高度情報演習高度情報演習 1A1A 　“テーマＣ”　“テーマＣ”

実践 画像処理プログラミング 実践 画像処理プログラミング〜画像認識とＣＧによる〜画像認識とＣＧによる画像生成画像生成〜〜

第三回　演習課題第三回　演習課題

画像中からの物体抽出処理（色情報を手がかりとして）画像中からの物体抽出処理（色情報を手がかりとして）

芝浦工業大学 工学部　情報工学科青木　義満

2006/05/08

基本的な画像処理の流れ

画像入力画像入力

前処理前処理

特徴抽出特徴抽出

計測・検出・分類計測・検出・分類パターンと図形の検出パターン認識

必要に応じて処理結果を画像生成により提示！必要に応じて処理結果を画像生成により提示！

画像入出力画像データ参照，書き換え

色による物体抽出ラベリング

講義内容（ 6 回）

画像処理とは？　画像データの構成，画像の入出力演習 画像処理プログラミング基礎（フィルタの設計と実装） カラー画像入出力，色抽出，ラベリング，重心算出 背景差分，フレーム間差分 CG プログラミング基礎 ＣＧによる軌跡再現，画像生成

物体抽出処理１　〜　カラー画像処理，色抽出カラー画像入出力カラー　→　輝度値　変換，二値化ＲＧＢ　→　ＨＳＶ　変換色相（Ｈｕ e ）指定による色域抽出ラベリング

カラー画像入出力（ kadai3-1.c ）（ R ， G ，B ）

3 成分／ pixel

（ R ， G ，B ）

3 成分／ pixel

輝度値（濃淡値）

1 成分／ pixel

輝度値（濃淡値）

1 成分／ pixel

ＲＧＢ→グレースケール変換（ kadai3-2.c ） RGB → 　輝度値への変換方法

L = 0.30*R + 0.59*G + 0.11*B

様々な色情報の取り扱い（ kadai3-3.c, kadai3-4.c ）マンセル表色系‥色相・明度・彩度の３属性からなる

色相‥色の種類を示す

明度‥各色相の明るさを示す

彩度‥色の鮮やかさを示す

マンセルの色相環と色立体10R/78(色相 10R,明度 7,彩度 8)

表現方法

HSV 変換と逆変換RGB 色空間で人間の感覚に合った色彩

に関する処理をするのは難しい

　　　　　　　　　　　　 H ：色相　 RGB データ　　　　 S ：彩度　　　　　　　　　　　　 V ：明度

　　

H ：色相S ：彩度　　　　　　 RGB データ　　

　　V ：明度

HSV変換

HSV逆変換

RGB色空間の概念図

６角錐モデル

€

Vmax =max{R,G,B}

Vmin = min{R,G,B}

V =VmaxS = (Vmax −Vmin ) /VmaxH = π /3(cb− cg)

H = π /3(2 + cr − cb)

H = π /3(4 + cg− cr)

cr = (Vmax − R) /(Vmax −Vmin )

cg = (Vmax −G) /(Vmax −Vmin )

cb = (Vmax − B) /(Vmax −Vmin )

)(

)(

)(

max

max

max

ÇÃÇ∆Ç´

ÇÃÇ∆Ç´

ÇÃÇ∆Ç´

IB

IG

IR

===

HSV変換

6角錐モデル

色相（ Hue ） : 0 〜 360彩度 (Saturation): 0.0 - 1.0 明度（ Value ） : 0 - 255

データの範囲データの範囲

ただしただし

HSV を利用する利点 人間の感覚に近い色の指定が可能 色の種類（色相），鮮やかさ（彩度），明るさ（明度）の３成分に分離可能 画像認識課題における色特徴量として扱い易い

HSV の利用例 肌の色 道路標識の色

色情報を手がかりとした物体抽出に頻繁に利用！色情報を手がかりとした物体抽出に頻繁に利用！

ＨＳＶの利用例（１）：肌色領域取得• 初期データとして肌色のカラーデータを与える• 画像の全体の色を取得　→　肌色領域探索

肌色らしい部分を探索 (色追跡アルゴリズム )

画像全体の色 肌色らしい色

色追跡アルゴリズムによる領域

色相による肌色抽出例

ＨＳＩの利用例（１）：標識（青）の検出

　　追跡

HSI画像 探索領域から目標とする色の Hueヒストグラムを作成

入力画像よりその色らしさの尤度画像を生成

重心を求め，対象色の領域を抽出

色尤度画像 検出結果

色相と彩度による道路標識抽出

ラベリング 領域（塊）ごとにラベル（番号）を付けて区別 白画素の連結性から，塊を判定 , 番号付け

QuickTime˛ Ç∆TIFFÅià≥èkǻǵÅj êLí£ÉvÉçÉOÉâÉÄ

ǙDZÇÃÉsÉNÉ`ÉÉÇ å©ÇÈÇΩÇflÇ…ÇÕïKóvÇ≈Ç∑ÅB

label_sum : ラベル総数（この場合３）

int label_area[0] ：９

int label_area[1] ：3

背景は０

labeling_table[y][x]image1[y][x]二値化した ppm 画像