第1章：画像処理の基礎

学習目標

この章を読むことで、以下を習得できます：

✅ デジタル画像の表現方法（ピクセル、チャンネル）を理解する
✅ RGB、HSV、LABなどのカラー空間の違いと用途を説明できる
✅ OpenCVとPILを使った画像の読み込み・保存・表示ができる
✅ リサイズ、回転、色変換などの基本的な画像処理を実装できる
✅ 平滑化、エッジ検出などのフィルタリング手法を適用できる
✅ 機械学習のための画像データ前処理パイプラインを構築できる

1.1 画像の表現

デジタル画像とピクセル

デジタル画像 は、離散的な点（ピクセル）の集合として表現されます。各ピクセルは色情報（強度値）を持ちます。

「画像はピクセルの2次元配列として扱われ、数値計算可能なデータ構造になります。」

画像の基本構造

高さ（Height） : 縦方向のピクセル数
幅（Width） : 横方向のピクセル数
チャンネル（Channel） : 色成分の数（グレースケール=1、RGB=3）

画像の形状は通常、以下のいずれかの形式で表現されます：

形式	次元順序	使用ライブラリ
HWC	(Height, Width, Channels)	OpenCV, PIL, matplotlib
CHW	(Channels, Height, Width)	PyTorch, Caffe
NHWC	(Batch, Height, Width, Channels)	TensorFlow, Keras
NCHW	(Batch, Channels, Height, Width)	PyTorch

import numpy as np
import matplotlib.pyplot as plt

# グレースケール画像の作成（高さ5、幅5）
gray_image = np.array([
    [0, 50, 100, 150, 200],
    [50, 100, 150, 200, 250],
    [100, 150, 200, 250, 255],
    [150, 200, 250, 255, 200],
    [200, 250, 255, 200, 150]
], dtype=np.uint8)

# RGB画像の作成（高さ3、幅3、チャンネル3）
rgb_image = np.zeros((3, 3, 3), dtype=np.uint8)
rgb_image[0, 0] = [255, 0, 0]      # 赤
rgb_image[0, 1] = [0, 255, 0]      # 緑
rgb_image[0, 2] = [0, 0, 255]      # 青
rgb_image[1, 1] = [255, 255, 0]    # 黄
rgb_image[2, 2] = [255, 255, 255]  # 白

print("=== グレースケール画像 ===")
print(f"形状: {gray_image.shape}")
print(f"データ型: {gray_image.dtype}")
print(f"最小値: {gray_image.min()}, 最大値: {gray_image.max()}")
print(f"\n画像データ:\n{gray_image}")

print("\n=== RGB画像 ===")
print(f"形状: {rgb_image.shape} (Height, Width, Channels)")
print(f"左上のピクセル値 (R,G,B): {rgb_image[0, 0]}")

# 可視化
fig, axes = plt.subplots(1, 2, figsize=(10, 4))
axes[0].imshow(gray_image, cmap='gray')
axes[0].set_title('グレースケール画像 (5×5)')
axes[0].axis('off')

axes[1].imshow(rgb_image)
axes[1].set_title('RGB画像 (3×3)')
axes[1].axis('off')

plt.tight_layout()
print("\n画像を可視化しました")

カラー空間（Color Space）

カラー空間は、色を数値で表現する方法です。用途に応じて適切なカラー空間を選択することが重要です。

RGB（Red, Green, Blue）

最も一般的なカラー空間。加法混色（光の三原色）に基づきます。

各チャンネルの値域: 0〜255（8bit整数）または 0.0〜1.0（浮動小数点）
用途: デジタルカメラ、ディスプレイ、画像保存
特徴: 直感的だが、人間の色知覚とは一致しない

HSV（Hue, Saturation, Value）

色相、彩度、明度で色を表現します。

Hue（色相） : 0〜179度（OpenCVでは0〜180）、色の種類
Saturation（彩度） : 0〜255、色の鮮やかさ
Value（明度） : 0〜255、色の明るさ
用途: 色ベースの物体検出、画像セグメンテーション

LAB（Lab*）

人間の視覚に近い色空間です。

L : 輝度（0〜100）
a : 緑〜赤の軸（-128〜127）
b : 青〜黄の軸（-128〜127）
用途: 色差計算、画像補正

import cv2 import numpy as np import matplotlib.pyplot as plt

サンプル画像の作成（赤、緑、青のブロック）

sample = np.zeros((100, 300, 3), dtype=np.uint8) sample[:, 0:100] = [255, 0, 0] # 赤 sample[:, 100:200] = [0, 255, 0] # 緑 sample[:, 200:300] = [0, 0, 255] # 青

BGRからRGBへ変換（OpenCVはBGR順序を使用）

sample_rgb = cv2.cvtColor(sample, cv2.COLOR_BGR2RGB)

各種カラー空間への変換

sample_hsv = cv2.cvtColor(sample, cv2.COLOR_BGR2HSV) sample_lab = cv2.cvtColor(sample, cv2.COLOR_BGR2LAB) sample_gray = cv2.cvtColor(sample, cv2.COLOR_BGR2GRAY)

可視化

fig, axes = plt.subplots(2, 4, figsize=(16, 8))

元画像（RGB）

axes[0, 0].imshow(sample_rgb) axes[0, 0].set_title(‘Original (RGB)’) axes[0, 0].axis(‘off’)

HSV（各チャンネルを個別表示）

axes[0, 1].imshow(sample_hsv[:, :, 0], cmap=‘hsv’) axes[0, 1].set_title(‘HSV - Hue（色相）’) axes[0, 1].axis(‘off’)

axes[0, 2].imshow(sample_hsv[:, :, 1], cmap=‘gray’) axes[0, 2].set_title(‘HSV - Saturation（彩度）’) axes[0, 2].axis(‘off’)

axes[0, 3].imshow(sample_hsv[:, :, 2], cmap=‘gray’) axes[0, 3].set_title(‘HSV - Value（明度）’) axes[0, 3].axis(‘off’)

LAB（各チャンネルを個別表示）

axes[1, 0].imshow(sample_lab[:, :, 0], cmap=‘gray’) axes[1, 0].set_title(‘LAB - L（輝度）’) axes[1, 0].axis(‘off’)

axes[1, 1].imshow(sample_lab[:, :, 1], cmap=‘RdYlGn_r’) axes[1, 1].set_title(‘LAB - a（緑〜赤）’) axes[1, 1].axis(‘off’)

axes[1, 2].imshow(sample_lab[:, :, 2], cmap=‘RdYlBu_r’) axes[1, 2].set_title(‘LAB - b（青〜黄）’) axes[1, 2].axis(‘off’)

グレースケール

axes[1, 3].imshow(sample_gray, cmap=‘gray’) axes[1, 3].set_title(‘Grayscale’) axes[1, 3].axis(‘off’)

plt.tight_layout() print(“各種カラー空間への変換を可視化しました”)

数値の確認

print(f”\n中央の赤ブロックのピクセル値（位置 [50, 50]）:”) print(f” RGB: {sample_rgb[50, 50]}”) print(f” HSV: {sample_hsv[50, 50]}”) print(f” LAB: {sample_lab[50, 50]}”) print(f” Gray: {sample_gray[50, 50]}“)

画像の読み込みと保存

OpenCVを使用

import cv2
import numpy as np

# 画像の読み込み（存在しない場合はダミー画像を作成）
try:
    image = cv2.imread('sample.jpg')
    if image is None:
        raise FileNotFoundError
except:
    # ダミー画像の作成（グラデーション）
    image = np.zeros((480, 640, 3), dtype=np.uint8)
    for i in range(480):
        for j in range(640):
            image[i, j] = [i * 255 // 480, j * 255 // 640, 128]
    print("ダミー画像を作成しました")

print(f"画像の形状: {image.shape}")
print(f"データ型: {image.dtype}")

# グレースケールとして読み込み
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 画像の保存
cv2.imwrite('output_color.jpg', image)
cv2.imwrite('output_gray.jpg', gray)

print("\n画像を保存しました:")
print("  - output_color.jpg (カラー)")
print("  - output_gray.jpg (グレースケール)")

# 画像情報の表示
print(f"\nカラー画像:")
print(f"  形状: {image.shape}")
print(f"  メモリサイズ: {image.nbytes / 1024:.2f} KB")

print(f"\nグレースケール画像:")
print(f"  形状: {gray.shape}")
print(f"  メモリサイズ: {gray.nbytes / 1024:.2f} KB")

PILを使用

from PIL import Image
import numpy as np

# PIL Imageの作成（グラデーション）
width, height = 640, 480
array = np.zeros((height, width, 3), dtype=np.uint8)
for i in range(height):
    for j in range(width):
        array[i, j] = [i * 255 // height, j * 255 // width, 128]

pil_image = Image.fromarray(array)

print(f"PIL画像のサイズ: {pil_image.size}")  # (width, height)
print(f"PIL画像のモード: {pil_image.mode}")

# グレースケール変換
pil_gray = pil_image.convert('L')

# 保存
pil_image.save('output_pil_color.png')
pil_gray.save('output_pil_gray.png')

# PIL → NumPy配列
np_array = np.array(pil_image)
print(f"\nNumPy配列に変換:")
print(f"  形状: {np_array.shape}")

# NumPy配列 → PIL
pil_from_numpy = Image.fromarray(np_array)
print(f"\nPIL画像に変換:")
print(f"  サイズ: {pil_from_numpy.size}")

print("\nPILを使用した画像を保存しました:")
print("  - output_pil_color.png")
print("  - output_pil_gray.png")

1.2 基本的な画像処理

リサイズとクロップ

リサイズ は画像のサイズを変更する操作です。補間方法によって品質が変わります。

補間方法	特徴	用途
NEAREST	最近傍補間、高速だが品質低い	整数倍の拡大・縮小
LINEAR	線形補間、バランスが良い	一般的な縮小
CUBIC	3次補間、高品質だが低速	拡大処理
LANCZOS	最高品質、最も低速	高品質が必要な場合

import cv2
import numpy as np
import matplotlib.pyplot as plt

# サンプル画像の作成（チェッカーボード）
def create_checkerboard(size=200, square_size=20):
    image = np.zeros((size, size, 3), dtype=np.uint8)
    for i in range(0, size, square_size):
        for j in range(0, size, square_size):
            if (i // square_size + j // square_size) % 2 == 0:
                image[i:i+square_size, j:j+square_size] = [255, 255, 255]
    return image

original = create_checkerboard(200, 20)

# 各種補間方法でリサイズ
resized_nearest = cv2.resize(original, (400, 400), interpolation=cv2.INTER_NEAREST)
resized_linear = cv2.resize(original, (400, 400), interpolation=cv2.INTER_LINEAR)
resized_cubic = cv2.resize(original, (400, 400), interpolation=cv2.INTER_CUBIC)
resized_lanczos = cv2.resize(original, (400, 400), interpolation=cv2.INTER_LANCZOS4)

# 縮小
resized_small = cv2.resize(original, (100, 100), interpolation=cv2.INTER_AREA)

# 可視化
fig, axes = plt.subplots(2, 3, figsize=(15, 10))
axes = axes.flatten()

images = [
    (cv2.cvtColor(original, cv2.COLOR_BGR2RGB), "Original (200×200)"),
    (cv2.cvtColor(resized_nearest, cv2.COLOR_BGR2RGB), "NEAREST (400×400)"),
    (cv2.cvtColor(resized_linear, cv2.COLOR_BGR2RGB), "LINEAR (400×400)"),
    (cv2.cvtColor(resized_cubic, cv2.COLOR_BGR2RGB), "CUBIC (400×400)"),
    (cv2.cvtColor(resized_lanczos, cv2.COLOR_BGR2RGB), "LANCZOS (400×400)"),
    (cv2.cvtColor(resized_small, cv2.COLOR_BGR2RGB), "AREA (100×100 縮小)"),
]

for ax, (img, title) in zip(axes, images):
    ax.imshow(img)
    ax.set_title(title)
    ax.axis('off')

plt.tight_layout()
print("各種補間方法によるリサイズを比較しました")

# クロップ（トリミング）
print("\n=== クロップの例 ===")
height, width = original.shape[:2]
x, y, w, h = 50, 50, 100, 100  # (x, y, width, height)

cropped = original[y:y+h, x:x+w]
print(f"元画像: {original.shape}")
print(f"クロップ後: {cropped.shape}")
print(f"クロップ範囲: x={x}, y={y}, width={w}, height={h}")

回転と反転

import cv2
import numpy as np
import matplotlib.pyplot as plt

# テスト画像の作成（矢印パターン）
def create_arrow(size=200):
    image = np.ones((size, size, 3), dtype=np.uint8) * 255
    # 矢印を描画
    pts = np.array([[100, 50], [150, 100], [125, 100], [125, 150],
                    [75, 150], [75, 100], [50, 100]], np.int32)
    cv2.fillPoly(image, [pts], (0, 0, 255))
    return image

original = create_arrow()

# 回転（90度、180度、270度）
rotated_90 = cv2.rotate(original, cv2.ROTATE_90_CLOCKWISE)
rotated_180 = cv2.rotate(original, cv2.ROTATE_180)
rotated_270 = cv2.rotate(original, cv2.ROTATE_90_COUNTERCLOCKWISE)

# 任意角度の回転（45度）
height, width = original.shape[:2]
center = (width // 2, height // 2)
rotation_matrix = cv2.getRotationMatrix2D(center, 45, 1.0)
rotated_45 = cv2.warpAffine(original, rotation_matrix, (width, height))

# 反転
flipped_horizontal = cv2.flip(original, 1)  # 左右反転
flipped_vertical = cv2.flip(original, 0)    # 上下反転
flipped_both = cv2.flip(original, -1)       # 両方向反転

# 可視化
fig, axes = plt.subplots(2, 4, figsize=(16, 8))
axes = axes.flatten()

images = [
    (cv2.cvtColor(original, cv2.COLOR_BGR2RGB), "Original"),
    (cv2.cvtColor(rotated_90, cv2.COLOR_BGR2RGB), "回転 90°"),
    (cv2.cvtColor(rotated_180, cv2.COLOR_BGR2RGB), "回転 180°"),
    (cv2.cvtColor(rotated_270, cv2.COLOR_BGR2RGB), "回転 270°"),
    (cv2.cvtColor(rotated_45, cv2.COLOR_BGR2RGB), "回転 45°"),
    (cv2.cvtColor(flipped_horizontal, cv2.COLOR_BGR2RGB), "左右反転"),
    (cv2.cvtColor(flipped_vertical, cv2.COLOR_BGR2RGB), "上下反転"),
    (cv2.cvtColor(flipped_both, cv2.COLOR_BGR2RGB), "両方向反転"),
]

for ax, (img, title) in zip(axes, images):
    ax.imshow(img)
    ax.set_title(title)
    ax.axis('off')

plt.tight_layout()
print("回転と反転の操作を可視化しました")

# 回転行列の詳細
print("\n=== 45度回転の変換行列 ===")
print(rotation_matrix)

色変換とヒストグラム

import cv2
import numpy as np
import matplotlib.pyplot as plt

# サンプル画像の作成（グラデーション + ノイズ）
def create_sample_image():
    image = np.zeros((300, 400, 3), dtype=np.uint8)
    for i in range(300):
        for j in range(400):
            image[i, j] = [
                int(i * 255 / 300),
                int(j * 255 / 400),
                128
            ]
    # ノイズを追加
    noise = np.random.randint(-30, 30, image.shape, dtype=np.int16)
    image = np.clip(image.astype(np.int16) + noise, 0, 255).astype(np.uint8)
    return image

image = create_sample_image()
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# ヒストグラムの計算
fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 元画像
axes[0, 0].imshow(image_rgb)
axes[0, 0].set_title('元画像')
axes[0, 0].axis('off')

# RGBヒストグラム
colors = ('r', 'g', 'b')
for i, color in enumerate(colors):
    hist = cv2.calcHist([image_rgb], [i], None, [256], [0, 256])
    axes[0, 1].plot(hist, color=color, label=f'{color.upper()} channel')
axes[0, 1].set_title('RGBヒストグラム')
axes[0, 1].set_xlabel('ピクセル値')
axes[0, 1].set_ylabel('頻度')
axes[0, 1].legend()
axes[0, 1].grid(True, alpha=0.3)

# ヒストグラム均等化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
equalized = cv2.equalizeHist(gray)

axes[1, 0].imshow(equalized, cmap='gray')
axes[1, 0].set_title('ヒストグラム均等化後')
axes[1, 0].axis('off')

# 均等化前後のヒストグラム比較
hist_before = cv2.calcHist([gray], [0], None, [256], [0, 256])
hist_after = cv2.calcHist([equalized], [0], None, [256], [0, 256])
axes[1, 1].plot(hist_before, 'b-', label='均等化前', alpha=0.7)
axes[1, 1].plot(hist_after, 'r-', label='均等化後', alpha=0.7)
axes[1, 1].set_title('グレースケールヒストグラム')
axes[1, 1].set_xlabel('ピクセル値')
axes[1, 1].set_ylabel('頻度')
axes[1, 1].legend()
axes[1, 1].grid(True, alpha=0.3)

plt.tight_layout()
print("ヒストグラムと均等化を可視化しました")

# 統計情報
print("\n=== 画像の統計情報 ===")
print(f"平均値（均等化前）: {gray.mean():.2f}")
print(f"平均値（均等化後）: {equalized.mean():.2f}")
print(f"標準偏差（均等化前）: {gray.std():.2f}")
print(f"標準偏差（均等化後）: {equalized.std():.2f}")

1.3 フィルタリング

平滑化フィルタ

平滑化 は、画像のノイズを除去したり、ぼかし効果を与える処理です。

import cv2
import numpy as np
import matplotlib.pyplot as plt

# ノイズを含む画像の作成
def create_noisy_image(size=200):
    # クリーンな画像（円）
    image = np.zeros((size, size), dtype=np.uint8)
    cv2.circle(image, (size//2, size//2), size//3, 255, -1)

    # ガウシアンノイズを追加
    noise = np.random.normal(0, 25, image.shape)
    noisy = np.clip(image + noise, 0, 255).astype(np.uint8)

    # ソルト&ペッパーノイズを追加
    salt_pepper = noisy.copy()
    salt = np.random.random(image.shape) < 0.02
    pepper = np.random.random(image.shape) < 0.02
    salt_pepper[salt] = 255
    salt_pepper[pepper] = 0

    return image, noisy, salt_pepper

clean, gaussian_noisy, sp_noisy = create_noisy_image()

# 各種平滑化フィルタの適用
# 平均フィルタ（Mean Filter）
mean_blur = cv2.blur(gaussian_noisy, (5, 5))

# ガウシアンフィルタ（Gaussian Filter）
gaussian_blur = cv2.GaussianBlur(gaussian_noisy, (5, 5), 0)

# メディアンフィルタ（Median Filter）- ソルト&ペッパーノイズに効果的
median_blur = cv2.medianBlur(sp_noisy, 5)

# バイラテラルフィルタ（Bilateral Filter）- エッジを保持しながら平滑化
bilateral = cv2.bilateralFilter(gaussian_noisy, 9, 75, 75)

# 可視化
fig, axes = plt.subplots(2, 4, figsize=(16, 8))
axes = axes.flatten()

images = [
    (clean, "クリーン画像"),
    (gaussian_noisy, "ガウシアンノイズ"),
    (mean_blur, "平均フィルタ"),
    (gaussian_blur, "ガウシアンフィルタ"),
    (sp_noisy, "ソルト&ペッパーノイズ"),
    (median_blur, "メディアンフィルタ"),
    (bilateral, "バイラテラルフィルタ"),
    (gaussian_noisy - gaussian_blur, "ノイズ成分（差分）"),
]

for ax, (img, title) in zip(axes, images):
    ax.imshow(img, cmap='gray')
    ax.set_title(title)
    ax.axis('off')

plt.tight_layout()
print("各種平滑化フィルタの効果を比較しました")

# PSNR（ピーク信号対雑音比）の計算
def calculate_psnr(original, filtered):
    mse = np.mean((original - filtered) ** 2)
    if mse == 0:
        return float('inf')
    max_pixel = 255.0
    psnr = 20 * np.log10(max_pixel / np.sqrt(mse))
    return psnr

print("\n=== ノイズ除去性能（PSNR、高いほど良い）===")
print(f"ノイズ画像: {calculate_psnr(clean, gaussian_noisy):.2f} dB")
print(f"平均フィルタ: {calculate_psnr(clean, mean_blur):.2f} dB")
print(f"ガウシアンフィルタ: {calculate_psnr(clean, gaussian_blur):.2f} dB")
print(f"バイラテラルフィルタ: {calculate_psnr(clean, bilateral):.2f} dB")

エッジ検出

エッジ検出 は、画像内の急激な輝度変化を検出する処理です。

import cv2
import numpy as np
import matplotlib.pyplot as plt

# テスト画像の作成（複数の図形）
def create_shapes_image(size=300):
    image = np.ones((size, size), dtype=np.uint8) * 200
    # 四角形
    cv2.rectangle(image, (50, 50), (120, 120), 50, -1)
    # 円
    cv2.circle(image, (220, 80), 40, 100, -1)
    # 三角形
    pts = np.array([[150, 200], [100, 280], [200, 280]], np.int32)
    cv2.fillPoly(image, [pts], 150)
    return image

image = create_shapes_image()

# Sobelフィルタ（X方向、Y方向）
sobel_x = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=3)
sobel_y = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=3)
sobel_combined = np.sqrt(sobel_x**2 + sobel_y**2)
sobel_combined = np.uint8(sobel_combined / sobel_combined.max() * 255)

# Laplacianフィルタ
laplacian = cv2.Laplacian(image, cv2.CV_64F)
laplacian = np.uint8(np.absolute(laplacian))

# Cannyエッジ検出
canny = cv2.Canny(image, 50, 150)

# Scharrフィルタ（Sobelより精度が高い）
scharr_x = cv2.Scharr(image, cv2.CV_64F, 1, 0)
scharr_y = cv2.Scharr(image, cv2.CV_64F, 0, 1)
scharr_combined = np.sqrt(scharr_x**2 + scharr_y**2)
scharr_combined = np.uint8(scharr_combined / scharr_combined.max() * 255)

# 可視化
fig, axes = plt.subplots(2, 4, figsize=(16, 8))
axes = axes.flatten()

images = [
    (image, "元画像"),
    (sobel_x, "Sobel X"),
    (sobel_y, "Sobel Y"),
    (sobel_combined, "Sobel 結合"),
    (laplacian, "Laplacian"),
    (canny, "Canny"),
    (scharr_combined, "Scharr 結合"),
    (image, "元画像（参考）"),
]

for ax, (img, title) in zip(axes, images):
    ax.imshow(img, cmap='gray')
    ax.set_title(title)
    ax.axis('off')

plt.tight_layout()
print("各種エッジ検出フィルタを比較しました")

# エッジ強度の分析
print("\n=== エッジ検出結果の統計 ===")
print(f"Sobel: 平均強度 = {sobel_combined.mean():.2f}")
print(f"Laplacian: 平均強度 = {laplacian.mean():.2f}")
print(f"Canny: エッジピクセル数 = {np.sum(canny > 0)}")
print(f"Scharr: 平均強度 = {scharr_combined.mean():.2f}")

モルフォロジー演算

モルフォロジー演算 は、二値画像に対する形状処理です。

演算	効果	用途
膨張（Dilation）	白領域を拡大	穴を埋める、途切れを接続
収縮（Erosion）	白領域を縮小	ノイズ除去、細い線を除去
オープニング	収縮→膨張	小さなノイズ除去
クロージング	膨張→収縮	穴や隙間を埋める

import cv2
import numpy as np
import matplotlib.pyplot as plt

# ノイズを含む二値画像の作成
def create_noisy_binary_image(size=200):
    image = np.zeros((size, size), dtype=np.uint8)
    # 主要な形状（長方形）
    cv2.rectangle(image, (50, 50), (150, 150), 255, -1)
    # 小さな穴を追加
    for _ in range(10):
        x, y = np.random.randint(60, 140, 2)
        cv2.circle(image, (x, y), 3, 0, -1)
    # 小さなノイズを追加
    for _ in range(20):
        x, y = np.random.randint(0, size, 2)
        cv2.circle(image, (x, y), 2, 255, -1)
    return image

binary = create_noisy_binary_image()

# カーネル（構造要素）の作成
kernel = np.ones((5, 5), np.uint8)

# モルフォロジー演算
erosion = cv2.erode(binary, kernel, iterations=1)
dilation = cv2.dilate(binary, kernel, iterations=1)
opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)
closing = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)
gradient = cv2.morphologyEx(binary, cv2.MORPH_GRADIENT, kernel)
tophat = cv2.morphologyEx(binary, cv2.MORPH_TOPHAT, kernel)
blackhat = cv2.morphologyEx(binary, cv2.MORPH_BLACKHAT, kernel)

# 可視化
fig, axes = plt.subplots(2, 4, figsize=(16, 8))
axes = axes.flatten()

images = [
    (binary, "元画像（ノイズ含む）"),
    (erosion, "収縮（Erosion）"),
    (dilation, "膨張（Dilation）"),
    (opening, "オープニング"),
    (closing, "クロージング"),
    (gradient, "勾配（Gradient）"),
    (tophat, "トップハット"),
    (blackhat, "ブラックハット"),
]

for ax, (img, title) in zip(axes, images):
    ax.imshow(img, cmap='gray')
    ax.set_title(title)
    ax.axis('off')

plt.tight_layout()
print("モルフォロジー演算を可視化しました")

# ピクセル数の比較
print("\n=== 白ピクセル数の変化 ===")
print(f"元画像: {np.sum(binary == 255):,} pixels")
print(f"収縮後: {np.sum(erosion == 255):,} pixels ({np.sum(erosion == 255) / np.sum(binary == 255) * 100:.1f}%)")
print(f"膨張後: {np.sum(dilation == 255):,} pixels ({np.sum(dilation == 255) / np.sum(binary == 255) * 100:.1f}%)")
print(f"オープニング後: {np.sum(opening == 255):,} pixels")
print(f"クロージング後: {np.sum(closing == 255):,} pixels")

1.4 特徴抽出

コーナー検出

コーナー は、画像内の重要な特徴点です。物体認識や追跡に使用されます。

Harris Corner Detection

import cv2
import numpy as np
import matplotlib.pyplot as plt

# チェッカーボードパターンの作成
def create_checkerboard_complex(size=400):
    image = np.zeros((size, size), dtype=np.uint8)
    square_size = 40
    for i in range(0, size, square_size):
        for j in range(0, size, square_size):
            if (i // square_size + j // square_size) % 2 == 0:
                image[i:i+square_size, j:j+square_size] = 255
    # 追加の形状
    cv2.circle(image, (300, 300), 50, 128, -1)
    return image

image = create_checkerboard_complex()

# Harrisコーナー検出
harris = cv2.cornerHarris(image, blockSize=2, ksize=3, k=0.04)
harris = cv2.dilate(harris, None)  # 結果を強調

# 閾値処理でコーナーを検出
image_harris = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
image_harris[harris > 0.01 * harris.max()] = [0, 0, 255]

# Shi-Tomasiコーナー検出（Good Features to Track）
corners = cv2.goodFeaturesToTrack(image, maxCorners=100, qualityLevel=0.01, minDistance=10)
image_shi = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
if corners is not None:
    for corner in corners:
        x, y = corner.ravel()
        cv2.circle(image_shi, (int(x), int(y)), 5, (0, 255, 0), -1)

# 可視化
fig, axes = plt.subplots(1, 3, figsize=(15, 5))

axes[0].imshow(image, cmap='gray')
axes[0].set_title('元画像')
axes[0].axis('off')

axes[1].imshow(cv2.cvtColor(image_harris, cv2.COLOR_BGR2RGB))
axes[1].set_title(f'Harris Corner Detection')
axes[1].axis('off')

axes[2].imshow(cv2.cvtColor(image_shi, cv2.COLOR_BGR2RGB))
axes[2].set_title(f'Shi-Tomasi ({len(corners) if corners is not None else 0} corners)')
axes[2].axis('off')

plt.tight_layout()
print("コーナー検出アルゴリズムを比較しました")

if corners is not None:
    print(f"\n検出されたコーナー数: {len(corners)}")
    print(f"最初の5つのコーナー座標:")
    for i, corner in enumerate(corners[:5]):
        x, y = corner.ravel()
        print(f"  コーナー{i+1}: ({x:.1f}, {y:.1f})")

SIFT / ORB特徴量

SIFT（Scale-Invariant Feature Transform） とは、スケールや回転に不変な特徴量です。

注意: OpenCVの一部のバージョンでは、SIFTは特許の関係でopencv-contribに含まれています。ここではORB（Oriented FAST and Rotated BRIEF）を主に使用します。

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 特徴的な画像の作成
def create_feature_image(size=400):
    image = np.ones((size, size), dtype=np.uint8) * 200
    # 複数の図形
    cv2.rectangle(image, (50, 50), (150, 150), 50, -1)
    cv2.circle(image, (300, 100), 50, 100, -1)
    cv2.rectangle(image, (100, 250), (200, 350), 150, 3)
    pts = np.array([[250, 250], [350, 280], [320, 350]], np.int32)
    cv2.fillPoly(image, [pts], 80)
    return image

image = create_feature_image()

# ORB特徴量検出器の作成
orb = cv2.ORB_create(nfeatures=100)

# キーポイントと記述子の検出
keypoints, descriptors = orb.detectAndCompute(image, None)

# キーポイントを描画
image_keypoints = cv2.drawKeypoints(
    image, keypoints, None,
    color=(0, 255, 0),
    flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS
)

# 可視化
fig, axes = plt.subplots(1, 2, figsize=(14, 6))

axes[0].imshow(image, cmap='gray')
axes[0].set_title('元画像')
axes[0].axis('off')

axes[1].imshow(image_keypoints)
axes[1].set_title(f'ORB特徴点 ({len(keypoints)} points)')
axes[1].axis('off')

plt.tight_layout()
print(f"ORB特徴量を検出しました: {len(keypoints)} 個のキーポイント")

# 特徴量の詳細
print("\n=== ORB特徴量の詳細 ===")
print(f"キーポイント数: {len(keypoints)}")
if descriptors is not None:
    print(f"記述子の形状: {descriptors.shape}")
    print(f"  各キーポイントは {descriptors.shape[1]} 次元のベクトルで記述される")

# 最初の5つのキーポイント情報
print("\n最初の5つのキーポイント:")
for i, kp in enumerate(keypoints[:5]):
    print(f"  Point {i+1}: 位置=({kp.pt[0]:.1f}, {kp.pt[1]:.1f}), "
          f"サイズ={kp.size:.1f}, 角度={kp.angle:.1f}°")

HOG（Histogram of Oriented Gradients）

HOG は、勾配方向のヒストグラムを特徴量として使用します。歩行者検出などに広く使用されます。

from skimage.feature import hog
from skimage import exposure
import numpy as np
import matplotlib.pyplot as plt

# 人型シルエットの簡易作成
def create_person_silhouette(size=128):
    image = np.zeros((size, size), dtype=np.uint8)
    # 頭
    cv2.circle(image, (size//2, size//4), size//8, 255, -1)
    # 体
    cv2.rectangle(image, (size//2 - size//10, size//4 + size//10),
                  (size//2 + size//10, size//2 + size//6), 255, -1)
    # 腕
    cv2.line(image, (size//2 - size//10, size//4 + size//6),
             (size//2 - size//4, size//2), 255, size//20)
    cv2.line(image, (size//2 + size//10, size//4 + size//6),
             (size//2 + size//4, size//2), 255, size//20)
    # 脚
    cv2.line(image, (size//2 - size//20, size//2 + size//6),
             (size//2 - size//10, size - size//8), 255, size//20)
    cv2.line(image, (size//2 + size//20, size//2 + size//6),
             (size//2 + size//10, size - size//8), 255, size//20)
    return image

image = create_person_silhouette()

# HOG特徴量の計算
fd, hog_image = hog(image, orientations=9, pixels_per_cell=(8, 8),
                    cells_per_block=(2, 2), visualize=True)

# HOG画像のコントラストを強調
hog_image_rescaled = exposure.rescale_intensity(hog_image, in_range=(0, 10))

# 可視化
fig, axes = plt.subplots(1, 3, figsize=(15, 5))

axes[0].imshow(image, cmap='gray')
axes[0].set_title('元画像（人型シルエット）')
axes[0].axis('off')

axes[1].imshow(hog_image_rescaled, cmap='gray')
axes[1].set_title('HOG特徴量の可視化')
axes[1].axis('off')

# HOG特徴量ベクトルの一部を表示
axes[2].bar(range(min(100, len(fd))), fd[:100])
axes[2].set_title('HOG特徴量ベクトル（最初の100次元）')
axes[2].set_xlabel('次元')
axes[2].set_ylabel('値')
axes[2].grid(True, alpha=0.3)

plt.tight_layout()
print("HOG特徴量を計算しました")

print(f"\n=== HOG特徴量の詳細 ===")
print(f"特徴量ベクトルの次元数: {len(fd)}")
print(f"平均値: {fd.mean():.4f}")
print(f"標準偏差: {fd.std():.4f}")
print(f"最大値: {fd.max():.4f}")
print(f"最小値: {fd.min():.4f}")

1.5 画像データの前処理

Normalization（正規化）とStandardization（標準化）

機械学習では、画像データを適切にスケーリングすることが重要です。

手法	計算式	用途
Min-Max正規化	$x’ = \frac{x - x_{min}}{x_{max} - x_{min}}$	値域を[0, 1]に変換
標準化（Z-score）	$x’ = \frac{x - \mu}{\sigma}$	平均0、分散1に変換
ImageNet正規化	チャンネルごとに標準化	事前学習モデル利用時

import numpy as np
import matplotlib.pyplot as plt

# サンプル画像の作成
np.random.seed(42)
image = np.random.randint(50, 200, (100, 100, 3), dtype=np.uint8)

print("=== 元画像の統計 ===")
print(f"形状: {image.shape}")
print(f"データ型: {image.dtype}")
print(f"値域: [{image.min()}, {image.max()}]")
print(f"平均値: {image.mean():.2f}")
print(f"標準偏差: {image.std():.2f}")

# Min-Max正規化 [0, 1]
normalized = image.astype(np.float32) / 255.0

print("\n=== Min-Max正規化後 ===")
print(f"データ型: {normalized.dtype}")
print(f"値域: [{normalized.min():.3f}, {normalized.max():.3f}]")
print(f"平均値: {normalized.mean():.3f}")

# 標準化（Z-score）
mean = image.mean(axis=(0, 1), keepdims=True)
std = image.std(axis=(0, 1), keepdims=True)
standardized = (image.astype(np.float32) - mean) / (std + 1e-7)

print("\n=== 標準化（Z-score）後 ===")
print(f"平均値: {standardized.mean():.6f} (≈ 0)")
print(f"標準偏差: {standardized.std():.6f} (≈ 1)")
print(f"値域: [{standardized.min():.3f}, {standardized.max():.3f}]")

# ImageNet標準化（事前学習モデル用）
imagenet_mean = np.array([0.485, 0.456, 0.406])
imagenet_std = np.array([0.229, 0.224, 0.225])
imagenet_normalized = (normalized - imagenet_mean) / imagenet_std

print("\n=== ImageNet標準化後 ===")
print(f"Rチャンネル平均: {imagenet_normalized[:,:,0].mean():.3f}")
print(f"Gチャンネル平均: {imagenet_normalized[:,:,1].mean():.3f}")
print(f"Bチャンネル平均: {imagenet_normalized[:,:,2].mean():.3f}")

# 可視化
fig, axes = plt.subplots(1, 4, figsize=(16, 4))

axes[0].imshow(image)
axes[0].set_title('元画像\n[50, 200]')
axes[0].axis('off')

axes[1].imshow(normalized)
axes[1].set_title('Min-Max正規化\n[0, 1]')
axes[1].axis('off')

# 標準化画像は可視化のために調整
standardized_vis = (standardized - standardized.min()) / (standardized.max() - standardized.min())
axes[2].imshow(standardized_vis)
axes[2].set_title('標準化\n平均≈0, 分散≈1')
axes[2].axis('off')

# ImageNet正規化も調整
imagenet_vis = (imagenet_normalized - imagenet_normalized.min()) / \
               (imagenet_normalized.max() - imagenet_normalized.min())
axes[3].imshow(imagenet_vis)
axes[3].set_title('ImageNet標準化')
axes[3].axis('off')

plt.tight_layout()
print("\n正規化・標準化の効果を可視化しました")

Data Augmentation（データ拡張）

データ拡張 は、限られた訓練データから多様なバリエーションを生成し、モデルの汎化性能を向上させる手法です。

import numpy as np
import cv2
import matplotlib.pyplot as plt
from PIL import Image, ImageEnhance

# サンプル画像の作成
def create_sample_object(size=128):
    image = np.ones((size, size, 3), dtype=np.uint8) * 255
    # 矢印型のオブジェクト
    pts = np.array([[size//2, size//4], [3*size//4, size//2],
                    [5*size//8, size//2], [5*size//8, 3*size//4],
                    [3*size//8, 3*size//4], [3*size//8, size//2],
                    [size//4, size//2]], np.int32)
    cv2.fillPoly(image, [pts], (30, 144, 255))
    return image

original = create_sample_object()

# 各種データ拡張の適用
# 1. 回転
rotated = cv2.rotate(original, cv2.ROTATE_90_CLOCKWISE)

# 2. 左右反転
flipped = cv2.flip(original, 1)

# 3. ランダムクロップ&リサイズ
h, w = original.shape[:2]
crop_size = 96
x, y = np.random.randint(0, w - crop_size), np.random.randint(0, h - crop_size)
cropped = original[y:y+crop_size, x:x+crop_size]
cropped_resized = cv2.resize(cropped, (128, 128))

# 4. 明度変更
pil_img = Image.fromarray(cv2.cvtColor(original, cv2.COLOR_BGR2RGB))
brightness = ImageEnhance.Brightness(pil_img).enhance(1.5)
brightness = cv2.cvtColor(np.array(brightness), cv2.COLOR_RGB2BGR)

# 5. コントラスト変更
contrast = ImageEnhance.Contrast(pil_img).enhance(1.5)
contrast = cv2.cvtColor(np.array(contrast), cv2.COLOR_RGB2BGR)

# 6. ガウシアンノイズ
noisy = original.copy().astype(np.float32)
noise = np.random.normal(0, 10, original.shape)
noisy = np.clip(noisy + noise, 0, 255).astype(np.uint8)

# 7. ぼかし
blurred = cv2.GaussianBlur(original, (5, 5), 0)

# 8. 色調変更（HSV空間で操作）
hsv = cv2.cvtColor(original, cv2.COLOR_BGR2HSV).astype(np.float32)
hsv[:, :, 0] = (hsv[:, :, 0] + 30) % 180  # 色相をシフト
hue_shifted = cv2.cvtColor(hsv.astype(np.uint8), cv2.COLOR_HSV2BGR)

# 可視化
fig, axes = plt.subplots(3, 3, figsize=(12, 12))
axes = axes.flatten()

images = [
    (cv2.cvtColor(original, cv2.COLOR_BGR2RGB), "元画像"),
    (cv2.cvtColor(rotated, cv2.COLOR_BGR2RGB), "回転（90°）"),
    (cv2.cvtColor(flipped, cv2.COLOR_BGR2RGB), "左右反転"),
    (cv2.cvtColor(cropped_resized, cv2.COLOR_BGR2RGB), "ランダムクロップ"),
    (cv2.cvtColor(brightness, cv2.COLOR_BGR2RGB), "明度変更（1.5倍）"),
    (cv2.cvtColor(contrast, cv2.COLOR_BGR2RGB), "コントラスト変更"),
    (cv2.cvtColor(noisy, cv2.COLOR_BGR2RGB), "ガウシアンノイズ"),
    (cv2.cvtColor(blurred, cv2.COLOR_BGR2RGB), "ぼかし"),
    (cv2.cvtColor(hue_shifted, cv2.COLOR_BGR2RGB), "色調変更"),
]

for ax, (img, title) in zip(axes, images):
    ax.imshow(img)
    ax.set_title(title)
    ax.axis('off')

plt.tight_layout()
print("データ拡張の各種手法を可視化しました")
print("\nこれらの手法を組み合わせることで、1枚の画像から数百〜数千のバリエーションを生成できます")

PyTorch Transformsによる前処理パイプライン

import torch
from torchvision import transforms
from PIL import Image
import numpy as np

# サンプル画像の作成
sample_np = np.random.randint(0, 255, (256, 256, 3), dtype=np.uint8)
sample_pil = Image.fromarray(sample_np)

print("=== PyTorch Transforms による前処理パイプライン ===\n")

# 訓練用の変換パイプライン
train_transform = transforms.Compose([
    transforms.RandomResizedCrop(224, scale=(0.8, 1.0)),
    transforms.RandomHorizontalFlip(p=0.5),
    transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1),
    transforms.RandomRotation(15),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

# 検証・テスト用の変換パイプライン
val_transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

# 変換の適用
train_tensor = train_transform(sample_pil)
val_tensor = val_transform(sample_pil)

print("訓練用変換:")
print(f"  入力: PIL Image {sample_pil.size}")
print(f"  出力: Tensor {train_tensor.shape}")
print(f"  データ型: {train_tensor.dtype}")
print(f"  値域: [{train_tensor.min():.3f}, {train_tensor.max():.3f}]")

print("\n検証用変換:")
print(f"  入力: PIL Image {sample_pil.size}")
print(f"  出力: Tensor {val_tensor.shape}")
print(f"  値域: [{val_tensor.min():.3f}, {val_tensor.max():.3f}]")

# バッチ処理のシミュレーション
batch_size = 4
batch_tensors = [train_transform(sample_pil) for _ in range(batch_size)]
batch = torch.stack(batch_tensors)

print(f"\nバッチ処理:")
print(f"  バッチサイズ: {batch_size}")
print(f"  バッチテンソルの形状: {batch.shape}")
print(f"  → [Batch, Channels, Height, Width]")

# 個別の変換例
print("\n=== 個別の変換の詳細 ===")

# ToTensorのみ
to_tensor = transforms.ToTensor()
tensor_only = to_tensor(sample_pil)
print(f"\n1. ToTensor:")
print(f"   PIL (H, W, C) → Tensor (C, H, W)")
print(f"   値域: [0, 255] → [0.0, 1.0]")
print(f"   形状変化: {sample_pil.size} → {tensor_only.shape}")

# Normalizeの効果
normalize = transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])
normalized = normalize(tensor_only)
print(f"\n2. Normalize (mean=0.5, std=0.5):")
print(f"   変換前の平均: {tensor_only.mean():.3f}")
print(f"   変換後の平均: {normalized.mean():.3f}")
print(f"   値域: [0.0, 1.0] → [{normalized.min():.3f}, {normalized.max():.3f}]")

print("\n前処理パイプラインの構築が完了しました")

まとめ

この章では、画像処理の基礎について学習しました。

重要なポイント

デジタル画像 はピクセルの配列として表現され、HWCまたはCHW形式で扱われる
カラー空間 （RGB、HSV、LAB）は用途に応じて使い分ける
基本処理 （リサイズ、回転、色変換）は画像解析の前処理として重要
フィルタリング （平滑化、エッジ検出）で画像の特徴を抽出
特徴量 （コーナー、SIFT、HOG）は物体認識の基礎
前処理とデータ拡張 は機械学習モデルの性能向上に不可欠

次章の予告

第2章では、以下のトピックを扱います：

畳み込みニューラルネットワーク（CNN）の基礎
畳み込み層とプーリング層の仕組み
代表的なCNNアーキテクチャ（LeNet、AlexNet）
PyTorchによるCNNの実装と画像分類

演習問題

演習1：カラー空間の理解

問題：RGB画像をHSV空間に変換し、特定の色（例：赤色）の領域を抽出してください。

ヒント ：

HSV空間では色相（Hue）で色を指定しやすい
赤色の色相範囲: 0-10 および 170-180（OpenCV）

解答例 ：

import cv2
import numpy as np

# RGB画像の作成（赤、緑、青の領域）
image = np.zeros((300, 300, 3), dtype=np.uint8)
image[:, 0:100] = [0, 0, 255]    # 赤（BGR）
image[:, 100:200] = [0, 255, 0]  # 緑
image[:, 200:300] = [255, 0, 0]  # 青

# HSVに変換
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 赤色の範囲を定義
lower_red1 = np.array([0, 100, 100])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 100, 100])
upper_red2 = np.array([180, 255, 255])

# マスクの作成
mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
red_mask = cv2.bitwise_or(mask1, mask2)

# マスクを適用
red_only = cv2.bitwise_and(image, image, mask=red_mask)

print(f"赤色領域のピクセル数: {np.sum(red_mask > 0)}")

演習2：補間方法の比較

問題：100×100の画像を500×500に拡大する際、NEAREST、LINEAR、CUBIC、LANCZOSの4つの補間方法で処理時間と視覚的品質を比較してください。

解答例 ：

import cv2
import numpy as np
import time

# テスト画像
image = np.random.randint(0, 255, (100, 100, 3), dtype=np.uint8)

methods = {
    'NEAREST': cv2.INTER_NEAREST,
    'LINEAR': cv2.INTER_LINEAR,
    'CUBIC': cv2.INTER_CUBIC,
    'LANCZOS': cv2.INTER_LANCZOS4
}

print("補間方法の処理時間比較:")
for name, method in methods.items():
    start = time.time()
    resized = cv2.resize(image, (500, 500), interpolation=method)
    elapsed = time.time() - start
    print(f"  {name:10s}: {elapsed*1000:.2f} ms")

演習3：カスタムフィルタの実装

問題：以下のカーネルを使用して、手動で畳み込み演算を実装してください。

シャープ化カーネル:
 0  -1   0
-1   5  -1
 0  -1   0

解答例 ：

import numpy as np
import cv2

def custom_convolution(image, kernel):
    """カスタム畳み込み関数"""
    img_h, img_w = image.shape
    ker_h, ker_w = kernel.shape
    pad_h, pad_w = ker_h // 2, ker_w // 2

    # パディング
    padded = np.pad(image, ((pad_h, pad_h), (pad_w, pad_w)), mode='edge')

    # 出力画像
    output = np.zeros_like(image)

    # 畳み込み
    for i in range(img_h):
        for j in range(img_w):
            region = padded[i:i+ker_h, j:j+ker_w]
            output[i, j] = np.sum(region * kernel)

    return np.clip(output, 0, 255).astype(np.uint8)

# シャープ化カーネル
sharpen_kernel = np.array([[0, -1, 0],
                           [-1, 5, -1],
                           [0, -1, 0]])

# テスト
test_image = np.random.randint(50, 200, (100, 100), dtype=np.uint8)
sharpened = custom_convolution(test_image, sharpen_kernel)

print("カスタム畳み込みを実装しました")
print(f"入力: {test_image.shape}")
print(f"出力: {sharpened.shape}")

演習4：PyTorch Transformsの応用

問題：以下の要件を満たすデータ拡張パイプラインを作成してください：

80%の確率で左右反転
明度とコントラストをランダムに±20%変更
±10度のランダム回転
最終的に224×224にリサイズ
ImageNet標準化を適用

解答例 ：

from torchvision import transforms

augmentation_pipeline = transforms.Compose([
    transforms.RandomHorizontalFlip(p=0.8),
    transforms.ColorJitter(brightness=0.2, contrast=0.2),
    transforms.RandomRotation(10),
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(
        mean=[0.485, 0.456, 0.406],
        std=[0.229, 0.224, 0.225]
    )
])

print("データ拡張パイプラインを作成しました")
print(f"変換数: {len(augmentation_pipeline.transforms)}")

演習5：エッジ検出の応用

問題：Cannyエッジ検出を使用して、画像内の長方形領域を検出し、その面積を計算してください。

解答例 ：

import cv2
import numpy as np

# 長方形を含む画像を作成
image = np.zeros((300, 400), dtype=np.uint8)
cv2.rectangle(image, (50, 50), (200, 150), 255, -1)
cv2.rectangle(image, (250, 100), (350, 250), 255, -1)

# Cannyエッジ検出
edges = cv2.Canny(image, 50, 150)

# 輪郭検出
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL,
                                cv2.CHAIN_APPROX_SIMPLE)

print(f"検出された輪郭数: {len(contours)}")

for i, contour in enumerate(contours):
    area = cv2.contourArea(contour)
    perimeter = cv2.arcLength(contour, True)
    print(f"輪郭{i+1}: 面積={area:.0f}, 周囲長={perimeter:.2f}")

参考文献

OpenCV Documentation - 公式ドキュメント
Pillow (PIL) Documentation - Python Imaging Library
torchvision.transforms - PyTorch画像変換
Szeliski, R. (2010). Computer Vision: Algorithms and Applications. Springer.
Gonzalez, R. C., & Woods, R. E. (2018). Digital Image Processing (4th ed.). Pearson.
Bradski, G., & Kaehler, A. (2008). Learning OpenCV. O’Reilly Media.

学習目標

1.1 画像の表現

デジタル画像とピクセル

画像の基本構造

カラー空間（Color Space）

RGB（Red, Green, Blue）

HSV（Hue, Saturation, Value）

LAB（Lab*）

サンプル画像の作成（赤、緑、青のブロック）

BGRからRGBへ変換（OpenCVはBGR順序を使用）

各種カラー空間への変換

可視化

元画像（RGB）

HSV（各チャンネルを個別表示）

LAB（各チャンネルを個別表示）

グレースケール

数値の確認

画像の読み込みと保存

OpenCVを使用

PILを使用

1.2 基本的な画像処理

リサイズとクロップ

回転と反転

色変換とヒストグラム

1.3 フィルタリング

平滑化フィルタ

エッジ検出

モルフォロジー演算

1.4 特徴抽出

コーナー検出

Harris Corner Detection

SIFT / ORB特徴量

HOG（Histogram of Oriented Gradients）

1.5 画像データの前処理

Normalization（正規化）とStandardization（標準化）

Data Augmentation（データ拡張）

PyTorch Transformsによる前処理パイプライン

まとめ

重要なポイント

次章の予告

演習問題

参考文献