画像をグレースケールに変換

RGB画像をグレースケールに変換します。

重み付き輝度変換を用いてカラー（RGB/BGR）画像を単一チャネルのグレースケール画像に変換し、次元を削減し、グレースケール入力を必要とする処理（しきい値処理、モルフォロジー演算、輪郭検出）のために画像を準備し、計算複雑度を低減し、強度ベースの画像解析および処理ワークフローを可能にします。

このブロックの仕組み

このブロックは、カラー チャネルを1つの強度チャネルにまとめることで、カラー画像をグレースケール画像に変換します。このブロックは次のことを行います:

1. カラー入力画像（RGB または BGR 形式の3つのカラー チャネル）を受け取ります

2. OpenCV の BGR→グレースケール アルゴリズムを使用して、重み付き輝度変換を適用します:

   • 標準式を使用します: グレースケール = 0.299R + 0.587G + 0.114*B（RGB の場合）または重み付き BGR 組み合わせ

   • 人間の目は緑に最も敏感なため、緑チャネルを最も強く（58.7%）重み付けします

   • 赤チャネルは中程度（29.9%）、青チャネルは最も低く（11.4%）重み付けします

   • 視覚情報を保持した、知覚的にバランスの取れたグレースケール表現を作成します

3. 3チャネルのカラー画像を1チャネルのグレースケール画像に変換します:

   • 画像を3チャネル（RGB/BGR）から1チャネル（グレースケール）に削減します

   • 各ピクセルは、0（黒）から255（白）までの単一の強度値になります

   • 色情報を削除しつつ、空間情報は保持します

   • メモリ使用量と計算複雑度を削減します

4. 画像の寸法を保持します（幅と高さは同じままです）

5. 画像のメタデータと構造を維持します

6. 単一チャネルのグレースケール画像を返します

グレースケール変換は、カラー画像を強度のみの画像に変換し、各ピクセルが色ではなく明るさを表すようにします。重み付き輝度式により、グレースケール画像は元のカラー画像の明るさ分布と知覚的に一致します。この変換は、しきい値処理、モルフォロジー変換、エッジ検出、輪郭解析など、単一チャネル入力を必要とする多くのコンピュータビジョン処理に不可欠です。出力は色情報を削除しながら空間情報と強度の関係を保持するため、強度ベースの処理と解析が可能になります。

一般的な使用例

• しきい値処理の前処理: しきい値処理を適用する前にカラー画像をグレースケールに変換します（例: 二値しきい値処理のために画像を準備する、適応しきい値処理の前に変換する、Otsu 法の前にグレースケール化する）ことで、カラーからしきい値へのワークフローを可能にします

• モルフォロジー演算: モルフォロジー変換に必要なグレースケール入力のためにカラー画像を準備します（例: 収縮/膨張の前に変換する、オープニング/クロージングのためにグレースケール化する、モルフォロジー演算のために準備する）ことで、カラーからモルフォロジーへのワークフローを可能にします

• 輪郭検出: 輪郭検出と形状解析の前にカラー画像をグレースケールに変換します（例: 輪郭検出のために準備する、形状解析の前に変換する、境界抽出の前にグレースケール化する）ことで、カラーから輪郭へのワークフローを可能にします

• エッジ検出: グレースケール画像で動作するエッジ検出アルゴリズムのためにカラー画像を準備します（例: Canny エッジ検出の前に変換する、Sobel 演算子のためにグレースケール化する、エッジ検出のために準備する）ことで、カラーからエッジへのワークフローを可能にします

• ノイズ低減: 単一チャネル画像で動作するノイズ低減処理のために次元を削減します（例: フィルタリングの前に変換する、ノイズ除去のためにグレースケール化する、ノイズ低減のために準備する）ことで、カラーからフィルタリングへのワークフローを可能にします

• 特徴抽出: 強度ベースの特徴抽出のためにカラー画像をグレースケールに変換します（例: SIFT/キーポイント検出のために準備する、テクスチャ解析のために変換する、パターン認識のためにグレースケール化する）ことで、カラーから特徴抽出へのワークフローを可能にします

他のブロックへの接続

このブロックはカラー画像（RGB または BGR 形式の3つのカラー チャネル）を受け取ります。入力画像は複数のカラー チャネルを持っている必要があります。入力がすでにグレースケールの場合でも、変換は適用されますが、結果は同じグレースケール出力になります。変換には標準の輝度重み付けを使用して、色情報を削除しながら明るさ情報を保持する、知覚的にバランスの取れたグレースケール画像を作成します。

• しきい値ブロックの前 しきい値処理の前にカラー画像をグレースケールに変換するため（例: カラーをグレースケールに変換してからしきい値処理する、二値化のためにカラー画像を準備する、二値変換の前にグレースケール化する）ことで、カラーからしきい値へのワークフローを可能にします

• モルフォロジー変換ブロックの前 モルフォロジー演算のためにカラー画像を準備するため（例: モルフォロジーのためにカラーをグレースケールに変換する、収縮/膨張のために準備する、モルフォロジー演算の前にグレースケール化する）ことで、カラーからモルフォロジーへのワークフローを可能にします

• 輪郭検出ブロックの前 輪郭検出の前にカラー画像をグレースケールに変換するため（例: 輪郭のためにカラーをグレースケールに変換する、形状解析のためにカラー画像を準備する、輪郭検出の前にグレースケール化する）ことで、カラーから輪郭へのワークフローを可能にします

• 従来のCVブロックの前 グレースケール入力を必要とするもの（例: エッジ検出のために準備する、特徴抽出のために変換する、従来のコンピュータビジョン処理のためにグレースケール化する）で、カラーから従来のCVへのワークフローを可能にします

• 画像前処理ブロックの後 カラー画像を出力するもの（例: 前処理済みのカラー画像をグレースケールに変換する、カラー強調の後にグレースケール化する、カラー変換の後に変換する）で、前処理からグレースケールへのワークフローを可能にします

• 画像処理パイプライン内で 下流処理でグレースケール変換が必要な場合（例: パイプライン内でカラーをグレースケールに変換する、単一チャネル処理のために画像を準備する、処理のために次元を削減する）に、グレースケール変換パイプラインのワークフローを可能にします

要件

このブロックはカラー画像（RGB または BGR 形式の3つのカラー チャネル）に対して動作します。入力画像は複数のカラー チャネルを持っている必要があります。入力がすでにグレースケールの場合でも、変換は適用されますが、結果は同じグレースケール出力になります。変換では標準の輝度重み付けを使用して、明るさ情報を保持しながら色情報を削除する、知覚的にバランスの取れたグレースケール画像を作成します。

型識別子

ステップで次の識別子を使用してください "type" フィールド： roboflow_core/convert_grayscale@v1 ワークフローにこのブロックをステップとして追加するには。

プロパティ

名前	型	説明	参照
name	str	このステップの一意の識別子を入力してください。	❌

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が 画像グレースケール変換 のバージョン v1 あるか確認してください。

入力と出力のバインディング

• 入力

  • image (image): グレースケールに変換する入力カラー画像（RGB または BGR 形式の3つのカラー チャネル）。画像は、重み付き輝度変換（重み: 緑 58.7%、赤 29.9%、青 11.4%）を使用して3チャネルのカラー（RGB/BGR）から単一チャネルのグレースケールに変換され、知覚的にバランスの取れたグレースケール表現が作成されます。出力は同じ幅と高さを持ちますが、1チャネルのみです（グレースケール強度値 0-255）。元の画像のメタデータと空間寸法は保持されます。入力がすでにグレースケールの場合でも、変換は適用されますが、結果は同じグレースケール出力になります。しきい値処理、モルフォロジー演算、輪郭検出、エッジ検出など、グレースケール入力を必要とする処理の前にこのブロックを使用してください..

• 出力

  • image (image): ワークフロー内の画像。

JSON 定義の例

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/convert_grayscale@v1",
	    "image": "$inputs.image"
	}