ラプラシアンフィルタ単独は残念

今度、研究室でScilabでの画像処理について実習を行うことになっていて、

ここ最近はそのための教材を作っている。


画像処理といえば線形フィルタ、線形フィルタといえばまず移動平均フィルタだよね。

ということで、

imSmoothed=imfilter(double(imIn),ones(5,5)/25);

ということで、まずはこれをやりましょうと。

それでラプラシアンフィルタをやって、ゼロクロス点を調べて、輪郭抽出しようと。

ついでに二次元FFTを使ってフィルタ前後の画像の周波数スペクトルを比べてみようと。


それじゃあ次にラプラシアンフィルタを実行してみるかと。

imLaplacian=imfilter(double(imIn),[1,1,1;1,-8,1;1,1,1]);

一番基本的なやつだね。これでゼロクロス点調べたら輪郭が出てくるぞ!

と思ってやってみたのだが、出てきた輪郭が汚い。

それで思い出した。ラプラシアンフィルタを単独で使うとノイズまで強調されて大変だから、

平滑化してからラプラシアンフィルタをかけることが多いんだった。

というわけで移動平均フィルタとの組み合わせでいい感じに輪郭が求まった。

実習のときには実際にやってみて、ラプラシアンフィルタ単独の弱点を確認してもらってから教えよう。


去年の実習の内容を元に、いろいろ要望を踏まえて教材を作り直してるわけだけど、

去年の実習はいきなりガウシアンフィルタを作らせるということで、それはいらないのではという意見があった。

確かにそうだと思ってやってたんだけど、ガウシアンを使ってたときにはこういう問題なかったんだよね。

というのもDoGフィルタ、すなわちガウシアンフィルタの差分をかけてたから。

DoGフィルタってバンドパスフィルタになってるから、ノイズの輪郭は出ないようになってたんだ。


平滑化フィルタをかけてから、ラプラシアンフィルタをかけるのもいいけど、

ラプラシアンフィルタに平滑化フィルタをたたみ込んだフィルタを使っても一緒のことだ。

LoGフィルタはLaplacian of Gaussian、ということでまさにそういうことをやっているわけだ。

なぜガウシアンと組み合わせることが肝心かということを知る上では、ラプラシアン単独で失敗することはかえっていいのかもしれない。

実用面ではLoGフィルタとか、それに似たDoGフィルタとかの方がいいのかもしれないけど。確かに特性はいいし。