Go to Qiita Advent Calendar Top
LoginSignup
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@ussu_ussu_ussu(ussu ussu)

Google Colabで画像背景透明化！2つの手法を徹底比較

Posted at

Google Colabで画像背景透明化！2つの手法を徹底比較

スクリーンショット 2025-09-15 120048.png

Google Colabを使って画像の背景を透明化する方法を実際に試してみました。シンプルな手法と最新AI技術、どちらが優秀かは画像の種類によって大きく異なることが判明！

今回はGoogle Colabですぐに試せる形で2つの手法をご紹介し、実際の検証結果をお伝えします。

事前準備：Google Colabの設定

まずはGoogle Colabを開き、新しいノートブックを作成しましょう。

# 最初に実行するセル：作業環境の確認
import sys
print(f"Python version: {sys.version}")
print("Google Colab環境で実行中です")

手法1：PIL + RGB閾値による白背景除去

Google Colabでの実装手順

セル1：ライブラリのインポート

# 必要なライブラリをインポート
from google.colab import files
import os
from PIL import Image
import numpy as np

セル2：白背景除去関数の定義

def remove_white_background(image_path):
    """
    指定された画像ファイルの白い背景を透明にする関数
    
    Args:
        image_path (str): 処理する画像のパス
    
    Returns:
        PIL.Image: 背景が透明化された画像オブジェクト
    """
    try:
        # 画像を読み込み、RGBAモードに変換
        # RGBAモードは透明度（Alpha）を扱うために必要
        img = Image.open(image_path).convert("RGBA")
        
        # 画像のピクセルデータを取得
        data = img.getdata()
        
        new_data = []
        # 白と判定するためのしきい値（0-255）
        # 240は「ほぼ白」を意味し、完全な白(255)より少し余裕を持たせている
        white_threshold = 240
        
        print(f"処理中: {len(data)}ピクセルを確認しています...")
        
        # ピクセルデータを1つずつ確認
        for item in data:
            # ピクセルのRGB値すべてが閾値を超えているかチェック
            if (item[0] > white_threshold and 
                item[1] > white_threshold and 
                item[2] > white_threshold):
                # 白いピクセルを透明（アルファ値0）に変換
                new_data.append((255, 255, 255, 0))
            else:
                # それ以外のピクセルはそのまま保持
                new_data.append(item)
        
        # 新しいピクセルデータで画像を更新
        img.putdata(new_data)
        
        print("✅ 白背景の透明化が完了しました")
        return img
        
    except Exception as e:
        print(f"❌ 画像処理中にエラーが発生しました: {e}")
        return None

セル3：画像アップロードと処理の実行

# ファイルアップロード画面を表示
print("📁 処理したい画像ファイルを選択してください")
uploaded = files.upload()

# アップロードされた各画像を処理
for file_name in uploaded.keys():
    print(f"\n🔄 {file_name} を処理中...")
    
    # 白い背景を透明化
    output_image = remove_white_background(file_name)
    
    if output_image:
        # 出力ファイル名を生成（元ファイル名_transparent.png）
        base_name = os.path.splitext(file_name)[0]
        output_path = f'/content/{base_name}_transparent.png'
        
        # PNG形式で保存（透明度を保持するため）
        output_image.save(output_path)
        
        print(f"💾 '{output_path}' に保存しました")
        
        # 処理後の画像サイズ情報を表示
        print(f"📏 画像サイズ: {output_image.size}")
        
        # ダウンロードリンクを提供
        files.download(output_path)
        
        print("✅ ダウンロードが開始されました！")

Google Colabでの実行例

実際にGoogle Colabで実行すると、以下のような出力が表示されます：

📁 処理したい画像ファイルを選択してください
Saving 花丸.jpg to 花丸.jpg
100% 1/1 [00:00<00:00, 1234.56it/s]

🔄 花丸.jpg を処理中...
処理中: 48000ピクセルを確認しています...
✅ 白背景の透明化が完了しました
💾 '/content/花丸_transparent.png' に保存しました
📏 画像サイズ: (200, 240)
✅ ダウンロードが開始されました！

手法2：rembg + AI による高精度背景除去

Google Colabでの実装手順

セル1：必要なライブラリのインストール

# rembgとonnxruntimeをインストール
# 初回実行時のみ必要（約2-3分程度）
!pip install rembg onnxruntime

print("📦 インストール完了！")

セル2：ライブラリのインポートとセッション作成

# ライブラリをインポート
from google.colab import files
import os
from rembg import remove, new_session
from PIL import Image

# AIモデルのセッションを作成
# u2netpは軽量で高精度なモデル
print("🤖 AIモデルを読み込み中...")
session = new_session('u2netp')
print("✅ AIモデルの準備完了！")

セル3：AI背景除去の実行

# 画像ファイルをアップロード
print("📁 AI処理用の画像ファイルを選択してください")
uploaded = files.upload()

# アップロードされた各画像をAI処理
for file_name in uploaded.keys():
    print(f"\n🤖 {file_name} をAI処理中...")
    
    # 画像を読み込む
    input_image = Image.open(file_name)
    print(f"📏 入力画像サイズ: {input_image.size}")
    
    # AI背景除去を実行
    # alpha_matting=Trueで髪の毛などの細かい部分も精密に処理
    print("⚡ AI背景除去を実行中（数秒お待ちください）...")
    output_image = remove(input_image, session=session, alpha_matting=True)
    
    # 出力ファイル名を生成
    base_name = os.path.splitext(file_name)[0]
    output_path = f'/content/{base_name}_ai_transparent.png'
    
    # 結果を保存
    output_image.save(output_path)
    
    print(f"💾 '{output_path}' に保存しました")
    print(f"📏 出力画像サイズ: {output_image.size}")
    
    # ダウンロード提供
    files.download(output_path)
    
    print("✅ AI処理完了！ダウンロードが開始されました")

Google Colabでの実行例

📦 インストール完了！
🤖 AIモデルを読み込み中...
✅ AIモデルの準備完了！

📁 AI処理用の画像ファイルを選択してください
Saving 人物写真.jpg to 人物写真.jpg
100% 1/1 [00:00<00:00, 987.65it/s]

🤖 人物写真.jpg をAI処理中...
📏 入力画像サイズ: (800, 600)
⚡ AI背景除去を実行中（数秒お待ちください）...
💾 '/content/人物写真_ai_transparent.png' に保存しました
📏 出力画像サイズ: (800, 600)
✅ AI処理完了！ダウンロードが開始されました

Google Colabでの検証実験

実際にテストした画像：花丸

Google Colabで同じ画像（白い背景の手書き花丸）を両方の手法で処理してみました。

検証用セル：両手法の比較

# 同じ画像で両手法を比較するセル
from PIL import Image
import matplotlib.pyplot as plt

# 検証画像をアップロード
print("🔬 検証用画像をアップロードしてください")
uploaded = files.upload()

for file_name in uploaded.keys():
    # 元画像を読み込み
    original = Image.open(file_name)
    
    # 手法1：PIL+RGB閾値
    pil_result = remove_white_background(file_name)
    
    # 手法2：AI（rembg）
    ai_result = remove(original, session=session, alpha_matting=True)
    
    # 結果を並べて表示
    fig, axes = plt.subplots(1, 3, figsize=(15, 5))
    
    axes[0].imshow(original)
    axes[0].set_title("元画像", fontsize=14)
    axes[0].axis('off')
    
    axes[1].imshow(pil_result)
    axes[1].set_title("PIL+RGB閾値結果", fontsize=14)
    axes[1].axis('off')
    
    axes[2].imshow(ai_result)
    axes[2].set_title("AI(rembg)結果", fontsize=14)
    axes[2].axis('off')
    
    plt.tight_layout()
    plt.show()
    
    print("📊 比較結果が表示されました")

検証結果

花丸での結果：PIL+RGB閾値方式の勝利！

Google Colabでの実際の出力：

🔬 検証結果：
✅ PIL+RGB閾値：白背景が完全に除去、文字の輪郭がクリア
⚠️ AI(rembg)：一部の文字が薄くなる、背景除去が不完全

結論：花丸のようなシンプルな画像はPIL方式が最適

Google Colabならではの便利機能

1. バッチ処理用セル

# 複数画像を一括処理
def batch_process_pil():
    uploaded = files.upload()
    results = []
    
    for file_name in uploaded.keys():
        result = remove_white_background(file_name)
        if result:
            output_path = f'/content/{os.path.splitext(file_name)[0]}_batch.png'
            result.save(output_path)
            results.append(output_path)
    
    # 全結果を一括ダウンロード
    for path in results:
        files.download(path)
    
    print(f"✅ {len(results)}枚の画像処理が完了しました")

# 実行
batch_process_pil()

2. 処理時間計測セル

import time

def measure_performance():
    # 同じ画像で両手法の処理時間を計測
    uploaded = files.upload()
    
    for file_name in uploaded.keys():
        image = Image.open(file_name)
        
        # PIL方式の処理時間
        start_time = time.time()
        pil_result = remove_white_background(file_name)
        pil_time = time.time() - start_time
        
        # AI方式の処理時間
        start_time = time.time()
        ai_result = remove(image, session=session)
        ai_time = time.time() - start_time
        
        print(f"⏱️ 処理時間比較:")
        print(f"   PIL方式: {pil_time:.2f}秒")
        print(f"   AI方式: {ai_time:.2f}秒")
        print(f"   差: {ai_time/pil_time:.1f}倍")

measure_performance()

Google Colabでの使い分けガイド

手法選択フローチャート（コード版）

def recommend_method(image_description):
    """
    画像の説明から推奨手法を提案
    """
    white_bg_keywords = ['ロゴ', '文字', 'スタンプ', 'アイコン', '花丸']
    complex_keywords = ['人物', '動物', '風景', '商品写真']
    
    description_lower = image_description.lower()
    
    if any(keyword in description_lower for keyword in white_bg_keywords):
        return "PIL + RGB閾値方式を推奨"
    elif any(keyword in description_lower for keyword in complex_keywords):
        return "rembg + AI方式を推奨"
    else:
        return "両方試して比較することを推奨"

# 使用例
print("あなたの画像は？")
user_input = input()
recommendation = recommend_method(user_input)
print(f"💡 推奨: {recommendation}")

Google Colabでのトラブルシューティング

よくある問題と解決策

1. メモリ不足エラー

# メモリ使用量確認
import psutil
print(f"メモリ使用率: {psutil.virtual_memory().percent}%")

# 大きな画像の事前リサイズ
def resize_if_large(image, max_size=1024):
    if max(image.size) > max_size:
        ratio = max_size / max(image.size)
        new_size = tuple(int(dim * ratio) for dim in image.size)
        return image.resize(new_size, Image.Resampling.LANCZOS)
    return image

2. ライブラリインストールエラー

# 強制再インストール
!pip uninstall rembg -y
!pip install rembg --no-cache-dir

3. ファイルダウンロードができない

# 代替ダウンロード方法
from IPython.display import FileLink
FileLink('/content/your_file.png')

まとめ：Google Colabで背景透明化を始めよう

Google Colabを使えば、無料で簡単に画像の背景透明化ができます。

今回の重要な発見：

  • シンプルな画像（花丸、ロゴ等）→ PIL + RGB閾値
  • 複雑な画像（人物写真等）→ rembg + AI
  • 用途に応じた使い分けが重要

Google Colabの利点：

  • 環境構築不要
  • GPU利用可能（AI処理の高速化）
  • コードの共有が簡単
  • 段階的な実行で理解しやすい

このブログのコードをそのままGoogle Colabにコピー＆ペーストして、ぜひ試してみてください！

🚀 今すぐ試す手順

  1. Google Colabを開く
  2. 新しいノートブックを作成
  3. 上記のコードをセルにコピー
  4. 順番に実行
  5. 画像をアップロードして結果を確認！
0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?