こしあん
2019-02-08

[Python]OpenCVで画像を歪ませる方法

Pocket
LINEで送る
Delicious にシェア

2.8k{icon} {views}



PythonでOpenCVを使い画像を歪ませる方法を考えます。アフィン変換というちょっと直感的に理解しにくいことをしますが、慣れればそこまで難しくはありません。ディープラーニングのData Augmentationにも使えます。

OpenCVでのアフィン変換のイメージ

アフィン変換というと、まず画像の回転を思いつきますが、回転はアフィン変換のほんの一例です。回転がアフィン変換でできるというだけであって、アフィン変換=回転ではありません。最初に回転で覚えるとよりややこしくなります。

OpenCVのアフィン変換では元の画像のある3点がどのように移動したか(難しい言葉で言うのなら写像の)定義により、変換(の行列)が規定されます。こっちのほうが本質的なアフィン変換の定義に近いと思います。

例えば始めに青い色のような三角形(3点)があったとしましょう。座標系はピクセルの座標系に合わせて(縦,横)としています。例えばもし、「(0,3)の点が(-1,2)に、(3,0)の点が(2,-1)に移動するように変換したらどうか?」というのがアフィン変換のポイントです。(0,0)も動かすことはできますが、今はわかりやすくするため動かしません。

もし3点の移動先を結べば、新たな三角形が描画できます。この三角形上に、元の対応する三角形上のピクセルを投影すれば画像を歪ませることができます。アフィン変換のアルゴリズムってこんな感じではないのでしょうか。

なら回転はどうかというと、「(0,0)の点は固定して、移動先の2点のそれぞれの(0,0)からの辺の長さがおなじになるという縛りをおいたアフィン変換」と考えることができます。これはつまり、移動先の三角形が元の三角形と同じ形である(回転角だけ違う)という状態になります。この縛りを満たす点の集合はなにかというと、有名な回転行列の式が出てくるということではないでしょうか。

なぜアフィン変換=回転ではないかというと、例えば先程の三角形の例で(0,0)を固定して、(0,3)→(0,6)、(3,0)→(6,0)という変換すればこれは2倍の拡大操作になるからです。アフィン変換とは回転だけでなく、拡大・縮小・移動といったもっと広い操作を定義することができます。たいていこのような拡大操作は別の関数があるので、わざわざアフィン変換を使う必要がないよということだけです。

画像の基準に起点にランダムに歪ませる方法

すべての平面の画像は以下のように2×2の座標で考えることができます。

縦横に比例(拡大)させれば任意の解像度になりますからね。(0,0)=左上、(0,2)=左下、(1,1)=中心、(2,0)=右上、(2,2)=右下としましょう。今、左上、左下、右上の三角形を考えることにしましょう。

この三角形の角座標に対して0~1の乱数を付与することを考えます(乱数でなくても決定的に与えてもいいです)。つまり以下のような写像を考えます。

この写像定義より、アフィン変換を用いると画像を歪ませることができます。コードで書くと次のとおりです。

import cv2
import matplotlib.pyplot as plt
import numpy as np

def shear_image(base_image, shear_range):
    assert shear_range >= 0.0 and shear_range <= 1.0
    h = base_image.shape[0] // 2
    w = base_image.shape[1] // 2
    randoms = np.random.uniform(1.0-shear_range, 1.0+shear_range, (3,2)).astype(np.float32) #32ビット変数にする
    coefs = np.array([[-1,-1],[1,-1],[1,1]], np.float32)
    centers = np.array([[h,w]], np.float32)
    origin = centers + centers * coefs
    dest = centers + centers * coefs * randoms
    affine_matrix = cv2.getAffineTransform(origin, dest)
    return cv2.warpAffine(base_image, affine_matrix, (base_image.shape[1], base_image.shape[0]))

ただし乱数はfloat32型で与えるようにしてください。デフォルトだと64ビット変数になりエラーになるので注意してください(詳しくはこちらの記事)

実行してみます。

image = cv2.imread("cats.jpg")[:,:,::-1]
for i in range(20):
    sheared = shear_image(image, 0.2)
    plt.clf()
    plt.imshow(sheared)
    plt.show()

いい感じですね。これData Augmentationに使えるのではないでしょうか。なんかランダムに動かすと、猫が立体的に見えるというか、いろんな角度から見ているようで猫が動いているような錯覚を覚えます。早速使ってみようと思います。



Shikoan's ML Blogの中の人が運営しているサークル「じゅ~しぃ~すくりぷと」の本のご案内

技術書コーナー

【新刊】インフィニティNumPy――配列の初期化から、ゲームの戦闘、静止画や動画作成までの221問

「本当の実装力を身につける」ための221本ノック――
機械学習(ML)で避けて通れない数値計算ライブラリ・NumPyを、自在に活用できるようになろう。「できる」ための体系的な理解を目指します。基礎から丁寧に解説し、ディープラーニング(DL)の難しいモデルで遭遇する、NumPyの黒魔術もカバー。初心者から経験者・上級者まで楽しめる一冊です。問題を解き終わったとき、MLやDLなどの発展分野にスムーズに入っていけるでしょう。

本書の大きな特徴として、Pythonの本でありがちな「NumPyとML・DLの結合を外した」点があります。NumPyを理解するのに、MLまで理解するのは負担が大きいです。本書ではあえてこれらの内容を書いていません。行列やテンソルの理解に役立つ「従来の画像処理」をNumPyベースで深く解説・実装していきます。

しかし、問題の多くは、DLの実装で頻出の関数・処理を重点的に取り上げています。経験者なら思わず「あー」となるでしょう。関数丸暗記では自分で実装できません。「覚える関数は最小限、できる内容は無限大」の世界をぜひ体験してみてください。画像編集ソフトの処理をNumPyベースで実装する楽しさがわかるでしょう。※紙の本は電子版の特典つき

モザイク除去から学ぶ 最先端のディープラーニング

「誰もが夢見るモザイク除去」を起点として、機械学習・ディープラーニングの基本をはじめ、GAN(敵対的生成ネットワーク)の基本や発展型、ICCV, CVPR, ECCVといった国際学会の最新論文をカバーしていく本です。
ディープラーニングの研究は発展が目覚ましく、特にGANの発展型は市販の本でほとんどカバーされていない内容です。英語の原著論文を著者がコードに落とし込み、実装を踏まえながら丁寧に解説していきます。
また、本コードは全てTensorFlow2.0(Keras)に対応し、Googleの開発した新しい機械学習向け計算デバイス・TPU(Tensor Processing Unit)をフル活用しています。Google Colaboratoryを用いた環境構築不要の演習問題もあるため、読者自ら手を動かしながら理解を深めていくことができます。

AI、機械学習、ディープラーニングの最新事情、奥深いGANの世界を知りたい方にとってぜひ手にとっていただきたい一冊となっています。持ち運びに便利な電子書籍のDLコードが付属しています。

「おもしろ同人誌バザールオンライン」で紹介されました!(14:03~) https://youtu.be/gaXkTj7T79Y?t=843

まとめURL:https://github.com/koshian2/MosaicDeeplearningBook
A4 全195ページ、カラー12ページ / 2020年3月発行

Shikoan's ML Blog -Vol.1/2-

累計100万PV超の人気ブログが待望の電子化! このブログが電子書籍になって読みやすくなりました!

・1章完結のオムニバス形式
・機械学習の基本からマニアックなネタまで
・どこから読んでもOK
・何巻から読んでもOK

・短いものは2ページ、長いものは20ページ超のものも…
・通勤・通学の短い時間でもすぐ読める!
・読むのに便利な「しおり」機能つき

・全巻はA5サイズでたっぷりの「200ページオーバー」
・1冊にたっぷり30本収録。1本あたり18.3円の圧倒的コストパフォーマンス!
・文庫本感覚でお楽しみください

北海道の駅巡りコーナー

日高本線 車なし全駅巡り

ローカル線や秘境駅、マニアックな駅に興味のある方におすすめ! 2021年に大半区間が廃線になる、北海道の日高本線の全区間・全29駅(苫小牧~様似)を記録した本です。マイカーを使わずに、公共交通機関(バス)と徒歩のみで全駅訪問を行いました。日高本線が延伸する計画のあった、襟裳岬まで様似から足を伸ばしています。代行バスと路線バスの織り成す極限の時刻表ゲームと、絶海の太平洋と馬に囲まれた日高路、日高の隠れたグルメを是非たっぷり堪能してください。A4・フルカラー・192ページのたっぷりのボリュームで、あなたも旅行気分を漫喫できること待ったなし!

見どころ:日高本線被災区間(大狩部、慶能舞川橋梁、清畠~豊郷) / 牧場に囲まれた絵笛駅 / 窓口のあっただるま駅・荻伏駅 / 汐見の戦争遺跡のトーチカ / 新冠温泉、三石温泉 / 襟裳岬

A4 全192ページフルカラー / 2020年11月発行


Pocket
Delicious にシェア

Add a Comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です