🎨 絵画色検索システム

絵画画像を色で検索できるデスクトップアプリケーション（Streamlit使用）

概要

このアプリケーションは、画像コレクションから特定の色を含む画像を簡単に検索できるツールです。k-meansクラスタリングを使用して各画像から代表色を抽出し、色の類似度で検索を行います。

主要機能

1. 画像スキャン機能

• 指定フォルダ内の画像ファイル（.jpg, .jpeg, .png）をスキャン
• k-meansクラスタリングで各画像から代表色を3色抽出
• 画像情報と色情報をSQLiteデータベースに保存
• プログレスバーで進捗を表示

2. 色検索機能

• カラーピッカーで検索したい色を選択
• 選択した色と各画像の代表色との距離を計算（ユークリッド距離）
• 距離が近い順に画像を表示

3. 結果表示機能

• サムネイルグリッド形式で表示（4列）
• 各画像の代表色3色をカラーチップで表示
• 検索色との距離値を表示

技術スタック

• Python 3.10+
• Streamlit - UIフレームワーク
• SQLite - データベース
• Pillow - 画像処理
• scikit-learn - k-meansクラスタリング
• numpy - 数値計算

インストール

前提条件

• Python 3.10以上
• uv パッケージマネージャー

uvのインストール

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

1. リポジトリのクローン

git clone <repository-url>
cd color-checker

2. 依存パッケージのインストール

# 仮想環境を作成し、依存パッケージをインストール
uv sync

使い方

1. アプリケーションの起動

uv run streamlit run app.py

ブラウザが自動的に開き、アプリケーションが表示されます（通常は http://localhost:8501）

2. 画像の準備

1. プロジェクト内に画像用フォルダーを作成（例: images, paintings など）
2. そのフォルダーに絵画画像をコピー（.jpg, .jpeg, .png対応）

デフォルトフォルダー:

• images/ フォルダーが既に用意されています
• ここに画像を配置すれば、すぐに使い始められます

3. 画像のスキャン

方法1: プロジェクト内のフォルダーから選択（推奨）

1. サイドバーに表示されているフォルダーボタンをクリック
   • 例: 📁 images
2. フォルダーが見つかると ✓ マークが表示されます
3. 「🔄 スキャン実行」ボタンをクリック
4. プログレスバーで進捗を確認

方法2: フォルダー名を入力

1. サイドバーの「またはフォルダー名を入力」欄にフォルダー名を入力
   • 例: images, paintings
2. フォルダーが存在しない場合は、作成ボタンが表示されます
3. 「🔄 スキャン実行」ボタンをクリック

4. 色で検索

1. メインエリアのカラーピッカーで検索したい色を選択
2. 表示件数をスライダーで調整（5〜50件）
3. 「🔍 検索実行」ボタンをクリック
4. 結果がグリッド形式で表示されます

5. データベースのクリア

サイドバーの「🗑️ データベースをクリア」ボタンで、保存されている全ての画像情報を削除できます。

ファイル構成

color-checker/
├── app.py              # Streamlitメインアプリケーション
├── db.py               # データベース操作
├── color_extractor.py  # 色抽出ロジック
├── pyproject.toml      # プロジェクト設定（uv管理）
├── database.db         # SQLiteデータベース（自動生成）
├── .gitignore          # Git除外設定
├── README.md           # このファイル
└── images/             # 画像フォルダー（デフォルト）
    └── README.md       # 画像配置の説明

データベース構造

テーブル: images

カラム名	型	説明
id	INTEGER	主キー（自動採番）
file_path	TEXT	画像ファイルの絶対パス
file_name	TEXT	ファイル名
color1_r, color1_g, color1_b	INTEGER	代表色1のRGB値
color2_r, color2_g, color2_b	INTEGER	代表色2のRGB値
color3_r, color3_g, color3_b	INTEGER	代表色3のRGB値
scanned_at	TIMESTAMP	スキャン日時

アルゴリズム

色抽出（k-means clustering）

1. 画像を読み込み、RGB形式に変換
2. 処理速度向上のため最大800pxにリサイズ
3. 全ピクセルのRGB値を取得
4. k-meansクラスタリング（k=3）で代表色を抽出
5. クラスタ中心をRGB値として取得

色距離計算（ユークリッド距離）

distance = √((R1-R2)² + (G1-G2)² + (B1-B2)²)

各画像について：

1. 3つの代表色それぞれと検索色との距離を計算
2. 最小距離を画像の距離値とする
3. 距離値でソートして上位N件を返す

パフォーマンス

• 処理速度: 30枚で約10秒以内（画像サイズや環境により変動）
• 推奨画像数: 30〜100枚（テスト規模）
• 最大画像サイズ: 処理時に800pxにリサイズ

エラーハンドリング

• 読み込めない画像はスキップし、ログに記録
• ファイルが存在しない場合は警告を表示
• データベースエラーは適切にキャッチして通知

今後の拡張予定（v2以降）

• タグ機能の追加
• AI画像認識との統合
• 複数色同時検索
• 2000枚規模対応の最適化
• 色空間の改善（Lab色空間など）

ライセンス

MIT License

開発者向け情報

モジュール構成

• app.py: Streamlit UI、メインロジック、検索処理
• db.py: SQLite操作（初期化、挿入、取得、クリア）
• color_extractor.py: k-means色抽出、距離計算

ログ設定

各モジュールでloggingを使用してエラーや処理状況を出力しています。

トラブルシューティング

画像が表示されない

• 画像ファイルのパスが正しいか確認
• ファイルが移動・削除されていないか確認

スキャンが遅い

• 画像サイズが大きすぎる可能性（自動でリサイズされます）
• 画像数が多い場合は時間がかかります

データベースエラー

• database.dbファイルの権限を確認
• 「データベースをクリア」で初期化を試してください

お問い合わせ

問題や質問がある場合は、GitHubのIssuesにご報告ください。