[scikit-image] 91. 各種エッジフィルタの回転不変性の比較

はじめに

skimage.filtersのエッジ検出フィルタには、sobel,prewitt, farid、scharrがある。これらのフィルタの回転不変性は、farid、scharr、sobel、prewittの順によかったので、各種フィルタを適用した画像の比較結果を示す。

解説

モジュールのインポートなど

	import numpy as np
	import matplotlib.pyplot as plt
	from skimage.filters import sobel,prewitt,farid,scharr
	from skimage.draw import disk
	from mpl_toolkits.axes_grid1.inset_locator import inset_axes

view raw edgefilters.py hosted with ❤ by GitHub

バージョン

	#version
	import matplotlib
	print(matplotlib.__version__)
	3.3.4
	import skimage
	print(skimage.__version__)
	0.18.1
	print(np.__version__)
	1.19.5

view raw edgefilters.py hosted with ❤ by GitHub

画像データの作成

	img = np.zeros((256, 256), dtype=np.double)
	rr, cc = disk((128,128), 100)
	img[rr, cc] = 1
	rr, cc = disk((128,128), 98)
	img[rr, cc] = 0

view raw edgefilters.py hosted with ❤ by GitHub

skimageのdiskで円を作成することができる。ここでは、中心が(128,128)で半径が100の円を作成して、その部分を1として、中心が(128,128)で半径が98の円を作成してその部分を0とすることで円弧の画像を作成した。

作成した画像を表示すると以下のようになる。

	fig, ax = plt.subplots(dpi=140)
	im = ax.imshow(img,cmap="Spectral",origin="lower")
	plt.colorbar(im)
	ax.set_title("Test data")
	ax.set(xlabel="x",ylabel="y")
	plt.savefig("disk_perimeter.png",dpi=130)
	plt.show()

view raw edgefilters.py hosted with ❤ by GitHub

エッジフィルタの適用

	so_data = sobel(img)
	p_data = prewitt(img)
	f_data = farid(img)
	sc_data = scharr(img)

view raw edgefilters.py hosted with ❤ by GitHub

各種フィルタを画像中の各画素に適用することで画像の勾配を求めることができる。勾配が急激に変化するところがエッジとして検出される。各種フィルタは以下のようになる。

Prewittフィルタ

Sobelフィルタ

Scharrフィルタ

Faridフィルタ

Image derivative - Wikipedia

en.wikipedia.org

フィルタを適用した画像の表示

Prewittフィルタを適用した画像

	fig, ax = plt.subplots(dpi=140)
	im = ax.imshow(p_data,cmap="Spectral_r",origin="lower")
	plt.colorbar(im)
	ax.set_title("Prewitt filter")
	ax.set(xlabel="x",ylabel="y")
	plt.savefig("Prewitt.png",dpi=130)
	plt.show()

view raw edgefilters.py hosted with ❤ by GitHub

Sobelフィルタを適用した画像

	fig, ax = plt.subplots(dpi=150)
	im = ax.imshow(so_data,cmap="Spectral_r",origin="lower")
	plt.colorbar(im)
	ax.set_title("Sobel filter")
	ax.set(xlabel="x",ylabel="y")
	plt.savefig("Sobel.png",dpi=130)
	plt.show()

view raw edgefilters.py hosted with ❤ by GitHub

scharrフィルタを適用した画像

	fig, ax = plt.subplots(dpi=140)
	ax.imshow(sc_data,cmap="Spectral_r",origin="lower",vmin=0,vmax=1)
	plt.colorbar(im)
	ax.set_title("Scharr filter")
	ax.set(xlabel="x",ylabel="y")
	plt.savefig("Scharr.png",dpi=130)
	plt.show()

view raw edgefilters.py hosted with ❤ by GitHub

faridフィルタを適用した画像

	fig, ax = plt.subplots(dpi=140)
	im = ax.imshow(f_data,cmap="Spectral_r",origin="lower",vmin=0,vmax=1)
	plt.colorbar(im)
	ax.set_title("Farid filter")
	ax.set(xlabel="x",ylabel="y")
	plt.savefig("Farid.png",dpi=130)
	plt.show()

view raw edgefilters.py hosted with ❤ by GitHub

まとめて表示

	fig, ax = plt.subplots(2,2,figsize=(6,6),dpi=140,sharex=True,sharey=True)
	ax=ax.ravel()
	im =ax[0].imshow(so_data,cmap="Spectral_r",origin="lower",vmin=0,vmax=1)
	ax[1].imshow(p_data,cmap="Spectral_r",origin="lower",vmin=0,vmax=1)
	ax[2].imshow(f_data,cmap="Spectral_r",origin="lower",vmin=0,vmax=1)
	ax[3].imshow(sc_data,cmap="Spectral_r",origin="lower",vmin=0,vmax=1)
	ax[0].set_title("Sobel filter")
	ax[1].set_title("Prewitt filter")
	ax[2].set_title("Farid filter")
	ax[3].set_title("Scharr filter")
	[ax[i].set(xlabel="x",ylabel="y") for i in range(4)]
	axins = inset_axes(ax[3],
	width="10%",
	height="100%",
	loc='lower left',
	bbox_to_anchor=(1.05, -0.03, 1, 2.2),
	bbox_transform=ax[3].transAxes,
	)
	fig.colorbar(im, cax=axins)
	plt.savefig("edgefilter.png",dpi=130)
	plt.show()

view raw edgefilters.py hosted with ❤ by GitHub

コードをダウンロード(.pyファイル)

コードをダウンロード(.ipynbファイル)

参考

skimage.filters — skimage 0.26.0rc0.dev0 documentation

scikit-image.org

skimage.filters — skimage 0.26.0rc0.dev0 documentation

scikit-image.org

skimage.filters — skimage 0.26.0rc0.dev0 documentation

scikit-image.org

skimage.filters — skimage 0.26.0rc0.dev0 documentation

scikit-image.org