PR

画像データ処理のリサイズ・パディング・正規化の特徴と実例解説

画像前処理のリサイズ・パディング・正規化 データサイエンティスト検定
スポンサーリンク

はじめに

画像認識の前処理では、「リサイズ」「パディング」「正規化」を使うことがあります。どれも入力画像を扱いやすくする処理ですが、変えるものが異なります。リサイズは縦横の画素数、パディングは画像の周囲の領域、正規化は各画素の数値を扱います。

この記事では、3つの違いと組み合わせ方を比較し、モデルの入力サイズに合わせたい場合や画素値の尺度をそろえたい場合に、どの処理が必要かを判断できるようにします。

リサイズ・パディング・正規化の違い

処理主に変えるもの目的注意点
リサイズ幅・高さの画素数モデルが受け取る画像サイズに合わせる縦横を別々に指定すると形が伸び縮みする場合がある
パディング画像の外側の画素領域元画像を切り取らず余白を足し、所定サイズへ近づける追加領域の値や配置方法によって見え方が変わる
正規化(スケーリング)画素値の数値範囲入力値の尺度を合わせる画像の幅・高さは変わらない。外れ値対策とは別

同じ画像でも、入力の形を整える処理と、画素値の数値を整える処理を分けて考えると選びやすくなります。実際のモデルでは、学習時と推論時に同じ前処理ルールを用いることも重要です。

リサイズとは?画像の幅と高さを変更する処理

リサイズは、画像を構成する画素の並びを新しい幅・高さへ変換する操作です。たとえば640×480ピクセルの画像を、モデルが要求する224×224ピクセルへ変換できます。ただし、640:480と224:224では縦横比が異なるため、縦横をそのまま224に合わせると元の形が変形します。

形を保ちたい場合は、幅と高さを同じ倍率で縮小・拡大し、足りない部分をパディングで補う方法があります。画素を新しい位置へ割り当てる際には補間処理が行われるため、拡大によって元画像に存在しない細部が復元されるわけではありません。

パディングとは?周囲に画素を追加する処理

パディングは、画像の上下左右へ余白に相当する画素を追加する処理です。たとえば640×480の画像を縦横比を保って224×168へ縮小した場合、上下に28ピクセルずつ足せば224×224になります。

余白は一定の色で埋めるほか、端の画素を繰り返す方法や反転させる方法もあります。パディングは元画像の一部を切り落とさずにサイズを合わせる手段ですが、足した領域まで元の撮影情報になるわけではありません。どの方式が適切かは入力仕様やモデルの学習条件によります。

正規化とは?画素値の数値を整える処理

デジタル画像には、画素の明るさや色を数値で表したデータが入っています。8ビット画像なら各チャンネルの値は一般に0~255です。代表的なスケーリングは、各値を255で割り、0~1の範囲へ変換する方法です。たとえば128は約0.502になります。この処理は画像の画素数や構図を変更しません。

これとは別に、画素値から平均を引いて標準偏差で割る「標準化」も使われます。正規化という言葉は実装や文脈によって広く用いられるため、記事やモデル仕様では「0~1スケーリング」なのか「平均・標準偏差による標準化」なのかを明記することが大切です。

0~1スケーリングは数値を一定倍率で小さくしますが、外れ値の影響を自動的に除いたり、ノイズを取り除いたりする処理ではありません。また、元画像の画素値の範囲やビット深度が異なる場合、単純に255で割る方法をそのまま適用できるとは限りません。

同じ画像を使った処理例

ここでは元画像を640×480ピクセル、入力条件を224×224ピクセルとします。縦横比を維持したい場合の一例は次のとおりです。

順序画像サイズ何が変化するか
元画像640×480画素値は元の数値のまま
縦横比を保ってリサイズ224×168幅・高さの画素数が変わる
上下へパディング224×224上28・下28ピクセル分の領域を追加する
0~1スケーリング224×2248ビット画素値を255で割った値にする

この処理の関係を次の模式図に示します。これは寸法と処理順を説明する模式図で、実画像の処理結果ではありません。

640×480の元画像を224×168に縮小し、上下へ28ピクセルずつ追加して224×224へ整える模式図
図1 縦横比を維持するリサイズとパディングの組合せ

目的別の選び方と注意点

決められた入力サイズへ合わせるならリサイズを検討します。ただし、形を保ちたい場合は縦横比を維持するリサイズとパディングの組合せが候補です。画像内の物体の形や位置が重要な用途では、単純な縦横独立の変形が適切か確認します。

元画像を切り取らず余白で整えるならパディングが役立ちます。端の画素を繰り返すか、一定値で埋めるかによって出力画像は異なります。入力値の範囲を合わせるなら、モデルが指定するスケーリングや標準化を使用します。学習に使った前処理と推論時の処理が一致することを優先します。

3手法は互いの代用品ではありません。サイズを変える必要がなければリサイズは不要ですし、既に入力サイズが一致していればパディングも不要です。必要な処理だけを選び、前処理を追加すれば必ず精度が上がると考えないことが大切です。

まとめ

リサイズは画像の画素数、パディングは外周の画素領域、正規化は画素値の数値を整える処理です。入力条件が224×224で元画像が640×480なら、縦横比を保って224×168に縮小し、上下へ28ピクセルずつ足す方法があります。必要に応じて、その後に0~1スケーリングなどを適用します。

「サイズを合わせたいのか」「形を崩したくないのか」「数値範囲を合わせたいのか」を分けて考えることが、3手法を選び分ける基本です。

関連記事


タイトルとURLをコピーしました