パターンと図形の検出 画像処理 z パターンの検出 テンプレートマッチング,類似度 サブピクセル位置推定 2015年度 (第11回) 高速探索法 z エッジ情報とヒストグラムによるパターン検出 チャンファーマッチング ヒストグラム情報を用いたアクティブ探索 z 特徴点検出 コーナー検出 中島 克人 DoG画像を用いた特徴点とスケールの検出 情報メディア学科 輪郭線検出 [email protected] z 図形要素検出 ハフ変換,一般化ハフ変換,ランダム化ハフ変換 2 パターンの検出 パターンの検出 テンプレートマッチング 類似度 z サブピクセル位置推定 z 高速探索法 z z パターン(pattern) z テンプレート(template) z テンプレートマッチング(template matching) 画像においては,その視覚的特徴や画素値そのもの z 比較・探索対象の標準パターン 被探索対象画像(の一部)がテンプレートと同じかどうかを判 断(=検出)し,検出できた場合はその位置を求める事 同じかどうかは類似度によって判断する z テンプレートマッチングの応用 半導体上の回路やプリント基板上の部品の配置検査 ロボットビジョン その他,多数 3 パターンの検出 z パターンの検出 z テンプレートマッチング(続) テンプレート画像の走査(raster z z z 4 類似度(similarity measure) ⇔相違度(dissimilarity scan) measure) テンプレートと画像の一部が『同じ』かどうかの尺度 被探索対象画像上をテンプレート画像を少しずつ移動しながら順に 比較していく(通常,画像の左上から右下に横優先にて) 移動量(例えば,テンプレートの幅の0.2倍)とテンプレートサイズの 拡大量(例えば,1回の走査が終わる度に1.2倍)により,マッチング の回数が異なる 検出対象が回転している場合は,回転したテンプレートも必要 SSD(Sum z of Squared Difference/差の2乗和) ユークリッド距離の2乗 探索窓内の 画像(被探索画像) テンプレート z式12.1 I(i,j) M,N:テンプレートの幅と高さ, I(i,j):被探索画像の画素値,T(i,j):テンプレートの画素値 探索窓 =テンプレートと の比較領域 探索窓を走査 SAD(Sum z (sub-window) z図12.1 テンプレートマッチングにおけるテンプレートの移動(走査) T(i,j) of Absolute Difference/差の絶対値和) マンハッタン距離 z式12.2 5 6 画像処理 1 パターンの検出 z パターンの検出 類似度(続) NCC(Normalized z z z Cross-Correlation/正規化相互相関) NCC(正規化相互相関)の補足説明 T(i,j)をM×N次元のベクトルと見なす I(i,j),T(i,j)をそれぞれM×N次元のベクトルと見た際の余弦(cosθ) 画素値の絶対値を無視し,画素値の相対的な比率を比較する z z ベクトルA={a1,a2},B={b1,b2}の内積A・Bの定義と余弦 z式12.3 z z A・B=|A| |B| cosθ → cosθ=A・B/|A| |B| cosθ=(a1×b1+a2×b2)/ (a12+a22)×(b12+b22) M×N=K次元ベクトルI,T ZNCC(相互相関係数) z M×N=2×2=4 のとき,テンプレート画像は4要素のベクトル { T(0,0),T(1,0),T(0,1),T(1,1)} ={T(0),T(1),T(2),T(3)} 比較対象の部分画像 I(i,j)も同様に4要素のベクトル z I(i,j),T(i,j)のそれぞれの平均からの偏差のNCC の余弦 cosθ=(I(0)×T(0)+ ・・ +I(K-1)×T(K-1))/ (I(0)2+ ・・ +I(K-1)2)×(T(0)2+T(K-1)2) z式12.4 z式12.3 7 演習(類似度・相違度) パターンの検出 z 8 類似度(続) z SSD,SADは小さいほど類似度が高い(完全一致時0) z SSD,SADは相違度の尺度 入力画像(5×5画素)に対して,3×3画素のテンプレートマッ チングを行なう際の以下の類似度(相違度)を計算せよ 検索窓位置A 検索窓位置B NCC,ZNCCは大きいほど類似度が高い(完全一致時1) パターンマッチングとは z z 類似度の一番大きい(相違度の一番小さい)位置を2次元的に探索 I,Tをベクトルと見たとき,SSD,SAD,NCCの関係は図12.3の通り 1 2 0 3 3 2 3 5 2 2 0 4 7 3 0 2 2 0 4 3 1 5 2 1 2 1)検索窓位置A, BにおけるそれぞれのSAD 解答) 位置AのSAD= 位置BのSAD= 2)検索窓位置A, BにおけるそれぞれのSSD 解答) 位置AのSSD= 位置BのSSD= 入力画像 z図12.2 SSD相違度の例 z図12.3 SAD,SSD, NCCの関係 z サブピクセル/サブピクセル位置 z 1 0 4 3)検索窓位置A, BにおけるそれぞれのNCC (少数点第2位まで) 解答) 位置AのNCC= 位置BのNCC= 10 サブピクセル位置推定(sub-pixel position estimation) R(-1), 画素単位で得られた類似度(相違 度)を連続なフィッティング関数で 補間し,フィッティング関数の最大 値(最小値)を求めること フィッティング関数 z 0 R(0):相違度が最小の位置における相違度の値 サブピクセル位置推定 z 1 7 パターンの検出 画素より細かい単位/位置 z 4 3 テンプレート 9 パターンの検出 2 R(1):両隣の位置の相違度の値 :等角直線フィッティングの結果 R(-1) R(1) R(0) z式12.5 離散的な位置の値を通る,または, 近似する連続関数 等角直線フィッティング(SAD向き), パラボラフィッティング(SSD向き) 等 (傾きが対称な2本の直線の交点のx座標から求まる) R(-1) R(1) R(0) :パラボラフィッティングの結果 z式12.6 (3点を通る2次曲線の最下点のx座標から求まる筈) z図12.4 サブピクセル位置推定 11 z図12.4 12 画像処理 2 パターンの検出 パターンの検出 z 高速探索法(1) z 疎密探索法(coarse-to-fine 残差逐次検定法(Sequential Similarity Detection Algorithm/ SSDA) z SADを計算する際,領域内の差の絶対値(残差)を加算(Σ)している z z z式12.2 z 画像間の重ね合せがずれる(検出位置でない)と急激に残差が増大 する z の時は RSAD≒0 に対して T(i,j) I(i,j) の時は RSAD >> 0 I(i,j) z z 加算の途中で残差がある閾値を超えたら,検出位置ではないと判断 し,加算を打ち切り,次の位置の検査に進む(大幅な高速化が期待) z 閾値はそれまでの最小値とする(初期値は最初に求まるSAD値) ある位置で最小値を超えなければ,そこで求まったSADが新最小値 13 エッジ情報とヒストグラムによる パターン検出 多重解像度法,階層的探索 などとも称する 高速探索法(2) search) 被探索対象画像を何段階かの解像度で表現し,解像度の粗い画像 で検出位置の大まかな狙いを定め,徐々に詳細な検出位置を求める 探索開始前にイメージピラミッド (解像度を4倍ずつ落とした画像 群)を作成(テンプレートも同様に イメージピラミッドを作成) 探索は低解像度画像から行い, 類似度の高い領域(とその周辺) のみで高解像度画像での探索を 行う イメージピラミッド作成のための z図12.5 イメージピラミッド 画像データ量の増大はわずか z式12.7 14 エッジ情報によるパターン検出 z チャンファーマッチングの概要 エッジ画像のパターン検出手法 チャンファーマッチング z ヒストグラム情報を用いたアクティブ探索 z 全画面操作は低速なため,相違度の低い方向に検索窓を 移動させて検索(局所解に陥る可能性有り) 15 エッジ情報によるパターン検出 z 16 ヒストグラムによるパターン検出 チャンファーマッチングの手順 z エッジ画像から距離変換(エッジからの距離)画像を生成 ヒストグラム情報を用いた探索 検索窓内のカラーヒストグラム(色ヒストグラム)で 類似度を検索 検索窓のある位置での相違度とその勾配から相違度が低く なる方向を微分で求め,その方向に検索窓を移動する z z 移動できなくなれば,そこが相違度の極小点 形状は検査しないため計算が速い 形状等の詳細な検査の前段階に利用可 ヒストグラムの類似度算出法 最小点を求めるためには別途方策が必要 z テンプレート ヒストグラムインタセクション (histogram intersection) n ρ(p,q)=Σ min(pi,qi) i =1 z バタチャリア係数 (Bhattacharyya coefficient) テンプレートの色分布 p p (正規化ヒストグラム) 探索窓内の 画像(被探索画像) n ρ(p,q)=Σ pi ×qi i =1 17 問題:それぞれの値域は? q 探索窓内の色分布 q 18 画像処理 3 ヒストグラムによるパターン検出 z 特徴点検出 テンプレート アクティブ探索 z 探索窓の全走査を高速化 ハリスのコーナー検出 コンセプト z z コーナー検出 FASTによるコーナー検出 探索窓のある位置で類似度がかなり 小さければ,探索窓を少しずらしても, 類似度はそれ程大きくならない 探索窓の移動により増加する 類似度の最大値を加えても, 全体である閾値以上にならない ならば,その移動位置での類似度 計算はスキップ DoG画像を用いた特徴点とスケールの検出 z 輪郭線検出 z Canny(キャニー/ケニー)のエッジ検出アルゴリズム 出る領域 入る領域 類似度増加の見積りと探索窓のスキップ z z 新位置の類似度 S≦ の類似度+ が類似度満点 Sが閾値以上となる位置まで探索窓をスキップできる ヒストグラムによる類似度判定以外でも (画素数に応じて最大類似度増が計算可なら)使える高速化手法 19 特徴点検出 z 20 特徴点検出 特徴点 z コーナー検出 エッジ,コーナー(=2つのエッジの交点),孤立点など z コーナー検出 FAST(Features from Accelerated Segment Test)による 画像中の物体検出やパノラマ画像生成などの際の手がかり z コーナー検出 画像間の対応位置を求めるには,特徴点を如何に正確かつ 注目画素pを中心とする周囲16画素が中心より明るいか類似か暗 いかを見て,16ビットの特徴ベクトルを構成し,この値でエッジかどう かを判定 効率よく検出するかが重要 z ハリスのコーナー検出(Harris corner detector) ヘッセ行列Mの固有値が大きい時,その位置にコーナーが存在すると考 える → 固有値分解の計算を省くために関数Rが代用される z式12.8 z式12.9 I:位置(x,y)の画素値 detM:Mの行列式 trM:Mのtrace(固有和) k:経験定数(0.04~0.15) 21 特徴点検出 特徴点検出 FASTによるコーナー検出(続) z 22 z 実際には16ビットを一度に検査せず,決定木を用いて,1ビットずつ の検査結果で場合分けして,次に検査すべきビットを順次決めていく ため,少ない検査でエッジかどうかが判定できる DoG画像を用いた特徴点とスケールの検出 DoG(Difference z of Gaussian) スケール(偏差値σ)の異なるガウスフィルタG(σ)を入力画像I に 畳み込んだ平滑化画像の差を取った画像 スケール検出 z z スケールが隣接する3枚のDoG画像上の注目画素とその26近傍を 比較し,注目画素が極値ならば特徴点とする その時のスケールが特徴点の細かさ(特徴点の局所性)を示す :近傍画素 :注目画素 23 24 画像処理 4 特徴点検出 z 特徴点検出 特徴点の検出例(原画への重ね合わせの結果) z 輪郭線検出 多くの場合「画素値のエッジ」を輪郭線とするが,エッジは不 連続で,ノイズ(誤検出エッジ)も含む. z キャニー(ケニー)のアルゴリズム(Canny edge detector) ラプラシアンやソーベルのエッジ画像はグレースケールだが, キャニーの結果は2値画像 原画(チューリップ) ソーベルによるエッジ画像 キャニーによるエッジ画像 25 特徴点検出 z 26 特徴点検出 キャニー(ケニー)のアルゴリズム(Canny edge detector) z z z キャニー(ケニー)のアルゴリズム(続) 第2段階(勾配の最大位置の検出=細線化) 第1段階(ノイズ低減と微分) z x方向に1次微分した2次元ガウス関数を畳み込み,x方向微分値を 求め,次に同様に,y方向の微分値を求める. (この時のガウス関数の標準偏差σは用途に応じて適当に設定) 位置(x,y)の勾配の大きさ と勾配方向 は下式 z z式12.13 最大位置以外を破棄する事から,非最大抑制(Non-maximum suppression)とも呼ばれる 位置(x,y)の8近傍の内,勾配方向 に沿った勾配方向に 隣接する2つの画素の勾配の大きさと を比較し,いずれより も大きい場合は残し,そうでなければ 0 とする事により,細線化を行 なう. 第3段階(閾値処理による2値化) z z式12.14 z z 得られる画像(データ)は勾配強度と らなる多値画像(データ) と勾配方向 か 27 特徴点検出 z 28 特徴点検出 輪郭線検出結果の例 パラメータの変化に 対するエッジ検出結果の例 第2段階で求めた勾配の最大位置での勾配の大きさ g を使って 最終的な輪郭検出を行う 2つの閾値 THhigh と THlow を用いて2値化を行なう g < THlow ...輪郭画素としない g > THhigh ...輪郭画素とする THlow ≦ g ≦ THhigh ...輪郭画素に隣接している場合のみ輪 郭とする z 特徴点検出の 結果例 (原画への重ね合わ せの結果) z図12.7 z図12.6 29 特徴点検出 結果の例 30 画像処理 5 演習(輝度勾配) z 演習(輝度勾配) グレースケール画像(256階調)のある注目画素とその8近傍 が下記の画素値である (1) 注目画素から各方向への輝度勾配を求めよ ( :注目画素) ただし,上下左右の画素への距離を1,斜め方向の画素への距離を1.4 とし,計算は小数点第1位を四捨五入せよ z ( 1 2 1 0 0 0 :注目画素) グレースケール画像(256階調)のある注目 画素とその8近傍が下記の画素値である -1 -2 -1 ソーベルフィルタ(縦方向) (1) 注目画素の輝度勾配(勾配強度)を求めよ ただし,勾配は縦方向および横方向のソーベルフィルタで求め, 勾配強度は式12.13を用い,計算は小数点第1位を四捨五入で求めよ fx=95, fy=-17 (2) 勾配の最大方向は (1)~(8) の内,どれか? ∴ g=√{952+(-17)2 }= (2) 勾配の最大方向は式12.14で求めると (1)~(8) の内どれ(に近い)か? 32 65 151 55 130 85 137 70 53 グレースケール画像 の注目画素と8近傍 注目 -45 画素 5 (1) 注目画素から各方向 への輝度勾配 (1) (2) (3) (4) 注目 画素 (5) (6) (7) d=tan-1(fy/fx)=tan-1(-17/95)=-10.3度 ∴ 32 (8) (2) 勾配の最大方向 31 65 151 55 130 85 137 70 53 グレースケール画像 の注目画素と8近傍 ? (1) 注目画素の 勾配強度 (1) (2) (3) (4) 注目 画素 (5) (6) (7) (8) (2) 勾配の最大方向 32 画像処理 6
© Copyright 2024 ExpyDoc