画像処理シリーズ｜全3回
- 第1回：画像の基本（画素・解像度・色空間）と前処理（二値化・フィルタ）
- 第2回（本記事）：検査で使う画像処理（エッジ検出・パターンマッチング・ブロブ解析）
- 第3回：AI画像処理と従来画像処理の使い分け
エッジ検出 ── 輪郭を捉える基本技術
エッジ検出とは何か
エッジ検出は、画像内の明暗が急激に変化する箇所（＝輪郭）を抽出する処理です。製造業の外観検査では、寸法測定、欠けの検出、部品輪郭の確認に不可欠な基盤技術です。人間の目が「モノの境界」を認識するのと同じ原理を、数学的に実現しています。
エッジが発生する原因は主に4つあります。物体の境界（背景との明暗差）、表面の段差（光の反射角が変わる）、素材の変化（色・反射率の違い）、そして影（照明による明暗）です。検査に必要なエッジだけを抽出し、不要なエッジ（ノイズや影）を除去する前処理設計が検査精度を左右します。
Sobel法 ── 方向を指定したエッジ検出
Sobel法は3×3の微分フィルタで、X方向（水平エッジ）とY方向（垂直エッジ）を個別に検出します。計算が軽く、リアルタイム処理に適しています。
得意な場面：寸法測定で「水平方向の輪郭だけ検出したい」場合に最適です。例えば、金属シャフトの外径を測定する際、上下のエッジだけを検出してその距離をサブピクセル精度で計測します。垂直方向のノイズは無視できるため、安定した測定結果が得られます。
Canny法 ── 高精度な輪郭検出
Canny法は、ガウシアンフィルタによるノイズ除去→勾配計算→非最大抑制→ヒステリシス閾値の4段階で処理します。Sobel法より計算コストは高いですが、1画素幅の細いエッジを高精度に検出できます。
得意な場面：樹脂成形品の欠け・バリ検出。成形品の輪郭を高精度に抽出し、設計データ（CAD）と比較することで欠けやバリの位置とサイズを自動判定します。輪郭が複雑な形状でも、ヒステリシス閾値によってエッジの途切れを防ぎ、連続した輪郭線を得られます。
Sobel vs Canny：使い分けの判断基準
| 判断基準 | Sobel法 | Canny法 |
|---|---|---|
| 処理速度 | 高速（単純な畳み込み） | 中速（4段階処理） |
| エッジの精度 | 太いエッジ（数画素幅） | 細いエッジ（1画素幅） |
| 方向指定 | X/Y方向を個別に指定可能 | 全方向を一括検出 |
| ノイズ耐性 | 前処理でフィルタが必要 | ガウシアンフィルタ内蔵 |
| 主な用途 | 寸法測定、トレンドエッジ | 輪郭検出、欠け・バリ判定 |
現場Tips：トレンドエッジで寸法精度を上げる
Sobel法で得たエッジ位置をサブピクセル補間する「トレンドエッジ」という手法があります。エッジ近傍の明暗勾配を直線近似し、交点を算出することで0.01画素単位の精度が得られます。画像処理システムの寸法測定機能の多くがこの原理を使っています。高精度な寸法計測が必要な場面では、Canny法よりもSobel＋トレンドエッジの組み合わせが標準的です。
画像処理の検査構成を無料で提案
検査対象のサンプル画像をお送りください。最適なアルゴリズム構成と想定精度を評価します。
無料サンプル検証 →パターンマッチング ── 位置決めと照合の要
パターンマッチングの原理
パターンマッチングは、事前に登録したテンプレート画像と撮像画像を比較し、最も一致する位置を検索する処理です。製造業で最も使用頻度が高い画像処理技術の一つであり、位置決め（アライメント）、異品検出、欠品検査に幅広く使われます。
検索結果として「位置（X, Y座標）」「角度」「相関値（一致度）」が出力されます。相関値が設定した閾値以上なら「一致あり」と判定します。
テンプレートマッチング（濃淡ベース）
撮像画像上でテンプレートをスライドさせ、各位置で画素値の類似度を計算します。正規化相関（NCC：Normalized Cross-Correlation）を使えば、照明の明るさが多少変動しても安定した結果が得られます。
得意な場面：基板上の部品実装確認。はんだ付け後の基板を撮像し、各部品の位置に登録済みテンプレートをマッチングさせて「部品あり/なし」「位置ズレ量」を判定します。
弱点：ワークの回転・スケール変化に弱い。回転があると相関値が急激に低下します。回転対応が必要な場合は、角度をパラメータに加えた回転対応マッチングを使いますが、処理時間が増加します。
エッジベースマッチング（幾何学ベース）
テンプレートの輪郭（エッジ）情報だけを使ってマッチングします。画素の明るさではなく形状で照合するため、照明変動・コントラスト変化に非常に強いのが特長です。
得意な場面：金属部品の位置決め。金属表面は照明条件で明るさが大きく変わりますが、輪郭形状は変わりません。エッジベースマッチングなら安定した位置決めが可能です。また、回転・スケール変化にも対応できるため、部品の向きが一定でないバラ積み部品の検出にも使われます。
マッチング手法の比較
| 特性 | 濃淡ベース（NCC） | エッジベース |
|---|---|---|
| 照明変動耐性 | 中（正規化で補正） | 高（エッジ情報のみ使用） |
| 回転対応 | 弱（角度探索で対応可能） | 強（標準で回転対応） |
| 処理速度 | 中〜低（画素数に依存） | 高速（エッジ点のみ計算） |
| テクスチャ依存 | テクスチャがある方が安定 | エッジがないと検出不可 |
| 主な用途 | 部品実装確認、印字検証 | 金属部品の位置決め、品種判別 |
現場Tips：パターンマッチングが検査全体の精度を左右する
外観検査のフローでは、まずパターンマッチングでワークの位置・角度を特定し、その座標を基準に検査領域を設定します。つまりパターンマッチングが「検査の起点」です。ここで位置ズレが起きると、後続のエッジ検出やブロブ解析の検査領域がずれ、誤検出や見逃しの原因になります。パターンマッチングの精度は検査全体の精度に直結するため、テンプレートの登録範囲と照明設計には特に注意を払う必要があります。
ブロブ解析 ── 領域の特徴量で欠陥を分類する
ブロブ解析とは何か
ブロブ解析は、二値化後の画像から連結した白（または黒）領域を抽出し、各領域の特徴量を計測する処理です。「ブロブ（blob）」は「塊」を意味し、異物検出、個数カウント、欠陥分類に使われます。
二値化で「背景」と「対象物」を分離した後、対象物の各ブロブについて面積・重心・周囲長・円形度・アスペクト比などの特徴量を算出します。これらの特徴量の組み合わせで、欠陥の種類を分類したり、良否判定を行います。
主要な特徴量とその意味
| 特徴量 | 計算方法 | 検査での使い方 |
|---|---|---|
| 面積 | ブロブに含まれる画素数 | 欠陥サイズの判定。面積閾値でNG判定 |
| 重心（X, Y） | 画素座標の平均 | 欠陥の位置特定。座標をPLCに送信 |
| 周囲長 | ブロブの外周の画素数 | 欠陥の形状複雑度の指標 |
| 円形度 | 4π×面積÷周囲長² | 1.0に近いほど真円。ピンホール検出に有効 |
| アスペクト比 | 外接矩形の長辺÷短辺 | キズ（細長い）vs 汚れ（丸い）の分類 |
| フェレ径 | 指定方向のブロブ幅 | 欠陥の最大幅・最小幅の計測 |
欠陥分類の実例：金属部品の表面検査
金属部品の表面検査では、二値化後に検出されるブロブを以下のように分類します。
- キズ：面積が小さく、アスペクト比が大きい（3以上）。線状の欠陥。研磨工程のキズ、搬送中の引っかき傷。
- ピンホール：面積が小さく、円形度が高い（0.8以上）。鋳造品やめっき品に発生する気泡痕。
- 打痕：面積が中程度、円形度は中〜高。搬送・ハンドリング中の衝撃による凹み。
- 汚れ・異物：面積が大きく、円形度が低い。不定形の付着物。
このように、複数の特徴量を組み合わせることで「何が付いているか」まで自動分類できます。分類結果はPLCに送信し、欠陥の種類に応じて排出先を変えたり、工程へのフィードバック（キズが多い→研磨条件の見直し）に活用します。
現場Tips：ブロブ解析の前処理が精度の9割を決める
ブロブ解析の精度は、前段の二値化の品質にほぼ100%依存します。二値化が不適切だと、ノイズが欠陥として検出されたり、欠陥が背景に埋もれたりします。照明→フィルタ→二値化のパイプラインを丁寧に設計し、「欠陥だけが白く浮き上がる」二値画像を作ることが最重要です。第1回で解説した前処理の知識がここで活きてきます。
3手法の得意・不得意を比較
| 評価軸 | エッジ検出 | パターンマッチング | ブロブ解析 |
|---|---|---|---|
| 得意な検査 | 寸法測定、欠け検出 | 位置決め、異品検出 | 異物検出、個数カウント |
| 処理速度 | 高速 | 中速（探索範囲に依存） | 高速（二値化後） |
| 照明依存度 | 中（コントラスト必要） | 手法による（NCCは中、エッジベースは低） | 高（二値化の品質に直結） |
| 欠陥の定義 | 輪郭の異常として定義 | テンプレートとの差異 | 面積・形状の閾値 |
| 不得意な検査 | 面積・個数の計測 | 不定形欠陥の判定 | 寸法の高精度測定 |
実際の検査ラインでの組み合わせ例
例1：金属プレス部品のキズ・寸法検査
- パターンマッチングでワークの位置・角度を特定（アライメント）
- エッジ検出（Sobel＋トレンドエッジ）で外形寸法を測定
- 差分処理→二値化→ブロブ解析で表面キズを検出・分類
- 寸法NGまたはキズNGの場合、PLCに排出信号を送信
例2：食品包装の印字・異物検査
- パターンマッチング（エッジベース）でパッケージの位置を補正
- 印字エリアを切り出し、パターンマッチング（NCC）で印字の一致度を判定
- シール面をブロブ解析で異物（黒点・毛髪）を検出
例3：基板の部品実装確認
- パターンマッチングで基板の基準マーク（フィデューシャル）を検出
- 各部品位置にパターンマッチングで部品あり/なしを判定
- はんだ部のブロブ解析で面積を計測し、過多/過少を判定
このように、実際の検査では1つの手法だけで完結することはほとんどありません。パターンマッチングで位置決め→エッジ検出で寸法→ブロブ解析で欠陥分類、という組み合わせが標準的なフローです。
まとめ：3つの基本技術を組み合わせて検査を設計する
エッジ検出は「輪郭を捉える」技術で寸法測定と欠け検出に使い、パターンマッチングは「基準との照合」で位置決めと異品検出に使い、ブロブ解析は「領域の特徴量」で欠陥分類と個数カウントに使います。これら3つの技術を適切に組み合わせることで、製造現場のほとんどの検査課題に対応できます。
ただし、不定形の欠陥（ルールで定義しにくいキズ・色ムラ）や多品種対応が必要な場合は、ルールベースの画像処理だけでは限界があります。第3回では、AI（Deep Learning・VLM）と従来画像処理の使い分け判断を解説します。