画像解析（演習6）

ひとくちに

• 画像解析と言ってもピンからキリまで。
• 何を明らかにしたいのかによって方法は様々。
• なので、今回は「画像解析ごっこ」

とりあえず、クラスタリング

• だが、階層的クラスタリングは計算時間がかかるので、今日はやらない
• 非階層的クラスタリングを使う
• 計算を走らせるたびに違った結果になったりもする。

サンプル画像

• 以前使用した 1.ppm を使う。
• ダウンロードして本日の演習ディレクトリに入れておく

共通で使用する後処理

• ClusterImg.py
• クラスタリングした結果を見るのに、
• そのクラスタに属する点の平均(R,G,Bごと)を計算して
• 画像に（で表示、または保存）する

そのままクラスタリング

• できたらプログラムを修正して、結果の画像を e601.ppm に保存する。

• # -*- coding: utf-8 -*-
  # e601.py
  import Image
  from Pycluster import *
  import ClusterImg
   
  img = Image.open('1.ppm')
  width , height = img.size
  data = list(img.getdata())
  # kcluster をデフォルト設定で使用
  N = 10
  clusterid, error, nfound = kcluster(data, N)
  # 後処理と表示
  clustavr = ClusterImg.calcavr(clusterid, img, N)
  print clustavr
  cimg = ClusterImg.clusterimg(img.size, clusterid, clustavr)
  cimg.show()
  

前処理で情報を追加

• 次のような処理をクラスタリングの前に入れると、高波数成分が多いという情報を 追加できる（はず） （途中で追加情報の画像を確認してもよい）

• imx = img.convert('L')
  imx = imx.filter(ImageFilter.FIND_EDGES)
  imx = imx.filter(ImageFilter.SMOOTH_MORE)
  # imx.show()
  data = scipy.transpose(scipy.array([list(imx.getdata())]))
  data = scipy.concatenate((scipy.array(img.getdata()), data), 1)
  

• ImageFilter, scipy など必要なモジュールを import しておくことも忘れずに。
• プログラムは e602.py で作成、結果は e602.ppm に保存。

前処理で情報を減らす

• 画像の濃淡情報を削除して、色情報だけでクラスタリングしてみる
• YUV 変換で UV 成分だけを使用する。

• uv = []
  for x in data:
      r, g, b = x
      u = -0.14713 * r - 0.28886 * g + 0.436   * b
      v =  0.615   * r - 0.51499 * g - 0.10001 * b
      uv.append((u, v))
  

• この uv をクラスタリングするための data として与える。
• プログラムを e603.py で作成、結果は e603.ppm に保存。

発展課題

• e603.py を 4.ppm に適用して、1.ppm との違いなどの結果を考察せよ

まいど、出席確認

• 本日作成した 最後のプログラム をメールの本文に記入して、菊地・画像処理論用 に送信。本文の最初に感想等入れるも可。