デジタル画像はどのように色を保存しているか
デジタル画像は、無数の小さな点——ピクセル（画素）——の集合として保存されています。各ピクセルは色の情報を数値として持ち、その代表的な方式がRGBカラーモデルです。RGBとは Red（赤）、Green（緑）、Blue（青）の3つの色成分を組み合わせて色を表現する方式で、各成分は通常0〜255の範囲の整数値を取ります。つまり、1つのピクセルは (R, G, B) という3つの数値の組で表され、この組み合わせによって約1677万色を再現できます。
例えば、純粋な白は (255, 255, 255)、黒は (0, 0, 0)、鮮やかな赤は (255, 0, 0) と表現されます。画像全体は、こうしたピクセルの数値が縦横に並んだ巨大な配列（マトリックス）と考えることができます。
RGB値とピクセル処理
画像処理とは、この数値配列に対して数学的な操作を行うことにほかなりません。明るさを変える、コントラストを調整する、色を反転させる——これらはすべて、各ピクセルのR・G・B値に対する演算として実装されます。
この視点に立つと、「画像を編集する」という行為は、実は「行列に対する関数を適用する」という比較的シンプルな数学的操作であることが見えてきます。image processingの入門として、色反転はもっとも直感的で理解しやすい例の一つです。
Image inversionの数学的仕組み
色反転（Image Inversion）の考え方は非常にシンプルです。各チャンネルの値を、最大値255から引くだけです。
$$R' = 255 - R,\quad G' = 255 - G,\quad B' = 255 - B$$
例えば白 (255, 255, 255) は黒 (0, 0, 0) に、赤 (255, 0, 0) はシアン (0, 255, 255) に変換されます。これはちょうど写真のネガのような効果を生み出し、色相環上で正反対の色（補色）に変換される仕組みになっています。Image Inverterと呼ばれるツールやアルゴリズムは、基本的にこの単純な引き算処理を画像全体のすべてのピクセルに一括で適用しているだけなのです。
Pythonで簡単なカラー反転処理を実装する
実際にこの仕組みをPython image processingの代表的ライブラリであるPillowを使って実装してみましょう。
from PIL import Image, ImageOps
img = Image.open("sample.jpg").convert("RGB")
inverted = ImageOps.invert(img)
inverted.save("inverted_sample.jpg")
ImageOps.invert()は、内部的には先ほどの 255 - 値 の演算をすべてのピクセルに対して行っています。NumPyを使えば、この処理をより明示的に書くこともできます。
import numpy as np
from PIL import Image
img = np.array(Image.open("sample.jpg").convert("RGB"))
inverted = 255 - img
Image.fromarray(inverted.astype("uint8")).save("inverted_numpy.jpg")
この2つのコードは、実質的に同じ数学的操作を行っており、行列演算として画像処理を捉える良い例になっています。
実際の画像編集ツールへの応用
一見単純に見えるこの反転処理ですが、実際のImage color inverter機能は、写真のネガ効果の再現、視認性を高めるためのダークモード用画像生成、医療画像や科学的可視化におけるコントラスト強調など、幅広い場面で応用されています。
重要なのは、こうした高度に見える機能も、根底にあるのは中学校で習うレベルの引き算であるという点です。複雑なUIやフィルターの裏側には、常に「ピクセルごとの数値演算」というシンプルな原理が存在しています。色反転という一つの例を通して、画像処理という分野全体への理解の入り口が開かれるはずです。