> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/datasets/ja/bjon/dataset-versions/image-preprocessing.md).

# 画像を前処理する

モデル用にデータを準備するための画像前処理ステップ。

前処理を行うことで、データセットを標準的な形式（たとえば、すべての画像を同じサイズにする）に整えます。この手順は、モデルをトレーニングする前にデータセットの一貫性を確保するために不可欠です。

前処理は、Train、Valid、Testの各セットのすべての画像に適用されます（ [拡張](https://docs.roboflow.com/datasets/ja/bjon/dataset-versions/image-augmentation.md)はTrainセットにのみ適用されます）。

Roboflowプラットフォームでは、次の前処理オプションを利用できます。

* 自動方向調整
* サイズ変更
* グレースケール
* コントラストの自動調整
* オブジェクトの分離
* 固定クロップ
* タイル化
* クラスの変更
* Nullの除外
* タグによるフィルタリング

各オプションについて、以下で説明します。

### 自動方向調整

自動方向調整では、画像からEXIFデータを削除し、ディスク上に保存されているとおりの向きで画像が表示されるようにします。

EXIFデータは、画像の向きを決定します。Macのプレビューなどのアプリケーションはこのデータを使って、ディスク上での保存時とは異なる向きで保存されている場合でも、画像を特定の向きで表示します。

* Roboflowでは、この設定をデフォルトで有効にし、推論時にモデルへ入力される画像の状態を確認することをおすすめしています。
* 画像の自動方向調整を行うべきかどうか、詳しく知りたい場合は、 [ブログをご覧ください](https://blog.roboflow.com/exif-auto-orientation/).

### サイズ変更

サイズ変更では、画像のサイズを変更し、必要に応じて指定した寸法に合わせて拡大・縮小します。アノテーションも比例して調整されます（以下の「Fill」の場合を除く）。

現在、対応しているのは縮小のみです。 [ユースケースに適したサイズ変更オプションについて](https://blog.roboflow.com/you-might-be-resizing-your-images-incorrectly/).

* **次のサイズに引き伸ばす：** 画像を指定したピクセル単位の寸法に引き伸ばします。アノテーションも比例して拡大・縮小されます。画像は正方形になり、歪みますが、元の画像データは失われません。
* **中央をクロップして次のサイズに合わせる：** 生成される画像は、指定した出力寸法で中央をクロップしたものです。たとえば、元画像が2600x2080で、サイズ変更オプションを640x640に設定した場合、出力画像は元画像の中央部分を640x640で切り出したものになります。アスペクト比は維持されますが、元の画像データの一部は失われます。
* **次のサイズ内に収める：** 元画像のアスペクト比を維持しながら、元画像の寸法を出力画像の寸法内に収まるように縮小します。たとえば、元画像が2600x2080で、サイズ変更オプションを640x640に設定した場合、長辺（2600）は640に、短辺（2080）は約512ピクセルに縮小されます。画像のアスペクト比と元のデータは維持されますが、画像は正方形にはなりません。
* **端を反射して次のサイズに収める：** 元画像のアスペクト比を維持しながら、元画像の寸法を出力画像の寸法内に収まるように縮小し、新たに生じた余白には元画像を反射した領域を追加します。たとえば、元画像が2600x2080で、サイズ変更オプションを416x416に設定した場合、長辺（2600）は416に、短辺（2080）は約335.48ピクセルに縮小されます。残りの領域（416-335.48、つまり80.52ピクセル）には、元画像を反射したピクセルが追加されます。特筆すべき点として、Roboflowではアノテーションもデフォルトで反射されます。画像は正方形になり、余白が追加されますが、アスペクト比と元のデータは維持されます。
* **黒い余白を追加して次のサイズに収める：** 元画像のアスペクト比を維持しながら、元画像の寸法を出力画像の寸法内に収まるように縮小し、新たに生じた余白を黒くします。たとえば、元画像が2600x2080で、サイズ変更オプションを416x416に設定した場合、長辺（2600）は416に、短辺（2080）は約335.48ピクセルに縮小されます。残りの領域（416-335.48、つまり80.52ピクセル）は黒いピクセルになります。画像は正方形になり、黒い余白が追加されますが、アスペクト比と元のデータは維持されます。
* **白い余白を追加して次のサイズに収める：** 元画像のアスペクト比を維持しながら、元画像の寸法を出力画像の寸法内に収まるように縮小し、新たに生じた余白を白くします。たとえば、元画像が2600x2080で、サイズ変更オプションを416x416に設定した場合、長辺（2600）は416に、短辺（2080）は約335.48ピクセルに縮小されます。残りの領域（416-335.48、つまり80.52ピクセル）は白いピクセルになります。画像は正方形になり、白い余白が追加されますが、アスペクト比と元のデータは維持されます。

### グレースケール

RGBチャンネルの画像を、グレースケールの単一チャンネル画像に変換します。メモリを節約できる場合があります。各グレースケールピクセルの値は、対応する赤、緑、青のピクセル値の加重和として計算されます。Y = 0.2125 R + 0.7154 G + 0.0721 B。

これらの重みはCRT蛍光体で使われるもので、赤、緑、青に対する人間の知覚を等しい重みよりもよく表します。（出典： [Scikit-Image](https://scikit-image.org/docs/dev/auto_examples/color_exposure/plot_rgb_to_gray.html).)

### コントラストの自動調整

コントラストの低い画像を補正します。前処理としてコントラストを使用するかどうかについては、 [こちらで検討しています](https://blog.roboflow.com/when-to-use-contrast-as-a-preprocessing-step/).

* **コントラストストレッチ**：画像を再スケーリングし、2パーセンタイルから98パーセンタイルまでのすべての輝度値を含めます。
* **ヒストグラム均等化**：「画像内で最も頻度の高い輝度値を分散させます」。均等化された画像では、ほぼ均一な分布となり、すべての色のピクセルがほぼ均等に表されます。 [詳細を見る](https://en.wikipedia.org/wiki/Histogram_equalization).
* **適応的均等化**：コントラスト制限適応ヒストグラム均等化（CLAHE）。画像内の異なるタイル領域ごとに計算したヒストグラムを使って、局所的なコントラストを高めるアルゴリズムです。そのため、画像の大部分より暗い領域や明るい領域でも、局所的なディテールを強調できます。（出典： [Scikit-Image](https://scikit-image.org/docs/dev/api/skimage.exposure.html#skimage.exposure.equalize_adapthist).)

## 高度な前処理機能

### オブジェクトの分離

Isolate Objects 変換では、各バウンディングボックスを切り抜いて抽出し、それぞれ個別の画像にします。このステップにより、物体検出データセットを分類データセットに変換できます。

データセット内に類似したクラスが多数ある場合、2つのモデルを順番に使用するのが一般的です。最初のモデル（物体検出）が物体を見つけ、2番目のモデル（分類）がその物体の種類を識別します。Isolate Objects 変換は、2番目のモデルのトレーニングに必要なデータセットを作成するのに役立ちます。

### 固定クロップ

Static Crop は、データセット内のすべての画像に、固定のパーセンテージ指定による切り抜き領域を適用します。幅と高さの最小・最大パーセンテージを指定すると、Roboflow は各画像を同じ相対領域に切り抜きます。これにより、一貫した関心領域にズームインできます。トレーニング前に不要な境界部分や背景を取り除くことで、モデルがフレーム内の重要な部分に集中できるようになります。

![Static Crop 機能と出力例。](https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-4f30e8b0a744bea04bcf0dadd480f55d4cb9a034%2FScreenshot%202025-05-20%20at%2009.44.47.png?alt=media)

### タイル化

小さな物体の検出では、タイリングが役立つことがあります（航空画像や顕微鏡画像などの状況で特に有効です）。デフォルト設定は 2x2 タイリングですが、必要に応じて調整できます。タイリングは前処理パイプラインで画像を *リサイズする* 前に行われます。

![タイリングツールと出力のプレビュー（「grid」で表示）。](https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-7a09d308f703e2805c36bee439ee95451f05ca8b%2FScreenshot%202025-05-20%20at%2009.45.19.png?alt=media)

タイリングには3つのモードがあります。

<table data-search="false"><thead><tr><th>モード</th><th>動作</th><th>設定</th></tr></thead><tbody><tr><td>グリッド</td><td>各画像を同じサイズの行と列に分割します。タイルのサイズは画像のサイズに応じて変わります。</td><td>行、列</td></tr><tr><td>固定サイズ</td><td>すべてのタイルを指定したピクセルサイズで正確に切り出すため、タイルのリサイズや歪みは発生しません。モデルの入力サイズ（例：640 x 640）に設定します。</td><td>幅、高さ、重なり、パディングの色</td></tr><tr><td>固定アスペクト比</td><td>指定した幅と高さの比率を維持してタイルを切り出します。各タイルは画像の幅全体または高さ全体にわたります。</td><td>アスペクト比、範囲、重なり、パディングの色</td></tr></tbody></table>

固定サイズと固定アスペクト比には、追加の設定が2つあります。「重なり」は、隣り合うタイル同士で共有する部分の割合です。物体がタイルの境界にかかる場合に使用します。「パディングの色」（黒または白）は、各タイルが必ず指定サイズになるよう、画像の右端と下端に残る空白を埋めます。

タイルは、各辺が少なくとも224ピクセル必要です。固定アスペクト比モードでは、このサイズのタイルを作成できないほど小さい画像は、全体をそのまま保持します。

固定サイズまたは固定アスペクト比を、Isolate Objects や Dynamic Crop と組み合わせることはできません。これらのステップでは画像ごとに切り抜きを行うため、指定サイズのタイルと画像のサイズが一致しなくなります。代わりにグリッドを使用してください。

固定サイズと固定アスペクト比では、タイルの数が各画像のサイズによって異なるため、Roboflow はバージョンのサイズを推定しません。

{% hint style="info" %}
固定サイズと固定アスペクト比は、選択されたワークスペースでアプリから利用できます。 [営業担当者にお問い合わせ](https://roboflow.com/sales) いただくと、有効にできます。API では、すべてのワークスペースで3つのモードすべてを利用できます。
{% endhint %}

### クラスの変更

データセットの新しいバージョンを生成する際に、特定のクラスを除外したり、クラスを再マッピング（名前変更）したりするための前処理ツールです。これらの変更は生成するバージョンにのみ適用されます。元のデータセットは変更されません。

正規表現のコントロールは、Dataset Version ビルダーではクラスが4つ以上ある場合に、トレーニング設定ではクラス数にかかわらず表示されます。「By Regular Expression:」の下に検索パターンと置換文字列を入力し、フィールドの横にある「Apply」をクリックしてから、ダイアログ内の「Apply」をクリックします。リセットアイコンを使うと、正規表現をクリアしてすべてのクラスを元に戻せます。

<figure><img src="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-c24153101f752dda61db3be434bc2dda8db317cd%2Fpreprocessing-modify-classes.png?alt=media" alt="Modify Classes in training setup, with a regular expression remapping circle to part and a reset button"><figcaption><p>トレーニング設定で、適用前にクラスの再マッピングをプレビューできます。</p></figcaption></figure>

### Nullの除外

Filter Null 変換を使うと、データセット内の画像にアノテーションが付与されている割合を指定できます。Filter Null の使用時に影響を受けるのは、null アノテーションとしてマークされた画像、または Modify Classes ツールの適用後に「未アノテーション」となった画像のみです。

この変換は、データセット内に関心対象の物体が含まれていない画像が多くある場合に役立ちます。

![Filter Null 前処理ステップの適用。](https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-438a722d13a06de4d81a8508b0f1204e3e61fc30%2FScreenshot%202025-05-20%20at%2009.47.41.png?alt=media)

{% hint style="warning" %}
このツールを使用する前に、データセット内のすべての画像に適切なアノテーションを付け、該当する画像を null アノテーションとして指定し、必要のないクラスを除外しておいてください。
{% endhint %}

{% hint style="info" %}
[アノテーションの欠落と null アノテーションの違い](https://blog.roboflow.com/missing-and-null-image-annotations/)

「アノテーションの欠落」は、画像にアノテーションが付けられていない状態を指します（画像を未アノテーションのままにすると、トレーニングしたデータセットのパフォーマンスに問題が生じ、トレーニングに失敗する可能性があります）。null アノテーションを適用するのは、モデルに検出させたいものが画像内に *何も* 存在しない場合に限ってください。
{% endhint %}

### タグによるフィルタリング

Filter by Tag 変換を使うと、どの [タグ](https://docs.roboflow.com/datasets/ja/guan-li/manage-datasets/add-tags-to-images.md) が付与されているかに基づいて、バージョンに含める画像と含めない画像を絞り込めます。この変換は、新しいデータサブセットでモデルをトレーニングしたり、不要な画像をトレーニングから除外したりする場合に役立ちます。

各タグには3つのオプションがあります。

* **必須：** 必須タグが付いた画像のみがバージョンに含まれます。
* **除外**：除外タグが付いた画像はバージョンに含まれません。
* **許可：** 許可タグが付いた画像は、除外ルールと必須ルールに従ってバージョンに含まれます。

Dataset Version ビルダーで「Exclude」「Allow」または「Require」の列見出しをクリックすると、その選択をすべてのタグに適用できます。トレーニング設定では、「Exclude All」「Allow All」または「Require All」を使用して確定します。「Apply」をクリックして保存します。

<figure><img src="https://2416768182-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-0d57d1ad34de9a2a1cf0871c2d2682cfa6f2438e%2Fpreprocessing-filter-tags.png?alt=media" alt="Filter by Tag in training setup with reviewed required and Exclude All, Allow All, Require All, and Reset controls"><figcaption><p>このフィルターには、reviewedタグが付いた画像が含まれます。</p></figcaption></figure>
