画像の2値化処理を学ぶための対話的な学習ツールです。実際に手を動かしながら、2値化の原理と効果を体験できます。
📚 アプリの使い方#
1. 画像の観察#
左側の元画像をよく観察してください。この画像がどのような明暗の特徴を持っているか確認しましょう。
2. ヒストグラムの確認#
ヒストグラムで画像の明るさの分布を確認します。山が2つある場合は、2値化に適している目安となります。
3. 閾値の調整#
スライダーを動かして2値化の閾値を調整します。結果を観察しながら、最適な値を探してみましょう。
4. 結果の評価#
2値化された画像を確認し、目的に応じて適切な閾値が設定できているか評価します。
インタラクティブデモ#
128
元画像
2値化処理後
ヒストグラム
ヒストグラムの読み方#
ヒストグラムは、画像の明るさの分布を表すグラフです。横軸は明るさ（0～255）を、縦軸はその明るさを持つピクセルの数を示しています。
- 左側（0に近い）：暗いピクセルの分布を表します
- 右側（255に近い）：明るいピクセルの分布を表します
- 山が2つある場合：明暗がはっきり分かれていることを示します
- このような場合：2つの山の間の値を閾値に設定すると効果的です
スライダーを動かして、ヒストグラムを参考にしながら最適な閾値を探してみましょう。
2値化処理の原理#
基本的な仕組み#
2値化処理は、グレースケール画像の各ピクセルを、設定した閾値（しきい値）と比較して、白（255）または黒（0）のどちらかに変換する処理です。
if (ピクセル値 >= 閾値) {
出力 = 255 (白)
} else {
出力 = 0 (黒)
}
農業における応用例#
葉面積の測定
- 葉の部分を背景から分離
- 面積を自動計算
果実の検出
- 果実と葉を分離
- 収穫量の推定
病害虫の検出
- 健全部と病変部の分離
- 被害面積の算出
雑草の識別
- 作物と雑草の分離
- 除草作業の自動化
閾値の選び方#
大津の2値化法#
最適な閾値を自動的に決定する手法として、大津の2値化法があります。これは、クラス内分散を最小化し、クラス間分散を最大化する閾値を選ぶ方法です。
適応的2値化#
画像の局所的な特徴に応じて閾値を変化させる手法です。照明が不均一な画像に有効です。
実習課題#
異なる画像での実験
- 明暗の差が大きい画像
- グラデーションのある画像
- ノイズの多い画像
最適な閾値の探索
- ヒストグラムの谷を見つける
- 大津の方法を手動で試す
応用を考える
- あなたの研究分野での応用
- 改善点の提案
まとめ#
2値化処理は、画像処理の最も基本的な技術の一つですが、スマート農業において非常に重要な役割を果たします。適切な閾値の選択が、後続の処理（形状認識、面積計算など）の精度に大きく影響することを理解しておくことが重要です。
次の講義「カラー画像の仕組み 」では、RGB色空間とHSV色空間について学びます。