2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング...
DESCRIPTION
関西大学総合情報学部 「画像情報処理」(担当:浅野晃)TRANSCRIPT
![Page 1: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/1.jpg)
A. A
sano
, Kan
sai U
niv.
2014年度春学期 画像情報処理
浅野 晃 関西大学総合情報学部
画像の集合演算とオープニング第10回
![Page 2: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/2.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 3: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/3.jpg)
A. A
sano
, Kan
sai U
niv.
マセマティカル・モルフォロジとは
![Page 4: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/4.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 5: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/5.jpg)
A. A
sano
, Kan
sai U
niv.
画像には,「構造」がある 構造によって説明ができる
![Page 6: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/6.jpg)
A. A
sano
, Kan
sai U
niv.
画像には,「構造」がある 構造によって説明ができる
func(1); func(2); ... func(9);
for(i = 1; i < 10; i++){ func(i); }
![Page 7: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/7.jpg)
A. A
sano
, Kan
sai U
niv.
画像には,「構造」がある 構造によって説明ができる
func(1); func(2); ... func(9);
for(i = 1; i < 10; i++){ func(i); }
これが「構造」
![Page 8: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/8.jpg)
2014
A. A
sano
, Kan
sai U
niv.
マセマティカル・モルフォロジとは
![Page 9: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/9.jpg)
2014
A. A
sano
, Kan
sai U
niv.
マセマティカル・モルフォロジとは
画像に対する操作を,基本的な集合演算で表し,定量的な画像の操作を構成する
![Page 10: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/10.jpg)
2014
A. A
sano
, Kan
sai U
niv.
マセマティカル・モルフォロジとは
画像に対する操作を,基本的な集合演算で表し,定量的な画像の操作を構成する
École des Mine de Parisで研究が始められた (鉱物の分類が起源)
![Page 11: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/11.jpg)
2014
A. A
sano
, Kan
sai U
niv.
マセマティカル・モルフォロジとは
画像に対する操作を,基本的な集合演算で表し,定量的な画像の操作を構成する
École des Mine de Parisで研究が始められた (鉱物の分類が起源)
International Symposium on Mathematical Morphology: 40 years onが開催
![Page 12: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/12.jpg)
2014
A. A
sano
, Kan
sai U
niv.
マセマティカル・モルフォロジとは
画像に対する操作を,基本的な集合演算で表し,定量的な画像の操作を構成する
École des Mine de Parisで研究が始められた (鉱物の分類が起源)
International Symposium on Mathematical Morphology: 40 years onが開催
![Page 13: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/13.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 14: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/14.jpg)
A. A
sano
, Kan
sai U
niv.
モルフォロジの演算のしかた
![Page 15: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/15.jpg)
2014
A. A
sano
, Kan
sai U
niv.
モルフォロジの演算のしかた
![Page 16: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/16.jpg)
2014
A. A
sano
, Kan
sai U
niv.
モルフォロジの演算のしかた
(○=画素)
画像=図形 X
![Page 17: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/17.jpg)
2014
A. A
sano
, Kan
sai U
niv.
モルフォロジの演算のしかた
(○=画素)
構造要素 B (structuring element)
(●=原点)
画像=図形 X
![Page 18: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/18.jpg)
2014
A. A
sano
, Kan
sai U
niv.
モルフォロジの演算のしかた
画像を 構造要素で 操作する
(○=画素)
構造要素 B (structuring element)
(●=原点)
画像=図形 X
![Page 19: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/19.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
![Page 20: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/20.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
![Page 21: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/21.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
![Page 22: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/22.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形 構造要素が図形上を 移動し,
![Page 23: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/23.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形 構造要素が図形上を 移動し,
![Page 24: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/24.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
![Page 25: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/25.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
その位置での 構造要素全体を保存
![Page 26: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/26.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
その位置での 構造要素全体を保存
![Page 27: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/27.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
その位置での 構造要素全体を保存
![Page 28: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/28.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
その位置での 構造要素全体を保存
![Page 29: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/29.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
その位置での 構造要素全体を保存
![Page 30: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/30.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
オープニング
その位置での 構造要素全体を保存
![Page 31: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/31.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
原図形のうち 構造要素が入りきらない 部分を取り除く
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
オープニング
その位置での 構造要素全体を保存
![Page 32: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/32.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
原図形のうち 構造要素が入りきらない 部分を取り除く
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
オープニング
その位置での 構造要素全体を保存
![Page 33: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/33.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
原図形のうち 構造要素が入りきらない 部分を取り除く
構造要素が 図形に完全に含まれたら
構造要素が図形上を 移動し,
オープニング
その位置での 構造要素全体を保存
(構造要素のサイズに もとづく定量的操作)
![Page 34: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/34.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
原図形のうち 構造要素が入りきらない 部分を取り除く
構造要素が 図形に完全に含まれたら
移動してきた 構造要素の位置にある 画素間でのAND/OR演算 によるerosion/dilationで 表現可能
構造要素が図形上を 移動し,
オープニング
その位置での 構造要素全体を保存
(構造要素のサイズに もとづく定量的操作)
![Page 35: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/35.jpg)
2014
A. A
sano
, Kan
sai U
niv.
もっとも基本的な演算:オープニング
原図形
原図形のうち 構造要素が入りきらない 部分を取り除く
構造要素が 図形に完全に含まれたら
移動してきた 構造要素の位置にある 画素間でのAND/OR演算 によるerosion/dilationで 表現可能
構造要素が図形上を 移動し,
オープニング
その位置での 構造要素全体を保存
(構造要素のサイズに もとづく定量的操作)
ラフ集合論とmorphological openingRough set theory and morphological opening
浅野 晃Akira Asano
広島大学 大学院工学研究科情報工学専攻Department of Information Engineering, Graduate School of Engineering, Hiroshima University
[email protected] / kuva.mis.hiroshima-u.ac.jp
1 まえがきラフ集合論は,集合の近似を行なう考え方のひとつで,人間の認知のモデル化の基盤に適していることから,感性工学など各種の応用が行なわれている.ラフ集合論の演算と,本来画像処理の手法であるマセマティカル・モルフォロジ(以下モルフォロジ)の演算の共通性は,すでにいくつかの論文で指摘されている.本稿では,ラフ集合理論にモルフォロジにおける openingに相当する演算を導入し,その応用の可能性を検討する.
2 ラフ集合論ラフ集合論 [1]とは,集合を「近似」する理論のひと
つである.ラフ集合理論では,集合の要素間に「同値」の関係を定義し,同値な要素によってひとつのクラスタを構成する.このクラスタの集合は,元の集合にくらべて「ラフ」な集合になっている.同値関係は,通常「識別不能関係」で定義される.全体集合の各要素がいくつかの属性をもつとする.このとき,ある属性のセットに含まれる属性の属性値が,ある2つの要素についてすべて一致するとき,これらの要素は同値であるとする.この関係を,その属性セットに関する識別不能関係という.ラフ集合論において,集合を近似する方法には,「下近似」と「上近似」の2つがある.対象の集合を X とするとき,下近似とは,上記のクラスタをXの内部に,Xをはみ出さない限りにおいて可能な限り多く配置して,「ラフ」な集合を作るもので,R(X)で表される.一方,上近似とは,全体集合に配置されたクラスタを,Xを含む限りにといて可能な限り取り去ることで,「ラフ」な集合を作るもので,R(X)で表される.上記の演算は,xを全体集合の要素とするとき,以下
の式で表される.R(X) = {x|[x]A ∈ X} (1)R(X) = {x|[x]A ∩ X = ∅} (2)
ここで,[x]A は,属性セット Aに関して xと同値な要素の集合,つまり xの属するクラスタで,xの同値類という.
3 モルフォロジモルフォロジ [2]は,画像処理において図形のもつ構
造を定量的に表現するための演算体系として提案されたもので,集合演算によって定義されている.以下,2値画像の場合のモルフォロジについて簡単に説明する.
モルフォロジでは,2値画像中にある物体を,物体を構成する点(通常,輝度が白,あるいは値が1)を表すベクトルの集合で表す.通常の離散的な画像の場合は,2値画像は「白画素の座標」の集合で表されるということになる.さらに,この画像集合への作用を表す別の画像集合を考え,これを構造要素 (structuring element)とよぶ.構造要素は,フィルタでいうウィンドウに相当し,通常は処理の対象となる画像よりもずっと小さいものを想定する.モルフォロジの基本となる演算は “opening” である.
処理される画像集合をX,構造要素をBで表すとき,Xの B による openingは,次の性質をもつ.
XB = {Bz |Bz ⊆ X, z ∈ Z2}, (3)
ここで Bz は Bを zだけ移動したもの (translation)で,以下のように定義される.
Bz = {b + z | b ∈ B}. (4)
XのBによる openingは「Xからはみださないように,B をX の内部でくまなく動かしたときの,B そのものの軌跡」であり,「X から,B が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表している.したがって,
Opening XB は,下のように,さらに基本的な演算に分解することができる.
XB = (X ⊖ B) ⊕ B (5)
前半のX ⊖ B は,erosionとよばれる演算で,X ⊖ B = {x|Bx ⊆ X} (6)
というものである.すなわち,X ⊖ B は「X からはみださないように,B を X の内部でくまなく動かしたときの,B の原点の軌跡」である.ここで,B は B の反転を表し,
B = {−b|b ∈ B} (7)
と定義される.また,後半は Minkowski和とよばれる演算で,
X ⊕ B =!
b∈B
Xb. (8)
と定義される.なお,X ⊕ Bを dilationといい,次の性質をもつ.
X ⊕ B = {x|Bx ∩ X = ∅}. (9)
ラフ集合論とmorphological openingRough set theory and morphological opening
浅野 晃Akira Asano
広島大学 大学院工学研究科情報工学専攻Department of Information Engineering, Graduate School of Engineering, Hiroshima University
[email protected] / kuva.mis.hiroshima-u.ac.jp
1 まえがきラフ集合論は,集合の近似を行なう考え方のひとつで,人間の認知のモデル化の基盤に適していることから,感性工学など各種の応用が行なわれている.ラフ集合論の演算と,本来画像処理の手法であるマセマティカル・モルフォロジ(以下モルフォロジ)の演算の共通性は,すでにいくつかの論文で指摘されている.本稿では,ラフ集合理論にモルフォロジにおける openingに相当する演算を導入し,その応用の可能性を検討する.
2 ラフ集合論ラフ集合論 [1]とは,集合を「近似」する理論のひと
つである.ラフ集合理論では,集合の要素間に「同値」の関係を定義し,同値な要素によってひとつのクラスタを構成する.このクラスタの集合は,元の集合にくらべて「ラフ」な集合になっている.同値関係は,通常「識別不能関係」で定義される.全体集合の各要素がいくつかの属性をもつとする.このとき,ある属性のセットに含まれる属性の属性値が,ある2つの要素についてすべて一致するとき,これらの要素は同値であるとする.この関係を,その属性セットに関する識別不能関係という.ラフ集合論において,集合を近似する方法には,「下近似」と「上近似」の2つがある.対象の集合を X とするとき,下近似とは,上記のクラスタをXの内部に,Xをはみ出さない限りにおいて可能な限り多く配置して,「ラフ」な集合を作るもので,R(X)で表される.一方,上近似とは,全体集合に配置されたクラスタを,Xを含む限りにといて可能な限り取り去ることで,「ラフ」な集合を作るもので,R(X)で表される.上記の演算は,xを全体集合の要素とするとき,以下
の式で表される.R(X) = {x|[x]A ∈ X} (1)R(X) = {x|[x]A ∩ X = ∅} (2)
ここで,[x]A は,属性セット Aに関して xと同値な要素の集合,つまり xの属するクラスタで,xの同値類という.
3 モルフォロジモルフォロジ [2]は,画像処理において図形のもつ構
造を定量的に表現するための演算体系として提案されたもので,集合演算によって定義されている.以下,2値画像の場合のモルフォロジについて簡単に説明する.
モルフォロジでは,2値画像中にある物体を,物体を構成する点(通常,輝度が白,あるいは値が1)を表すベクトルの集合で表す.通常の離散的な画像の場合は,2値画像は「白画素の座標」の集合で表されるということになる.さらに,この画像集合への作用を表す別の画像集合を考え,これを構造要素 (structuring element)とよぶ.構造要素は,フィルタでいうウィンドウに相当し,通常は処理の対象となる画像よりもずっと小さいものを想定する.モルフォロジの基本となる演算は “opening” である.
処理される画像集合をX,構造要素をBで表すとき,Xの B による openingは,次の性質をもつ.
XB = {Bz |Bz ⊆ X, z ∈ Z2}, (3)
ここで Bz は Bを zだけ移動したもの (translation)で,以下のように定義される.
Bz = {b + z | b ∈ B}. (4)
XのBによる openingは「Xからはみださないように,B をX の内部でくまなく動かしたときの,B そのものの軌跡」であり,「X から,B が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表している.したがって,
Opening XB は,下のように,さらに基本的な演算に分解することができる.
XB = (X ⊖ B) ⊕ B (5)
前半のX ⊖ B は,erosionとよばれる演算で,X ⊖ B = {x|Bx ⊆ X} (6)
というものである.すなわち,X ⊖ B は「X からはみださないように,B を X の内部でくまなく動かしたときの,B の原点の軌跡」である.ここで,B は B の反転を表し,
B = {−b|b ∈ B} (7)
と定義される.また,後半は Minkowski和とよばれる演算で,
X ⊕ B =!
b∈B
Xb. (8)
と定義される.なお,X ⊕ Bを dilationといい,次の性質をもつ.
X ⊕ B = {x|Bx ∩ X = ∅}. (9)
![Page 36: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/36.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion
![Page 37: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/37.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion構造要素が図形上を移動し,構造要素が図形に完全に含まれたら,構造要素の原点の位置に●を置く(AND演算)
![Page 38: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/38.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion構造要素が図形上を移動し,構造要素が図形に完全に含まれたら,構造要素の原点の位置に●を置く(AND演算)
![Page 39: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/39.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion構造要素が図形上を移動し,構造要素が図形に完全に含まれたら,構造要素の原点の位置に●を置く(AND演算)
![Page 40: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/40.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion構造要素が図形上を移動し,構造要素が図形に完全に含まれたら,構造要素の原点の位置に●を置く(AND演算)
![Page 41: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/41.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion構造要素が図形上を移動し,構造要素が図形に完全に含まれたら,構造要素の原点の位置に●を置く(AND演算)
![Page 42: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/42.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion構造要素が図形上を移動し,構造要素が図形に完全に含まれたら,構造要素の原点の位置に●を置く(AND演算)
![Page 43: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/43.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion構造要素が図形上を移動し,構造要素が図形に完全に含まれたら,構造要素の原点の位置に●を置く(AND演算)
![Page 44: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/44.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion構造要素が図形上を移動し,構造要素が図形に完全に含まれたら,構造要素の原点の位置に●を置く(AND演算)
![Page 45: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/45.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:erosion構造要素が図形上を移動し,構造要素が図形に完全に含まれたら,構造要素の原点の位置に●を置く(AND演算)
ラフ集合論とmorphological openingRough set theory and morphological opening
浅野 晃Akira Asano
広島大学 大学院工学研究科情報工学専攻Department of Information Engineering, Graduate School of Engineering, Hiroshima University
[email protected] / kuva.mis.hiroshima-u.ac.jp
1 まえがきラフ集合論は,集合の近似を行なう考え方のひとつで,人間の認知のモデル化の基盤に適していることから,感性工学など各種の応用が行なわれている.ラフ集合論の演算と,本来画像処理の手法であるマセマティカル・モルフォロジ(以下モルフォロジ)の演算の共通性は,すでにいくつかの論文で指摘されている.本稿では,ラフ集合理論にモルフォロジにおける openingに相当する演算を導入し,その応用の可能性を検討する.
2 ラフ集合論ラフ集合論 [1]とは,集合を「近似」する理論のひと
つである.ラフ集合理論では,集合の要素間に「同値」の関係を定義し,同値な要素によってひとつのクラスタを構成する.このクラスタの集合は,元の集合にくらべて「ラフ」な集合になっている.同値関係は,通常「識別不能関係」で定義される.全体集合の各要素がいくつかの属性をもつとする.このとき,ある属性のセットに含まれる属性の属性値が,ある2つの要素についてすべて一致するとき,これらの要素は同値であるとする.この関係を,その属性セットに関する識別不能関係という.ラフ集合論において,集合を近似する方法には,「下近似」と「上近似」の2つがある.対象の集合を X とするとき,下近似とは,上記のクラスタをXの内部に,Xをはみ出さない限りにおいて可能な限り多く配置して,「ラフ」な集合を作るもので,R(X)で表される.一方,上近似とは,全体集合に配置されたクラスタを,Xを含む限りにといて可能な限り取り去ることで,「ラフ」な集合を作るもので,R(X)で表される.上記の演算は,xを全体集合の要素とするとき,以下
の式で表される.R(X) = {x|[x]A ∈ X} (1)R(X) = {x|[x]A ∩ X = ∅} (2)
ここで,[x]A は,属性セット Aに関して xと同値な要素の集合,つまり xの属するクラスタで,xの同値類という.
3 モルフォロジモルフォロジ [2]は,画像処理において図形のもつ構
造を定量的に表現するための演算体系として提案されたもので,集合演算によって定義されている.以下,2値画像の場合のモルフォロジについて簡単に説明する.
モルフォロジでは,2値画像中にある物体を,物体を構成する点(通常,輝度が白,あるいは値が1)を表すベクトルの集合で表す.通常の離散的な画像の場合は,2値画像は「白画素の座標」の集合で表されるということになる.さらに,この画像集合への作用を表す別の画像集合を考え,これを構造要素 (structuring element)とよぶ.構造要素は,フィルタでいうウィンドウに相当し,通常は処理の対象となる画像よりもずっと小さいものを想定する.モルフォロジの基本となる演算は “opening” である.
処理される画像集合をX,構造要素をBで表すとき,Xの B による openingは,次の性質をもつ.
XB = {Bz |Bz ⊆ X, z ∈ Z2}, (3)
ここで Bz は Bを zだけ移動したもの (translation)で,以下のように定義される.
Bz = {b + z | b ∈ B}. (4)
XのBによる openingは「Xからはみださないように,B をX の内部でくまなく動かしたときの,B そのものの軌跡」であり,「X から,B が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表している.したがって,
Opening XB は,下のように,さらに基本的な演算に分解することができる.
XB = (X ⊖ B) ⊕ B (5)
前半のX ⊖ B は,erosionとよばれる演算で,X ⊖ B = {x|Bx ⊆ X} (6)
というものである.すなわち,X ⊖ B は「X からはみださないように,B を X の内部でくまなく動かしたときの,B の原点の軌跡」である.ここで,B は B の反転を表し,
B = {−b|b ∈ B} (7)
と定義される.また,後半は Minkowski和とよばれる演算で,
X ⊕ B =!
b∈B
Xb. (8)
と定義される.なお,X ⊕ Bを dilationといい,次の性質をもつ.
X ⊕ B = {x|Bx ∩ X = ∅}. (9)
![Page 46: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/46.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation
![Page 47: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/47.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation構造要素が図形上を移動し,構造要素が図形と一部でも重なったら,構造要素の原点の位置に●を置く(OR演算)
![Page 48: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/48.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation構造要素が図形上を移動し,構造要素が図形と一部でも重なったら,構造要素の原点の位置に●を置く(OR演算)
![Page 49: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/49.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation構造要素が図形上を移動し,構造要素が図形と一部でも重なったら,構造要素の原点の位置に●を置く(OR演算)
![Page 50: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/50.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation構造要素が図形上を移動し,構造要素が図形と一部でも重なったら,構造要素の原点の位置に●を置く(OR演算)
![Page 51: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/51.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation構造要素が図形上を移動し,構造要素が図形と一部でも重なったら,構造要素の原点の位置に●を置く(OR演算)
![Page 52: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/52.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation構造要素が図形上を移動し,構造要素が図形と一部でも重なったら,構造要素の原点の位置に●を置く(OR演算)
![Page 53: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/53.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation構造要素が図形上を移動し,構造要素が図形と一部でも重なったら,構造要素の原点の位置に●を置く(OR演算)
![Page 54: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/54.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation構造要素が図形上を移動し,構造要素が図形と一部でも重なったら,構造要素の原点の位置に●を置く(OR演算)
![Page 55: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/55.jpg)
2014
A. A
sano
, Kan
sai U
niv.
さらに分解すると:dilation構造要素が図形上を移動し,構造要素が図形と一部でも重なったら,構造要素の原点の位置に●を置く(OR演算)
ラフ集合論とmorphological openingRough set theory and morphological opening
浅野 晃Akira Asano
広島大学 大学院工学研究科情報工学専攻Department of Information Engineering, Graduate School of Engineering, Hiroshima University
[email protected] / kuva.mis.hiroshima-u.ac.jp
1 まえがきラフ集合論は,集合の近似を行なう考え方のひとつで,人間の認知のモデル化の基盤に適していることから,感性工学など各種の応用が行なわれている.ラフ集合論の演算と,本来画像処理の手法であるマセマティカル・モルフォロジ(以下モルフォロジ)の演算の共通性は,すでにいくつかの論文で指摘されている.本稿では,ラフ集合理論にモルフォロジにおける openingに相当する演算を導入し,その応用の可能性を検討する.
2 ラフ集合論ラフ集合論 [1]とは,集合を「近似」する理論のひと
つである.ラフ集合理論では,集合の要素間に「同値」の関係を定義し,同値な要素によってひとつのクラスタを構成する.このクラスタの集合は,元の集合にくらべて「ラフ」な集合になっている.同値関係は,通常「識別不能関係」で定義される.全体集合の各要素がいくつかの属性をもつとする.このとき,ある属性のセットに含まれる属性の属性値が,ある2つの要素についてすべて一致するとき,これらの要素は同値であるとする.この関係を,その属性セットに関する識別不能関係という.ラフ集合論において,集合を近似する方法には,「下近似」と「上近似」の2つがある.対象の集合を X とするとき,下近似とは,上記のクラスタをXの内部に,Xをはみ出さない限りにおいて可能な限り多く配置して,「ラフ」な集合を作るもので,R(X)で表される.一方,上近似とは,全体集合に配置されたクラスタを,Xを含む限りにといて可能な限り取り去ることで,「ラフ」な集合を作るもので,R(X)で表される.上記の演算は,xを全体集合の要素とするとき,以下
の式で表される.R(X) = {x|[x]A ∈ X} (1)R(X) = {x|[x]A ∩ X = ∅} (2)
ここで,[x]A は,属性セット Aに関して xと同値な要素の集合,つまり xの属するクラスタで,xの同値類という.
3 モルフォロジモルフォロジ [2]は,画像処理において図形のもつ構
造を定量的に表現するための演算体系として提案されたもので,集合演算によって定義されている.以下,2値画像の場合のモルフォロジについて簡単に説明する.
モルフォロジでは,2値画像中にある物体を,物体を構成する点(通常,輝度が白,あるいは値が1)を表すベクトルの集合で表す.通常の離散的な画像の場合は,2値画像は「白画素の座標」の集合で表されるということになる.さらに,この画像集合への作用を表す別の画像集合を考え,これを構造要素 (structuring element)とよぶ.構造要素は,フィルタでいうウィンドウに相当し,通常は処理の対象となる画像よりもずっと小さいものを想定する.モルフォロジの基本となる演算は “opening” である.
処理される画像集合をX,構造要素をBで表すとき,Xの B による openingは,次の性質をもつ.
XB = {Bz |Bz ⊆ X, z ∈ Z2}, (3)
ここで Bz は Bを zだけ移動したもの (translation)で,以下のように定義される.
Bz = {b + z | b ∈ B}. (4)
XのBによる openingは「Xからはみださないように,B をX の内部でくまなく動かしたときの,B そのものの軌跡」であり,「X から,B が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表している.したがって,
Opening XB は,下のように,さらに基本的な演算に分解することができる.
XB = (X ⊖ B) ⊕ B (5)
前半のX ⊖ B は,erosionとよばれる演算で,X ⊖ B = {x|Bx ⊆ X} (6)
というものである.すなわち,X ⊖ B は「X からはみださないように,B を X の内部でくまなく動かしたときの,B の原点の軌跡」である.ここで,B は B の反転を表し,
B = {−b|b ∈ B} (7)
と定義される.また,後半は Minkowski和とよばれる演算で,
X ⊕ B =!
b∈B
Xb. (8)
と定義される.なお,X ⊕ Bを dilationといい,次の性質をもつ.
X ⊕ B = {x|Bx ∩ X = ∅}. (9)
![Page 56: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/56.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングをerosion/dilationで
![Page 57: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/57.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングをerosion/dilationで
原図形
構造要素
![Page 58: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/58.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングをerosion/dilationで
原図形
構造要素
![Page 59: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/59.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングをerosion/dilationで
原図形
構造要素
![Page 60: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/60.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングをerosion/dilationで
原図形
構造要素
![Page 61: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/61.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングをerosion/dilationで
原図形
構造要素
opening
![Page 62: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/62.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
![Page 63: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/63.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素
![Page 64: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/64.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素
erosion
![Page 65: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/65.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素を反転
![Page 66: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/66.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素を反転
![Page 67: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/67.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素を反転
![Page 68: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/68.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素
反転してdilation
を反転
![Page 69: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/69.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素を反転
![Page 70: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/70.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素を反転
opening
![Page 71: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/71.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素を反転
opening
ラフ集合論とmorphological openingRough set theory and morphological opening
浅野 晃Akira Asano
広島大学 大学院工学研究科情報工学専攻Department of Information Engineering, Graduate School of Engineering, Hiroshima University
[email protected] / kuva.mis.hiroshima-u.ac.jp
1 まえがきラフ集合論は,集合の近似を行なう考え方のひとつで,人間の認知のモデル化の基盤に適していることから,感性工学など各種の応用が行なわれている.ラフ集合論の演算と,本来画像処理の手法であるマセマティカル・モルフォロジ(以下モルフォロジ)の演算の共通性は,すでにいくつかの論文で指摘されている.本稿では,ラフ集合理論にモルフォロジにおける openingに相当する演算を導入し,その応用の可能性を検討する.
2 ラフ集合論ラフ集合論 [1]とは,集合を「近似」する理論のひと
つである.ラフ集合理論では,集合の要素間に「同値」の関係を定義し,同値な要素によってひとつのクラスタを構成する.このクラスタの集合は,元の集合にくらべて「ラフ」な集合になっている.同値関係は,通常「識別不能関係」で定義される.全体集合の各要素がいくつかの属性をもつとする.このとき,ある属性のセットに含まれる属性の属性値が,ある2つの要素についてすべて一致するとき,これらの要素は同値であるとする.この関係を,その属性セットに関する識別不能関係という.ラフ集合論において,集合を近似する方法には,「下近似」と「上近似」の2つがある.対象の集合を X とするとき,下近似とは,上記のクラスタをXの内部に,Xをはみ出さない限りにおいて可能な限り多く配置して,「ラフ」な集合を作るもので,R(X)で表される.一方,上近似とは,全体集合に配置されたクラスタを,Xを含む限りにといて可能な限り取り去ることで,「ラフ」な集合を作るもので,R(X)で表される.上記の演算は,xを全体集合の要素とするとき,以下
の式で表される.R(X) = {x|[x]A ∈ X} (1)R(X) = {x|[x]A ∩ X = ∅} (2)
ここで,[x]A は,属性セット Aに関して xと同値な要素の集合,つまり xの属するクラスタで,xの同値類という.
3 モルフォロジモルフォロジ [2]は,画像処理において図形のもつ構
造を定量的に表現するための演算体系として提案されたもので,集合演算によって定義されている.以下,2値画像の場合のモルフォロジについて簡単に説明する.
モルフォロジでは,2値画像中にある物体を,物体を構成する点(通常,輝度が白,あるいは値が1)を表すベクトルの集合で表す.通常の離散的な画像の場合は,2値画像は「白画素の座標」の集合で表されるということになる.さらに,この画像集合への作用を表す別の画像集合を考え,これを構造要素 (structuring element)とよぶ.構造要素は,フィルタでいうウィンドウに相当し,通常は処理の対象となる画像よりもずっと小さいものを想定する.モルフォロジの基本となる演算は “opening” である.
処理される画像集合をX,構造要素をBで表すとき,Xの B による openingは,次の性質をもつ.
XB = {Bz |Bz ⊆ X, z ∈ Z2}, (3)
ここで Bz は Bを zだけ移動したもの (translation)で,以下のように定義される.
Bz = {b + z | b ∈ B}. (4)
XのBによる openingは「Xからはみださないように,B をX の内部でくまなく動かしたときの,B そのものの軌跡」であり,「X から,B が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表している.したがって,
Opening XB は,下のように,さらに基本的な演算に分解することができる.
XB = (X ⊖ B) ⊕ B (5)
前半のX ⊖ B は,erosionとよばれる演算で,X ⊖ B = {x|Bx ⊆ X} (6)
というものである.すなわち,X ⊖ B は「X からはみださないように,B を X の内部でくまなく動かしたときの,B の原点の軌跡」である.ここで,B は B の反転を表し,
B = {−b|b ∈ B} (7)
と定義される.また,後半は Minkowski和とよばれる演算で,
X ⊕ B =!
b∈B
Xb. (8)
と定義される.なお,X ⊕ Bを dilationといい,次の性質をもつ.
X ⊕ B = {x|Bx ∩ X = ∅}. (9)
![Page 72: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/72.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + 構造要素を反転してdilation
原図形
構造要素を反転
opening
ラフ集合論とmorphological openingRough set theory and morphological opening
浅野 晃Akira Asano
広島大学 大学院工学研究科情報工学専攻Department of Information Engineering, Graduate School of Engineering, Hiroshima University
[email protected] / kuva.mis.hiroshima-u.ac.jp
1 まえがきラフ集合論は,集合の近似を行なう考え方のひとつで,人間の認知のモデル化の基盤に適していることから,感性工学など各種の応用が行なわれている.ラフ集合論の演算と,本来画像処理の手法であるマセマティカル・モルフォロジ(以下モルフォロジ)の演算の共通性は,すでにいくつかの論文で指摘されている.本稿では,ラフ集合理論にモルフォロジにおける openingに相当する演算を導入し,その応用の可能性を検討する.
2 ラフ集合論ラフ集合論 [1]とは,集合を「近似」する理論のひと
つである.ラフ集合理論では,集合の要素間に「同値」の関係を定義し,同値な要素によってひとつのクラスタを構成する.このクラスタの集合は,元の集合にくらべて「ラフ」な集合になっている.同値関係は,通常「識別不能関係」で定義される.全体集合の各要素がいくつかの属性をもつとする.このとき,ある属性のセットに含まれる属性の属性値が,ある2つの要素についてすべて一致するとき,これらの要素は同値であるとする.この関係を,その属性セットに関する識別不能関係という.ラフ集合論において,集合を近似する方法には,「下近似」と「上近似」の2つがある.対象の集合を X とするとき,下近似とは,上記のクラスタをXの内部に,Xをはみ出さない限りにおいて可能な限り多く配置して,「ラフ」な集合を作るもので,R(X)で表される.一方,上近似とは,全体集合に配置されたクラスタを,Xを含む限りにといて可能な限り取り去ることで,「ラフ」な集合を作るもので,R(X)で表される.上記の演算は,xを全体集合の要素とするとき,以下
の式で表される.R(X) = {x|[x]A ∈ X} (1)R(X) = {x|[x]A ∩ X = ∅} (2)
ここで,[x]A は,属性セット Aに関して xと同値な要素の集合,つまり xの属するクラスタで,xの同値類という.
3 モルフォロジモルフォロジ [2]は,画像処理において図形のもつ構
造を定量的に表現するための演算体系として提案されたもので,集合演算によって定義されている.以下,2値画像の場合のモルフォロジについて簡単に説明する.
モルフォロジでは,2値画像中にある物体を,物体を構成する点(通常,輝度が白,あるいは値が1)を表すベクトルの集合で表す.通常の離散的な画像の場合は,2値画像は「白画素の座標」の集合で表されるということになる.さらに,この画像集合への作用を表す別の画像集合を考え,これを構造要素 (structuring element)とよぶ.構造要素は,フィルタでいうウィンドウに相当し,通常は処理の対象となる画像よりもずっと小さいものを想定する.モルフォロジの基本となる演算は “opening” である.
処理される画像集合をX,構造要素をBで表すとき,Xの B による openingは,次の性質をもつ.
XB = {Bz |Bz ⊆ X, z ∈ Z2}, (3)
ここで Bz は Bを zだけ移動したもの (translation)で,以下のように定義される.
Bz = {b + z | b ∈ B}. (4)
XのBによる openingは「Xからはみださないように,B をX の内部でくまなく動かしたときの,B そのものの軌跡」であり,「X から,B が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表している.したがって,
Opening XB は,下のように,さらに基本的な演算に分解することができる.
XB = (X ⊖ B) ⊕ B (5)
前半のX ⊖ B は,erosionとよばれる演算で,X ⊖ B = {x|Bx ⊆ X} (6)
というものである.すなわち,X ⊖ B は「X からはみださないように,B を X の内部でくまなく動かしたときの,B の原点の軌跡」である.ここで,B は B の反転を表し,
B = {−b|b ∈ B} (7)
と定義される.また,後半は Minkowski和とよばれる演算で,
X ⊕ B =!
b∈B
Xb. (8)
と定義される.なお,X ⊕ Bを dilationといい,次の性質をもつ.
X ⊕ B = {x|Bx ∩ X = ∅}. (9)
はBの反転を表す
ラフ集合論とmorphological openingRough set theory and morphological opening
浅野 晃Akira Asano
広島大学 大学院工学研究科情報工学専攻Department of Information Engineering, Graduate School of Engineering, Hiroshima University
[email protected] / kuva.mis.hiroshima-u.ac.jp
1 まえがきラフ集合論は,集合の近似を行なう考え方のひとつで,人間の認知のモデル化の基盤に適していることから,感性工学など各種の応用が行なわれている.ラフ集合論の演算と,本来画像処理の手法であるマセマティカル・モルフォロジ(以下モルフォロジ)の演算の共通性は,すでにいくつかの論文で指摘されている.本稿では,ラフ集合理論にモルフォロジにおける openingに相当する演算を導入し,その応用の可能性を検討する.
2 ラフ集合論ラフ集合論 [1]とは,集合を「近似」する理論のひと
つである.ラフ集合理論では,集合の要素間に「同値」の関係を定義し,同値な要素によってひとつのクラスタを構成する.このクラスタの集合は,元の集合にくらべて「ラフ」な集合になっている.同値関係は,通常「識別不能関係」で定義される.全体集合の各要素がいくつかの属性をもつとする.このとき,ある属性のセットに含まれる属性の属性値が,ある2つの要素についてすべて一致するとき,これらの要素は同値であるとする.この関係を,その属性セットに関する識別不能関係という.ラフ集合論において,集合を近似する方法には,「下近似」と「上近似」の2つがある.対象の集合を X とするとき,下近似とは,上記のクラスタをXの内部に,Xをはみ出さない限りにおいて可能な限り多く配置して,「ラフ」な集合を作るもので,R(X)で表される.一方,上近似とは,全体集合に配置されたクラスタを,Xを含む限りにといて可能な限り取り去ることで,「ラフ」な集合を作るもので,R(X)で表される.上記の演算は,xを全体集合の要素とするとき,以下
の式で表される.R(X) = {x|[x]A ∈ X} (1)R(X) = {x|[x]A ∩ X = ∅} (2)
ここで,[x]A は,属性セット Aに関して xと同値な要素の集合,つまり xの属するクラスタで,xの同値類という.
3 モルフォロジモルフォロジ [2]は,画像処理において図形のもつ構
造を定量的に表現するための演算体系として提案されたもので,集合演算によって定義されている.以下,2値画像の場合のモルフォロジについて簡単に説明する.
モルフォロジでは,2値画像中にある物体を,物体を構成する点(通常,輝度が白,あるいは値が1)を表すベクトルの集合で表す.通常の離散的な画像の場合は,2値画像は「白画素の座標」の集合で表されるということになる.さらに,この画像集合への作用を表す別の画像集合を考え,これを構造要素 (structuring element)とよぶ.構造要素は,フィルタでいうウィンドウに相当し,通常は処理の対象となる画像よりもずっと小さいものを想定する.モルフォロジの基本となる演算は “opening” である.
処理される画像集合をX,構造要素をBで表すとき,Xの B による openingは,次の性質をもつ.
XB = {Bz |Bz ⊆ X, z ∈ Z2}, (3)
ここで Bz は Bを zだけ移動したもの (translation)で,以下のように定義される.
Bz = {b + z | b ∈ B}. (4)
XのBによる openingは「Xからはみださないように,B をX の内部でくまなく動かしたときの,B そのものの軌跡」であり,「X から,B が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表している.したがって,
Opening XB は,下のように,さらに基本的な演算に分解することができる.
XB = (X ⊖ B) ⊕ B (5)
前半のX ⊖ B は,erosionとよばれる演算で,X ⊖ B = {x|Bx ⊆ X} (6)
というものである.すなわち,X ⊖ B は「X からはみださないように,B を X の内部でくまなく動かしたときの,B の原点の軌跡」である.ここで,B は B の反転を表し,
B = {−b|b ∈ B} (7)
と定義される.また,後半は Minkowski和とよばれる演算で,
X ⊕ B =!
b∈B
Xb. (8)
と定義される.なお,X ⊕ Bを dilationといい,次の性質をもつ.
X ⊕ B = {x|Bx ∩ X = ∅}. (9)
![Page 73: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/73.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
![Page 74: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/74.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素
![Page 75: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/75.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素
![Page 76: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/76.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素
erosion
![Page 77: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/77.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素構造要素ではなく,図形のほうを動かす
![Page 78: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/78.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素構造要素ではなく,図形のほうを動かす
![Page 79: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/79.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素構造要素ではなく,図形のほうを動かす
![Page 80: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/80.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素構造要素ではなく,図形のほうを動かす
![Page 81: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/81.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素構造要素ではなく,図形のほうを動かす
![Page 82: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/82.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素構造要素ではなく,図形のほうを動かす
![Page 83: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/83.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素構造要素ではなく,図形のほうを動かす
![Page 84: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/84.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素構造要素ではなく,図形のほうを動かす
![Page 85: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/85.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素構造要素ではなく,図形のほうを動かす
![Page 86: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/86.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素
Minkowski和
構造要素ではなく,図形のほうを動かす
![Page 87: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/87.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素
opening
構造要素ではなく,図形のほうを動かす
![Page 88: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/88.jpg)
2014
A. A
sano
, Kan
sai U
niv.
Opening = erosion + Minkowski和
原図形
構造要素
opening
構造要素ではなく,図形のほうを動かす
ラフ集合論とmorphological openingRough set theory and morphological opening
浅野 晃Akira Asano
広島大学 大学院工学研究科情報工学専攻Department of Information Engineering, Graduate School of Engineering, Hiroshima University
[email protected] / kuva.mis.hiroshima-u.ac.jp
1 まえがきラフ集合論は,集合の近似を行なう考え方のひとつで,人間の認知のモデル化の基盤に適していることから,感性工学など各種の応用が行なわれている.ラフ集合論の演算と,本来画像処理の手法であるマセマティカル・モルフォロジ(以下モルフォロジ)の演算の共通性は,すでにいくつかの論文で指摘されている.本稿では,ラフ集合理論にモルフォロジにおける openingに相当する演算を導入し,その応用の可能性を検討する.
2 ラフ集合論ラフ集合論 [1]とは,集合を「近似」する理論のひと
つである.ラフ集合理論では,集合の要素間に「同値」の関係を定義し,同値な要素によってひとつのクラスタを構成する.このクラスタの集合は,元の集合にくらべて「ラフ」な集合になっている.同値関係は,通常「識別不能関係」で定義される.全体集合の各要素がいくつかの属性をもつとする.このとき,ある属性のセットに含まれる属性の属性値が,ある2つの要素についてすべて一致するとき,これらの要素は同値であるとする.この関係を,その属性セットに関する識別不能関係という.ラフ集合論において,集合を近似する方法には,「下近似」と「上近似」の2つがある.対象の集合を X とするとき,下近似とは,上記のクラスタをXの内部に,Xをはみ出さない限りにおいて可能な限り多く配置して,「ラフ」な集合を作るもので,R(X)で表される.一方,上近似とは,全体集合に配置されたクラスタを,Xを含む限りにといて可能な限り取り去ることで,「ラフ」な集合を作るもので,R(X)で表される.上記の演算は,xを全体集合の要素とするとき,以下
の式で表される.R(X) = {x|[x]A ∈ X} (1)R(X) = {x|[x]A ∩ X = ∅} (2)
ここで,[x]A は,属性セット Aに関して xと同値な要素の集合,つまり xの属するクラスタで,xの同値類という.
3 モルフォロジモルフォロジ [2]は,画像処理において図形のもつ構
造を定量的に表現するための演算体系として提案されたもので,集合演算によって定義されている.以下,2値画像の場合のモルフォロジについて簡単に説明する.
モルフォロジでは,2値画像中にある物体を,物体を構成する点(通常,輝度が白,あるいは値が1)を表すベクトルの集合で表す.通常の離散的な画像の場合は,2値画像は「白画素の座標」の集合で表されるということになる.さらに,この画像集合への作用を表す別の画像集合を考え,これを構造要素 (structuring element)とよぶ.構造要素は,フィルタでいうウィンドウに相当し,通常は処理の対象となる画像よりもずっと小さいものを想定する.モルフォロジの基本となる演算は “opening” である.
処理される画像集合をX,構造要素をBで表すとき,Xの B による openingは,次の性質をもつ.
XB = {Bz |Bz ⊆ X, z ∈ Z2}, (3)
ここで Bz は Bを zだけ移動したもの (translation)で,以下のように定義される.
Bz = {b + z | b ∈ B}. (4)
XのBによる openingは「Xからはみださないように,B をX の内部でくまなく動かしたときの,B そのものの軌跡」であり,「X から,B が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表している.したがって,
Opening XB は,下のように,さらに基本的な演算に分解することができる.
XB = (X ⊖ B) ⊕ B (5)
前半のX ⊖ B は,erosionとよばれる演算で,X ⊖ B = {x|Bx ⊆ X} (6)
というものである.すなわち,X ⊖ B は「X からはみださないように,B を X の内部でくまなく動かしたときの,B の原点の軌跡」である.ここで,B は B の反転を表し,
B = {−b|b ∈ B} (7)
と定義される.また,後半は Minkowski和とよばれる演算で,
X ⊕ B =!
b∈B
Xb. (8)
と定義される.なお,X ⊕ Bを dilationといい,次の性質をもつ.
X ⊕ B = {x|Bx ∩ X = ∅}. (9)
Minkowski和
![Page 89: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/89.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
![Page 90: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/90.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
![Page 91: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/91.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素(多値)
原点
![Page 92: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/92.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って
構造要素(多値)
原点
![Page 93: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/93.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして
構造要素(多値)
原点
![Page 94: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/94.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 95: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/95.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 96: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/96.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 97: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/97.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 98: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/98.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 99: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/99.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 100: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/100.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 101: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/101.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 102: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/102.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 103: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/103.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
構造要素(多値)
原点
![Page 104: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/104.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
画素毎の 最大値Minkowski和 反転すると dilation
構造要素(多値)
原点
![Page 105: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/105.jpg)
2014
A. A
sano
, Kan
sai U
niv.
グレースケール画像の場合
画素の位置
輝度 多値図形
明 ↑ ↓ 暗
構造要素の各画素への ベクトルに沿って構造要素の値を足して 図形を動かして重ね合わせる
画素毎の 最大値Minkowski和 反転すると dilation
画素毎の 最小値Minkowski差 反転すると erosion
構造要素(多値)
原点
![Page 106: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/106.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 107: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/107.jpg)
A. A
sano
, Kan
sai U
niv.
数式でどうやって表すか?
![Page 108: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/108.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニング図形Xの構造要素Bによるオープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
![Page 109: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/109.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニング図形Xの構造要素Bによるオープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
![Page 110: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/110.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニング図形Xの構造要素Bによるオープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
2次元座標平面の 格子点
![Page 111: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/111.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニング図形Xの構造要素Bによるオープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
Bをzだけ移動
2次元座標平面の 格子点
![Page 112: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/112.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニング図形Xの構造要素Bによるオープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
Bをzだけ移動
2次元座標平面の 格子点
BがXの内部を移動するときの B自身の軌跡
![Page 113: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/113.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニング図形Xの構造要素Bによるオープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
Bをzだけ移動
2次元座標平面の 格子点
BがXの内部を移動するときの B自身の軌跡
これが
![Page 114: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/114.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニング図形Xの構造要素Bによるオープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
Bをzだけ移動
2次元座標平面の 格子点
BがXの内部を移動するときの B自身の軌跡
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
これが であることを示す????
![Page 115: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/115.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解:反転と集合差
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
をBの反転
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
Minkowski集合差を使って表すと,
![Page 116: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/116.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解:反転と集合差
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
をBの反転
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
Minkowski集合差を使って表すと,
![Page 117: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/117.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解:反転と集合差
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
をBの反転
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
Minkowski集合差を使って表すと,
![Page 118: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/118.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解:反転と集合差
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
をBの反転
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
Minkowski集合差を使って表すと,
![Page 119: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/119.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解:反転と集合差
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
をBの反転
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
Minkowski集合差を使って表すと,
![Page 120: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/120.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解:反転と集合差
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
をBの反転
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
Minkowski集合差を使って表すと,
![Page 121: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/121.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解:集合和
すなわち
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊖ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページとなるので,
X ⊕B = {b+ x|b ∈ B, x ∈ X} =!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊖ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
Minkowski集合和は
![Page 122: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/122.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解:集合和
すなわち
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊖ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページとなるので,
X ⊕B = {b+ x|b ∈ B, x ∈ X} =!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊖ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
BのコピーをXを構成する各画素に くまなく貼付ける
Minkowski集合和は
![Page 123: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/123.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
![Page 124: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/124.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
![Page 125: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/125.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
![Page 126: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/126.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
BがXの内部を動くときのBの原点の軌跡=erosion
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
![Page 127: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/127.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
BがXの内部を動くときのBの原点の軌跡=erosion
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
以上から,オープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
は
![Page 128: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/128.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
BがXの内部を動くときのBの原点の軌跡=erosion
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
以上から,オープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
は
![Page 129: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/129.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
BがXの内部を動くときのBの原点の軌跡=erosion
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
以上から,オープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
は
![Page 130: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/130.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
BがXの内部を動くときのBの原点の軌跡=erosion
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
以上から,オープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
は
![Page 131: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/131.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
BがXの内部を動くときのBの原点の軌跡=erosion
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
以上から,オープニング
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
は
![Page 132: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/132.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
BがXの内部を動くときのBの原点の軌跡=erosion
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
以上から,オープニング
BがXの内部を動く ときのBの原点
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
は
![Page 133: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/133.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
BがXの内部を動くときのBの原点の軌跡=erosion
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
以上から,オープニング
BがXの内部を動く ときのBの原点
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
は
![Page 134: 2014年度春学期 画像情報処理 第10回 画像の集合演算とオープニング (2014. 6. 25)](https://reader034.vdocuments.site/reader034/viewer/2022042602/557dc5d5d8b42a63048b4bee/html5/thumbnails/134.jpg)
2014
A. A
sano
, Kan
sai U
niv.
オープニングの分解
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
がXの内部を動くときの,
構造要素 B
オープニング XB物体 X
図 1: オープニングの効果
(1)式は,X のBによるオープニングはBがX の内部すべてを動くときのB自身の軌跡(Bが通った跡)で,オープニングの結果,Bよりも小さな白い部分が除かれる,ということを意味しています(図1)。オープニングは,構造要素よりも小さい構造や小さな白い点を除くので,定量的なスムージング能力を持っています。また,X とXB との差は,Bの軌跡では描くことのできなかった部分ですから,X
のうち構造要素よりも小さな構造ということになります。
オープニングを分解
(1)式によるオープニングの表現は,直観的にはわかりやすいのですが,「構造要素自体の軌跡」ということになっているため,各画素に対して 1または 0を出力する形にはなっていません。そこで,オープニングをさらに簡単な画素毎の演算に分解します。ここでは,オープニングをMinkowski集合差 (Minkowski
set subtraction)とMinkowski集合和 (Minkowski set addition),およびそれぞれから派生するエロージョン (erosion)とダイレーション (dilation)という演算に分解します。
ミンコフスキー集合差はX ⊖B =
!
b∈BXb, (3)
と定義され,集合和はX ⊕B =
"
b∈BXb. (4)
と定義されます。
ところで,あるベクトル xがXbに含まれる,すなわち x ∈ Xbのとき,x− b ∈ X です。このことを使うと,(3)式の集合差の定義は,次のような画素毎の演算に書き直せます。
X ⊖B = {x|x− b ∈ X, ∀b ∈ B}. (5)
また,Bの反転 (reflection)Bを,次のように定義します。
B = {−b|b ∈ B}. (6)
上の2つの式から,X⊖B = {x|(−b)+x ∈ X, ∀(−b) ∈ B}となるので,集合差は次のように表されます。
X ⊖B = {x|Bx ⊆ X}. (7)
なぜならば,(6)式の反転の定義から,Bx = {−b+ x|b ∈ B}であることがわかります。よって,Bx =
{x−b|b ∈ B}となります。この式を (5)式に代入すると,(7)式の関係が得られます。この関係は,X⊖B
は,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
集合和については, "
b∈BXb = {x+ b|x ∈ X, ∀b ∈ B} (8)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 2/5 ページ
の原点の軌跡
BがXの内部を動くときのBの原点の軌跡=erosion
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
となるので,X ⊕B = {b+ x|b ∈ B, x ∈ X} =
!
x∈XBx. (9)
となります。このことは,X ⊕ Bは,BのコピーをX 内部のすべての点に貼付けることで構成されることを示しています。
これらの演算を用いて,XのBによるエロージョンをX ⊖ Bと,またダイレーションをX ⊕ Bと定義します。
(7)式から,X ⊖ B = {x|Bx ⊆ X} (10)
であることがわかります。このことは,X ⊖ Bは,BがX の内部をくまなく動き回ったときの,Bの原点の軌跡であることを示しています。
以上の基本演算を用いて,オープニングXB は,次のように分解されます。
XB = (X ⊖ B)⊕B. (11)
(証明) XB はここで (X ⊖ B) ⊕ B と定義され,これは "z∈X⊖B Bz と同じです。また,(1) 式では
XB = {Bz|Bz ⊆ X}なので,z ∈ X ⊖ B ⇔ Bz ⊆ X を証明すれば十分です。
(1) [z ∈ X ⊖ B ⇒ Bz ⊆ X] :
すべての b ∈ Bについて,(−b) ∈ Bである。すべての (−b) ∈ Bについて,z ∈ X ⊖ B ⇒ z − (−b) ∈ X であるから,すべての b ∈ Bについて,z ∈ X ⊖ B ⇒ b+ z ∈ X となる。一方,b ∈ B ⇔ b+ z ∈ Bz である。ゆえに z ∈ X ⊖ B ⇒ Bz ⊆ X.
(2) [Bz ⊆ X ⇒ z ∈ X ⊖ B] :
すべての b ∈ Bについて,Bz ⊆ X ⇒ b+ z ∈ X.
⇒ すべての (−b) ∈ Bについて,z − (−b) ∈ X.
⇒ z ∈ X ⊖ B. ■
オープニングの分解の意味を,図 2を用いて説明します。この図で,●は物体を構成する画素を表しています。上で示した通り,X のBによるエロージョンとは「BをX の内部に収まる範囲でくまなく動かしたときの,B の原点の軌跡」ですから,第1段階のエロージョンでは,X の内部で,B をはみ出さずに配置できる場所が求められます。さらに,第2段階のMinkowski 和は,これも上で示したとおり,「X ⊖ Bの内部の各点に,それぞれBのコピーを貼り付けたもの」です。したがって,XのBによるオープニングは「X からはみださないように,BをX の内部でくまなく動かしたときの,Bそのものの軌跡」ということになり,最初の説明と同じになります。すなわち,オープニングは「X から,B
が収まりきらないくらい小さな部分だけを除去して,他はそのまま保存する」という作用を表しています。この図はまた,オープニングと「エロージョンに続いてダイレーション」することとの違いを表しています。
オープニングの対になる演算がクロージングで,次のように定義されます。
XB = (X ⊕ B)⊖B. (12)
クロージングは,画像中で「物体でない部分」つまり背景に対してオープニングを行なう演算で,「画像中の物体にある,構造要素よりも小さな穴や欠けを埋める」作用を表します。それは,オープニングと
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 3/5 ページ
以上から,オープニング
BがXの内部を動く ときのBの原点
その原点にBを 貼り付ける
2013年度春学期 画像情報処理 第10回第3部・マセマティカル・モルフォロジ/ 画像の集合演算とオープニング
マセマティカル・モルフォロジについて
この講義の第3部は,ここまでとは大きく違って,画像に写っている物体の「形状」を扱う数理的手法であるマセマティカル・モルフォロジ (mathematical morphology,以下モルフォロジ)について説明します。これは,画像中の物体の形状に影響する作用を簡単な集合演算にもとづいて表現することで,形状への作用の定量的な取り扱いを可能にするものです。
モルフォロジの “morpho-”は,ギリシャ語の「形,形状」を意味する言葉からきた語幹で,画像処理の世界では,ある画像を別の画像に滑らかに変形する技術である “morphing”という言葉にも現れています。また,“morphology”という言葉は,生物学・言語学・地質学でも「形態学,形態論」という意味で用いられています。
モルフォロジの創始者である G. Matheronと J. Serraは,フランスのパリ国立高等鉱山学校 (Ecole
des Mines de Paris)の研究者で,当初は鉱石に分布する鉱物の幾何学的特性を評価する方法として,モルフォロジを着想したそうです。Matheronは,鉱石中の鉱物のようなランダムな図形を扱うランダム閉集合理論と,鉱床のような空間分布を記述・予測する統計的手法であるクリギング (kriging)の創始者でもあります。モルフォロジは,創始から 40年を経て,これらの理論とあいまって,物体の空間的な形・大きさを取り扱う理論的枠組みとして発展してきています。また,モルフォロジだけをテーマとする国際会議 “International Symposium on Mathematical Morphology (ISMM)”がほぼ2年に1度開かれています。
この講義の第3部では,1回目で,画像を集合として取り扱う考え方とモルフォロジの基礎演算であるオープニングを,2回目で,物体の「大きさ」を定量的に取り扱う granulometryと物体の骨組みの形を取り出すスケルトンを,そして3回目は,ほとんどの画像フィルタがモルフォロジで表現できるというフィルタ定理について述べます。
オープニング
モルフォロジのもっとも基本となる演算はオープニング (opening)です。これは,物体の一部を,そのサイズによって選別して取り出す演算です。まず,2値画像(画素値が 1と 0だけの画像)についてオープニングを説明し,その後多値の場合を説明します。
モルフォロジでは,2値画像中の物体は,物体を構成する点を表すベクトルの集合と考えます。離散的なディジタル画像を考える場合は,2値画像は白画素(画素値が 1)の集合と考えることができます。さらに,画像を操作するためのもうひとつの画像集合を考え,これを構造要素 (structuring element)とよびます。構造要素は,ふつうは処理対象の画像よりもずっと小さいものを想定しています。
さて,処理対象の画像を集合X とし,構造要素を集合Bとします。このとき,X のBによるオープニングは,次のような効果を表します。
XB = {Bz |Bz ⊆ X, z ∈ Z2}. (1)
ここで,Bz はBを zだけ移動したもの (translation)で,次のように定義されます。
Bz = {b+ z | b ∈ B}. (2)
浅野 晃/画像情報処理(2013 年度春学期) 第10回 (2013. 6. 12) http://racco.mikeneko.jp/ 1/5 ページ
は