ヒストグラム平坦化 (G検定)

2026年8月12日2026年9月2日

G検定

1. 定義と概要

ヒストグラム平坦化（ヒストグラム均一化、ヒストグラム均等化とも呼ばれます）とは、画像の明るさの出現頻度を表すヒストグラム（画素の明るさがそれぞれ何回出現するかを表したグラフ）が特定の範囲に偏っている画像に対する画像処理の手法です。この処理では、輝度（画素の明るさを表す数値）ごとの累積分布関数（CDF。ある輝度値以下の画素がどれだけの割合を占めるかを積み上げて表したものです）を用いて各画素の輝度値を変換します。

この変換により、明るさの分布が画像全体の階調（明るさをどれだけ細かい段階で表せるかの度合い）へ広がり、均等化される仕組みです。例えば、逆光で暗く写った写真や霞んだレントゲン写真に適用すると、それまで判別しにくかった陰影や輪郭が見やすくなります。

従来、画像が暗い、あるいは明るいといった見えにくさへの対処としては、画像全体の明るさを一律に底上げまたは低下させる方法が単純でした。ただし、この方法ではもともと明るい部分が真っ白に飛んでしまう白飛びなどの弊害が生じやすくなります。

ヒストグラム平坦化は、画素値の出現頻度であるヒストグラムを分析したうえで、偏って集中している輝度帯を画像全体の階調へ押し広げる処理です。これにより、暗部と明部それぞれの階調の差を保ったまま、コントラスト（画像の明るい部分と暗い部分の差の大きさ）を引き上げられます。医用画像診断や監視カメラの映像解析のように、視認性の向上がそのまま実務上の価値につながる分野で使われてきた背景があります。

2. 試験対策ポイント

まず整理したいのは、ヒストグラム平坦化の処理の流れです。入力画像のヒストグラムを計算し、それを正規化してCDFを求め、CDFを使って各画素の輝度値を変換するという手順になります。

効果としては、暗すぎる画像や明るすぎる画像で判別しにくかった陰影や輪郭が見やすくなる点です。一方で、比較的均一な、いわゆるのっぺりとした領域では、画素値のわずかな差まで引き伸ばされ、ノイズ（画像に紛れ込む本来不要な乱れ）まで強調されてしまうことがあります。

このコントラスト改善とノイズ強調のトレードオフは、ヒストグラム平坦化を理解するうえでの中心的な論点です。ヒストグラムがすでに画像全体へ広く分布している画像に対しては、平坦化の効果自体が限定的である点もあわせて整理しておきたいところです。

画像全体に一律の変換をかける通常のヒストグラム平坦化に対し、画像を小領域（タイル）に分割して領域ごとに平坦化を行う適応的ヒストグラム平坦化という方式もあります。局所的なコントラストをより細かく調整できる一方で、ノイズを増幅しやすいという性質があります。この増幅を抑える工夫を加えた手法は、CLAHE（コントラスト制限付き適応的ヒストグラム平坦化）と呼ばれます。

3つの方式は、変換をどの単位でかけるのかという軸で並べると違いがつかめます。

方式	適用の単位	性質
ヒストグラム平坦化	画像全体に一律	画像全体のコントラストを改善する
適応的ヒストグラム平坦化	小領域（タイル）ごと	局所的なコントラストを細かく調整できる一方、ノイズを増幅しやすい
CLAHE	小領域（タイル）ごと	適応的な方式にノイズ増幅を抑える工夫を加えたもの

名称が似ている3つの関係は、正式名称とあわせて押さえておきたい論点です。

3. 関連概念との比較・相違点

混同しやすい画像処理の手法は、画像の何を変える処理なのかという軸で並べると区別しやすくなります。

手法	変える対象	働き
ヒストグラム平坦化	画素の明るさの分布	分布を階調全体へ広げてコントラストを改善する
グレースケール化	色の情報	色を落として輝度だけの白黒画像にする
平滑化	画素値の細かなばらつき	周囲の画素の値でならしてノイズを減らす
アフィン変換	画像の位置や形	平行移動・回転・拡大縮小・せん断を組み合わせて変形する

グレースケール化（色の情報を落として明るさだけの白黒画像にする処理）との最大の違いは、色情報の扱いではなく、明るさの分布そのものをどう変えるかという点にあります。グレースケール化は輝度だけの画像を作る処理であるのに対し、ヒストグラム平坦化はその輝度値の分布を均等化してコントラストを改善する処理です。グレースケール化した画像にヒストグラム平坦化を適用する組み合わせも、よく用いられます。

平滑化（周囲の画素の値でならしてノイズを減らす処理で、画像をぼかす処理ともいえます）とは、働きの向きが対照的です。平滑化はノイズを減らす方向に働くのに対し、ヒストグラム平坦化は分布を広げる過程でノイズをかえって強調することがあり、両者は逆の場面で使われることがあります。

アフィン変換（平行移動・回転・拡大縮小・せん断を組み合わせて画像の位置や形を変える処理）との違いは、変える対象そのものにあります。アフィン変換は画像の位置や形を変える幾何学的な処理であるのに対し、ヒストグラム平坦化は画素の明るさの分布を変える処理であり、両者は別の軸にある処理です。

OpenCV（画像処理でよく使われる代表的なソフトウェアライブラリ）は、ヒストグラム平坦化やグレースケール化、平滑化、アフィン変換といった手法を実装できるツールという位置づけであり、手法そのものではなく実装の手段にあたります。

データ拡張との違いは、処理の目的にあります。ヒストグラム平坦化などの画像の前処理は、入力画像の条件をそろえて品質を高めることを目的とする処理です。これに対し、データ拡張は学習データの量と多様性を人為的に増やすことを目的とする処理であり、両者は同じ画像処理の分野に属していても目指す方向が異なります。

4. ビジネス・実務での活用シナリオ

医療画像診断の分野では、レントゲン写真やCT画像でコントラストの低い患部にヒストグラム平坦化を適用し、陰影を見やすくする使われ方があります。判別しにくかった陰影や輪郭が浮かび上がることで、読影（レントゲンやCTなどの医用画像から病変の有無を医師が判断すること）を補助する仕組みです。画像の解像度そのものを変えずにコントラストだけを引き上げられる点が、診断の現場で選ばれる理由です。

監視・防犯カメラの分野では、夜間や逆光で暗く不鮮明になりやすい映像にヒストグラム平坦化を適用する使われ方があります。人物や車両の輪郭を判別しやすくなることは、異常検知の精度を補う効果として期待されている点です。撮影環境を選ばず一定の視認性を確保できることは、屋外に設置される機器にとって欠かせない条件です。

衛星・航空写真の解析の分野では、大気の影響でコントラストが低下した画像にヒストグラム平坦化を適用してから解析にかける使われ方があります。地形や建物の判読性を高めることで、後続の解析作業の精度を支える工程です。撮影のたびに条件が変わりやすい空撮画像において、明るさのばらつきをそろえる前処理は解析結果の安定につながっています。