[論文レビュー] Image Triangulation Using the Sobel Operator for Vertex Selection (Media Exposition)

Olivia Laske, Lori Ziegelmeier|arXiv (Cornell University)|Jan 1, 2024

Image Retrieval and Classification Techniques被引用数 2

ひとこと要約

本論文では、Sobelエッジ検出演算子と点群のスパarsificationを用いてDelaunay三角形分割の頂点を選択するPythonベースの画像三角形分割アルゴリズムを提示している。グレースケール変換、画像のシャープング、しきい値付きのSobelエッジ検出、密度ベースのサンプリングを適用することで、画像の特徴を保持しながら頂点数を削減し、元のピクセル値から導かれる色塗りのされた三角形を含む、芸術的で抽象的な三角形分割画像を生成する。

ABSTRACT

Image triangulation, the practice of decomposing images into triangles, deliberately employs simplification to create an abstracted representation. While triangulating an image is a relatively simple process, difficulties arise when determining which vertices produce recognizable and visually pleasing output images. With the goal of producing art, we discuss an image triangulation algorithm in Python that utilizes Sobel edge detection and point cloud sparsification to determine final vertices for a triangulation, resulting in the creation of artistic triangulated compositions.

研究の動機と目的

• 計算幾何学と画像処理を用いて、再現可能で芸術的な画像三角形分割パイプラインの開発。
• 画像の特徴を保持しながら複雑さを低減する、視覚的に意味のある頂点を選択する課題への対処。
• 抽象化レベルをしきい値と密度パラメータで制御可能にすることで、美的な結果を得ること。
• エッジに注意を払った頂点選択が、ランダムな点サンプリングよりも画像の整合性を保つことを示すこと。
• 芸術的画像三角形分割用にカスタマイズ可能でオープンソースの実装を提供すること。

提案手法

• 標準的な輝度式を用いて入力画像をグレースケールに変換：c = 0.299R + 0.587G + 0.114B。
• 2次元畳み込みを介してラプラシアンシャープニングカーネル（L）を適用し、エッジコントラストを強化。これにより、(n−2)×(n−2)の画像が得られる。
• xおよびyのカーネルを用いたSobel演算子を用いて勾配の大きさを計算：G = √(G²ₓ + G²ᵧ)。エッジピクセルを特定する。
• ユーザーが定義したしきい値t（50に設定）以上のピクセルをフィルタリングし、強力なエッジ特徴のみを保持する。
• 密度パラメータd（60に設定）を用いて、しきい値を適用したエッジ集合から|S|/d個の点を均等にサンプリングし、頂点の密度を低減する。
• サンプリングされた点に対してDelaunay三角形分割を実行し、各三角形にその重心の平均色を割り当て、元の画像のRGB値にマッピングする。

実験結果

リサーチクエスチョン

• RQ1 ランダムな点配置と比較して、Sobelエッジ検出が芸術的画像三角形分割の頂点選択にどのように寄与するか？
• RQ2 しきい値tの変更が、生成される三角形の数と視覚的品質に与える影響は何か？
• RQ3 密度パラメータdが三角形分割の複雑さ、実行時間、視覚的明瞭度に与える影響は何か？
• RQ4 エッジに注意を払った頂点サンプリングは、ランダムな点サンプリングよりも少ない頂点数で画像特徴を保持できるか？
• RQ5 三角形分割出力における、画像忠実度と芸術的抽象化の間にはどのようなトレードオフがあるか？

主な発見

• Sobelのしきい値tを25から75に引き上げると、頂点数と三角形数が顕著に減少し、より抽象的で単純化された構成が得られる。
• 密度パラメータdを35から85に引き上げることで、頂点数が減少し、小さな三角形のクラスタが解消され、視覚的明瞭度が向上し、計算時間も短縮される。
• t = 50かつd = 60の場合、約1000個の頂点が得られ、主要な画像特徴を保持しながら芸術的で魅力的な結果が得られる。
• 約1000個の頂点をランダムに配置した場合、画像の構造的特徴が失われる一方で、エッジに基づくサンプリングでは画像の骨格が保持される。
• 最終的な三角形分割画像では、元の画像からの重心ベースの色割り当てがなされており、各三角形内での色の近似が正確に保たれる。
• 本手法により、ユーザーが抽象化レベルを制御可能である：tやdの値を高くするとより抽象的な結果が得られ、低くするとより忠実な表現が得られる。