[Q&A] 欠点画像の画像処理と指標化について

欠点画像の画像処理と指標化について

欠点の指標化

下記の画像で中央やや左側の縦線が欠点なのですが、こちらを抽出して数値化し欠点判定を行いたいです。

全体的に汚れのようなノイズがあるので、これらを消去したい。
縦線の欠点には影響を及ぼさないで、ノイズを消去する一番効果のある方法をご教示いただきたいです。
また全体を通して、お勧めの処理方法をご教示いただきたいです。

発生している問題・エラー

現在はコントラストを単純にグラフ化しておりますが、どう改善したらよいか苦悩しております。

該当するソースコード

from PIL import Image
import matplotlib.pyplot as plt

def calculate_contrast(column_pixels):
    return max(column_pixels) - min(column_pixels)

def plot_contrast_graph(column_contrasts, label):
    plt.plot(column_contrasts, label=label)

def main():
    # 画像の読み込み
    image_path = '1.jpg'   # 画像のパスを指定
    image = Image.open(image_path)

    # 上から10ピクセル目から50ピクセル目までの全幅方向のコントラストを計算
    width, height = image.size
    pixels = list(image.getdata())
    start_indexes = [10 * width, 20 * width, 30 * width, 40 * width, 50 * width]
    end_indexes = [(10 + 1) * width, (20 + 1) * width, (30 + 1) * width, (40 + 1) * width, (50 + 1) * width]

    column_contrasts = [[] for _ in range(len(start_indexes))]

    for i, (start_index, end_index) in enumerate(zip(start_indexes, end_indexes)):
        for j in range(start_index, end_index):
            column_pixels = [pixels[k][0] for k in range(j, len(pixels), width)]
            contrast = calculate_contrast(column_pixels)
            column_contrasts[i].append(contrast)

        label = f'{(i + 1) * 10}th pixel'
        plot_contrast_graph(column_contrasts[i], label=label)

    # グラフを作成して表示
    plt.xlabel('Width')
    plt.ylabel('Contrast')
    plt.title('Contrast across Width')
    plt.legend()
    plt.show()

if __name__ == '__main__':
    main()

2Answer

@nyhoustl posted at 2023-05-19

scikit-imageやopencvなどの画像解析moduleを使うと様々なフィルタが用意されています。
縦線ををノイズと認識させないためには縦方向に長いfootprintを使ってフィルタをかけるといいです。
ノイズ消去はSmoothing filterが良いと思いますが、median filter とgaussian filterの例をあげています。ノイズの検知としてgradient とentropyの例をあげています。


#%%
import numpy as np
import matplotlib.pyplot as plt
from skimage import filters, morphology

#%%　サンプル画像作成
# sample_img = np.random.standard_normal(size=(100, 100))
sample_img = np.zeros((100, 100))
# add linear bright line 
for i in range(5):
    column_idx = np.floor(np.random.rand() * 100).astype(int)
    sample_img[:, column_idx] += 4

# add noise blob
for i in range(10):
    noise_image = np.zeros((100, 100))
    column_idx = np.floor(np.random.rand() * 100).astype(int)
    row_idx = np.floor(np.random.rand() * 100).astype(int)
    noise_image[row_idx, column_idx] = np.random.rand() * 100
    noise_image = filters.gaussian(noise_image, sigma=1 + np.random.rand() * 3)
    sample_img += noise_image
sample_img= sample_img/np.max(np.abs(sample_img))
plt.imshow(sample_img)

# %%
footprint = morphology.rectangle(30, 1)　#ここで縦方向に何ピクセルを使うかを指定

# median filter（中央値に置き換え）
median_img = filters.median(sample_img, footprint=footprint) 
# gaussian filter （ガウシアンフィルタ、sigmaで縦長を指定）
gaussian_img = filters.gaussian(sample_img, sigma=(20,0.1))
#　提示されている方法 (ローカルのmax-min）
min_img = filters.rank.minimum(sample_img, footprint=footprint)
max_img = filters.rank.maximum(sample_img, footprint=footprint)
contrast_img = max_img - min_img
# 同じ方法
gradient_img = filters.rank.gradient(sample_img, footprint=footprint)
# エントロピー
entropy_img = filters.rank.entropy(sample_img, footprint=footprint)

plt.imshow(median_img)
plt.show()
plt.imshow(gaussian_img)
plt.show()
plt.imshow(contrast_img)
plt.show()
plt.imshow(gradient_img)
plt.show()
plt.imshow(entropy_img)
plt.show()

0Like

@bunaImage posted at 2023-05-22

とりあえずイメージが分かりにくいのでコントラストと明るさをあげましたが

縦線の欠点には影響を及ぼさないで、

下図のイメージだとしたら、おそらく縦線を検知してそこ以外をフィルタ除外するイメージなので縦線検出が必要かと思われます。