【画像処理】Go言語で平滑化処理【サンプルコード付】

こんにちは！zhackです。

これまで、さまざまな画像処理をGo言語で行ってきましたが、
今回は空間フィルタリングを行っていきます！

先日、X方向Y方向微分の記事を掲載しましたが、本日は空間フィルタリングの一つ、平滑化処理を紹介します！

【画像処理】Go言語で輪郭抽出！X方向Y方向微分【サンプルコード付き】

こんにちは！zhackです。 Go言語で画像処理シリーズ第3弾！今回は、エッジ検出について説明していきます。先日、フィルタ処理に関する記事を掲載しました。その中の輪郭抽出である、X方向及びY方向の微分に...

Contents

前提
1. 実行環境
2. プログラムのひな型
Go言語で平滑化処理
さいごに

前提

実行環境

今回の実行環境は以下の通りです。

Debian GNU/Linux8
※Dockerコンテナで環境構築
プログラム名称：smoothing.go
入力データ：lena.jpg

実行コマンド

$ go run プログラム名 < 入力画像のパス > 出力画像のパス 
今回の場合は
$ go run smoothing.go < lena.jpg > lena_smoothed.jpg

Gitにも掲載しています。ご参考まで。

Dockerのインストール方法やGo言語の環境構築については以下の記事をご参考下さい。

画像付き:Dockerのインストール手順(Windows OS)

zhack(私)が実際に行ったDockerのWindowsOSへのインストール手順です。インストールなしで試してみたい方向けにPlay with Dockerの利用方法も簡単に説明します。

DockerでGo言語開発環境構築

Dockerを使ったGo言語の開発環境構築手順を紹介します！簡単に仮想環境を構築できるDockerに、最近サーバサイドの開発で使われつつあるGo言語の開発環境を構築しました。今回はその手順についてご紹介します。

プログラムのひな型

これまで同様、実装したプログラムのひな型を紹介します。

package main

// 必要なライブラリのインストール
import (
    "image"
    "image/color"
    "image/jpeg"
    "os"
)
// メイン関数
func main() {

    // 入力データの読み込み
    img, _ := jpeg.Decode(os.Stdin)

    // 入力データを走査するデータの作成
    bounds := img.Bounds()
　　// 出力用の入れ物を作成
    dest := image.NewRGBA(bounds)

　　// 画像を1ピクセルずつ走査
    for y := bounds.Min.Y; y < bounds.Max.Y; y++ {
        for x := bounds.Min.X; x < bounds.Max.X; x++ {
            // (1) 必要な処理
        }
    }

    // 処理結果を画像形式で出力
    err := jpeg.Encode(os.Stdout, dest, nil)
    if err != nil {
        panic("Failed to encode JPEG gradient image.")
    }
}

上記、プログラムにおける“(1) 必要な処理”と書いているところに平滑化処理用のコードが入ります。

Go言語のImageパッケージを用いたときの色情報の取得方法については、【画像処理】Go言語で二値化処理！【サンプルプログラムあり】をご参考ください。

Go言語で平滑化処理

フィルタの説明

今回扱うフィルタは、このようなフィルタになります。

先日の「フィルタ処理とは？」で、平均化処理と呼んでいたフィルタですね。

【画像処理】空間フィルタリングとは？

こんにちは！zhackです。今回は画像処理でよく使われる空間フィルタリングについて、紹介します！空間フィルタリングとは？画像中の注目しているある画像に対して、注目している画素とその周囲の画素から、注目している画素を変換する処...

今回はこのフィルタを使っていきます。

プログラム

(1)必要な処理に入るプログラムはこんな感じ。

// 注目画素と8近傍の画素を取得
c1 := img.At(x-1, y-1)
c2 := img.At(x, y-1)
c3 := img.At(x+1, y-1)
c4 := img.At(x-1, y)
c5 := img.At(x, y)
c6 := img.At(x+1, y)
c7 := img.At(x-1, y+1)
c8 := img.At(x, y+1)
c9 := img.At(x+1, y+1)

// 一つの配列にまとめて、関数にほりこむ！
c := []color.Color{c1,c2,c3,c4,c5,c6,c7,c8,c9}
col := filtering(c,smooth_filter)
// 出力画像としてセット 
dest.Set(x, y, col)

そして、このプログラムの中にある、変数smooth_filterと、関数filteringは以下のように定義します。

// main関数内のどこかに定義
filter := []float64{1/9.0,1/9.0,1/9.0,1/9.0,1/9.0,1/9.0,1/9.0,1/9.0,1/9.0}

// 空間フィルタリング
func filtering(c[] color.Color, filter[] float64) *color.RGBA {
　　　　// 画素の値を格納するための配列
　　　　var rArray[] uint32
　　　　var gArray[] uint32
　　　　var bArray[] uint32
　　　　var aArray[] uint32

　　　　// 各画素のRGBA値を取得
　　　　for index, _ := range c {
　　　　　　　　r, g, b, a := (c[index]).RGBA()
　　　　　　　　r, g, b, a = r>>8, g>>8, b>>8, a>>8
　　　　　　　　rArray = append(rArray,r)
　　　　　　　　gArray = append(gArray,g)
　　　　　　　　bArray = append(bArray,b)
　　　　　　　　aArray = append(aArray,a)
　　　　}
　　　　// 出力する画素値格納用変数の初期化
　　　　R := float64(0)
　　　　G := float64(0)
　　　　B := float64(0)
　　　　A := float64(0)

　　　　// 空間フィルタリング
　　　　for i:=0; i<len(rArray);i++{
　　　　　　　　R += filter[i] * float64(rArray[i])
　　　　　　　　G += filter[i] * float64(gArray[i])
　　　　　　　　B += filter[i] * float64(bArray[i])
　　　　　　　　A += filter[i] * float64(aArray[i])
　　　　}
　　　　// 0未満もしくは255以上のものは修正
　　　　if R < 0 { 
　　　　　　　　R = 0
　　　　} else if R > 255{
　　　　　　　　R = 255
　　　　} 
　　　　if G < 0 { 
　　　　　　　　G = 0
　　　　} else if G > 255{
　　　　　　　　G = 255
　　　　} 
　　　　if B< 0 { 
　　　　　　　　B = 0
　　　　} else if B > 255{
　　　　　　　　B = 255
　　　　} 
　　　　if A < 0 { 
　　　　　　　　A = 0
　　　　} else if A > 255{
　　　　　　　　A = 255
　　　　}
　　　　// main関数へreturn
　　　　return &color.RGBA{
　　　　　　　　R : uint8(R),
　　　　　　　　G : uint8(G),
　　　　　　　　B : uint8(B),
　　　　　　　　A : uint8(A),
　　　　}
}