
192
10
章 コンピュータビジョン:パターン認識
とえば、照明変動を正規化するなど)。
本章ではクラス分類に関する問題を扱います。画像に対してサポートベクターマシンなどの分類器
によって学習が行えるようにしたいと思います。したがって、機械学習手法を適用する前に、画像か
ら特徴量を抽出する必要があります。
本章の最後では局所特徴量(local feature)について学びます。これは比較的最近の手法で(この分
野で先駆者となったSIFT(Scale-invariant feature transform)が始めて登場したのは1999年でした)、
多くの問題で目覚ましい結果が報告されています。
10.2
画像の読み込みと表示
画像を操作するために、私たちはmahotasと呼ばれるパッケージを用いることにします。mahotas
はオープンソース(MITライセンスのため、どのようなプロジェクトでも利用できます)であり、Luis
Pedro Coelho(本書の著者の一人)によって開発が行われています。幸いにも、mahotasはNumPyに
基いて開発さ
れています。そのため、これまで学んできたNumPyに関する知識を画像処理でも用いる
ことができます。画像処理を行うパッケージは他にもscikit-image(Skimage)やSciPyのndimageモ
ジュール、OpenCVのPythonバインディングなどがあります。これらは全てNumPyを一緒に使うこ
とができるので、他のパッケージと一緒に機能を融合させて