OpenCV、ImageJ / Fiji、QuPath で粒子の大きさ、くぼみの直径、細胞の面積などを測ると、プログラムは小数点以下 4 桁のような、いかにも精密に見える数値を出します。しかし、その数値が信頼できるかどうかは、カメラとレンズ、校正、照明、セグメンテーションのアルゴリズム、パラメーター、そしてそれをどう検証したかという計測の流れ全体で決まります。
この記事では特定のアルゴリズムではなく、ある画像計測の方法が研究や検査に使えることをどう示すかを説明します。
参照した規格と文献: JCGM 100:2008(GUM、測定の不確かさの評価)、ISO 5725-1:2023(精確さ、真度及び精度)、Bland と Altman(1986)、および「試験規格に合否基準が書かれている例」として ISO 6506-2:2017。
この記事の式、コード、数値は方法の説明のためのものです。「仮定」と書いた値は実測データではありません。
1. 2 種類の誤差を区別する
- 系統誤差(偏り):毎回同じ方向にずれる誤差です。たとえば校正係数が 1% 大きければ、すべての長さが約 1% 大きくなります。何度繰り返して測っても消えません。
- 偶然誤差(精度):測るたびにばらつく誤差で、繰返し測定からその大きさを推定できます。
ISO 5725 は、この 2 つを「真度(trueness)」と「精度(precision)」として表し、両方を合わせたものを「精確さ(accuracy)」としています。画像計測の方法を検証するときは、両方を評価する必要があります。
2. 誤差の要因の一覧
| 工程 | よくある問題 | 主な影響 |
|---|---|---|
| 校正(mm/px) | 標準目盛の読み取り誤差、倍率変更後に校正し直していない | 系統誤差。すべての長さに比例して影響 |
| レンズ | ひずみ。視野の周辺ほど大きい | 位置に依存する系統誤差 |
| ピントと照明 | ピンぼけ、影、照明のむら | 縁の位置が変わり、偏りとして現れることが多い |
| セグメンテーション | しきい値、平滑化の強さ、モルフォロジーのパラメーター | 対象を系統的に大きく、または小さく抽出 |
| ピクセルの量子化 | 縁の位置はピクセル単位(またはサブピクセル単位)でしか決まらない | 偶然誤差 |
| 対象そのもの | 境界がぼやけている、形が不規則、重なりがある | 定義上の不確かさ |
最後の項目は見落とされがちです。「境界がどこか」を人でも決められないなら、プログラムの結果が定義以上に確かになることはありません。検証の前に、境界の判定ルールを書き出しておきます。
3. 校正
- 計測と同じ倍率、ピント、解像度で、長さが既知の標準目盛(ステージマイクロメーターなど)を撮影します。
- 複数の位置・方向で目盛を測り、mm/px の平均とばらつきを記録します。
- 視野の周辺と中央で結果がはっきり違う場合は、レンズのひずみを補正するか(OpenCV にはカメラキャリブレーションの方法があります)、中央の領域だけで計測します。
- レンズ、カメラ、倍率、解像度の設定を変えるたびに校正し直し、日付を記録します。
4. ピクセルの量子化による不確かさ
縁の位置が ±0.5 ピクセルの範囲でしか決まらず、その範囲のどこでも同じ確率だとすると、GUM の矩形分布に従って標準不確かさは次のようになります。
u = a / √3 = 0.5 / √3 ≈ 0.29 ピクセル
長さは 2 つの縁で決まるため、長さの量子化による不確かさは約 √2 × 0.29 ≈ 0.41 ピクセルです。ここから実用的な原則が導けます。対象が画像の中で占めるピクセルが多いほど、量子化誤差の相対的な影響は小さくなります。たとえば直径 100 ピクセルでは約 0.4%、1000 ピクセルでは約 0.04% です。
4a. 成分の合成:不確かさの見積もり
GUM では、互いに独立な成分を二乗和の平方根で合成します。以下は、長さ 400 ピクセル(仮定した校正値 0.005 mm/px で 2.000 mm)の計算例です。
| 成分 | タイプ | 相対標準不確かさ |
|---|---|---|
| 校正係数(基準スケールとその読み取り) | B | 0.20%(仮定) |
| ピクセルの量子化、0.41 px / 400 px | B | 0.10% |
| 撮影と評価の繰返し性 | A | 0.30%(仮定) |
| 合成標準不確かさ | 0.37% | |
| 拡張不確かさ(k = 2) | 0.75% |
この計算から 2 つのことがわかります。
- 最も大きい成分が支配的です。ここで量子化の項を半分にしても、合成値の変化は 0.02 ポイント未満です。校正や繰返し性の改善のほうがはるかに効きます。
- 誤差は、長さが入るどの式にも伝わります。たとえばブリネル硬さでは、硬さの相対誤差は直径の相対誤差の約 2 倍なので、直径の 0.75% は硬さの約 1.5% になります。
見積もりに「分割」の行がないのは、分割によるかたよりがランダムではないからです。参照法との比較(第 6 節)で見つけ、補正するか、既知のかたよりとして扱う必要があります。
5. 繰返し性と再現性
- 繰返し性:同じ担当者・同じ装置で、同じ対象を何度も撮影・計算し(毎回試料を置き直し、ピントを合わせ直す)、結果の標準偏差を求めます。
- 再現性:担当者、日付、装置を変えて同じことを行います。
同じ画像に対してプログラムを何度実行しても、結果は常に同じです。これでは計測方法が安定していることの証明になりません。繰り返しには画像の取得も含める必要があります。
6. 参照法との一致性
画像計測の方法と、認められた参照法(経験のある担当者による測定顕微鏡での読み取りや、認証標準物質など)を、同じ試料群で比較します。よく使われるのは Bland–Altman 法です。
- 試料ごとに差を求めます:dᵢ = 画像計測 − 参照法。
- 偏り = 差の平均。
- 一致限界 = 偏り ± 1.96 × 差の標準偏差。
- 2 つの方法の平均を横軸、差を縦軸にしたグラフを描き、差が値の大きさによって変わらないかを確認します。
import numpy as np
def bland_altman(method, reference):
a = np.asarray(method, dtype=float)
b = np.asarray(reference, dtype=float)
diff = a - b
bias = diff.mean()
sd = diff.std(ddof=1)
return {
"n": diff.size,
"bias": bias,
"lower_loa": bias - 1.96 * sd,
"upper_loa": bias + 1.96 * sd,
"mean_pair": (a + b) / 2, # 散布図の横軸に使う
"diff": diff,
}
注意点:
- 相関係数だけを報告しないでください。2 つの方法の相関が高くても、一致しているとは限りません。一方が常に 5% 大きくても、相関係数は 1 に近くなり得ます。
- 一致限界が「許容できる」かどうかは、用途に応じて事前に決めておきます。たとえば試験規格で許される偏差や製品の公差と比べます。この記事では共通のしきい値は示しません。試験規格の中には基準を定めているものもあります。たとえば ISO 6506-2:2017 は、基準くぼみで検証するとき、ブリネルのくぼみ測定システムの最大誤差を直径の 0.5% 以下としています。
- パラメーターの調整に使う試料と、検証に使う試料は分けてください。同じ試料を使うと、検証結果が楽観的になりすぎます。
7. 失敗の扱い
プログラムは、次のような場合に数値を出すのではなく、それを検出してはっきり報告できるようにします。
- 対象が見つからない、または候補が複数ある
- 対象が画像の端に接していて、欠けている可能性がある
- 形状の指標が異常(長軸と短軸の比が想定から大きく外れているなど)
- 結果が方法の有効範囲外
フラグが付いた画像は人が確認し、その結果も記録します。
8. 報告に書くべき内容
- カメラ、レンズ、倍率、解像度、照明の条件
- 校正の方法、標準目盛、校正日
- ソフトウェアとそのバージョン、すべてのパラメーター(またはコードのバージョン)
- 境界の判定ルール
- 繰返し性と、参照法との比較結果(偏りと一致限界)
- 自動処理の失敗や手動修正の件数と、その扱い
これらの情報があれば、他の人が計測を再現でき、査読者や顧客が結果の信頼性を判断する根拠にもなります。適用例は、当サイトの記事「OpenCV でブリネル硬さのくぼみ径を測る」をご覧ください。
9. この記事の限界
- この記事は検証の考え方を説明したもので、個別の試験規格や認定制度の要求の代わりにはなりません。
- 不確かさの見積もりは、仮定した値を使った計算例です。実際の成分とその大きさは、ご自身の校正と繰返し性のデータから求めてください。
- Bland–Altman の一致限界は、差がおおむね正規分布に従い、大きさによって変わらないことを前提にしています。使う前に散布図を確認してください。
