今日午前中にVolume Rendering（Single Pass Raycast）を実行できるようになった。
夕方はOpenCLでEigen::MatrixをOpenCVの画像へフィルタとして作用させるコードの作成に成功した。
以下はSobelフィルタの実行例である。



OpenCL_test06では続けてネガポジ反転させている。CL_MEM_READ_WRITEという指定をcl_memオブジェクトに指定すれば中間のバッファをホスト側に移さずに2つのカーネルを連続して実行できる。

この記事を閲覧するにはパスワードが必要です
⇒パスワード入力

この記事を閲覧するにはパスワードが必要です
⇒パスワード入力

この記事を閲覧するにはパスワードが必要です
⇒パスワード入力

この記事を閲覧するにはパスワードが必要です
⇒パスワード入力

この記事を閲覧するにはパスワードが必要です
⇒パスワード入力

先天性の奇病Ｎの患者の割合は100万人に1人だという。
奇病Ｎを99%の確率で検出する検査薬Ｔがある。奇病Ｎに罹患した人を検査薬Ｔで検査すると、99%の確率で陽性と検出し、1%の確率で陰性と誤る。一方、奇病Ｎに罹患していない人を検査薬Ｔで検査すると、99%の確率で陰性と正しく検出し、1%の確率で陽性と誤る。
ある地域から無作為に標本として選んだ人物Ａを検査薬Ｔで検査したところ、陽性と出た。
心配したＡは、医師Ｘの元へ相談に行った。

問１：人物Ａは、自分が奇病Ｎに罹患している確率を何%と判断するべきか？
問２：医師Ｘは、人物Ａが奇病Ｎに罹患している確率を何%と判断するべきか？
問３：医師Ｘは、人物Ａに、人物Ａが奇病Ｎに罹患している確率を何%と通達するべきか？


自分の答え：
答１：1.000098%
答２：1.000098%
答３：検査の結果による。検査しなければ1.000098%。ただし、医者なら検査するべき。

旭川医大の入試問題に同様の確率の問題が出たらしい。

カメラの補正（カメラ行列の最適化）を行う場合：
チェスボード以外の物体では、OpenCVはカメラ行列に初期値を与える必要が出てしまう。しかし自分はLiptonの紙パック（ピーチティー）の写真を使い、紙パックを撮影したカメラのカメラ行列を調べたい。
Levenberg-Marqurdt法によりカメラ行列を計算する。
ここでの目的関数とは何か？
→ カメラ行列により、三次元空間中の座標点は画像面の座標に変換される（当然だが、CGのViewPort変換と同じ）。三次元空間中の座標点群（x）⇔画像面中の画素座標（m）の対応を最低7つ指定し、Axとmの最小二乗誤差を調べればよいだろう。
尚その際、画像座標は高々2^0.5程度に収まるよう正規化しないとカメラ行列の最適化の際に発散する場合が多いらしいので注意が必要である。

VCプロジェクト：
Eigen_Levenberg_Marqurdt

練習用の課題：
凸な問題である必要がある（凸な問題ではない例：3次元中に曲線様に分布する点群のBezier curve fitting）。
→ 最小二乗法を使わない多項式fitting

NumericalDiffという関数があるらしい。目的関数の微分を入力しなくても、数値的にGradient（きっとHessianも）を求めてくれるようだ。