Pythonで画像データを正規化する方法

2024年3月18日2024年3月19日

画像処理は、デジタル画像を変換、改善、または情報抽出するための強力な技術です。

特に、機械学習やディープラーニングの分野での応用が増えている今、基本的な画像処理スキルはエンジニアやデータサイエンティストにとって必須の知識となります。

この記事では、画像処理の初歩的なプロセスである「画像の正規化」に焦点を当て、Pythonを用いた簡単な実装方法を紹介します。画像の正規化は、様々な環境で撮影された画像を同じスケールに調整し、モデルのトレーニング効率を向上させる重要なステップです。

ライブラリのインストール

画像の正規化処理に必要なライブラリ、「Pillow」（PILのフォーク）と「numpy」のインストール手順を解説します。これらは、Pythonで画像を扱うために広く使用されるライブラリで、画像読み込み、変換、数値計算などを行うのに必要です。

Pillowのインストール

pip install Pillow

numpyのインストール

pip install numpy

作成したPythonコード

コード解説

画像の正規化は、画像データのピクセル値を0から1の範囲にスケーリングするプロセスです。これにより、異なる照明条件やデバイスから得られる画像データの一貫性が向上し、機械学習モデルのトレーニング効率が良くなります。具体的には、PILライブラリで画像を読み込み、RGB形式に変換後、numpy配列に変換します。その後、ピクセル値を255で割ることで正規化し、変換されたデータを利用してさらなる画像処理や機械学習モデルの入力として使用します。このシンプルな前処理ステップは、画像処理タスクの性能向上に不可欠です。

必要なライブラリのインポート:
- PILのImage: 画像を操作するために使用します。画像を読み込み、保存、変換する機能を提供します。
- numpy: 数値計算を効率的に行うためのライブラリです。画像データを配列として扱い、計算を容易にします。
画像の読み込み:
- 指定されたパスから画像ファイル（例：friendly_dog.jpeg）を読み込みます。このステップで画像がメモリにロードされます。
画像をRGB形式に変換:
- 読み込んだ画像をRGB色空間に変換します。これにより、画像の各ピクセルが赤、緑、青の3つの色成分で表されるようになります。
画像データをnumpy配列に変換:
- numpy配列に変換することで、画像の各ピクセルに簡単にアクセスし、数値演算を行うことができます。これは、画像処理や機械学習での操作に非常に便利です。
画像のピクセル値を正規化:
- 画像のピクセル値を0から255の範囲から0から1の範囲にスケーリングします。これは、各ピクセル値を255で割ることによって実現されます。正規化により、異なる照明条件下で撮影された画像や、異なるデバイスからの画像を扱う際の一貫性が保たれ、機械学習モデルのパフォーマンスが向上します。
正規化された画像データの例を表示:
- 実際に正規化された画像データの一部を表示して、処理が正しく行われたことを確認します。この例では、画像の左上隅のピクセルのRGB値が表示されます。

作成した全体のソースコード

読み込む画像のファイル名は必要に応じて変更してください。

from PIL import Image
import numpy as np

# 画像ファイルを読み込む
image_path = 'friendly_dog.jpeg'
img = Image.open(image_path)

# 画像をRGB形式に変換する
img = img.convert('RGB')

# 画像データをnumpy配列に変換する
img_array = np.array(img)

# 画像のピクセル値を0から1の範囲に正規化する
normalized_img_array = img_array / 255.0

# 正規化した画像データの例を表示する
print(normalized_img_array[0][0])  # 画像の左上隅のピクセル値を表示

実行結果

使用するサンプル画像

今回はこの犬の画像を読み込み、データの正規化を行います。

実行結果

先ほどの犬の画像をカレントディレクトリに配置し、Pythonコードを実行しました。

正規化の実行結果

正規化プロセスでは、画像のピクセル値を0から1の範囲にスケーリングすることが目的です。出力された値[0.67058824 0.7254902 0.00392157]は、この範囲内にあります。

この配列は、正規化された画像の特定のピクセル（この場合は左上隅）のRGB値を表しています。元のピクセル値が255で割られ、結果として得られる値は、赤(R)の強さが約0.67、緑(G)の強さが約0.73、青(B)の強さが約0.004です。これらの値はすべて0から1の範囲に収まっているため、画像の正規化が正しく行われていることが確認できます。