MENU
Patent Insights for Tomorrow's Technology
  1. ホーム
  2. 人工知能
  3. 水中モードはここまで賢くなる：領域分割で進化する次世代「色補正」技術

水中モードはここまで賢くなる：領域分割で進化する次世代「色補正」技術

人工知能
目次

1. はじめに

海やプールで撮った写真が「青い」「緑っぽい」と感じるのは、撮影者の腕というより、水の中で光が減衰して“色の材料”が足りなくなることが原因です。これまではホワイトバランスを変えたり、赤みを足したりする一括の補正が中心でした。

ところが最近は、補正のやり方そのものが変わりつつあります。キーワードは、写真を一枚の絵としてまとめて直すのではなく、画像をいくつかの領域に分け、領域の性質に合わせて補正量を変えるという考え方です。たとえば「水の領域」「被写体の領域」「砂地や岩場の領域」では、同じ補正をかけると違和感が出やすいからです。

本記事では、水中撮影の色補正を題材に、領域分割・深度連動・照明制御・参照情報の活用といった観点から、次世代の技術トレンドを分かりやすく整理します。

2. 領域分割が変える「水中色補正」の基本発想

2-1. なぜ水中は青くなる？：赤が先に消える物理

水中では波長（色）ごとに吸収されやすさが違い、一般に赤系の光ほど早く弱くなります。その結果、深くなるほど青〜緑が相対的に残り、写真全体が青緑寄りになりやすくなります。

出典：PBS LearningMedia (https://image.pbs.org/poster_images/assets/buac20-img-oceancolorabsorb-poster.png)

2-2. 一括補正の限界：同じ「青み」でも場所によって原因が違う

一括補正は手軽ですが、水中では外れやすい場面があります。理由は、色の崩れ方が「深度」だけで決まらず、透明度（濁り）、太陽光の向き、被写体までの距離などでも変わるからです。さらに、前景の被写体と背景の水では、同じ補正をかけるとどちらかが破綻しやすいという問題もあります。

2-3. そこで領域分割：画像を“状況別”に扱う

領域分割の発想は、「この部分は水」「ここは被写体」「ここは地形」のように、画面を状況別に整理してから補正することです。すると、たとえば水の領域は自然さ重視、被写体領域は肌色や質感重視、といったように、同じ1枚の中でも狙いを分けた補正が可能になります。

3. 特許から見る技術革新

3-1. 深度に応じて補正パラメータを更新し続ける：水中動画の現実解

水中動画で厄介なのは、泳いだり潜ったりするだけで深度が連続的に変わり、色の崩れ方も動き続ける点です。そこで、深度（圧力）などの情報に基づいて色補正パラメータ（色補正行列など）を繰り返し更新し、録画を止めずに補正を追従させる考え方が提案されています。

対象特許：US20190306481A1 (https://patents.google.com/patent/US20190306481A1/en)

3-2. 画像処理だけに頼らない：照明を制御して「写る色」を増やす

後処理で赤を上げると、情報がない部分はノイズも増えがちです。そこで、複数の光源（スペクトルの違う光）を使い、深度や距離などに応じて照明出力を調整して、色再現を改善する技術が提案されています。

対象特許：US8106944B2 (https://patents.google.com/patent/US8106944B2/en)

出典：DivePhotoGuide (https://www.divephotoguide.com/fitch/data/images/483514305.jpg)

3-3. 参照情報で「本来の色」を推定する：物体ライブラリ＋認識

もう一つの方向性が、被写体（物体）を同定し、参照ライブラリなどと照合して色を推定するアプローチです。領域や物体の種類が分かれば、単なる一括補正ではなく、被写体の“あり得る色”に寄せる戦略が取りやすくなります。

対象特許：US11164291B2 (https://patents.google.com/patent/US11164291)

4. 応用分野・実用化

4-1. アクションカメラ：撮りながら自然に見える方向へ

深度に応じて補正を更新する流れは、動画の体験を直接変えます。編集で直す前提ではなく、撮影中に“見える色”へ寄せる方向です。領域分割と組み合わせれば、前景の被写体を優先して整える、といった賢さも設計しやすくなります。

4-2. 水中ドローン・ROV：点検で「見える」が価値になる

港湾設備や船体、養殖網、海中構造物の点検では、写真的な美しさよりも「欠陥が見えるか」が重要です。照明制御は、暗所や濁りのある現場で特に効果が出やすく、撮像段階から情報量を稼ぐ戦略になります。

4-3. 解析AIの前処理：色補正は“認識精度”にも効く

水中は散乱や吸収の影響が大きく、AIの検出・分類・セグメンテーションが不安定になりがちです。そのため、水中の画像形成モデルを見直して復元する研究や、色補正の学習ベース手法が継続的に提案されています。

5. 課題と展望

5-1. 現在の課題：水質と光条件が違うと「正解の補正」も変わる

同じ深度でも、透明度や環境光で色の崩れ方は変わります。領域分割も万能ではなく、分類が外れると不自然さが出ます。実用化では、センサー情報の併用、過補正の検知、破綻時の安全側の戻し方まで含めた設計が重要になります。

5-2. 研究の最前線：形成モデル・復元・学習ベースの統合

水中の見え方は、色の偏りだけでなく散乱やぼけも絡みます。形成モデルの見直し（CVPR 2018）や復元（CVPR 2019）に加え、学習ベースの色補正も提案されています。

5-3. 未来の展望：領域分割は「カメラの標準部品」になっていく

領域分割と色補正の組み合わせは、水中に限らず、逆光や夜景など“難しい撮影条件”で効きます。今後は、端末内で軽量に領域分割を回し、深度や照明制御と連携して、状況に応じて補正を配る設計が標準化していく可能性があります。

あわせて読みたい

画像処理の現場では「まず位置合わせ（アライメント）」ができないと、後段の補正や検査が安定しません。画像を揃える技術の系譜も合わせて読むと、同じ“画像処理の設計思想”が見えてきます。

Mirai Patent
半導体検査の『写真合わせ』技術：画像アライメントが支える次世代チップ製造 | Mirai Patent 1. はじめに 私たちが日々使うスマートフォンやコンピューターの中には、数十億個ものトランジスタが詰め込まれた半導体チップが入っています。これらのチップは、髪の毛の…

6. 結論

水中の色補正は、全体一括のホワイトバランスから、画像を領域分割して「水・被写体・背景」ごとに補正を配る設計へ移っています。この流れでは、深度・距離などの推定情報を使い、撮影中に補正を更新して動画でも環境変化に追従しやすくなります。

次世代は後処理だけで完結させず、照明制御やセンサー側の設計も含めて“撮影系全体”で色再現を底上げする方向が重要です。一方で、領域推定が外れると補正の違和感が目立つため、「本来の色」をどう推定するかが品質の分かれ目になります。

総合すると、水中モードは「色を足す」技術から「環境を理解して補正を配分する」信頼できる見え方を安定して出す技術へと進化しているのです。

関連アイテム

『増補改訂版 図解でわかる はじめてのデジタル画像処理』
水中写真が青や緑に寄りやすい理由（色のしくみ）から、濃度変換・フィルタ処理・色補正といった画像処理の基本を図解でつかめる入門書です。この記事で扱った「画像を領域に分けて、領域ごとに補正量を変える」という考え方を理解するための土台づくりにおすすめです。

Amazonで見る

参考文献

テーマに近い関連する特許文献

記事を作成するにあたり参考にした文献

※ 記事は公開されている特許情報および学術研究をもとに作成しています。図版は各出典元から引用しています。

人工知能
カメラ技術 コンピュータビジョン 技術革新 最新技術 次世代技術 特許分析 画像処理
よかったらシェアしてね！
  • URLをコピーしました！
  • URLをコピーしました！

コメント

コメントする

目次