slicktail

Использую Opencv 2.3 и класс Mat. Каким образом можно вывести два изображения рядом друг с другом в одном окне? Спасибо.

Еще вопрос, где можно взять набор неректифицированных изображений для теста?

Спасибо, скажите, зачем указывают две карты диспаритета? Насколько я понимаю, карта диспаритета одна строится по двум изображениям. Какую брать?

Подскажите, как можно сравнить disparity maps между собой? Насколько я понимаю, они представляют собой матрицу нормализованную со значениями от 0 до 255 (уже после нормализации). Как можно таким образом сравнить два алгоритма между собой?

А каким образом можно в clr-проекте сделать кнопку, при нажатии на которую бы вызывались все функции, написанные не под win forms? Например, button: private: System::Void button1_Click(System::Object^ sender, System::EventArgs^ e) { cv::Mat frame2 = cv::imread("1.bmp",1); cv::namedWindow("My Window", CV_WINDOW_AUTOSIZE); cv::imshow("My Window",frame2); } Появляется окно созданное, и тут же возникает ошибка. "External component has thrown an exception."

Сравниваю изображения при помощи моментов. 1.Черный квадрат 8х8 (все пиксели со значением 0) 2.Белый квадрат 8х8 (все пиксели со значением 255) 3.Черный квадрат 8х8 с белыми пикселями (пиксели со значением 0, немного 255 значений) На 1 больше всего похоже изображение 3. В этом можно убедиться, если сравнить попиксельно их (см моменты m00 - это и есть сумма пикселей). Как видно, моменты изображения 3 меньше моментов изображения 2. Но как только дело доходит до нормализованных моментов и моментов Ху, то на изображение 1 более похожим становится изображение 2, хотя это очевидно не так. Прошу совета, где здесь подводный камень. Моменты Черный квадрат 8х8 Белый квадрат 8х8 Черный квадрат 8х8 (немного белых пикселей) m00: 0.00000000000000000 m00: 16320.000000000000 m00: 66.000000000000000 m10: 0.00000000000000000 m10: 57120.000000000000 m10: 201.00000000000000 m01: 0.00000000000000000 m01: 57120.000000000000 m01: 66.000000000000000 m20: 0.00000000000000000 m20: 285600.00000000000 m20: 813.00000000000000 m11: 0.00000000000000000 m11: 199920.00000000000 m11: 201.00000000000000 m02: 0.00000000000000000 m02: 285600.00000000000 m02: 66.000000000000000 m30: 0.00000000000000000 m30: 1599360.0000000000 m30: 3747.0000000000000 m21: 0.00000000000000000 m21: 999600.00000000000 m21: 813.00000000000000 m12: 0.00000000000000000 m12: 999600.00000000000 m12: 201.00000000000000 m03: 0.00000000000000000 m03: 1599360.0000000000 m03: 66.000000000000000 mu20: 0.00000000000000000 mu20: 85680.000000000000 mu20: 200.86363636363637 mu11: 0.00000000000000000 mu11: 0.00000000000000000 mu11: 0.00000000000000000 mu02: 0.00000000000000000 mu02: 85680.000000000000 mu02: 0.00000000000000000 mu30: 0.00000000000000000 mu30: 0.00000000000000000 mu30: 47.603305785124121 mu21: 0.00000000000000000 mu21: 0.00000000000000000 mu21: 0.00000000000000000 mu12: 0.00000000000000000 mu12: 0.00000000000000000 mu12: 0.00000000000000000 mu03: 0.00000000000000000 mu03: 0.00000000000000000 mu03: 0.00000000000000000 nu20: 0.00000000000000000 nu20: 0.00032169117647058818 nu20: 0.046111945905334344 nu11: 0.00000000000000000 nu11: 0.00000000000000000 nu11: 0.00000000000000000 nu02: 0.00000000000000000 nu02: 0.00032169117647058818 nu02: 0.00000000000000000 nu30: 0.00000000000000000 nu30: 0.00000000000000000 nu30: 0.0013451703132773241 nu21: 0.00000000000000000 nu21: 0.00000000000000000 nu21: 0.00000000000000000 nu12: 0.00000000000000000 nu12: 0.00000000000000000 nu12: 0.00000000000000000 nu03: 0.00000000000000000 nu03: 0.00000000000000000 nu03: 0.00000000000000000 Моменты ХУ [0]: 0.00000000000000000 [0]: 0.00064338235294117635 [0]: 0.046111945905334344 [1]: 0.00000000000000000 [1]: 0.00000000000000000 [1]: 0.0021263115551764808 [2]: 0.00000000000000000 [2]: 0.00000000000000000 [2]: 1.8094831717226144e-006 [3]: 0.00000000000000000 [3]: 0.00000000000000000 [3]: 1.8094831717226144e-006 [4]: 0.00000000000000000 [4]: 0.00000000000000000 [4]: 3.2742293487473322e-012 [5]: 0.00000000000000000 [5]: 0.00000000000000000 [5]: 8.3438790131086014e-008 [6]: 0.00000000000000000 [6]: 0.00000000000000000 [6]: 0.00000000000000000

Вот ответ на мой вопрос: "Mat-s should be of type either CV_32SC2 or CV_32FC2 and have dimention 1xN or Nx1; this is because contour is a sequence of Points, i.e. a single row or a single column of X & Y pairs."

Хотел бы сравнить два изображения при помощи matchShapes Mat image = imload("image.jpg"); Mat grey_scale = cvtColor(image,grey_scale,CV_RGB2GRAY); matchShapes(grey_scale,grey_scale,CV_CONTOURS_MATCH_I1,0); Получаю Unhandled exception А в описании написано: double matchShapes(InputArray object1, InputArray object2, int method, double parameter=0 ) Parameters: object1 – First contour or grayscale image. object2 – Second contour or grayscale image. Если же указывать вместо Mat контуры, то все отлично. Посоветуйте, в чем может быть загвоздка?

С другой стороны, вообще-то нигде не говорится, что это контуры. Ну это ж также, центр масс изображения и т.п. - моменты же это и обозначают. Матрица - это изображение. Мне кажется можно и использовать моменты для grayscale

Вот, получается данную матрицу 8х8 нужно бинаризовать? Содержит она значения пикселей яркости от 0 до 255

А зачем тогда есть возможность вычислять момент матрицы? Может быть эта функция считает контур матрицы и находит именно момент этого контура?

Смысл в том, чтобы сравнивать блоки не при помощи метрики SSD или SAD. А вычислить моменты двух блоков, и сравнить их.

"Parameters: C++: Moments moments(InputArray array, bool binaryImage=false ) array – Raster image (single-channel, 8-bit or floating-point 2D array) or an array ( or ) of 2D points (Point or Point2f ). binaryImage – If it is true, all non-zero image pixels are treated as 1’s. The parameter is used for images only. moments – Output moments." Получается, в OpenCV для матрицы 8х8 нельзя посчитать момент? А что тогда это считает у меня данная функция?

Продолжу тему с моментами в Opencv. Допустим, есть две матрицы 8х8 с числами от 0 до 255. Задача - вычислить моменты такой матрицы и сравнить их. Mat M_Block_yPrev(8,8,CV_8UC1); Moments moments_Block_yPrev = moments(M_Block_yPrev,false); double Hu_moments_Block_yPrev[7]; HuMoments(moments_Block_yPrev,Hu_moments_Block_yPrev); В moments_Block_yPrev и Hu_moments_Block_yPrev я получу данные. Для второй матрицы - аналогично. Теперь, каким образом сравнить моменты двух матриц с помощью matchShapes() ? Спасибо.

Получил матрицу векторов объектов движения. Хотел бы объединить вектора движения посредством кластеризации, например k-means. Кто-либо делал такое под OpenCV? Мне показались для моей задачи слишком навороченными функции в OpenCV (в разделе ml. Machine Learning). "You may want to look at MeanShift clustering which has several advantages over K-Means: Doesn't require a preset number of clusters K-Means clusters converge to n-dimensional voronoi grid, MeanShift allows other cluster shapes" Как можно просто сгруппировать в кластеры схожие значения из матрицы посредством OpenCV? Интересует какой-нибудь пример кода из вашей задачи.

Использую OpenCV 2.3 и C++ Каким образом получить доступ в одном цикле к двух последовательным кадрами видеопоследовательности? VideoCapture capture("C:\\ice_cif.avi"); double rate= capture.get(CV_CAP_PROP_FPS); int delay= 1000/rate; Mat frame; namedWindow("frame"); bool stop(false); while(!stop){ if(!capture.read(frame)) break; for(int c=0;c<frame.cols;c+=16) for(int r=0;r<frame.rows;r+=16) { //здесь и ко второму кадру обратиться line(frame,Point(c,r),Point(c,r),(60,80,120),1,1,0); } imshow("frame",frame); if(waitKey(delay)>=0) stop = true; } capture.release();

Разобрался в итоге, может кому пригодится: int main() { VideoCapture capture("C:\\ice_cif.avi"); double rate= capture.get(CV_CAP_PROP_FPS); int delay= 1000/rate; Mat currFrame; Mat prevFrame; namedWindow("currFrame"); namedWindow("prevFrame"); capture.read(currFrame); currFrame.copyTo(prevFrame); bool stop(false); while(!stop){ if(!capture.read(currFrame)) break; imshow("currFrame",currFrame); imshow("prevFrame",prevFrame); currFrame.copyTo(prevFrame); if(waitKey(delay)>=0) stop = true; } capture.release(); }

Block Matching Algorithm Самый простой метод - FSA (Full Search Algorithm). Непонятно, как попиксельно сравнить два кадра в OpenCV без функций OpenCV на весь кадр. (хотел реализовать свой метод).

Мне не нужны функции OpenCV(cvAbsDiff или cvReduce). Представьте, что я хочу реализовать один из методов BMA. А это значит попиксельная обработка двух последовательных кадров.

В принципе, я взял тестовое видео, в .y4m. Сохранил его в .avi с помощью VirtualDub в несжатом виде. Буду признателен, если покажете, как в OpenCV два последовательных кадра сравнить.

Цель - сравнить два последовательных кадра поблочно в одном цикле.

Возник вопрос. Каким образом открыть, или получить доступ с несжатому видео в OpenCV? Вот здесь указывают, что для этого у файлов *.y4m нужно удалить заголовок. Кто-нибудь сталкивался с таким?

Действительно, проще оказалось воспользоваться фреймсервером Avisynth. Кидаем в папку с плагинами плагин rawsource.dll Пишем скрипт: RawSource("C:\soccer_cif.y4m") Открываем его в VirtualDub. После чего сохраняем видео в avi: Video->Direct stream copy.

Продолжу тему. В OpenCV реализованы моменты Ху. Насколько я выяснил: "Продолжением было опробование других множеств полиномов в качестве базисных функций. Ч. Х. Тех и Р. Т. Чин предложили в качестве базисных функций использовать ортогональные полиномы псевдо- Зернике и полиномы Лежандра [Teh & Chin, 1988], Ю. Шенг и Л. Шен ввели ортогональные моменты Фурье-Меллина [sheng & Shen, 1994], Р. Мукундан и др. предложили моменты на основе полиномов Чебышева [Munkundan et. al., 2001], П.Т. Яп и др. предложили использовать моменты на основе полиномов Кравчука [Yap et. al, 2003], Х.К. Жу и др. ввели в обращение моменты Рака [Zhu et. al., 2007]." Источник Ссылка Вот человек пытается реализовать моменты Зернике в OpenCV: Ссылка Насколько это правильно, реализовывать для своей задачи методы моментов, приведенные выше? Моя подзадача стоит именно в новизне (хоть какой-то) моментных методов, применительно к нахождению инвариантного ансамбля векторов движения. Грубо говоря, машинка на видеопоследовательности повернула на какой-то угол, а тут я кадр проанализировал моментами, и отследил ее. Вопрос, стоит ли реализовывать существующие новые методы моментов в OpenCV, если да, то какие?

Зачем здесь WaitKey, вывод ведь на форму осуществляется? Да и до этого не доходит, изображение считать не получается во frame.