Image Recognition
- 3. 画像処理の目的
画像変換(画像 → 画像)
画質変換
ぼやかし 鮮明化 セピア レリーフ風 光の当たり方
幾何学変換
拡大・縮小 回転 平行移動 透視変換(視点変換)
画像認識(画像 → 文字・記号)
個人照合(指紋認証)
防犯侵入監視
文字認識
似ている画像検索
似ている商品検索 http://like.com
CG(文字・記号 → 画像)
- 4. 画像処理の歴史
1960年代 主に科学に関係した画像処理
手書き郵便番号読取装置
http://kagakukan.toshiba.co.jp/history/1goki/1967postmatter/index.html
人工衛星写真の処理
泡箱の飛跡写真の処理(ハフ変換によるニュートリノ検出)
http://ja.wikipedia.org/wiki/%E6%B3%A1%E7%AE%B1
1970年代 医療や工業
CT断層写真(鮮明な断層写真の提供)
リモートセンシング(遠隔探索)
宇宙資源衛星ランドサット
地球表面の資源データを地上に伝送
工業用画像処理(不良品の自動検出、半導体組立)
http://www.incom.co.jp/productnavi/index.php/product/20983
1980年代
図面認識、文書理解 複写機への応用
画像処理用サブルーチンパッケージSPIDER(電子総合研究所)
- 7. 閾値をどうやって決めるか
グレースケール化する際、単純には以下のように RGB から変換した値を使う。
(R + G + B) ÷ 3
これを濃度と呼び、この値に閾値を設けて二値化を行う。
場合によってはこれを使わずに、YCrCb 表色系の Y(輝度) を用いることもある。
Y = 0.299 x R + 0.587 x G + 0.114 x B
閾値の決定方法
閾値の値を適切に指定しないと、↓のような問題がある
閾値が高すぎたり低すぎたりした場合 → 全体的に白っぽくなったり
黒っぽくなったりする
1. 濃度ヒストグラムに基づく方法 ・・・ この方法だけ説明します
2. 画像をいくつかに分割し,各領域ごとに設定する方法(レベルスライス)
3. 画像の局所性質を生かし,この性質を利用する方法
最初に濃度が急激に変わるところを取り出してから、濃度ヒストグラムの方法を使う
4. ラプラシアン・ヒストグラム法
...
- 8. 濃度ヒストグラム
画像の濃度を横軸に、ある濃度を持つ画素数を縦軸にとった統計グラフ。
p-タイル法
新聞の文字の認識の場合、文字がある面積がある程度わかっている場合に有効。
モード法
対象とする図形と背景の濃度値の差が大きく、濃度ヒストグラムにはっきりと谷が
出来るときに有効
判別分析法
ある閾値を一つ決めて二つのクラスに分割。クラス内分散とクラス間分散の分散比が
最大になるように閾値を決定。
- 10. エッジ抽出(Edge Extraction)
エッジとは濃度が急激に変化する点
用途
・大量生産されている部品から不良品を識別
・自動車の自動走行(搭載されているカメラで道路の白線を抽出し、
白線をはみださないようにする。)
・複数の深度に焦点があっている画像を作製する
http://www.frontier.kyoto-u.ac.jp/rc03/omake/focused.html
エッジと輪郭の違い
輪郭と見たところは同じですが、エッジの場合は得られた画素間に関係はな
い。
輪郭は座標系列のリストで、輪郭の上の画素には順番がついているので一周
することができます。
以下で具体的なエッジ抽出方法を説明します。