幅20ピクセルまで。jit.trackを同時に使用すると効果的。
cv.jit.features周囲を比較して特徴点を計算する。
プレーン数2のマトリックスを出力する。セル数が検出した特徴点、最初のプレーンがx座標、次がy座標。関心領域の設定も可能。
プレーン数2のマトリックスを出力する。セル数が検出した特徴点、最初のプレーンがx座標、次がy座標。関心領域の設定も可能。
特徴検出からトラッキングまでの方法はcv.jit.features2trackを参照。
region of interest: 関心領域【略】ROI
region of interest: 関心領域【略】ROI
cv.jit.hough二値化したイメージからHough(ハフ)空間を計算
sinusoid:サインカーブ/ respectively:それぞれ
cv.jit.extrama参照 (誤字×bby ○by)
アトリビュートrho: distance / theta: angle
cv.jit.extrama参照 (誤字×bby ○by)
アトリビュートrho: distance / theta: angle
cv.jit.linesグレースケールのイメージからは不空間を使って直線を検出
cellは検出された直線の数。出力は4プレーン左x,左y,右x,右y,long。
cv.jit.features2trackcv.jit.trackを使用する際に、特徴点からさらにトラッキングしやすい部分を検出する。
コントラストの高い部分がトラッキングしやすい
cv.jit.hough2linesHough(ハフ)空間から直線を検出する。
encapsulates :カプセルにいれる
cv.jit.linesの方がロバストかつ効果的だが、ハフ空間の視覚化が行える。
cv.jit.linesの方がロバストかつ効果的だが、ハフ空間の視覚化が行える。
Recognition 認識 cv.jit.learnパターン分析およびパターン認識を行う。
cv.jit.undergradシンプルなパターン分析およびパターン認識を行う。
undergrad: 見習い
cv.jit.momentから出力されたリストを主に入力する。
2.5を標準偏差として、0<a<7の範囲を出力。
cv.jit.momentから出力されたリストを主に入力する。
2.5を標準偏差として、0<a<7の範囲を出力。
Connected components
連結成分
cv.jit.floodfillfloodfill を用いてon(白)連結成分を抽出する。
2値化したデータ
cv.jit.label連結成分やかたまりを同定し、それぞれに固有の値をでマーキングする。
2値化したデータ
最高2024個個別に識別する。
最高2024個個別に識別する。
cv.jit.blobs.boundscv.jit.findboundと似ているが、連結成分としてのかたまりを格子状の領域として出力。4プレーン、1次元のfloat32の形式のマトリックスとして出力する。セルの数は入力されたblob数と同じ。
プレーンは1〜4の順に、左上右下の座標。
cv.jit.blobs.centroidsラベリングされたかたまりの中心やピクセルの総数を検出
cv.jit.centroidsと類似しているが、cv.jit.labelからの入力を扱う。3プレーン(x,y座標,領域)char型
cv.jit.blobs.directionかたまりごとの指し示す方向を検出する。cv.jit.blobs.orientationとほとんど同一だが、directionはどちらを指し示すかを区別する。
出力は1プレーン、float32。
角度はラジアン(弧度法)。0≦a≦2(0°≦a≦180°)
角度はラジアン(弧度法)。0≦a≦2(0°≦a≦180°)
cv.jit.blobs.elongationかたまりごとの伸張(薄さ)を計算する
円や四角は値が小さく、線に近くなるほど値は大きくなる。
cv.jit.blobs.momentsかたまりのごとのモーメントおよびモーメント不変量を解析する。
cv.jit.labelで検出されたかたまりごとに解析。
プレーン数は17!
Planes 1-7 慣性モーメントの2-3次の順番, 8-14 Hu不変量の状態を記述, 15-16 重心の座標, 17 連結成分。
プレーン数は17!
Planes 1-7 慣性モーメントの2-3次の順番, 8-14 Hu不変量の状態を記述, 15-16 重心の座標, 17 連結成分。
cv.jit.blobs.orientationcv.jit.orientationと似ているが、かたまりごとに主軸を計算する。
出力は1プレーン、float32。
角度はラジアン(弧度法)。0≦a≦2(0°≦a≦180°)
角度はラジアン(弧度法)。0≦a≦2(0°≦a≦180°)
cv.jit.blobs.recon
塊の形のディスクリプターと前計算されたモデル間の統計的な間隔を計算する。
モデルはcv.jit.learnを使用して作成する。
モデルはcv.jit.learnを使用して作成する。
出力は1プレーンfloat32のマトリックス。出力される値が小さければ小さいほど、形が類似している。
cv.jit.blobs.sortラベリングしたかたまりの色と番号をソートする。
前のフレームと比較して最も近い位置にあるラベルを継承する。出力は1プレーン。
Drawing 描画 cv.jit.blobs.bounds.drawcv.jit.blobs.boundsから出力されたデータの描画
cv.jit.blobs.centroids.drawcv.jit.blobs.centroidsから出力されたデータの描画
cv.jit.blobs.direction.drawcv.jit.blobs.directionから出力されたデータの描画
cv.jit.blobs.elongation.drawcv.jit.blobs.elongationから出力されたデータの描画
cv.jit.blobs.orient.drawcv.jit.blobs.orientから出力されたデータの描画
cv.jit.blobs.centroids.drawcv.jit.blobs.centroidsから出力されたデータの描画
cv.jit.faces.drawcv.jit.facesから出力されたデータの描画
cv.jit.features.drawcv.jit.featuresから出力されたデータの描画
cv.jit.lines.drawcv.jit.linesから出力されたデータの描画
cv.jit.track.drawcv.jit.trackから出力されたデータの描画