本記事では以下のことを解説しています。

• 転職のためのスキルアップとして効率的に学びたい
• 副業としてプログラミングができるようになりたい
• 独学での勉強に限界を感じている

これらに該当する方はプログラミングスクールがスキルアップの近道です！
是非参考にしてみてください。

【2025年最新】プログラミング上達の近道とは？スクールに通うメリットやおすすめランキングも徹底解説！プログラミングを上達するための近道を紹介しています。また、2023年度に人気の優良プログラミングスクールをランキング形式で紹介しています！特にプログラミングスクールの選び方を難易度、料金、特徴など様々な観点から紹介しています。自分自身の目的に合ったスクール選びの助けとなれば幸いです。...

未経験でも安心！
学生や30代の方にもおすすめなプログラミングスクールがあります！

人気のプログラミングスクールをチェック！

エッジ検出とは

エッジ検出は、画像上の物体を検出しその輪郭を抽出する手法です。

Python OpenCVを用いてエッジ検出をする方法は以下の3つが挙げられます。それぞれエッジの検出方法が異なります。

１つずつ分かりやすく使い方を説明していきたいと思います！

ラプラシアン処理

まずはラプラシアン処理を用いてエッジ検出をする方法についてです。本記事では、理論的な部分は割愛しますが、二次微分（差分）系のフィルタになります。

ラプラシアン処理を行うためにはcv2.Laplacian()を使います。実際のコードは以下の通りです。

import cv2

def main():
    image=cv2.imread("C:\Imagefile\egao.png")

    edge_im=cv2.Laplacian(image,-1)

    cv2.imshow("edge filter",edge_im)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

ここでcv2.Laplacian(image,-1)の第二引数では、出力画像のデータ型を指定します。一覧を以下の表に示します。

基本的には、”-1” を使用すると良いと思います。
データ型が正しく指定されていないとこのように正しくエッジが検出されませんでした。

また、第三引数にカーネルサイズを指定することもできますがラプラシアン処理では変化が見られませんでした。カーネルサイズを指定する場合は、int型の数値を第三引数として入力します。

他方で、原画像のままラプラシアン処理を行うと、輝度に偏りが出ているため上手く検出されない場合があります。

そのような場合には、輝度平滑化処理を原画像に施してからエッジ検出を行うことで精度よく検出できるようになります。

輝度平滑化を行う場合は以下のコードを先に処理させます。ただし、輝度平滑化処理は、グレイスケール画像にのみ適用できる点に注意してください。

#クレイスケールで画像読み込み
　 image=cv2.imread("C:\Imagefile\egao.png",cv2.IMREAD_GRAYSCALE)
#輝度の平滑化
    dst=cv2.equalizeHist(image)

（輝度平滑化後の実行結果）

Sobel処理

続いてSobel処理です。Sobel処理は、ガウシアン処理を用いて平滑化を行いつつエッジ検出をするものです。平滑化を行っているためノイズの影響を低減しつつエッジ検出を行うことができるという特徴があります。

参考：[フィルタ処理] 平滑化の方法について

import cv2

def main():
    image=cv2.imread("C:\Imagefile\egao.png")

    edge_im=cv2.Sobel(image,-1,0,1)

    cv2.imshow("edge filter",edge_im)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

ここで、cv2.Sobel()はこのように記述しています。

 edge_im=cv2.Sobel(image, bit, dx, dy, ksize)

これらの引数を踏まえて、色々と値を変化させてみた結果を以下に示していきたいと思います！

まず、y方向の微分次数を「1」として、x方向の微分次数を「0」とした場合のエッジ検出結果はx方向を微分する場合と少し異なったエッジが検出されました。

xとyの両方向の微分次数を「1」とした場合には、エッジの強さが弱くなってしまいました。

ksizeのみを変更させた場合には、あまり変化は見られませんでした。

Canny処理

Canny処理は、画像中の強いエッジを検出し弱いエッジ（少数の画素で構成されたエッジ）は削除することができるエッジ検出手法です。

実際にどのように検出されるか見た方が早いと思いますので以下にコードを示します。

import cv2

def main():
    image=cv2.imread("C:\Imagefile\egao.png")

    edge_im=cv2.Canny(image,40.0,200.0)
    cv2.imshow("edge filter",edge_im)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

このように検出できました。

最小しきい値と最大しきい値を任意に変化させてエッジ検出した結果を以下に示します。最小しきい値が小さすぎる場合にはエッジが誤検出されています。逆に最小しきい値が大きすぎる場合にはエッジが正しく検出されませんでした。

この二つの変数を正しく調整すると、（65.0, 200.0）の結果のようにエッジが正しく検出されるようになりました！

エッジ検出したい画像にもよると思いますが、今回用いたような単純な画像ではCanny処理が最も正確に輪郭検出できていることが分かりました。

もっとOpenCVやPythonについて学びたい人はコチラの記事を参考にしてみて下さい！

[2025年版][難易度別] Python学習にオススメな参考書：厳選9冊！Pythonを勉強する初心者から中級者を対象として、2023年現在で本当に良いと感じた厳選9冊を紹介しています。Pythonの基礎を学べる書籍から、GUI、アプリ作成、機械学習などを学べる書籍まで幅広く紹介しています！レビューも書き込んでいます！...

また、プログラミングをしていて疲れやすいなと感じる場合にはこちらを参考にしてみて下さい！

プログラミング学習に役立つガジェット厳選4選！筆者が実際に使ってみて有用だと感じた、プログラミングに役立つガジェットを紹介しています！プログラミングされている方には是非とも読んでみてほしい記事です！...

以上となります。最後まで見ていただきありがとうございました！

OpenCVには様々なフィルタ処理が用意されています。

本記事では膨張処理と収縮処理を用いて、以下のようなモザイク処理をかける方法を分かりやすく解説していきたいと思います！

モザイク処理の流れ

まずは、モザイク処理の流れを簡単に説明していきたいと思います！モザイク処理の簡単な流れは以下の通りです。

①の収縮処理を行うときに、小さく収縮させるほど膨張させたときに粗いモザイク画像になります。

モザイク処理を適用してみる

では、実際にモザイク処理を画像に適用してみましょう。

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    SCALE=0.1
    height=image.shape[0]
    width=image.shape
#収縮処理
    erode=cv2.resize(image,(round(width*SCALE),round(height*SCALE)),
                      interpolation=cv2.INTER_NEAREST)
#収縮後の画素をそのまま補間せずに膨張させる
    mosaic = cv2.resize(erode, (round(width), round(height)),
                        interpolation=cv2.INTER_NEAREST)

    cv2.imshow("mosaic image",mosaic)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

このようにモザイク画像ができました！
本プログラムでは、以下の変数を指定しています。

    SCALE=0.1
    height=image.shape[0]
    width=image.shape

ここでSCALEの値を変化させてみます。上記の結果は、SCALE=0.1なのでSCALEの値をSCALE＝0.05に変化させて実行してみると以下のようになりました。

このようにモザイクの解像度が粗くなっていることが分かります。

また、膨張を行う際には、interpolation=cv2.INTER_NEARESTを指定する必要があります。これは、収縮後の画素が膨張時に綺麗に補間されて膨張されないようにするためのものです。

以上となります。最後まで見ていただきありがとうございました！

輪郭を抽出する方法やノイズ削減についても紹介していますので是非参考にしてみて下さい！

画像をうっすらとぼかす際に使われるcv2.blur()など様々なフィルタを紹介しています！

プログラミングをしていて疲れちゃうなと感じる場合にはこちらの記事を参考にしてみてください！

プログラミング学習に役立つガジェット厳選4選！筆者が実際に使ってみて有用だと感じた、プログラミングに役立つガジェットを紹介しています！プログラミングされている方には是非とも読んでみてほしい記事です！...

この原因として考えられるものの一つとして、画像上のノイズが考えられます。このノイズを低減することによって、より精度の高い識別が行えるようになるのでフィルタ処理は非常に重要なファクターなのです！

今回は、フィルタ処理を用いて画像のノイズを低減させる方法について解説していきます！

• 転職のためのスキルアップとして効率的に学びたい
• 副業としてプログラミングができるようになりたい
• 独学での勉強に限界を感じている

これらに該当する方はプログラミングスクールがスキルアップの近道です！
是非参考にしてみてください。

【2025年最新】プログラミング上達の近道とは？スクールに通うメリットやおすすめランキングも徹底解説！プログラミングを上達するための近道を紹介しています。また、2023年度に人気の優良プログラミングスクールをランキング形式で紹介しています！特にプログラミングスクールの選び方を難易度、料金、特徴など様々な観点から紹介しています。自分自身の目的に合ったスクール選びの助けとなれば幸いです。...

未経験でも安心！
学生や30代の方にもおすすめなプログラミングスクールがあります！

人気のプログラミングスクールをチェック！

画像のノイズとは

画像のノイズとは、画像処理を行う上で不適切に検出されてしまった領域のことを指します。

通常、画像処理を行う際には以下に示すように、前処理として二値化処理を行います。そして、二値化処理された画像の黒あるいは白と検出された領域からデータを取得して画像識別や画像認識などの評価を行います。

このようにしてデータを取得する際には、二値化画像として正確に検出されているほど画像識別や画像判別の精度も上がります。
しかし適切なフィルタ処理を行わないと、以下のように本来検出されてほしくない領域が検出されてしまうことがあります。このとき検出された領域のことをノイズと呼びます。

ノイズは、画像識別などにおける識別精度の低下を招く恐れがあるため、適切なフィルタ処理を選定し適用する必要があります。

フィルタ処理でノイズを削減する

ブラーフィルタ（ Blur filter ）

ブラー処理は、画像要素（ピクセル）の平滑化を行うフィルタのことです。以下の図は、カーネルサイズ（処理対象の領域）が３×３とした場合のブラー処理の平滑化手法になります。

処理対象とする画素を、黄色く塗りつぶされた領域とします。この場合、サイズ領域の平均値を計算すると ”３” となるので中央の値が “3” に修正されます。

この処理を画像全体で行う処理をブラー（blur）処理といいます。

では実際にプログラムを見てみましょう！
画像にブラー処理を行う場合は、cv2.blur() を用います。

Blur = cv2.blur(image,(a,b))

実際のプログラムを見てみましょう。

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    blur=cv2.blur(image,(20,20))
    cv2.imshow("Blur filter",blur)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

このような結果になります。
対象とするカーネルサイズの領域が大きいほど画像がぼけていることが分かりますね。

メディアンフィルタ（ median filter ）

メディアンフィルタは、ブラーフィルタと同様に平滑化を行い画像をぼかす処理になります。ブラー処理と異なる部分は、画素の中央値を適用する点です。

処理対象とする画素を黄色く塗りつぶされた領域とします。この場合、サイズ領域の中央値を計算すると ”2” となるので中央の値が “2” に修正されます。

では実際にプログラムを見てみましょう！
画像にメディアン処理を行う場合は、cv2.medianBlur() を用います。

Median = cv2.medianBlur(image,size )

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    median=cv2.medianBlur(image,9)
    cv2.imshow("median filter",median)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

ガウシアンフィルタ（ gaussian filter ）

ガウシアンフィルタは、ブラーフィルタと同様に平滑化を行い画像をぼかす処理になります。ブラー処理と異なる部分は、単に平均値をとるのではなく、処理対象画素との距離に応じて重みをつけて平滑化を行う点です。

処理対象とする画素を中央の領域とすると、中央に近いほど強い重みを掛け、中央から離れる毎に重みが小さくなるようにして、重み付けを行った後で平滑化を行います。

では実際にプログラムを見てみましょう！
画像にメディアン処理を行う場合は、cv2.GaussianBlur() を用います。

Gaussian = cv2.GaussianBlur(image, ( a, b ), c, d )

実際のプログラムを見てみましょう！

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    gaussina=cv2.GaussianBlur(image,(9,9),10,10)
    cv2.imshow("gaussina filter",gaussina)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

おすすめ書籍

オープニング処理（ opening processing ）

オープニング処理は、二値化後の画像に用いられるノイズ削減手法であり、収縮処理の後で膨張処理をかける処理です。画像上に散らばったノイズや、画像上に写った線などを消す効果があります。

二値化手法は、コチラの記事で解説しています！

実際にオープニング処理を用いる場合には、cv2.morphology() を用います。

opening = cv2.morphologyEx ( image, cv2.MORPH_OPEN, ( a, b ))

クロージング処理（ closing processing ）

クロージング処理は、二値化後の画像に用いられるノイズ削減手法であり、膨張処理の後で収縮処理をかける処理です。画像内の欠損した部分を補うことができます。

二値化手法は、コチラの記事で解説しています！

実際にクロージング処理を用いる場合には、cv2.morphology() を用います。

opening = cv2.morphologyEx ( image, cv2.MORPH_CLOSE, ( a, b ))

まとめ（各フィルタ処理の比較）

各平滑化処理を比較してみると以下のようになります！

プライバシー保護などで画像全体を保護したいときは ”Blur”が良さそうですね。ただ、機械学習に用いるための二値化画像の前処理としてフィルタ処理をかける場合には”Median”もしくは”Gaussian”が良さそうですね！

また、オープニング処理とクロージング処理を比較すると以下のようになります。

実際に画像上のノイズを削減したい場合には、STEP１としてフィルタ処理を施して画像を軽くぼかし、STEP２としてあらかじめ平滑化処理を施した画像にオープニング処理あるいはクロージング処理をすることでノイズを効率よく削減することが可能になります！

余談ですが、膨張と収縮を活用するとモザイク画像を作成することもできます。コチラの記事で解説していますので参考にしてみて下さい！

参考：[OpenCV] 画像にモザイクをかける方法

以上となります。最後まで見ていただきありがとうございました！

OpenCVには画像の色を変化させるライブラリが豊富に用意されています！
本記事では以下の項目に分けて、それらのライブラリを分かりやすく説明していきたいと思います。

• 転職のためのスキルアップとして効率的に学びたい
• 副業としてプログラミングができるようになりたい
• 独学での勉強に限界を感じている

これらに該当する方はプログラミングスクールがスキルアップの近道です！

【2025年最新】プログラミング上達の近道とは？スクールに通うメリットやおすすめランキングも徹底解説！プログラミングを上達するための近道を紹介しています。また、2023年度に人気の優良プログラミングスクールをランキング形式で紹介しています！特にプログラミングスクールの選び方を難易度、料金、特徴など様々な観点から紹介しています。自分自身の目的に合ったスクール選びの助けとなれば幸いです。...

未経験でも安心！
おすすめなプログラミングスクールがあります！

人気のプログラミングスクールをチェック！

「RGB値を分類する」とは？

RGB値とは、Red（赤）Green（緑）Blue（青）の3色のバランスで様々な色を表す色の表現手法の一つです。それぞれ0～255の256段階で色の強弱を指定します。

【余談】様々な色のRGB値を知りたい方は、コチラの記事を見てみてください！

今回説明する「RGB値の分類」とは、カラー画像を赤と緑と青どれか一色に指定し、その色の強弱がどの程度かを表示させる方法です！

では、下図（上側）のような赤緑青の円が横に並んだ図を用いて詳しく説明してみます！また、その下図（下側）に示した図は、それぞれの色を抽出してみた結果です！

左：Red（赤）の成分を抽出した結果
中央：Green（緑）の成分を抽出した結果
右：Blue（青）の成分を抽出した結果
※点線は実際は表示されません

この図からも分かるように、指定色が強い領域ほど白に近い色で表され、指定色が弱い領域ほど黒に近い色で表されます。

そのため指定色だけが消えたように表示されています！

すらいむ管理人

次項では、このRGB値分類を実際の画像でやってみたいと思います！

RGB値を分類してみよう

RBG値の分類手法

では実際に画像をRGBの各成分で分離してみましょう！
今回は、色が分かりやすいように以下の画像を対象として分類していきたいと思います。

まず初めに、cv2.splitメソッドを用いて原画像をRGB値に分類します。

rgb = cv2.split ( image )

これによって原画像が赤、緑、青の各成分ごとに分離されます。そして、分類されたそれぞれのデータを表示したり保存したりするため、各成分ごとにインスタンスを作成します！

    red=rgb
    green=rgb
    blue=rgb[0]

ここで、配列rgb [ ] はcv2.split()で分類した各色の画像を呼び出すためのコードです。

OpenCVでは、画像の色をBGRの順で認識するため青がrgb[ 0 ]、緑がrgb[ 1 ]、赤がrgb[ 2 ]という順番で配列に格納されています。

RGB値を実際に分類してみる

実際のプログラムは以下の通りです！
画像の書き込み及び保存方法は、以下を参照してください。

import cv2

def main():
    image=cv2.imread("C:\Imagefile\pencil.jpg")
    #画像をrgb値に変換
    rgb=cv2.split(image)
    #それぞれの色のインスタンスを作成
    red=rgb
    green=rgb
    blue=rgb[0]

    #画像の保存
    cv2.imwrite("C:\Imagefile\blue.jpg",blue)
    cv2.imwrite("C:\Imagefile\green.jpg",green)
    cv2.imwrite("C:\Imagefile\red.jpg",red)

    #画像の表示
    cv2.imshow("red", red)
    cv2.imshow("green", green)
    cv2.imshow("blue", blue)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

このように原画像がRGBの各色に分類されました！

まず、Redを抽出した画像に着目すると赤に近い色ほど白っぽくなり赤から遠い色ほど黒っぽくなっていることが分かります。

同様にGreenとBlueについて見ると、
Greenを抽出した画像では、緑に近づくほど白っぽく、緑から遠いほど黒っぽくなっていて、Blueを抽出した画像では、青に近づくほど白く、青から遠いほど黒くなっていることが分かります。

RGB値を変化させてみよう

カラー画像の色空間を変換する

次は、画像のRGB値を自動的に変換させて表示する方法について説明します！RGB値を変換するためには、OpenCVのメソッド cv2.cvtColor() を利用します。

cv2.cvtColor ( image , cv2.COLOR_BGR2GRAY )

cv2.cvtColor()の第一引数には、変換対象となる画像を選択し、第二引数にはOpenCVに用意されているライブラリの中から好きな変換手法を選択します！

今回は以下のプログラムにも示したような6つの変換手法を紹介します！

import cv2

def main():
    image=cv2.imread("C:\Imagefile\pencil.jpg")
#色空間の変更
    rgb1 = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    rgb2 = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    rgb3 = cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
    rgb4 = cv2.cvtColor(image, cv2.COLOR_BGR2HLS)
    rgb5 = cv2.cvtColor(image, cv2.COLOR_RGB2YUV)
    rgb6 = cv2.cvtColor(image, cv2.COLOR_RGB2LUV)
#画像の表示
    cv2.imshow("No.1", rgb1)
    cv2.imshow("No.2", rgb2)
    cv2.imshow("No.3", rgb3)
    cv2.imshow("No.4", rgb4)
    cv2.imshow("No.5", rgb5)
    cv2.imshow("No.6", rgb6)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

このように元々の画像と色のパターンがそれぞれの変換手法によって異なる色空間に変わりました！

すらいむ管理人

BGR2RGBは赤が青っぽく、青が赤っぽく変わっていますね！
BGR2LUVはファンシーな感じになりました(笑)

Pythonで始めるOpenCV 4プログラミング

現場ですぐに使える！ 最新Pythonプログラミング逆引き大全450の極意

グレイスケール（白黒）画像に色をつける方法

最後は、グレイスケール（白黒）画像に色をつける方法を紹介します！グレイスケール画像に色を付けるためのライブラリがOpenCVには準備されています。

それが cv2.applyColorMap() です！
第一引数には、色をつけたいグレイスケール画像を選択肢、第二引数にはOpenCVに用意されている着色方法の中から好きなものを選択します。

    cv2.applyColorMap ( image , cv2.COLORMAP_SUMMER )

では、OpenCVを用いて色をつけるための関数をいくつか紹介していきます！

このような感じで着色できました！
それぞれ色のつけ方に特徴があって面白いですね！

すらいむ管理人

”RAINBOW” は、色空間が非常に面白い感じになりました！
”JET” はサーモグラフィーみたいな画像になりました(笑)

以上となります！
ぜひお気に入りの変換方法が見つけてみて下さい！
最後まで見ていただきありがとうございました。

画像処理において、ノイズを削減する方法も解説していますので参考にしてみて下さい！

参考：[OpenCV] フィルタ処理を用いてノイズを除去する方法

おすすめ記事

【2025年最新】プログラミング上達の近道とは？スクールに通うメリットやおすすめランキングも徹底解説！プログラミングを上達するための近道を紹介しています。また、2023年度に人気の優良プログラミングスクールをランキング形式で紹介しています！特にプログラミングスクールの選び方を難易度、料金、特徴など様々な観点から紹介しています。自分自身の目的に合ったスクール選びの助けとなれば幸いです。...

近年注目を集めてきている機械学習やディープラーニング等で行われる画像識別や特徴点抽出などでは、二値化像からデータを取得しています。

そのため二値化処理はなくてはならない画像処理手法の１つです！
では分かりやすく解説していきます。

• 転職のためのスキルアップとして効率的に学びたい
• 副業としてプログラミングができるようになりたい
• 独学での勉強に限界を感じている

これらに該当する方はプログラミングスクールがスキルアップの近道です。

【2025年最新】プログラミング上達の近道とは？スクールに通うメリットやおすすめランキングも徹底解説！プログラミングを上達するための近道を紹介しています。また、2023年度に人気の優良プログラミングスクールをランキング形式で紹介しています！特にプログラミングスクールの選び方を難易度、料金、特徴など様々な観点から紹介しています。自分自身の目的に合ったスクール選びの助けとなれば幸いです。...

未経験でも安心！
学生や30代の方にもおすすめなプログラミングスクールがあります！

人気のプログラミングスクールをチェック！

準備：画像の読み込みと書き込み

画像を読み込む方法

OpenCVを用いて画像を読み込む際には、cv2.imread()を使用します。引数には読み込みたい画像の保存先URLを入力しておきます。

インスタンス名 = cv2.imread ( ” C:￥image.jpg " ) #この場合はCドライブ内のimage.jpgという画像を指定

すらいむ管理人

こうすることで、指定したインスタンスに画像情報を持たせることができます！

画像を保存したい場合

OpenCVを用いて画像処理を行った後の画像データを保存したい場合には、cv2.imwrite()を利用します！

画像処理を行った次の行に挿入することで画像を保存することができます。書き方は以下の通りです。第一引数（adress）には保存先URL、第二引数に保存したい画像データを指定します。

cv2.imwrite("address", 画像名)

画像が読み込めない場合にプログラムを終了させる方法

画像が読み込めない場合に、プログラムのRUNを終了させたい場合には以下のコードをプログラムに追加します。

ファイル読み込みを行う行の下に挿入してみて下さい！

    if image is None:
        print("ファイルが見つかりません")
        import sys
        sys.exit()

グレイスケールで表示させる方法

グレイスケールとは、画像を白と黒の濃淡のみで表示させる手法です。
画像をグレイスケールに変更する場合は、cv2.cvtColorメソッドにあるcv2.COLOR_RGB2GRAY関数を利用します。

第一引数には、グレイスケールに変更したい画像を指定します。
第二引数には、関数を指定します。

cv2.cvtColor ( image , cv2.COLOR_RGB2GRAY )

では実際に画像をグレースケールに変更してみしょう！
なお、”\” は “半角＼” を示しています。

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")
#グレイスケールへ変換
    gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    cv2.imwrite("C:\Imagefile\cat-gray.jpg",gray)
    cv2.imshow("gray1",gray)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

このように画像の色がグレイスケールに変更されました！

画像が自動で白黒に変更されるので非常に便利ですね！次は閾値処理という手法を紹介したいと思います！

すらいむ管理人

閾値処理は画像を白黒へ二値化するための処理です！

閾値（しきい値）処理で二値化してみよう

二値化処理とは

二値化処理とは、画像を以下のような白黒画像に変換する手法です。白黒に変換する方法は、グレイスケール画像の諧調（輝度）を閾値を指定して黒（0）か白（255）かで表す画像処理手法です。（下図は閾値を130に指定）

二値化の基本的な仕組み

閾値画像処理をする上で、二値化の仕組みを知っておくことは非常に大切です。

すらいむ管理人

今回は、二値化手法の基本的な仕組みを分かりやすく解説していきたいと思います！

まず、グラフの下に表示されたようなグレースケールで表される画像があるとします。すると、この画像の輝度は下図に示したグラフのように表現できます。

この画像に対して、閾値を130に設定して二値化をしてみます。閾値を130に設定すると、輝度が130よりも高いエリアは白で表示され、130よりも低いエリアは黒に表示されて二値化されます。

このようなシステムで二値化を行うため、画像全体の輝度が平滑である必要があります。輝度に偏りがある場合には、正確に二値化を行うことができないため、前処理として輝度平滑化処理を施す必要があります。

まず初めに、画像上のノイズを低減させるためにフィルタ処理（ぼかし）をかけます。

その後、特殊な環境でない限り、通常は少なからず輝度値に偏りがあるため輝度平滑化処理を行うか、後半部分で説明する適応的二値化処理を行います。

おすすめ書籍

OpenCVによる二値化手法一覧

ここからは実際に画像を白と黒へ二値化する方法について解説していきます。

OpenCVにおいて、二値化をするために用いられる手法は以下の通りとなっています。次項でそれぞれ詳しく解説していきます！

cv2.THRESH_BINARY

まずは、一般的な二値化関数であるcv2.THRESH_BINARY関数を見てみましょう！

プログラムと実行結果は以下の通りです。

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    ret,thresh=cv2.threshold(gray,130,255,cv2.THRESH_BINARY)
    #cv2.imwrite("C:\Imagefile\cat-gray.jpg",thresh)
    cv2.imshow("gray1",thresh)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

このような形で二値化画像が表示されました！
実際のcv2.THRESH_BINARY関数は以下のように書かれており、引数にはそれぞれ以下を指定します。

第一引数
二値化させたいグレースケール画像

第二引数
閾値を指定

第三引数
0～255段階の諧調の内で、上限値を指定

cv2.threshold(gray,130,255,cv2.THRESH_BINARY)

では実際に第二引数と第三引数を変化させた場合の二値化像の変化を見てみましょう！

すらいむ管理人

第２引数（閾値）の値を小さくすると、白だと判定される領域が広くなっていますね！

すらいむ管理人

第３引数の値を小さくすると、白と判別されたエリアの色が暗くなっていますね！

cv2.THRESH_BINARY_INV

cv2.THRESH_BINARY_INV関数は、cv2.THRESH_BINARY関数で判定した、白と黒の領域を反転させて表示させる手法です！

cv2.thresholdメソッド内の第４引数に、cv2.THRESH_BINARY_INVを指定して利用します。実行結果は以下のようになります。

ret,thresh=cv2.threshold(gray,130,255,cv2.THRESH_BINARY_INV)

cv2.THRESH_TRUNC

cv2.THRESH_TRUNCのTRUNCは、Truncationのことで閾値を切り捨てるということを意味します。

そのため第２引数で指定した閾値以上の領域は閾値で指定した値がそのまま適用されます。
そして最も重要なのは、閾値で指定した値よりも下の領域は二値化がされず、そのままグレースケールで表示されるということです！

使い方は、cv2.thresholdメソッド内の第４引数に、cv2.THRESH_BINARY_INVを指定して利用します。実行結果は以下のようになります。

ret,thresh=cv2.threshold(gray,200,200,cv2.THRESH_TRUNC)

第一引数
二値化させたいグレースケール画像

第二引数
閾値を指定

第三引数
値を変えても変化が無かったので今回は特に値を変更させる必要はなさそうです。

すらいむ管理人

画像が明るすぎるけど、グレースケールはそのままで表示させたいという場合に使えますね！

cv2.THRESH_TOZERO

cv2.THRESH_TOZERO関数は、cv2.THRESH_TRUNCの逆のことをしている関数です！

つまり第２引数で指定した閾値よりも輝度値が下の領域には、閾値で指定した値を適用します。そして、閾値で指定した輝度値よりも上の領域は、グレースケールのままで表示させるというものです。

使い方は、cv2.thresholdメソッド内の第４引数に、cv2.THRESH_TOZEROを指定して利用します。実行結果は以下のようになります。

ret,thresh=cv2.threshold(gray,130,10,cv2.THRESH_TOZERO)

第一引数
二値化させたいグレースケール画像

第二引数
閾値を指定

第三引数
値を変えても変化が無かったので今回は特に値を変更させる必要はなさそうです。

cv2.THRESH_TOZERO_INV

cv2.THRESH_TOZERO_INV関数は、cv2.THRESH_TOZERO関数で判定した、白と黒の領域を反転させて表示させる手法です！

cv2.thresholdメソッド内の第４引数に、cv2.THRESH_TOZERO_INVを指定して利用します。実行結果は以下のようになります。

ret,thresh=cv2.threshold(gray,130,255,cv2.THRESH_TOZERO_INV)

【余談】他にもプログラミングに役立つガジェットなども紹介していますので是非参考にしてみてください～！

適応的閾値処理（adaptive threshold）

適応的二値化とは

二値化処理には、閾値処理の他に適応的二値化処理（adaptive threshold）という手法があります。

適応的二値化とは、画像全体に対して一定の閾値を用いて二値化するのではなく、画素ごとで適切な閾値を用いて二値化する手法のことです。

このような仕組みで二値化を行うため、輝度を平滑化しなくても正確に二値化を行うことができます！

そしてこの適応的二値化で扱える関数のうち、今回紹介するのは以下の2つです。

OTSU

OTSUは、大津の二値化と呼ばれており、自動的に閾値を設定していく適応的閾値処理の一つです。このOTSUを用いる場合には、プログラムを以下のように書きます。

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    ret,thresh = cv2.threshold(gray,0,255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
    #cv2.imwrite("C:\Imagefile\cat-gray.jpg",thresh)
    cv2.imshow("gray1",thresh)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

第２引数は変更しても変化がなかったので特に指定する必要はないと思います。

cv2.ADAPTIVE_THRESH_MEAN_C

cv2.ADAPTIVE_THRESH_MEAN_Cを用いて適応的二値化を行った結果を以下に示します。

 thresh = cv2.adaptiveThreshold ( gray , 160 , cv2.ADAPTIVE_THRESH_MEAN_C , cv2.THRESH_BINARY , 7 , 8 )

第一引数
二値化させたいグレースケール画像

第二引数
条件（第三引数）を満たすピクセルに割り当てられる輝度値

第三引数
適応的二値化アルゴリズムの指定。
“cv2.ADAPTIVE_THRESH_MEAN_C” あるいは ”cv2.ADAPTIVE_THRESH_GAUSSIAN_C”

第四引数
閾値処理の種類を指定。
“cv2.THRESH_BINARY” あるいは “cv2.THRESH_BINARY_INV”

第五引数
どれくらいの画素数を一つの領域とするか（近傍領域）の指定。
奇数のみで指定（通常3，5，7などが用いられる）。偶数を入力するとエラーがでる。

第六引数
平均または加重平均から減算される定数

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    thresh=cv2.adaptiveThreshold(gray,160,cv2.ADAPTIVE_THRESH_MEAN_C,
                                     cv2.THRESH_BINARY,7,8)
    cv2.imshow("gray1",thresh)

    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

すらいむ管理人

適応的二値化後の輝度値の上限（白で表される部分）の色味が変わっていますね！

すらいむ管理人

第５引数の値を変化させると、黒で表される領域のサイズが変わっていますね！引数の値が小さい方が一つ一つの領域が細かくなっています！

cv2.ADAPTIVE_THRESH_GAUSSIAN_C

cv2.ADAPTIVE_THRESH_GAUSSIAN_Cを用いて適応的二値化を行った結果を以下に示します。

 thresh = cv2.adaptiveThreshold ( gray , 160 , cv2.ADAPTIVE_THRESH_GAUSSIAN_C , cv2.THRESH_BINARY , 7 , 8 )

（実行結果）

すらいむ管理人

先ほどと同様に、適応的二値化後の輝度値の上限（白で表される部分）の色味が変わっていますね！

どの二値化手法が最も優れているのか

最後に、どの二値化手法を用いればよいのかお話していきたいと思います！

結論からお話ししますと、、、、、、

状況に応じて適したものを選ぶしかない！です

二値化画像の用途や、撮影機器、機械学習にかける場合には、そのAIなどの外部要因によって優れている二値化手法は変わってきます。

そのため画像を二値化して、何をするか明確になったときに色々と試してみて精度がもっともよいと思われる二値化手法を用いるのが良いと思います。

すらいむ管理人

余談ではありますが、ボクは二値化処理にOTSUを用いることが多いです！

以上となります。最後まで見ていただきありがとうございました！
色（RGB値）の変換方法やPython学習に役立つおすすめ書籍も紹介していますので是非参考にしてみて下さい！

プログラミング学習に役立つガジェット厳選4選！筆者が実際に使ってみて有用だと感じた、プログラミングに役立つガジェットを紹介しています！プログラミングされている方には是非とも読んでみてほしい記事です！...

すらいむ管理人

みなさんもスマートフォンアプリやPCで、写真加工をした経験があると思います！

本記事では、物体認識や画像認識の基礎となる画像処理のうち、反転やリサイズ、トリミングなどの手法について、プログラムではどのように処理されているのかを解説していきたいと思います！

OpenCVとは

OpenCVは、画像処理を行うたに必要な膨大な関数があらかじめ用意されたライブラリのことです。

このOpenCVを用いることで、複雑な画像処理プログラムを構築することなく数行のコードだけで処理を行うことができます。OpenCVを用いてできる主な処理は以下の通りです。

図形の描写だけでなく、顔や特徴量の検出、動画編集など多岐にわたるライブラリが詰め込まれています！

自分自身でいろいろ触ってみると面白いですよ！

準備

OpenCVのインストール

OpenCVを用いて画像を読み込むためには、cv2モジュールをインストールする必要があります。そのため、コマンドプロンプトに以下のコマンドを入力し、実行してください。少し待ってSuccessfully installedと表示されたらインストール完了です。

pip install opencv-python

画像を読み込む方法

OpenCVを用いて画像を読み込む際には、cv2.imread()を使用します。引数には読み込みたい画像の保存先URLを入力しておきます。

インスタンス名 = cv2.imread ( ” C:￥image.jpg " ) #この場合はCドライブ内のimage.jpgという画像を指定

画像を保存したい場合

OpenCVを用いて画像処理を行った後の画像データを保存したい場合には、cv2.imwrite()を利用します！

画像処理を行った次の行に挿入することで画像を保存することができます。書き方は以下の通りです。第一引数に保存先URL、第二引数に保存したい画像データを指定します。

cv2.imwrite("address",画像名)

以下の記載の場合は、flip1という画像をCドライブ、Imagefile内に ”flip0” という名前のjpg画像を保存するという指定になります。

cv2.imwrite("C:\Imagefile\flip0.jpg",flip1)

画像を反転（フリップ）する方法

初めに、画像を反転（フリップ）する方法を説明していきます。
今回はこちらの画像を反転させてみたいと思います。

今回用いるメソッドは以下の通りです！

cv2.flip()
第一引数には、読み込んだ画像を入れたインスタンスを指定し、第二引数には -1，0，1 のどれかを選択します。 -1，0，1 それぞれを指定した場合の結果は、下記に示しています。

cv2.imwrite()
第一引数には、保存したいファイルの保存先と保存する画像データの名前を指定します。そして第二引数には、反転データが格納されたインスタンスを指定します。

cv2.imshow()
第一引数には、表示画像タイトルを指定し、第二引数には表示させたい画像を指定します。

 　flip1=cv2.flip(image,0)
    cv2.imwrite("C:",flip1)
    cv2.imshow("flip1",flip1)

以上のことを踏まえて、画像を反転させるプログラムを実際に見てみましょう！
※実際に動かす際は　￥→半角＼　に置き換えてください

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")
#反転imwrite:0
    flip1=cv2.flip(image,0)
    cv2.imwrite("C:\Imagefile\flip0.jpg",flip1)
    cv2.imshow("flip1",flip1)
#反転imwrite:1
    flip2=cv2.flip(image,1)
    cv2.imwrite("C:\Imagefile\flip1.jpg",flip2)
    cv2.imshow("flip2",flip2)
#反転imwrite:-1
    flip3 = cv2.flip(image, -1)
    cv2.imwrite("C:\Imagefile\flip-1.jpg",flip3)
    cv2.imshow("flip3", flip3)

    if image is None:
        print("ファイルが見つかりません")
        import sys
        sys.exit()
    cv2.waitKey()
    cv2.destroyAllWindows()

if __name__=="__main__":
    main()

（実行結果：画像下の数字はimwriteの第二引数で指定した値）

おすすめ書籍

画像のリサイズ

すらいむ管理人

次は画像のリサイズについて勉強してみましょう！

画像のリサイズをする場合には、cv2.resize() メソッドを用います。ここで第一引数には、リサイズしたい画像を指定し、第二引数にはリサイズ後の画像サイズを指定します。

resize = cv2.resize ( image , ( fx , fy ) )

また、リサイズ手法は2パターンに分けられます。
一つ目はアスペクト比（縦横比）を保持させないでリサイズする方法で、二つ目はアスペクト比を保持させつつリサイズする方法です。

では順番に説明していきます！

アスペクト比（縦横比）を保持させない場合

初めに、アスペクト比を保持させない場合のプログラムを以下に示します。
※実際に動かす際は　￥→半角＼　に置き換えてください

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    resize1 = cv2.resize(image, (150,300))
    cv2.imshow("resize1", resize1)
    resize2 = cv2.resize(image, (250, 200))
    cv2.imshow("resize2", resize2)
    resize3 = cv2.resize(image, (400, 200))
    cv2.imshow("resize3", resize3)

    if image is None:
        print("ファイルが見つかりません")
        import sys
        sys.exit()

    cv2.waitKey()
    cv2.destroyAllWindows()

if __name__=="__main__":
    main()

（実行結果）

すらいむ管理人

画像の縦と横のサイズを数値で指定するとアスペクト比が保持されないです！なので画像自体が引き伸ばされたように表示されます！

アスペクト比を保持させつつリサイズする方法

次にアスペクト比を保持させつつリサイズする方法です。プログラムは以下の通りになります。
※実際に動かす際は　￥→半角＼　に置き換えてください

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    scale1=0.5
    scale2=1.5
    height=image.shape[0]
    width=image.shape

    resize1=cv2.resize(image,(int(width*scale1),int(height*scale1)))
    cv2.imshow("resize1",resize1)
    resize2 = cv2.resize(image, (int(width * scale2), int(height * scale2)))
    cv2.imshow("resize2", resize2

    if image is None:
        print("ファイルが見つかりません")
        import sys
        sys.exit()
    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

すらいむ管理人

cv2.resize()の引数として指定する縦と横のサイズそれぞれに同じ値を掛けることでアスペクト比を保持できます！

アスペクト比を保持した場合でのリサイズは、画像が引き伸ばされることなく拡大・縮小されていることが分かります。

画像をトリミングする方法

画像をトリミングするためには、以下のコードを実行します。

インスタンス名 [ x0 : x1 , y0 : y1 ]

ここで、各引数は以下のようになっており指定した範囲以外をトリミングします。

実際にトリミングした結果を以下に示します。
※実際に動かす際は　￥→半角＼　に置き換えてください

import cv2

def main():
    image=cv2.imread("C:\Imagefile\cat-image.jpg")

    trimming1=image[0:300,0:300]
    cv2.imshow("trimming1",trimming1)
    trimming2 = image[150:450, 150:450]
    cv2.imshow("trimming2", trimming2)

    if image is None:
        print("ファイルが見つかりません")
        import sys
        sys.exit()
    cv2.waitKey()
    cv2.destroyAllWindows()
if __name__=="__main__":
    main()

（実行結果）

すらいむ管理人

このようにして任意の場所を切り出すことができます！

以上となります。最後まで見ていただきありがとうございました！
OpenCVによる二値化手法や、Python学習に役立つおすすめ書籍も紹介していますので是非参考にしてみて下さい！

画像処理（OpenCV）の学習におすすめの本

参考：[2022年最新][初心者向け] Pythonに役立つ書籍：厳選12選
参考：[OpenCV] 二値化処理手法を徹底解説！