注釈

こんにちは、SunFounder Raspberry Pi & Arduino & ESP32 Enthusiast Community on Facebookへようこそ！他の愛好家と一緒に、Raspberry Pi、Arduino、ESP32の世界により深く入り込みましょう。

参加する理由

専門家サポート: 購入後の問題や技術的な課題を、コミュニティと私たちのチームの助けを借りて解決します。
学習と共有: ヒントやチュートリアルを交換して、スキルを向上させましょう。
限定プレビュー: 新製品の発表や先行プレビューに早期アクセスできます。
特別割引: 最新製品を特別割引でお楽しみいただけます。
季節限定キャンペーンとプレゼント: プレゼント企画やホリデーキャンペーンに参加しましょう。

👉 一緒に発見し、創造する準備はできましたか？ [こちら] をクリックして、今すぐ参加しましょう！

7. Canny エッジ検出

この章では、Raspberry Pi + Picamera2 を使ってリアルタイム動画を取得し、OpenCV の Canny アルゴリズム によるエッジ検出を行います。エッジ検出はコンピュータビジョンの基本処理のひとつであり、Canny アルゴリズムは安定性が高く、ノイズにも強い手法として広く知られています。

1. Canny アルゴリズムは何をするのか？

画像における エッジ とは、通常、濃度（グレースケール値）が大きく変化する位置を指します。たとえば：

物体の輪郭
明るい領域と暗い領域の境界
構造を表すエッジ線

Canny エッジ検出の目的は、次のとおりです：

不要な干渉を抑えながら、 エッジ情報を正確に抽出する こと
後続の 輪郭検出 、 物体分割 、 幾何形状認識 （たとえば円や長方形の検出）のための信頼できる基盤を提供すること
ロボットビジョンでは、 経路検出 や 障害物認識 によく利用されること

2. コードの実行

重要

開始する前に、次の項目を確認してください：

パンチルトが組み立てられている
Raspberry Pi のデスクトップにアクセスできる
コードパッケージがインストールされている
Fusion HAT+ がインストールされ、設定されている
OpenCV がインストールされている

詳細については 0. OpenCV のセットアップを参照してください。

ターミナルを開き、次のコマンドを入力します：
```
cd ~/ai-lab-kit/opencv_python
python3 cv_7_canny.py
```
Tip

動画ファイルを処理するための cv_7_canny_video.py と、リアルタイム映像と動画を組み合わせて表示する cv_7_canny_conbine.py も用意しています。
プログラムを実行すると、次の 2 つの OpenCV ウィンドウが表示されます：
- Camera – ライブカメラ映像を表示
- Canny Edges – 検出されたエッジをリアルタイムで表示
トラックバーを使ってエッジ検出のしきい値を調整できます。 q キーを押すか、いずれかのウィンドウを閉じると終了します。

3. 完全なコード

from picamera2 import Picamera2
import cv2

# Empty callback function for trackbars (required by OpenCV API)
def _noop(x):
   pass

# -----------------------------
# Camera setup
# -----------------------------
picam2 = Picamera2()

# Create a preview configuration:
# size: resolution of the camera image
# format: XRGB8888 (4-channel image, similar to BGRA)
picam2.configure(
   picam2.create_preview_configuration(
      main={"size": (640, 480), "format": "XRGB8888"}
   )
)

# Start the camera
picam2.start()

# -----------------------------
# Create OpenCV windows
# -----------------------------
WIN_CAM = "Camera"        # window for original image
WIN_EDGE = "Canny Edges"  # window for edge detection result

cv2.namedWindow(WIN_CAM)
cv2.namedWindow(WIN_EDGE)

# -----------------------------
# Create trackbars to tune Canny thresholds
# -----------------------------
# low_th: lower threshold for Canny
# high_th: higher threshold for Canny
cv2.createTrackbar("low_th",  WIN_EDGE, 50, 255, _noop)
cv2.createTrackbar("high_th", WIN_EDGE, 150, 255, _noop)

print("Press 'q' to exit")

# -----------------------------
# Main loop
# -----------------------------
while True:
   # Capture one frame from the camera (BGRA format)
   frame_bgra = picam2.capture_array()

   # Convert BGRA to BGR for OpenCV processing
   frame_bgr = cv2.cvtColor(frame_bgra, cv2.COLOR_BGRA2BGR)

   # Convert the frame to grayscale
   gray = cv2.cvtColor(frame_bgr, cv2.COLOR_BGR2GRAY)

   # Apply Gaussian blur to reduce noise
   blurred = cv2.GaussianBlur(gray, (5, 5), 0)

   # Read current threshold values from trackbars
   low_th = cv2.getTrackbarPos("low_th", WIN_EDGE)
   high_th = cv2.getTrackbarPos("high_th", WIN_EDGE)

   # Ensure high_th is always larger than low_th
   if high_th <= low_th:
      high_th = low_th + 1
      cv2.setTrackbarPos("high_th", WIN_EDGE, high_th)

   # Perform Canny edge detection
   edges = cv2.Canny(blurred, low_th, high_th)

   # Show original camera image
   cv2.imshow(WIN_CAM, frame_bgr)

   # Show edge detection result
   cv2.imshow(WIN_EDGE, edges)

   # Process GUI events and keyboard input
   key = cv2.waitKey(1) & 0xFF

   # Press 'q' to exit the program
   if key == ord("q"):
      break

   # Exit if the user closes any OpenCV window
   if (cv2.getWindowProperty(WIN_CAM, cv2.WND_PROP_VISIBLE) < 1 or
      cv2.getWindowProperty(WIN_EDGE, cv2.WND_PROP_VISIBLE) < 1):
      break

# -----------------------------
# Cleanup
# -----------------------------
picam2.stop()             # Stop the camera
cv2.destroyAllWindows()   # Close all OpenCV windows

4. コード解説

トラックバー用のコールバック関数を定義する：
```
def _noop(x):
    pass
```
OpenCV のトラックバーにはコールバック関数が必要です。今回は特に処理を行わないため、空の関数で十分です。
Picamera2 を初期化し、プレビュー形式を設定する：
```
picam2 = Picamera2()
picam2.configure(
    picam2.create_preview_configuration(
        main={"size": (640, 480), "format": "XRGB8888"}
    )
)
picam2.start()
```
これにより、Raspberry Pi カメラが 640×480 で起動します。 XRGB8888 は 4 チャンネル形式なので、取得されるフレームは BGRA ライクな形式になります。
2 つの OpenCV ウィンドウを作成する：
```
WIN_CAM = "Camera"
WIN_EDGE = "Canny Edges"

cv2.namedWindow(WIN_CAM)
cv2.namedWindow(WIN_EDGE)
```
ひとつのウィンドウには元のカメラ画像を表示し、もうひとつには Canny の結果を表示します。
Canny のしきい値をリアルタイム調整するためのトラックバーを作成する：
```
cv2.createTrackbar("low_th",  WIN_EDGE, 50, 255, _noop)
cv2.createTrackbar("high_th", WIN_EDGE, 150, 255, _noop)
```
- low_th: Canny の低しきい値
- high_th: Canny の高しきい値
これらのスライダーを動かすことで、エッジ検出の感度を調整できます。
フレームを取得し、OpenCV 処理用に変換する：
```
frame_bgra = picam2.capture_array()
frame_bgr = cv2.cvtColor(frame_bgra, cv2.COLOR_BGRA2BGR)
```
カメラ出力は 4 チャンネルのため、標準的な 3 チャンネル BGR 形式へ変換します。
グレースケール化し、画像をぼかす：
```
gray = cv2.cvtColor(frame_bgr, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
```
- Canny はグレースケール画像に対して動作します。
- Gaussian blur はノイズを低減し、不要な偽エッジが出すぎるのを防ぎます。
トラックバーの値を読み取り、妥当な状態に保つ：
```
low_th = cv2.getTrackbarPos("low_th", WIN_EDGE)
high_th = cv2.getTrackbarPos("high_th", WIN_EDGE)

if high_th <= low_th:
    high_th = low_th + 1
    cv2.setTrackbarPos("high_th", WIN_EDGE, high_th)
```
Canny では high_th が low_th より大きい必要があります。この処理では、ユーザーが値を近づけすぎた場合でも、自動的に補正します。
Canny エッジ検出を実行する：
```
edges = cv2.Canny(blurred, low_th, high_th)
```
Canny は画像中の強いエッジを強調して抽出します。しきい値を低くするとエッジは多く検出されますが、ノイズも増えやすくなります。
2 つのウィンドウを表示する：
```
cv2.imshow(WIN_CAM, frame_bgr)
cv2.imshow(WIN_EDGE, edges)
```
一方のウィンドウにはライブカメラ映像を表示し、もう一方には検出されたエッジを表示します。

終了条件（ q キーまたはウィンドウを閉じる）：

key = cv2.waitKey(1) & 0xFF
if key == ord("q"):
    break

if (cv2.getWindowProperty(WIN_CAM, cv2.WND_PROP_VISIBLE) < 1 or
    cv2.getWindowProperty(WIN_EDGE, cv2.WND_PROP_VISIBLE) < 1):
    break

初学者でも、キーボード操作とウィンドウのクローズの 2 通りで停止できるようになっています。

後片付け：
```
picam2.stop()
cv2.destroyAllWindows()
```
リソースを解放するため、最後に必ずカメラを停止し、OpenCV のウィンドウをすべて閉じてください。

5. なぜ Canny は有用なのか？

Canny の出力は、その後のビジョンタスクに非常に適しています：

Application	Description
Contour detection	`cv2.findContours` を Canny の出力に適用して、物体形状を取得できる
Object segmentation	エッジを手がかりとして、ターゲットと背景を分離できる
Shape recognition	Hough 変換と組み合わせて、円や直線などを検出できる
Robot navigation	地面、道路、障害物の輪郭を検出して経路計画を支援できる
OCR / Target localization	文字領域、QR コード、マーカーなどは明確なエッジ特徴を持つことが多い

Canny は単に「見た目が面白い」処理ではなく、より広い CV パイプラインへの入口となる重要な処理です。

6. しきい値選択のヒント

Scenario	low_th	high_th	Notes
安定した室内照明	50	150	一般的なケースで、安定した結果が得られる
強い照明・高コントラスト	100	200	偽エッジを減らすため、しきい値を高めに設定する
暗所・ノイズが多い環境	30	100	より多くのディテールを残すため、しきい値を低めにする
非常にぼやけたエッジ	20	80	さらに低く設定して、エッジに対する感度を上げる

トラックバーを使って適切な範囲をすばやく調整し、その後プログラム内に固定値として書き込むとよいでしょう。

7. 発展練習

cv2.findContours を Canny の出力に適用して、物体の輪郭を描いてみましょう。
Gaussian カーネルのサイズを変更して、エッジ精度がどう変化するか観察してみましょう。
明るい環境と暗い環境で異なるしきい値を試し、ダブルしきい値の効果を理解してみましょう。
cv2.HoughLines （直線）や cv2.HoughCircles （円）と組み合わせて、エッジ画像から図形検出を行ってみましょう。