画像処理

画像処理の分類

画像処理の種類は多岐に渡る．ここでは，目的別に画像処理を分類する．

• 生成
  • 画像再構成（可視化．Ｅｘ．医療ＣＴ）
• 変換
  • コントラストの改善
  • 輪郭強調・平滑化
  • 復元（ぼけ・ノイズ除去）
  • 幾何変換（Ｅｘ．ひずみ補正・アフィン変換）
  • カラーモデル変換
• 圧縮（符号化）・伸張
• 特徴計測：情報の圧縮や所望の特徴を際立たせることが目的
  • エッジ検出
  • 領域分割（二値化を含む．）
    • しきい値処理
    • 領域統合法
    • 分離等合法
  • テクスチャ解析（結果に対してエッジ検出or領域分割を施したりする．）
  • 線検出
  • 二値画像処理
    • ラベリング
    • 境界追跡
    • 収縮・膨張
    • 骨格抽出と距離変換
    • 縮退
    • 細線化
    • 形状特徴（面積，周囲長，複雑度，凹凸度，モーメント特徴，フーリエ記述子）
• 物体認識
  • テンプレートマッチング
  • ベイズ推定
  • ニューラルネットワーク
• 物体検出&点対応
  • テンプレートマッチング
  • スネーク法??
• 立体情報
  • ステレオ法（→距離画像の特徴計測）
  • 陰影からの形状復元（こう配空間）
  • テクスチャからの形状復元
• オプティカルフロー

エネルギー最小化法とベイズ推定法
不良設定問題を良設定問題に変換できるという理由から，エネルギー最小化にもとづいて特徴計測をおこなうことがある（正則化理論）．エネルギー最小化にもとづく画像処理は不良設定問題の多い視覚情報処理で使われることが多い．エネルギー最小化にもとづいて特徴計測をするためには，所望の解が最小値となっているエネルギー関数を定式化しなければならない．その方法として，ベイズ理論を利用するといい．ベイズ理論には

1. 自然な形でエネルギー関数が定式化できる，
2. 学習は確率分布の関数近似と見なせるので，パラメトリックorノンパラメトリックな分布を問わず学習の概念を自然に導入できる，
3. 統計力学の計算技法をはじめ，様々な計算技法が提案されている，
4. 最適値ではなく平均値を利用したほうが良い場合があることがわかる，

というメリットがあるからだ．詳しくは機械学習を参照のこと．

高速画像処理

高スループットの画像処理装置を実現することで，応答の速いロボットビジョンやカービジョンに応用することができる．現在，求められているサンプリングレートはだいたい 1 kfpsなので，１フレームあたりの処理時間（レイテンシ）が 1 ms以下であればよい．ハードウェアを多重化することでもサンプリングレートを高めることができる．

2値画像処理

用語の定義

:4-近傍, 8-近傍
|隣接画素を注目画素の上下左右のみと考えるとき4-近傍といい，斜めの画素も隣接していると考えるとき，8-近傍と呼ぶ．
:n-連結
|同じ濃度値の画素間A,Bにn-近傍で繋がりがあるかどうかの指標である．画素Aから4-近傍の画素をとおって画素Bまで同じ濃度値の画素が連結しているとき，4-連結しているという．同様に8-近傍の画素をとおって同じ濃度値の画素が連結しているとき，8-連結しているという．

---