視覚認知計算特論

00.md

視覚認知計算特論レポート課題用のほげ

• Vision/2015
• Vision/2015/report3/appendix
• Vision/2016
• Vision/2016/report3/appendix

hoge160616.py

# -*- coding: utf-8 -*-

from __future__ import print_function
from __future__ import division

import numpy as np
import scipy as sp
import scipy.misc as spmisc

# 普通にPNG画像を読み込むやり方．
img = spmisc.imread( 'blackuni3.png' )
# どんな大きさでどんなデータ型の配列（NumPyのndarray）に格納されるか確認
print( 'img: ', img.shape, img.dtype )

# 画素値を反転して出力
spmisc.imsave( 'hoge.png', 255 - img )

# 左右を反転した画像と元画像の平均を出力
img2 = img[:, ::-1, :]
spmisc.imsave( 'hoge2.png', (img + img2)/2 )
#  ==> 画素値がオーバーフローして化け猫化

# img を浮動小数点型に変換してやり直し
imgF  = np.asarray( img, dtype = float )
print( 'imgF:', imgF.shape, imgF.dtype )
img2F = imgF[:, ::-1, :]
spmisc.imsave( 'hoge3.png', (imgF + img2F)/2 )
#  ==> 今度は問題ない


# catg/catXYZ.png は...
cat = spmisc.imread( 'catg/cat000.png' )
print( 'cat: ', cat.shape, cat.dtype )
# ==> グレイスケール形式のPNG画像なので，2次元配列

# データ行列を作る & データ型を変換する
X = np.empty( ( 131, 64 * 64 ) )  # デフォルトの型すなわち float64 の配列を用意
for i in range( 131 ):
    cat = spmisc.imread( 'catg/cat%03d.png' % i )
    X[i, :] = cat.reshape( -1 )

print( 'X: ', X.shape, X.dtype )


# （おまけ） PNG画像を読み込むと同時にグレイスケール化
imgG = spmisc.imread( 'blackuni3.png', flatten = True )
print( 'imgG:', imgG.shape, imgG.dtype )