画像差分検出の前処理とは?位置合わせ・照明変化・ノイズ対策

画像差分の前処理は、比較位置を揃えて照明変動とノイズの影響を確認してから、しきい値と対象範囲を決めます。正常画像の差を減らすと同時に、検出したい欠陥が残るかを確かめることが重要です。
画像差分を使う際は、差の値を小さくすること自体を目的にせず、不要な変動を抑えながら必要な違いを残すことが大切です。この記事では、前処理の順序と、調整時の確認点を説明します。
単純差分は何を計算しているのか
対応する画素の値を比較する
代表的な方法の一つが、二つの画像の対応する値の差を絶対値として求める方法です。OpenCVでは、同じサイズ・型の配列などについて、要素ごとの差の絶対値を計算します。
ただし、計算結果がそのまま異常の意味を持つわけではありません。同じ場所を比べているか、照明が変わっていないかなど、比較の前提を確認する必要があります。
正常同士の差を先に見る
まず正常な対象を繰り返し撮影し、画像間にどのような差が出るかを確認します。輪郭のずれ、反射、背景など、不要な変動の出方を把握するためです。
その上で、見つけたい欠陥がある画像と比べます。正常の変動と欠陥の差が重なる場合は、しきい値だけを調整する前に、撮影条件や位置合わせを見直しましょう。
位置合わせで、比べる場所をそろえる
最初は撮影時の固定を検討する
対象を同じ向き・距離で置く、カメラ位置を固定するなど、撮影時に変動を抑える方法を検討します。後から補正する量を減らすという考え方です。
位置がずれたままの差分では、本来同じ輪郭の両側に差が出ることがあります。対象がずれたのか、対象の形が変わったのかを分けて確認しましょう。
補正方法の前提を確認する
平面の対象なら、対応点を使って射影変換を求める方法があります。
立体物の奥行きや見る角度が大きく変わる場面を、一枚の平面変換ですべてそろえられるとは限りません。位置合わせ後も、必要な範囲が正しく重なるかを確認します。
補正で欠陥自体を変形させていないかも検証項目です。変形しすぎて差を消す結果にならないよう、基準に使う場所を検討しましょう。
明るさと色の変化を切り分ける
照明をそろえてから補正を考える
全体の明るさが変わる場合は、照明や撮影環境を確認します。前処理にはコントラストを調整する方法もありますが、画像の値を変える処理であることを意識します。
正常画像間の差を抑えられたかだけでなく、欠陥を含む画像の差が残っているかをセットで確認しましょう。
色が検査対象なら、色を消さない
グレースケール化や明るさの正規化を先に決めると、判定したかった変色の情報を弱める場合があります。「色の変化は不要な変動なのか、検出したい異常なのか」を整理する必要があります。
基準画像と検査画像を別々の条件で補正したときも、比較が何を意味するかを確認します。見やすい二枚に整えることと、同じ基準で比較できることは区別しましょう。
ノイズを抑える処理は、細部も確認する
平滑化は、画像をぼかし、ノイズを抑えるために使われる処理です。
強くぼかすと小さな違いまで弱くなる可能性があるため、除去したいノイズと残したい欠陥を同時に見ます。処理後の画面が滑らかになったことだけで、検査に適したと判断しないことが大切です。
ノイズが増えた原因が撮影側にある場合は、後処理だけで対処するのか、撮影条件を直すのかを比較します。設定を変えた画像は、同じ条件の検証画像で確認し直しましょう。
しきい値とマスクを設計する
差の値から候補領域を取り出す
差分画像から、しきい値を超えた範囲を候補として取り出す方法があります。 ただし、その値は正常な変動と必要な欠陥の両方を見て決めます。
想定例として、しきい値を上げれば小さな不要差分が減る一方、薄い欠陥も拾いにくくなる場合があります。候補が減ったことだけを改善とみなさず、見逃しも確認しましょう。
比較しない場所を明示する
背景や印字など、今回の判定対象から除く範囲をマスクとして指定する設計も考えられます。ただし、除いた場所に欠陥があっても、この判定では調べないことになります。
マスクは位置合わせ後のどの座標で適用するかも整理します。対象の位置が変わっても同じ場所を除外できているかを確認し、除外範囲と理由を記録しましょう。
前処理を一段ずつ評価する
元画像、位置合わせ後、明るさ補正後、平滑化後、最終候補を並べると、どの処理で差が変わったかを確認しやすくなります。正常と欠陥の画像を同じ手順で処理し、設定変更の履歴を残します。
結果を見る前に、対象となる欠陥、判断する単位、確認用の画像を決めます。一つの画像に合う設定だけを探し続けず、別の条件の画像でも再確認しましょう。
単純差分で目的を表現しにくい場合は、特徴や学習したモデルを使う方法との組み合わせも検討します。ファントムでは、対象や目的に応じてAIと画像差分・輪郭抽出などを組み合わせます。
ただし、AIへ変える前にも、比較したい違いが元画像に残っているかを確認することが出発点です。
不要差分と欠陥を一緒に確認する手順例
印刷された部品の汚れを調べるため、正常品を撮り直した画像の組と、汚れを含む画像を用意します。基準画像を一つ決め、すべてに同じ処理設定を適用します。
確認の流れ:元画像を保存→位置合わせ→明るさ変動の確認→必要な平滑化→絶対差分→しきい値処理→対象領域内の候補確認。処理を追加するたびに中間画像を保存し、どこで不要差分と欠陥の差が変わったかを見ます。
8bitグレースケール画像の計算例として、同じ位置の値が100と112なら絶対差は12です。候補条件を「差が10を超える」と定義すれば候補になります。ただし、この計算から汚れとは断定できません。値の違いが位置ずれや反射に由来しないかを確認します。
出力は候補領域だけでなく、正常画像での不要候補と欠陥の見逃しを分けた記録にします。しきい値を上げて不要候補が減っても薄い汚れを見逃すなら、改善とは判定しません。調整に使わなかった画像で確認し、撮影の変更か別方式の検討かを決めます。
相談時は、正常同士の差と欠陥例を共有する
「差分が出すぎる」という説明に加えて、正常画像の組、欠陥を含む画像、現在の処理順、しきい値、撮影条件を共有しましょう。全体が変わるのか輪郭付近だけかも、原因を検討する手掛かりになります。
前処理の目的は、画像をきれいにすることではなく、判断したい違いを比べられる状態に整えることです。撮影・補正・判定を分けて確認し、必要な情報を消していないかを見直してください。
画像差分を含む解析の相談:https://fantom.co.jp/product/image-analysis/

