「静岡Developers勉強会　コンピュータビジョン(1)」で使用したスライドです。

1. コンピュータビジョン
1章 基本的な画像処理

2. Pythonおよび統合開発環境の
インストール
●
●
コンピュータビジョンではPythonは2.7を
使用します(3.Xは使用しません)
統合開発環境と併せてインストールしてください
–
分からない方には別スライドでインストール方法および
統合開発環境PyCharmを紹介します

3. 目次
●
Pythonおよび統合開発環境のインストール
●
使用するライブラリ/モジュールのインストール
–
PIL
–
NumPy
–
Matplotlib
–
SciPy
【追記】今回のプレゼンではライブラリを１つずつ手動でインス
トール
する方法を採用しましたが、「setuptools」というパッケージ管理用
パッケージを使用したほうが簡単です。
http://www.lifewithpython.com/2012/11/Python-package-setuptools-pip.html
参考URL:

4. 目次
●
基本的な画像処理
●
ヒストグラム平坦化
●
平坦画像
●
主成分分析
●
画像をぼかす
●
画像の微分
●
モルフォロジー（9章で説明します ）
●
ノイズ除去

5. 使用するライブラリ/モジュールの
インストール
●
PIL
一般的な画像の取り扱いのほか、サイズ変更、
切り抜き、回転、色変換といった画像の基本
操作を多数備えている
http://www.pythonware.com/products/pil/
32bit版Windows限定。64bit版Windowsを使用して
いる場合は
http://www.lfd.uci.edu/~gohlke/pythonlibs/
から「Pillow-2.3.0.win-amd64-py2.7.exe」を
ダウンロードしてインストールする
●
この後も64bit版Windowsを使用している場合このHPを利用する

6. 使用するライブラリ/モジュールの
インストール
●
PIL
mac OS にインストールしたい場合
http://pythonmac.org/packages/py25-fat/index.html
からインストーラをダウンロードして
インストールする

7. 使用するライブラリ/モジュールの
インストール
●
NumPy
Pythonを使って科学技術計算をする際用いる
パッケージで、ベクトル、行列、配列オブジェクト、
線形代数関数などが備わっている
http://sourceforge.net/projects/numpy/files/NumPy/1.8.0/

8. 使用するライブラリ/モジュールの
インストール
●
Matplotlib
数字を使ってグラフを描いたり、画像に点や直線、曲線を
描画する時に役立つライブラリ
http://matplotlib.org/downloads.html
から対応するファイルをダウンロードしてインストールする
–
Matplotlibを利用するには依存している他のライブラリも
インストールする必要がある。自分のPCでは
●
●
–
Dateutil
Pyparsing
人によっては他のライブラリをインストールする必要があるかも

9. 使用するライブラリ/モジュールの
インストール
●
SciPy
NumPy上に構築された数学パッケージ。
数値積分や最適化、統計、信号処理、画像処理
などの機能を提供する。
http://sourceforge.net/projects/scipy/files/scipy/ (Win32bit)
http://www.scipy.org/install.html (Mac OS & Linux)
Windows 64bit OSは例のホームページから

10. 基本的な画像処理
●
1ページのプログラムを実行してください
–
●
●
表示するには「pil_im.show()」
2ページのプログラムを知っておいてください
2ページから2ページに記載されている
imtools.pyを作成してください
–
–
●
numpyをインポートしてください
インデントに気をつけてください
3ページのプログラムを実行してください

11. 画像に点と線の描画
●
●
4ページのプログラムを実行して、
画像と点と線を描画してください
表1-1、1-2、1-3を参考にマーカーを変えて
プログラムを実行してください

12. 画像の等高線
●
等高線
–
画像の明るさをその場所における標高と見なして
地形図と同様に表現すること

13. 画像のヒストグラム
●
ヒストグラム(Histgram = 度数分布図)
–
画像の明暗の度合いを表した図
参考：http://www.asahi-net.or.jp/~ax2s-kmtn/ref/histogram.html

14. 画像の等高線とヒストグラム
●
6ページに記載されているプログラムを
実行してください

15. インタラクティブな注釈
●
7ページに記載されているプログラムを
実行してください

16. 配列による画像表現
●
Numpyの配列は多次元であり、ベクトルや
行列、画像を表現できる
im = array(Image.open('empire.jpg'))
print im.shape,im.dtype
=> (800,569,3) uint8
im = array(Image.open('empire.jpg').convert('L'),'f')
print im.shape,im.dtype
=> (800,569) float32
–
配列の要素にはこのようにアクセスできる
value = im[i,j,k] #座標i,jの色チャンネルkの値
(k=0:R 1:G 2:B)

17. グレーレベルの変換
●
グレーレベル変換は、画像のピクセルごとに適用
され、全てのピクセルが個別に取り扱われ、その
値が特定の「再マッピング」ルールによって
別の値に設定される
–
9ページのプログラムを記載して実行して
ください
●
–
表示は「imshow(imX)」です
– その後に「show()」が必要です
im = array( ・・・の次の行にgray()を記載しないと
グレースケールにならないので注意
本には.convert('L')と書けばグレースケールになるとあるが、arrayを
使用した場合は自分のPCは変な原色で表示された

18. 画像のサイズ変更
●
Imtools.pyに1.3.3の関数を追加してください
●
同様に1.3.4の関数を追加してください

19. ヒストグラム平坦化
●
●
●
ヒストグラムの度数を平坦化することで、
画像にメリハリをつける
12ページのプログラムを記載して実行
してください
13ページの関数をimtools.pyに追加して
ください

20. 画像の主成分分析
●
主成分分析
–
分かりやすく説明しているページがあった
●
–
●
●
機械学習でも少し触れましたね
http://www1.doshisha.ac.jp/~mjin/R/24/24.html
画像処理における主成分分析とは、画像で
使用されている点の色のうち、できるだけ
見た目を維持した上で使用する点の数を減らす
14ページの関数をpca.pyという名前で
保存してください
15ページのプログラムを記載して実行して
ください 本のプログラムに加えて以下のプログラムが必要です
import imtools
imlist = imtools.get_imlist('a_thumbs')
・・・

21. 画像をぼかす
●
ガウス関数を画像の処理に応用する
–
ある点に近い画像の輝度(きど)値はその点に近く、
遠くなるほど輝度値は差が大きくなることを考慮し
平均値を計算する時にガウス関数を利用する
–
39ページのプログラム（２つ）を実行してください

22. 画像の微分
●
微分について(念のため)確認
y = x^2 → dy/dx = 2x
–
なぜ微分をする？
●
●
画像の輝度が大きく変化している点(境界)を探す際、
変化が大きい箇所を強調するために微分を用いる
ディジタル画像に対する処理では微分演算の代わりに
差分演算を行うことによってもエッジの検出が可能

23. 1次微分(差分)によるエッジ検出
●
通常の差分演算を行うと、画面に含まれる雑音成分
にも反応してしまうめ、雑音の低減とノイズの除去
の両方を持つフィルタが提案されている
–
Prewittフィルタ
-1
-1
-1
0
0
0
1
1
1
1
0
1
-1
-2
-1
-2
0
2
0
0
0
-1
0
1
1
2
1
-1
0
1
-1
0
1
-1
0
Sobelフィルタ
-1
水平方向(x) =
水平方向(x) =
–
垂直方向(x) =
垂直方向(x) =

24. 1次微分(差分)によるエッジ検出
●
Prewittフィルタの水平方向に対する使用例
6
6
4
4
3
3
3
2
2
1
6
3
3
8
3
3
6
4
9
2
3
2
6
-1
→
0
1
-1
0
1
-1
0
1
→
1
6
4
4
5
4
5
●
1
-3
3
3
3
2
2
1
6
3
3
8
3
3
6
4
9
2
3
2
フィルタを用いて水平方向、垂直方向の
差分を求めた後、それぞれを２乗した平方根
が画素の勾配の大きさとなる
(勾配が大きいほどエッジが大きい)

25. 1次微分(差分)によるエッジ検出
●
20ページのプログラムを実行してください
–
そのままだと出力されないので、以下のコードを
追加してください
from pylab import *
・・・
for i in (im, imx, imy, magnitude):
figure()
axis('off')
gray()
imshow(i)
show()

26. 1次微分(差分)によるエッジ検出
●
21ページのプログラムを実行してください

27. モルフォロジー(物体を数える)
●
時間がないので第9章で

28. 画像のノイズ除去
●
●
25～26ページの関数denoise()を
ファイル名rof.pyで保存してください
26ページ中央のプログラムを以下のコードを
追加し、実行してください
・・・
from pylab import *
titles = ('original','gaussian','ROF')
for i,j in enumerate((im,G,U)):
subplot(1,3,i+1)
title(titles[i])
gray()
axis('off')
imshow(j)
show()

29. まとめ
●
今回の章で以下の画像処理を会得しました
–
画像の作成、切り取り、貼り付け、注釈等
基本的な操作
–
画像のヒストグラムの取得
–
グレーレベル変換
–
画像の平均化
–
主成分分析による次元の減少
–
画像のぼかし
–
画像のエッジ
–
ノイズ除去

30. 来月の読書会も頑張りましょう！