[scikit-image] 92. 画像領域の解析：サイズに基づく領域の分類と視覚化

はじめに
解説
参考

はじめに

この記事は、scikit-imageライブラリを使用して2値画像のラベリングと領域のサイズ測定を行い、その結果に基づいて領域を「大・中・小」のカテゴリに分類し、それぞれ異なる色で可視化する方法について解説します。skimage.measureモジュールのlabelとregionprops_table関数を活用した画像解析テクニックを紹介します。

解説

モジュールのインポートなど

バージョン

画像データの作成

2次元平面にランダムに点を配置し、ガウシアンフィルタを適用して凹凸のある画像を生成します。この画像を大津のしきい値（threshold_otsu）で2値化し、バイナリ画像を作成します。ガウシアンフィルタのsigma値を調整することで、2値化後の円形構造のサイズを変化させることができます。

これらの作成した画像を加算して表示すると、以下のようになります。

境界に接した部分の除去

境界に接している部分はclear_border関数で除去することができます。視覚化すると以下のようになります。

2値化像のラベリング

labelを使って2値化画像にラベル付けし、各領域を個別に評価できるようにします。背景を透明にするため、値が0の箇所をnp.nanに変換します。図示すると以下のようになります。

regionprops_tableによる情報の取得

regionprops_tableを使用することで、ラベル画像の各領域について様々な特性情報を取得できます。この例では、’label’パラメータでラベル番号、’area’パラメータで面積を抽出しています。取得したデータをpandasのDataFrameに格納することで、整理された見やすい表形式で結果を確認できます。