ガウシアンフィルタ

結果から。

順調に背景ノイズが緩和されています。
が、細い線はブロードになります。

{biOps}では、

imgConvolve(imgdata, mask)

として、maskの中にフィルタをmatrixで書く。
Gaussian filterの事は、この素晴らしいページに全て書いてあります。
要するに、ノイズはシグナルに比べて高周波でバラバラと入るわけだから、その成分をカットすれば良いという発想です。

Rで書くには、

# これはσ ≒ 1.0の時
a <- c(1,4,6,4,1)
b <- NULL
for(i in 1:length(a)) b <- cbind(b, a*a[i])
fill_Gauss <- b/sum(b)

imgConvolve(imgdata, fill_Gauss)

という感じでゴリ押しで書けばよいだけ。

{biOps}では、

plot(imgdata)

で、勝手に絵が出ます。

微分フィルタ

別にどうということもなく、ですが。
Y軸方向微分ですと、

fil_y1 <- matrix(rep(c(-1,0, 1), 3), 3)
fil_y2 <- matrix(rep(c( 1,0,-1), 3), 3)

の2種類があるわけです。

byrow=T

とすればX軸方向になりますね。

y1  <- imgConvolve(dat, fil_y1)
y2  <- imgConvolve(dat, fil_y2)
y12 <- imgAdd(y1, y2)

という感じにすると、

で、これをX軸にもやって、mergeするわけです。

ふむ、で、最初にGaussian filter(σ≒1.3)をかけておくと、

最後に、これ。
オリジナル、splineで3x3に拡張補間、Gaussian filter(σ≒1.3)、差分。

まぁ、出来合いのを使えばサクッと。

dat <- readTiff("hoge")
dat3 <- imgScale(dat, 3, 3, interpolation="spline")
dat_Canny <- imgCanny(dat3, sigma=1)

Cannyフィルタは、Gaussianフィルタを掛けて差分をとって、二値化をする。
この二値化がやたら凝っていて、ちゃんとエッジになるらしい。
詳しくはグーグる。

このsigmaは、Gaussのsigmaなので変えると輪郭も変わる。

par(mar=c(0,0,0,0), mfrow=c(4,4))
for(sigma in seq(0.5, 2, by=0.1)){
  dat_Canny <- imgCanny(dat3, sigma=sigma)
  plot(dat_Canny)
}

という事で、最後までゴリ押しでした。

{EBImage}については、まぁ、そのうちに。