画像処理の基礎・OpenCV(Python)での実装入門

 私のブログでは画像処理の基礎技術を原理・数式からどういうときに使えばいいか、メリット・デメリット、OpenCVでどう実装するかまでまとめています。

Medianフィルタ(ノイズ除去)


 まずはノイズ除去の基礎、メディアンフィルタから。

 比較的原理も簡単で実装も容易です。

バイラテラルフィルタ(エッジを残してノイズ除去)


 次に、エッジを残しつつノイズ除去ができる高性能なバイラテラルフィルタを学ぶといいです。

 初見だと数式が難しそうに見えますが、分解すると簡単です。

 ノイズ除去の際にはノイズがぼやけたり副作用が生じますが、バイラテラルフィルタはその副作用が少ないです。

鮮鋭化・アンシャープマスキング(エッジ強調)


 次に、エッジを強調できる数少ない手法の鮮鋭化・アンシャープマスキング

 エッジを強調してぼやけた画像がはっきりしたり、非常に強力な手法ですがノイズが増えるという副作用があります。

 ノイズ除去と合わせて使っていくと良いです。

2値化・物体の検出(作成中)


 ここら辺の技術は今作成中です。

Opening/Closing(細かい物体を除去・結合)


 次に、ノイズが除去されて2値化して残った物体から、細かい物体を除去したり、近くの物体同士を結合させるOpening/Closingという技術です。

 大雑把に対象物を残した後の微調整として強力な手法です。

極座標変換 – 円形の画像を長方形にする


 こちらは今まで紹介した画像処理とは違い、元画像を全く別の画像に変換する技術です。

 円形のままだと文字認識しづらかったりします。そういうときは極座標変換を用いて円形画像から長方形画像に変換するといいです。

シンプルで強力な画像の特徴量 – xHash


 画像の特徴量にはSIFTやHOGなどの手法がありますがある程度複雑です。

 しかし、xHashは隣り合うピクセルとの比較など、シンプルな仕組みながら強力な手法です。

 dHashで特徴量を算出し比較することで、類似画像を見つけたりができます。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です