コードカキタイ
プログラミング
Python
OpenCVとは？できることや特徴、インストール方法を徹底解説！

Python

最終更新日: 2023.05.02 (公開: 2023.05.02)

OpenCVとは？できることや特徴、インストール方法を徹底解説！

本記事ではPythonライブラリの「OpenCV」について解説します。具体的には、OpenCVの概要やOpenCVを使ってできること、OpenCVを使うメリット、インストール方法などをご紹介します。

本記事ではPythonライブラリについてより深く知りたい方に向けて、画像・動画処理などの解析機能をまとめた汎用性の高いPythonライブラリの「OpenCV」について、何ができるのかや、OpenCVを使うメリットなどを解説します。

OpenCVとは？
- PythonやC++で画像や動画処理ができる
OpenCVでは何ができる？
OpenCVを使うメリットは？
OpenCVをインストールする方法を紹介
OpenCVで画像処理や人工知能開発を効率化しよう

OpenCVとは？

まずは「Python」のライブラリのひとつである「OpenCV」の概要を知るために、OpenCVとはどのようなライブラリかを解説します。

PythonやC++で画像や動画処理ができる

「OpenCV」は、画像処理や動画処理・解析・機械学習などの機能をまとめたライブラリです。アメリカの半導体素子メーカーのIntelが開発したオープンソースのライブラリで、誰でも無料で利用できます。

「OpenCV」は主に「Python」や「C++」で使用でき、画像や動画内にある物体の位置情報やパターンをプログラムで機械に識別させられます。とくに人工知能開発でよく使われる「Python」と組み合わせることで、AIによる画像認識が可能です。

「Windows」や「Linux」「iOS」などの各種OSにも対応しているので、さまざまな開発に利用しやすいライブラリといえるでしょう。

OpenCVでは何ができる？

「OpenCV」を使って実現できることは主に6つです。

画像の読み込みと表示が簡単にできる
画像の編集ができる
画像の中にある物体の検出ができる
画像のノイズ除去ができる
テンプレートマッチングができる
グレースケールへの変換ができる

ほかにもできることはありますが、今回は代表的な機能を紹介します。

画像の読み込みと表示が簡単にできる

「OpenCV」では画像データや動画データなどの非数値データを、「RGB」という単位で数値として読み込みます。「RGB」を読み取ることで画像データなどを数値化できるので、数値を入力するだけで画像の表示も可能です。画像はカラー表示と白黒表示に対応しています。

コンピュータは数字データしか理解できません。したがって、画像データを数値化させることでコンピュータに画像データの定量的な評価をさせることが可能です。

画像の読み込みの具体的な方法は、「imreadメソッド」で引数にファイル名を指定するだけです。画像を表示させるには、「imshowメソッド」や「waitKeyメソッド」を利用します。以下は、画像を読み込んで出力させるコードの例です。

import cv2
image = cv2.imread(“test.jpg”) # 画像データ読み込み
print(image) # RGB値出力

画像の編集ができる

「OpenCV」を使えば画像の編集も可能です。画像のサイズ変更やトリミングができ、さまざまな素材を扱えます。たとえば、下記のコードは画像をリサイズするプログラムです。

import cv2  #OpenCVをインポート
image = cv2.imread("test.jpg") # 画像データ読み込み
image_new = cv2.resize(image, (400,150)) # リサイズ

このように、たった3行のプログラムで画像のリサイズができます。機械学習では、画像の大きさを統一した方が、精度が良くなったり学習に都合が良かったりするので、機械学習や人工知能開発などでは必須の処理です。

画像の中にある物体の検出ができる

「OpenCV」では画像中の物体検出も可能です。物体検出とは、画像に映っている人の顔や車など、特定の物体を検出し、モニターなどに表示させる技術です。検出した物体は、四角い領域などでわかりやすいように囲みます。以下は物体検出のサンプルコードです。

import cv2  #OpenCVをインポート
image = cv2.imread("test.jpg") # 画像データ読み込み

# 分類器の読み込み
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt.xml')

# 人の顔を検出
faces= face_cascade.detectMultiScale(image, 1.1, 3)

#検出した顔を黒い線で囲む
for (x,y,w,h) in faces:
  face = cv2.rectangle(face,(x,y),(x+w,y+h),(1,1,1),2)
  roi_color = face[y:y+h, x:x+w]

画像のノイズ除去ができる

「OpenCV」で画像のノイズ除去もできます。「OpenCV」内の「blurメソッド」や「GaussianBlurメソッド」を使うことで、画像のノイズをフィルターに通してノイズを除去することが可能です。画像処理でノイズ除去をおこなうメリットは、画像解析の効率や精度を向上できる点です。画像処理の分野では必須の前処理となります。

以下は、「blurメソッド」と「GaussianBlurメソッド」を使用してノイズ除去をするプログラムの例です。

import cv2  #OpenCVをインポート
image = cv2.imread("test.jpg") # 画像データ読み込み)

# blurメソッドでノイズ除去
smooth_image = cv2.blur(image, (9, 9))

# GaussianBlurメソッドでノイズ除去
smooth_image = cv2.GaussianBlur(image, (9, 9), 2)

テンプレートマッチングができる

「OpenCV」でテンプレートマッチングも可能です。テンプレートマッチングとは画像処理の方法のひとつで、複数の画像で一致する部分を検出する技術です。テンプレートマッチングにより、画像の一部を型紙のようにテンプレート化することで他の画像に似た部分があるかを検知できます。

以下は、「matchTemplateメソッド」を使用したテンプレートマッチングのプログラム例です。

import cv2  #OpenCVをインポート
import numpy as np
from matplotlib import pyplot as plt

image = cv2.imread("test.jpg") # 画像データ読み込み)
image_gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY) #グレースケールへの変換
template = cv2.imread(“temp.jpg”, 0) # テンプレート

w, h=template.shape[::-1]

res = cv2.matchTemplate(image_gray,template,cv2.TM_CCOEFF_NORMED)
threshold = 0.5
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1]):
    cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)

グレースケールへの変換ができる

「OpenCV」を使うと、グレースケールへの変換も可能です。グレースケールへの変換とは、画像をカラー画像から白黒画像への変換です。カラー画像だと計算量やメモリ使用量が多くなるので、必ずグレースケールへの変換を前処理としておこない負担を減らします。とくに、画像の深層学習といったハードウェアのリソースを消費する作業では必要な処理です。

以下は、グレースケールへの変換のサンプルコードです。

import cv2  #OpenCVをインポート
import numpy as np

image = cv2.imread("test.jpg") # 画像データ読み込み

# グレースケールへの変換
im_gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

OpenCVを使うメリットは？

「OpenCV」を使うメリットは主に以下の4つです。

Python向けのパッケージがインストールできる
画像処理の準備作業が可能になる
クラス分類のための物体検出に使える
ARやVRの開発ができる

メリットがわかると、「OpenCV」の必要性や他の類似ツールとの比較ができます。それぞれ、詳しく解説します。

Python向けのパッケージがインストールできる

「OpenCV」は「Python」と組み合わせて使うことが多いので、「Python」向けの専用パッケージがリリースされています。専用パッケージでのインストールは、モジュールをインストールするだけで完了です。

実装する際も、モジュールからメソッドを呼び出すだけで簡単に利用できます。

インストールの方法も、基本的には「Windows」なら「pip」、「Mac」なら「brew」を使うだけです。

画像処理の準備作業が可能

「OpenCV」は、画像解析などの準備作業に使用可能です。たとえば画像処理では、事前に画像ノイズの除去や欠損画像を削除する統計処理を施す前処理が必要です。

ほかにも画像のリサイズをおこなってデータセットの画像サイズを統一したり、計算時間を早めるためにグレースケール変換をおこなったりする前処理が「OpenCV」だけで可能になります。

「OpenCV」で画像の前処理をおこなったら、そのまま「OpenCV」のメソッドで解析できるのでスムーズな画像解析が可能です。

クラス分類のための物体検出に使える

「OpenCV」では、画像のクラス分類のメソッドが複数用意されています。クラス分類のメソッドには、畳み込みニューラルネットワークなどの機械学習手法を利用した分類を実現させる機能があります。

これらのメソッドを利用すれば、物体検出とクラス分類を絡めたタスクを数行のコードを書くだけで簡単に実装することが可能です。

「OpenCV」を使えば画像処理のクラス分類が効果的におこなえるので、機械学習エンジニアには有益です。

AR/VRの開発ができる

「OpenCV」は、ARやVRのコンテンツ制作機能も実装されています。

ARとは現実世界に仮想世界の要素を付与する技術で、アプリでバーコードをかざすだけで画面上に物体が現れて動く技術もそのひとつです。

VRとは完全にバーチャル世界の体験ができる技術で、VRゴーグルやメタバースがVRにあたります。

「OpenCV」を使えば、画像内で対象物の位置情報を把握し動きの解析や追跡が可能です。そのため、ARやVRの開発につながります。

OpenCVをインストールする方法を紹介

ここでは、「OpenCV」のインストール手順を詳しく解説します。具体的な手順は以下の通りです。

Pythonをインストールする
PyCharmをインストールする
OpenCVをインストールする

また「Python」だけで「OpenCV」のインストール方法も解説するので、ぜひ参考にしてください。

Pythonをインストールしよう

はじめにプログラミング言語の「Python」をインストールします。ここでは「Windows」環境でのインストール方法を解説します。

まず「Python」の公式サイトにアクセスしてください。

Welcome to Python.org

「ダウンロード」をクリックすると、その日時点での最新バージョンのインストーラー（下図赤枠）が表示されるので、クリックしてダウンロードしましょう。

インストーラーを起動すると、下記の画面が表示されます。

「Install Now」をクリックして、インストールを進めてください。インストール中におこなう作業はありません。問題なくインストールが完了すると、下図が表示されます。

下図の画面が表示されたら「Close」をクリックして、画面を閉じてください。

PyCharmをインストールしよう

「Python」をインストールしたら、「Python」専用に開発された統合開発環境（IDE）の「PyCharm」をインストールします。「PyCharm」には「Python」の開発を効率的におこなう機能が多数実装されているため、開発しやすいです。たとえばコードを予測補完してくれるアシスタント機能や、バグを事前に知らせてくれる機能があります。

「PyCharm」は以下の各OSで動作が可能です。ここでは「Window」環境でのインストールを解説します。