エッジ検出処理を学ぶための対話的な学習ツールです。画像の輪郭を検出する技術は、物体認識や位置測定の基礎となります。
📚 システムの使い方#
1. 画像の観察#
左側の元画像をよく観察してください。この画像の中で、エッジとして検出したい部分を確認しましょう。
2. 検出方法の選択#
SobelフィルタとPrewittフィルタから選択できます。それぞれの特徴を理解しながら使い分けてみましょう。
3. 感度の調整#
スライダーを動かしてエッジ検出の感度を調整します。結果を観察しながら、最適な値を探してみましょう。
インタラクティブデモ#
50
元画像
エッジ検出結果
フィルタカーネル表示#
Sobelフィルタのカーネル#
横方向フィルタ（Gx）#
| -1 | 0 | 1 |
| -2 | 0 | 2 |
| -1 | 0 | 1 |
横方向のエッジを検出します。
縦方向フィルタ（Gy）#
| -1 | -2 | -1 |
| 0 | 0 | 0 |
| 1 | 2 | 1 |
縦方向のエッジを検出します。
Prewittフィルタのカーネル#
横方向フィルタ（Gx）#
| -1 | 0 | 1 |
| -1 | 0 | 1 |
| -1 | 0 | 1 |
縦方向フィルタ（Gy）#
| -1 | -1 | -1 |
| 0 | 0 | 0 |
| 1 | 1 | 1 |
🔍 Sobelフィルターの仕組みを学ぶ#
学習のポイント#
Sobelフィルターがどのように画像のエッジを検出するのか、実際の計算過程を確認しながら学びましょう。
対話的な学習ツール#
入力画像のグリッドのセルをクリックすると、そのセルを中心としたSobelフィルターの計算過程が表示されます。
使い方：
- 入力画像のグリッドから任意のセルをクリックします
- 横方向・縦方向のフィルター計算過程を確認します
- 各方向の結果と最終的な合成結果を比較します
エッジ検出の原理#
エッジとは#
エッジ（輪郭）は、画像内で明るさが急激に変化する場所です。物体の境界、影の境界、テクスチャの変化などがエッジとして検出されます。
微分によるエッジ検出#
エッジ検出の基本原理は微分です。画像の明るさの変化率（勾配）を計算することで、エッジを検出します。
エッジの強さ = √(横方向の勾配² + 縦方向の勾配²)
Sobelフィルタ#
特徴#
- ノイズに強い：3×3の範囲で平滑化しながら微分
- 方向を考慮：横方向と縦方向を別々に計算
- 重み付き：中心に近いピクセルを重視
計算手順#
- 横方向の勾配Gxを計算
- 縦方向の勾配Gyを計算
- エッジの強さを計算：
G = √(Gx² + Gy²) - エッジの方向を計算：
θ = arctan(Gy/Gx)
Prewittフィルタ#
特徴#
- 計算が単純：重みが均等
- ノイズの影響を受けやすい：平滑化効果が弱い
- 高速処理：乗算が簡単
フィルタの比較#
| 特性 | Sobelフィルタ | Prewittフィルタ |
|---|---|---|
| ノイズ耐性 | 高い | 中程度 |
| 計算量 | 中程度 | 少ない |
| エッジの鮮明さ | 高い | 中程度 |
| 用途 | 一般的な画像処理 | リアルタイム処理 |
農業における応用#
1. 作物の形状認識#
- 葉の輪郭抽出：葉面積の計算
- 果実の検出：収穫ロボット用の位置特定
- 茎の追跡：成長方向の解析
2. 病害虫の検出#
- 病斑の境界検出：被害範囲の特定
- 虫食い跡の検出：損傷評価
- 変色部分の輪郭：症状の進行監視
3. 雑草の識別#
- 葉の形状による分類：作物と雑草の判別
- 根系の解析：地下部の構造把握
- 群落境界の検出：分布パターン解析
4. 農業機械の自動走行#
- 畝の検出：走行ラインの認識
- 障害物の検出：衝突回避
- 作物列の追跡：精密作業の位置決め
実装例（Python）#
OpenCVを使用した実装#
import cv2
import numpy as np
# 画像読み込み
img = cv2.imread('image.jpg', 0)
# Sobelフィルタ
sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
sobel = np.sqrt(sobel_x**2 + sobel_y**2)
# Prewittフィルタ（カスタムカーネル）
kernel_x = np.array([[-1, 0, 1],
[-1, 0, 1],
[-1, 0, 1]])
kernel_y = np.array([[-1, -1, -1],
[ 0, 0, 0],
[ 1, 1, 1]])
prewitt_x = cv2.filter2D(img, -1, kernel_x)
prewitt_y = cv2.filter2D(img, -1, kernel_y)
prewitt = np.sqrt(prewitt_x**2 + prewitt_y**2)
実習課題#
基本課題#
フィルタの比較
- SobelとPrewittの結果を比較
- ノイズのある画像での性能評価
感度の最適化
- 対象物に応じた感度設定
- 過検出と未検出のバランス
方向別エッジの観察
- 横方向のみ、縦方向のみの結果確認
- 斜め方向のエッジへの対応
応用課題#
Cannyエッジ検出
- より高度なエッジ検出手法の実装
- ヒステリシス閾値処理の理解
エッジの連結
- 途切れたエッジの接続
- 輪郭追跡アルゴリズムの実装
実画像への適用
- 農業画像でのエッジ検出
- 前処理（平滑化）の効果検証
まとめ#
エッジ検出は、画像処理における最も基本的かつ重要な技術の一つです。Sobelフィルタは、そのバランスの良い性能から広く使用されています。
このインタラクティブツールを使って、フィルタの種類や感度による検出結果の違いを体験し、エッジ検出の原理と実践的な応用方法を身につけてください。
次の講義「分光分析・基礎 」では、光の性質を利用した分析技術について学びます。