画像のフィルタリング処理haneishi/class/5_2syuhasukukan.pdfinverse filter:inverse filter:...
TRANSCRIPT
-
1画像のフィルタリング処理
講義内容
実空間フィルタリング平滑化(LPF)エッジ強調(HPF)Laplacian of Gaussian(LOG)フィルタ(BPF)
周波数空間フィルタリングLPF,HPF,BPF周波数選択的フィルタ
線形シフトインバリアントシステムと劣化画像復元線形システム劣化画像の復元
MATLABを用いたデモ
-
2
フーリエ面での処理
周波数成分に対する自在なフィルタリングが可能
LPF,BPF,HPF, 部分的なフィルタ(特定周波数成分の除去,周期構造をもつノイズの除去)Wiener フィルタ (周波数ごとのSN比を考慮した復元フィルタ)
処理の流れ処理の流れ
特徴特徴
フーリエ変換フーリエスペクトル
フィルタ演算
処理画像
原画像
フーリエ逆変換
),( yxf ),( vuF
),(),(),(
vuHvuFvuG
=),( yxg
例例
-
3
コンボリューション定理
),(*),(),( yxhyxfyxg = ),(),(),( vuHvuFvuG ⋅=
実空間実空間 フーリエ空間フーリエ空間
コンボリューションコンボリューション 積積
),( yxf
),( yxh
),( yxg
),(),(),( yxhyxfyxg ⋅= ),(*),(),( vuHvuFvuG =
積積 コンボリューションコンボリューション
),( vuF
),( vuH
),( vuG
-
4
処理の等価性
Fourier Transform pair フーリエスペクトル
F(u,v)
フィルタH(u,v)
処理画像g(x,y)
フィルタ演算
G(u,v)
原画像f(x,y)
コンボリューション核
h(x,y)
Fourier Transform pair
Fourier Transform pair
-
5
平滑化フィルタ
×91
1 1 1
1 1 1
1 1 1
実空間でのフィルタ(コンボリューション核)
実空間でのフィルタ(コンボリューション核)
空間周波数フィルタ空間周波数フィルタ
uv
(フィルタ特性の絶対値をとって表示)
-
6
0 10 20 30 40 50 60 70-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Width = 3 Width = 5 Width = 7
Frequency
Modula
tion
Averaging filter
平滑化フィルタの周波数特性
Low pass filter 間違い!3,7が逆.
-
7
Laplacianフィルタ
空間周波数フィルタ空間周波数フィルタ
uv
0 − α 0
− α 4 − α
0 −α 0
実空間でのフィルタ(コンボリューション核)
実空間でのフィルタ(コンボリューション核)
1=α
-
8
ラプラシアンフィルタの周波数特性
0 10 20 30 40 50 600
0.5
1
1.5
2
2.5
3
3.5
4
alpha = 1
alpha = 0.5
alpha = 0.25
Frequency
Modula
tion
Laplacian filter
High pass filter
-
9
Sobel フィルタ
空間周波数フィルタ空間周波数フィルタ
uv
-1 0 1
-2 0 2
-1 0 1
実空間でのフィルタ(コンボリューション核)
実空間でのフィルタ(コンボリューション核)
x
y
-
10
0 10 20 30 40 50 60 700
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
sigma = 1 sigma = 2 sigma = 3
Frequency
Modula
tion
Laplacian of Gaussian filter
LOGフィルタの周波数特性
Band pass filter 間違い!Sigmaの並びが逆.
-
11
空間周波数フィルタとコンボリューション核の例
空間周波数フィルタSharp-cut LPF
空間周波数フィルタSharp-cut LPF
フーリエ空間フーリエ空間
コンボリューション核コンボリューション核
実空間実空間
-
12
周期性のあるノイズの低減
周波数空間の一部にノイズのパワーが集中しているようなとき
オリジナル画像 スペクトル画像
ノイズパターン 処理画像
Digital Image Processing, R. C. Gonzalez and R. E. Woodsから引用
),( yxg ),( vuG
)},(),({),( 1 vuGvuHyxp −ℑ= ),(),(),(),(ˆ yxpyxwyxgyxf −=重みw(x,y)は(x,y)の近傍で推定画像の分散が最小になるように決定.
-
13画像のフィルタリング処理
講義内容
実空間フィルタリング平滑化(LPF)エッジ強調(HPF)Laplacian of Gaussian(LOG)フィルタ(BPF)
周波数空間フィルタリングLPF,HPF,BPF周波数選択的フィルタ
線形シフトインバリアントシステムと劣化画像復元線形システム劣化画像の復元
MATLABを用いたデモ
-
14
x x
Linear,time-invariantsystem
OutIn
ディラックのデルタ関数:インパルス関数
デルタ関数入力に対する応答:インパルス応答
x
入力信号
x
出力信号
τ x
0 0
出力信号は入力信号とインパルス応答とのコンボリューションで表される.
線形時不変システムまた線形シフトインバリアントシステム
)(xh)(xδ
)(xf)(xg
x
)(*)(
)()()(
xfxh
dfxhxg
=
−= ∫∞
∞−
τττ
-
15
シフトインバリアント:インパルス応答が,シフトによらないこと.
x0
)(xh
x0
)(xh
シフトインバリアントシステム
)( axh −
a
)( axh −≠
a
シフトインバリアント
シフトバリアント
2次元(画像)の場合 インパルス応答=点光源に対するレンズによる像(点像分布関数point spread functionとよぶ)
レンズ物体面 像面
f x y x y( , ) ( , )= δ g x y h x y( , ) ( , )=
シフトインバリアント
シフトバリアント
レンズ物体面 像面
PSFが場所によって異なる場合
-
16
線形システム:重ね合わせの原理が成り立つこと
)}({)}({)}()({)(
)}({)(
)()(
2211
2211
xfSaxfSaxfaxfaSxg
xfSxg
xgxf
+=+=
=
ことである.以下の関係が成り立つ
あるとは,このシステムが線形で
に定義する.システムを以下のよう
を出力するに対して,入力
線形システム
x
入力信号)(xf
x
出力信号
τ
x
)(xg
L+−+−+= )2()()()( 210 dxfdxfxfxf δδδ
L)2()}2({
)()}({)()}({
22
11
00
dxhfdxfSdxhfdxfS
xhfxfS
−=−−=−
=
δδ
δ
L+−+−+= )2()()()( 210 dxhfdxhfxhfxg
入力関数:
出力関数:
0
…
0f1f
2f
-
17
入力信号のスペクトル:
出力信号のスペクトル:
:伝達関数 Transfer function
コンボリューション 掛け算
F u( )
u
H u( )
u
G u( )
u
×
実空間 フーリエ空間
G u H u F u( ) ( ) ( )=
H u G uF u
( ) ( )( )
= =outputInput
)(*)()()()(
xfxhdfxhxg
=−= ∫
∞
∞−τττ
∫∞
∞−−= dxuxjxfuF )2exp()()( π
[ ])()(
)2exp()()(
)2exp()()(
uFuHdxuxjdfxh
dxuxjxguG
=−−=
−=
∫ ∫∫∞
∞−
∞
∞−
周波数空間で考える
∞
∞−
πτττ
π
∗)(xh
x
x
x
)(xf
)(xg
インパルス応答
-
18
Wiener Filter
劣化画像の復元などに用いられる
),( yxf
),(),(),(),( vuNvuHvuFvuG +=
),(),(),(),( yxnyxhyxfyxg +∗=
),( yxh劣化の点像分布関数:
理想画像:
劣化画像:),(
1vuH
),(/),(),(1
vuPvuPvuH SN+
u
)(uH
u
)(uF
Inverse filter:Inverse filter:
Wiener filter:Wiener filter:u
u
×
ノイズパワー 信号パワー
0
0
画像のフィルタリング処理フーリエ面での処理コンボリューション定理処理の等価性平滑化フィルタ平滑化フィルタの周波数特性Laplacianフィルタラプラシアンフィルタの周波数特性Sobel フィルタLOGフィルタの周波数特性空間周波数フィルタとコンボリューション核の例周期性のあるノイズの低減画像のフィルタリング処理線形時不変システムまた線形シフトインバリアントシステムシフトインバリアントシステム線形システム周波数空間で考えるWiener Filter