二値化の概要を解説

二値化（にちか、Binary Thresholding）とは、画像処理において各画素の値を「0」か「1（または255）」に分類する処理のことです。主に「物体の領域」と「背景」とを分離するために使われます。

---

🔍 二値化の概要

🎯 目的：

• 画像の情報を**白（前景）と黒（背景）**に簡略化し、
• 対象の輪郭・形状・位置などを明確にする。

---

🧠 処理の原理（基本的な考え方）

ある「しきい値 T」を境にして、
- 画素値 > T → 白 (255)
- 画素値 <= T → 黒 (0)

✅ Pythonでの基本コード（OpenCV）

import cv2

# グレースケール画像を読み込み
img = cv2.imread('sample.jpg', 0)

# しきい値を指定して二値化
_, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

cv2.imshow("Binary Image", binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

🧰 主な二値化手法

手法	特徴	説明
固定しきい値	一定の値で分類	cv2.threshold(img, T, max, ...)
大津の手法（Otsu）	最適なしきい値を自動計算	背景と前景の分離を最大化
適応的二値化	局所領域ごとに異なるしきい値	明暗差が激しい画像に有効
インバート（反転）	黒白を反転する	cv2.THRESH_BINARY_INV

---

✅ 大津の手法（Otsu法）の例

_, binary_otsu = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

---

📸 応用例

分野	応用内容
文書スキャン	文字と背景の分離（OCR前処理）
物体検出	形状・輪郭の抽出
顔検出・認識	肌色領域抽出や前処理
医療画像	病変・腫瘍などの輪郭抽出

---

🔁 二値化とヒストグラムの関係

• ヒストグラムを見れば、「どこにしきい値を設定するべきか」が直感的にわかる。
• 明暗のピークが二山（バイモーダル）の場合、大津の手法が有効。

---

もっと詳しく知りたい処理（適応的二値化や、大津法の原理など）があれば、そこを深掘りできます！