フォルスカラー（またはフォールスカラー）とは、記録された画像をカラーで表示するために用いられる色彩方式の一群を指します。一般に「擬似カラー」「偽色」とも呼ばれ、画像の物理的・計測的な値と表示される色が一致しないものを指します。擬似カラー画像とは、写真とは異なる色で被写体を表現した画像のことであり、可視化や解析を容易にするために色を割り当てている点が特徴です。

定義と基本概念

トゥルーカラーと呼ばれる画像は、人間の目で見る色に近い形で表現されます。具体的には、可視光域の3つのバンド（おおむね青: 0.45 μm、緑: 0.55 μm、赤: 0.6 μm付近）をそれぞれ画像の青・緑・赤チャネルに割り当てて表示したものがトゥルーカラー画像です。カラーで撮影した写真は、フィルムに写ったままの色、あるいはデジタルカメラのセンサーに写ったままの色が表示されます。これがトゥルーカラー画像と呼ばれるものです。

一方でフォールスカラー（偽色）イメージでは、フィルムやセンサーが記録した波長や強度と、画像に写っている色が一致しません。例えば近赤外（NIR）バンドを赤チャネルに割り当てることで、植生が赤く強調される表現（カラー合成）が代表的です。こうした色付けは、元データの持つ情報（反射率、放射強度、バンド差など）を視認しやすくするために行われます。

生成方法（主な手法）

  • バンド合成（RGB合成）: 複数のスペクトルバンドをそれぞれ赤・緑・青チャネルに割り当てる方法。例：NIRを赤、赤を緑、緑を青に割り当てる「疑似カラー合成」で植生を強調。
  • 疑似カラーマップ（LUT）の適用: 単一バンド（例：グレースケール画像）に対してルックアップテーブル（LUT）を用い、数値値にカラーを対応させる方法。温度分布や標高の可視化で多用される。
  • 指標マッピング: NDVIなどの算出結果（例：NDVI = (NIR − Red) / (NIR + Red)）をカラーマップで表示し、植生や湿潤度などを強調。
  • ヒストグラム正規化・ストレッチ: コントラストを調整して色の分布を改善し、表示しやすくする前処理。
  • 分類結果の色付け: 分類アルゴリズム（クラスタリング、教師あり分類など）で得られたクラスに任意の色を割り当てる方法。

用途（よく使われる分野）

  • リモートセンシング・衛星画像解析：植生、土壌、都市域の解析。近赤外を使ったフォルスカラーは植生の識別に有効。
  • 医用画像処理：CTやMRIのグレースケール画像にカラーマップを当て、病変や血流などを視認しやすくする。
  • 熱画像（サーモグラフィ）：温度を色で表して問題箇所を迅速に把握。
  • 顕微鏡・天文学：可視外の波長情報を可視化して構造や成分を解析。
  • 工業検査・非破壊検査：応力分布や表面欠陥を色で強調。
  • 地形解析：標高や傾斜、流水解析などで擬似色を使い地形構造を分かりやすく表示。

長所と注意点

  • 長所：肉眼で判別しづらい情報を強調できる、複数バンドの情報を同時比較できる、解析や分類の前処理として有効。
  • 注意点：色はデータの物理量を直接表すものではないため誤解を招きやすい。カラーマップの選択や凡例（スケール）を明示することが必須。特に色覚多様性（色覚特性、色弱）に配慮したカラースキームの使用が望ましい。
  • 可視化バイアス：過度に強調された色は定量分析を惑わせることがあるため、元データの範囲や正規化方法を明示する。

実務上の作成手順（簡易ガイド）

  1. 目的の明確化：何を強調したいか（植生、温度差、材質差など）を決める。
  2. バンド選定：適切な波長（バンド）を選ぶ。例えば植生強調ならNIRを使用。
  3. 前処理：放射補正、幾何補正、ノイズ除去、ヒストグラムストレッチなどを実施。
  4. チャネル割当：選んだバンドをRGBチャネルに割り当てる、または単一バンドにLUTを適用する。
  5. カラーマップ選択：目的と閲覧者を考慮して選ぶ（順序性が必要なら連続カラーマップ、カテゴリ分けなら離散カラーパレット）。
  6. 凡例とメタデータの付加：スケール、レンジ、正規化方法を明示する。
  7. 評価：解釈が適切か、誤解を招く表現がないかを確認する。

代表的なカラーマップとツール

よく使われるカラーマップに「jet（虹色）」「viridis」「plasma」「hot」などがあります。近年は色覚多様性に配慮した「viridis」系の使用が推奨されます。フォルスカラー画像の作成・解析はQGIS、ArcGIS、SNAP、ENVI、ImageJ、Python（matplotlib、rasterio）など幅広いソフトウェアで可能です。

まとめ

フォルスカラー（偽色）は、元データの情報を視覚的に強調・分離する強力な手法です。正しい目的設定、適切なバンド選択、カラーマップと凡例の明示を行えば、解析や報告で大きな助けになります。一方で「色は作為的に割り当てられている」ことを常に意識し、定量解析の基礎として用いる際は元データや処理方法を明確に伝える必要があります。