
10.2
画像の読み込みと表示
203
な結果と直接関係することがないからです。その代わりに、画像から特徴量を抽出して、その特徴量
を用いてクラス分類を行うというのが定番のアプローチです。
ピクセルの値をそのまま用いる手法はいくつかあります。それらの手法には特徴量を計算するモ
ジュールが中に含まれており、良い特徴量を自動で学習しようとするものもあります。そのような手法
は現在盛んに研究されているテーマです。
先ほどの例では「建物」クラスの画像を用いました。図10-10に示すのは「テキスト」と「風景」の
画像の例です。
図10-10
パターン認識は画像におけるクラス分類
歴史的経緯から、画像におけるクラス分類のことをパターン認識(pattern recognition)と呼
ばれるようになりました。しかし、これはこれまでのクラス分類手法を画像に対して適用した
に過ぎません。画像を扱う場合、画像特有の問題を考える必要があります。本章ではそのよ
うな画像特有の問題について考えていきます。
10.2.4
画像から特徴量を計算する
mahotasを用いると、画像から簡単に特徴量を計算することができます。
mahotas.features
と
いう名前のモジュールがあり、そのモジュールには特徴量を計算する関数が用意されてあります。
よく使われる特徴量にHaralickテクスチャ特徴量というものがあります。多くの手法がそうであるよ
うに、この手法の名前にも発明者の名前が使われています。この特徴量はテクスチャベースの特徴量
です。な