Python

概要matplotlibのpyplotパッケージが提供するsavefig()メソッドを使えば、保存先のパスを指定するだけで、Figure（グラフ）をリモート環境に保存できます。GUIを持たないサーバーやクラウド環境でグラフを生成・保存したい場合に特に便利な手法です。手順別のバックエンドを使用するには、matplotlib.use(Agg)でバックエンドを明示的に設定します。plot()メソッドを使って線をプロットします。savefig()メソッドを使い、保存先のディレクトリ（パス）を指定するだけで、画像をリモート環境に保存できます。図を画面に表示したい場合は、plt.show()を使用します。

この記事では、PythonのPillowライブラリを使用して、画像内の各チャンネル（バンド）に含まれるすべてのピクセル値の平均を計算する方法を解説します。一般的なカラー画像にはR・G・Bの3つのチャンネルが含まれているため、実行結果として3つの平均値がリスト形式で取得できます。 元画像 アルゴリズム 手順1: ImageモジュールとImageStatモジュールをインポートする。 手順2: 対象となる画像ファイルを開く。 手順3: 開いた画像をImageStatクラスのStat関数に渡す。 手順4: 各チャンネルのピクセル平均値を出力する。 サンプルコード from PIL import I

この記事では、画像のダウンサンプリングを行うプログラムを紹介します。ダウンサンプリングとは、画像の2次元的な構造を保ちながら空間解像度を下げる処理のことで、一般的に画像を縮小表示(ズームアウト)する際に使用されます。ここでは、OpenCVライブラリに用意されている pyrDown() 関数を使って、この処理を簡単に実装する方法を解説します。 元画像 アルゴリズム ステップ1: 画像を読み込む。 ステップ2: 読み込んだ画像を引数として pyrDown() 関数に渡す。 ステップ3: 処理結果を画面に表示する。 サンプルコード import cv2 image = cv2.imread(te

この記事では、OpenCVを使用して画像に二値化しきい値処理（Binary Thresholding）を実行する方法を解説します。しきい値処理とは、画像内の各ピクセルの値を指定したしきい値と比較し、その結果に応じてピクセルの値を変更する処理のことです。ピクセルの値がしきい値より小さい場合にはある値が割り当てられ、大きい場合には別の値が割り当てられます。二値化しきい値処理の場合、ピクセルの値がしきい値より小さければ 0（黒） に設定され、しきい値より大きければ 255（白） に設定されます。これにより、画像は黒と白のみの2階調に変換されます。元画像アルゴリズムステップ1：cv2 をインポートする

この記事では、OpenCVを使用して画像に対して逆二値化しきい値処理（Inverse Binary Thresholding）を行う方法を解説します。しきい値処理とは？しきい値処理（Thresholding）とは、各ピクセルの値をあらかじめ設定したしきい値と比較し、その結果に応じてピクセルの値を変換する画像処理手法です。ピクセルの値がしきい値より小さい場合にはある値が割り当てられ、大きい場合には別の値が割り当てられます。逆二値化しきい値処理の場合、以下のような変換が行われます。ピクセルの値がしきい値より小さい場合 → 最大値（255＝白）が割り当てられるピクセルの値がしきい値より大きい場合 →

この記事では、OpenCVを使用して画像に対して切り捨てしきい値処理(THRESH_TRUNC)を実行する方法を解説します。しきい値処理(閾値処理)とは、各ピクセルの値を指定したしきい値との関係に基づいて変換する画像処理の基本的な手法です。しきい値より小さいピクセルにはある値が割り当てられ、しきい値より大きいピクセルには別の値が割り当てられます。切り捨てしきい値処理の場合、しきい値を超えるピクセル値はすべてしきい値に置き換えられ、それ以外のピクセルは元の値のまま維持されます。この処理は次のように定義されます。 threshold の場合:dst(x, y) = thresholdそれ以外の場合

本記事では、OpenCVを使用して画像にゼロしきい値処理（Zero Thresholding）を適用する方法を解説します。 しきい値処理とは しきい値処理（Thresholding）とは、画像内の各ピクセルの値をあらかじめ指定したしきい値と比較し、その結果に応じてピクセルの値を変換する画像処理手法です。一般的には、ピクセルの値がしきい値より小さい場合にある値へ、大きい場合には別の値へと置き換えられます。 ゼロしきい値処理の場合は、輝度値がしきい値より小さいピクセルがすべて0（黒）に設定されます。一方、しきい値より大きいピクセルは元の輝度値がそのまま保持されるのが特徴です。 元画像 アルゴリズ

この記事では、OpenCVを使用して画像に逆ゼロしきい値処理を適用する方法を解説します。しきい値処理（閾値処理）とは、各ピクセルの値をあらかじめ設定したしきい値と比較し、その結果に応じてピクセルの値を変換する画像処理手法です。しきい値より小さいピクセルには特定の値を、しきい値より大きいピクセルには別の値を割り当てます。逆ゼロしきい値処理では、輝度値がしきい値より大きいピクセルがすべて0（黒）に設定され、しきい値以下のピクセルは元の輝度値がそのまま保持されます。この処理には cv2.THRESH_TOZERO_INV フラグを使用します。元画像処理の流れ（アルゴリズム）ステップ1：cv2 をイン

この記事では、Pythonの画像処理ライブラリ「Pillow」を使用して、画像内のエッジ（輪郭線）を検出する方法を解説します。エッジ検出は、画像認識や画像解析の前処理として広く活用されている基本的なテクニックです。Pillowでは、ImageFilterクラスに用意されているFIND_EDGESフィルタを使うことで、わずか数行のコードで画像のエッジを抽出できます。元画像以下が処理対象となる元の画像です。アルゴリズムの手順ステップ1: PillowからImageとImageFilterをインポートする ステップ2: 対象の画像を開く ステップ3: filter関数を呼び出し、FIND_EDGES

本記事では、OpenCVを使用して画像内の輪郭（コンタ）を検出する方法を解説します。輪郭とは、同じ色や明るさ（輝度）を持つ連続した点をつなげた曲線のことであり、形状分析や物体検出・認識において非常に有用なツールです。元画像処理の流れ（アルゴリズム）輪郭検出は以下の手順で行います。OpenCVをインポートするmatplotlibをインポートする画像を読み込むBGR形式からRGB形式に変換するRGB画像をグレースケールに変換する画像に対して閾値処理（二値化）を行うfindContoursで輪郭を検出するdrawContoursで輪郭を描画する結果を表示するサンプルコードimport cv2 imp

Matplotlibで棒グラフを作成する際、X軸のラベルが長いと文字同士が重なって読みにくくなることがあります。そんなときは、ラベルを縦向き（垂直）に表示するとグラフがぐっと見やすくなります。 基本的な流れは、plt.bar() でバーを作成し、plt.xticks() でX軸の目盛りラベルを設定します。その際、rotation 引数に「vertical」または「horizontal」を指定することで、ラベルの向きを自由に制御できます。 手順 バーの高さを表すリスト bars_heights と、ラベルを表すリスト bars_label を作成します。 bar() メソッドを使い、bars_

PythonのMatplotlibでは、scatter()メソッドでデータポイントの散布図を作成した後、plot()メソッドを使うことで、その散布図の上に自由に線を重ねて描画（オーバープロット）できます。回帰直線や基準線を可視化したい場合などに非常に便利なテクニックです。 実装の手順 figure()メソッドを使って、サイズ(4, 3)の新しい図を作成するか、既存の図をアクティブにします。 plt.axes()で現在の図に軸を追加し、それをカレントのAxesとして取得します。 scatter()メソッドで散布図のポイントを描画します。 ax.plot()メソッドで線を描画し、散布図の上に重ね

はじめにこの記事では、OpenCVを使って画像にバイラテラルフィルタリングを適用する方法を解説します。バイラテラルフィルタは、エッジ（輪郭）を保持しながら画像を平滑化し、ノイズを低減できるフィルタです。通常のガウシアンブラーなどはエッジも一緒にぼかしてしまいますが、バイラテラルフィルタは輪郭を残したまま平坦な部分だけを滑らかにしたい場合に非常に有効です。この処理には bilateralFilter() 関数を使用します。この関数には、次の3つの主要な引数を指定します。各ピクセル近傍の直径（d）色空間におけるシグマ値（sigmaColor）座標空間におけるシグマ値（sigmaSpace）元画像処

本記事では、PythonのOpenCVライブラリを使って、画像の周囲に境界線（ボーダー）を描画する方法を解説します。境界線の追加には、OpenCVが提供する cv2.copyMakeBorder() メソッドを使用します。 copyMakeBorder()メソッドとは cv2.copyMakeBorder() は、画像の上下左右に任意の幅の枠（境界線）を追加するための関数です。主な引数は以下のとおりです。 src：元となる画像 top / bottom / left / right：それぞれ上下左右に追加する境界線の幅（ピクセル数） borderType：境界線の種類（例：cv2.BORD

この記事では、PythonのPillow（PIL）ライブラリを使って画像ファイルを読み込み、画面に表示する基本的な方法を解説します。画像の読み込みと表示の仕組みPillowライブラリには、画像を開くための Image.open() メソッドが用意されています。この関数は、引数としてファイルパスまたはファイル名を文字列で受け取ります。読み込んだ画像を表示するには、別の関数である show() を使用します。この関数は引数を必要とせず、呼び出すだけでOSの既定の画像ビューアー上に画像を表示してくれます。サンプルコードfrom PIL import Image im = Image.open(te

この記事では、Pythonの画像処理ライブラリ「Pillow」を使用して、画像をトリミング（切り抜き）する方法を解説します。トリミングにはcrop()関数を使用します。この関数は、左（left）・上（top）・右（right）・下（bottom）の4つのピクセル座標を引数として受け取り、その範囲で画像を切り抜きます。元画像処理の流れ（アルゴリズム）画像のトリミングは、以下の手順で行います。PillowからImageモジュールをインポートする対象となる画像を読み込むcrop()関数を使って画像をトリミングする結果を表示する事前準備Pillowがインストールされていない場合は、以下のコマンドでイン

この記事では、Pythonの画像処理ライブラリ「Pillow」を使用して、画像を回転させる方法を解説します。Imageクラスに用意されている rotate() 関数を使うと、指定した角度だけ画像を簡単に回転させることができます。元の画像処理の流れ（アルゴリズム）ステップ1：PillowからImageクラスをインポートする ステップ2：画像ファイルを開く ステップ3：rotate()関数で画像を回転させる ステップ4：結果を表示するサンプルコード以下のコードでは、testimage.jpg を読み込み、45度回転させて表示しています。from PIL import Image im = Ima

この記事では、Pythonの画像処理ライブラリ「Pillow」を使用して、画像に最小値フィルタ（MinFilter）を適用する方法を解説します。最小値フィルタとは、画像内の選択したウィンドウ（領域）内の各ピクセルの値を、そのウィンドウ内の最小のピクセル値で置き換える処理のことです。このフィルタを適用すると、画像内の明るいノイズ（ごま塩ノイズの白い部分など）を効果的に除去できます。Pillowライブラリでは、filter()関数を使うことで、さまざまな種類のフィルタを簡単に適用することが可能です。元画像アルゴリズムステップ1：PillowからImageモジュールをインポートする。 ステップ2：画

この記事では、Pythonの画像処理ライブラリ「Pillow」を使用して、画像に最大値フィルタ（MaxFilter）を適用する方法を解説します。最大値フィルタとは、画像上の選択したウィンドウ（正方形の領域）内にある各ピクセルの値を、そのウィンドウ内の最大ピクセル値で置き換える処理のことです。このフィルタは、明るいノイズ（ソルトノイズ）の除去や、画像全体をわずかに明るくしたい場合などに役立ちます。Pillowライブラリでは、filter()関数を使うことで、さまざまな種類のフィルタを簡単に適用できます。元画像処理の流れ（アルゴリズム）ステップ1：PillowからImageモジュールをインポートす

この記事では、Pythonの画像処理ライブラリ「Pillow(PIL)」を使用して、画像にモードフィルタ(ModeFilter)を適用する方法を解説します。 モードフィルタとは、画像上の選択したウィンドウ(範囲)内にある各ピクセルの値を、そのウィンドウ内で最も出現頻度の高い値(最頻値=モード)に置き換える処理のことです。これにより、画像内の細かいノイズが除去され、色が均一化された滑らかな仕上がりになります。 Pillowライブラリでは、filter()関数を使うことで、さまざまな種類のフィルタを簡単に適用できます。 元画像 アルゴリズム ステップ1:PillowからImageをインポートし