Python入門トップページ


目次

  1. scikit-image のインストール
  2. Matplotlib による画像の表示
  3. 表示関数の定義
  4. RGBA から RGB への変換
  5. グレースケールをイメージする
  6. RGB からグレースケールへの変換
    1. RGB 平均
    2. ITU-R Rec BT.602
    3. Contemporary CRT phosphors (Rec 709)
    4. 3種類の比較
    5. scikit-image の rgb2gray 関数
  7. 平均化フィルタ
    1. 平均化フィルタの自作
    2. 平均化フィルタの一般化
    3. scikit-image の平均化フィルタ関数
  8. ガウシアンフィルタ
  9. バイラテラルフィルタ
  10. ランダムノイズとフィルタ
  11. ソーベルフィルタ
    1. ソーベルフィルタの自作
    2. scikit-image の sobel 関数
    3. 平均化/ガウシアンフィルタとソーベルフィルタの併用

画像フィルタの作成と利用

バイラテラルフィルタ

前のページで利用したガウシアンフィルタは注目画素との距離による重み付け平均値を注目画素の値としていました.バイラテラルフィルタは注目画素との距離だけでなく,注目画素と周囲の画素との色の差も利用します.バイラテラルフィルタは,scikit-image の restoration.denoise_bilateral 関数で提供されています.なお,restoration.denoise_bilateral 関数の詳細やソースコードはここを参照してください.

まず,「表示関数の定義」ページを参照し,ライブラリのインポートと関数の定義を実行したあと,画像ファイルをグレースケールに変換して表示します.


ink_img = plt.imread('ink.png')
img = color.rgba2rgb(ink_img)
gray_img = color.rgb2gray(img)
show(gray_img)
オリジナル
filters_20_gray.png

オプショナル引数を特に指定することなくバイラテラルフィルタを適用してみます.


bilateral_result = restoration.denoise_bilateral(gray_img)
show(bilateral_result)
filters_32_bilateral1.png

上の場合はフィルタのウインドウサイズ win_size が 7 になっています.この値を 31 に指定して実行すると次のようになります.


bilateral_result = restoration.denoise_bilateral(gray_img, win_size=31)
show(bilateral_result)
filters_32_bilateral2.png

オプショナル引数 sigma_colorsigma_spatial を指定すると次のようになります.


bilateral_result = restoration.denoise_bilateral(gray_img, sigma_color=0.3, sigma_spatial=30)
show(bilateral_result)
filters_32_bilateral3.png

次のページでは画像にノイズを加えたあと,平均化フィルタ,ガウシアンフィルタ,バイラテラルフィルタを適用してみます.

目次に戻る