Upload
abel-charles
View
48
Download
0
Embed Size (px)
DESCRIPTION
情報科学演習 Ⅰ. 宮崎研究室. -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 画像強調・辺縁(エッジ)抽出への適用. 23. 88. 40. 12. 38. 73. 29. 24. 93. 27. 18. 44. 46. 22. 77. 45. 画像のディジタル表現(復習). ディジタル画像 平面上の各点(画素)に濃淡(濃度値)あるいは色情報( RGB )を数値で指定することによって表現される. ← 黒 白→. モノクロ画像. - PowerPoint PPT Presentation
Citation preview
-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)-
画像処理(空間フィルタリング)のモ画像処理(空間フィルタリング)のモデルとその基本操作デルとその基本操作雑音除去・平滑化への適用雑音除去・平滑化への適用画像強調・辺縁(エッジ)抽出への適画像強調・辺縁(エッジ)抽出への適用用
情報科学演習Ⅰ宮崎研究室
画像のディジタル表現(復習)
画像のディジタル表現(復習)
モノクロ画像
カラー画像
ディジタル画像
平面上の各点(画素)に濃淡(濃度値)あるいは色情報( RGB )を数値で指定することによって表現される
23 2927 45
0 127 255
← 黒 白→
( 8 ビット表現)
40 3844 46
12 2418 22
88 7393 77
R( 赤 ) G( 緑)
B( 青)
画像処理(空間フィルタリング)のモデルとその基本操作(1)
画像処理(空間フィルタリング)のモデルとその基本操作(1)
2 次元ディジタルシステム、 HX=[x(m,n)] Y=[y(m,n)]
Y = H(X)
K
Kk
L
Ll
lnkmxlkhnmy ,),(,
線形定常モデルの場合 -空間領域における表現
-
:)],([ lkhH インパルス応答
① 線形定常モデル
画像のどの位置でも変化し
ない。
画像処理(空間フィルタリング)のモデルとその基本操作(2)
画像処理(空間フィルタリング)のモデルとその基本操作(2)
1
1,
,,,lk
lnkmxlkhnmy
x(m-1,n-1) x(m-1,n) x(m-1,n+1)
x(m,n-1) x(m,n) x(m,n+1)
x(m+1,n-1) x(m+1,n) x(m+1,n+1)
h(1,1) h(1,0) h(1,-1)
h(0,1) h(0,0) h(0,-1)
h(-1,1) h(-1,0) h(-1,-1)
インパルス応答 入力画像 x(m,n) の 8 近傍
)1,1()1,1(
),()0,0(
)1,1()1,1(
nmxh
nmxh
nmxh
線形定常モデル
),( nmy
画像処理(空間フィルタリング)のモデルとその基本操作(3)
画像処理(空間フィルタリング)のモデルとその基本操作(3)
② 線形非定常モデル
K
Kk
L
Ll
lnkmxlknmhnmy ,),;,(,
:)],;,([ lknmhH インパルス応答画像の位置に依存する。
③ 非線形定常モデル
④ 非線形非定常モデル
• 線形定常モデルのような式で表現できない。• 画像のどの位置でも操作(処理)は同じ。• 輝度変換(ガンマ補正)、 2 値化処理(閾値処理)、メディアンフィルタ、・・・
• 線形非定常モデルのような式で表現できない。• 操作(処理)は画像の位置に依存する。
)}],([{),( lkxHnmy
)}],([{),( , lkxHnmy nm
線形定常モデルの例: 平滑化フィルタ
1
1,
,,,lk
lnkmxlkhnmy
平滑化画像 PSNR 28.34 [dB]
5.0a
画像 (Original)
(1-a)/8 (1-a)/8 (1-a)/8
(1-a)/8 a (1-a)/8
(1-a)/8 (1-a)/8 (1-a)/8
h(1,1) h(1,0) h(1,-1)
h(0,1) h(0,0) h(0,-1)
h(-1,1) h(-1,0) h(-1,-1)=
非線形定常モデルの例: 輝度変換(ガンマ補正)
10,255, 1 nmxnmy
5.0
輝度変換画像PSNR 13.69 [dB]
画像 (Original)
非線形定常モデルの例: 2 値化処理(閾値処理)
Tnmx
Tnmxnmy
),(,)(255
),(,(0),(
白
黒)
画像 (Original) 2 値画像( T=128)
雑音除去・平滑化フィルタリング(1)
雑音除去・平滑化フィルタリング(1)
平均化フィルタ (線形定常モデル)
画像 (Original) 平均化処理画像
1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9=
h(1,1) h(1,0) h(1,-1)
h(0,1) h(0,0) h(0,-1)
h(-1,1) h(-1,0) h(-1,-1)
画像 (Original)
}1,1),,({Median, lklnkmxnmy
メディアン処理画像
雑音除去・平滑化フィルタリング(2)
雑音除去・平滑化フィルタリング(2)
メディアンフィルタ (非線形定常モデル)
x(m-1,n-1) x(m-1,n) x(m-1,n+1)
x(m,n-1) x(m,n) x(m,n+1)
x(m+1,n-1) x(m+1,n) x(m+1,n+1)
メディアン値 (中央値)を出力
白色ガウス雑音によって劣化した画像
ごま塩雑音 (Salt & Pepper Noise) によって劣化した画像
雑音除去・平滑化フィルタリング(3)
雑音除去・平滑化フィルタリング(3)
雑音によって劣化した画像
平均化フィルタによる処理画像
白色ガウス雑音によって劣化した画像
雑音除去・平滑化フィルタリング(4)
雑音除去・平滑化フィルタリング(4)
平均化フィルタによる白色ガウス雑音の除去
メディアンフィルタによる処理画像
白色ガウス雑音によって劣化した画像
雑音除去・平滑化フィルタリング(5)
雑音除去・平滑化フィルタリング(5)
メディアンフィルタによる白色ガウス雑音の除去
ごま塩雑音によって劣化した画像
平均化フィルタによる処理画像
雑音除去・平滑化フィルタリング(6)
雑音除去・平滑化フィルタリング(6)
平均化フィルタによるごま塩雑音の除去
ごま塩雑音によって劣化した画像
メディアンフィルタによる処理画像
雑音除去・平滑化フィルタリング(7)
雑音除去・平滑化フィルタリング(7)
メディアンフィルタによるごま塩雑音の除去
画像処理(空間フィルタリング)のモデルとその基本操作
画像処理(空間フィルタリング)のモデルとその基本操作
1
1,
,,,lk
lnkmxlkhnmy
ここでちょっと復習
)1,1()1,1(
),()0,0(
)1,1()1,1(
nmxh
nmxh
nmxh
線形定常モデル
),( nmy
x(m-1,n-1) x(m-1,n) x(m-11,n+1)
x(m,n-1) x(m,n) x(m,n+1)
x(m+1,n-1) x(m+1,n) x(m+1,n+1)
h(1,1) h(1,0) h(1,-1)
h(0,1) h(0,0) h(0,-1)
h(-1,1) h(-1,0) h(-1,-1)
インパルス応答 入力画像 x(m,n) の 8 近傍
画像強調フィルタリング -画像の鮮鋭化-画像強調フィルタリング -画像の鮮鋭化-
鮮鋭化フィルタ (線形定常モデル)
画像 (Original) 鮮鋭化画像
0 -1 0
-1 5 -1
0 -1 0
h(1,1) h(1,0) h(1,-1)
h(0,1) h(0,0) h(0,-1)
h(-1,1) h(-1,0) h(-1,-1)=
「差分」について
「差分」について
(a) 1 階差分
まず準備
(b) 2 階差分
)()1()( nxnxnxf
)1()()( nxnxnxb
)1()1()()()( nxnxnxnxnx bf
前進差分後退差分
)()1(2)2()}({)(2 nxnxnxnxnx fff
)2()1(2)()}({)(2 nxnxnxnxnx bbb
)1()(2)1(
)}({
)}({)(2
nxnxnx
nx
nxnx
fb
bf
辺縁(エッジ)抽出フィルタリング(1)
辺縁(エッジ)抽出フィルタリング(1)
1 階差分フィルタ( 1 次元マスク)
-1 0 1
-1
0
1
-1
0
1
-1
0
1
)1,()1,(),( nmxnmxnmyh
),1(),1(),( nmxnmxnmyv
)1,1()1,1(),( nmxnmxnmya
)1,1()1,1(),( nmxnmxnmyd
22 )},({)},({),( nmynmynmy vh
),(),(),( nmynmynmy vh
}),(,),(,),(,),({Max),( nmynmynmynmynmy davh
水平方向
垂直方向
斜め 45 度方向
斜め 135 度方向
水平方向
垂直方向
斜め 45 度方向
斜め 135 度方向
(a)
(b)
(c)
{
辺縁(エッジ)抽出フィルタリング(2)
辺縁(エッジ)抽出フィルタリング(2)
1 階差分フィルタ( 2 次元マスク)
-1 0 1
-1 0 1
-1 0 1
),( nmyh ),( nmyv ),( nmya ),( nmyd
水平方向 垂直方向 斜め 45 度方向
斜め 135 度方向
-1 -1 -1
0 0 0
1 1 1
0 -1 -1
1 0 -1
1 1 0
-1 -1 0
-1 0 1
0 1 1
22 )},({)},({),( nmynmynmy vh
),(),(),( nmynmynmy vh
}),(,),(,),(,),({Max),( nmynmynmynmynmy davh
(a)
(b)
(c)
1 階差分フィルタ( 2 次元マスク)による処理結果
原画像 Lenna Lenna の処理結果
原画像 Mandrill Mandrill の処理結果
辺縁(エッジ)抽出フィルタリング(3)
辺縁(エッジ)抽出フィルタリング(3)
ソーベルフィルタ( 2 次元マスク)
22 )},({)},({),( nmynmynmy vh
),(),(),( nmynmynmy vh
}),(,),(,),(,),({Max),( nmynmynmynmynmy davh
(a)
(b)
(c)
-1 0 1
-2 0 2
-1 0 1
),( nmyh ),( nmyv ),( nmya ),( nmyd
水平方向 垂直方向 斜め 45 度方向
斜め 135 度方向
-1 -2 -1
0 0 0
1 2 1
0 -1 -2
1 0 -1
2 1 0
-2 -1 0
-1 0 1
0 1 2
ソーベルフィルタ( 2 次元マスク)による処理結果
原画像 Lenna Lenna の処理結果
原画像 Mandrill Mandrill の処理結果
差分フィルタによ
る処理結果ソーベルフィルタによる処理結
果
2 次元マスク: 1 階差分フィルタとソーベルフィルタによる処理結果の比較
辺縁(エッジ)抽出フィルタリング(4)
辺縁(エッジ)抽出フィルタリング(4)
2 階差分フィルタ(ラプラシアンフィルタ)・・・線形定常モデル
)1,(),(2)1,(),(2 nmxnmxnmxnmxh水平方向
垂直方向 ),1(),(2),1(),(2 nmxnmxnmxnmxv {
),(4
)1,(),1(
)1,(),1(
),(),(),( 22
nmx
nmxnmx
nmxnmx
nmxnmxnmy vh
0 1 0
1 -4 1
0 1 0
2 階差分フィルタ(ラプラシアンフィルタ)の 2 次元
マスク
2 階差分フィルタ(ラプラシアンフィルタ)による処理結果
原画像 Lenna Lenna の処理結果
原画像 Mandrill Mandrill の処理結果
画像 (Original) エッジ抽出画像
辺縁(エッジ)抽出フィルタリング(5)
辺縁(エッジ)抽出フィルタリング(5)
2 階差分フィルタ(ラプラシアンフィルタ)・・・線形定常モデル
0 1 0
1 -4 1
0 1 0=
h(1,1) h(1,0) h(1,-1)
h(0,1) h(0,0) h(0,-1)
h(-1,1) h(-1,0) h(-1,-1)