はじめに
PyTorch / Keras / OpenCV / scikit-learn の違いと、画像から大きさ（実寸）を推定する現実的な方法をまとめます。
AIや画像処理を始めると、PyTorch / Keras / OpenCV / scikit-learn が頻繁に出てきます。
ただしこれらは「同じカテゴリのライブラリ」ではなく、役割（担当）が違う道具です（※一部は守備範囲が重なります）。
この記事ではまず4つの役割の違いを整理して、そのあとによくある疑問
「画像から物の大きさ（実寸）って推定できるの？」 を、条件つきで現実的な方法に絞って解説します。
私はまだ学習途中なので、学んだ内容を備忘録として残しつつ、同じようにこれから始める人が「迷いにくくなる」ことを目的に書いています。
この記事で分かること
- PyTorch / Keras / OpenCV / scikit-learn の「何が違うか」
- どれを先に学べばいいか（目的別）
- 画像から“実寸”を出すための条件と、代表的な手法
- 初学者がやりがちな落とし穴
1. 4つのライブラリは「役割」が違う（ただし少し重なる）
1-1. ざっくり一言まとめ
- OpenCV：画像を 読む・加工する・測る（画像処理・CVの道具箱）
- scikit-learn：定番の 機械学習（非DL中心） を手堅く回す（回帰・分類・評価）
-
Keras（多くは
tf.keras）：深層学習を 短いコードで書きやすい（高レベルAPI） - PyTorch：深層学習を 自由に作り込める（柔軟性・拡張性）
「どれが上」ではなく、目的が違うと思うと選びやすいです。
また、たとえば「scikit-learnでも画像特徴量を使った学習はできる」「OpenCVにも古典的MLの機能がある」など、守備範囲は一部重なります（主戦場が違う、という理解が安全です）。
1-2. 比較表（初学者向け）
| ライブラリ | 主な役割 | 得意なこと | 典型ユースケース | 初心者の最初のつまずき |
|---|---|---|---|---|
| OpenCV | 画像処理 / 計測 | 変換、前処理、輪郭、透視補正、カメラ扱い、キャリブレーション | 計測、前処理、画像加工、カメラ映像 | 座標系・幾何（角度/透視/歪み） |
| scikit-learn | 機械学習（非DL中心） | 前処理、学習、評価、CV、パイプライン | 表データの分類/回帰、ベースライン作り（画像でも特徴量化すれば可） | 特徴量設計、データ分割 |
Keras（tf.keras） |
深層学習（書きやすい） | 学習の型がシンプル、モデル構築が簡単 | 画像分類、時系列、入門教材、プロトタイプ | “中で何が起きてるか”が見えにくい |
| PyTorch | 深層学習（自由） | 低レベルまで制御、研究〜実務の拡張 | 物体検出、生成、独自モデル、複雑な学習 | 学習ループ/デバッグ量が増える |
2. どれを先に学ぶ？（目的別おすすめルート）
2-1. 目的：機械学習の全体像を最短で掴みたい
おすすめ：scikit-learn →（必要になったら）Keras/PyTorch
理由：前処理〜評価まで「型」が揃っていて、概念が整理しやすいです。
2-2. 目的：画像を扱いたい（前処理・計測・カメラ）
おすすめ：OpenCV →（学習モデルが必要なら）Keras/PyTorch
理由：画像の読み書き・補正・変換ができないと、学習以前で詰まりがちです。
2-3. 目的：深層学習を最短で動かしたい（成果を先に出したい）
おすすめ：既存モデルを動かす → Keras（入門）or PyTorch（実務寄り） → 必要に応じてOpenCV
理由：最初の成功体験を作りやすいです。
その後、前処理の工夫・計測・幾何補正が必要になってからOpenCVに戻るとスムーズです。
3. 実務では「組み合わせ」が普通
画像分類を例にすると、よくある流れはこうです。
- OpenCV：画像を読み込み・リサイズ・前処理（歪み補正や切り出し等）
- Keras / PyTorch：モデル学習・推論
- scikit-learn：評価指標・混同行列・ベースライン比較（補助）
つまり「どれか一つ覚えればOK」ではなく、役割に応じて併用するのが自然です。
4. 画像から“大きさ（実寸）”は推定できる？
4-1. 結論（大事）
- スケール（基準）が入るなら、実寸を出せる
- スケールが何もない1枚画像だけだと、実寸は原理的に一意に決まらない
なぜなら、同じ見え方で
「小さい物を近く」or「大きい物を遠く」に置けてしまうからです。
だから実務では、基準（画像内/外）・距離・深度（3D） のどれかを入れるのが鉄則です。
※「基準物を一緒に写していない」ように見えても、画像内に 既知サイズの規格品（クレカ、A4、コイン等）が写っていれば、それは「基準あり」に含まれます。
5. 方法別：現実的な“実寸推定”アプローチ
方法A：基準物（定規/A4/コイン/規格品）を一緒に写す（最優先おすすめ）
使える場面
- 机の上、床の上など「同じ平面」にあるものを測りたい
- まずは簡単に精度を出したい
手順（考え方）
- 基準物の実寸を決める（例：A4短辺 210mm）
- 画像で基準物のピクセル長を測る（例：短辺が 840px）
mm/px = 210 / 840 = 0.25- 対象のピクセル長 × 0.25 で実寸に換算
コツ（重要）
- 基準物と対象は同じ平面上に置く
- できれば 同じ向きの長さを測る（射影条件が揃うほど誤差が減る）
良いところ
- 実装が簡単
- 精度も出しやすい
注意点
- 斜め撮影だと「見かけの長さ」が縮む
→ 次の「透視補正」とセットがおすすめ
方法B：透視補正（ホモグラフィ）で平面を“真上/正面視点”に直して測る
使える場面
- 対象が机/床/壁など「平面上」にある
- 斜めから撮ってしまった
- 平面上の長さや面積を測りたい
前提（ここが肝）
- ホモグラフィは 平面上の計測（長さ・面積） に強い
- 立体の「高さ」や、平面から浮いた部分の長さは別問題（誤差が増える）
ざっくり何をする？
- A4用紙など「四隅が分かる基準」を使う
- 斜めに写った平面を、正面（真上）から見た形に変換する
- 変換後の画像上で mm/px を作って測る
何が嬉しい？
- 斜め撮影でも、平面なら精度が出る
- 面積推定にも使える
方法C：距離が分かるなら（カメラモデル）で換算
使える場面
- カメラと対象の距離が測れる（固定環境、距離計、ARなど）
- ある程度、撮影条件が管理できる
概念
- 「ピクセルの大きさ」は距離で変わる
- 距離が分かれば、ピクセルから実寸へ換算できる
追加で必要になりやすい情報
-
画角/焦点距離相当（内部パラメータ）
- 厳密にはカメラキャリブレーション（内部パラメータ）があると強い
- 対象がカメラに対してどの向きか（姿勢）
- 斜めだと投影で短く見える
注意点
- 距離の誤差がそのままサイズ誤差になる
→ 距離推定が一番むずいポイントになりがち
方法D：複数画像 / 深度センサで3Dにして測る（強いが準備がいる）
使える場面
- 2台カメラ（ステレオ）
- 動画など複数視点（SfM/SLAM的アプローチ）
- LiDAR/深度カメラ（iPhoneのLiDAR等）が使える
良いところ
- “平面じゃない対象”（人や家具など）にも対応しやすい
- 精度を上げやすい（条件が揃えば）
注意点
- キャリブレーションや環境整備が必要
- 反射・暗所・テクスチャの少ない面で精度が落ちることがある
6. 初学者がハマりがちな落とし穴
6-1. “1枚画像だけで実寸が出る”と思ってしまう
スケールがないと無理です。
ただし「画像内に既知サイズの物が写っている」なら、それはスケールになります。
6-2. 斜め撮りでそのままピクセル換算する
平面計測なら、透視補正（ホモグラフィ） を入れるだけで一気に改善します。
6-3. レンズ歪みを無視する
広角スマホだと端ほど歪んで誤差が出ます。
精度が必要なら キャリブレーション（OpenCVのカメラキャリブレーション）や undistort を検討してください。
手軽な対策としては、
- できるだけ 画面中央付近で測る
- 端に対象や基準物を置かない
だけでも誤差が減ることが多いです。
6-4. 「長さ」を測る前に「何を長さとするか」を決めてない
- 外接矩形の幅？
- 輪郭の最大径？
- 端点同士の距離？
目的に応じて定義が変わります。
例：同じ「幅」でも
「外接矩形の幅」と「輪郭の最大径」では結果が変わるので、仕様を先に決めるのが大事です。
まとめ
- OpenCVは画像を整える・測る担当（幾何補正やキャリブレーションも）
- scikit-learnは定番機械学習（非DL中心）の担当（評価も強い）
- **Keras（多くは
tf.keras）**は深層学習を手軽に書く担当 - PyTorchは深層学習を自由に作り込む担当
- 画像からの実寸推定は、基本的に スケール（基準）・距離・深度（3D） のどれかを入れるのが現実解