東芝テリー株式会社

AI・ロボティクス時代の“目”を学ぶ
 ~ゼロからわかる!産業カメラ入門~

⑧ 画像処理の基本

ゼロからわかる!産業カメラ入門

このページでは、画像処理の目的と基本的な処理の流れを学び、画像処理の基本的な考え方を理解します。代表的な画像処理手法とAIの役割を学び、それぞれの違いを理解できるよう解説します。産業用カメラシステムにおける画像処理の位置づけを理解し、導入検討に必要な基礎知識を習得しましょう。

産業用カメラ基礎講座一覧はこちら

参考用PDF

画像処理とは何か

画像処理とは、カメラで取得した画像データを「数値」として扱い、必要な情報を抽出する技術です。

画像を取得する→画像=画素の集まり→コンピュータが解析→判定・数値化して出力

⇒人が画像を見て判断するのではなく、コンピュータが画像を画素の集合として解析し、判定や数値化を行う

※「なぜ行うのか(2章)」「処理の流れ(3章)」「代表的な手法(4章)」を、このあと順に解説します

~ 人の目とコンピュータの違い ~

コンピュータは画像を「画素(ピクセル)ごとの明るさの数値」として扱うため、同じ基準でくり返し判定できます。

人が見て判断する場合 コンピュータが処理する場合

⇒ 画像を「数値」として扱うことで、検査・計測・位置決めの判断を自動化し、結果を数値で残せる

※どの数値をどう調べるか(二値化・エッジ検出など)が、画像処理の具体的な手法にあたります

なぜ画像処理を行うのか

画像処理は「検査」「計測」「認識」を自動化するために使われます。代表的な用途は次の4つです。

画像処理でできること 外観検査 寸法測定 位置決め カウント/有無検出

⇒ 画像処理は「検査」「計測」「認識」を自動化するために利用される

※いずれも「画像から必要な情報を数値として取り出す」という点は共通です

~ 人手による確認との違い ~

目視や手作業で行っていた確認を画像処理に置き換えると、次のように変わります。

これまで(人が目視で確認)→ 画像処理を使うと

⇒ 「速く」「安定して」「数値で」判断できることが、画像処理を行う理由

※次章では、その画像処理が実際にどのような流れで行われるかを解説します

画像処理の基本的な流れ

1枚の画像が「OK/NG」の結果になるまでを、4つのステップで見ていきます。

a.画像取得 → b.前処理 → c.特徴抽出 → d.判定・結果出力

⇒ 画像処理は「取得 → 前処理 → 特徴抽出 → 判定」の4ステップで進む

※各工程は順番に処理され、前の工程の結果が次の工程の入力になります

~ つまずきやすいポイント ~

各ステップで実務上つまずきやすい点と、その勘どころを整理します。

a 画像取得 ― 明るさムラ・ピンぼけ 照明とレンズの条件を固定する。後工程では補いきれない b 前処理 ― 「消しすぎ」に注意 ノイズと一緒に、見つけたいキズまで消してしまうことがある c 特徴抽出 ― 「何を測るか」が先 判定に使う数値を決めてから、取り出す手法を選ぶ d 判定・結果出力 ― しきい値の決め方 実際のOK品・NG品のデータを集めて境界を決める 見直しの進め方 ・まず撮影条件、次に前処理を疑う ・前の工程を直すほうが、効果が大きい ・しきい値の調整だけでは限界がある

⇒ 精度が出ないときは、後ろの処理より前の工程から見直す

※次章では、前処理・特徴抽出で使われる代表的な手法を紹介します

代表的な画像処理手法

前処理と特徴抽出で使われる代表的な手法を、4つに絞って紹介します。

b.前処理で使われる手法 c.特徴抽出で使われる手法

⇒ 代表的な手法は「二値化」「フィルタ処理」「エッジ検出」「ラベリング」の4つ

※次の項目では、それぞれの手法が画像をどう変えるのかを図で確認します

~ 前処理:二値化とフィルタ処理 ~

前処理は、判定しやすい画像に整える工程です。ここでは代表的な2つの手法を図で見ていきます。

前処理:二値化とフィルタ処理

⇒ 前処理は「二値化」で見たい部分を切り分け、「フィルタ処理」で余計な情報を減らす工程

※整えた画像から、判定に使う数値を取り出すのが次の項目の特徴抽出です

~ 特徴抽出:エッジ検出とラベリング ~

特徴抽出は、整えた画像から判定に使う数値を取り出す工程です。代表的な2つの手法を見ていきます。

特徴抽出:エッジ検出とラベリング

⇒ 特徴抽出では「エッジ検出」で形を、「ラベリング」で個数や大きさを数値として取り出す

※次章では、これらのルールベース処理とAI画像処理の違いを解説します

ルールベース処理とAI画像処理

画像処理には、人がルールを決める「ルールベース処理」と、データから学ぶ「AI画像処理」の2つがあります。

■ルールベース処理(※従来の画像処理) ■AI画像処理(※ディープラーニング等)

⇒ 違いは「人がルールを決める」か「データから学ぶ」か。AIも画像処理の手法のひとつ

※どちらが優れているかではなく、対象と目的に応じて使い分けます(次の項目で得意・不得意を比較します)

~ 得意なこと・苦手なこと ~

同じ「画像処理」でも、判定基準の決め方が違うため、得意な対象と必要な準備が変わります。

処理方法による得意な対象と必要な準備

⇒ 「数値で決められる判定」はルールベース、「見た目で判断する検査」はAIが得意

※AIは万能ではなく、学習データの質と量が精度を左右します。次の項目で選び方と組み合わせ方を整理します

~ 選び方と組み合わせ方 ~

実際の導入では、まず選び方の目安を押さえ、必要に応じて両者を組み合わせて使います。

〇選び方の目安 〇組み合わせて使う(ハイブリッド)

⇒ 迷ったらまずルールベースから検討し、AIは「ルールで表せない判断」に絞って使う

※次章では、これらの画像処理が実際にどこで実行されるのかを解説します

画像処理はどこで行われるか

画像処理は、画像を受け取った「ソフトウェア」で実行されます。ここではPC構成を例に見ていきます。

①産業用カメラ ②インターフェース ③画像処理ソフト/アプリ ④結果の出力
ポイント

⇒ 画像処理は、画像を受け取った「画像処理ソフト/アプリ」で実行される

※ただし、処理を行う場所には選択肢があります。次の項目で3つのタイプを比較します

~ 処理する場所の3つのタイプ ~

画像処理を実行する場所は、大きく3つに分かれます。処理の重さや設置条件に応じて選択します。

①PCベース ②カメラ内蔵型(スマートカメラ) ③専用の画像処理装置
+近年は、サーバやクラウドで処理する構成も増えています。

⇒ 処理する場所は「PC」「カメラ内蔵」「専用装置」から、処理の重さ・設置条件・拡張性で選ぶ

※どこで処理しても、画像処理の考え方(取得→前処理→特徴抽出→判定)は共通です

~ 本号のまとめ ~

最後に、本号「画像処理の基本」で学んだ内容を1枚に整理します。

〇本号のふりかえり 〇導入検討の進め方

⇒ 画像処理は「何を判定したいか」と「撮影条件」を決めることから始まる

※迷ったときは、第3章の流れ(取得→前処理→特徴抽出→判定)に立ち返って整理します