RGBおよびHSV色空間を使用してコンピュータビジョンソリューションを自動化し、色の検出がどのように人間とコンピュータビジョンを結び付けるかを探ります。
YOLO Vision 2025にご期待ください！
2025年9月25日
10:00 — 18:00（英国夏時間）
ハイブリッドイベント
RGBおよびHSV色空間を使用してコンピュータビジョンソリューションを自動化し、色の検出がどのように人間とコンピュータビジョンを結び付けるかを探ります。
色は、人間が世界を体験する方法において重要な役割を果たし、私たちが周囲を認識、理解し、つながるのに役立ちます。しかし、私たちとは異なり、機械は色を認識しません。機械は色をデータとして処理し、色合いと色相を数値に変換します。
自動運転車は、赤い信号を単に見るだけでなく、停止の信号として色を処理します。この色を認識して解釈する能力は、人間の視覚とコンピュータビジョンの間のギャップを埋めるのに役立ちます。
コンピュータビジョンは、機械が視覚データを分析および理解できるようにするAIの一分野です。この重要な側面は色の検出であり、これにより機械は色に基づいてオブジェクトを識別および区別できます。異なる色空間のピクセル値を分析することにより、色の検出は、オブジェクト追跡、医療画像処理、および自動化などのアプリケーションで使用できます。
この記事では、色の検出の仕組み、その重要性、およびコンピュータビジョンアプリケーションでの使用方法について詳しく見ていきます。それでは始めましょう。
色の検出は、機械が色に基づいてオブジェクトを識別し、シーンを理解するのに役立ちます。他のコンピュータビジョンタスクと組み合わせると、精度が向上し、実際のアプリケーションが強化されます。色の検出の仕組みを詳しく調べる前に、色がデジタルでどのように表現されるかを理解しておくと役立ちます。
デジタル画像は、それぞれが色情報を持つピクセルと呼ばれる小さな正方形で構成されています。たとえば、RGB（赤、緑、青）カラーモデルに関して言えば、色は赤、緑、青のさまざまな強度を混合することによって作成されます。
各色は0〜255の範囲の3つの値で定義され、0は色がなく、255は最大強度を意味します。たとえば、純粋な赤は（255、0、0）です。これは、赤の値が最も高く、緑または青がないためです。白は（255、255、255）です。これは、3つの色がすべて最大強度であるためです。
Ultralytics YOLO11のようなコンピュータビジョンモデルに精通している場合は、色の検出がオブジェクト検出とは別の手法である理由を疑問に思うかもしれません。どちらも画像を分析しますが、目的が異なります。
色の検出は、画像内の特定の色を識別することに焦点を当てていますが、オブジェクト検出は、色に関係なくオブジェクトを認識して分類します。自動運転車のシナリオでは、色の検出は信号機の赤を検出し、オブジェクト検出は信号機自体を識別して、車が安全な運転の意思決定を行うのに役立ちます。
カラーモデルまたは色空間は、デジタル画像で色を表現するために使用されるシステムであり、色の検出の重要な部分です。色に数値を割り当てることにより、コンピュータは異なるデバイス間で一貫して色を解釈できます。色空間は、デジタルシステムで色を保存、調整、および表示するための構造化された方法を提供します。
一般的に使用される色空間には、デジタルディスプレイ用のRGB、画像処理用のHSV（色相、彩度、明度）、印刷用のCMYK（シアン、マゼンタ、イエロー、ブラック）などがあります。RGBとHSVは、色を検出するためによく使用される色空間です。それらがどのように機能するかを見てみましょう。
RGB色空間は、画面、カメラ、および表示デバイスにあるデジタル画像で広く使用されています。これは、赤、緑、青の光のさまざまなレベルを組み合わせてさまざまな色を作成することによって機能します。3つの色がすべて最大強度の場合、結果は白になり、いずれも存在しない場合は黒に見えます。
この色空間は、多くの場合、カラーキューブとして視覚化されます。各軸は原色の1つを表します。キューブの角には、純粋な赤、緑、青、およびそれらの組み合わせが表示され、内部には可能なすべての色合いが含まれています。
RGBはシンプルで広く利用されていますが、いくつかの制約があります。RGBは色の違いに対する人間の知覚と均等に一致しないため、色が常に人間の目に同じように見えるとは限りません。また、照明条件にも影響され、明るさや環境によって色の見え方が異なる場合があります。
HSV（色相、彩度、明度）色空間は、色相（色の種類）、彩度（色の鮮やかさ）、明度（色の明るさ）の3つの要素に基づいて色を表現します。光の強度を混合するRGBとは異なり、HSVは人間の色の知覚に近く、多くの画像処理タスクにおいてより実用的な選択肢となります。
特に、色相は実際の色を表し、カラーホイール上の角度で測定され、赤が0°、青が240°です。一方、彩度は色の鮮やかさを制御し、0%は完全に灰色、100%は完全に鮮やかです。明度は明るさを決定し、0%（黒）から100%（最大の明るさ）の範囲で変化します。
興味深いことに、HSV色空間はしばしば円錐として視覚化され、色相が端を一周し、彩度が外側に移動し、明度が下から上に増加します。HSVは色と明るさを分離するため、コンピュータビジョンアプリケーションで広く使用されています。
RGBとHSVを比較するために、オレンジ色を例にとってみましょう。RGB色空間では、オレンジ色は赤と緑を特定の強度で混合することによって作成され、通常は(255, 165, 0)として表されます。これは、赤が最大、緑がいくらか、青がゼロであることを意味します。ただし、RGBは色と明るさを分離しないため、正確な色の操作が必要なタスクには直感的ではありません。
HSVでは、オレンジ色の定義が異なります。色相は約30°で、カラーホイール上の位置を決定します。彩度は100%に近く、鮮やかで純粋な色であることを意味し、明度も100%で、最大の明るさを示します。HSVは色と明るさを分離するため、照明条件が変化する可能性のある色検出アプリケーションでより役立つことがよくあります。
通常、色検出は、画像や動画から色を識別して分離するために使用される画像処理技術としてアプローチされます。画像処理を使用して画像内で検出される色は、特定の色相、陰影、および強度を区別するために、色空間と閾値処理技術に依存します。
画像処理を使用した色検出の主要な手順の概要を以下に示します。
色が検出および分離されると、オブジェクト追跡、画像セグメンテーション、ロボット工学、医用画像処理、自動運転車などのアプリケーションにおける自動意思決定など、さまざまなコンピュータビジョンタスクで使用できます。
色検出の仕組みを学んだので、色検出がコンピュータビジョンアプリケーションをどのようにサポートするかを探りましょう。
特定の場合、特に色がオブジェクトを区別する主な要因である制御された環境では、色検出はコンピュータビジョンモデルのより単純な代替手段となり得ます。大量のデータセットでモデルをトレーニングする代わりに、色検出は、広範なラベリングや高い計算能力を必要とせずに、迅速かつ効率的なソリューションを提供します。
たとえば、自動リンゴ選別システムでは、YOLO11のようなコンピュータビジョンモデルをトレーニングして、リンゴの熟度を分類できますが、照明、テクスチャ、およびリンゴの種類の変動を処理するには、ラベル付けされた画像のデータセットが必要になります。
より簡単なアプローチは、最初にオブジェクト検出を使用してリンゴを検出し、次にそれらの色を分析して熟度を判断することです。この方法は、モデルをトレーニングする代わりに、事前に定義された色の閾値に依存するため、照明や背景が大幅に変化しない安定した条件でうまく機能します。
カスタムトレーニングされたモデルは、より複雑で変化しやすい環境に適しているかもしれませんが、色検出はリアルタイムアプリケーション向けの高速で実用的かつアクセス可能なソリューションです。また、画像処理とコンピュータビジョンについて学習し、より高度なソリューションに進むための優れた出発点となります。
色検出は、さまざまな業界で多岐にわたる用途に使用されています。ここでは、実際の使用例をいくつかご紹介します。
色検出は、生地や繊維製品の製造において非常に重要です。自動品質管理および欠陥識別システムで一般的に使用されています。時間と手間がかかり、人的エラーが発生しやすい手動検査とは異なり、自動システムは正確なリアルタイムの欠陥検出を提供します。
具体的には、生地の画像を分析することで、コンピュータビジョンシステムは、染料の不均一な分布、色あせ、汚染などの欠陥を特定できます。高度な色検出技術により、異なるバッチ間の色の均一性を測定することで、より正確な品質管理が可能になります。
前述のように、色は熟度を示す重要な指標であり、色検出技術は農業において作物の健康状態の監視や収穫の改善に利用できます。
色の変化を分析することで、農家は植物の健康状態を評価し、病気を検出し、作物の収穫時期を判断できます。カラーセンサーとコンピュータビジョンを搭載した高度なロボットは、熟した作物のみを収穫することで、プロセスを自動化するのに役立ちます。これらのシステムは、特に労働力不足の地域において、効率と生産性を向上させることができます。
色検出は、農業、製造、医療、自動化に応用できる革新的なコンピュータビジョン技術です。機械がオブジェクトの追跡、品質管理、意思決定のために色を認識および解釈するのに役立ちます。
高度なAIモデルは進化し続けていますが、色検出は、特に管理された環境において、シンプルで効果的なソリューションであり続けています。技術の進歩に伴い、現実世界のアプリケーションの改善において重要な役割を果たし続けるでしょう。
コミュニティやGitHubリポジトリを探求して、AIについてさらに深く掘り下げてください。製造業におけるAIや医療におけるコンピュータビジョンの革新について学び、ライセンスオプションを利用してVision AIの活用を開始する方法を見つけてください。
