Обработка изображений *

Что будет, если генератор случайных фигур соединить с детектором лиц? Способен ли эволюционный алгоритм путём случайных мутаций сгенерировать человеческое лицо? Разработчик программы Pareidoloop отвечает на этот вопрос утвердительно (генератор протестирован только в Chrome 21).


^{(с) spiritedflow}

Приятного времени суток!

Ох, жуть как зацепила статья alizar Фотографируемся после каждого коммита (Linux, OSX). Но в силу особенностей своей ОС, предложенные решения мне, слегка, не подошли. Проведя немного времени в поисках и не получив искомого результата, было принято решение сделать что-то простенькое (just for fun, with Demonix) для решения данной задачи…

Не так давно я опубликовал на хабре первую часть статьи по восстановлению расфокусированных и смазанных изображений, где описывалась теоретическая часть. Эта тема, судя по комментариям, вызвала немало интереса и я решил продолжить это направление и показать вам какие же проблемы появляются при практической реализации казалось бы простых формул.

В дополнение к этому я написал демонстрационную программу, в которой реализованы основные алгоритмы по устранению расфокусировки и смаза. Программа выложена на GitHub вместе с исходниками и дистрибутивами.

Ниже показан результат обработки реального размытого изображения (не с синтетическим размытием). Исходное изображение было получено камерой Canon 500D с объективом EF 85mm/1.8. Фокусировка была выставлена вручную, чтобы получить размытие. Как видно, текст совершенно не читается, лишь угадывается диалоговое окно Windows 7.



И вот результат обработки:



Практически весь текст читается достаточно хорошо, хотя и появились некоторые характерные искажения.

Под катом подробное описание проблем деконволюции, способов их решения, а также множество примеров и сравнений. Осторожно, много картинок!

Хочется рассказать немного о технической части своего проекта, возможно для критики а может кто-то почерпнет что-то для себя.

В обработке изображений существует класс методов Super-resolution (SR), которые позволяют качественно увеличить разрешение исходного изображения, при этом происходит преодоление оптического предела объектива и/или физического разрешения цифрового сенсора, который записал изображение.

Алгоритмы SR используют два подхода для вычисления результирующего изображения: 1) на базе множества кадров одного объекта; 2) самообучающаяся система с базой образцов.

Спустя два года разработки состоялся релиз библиотеки ccv 0.1, которая использует ряд современных алгоритмов компьютерного зрения.

Библиотека ccv написана на C и позиционируется как компактная, лёгкая альтернатива OpenCV, поэтому из неё старательно изъяты все несущественные функции. Таким образом, ccv предназначена не для экспериментов с разными алгоритмами, а для практического использования в конкретных приложениях.

^{Тень атома иттербия, фото до и после фильтрации}

Учёные из Центра квантовой динамики при университете Гриффита (Брисбен, Австралия) сумели первыми в мире сфотографировать тень отдельного атома. Учёные приблизились к теоретическому пределу микроскопии, потому что отдельный атом — это минимальный объект, который можно разглядеть в видимом свете.

Если говорить о программе для просмотра RAW-файлов под Windows 7, ранее я бы, без сомнений, посоветовал вам на infranView с установленными плагинами. Другие наверняка бы рекомендовали ACDSee.

«Продвинутые» для этого используют LightRoom либо Aperture — если речь идёт не о Windows, а о Mac OS. Эти пакеты, без сомнений, необходимы для пакетной обработки изображений, но вот для предварительного просмотра и навигации по твоей съёмке — не очень.

Однако, на сегодня оказывается, есть более «нативное» и приятное для работы под Windows решение:

Привет, Хабр! Недавняя статья про сжатие в png-8 с сохранение полупрозрачности, напомнила мне об одной технике, которая позволяет применять на сайтах изображения с альфа-каналом, при этом используя алгоритм сжатия с потерями — JPEG, что позволяет существенно сократить их объём.

Большинство из нас связывает развитие информационных технологий с цифровой революцией. Появление микропроцессоров, конечно, вывело электронику на принципиально новый уровень. Уже гонки за обладание самым мощным суперкомьютером потеряли свой научный шарм — терафлопсы прямо зависят от количества денег и свободного места. Докупай серверов и увеличивай вычислительную емкость.

Еще со времен университета меня преследует мысль, которую мне хотелось бы закинуть на обсуждение хабрасообществу.

До цифровой эпохи развивалось направление аналоговых компьютеров.

Автор: Кирилл Корняков, лидер команды разработчиков в Itseez.

Привет, Хабр!



Этой записью мы открываем блог компании Itseez (от англ. it sees — «оно видит!»). Компания основана адептами компьютерного зрения, проработавшими в этой области более 13 лет, среди которых есть участники проекта OpenCV с первого дня его существования. Наша стратегия связана с разработкой технологий и продуктов в области компьютерного зрения под девизом ”Vision that works!”. Наши клиенты — Willow Garage, NVidia, Intel, Microsoft, несколько менее известных компаний и стартапов. На сегодняшний день коллектив Itseez — это команда из 40 инженеров и исследователей, многие сотрудники активно участвуют в образовательной деятельности: преподают в университете, публикуются в журналах и выступают на конференциях, а также проводят школы по компьютерному зрению.

На страницах блога мы бы хотели рассказывать о том, что интересного происходит в реальном и кибер-пространстве вокруг нас, а также в мире компьютерного зрения. Мы надеемся, что публикуемые материалы будут интересны людям, близким к машинному обучению, робототехнике, вычислительной фотографии, технологиям интеллектуального видеонаблюдения и дополненной реальности, а также к смежным направлениям Науки и Техники. Важной особенностью Itseez является то, что многие наши разработки являются open-source, поэтому мы постараемся подкреплять свои слова примерами реального кода.

Поскольку это первая запись в нашем блоге, хотелось бы поделиться чем-то интересным, поэтому мы расскажем о ключевом проекте компании — о разработке библиотеки алгоритмов компьютерного зрения OpenCV (о своем вкладе в ROS (Robot Operating System) и PCL (Point Cloud Library) мы пока умолчим). Подготовленный читатель, вероятно, удивится, задавшись вопросом: “Но ведь OpenCV разрабатывается Intel / Willow Garage!”, и будет прав, но лишь отчасти. Действительно, далеко не все знают, что большинство ведущих разработчиков OpenCV живут и трудятся в России, в городе Нижний Новгород, и являются сотрудниками компании Itseez. Поэтому, чтобы устранить недоразумения, первый пост мы решили посвятить краткому изложению истории OpenCV. Также, пользуясь случаем, в заключении мы поделимся некоторой инсайдерской информацией о будущем проекта.

Программа imagesnap (OSX) позволяет делать фотографии веб-камерой из командной строки. Например, она может автоматически фотографировать программиста после каждого коммита в репозиторий git, нужно всего лишь добавить следующий код в .git/hooks/post-commit.

#!/usr/bin/env ruby
file="~/.gitshots/#{Time.now.to_i}.jpg"
puts "Taking capture into #{file}!"
system "imagesnap -q -w 3 #{file}"
exit 0

Потом кадры собираются в видеоролик программой tlassemble.

В статье Распознавание лиц человеческим мозгом: 19 фактов, о которых должны знать исследователи компьютерного зрения упоминался экспериментальный факт: в мозге примата имеются нейроны, селективно реагирующие на изображение морды лица (человека, обезьяны и т.п.), причем средняя задержка составляет около 120 мс. Из чего в комментарии я сделал дилетантский вывод о том, что зрительный образ обрабатывается прямым распространением сигнала, и количество слоёв нейронной сети — около 12.

Предлагаю новое экспериментальное подтверждение этого факта, опубликованное concretely нашим любимым Andrew Ng.

С помощью данного плагина Вы сможете в один клик поделиться изображением с друзьями/коллегами/клиентами.

Ровно 25 лет назад 15 июня 1987 специалистами фирмы CompuServe, которая сейчас является подразделением AOL, был создан формат растровых изображений GIF (Graphic Interchange Format) специально для передачи в глобальных компьютерных сетях.

Формат GIF характеризуется следующими свойствами:

• Размер картинки — от 1х1 до 65535х65535 пикселов.
• Число цветов палитры — от 2 до 256.
• Каждый цвет палитры имеет глубину 24 бита/пиксел (выбор из 16 миллионов цветов).
• Карта прозрачности — 1-битная (полупрозрачных цветов нет).
• Число повторов анимации — от 1 до 65535, а также бесконечное.
• Время показа одного кадра анимации — от 1/100 секунды до 655 секунд.
• Число кадров анимации — неограниченно.
• Число невидимых текстовых комментариев и размер каждого комментария — неограниченны.

Технически способность создания компактных цветных картинок в формате GIF основана на алгоритме сжатия данных, который в 1977 году разработали израильские специалисты по теории информации Яков Зив (Jacob Ziv) и Авраам Лемпель (Abraham Lempel); алгоритм получил наименование LZ (Lempel-Ziv) по первым буквам фамилий его создателей. Позднее — в 1984 году — Терри Велч (Terry Welch), сотрудник фирмы Unisуs, улучшил реализацию алгоритма Зива-Лемпеля, и, таким образом, метод сжатия сейчас известен под названием LZW (Lempel-Ziv-Welch)

Похоже на то, что многие любители анонимности и виртуальных превращений (включая зрелых мужчин, общающихся в чЯтиках в качестве 15-летних школьниц, причем без всякого на то злого умысла), вскоре получат еще один интересный инструмент. Не для работы, нет — для запутывания собеседников развлечений. Команда японских разработчиков создала специализированное ПО, позволяющее получить виртуального аватара, в точности повторяющего ваши движения и мимику.

Компания Intel готовит к запуску собственный телевизионный сервис (приставка + подписка), ключевой функцией которого будет распознавание лиц зрителей, сидящих перед телевизором. Предполагается, что это позволит показывать таргетированную рекламу и давать более точные рекомендации по просмотру передач.

Система будет определять пол и возраст зрителя, так что мужчина никогда не увидит рекламу женских товаров, а детям вообще можно запретить просмотр рекламы на программном уровне.

Применение SURF для создания маркера дополненной реальности

Это продолжение топика о дополненной реальности. Вот здесь первая часть. В обсуждении топика юзером Inco были показаны интересные результаты его работы в направлении распознавании маркера дополненной реальности Видео.На тот момент времени не оказалось, но через пару месяцев мне стало интересно как всё это работает, насколько устойчив подход — и свободные часы нашлись. Представляю вам свою реализацию этой идеи, который вылился в доклад на вот этом событии.

^{Триангуляция мяча по шести видеокамерам в системе Hawk-Eye, точность 3,6 миллиметра, 25% мяча должны быть видимы}

Международный совет футбольных ассоциаций (IFAB) приступил к финальным тестам систем отслеживания мяча при пересечении линии ворот. 2 июля 2012 года на специальной встрече в Киеве совет IFAB должен вынести окончательный вердикт и официально внести изменения в футбольный устав, если одобрит одну (или обе) технологии.

Начало конкурса инициировала ФИФА в июле 2011 года, опубликовав технические спецификации. Первоначально для участия заявились 12 систем. В первых тестах осенью 2011 года участвовали восемь, а в финал вышли две: Hawk-Eye и Goalref.

Эстетика ретро-фотографий, столь удачно продвинутая на рынок модным хипстерским приложением Instagram, не оставляет разработчиков равнодушными. И, судя по всему, привлечение пользователей к своим творениям не означает только лишь программирование и обычные приёмы маркетинга.

Некто Мартин Стром (Martin Ström), разработчик из Стокгольма, создал приложение InstaCRT для iOS, которое имеет одну функцию — наложение фильтра на изображение так, что создаётся впечатление картинки на старых ламповых чёрно-белых телевизорах.

Готовое фото выглядит так:



Однако, самое любопытное заключается не в этом, а в том, что находится «под капотом» InstaCRT. Приложение работает таким образом: