この記事では、BufferedImageOp インターフェースを実装することで Java 2D によるカスタムの画像処理クラスを作成する方法を説明します。その説明のなかでは 2 次元の CA (cellular automaton: セル・オートマトン) である巡回空間を使って画像処理アプリケーションを作成します。CA が画像 (例えば JPEG ファイルなど) に対して「演算」を行うと、その画像が時間と共に興味深い形で変化していきます。皆さんがこの記事を読むことでまったく新しい種類の画像処理アプリケーションを作成する可能性を見出せることを祈っています。

2 次元セル・オートマトン

2 次元セル・オートマトンは、一般的に宇宙 (universe) と呼ばれる 2 次元格子のセルで構成されます。各セルには状態があり、状態は 0 と n の間の整数と考えることができます。リスト 1 は Java コードでセル・オートマトンの宇宙を宣言する方法を示しています。

protected int[][] universe;

仮想的なクロックのティックごとに、セル群は一斉にセルの状態を更新します。あるセルの新しい状態は、そのセルの現在の状態と、そのセルに隣接するセル群の現在の状態により、特定のルールに従って決まります。リスト 2 はクロック・ティックごとに宇宙を更新します。

public void update() {
    int[][] newUniverse = new int[rowCount][colCount];
    for (int row = 0; row < rowCount; row++) {
        for (int col = 0; col < colCount; col++) {
            newUniverse[row][col] = updateCell(row, col);
        }
    }
    for (int row = 0; row < rowCount; row++) {
        for (int col = 0; col < colCount; col++) {
            universe[row][col] = newUniverse[row][col];
        }
    }
}

protected abstract int updateCell(int row, int col);

各セルをどのように更新するかを決めるルールは CA のタイプによって異なります。ルールの定義はサブクラスに委譲されます。

巡回空間

巡回空間では、各セルは n 個の状態のうちの 1 つの状態を取ることができます。通常、各セルの初期状態はランダムに指定され、0 と (n-1 を含む) n-1 の間の乱数になります。あるセルに隣接するセル (そのセルの上下左右にある 4 つのセル) はフォン・ノイマン近傍と定義されます。

リスト 3 は、あるセルの隣接セルとそのセル自体の座標の差を指定することによって、そのセルのフォン・ノイマン近傍を定義しています。

protected static final int[][] VON_NEUMANN_NEIGHBORHOOD = { { -1, 0 },
        { 1, 0 }, { 0, -1 }, { 0, 1 } };

巡回空間は以下のルールで定義されます。

k という状態のセルの隣に k + 1 という状態のセルがある場合、そのセルは次のクロック・ティックで k + 1 という新しい状態になる。それ以外の場合には、そのセルの状態は同じままに保たれる。

このルールは巡回的です。つまり、あるセルが n - 1 という状態にあり、その隣に 0 という状態のセルがある場合には、そのセルの状態は次のクロック・ティックで 0 になります。

この単純なルールから、思いもよらない複雑な振る舞いが生まれます。リスト 4 はこのルールを巡回空間でのセルの更新に実装しています。

protected int updateCell(int row, int col) {
    int[] neighborStates = getNeighborStates(row, col, neighborhood);
    int currentState = universe[row][col];
    for (int i = 0; i < neighborStates.length; i++) {
        int neighborState = neighborStates[i];
        if (neighborState == (currentState + 1) % n) {
            return neighborState;
        }
    }

    return currentState;
}

先ほど触れたように巡回空間の宇宙の初期状態はランダムです。セルは、「より大きな」セルに「食べられ」、最終的には状態 0 に再び戻ります。こうしたセルの動きの間、いくつもの区画が自分で形を整えて広がり、波のようになります。そして最終的には、安定した波のパターンが生まれます。これらの波は宇宙を斜めに移動し、ちょっとした回転花火のように見えます。

上に戻る

画像処理プログラムを作成する

java.awt.image.BufferedImageOp インターフェースを使うと、独自の画像処理プログラム (フィルターとも呼ばれます) を作成することができます。この記事では BufferedImageOp の 1 つのメソッド (下記) のみに注目します。

BufferedImage filter(BufferedImage src, BufferedImage dest)

src と dest はピクセルで構成される 2 次元の格子です。このメソッドを実装すると、src からお望みの方法で dest を構成することができます。通常の方法としては、src のピクセルに対して繰り返し処理を行い、対応する dest のピクセルを何らかのルールに従って作成します。これを私の画像処理アプリケーションの中で行います。私はこの画像処理アプリケーションを、有名なフランスの画家 Georges-Pierre Seurat (ジョルジュ・ピエール・スーラ) の名前にちなんで Seurat と呼ぶことにします (完全なサンプル・コードは「ダウンロード」セクションにあります)。

Seurat アプリケーション

画像のピクセルと CA のセルの間にしかるべきマッピングがあるはずだと考えた人がいるかもしれません。ピクセルも CA のセルも 2 次元の格子の中にあり、それぞれが状態を持っています (ピクセルの場合には、RGB (赤、緑、青) の値です。このしかるべきマッピングを filter(BufferedImage src, BufferedImage dest) の実装に利用します。src の各ピクセルに対して、そのピクセルの RGB 値と、対応する CA のセルの状態とを一定のルールに従って組み合わせ、対応する dest のピクセルの新しい RGB 値を作成します。このルールによってフィルターを定義します。

リスト 5 は src のすべてのピクセルに対して繰り返し処理を行い、dest のピクセルを作成する方法を示しています。抽象メソッド getNewRGB(Color) は個々のフィルターによって定義されます。このメソッドは入力される色をフィルタリングした RGB 値を計算して返します。

public BufferedImage filter(BufferedImage src, BufferedImage dest) {
    if (dest == null)
        dest = createCompatibleDestImage(src, null);

    int srcHeight = src.getHeight();
    int srcWidth = src.getWidth();
    for (int y = 0; y < srcHeight; y++) {
        for (int x = 0; x < srcWidth; x++) {
            // Get the pixel in the original image.
            int origRGB = src.getRGB(x, y);
            Color origColor = new Color(origRGB);

            // Get the new RGB values from the filter.
            int[] newRGB = getNewRGB(origColor);

            // Convert the pixel coordinates to the CA coordinates by
            // scaling.
            int cAY = (int) ((double) twoDCellularAutomaton
                    .getRowCount()
                    / (double) srcHeight * y);
            int cAX = (int) ((double) twoDCellularAutomaton
                    .getColCount()
                    / (double) srcWidth * x);
            // Get the state of the corresponding CA cell.
            int state = twoDCellularAutomaton.getState(cAY,
                    cAX);
            // Determine the weight of the filtered RGB values depending on
            // the state.
            double filterProportion = (double) state
                    / (double) twoDCellularAutomaton.getN();

            // Determine the weighted average between the filtered RGB
            // values and the image RGB values.
            int weightedRed = (int) Math.round(newRGB[0] * filterProportion
                    + origColor.getRed() * (1.0 - filterProportion));
            int weightedBlue = (int) Math.round(newRGB[1]
                    * filterProportion + origColor.getBlue()
                    * (1.0 - filterProportion));
            int weightedGreen = (int) Math.round(newRGB[2]
                    * filterProportion + origColor.getGreen()
                    * (1.0 - filterProportion));

            // Set the pixel in dest with this weighted average.
            dest.setRGB(x, y, new Color(weightedRed, weightedBlue,
                    weightedGreen).getRGB());
        }
    }

    return dest;
}

abstract protected int[] getNewRGB(Color color);

画像のピクセルと CA のセルとの間に 1 対 1 のマッピングを使っていないことに気付いた人がいるかもしれません。CA は (少なくともほとんどの場合に) ピクセルほどきめ細かくないのです。私は元々パフォーマンスの理由からこのようにしたのですが、CA の宇宙にさまざまなサイズを使うと、ピクセル化による興味深い効果を持たせることができます。

リスト 6 は、ある特定の getNewRGB(Color) の実装を示しています。この実装は私が「RGB 補色」と呼ぶ値を計算しますが、「RGB 補色」は真の補色ではありません。(真の補色を計算するフィルターも興味深いフィルターですが、そのコーディングは単純ではありません。)

protected int[] getNewRGB(Color c) {
    int red = c.getRed();
    int newRed = getComplement(red);
    int green = c.getGreen();
    int newGreen = getComplement(green);
    int blue = c.getBlue();
    int newBlue = getComplement(blue);

    return new int[] { newRed, newGreen, newBlue };
}

private int getComplement(int colorVal) {
    // 'Reflect' colorVal across the mid-point 128.
    int maxDiff = colorVal >= 128 ? -colorVal : 255 - colorVal;
    // Divide by 2.0 to make the effect more subtle. Could also just use
    // maxDiff for a more garish effect.
    int diff = (int) Math.round(maxDiff / 2.0);
    int newColorVal = colorVal + diff;

    return newColorVal;
}

こうする他に、getNewRGB(Color) を一般化し、変換対象のピクセルの色だけではなく、隣接する 8 つのピクセルの色も渡すようにすることもできます。そうすれば、フィルタリングされたピクセルの色が隣接セルの色に依存するような何らかの他の効果 (ぼかしやエッジ検出など) を得ることができます。これは素晴らしい機能強化になります。

最後に、CA のクロック・ティックに合わせて画像を更新することで画像をアニメーション化します。このためには javax.swing.Timer を使います。(これは変化する画像をアニメーション化するための簡単な方法ですが、最善の方法ではありません。Jonathan Knudsen による著書『Java 2D Graphics』には、アニメーションを作成するための、もっと複雑で優れた方法が紹介されています。「参考文献」を参照。)

Seurat を実行する

図 1 はジョルジュ・スーラ (Georges Seurat) が 1884年に描いた点描画の名作「グランドジャット島の日曜日の午後」の写真です。

では、スーラの絵に対して RGB 補色フィルターを使って Seurat アプリケーションを実行します。図 2 は、巡回空間がランダムな初期状態にある場合に、この絵に RGB 補色フィルターをかけたものを示しています。

図 3 は、重みの異なるいくつかのパターンで巡回空間が秩序の取れたパターンへと自己構成を開始した状態 (ただし大部分はランダムのまま) で RGB 補色フィルターをかけたときの絵を示しています。

図 4 は 巡回空間が最終的な安定状態で RGB 補色フィルターをかけたときの絵を示しています。

しかし静止した絵を見ても、フィルターや CA の真価はわかりません。(そもそも、このアプリケーションは静止画をアニメーション化するために作成されたものです。) 皆さんには、実際にこの Java アプレットを実行してフィルターと CA によって絵が変化する様子を見るようにお薦めします (「参考文献」にはライブのデモへのリンクがあります)。

美的観点からの考察

一部の人は「グランドジャット島の日曜日の午後」のような偉大な絵画に対して画像フィルタリング・アプリケーションを実行することは冒とくだと考えるかもしれません。その意見には大いに賛成しますが、私はこの絵を単なる例として使っているにすぎません。私の主たる目的は、単純なセル・オートマトンを使うことによって画像を複雑で興味深いアニメーションにする方法を示すことであり、有名な絵画はそのサンプルとして好都合だったのです。

さまざまなタイプの絵画に対して Seurat を実行したところ、抽象画の場合にも具象画の場合にも興味深い結果が得られましたが、Seurat の効果が最も発揮されたのはモダン・アート (特にポップ・アート) のようでした。例えば Jasper Johns の絵画「Flag」に対して Seurat を実行すると、非常に興味深いパターンが現れました。「Flag」の直線に対して巡回空間による斜めの線はとても効果的でした。また Jackson Pollock のドリップ・ペインティングに Seurat を実行した場合にも興味深い結果が得られました。例えば、巡回空間による CA が Pollock の「Blue Poles」に広がっていくと、複雑な模様のディテールが隠れたり見えたり、また再び隠れたりするため、その変化に応じて見る人の注意がさまざまな部分に注がれることになります。写真にも効果的で、Ralph Eugene Meatyard によるシュールレアリズムの写真に Seurat を実行して楽しむことができました。

Seurat のようなアプリケーションを実行する際には、2 次元セル・オートマトンのタイプ、フィルター、そしてオリジナルの画像という、3 つの側面を変化させることができます。この記事で使用した 2 次元セル・オートマトンは巡回空間のみでしたが、Hodgepodge などの他のタイプの 2 次元セル・オートマトンを使うこともできます。フィルターに関しては十分に想像力を働かせてプログラミングを行ってください。ここでは主に色に対して演算を行うフィルターを使ってみましたが、画像の中で空間の関係を変化させるフィルターを使ってみるのも面白いかもしれません。例えば画像の表面をラップするフィルターをプログラミングすると、Beatles のアルバム Rubber Soul のジャケットに使われたような効果を得ることができます。そしてオリジナルの画像には、どのような画像でも (例えば写真なども) 使うことができます。与えられた画像に対して、フィルターと CA のタイプとの組み合わせを変えることによって、望むような結果が得られたり、得られなくなったりします。この記事をきっかけとして、さまざまな画像でさまざまなアニメーションを試してみる気になってくれたようであれば幸いです。

上に戻る

謝辞

ビジュアル･アートへの私の興味をかき立ててくださった Julia Braswell 氏に感謝いたします。

上に戻る

ダウンロード

ダウンロード形式について

参考文献

学ぶために

• 『The Magic Machine: A Handbook of Computer Sorcery』(A. K. Dewdney 著、1990年 W. H. Freeman 刊) は雑誌 Scientific American に掲載された Dewdney によるコラム「Computer Recreations」をまとめたものであり、巡回空間に関する章と Hodgepodge に関する章が含まれています。このコラムが 1980年代に初めて登場した当時、私はそこで紹介されたアルゴリズムをすべて Amiga 500 で AmigaBASIC を使ってプログラミングしていました。
  
  
• Primordial Soup Kitchen を訪れ、巡回空間を発見した David Griffeath からセル・オートマトンの詳細を学んでください。
  
  
• Java アプレット、Seurat を試してみてください。
  
  
• 『Java 2D Graphics』(Jonathan Knudsen 著、1999年 O'Reilly Media 刊) は Java による 2D グラフィックスを紹介した優れた本です。
  
  
• Java 2D API には Java による 2D に関するドキュメントやサンプル、その他のリソースが豊富に用意されています。
  
  
• 『Art: The Way It Is, 3rd ed』(John Adkins Richardson 著、1973年 Prentice Hall and Harry N. Abrams 刊) はスーラやその他の芸術家について学ぶ上で必読の本です。
  
  
• 「Cellular automata and music」(Paul Reiners 著、developerWorks、2004年5月) を読み、Java 言語とセル・オートマトンを使ってアルゴリズムで作曲する方法を学んでください。
  
  
• 「Introduction to Java 2D」(Mitch Goldstein 著、developerWorks、2002年7月) は GUI プログラミングに Java 2D を活用することで実現される高度な描画、テキスト・レイアウト、画像操作などのメリットを順を追って解説したチュートリアルです。
  
  
• 「イメージベース・パスを使用した2Dアニメーション」(Barry Feigenbaum と Tom Brunet の共著、developerWorks、2004年1月) は、可逆画像、Swing 技術、および著者自身による Java ベースのアニメーション・エンジンを組み合わせ、固定オブジェクトに対して 2D アニメーションによる動きのシーケンスを生成する方法を示します。
  
  
• 「Creating Java2D composites for rollover effects」(Joe Winchester と Renee Schwartz の共著、developerWorks、2002年9月) を読み、Java 2D API を使った画像の作成と操作について学んでください。
  
  
• technology bookstore には、この記事や他の技術的な話題に関する本が豊富に取り揃えられています。
  
  
• developerWorks の Java technology ゾーンには、Java プログラミングのあらゆる側面を網羅した記事が豊富に用意されています。
  
  

議論するために

• developerWorks blogs から developerWorks のコミュニティーに加わってください。
  
  

著者について

Paul Reiners は Sun 認定の Java プログラマーであり Java 開発者です。彼は Automatous Monk や Twisted Life、Leipzig などいくつかのオープンソース・プログラムの開発者です。彼は 1991年5月に University of Illinois at Urbana-Champaign で応用数学 (計算理論) で修士号を取得しています。彼はミネソタに住み、時間がある時にはエレキベースを練習し、同僚と組んでいるジャズ・バンドで演奏しています。

この記事を評価する

コメント

上に戻る

目次

• 2 次元セル・オートマトン
• 画像処理プログラムを作成する
• 美的観点からの考察
• 謝辞
• ダウンロード
• 参考文献
• 著者について
• コメント