【Python】画像認識で個数カウントをする方法

Pythonで画像内のオブジェクトの個数をカウントするには、OpenCVライブラリの輪郭検出機能を使用します。基本的な手順は画像をグレースケールに変換し、ノイズ除去のためにブラー処理を適用した後、二値化処理で対象物と背景を区別します。

輪郭検出はcv2.findContours()関数で実装でき、検出された輪郭のリストの長さから画像内の物体数を把握できます。前処理の質が結果の精度に影響するため、適切なしきい値設定と輪郭抽出条件の調整が重要です。

import cv2
import numpy as np
import matplotlib.pyplot as plt

image = cv2.imread('objects.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5, 5), 0)
_, thresh = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY)
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

result = image.copy()
cv2.drawContours(result, contours, -1, (0, 255, 0), 2)
object_count = len(contours)
cv2.putText(result, f'Count: {object_count}', (10, 30), 
            cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

result_rgb = cv2.cvtColor(result, cv2.COLOR_BGR2RGB)
plt.figure(figsize=(10, 8))
plt.imshow(result_rgb)
plt.title(f'検出されたオブジェクト数: {object_count}')
plt.axis('off')
plt.show()

【実行結果】
検出されたオブジェクト数: 5
[画像には5つのオブジェクトが緑色の輪郭線で囲まれ、各オブジェクトがカウントされていることが表示されます]

【PR】『Python』を学べる企業・個人向けのプログラミングコース

• 「Python基礎・実践研修」

  

• 「オーダーメイドコース」

  

色彩情報を活用したオブジェクトカウントでは、HSV色空間への変換が効果的です。HSV色空間では色相や彩度、明度の分離により特定の色を持つオブジェクトを抽出できます。色相は0〜179の範囲で表現され、色ごとに範囲を指定して精密に抽出します。

cv2.inRange()関数を使用して、指定した色相範囲内の画素だけを含む二値マスクを作成し、モルフォロジー演算でノイズを除去します。異なる色のオブジェクトをカウントする場合は、各色に対応するマスクを個別に生成して輪郭検出を行います。

import cv2
import numpy as np
import matplotlib.pyplot as plt

image = cv2.imread('colored_objects.jpg')
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

lower_red1 = np.array([0, 100, 100])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([160, 100, 100])
upper_red2 = np.array([179, 255, 255])

lower_blue = np.array([100, 100, 100])
upper_blue = np.array([130, 255, 255])

red_mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
red_mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
red_mask = cv2.bitwise_or(red_mask1, red_mask2)
blue_mask = cv2.inRange(hsv, lower_blue, upper_blue)

kernel = np.ones((5, 5), np.uint8)
red_mask = cv2.morphologyEx(red_mask, cv2.MORPH_OPEN, kernel)
blue_mask = cv2.morphologyEx(blue_mask, cv2.MORPH_OPEN, kernel)

red_contours, _ = cv2.findContours(red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
blue_contours, _ = cv2.findContours(blue_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

result = image.copy()
cv2.drawContours(result, red_contours, -1, (0, 0, 255), 2)
cv2.drawContours(result, blue_contours, -1, (255, 0, 0), 2)

red_count = len(red_contours)
blue_count = len(blue_contours)
cv2.putText(result, f'赤: {red_count}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
cv2.putText(result, f'青: {blue_count}', (10, 70), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)

result_rgb = cv2.cvtColor(result, cv2.COLOR_BGR2RGB)
plt.figure(figsize=(10, 8))
plt.imshow(result_rgb)
plt.title(f'赤色オブジェクト: {red_count}個, 青色オブジェクト: {blue_count}個')
plt.axis('off')
plt.show()

【実行結果】
赤色オブジェクト: 3個, 青色オブジェクト: 2個
[画像には赤色の輪郭線で囲まれたオブジェクトが3つ、青色の輪郭線で囲まれたオブジェクトが2つ表示されています]

機械学習を用いた画像内のオブジェクト検出では、YOLOv5などの物体検出アルゴリズムが高精度と処理速度を実現します。YOLOは単一のニューラルネットワークで画像全体を一度に処理し、複数のバウンディングボックスとクラスの確率を同時に予測します。

PyTorchやTensorFlowなどのフレームワークと事前学習済みモデルを組み合わせて利用します。検出結果からクラス別にオブジェクトの個数をカウントでき、位置情報も取得できます。

import torch
import cv2
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
import pandas as pd

model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
img_path = 'street_scene.jpg'
img = Image.open(img_path)
results = model(img)
results_df = results.pandas().xyxy[0]
class_counts = results_df['name'].value_counts()

img_cv = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)
result_img = img_cv.copy()

for _, row in results_df.iterrows():
    x1, y1, x2, y2 = int(row['xmin']), int(row['ymin']), int(row['xmax']), int(row['ymax'])
    conf = row['confidence']
    label = f"{row['name']} {conf:.2f}"
    
    color_hash = int(hash(row['name'])) % 256
    color = (color_hash, 255 - color_hash, 128)
    
    cv2.rectangle(result_img, (x1, y1), (x2, y2), color, 2)
    cv2.putText(result_img, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)

y_pos = 30
for class_name, count in class_counts.items():
    color_hash = int(hash(class_name)) % 256
    color = (color_hash, 255 - color_hash, 128)
    text = f"{class_name}: {count}"
    cv2.putText(result_img, text, (10, y_pos), 
                cv2.FONT_HERSHEY_SIMPLEX, 0.7, color, 2)
    y_pos += 30

result_img_rgb = cv2.cvtColor(result_img, cv2.COLOR_BGR2RGB)
plt.figure(figsize=(12, 10))
plt.imshow(result_img_rgb)
plt.title('YOLOv5によるオブジェクト検出結果')
plt.axis('off')
plt.show()

print("検出されたオブジェクトのカウント:")
print(class_counts)

【実行結果】
検出されたオブジェクトのカウント:
person    8
car       6
bus       2
truck     1
Name: count, dtype: int64
[画像には検出された各オブジェクトの周りにバウンディングボックスが描画され、各クラスのカウント情報が表示されています]

※上記コンテンツの内容やソースコードはAIで確認・デバッグしておりますが、間違いやエラー、脆弱性などがある場合は、コメントよりご報告いただけますと幸いです。

ITやプログラミングに関するコラム

• 
  【Python】在庫管理システムを自作する方法
• 
  【Python】ChatGPTでコード生成をするプロンプトの作り方
• 
  【Python】pipenvでバージョン変更を行う方法
• 
  Pythonを使ったAndroidアプリの作り方(開発方法)

ITやプログラミングに関するニュース

• 
  Baiduが新世代AIモデル「ERNIE 4.5」と「ERNIE X1」発表！無料公開で次世代AI体験が加速
• 
  Google「Gemini 2.0 Flash」で画像生成と編集機能を追加！AIで画像編集がさらに自由に
• 
  汎用AIエージェント「Manus」登場！あなたの代わりに成果を出す新世代AIエージェント
• 
  Appleが新型iPad AirとMagic Keyboardを発表
• 
  AnthropicがClaude 3.7 Sonnetを発表！初のハイブリッド推論AIと拡張思考モードを搭載