ラベリング

シェアする

  • このエントリーをはてなブックマークに追加
最近の記事
  • 10/21 【C#】寸法線の描画
  • 10/21 【C#】GraphicsPathの領域取得
  • 10/20 【C#】GraphicsPathの描画
  • 10/18 【C#】GraphicsPath
  • 10/17 【C#】Bitmap画像データの拡大縮小
  • 10/15 【C#】画像の座標系
  • 10/14 【C#】画像の上下左右反転、90,180,270度回転
  • 10/3 【C#】SplitContainerのPanel固定方法
  • 9/7 【Neural Network Console】学習データの出力方法
  • 9/3 Deep Learning向け学習画像撮り込みソフト公開
  • 9/1 【Neural Network Console】新規画像のDataset作成方法
  • 8/28 【Neural Network Console】GUI表示スケールの変更
  • 8/22 【Neural Network Console】CPU/GPU処理の設定切替
  • 8/21 【Neural Network Console】Learning Rate(学習率)の設定
  • 8/20 ソニーの無償AIソフト Neural Network Consoleの入手ダウンロード、インストール
  • 8/20 Deep Learning
  • 8/20
  • 8/19 古いバージョンのVisual Studio Community/Expressの入手ダウンロード
  • 8/19 CUDAの入手、ダウンロード、インストール方法
  • 8/17 【C#.NET】マイクロソフト仕様のアフィン変換
  • 8/5 【C#】ファイルを開くダイアログボックスの表示
  • 8/2 キャノンプリンターのCDトレイはどこ?!
  • 7/6 【参考書籍】画像処理・機械学習プログラミング OpenCV 3対応
  • 6/20 【Python,matplotlib】動くグラフをAnimationGifに保存する方法
  • 6/17 シグモイド関数の微分
  • 6/15 シグモイド関数
  • 6/13 合成関数の微分
  • 6/12 WordPressで数式エディタ風に数式を入力したい
  • 6/11 PythonをVisual Studioでインストールする方法
  • 6/9 【Python】OpenCVをAnacondaでインストール(Windows編)
  • 6/6 【Python】Anacondaで複数バージョンの環境切り替え
  • 6/6 画像センシング展2017に出展します。
  • 6/1 【Office365】Web版Outlookのフォントサイズ変更
  • 6/1 【Anaconda】モジュールのアップデートでエラー発生
  • 6/1 【Anaconda】コマンドリストの表示
  • 5/29 Windows10パソコン購入
  • 5/24 Anacondaのアンインストール
  • 5/24 【Jupyter Notebook】新規プログラムの作成
  • 5/23 【Python】開発環境の構築
  • 5/23 Pythonはじめました
  • 4/6 【Office365】Web版Outlookのスレッド表示を解除する方法
  • 4/5 【Excel】フーリエ解析(FFT)
  • 3/20 Canny edge detection
  • 3/20 【Excel2016】分析ツールの表示
  • 3/5 【Visual Studio】黒い背景色を白に変更する方法
  • 2/8 【Windows10】拡張モニタに表示されたウィンドウを元に戻す
  • 2/7 複素数の計算
  • 1/18 【Excel】棒グラフの横軸の目盛を0始まりにする
  • 1/16 【Excel】フーリエ変換
  • 1/6 【OpenCV】疑似カラー(カラーマップ)

  • 二値化画像処理された画像において、白の部分(または黒の部分)が連続した画素に同じ番号を割り振る処理を
    ラベリングと言います。

    通常、同じ番号ごとの面積(画素数)や幅、高さなどの特徴量を求めて欠陥検査や分類処理などに用いられます。

    ラベリングには、二値化された画像の縦、横方向に連続している部分を同じラベルにする4連結と、
    縦、横、斜め方向に連続している部分を同じラベルにする8連結との2種類の処理があります。
    (4近傍、8近傍という場合もあります。)

    【二値化画像】
    ラベリング
    【4連結】 【8連結】
    4連結 8連結

    以下、8連結の場合において、ラベリング処理アルゴリズムを紹介します。

    まず、画像全ての画素のラベル番号を0(ゼロ)で初期化しておき、ラベリングで番号を割り付けるための
    ラベリング番号のルックアップテーブルを用意しておきます。(テーブルの使い方の詳細は後ほど)

    そして、画像の左上からラスタスキャンを行い、画素の色がの位置を検索します。

    ラベリング

    白の画素の左上、上、右上、左の画素のラベル番号を参照し、全て0(ゼロ)の場合は、最後に割り振った番号+1のラベル番号を割り振ります。
    もし、参照した画素のラベル番号が複数存在した場合は、最小の番号を割り振ります。

    ラベリング処理アルゴリズム

    最初に番号を割り振った様子↓

    ラベリング処理アルゴリズム

    この処理を左上からラスタスキャンして続けていきます。

    ラベリング処理アルゴリズム

    新しい番号が割り振られるとき↓

    ラベリング処理アルゴリズム

    新しい番号が割り振られるとき↓ その2

    ラベリング処理アルゴリズム

    参照した画素のラベル番号が複数存在した場合、最小の番号を割り振ります。
    このとき、用いなかったラベル番号(下図の例では3)のルックアップテーブルの番号を最小の番号に書き換えます。

    ラベリング処理アルゴリズム

    同様に、処理を続けていきます↓

    ラベリング処理アルゴリズム

    全ての白の画素に番号が割り振れれた様子↓

    ラベリング処理アルゴリズム

    ただし、よ~く見ると、ラベル番号の2や3など、連続していない部分が存在している事に気がつきます。
    そこで、ルックアップテーブルの出番です。

    処理の途中でルックアップテーブルの番号を変更した番号を
    2→1、3→1、6→5
    に変更すると、連続した領域は同じ番号になります。

    このまま番号を変更しても良いのですが、ラベル番号が虫食いになるのも気持ちが悪いので、以下のようにルックアップテーブルの番号を詰め直してから、ルックアップテーブルを参照し、全画素のラベル番号を修正すると、以下のようになります。

    ラベリング処理アルゴリズム

    基本的なアルゴリズムは上記、紹介したアルゴリズムで良いのですが、ラベリング処理を行う画像のパターンによってはうまくラベル番号が割り振られない場合があります。
    そこは、何とかして(ちょっと説明が難しい部分)うまく割り振られるようにチャレンジしてみて下さい。

    参考までに、ラベリング処理をすると失敗しやすい特徴的な画像を添付しておきます。↓

    ◆Level.1

    ラベリング処理アルゴリズム

    ◆Level.2

    ラベリング処理アルゴリズム

    ◆Level.Max!?

    ラベリング処理アルゴリズム

    ラベリング処理のアルゴリズムには、この手法の他にも輪郭線を追跡し、閉じた領域を1つのラベルとする手法や、ランレングス的に求める方法もあります。

    画像処理アルゴリズムへ戻る