大規模データ処理への展開

 9,316 x 6,218 画素 ⇒  57,926,888 オブジェクト化

図１、NASAのサイトからダウンロードした画像（１０％に縮小して表示：原画は 9316x6218 画素）
        http://www.nasa.gov/sites/default/files/thumbnails/image/23915159644_7c3247d4a7_o.jpg

図２、色情報を使って領域分割した画像に対して多値データ対応ラベリング処理を行い、各領域に疑似カラーを割り当てた画像

図３、ラベリングされた画像と原画像を比較し、識別領域毎の平均カラーを算出して、識別領域を平均カラーで置き換えた画像

この画像データ（図３）から、オブジェクトを生成し、ランダムに並び替えた後、二つのオブジェクトに対して下記の条件で
グループ化を行えは、カラー画像に対するラベリング（多値データの4連結ラベリング処理 図２）と等価な結果が得られる。
　１、選択された二つのオブジェクト中の、色情報要素に、同じ値を持っている。
　２、選択された二つのオブジェクト中の、座標情報において、下記条件を満たす。
　　　ｘ の値が等しく、ｙの値が±１の範囲に収まるか、又は ｙの値が等しく、ｘの値が±１の範囲に収まる。
　３、全ての組み合わせに対し、上記条件 １，２ を満たす比較処理が行われ、結果を反映（グループ化）する。

画像を不規則なオブジェクト化する方法は、以下の通り
１、オブジェクトの要素を定義する。
　　 typedef struct OBJECT { int value, x, y, lx, ly, group_id, random; } OBJECT;
２、原画像の画素数（ lx X ly 個 ）分のオブジェクトを生成する。
３、生成したオブジェクトに、画像情報を登録する。（この時点でオブジェクトには、登録順の位置関連性が存在している）
４、OBJECT の random 要素に乱数を登録する。
５、全オブジェクトを random 要素で、ソート処理を行う。（この時点でオブジェクトは、不規則な並びに置き換えられる）

図４、ランダムに並べ替えたオブジェクトからの要素を、座標原点より lx 方向に並べ、更に y 方向に ly 回繰り返し生成した画像

このオブジェクトデータを、前記ルールでグループ化すると、画像処理における多値ラベリング処理と等価な結果が得られる。
画像処理の場合、識別番号はラベル番号と呼ばれ、ラベリング処理はこの番号を付与する処理である。　
本処理においては、条件を満たすオブジェクトを纏めてグループ分けするので、この処理でグループに割り当てる識別番号は、
グループID と呼ぶ。
グループIDは、ラベル番号と同様に数値なので識別性は高くない。画像処理で、ラベル番号を疑似カラー化する手法を流用し、
グループID を画像表示に適した疑似カラー化を行う。グループ番号を疑似カラー化して画像を構築しても、図４と同様に配置
され、適応したルールが正しく反映されてグループ化が行われたかを判断する事は出来ない。
本問題を解決する為に、オブジェクトの要素である、座標情報を用いて画素の再配置処理を行う。もし、グループ化のルール
が正しく適応され、正しいグルーピンングがされたなら、グループIDを疑似カラー化し画像の画素データとした後、画素の再配
置処理を行えば、図２ と等価な画像が得られる。

ラベリング処理で割り当てられたラベル番号と、グループ化処理で割り当てたグループIDには何ら関連性が無い。
それ故、2種類の番号は全く異なった値となる。同じ疑似カラー手法を用いても、割り当てられた番号が異なるため、
同じ疑似カラーになる事はなく、その領域の形状のみが同じ（ラベリング処理と等価なルールを使用しているので）になる。

後は、グループ化処理を実行するのみ。　　　　　　 なのですが...