後は画像を取ってレポート作るだけ

3_10_bg_subtraction.py

@@ -0,0 +1,97 @@
+# 実験課題10
+# 3.10 背景差分法（ラベリング・ノイズ処理含む）
+
+import cv2
+import numpy as np
+
+# Webカメラの初期化
+cap = cv2.VideoCapture(0)
+
+if not cap.isOpened():
+    print("カメラを開けませんでした。")
+else:
+    print("背景差分法を開始します。")
+    print("'q': 終了, 'r': 背景画像を現フレームで更新")
+
+    # 最初のフレームを背景画像として取得するための準備
+    bg_gray = None
+
+    while True:
+        ret, frame = cap.read()
+        if not ret:
+            print("フレームを取得できませんでした。")
+            break
+
+        # 差分計算を安定させるため、現フレームをグレースケール化
+        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+
+        # ガウシアンブラ（平滑化）を適用して、カメラ特有の細かいノイズを低減
+        gray = cv2.GaussianBlur(gray, (21, 21), 0)
+
+        # 起動直後、または 'r' キーが押された場合に背景画像を保存・更新する
+        if bg_gray is None:
+            bg_gray = gray
+            print("背景画像を保存しました。カメラの前から離れてください。")
+            continue
+
+        # --- 3.101 背景差分法：背景画像と現フレームの絶対差分を計算 ---
+        frame_diff = cv2.absdiff(bg_gray, gray)
+
+        # 差分画像を2値化して、動いている領域（前景）を白(255)にする
+        # 閾値は環境に合わせて調整（ここでは例として 25）
+        _, thresh = cv2.threshold(frame_diff, 25, 255, cv2.THRESH_BINARY)
+
+        # --- 3.102 ノイズ処理（モルフォロジー演算：オープニング） ---
+        # 3.7で学んだ手法を使い、背景に散らばる小さなチラツキノイズを消去
+        kernel = np.ones((5, 5), np.uint8)
+        thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
+        # 領域内の穴を埋めて結合を強める（クロージング）
+        thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
+
+        # --- 3.102 ラベリング処理 ---
+        # 2値化画像から、繋がっている白い領域（動体）を検出してラベルを貼る
+        # nlabels: ラベルの総数（背景含む）
+        # labels: 各画素にラベル番号（0, 1, 2...）が割り当てられた画像
+        # stats: 各領域の矩形座標や面積[x, y, w, h, area]の行列
+        # centroids: 各領域の中心座標
+        nlabels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresh)
+
+        # 各ラベルごとに色分けするためのランダムな色マップを作成（背景の0は黒にする）
+        # 乱数のシードを固定して、フレーム間で色が激しく変わるのを防ぐ
+        np.random.seed(42)
+        colors = np.random.randint(0, 255, (nlabels, 3), dtype=np.uint8)
+        colors[0] = [0, 0, 0]  # ラベル0（背景）は黒に固定
+
+        # 画素ごとのラベル番号に対応する色を割り当てて、色分け画像（ラベリング画像）を作成
+        labeled_img = colors[labels]
+
+        # 動体領域に矩形（枠線）を描画する
+        for i in range(1, nlabels):  # 0は背景なので1からループ
+            x = stats[i, cv2.CC_STAT_LEFT]
+            y = stats[i, cv2.CC_STAT_TOP]
+            w = stats[i, cv2.CC_STAT_WIDTH]
+            h = stats[i, cv2.CC_STAT_HEIGHT]
+            area = stats[i, cv2.CC_STAT_AREA]
+
+            # 面積が小さすぎる領域（微小なノイズの残り）は無視する
+            if area > 500:
+                # 動体を緑色の矩形で囲む
+                cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
+                # ラベル番号を画像上に描画
+                cv2.putText(frame, f"ID:{i}", (x, y - 10),
+                            cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1)
+
+        # --- 結果の表示 ---
+        cv2.imshow('Original Frame (Motion Detection)', frame)
+        cv2.imshow('Foreground Mask (Thresh)', thresh)
+        cv2.imshow('Labeled Components', labeled_img)
+
+        # キー入力の受付
+        key = cv2.waitKey(1) & 0xFF
+        if key == ord('q'):
+            break
+        elif key == ord('r'):
+            bg_gray = None  # 次のループで背景が再キャプチャされる
+
+    cap.release()
+    cv2.destroyAllWindows()

3_11_tracking.py

@@ -0,0 +1,87 @@
+# 実験課題11
+# 3.11 トラッキング（任意）
+
+import cv2
+
+# Webカメラの初期化
+cap = cv2.VideoCapture(0)
+
+if not cap.isOpened():
+    print("カメラを開けませんでした。")
+else:
+    print("トラッキングテストを開始します。")
+
+    # 最初の1フレームを読み込む
+    ret, frame = cap.read()
+
+    if not ret:
+        print("フレームを取得できませんでした。")
+    else:
+        # --- 追跡対象の選択（ROI） ---
+        print("【操作方法】")
+        print("1. 追跡したい物体をマウスでドラッグして四角く囲んでください。")
+        print("2. 囲んだら Enter または Space キーを押して決定します。")
+        print("3. やり直す場合は 'c' キーを押してください。")
+
+        # ユーザーに追跡対象をマウスで選択させるウィンドウを表示
+        # bbox には選択された領域の (x, y, w, h) が格納される
+        while True:
+            # ユーザーに追跡対象をマウスで選択させる
+            bbox = cv2.selectROI("Tracking", frame, fromCenter=False, showCrosshair=True)
+
+            # 幅(bbox[2]) または 高さ(bbox[3]) が 0 の場合
+            # （'c'キーが押された、または未選択のままEnterが押された場合）
+            if bbox[2] == 0 or bbox[3] == 0:
+                print("領域がリセットされました。やり直します。")
+                print("もう一度マウスをドラッグして対象を囲み、Enterキーを押してください。")
+                # continueによってループの先頭に戻り、再度selectROIを実行する
+                continue
+            else:
+                # 正しく領域が選択されたらループを抜けてトラッキング処理へ進む
+                print("領域が確定しました。トラッキングを開始します。")
+                break
+
+        # --- トラッカーの生成と初期化 ---
+        # 拡張モジュールに含まれる高精度なトラッカー「CSRT」を生成
+        # ※OpenCVのバージョンによっては legacy に分類されるため、try-exceptで安全に呼び出す
+        try:
+            tracker = cv2.TrackerCSRT_create()
+        except AttributeError:
+            tracker = cv2.legacy.TrackerCSRT_create()
+
+        # 最初のフレームと、選択した領域（bbox）を渡してトラッカーに学習（初期化）させる
+        tracker.init(frame, bbox)
+
+        print("追跡中... 終了するには 'q' キーを押してください。")
+
+        # --- トラッキングのループ処理 ---
+        while True:
+            ret, frame = cap.read()
+            if not ret:
+                break
+
+            # 新しいフレームをトラッカーに渡し、対象がどこに移動したか推測させる
+            # success: 追跡成功(True) / 失敗(False)
+            # bbox: 新しい座標とサイズ (x, y, w, h)
+            success, bbox = tracker.update(frame)
+
+            if success:
+                # 追跡成功時：新しい座標を整数に変換して青い枠線を描画
+                p1 = (int(bbox[0]), int(bbox[1]))
+                p2 = (int(bbox[0] + bbox[2]), int(bbox[1] + bbox[3]))
+                cv2.rectangle(frame, p1, p2, (255, 0, 0), 2, 1)
+                cv2.putText(frame, "Tracking", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 0, 0), 2)
+            else:
+                # 追跡失敗時（画面外に出た、何かの裏に完全に隠れた等）：赤い警告文を表示
+                cv2.putText(frame, "Lost", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
+
+            # 結果の表示
+            cv2.imshow("Tracking", frame)
+
+            # 'q' キーで終了
+            if cv2.waitKey(1) & 0xFF == ord('q'):
+                break
+
+    # 終了処理
+    cap.release()
+    cv2.destroyAllWindows()

3_1_resize_rotate.py

@@ -0,0 +1,41 @@
+# 実験課題1
+# 3.1 画像サイズ変換・画像の回転
+
+import cv2
+
+# 画像の読み込み（任意のカラー画像を用意し、ファイル名を指定してください）
+image_path = 'sample.jpg'
+img = cv2.imread(image_path)
+
+if img is None:
+    print("画像を読み込めませんでした。ファイルパスを確認してください。")
+else:
+    # --- 画像サイズ変換 ---
+    # 元画像の高さと幅を取得
+    height, width = img.shape[:2]
+
+    # 縦横を1/2のサイズに計算
+    new_width = width // 2
+    new_height = height // 2
+
+    # 画像のサイズを変更
+    resized_img = cv2.resize(img, (new_width, new_height))
+
+    # --- 画像の回転 ---
+    # 回転の中心座標を計算（画像の中心）
+    center = (width // 2, height // 2)
+
+    # 45度回転するための変換行列を作成（スケールは1.0でそのまま）
+    rotation_matrix = cv2.getRotationMatrix2D(center, 45, 1.0)
+
+    # アフィン変換を適用して画像を回転
+    rotated_img = cv2.warpAffine(img, rotation_matrix, (width, height))
+
+    # --- 結果の表示 ---
+    cv2.imshow('Original Image', img)
+    cv2.imshow('Resized Image (1/2)', resized_img)
+    cv2.imshow('Rotated Image (45 degrees)', rotated_img)
+
+    # キー入力待ち（任意のキーを押すとウィンドウが閉じる）
+    cv2.waitKey(0)
+    cv2.destroyAllWindows()

3_2_grayscale.py

@@ -0,0 +1,23 @@
+# 実験課題2
+# 3.2 グレースケール化
+
+import cv2
+
+# 画像の読み込み（カラー画像を用意し、ファイル名を指定してください）
+image_path = 'sample.jpg'
+img = cv2.imread(image_path)
+
+if img is None:
+    print("画像を読み込めませんでした。ファイルパスを確認してください。")
+else:
+    # --- グレースケール化 ---
+    # BGR形式のカラー画像をグレースケールに変換
+    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+
+    # --- 結果の表示 ---
+    cv2.imshow('Original Color Image', img)
+    cv2.imshow('Grayscale Image', gray_img)
+
+    # キー入力待ち
+    cv2.waitKey(0)
+    cv2.destroyAllWindows()

3_3_binarization.py

@@ -0,0 +1,31 @@
+# 実験課題3
+# 3.3 2値化
+
+import cv2
+
+# 画像の読み込み（3.2と同じ画像を使用）
+image_path = 'sample.jpg'
+
+# 第2引数に 0 (cv2.IMREAD_GRAYSCALE) を指定し、最初からグレースケールとして読み込む
+gray_img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
+
+if gray_img is None:
+    print("画像を読み込めませんでした。ファイルパスを確認してください。")
+else:
+    # --- 2値化処理 ---
+    # 閾値（自身の画像に合わせて0〜255の間で適切な値に調整してください）
+    threshold_value = 127
+    # 閾値を超えた画素に割り当てる値（白 = 255）
+    max_value = 255
+
+    # 2値化を実行
+    # ret には使用された閾値が、binary_img には2値化後の画像が代入される
+    ret, binary_img = cv2.threshold(gray_img, threshold_value, max_value, cv2.THRESH_BINARY)
+
+    # --- 結果の表示 ---
+    cv2.imshow('Original Grayscale Image', gray_img)
+    cv2.imshow('Binarized Image (Threshold: 127)', binary_img)
+
+    # キー入力待ち
+    cv2.waitKey(0)
+    cv2.destroyAllWindows()

3_4_roi.py

@@ -0,0 +1,34 @@
+# 実験課題4
+# 3.4 ROIの利用
+
+import cv2
+
+# 画像の読み込み（任意の画像を用意してください）
+image_path = 'sample.jpg'
+img = cv2.imread(image_path)
+
+if img is None:
+    print("画像を読み込めませんでした。ファイルパスを確認してください。")
+else:
+    # 画像の高さ、幅を取得
+    height, width = img.shape[:2]
+
+    # --- ROI（関心領域）の指定 ---
+    # 切り出す領域の開始位置と終了位置を計算（例として、画像の中心部分を切り出し）
+    start_y = height // 4
+    end_y = height * 3 // 4
+    start_x = width // 4
+    end_x = width * 3 // 4
+
+    # --- 画像の切り出し ---
+    # NumPy配列のスライス機能を使用して、指定した範囲を切り出す
+    # 指定順序は [yの開始:yの終了, xの開始:xの終了]
+    roi_img = img[start_y:end_y, start_x:end_x]
+
+    # --- 結果の表示 ---
+    cv2.imshow('Original Image', img)
+    cv2.imshow('ROI (Region of Interest)', roi_img)
+
+    # キー入力待ち
+    cv2.waitKey(0)
+    cv2.destroyAllWindows()

3_5_edge.py

@@ -0,0 +1,43 @@
+# 実験課題5
+# 3.5 エッジ処理
+
+import cv2
+
+# 画像の読み込み（エッジ検出は通常グレースケール画像に対して行います）
+image_path = 'sample.jpg'
+img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
+
+if img is None:
+    print("画像を読み込めませんでした。ファイルパスを確認してください。")
+else:
+    # --- Sobel（ソーベル）フィルタ ---
+    # X方向の勾配（縦のエッジ）とY方向の勾配（横のエッジ）を計算
+    # 負の勾配を保持するため、出力データ型を cv2.CV_64F に指定
+    sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
+    sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
+
+    # 絶対値を取り、表示可能な8ビット符号なし整数（0〜255）に変換
+    sobel_x_abs = cv2.convertScaleAbs(sobel_x)
+    sobel_y_abs = cv2.convertScaleAbs(sobel_y)
+
+    # X方向とY方向の画像を1:1の割合で合成して全体のエッジ画像を作成
+    sobel_combined = cv2.addWeighted(sobel_x_abs, 0.5, sobel_y_abs, 0.5, 0)
+
+    # --- Laplacian（ラプラシアン）フィルタ ---
+    # 2次微分を用いて全方向のエッジを同時に検出
+    laplacian = cv2.Laplacian(img, cv2.CV_64F)
+    laplacian_abs = cv2.convertScaleAbs(laplacian)
+
+    # --- Canny（キャニー）法 ---
+    # ノイズ除去と2つの閾値処理を組み合わせた、より高精度なエッジ検出アルゴリズム
+    canny = cv2.Canny(img, 50, 150)
+
+    # --- 結果の表示 ---
+    cv2.imshow('Original Grayscale', img)
+    cv2.imshow('Sobel Edge', sobel_combined)
+    cv2.imshow('Laplacian Edge', laplacian_abs)
+    cv2.imshow('Canny Edge', canny)
+
+    # キー入力待ち
+    cv2.waitKey(0)
+    cv2.destroyAllWindows()

3_6_color_extraction.py

@@ -1,5 +1,5 @@
 # 実験課題6
-# 色領域抽出
+# 3.6 色領域抽出
 
 import cv2
 import numpy as np
@@ -18,7 +18,7 @@ else:
     # --- 肌色の範囲を指定 (HSV) ---
     # OpenCVにおけるH(色相)は0〜179、S(彩度)とV(明度)は0〜255
     # ※画像の色合いや照明条件に合わせて微調整が必要です
-    lower_skin = np.array([0, 20, 70])   # 下限値 (H, S, V)
+    lower_skin = np.array([0, 0, 70])   # 下限値 (H, S, V)
     upper_skin = np.array([20, 255, 255]) # 上限値 (H, S, V)
 
     # --- マスク画像の作成 ---

3_7_morphology.py

@@ -0,0 +1,44 @@
+# 実験課題7
+# 3.7 膨張・収縮
+
+import cv2
+import numpy as np
+
+# 3.6の画像（色領域を抽出した画像）を準備するための前処理
+image_path = 'person.jpg'
+img = cv2.imread(image_path)
+
+if img is None:
+    print("画像を読み込めませんでした。ファイルパスを確認してください。")
+else:
+    # 3.6の処理（肌色領域の抽出）を再現
+    hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
+    lower_skin = np.array([0, 0, 70])
+    upper_skin = np.array([20, 255, 255])
+    skin_mask = cv2.inRange(hsv_img, lower_skin, upper_skin)
+    extracted_img = cv2.bitwise_and(img, img, mask=skin_mask)
+
+    # --- 膨張・収縮のための構造要素（カーネル）の定義 ---
+    # 5x5の正方形のカーネルを作成
+    kernel = np.ones((5, 5), np.uint8)
+
+    # --- ① 収縮 3回 → 膨張 3回（オープニング処理） ---
+    # まず収縮（erode）を3回実行
+    eroded_first = cv2.erode(extracted_img, kernel, iterations=3)
+    # その後、膨張（dilate）を3回実行
+    seq_opening = cv2.dilate(eroded_first, kernel, iterations=3)
+
+    # --- ② 膨張 3回 → 収縮 3回（クロージング処理） ---
+    # まず膨張（dilate）を3回実行
+    dilated_first = cv2.dilate(extracted_img, kernel, iterations=3)
+    # その後、収縮（erode）を3回実行
+    seq_closing = cv2.erode(dilated_first, kernel, iterations=3)
+
+    # --- 結果の表示 ---
+    cv2.imshow('Original Extracted Image (3.6)', extracted_img)
+    cv2.imshow('Sequence 1: Erosion 3 -> Dilation 3', seq_opening)
+    cv2.imshow('Sequence 2: Dilation 3 -> Erosion 3', seq_closing)
+
+    # キー入力待ち
+    cv2.waitKey(0)
+    cv2.destroyAllWindows()

3_8_webcam.py

@@ -0,0 +1,38 @@
+# 実験課題8
+# 3.8 Webカメラ映像のキャプチャと表示
+
+import cv2
+
+# Webカメラのデバイスを初期化（引数の 0 は標準のカメラデバイスを指します）
+cap = cv2.VideoCapture(0)
+
+# カメラが正常に起動・接続できたかを確認
+if not cap.isOpened():
+    print("カメラを開けませんでした。カメラの接続や権限を確認してください。")
+else:
+    print("カメラ映像の表示を開始します。終了するには 'q' キーを押してください。")
+
+    # 映像は「連続した静止画（フレーム）」なので、無限ループで取得し続けます
+    while True:
+        # カメラから1フレーム（1枚の画像）を読み込む
+        # ret には取得成功の可否(True/False)、frame には画像データ(NumPy配列)が入ります
+        ret, frame = cap.read()
+
+        # 画像が正しく取得できなかった場合はループを終了
+        if not ret:
+            print("フレームを正常に取得できませんでした。")
+            break
+
+        # 取得したフレームを画面に表示
+        cv2.imshow('Webcam Capture', frame)
+
+        # 1ミリ秒だけキー入力を待機する
+        # もし入力されたキーが 'q' であれば、ループを抜けて終了処理へ進む
+        if cv2.waitKey(1) & 0xFF == ord('q'):
+            break
+
+    # --- 終了処理 ---
+    # カメラデバイスを解放（プログラムからの占有を解除）
+    cap.release()
+    # 全てのウィンドウを閉じる
+    cv2.destroyAllWindows()

3_9_face_detection.py

@@ -0,0 +1,67 @@
+# 実験課題9
+# 3.9 顔検出
+
+import cv2
+
+# --- カスケード分類器（学習済みデータ）の読み込み ---
+# OpenCVに標準で用意されている顔検出用のXMLファイルを指定
+cascade_path = cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
+face_cascade = cv2.CascadeClassifier(cascade_path)
+
+# Webカメラの初期化
+cap = cv2.VideoCapture(0)
+
+if not cap.isOpened():
+    print("カメラを開けませんでした。")
+else:
+    print("顔検出を開始します。'q' キーで終了します。")
+
+    while True:
+        ret, frame = cap.read()
+        if not ret:
+            print("フレームを取得できませんでした。")
+            break
+
+        # 3.91 顔検出の精度と処理速度向上のため、グレースケール画像を作成
+        gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+
+        # グレースケール画像から顔を検出
+        faces = face_cascade.detectMultiScale(
+            gray_img,
+            scaleFactor=1.1,
+            minNeighbors=5,
+            minSize=(30, 30)
+        )
+
+        # 検出されたすべての顔に対してループ処理
+        for (x, y, w, h) in faces:
+
+            # --- 3.92 顔を隠す処理（別の画像の貼り付け） ---
+            # 貼り付けたい画像（例: 'mask.jpg'）を読み込んで顔の領域に上書きします
+            mask_img = cv2.imread('mask.jpg')
+
+            if mask_img is not None:
+                # 読み込んだ画像を、検出された顔の横幅(w)と縦幅(h)と同じサイズにリサイズ
+                mask_resized = cv2.resize(mask_img, (w, h))
+                # NumPyのスライス機能（ROI）を使い、元のフレームの顔領域を隠し用画像で上書き
+                frame[y:y + h, x:x + w] = mask_resized
+            else:
+                # 'mask.jpg' が見つからない場合は、代わりに顔領域を黒い矩形で塗りつぶして隠す（値を0にする）
+                # 資料の「顔を隠すような処理」を代替実行します
+                frame[y:y + h, x:x + w] = 0
+
+            # --- 3.91 顔部分を矩形で囲む ---
+            # 隠す処理の後に矩形を描画することで、枠線が隠されずに上から表示されます
+            # 引数: (対象画像, 開始座標, 終了座標, 色(BGR), 線の太さ)
+            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
+
+        # 結果を画面に表示
+        cv2.imshow('Face Detection & Masking', frame)
+
+        # 'q' キーが押されたら終了
+        if cv2.waitKey(1) & 0xFF == ord('q'):
+            break
+
+    # 後片付け
+    cap.release()
+    cv2.destroyAllWindows()

kadai1.py

@@ -1,36 +0,0 @@
-# 実験課題1
-# 画像サイズ変換・画像の回転
-
-import cv2
-
-# 画像の読み込み（任意のカラー画像を用意し、ファイル名を指定してください）
-image_path = 'cat.jfif'
-img = cv2.imread(image_path)
-
-height, width = img.shape[:2]
-
-# 縦横を1/2のサイズに計算
-new_width = width // 2
-new_height = height // 2
-
-# 画像のサイズを変更
-resized_img = cv2.resize(img, (new_width, new_height))
-
-# --- 画像の回転 ---
-# 回転の中心座標を計算（画像の中心）
-center = (width // 2, height // 2)
-
-# 45度回転するための変換行列を作成（スケールは1.0でそのまま）
-rotation_matrix = cv2.getRotationMatrix2D(center, 45, 1.0)
-
-# アフィン変換を適用して画像を回転
-rotated_img = cv2.warpAffine(img, rotation_matrix, (width, height))
-
-# --- 結果の表示 ---
-cv2.imshow('Original Image', img)
-cv2.imshow('Resized Image (1/2)', resized_img)
-cv2.imshow('Rotated Image (45 degrees)', rotated_img)
-
-# キー入力待ち（任意のキーを押すとウィンドウが閉じる）
-cv2.waitKey(0)
-cv2.destroyAllWindows()

kadai2.py

@@ -1,20 +0,0 @@
-# 実験課題2
-# グレースケール化
-
-import cv2
-
-# 画像の読み込み（カラー画像を用意し、ファイル名を指定してください）
-image_path = 'cat.jfif'
-img = cv2.imread(image_path)
-
-# --- グレースケール化 ---
-# BGR形式のカラー画像をグレースケールに変換
-gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
-
-# --- 結果の表示 ---
-cv2.imshow('Original Color Image', img)
-cv2.imshow('Grayscale Image', gray_img)
-
-# キー入力待ち
-cv2.waitKey(0)
-cv2.destroyAllWindows()

kadai3.py

@@ -1,28 +0,0 @@
-# 実験課題3
-# 2値化
-
-import cv2
-
-# 画像の読み込み（3.2と同じ画像を使用）
-image_path = 'cat.jfif'
-
-# 第2引数に 0 (cv2.IMREAD_GRAYSCALE) を指定し、最初からグレースケールとして読み込む
-gray_img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
-
-# --- 2値化処理 ---
-# 閾値（自身の画像に合わせて0〜255の間で適切な値に調整してください）
-threshold_value = 127
-# 閾値を超えた画素に割り当てる値（白 = 255）
-max_value = 255
-
-# 2値化を実行
-# ret には使用された閾値が、binary_img には2値化後の画像が代入される
-ret, binary_img = cv2.threshold(gray_img, threshold_value, max_value, cv2.THRESH_BINARY)
-
-# --- 結果の表示 ---
-cv2.imshow('Original Grayscale Image', gray_img)
-cv2.imshow('Binarized Image (Threshold: 127)', binary_img)
-
-# キー入力待ち
-cv2.waitKey(0)
-cv2.destroyAllWindows()

kadai4.py

@@ -1,31 +0,0 @@
-# 実験課題4
-# ROIの利用
-
-import cv2
-
-# 画像の読み込み（任意の画像を用意してください）
-image_path = 'cat.jfif'
-img = cv2.imread(image_path)
-
-# 画像の高さ、幅を取得
-height, width = img.shape[:2]
-
-# --- ROI（関心領域）の指定 ---
-# 切り出す領域の開始位置と終了位置を計算（例として、画像の中心部分を切り出し）
-start_y = height // 4
-end_y = height * 3 // 4
-start_x = width // 4
-end_x = width * 3 // 4
-
-# --- 画像の切り出し ---
-# NumPy配列のスライス機能を使用して、指定した範囲を切り出す
-# 指定順序は [yの開始:yの終了, xの開始:xの終了]
-roi_img = img[start_y:end_y, start_x:end_x]
-
-# --- 結果の表示 ---
-cv2.imshow('Original Image', img)
-cv2.imshow('ROI (Region of Interest)', roi_img)
-
-# キー入力待ち
-cv2.waitKey(0)
-cv2.destroyAllWindows()

kadai5.py

@@ -1,40 +0,0 @@
-# 実験課題5
-# 3.5 エッジ処理
-
-import cv2
-
-# 画像の読み込み（エッジ検出は通常グレースケール画像に対して行います）
-image_path = 'cat.jfif'
-img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
-
-# --- Sobel（ソーベル）フィルタ ---
-# X方向の勾配（縦のエッジ）とY方向の勾配（横のエッジ）を計算
-# 負の勾配を保持するため、出力データ型を cv2.CV_64F に指定
-sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
-sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
-
-# 絶対値を取り、表示可能な8ビット符号なし整数（0〜255）に変換
-sobel_x_abs = cv2.convertScaleAbs(sobel_x)
-sobel_y_abs = cv2.convertScaleAbs(sobel_y)
-
-# X方向とY方向の画像を1:1の割合で合成して全体のエッジ画像を作成
-sobel_combined = cv2.addWeighted(sobel_x_abs, 0.5, sobel_y_abs, 0.5, 0)
-
-# --- Laplacian（ラプラシアン）フィルタ ---
-# 2次微分を用いて全方向のエッジを同時に検出
-laplacian = cv2.Laplacian(img, cv2.CV_64F)
-laplacian_abs = cv2.convertScaleAbs(laplacian)
-
-# --- Canny（キャニー）法 ---
-# ノイズ除去と2つの閾値処理を組み合わせた、より高精度なエッジ検出アルゴリズム
-canny = cv2.Canny(img, 50, 150)
-
-# --- 結果の表示 ---
-cv2.imshow('Original Grayscale', img)
-cv2.imshow('Sobel Edge', sobel_combined)
-cv2.imshow('Laplacian Edge', laplacian_abs)
-cv2.imshow('Canny Edge', canny)
-
-# キー入力待ち
-cv2.waitKey(0)
-cv2.destroyAllWindows()