カラーをグレースケールにする ― なぜOCRで白黒にするのか

導入

OCR の前処理の第一歩は、たいてい グレースケール化（色を捨てて明るさだけにする）です。文字を読むのに色は不要で、むしろ計算量を1/3に減らし、後の二値化をやりやすくするからです。

説明

from PIL import Image, ImageDraw, ImageFont
import numpy as np
import matplotlib.pyplot as plt

# カラーの文字画像を用意
img = Image.new("RGB", (280, 100), "white")
draw = ImageDraw.Draw(img)
draw.text((15, 25), "Gray", fill=(0, 120, 220), font=ImageFont.load_default(size=52))

gray = img.convert("L")      # "L" = 明るさ(luminance)だけの1チャンネル画像
arr = np.array(gray)
print("カラーの形:", np.array(img).shape)   # (100, 280, 3)
print("グレーの形:", arr.shape)             # (100, 280) ← チャンネルが消えた

fig, ax = plt.subplots(1, 2, figsize=(8, 3))
ax[0].imshow(np.array(img));            ax[0].set_title("color");  ax[0].axis("off")
ax[1].imshow(arr, cmap="gray");         ax[1].set_title("gray");   ax[1].axis("off")

• img.convert("L") … 画像をグレースケールに変換します。"L" は「明るさ」を意味するモードです。
• グレー画像の配列は (高さ, 幅) の2次元。チャンネルが1つになり、1ピクセル＝1つの明るさ値（0〜255）になります。
• plt.subplots(1, 2) で、カラーとグレーを左右に並べて比べています。

色の情報を捨てても、文字の形（明暗の差）は残ります。OCR にとって大事なのは「背景と文字の明るさの差」なので、これで十分なのです。

やってみよう

fill=(0, 120, 220)（青）を別の色に変えても、グレースケールにすると似た明るさになることを確かめましょう。色より「濃さ」が効いていると分かります。

演習

上のコードのグレー画像 arr について、一番暗いピクセルの値（最小値）を print してください。