画像しきい値処理

画像にしきい値を適用します。

設定可能なしきい値処理方法（binary、binary_inv、trunc、tozero、tozero_inv、adaptive_mean、adaptive_gaussian、otsu）を使用して、グレースケール画像を二値画像に変換し、前景と背景を分離し、オブジェクトを抽出し、形態学的操作用に画像を準備し、セグメンテーション、物体検出、解析ワークフロー向けの二値マスクを作成します。

このブロックの仕組み

このブロックはしきい値処理を適用して、グレースケール画像を二値画像に変換し、各ピクセルを前景（白）または背景（黒）のいずれかに分類します。このブロックは次の処理を行います。

1. グレースケール入力画像を受け取ります（カラー画像は、まず Image Convert Grayscale ブロックを使用してグレースケールに変換する必要があります）

2. threshold_type パラメータからしきい値処理方法を決定します

3. 選択したしきい値処理を適用します。

   Binary Threshold の場合:

   • 固定のしきい値（thresh_value）を使用します

   • しきい値を超えるピクセルは max_value（白）になり、しきい値未満のピクセルは 0（黒）になります

   • 前景と背景が明確に分離された二値画像を作成します

   • 均一な照明で、コントラストが明瞭な画像に最適です

   Binary Inverse Threshold の場合:

   • 固定のしきい値（thresh_value）を使用します

   • しきい値を超えるピクセルは 0（黒）になり、しきい値未満のピクセルは max_value（白）になります

   • 二値結果を反転します。暗いオブジェクトは白に、明るい背景は黒になります

   • 暗いオブジェクトを出力で前景（白）として扱いたい場合に便利です

   Truncate Threshold の場合:

   • 固定のしきい値（thresh_value）を使用します

   • しきい値を超えるピクセルはしきい値の値に設定され、しきい値未満のピクセルはそのまま維持されます

   • 明るいピクセルを抑えつつ、暗いピクセル値は保持します

   • 露出過多の領域で明るさを抑えるのに便利です

   To Zero Threshold の場合:

   • 固定のしきい値（thresh_value）を使用します

   • しきい値未満のピクセルは 0（黒）に設定され、しきい値を超えるピクセルはそのまま維持されます

   • 暗いピクセルを除去しつつ、明るいピクセル値は保持します

   • 暗い領域のノイズ除去に便利です

   To Zero Inverse Threshold の場合:

   • 固定のしきい値（thresh_value）を使用します

   • しきい値を超えるピクセルは 0（黒）に設定され、しきい値未満のピクセルはそのまま維持されます

   • 明るいピクセルを除去しつつ、暗いピクセル値は保持します

   • 明るい領域のノイズ除去に便利です

   Adaptive Mean Threshold の場合:

   • 近傍ピクセルの平均を使って局所的にしきい値を計算します

   • 画像の局所的な特性に適応します（ブロックサイズ 11x11、定数 2）

   • 照明条件が変化する画像や、照度勾配がある画像を扱えます

   • 非均一な照明の画像に最適です

   Adaptive Gaussian Threshold の場合:

   • 近傍ピクセルの加重ガウス平均を使って局所的にしきい値を計算します

   • 画像の局所的な特性に適応します（ブロックサイズ 11x11、定数 2）

   • Adaptive Mean よりも滑らかな遷移で、変化する照明条件に対応します

   • より滑らかな適応が必要な、非均一照明の画像に最適です

   Otsu's Threshold の場合:

   • Otsu 法を使用して最適なしきい値を自動計算します

   • ヒストグラムを解析して、クラス内分散を最小化するしきい値を見つけます

   • 手動のしきい値は不要です（thresh_value は無視されます）

   • 前景と背景が明確に分離された二峰性ヒストグラムに最適です

4. 固定しきい値方式（binary、binary_inv、trunc、tozero、tozero_inv）では、thresh_value をしきい値として使用し、max_value（通常 255）を最大出力値として使用します

5. 適応方式（adaptive_mean、adaptive_gaussian）では、max_value を最大出力値として使用し、局所的に適応します

6. Otsu 法では最適なしきい値を自動決定し、max_value を最大出力値として使用します

7. 画像構造とメタデータを保持します

8. しきい値処理された二値画像を返します

しきい値処理は、輝度値に基づいてピクセルを分類することで、グレースケール画像を二値画像に変換します。固定しきい値方式は画像全体に対して 1 つのしきい値を使用するため、シンプルで高速ですが照明変動に弱いです。適応しきい値方式は各ピクセル近傍ごとに局所なしきい値を計算するため、照明変動に強いですが計算コストが高くなります。Otsu 法は画像ヒストグラムを解析して最適なグローバルしきい値を自動選択するため、二峰性の輝度分布を持つ画像に適しています。threshold_type は方式を制御し、thresh_value は固定方式のしきい値を設定し、max_value（通常 255）は二値出力における白ピクセル値を決定します。

一般的な使用例

• 二値画像の作成：物体検出や解析のために、グレースケール画像を二値画像に変換します（例：二値マスクの作成、背景からのオブジェクト分離、前景と背景の分離）。二値画像作成ワークフローを有効にします

• オブジェクトのセグメンテーション：セグメンテーションタスクのために、背景からオブジェクトを分離します（例：背景からオブジェクトをセグメント化、オブジェクトマスクの作成、関心領域の抽出）。オブジェクトセグメンテーションワークフローを有効にします

• 文書処理：スキャン文書からテキストやコンテンツを抽出します（例：文書画像の二値化、文字コントラストの強調、OCR 用の文書準備）。文書処理ワークフローを有効にします

• 画像前処理：形態学的操作や輪郭検出のために画像を準備します（例：モルフォロジー用の二値画像作成、輪郭解析用の画像準備、形状解析用の二値化）。前処理ワークフローを有効にします

• ノイズ除去の準備：ノイズ除去やクリーニング処理のための二値画像を作成します（例：形態学的クリーニング用の画像準備、フィルタリング用のマスク作成、ノイズ除去用の二値化）。ノイズ除去ワークフローを有効にします

• 特徴検出：特徴検出と解析のために画像を準備します（例：エッジ検出用の二値画像作成、特徴抽出の準備、パターン認識用の二値化）。特徴検出ワークフローを有効にします

他のブロックへの接続

このブロックはグレースケール画像を受け取り、しきい値処理された二値画像を生成します。

• Image Convert Grayscale ブロックの後に カラー画像をしきい値処理の前にグレースケールへ変換します（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、カラー画像を二値化用に準備、二値変換の前にグレースケール化）。カラーから二値へのワークフローを有効にします

• 前処理ブロックの後に グレースケール画像を出力するもの（例：フィルタリング後にしきい値処理を適用、強調後に二値化、前処理済み画像にしきい値処理）。前処理からしきい値処理へのワークフローを有効にします

• モルフォロジー変換ブロックの前 形態学的操作のために二値画像を準備します（例：しきい値処理された画像をモルフォロジーでクリーンアップ、二値画像にモルフォロジーを適用、二値マスクを処理）。しきい値処理からモルフォロジーへのワークフローを有効にします

• 輪郭検出ブロックの前 輪郭検出のために二値画像を準備します（例：しきい値処理された画像で輪郭を見つける、二値画像で形状を検出する、二値オブジェクトの境界を解析する）。しきい値処理から輪郭検出へのワークフローを有効にします

• 分析ブロックの前 二値画像を処理します（例：二値マスクの解析、しきい値処理された領域の処理、二値オブジェクトデータの操作）。しきい値解析ワークフローを有効にします

• 画像処理パイプライン内で しきい値処理が、より大きな二値画像処理チェーンの一部である場合（例：パイプライン内で画像を二値化、ワークフロー内でマスクを作成、チェーン内で二値画像を処理）。しきい値処理パイプラインワークフローを有効にします

要件

このブロックはグレースケール入力画像を必要とします。カラー画像は、まず Image Convert Grayscale ブロックを使用してグレースケールに変換する必要があります。最適な結果を得るには、前景と背景のコントラストが良好な画像を使用してください。固定しきい値方式は均一な照明で最も効果的で、適応方式は非均一な照明により適しています。Otsu 法は二峰性ヒストグラム（前景と背景の明確な分離）で最も効果的です。

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/threshold@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。	❌
threshold_type	str	適用するしきい値処理の種類：'binary'（既定、しきい値より上のピクセルは白、下は黒）は均一な照明向け、'binary_inv'（反転二値、しきい値より上のピクセルは黒、下は白）は暗いオブジェクトの抽出向け、'trunc'（切り捨て、しきい値より上のピクセルはしきい値値に設定）は明るさのクリップ向け、'tozero'（ゼロ化、しきい値より下のピクセルはゼロに設定）は暗い領域の除去向け、'tozero_inv'（ゼロ化反転、しきい値より上のピクセルはゼロに設定）は明るい領域の除去向け、'adaptive_mean'（適応平均、近傍の平均を使う局所しきい値）は非均一な照明向け、'adaptive_gaussian'（適応ガウス、重み付きガウス平均を使う局所しきい値）はより滑らかな遷移を伴う非均一な照明向け、または 'otsu'（Otsu 法、自動で最適なしきい値を計算）は二峰性ヒストグラム向けです。既定値は 'binary' です。固定方式（binary、binary_inv、trunc、tozero、tozero_inv）は thresh_value を使用し、適応方式（adaptive_mean、adaptive_gaussian）は局所的に適応し、Otsu 法は最適なしきい値を自動計算します。	✅
thresh_value	整数	固定しきい値方式（binary、binary_inv、trunc、tozero、tozero_inv）で使用するしきい値。0 から 255 の整数である必要があります。この値より上のピクセルは、binary/binary_inv では前景として扱われ、また trunc/tozero/tozero_inv では操作に応じて切り捨てまたは保持されます。一般的な値の範囲は 100〜200 です。低めの値（100〜127）は暗い画像や暗い領域をより多く保持したい場合、 मध्य間の値（127〜150）はバランスの取れた分離、高めの値（150〜200）は明るい画像や明るい領域をより多く保持したい場合に適しています。既定値は 127（中間グレー）です。このパラメータは、しきい値を自動計算する適応方式（adaptive_mean、adaptive_gaussian）および Otsu 法（otsu）では無視されます。画像の明るさと、求める前景／背景分離に応じて調整してください。	✅
max_value	整数	しきい値処理された二値出力で使用する最大値。整数である必要があり、通常は 255（8 ビット画像の白ピクセル値）です。この値は、二値演算（binary、binary_inv）で前景に分類されたピクセルに割り当てられるか、適応しきい値処理（adaptive_mean、adaptive_gaussian、otsu）における最大値として使用されます。truncate 操作（trunc）では、このパラメータは使用されますが、実際の出力値は thresh_value に切り詰められます。既定値は 255 で、白（255）の前景と黒（0）の背景を持つ標準的な二値画像を生成します。8 ビットのグレースケール画像では 255 のままにしてください。16 ビット画像では 65535 を使用します。しきい値処理出力における前景ピクセルの明るさ／強度を制御します。	✅

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 画像しきい値処理 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）：しきい値処理を適用する入力グレースケール画像。単一チャネルのグレースケール画像である必要があります（カラー画像は、まず Image Convert Grayscale ブロックを使用してグレースケールに変換する必要があります）。しきい値処理は、ピクセルを前景（白）または背景（黒）に分類することで、グレースケール画像を二値画像に変換します。しきい値処理後の二値画像では、選択した方式に基づいてピクセルが 0（黒）または max_value（通常 255、白）に設定されます。元画像のメタデータは出力に保持されます。最適な結果を得るには、前景と背景のコントラストが良好な画像を使用してください。

  • threshold_type (string）：適用するしきい値処理の種類：'binary'（既定、しきい値より上のピクセルは白、下は黒）は均一な照明向け、'binary_inv'（反転二値、しきい値より上のピクセルは黒、下は白）は暗いオブジェクトの抽出向け、'trunc'（切り捨て、しきい値より上のピクセルはしきい値値に設定）は明るさのクリップ向け、'tozero'（ゼロ化、しきい値より下のピクセルはゼロに設定）は暗い領域の除去向け、'tozero_inv'（ゼロ化反転、しきい値より上のピクセルはゼロに設定）は明るい領域の除去向け、'adaptive_mean'（適応平均、近傍の平均を使う局所しきい値）は非均一な照明向け、'adaptive_gaussian'（適応ガウス、重み付きガウス平均を使う局所しきい値）はより滑らかな遷移を伴う非均一な照明向け、または 'otsu'（Otsu 法、自動で最適なしきい値を計算）は二峰性ヒストグラム向けです。既定値は 'binary' です。固定方式（binary、binary_inv、trunc、tozero、tozero_inv）は thresh_value を使用し、適応方式（adaptive_mean、adaptive_gaussian）は局所的に適応し、Otsu 法は最適なしきい値を自動計算します。

  • thresh_value (整数）：固定しきい値方式（binary、binary_inv、trunc、tozero、tozero_inv）で使用するしきい値。0 から 255 の整数である必要があります。この値より上のピクセルは、binary/binary_inv では前景として扱われ、また trunc/tozero/tozero_inv では操作に応じて切り捨てまたは保持されます。一般的な値の範囲は 100〜200 です。低めの値（100〜127）は暗い画像や暗い領域をより多く保持したい場合、中間の値（127〜150）はバランスの取れた分離、高めの値（150〜200）は明るい画像や明るい領域をより多く保持したい場合に適しています。既定値は 127（中間グレー）です。このパラメータは、しきい値を自動計算する適応方式（adaptive_mean、adaptive_gaussian）および Otsu 法（otsu）では無視されます。画像の明るさと、求める前景／背景分離に応じて調整してください。

  • max_value (整数）：しきい値処理された二値出力で使用する最大値。整数である必要があり、通常は 255（8 ビット画像の白ピクセル値）です。この値は、二値演算（binary、binary_inv）で前景に分類されたピクセルに割り当てられるか、適応しきい値処理（adaptive_mean、adaptive_gaussian、otsu）における最大値として使用されます。truncate 操作（trunc）では、このパラメータは使用されますが、実際の出力値は thresh_value に切り詰められます。既定値は 255 で、白（255）の前景と黒（0）の背景を持つ標準的な二値画像を生成します。8 ビットのグレースケール画像では 255 のままにしてください。16 ビット画像では 65535 を使用します。しきい値処理出力における前景ピクセルの明るさ／強度を制御します。

• 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/threshold@v1",
	    "image": "$inputs.image",
	    "threshold_type": "binary",
	    "thresh_value": 127,
	    "max_value": 255
	}