scikit-imageのお勉強 第６回 filtersモジュール・前編 ~平滑化、エッジファインダ~

かなりご無沙汰していたscikit-imageの便利機能の備忘録シリーズの続き。

これまでの回はコチラ

第１回 dataモジュールとioモジュール ~画像の入出力~

第２回 colorモジュール ~色空間~

第３回 drawモジュール ~図形の描画~

第４回 transformモジュール ~拡大縮小・回転・アフィン変換~

第５回 exposureモジュール　~露出補正~

今回は第６回です。filtersモジュールの前編です。平滑化・エッジファインダについてメモしていきます。

平滑化

• filters.gaussian Gaussianフィルタ

エッジファインダ

• filters.sobel Sobelフィルタ
• filters.scharr Scharrフィルタ
• filters.prewitt Prewittフィルタ
• filters.roberts Robertsフィルタ
• filters.laplace Laplacianフィルタ

準備

詳細を読む

前回までと同じようにサンプル画像のロケットを使用します。

カラー画像とグレースケール画像の両方を準備。

%matplotlib inline
import matplotlib.pyplot as plt
from skimage import filters, color, data

def image_show(img,title,record=False):
    plt.imshow(img)
    plt.xticks([])
    plt.yticks([])
    plt.title(title)
　# record=Trueの時タイトルと同名の画像ファイルを保存
    if record:
        plt.savefig(f"scimage_filters/{title}.png",dpi=150)
    plt.show()

rocket = data.rocket()
image_show(rocket,"Raw",record=True)
gray_rocket = color.rgb2gray(rocket)
image_show(gray_rocket,"Gray",record=True)

平滑化

Gaussianフィルタは平滑化フィルタです。いわゆる「ぼかし」処理。

詳細を読む

原理についてはこちらのページが詳しいです。

algorithm.joho.info

ガウシアンフィルタは、画像の平滑化に使われるフィルタの1つです。考え方は簡単で、「注目画素からの距離に応じて近傍の画素値に重みをかける」ということをガウス分布を利用して行います。それにより、自然な平滑化をおこなうことができます。

Gaussianフィルタを使ってみる

詳細を読む

グレースケール画像の場合はデフォルトでOKですが、カラー画像に適用したい場合はmultichannel=Trueを設定します。

sigmaの値が大きいほど、ぼかし具合が強くなります。

image_show(rocket[300:400,250:400],"Raw_magnified",record=True)

sigmas = range(0,5,2)

for s in sigmas:
    gaussian = filters.gaussian(rocket,sigma=s,multichannel=True)
    image_show(gaussian[300:400,250:400],f"sigma={s}",record=True)

エッジファインダ

Sobel、Scharr、Prewitt、Roberts、Laplacianフィルタはエッジをみつけるためのフィルタ群です。

詳細を読む

エッジについては以下のページの説明がわかりやすいです。

エッジ検出

画像のエッジ(edge)とは、画素値が急峻に変化する点です。画素値の変化の大きさを「勾配(Gradient)」や「エッジの強さ」と言います。エッジは物体の輪郭を示す場合が多く、物体認識において重要な要素と言えます。

各フィルタの原理については以下のページを参照。

• Sobelフィルタ、Prewittフィルタ、Laplacianフィルタ
  qiita.com

• Sobelフィルタ、Scharrフィルタ、Laplacianフィルタ
  画像の勾配 — OpenCV-Python Tutorials 1 documentation

• Sobelフィルタ、Prewittフィルタ、Robertsフィルタ、Laplacianフィルタ
  エッジ検出

Sobel, Scharr, Prewitt, Robertsフィルタを使ってみる

詳細を読む

グレースケール画像を使用します。

filter_names = ("filters.sobel","filters.scharr","filters.prewitt",
           "filters.roberts")

filter_tuple = (filters.sobel,filters.scharr,filters.prewitt,
           filters.roberts)

image_show(gray_rocket[300:400,250:400],"Raw_gray_magnified",record=True)

for f,name in zip(filter_tuple,filter_names):
    filtered_image = f(gray_rocket)
    image_show(filtered_image[300:400,250:400],f"{name}_magnified",record=True)

Sobel、Scharr、Prewittフィルタはほとんど同じように見えますが、Robertsフィルタだけ結果が若干違います。

Robertsフィルタは他の３つと原理が異なるので（コチラ参照）、当然の結果と言えそうです。

Laplacianフィルタを使ってみる

詳細を読む

こちらもグレースケール画像を使用。

image_show(gray_rocket[300:400,250:400],"Raw_gray_magnified",record=True)

laplace_img = filters.laplace(gray_rocket)
image_show(laplace_img[300:400,250:400],f"laplace_magnified",record=True)

Laplacianフィルタは２次微分に相当します。

Laplacianフィルタでエッジ抽出する - [物理のかぎしっぽ]

Laplacianフィルタの場合、ほとんどの画素値が0付近になり、特に変化の大きいところだけがプラス、マイナスの大きい値として現れます。

画素値のヒストグラムを描くと以下のようになります。

plt.hist(laplace_img.flatten())
plt.savefig("scimage_filters/laplace_hist.png",dpi=150)
plt.show()

以上です。