今さら聞けない『ルールベース画像検査』とは？

みなさま、こんにちは。

近年、AI技術の進化は目覚ましく、その応用範囲は画像処理の分野にも広がっています。以前は経験豊富な技術者が設定しなければ難しかった画像処理が、今ではAIが自動的に判断を行うことで、知識のない人でも簡単に利用できるようになりました。

しかし、AIを用いた画像処理には、「どのような基準で判定されているかが人間にはわからない」という特有の課題が存在します。このような状況下では、技術者にとって古典的な「ルールベース画像検査」の理解が依然として重要です。

本ブログでは、そのルールベース画像検査について詳しくご紹介していきます。

そもそも画像センサはどうやって対象物を認識しているの？

“画像センサは色の差で対象物を認識している”

カラーカメラでは赤・緑・青（RGB）それぞれの色成分、モノクロカメラでは明度情報を取得し、その濃淡の変化をもとに「ここが物体の境界だ」「この部分に注目すべきだ」と認識しているのです。濃淡情報の差分を解析することで、形や距離、さらには被写体の種別まで推測できる仕組みを、これから詳しく見ていきましょう。

画素（ピクセル）とは

画像は「画素」または「ピクセル」と呼ばれる最小単位の点で構成されています。

ペットボトルのフタのモノクロ（グレースケール）画像でご説明します。これをどんどん拡大していくと、マス目状に見えてきます。この1つ1つのマス目が「画素（ピクセル）」です。

画素数が多いほど細かい部分まで認識できて精度は上がりますが、処理時間は長くなり、データサイズも大きくなります。用途に応じて、カメラの解像度（画素数）を選定する必要があります。

画素（ピクセル）が持つ情報

画素（ピクセル）ごとに、RGB画像は赤・緑・青の色成分を、モノクロ（グレースケール）画像は明るさの値を持ちます。
一般的な8bit画像では、0～255の256階調で表現します。

画素（ピクセル）情報で対象物を判定

ここでは、モノクロ（グレースケール）画像を、明るさ情報を使って「背景」と「フタ」を黒と白に分ける『二値化』という手法を見てみましょう。

設定値（しきい値）を200にし、明るさ0～200を「背景」、201～255を「フタ」と判定すると、下図のように2分化できます。

このように二値化することで、画素単位で「ここがフタ」「ここが背景」というラベル付けが可能になります。

ルールベースとは

前述を一例として、ルールベースの画像処理では、あらかじめ設定したしきい値や色・形状・エッジなどの特徴量を基準に、各画素や領域が条件を満たすかどうかを判定し、対象を抽出・分類することです。

ルールベースの弱点

ルールベースは判断基準が明確というメリットの反面、設定したしきい値だけでは判定できないケースがあります。

例えば、ペットボトルのフタを、背景とフタで二値化する際、フタの上の影が背景と同じ明度になると、影の部分が背景と誤判定されてしまいます。

画像処理で判定を安定させるためには、適切な環境作りや前処理が不可欠ですが、そのためには豊富な経験と高度な技術が求められます。

＜誤判定を防ぐ対策例＞

• 照明を均一化し、影や反射を最小限に抑える
• 背景を単色または対比の強い色で統一し、対象物を際立たせる
• 対象物の向きや間隔を一定に保ち、画角内でのブレを減らす
• 画像処理ソフト（ツール）で色やコントラストなどの調整をする

一方、AI（機械学習／深層学習）を使った画像処理では、膨大な学習データから影や反射などのバリエーションをモデルが自動抽出できるため、ルールベースでは設定しきれない条件変動にも柔軟に対応可能です。

しかし、AIもルールベースと同様に、判定しやすい環境で撮影された画像のほうが誤検知が少なくなるため、ルールベースの基礎を学んでおくことが非常に役立ちます。