CN100592337C - 图像处理装置和图像判断方法 - Google Patents

图像处理装置和图像判断方法 Download PDF

Info

Publication number
CN100592337C
CN100592337C CN200680001166A CN200680001166A CN100592337C CN 100592337 C CN100592337 C CN 100592337C CN 200680001166 A CN200680001166 A CN 200680001166A CN 200680001166 A CN200680001166 A CN 200680001166A CN 100592337 C CN100592337 C CN 100592337C
Authority
CN
China
Prior art keywords
mentioned
image
evaluation
estimate
edge
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN200680001166A
Other languages
English (en)
Other versions
CN101052994A (zh
Inventor
阿部博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Publication of CN101052994A publication Critical patent/CN101052994A/zh
Application granted granted Critical
Publication of CN100592337C publication Critical patent/CN100592337C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6825—Hand
    • A61B5/6826—Finger
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)
  • Collating Specific Patterns (AREA)

Abstract

提供一种可以恰当地判断图像中是否包含规定的被摄体的像的图像处理装置和图像判断方法、以及在该图像处理装置中执行的程序。强调拍摄图像的边缘，根据该强调了边缘的图像中包含的像素的值取得与拍摄图像中包含的边缘的强度和/或量相关的评价值Ev。根据所取得的该评价值Ev来判断在拍摄图像中是否包含规定的被摄体FG的像。可以正确判断在拍摄图像中是否包含规定的被摄体FG的像。另外，也可以根据评价值Ev判断该被摄体FG的像是否适合于规定的用途(例如生物体认证的模板用图像)。

Description

图像处理装置和图像判断方法
技术领域
本发明涉及一种判断图像中是否包含规定的被摄体的像的图像处理装置及其判断方法和程序。
本发明涉及一种例如，判断在为了进行生物体认证而拍摄的图像中是否包含生物体的像的图像处理装置。
背景技术
随着利用了网络的信息通讯的发展，人们正在寻求安全性更高的个人认证系统。
生物测定学认证(生物体认证)是根据从人的身体特征，例如指纹、声波纹、视网膜、手指的静脉图案等得到的信息，来判断此人是否为登记者本人，因此，具有可以大幅降低他人冒充本人的情况的优点。
日本特开2004-329825号公报中记载了一种通过拍摄近红外线照射下的手指的血管图案、并将其与预先登记的血管图案相对照来进行个人认证的装置。
发明内容
发明要解决的问题
在根据生物体的图像进行个人认证的情况下，需要首先拍摄本人的生物体图像，从中抽出确定个人的必要信息，将其作为认证信息登记到相应的装置中。以下将为了认证而取得的生物信息称为“模板”。
个人认证根据该模板来进行，因此如果模板用图像中没有包含表示登记者的身体特征，例如血管图案的合适的像，则认证的可靠性就会显著下降。例如，在将手指的血管图案的图像作为模板登记时，如果误将手指以外的部分的图像登记了的话，就会发生登记者本人无法通过认证，或者其他的人可以通过认证的问题。
例如由认证信息的管理者通过目测核对所取得的模板是否合适。然而，目测的核对存在由个人判断的偏差而导致的不能确保认证的可靠性的缺点。另外，在大量处理认证信息的情况下，用目测来一个一个地核对模板用图像的方法还存在工作效率非常低的缺点。
因此，期望提供可以恰当地判断图像中是否包含规定的被摄体的像的图像处理装置和图像判断方法以及在这样的图像处理装置中所执行的程序。
用于解决问题的方案
本发明的第1实施方式所涉及的图像处理装置，包括：边缘强调部，构成为强调图像的边缘；评价值取得部，构成为根据由上述边缘强调部强调了边缘的图像中包含的像素的值，取得与上述图像中包含的边缘的强度和/或边缘的量相关的评价值；判断部，构成为根据由上述评价值取得部所取得的评价值来判断上述图像中是否包含规定的被摄体的像；轮廓检测部，构成为从上述图像中检测上述被摄体的轮廓；以及区域确定部，构成为确定比由上述轮廓检测部检测出的轮廓靠内侧的区域。在这种情况下，上述评价值取得部也可以根据由上述边缘强调部强调了边缘的图像中的由上述区域确定部确定的区域中包含的像素的值，来取得上述评价值；以及，在使由上述轮廓检测部检测出的轮廓向设定在上述图像的平面上的多个规定方向分别仅移动了规定距离的情况下，上述区域确定部将向各个方向移动后的轮廓的内部共同包括的区域确定为比上述被摄体的轮廓靠内侧的区域；该图像处理装置包括图像取得部，该图像取得部构成为按顺序取得上述图像，上述边缘强调部按顺序强调由上述图像取得部取得的图像的边缘，上述评价值取得部按顺序取得由上述图像取得部取得的图像的评价值。在这种情况下，上述判断部也可以包括：第1判断部，将由上述图像取得部按顺序取得的上述图像的评价值与第1阈值进行比较，根据该比较结果判断上述所取得的图像中包含的边缘的强度和/或边缘的量是否达到了第1标准；以及第2判断部，在连续取得了规定数目的由上述第1判断部判断为达到了上述第1标准的上述图像的情况下，根据该规定数目的图像的评价值，决定用于规定超过上述第1标准的第2标准的第2阈值，将该规定数目的图像中的任何一个或接着该规定数目的图像之后取得的图像的评价值与上述第2阈值进行比较，根据该比较结果判断在该比较对象的上述图像中是否包含上述被摄体的像。
由此，可以根据比上述被摄体的轮廓靠内侧的区域中包含的像素的值来取得上述评价值。
根据上述第1实施方式所涉及的图像处理装置，通过上述边缘强调部强调上述图像的边缘。在上述评价值取得部中，根据该边缘被强调了的图像中包含的像素的值，取得与上述图像中包含的边缘的强度和/或边缘的量相关的评价值。然后，在上述判断部中，根据该所取得的评价值来判断上述图像中是否包含规定的被摄体的像。
上述评价值取得部，例如，也可以根据由上述边缘强调部强调了边缘的图像中包含的全部像素的值的总计来取得上述评价值。
或者，还可以根据由上述边缘强调部强调了边缘的图像中包含的全部像素中、边缘的强度超过规定阈值的像素值的总计来取得上述评价值。
另外，还可以根据由上述边缘强调部强调了边缘的图像中包含的全部像素中、边缘的强度超过规定阈值的像素的数目来取得上述评价值。
另外，还可以根据由上述边缘强调部强调了边缘的图像中包含的全部像素中、边缘的强度最高的像素的值来取得上述评价值。
而且，上述判断部也可以包括第3判断部，该第3判断部构成为将由上述评价值取得部按顺序取得的评价值，与规定超过上述第2标准的第3标准的第3阈值进行比较，根据该比较结果判断在该比较对象的图像中是否包含上述被摄体的像。
根据上述结构，在上述第1判断部中，将按顺序取得的图像的评价值与第1阈值相比较，根据该比较结果，按顺序判断上述所取得的图像中包含的边缘的强度和/或边缘的量是否达到了第1标准。在上述第2判断部中，在连续取得了规定数目的被判断为达到了上述第1标准的图像的情况下，根据该规定数目的图像的评价值决定用于规定超过上述第1标准的第2标准的第2阈值。在决定第2阈值时，将该规定数目的图像中的任何一个或接着该规定数目的图像之后取得的图像的评价值与上述第2阈值进行比较，根据该比较结果来判断在该比较对象的图像中是否包含上述被摄体的像。
另一方面，上述第3判断部将由上述评价值取得部按顺序取得的评价值与规定超过上述第2标准的第3标准的第3阈值进行比较，根据该比较结果判断该比较对象的图像中是否包含上述被摄体的像。
上述第1实施方式所涉及的图像处理装置，也可以包括信息输出部，该信息输出部构成为输出与由上述图像取得部按顺序取得的图像的评价值相关的信息。上述信息输出部，也可以输出与连续取得的由上述第1判断部判断为达到了上述第1标准的图像的数目相应的信息。
本发明的第2实施方式涉及判断图像中是否包含规定的被摄体的像的图像判断方法。该图像判断方法包括以下过程：第1过程，强调上述图像的边缘；第2过程，根据在上述第1过程中被强调了边缘的图像中包含的像素的值，取得与上述图像中包含的边缘的强度和/或量相关的评价值；第3过程，根据在上述第2过程中所取得的评价值，判断上述图像中是否包含上述被摄体的像；第4过程，从上述图像中检测上述被摄体的轮廓；以及第5过程，确定比在上述第4过程中检测出的轮廓靠内侧的区域。其中，根据由上述第1过程强调了边缘的上述图像中的由上述第5过程确定的区域中包含的像素的值，在上述第2过程中取得上述评价值；以及，在使由上述第4过程检测出的轮廓向设定在上述图像的平面上的多个规定方向分别仅移动了规定距离的情况下，在上述第5过程中将向各个方向移动后的轮廓的内部共同包括的区域确定为比上述被摄体的轮廓靠内侧的区域。该图像判断方法包括第6过程，按顺序取得上述图像；在上述第1过程中，按顺序强调由上述第6过程取得的上述图像的边缘；在上述第2过程中，按顺序取得由上述第6过程取得的上述图像的评价值，上述第3过程，包括以下过程：第7过程，将由上述第6过程按顺序取得的上述图像的评价值与第1阈值比较，根据该比较结果，判断上述所取得的上述图像中包含的边缘的强度和/或边缘的量是否达到了第1标准；以及第8过程，在连续取得了规定数目的由上述第7过程判断为达到了上述第1标准的上述图像的情况下，根据该规定数目的图像的评价值，决定规定超过上述第1标准的第2标准的第2阈值，将该规定数目的图像中的任何一个或接着该规定数目的图像之后取得的图像的评价值与上述第2阈值比较，根据该比较结果判断该比较对象的图像中是否包含上述被摄体的像。
根据上述第2实施方式所涉及的图像判断方法，在上述第1过程中，上述图像的边缘被强调，在上述第2过程中，根据该边缘被强调了的图像中包含的像素的值，取得与上述图像中包含的边缘的强度和/或量相关的评价值。然后，在上述第3过程中，根据该所取得的评价值判断在上述图像中是否包含上述被摄体的像。
本发明的第3实施方式涉及包括计算机的图像处理装置的程序，用于判断图像中是否包含规定的被摄体的像。该程序使上述图像处理装置执行以下步骤：第1步骤，强调上述图像的边缘；第2步骤，根据在上述第1步骤中被强调了边缘的图像中包含的像素的值，取得与上述图像中包含的边缘的强度和/或边缘的量相关的评价值；以及第3步骤，根据在上述第2步骤中所取得的评价值，判断上述图像中是否包含上述被摄体的像。
根据涉及上述第3实施方式的程序，在上述第1步骤中，上述图像处理装置强调上述图像的边缘。在上述第2步骤中，上述图像处理装置根据该边缘被强调了的图像中包含的像素的值，取得与上述图像中包含的边缘的强度和/或量相关的评价值。然后，在上述第3步骤中，上述图像处理装置根据该取得了的评价值，判断在上述图像中是否包含上述被摄体的像。
发明的效果
根据本发明，通过将图像中包含的边缘的强度和/或量作为评价值进行数值化，可以不依靠人的模糊判断而确切地判断该图像中是否包含规定的被摄体的像。
附图说明
图1是表示本发明的实施方式所涉及的图像处理装置的结构的一例的图。
图2(A)～(C)是表示对拍摄图像实施了边缘强调处理之后的结果的第1例的图。
图3(A)～(C)是表示对拍摄图像实施了边缘强调处理之后的结果的第2例的图。
图4(A)、(B)是表示从图2(A)～(C)、图3(A)～(C)所示的拍摄图像中检测被摄体的轮廓、确定其内侧的区域的示例的图。
图5(A)～(C)是表示通过掩模处理，将图4(B)所示的比轮廓靠内侧的区域从图3(B)所示的边缘强调处理之后的图像中切取出的一例的图。
图6(A)～(D)是表示在拍摄图像中包含规定的被摄体的情况和不包含规定的被摄体的情况的一例的图。
图7是将图6(C)所示的包含被摄体的拍摄图像中的像素值的分布，与图6(D)所示的不包含被摄体的拍摄图像中的像素值的分布进行比较的图。
图8(A)～(D)是在边缘强调处理之后的图像中，将阈值以下的像素值设为零的情况与不设为零的情况进行比较的图。
图9是在图8(A)～(D)所示的图像中，将规定的阈值以下的像素值设为零的情况下的评价值与不设置阈值的情况下的评价值进行比较的图。
图10是说明图1所示的图像处理装置中的评价值算出处理的一例的流程图。
图11是说明图1所示的图像处理装置中的模板登记处理的一例的流程图。
图12是表示在模板登记处理的执行中图像显示部的显示例的图。
附图标记说明
10：控制部；20：光源；30：光学系统；40：摄像部；50：图像显示部；60：操作部；70：存储部；101：图像取得部；102：轮廓检测部；103：区域确定部；104：边缘强调部；105；评价值取得部；106：判断部；1061：第1判断部；1062：第2判断部；1063：第3判断部；107：登记部；108：对照部；109：显示处理部。
具体实施方式
图1是表示本发明的实施方式所涉及的图像处理装置的结构的一例的图。
图1所示的图像处理装置，具有控制部10、光源20、光学系统30、摄像部40、图像显示部50、操作部60以及存储部70。
光源20产生对被摄体FG(在图1的例中是人的手指)进行照射的光线。该光线例如是具有600nm-1300nm左右波长的近红外线，具有对人体组织的透过性比较高，而且可以特别被血液中的血红蛋白吸收的性质。
光源20可用例如发光二极管、卤光灯等构成。
光学系统30将透过了被摄体FG的光导向摄像部40的受光面。在投影到摄像部40的受光面上的被摄体FG的像中，越粗的血管部分越暗。
摄像部40拍摄投影到受光面上的被摄体FG的像，并转换成图像数据输入到控制部10。摄像部40可用例如CCD(charge coupleddevice：电荷耦合器件)、CMOS(complementary metal oxidesemiconductor：互补金属氧化物半导体)传感器等摄像元件构成。
控制部10进行图像处理装置的整体动作的控制、各种信号处理。例如，根据从操作部60输入的用户指示，控制光源20的光线产生、摄像部40的图像拍摄以及图像显示部50的图像显示等。另外，进行与生物体认证有关的各种图像处理，如判断由摄像部40拍摄的图像中是否包含规定的被摄体的像的处理、将根据拍摄图像作成的模板登记到存储部70的处理、以及将拍摄图像与模板进行对照的处理等。
控制部10例如可由计算机构成，根据保存在存储部70中的程序PRG执行上述控制、信号处理。
图像显示部50显示与从控制部10提供的显示数据相应的图像。例如，根据从下述显示处理部109提供的显示数据显示有关模板用图像的信息。
操作部60是用于输入用户指示的接口，例如可由键、按钮、拨号盘、触摸屏、鼠标等输入设备构成。
存储部70存储在控制部10的计算机中执行的程序PRG、模板DAT。另外，存储在控制部10的处理中所使用的常数数据、在处理过程中需要暂时保持的变量数据等。
存储部70例如可由RAM(random access memory：随机存取存储器)、ROM(read only memory：只读存储器)、非易失性存储器、硬盘等存储装置构成。
说明控制部10的各个构成要素。
图1所示的控制部10，作为与图像处理有关的功能性构成要素，具有图像取得部101、轮廓检测部102、区域确定部103、边缘强调部104、评价值取得部105、判断部106、登记部107、对照部108以及显示处理部109。
图像取得部101是本发明的图像取得部和图像取得单元的一种实施方式。
轮廓检测部102是本发明的轮廓检测部和轮廓检测单元的一种实施方式。
区域确定部103是本发明的区域确定部和区域确定单元的一种实施方式。
边缘强调部104是本发明的边缘强调部和边缘强调单元的一种实施方式。
评价值取得部105是本发明的评价值取得部和评价值取得单元的一种实施方式。
判断部106是本发明的判断部和判断单元的一种实施方式。
图像取得部101按顺序取得由摄像部40拍摄的图像。即，在根据从操作部60输入的指示开始模板的登记处理、对照处理时，图像取得部101通过控制光源20、摄像部40的动作对被摄体FG进行近红外线照射，并按顺序拍摄其投影图像，按顺序取入拍摄图像的数据。
边缘强调部104强调由图像取得部101取得的图像的边缘。
在图像的边缘强调中，例如可使用高斯滤波器、拉普拉斯滤波器等图像滤波器。即，用高斯滤波器除去图像中包含的噪音成分之后，用拉普拉斯滤波器强调像素值的变化。由此来除去图像中包含的点状噪音成分，强调线状的边缘成分。
图2(A)-(C)是表示对被摄体FG的拍摄图像实施了上述高斯滤波器和拉普拉斯滤波器的边缘强调处理后的结果的第1例的图。
图2(A)表示边缘强调处理前的图像，图2(B)表示边缘强调处理后的图像。另外，图2(C)是将图2(B)所示的图像的像素值进行了3维图解得到的图。
从图2(A)～(C)的示例可知，对摄像部40所拍摄的图像实施边缘强调处理后，手指的血管(特别是静脉)部分的像素值比其他部分的突出。
图2(A)所示的边缘强调处理前的图像和图2(B)、(C)所示的边缘强调处理后的图像全都具有无符号的8比特的像素值。在通过高斯滤波器和拉普拉斯滤波器对具有8比特的像素值的图像进行了处理的情况下，该处理后的像素值会成为超过8比特的值。然而，图2(B)、(C)的例子是将处理之后的像素值限制为8比特，因此图2(A)所示的原图像的血管与图2(B)所示的边缘强调处理之后的图像的血管在视觉上的强度不太一致。即，无论是细、淡的血管，还是粗、浓的血管，在边缘强调处理之后的图像中其强度大致相同。
与此相对，图3(A)～(C)是表示通过高斯滤波器和拉普拉斯滤波器实施了相同的边缘强调处理之后的结果的第2例的图，与图2(A)～(C)所示的第1例的不同点在于，取消了边缘强调处理之后的像素值的比特限制。图3(A)表示边缘强调处理之前的图像，图3(B)、(C)表示边缘强调处理之后的图像。
比较图2(A)～(C)与图3(A)～(C)可知，在取消了像素值的比特限制的情况下，原图像中的浓淡差异在边缘强调处理之后的图像中敏感地表现出来，浓的血管的像素值大，淡的血管的像素值小。
为了将血管信息作为模板登记，必须抽出足够的能够用于认证的稳定的血管的像。因此，由摄像部40拍摄的图像中，最好尽量多地包含粗、浓的血管的像。
因此，边缘强调部104取消如图2(A)～(C)的图像所示那样的比特限制，将边缘强调处理之后的像素值的比特长设定为适当的长度。由此，由下述评价值取得部105取得的评价值Ev就成为更加恰当地表现是否是适合于模板的图像的值。
但是，在取消边缘强调处理之后的像素值的比特限制时，如上所述那样可以得到正确反映了血管浓淡的图像，另一方面，如图3(B)、(C)所示那样，不需要作为模板的手指的轮廓部分的边缘也被强调。特别是在被摄体FG的背景明亮的情况下，会表现得比血管的轮廓更强。在轮廓被过于强调时，即使作成沿着轮廓正确地切取被摄体FG的掩模，比轮廓更靠内侧的部分也会受到轮廓的影响，因此会降低下述评价值Ev的可靠性。
因此，下面要叙述的轮廓检测部102及区域确定部103生成用于切取确实比手指的轮廓靠内侧的区域的掩模，使得在排除了轮廓部分的影响的状态下取得评价值Ev。
轮廓检测部102从由摄像部40拍摄的图像中检测被摄体FG的轮廓。例如，通过用合适的差分运算来抽出拍摄图像的边缘部分的方法、利用恰当的阈值使拍摄图像二值化而使得被摄体FG与背景分离的方法等，检测出被摄体FG的轮廓。
区域确定部103确定比由轮廓检测部102检测出的轮廓靠内侧的区域，并生成将该确定了的区域从边缘强调处理之后的图像中切取出的掩模。
图4(A)、(B)是表示从图2(A)～(C)、图3(A)～(C)所示的拍摄图像中检测被摄体FG的轮廓，并确定其内侧区域的示例的图。
图4(A)表示由轮廓检测部102检测的被摄体FG的轮廓的一例。图4(A)的黑色部分表示被摄体FG的背景，白色部分表示被摄体FG的内部。另外，白色与黑色的边界相当于由轮廓检测部102检测出的轮廓。
图4(B)表示由区域确定部103确定的被摄体FG的内侧的区域的一例。图4(B)的白色部分表示由区域确定部103确定的被摄体FG内侧的区域。另外，灰色部分表示由轮廓检测部102检测出的轮廓的内部的由区域确定部103所确定的区域以外的部分。
在图4(A)、(B)的示例中，被摄体FG的轮廓由上下左右4个边构成。在被摄体FG的轮廓这样由多个边构成的情况下，区域确定部103例如可以使这些边向轮廓的内侧分别只移动规定距离。然后，将移动后的各个边所围成的区域确定为被摄体FG的内侧的区域。在图4(B)的例中，将上侧的边向图像的下方、下侧的边向图像的上方分别只移动距离dLR，并且将左侧的边向图像的右方、右侧的边向图像的左方分别只移动距离dUD。然后，将由移动后的4个边围成的区域确定为比被摄体FG的轮廓靠内侧的区域。
这样由区域确定部103确定的区域，确实与被摄体FG的轮廓分离。因此，即使是在如图3(B)、(C)所示那样轮廓的像素值异常高的情况下，其影响也几乎不会波及到区域的内部。所以，如果，通过掩模处理只从边缘强调处理之后的图像中切取由区域确定部103确定的区域，便可得到排除了轮廓影响的纯粹的血管的像。
在如上所述那样通过掩模处理切取出比被摄体FG的轮廓靠内侧的部分的情况下，位于轮廓附近的血管的像在求解评价值Ev时就会被从对象中排除。即，会失去一部分血管信息。然而，位于轮廓附近的血管的像容易随着手指的放置方式而变化，例如手指只要稍微转动就不会显示在拍摄图像中。这样的血管的像本来就是不适合于模板登记用的像，因此从通过掩模处理将其排除之后的结果中求解评价值Ev也不会出现问题。
评价值取得部105根据由边缘强调部104强调了边缘的图像中包含的像素的值，取得与从摄像部40输入的图像中包含的边缘的强度和/或量相关的评价值Ev。例如，算出边缘强调处理之后的图像中包含的全部像素的值的总计，将其作为评价值Ev取得。
但是，本实施方式所涉及的评价值取得部105根据边缘强调处理之后的图像中包含的全部像素中、由区域确定部103确定的被摄体FG的内部区域中所包含的像素的值来取得评价值Ev，在决定评价值Ev时不利用该区域外的像素的值。即，根据由区域确定部103生成的掩模所切取出的轮廓的内侧区域的像素值来取得评价值Ev。
图5(A)～(C)是表示从图3(B)所示的边缘强调处理之后的图像中，通过掩模处理切取图4(B)所示的轮廓的内侧区域的例的图。
图5(A)表示边缘强调处理之前的图像。另外，图5(B)、(C)表示通过掩模处理从边缘强调处理之后的图像中只切取出轮廓的内侧区域的图像。
在从边缘强调处理之后的图像中只切取出由区域确定部103确定了的区域时，如图5(B)、(C)的图像所示那样，排除了被摄体FG的轮廓的影响，仅浮现出存在于被摄体FG内部的血管的像。根据原图像中的血管的粗细、浓淡，该血管像的像素值出现较大变化。
评价值取得部105，将这样恰当地反映了血管的浓淡状态的图像中的像素值的总计作为评价值Ev算出。该评价值Ev就成为适合于作为模板用图像的表示被摄体FG的特征的值。
图6(A)～(D)表示由摄像部40拍摄的图像中包含被摄体FG的情况和不包含被摄体FG的情况的一例的图。
图6(A)表示包含被摄体FG的拍摄图像，图6(C)表示对该图6(A)所示的图像实施了边缘强调处理和掩模处理之后的图像。
图6(B)表示不包含被摄体FG的拍摄图像，图6(D)表示对该图6(B)所示的图像实施了边缘强调处理和掩模处理之后的图像。
由于在图6(A)的图像中清楚地显示出了手指内部的血管，因而在对其实施了边缘强调处理和掩模处理后的图6(C)的图像中，较强的边缘局部性地集中在血管部分。另一方面，由于在图6(B)所示的图像中完全没有显示出血管的像，缺乏浓淡，因此在对其实施了边缘强调处理和掩模处理后的图6(D)的图像中，整体分散着较弱的边缘，未出现与血管的像对应的明确的边缘。
在比较两者的像素值的总计时，图6(C)的图像是“2434244”、而图6(D)的图像是“1177685”。如此，在包含被摄体FG的情况和不包含被摄体FG的情况下，像素值的总计有较大的差异。因此，由评价值取得部105取得的评价值Ev(即，实施了边缘强调处理和掩模处理的图像的像素值的总计)，可以根据其值的差异表示被摄体FG的有无。
在比较图6(C)与图6(D)时，与包含被摄体FG的图像相比，不包含被摄体FG的图像含有很多像素值小的像素(即弱的边缘)，像素值大的像素(即强的边缘)较少。因此，评价值取得部105不单单将全部像素值进行总计，也可以只对比某个阈值大的像素值进行总计并将其作为评价值Ev取得。即，也可以根据由边缘强调部104强调了边缘的图像中包含的全部像素(但在由区域确定部103所确定的区域内)中、边缘的强度超过规定阈值的像素的值的总计来取得评价值Ev。由此，可以使包含被摄体FG的情况和不包含被摄体FG的情况下的评价值Ev的差异更加明显。
图7是表示将图6(C)所示的图像(包含被摄体FG的情况)中的像素值的分布与图6(D)所示的图像(不包含被摄体FG的情况)中的像素值的分布进行比较的图。横轴表示像素值，纵轴表示像素数目。
如图7所示，在拍摄图像中不包含被摄体FG的情况下，在实施了边缘强调处理和掩模处理之后的图像中，像素大都分布在比固定的像素值(图7的示例为“500”)小的范围内。另一方面，在拍摄图像中包含了被摄体FG的情况下，像素分布在从小像素值到大像素值的较广范围内。
图8(A)～(D)是在边缘强调处理之后的图像中，将阈值以下的像素值设为零的情况与不将其设为零的情况进行比较的图。
图8(A)、(B)是与图6(C)、(D)相同的图像，表示不将阈值以下的像素值设为零的情况下的图像。
另一方面，图8(C)、(D)表示将图8(A)、(B)的图像中包含的阈值在“255”以下的像素值全部设为零的情况下的图像。
在拍摄图像中包含被摄体FG的情况下，通过比较图8(A)与图8(C)可知，即使是将阈值以下的像素值设为零，也维持着边缘的主要特征(即血管的像)。与此相对，在拍摄图像中不包含被摄体FG的情况下，通过比较图8(B)与图8(D)可知，将阈值以下的像素值设为零时大部分边缘消失，边缘的特征会发生很大变化。
图9是将在图8(A)～(D)所示的图像中将阈值为“255”以下的像素值设为零的情况下的评价值(像素值的总计)、与不设置阈值的情况下的评价值进行比较的图。
在不设置阈值的情况下，包含被摄体FG的图像(图8(A))的评价值Ev为“2434244”，不包含被摄体的图像(图8(B))的评价值Ev为“1177685”。与此相对，在将阈值为“255”以下的像素值设为零的情况下，包含被摄体FG的图像(图8(C))的评价值Ev为“2145659”，不包含被摄体FG的图像(图8(D))的评价值Ev为“117921”。从该图9可知，通过除去边缘强调处理之后的图像中规定阈值以下的像素值而算出评价值Ev，可以使与被摄体FG的有无相应的评价值Ev的差异更加明确。
判断部106根据由评价值取得部105取得的评价值Ev，判断从摄像部40输入的图像中是否包含被摄体FG的像。
例如如图1所示，判断部106具有第1判断部1061、第2判断部1062以及第3判断部1063。
第1判断部1061将由图像取得部101按顺序取得的图像的评价值Ev与阈值Td进行比较，根据该比较结果判断所取得的图像中包含的边缘的强度和/或边缘的量是否达到最低标准。
第2判断部1062在连续取得了规定数目的由第1判断部1061判断为达到了第1标准的图像的情况下，根据该规定数目的图像的评价值Ev，决定用于规定超过了上述最低标准的中间标准的阈值Th。然后，将该规定数目的图像中的任何一个或者接着该规定数目的图像之后取得的图像的评价值Ev与阈值Th进行比较，根据该比较结果，判断该比较对象的图像中是否包含被摄体FG的像。
第3判断部1063将由评价值取得部105按顺序取得的评价值Ev、与规定超过了上述中间标准的最高标准的阈值Tu进行比较，根据该比较结果，判断该比较对象的图像中是否包含被摄体FG的像。
如前面说明的那样，由评价值取得部105取得的评价值Ev表现出适合于作为模板用图像的被摄体FG的像的特征，可以根据该值的大小判别拍摄图像中是否包含被摄体FG。因此，作为最简单的方法，判断部106也可以根据评价值Ev与单一的阈值相比较的结果来判断是否登记其比较对象的图像。然而，在实际的模板登记时常发生下述的问题，因此存在通过单一的阈值进行简易判断无法登记合适的模板的情况。
(1)摄像时移动了手指；
(2)由于曝光等影响不能清楚地拍摄；
(3)手指的静脉又细又淡；
在(1)、(2)的情况下也许可以进行模板的登记，但是有可能登记成比本来状态差(血管图案的信息少等)的模板。这样，会发生通常能够容易对照但怎么也对照不了，或是对照失败的问题。另外，在(3)的情况下，对于评价值Ev存在阈值过高、无法登记模板的可能性。然而，过分降低阈值的话，会增加登记为状态不好的模板的可能性。
因此，图1所示的判断部106，不是用单一的阈值而是用3个阈值(Td，Tu，Th)来判断是否可登记。
第1判断部1061的阈值Td规定模板用图像的最低标准。根据例如上述(3)那样的手指的静脉又细又淡的人能够稳定地进行摄像时所得到的评价值Ev的值来对其进行设定。在评价值Ev比阈值Td小的情况下，不将该图像用于模板。
第3判断部1063的阈值Tu规定用于模板的图像的最高标准。根据由摄像部40在稳定状态下拍摄到足够清楚的手指静脉的情况下所得到的评价值Ev来对其进行设定。血管的粗细因人而异，即使是稳定地进行了拍摄，也不一定所有用户都可以用通过阈值Tu的最高标准的模板来进行登记。
第2判断部1062的阈值Th规定超过阈值Td的最低标准而不到阈值Td的最高标准的中间标准。阈值Th根据连续拍摄的图像的评价值Ev来决定。阈值Td、Tu是预先设定好的固定值，阈值Th是随每个被摄体、每次摄像而变化的值。
登记部107从由第1判断部1061或第3判断部1063判断为包含被摄体FG的像的拍摄图像中抽出血管图案的信息，将其作为模板DAT保存到存储部70中。
对照部108从由第1判断部1061或第3判断部1063判断为包含被摄体FG的像的拍摄图像中抽出血管图案的信息，将该抽出的信息与保存在存储部70中的模板DAT进行对照。
显示处理部109进行将与由图像取得部101按顺序取得的图像的评价值Ev相应的信息显示在图像显示部50中的处理。另外，进行将与连续取得由第1判断部1061判断为达到了最低标准的图像的数目相应的信息显示在图像显示部50中的处理。
说明具有上述结构的图1所示的图像处理装置的动作。
参照图10的流程图，对图1所示的图像处理装置中的评价值Ev的算出处理的一例进行说明。
图像取得部101控制光源20及摄像部40，进行被摄体F G的拍摄，取得拍摄到的图像If(步骤ST101)。
轮廓检测部102检测图像If中所包含的被摄体FG的轮廓，生成用于切取出轮廓内部的掩模Mf。另外，区域确定部103确定比由轮廓检测部102检测出的轮廓更靠内侧的区域，生成用于切取出该内侧区域的掩模eMf(步骤ST102)。
另一方面，边缘强调部104进行强调图像If的边缘的处理。即，用高斯滤波器除去图像If的噪音成分(步骤ST103)，通过应用拉普拉斯滤波器来对该噪音消除之后的图像Gf强调边缘部分(步骤ST104)。
评价值取得部105进行从由拉普拉斯滤波器强调了边缘的图像Lf中，切取出由区域确定部103确定的内部区域的掩模处理(步骤ST105)。然后，将该掩模处理之后的图像Of中包含的阈值Vunder以下的像素值设为零(步骤ST106)，计算像素值的总计(步骤ST107)。将计算出的像素值的总计作为评价值Ev提供给判断部106。
以上是评价值Ev的算出处理的说明。
参照图11所示的流程图，对图1所示的图像处理装置中的模板登记处理的一例进行说明。
判断部106对用于代入连续取得的评价值Ev的数目的变量i、和用于代入n个连续取得的评价值Ev的变量hEvi(i＝0，1，…，n-1)分别进行初始化(ST201)。
接着，轮廓检测部102、区域确定部103、边缘强调部104及评价值取得部105通过步骤ST202～ST207的处理，算出拍摄图像If的评价值Ev。
在比较图10与图11时，步骤ST202与步骤ST101，步骤ST203与步骤ST102，步骤ST204与步骤ST103和ST104，步骤ST205与步骤ST105，步骤ST206与步骤ST106，步骤ST207与步骤ST107分别对应。
在步骤ST203的掩模生成处理中，掩模的生成失败了的情况下(例如手指离开了装置而未被拍摄的情况)，判断部106返回步骤ST201，将变量i，hEvi初始化。由此，在拍摄的连续性被中断了的情况下，立即消去评价值Ev的履历(hEv0、hEv1、…、hEvn-1)，开始新的履历记录。
在计算出评价值Ev时，第3判断部1063将该评价值Ev与阈值Tu进行比较，根据该比较结果判断评价值Ev是否超过了最高标准(步骤ST208)。判断为评价值Ev超过了最高标准的情况下，登记部107从该评价值Ev的拍摄图像中抽出血管图案的信息，作为模板DAT保存到存储部70(步骤ST214)。
在第3判断部1063判断为评价值Ev低于最高标准的情况下，第1判断部1061将该评价值Ev与阈值Td进行比较，判断评价值Ev是否超过了最低标准(步骤ST209)。在判断为评价值Ev低于最低标准的情况下(例如手指的放置不恰当的情况)，判断部106返回步骤ST201，将变量i、hEvi初始化。由此，在拍摄的连续性被中断了的情况下，立即消去评价值Ev的履历(hEv0、hEv1、…、hEvn-1)，开始新的履历记录。
在由第1判断部1061判断为评价值Ev超过了最低标准的情况下，判断部106将评价值Ev代入履历用变量hEvi，将表示履历数目的变量i加“1”(步骤ST210)。
接着，判断部106将加“1”后的变量i与规定数n0进行比较(步骤ST211)。在变量i比规定数n0小的情况下，判断部106的处理返回步骤ST202(步骤ST211)。由此，再次执行步骤ST202～ST207的处理，算出新的拍摄图像If的评价值Ev。
另一方面，在变量i达到了规定数n0的情况下，第2判断部1062根据被代入到变量hEv0、hEv1、…、hEvn0中的(n0+1)个评价值来决定阈值Th。即，将(n0+1)个评价值中的最大值乘以系数k(k表示大于0小于1的实数)后的值决定为阈值Th(步骤ST 212)。系数k例如被设定为“0.9”左右的值。系数k越接近“1”，越要求稳定地取得高评价值Ev。
在步骤ST212中决定阈值Th后，接着，第2判断部1062将评价值Ev与阈值Th进行比较，根据该比较结果判断当前的拍摄图像的评价值Ev是否超过了中间标准(步骤ST213)。在步骤ST213中判断为评价值Ev未达到中间标准的情况下，判断部106的处理返回步骤ST202(步骤ST211)。由此，再次执行步骤ST202～ST207的处理，算出新的拍摄图像If的评价值Ev。另一方面，在步骤ST213中判断为评价值Ev达到了中间标准的情况下，登记部107从该评价值Ev的拍摄图像中抽出血管图案的信息，作为模板DAT保存到存储部70中(步骤ST214)。
在履历保存用变量hEv0、hEv1、…、hEvn-1中，只要中途不返回到变量的初始化处理(步骤S T201)，就按顺序保存评价值Ev直到确定模板登记用图像为止。如果将评价值Ev例如以FIFO(first in first out：先进先出)的形式保存在这些变量中，有可能剩下最近的最大n个履历。
以上是对于模板登记处理的说明。
参照图12对上述模板登记处理执行中的图像显示部50的显示例进行说明。
在模板登记中，用户自己不能判断当前正在被拍摄的手指的图像是否适合作为模板。因此，如果不提供任何信息，用户不会明白如何调整手指的角度、放置方式才能得到合适的拍摄图像，因此必须不停地继续尝试直到装置判断通过为止。因此本实施方式所涉及的图像处理装置可以通过对用户反馈模板登记中的状态来顺利地得到模板用图像。
显示处理部109，例如，将与图像的评价值Ev有关的信息显示在图像显示部50的画面900中。图12的例中，将前面说明过的阈值Td和Tu之间区分为10个等级，用柱形图903表示当前所取得的评价值Ev处于哪一个等级。由此，用户可以正确把握如何放置手指才能得到合适的像。
另外，显示处理部109使画面900显示与连续取得的被判断为评价值Ev大于阈值Td的图像的数目(即图11的变量i)相关的信息。图12的示例中用柱形图904来表示变量i的值。由此，用户可以把握要将当前的手指放置保持多长时间才能通过判断。
而且，显示处理部109还使画面900显示表示用户的手指相对于由摄像部40可摄像范围位于哪个位置的信息。在图12的例中，在表示可摄像范围的虚线框902内配置表示用户手指的图像901，由此来表示手指相对于可摄像范围的当前位置。由此，用户可以正确地把握如何放置手指才能得到合适的像。
如以上所说明的那样，根据本实施方式，强调所拍摄的图像的边缘，根据该强调了边缘的图像中包含的像素的值可以取得与拍摄图像中包含的边缘的强度和/或量相关的评价值Ev。然后，根据所取得的评价值Ev，可以判断在拍摄图像中是否包含规定的被摄体FG的像。由此，可以不依靠人的模糊判断而正确地判断在拍摄图像中是否包含规定的被摄体FG的像。
另外，由于评价值Ev是与拍摄图像中包含的边缘的强度和/或量相关的值，因此根据评价值Ev的值不仅可以判断在拍摄图像中是否包含被摄体FG的像，还可以判断该被摄体FG的像是否适合于规定的用途。例如，在模板登记处理中，不仅可以判断在拍摄图像中是否包含被摄体FG，也可以判断其是否适合用作模板用图像。
而且，根据本实施方式，检测包含在拍摄图像中的被摄体FG的轮廓，确定比该轮廓靠内侧的区域。然后，根据在边缘强调处理之后的图像中包含的全部像素中、该被确定的内侧区域中所包含的像素的值来取得评价值Ev。由此，可以有效地排除在被摄体FG的轮廓部分上产生的边缘的影响，取得正确反映了被摄体FG的内侧所包含的边缘的状态的评价值Ev。因此，根据例如血管图案等被摄体FG的内侧所包含的像的特征，可以恰当地判断在拍摄图像中是否包含被摄体FG，该被摄体FG是否适合于规定的用途(模板用等)。
另外，根据本实施方式，将按顺序拍摄的图像的评价值Ev与阈值Td进行比较，根据该比较结果按顺序判断包含在拍摄图像中的边缘的强度和/或量是否达到了最低标准。然后，在连续取得了规定数目的被判断为达到了最低标准的图像的情况下，根据该规定数目的图像的评价值Ev决定用于规定超过最低标准的中间标准的阈值Th。阈值Th被决定后，将该规定数目的图像中的任何一个或者接着该规定数目的图像之后取得的图像的评价值Ev与阈值Th进行比较，根据该比较结果判断在该比较对象的图像中是否包含被摄体FG的像。
即，如果在一系列的拍摄图像中包含的边缘的强度和/或量没有稳定地超过规定的最低标准，就不会被判断为在一系列的拍摄图像中包含被摄体FG的像。由此，在拍摄中发生被摄体移动的情况下、曝光等条件相对于背景亮度不合适的情况下等，能够防止在摄像条件不稳定的状态下判断为在拍摄图像中包含被摄体FG的情况，因此可以提高判断结果的可靠性。
另外，根据一系列的拍摄图像的评价值Ev来设定超过最低标准的中间标准的阈值Th，因此即使在被摄体FG的特征(血管图案的特征)因被摄体而异的情况下，也可以对每个被摄体设定超过上述最低标准的判断标准。由此，与千篇一律规定固定的标准的情况相比，可以根据被摄体的不同进行恰当判断。另外，在模板登记处理中，可以对每个被摄体取得更合适的模板。
而且，根据本实施方式，将按顺序拍摄的图像的评价值Ev与规定超过上述中间标准的最高标准的阈值Tu进行比较，根据该比较结果来按顺序判断在该比较对象的图像中是否包含被摄体FG的像。
即，具有超过最高标准的评价值Ev的拍摄图像被直接判断为包含了被摄体FG的图像，因此可以提高判断处理的速度。
另外，在本实施方式中，图像显示部50随时显示与各个拍摄图像中的被摄体FG的像的状态相关的信息，如与按顺序拍摄的图像的评价值Ev相关的信息、与连续取得的被判断为达到了阈值Td的图像的数目相关的信息等。
由此，用户可以自己调整摄像条件(被摄体FG的放置等)使得包含在拍摄图像中的被摄体FG的像成为合适的状态，因此可以更顺利地拍摄所希望的被摄体FG的像。
以上，说明了本发明的一种实施方式，但是本发明不仅限于上述方式，还包括各种变形。
在上述实施方式中，区域确定部103将被摄体FG的轮廓向内侧仅缩窄规定的距离，该距离不限于固定的值，也可以随轮廓的宽度而变化。
例如在图4(B)中，区域确定部103使轮廓的上下边沿着图像纵方向的线移动，使轮廓的左右边沿着图像横方向的线移动，但是，此时也可以根据在其移动方向上的轮廓的宽度来设定位于各边上的各像素的移动距离。
更详细地说，区域确定部103根据向纵方向延伸的线与轮廓相交的2个点的距离来设定位于该2个点上的2个像素的移动距离。例如，使相对2个点的距离成一定比例(10％等)地设定该移动距离。然后，使2个像素中上侧的像素向下方向、下侧的像素向上方向分别仅移动被设定的移动距离。构成轮廓的左右边的各像素也同样，根据向横方向延伸的线与轮廓相交的2个点的距离来设定位于该2个点上的2个像素的移动距离。然后，使2个像素中左侧的像素向右方向、右侧的像素左方向分别仅移动被设定的移动距离。
这样根据轮廓的宽度来对每个像素设定将轮廓向内侧缩窄时的距离，在由于个人差异等被摄体FG非常小的情况下，也可以防止由区域确定部103所确定的区域变得极窄的情况。
而且，在上述的实施方式中，被摄体FG的轮廓由4个边构成，但是本发明不限于此，被摄体FG的轮廓可以是任意的形状。即，即使被摄体FG的轮廓是任意形状，区域确定部103也可以确定比其轮廓靠内侧的区域。
例如，区域确定部103使由轮廓检测部102检测出的轮廓向图像的上方向、下方向、右方向、左方向分别仅移动规定的距离。然后，将向各方向移动后的轮廓的内部所共同包含的区域确定为比被摄体FG的轮廓靠内侧的区域。这种情况下的轮廓的移动距离可以与上述的示例同样是固定值，也可以根据轮廓宽度对每个像素进行设定。
在上述的实施方式中，作为实施了边缘强调处理和掩模处理之后的图像中的像素值的总计，算出评价值Ev，但是本发明不限于此。
例如，评价值取得部105也可以根据由边缘强调部104强调了边缘的图像中包含的全部像素中、边缘的强度超过规定阈值的像素的数目来取得评价值Ev。从图7的分布图也可知，与不包含被摄体FG的图像相比，包含被摄体FG的图像含有较多的强边缘。因此，在实施了边缘强调处理和掩模处理之后的图像中，取得具有大于某个阈值的像素值的像素(即边缘的强度超过规定阈值的像素)的数目作为评价值Ev，也可以高精度地判断被摄体FG的有无。
另外，评价值取得部105也可以根据由边缘强调部104强调了边缘的图像中包含的全部像素中、边缘的强度最高的像素的值来取得评价值Ev。具体举例来说，在图6(C)所示的图像中像素值的最大值为“2257”，在图6(D)所示的图像中像素值的最大值为“428”。如果通过轮廓检测部102和区域确定部103的掩模处理充分排除了被摄体FG的轮廓的影响，则如上述示例那样，像素值的最大值会随被摄体FG的有无而产生较大的差异。因此，即使单纯地根据像素值的最大值(即边缘强度最高的像素的值)来取得评价值Ev，也可以高精度地判断被摄体FG的有无。
在上述的实施方式中，举出了用评价值来判断是否得到了适合于模板登记的拍摄图像的示例，但是本发明不限于此。例如，也可以在进行拍摄图像与模板的对照处理之前判断是否得到了适合于对照的拍摄图像，只在得到了的情况下执行对照处理。由此，不用执行无用的对照处理，因此能够减少耗电。
如上述实施方式那样，控制部10可以通过计算机用软件来实现，也可以将其中至少一部分通过信号处理电路等硬件来实现。
在上述实施方式中，举出了将本发明应用于生物体认证处理(模板登记处理、对照处理等)的示例，但是本发明不限于此。即，本发明可以广泛应用于需要对内部包含边缘的被摄体的像与素色背景进行判别的各种图像处理中。

Claims (10)

1.一种图像处理装置，包括：
边缘强调部，构成为强调图像的边缘；
评价值取得部，构成为根据由上述边缘强调部强调了边缘的上述图像中包含的像素的值，取得与上述图像中包含的边缘的强度和/或边缘的量相关的评价值；
判断部，构成为根据由上述评价值取得部所取得的评价值来判断上述图像中是否包含规定的被摄体的像；
轮廓检测部，构成为从上述图像中检测上述被摄体的轮廓；以及
区域确定部，构成为确定比由上述轮廓检测部检测出的轮廓靠内侧的区域，
其中，上述评价值取得部根据由上述边缘强调部强调了边缘的上述图像中的由上述区域确定部确定的区域中包含的像素的值，来取得上述评价值，以及
在使由上述轮廓检测部检测出的轮廓向设定在上述图像的平面上的多个规定方向分别仅移动了规定距离的情况下，上述区域确定部将向各个方向移动后的轮廓的内部共同包括的区域确定为比上述被摄体的轮廓靠内侧的区域，
该图像处理装置包括图像取得部，该图像取得部构成为按顺序取得上述图像，
上述边缘强调部，按顺序强调由上述图像取得部取得的上述图像的边缘，
上述评价值取得部，按顺序取得由上述图像取得部取得的上述图像的评价值，
上述判断部包括：
第1判断部，将由上述图像取得部按顺序取得的上述图像的评价值与第1阈值进行比较，根据该比较结果判断上述所取得的上述图像中包含的边缘的强度和/或边缘的量是否达到了第1标准；以及
第2判断部，在连续取得了规定数目的由上述第1判断部判断为达到了上述第1标准的上述图像的情况下，根据该规定数目的图像的评价值，决定用于规定超过上述第1标准的第2标准的第2阈值，将该规定数目的图像中的任何一个或接着该规定数目的图像之后取得的图像的评价值与上述第2阈值进行比较，根据该比较结果判断在该比较对象的上述图像中是否包含上述被摄体的像。
2.根据权利要求1所述的图像处理装置，其特征在于，
上述评价值取得部根据由上述边缘强调部强调了边缘的上述图像中包含的全部像素的值的总计取得上述评价值。
3.根据权利要求1所述的图像处理装置，其特征在于，
上述评价值取得部根据由上述边缘强调部强调了边缘的上述图像中包含的全部像素中边缘的强度超过规定阈值的像素的值的总计，取得上述评价值。
4.根据权利要求1所述的图像处理装置，其特征在于，
上述评价值取得部根据由上述边缘强调部强调了边缘的上述图像中包含的全部像素中边缘的强度超过规定阈值的像素的数目，取得上述评价值。
5.根据权利要求1所述的图像处理装置，其特征在于，
上述评价值取得部根据由上述边缘强调部强调了边缘的上述图像中包含的全部像素中边缘的强度为最高的像素的值，取得上述评价值。
6.根据权利要求1所述的图像处理装置，其特征在于，
对于上述轮廓上的每个像素，上述区域确定部根据沿着上述轮廓的移动方向的直线与上述轮廓相交的2个点的距离来设定上述轮廓的移动距离。
7.根据权利要求1所述的图像处理装置，其特征在于，
上述判断部包括第3判断部，该第3判断部将由上述评价值取得部按顺序取得的评价值与规定超过上述第2标准的第3标准的第3阈值进行比较，根据该比较结果判断在该比较对象的上述图像中是否包含上述被摄体的像。
8.根据权利要求1所述的图像处理装置，其特征在于，
包括信息输出部，该信息输出部构成为输出与由上述图像取得部按顺序取得的上述图像的评价值相关的信息。
9.根据权利要求1所述的图像处理装置，其特征在于，
包括信息输出部，该信息输出部输出与连续取得的由上述第1判断部判断为达到了上述第1标准的图像的数目相应的信息。
10.一种图像判断方法，判断图像中是否包含规定的被摄体的像，包括以下过程：
第1过程，强调上述图像的边缘；
第2过程，根据在上述第1过程中被强调了边缘的上述图像中包含的像素的值，取得与上述图像中包含的边缘的强度和/或量相关的评价值；
第3过程，根据在上述第2过程中所取得的评价值，判断上述图像中是否包含上述被摄体的像；
第4过程，从上述图像中检测上述被摄体的轮廓；以及
第5过程，确定比在上述第4过程中检测出的轮廓靠内侧的区域，
其中，根据由上述第1过程强调了边缘的上述图像中的由上述第5过程确定的区域中包含的像素的值，在上述第2过程中取得上述评价值，以及
在使由上述第4过程检测出的轮廓向设定在上述图像的平面上的多个规定方向分别仅移动了规定距离的情况下，在上述第5过程中将向各个方向移动后的轮廓的内部共同包括的区域确定为比上述被摄体的轮廓靠内侧的区域，
该图像判断方法包括第6过程，按顺序取得上述图像；
在上述第1过程中，按顺序强调由上述第6过程取得的上述图像的边缘；
在上述第2过程中，按顺序取得由上述第6过程取得的上述图像的评价值，
上述第3过程，包括以下过程：
第7过程，将由上述第6过程按顺序取得的上述图像的评价值与第1阈值比较，根据该比较结果，判断上述所取得的上述图像中包含的边缘的强度和/或边缘的量是否达到了第1标准；以及
第8过程，在连续取得了规定数目的由上述第7过程判断为达到了上述第1标准的上述图像的情况下，根据该规定数目的图像的评价值，决定规定超过上述第1标准的第2标准的第2阈值，将该规定数目的图像中的任何一个或接着该规定数目的图像之后取得的图像的评价值与上述第2阈值比较，根据该比较结果判断该比较对象的图像中是否包含上述被摄体的像。
CN200680001166A 2005-09-06 2006-08-31 图像处理装置和图像判断方法 Expired - Fee Related CN100592337C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP257858/2005 2005-09-06
JP2005257858A JP4992212B2 (ja) 2005-09-06 2005-09-06 画像処理装置、画像判定方法及びプログラム

Publications (2)

Publication Number Publication Date
CN101052994A CN101052994A (zh) 2007-10-10
CN100592337C true CN100592337C (zh) 2010-02-24

Family

ID=37835711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200680001166A Expired - Fee Related CN100592337C (zh) 2005-09-06 2006-08-31 图像处理装置和图像判断方法

Country Status (6)

Country Link
US (1) US7912293B2 (zh)
EP (1) EP1923833A4 (zh)
JP (1) JP4992212B2 (zh)
KR (1) KR20080053247A (zh)
CN (1) CN100592337C (zh)
WO (1) WO2007029592A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4305431B2 (ja) * 2005-09-06 2009-07-29 ソニー株式会社 画像処理装置、マスク作成方法及びプログラム
JP4882794B2 (ja) * 2007-02-26 2012-02-22 ソニー株式会社 画像判定装置、画像判定方法及びプログラム
JP2008287436A (ja) * 2007-05-16 2008-11-27 Sony Corp 静脈パターン管理システム、静脈パターン登録装置、静脈パターン認証装置、静脈パターン登録方法、静脈パターン認証方法、プログラムおよび静脈データ構造
JP5356728B2 (ja) * 2008-05-26 2013-12-04 株式会社トプコン エッジ抽出装置、測量機、およびプログラム
JP6769899B2 (ja) * 2017-03-21 2020-10-14 Kddi株式会社 照合装置、照合システム、及び照合方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1328309A (zh) * 2000-03-24 2001-12-26 松下电器产业株式会社 基于生物测量的身份鉴定装置、身份鉴定系统、身份鉴定卡及身份鉴定方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6392759B1 (en) * 1997-06-02 2002-05-21 Seiko Epson Corporation Edge-enhancement processing apparatus and method, and medium containing edge-enhancement processing program
US6738527B2 (en) * 1997-06-09 2004-05-18 Seiko Epson Corporation Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, and image evaluation method and a medium on which an image evaluation program is recorded
JP2983019B1 (ja) * 1998-12-18 1999-11-29 株式会社エム・シー・シー 目標検出方法および目標検出装置
JP3655496B2 (ja) * 1999-06-07 2005-06-02 三菱電機株式会社 車両検知装置および車両検知方法ならびに車両検知プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2001101415A (ja) * 1999-09-29 2001-04-13 Fujitsu Ten Ltd 画像認識装置および画像処理装置
JP2001216515A (ja) * 2000-02-01 2001-08-10 Matsushita Electric Ind Co Ltd 人物の顔の検出方法およびその装置
CN1213592C (zh) * 2001-07-31 2005-08-03 佳能株式会社 采用自适应二值化的图象处理方法和设备
JP4389489B2 (ja) 2003-05-06 2009-12-24 ソニー株式会社 画像処理方法、および画像処理装置
JP2005056282A (ja) * 2003-08-06 2005-03-03 Sony Corp 画像処理方法、画像処理装置、およびプログラム
JP3714350B2 (ja) * 2004-01-27 2005-11-09 セイコーエプソン株式会社 画像中の人物候補領域抽出方法及び人物候補領域抽出システム並びに人物候補領域抽出プログラム
US7376269B2 (en) * 2004-11-22 2008-05-20 Xerox Corporation Systems and methods for detecting image quality defects

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1328309A (zh) * 2000-03-24 2001-12-26 松下电器产业株式会社 基于生物测量的身份鉴定装置、身份鉴定系统、身份鉴定卡及身份鉴定方法

Also Published As

Publication number Publication date
WO2007029592A1 (ja) 2007-03-15
EP1923833A4 (en) 2013-06-19
JP2007072677A (ja) 2007-03-22
US20090129681A1 (en) 2009-05-21
JP4992212B2 (ja) 2012-08-08
US7912293B2 (en) 2011-03-22
EP1923833A1 (en) 2008-05-21
KR20080053247A (ko) 2008-06-12
CN101052994A (zh) 2007-10-10

Similar Documents

Publication Publication Date Title
Stein et al. Fingerphoto recognition with smartphone cameras
CN101052989B (zh) 图像处理装置以及掩模作成方法
JP4883185B2 (ja) 生体情報読取装置，生体情報読取方法，及び生体情報読取プログラム
CN107004114B (zh) 血管图像拍摄装置和个人认证系统
JP5076563B2 (ja) 顔照合装置
JP5045344B2 (ja) 登録装置、登録方法、認証装置及び認証方法
JP3695990B2 (ja) 顔画像処理装置
US20100128938A1 (en) Method and apparatus for detecting forged face using infrared image
CN100592337C (zh) 图像处理装置和图像判断方法
US20080040616A1 (en) Authentication Apparatus, Authentication Method and Program
KR20080025340A (ko) 생체 인증 장치의 생체 유도 제어 방법 및 생체 인증 장치
JP2014192828A (ja) 画像補正装置、画像補正方法及び生体認証装置
JP6593466B2 (ja) 顔認証装置
JP6160148B2 (ja) 生体情報入力装置、生体情報入力プログラム、生体情報入力方法
KR102014394B1 (ko) 위조 지문에 대한 보안성이 향상된 휴대용 보안인증기의 인증방법
JP2021131737A (ja) データ登録装置、生体認証装置、およびデータ登録プログラム
JP2006072555A (ja) 生体情報画像補正装置
JPH04123276A (ja) 指紋照合装置
KR101606351B1 (ko) 모조생체 판별 방법 및 장치
US20230091526A1 (en) Evaluation method, information processing device, and storage medium
WO2022059064A1 (ja) フォーカス判定装置、虹彩認証装置、フォーカス判定方法、及び、記録媒体
JP5829147B2 (ja) 生体認証装置および制御装置
US20230206686A1 (en) Face authentication method, storage medium, and face authentication device
KR102014410B1 (ko) 가짜지문에 대한 보안성이 향상된 휴대용 보안인증기
JP6181763B2 (ja) 個人の識別を目的とする静脈網の真偽を検出するための方法、及び、バイオメトリック認証方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100224

Termination date: 20130831