> 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

## 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従う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。

## このブロックの動作

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、各検出オブジェクトの形状に正確に沿った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る（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、オブジェクト境界をなぞるポリゴン座標に変換する
3. 選択したカラーパレットに基づいて色を適用し、色はクラス、インデックス、またはトラックIDごとに割り当てられる
4. PolygonAnnotator を使用して、指定された太さでポリゴン輪郭を描画する
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てポリゴン輪郭を描画します。ポリゴンは実際のオブジェクト形状に一致し、長方形で囲むバウンディングボックスよりもはるかに正確な可視化が可能なため、これにより可視化の精度が大幅に向上します。マスクデータが利用できない場合、このブロック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、さまざまな太さの値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、または高精度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に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の誤りを特定し、マスク品質を検証します
* **不規則形状の解析**：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、不規則形状や非矩形の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、重なったバウンディングボックスの曖昧さなく、オブジェクト境界を明確に表示できます
* **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形状と境界を検査します
* **科学・医療画像**：計測、解析、診断に正確な境界表現が不可欠な、医療画像、顕微鏡画像、または科学解析におけるセグメント化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のものに接続できます：

* **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重ね、包括的に可視化します
* **データ保存ブロック** （例：Local File Sink、CSV Formatter、Roboflow Dataset Upload）に接続して、文書化、レポート、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アプリケーションへ送信し、ダッシュボードや解析ツールで表示します
* **通知ブロック** （例：Email Notification、Slack Notification）に接続して、ポリゴン輪郭付きの注釈画像をアラートやレポートの視覚的証拠として送信します
* **ビデオ出力ブロック** ライブ監視、追跡、または後処理解析のために、ポリゴン輪郭付きの注釈済みビデオストリームや録画を作成します

### タイプ識別子

step の次の識別子を使用してください `"type"` フィールド： `roboflow_core/polygon_visualization@v2` ワークフローにステップとしてブロックを追加します。

### プロパティ

| **名前**          | **タイプ**     | **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`    | `bool`      | 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ます。 | ✅  |
| `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。カスタムパレットまたはMatplotlibパレットを使用する場合に適用されます。        | ✅  |
| `custom_colors` | `List[str]` | 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HEX形式で定義します。                          | ✅  |
| `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。                               | ✅  |
| `thickness`     | `int`       | ポリゴン輪郭の太さ（ピクセル単位）。値が大きいほど、輪郭は太く、より目立ちます。                       | ✅  |

The **参照** 列は、workflow runtime 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ことを示します。詳細は `ワークフロー`  runtime. を参照してください。 *Bindings* 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。Polygon Visualization がバージョン `Polygon Visualization` で持つバインディング種別を確認してください。 `v2` です。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `image` ([*`image`*](/workflows/ja/gaido/developer-guide/kinds/image.md)）：可視化対象の画像。
  * `copy_image` ([*`boolean`*](/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ます。
  * `predictions` (*Union\[*[*`instance_segmentation_prediction`*](/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`rle_instance_segmentation_prediction`*](/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。このブロックは、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へ変換します。
  * `color_palette` ([*`string`*](/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` ([*`integer`*](/workflows/ja/gaido/developer-guide/kinds/integer.md)）：パレット内の色数を指定します。カスタムパレットまたはMatplotlibパレットを使用する場合に適用されます。
  * `custom_colors` ([*`list_of_values`*](/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)）：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HEX形式で定義します。
  * `color_axis` ([*`string`*](/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。
  * `thickness` ([*`integer`*](/workflows/ja/gaido/developer-guide/kinds/integer.md)）：ポリゴン輪郭の太さ（ピクセル単位）。値が大きいほど、輪郭は太く、より目立ちます。
* output
  * `image` ([`image`](/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従う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。

## このブロックの動作

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、各検出オブジェクトの形状に正確に沿った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る（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、オブジェクト境界をなぞるポリゴン座標に変換する
3. 選択したカラーパレットに基づいて色を適用し、色はクラス、インデックス、またはトラックIDごとに割り当てられる
4. PolygonAnnotator を使用して、指定された太さでポリゴン輪郭を描画する
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てポリゴン輪郭を描画します。ポリゴンは実際のオブジェクト形状に一致し、長方形で囲むバウンディングボックスよりもはるかに正確な可視化が可能なため、これにより可視化の精度が大幅に向上します。マスクデータが利用できない場合、このブロック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、さまざまな太さの値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、または高精度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に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の誤りを特定し、マスク品質を検証します
* **不規則形状の解析**：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、不規則形状や非矩形の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、重なったバウンディングボックスの曖昧さなく、オブジェクト境界を明確に表示できます
* **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形状と境界を検査します
* **科学・医療画像**：計測、解析、診断に正確な境界表現が不可欠な、医療画像、顕微鏡画像、または科学解析におけるセグメント化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のものに接続できます：

* **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重ね、包括的に可視化します
* **データ保存ブロック** （例：Local File Sink、CSV Formatter、Roboflow Dataset Upload）に接続して、文書化、レポート、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アプリケーションへ送信し、ダッシュボードや解析ツールで表示します
* **通知ブロック** （例：Email Notification、Slack Notification）に接続して、ポリゴン輪郭付きの注釈画像をアラートやレポートの視覚的証拠として送信します
* **ビデオ出力ブロック** ライブ監視、追跡、または後処理解析のために、ポリゴン輪郭付きの注釈済みビデオストリームや録画を作成します

### タイプ識別子

step の次の識別子を使用してください `"type"` フィールド： `roboflow_core/polygon_visualization@v1` ワークフローにステップとしてブロックを追加します。

### プロパティ

| **名前**          | **タイプ**     | **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`    | `bool`      | 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ます。 | ✅  |
| `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。カスタムパレットまたはMatplotlibパレットを使用する場合に適用されます。        | ✅  |
| `custom_colors` | `List[str]` | 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HEX形式で定義します。                          | ✅  |
| `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。                               | ✅  |
| `thickness`     | `int`       | ポリゴン輪郭の太さ（ピクセル単位）。値が大きいほど、輪郭は太く、より目立ちます。                       | ✅  |

The **参照** 列は、workflow runtime 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ことを示します。詳細は `ワークフロー`  runtime. を参照してください。 *Bindings* 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。Polygon Visualization がバージョン `Polygon Visualization` で持つバインディング種別を確認してください。 `v1` です。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `image` ([*`image`*](/workflows/ja/gaido/developer-guide/kinds/image.md)）：可視化対象の画像。
  * `copy_image` ([*`boolean`*](/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ます。
  * `predictions` (*Union\[*[*`instance_segmentation_prediction`*](/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`rle_instance_segmentation_prediction`*](/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。このブロックは、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へ変換します。
  * `color_palette` ([*`string`*](/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` ([*`integer`*](/workflows/ja/gaido/developer-guide/kinds/integer.md)）：パレット内の色数を指定します。カスタムパレットまたはMatplotlibパレットを使用する場合に適用されます。
  * `custom_colors` ([*`list_of_values`*](/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)）：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HEX形式で定義します。
  * `color_axis` ([*`string`*](/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。
  * `thickness` ([*`integer`*](/workflows/ja/gaido/developer-guide/kinds/integer.md)）：ポリゴン輪郭の太さ（ピクセル単位）。値が大きいほど、輪郭は太く、より目立ちます。
* output
  * `image` ([`image`](/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>