画像工学 2013年1月16日 担当教員 北川 輝彦.

Slides:



Advertisements
Similar presentations
画像処理・実習 第五回: 空間フィルタ (特徴抽出,ラプラシアン,鮮鋭化) 東海大学 情報理工学部情報メディア学科 濱本和彦.
Advertisements

画像処理・実習 第七回: 2値化画像(2値化処理) 東海大学 情報理工学部情報メディア学科 濱本和彦.
画像処理・実習 第十四回:パターン認識 東海大学 情報理工学部 情報メディア学科 濱本和彦. 今回の内容 5. パターン認識 5.1 マッチングの原理 5.2 テンプレートマッチング 実習 相互相関とテンプレートマッチング.
画像処理 05A1027 後藤航太. 研究課題は openLDAP についてでしたが 今回から画像処理に変更しました。 変更した理由 自分が持っていたイメージと実際の openLDAP が違ったので変更を決 めま した。 画像処理に興味を持ったので これからは画像処理を研究課題として やっていきます。
生体情報を利用したオンライン認証システムに関する研 究 情報工学科 大山・山口・小尾研究室 学士課程4年田中 丈登.
Determining Optical Flow. はじめに オプティカルフローとは画像内の明る さのパターンの動きの見かけの速さの 分布 オプティカルフローは物体の動きの よって変化するため、オプティカルフ ローより速度に関する情報を得ること ができる.
Ruth Onn, Alfred Bruckstein (Int J Comp Vision 1990)
Cornell Spectrum Imagerの使い方
画像セグメンテーションにおけるウェーブレット係数の局所テクスチャ特徴を用いたGraph Cuts
中間まとめ.
Chapter11-4(前半) 加藤健.
静止背景における動物体の検出と追跡 陳 謙 2004年10月19日.
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第四回 演習課題 画像中からの物体抽出処理(背景情報を手がかりとして) 芝浦工業大学 工学部 情報工学科 青木 義満 2006/05/15.
ロボットビジョン(ロボットの視覚能力)のための デジタル画像処理
Pose Tracking from Natural Features on Mobile Phones
画像処理工学 2012年2月2日 担当教員 北川 輝彦.
画素密度検出エージェントを用いた文字列の検出と文字切り出し
ウェーブレットによる 信号処理と画像処理 宮崎大輔 2004年11月24日(水) PBVセミナー.
画像処理工学 2012年11月8日 担当教員 北川 輝彦.
画像処理工学 2011年10月27日 担当教員 北川 輝彦.
符号化のための重み付きジョイントバイラテラルフィルタを用いた 奥行き画像超解像
画像編集 ~photoshopによる画像の補正・加工~
エッジの検出 画像中に表示された物理の輪郭(エッジ(edge))や線では、一般的に濃淡が急激に変化しており、これらは画像中のなんらかの構造を反映していることが多い このようなエッジや線の検出処理は、画像理解や認識のための前処理として重要である   差分型によるエッジ検出   零交差法によるエッジ検出.
• Top-hat transformation(TH)による特徴抽出
コンピュータ・リテラシ b 第12回 簡単な画像処理.
簡単な画像処理 通信教育学部 コンピュータ演習 遠藤美純.
画像特徴(点、直線、領域)の検出と識別-2 呉海元@和歌山大学 2007年5月14日
OpenCV を使った画像処理コンポーネントの作成例 田窪 朋仁(大阪大学)
SURF: Speeded Up Robust Features
クラスター変分法と確率的情報処理 --Belief Propagation と画像処理アルゴリズム--
多重フォーカスカメラと符号化開口を用いた実時間距離画像計測
確率モデルによる 画像処理技術入門 --- ベイズ統計と確率的画像処理 ---
画像工学 2011年10月6日 担当教員 北川 輝彦.
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第三回 演習課題 画像中からの物体抽出処理(色情報を手がかりとして) 芝浦工業大学 工学部 情報工学科 青木 義満 2006/05/08.
画像処理工学 2011年1月26日 担当教員 北川 輝彦.
表紙 MATLAB 応用講習会(A) 情報アシスタント M1 山本幸司.
2007年度 長岡技術科学大学オープンハウス 半透明人間
線形フィルタと畳み込み積分 マスクによる画像のフィルタリング 1.入力画像中の関心の画素のまわりの画素値
地理情報システム論 第14回 ラスタ形式による空間的演算 GISの応用(2)~土地利用の予測
長岡技科大オープンハウス 岐阜高専4年電子制御工学科 森 永二郎.
画像工学 2012年10月3日 担当教員 北川 輝彦.
画像処理 基礎.
エッジの検出 画像中に表示された物理の輪郭(エッジ(edge))や線では、一般的に濃淡が急激に変化しており、これらは画像中のなんらかの構造を反映していることが多い このようなエッジや線の検出処理は、画像理解や認識のための前処理として重要である   差分型によるエッジ検出   零交差法によるエッジ検出.
第11回   ディジタル画像(2) ディジタル画像処理(2)
Hough変換 投票と多数決原理に基づく図形の検出
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
画像処理工学 2013年1月23日 担当教員 北川 輝彦.
画像工学 2015年1月14日 担当教員 北川 輝彦.
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第二回 演習課題
高度情報演習1C 実践 画像処理プログラミング 第二回 演習課題
講義では、Cプログラミングの基本を学び 演習では、やや実践的なプログラミングを通して学ぶ
画像処理③ 05A1027  後藤航太.
プログラミング演習Ⅱ 課題4第3週 画像処理 (1) ビット演算子.
QRコードを用いたウェーブレット変換による 電子透かし
第12回   ディジタル画像(3) ディジタル画像処理(3)
東京農業大学 東京情報大学 附属第一高等学校・中等部 附属第二高等学校 附属第三高等学校・中等部
長岡技術科学大学 オープンハウス2006 『美人フィルタ』
プログラミング言語Ⅰ(実習を含む。), 計算機言語Ⅰ・計算機言語演習Ⅰ, 情報処理言語Ⅰ(実習を含む。)
QRコードを用いたIDカードに 適した電子透かし
-画像処理(空間フィルタリング)- 画像処理(空間フィルタリング)のモデルとその基本操作 雑音除去・平滑化への適用
画像処理プログラミング 知的画像処理研究室 M2 小林 佳奈美.
Wavelet係数の局所テクスチャ特徴量を用いたGraph Cutsによる画像セグメンテーション
2007年度 長岡オープンハウス クロマキー合成 小山高専 電子制御工学科4年                       針谷 尚裕.
適応信号処理とその応用 大阪府立大学大学院工学研究科 電気・情報系専攻 大松 繁.
画像処理工学 2011年12月1日 担当教員 北川 輝彦.
2006年度 オープンハウス 画像からの顔領域の摘出
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
MOIRCS撮像データ フリンジ処理の一例
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
プログラミング演習Ⅱ 課題4第4週 画像処理 (2) 応用.
Presentation transcript:

画像工学 2013年1月16日 担当教員 北川 輝彦

今回の授業内容 グレースケールモルフォロジーの基礎と応用 5.1.4 グレースケールモルフォロジー (1) 収縮 と 膨張 5.1.4 グレースケールモルフォロジー  (1) 収縮 と 膨張  (2) 開口 と 閉口  (3) トップハット と 井戸  (4) 勾配

5.1.4 グレースケール モルフォロジー とは 2値モルフォロジーの拡張版 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー 2値画像に適応 グレースケール(濃淡)画像に適応 5.1 画像領域分割

空間コンボリューション演算(各種フィルタ) 5.1.4 グレースケール モルフォロジー 使用方法: 空間コンボリューション演算(各種フィルタ) 2値モルフォロジー処理と同様の マスク処理 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー マスク内の構造要素: 1. -255 ~ +255 の範囲値※ 5.1.4 グレースケール モルフォロジー マスク内の構造要素: 1. -255 ~ +255 の範囲値※   (ドントケアを用いる場合もあるが、       典型例は0を代入) 2. 中心を原点とした3×3、5×5等 ※8 [bit]画像において 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー マスクの定義(3×3の例) X3 X2 X1 X4 X X0 X5 X6 X7 5.1.4 グレースケール モルフォロジー マスクの定義(3×3の例) X3 X2 X1 X4 X X0 X5 X6 X7 ※各論理値:-255~+255 or ×(ドントケア) 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー 収縮処理を用いたい場合 X3 X2 X1 X4 X X0 X5 X6 X7 O(x, y) = 5.1.4 グレースケール モルフォロジー O(x, y) = min { X + I(x, y), X0 + I(x+1, y), X1 + I(x+1, y-1), X2 + I(x, y-1), X3 + I(x-1, y-1) X4 + I(x-1, y), X5 + I(x-1, y+1), X6 + I(x, y+1), X7 + I(x+1, y+1) } 収縮処理を用いたい場合 X3 X2 X1 X4 X X0 X5 X6 X7 2値モルフォロジと変わった部分は? 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー 収縮処理を用いたい場合 9つの要素計算結果における 最小値をO(x, y)に代入 5.1.4 グレースケール モルフォロジー 収縮処理を用いたい場合 O(x, y) = min { X + I(x, y), X0 + I(x+1, y), X1 + I(x+1, y-1), X2 + I(x, y-1), X3 + I(x-1, y-1), X4 + I(x-1, y), X5 + I(x-1, y+1), X6 + I(x, y+1), X7 + I(x+1, y+1) } 9つの要素計算結果における 最小値をO(x, y)に代入 (ドントケアに指定) 膨張処理を用いたい場合は?推測してみよう 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー グレースケールモルフォロジの基礎: 収縮処理と膨張処理が基本。 (2値モルフォロジと同様) 5.1.4 グレースケール モルフォロジー グレースケールモルフォロジの基礎: 収縮処理と膨張処理が基本。 (2値モルフォロジと同様) 一般式は先ほどの通り。では典型例を。 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール縮小 5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール縮小 (gray-scale erosion) 構造要素内は全て0。 つまり、入力画素の濃淡値に… 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール縮小 5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール縮小 (gray-scale erosion) 構造要素内は全て0。 つまり、入力画素の濃淡値に… 何もせず、9画素内の最小値を出力 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール縮小 5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール縮小 (gray-scale erosion) 使い続けると、明るい画素が どんどん減っていく。 但し明るいままの場合がある。それは… 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール縮小 5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール縮小 (gray-scale erosion) 使い続けると、明るい画素が どんどん減っていく。 但し明るいままの場合がある。それは… 全画素が同じ値の場合。 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール膨張 5.1.4 グレースケール モルフォロジー (1) グレースケール縮小とグレースケール膨張 グレースケール膨張 (gray-scale dilation) 使い続けると、暗い画素が どんどん減っていく。 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール開口 5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール開口 (gray-scale opening) Opening は2値のときと同じ意味。 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール開口 5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール開口 (gray-scale opening) Opening は2値のときと同じ効果。 小さなトゲ領域、単一画素程度のスパイク雑音の除去 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー 収縮(erosion) ⇒ 膨張(dilation) 5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール開口 (gray-scale opening) Opening は2値のときと同じ意味。 収縮(erosion) ⇒ 膨張(dilation) 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール開口 5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール開口 (gray-scale opening) 小さなトゲ領域、単一画素程度のスパイク雑音の除去 収縮回数と膨張回数の増加 ⇒ より大きな領域への効果 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール閉口 5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール閉口 (gray-scale closing) Closing も2値のときと同じ効果。 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール閉口 5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール閉口 (gray-scale closing) Closing も2値のときと同じ効果。 小さな穴領域、単一画素程度のギャップの除去 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー 膨張(dilation) ⇒ 収縮(erosion) 5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール閉口 (gray-scale closing) Closing も2値のときと同じ効果。 膨張(dilation) ⇒ 収縮(erosion) 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール閉口 5.1.4 グレースケール モルフォロジー (2) グレースケール開口とグレースケール閉口 グレースケール閉口 (gray-scale cloing) 小さな穴領域、単一画素程度のギャップの除去 膨張回数と収縮回数の増加 ⇒ より大きな領域への効果 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー トップハット変換 (top-hat transformation) ピーク検出処理とも呼ぶ 5.1.4 グレースケール モルフォロジー (3) トップハットと井戸変換 トップハット変換 (top-hat transformation) ピーク検出処理とも呼ぶ 周辺よりも明るい部分の強調表示が可能 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー トップハット変換 (top-hat transformation) = 原画像 ー 5.1.4 グレースケール モルフォロジー (3) トップハットと井戸変換 トップハット変換 (top-hat transformation) = 原画像 ー   開口(gray-scale opening)演算結果 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー 井戸変換 (well transformation) 谷検出処理とも呼ぶ 5.1.4 グレースケール モルフォロジー (3) トップハットと井戸変換 井戸変換 (well transformation) 谷検出処理とも呼ぶ 周辺よりも暗い部分の強調表示が可能 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー 井戸変換 (well transformation) = 原画像 ー 5.1.4 グレースケール モルフォロジー (3) トップハットと井戸変換 井戸変換 (well transformation) = 原画像 ー   閉口(gray-scale closing)演算結果 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (4) モルフォロジー勾配 対象境界におけるエッジ領域の強調処理 5.1 画像領域分割

5.1.4 グレースケール モルフォロジー (4) モルフォロジー勾配 原画像を複製(複製後画像をA、Bとする) 5.1.4 グレースケール モルフォロジー (4) モルフォロジー勾配 原画像を複製(複製後画像をA、Bとする) 1. Aに膨張演算(dilation) 2. Bに収縮演算(elosion) 3. A - B を計算 ⇒ 勾配画像 5.1 画像領域分割