AlxisDataBlog-画像処理


MathJax = {
  chtml: {
    matchFontHeight: false
  },
  tex: {
    inlineMath: [['$', '$']]
  }
};






最も簡単な矩形 PSF による 1 次元 Blur の話をします。

\begin{align}
g(y)=\int_{y-1/2}^{y+1/2}f(x)\,dx
\end{align}

という劣化モデルで $g$ から $f$ を求める問題を考えましょう。よくあるアイデアはスペクトル空間で回復させるものです。しかし、この方法には 2 つの欠点が存在します。


欠点1. 計算量の問題
欠点2: アーチファクトの問題


スペクトル空間を用いたデコンボリューションは、PassMark 700 換算で 9M ピクセル毎秒のスループットがあります。FA 分野では生産性向上のため 1G 以上のスループットが要求されます。これを達成するためには、単純計算で PassMark 78000 相当のマシンが必要になります。少し非現実的ですね。


アーチファクトの問題は PSF のスペクトルを計算すれば分ります。

\begin{align}
\int_{-1/2}^{1/2}e^{-2\pi ixy}\,dx&=-\dfrac{e^{-\pi iy}-e^{\pi iy}}{2\pi iy}\\
&=\dfrac{\sin(\pi y)}{\pi y}
\end{align}

零を除くすべての格子点でスペクトルが消えます。これらのスペクトルの零点がアーチファクトになるのですが、実際は最も増幅率の大きい低周波の零点に対応するアーチファクトが支配的に発生します。これは理論と現実の差が最も顕著な部分で、理論的にはアーチファクトは問題になりませんが、現実は上手くいきません。


スペクトルへ変換せずに実空間でデコンボリューションを考えることにしましょう。$g$ を微分すると

\begin{align}
\partial g(x)=f(x+1/2)-f(x-1/2)
\end{align}

したがって、区間 $[-1/2,1/2]$ で初期値 $f_0$ が与えられていれば帰納的に $f$ が計算できます。

\begin{align}
f(x+n+1/2)=f_0(x-1/2)+\sum_{i=0}^n\partial g(x+i)
\end{align}

求めた関数は $f_0$ の積分値が $g(0)$ ならば、必ずデコンボリューションの解になります。デコンボリューションの解の族の中で、どの解が妥当であるのか重みをつけることは $g$ の情報のみからではできません。


初期値 $f_0$ に形をもたせるためには、一旦論理的思考を緩めざるを得ません。例えば $f(x-1/2),f(x+1/2)$ が張る台形で $g(x)$ が近似できると仮定してみましょう。すると

\begin{align}
f(x+1/2)\approx g(x)+\dfrac{\partial g(x)}{2}
\end{align}

という近似が成立します。とりあえず、これを用いて初期値を与えておきましょう。さて、$f$ を計算するときに初期値へ加算する $\partial g$ の級数項は、理論通りであれば $f(x+n+1/2)-f(x-1/2)$ となります。したがって $f(x-1/2)$ を初期値が上手く相殺していなければ、その差分が $f(x+n+1/2)$ にもそのまま乗ってしまう、すなわちアーチファクトになります。


この問題も仮説で回避してみましょう。$\partial g(x)=f(x+1/2)-f(x-1/2)$ の左辺は実験値です。実験値に含まれるノイズにより、この方程式の等号は成立しません。


初期値に含まれる高周波成分はノイズを含む級数項により均されて、充分大きな $n$ に対する $f(x+n+1/2)$ には反映されません。


これで一旦初期値の問題は仮説的に解決しました。アーチファクトが充分減衰した後の校正方法については、また別の機会に紹介したいと思います。(written by J.Nishigata)


Copy Right 2020-現在 ALXIS DATA, Inc. All Right Reserved.

FA 分野で問題となるモーションブラーの解析

AlxisDataBlog-画像処理


MathJax = {
  chtml: {
    matchFontHeight: false
  },
  tex: {
    inlineMath: [['$', '$']]
  }
};






或る領域に対して閾値(上限と下限)を定義してヒストグラムを引き延ばす処理を平坦化処理と呼びます。平坦化処理はコントラスト差を明確にするためによく使われます。


コントラスト差を改善したい点に対して、どのくらいの周辺をリファレンスするのかという問題と妥当な閾値の設定方法が見つかれば、使い勝手は大きく改善します。


リファレンス領域は、見たい点の周りの重み付きの円板状(適当なカーネル $k$)で指定します。コントラストの基準は $k$ による畳込み画像とすれば良いでしょう。したがって強調処理の前のコントラスト差は

\begin{align}
k\ast f-f
\end{align}

となります。コントラスト差に閾値を設定したいのですが、最も簡単な方法は最大値と最小値を閾値とするものです。この場合、すべてのデータがクリップされないという利点はありますが、極端な値が選択されてしまうと上手く働きません。或る程度データを均して閾値を決めるのであれば標準偏差を用いれば良いでしょう。

\begin{align}
\mathrm{StdDev}=\sqrt{k\ast f^2-(k\ast f)^2}
\end{align}

コントラスト差を上下から $+\mathrm{StdDev},-\mathrm{StdDev}$ 評価すれば良いです。統計的には 8 割くらいのデータがクリップされません。統計的なクリップ率を制御したいのであれば、標準偏差に定数を掛ければよいのですが、実験値で割合を制御したい場合は、この方法では上手くいきません。


標準偏差に掛かる定数を、データで決まる関数にしましょう。

\begin{align}
S(t)=\{y-x\in\mathrm{supp}(k):-t\,\mathrm{StdDev} < (k\ast f)(y)-f(y) < t\,\mathrm{StdDev}\}
\end{align}

のようにクリップしない領域を定義して、この領域の重み付き面積を

\begin{align}
V(t)=k \ast \mathbb{1}_{S(t)}
\end{align}

としましょう。カーネル面積に対する $V(t)$ の割合はクリップしないデータの割合を意味しますが、これは変数 $t$ に対して単調増加関数です。したがって指定した割合と一致するようにディリクレの方法で解けば $t$ が求まります。(written by J.Nishigata)


Copy Right 2020-現在 ALXIS DATA, Inc. All Right Reserved.

カラーマップの作り方