OpenCV で適応的 2値化（OpenCV，Python を使用）

1. エグゼクティブサマリー

本記事では，OpenCV と Python を使用して適応的2値化を行う方法を説明する．

処理前

処理後

【サイト内の OpenCV 関連ページ】

OpenCV について [PDF] , [パワーポイント]
OpenCV のインストール，画像表示を行う C++ プログラムの実行手順: 別ページ »で説明
OpenCV と Python を活用した画像・ビデオ処理プログラム: 別ページ »にまとめ
OpenCV 4 の C/C++ プログラム: 別ページ »にまとめている．

【OpenCV の公式情報】

OpenCV の公式ページ: https://opencv.org
GitHub の OpenCV のページ: https://github.com/opencv/opencv/releases

2. 前準備（必要ソフトウェアの入手）

ここでは、最低限の事前準備について説明する。機械学習や深層学習を行う場合は、NVIDIA CUDA、Visual Studio、Cursorなどを追加でインストールすると便利である。これらについては別ページ https://www.kkaneko.jp/cc/dev/aiassist.htmlで詳しく解説しているので、必要に応じて参照してください。

Python 3.12 のインストール（Windows 上） [クリックして展開]

以下のいずれかの方法で Python 3.12 をインストールする。Python がインストール済みの場合、この手順は不要である。

方法1：winget によるインストール

管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。

winget install --scope machine --id Python.Python.3.12 -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_pip=1 Include_test=0 Include_launcher=1 InstallLauncherAllUsers=1"

--scope machine を指定することで、システム全体（全ユーザー向け）にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動すると PATH が自動的に設定される。

方法2：インストーラーによるインストール

Python 公式サイト（https://www.python.org/downloads/）にアクセスし、「Download Python 3.x.x」ボタンから Windows 用インストーラーをダウンロードする。
ダウンロードしたインストーラーを実行する。
初期画面の下部に表示される「Add python.exe to PATH」に必ずチェックを入れてから「Customize installation」を選択する。このチェックを入れ忘れると、コマンドプロンプトから python コマンドを実行できない。
「Install Python 3.xx for all users」にチェックを入れ、「Install」をクリックする。

インストールの確認

コマンドプロンプトで以下を実行する。

python --version

バージョン番号（例：Python 3.12.x）が表示されればインストール成功である。「'python' は、内部コマンドまたは外部コマンドとして認識されていません。」と表示される場合は、インストールが正常に完了していない。

AIエディタ Windsurf のインストール（Windows 上） [クリックして展開]

Pythonプログラムの編集・実行には、AIエディタの利用を推奨する。ここでは、Windsurfのインストールを説明する。Windsurf がインストール済みの場合、この手順は不要である。

winget install --scope machine --id Codeium.Windsurf -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/SP- /SUPPRESSMSGBOXES /NORESTART /CLOSEAPPLICATIONS /DIR=""C:\Program Files\Windsurf"" /MERGETASKS=!runcode,addtopath,associatewithfiles,!desktopicon"
powershell -Command "$env:Path=[System.Environment]::GetEnvironmentVariable('Path','Machine')+';'+[System.Environment]::GetEnvironmentVariable('Path','User'); windsurf --install-extension MS-CEINTL.vscode-language-pack-ja --force; windsurf --install-extension ms-python.python --force; windsurf --install-extension Codeium.windsurfPyright --force"

【関連する外部ページ】

Windsurf の公式ページ: https://windsurf.com/

必要なライブラリのインストール [クリックして展開]

次のコマンドは，旧バージョンを削除し，Python 用 opencv-python のインストールを行う．最終行はバージョン表示によるインストール確認である．

python -m pip uninstall -y opencv-python
python -m pip uninstall -y opencv-python-headless
python -m pip uninstall -y opencv-contrib-python
python -m pip install -U opencv-python opencv-contrib-python numpy
python -c "import sys, cv2; print(f'Python version: {sys.version}\nOpenCV version: {cv2.__version__}')"

画像ファイル fruits.jpg, home.jpg のダウンロード [クリックして展開]

https://github.com/opencv/opencv/tree/master/samples/data で公開されている fruits.jpg, home.jpg を使用する（謝辞：画像の作者に感謝します）

次のコマンドを実行する．

cd /d c:%HOMEPATH%
curl -L https://github.com/opencv/opencv/blob/master/samples/data/fruits.jpg?raw=true -o fruits.jpg
curl -L https://github.com/opencv/opencv/blob/master/samples/data/home.jpg?raw=true -o home.jpg

3. 実行のための準備とその確認手順（Windows 前提）

3.1 プログラムファイルの準備

第5章のソースコードをテキストエディタ（メモ帳，Windsurf 等）に貼り付け，adaptive_threshold.py として保存する（文字コード：UTF-8）．対話モードで1ブロックずつ実行する場合は，ファイルへの保存は不要である．

3.2 実行コマンド

コマンドプロンプトでファイルの保存先ディレクトリに移動し，以下を実行する．

python adaptive_threshold.py

対話モードで実行する場合は，以下を実行し，第5章のコードを順に入力する．

python

3.3 動作確認チェックリスト

確認項目	期待される結果
fruits.jpg の読み込み	グレースケール画像のウィンドウ「gray」が表示される
Gaussian 適応的2値化（fruits.jpg）	2値化画像のウィンドウ「adaptive_gaussian」が表示される
キー押下によるウィンドウ終了	画面の中をクリックしてからキーを押すと，すべてのウィンドウが閉じる
home.jpg の読み込みと2値化	fruits.jpg と同様に「gray」と「adaptive_gaussian」のウィンドウが表示される
Mean 適応的2値化と大津の2値化	「gray」「adaptive_mean」「otsu」の3つのウィンドウが表示される
適応的2値化と大津の2値化の結果比較	適応的2値化は局所的な細部を保持し，大津の2値化は画像全体の単一閾値で2値化した結果となる

4. 概要・使い方・実行上の注意

本プログラムは，OpenCV の cv2.adaptiveThreshold 関数を使用してグレースケール画像の適応的2値化を行う．適応的2値化では，画像の局所領域（blockSize × blockSize の近傍）ごとに閾値を計算するため，照明が不均一な画像でも細部を保持しやすい．

本プログラムでは以下の3種類の2値化を実行する．

Gaussian 適応的2値化（ADAPTIVE_THRESH_GAUSSIAN_C）：近傍のガウス重み付き平均から閾値を計算する
Mean 適応的2値化（ADAPTIVE_THRESH_MEAN_C）：近傍の平均値から閾値を計算する
大津の方法（Otsu's method）：画像全体から最適な単一閾値を自動決定する

使用する画像は OpenCV のサンプルデータに含まれる fruits.jpg と home.jpg である．ソースコードは第5章に掲載している．

Python プログラムの実行

Windows では python（Python ランチャーは py）

Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．

Python のまとめ: 別ページ »にまとめ

画像が表示されたら確認する．ウインドウの右上の「x」をクリックしない．画面の中をクリックしてから，何かのキーを押して閉じる

5. ソースコード

画像の表示（Gaussian 適応的2値化：fruits.jpg）

import os, cv2
IMROOT = os.path.expanduser('~') + '/'
bgr = cv2.imread(IMROOT + "fruits.jpg")
mono = cv2.cvtColor(bgr, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", mono)
dst = cv2.adaptiveThreshold(mono, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 7, 8)
cv2.imshow("adaptive_gaussian", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

別の画像の表示（Gaussian 適応的2値化：home.jpg）

import os, cv2
IMROOT = os.path.expanduser('~') + '/'
bgr = cv2.imread(IMROOT + "home.jpg")
mono = cv2.cvtColor(bgr, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", mono)
dst = cv2.adaptiveThreshold(mono, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 7, 8)
cv2.imshow("adaptive_gaussian", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

Mean 適応的2値化と大津の2値化との比較

適応的2値化には ADAPTIVE_THRESH_GAUSSIAN_C のほか ADAPTIVE_THRESH_MEAN_C がある．ここでは Mean 適応的2値化と大津の方法による2値化を並べて表示し，結果を比較する．

import os, cv2
IMROOT = os.path.expanduser('~') + '/'
bgr = cv2.imread(IMROOT + "fruits.jpg")
mono = cv2.cvtColor(bgr, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", mono)
dst_mean = cv2.adaptiveThreshold(mono, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 7, 8)
cv2.imshow("adaptive_mean", dst_mean)
_, dst_otsu = cv2.threshold(mono, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
cv2.imshow("otsu", dst_otsu)
cv2.waitKey(0)
cv2.destroyAllWindows()

3つのウィンドウ（グレースケール画像，Mean 適応的2値化，大津の2値化）が表示される．適応的2値化は局所領域ごとに閾値を計算するため，照明が不均一な画像でも細部を保持しやすい．一方，大津の2値化は画像全体から最適な単一閾値を自動決定する手法であり，照明が均一な画像に適している．

6. まとめ

適応的2値化

画像の局所領域（blockSize × blockSize の近傍）ごとに閾値を計算して2値化を行う手法である．照明が不均一な画像でも細部を保持しやすい．

Gaussian 適応的2値化（ADAPTIVE_THRESH_GAUSSIAN_C）

近傍のガウス重み付き平均から閾値を計算する方式である．本記事では fruits.jpg と home.jpg に対して blockSize=7，C=8 で適用した．

Mean 適応的2値化（ADAPTIVE_THRESH_MEAN_C）

近傍の平均値から閾値を計算する方式である．Gaussian 方式と異なり，近傍の全画素を等しい重みで扱う．

大津の方法（Otsu's method）

画像全体から最適な単一閾値を自動決定する手法である．照明が均一な画像に適しているが，局所的な輝度変化には対応しない．

cv2.adaptiveThreshold 関数

OpenCV が提供する適応的2値化の関数である．入力画像，最大値，適応的手法，閾値タイプ，ブロックサイズ，定数 C をパラメータとして受け取る．