> 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/workflows/ja/burokku/blocks/visualize-predictions/polygon-visualization.md).

# ポリゴン可視化

画像内の検出オブジェクトの周囲にポリゴンを描画します。

## v2

検出されたオブジェクトの周囲に、オブジェクトマスクの正確な形状に沿ったポリゴン輪郭を描画し、インスタンスセグメンテーション結果の境界を正確に可視化します。

## このブロックの仕組み

このブロックは画像とインスタンスセグメンテーション予測（セグメンテーションマスクを含む）を受け取り、検出された各オブジェクトの形状に正確に沿うポリゴン輪郭を描画します。このブロックは次の処理を行います：

1. 画像とインスタンスセグメンテーション予測を入力として受け取ります（予測にはマスクデータが含まれている必要があります）
2. セグメンテーションマスクを、オブジェクトの境界に沿うポリゴン座標に変換します
3. 選択したカラーパレットに基づいて色を適用し、クラス、インデックス、またはトラックIDごとに色を割り当てます
4. PolygonAnnotator を使用して、指定した太さでポリゴン輪郭を描画します
5. 元の画像の上にポリゴン輪郭を重ねた注釈付き画像を返します

このブロックは、各オブジェクトのセグメンテーションマスクから正確な形状を抽出し、その正確な境界に沿ったポリゴン輪郭を描画します。ポリゴンは矩形ではなく実際のオブジェクト形状に一致するため、バウンディングボックスよりもはるかに正確な可視化を実現します。マスクデータが利用できない場合は、バウンディングボックスの描画にフォールバックします。ポリゴン輪郭は、さまざまな太さやカラーパレットでカスタマイズできるため、異なるオブジェクトやオブジェクトクラスを明確に区別できます。

## 一般的な使用例

* **正確なオブジェクト境界の可視化**：医療画像、製造品質管理、正確な計測ワークフローなど、正確なオブジェクト輪郭が必要な用途向けに、セグメント化されたオブジェクトの正確な形状と境界を可視化します
* **インスタンスセグメンテーションモデルの検証**：ポリゴン予測がオブジェクト境界とどの程度一致しているかを可視化して、インスタンスセグメンテーションモデルの性能を確認・デバッグし、セグメンテーションエラーを特定し、マスク品質を検証します
* **不規則な形状の分析**：人、動物、複雑な機械部品など、バウンディングボックスでは不正確または誤解を招くような、不規則または非矩形の形状を持つオブジェクトを可視化します
* **重なり合うオブジェクトの可視化**：複数のオブジェクトが重なっている場合でも、ポリゴンは各オブジェクトの形状を正確に表現するため、バウンディングボックスが重なって曖昧になることなく、オブジェクトの境界を明確に示します
* **形状ベースの品質管理**：欠陥検出や分類において正確なオブジェクト輪郭が重要となる製造、農業、または品質保証のワークフローで、オブジェクトの形状と境界を検査します
* **科学・医療画像処理**：計測、解析、診断において正確な境界表現が不可欠な医用画像、顕微鏡画像、科学分析で、セグメント化された領域を可視化します

## 他のブロックへの接続

このブロックの注釈付き画像は次に接続できます：

* **他の可視化ブロック** （例：ラベル可視化、マスク可視化、バウンディングボックス可視化）と組み合わせて、ポリゴン輪郭に追加の注釈を加え、包括的に可視化できます
* **データ保存ブロック** （例：ローカルファイル出力、CSVフォーマッタ、Roboflow データセットアップロード）に接続して、文書化、レポート作成、または学習データ検証のためにポリゴン輪郭付きの注釈画像を保存します
* **Webhook ブロック** ポリゴン輪郭付きの可視化結果を外部システム、API、またはWebアプリケーションに送信し、ダッシュボードや分析ツールで表示します
* **通知ブロック** （例：メール通知、Slack通知）に接続して、アラートやレポートの視覚的証拠としてポリゴン輪郭付きの注釈画像を送信します
* **動画出力ブロック** ライブ監視、追跡、または後処理分析のために、ポリゴン輪郭付きの注釈動画ストリームや録画を作成します

### 型識別子

次の識別子をステップの `"type"` フィールドに使用してください： `roboflow_core/polygon_visualization@v2` 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ためです。

### 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。                                                                                    | ❌  |
| `copy_image`    | `真偽値`     | このオプションを有効にすると、可視化用に入力画像のコピーを作成し、元画像を保持します。複数の可視化を重ねる場合に使用してください..                                         | ✅  |
| `color_palette` | `str`     | 可視化要素のカラーパレットを選択します..                                                                                      | ✅  |
| `palette_size`  | `int`     | パレット内の色数を指定します。カスタムまたは Matplotlib のパレットを使用する場合に適用されます..                                                    | ✅  |
| `custom_colors` | `文字列のリスト` | HEX形式でバウンディングボックス用のカスタムカラーのリストを定義します..                                                                     | ✅  |
| `color_axis`    | `str`     | バウンディングボックスの色をどのように割り当てるかを選択します。負のクラスまたはトラッカーIDを持つ検出結果（たとえば、class\_id = -1 の未一致 VLM ラベル）は、中立的なグレーで描画されます.. | ✅  |
| `thickness`     | `int`     | ポリゴン輪郭の太さ（ピクセル）です。値が大きいほど、より太く目立つ輪郭になります..                                                                 | ✅  |

この **参照** 列は、 `ワークフロー` の実行時に利用可能な動的な値でプロパティをパラメータ化できることを示します。詳細は *バインディング* をご覧ください。

### 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の種類によって異なります。どのバインディングの種類を `ポリゴンの可視化` バージョン `v2` があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* 入力
  * `画像` ([*`画像`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)）：可視化する画像..
  * `copy_image` ([*`真偽値`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)）：このオプションを有効にすると、可視化用に入力画像のコピーを作成し、元画像を保持します。複数の可視化を重ねる場合に使用してください..
  * `predictions` (*Union\[*[*`instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`rle_instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/rle-instance-segmentation-prediction.md)*]*）：マスクデータを含むインスタンスセグメンテーション予測。ブロックはマスクを、各検出オブジェクトの正確な形状に沿ったポリゴン輪郭に変換します..
  * `color_palette` ([*`文字列`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)）：可視化要素のカラーパレットを選択します..
  * `palette_size` ([*`整数`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)）：パレット内の色数を指定します。カスタムまたは Matplotlib のパレットを使用する場合に適用されます..
  * `custom_colors` ([*`値のリスト`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)）：HEX形式でバウンディングボックス用のカスタムカラーのリストを定義します..
  * `color_axis` ([*`文字列`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)）：バウンディングボックスの色をどのように割り当てるかを選択します。負のクラスまたはトラッカーIDを持つ検出結果（たとえば、class\_id = -1 の未一致 VLM ラベル）は、中立的なグレーで描画されます..
  * `thickness` ([*`整数`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)）：ポリゴン輪郭の太さ（ピクセル）です。値が大きいほど、より太く目立つ輪郭になります..
* 出力
  * `画像` ([`画像`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)）：ワークフロー内の画像。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/polygon_visualization@v2",
	    "image": "$inputs.image",
	    "copy_image": true,
	    "predictions": "$steps.instance_segmentation_model.predictions",
	    "color_palette": "DEFAULT",
	    "palette_size": 10,
	    "custom_colors": [
	        "#FF0000",
	        "#00FF00",
	        "#0000FF"
	    ],
	    "color_axis": "CLASS",
	    "thickness": 2
	}
```

</details>

## v1

検出されたオブジェクトの周囲に、オブジェクトマスクの正確な形状に沿ったポリゴン輪郭を描画し、インスタンスセグメンテーション結果の境界を正確に可視化します。

## このブロックの仕組み

このブロックは画像とインスタンスセグメンテーション予測（セグメンテーションマスクを含む）を受け取り、検出された各オブジェクトの形状に正確に沿うポリゴン輪郭を描画します。このブロックは次の処理を行います：

1. 画像とインスタンスセグメンテーション予測を入力として受け取ります（予測にはマスクデータが含まれている必要があります）
2. セグメンテーションマスクを、オブジェクトの境界に沿うポリゴン座標に変換します
3. 選択したカラーパレットに基づいて色を適用し、クラス、インデックス、またはトラックIDごとに色を割り当てます
4. PolygonAnnotator を使用して、指定した太さでポリゴン輪郭を描画します
5. 元の画像の上にポリゴン輪郭を重ねた注釈付き画像を返します

このブロックは、各オブジェクトのセグメンテーションマスクから正確な形状を抽出し、その正確な境界に沿ったポリゴン輪郭を描画します。ポリゴンは矩形ではなく実際のオブジェクト形状に一致するため、バウンディングボックスよりもはるかに正確な可視化を実現します。マスクデータが利用できない場合は、バウンディングボックスの描画にフォールバックします。ポリゴン輪郭は、さまざまな太さやカラーパレットでカスタマイズできるため、異なるオブジェクトやオブジェクトクラスを明確に区別できます。

## 一般的な使用例

* **正確なオブジェクト境界の可視化**：医療画像、製造品質管理、正確な計測ワークフローなど、正確なオブジェクト輪郭が必要な用途向けに、セグメント化されたオブジェクトの正確な形状と境界を可視化します
* **インスタンスセグメンテーションモデルの検証**：ポリゴン予測がオブジェクト境界とどの程度一致しているかを可視化して、インスタンスセグメンテーションモデルの性能を確認・デバッグし、セグメンテーションエラーを特定し、マスク品質を検証します
* **不規則な形状の分析**：人、動物、複雑な機械部品など、バウンディングボックスでは不正確または誤解を招くような、不規則または非矩形の形状を持つオブジェクトを可視化します
* **重なり合うオブジェクトの可視化**：複数のオブジェクトが重なっている場合でも、ポリゴンは各オブジェクトの形状を正確に表現するため、バウンディングボックスが重なって曖昧になることなく、オブジェクトの境界を明確に示します
* **形状ベースの品質管理**：欠陥検出や分類において正確なオブジェクト輪郭が重要となる製造、農業、または品質保証のワークフローで、オブジェクトの形状と境界を検査します
* **科学・医療画像処理**：計測、解析、診断において正確な境界表現が不可欠な医用画像、顕微鏡画像、科学分析で、セグメント化された領域を可視化します

## 他のブロックへの接続

このブロックの注釈付き画像は次に接続できます：

* **他の可視化ブロック** （例：ラベル可視化、マスク可視化、バウンディングボックス可視化）と組み合わせて、ポリゴン輪郭に追加の注釈を加え、包括的に可視化できます
* **データ保存ブロック** （例：ローカルファイル出力、CSVフォーマッタ、Roboflow データセットアップロード）に接続して、文書化、レポート作成、または学習データ検証のためにポリゴン輪郭付きの注釈画像を保存します
* **Webhook ブロック** ポリゴン輪郭付きの可視化結果を外部システム、API、またはWebアプリケーションに送信し、ダッシュボードや分析ツールで表示します
* **通知ブロック** （例：メール通知、Slack通知）に接続して、アラートやレポートの視覚的証拠としてポリゴン輪郭付きの注釈画像を送信します
* **動画出力ブロック** ライブ監視、追跡、または後処理分析のために、ポリゴン輪郭付きの注釈動画ストリームや録画を作成します

### 型識別子

次の識別子をステップの `"type"` フィールドに使用してください： `roboflow_core/polygon_visualization@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ためです。

### 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。                                                                                    | ❌  |
| `copy_image`    | `真偽値`     | このオプションを有効にすると、可視化用に入力画像のコピーを作成し、元画像を保持します。複数の可視化を重ねる場合に使用してください..                                         | ✅  |
| `color_palette` | `str`     | 可視化要素のカラーパレットを選択します..                                                                                      | ✅  |
| `palette_size`  | `int`     | パレット内の色数を指定します。カスタムまたは Matplotlib のパレットを使用する場合に適用されます..                                                    | ✅  |
| `custom_colors` | `文字列のリスト` | HEX形式でバウンディングボックス用のカスタムカラーのリストを定義します..                                                                     | ✅  |
| `color_axis`    | `str`     | バウンディングボックスの色をどのように割り当てるかを選択します。負のクラスまたはトラッカーIDを持つ検出結果（たとえば、class\_id = -1 の未一致 VLM ラベル）は、中立的なグレーで描画されます.. | ✅  |
| `thickness`     | `int`     | ポリゴン輪郭の太さ（ピクセル）です。値が大きいほど、より太く目立つ輪郭になります..                                                                 | ✅  |

この **参照** 列は、 `ワークフロー` の実行時に利用可能な動的な値でプロパティをパラメータ化できることを示します。詳細は *バインディング* をご覧ください。

### 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の種類によって異なります。どのバインディングの種類を `ポリゴンの可視化` バージョン `v1` があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* 入力
  * `画像` ([*`画像`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)）：可視化する画像..
  * `copy_image` ([*`真偽値`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)）：このオプションを有効にすると、可視化用に入力画像のコピーを作成し、元画像を保持します。複数の可視化を重ねる場合に使用してください..
  * `predictions` (*Union\[*[*`instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`rle_instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/rle-instance-segmentation-prediction.md)*]*）：マスクデータを含むインスタンスセグメンテーション予測。ブロックはマスクを、各検出オブジェクトの正確な形状に沿ったポリゴン輪郭に変換します..
  * `color_palette` ([*`文字列`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)）：可視化要素のカラーパレットを選択します..
  * `palette_size` ([*`整数`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)）：パレット内の色数を指定します。カスタムまたは Matplotlib のパレットを使用する場合に適用されます..
  * `custom_colors` ([*`値のリスト`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)）：HEX形式でバウンディングボックス用のカスタムカラーのリストを定義します..
  * `color_axis` ([*`文字列`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)）：バウンディングボックスの色をどのように割り当てるかを選択します。負のクラスまたはトラッカーIDを持つ検出結果（たとえば、class\_id = -1 の未一致 VLM ラベル）は、中立的なグレーで描画されます..
  * `thickness` ([*`整数`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)）：ポリゴン輪郭の太さ（ピクセル）です。値が大きいほど、より太く目立つ輪郭になります..
* 出力
  * `画像` ([`画像`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)）：ワークフロー内の画像。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/polygon_visualization@v1",
	    "image": "$inputs.image",
	    "copy_image": true,
	    "predictions": "$steps.instance_segmentation_model.predictions",
	    "color_palette": "DEFAULT",
	    "palette_size": 10,
	    "custom_colors": [
	        "#FF0000",
	        "#00FF00",
	        "#0000FF"
	    ],
	    "color_axis": "CLASS",
	    "thickness": 2
	}
```

</details>
