python で画像解析してみよう！

業務の効率化や不明確値の定量化に大きく貢献してくれる「画像解析」。

難しそうに思うかもしれませんが、python を使えば、誰でも簡単に出来てしまうのです。

python の特色である「モジュール」と「プログラミング技術」を活用して、仕事の効率化をはかりましょう！

環境構築

以下の説明は、Anaconda および jupyter notebook のユーザーを前提として記述しています。

画像処理用モジュール「opencv」

代表的な画像処理用モジュールとして、「opencv」もしくは「pillow」があげられます。

機能やインストール、その他の手間から見ると大差はありませんが、処理速度は opencv の方が早いです。

もちろん他のモジュールでも同じことができますが、今回は「opencv」を用いて説明します。

インストール

まずは、opencv をインストールしましょう。

Anaconda prompt を起動後に、以下のコマンドを入力するだけで完了です。

1pip install opencv-python

準備完了！

あとは、コード中に　from cv2 import * と記載するだけ。

これで、opencv を使って画像を解析できちゃいます！

「異物検知」で画像解析

「画像解析」にはさまざまなやり方・解析対象があります。

今回は、そのなかでもよく使う「異物検知」を使おうと思います。

異物検知は、「顔認証アルゴリズム」や「トリミングしたい箇所の検出」など、さまざまな場面に応用できるため、日々の業務でも大活躍間違いなしですよ！

タピオカを数えてみよう

それではさっそく、下のイラストを解析して、タピオカがいくつあるか数えてみましょう！

色の明暗で判定する

一番簡単な解析は、白黒で読み込み、色の明るさで判定する方法です。

opencv は、numpy array 形式で画像を読み込んでくれます。

つまり、numpy.where 関数を使って「一定範囲の数値=暗さ」の領域を抽出すれば、タピオカを検出できるはずです。

サンプルコード

1from cv2 import *
2from matplotlib import pyplot
3## 画像を白黒で読み込む ##
4img_bw = imread('tapioca_drink.png', 2) # ,2は白黒で読み込むという合図
5
6## 一定の明るさ(この場合は120)より暗い部分のみ残してみる ##
7img_mod = where(img_bw > 120 , 0, img_bw)
8pyplot.imshow(img_mod)

結果は失敗に…

コードを実行すると、このような結果になりました。

どうやら、ストローの部分も濃い色であるため、単純な色の明るさだけだと検出できないようです。

HSV を使ってみよう

このような場合、以下のような対処方法が考えられます。

1. cv2.bitwise_and()を使ってマスク処理する
2. for 分で条件分岐させる
3. HSV を使ってマスク処理する

今回は、HSV を使ってマスク処理してみましょう。

HSV とは？

「HSV」は、色を以下の要素で表現する方式のことです。

1. Hue（色相）
2. Saturation（彩度）
3. Value（明度）

HSV は、人間が色彩を調整する際の感覚に近いため、簡単に可読性の高いコードを書くことができるのです。

サンプルコード

1from cv2 import *
2from numpy import array, where, ones_like
3from matplotlib import pyplot
4
5
6## カラーで読み込んだ画像をcvtColorを用いてhsvに変更 ##
7img_cl = imread('tapioca_drink.png', 6)
8img_hsv = cvtColor(img_cl, COLOR_BGR2HSV)
9
10## 赤色の範囲を定義 ##
11hsv_min = array([150,  64,   0])
12hsv_max = array([180, 255, 255])
13
14## 赤色をマスクする ##   
15mask = inRange(img_hsv, hsv_min, hsv_max)
16mask = bitwise_not(mask)
17img_hsv = bitwise_and(img_hsv, img_hsv, mask = mask)
18
19## 背景の黒い部分などを白くする ##
20img_hsv[:, :, 2] = where(img_hsv[:, :, 2] < 10, 255 * ones_like(img_hsv[:, :, 2]), img_hsv[:, :, 2])
21
22## HSVからBGRを経由して白黒に変更する ##
23img_bgr = cvtColor(img_hsv, COLOR_HSV2BGR)
24img_bw  = cvtColor(img_bgr, COLOR_BGR2GRAY)
25
26## ごみを取るためのブラシ処理 ##
27img_bw_b = blur(img_bw, (3, 3))
28
29## 暗い部分のみ残してみる ##
30img_bw_b = where(img_bw_b < 90, 255, 0)
31pyplot.imshow(img_bw_b)

結果は…成功！

上記コードを実行すると、以下のような結果になりました。

しっかりタピオカのところだけ切り出せていますね！

タピオカはいくつある？

では、タピオカの数を確認してみましょう。

findContours()関数を使おう

これも、opencv の「findContours()関数」を使えば簡単にできてしまいます。

これは、解析対象の numpy.array を解析し、図の中にいくつ図形があるのか検知します。

先ほどの画像のようにはっきり明瞭なコントラストがあれば、一発で図形を見出すことが可能です。

サンプルコード

1## 型調整のためuint関数を用いる ##
2from numpy import dtype, uint8
3
4## findContours関数でimg_bw_bの明るい領域の枠線を抽出する ##
5cnt_lst, hir_lst = findContours(array(img_bw_b, dtype = uint8), RETR_TREE, CHAIN_APPROX_SIMPLE)
6
7## タピオカが何個検出されたかprintする ##
8print("The number of particle is :", len(cnt_lst))
9
10## 検出したタピオカを線で囲ってみる ##
11for cnt in cnt_lst:
12    img_bw_b = drawContours(img_bw_b, [cnt], 0, 128, 5)
13pyplot.imshow(img_bw_b)

結果

上記コードを実行した結果がこちらです。

カウントしたところ、「15個」と出力されていますね。

ちゃんとイラストと一致しています、大成功です！

他にはどんな処理ができる？

これ以外にも、「contourArea()」や「areLength()」を使って、タピオカの面積率や周囲の長さ、あるいは重心の位置を抽出したり…

…といった処理が可能です。

しかし、これらの検出方法は「粒子同士が重なっている場合、同一粒子と見なす」可能性が高いです。

「Watershed」を使えばこの問題は解決しますが、今回は割愛します。

後半へつづく！

後編では、画像解析で「錆の面積」を算出してみたいと思います！

後半はこちら

2020.10.08【後編】Pythonでカンタン画像解析～錆の面積はどれくらい？～python で画像解析してみよう！業務の効率化や不明確値の定量化に大きく貢献してくれる「画像解析」。前回に引き続き、...

こちらの記事もオススメ！