OpenCV3-Pythonチュートリアル

使用方法：Notebookをそれぞれダウンロードし、jupyter notebookを起動する。ただし、ほとんどの章において、それ用の画像や動画などが必要になる。それらにはリンクが貼ってあるので、それもダウンロードしておくこと。また関数には（英語の）マニュアルへのリンク、文献にはPDFへのリンクが貼ってあるので、適宜利用しよう。

OpenCVのGUI機能

目次 : 画像と動画の表示方法と保存方法，およびGUIの機能であるマウスとトラックバーの作り方を学ぶ

• 画像を扱う: Notebook
  画像の読み込み，表示，保存方法を学ぶ．
• 動画を扱う: Notebook
  動画の再生方法，カメラを使った撮影方法と動画ファイルとしての保存方法を学ぶ．
• OpenCVの描画機能: Notebook
  OpenCVを使った基本形状オブジェクトの描き方を学ぶ．
• ペイントツールとしてのマウス: Notebook
  マウスを使った描画機能を学ぶ．
• カラーパレットとしてのトラックバー: Notebook
  パラメータ調整のためのトラックバーの作り方を学ぶ．

基本の処理

目次: 画像に対する基本の処理を学ぶ: 画素値の編集，幾何変換，コードの最適化(code optimization)，数学関数など

• 画像の基本処理: Notebook
  画素値の読み取り方，変更方法，画像の特定領域(ROI)の使い方と基本処理を学ぶ．
• 画像の算術演算: Notebook
  画像の算術演算を学ぶ．
• コードの性能評価と改善方法: Notebook
  処理をして結果を得ることは重要だが，最速の方法で結果を得ることはもっと重要．ここでは実装したコードの処理速度の確認方法やコードの最適化等について学ぶ．

OpenCVを使った画像処理

目次: OpenCVが提供する様々な画像処理の関数について学ぶ

• 色空間の変換: Notebook
  画像を別の色空間へ変換する方法を学ぶ. また，動画中で特定の色を持つ物体の追跡方法を学ぶ
• 画像の幾何変換: Notebook
  回転や並進といった幾何変換を画像に適用する方法を学ぶ．
• 画像の閾値処理: Notebook
  画像の二値化(大局的閾値，適応的閾値，大津の二値化)を学ぶ．
• 画像の平滑化: Notebook
  画像の平滑化及び自作した線形フィルタを使った画像のフィルタリング方法を学ぶ．
• モルフォロジー変換: Notebook
  モルフォロジー変換(膨張，収縮処理など)を学ぶ．
• 画像の勾配: Notebook
  画像の勾配，エッジなどの検出方法を学ぶ．
• Canny法によるエッジ検出: Notebook
  Cannyのエッジ検出を学ぶ．
• 画像ピラミッド: Notebook
  画像ピラミッドと画像ピラミッドを使ったブレンディングを学ぶ．
• OpenCVにおける輪郭(領域) 目次ページ
  OpenCVが提供する輪郭に関連する様々なものを学ぶ．
• OpenCVでのヒストグラム 目次ページ
  ヒストグラムについて学ぶ．
• OpenCVの基底を使った画像の変換: Notebook
  フーリエ変換，コサイン変換などの基底を使った画像変換について学ぶ．
• テンプレートマッチング: Notebook
  テンプレートマッチングを使った物体検出を学ぶ．
• ハフ変換による直線検出: Notebook
  画像中の線の検出方法を学ぶ．
• ハフ変換による円検出: Notebook
  画像中の円の検出方法を学ぶ
• Watershedアルゴリズムを使った画像の領域分割: Notebook
  Watershed algorithmによる画像の領域分割について学ぶ
• GrabCutを使った対話的前景領域抽出: Notebook
  GrabCutを使った前景領域抽出を学ぶ

特徴量検出と特徴量記述

目次 : 特徴検出器，特徴量記述子について学ぶ

• 特徴の理解
  画像中の主な特徴とは何か？これらの特徴検出がどのように役立つか？
• Harrisコーナー検出: Notebook
  コーナーは良い特徴か？どのように検出するのか？
• Shi-Tomasiのコーナー検出とトラッキング(追跡)に向いた特徴:Notebook
  Shi-Tomasiのコーナー検出を学ぶ
• SIFT (Scale-Invariant Feature Transform、スケール不変の特徴変換)の紹介: Notebbok
  Harrisのコーナー検出は画像のスケール変化(拡大・縮小)に対して頑健ではない．Loweが提案したSIFTと呼ばれる、スケール変化に対して不変な特徴量を学ぶ．
• SURF (Speeded-Up Robust Features、頑健な特徴量の高速化)の紹介:Notebook
  SIFTは精度は良いものの処理速度に問題がある．SIFTの高速版であるSURFについて学ぶ．
• コーナー検出のためのFASTアルゴリズム:Notebook
  上記の特徴点検出手法はSLAMのような実時間アプリケーションで使うには十分なほど高速な処理ではない．FASTアルゴリズムという文字通り “高速な(FAST)” 計算方法を学ぶ．
• BRIEF (Binary Robust Independent Elementary Features、二値頑健独立基本特徴)の紹介:Notebook
  SIFTは128次元の実ベクトル(浮動小数)を計算する．このような特徴点が数千個もあると想像してみよう．マッチングの際にメモリ使用量が増大し計算時間がかかってしまう．高速化のため、SIFT特徴量を圧縮できる．それでも，まず初めにSIFT特徴量を計算しなければならない．ここではBRIEFという、省メモリかつ高速なマッチングが可能な二値ベクトルを計算する特徴記述子を使う．
• ORB (Oriented FAST and Rotated BRIEF, 方向付きFASTと回転BRIEF):Notebook
  SIFTとSURFの機能は高いが，毎年その使用料を支払わなければいけないとしたらどうだろうか．そう、SIFTとSURFは特許が取られている．この問題を解決するために，OpenCVでは、ORBというフリーの特徴量記述子を提供している．
• 特徴点のマッチング:Notebook
  ここまでのチュートリアルで特徴点検出器と特徴量記述子を扱う知識を得た．次は，特徴量記述子をマッチングする方法を学ぼう．OpenCVは全探索(Brute-Force matcher)と近似最近傍探索(FLANN based matcher)の二つを用意している．
• 特徴点のマッチングとホモグラフィ(Homography)による物体検出:Notebook
  マッチングについても学んだ．今度は calib3d モジュールと組み合わせて，複雑な画像中から物体を検出してみよう．

動画解析

目次: 動画に対する技術(例えば物体追跡など)を学ぶ

• Meanshift と Camshift: Notebook
  既に色に基づく追跡を扱っているが，簡単なものであった．今回は “Meanshift” という，物体追跡のためのより良いアルゴリズムと，Meanshiftの改良版である “Camshift” を扱う
• オプティカルフロー(Optical Flow): Notebook
  ここでは動画解析などのアプリケーションにおいて重要な概念の “Optical Flow” について学ぶ．
• 背景差分: Notebook
  物体追跡のようなアプリケーションでは，前景物体を抽出する必要がある．背景差分はこのような時によく使われる手法である．

カメラキャリブレーションと3次元復元

目次: カメラキャリブレーション(校正)，ステレオ処理などを学ぶ

• カメラ・キャリブレーション : Notebook
  自分のカメラがどのくらい良いのか判定しよう．それで撮影した画像に何かしらの歪みがあるだろうか？もしあるとすれば，どうやって修正すれば良いだろうか？
• 姿勢推定: Notebook
  ここでは、キャリブレーションモジュールを使ってちょっとかっこ良い3次元効果の作り方を紹介する．
• エピポーラ幾何: Notebook
  エピポーラ幾何とエピポーラ制約を理解する．
• ステレオ画像から距離計測: Notebook
  複数の2次元画像から奥行き情報を抽出しよう．

機械学習

OpenCVが提供する機械学習アルゴリズムの使い方を学ぶ．

• k近傍法
  k近傍法を使った分類とk近傍法を使った手書き文字認識について学ぶ．
• サポートベクターマシン(SVM: Support Vector Machines)
  Support Vector Machine (SVM)の概念を理解する．
• K-Meansクラスタリング
  データを指定したクラスタ数にグループ分けするためにK-Meansクラスタリングを使う．また，K-Meansクラスタリングを使った色の量子化の方法を学ぶ．

Computational Photography

目次: Computational Photographyの技術(ノイズ除去など)を学ぶ．

• 画像のノイズ除去: Notebook
  画像中のノイズを除去するNon-Local Means Denoising(パターン保存ノイズ除去)という技術を学ぶ．
• 画像修復: Notebook
  黒い穴や線ができてしまった、古い劣化した写真を持っているだろうか?その写真を使おう．画像修復(inpainting)と呼ばれる技術を使い、そのような写真を復元しよう．
• 高ダイナミック・レンジ: Notebook
  ダイナミックレンジとは最も明るい部分と最も暗い部分の明暗の比のことである。ハイダイナミックレンジ合成とは、非常に大きなコントラストの元画像を、コントラスト比を落とした画像に変換することである。その手法を学ぶ。

物体検出

• 物体検出: Notebook
  物体検出(例えば顔検出)について学ぶ

OpenCV-Pythonバインディングについて

OpenCVはC++で書かれたモジュールで構成されているが、Pythonからそれを呼び出すようにする機構がバインディングである。その作り方を説明する

• OpenCV-Pythonバインディングの仕組み
  OpenCV-Pythonバインディングの作り方を学ぶ．