1 画像の基礎概念
1.1 定義と分類
画像とは、光の反射や発光によって生じる視覚情報を、何らかの媒体に記録・表現したものである。広義には人間の目で知覚できる二次元的なパターン全てを指し、狭義には写真、絵画、デジタルディスプレイ上の表示など、特定の手段で固定化された視覚データを意味する。画像はその記録方式や時間的性質によって分類される。
1.1.1 アナログ画像とデジタル画像
アナログ画像は、フィルムや印画紙のように連続的な濃度や色の変化として情報を保持する。銀塩写真やアナログビデオが該当し、物理的な化学反応や電気信号の連続値に依存する。デジタル画像は、離散的な数値（デジタルデータ）として画像を表現し、コンピュータで容易に処理・保存・伝送できる。ピクセル単位で色情報が格納され、量子化により階調が制限される点がアナログと異なる。
1.1.2 静止画と動画
静止画は時間的に変化しない単一の画像であり、写真やイラストなどが典型である。動画は連続する静止画（フレーム）を時間軸に沿って再生することで動きを表現する。デジタル動画は各フレームが独立した画像として符号化される場合と、フレーム間の差分を利用して圧縮される場合がある。両者は表現形式として密接に関連し、静止画の連続再生が動画の基本原理である。
1.2 画像の表現
デジタル画像の表現方式は、保存や編集の効率に直結する。ラスター形式とベクター形式が主要な二大アプローチであり、それぞれ特性が異なる。
1.2.1 ラスター形式（ビットマップ）
ラスター形式は、画像を格子状に配列されたピクセルの集合として表現する。各ピクセルは色情報（RGB値など）を持ち、ピクセル数（幅×高さ）が解像度を決定する。写真や複雑なグラデーションの表現に適するが、拡大するとピクセルが目立ち画質が劣化する（ジャギー）。代表的な形式にBMP、JPEG、PNGがある。
1.2.2 ベクター形式
ベクター形式は、点、線、曲線、多角形などの幾何学的要素（パス）と、その属性（色、太さ、塗りつぶし）を数式で記述する。拡大縮小による画質劣化がなく、ロゴやフォント、イラストなどに適する。主な形式にSVG、EPS、PDF（ベクター部）がある。ラスター形式と異なり、写真のような複雑な自然画像の表現には不向きである。
1.2.3 ピクセルと解像度
ピクセル（画素）はデジタル画像の最小単位であり、それぞれが特定の色と明るさを持つ。画像の解像度は、単位長さあたりのピクセル数（dpi: dots per inch や ppi: pixels per inch）で表されることが多い。解像度が高いほど詳細な表現が可能だが、データ量も増大する。ディスプレイ表示では72～96 ppi、印刷では300 ppi程度が一般的な基準である。
1.3 色空間とカラーモデル
色空間は、色を数値で表現するための座標系である。異なるデバイス間での色再現の一貫性を保つために、複数のカラーモデルが定義されている。
1.3.1 RGB
RGB（Red, Green, Blue）は、光の三原色を用いた加法混色モデルである。赤、緑、青の各チャンネルの強度を組み合わせて色を表現し、ディスプレイやカメラ、プロジェクターなど発光デバイスで標準的に使用される。各チャンネルは通常0～255の整数値で表される（8ビット深度）。
1.3.2 CMYK
CMYK（Cyan, Magenta, Yellow, Key/Black）は、インクやトナーを用いた減法混色モデルである。白い紙にインクを重ねる印刷プロセスで用いられ、シアン、マゼンタ、イエロー、黒の4色で色を再現する。RGBよりも表現可能な色域（ガモット）が狭く、印刷時の色変換が重要な工程となる。
1.3.3 HSV/HSL
HSV（Hue, Saturation, Value）とHSL（Hue, Saturation, Lightness）は、人間の色知覚に近い形で色を記述するモデルである。色相（H）、彩度（S）、明度（VまたはL）の三属性で色を定義し、画像編集ソフトウェアでの色調整や、色の直感的な操作に広く利用される。RGBからの変換が容易であり、グラフィックデザインや画像処理のユーザーインターフェースで頻繁に採用される。
2 デジタル画像ファイル
2.1 ファイル形式の種類
デジタル画像は多様なファイル形式で保存され、用途に応じて非圧縮、非可逆圧縮、可逆圧縮などが使い分けられる。
2.1.1 非圧縮形式（BMP, TIFF）
非圧縮形式は画像データをそのまま保存するため、画質の劣化がないがファイルサイズが大きくなる。BMP（Bitmap）はWindows環境で標準的に使われ、ヘッダ情報とピクセルデータを単純に格納する。TIFF（Tagged Image File Format）は柔軟なタグ構造を持ち、複数の圧縮方式（LZW、ZIPなど）も選択可能だが、非圧縮でも使用される。主に印刷やスキャンなどの高品質保存に適する。
2.1.2 非可逆圧縮形式（JPEG, WebP）
非可逆圧縮は人間の視覚特性を利用してデータを間引くことで、大幅なファイルサイズ削減を実現する。JPEG（Joint Photographic Experts Group）は写真保存の事実上の標準であり、DCT変換と量子化により高圧縮率を達成する。WebPはGoogleが開発した形式で、JPEGより高い圧縮効率を持ち、透過（アルファチャンネル）にも対応する。圧縮率を高めるとブロックノイズや色滲みなどの画質劣化が生じる。
2.1.3 可逆圧縮形式（PNG, GIF）
可逆圧縮は元の画像データを完全に復元できる圧縮方式である。PNG（Portable Network Graphics）はパレット色やトゥルーカラーに対応し、透過情報も保持できる。GIF（Graphics Interchange Format）は256色までの色制限があるが、アニメーション表示が可能であり、簡易な動画表現に使われる。可逆圧縮ではファイルサイズ削減効果は限定的だが、編集や再保存を繰り返しても画質が劣化しない利点がある。
2.1.4 その他の特殊形式（HEIF, AVIF）
HEIF（High Efficiency Image File Format）はHEVC（H.265）動画圧縮技術を応用した画像形式で、JPEGの約半分のファイルサイズで同等の画質を実現する。Apple製品で広く採用されている。AVIF（AV1 Image File Format）はAV1コーデックを使用し、HEIFよりさらに高い圧縮効率とHDR対応を備えている。両形式とも次世代画像形式として普及が進んでいる。
2.2 メタデータとEXIF
画像ファイルには、ピクセルデータ以外に付加情報（メタデータ）が格納されることが多い。EXIF（Exchangeable Image File Format）はデジタルカメラで一般的に使われる規格で、撮影日時、カメラ機種、絞り値、シャッタースピード、GPS位置情報などを記録する。メタデータは画像管理や検索に役立つ一方、プライバシー保護の観点から公開前に除去することが推奨される場合もある。IPTCやXMPなどの規格もあり、写真家やメディア業界で広く利用されている。
2.3 画像圧縮技術
画像圧縮は、データ量を削減しながら視覚的に許容できる品質を維持する技術である。主に変換符号化、量子化、エントロピー符号化の工程から構成される。
2.3.1 変換符号化（DCT, ウェーブレット）
変換符号化は、画像の空間領域を周波数領域に変換することで、人間の目に敏感な低周波成分と鈍感な高周波成分を分離する。JPEGでは離散コサイン変換（DCT）を8×8ピクセルのブロック単位で適用する。ウェーブレット変換はJPEG 2000で採用され、ブロックノイズが発生しにくく、高圧縮率でも滑らかな劣化を示す。変換後の係数は、後の量子化で重要度の低い高周波成分が間引かれる。
2.3.2 量子化とエントロピー符号化
量子化は、変換後の係数を一定の値で除算して丸める操作で、ここで情報の損失が生じる。量子化テーブルは人間の視覚特性に基づいて設計され、高周波成分ほど粗く量子化される。その後、エントロピー符号化（ハフマン符号化や算術符号化）により、出現頻度の高い値に短い符号を割り当ててデータを圧縮する。これらの工程を組み合わせることで、JPEGは平均10～20分の1の圧縮率を実現している。
3 画像処理と解析
3.1 基本的な画像処理
画像処理の基礎は、画素値の操作や変換によって画像を改善・加工することにある。フィルタリング、幾何変換、色調整はその中核をなす。
3.1.1 フィルタリング（平滑化、エッジ検出）
フィルタリングは、カーネル（小さな行列）を用いて画像の各ピクセルとその近傍の画素値の畳み込み演算を行う手法である。平滑化フィルタ（平均化、ガウシアンフィルタ）はノイズ低減やぼかしに用いられる。エッジ検出フィルタ（Sobel、Canny、Laplacian）は輝度の急激な変化を捉え、物体の輪郭を抽出する。これらの処理は、後のセグメンテーションや特徴抽出の前処理として重要である。
3.1.2 幾何変換（回転、拡大縮小）
幾何変換は画像の形状や位置を変更する処理である。回転、拡大縮小、アフィン変換（平行移動、せん断など）、射影変換（ホモグラフィ）などがある。拡大縮小時には、画素の補間方法（最近傍補間、バイリニア補間、バイキュービック補間）が画質に影響する。画像の変形は、写真の傾き補正やパノラマ合成、画像のマッチングなどに広く応用される。
3.1.3 色調整とヒストグラム
色調整は画像の明るさ、コントラスト、色合いを変更する操作である。ヒストグラムは画素値の度数分布をグラフ化したもので、画像の露出やコントラストの偏りを視覚的に把握できる。ヒストグラム平坦化（Equalization）は、ヒストグラムを均等に分布させることでコントラストを強調する手法である。レベル補正やトーンカーブ調整は、写真編集ソフトウェアで頻繁に使われる基本的な機能である。
3.2 高度な画像処理
基本処理の応用として、画像内の意味的な構造を解析する高度な手法が発展している。
3.2.1 セグメンテーション
セグメンテーションは画像を意味のある領域（オブジェクトごと）に分割する処理である。従来手法には、閾値処理、領域拡張法、グラフカット、ウォーターシェッド法などがある。近年は深層学習を用いた手法（U-Net、Mask R-CNN）が主流となり、医療画像における臓器の抽出や、自動運転における道路・歩行者の検出などに応用されている。
3.2.2 特徴抽出（SIFT, CNN）
特徴抽出は画像から識別に有用な情報を取り出す処理である。SIFT（Scale-Invariant Feature Transform）はスケール不変な局所特徴量を抽出し、物体認識や画像マッチングに利用される。近年は畳み込みニューラルネットワーク（CNN）が特徴抽出器として主流となり、ImageNetなどの大規模データセットで訓練されたモデルが転移学習に活用される。CNNは階層的にエッジ、テクスチャ、物体部品といった特徴を学習する。
3.2.3 物体認識と検出
物体認識は画像に写っている物体が何であるかを分類するタスクであり、物体検出は物体の位置（バウンディングボックス）を特定するタスクである。代表的なモデルにYOLO（You Only Look Once）、SSD（Single Shot MultiBox Detector）、Faster R-CNNがある。顔認識や文字認識（OCR）、自動運転の障害物検出など、実世界の多くのアプリケーションで使われている。
3.3 画像生成と合成
画像をゼロから作り出す技術、あるいは複数の画像を組み合わせる技術も画像処理の重要な一分野である。
3.3.1 コンピュータグラフィックス（レンダリング）
コンピュータグラフィックス（CG）は、3次元モデルや2次元の図形からリアルな画像を生成する技術である。レンダリングにはラスタライゼーション（リアルタイムCGに多用）とレイトレーシング（高品質な光線追跡）がある。テクスチャマッピング、シェーディング、環境マッピングなどの技法により、写実的な画像から非写実的なアートスタイルまで多様な表現が可能である。
3.3.2 AIによる画像生成（GAN, 拡散モデル）
深層学習の発展により、AIが自動で画像を生成する技術が急速に進歩した。GAN（Generative Adversarial Network）は生成器と識別器が競い合うことでリアルな画像を生成する。近年では拡散モデル（Diffusion Model）が主流となり、テキストから画像を生成するDALL-E、Stable Diffusion、Midjourneyなどが登場した。AI生成画像はアート、デザイン、エンターテインメントで活用される一方、フェイク画像の問題も生んでいる。
3.3.3 画像編集ソフトウェアとフォトショップ文化
Adobe Photoshopに代表される画像編集ソフトウェアは、レイヤー、マスク、フィルター、色補正などの機能を提供し、デジタル画像の加工を一般化した。「フォトショップ」は動詞としても使われ、画像の改ざんや美化を指す文化的な概念となった。インターネット上では、写真の冗談めいた加工（ミーム生成）や、ソーシャルメディアでのフィルター利用が盛んに行われ、画像編集は現代のビジュアルコミュニケーションに不可欠な要素である。
4 画像の応用分野
4.1 写真とビジュアルアート
画像技術は写真とアートの領域で最も身近に使われている。
4.1.1 デジタル写真の進化
デジタルカメラの普及により、フィルム写真からデジタル写真への移行が完了した。スマートフォンのカメラ性能向上とクラウド保存の普及で、個人が大量の画像を手軽に撮影・共有できる時代となった。RAW形式で撮影したデータを現像することで、高度な露出補正や色調整が可能になり、専門家のみならずアマチュア写真家の創作範囲が広がっている。
4.1.2 画像加工とアート表現
デジタル画像の加工は、写真と絵画の中間的な表現を可能にした。カラーフィルター、ダブル露光、コラージュ、デジタルペインティングなど、伝統的な技法をデジタルで再現する事例が増えている。また、AIによる自動生成アートや、ジェネラティブアート（プログラムで画像を生成する芸術）も新たな表現領域として注目されている。
4.2 ウェブとソーシャルメディア
インターネット上で画像は主要なコンテンツであり、配信・検索・管理の仕組みが重要である。
4.2.1 画像ホスティングと配信
画像ホスティングサービス（Flickr、Imgur、Google フォトなど）は、ユーザーが画像をアップロードし、リンクや埋め込みで共有できるようにする。CDN（コンテンツ配信ネットワーク）を活用した高速配信や、WebPなどの圧縮形式による帯域節約が行われている。また、ソーシャルメディア（Instagram、Twitterなど）では画像がコミュニケーションの中心であり、エンゲージメント向上の鍵となっている。
4.2.2 画像検索とコンテンツモデレーション
画像検索エンジン（Google画像検索など）は、画像のファイル名、周囲テキスト、メタデータ、さらには画像認識AIを組み合わせて検索結果を提供する。一方、ソーシャルメディアでは不適切な画像（暴力、性的表現、ヘイトスピーチなど）を自動検出するコンテンツモデレーションが不可欠である。CNNによるフィルタリングや、ハッシュ値による既知の違反画像の照合などが運用されている。
4.3 医療と科学
画像は医療診断や科学研究において、人間の目では捉えられない情報を可視化する重要なツールである。
4.3.1 医用画像（MRI, CT, 顕微鏡）
MRI（磁気共鳴画像法）は強力な磁場と電波を用いて体内の軟組織を詳細に描出する。CT（コンピュータ断層撮影）はX線を多方向から照射して断層画像を得る。顕微鏡画像（光学顕微鏡、電子顕微鏡）は細胞や組織の微細構造を観察するために用いられる。これらの画像は、セグメンテーションや3次元再構成によって診断支援や研究に活用されている。
4.3.2 リモートセンシングと衛星画像
人工衛星や航空機に搭載されたセンサーで取得されるリモートセンシング画像は、地球観測や環境モニタリングに不可欠である。可視光だけでなく赤外線やレーダー画像も利用され、植生の状態、地質構造、都市の変化、災害状況などを解析する。高解像度画像は地図作成や農業、防災など多岐にわたる分野で応用されている。
4.4 画像と文化
画像は現代のポップカルチャーや日常の遊び心に深く根付いている。
4.4.1 インターネットミーム（画像マクロ、ドロー画像）
インターネットミームの多くは画像を基盤とする。画像マクロ（画像にテキストを重ねたもの）は「ドレイクのホットライン」「ディストラクテッドボーイフレンド」など、テンプレート化された画像が広く使われる。ドロー画像（描画ソフトで簡単に描かれたイラスト）もミームとして人気であり、画像の加工・共有がユーモアの表現手段として定着している。
4.4.2 ソーシャルフィルターと遊び心のある画像加工
スマートフォンアプリのフィルター機能（Snapchatのレンズ、Instagramのフェイスフィルターなど）は、顔を動物に変えたり、背景を合成したりする遊びを提供する。これらは画像処理のAR（拡張現実）技術を応用したもので、ユーザー同士のコミュニケーションや自己表現の一部として楽しまれている。また、写真を漫画風に変換するアプリや、AIで年齢・性別を変化させる加工も親しまれている。
5 画像に関わる課題と未来
5.1 著作権とライセンス（クリエイティブコモンズなど）
画像の利用には著作権法が適用され、無断使用は法的問題を引き起こす。クリエイティブコモンズ（CC）ライセンスは、作者が一定の条件下で二次利用を許可する仕組みであり、CC0（パブリックドメイン相当）からCC BY-NC-ND（表示・非営利・改変禁止）まで段階がある。ストックフォトサイト（Shutterstock、Unsplashなど）も画像の合法的な流通を支えているが、AI生成画像の著作権帰属や、学習データとしての画像利用に関する議論が新たな課題となっている。
5.2 フェイク画像とディープフェイク対策
画像編集技術の高度化に伴い、フェイク画像（偽造写真・改ざん写真）の作成が容易になった。特にディープフェイク（顔交換や表情操作をAIで行った動画・画像）は、個人の名誉毀損や偽情報拡散のリスクを生む。対策として、画像の真正性を検証する技術（電子署名、デジタルウォーターマーク、画像フォレンジクス）や、ブロックチェーンを利用した出典管理、AIによる偽造検出システムの研究が進められている。
5.3 技術的トレンド（高ダイナミックレンジ、超解像、圧縮技術の革新）
画像技術の未来は、さらなる高画質化と効率化を目指している。高ダイナミックレンジ（HDR）は、明るい部分と暗い部分の階調を広げ、人間の視覚に近いリアルな画像を実現する。超解像技術は、低解像度画像から高解像度の詳細を推定・復元するもので、深層学習ベースの手法が飛躍的に性能を向上させた。圧縮技術では、AVIFやJPEG XLのような次世代形式が普及しつつあり、より少ないデータで高品質な画像を伝送できるようになる。これらの進展は、ストリーミング、遠隔医療、VR/ARなど、画像を基盤とするあらゆる分野に恩恵をもたらすと期待される。