Image-based properties | Ranorex
Help CenterUser GuideRanorex Studio advanced

イメージベース プロパティ

この章では、Ranorex Studio のイメージベース オートメーションで使用されるプリプロセスについて説明します。この機能については前の章で説明していますが、この章では、その概念と基本的な機能について説明します。この章の内容はより高度なトピックであり、必須の内容ではありません。

Downsize プリプロセス

コンピューター グラフィックスおよびデジタル イメージングにおいて、イメージ スケーリングとは、デジタル イメージのサイズ変更を指します。ベクター グラフィック イメージをスケーリングする際、イメージを構成するグラフィックス プリミティブは、幾何学変換を使用して、イメージの品質を損なうことなくスケーリングできます。ラスター グラフィックス イメージをスケーリングする際には、ピクセル数がより多いまたは少ないイメージを生成する必要があります。ピクセル数を減らす場合 (すなわち、縮小する場合)、これは通常、目に見えるレベルでの品質の低下を発生させます。

Ranorex における用途

イメージのダウンサイジングを使用する主な用途は、プリプロセス時間の短縮です。イメージが小さくなると、その比較や検索が高速になります。ダウンサイジングとは、重要な情報を失うことなく、顕著な属性や特性を減らすことを意味します。ダウンサイジングは、類似しているが等しくはない画像の類似度をより近い値にします。

Example for downsized images (www.wikipedia.com)

Example for downsized images (www.wikipedia.com)

Edges プリプロセス

エッジ検出は、イメージ内のオブジェクトの境界を見つけるための画像処理技術です。これは、輝度の不連続性を検出することによっておこなわれます。エッジ検出は、画像処理、コンピューター ビジョン、マシン ビジョンなどの領域において、イメージの分類やデー抽出の目的で使用されます。エッジ検出アルゴリズムをイメージに適用すると、イメージの重要な構造的特性を維持しつつ、関連性の低い情報がフィルタリングされるため、処理されるデータの量が大幅に削減されます。

Ranorex における用途

Ranorex のエッジ検出は、イメージやサブイメージを、色と輝度について、より簡単かる堅牢に選択するために使用されます。

Example image without & with Edges filter (www.wikipedia.com)

Example image without & with Edges filter (www.wikipedia.com)

EdgesSobel プリプロセス

Sobel オペレーターは、Sobel-Feldman オペレーター、または、Sobel フィルターとも呼ばれ、画像処理やコンピューター ビジョンで、特に、エッジを強調する画像を生成するエッジ検出アルゴリズムとして使用されます。Sobel オペレーターは、エッジ検出のための追加の機能です。色、輝度、複雑さに影響されにくい、より堅牢なイメージ検出をおこないます。

Example for an image with and without filter application (www.wikipedia.com)

Example for an image with and without filter application (www.wikipedia.com)

Grayscale プリプロセス

写真撮影、コンピューティング、および、色度測定では、グレースケールは、各ピクセル値が光量のみを表すサンプル、つまり、輝度情報のみを持つ画像です。グレースケール画像は、黒から白までを 256 階調で表現します。画像をグレースケール化することは、色が異なる画像の類似度をより近い値にするために使用されます。

Concept of grayscaling images (www.wikipedia.com)

Concept of grayscaling images (www.wikipedia.com)

Threshold プリプロセス

しきい値処理は、画像を分類する最も簡単な方法です。グレースケール画像にしきい値を適用し、2 値の画像を生成します。最も単純なしきい値の処理方法は、ピクセル値がある一定の値よりも小さい場合にはそれを黒のピクセルで置き換え、大きい場合には白のピクセルで置き換えることです。右の画像例では、暗い木の部分が完全に黒くなり、白い雪の部分が完全に白くなっています。

Example image without and with filter application (www.wikipedia.com)

Example image without and with filter application (www.wikipedia.com)

類似度 (Similarity)

類似度の値は、0.0 から 1.0 の間で調整できます。類似度 0% は完全に異なるイメージを、類似度 100% は完全に一致するイメージを意味します。多少の変化があってもイメージが見つかるようにするには、0.8 や 0.9 のような値を使用するのが良いように思われますが、実際には、これらは非常に低い値です。

類似度 0.9 では、完全に白い 100 ピクセルの画像は、90 個の白いピクセルと、10 個の黒いピクセルを持つ画像と同一とみなされます。これは実際には大きな違いです。非常に大きなイメージの場合、この差はさらに顕著になります。

類似度の例 #1

以下の、Edge および Internet Explorer のアイコンを例に取り上げます。それぞれ約 2000 ピクセルであり、その見た目は異なります。類似度 0.9 は、この違いを捉えることができず、同一のものとみなします。これらを異なるものとみなすためには、少なくとも類似度 0.95 以上が必要です。

Program icons of Edge and Internet explorer

Program icons of Edge and Internet explorer

2 つのイメージは、類似度 0.9 では同一とみなされます。このため、類似度として1.0 または 0.999 といった値を使用することをおすすめします。これらの高い値でイメージを検出するためには、png や bmp といった非圧縮の画像フォーマットを使用してください。jpg のような圧縮フォーマットは不適切です。

数千ピクセル以上の大きな画像の場合には、高速なマシンであっても、類似度の計算に非常に時間がかかる場合があるため、類似度のレポート機能をオフにすることをおすすめします。

類似度の例 #2

類似度は、チェックをパスするために比較画像がどの程度似ている必要があるのかを、パーセンテージで定義します。各ピクセルの色差が計算され、平均二乗誤差が合計されます。

例:

  • 10×10 ピクセルのイメージを例に考えます。
  • ただ 1 つのピクセルを除き、他のすべてのピクセル値が同じ色である 2 つの画像を考えます。異なる 1 つのピクセルが、画像 A では白 (RGB 255,255,255)、画像 B では黒 (RGB 0,0,0) である場合、類似度は 99% になります。
  • 異なる 1 つのピクセルが、画像 A では黒 (RGB 0,0,0)、画像 B ではグレー (RGB 128,128,128、つまり、50% の色差) である場合、類似度は 99.75% になります。
  • 単純に言えば、大きな画像を比較してその中の小さな差異を見つけたい場合には、99% の類似度は非常に低い類似度ということになります。