fullseye
紙面の科学館 —— 2D 古典オペレータ・ウィング（14 の展示）
既存の「科学館ウィング(11 点)」「博物館ウィング(30 点)」と題材が重ならないよう、
古典的な 2-D オペレータだけで組んだ一角です。すべて Fullseye の登録 op の実出力で、
素材は合成か skimage.data(BSD / public domain)。キャプションの数字は生成時の実測値で、
docs/articles/assets/_wing2d_meta.json に生の配列が入っています。
並べ方は 3 通り: タイル(並べて比べるもの)、フリップブック GIF(同じ寸法で工程が 進むもの)、掃引 GIF(軸ラベルつきのグラフが主役のもの)。1 枚・1 本を 1 展示と数えています。
再生成: py -3.11 tools/gen_wing2d_gallery.py(展示名を指定するなら --subjects <name,...>)。
1. 形態学の 4 兄弟 —— どれが何を消すのか
↑ 形態学の 4 兄弟 —— どれが何を消すのか ―― 幅 2/4/6/8/10 px の棒と幅 2/4/6 px のスリットを刻んだ図形に、4 つの形態学 op を半径 1→4 px で当てた。膨張は面積を 39148→47296 px に増やし、収縮は 33212→25456 px に減らす。開は面積をほぼ保ったまま細い棒だけを落とし (r=1 で 4/6/8/10 px が生き残り、r=4 では 10 px だけ)、閉は細い隙間だけを埋める (r=1 で幅 2 px、r=4 で幅 2/4/6 px のスリットが消える)。使用 op: threshold, erosion_circle, dilation_circle, opening_circle, closing_circle, morph_grad。
2. 周波数フィルタの効き
↑ 周波数フィルタの効き ―― 同じ写真にローパス・ハイパス・バンドパスを当て、遮断周波数を 0.05→0.45 (正規化) で掃引した。ローパスの遮断を 0.05 から 0.45 へ上げると 元画像との PSNR は 22.33→36.13 dB。一方その通過帯に入っているスペクトルエネルギーは遮断 0.05 の時点ですでに 98.27% —— 「エネルギーのほとんどは低周波にあるのに、見た目は高周波が決めている」という画像の癖がそのまま数字に出る。帯域を落とせば応答は必ず符号を持つが、highpass と bandpass_image はその 0 を 0.5 に写した [0,1] を返す —— この掃引の全 9 点で最小値は 0.0201 / 0.0205、負の画素は 0.0% だった (画素の約半分が無言で黒に潰れる実装ではもう無い)。使用 op: fft_image, lowpass, highpass, bandpass_image。
3. ノイズ除去の比較 —— median / bilateral / NLM
↑ ノイズ除去の比較 —— median / bilateral / NLM ―― 同じ写真に σ=0.020→0.220 の白色ノイズを乗せ、median・bilateral・non-local means を固定パラメータで当てて PSNR を実測した 6 パネル。弱いノイズ (σ=0.020) では bilateral が 30.00 dB で最良だが、強いノイズ (σ=0.220) では median が 23.09 dB で逆転する —— 「どれが一番強いか」はノイズ量と設定次第で、掃引の途中で順位が 2 度入れ替わった。ノイズ画像そのものは 34.04→14.34 dB。同じ画像を estimate_noise に渡すと 0.0263→0.1920 が返り、真値の 131%→87% にあたる —— 上端に張り付く点は 0/9 で、σ が 3 倍違えば返り値も違う (この op は σ そのものを返す契約になった)。使用 op: add_noise_white, median, bilateral, sk_nlm, estimate_noise。
4. ヒストグラム整形 —— clahe の clip limit を振る
↑ ヒストグラム整形 —— clahe の clip limit を振る ―― 文書画像のコントラストを 1.00→0.16 倍まで潰していき、equalize と clahe で戻せるかを追った。見どころは clahe の第 2 引数 b = clip limit(ビン平均カウントに対する倍率 256^b。b=0 → ×1 = 強調ゼロ、b=1 → ×256 = 切り取りが一度も効かない素の AHE、OpenCV 既定の clipLimit=40 は b≈0.665 相当)。入力の標準偏差が 0.2228→0.0356 まで落ちるとき、b=0.00 は 0.2169→0.0537、b=0.50 は 0.2403→0.1709、b=1.00 は 0.2379→0.2510。同じ 1 枚に対する b=0 と b=1 の画素差は最大 0.7169 まで開く —— つまみ 1 本で「入力の潰れをどこまで無視して持ち上げるか」が決まる。equalize は画像全体を 1 枚の写像で平坦化するので 0.2931→0.2994 と最後まで幅を保つが、その代わり照明ムラは残ったままだ。使用 op: equalize, clahe, gray_histo_abs, entropy_gray。
5. 楕円フーリエ記述子 —— 何次で形が戻るか
↑ 楕円フーリエ記述子 —— 何次で形が戻るか ―― 1557 点の輪郭を楕円フーリエ記述子に直し、高調波を 1 次から 24 次まで足しながら復元した。1 次 (楕円 1 個) では最近傍 RMS 誤差 25.39 px、15 次で 1 px を切り、24 次では 0.45 px。誤差が大きく落ちるのは 2・4・6 次を足したときで、偶数次を足したときの平均低下 1.955 px に対し奇数次では 0.134 px しか下がらない —— r = 146 + 40sin3θ + 20cos5θ + 12sin9θ という作り方が、閉曲線としては n±1 次(= 偶数次)に現れるためだ。使用 op: gen_region_polygon_filled, gen_contour_region_xld, elliptic_fourier, reconstruct。
6. 対応点モーフ —— 単純合成との違い
↑ 対応点モーフ —— 単純合成との違い ―― 対応点 11 個 (輪郭の楕円上 8 点 + 両目 + 口) だけを与えて顔 A から顔 B へモーフさせた 6 パネル。対応点を使わない単純合成は途中で二重像になるが、piecewise affine と TPS は輪郭も目も口も対応させたまま連続的に動く。両端は入力を厳密に再現し (α=0 で A と PSNR 99.0 dB、α=1 で B と 99.0 dB = 完全一致の上限値)、2 つのワープ方式の差は α=0.5 で平均 0.00802 にとどまる。使用 op: morph (imagemorph), warp_piecewise_affine, warp_tps_image, blend。
7. ブロブ解析 —— 真円度で粒を選り分ける
↑ ブロブ解析 —— 真円度で粒を選り分ける ―― 円 8 個・楕円 1・四角 1・板 2・三角 1 を混ぜた合成シーンを二値化 → 穴埋め → ラベル付けし、blob_count が 13 個と数えた。真円度 (circularity) 0.85 をしきい値にすると採用 8 個 (真円度 0.912〜0.916)、不採用 5 個 (0.416〜0.797) にきれいに割れる —— 特徴空間の散布図でも 2 つの群がしきい値をまたいで重なっていない。5 コマ目の十字は area_center が返した中心で、この op は (面積比, 行, 列) の 3 成分を [0,1] 正規化して返す —— 画素に戻して独立に計算した重心と比べると差は最大 0.000 px、13 個すべてが自分の粒の上に乗った。使用 op: threshold, fill_up, blob_count, colorize_labels, circularity, eccentricity, rectangularity, area_center。
8. サブピクセル計測 —— 画素より細かく測る
↑ サブピクセル計測 —— 画素より細かく測る ―― ガウスぼけしたエッジの真の位置を 0.05 px 刻みで 1 画素ぶん動かし、measure_pos の推定と「勾配が最大の画素」を比べた。サブピクセル推定の誤差は RMS 0.0119 px・最大 0.0170 px、画素単位の推定は RMS 0.282 px・最大 0.50 px。同じ画像・同じエッジで 24 倍の差が出る —— 画素の格子は、測れる細かさの限界ではない。使用 op: gen_measure_rectangle2, measure_pos (m1_measure_pos)。
9. 形状マッチング —— 回っていても見つける
↑ 形状マッチング —— 回っていても見つける ―― 96×96 px のテンプレートから作った形状モデルで、23° ずつ回した部品 (探索格子 5° の倍数を避けた角度) を 16 枚のシーンから探した。5° 刻みで角度も探索させると、角度の誤差は最大 2.0°(探索格子 5° の半分 = 2.5° がそもそもの下限)、位置の誤差は最大 0 px、スコアは最低でも 0.864。1 シーンあたり約 2.4 秒(CPU、72 角度ぶんの探索を含む)。使用 op: create_shape_model, find_shape_model (角度探索つき)。
10. 帳票の傾き補正 → 二値化 → バーを数える
↑ 帳票の傾き補正 → 二値化 → バーを数える ―― 合成の帳票を 0→42° と傾けながら、回転角を 0.5° 刻みで振って「行方向プロファイルの分散が最大になる角」を探した。推定誤差は全域で最大 0.0°(11° のときは真値どおり 11.0°)で、補正後の decode_barcode はどの傾きでも真値の 8 本を返す。補正しないと 30° で 7 本に落ち、42° では 5 本まで取りこぼす —— 前処理を 1 段挟むかどうかで、同じ op の答えが変わる。なお rotate_image は reshape=False + mode=’reflect’ なので、回すと四隅に元の文字が鏡映で折り返して写り込む(この展示では消していない)。使用 op: rotate_image, otsu, decode_barcode。
11. 輪郭の当てはめと残差
↑ 輪郭の当てはめと残差 ―― 縁が 72 px 欠けた円と直線に、輪郭からの当てはめを掛けた 6 コマ。輪郭の全点で当てると半径は真値 210.0 px に対し 206.95 px (誤差 -3.05 px、残差 RMS 12.96 px) —— 欠けの縁が当てはめを引っ張っており、残差 3σ を超える 91 点を落として当て直すと 209.19 px (誤差 -0.81 px、RMS 6.21 px) まで戻る。直線は真値 73.20° に対し 73.21°(誤差 +0.006°)で、「当てはまった値」より「合わなかった場所」の方が情報が多い。使用 op: threshold, opening_circle, gen_contour_region_xld, sobel_amp, fit_circle, fit_line。
12. 色空間ツアー —— どの空間なら分けられるか
↑ 色空間ツアー —— どの空間なら分けられるか ―― 同じ赤で塗った 2 つの円を、左は 0.35 倍・右は 1.0 倍の明るさで照らした合成シーンを 6 チャンネルで見た 9 パネル。1 本のしきい値で赤い 2 円を取り切れるかを IoU で測ると HSV の H (色相)・Lab の a (赤-緑) が 1.000 に届き、Lab の L (明るさ) は最良でも 0.250 —— 明るさを含むチャンネルでは、同じ色が照明で 2 つに割れてしまう。なお HSV の H は cv2 由来で 0..179 を 255 で割った値、つまり度÷510 で返る(純緑 120° が 0.2353 —— 実測して確かめた単位)。使用 op: trans_from_rgb, access_channel, rgb1_to_gray。
13. テクスチャの見分け —— 特徴量で模様を分ける
↑ テクスチャの見分け —— 特徴量で模様を分ける ―― 3 種類の模様を 64×64 px の小片 48 枚に切り分け、GLCM energy・entropy・標準偏差・ノイズ推定・4 方向の Gabor 応答の 8 個を特徴量にして leave-one-out の最近傍重心で分類したところ 47/48 = 97.9% が正解だった。見た目が似ていても、GLCM energy は 0.236 / 0.148 / 0.212 と離れている —— 「模様」は数字にできる。Gabor の 4 方向は、模様が向きを持つかどうかをそのまま映す: レンガは横目地が効いて θ=0°/45°/90°/135° の平均応答が 0.01072 / 0.00680 / 0.02997 / 0.00676 と θ=90° に偏り (最大÷最小 4.43 倍)、縦横が同居する織り目は 0.01763 と 0.01778 でほぼ同値、方向を持たない 1/f 粒状も同じ 1.35 倍にとどまる。向きで割れない織り目と粒状を分けているのは応答の絶対値で (0° の平均が 0.01763 対 0.01292)、これは gabor がカーネルの L1 ノルムで割る固定スケールを返すから残る量だ —— 画像ごとの最大値で割る正規化では、向きごと・模様ごとに別の数で割ってしまいこの差は消える。使用 op: cooc_feature_matrix, entropy_gray, gray_histo_abs, estimate_noise, gabor, sk_lbp。
14. 回し続けると何が失われるか (リサンプリング損失)
↑ 回し続けると何が失われるか (リサンプリング損失) ―― 同じ画像に 10° の回転を 36 回かけると、幾何としては一周して元の向きに戻るのに、画素は戻らない。中央部だけで測っても元画像との PSNR は 26.81 dB、中央の「細かさ」(画像 − ローパスの標準偏差) は元の 64.4% まで落ちる(画像全体では 23.98 dB。その差の大半は端の処理 —— rotate_image は reshape=False + mode=’reflect’ —— によるもので補間の損失ではない)。ついでの実測として zoom_image_factor / zoom_image_size / rescale_img の 3 op は それぞれ別実装で、同じ入力 (a=0.9, b=0.5) に対する最大差は factor↔size 0.973 / factor↔rescale 0.966。使用 op: rotate_image, gauss_image, zoom_image_factor, zoom_image_size, rescale_img。