初歩の
コンピュータビジョン

# 画像の基本概念 import numpy as np # 3x3のRGB画像（各ピクセルは[R,G,B]の値） image = np.array([ [[255, 0, 0], [0, 255, 0], [0, 0, 255]], # 赤、緑、青 [[255, 255, 0], [255, 0, 255], [0, 255, 255]], # 黄、マゼンタ、シアン [[255, 255, 255], [128, 128, 128], [0, 0, 0]] # 白、グレー、黒 ]) print(f"画像のサイズ: {image.shape}") # (3, 3, 3) = 3x3ピクセル、3チャンネル print(f"左上のピクセル（赤）: {image[0, 0]}") # [255, 0, 0]

# 必要なライブラリのインストール pip install opencv-python # 基本的な画像処理 pip install opencv-contrib-python # 追加機能付き pip install mediapipe # Google の ML パイプライン pip install ultralytics # YOLOv8 の最新版 pip install numpy # 数値計算 pip install matplotlib # グラフ表示 pip install jupyter # 対話的な開発環境 # インストール確認 import cv2, mediapipe, ultralytics print("✅ すべてのライブラリが正常にインストールされました！")

import cv2 # Webカメラを開く（0番目のカメラを使用） cap = cv2.VideoCapture(0) print("Webカメラを起動中... 'q'キーで終了") while True: # フレームを読み取り ret, frame = cap.read() if not ret: print("カメラからの映像を取得できません") break # ウィンドウに表示 cv2.imshow('My First Computer Vision App', frame) # 'q'キーが押されたら終了 if cv2.waitKey(1) & 0xFF == ord('q'): break # リソースを解放 cap.release() cv2.destroyAllWindows() print("プログラム終了")

import cv2 import mediapipe as mp # MediaPipe の手検出を初期化 mp_hands = mp.solutions.hands hands = mp_hands.Hands( static_image_mode=False, max_num_hands=2, # 最大2つの手を検出 min_detection_confidence=0.7, min_tracking_confidence=0.5 ) mp_draw = mp.solutions.drawing_utils cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break # BGRをRGBに変換（MediaPipeはRGBを使用） rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) # 手を検出 results = hands.process(rgb_frame) # 検出された手のランドマークを描画 if results.multi_hand_landmarks: for hand_landmarks in results.multi_hand_landmarks: mp_draw.draw_landmarks( frame, hand_landmarks, mp_hands.HAND_CONNECTIONS) cv2.imshow('Hand Detection with MediaPipe', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

from ultralytics import YOLO import cv2 # YOLOv8モデルを読み込み（初回は自動ダウンロード） model = YOLO('yolov8n.pt') # nanoモデル（軽量版） cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break # YOLO で物体検出 results = model(frame) # 検出結果を画像に描画 annotated_frame = results[0].plot() cv2.imshow('YOLO Object Detection', annotated_frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

import cv2 import mediapipe as mp import pandas as pd import time from datetime import datetime # データ記録システム class MotionDataRecorder: def __init__(self): self.data = [] def record_hand_position(self, landmarks, timestamp): """手の位置データを記録""" if landmarks: # 手首の位置（ランドマーク0番） wrist = landmarks[0] self.data.append({ 'timestamp': timestamp, 'wrist_x': wrist.x, 'wrist_y': wrist.y, 'wrist_z': wrist.z }) def save_to_csv(self, filename): """データをCSVファイルに保存""" df = pd.DataFrame(self.data) df.to_csv(filename, index=False) print(f"データを {filename} に保存しました") def analyze_motion_speed(self): """動きの速度を分析""" if len(self.data) < 2: return 0 speeds = [] for i in range(1, len(self.data)): # 前のフレームとの距離を計算 prev = self.data[i-1] curr = self.data[i] distance = ((curr['wrist_x'] - prev['wrist_x'])**2 + (curr['wrist_y'] - prev['wrist_y'])**2)**0.5 time_diff = curr['timestamp'] - prev['timestamp'] if time_diff > 0: speed = distance / time_diff speeds.append(speed) return sum(speeds) / len(speeds) if speeds else 0 # 使用例 recorder = MotionDataRecorder() mp_hands = mp.solutions.hands hands = mp_hands.Hands() cap = cv2.VideoCapture(0) start_time = time.time() while time.time() - start_time < 10: # 10秒間記録 ret, frame = cap.read() if ret: results = hands.process(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)) if results.multi_hand_landmarks: for hand_landmarks in results.multi_hand_landmarks: recorder.record_hand_position( hand_landmarks.landmark, time.time() ) cap.release() # データ分析 avg_speed = recorder.analyze_motion_speed() print(f"平均動作速度: {avg_speed:.4f}") # CSVに保存 recorder.save_to_csv('hand_motion_data.csv')

import cv2 import numpy as np import time class SimpleBMISimulator: """簡易BMIシミュレーター""" def __init__(self): self.attention_level = 0.5 self.focus_point = (320, 240) def simulate_brain_signals(self): """脳波信号をシミュレート""" # 実際のBMIでは脳波計からデータを取得 alpha = np.random.normal(0.3, 0.1) # リラックス beta = np.random.normal(0.4, 0.15) # 集中 gamma = np.random.normal(0.1, 0.05) # 高次認知 # 注意レベルを計算 self.attention_level = max(0, min(1, (beta + gamma) / 2)) return { 'alpha': max(0, alpha), 'beta': max(0, beta), 'gamma': max(0, gamma), 'attention': self.attention_level } def apply_mental_state_to_vision(self, frame, brain_data): """精神状態に基づいて映像を変化""" h, w = frame.shape[:2] # 集中度に応じてズーム if brain_data['attention'] > 0.7: zoom_factor = 1 + (brain_data['attention'] - 0.7) * 2 center_x, center_y = w//2, h//2 crop_size = int(min(w, h) / zoom_factor) x1 = max(0, center_x - crop_size//2) y1 = max(0, center_y - crop_size//2) x2 = min(w, x1 + crop_size) y2 = min(h, y1 + crop_size) cropped = frame[y1:y2, x1:x2] frame = cv2.resize(cropped, (w, h)) # リラックス度に応じてぼかし if brain_data['alpha'] > 0.5: blur_strength = int(brain_data['alpha'] * 20) if blur_strength % 2 == 0: blur_strength += 1 frame = cv2.GaussianBlur(frame, (blur_strength, blur_strength), 0) # 注意レベル表示 bar_width = int(200 * brain_data['attention']) cv2.rectangle(frame, (20, 20), (220, 40), (100, 100, 100), 2) cv2.rectangle(frame, (20, 20), (20 + bar_width, 40), (0, 255, 0), -1) cv2.putText(frame, f'Attention: {brain_data["attention"]:.2f}', (20, 15), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 1) return frame # BMIシミュレーション実行 bmi = SimpleBMISimulator() cap = cv2.VideoCapture(0) print("BMI ビジョンシステム開始") print("- 集中すると画像がズーム") print("- リラックスするとぼかし効果") while True: ret, frame = cap.read() if not ret: break # 脳波データをシミュレート brain_data = bmi.simulate_brain_signals() # 精神状態を映像に反映 processed_frame = bmi.apply_mental_state_to_vision(frame, brain_data) cv2.imshow('BMI Vision Interface', processed_frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()