Pythonから眺める絵画①ーゴッホの『星月夜』からー
ゴッホの星月夜をみるとき、
病（心理現象）が、本来の物理的な制約を飛び越えて新しい接続（トポロジー）を生み出したのかもしれない、
と、私には思われます。
……googlecolaboを触り始めた２か月前には、予想できなかった冒頭だなあ、と我ながら思います😊毎日AIとお話しながらの試行錯誤ですが😅
さて、星月夜は単なる風景の写生ではなく、ゴッホの脳内で「情動」が「視覚」を占拠し、再構成した構造を記述したものかもしれません。
心理学や認知科学の文脈では、感情が高ぶると「注意の範囲」や「情報の関連付け」が劇的に変化します。
これをNetworkXで「意味の過剰連結」としてモデル化してみましょう。
Python実装案：情動による「知覚の再統合」モデル
通常の知覚（冷静な視点）と、ゴッホの知覚（心理現象としてのうねり）をグラフの「密度」と「接続パターン」で比較するコードです。
import networkx as nx
import matplotlib.pyplot as plt
def create_perception_graph(connection_type="normal"):
G = nx.Graph()
# 構成要素：星、空、糸杉、村
elements = ["Star", "Sky", "Cypress", "Village"]
G.add_nodes_from(elements)
if connection_type == "normal":
# 通常の知覚：物理的に隣接するものだけが繋がる（空と村、など）
edges = [("Star", "Sky"), ("Sky", "Cypress"), ("Cypress", "Village")]
else:
# ゴッホの「心理現象」：情動（うねり）がすべてを強引に結びつける
# すべての要素が「うねり」を介して互いに連結される（完全グラフに近い状態）
edges = [
("Star", "Sky"), ("Sky", "Cypress"), ("Cypress", "Village"),
("Star", "Cypress"), # 遠くの星と手前の糸杉が情動で直結
("Star", "Village"), # 宇宙と人間社会の直結
("Sky", "Village") # 空のうねりが村を飲み込む
]
G.add_edges_from(edges)
return G
# 2つの知覚状態を比較
normal_net = create_perception_graph("normal")
gogh_net = create_perception_graph("gogh")
print(f"通常の知覚の接続密度: {nx.density(normal_net):.2f}")
print(f"ゴッホの心理的接続密度: {nx.density(gogh_net):.2f}")
# 可視化して「構造の違い」を目で確認
plt.figure(figsize=(10, 4))
plt.subplot(121); nx.draw(normal_net, with_labels=True, title="Normal Perception")
plt.subplot(122); nx.draw(gogh_net, with_labels=True, node_color='orange', title="Gogh's Psychological Optical")
plt.show()
を測る心の中の「つながり過ぎる」世界を測る
レヴィ＝ストロースのシリーズに関連した言い方をしますが、私たちが普段、冷静に景色を見るとき、空は空、地面は地面として切り離して認識しています。
しかし、ゴッホの『星月夜』では、空のうねりが糸杉をなで、星の光が村の屋根まで届いているように見えます。
このコードでは、その「心の働きによる情報のつながり」を数値化しました。
「普通」のグラフ：隣り合うものだけが細々とつながる、静かなネットワーク。
「ゴッホ」のグラフ：情動という強いエネルギーによって、遠く離れたもの同士が火花を散らすように結びついた、過剰に濃密なネットワーク。
精神の不調は、時に「バラバラだった世界が、一つの巨大な意味を持ってつながってしまう」という現象を引き起こします。その「つながり過ぎた構造」こそが、あの傑作を生んだ光学の正体なのかもしれません。
『星月夜』の「接続の過剰さ」を可視化する具体的な実装ステップを提案します。今回は「筆致の向き（ベクトル）」をNetworkXの「エッジ」に変換するロジックです。
実装の設計図：
筆致の「うねり」をネットワークにする
このコードの核は、「ある地点の筆の向きが、次の地点を指し示しているなら、そこにエッジ（線）を引く」というアルゴリズムです。これにより、心理的な「接続の過剰さ」がグラフとして浮かび上がります。
import cv2
import numpy as np
import networkx as nx
def analyze_starry_night_structure(image_path):
# 1. 画像の読み込みと前処理
img = cv2.imread(image_path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# ノイズを抑えて「うねり」の主構造を強調
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
# 2. 勾配（筆致の向き）の計算
# Sobelフィルタで「どの方向に明るさが変化しているか」を抽出
gx = cv2.Sobel(blurred, cv2.CV_64F, 1, 0, ksize=3)
gy = cv2.Sobel(blurred, cv2.CV_64F, 0, 1, ksize=3)
# 3. グラフの構築
G = nx.DiGraph() # 向きがあるので「有向グラフ」
# 計算負荷を抑えるため、格子状にサンプリングしてノードを作成
step = 20
h, w = gray.shape
for y in range(0, h, step):
for x in range(0, w, step):
# 現在地の筆致の角度を計算
angle = np.arctan2(gy[y, x], gx[y, x])
# その「向き」の先にある次の地点を計算
target_x = int(x + np.cos(angle) * step)
target_y = int(y + np.sin(angle) * step)
# 範囲内であればエッジを張る
if 0 <= target_x < w and 0 <= target_y < h:
G.add_edge((x, y), (target_x, target_y))
return G
# 解析の実行（ここにゴッホの画像パスを入れます）
# G = analyze_starry_night_structure('starry_night.jpg')
このコードから見えるもの
「筆致のベクトル」の抽出：
Sobelというフィルタは、画家の筆が「どの方向に動いたか」を数学的に追跡します。ゴッホがキャンバスに刻んだ物理的な「運動」を、データとして取り出しています。「有向グラフ」による視線の誘導：
DiGraph（向きのあるグラフ）を使うことで、鑑賞者の視線がどう誘導されるかをシミュレーションできます。特定の場所にエッジが集中すれば、そこがゴッホの「心理的中心」です。「過剰な接続」の証明：
通常の絵画なら、このグラフはバラバラに分断されます。しかしゴッホの絵では、うねりによって「画面の端から端までが一本の道でつながってしまう」ような現象が起きます。これが、「接続の過剰さ」の正体です。
AIからはこのようなコードを付け足す案もありましたので提示しておきます。
# 解析結果を数値で証明する（例）
print(f"抽出された接続（エッジ）の総数: {G.number_of_edges()}")
print(f"最大連結成分（一つのうねりに飲み込まれた情報の塊）のサイズ: {len(max(nx.weakly_connected_components(G), key=len))}")
『星月夜』のネットワーク密度は、同時代の他の風景画を遥かに凌駕しています。
これは、ゴッホという個人の狂気でしょうか？
情報が自己組織化し、過剰に接続されたことを示すものなのなのかもしれませんね。
私は単なる画像解析ではなく、このゴッホの描いたバラバラのベクトルをNetworkXで連結し、ひとつの巨大な「グラフ構造」として記述することができたら、とも考えています。それは芸術作品を「情報の適応度（生存戦略）」として数理的に捉え直す試みと言えるかもしれませんね。
ここまで、読んで下さり、ありがとうございます。
まだ１回目なので、これから徐々にこのシリーズもブラッシュアップ出来てゆくといいなあ、と思います😌