Submit Search
Upload
2016年度秋学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2016. 12. 22)
•
3 likes
•
433 views
Akira Asano
Follow
関西大学総合情報学部 画像情報処理(担当・浅野晃)
Read less
Read more
Education
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 109
Download now
Download to read offline
Recommended
2016年度秋学期 画像情報処理 第11回 画像の集合演算とオープニング (2016. 12. 15)
2016年度秋学期 画像情報処理 第11回 画像の集合演算とオープニング (2016. 12. 15)
Akira Asano
2016年度秋学期 画像情報処理 第14回 逆投影法による再構成 (2017. 1. 19)
2016年度秋学期 画像情報処理 第14回 逆投影法による再構成 (2017. 1. 19)
Akira Asano
2016年度秋学期 応用数学(解析) 第14回 ルベーグ測度と完全加法性 (2017. 1. 12)
2016年度秋学期 応用数学(解析) 第14回 ルベーグ測度と完全加法性 (2017. 1. 12)
Akira Asano
2016年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2016. 12. 1)
2016年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2016. 12. 1)
Akira Asano
2016年度秋学期 画像情報処理 第13回 Radon変換と投影定理 (2017. 1. 12))
2016年度秋学期 画像情報処理 第13回 Radon変換と投影定理 (2017. 1. 12))
Akira Asano
2016年度秋学期 画像情報処理 第10回 画像の集合演算とオープニング (2016. 12. 8)
2016年度秋学期 画像情報処理 第10回 画像の集合演算とオープニング (2016. 12. 8)
Akira Asano
2016年度秋学期 応用数学(解析) 第12回 複素関数・正則関数 (2016. 12. 15)
2016年度秋学期 応用数学(解析) 第12回 複素関数・正則関数 (2016. 12. 15)
Akira Asano
2013年度春学期 画像情報処理 第14回「CTスキャナ ― 投影からの画像の再構成/ 逆投影法による再構成」
2013年度春学期 画像情報処理 第14回「CTスキャナ ― 投影からの画像の再構成/ 逆投影法による再構成」
Akira Asano
Recommended
2016年度秋学期 画像情報処理 第11回 画像の集合演算とオープニング (2016. 12. 15)
2016年度秋学期 画像情報処理 第11回 画像の集合演算とオープニング (2016. 12. 15)
Akira Asano
2016年度秋学期 画像情報処理 第14回 逆投影法による再構成 (2017. 1. 19)
2016年度秋学期 画像情報処理 第14回 逆投影法による再構成 (2017. 1. 19)
Akira Asano
2016年度秋学期 応用数学(解析) 第14回 ルベーグ測度と完全加法性 (2017. 1. 12)
2016年度秋学期 応用数学(解析) 第14回 ルベーグ測度と完全加法性 (2017. 1. 12)
Akira Asano
2016年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2016. 12. 1)
2016年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2016. 12. 1)
Akira Asano
2016年度秋学期 画像情報処理 第13回 Radon変換と投影定理 (2017. 1. 12))
2016年度秋学期 画像情報処理 第13回 Radon変換と投影定理 (2017. 1. 12))
Akira Asano
2016年度秋学期 画像情報処理 第10回 画像の集合演算とオープニング (2016. 12. 8)
2016年度秋学期 画像情報処理 第10回 画像の集合演算とオープニング (2016. 12. 8)
Akira Asano
2016年度秋学期 応用数学(解析) 第12回 複素関数・正則関数 (2016. 12. 15)
2016年度秋学期 応用数学(解析) 第12回 複素関数・正則関数 (2016. 12. 15)
Akira Asano
2013年度春学期 画像情報処理 第14回「CTスキャナ ― 投影からの画像の再構成/ 逆投影法による再構成」
2013年度春学期 画像情報処理 第14回「CTスキャナ ― 投影からの画像の再構成/ 逆投影法による再構成」
Akira Asano
2016年度秋学期 画像情報処理 第6回 「行列」に慣れていない人のために (2016. 11. 10)
2016年度秋学期 画像情報処理 第6回 「行列」に慣れていない人のために (2016. 11. 10)
Akira Asano
2016年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2016. 11. 17)
2016年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2016. 11. 17)
Akira Asano
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
Akira Asano
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
Akira Asano
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
Akira Asano
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
Akira Asano
2016年度秋学期 画像情報処理 第2回 空間周波数とフーリエ級数 (2016. 10. 6)
2016年度秋学期 画像情報処理 第2回 空間周波数とフーリエ級数 (2016. 10. 6)
Akira Asano
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
Akira Asano
2013年度春学期 画像情報処理 第13回「CTスキャナ ― 投影からの画像の再構成/Radon変換と投影定理」
2013年度春学期 画像情報処理 第13回「CTスキャナ ― 投影からの画像の再構成/Radon変換と投影定理」
Akira Asano
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
Akira Asano
2016年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2016. 10. 13)
2016年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2016. 10. 13)
Akira Asano
2015年度秋学期 応用数学(解析) 第1回 イントロダクション (2015. 9. 24)
2015年度秋学期 応用数学(解析) 第1回 イントロダクション (2015. 9. 24)
Akira Asano
2018年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2018. 11. 30)
2018年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2018. 11. 30)
Akira Asano
2019年度秋学期 画像情報処理 第11回 radon変換と投影定理 (2019. 12. 13)
2019年度秋学期 画像情報処理 第11回 radon変換と投影定理 (2019. 12. 13)
Akira Asano
2019年度秋学期 画像情報処理 第12回 逆投影法による再構成 (2019. 12. 20)
2019年度秋学期 画像情報処理 第12回 逆投影法による再構成 (2019. 12. 20)
Akira Asano
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
Akira Asano
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
Akira Asano
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第15回 ルベーグ積分 (2015. 1. 22)
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第15回 ルベーグ積分 (2015. 1. 22)
Akira Asano
2014年度春学期 画像情報処理 第13回 Radon変換と投影定理 (2014. 7. 16)
2014年度春学期 画像情報処理 第13回 Radon変換と投影定理 (2014. 7. 16)
Akira Asano
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
Akira Asano
情報工学教育における知識定着と直観的理解を意図した反転授業〜アクティブラーニングの授業設計
情報工学教育における知識定着と直観的理解を意図した反転授業〜アクティブラーニングの授業設計
Susumu Yamazaki
情報学基礎:エレクトロニクス
情報学基礎:エレクトロニクス
Shigeru Kobayashi
More Related Content
What's hot
2016年度秋学期 画像情報処理 第6回 「行列」に慣れていない人のために (2016. 11. 10)
2016年度秋学期 画像情報処理 第6回 「行列」に慣れていない人のために (2016. 11. 10)
Akira Asano
2016年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2016. 11. 17)
2016年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2016. 11. 17)
Akira Asano
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
Akira Asano
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
Akira Asano
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
Akira Asano
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
Akira Asano
2016年度秋学期 画像情報処理 第2回 空間周波数とフーリエ級数 (2016. 10. 6)
2016年度秋学期 画像情報処理 第2回 空間周波数とフーリエ級数 (2016. 10. 6)
Akira Asano
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
Akira Asano
2013年度春学期 画像情報処理 第13回「CTスキャナ ― 投影からの画像の再構成/Radon変換と投影定理」
2013年度春学期 画像情報処理 第13回「CTスキャナ ― 投影からの画像の再構成/Radon変換と投影定理」
Akira Asano
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
Akira Asano
2016年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2016. 10. 13)
2016年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2016. 10. 13)
Akira Asano
2015年度秋学期 応用数学(解析) 第1回 イントロダクション (2015. 9. 24)
2015年度秋学期 応用数学(解析) 第1回 イントロダクション (2015. 9. 24)
Akira Asano
2018年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2018. 11. 30)
2018年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2018. 11. 30)
Akira Asano
2019年度秋学期 画像情報処理 第11回 radon変換と投影定理 (2019. 12. 13)
2019年度秋学期 画像情報処理 第11回 radon変換と投影定理 (2019. 12. 13)
Akira Asano
2019年度秋学期 画像情報処理 第12回 逆投影法による再構成 (2019. 12. 20)
2019年度秋学期 画像情報処理 第12回 逆投影法による再構成 (2019. 12. 20)
Akira Asano
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
Akira Asano
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
Akira Asano
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第15回 ルベーグ積分 (2015. 1. 22)
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第15回 ルベーグ積分 (2015. 1. 22)
Akira Asano
2014年度春学期 画像情報処理 第13回 Radon変換と投影定理 (2014. 7. 16)
2014年度春学期 画像情報処理 第13回 Radon変換と投影定理 (2014. 7. 16)
Akira Asano
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
Akira Asano
What's hot
(20)
2016年度秋学期 画像情報処理 第6回 「行列」に慣れていない人のために (2016. 11. 10)
2016年度秋学期 画像情報処理 第6回 「行列」に慣れていない人のために (2016. 11. 10)
2016年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2016. 11. 17)
2016年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2016. 11. 17)
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
2016年度秋学期 画像情報処理 第2回 空間周波数とフーリエ級数 (2016. 10. 6)
2016年度秋学期 画像情報処理 第2回 空間周波数とフーリエ級数 (2016. 10. 6)
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
2013年度春学期 画像情報処理 第13回「CTスキャナ ― 投影からの画像の再構成/Radon変換と投影定理」
2013年度春学期 画像情報処理 第13回「CTスキャナ ― 投影からの画像の再構成/Radon変換と投影定理」
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2016. 10. 13)
2016年度秋学期 画像情報処理 第3回 フーリエ変換とサンプリング定理 (2016. 10. 13)
2015年度秋学期 応用数学(解析) 第1回 イントロダクション (2015. 9. 24)
2015年度秋学期 応用数学(解析) 第1回 イントロダクション (2015. 9. 24)
2018年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2018. 11. 30)
2018年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2018. 11. 30)
2019年度秋学期 画像情報処理 第11回 radon変換と投影定理 (2019. 12. 13)
2019年度秋学期 画像情報処理 第11回 radon変換と投影定理 (2019. 12. 13)
2019年度秋学期 画像情報処理 第12回 逆投影法による再構成 (2019. 12. 20)
2019年度秋学期 画像情報処理 第12回 逆投影法による再構成 (2019. 12. 20)
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
2016年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2016. 11. 24)
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
2016年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2016. 12. 1)
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第15回 ルベーグ積分 (2015. 1. 22)
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第15回 ルベーグ積分 (2015. 1. 22)
2014年度春学期 画像情報処理 第13回 Radon変換と投影定理 (2014. 7. 16)
2014年度春学期 画像情報処理 第13回 Radon変換と投影定理 (2014. 7. 16)
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
Viewers also liked
情報工学教育における知識定着と直観的理解を意図した反転授業〜アクティブラーニングの授業設計
情報工学教育における知識定着と直観的理解を意図した反転授業〜アクティブラーニングの授業設計
Susumu Yamazaki
情報学基礎:エレクトロニクス
情報学基礎:エレクトロニクス
Shigeru Kobayashi
コンピュータシステムの原理を理解させる アクティブ・ラーニング
コンピュータシステムの原理を理解させる アクティブ・ラーニング
Susumu Yamazaki
関西医療情報技師会プレゼン20150228
関西医療情報技師会プレゼン20150228
Ai Tokimatsu
Icf inputterfor slideshare141224
Icf inputterfor slideshare141224
BlueRoy Inc.
医療情報技師をめぐる動き
医療情報技師をめぐる動き
Satoshi Ito
医療情報学1(標準化と診療)20120120 b
医療情報学1(標準化と診療)20120120 b
Shinya Oku
電子カルテデータの二次利用
電子カルテデータの二次利用
昌彦 飛騨
Laura Milena Ordoñez Chávez
Laura Milena Ordoñez Chávez
1077970993v
2013年度秋学期 統計学 第5回「分布をまとめるー平均・分散」
2013年度秋学期 統計学 第5回「分布をまとめるー平均・分散」
Akira Asano
2015年度秋学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2015. 12. 16)
2015年度秋学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2015. 12. 16)
Akira Asano
2016年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2016. 11. 24)
2016年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2016. 11. 24)
Akira Asano
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
Akira Asano
2015年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2015. 10. 1)
2015年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2015. 10. 1)
Akira Asano
2016年度秋学期 統計学 第14回 分布についての仮説を検証する-検定 (2016. 1. 7)
2016年度秋学期 統計学 第14回 分布についての仮説を検証する-検定 (2016. 1. 7)
Akira Asano
2016年度秋学期 統計学 第10回 分布の推測とは-標本調査,度数分布と確率分布 (2016. 11. 28)
2016年度秋学期 統計学 第10回 分布の推測とは-標本調査,度数分布と確率分布 (2016. 11. 28)
Akira Asano
2016年度秋学期 統計学 第9回 確からしさを記述する-確率 (2016. 11. 21)
2016年度秋学期 統計学 第9回 確からしさを記述する-確率 (2016. 11. 21)
Akira Asano
コンピュータの構成と設計 第3版 第2章 勉強会資料
コンピュータの構成と設計 第3版 第2章 勉強会資料
futada
はじめてのルベーグ積分
はじめてのルベーグ積分
Wakamatz
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
Akira Asano
Viewers also liked
(20)
情報工学教育における知識定着と直観的理解を意図した反転授業〜アクティブラーニングの授業設計
情報工学教育における知識定着と直観的理解を意図した反転授業〜アクティブラーニングの授業設計
情報学基礎:エレクトロニクス
情報学基礎:エレクトロニクス
コンピュータシステムの原理を理解させる アクティブ・ラーニング
コンピュータシステムの原理を理解させる アクティブ・ラーニング
関西医療情報技師会プレゼン20150228
関西医療情報技師会プレゼン20150228
Icf inputterfor slideshare141224
Icf inputterfor slideshare141224
医療情報技師をめぐる動き
医療情報技師をめぐる動き
医療情報学1(標準化と診療)20120120 b
医療情報学1(標準化と診療)20120120 b
電子カルテデータの二次利用
電子カルテデータの二次利用
Laura Milena Ordoñez Chávez
Laura Milena Ordoñez Chávez
2013年度秋学期 統計学 第5回「分布をまとめるー平均・分散」
2013年度秋学期 統計学 第5回「分布をまとめるー平均・分散」
2015年度秋学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2015. 12. 16)
2015年度秋学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2015. 12. 16)
2016年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2016. 11. 24)
2016年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2016. 11. 24)
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
2015年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2015. 10. 1)
2015年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2015. 10. 1)
2016年度秋学期 統計学 第14回 分布についての仮説を検証する-検定 (2016. 1. 7)
2016年度秋学期 統計学 第14回 分布についての仮説を検証する-検定 (2016. 1. 7)
2016年度秋学期 統計学 第10回 分布の推測とは-標本調査,度数分布と確率分布 (2016. 11. 28)
2016年度秋学期 統計学 第10回 分布の推測とは-標本調査,度数分布と確率分布 (2016. 11. 28)
2016年度秋学期 統計学 第9回 確からしさを記述する-確率 (2016. 11. 21)
2016年度秋学期 統計学 第9回 確からしさを記述する-確率 (2016. 11. 21)
コンピュータの構成と設計 第3版 第2章 勉強会資料
コンピュータの構成と設計 第3版 第2章 勉強会資料
はじめてのルベーグ積分
はじめてのルベーグ積分
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
Similar to 2016年度秋学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2016. 12. 22)
2016年度秋学期 統計学 第7回 データの関係を知る(2)-回帰分析 (2016. 11. 7)
2016年度秋学期 統計学 第7回 データの関係を知る(2)-回帰分析 (2016. 11. 7)
Akira Asano
2015年度春学期 画像情報処理 第12回 画像フィルタとフィルタ定理
2015年度春学期 画像情報処理 第12回 画像フィルタとフィルタ定理
Akira Asano
2013年度春学期 画像情報処理 第10回「マセマティカル・モルフォロジ/画像の集合演算とオープニング」
2013年度春学期 画像情報処理 第10回「マセマティカル・モルフォロジ/画像の集合演算とオープニング」
Akira Asano
2014年度春学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2014. 7. 9.)
2014年度春学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2014. 7. 9.)
Akira Asano
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
Akira Asano
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
Akira Asano
Similar to 2016年度秋学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2016. 12. 22)
(6)
2016年度秋学期 統計学 第7回 データの関係を知る(2)-回帰分析 (2016. 11. 7)
2016年度秋学期 統計学 第7回 データの関係を知る(2)-回帰分析 (2016. 11. 7)
2015年度春学期 画像情報処理 第12回 画像フィルタとフィルタ定理
2015年度春学期 画像情報処理 第12回 画像フィルタとフィルタ定理
2013年度春学期 画像情報処理 第10回「マセマティカル・モルフォロジ/画像の集合演算とオープニング」
2013年度春学期 画像情報処理 第10回「マセマティカル・モルフォロジ/画像の集合演算とオープニング」
2014年度春学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2014. 7. 9.)
2014年度春学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2014. 7. 9.)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
More from Akira Asano
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
Akira Asano
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
Akira Asano
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
Akira Asano
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
Akira Asano
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
Akira Asano
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
Akira Asano
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
Akira Asano
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
Akira Asano
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
Akira Asano
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
Akira Asano
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
Akira Asano
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
Akira Asano
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
Akira Asano
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
Akira Asano
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
Akira Asano
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
Akira Asano
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
Akira Asano
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
Akira Asano
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
Akira Asano
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
Akira Asano
More from Akira Asano
(20)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
2016年度秋学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2016. 12. 22)
1.
A.Asano,KansaiUniv. 2016年度秋学期 画像情報処理 浅野 晃 関西大学総合情報学部 画像フィルタとフィルタ定理 第12回
2.
A.Asano,KansaiUniv.
3.
A.Asano,KansaiUniv. フィルタ定理
4.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタとは フィルタ=濾過器 何かを投入すると 一定の作用を及ぼして 出力する
5.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタとは フィルタ=濾過器 何かを投入すると 一定の作用を及ぼして 出力する
6.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 画像処理におけるフィルタ 画像の各画素について,その画素および近傍の画素とでな んらかの演算を行なって,その結果で各画素を置き換える 各画素の輝度を上げる (あまりフィルタとは いわない) ぼかし=近傍の画素との 平均 輪郭強調=近傍の画素と の差を増強
7.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ 移動不変性 (translation-invariance) Ψ(Xb)
= [Ψ(X)]b
8.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ 移動不変性 (translation-invariance) Ψ(Xb)
= [Ψ(X)]b フィルタ
9.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ 移動不変性 (translation-invariance) Ψ(Xb)
= [Ψ(X)]b フィルタ 図形
10.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ 移動不変性 (translation-invariance) Ψ(Xb)
= [Ψ(X)]b フィルタ 図形 移動
11.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ 移動不変性 (translation-invariance) Ψ(Xb)
= [Ψ(X)]b フィルタ 図形 移動 移動してからフィルタを適用するのと, フィルタを適用してから移動するのとが同じ
12.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ 移動不変性 (translation-invariance) Ψ(Xb)
= [Ψ(X)]b フィルタ 図形 移動 移動してからフィルタを適用するのと, フィルタを適用してから移動するのとが同じ 移動不変でない (背景だけぼかし)
13.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ 増加性 (increasingness) X
⊂ Y ⇒ Ψ(X) ⊂ Ψ(Y )
14.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ 増加性 (increasingness) X
⊂ Y ⇒ Ψ(X) ⊂ Ψ(Y ) フィルタを適用する前後で 包含関係が保たれる
15.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ 増加性 (increasingness) ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 ノイズを残して図形を消去→増加的でない X ⊂
Y ⇒ Ψ(X) ⊂ Ψ(Y ) フィルタを適用する前後で 包含関係が保たれる
16.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→
17.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的
18.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 図形Y ノイズX ⊂
19.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 図形Y ノイズX ⊂ フィルタΨ
20.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 図形Y ノイズX ⊂ フィルタΨ 図形保存
21.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 図形Y ノイズX ⊂ フィルタΨ 図形保存 ノイズ消滅 ∅
22.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 図形Y ノイズX ⊂ フィルタΨ 図形保存 ノイズ消滅 ⊂∅
23.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 ノイズを残して図形を消去→増加的でない 図形Y ノイズX ⊂ フィルタΨ 図形保存 ノイズ消滅 ⊂∅
24.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 ノイズを残して図形を消去→増加的でない 図形Y ノイズX ⊂ フィルタΨ 図形保存 ノイズ消滅 ⊂∅ 図形Y ノイズX ⊂
25.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 ノイズを残して図形を消去→増加的でない 図形Y ノイズX ⊂ フィルタΨ 図形保存 ノイズ消滅 ⊂∅ 図形Y ノイズX ⊂ フィルタΨ
26.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 ノイズを残して図形を消去→増加的でない 図形Y ノイズX ⊂ フィルタΨ 図形保存 ノイズ消滅 ⊂∅ 図形Y ノイズX ⊂ フィルタΨ ノイズ保存
27.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 ノイズを残して図形を消去→増加的でない 図形Y ノイズX ⊂ フィルタΨ 図形保存 ノイズ消滅 ⊂∅ 図形Y ノイズX ⊂ フィルタΨ 図形消滅 ノイズ保存 ∅
28.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. 増加的フィルタとノイズ除去 ノイズ除去を例にすると ノイズ画素は,意味のある図形に比べて小さい→ 図形を残してノイズを除去→増加的 ノイズを残して図形を消去→増加的でない 図形Y ノイズX ⊂ フィルタΨ 図形保存 ノイズ消滅 ⊂∅ 図形Y ノイズX ⊂ フィルタΨ 図形消滅 ノイズ保存 ⊄ ∅
29.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ べき等性 (idempotence) 狭義のモルフォロジカルフィルタは,さらに Ψ[Ψ(X)] =
Ψ(X)
30.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ べき等性 (idempotence) フィルタを1回適用すれば, それ以上何度適用しても同じ 狭義のモルフォロジカルフィルタは,さらに Ψ[Ψ(X)] =
Ψ(X)
31.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. モルフォロジにおけるフィルタ べき等性 (idempotence) オープニング・クロージングは もっとも基本的な(狭義の)モルフォロジカルフィルタ フィルタを1回適用すれば, それ以上何度適用しても同じ 狭義のモルフォロジカルフィルタは,さらに Ψ[Ψ(X)] =
Ψ(X)
32.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理 移動不変で増加的なフィルタは,どんなフィルタでも, なんらかの構造要素群による エロージョンをORで組み合わせることで表せる
33.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理 移動不変で増加的なフィルタは,どんなフィルタでも, なんらかの構造要素群による エロージョンをORで組み合わせることで表せる Ψ(X) = B∈Ker[Ψ] X
⊖ ˇB
34.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理 移動不変で増加的なフィルタは,どんなフィルタでも, なんらかの構造要素群による エロージョンをORで組み合わせることで表せる Ψ(X) = B∈Ker[Ψ] X
⊖ ˇB Ker[Ψ] = {X | 0 ∈ Ψ(X)}.
35.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理 移動不変で増加的なフィルタは,どんなフィルタでも, なんらかの構造要素群による エロージョンをORで組み合わせることで表せる Ψ(X) = B∈Ker[Ψ] X
⊖ ˇB Ker[Ψ] = {X | 0 ∈ Ψ(X)}. フィルタの核(kernel)
36.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理 移動不変で増加的なフィルタは,どんなフィルタでも, なんらかの構造要素群による エロージョンをORで組み合わせることで表せる Ψ(X) = B∈Ker[Ψ] X
⊖ ˇB Ker[Ψ] = {X | 0 ∈ Ψ(X)}. フィルタの核(kernel) 原点
37.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理 移動不変で増加的なフィルタは,どんなフィルタでも, なんらかの構造要素群による エロージョンをORで組み合わせることで表せる Ψ(X) = B∈Ker[Ψ] X
⊖ ˇB Ker[Ψ] = {X | 0 ∈ Ψ(X)}. フィルタの核(kernel) 原点 事実上, 入力として可能な図形 すべて
38.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [1] Ψ(X)
⊇ B∈Ker[Ψ] X ⊖ ˇB を証明する
39.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [1] Ψ(X)
⊇ B∈Ker[Ψ] X ⊖ ˇB を証明する Ker[Ψ]に含まれるBについて X ⊖ ˇB に含まれる画素hを考える
40.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [1] Ψ(X)
⊇ B∈Ker[Ψ] X ⊖ ˇB を証明する Ker[Ψ]に含まれるBについて X⊖B̌ h X ⊖ ˇB に含まれる画素hを考える
41.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [1] Ψ(X)
⊇ B∈Ker[Ψ] X ⊖ ˇB を証明する Ker[Ψ]に含まれるBについて X⊖B̌ h X ⊖ ˇB に含まれる画素hを考える X ⊖ ˇB = {x|Bx ⊆ X}
42.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [1] Ψ(X)
⊇ B∈Ker[Ψ] X ⊖ ˇB を証明する Ker[Ψ]に含まれるBについて X⊖B̌ h X ⊖ ˇB に含まれる画素hを考える X ⊖ ˇB = {x|Bx ⊆ X} Bh ⊆ X
43.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [1] Ψ(X)
⊇ B∈Ker[Ψ] X ⊖ ˇB を証明する Ker[Ψ]に含まれるBについて X⊖B̌ h X ⊖ ˇB に含まれる画素hを考える X ⊖ ˇB = {x|Bx ⊆ X} Bh ⊆ X B ⊆ X−h
44.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 一方 BはKer[Ψ]に含まれるので X⊖B̌ h 0
∈ Ψ(B)
45.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 一方 BはKer[Ψ]に含まれるので X⊖B̌ h B
⊆ X−h 0 ∈ Ψ(B) 前ページ
46.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 一方 BはKer[Ψ]に含まれるので X⊖B̌ h B
⊆ X−h 0 ∈ Ψ(B) 前ページ 0 ∈ Ψ(X−h) 増加的
47.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 一方 BはKer[Ψ]に含まれるので X⊖B̌ h B
⊆ X−h 0 ∈ Ψ(B) 前ページ 0 ∈ Ψ(X−h) 増加的 h ∈ Ψ(X) 移動不変
48.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 一方 BはKer[Ψ]に含まれるので X⊖B̌ h B
⊆ X−h 0 ∈ Ψ(B) 前ページ 0 ∈ Ψ(X−h) 増加的 h ∈ Ψ(X) 移動不変 X ⊖ ˇB に含まれるどのhに ついてもなりたつ→
49.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 一方 BはKer[Ψ]に含まれるので X⊖B̌ h B
⊆ X−h 0 ∈ Ψ(B) 前ページ 0 ∈ Ψ(X−h) 増加的 h ∈ Ψ(X) 移動不変 Ψ(X) X ⊖ ˇB に含まれるどのhに ついてもなりたつ→ こうなる
50.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 Ker[Ψ]に含まれる任意の構造要素Bについて h ∈
X ⊖ ˇB ⇒ h ∈ Ψ(X) X⊖B̌ h Ψ(X)
51.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 Ker[Ψ]に含まれる任意の構造要素Bについて h ∈
X ⊖ ˇB ⇒ h ∈ Ψ(X) h X⊖B̌ X⊖B̌ h Ψ(X)
52.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 Ker[Ψ]に含まれる任意の構造要素Bについて h ∈
X ⊖ ˇB ⇒ h ∈ Ψ(X) h X⊖B̌ X⊖B̌ h Ψ(X) X⊖B̌ h
53.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 Ker[Ψ]に含まれる任意の構造要素Bについて こうなっている h ∈
X ⊖ ˇB ⇒ h ∈ Ψ(X) h X⊖B̌ X⊖B̌ h Ψ(X) X⊖B̌ h
54.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 Ker[Ψ]に含まれる任意の構造要素Bについて つまり こうなっている h ∈
X ⊖ ˇB ⇒ h ∈ Ψ(X) h X⊖B̌ X⊖B̌ h Ψ(X) X⊖B̌ hΨ(X) ⊇ B∈Ker[Ψ] X ⊖ ˇB
55.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [2] を証明するΨ(X)
⊆ B∈Ker[Ψ] X ⊖ ˇB
56.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [2] を証明する Ψ(X)に含まれる任意のhについて Ψ(X)
⊆ B∈Ker[Ψ] X ⊖ ˇB h ∈ Ψ(X)
57.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [2] を証明する Ψ(X)に含まれる任意のhについて Ψ(X)
⊆ B∈Ker[Ψ] X ⊖ ˇB 0 ∈ Ψ(X−h) h ∈ Ψ(X) 移動不変
58.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [2] を証明する Ψ(X)に含まれる任意のhについて Ψ(X)
⊆ B∈Ker[Ψ] X ⊖ ˇB 0 ∈ Ψ(X−h) h ∈ Ψ(X) 移動不変 X−h ∈ Ker[Ψ] 核の定義
59.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [2] を証明する Ψ(X)に含まれる任意のhについて Ψ(X)
⊆ B∈Ker[Ψ] X ⊖ ˇB 0 ∈ Ψ(X−h) h ∈ Ψ(X) 移動不変 X−h ∈ Ker[Ψ] X ⊖ ˇX−h = {h′ | (X−h)h′ ⊆ X} を考えると 核の定義
60.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [2] を証明する Ψ(X)に含まれる任意のhについて Ψ(X)
⊆ B∈Ker[Ψ] X ⊖ ˇB 0 ∈ Ψ(X−h) h ∈ Ψ(X) 移動不変 X−h ∈ Ker[Ψ] X ⊖ ˇX−h = {h′ | (X−h)h′ ⊆ X} を考えると 核の定義
61.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [2] を証明する Ψ(X)に含まれる任意のhについて Ψ(X)
⊆ B∈Ker[Ψ] X ⊖ ˇB 0 ∈ Ψ(X−h) h ∈ Ψ(X) 移動不変 X−h ∈ Ker[Ψ] X ⊖ ˇX−h = {h′ | (X−h)h′ ⊆ X} を考えると h′ = h のときもなりたつ 核の定義
62.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 [2] を証明する Ψ(X)に含まれる任意のhについて Ψ(X)
⊆ B∈Ker[Ψ] X ⊖ ˇB 0 ∈ Ψ(X−h) h ∈ Ψ(X) 移動不変 X−h ∈ Ker[Ψ] X ⊖ ˇX−h = {h′ | (X−h)h′ ⊆ X} を考えると h′ = h のときもなりたつ h ∈ X ⊖ ˇX−h 核の定義
63.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 X−h ∈
Ker[Ψ] h ∈ X ⊖ ˇX−h Ψ(X)に含まれる任意のhについて
64.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 そこで X-hをBと名付けると X−h
∈ Ker[Ψ] h ∈ X ⊖ ˇX−h h ∈ X ⊖ ˇB Ψ(X)に含まれる任意のhについて B ∈ Ker[Ψ]
65.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 そこで X-hをBと名付けると が存在する X−h
∈ Ker[Ψ] h ∈ X ⊖ ˇX−h h ∈ X ⊖ ˇB h ∈ Ψ(X) ⇒ h ∈ X ⊖ ˇB となる B ∈ Ker[Ψ] Ψ(X)に含まれる任意のhについて つまり B ∈ Ker[Ψ]
66.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 そこで X-hをBと名付けると が存在する X−h
∈ Ker[Ψ] h ∈ X ⊖ ˇX−h h ∈ X ⊖ ˇB h ∈ Ψ(X) ⇒ h ∈ X ⊖ ˇB となる B ∈ Ker[Ψ] Ψ(X)に含まれる任意のhについて つまり B ∈ Ker[Ψ] Ψ(X)
67.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 そこで X-hをBと名付けると が存在する X−h
∈ Ker[Ψ] h ∈ X ⊖ ˇX−h h ∈ X ⊖ ˇB h ∈ Ψ(X) ⇒ h ∈ X ⊖ ˇB となる B ∈ Ker[Ψ] Ψ(X)に含まれる任意のhについて つまり B ∈ Ker[Ψ] Ψ(X) h X⊖B̌
68.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 そこで X-hをBと名付けると が存在する X−h
∈ Ker[Ψ] h ∈ X ⊖ ˇX−h h ∈ X ⊖ ˇB h ∈ Ψ(X) ⇒ h ∈ X ⊖ ˇB となる B ∈ Ker[Ψ] Ψ(X)に含まれる任意のhについて つまり B ∈ Ker[Ψ] Ψ(X) h X⊖B̌ h X⊖B̌
69.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 そこで X-hをBと名付けると が存在する X−h
∈ Ker[Ψ] h ∈ X ⊖ ˇX−h h ∈ X ⊖ ˇB h ∈ Ψ(X) ⇒ h ∈ X ⊖ ˇB となる B ∈ Ker[Ψ] Ψ(X)に含まれる任意のhについて つまり B ∈ Ker[Ψ] Ψ(X) h X⊖B̌ h X⊖B̌ h X⊖B̌
70.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 そこで X-hをBと名付けると が存在する X−h
∈ Ker[Ψ] h ∈ X ⊖ ˇX−h h ∈ X ⊖ ˇB h ∈ Ψ(X) ⇒ h ∈ X ⊖ ˇB となる B ∈ Ker[Ψ] Ψ(X)に含まれる任意のhについて つまり B ∈ Ker[Ψ] Ψ(X) h X⊖B̌ h X⊖B̌ h X⊖B̌ よって
71.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 そこで X-hをBと名付けると が存在する X−h
∈ Ker[Ψ] h ∈ X ⊖ ˇX−h h ∈ X ⊖ ˇB h ∈ Ψ(X) ⇒ h ∈ X ⊖ ˇB となる B ∈ Ker[Ψ] Ψ(X)に含まれる任意のhについて つまり B ∈ Ker[Ψ] Ψ(X) h X⊖B̌ h X⊖B̌ h X⊖B̌ よって B∈Ker[Ψ] X ⊖ ˇB
72.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の証明 そこで X-hをBと名付けると が存在する X−h
∈ Ker[Ψ] h ∈ X ⊖ ˇX−h h ∈ X ⊖ ˇB h ∈ Ψ(X) ⇒ h ∈ X ⊖ ˇB となる B ∈ Ker[Ψ] Ψ(X)に含まれる任意のhについて つまり B ∈ Ker[Ψ] Ψ(X) h X⊖B̌ h X⊖B̌ h X⊖B̌ よって Ψ(X) ⊆ B∈Ker[Ψ] X ⊖ ˇB B∈Ker[Ψ] X ⊖ ˇB
73.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max)
74.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力
75.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ
76.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ [n/2 + 1]画素の サブウィンドウ
77.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ サブウィンドウ 内の画素値 [n/2 + 1]画素の サブウィンドウ
78.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ サブウィンドウ 内の画素値 10 20 30 50 20 [n/2 + 1]画素の サブウィンドウ
79.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ サブウィンドウ 内の画素値 10 20 30 50 20 [n/2 + 1]画素の サブウィンドウ
80.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ サブウィンドウ 内の画素値 10 20 30 50 20 10 10 20 2020 [n/2 + 1]画素の サブウィンドウ
81.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ サブウィンドウ 内の画素値 10 20 30 50 20 10 10 20 2020 ... [n/2 + 1]個の画素からなるすべてのサブウィンドウ [n/2 + 1]画素の サブウィンドウ
82.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ サブウィンドウ 内の画素値 10 20 30 50 20 10 10 20 2020 ... [n/2 + 1]個の画素からなるすべてのサブウィンドウ [n/2 + 1]画素の サブウィンドウ
83.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ サブウィンドウ 内の画素値 10 20 30 50 20 10 20 10 10 20 10 10 20 2020 ... [n/2 + 1]個の画素からなるすべてのサブウィンドウ
84.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 erosion→近傍内での最小値(min) OR→最大値演算(max) メディアンフィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内のメディアンを出力 10 15
10 20 10 10 30 50 20 10 10 10 20 10 10 10 20 10 10 10 10 10 10 10 10 ウィンドウ サブウィンドウ 内の画素値 10 20 30 50 20 10 20 10 10 20 10 10 20 2020 ... [n/2 + 1]個の画素からなるすべてのサブウィンドウ 各サブウィンドウ内の 最大値の中の 最小=メディアン
85.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 平均値フィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内の平均値を出力
86.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 平均値フィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内の平均値を出力 2つの値の平均を,最大と最小で表す
87.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 平均値フィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内の平均値を出力 2つの値の平均を,最大と最小で表す r:小 画素値 x y x –
r y + r r:大 x – rとy + rの 大きいほう x – rとy + rの 小さいほう 「大きいほう」の最小 =「小さいほう」の最大 =平均 y + r x – r x – r y + r
88.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 平均値フィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内の平均値を出力 2つの値の平均を,最大と最小で表す r:小 画素値 x y x –
r y + r r:大 x – rとy + rの 大きいほう x – rとy + rの 小さいほう 「大きいほう」の最小 =「小さいほう」の最大 =平均 y + r x – r x – r y + r
89.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 平均値フィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内の平均値を出力 2つの値の平均を,最大と最小で表す r:小 画素値 x y x –
r y + r r:大 x – rとy + rの 大きいほう x – rとy + rの 小さいほう 「大きいほう」の最小 =「小さいほう」の最大 =平均 y + r x – r x – r y + r
90.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 平均値フィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内の平均値を出力 2つの値の平均を,最大と最小で表す r:小 画素値 x y x –
r y + r r:大 x – rとy + rの 大きいほう x – rとy + rの 小さいほう 「大きいほう」の最小 =「小さいほう」の最大 =平均 y + r x – r x – r y + r
91.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 平均値フィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内の平均値を出力 2つの値の平均を,最大と最小で表す r:小 画素値 x y x –
r y + r r:大 x – rとy + rの 大きいほう x – rとy + rの 小さいほう 「大きいほう」の最小 =「小さいほう」の最大 =平均 y + r x – r x – r y + r
92.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 平均値フィルタ 画像上をウィンドウが1画素ずつ移動し,各画素でウィンドウ内の平均値を出力 2つの値の平均を,最大と最小で表す r:小 画素値 x y x –
r y + r r:大 x – rとy + rの 大きいほう x – rとy + rの 小さいほう 「大きいほう」の最小 =「小さいほう」の最大 =平均 y + r x – r x – r y + r
93.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 2つの値の平均を,最大と最小で ナ イ フ を 動 か して ゆ く AとBの2人がケーキを分ける。 2人とも大きい方がほしい。
94.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 2つの値の平均を,最大と最小で ナ イ フ を 動 か して ゆ く AとBの2人がケーキを分ける。 2人とも大きい方がほしい。 Aがナイフを端から動かして行き, Bが「ストップ」をかけて,ケーキ を切ってAが好きな方をとる
95.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. フィルタ定理の例 2つの値の平均を,最大と最小で ナ イ フ を 動 か して ゆ く AとBの2人がケーキを分ける。 2人とも大きい方がほしい。 Aがナイフを端から動かして行き, Bが「ストップ」をかけて,ケーキ を切ってAが好きな方をとる Bの立場では, 切ったあとAは大きい方を取るだろ うから,大きい方を最小にする
96.
A.Asano,KansaiUniv.
97.
A.Asano,KansaiUniv. 一般的なモルフォロジの表現 ~順序集合と束
98.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は,
99.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合),
100.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい.
101.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい. 近傍内の上限→dilation,下限→erosion
102.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい. 束(lattice)という 近傍内の上限→dilation,下限→erosion
103.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい. 束(lattice)という 束の例 (Hasse diagram) 近傍内の上限→dilation,下限→erosion
104.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい. 束(lattice)という 束の例 (Hasse diagram) a b c 近傍内の上限→dilation,下限→erosion
105.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい. 束(lattice)という 束の例 (Hasse diagram) 全順序集合 a b c 近傍内の上限→dilation,下限→erosion
106.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい. 束(lattice)という 束の例 (Hasse diagram) 全順序集合 a b c a b c e d 近傍内の上限→dilation,下限→erosion
107.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい. 束(lattice)という 束の例 (Hasse diagram) 全順序集合
c-dに順序はないが, c-dの上限はb,下限はe a b c a b c e d 近傍内の上限→dilation,下限→erosion
108.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい. 束(lattice)という 束の例 (Hasse diagram) 全順序集合
c-dに順序はないが, c-dの上限はb,下限はe a b c a b c e d a b e cd f h g 近傍内の上限→dilation,下限→erosion
109.
2016年度秋学期 画像情報処理 A.Asano,KansaiUniv. もっとも一般的なモルフォロジの表現 モルフォロジが定義できる集合は, 要素間の一部に順序が定義されていて(半順序集合), 任意の要素間に「上限」と「下限」が 定義されていればよい. 束(lattice)という 束の例 (Hasse diagram) 全順序集合
c-dに順序はないが, c-dの上限はb,下限はe a b c a b c e d a b e cd f h g 近傍内の上限→dilation,下限→erosion カラー画像のモルフォロジも,この考えにもとづく (ベクトルの順位付け)
Download now