CN101996389A - 图像处理装置、成像装置、以及图像处理方法 - Google Patents
图像处理装置、成像装置、以及图像处理方法 Download PDFInfo
- Publication number
- CN101996389A CN101996389A CN2010102673366A CN201010267336A CN101996389A CN 101996389 A CN101996389 A CN 101996389A CN 2010102673366 A CN2010102673366 A CN 2010102673366A CN 201010267336 A CN201010267336 A CN 201010267336A CN 101996389 A CN101996389 A CN 101996389A
- Authority
- CN
- China
- Prior art keywords
- image
- classification
- characteristic quantity
- processing
- unit
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理装置、成像装置、以及图像处理方法。图像处理装置包括:输入单元,该输入单元输入通过成像获得的图像;调整尺寸处理单元,该调整尺寸处理单元执行用于作为类别确定目标图像的通过输入单元输入的图像的放大和缩小处理的一个,从而获得与预定的照相机到被摄体距离相当的第一图像;特征量计算单元,该特征量计算单元计算指示由调整尺寸处理单元调整的第一图像的特征的第一特征量;以及确定单元,该确定单元基于第一特征量做出关于类别确定目标图像的类别确定,类别确定是做出类别确定目标图像对应于多个类别中的哪一个的确定。
Description
通过引用并入
在此通过引用并入下面的优先权申请的公开:2009年8月24日提交的日本专利申请No.2009-192946。
技术领域
本发明涉及图像处理装置、成像装置、以及图像处理方法。
背景技术
美国专利No.7035467公布一种用于基于图像的特征量区别各个图像的语义类别(例如,拍摄场景)的技术。
发明内容
通常,通过使用图像的特征量的诸如SVM(支持向量机)方法这样的分类器来分类样本图像数据。样本图像的构图根据摄影师变化,并且因此构图中的不同可以导致甚至根据相同被摄体的图像计算的不同的特征量。在这样的情况下,存在降低为其使用分类器的图像的区别精确度的问题。
根据本发明的第一方面,图像处理装置包括:输入单元,该输入单元输入通过成像获得的图像;调整尺寸处理单元,该调整尺寸处理单元执行用于作为类别确定目标图像的通过输入单元输入的图像的放大和缩小处理的一个,从而获得与预定的照相机到被摄体距离相当的第一图像;特征量计算单元,该特征量计算单元计算指示由调整尺寸处理单元调整尺寸的第一图像的特征的第一特征量;以及确定单元,该确定单元基于第一特征量做出关于类别确定目标图像的类别确定,类别确定是做出类别确定目标图像对应于多个类别中的哪一个的确定。
根据本发明的第二方面,优选的是,根据第一方面的图像处理装置的调整尺寸处理单元进一步执行用于作为样本图像的通过输入单元输入的图像的放大和缩小处理的一个,从而获得与预定的照相机到被摄体距离相当的第二图像;以及特征量计算单元,该特征量计算单元进一步计算指示通过调整尺寸处理单元调整尺寸的第二图像的特征的第二特征量;并且图像处理装置进一步包括:分类器生成单元,该分类器生成单元基于第二特征量生成用于类别确定的分类器。
根据本发明的第三方面,根据第二方面的图像处理装置的确定单元可以通过将分类器与第一特征量进行比较做出关于类别确定目标图像的类别确定。
根据本发明的第四方面,根据第一至第三方面中的任何一个的图像处理装置的调整尺寸处理单元可以执行与为各个类别预定的照相机到被摄体距离相对应的放大和缩小处理的一个。
根据本发明的第五方面,优选的是,在根据第一至第三方面中的任何一个的图像处理装置中,当执行用于类别确定目标图像的放大处理时,调整尺寸处理单元通过使用类别确定目标图像当中的包括聚焦控制区的预定范围的图像而获得第一图像。
根据本发明的第六方面,成像装置包括:图像生成单元,该图像生成单元捕获被摄体的图像以生成图像;调整尺寸处理单元,该调整尺寸处理单元执行用于作为类别确定目标图像的通过图像生成单元生成的图像的放大和缩小处理的一个,从而获得与预定的照相机到被摄体距离相当的第一图像;特征量计算单元,该特征量计算单元计算指示通过调整尺寸处理单元调整尺寸的第一图像的特征的第一特征量;以及确定单元,该确定单元基于第一特征量做出关于类别确定目标图像的类别确定,类别确定是做出与类别确定目标图像对应于多个类别中的哪一个的确定。
根据本发明的第七方面,图像处理方法包括:输入通过成像而获得的图像;执行用于作为类别确定目标图像而被输入的图像的放大和缩放处理的一个的调整尺寸处理,从而获得与预定的照相机到被摄体距离相当的第一图像;计算通过调整尺寸处理调整尺寸的第一图像的特征量;以及基于第一图像的特征量做出关于类别确定目标图像的类别确定,类别确定是做出类别确定目标图像对应于多个类别中的哪一个的确定。
附图说明
图1是解释根据本发明的实施例的电子照相机的主要组件的结构的框图。
图2是由主CPU执行的类别确定处理的流程的流程图。
图3是详细地解释类别确定处理的流程图。
图4是详细地解释学习处理的流程图。
图5是示出在类别、照相机到被摄体距离、以及图像的最小尺寸的关系的示例的图。
图6是示出计算机装置的示例的图。
图7是解释照相机到被摄体距离中的不同的图。
图8是解释照相机到被摄体距离中的不同的图。
具体实施方式
现在将会参考附图解释本发明的实施例。图1是根据本发明的实施例的电子照相机1的主要组件的结构的框图。通过主CPU 11来控制电子照相机1。
摄影透镜21使被摄体图像被形成在图像传感器22的成像平面上。通过CCD图像传感器等等组成的图像传感器22捕获成像平面上的被摄体图像,并且将成像信号输出到成像电路23。R(红色)、G(绿色)、以及B(蓝色)的彩色滤光器被提供在图像传感器22的成像平面上使得彩色滤光器中的每一个对应于像素位置。由于图像传感器22通过彩色滤光器捕获被摄体图像,所以从图像传感器22输出的光电转换信号包括RGB颜色系统中的颜色信息。
成像电路23执行用于从图像传感器22输出的光电转换信号的模拟处理(增益控制等等)并且通过内置A/D转换电路将模拟成像信号转换为数字数据。
主CPU 11输入从各个块输出的信号,执行预定的计算,并且基于计算结果将控制信号输出到块中的每一个。例如,被构造为ASIC(专用集成电路)的图像处理电路12执行用于从成像电路23输入的数字图像信号的图像处理。例如,图像处理包括边缘增强、颜色温度调整(白平衡调整)处理、以及用于图像信号的格式转换处理。
图像压缩电路13对已经经历由图像处理电路12执行的处理的图像信号按照例如JPEG格式以预定的压缩比率执行图像压缩处理。显示图像形成电路15形成显示数据从而使LCD监视器16显示被捕获的图像。
缓冲存储器14被使用使得暂时地存储图像处理之前和之后以及图像处理期间的数据,存储在被记录在记录介质30中之前的图像文件,并且存储已经从记录介质30中读出的图像文件。
记录介质30被构成有能够被附到电子照相机1并且从电子照相机1拆卸的存储卡等等。响应于来自于主CPU 11的指令,被捕获的图像的数据和包含其信息的图像文件被记录在记录介质30中。响应于来自于主CPU 11的指令能够读出被记录在记录介质30中的图像文件。
由主CPU 11执行的程序、用于由主CPU 11执行的处理所必要的数据等等被存储在闪存19中。根据布置,响应于来自于主CPU 11的指令能够添加并且修改被存储在闪存19中的数据和程序的内容。
包括电子照相机1的各种按钮和开关的操作部件17响应于操作部件中的每一个的操作内容(诸如释放按钮的按压操作和模式转换开关的切换操作)将操作信号输出到主CPU 11。
响应于来自于主CPU 11的指令,GPS装置18接收来自于GPS卫星的无线电波并且将接收到的信号输出到主CPU 11。基于来自于GPS装置18的接收到的信号,主CPU 11执行预定的操作使得检测电子照相机1的位置信息(纬度、经度、以及高度)。
电子照相机1被构造为在摄影期间对通过图像传感器22获得的图像信号执行压缩处理和预定的图像处理,以及生成图像文件,其中包括位置信息、与被捕获的图像有关的信息等等的附加信息被添加到已经经历压缩处理的图像数据。更加具体地,JPEG格式的图像数据被存储在图像数据单元中并且其中附加信息被存储在附加信息单元中的Exif格式的图像文件被生成。Exif格式的图像文件是其中缩略图图像和附加信息数据被嵌入在JPEG图像格式的图像数据中的图像文件。被生成的图像文件被存储在记录介质30中。
另外,电子照相机1被构造使得摄影模式和再现模式能够被切换。摄影模式是捕获被摄体图像并且将被捕获的图像的数据保存在记录介质30中作为图像文件的操作模式。再现模式是使LCD监视器16通过读出来自于记录介质30等等的被捕获的图像数据而基于图像数据显示再现图像的模式。
<关于被捕获的图像的类别确定>
本实施例的电子照相机1包括分组被捕获的图像的功能。更加具体地,电子照相机1进行关于被记录在记录介质30中的图像文件的类别确定并且将已经被确定的图像文件存储在为各个类别提供的文件夹中。要注意的是,电子照相机1可以被构造为创建图像文件的控制表格并且将用于图像文件的类别信息存储在表格中,替代将图像文件存储在为各个类别提供的文件夹中。
图2是解释由主CPU 11执行的类别确定处理的流程的流程图。在从操作部件17输入指示类别确定处理的执行的操作信号之后,主CPU11开始根据图2的处理。
在图2的步骤S10中,主CPU 11做出关于是否执行学习的决定。当从操作部件17输入用于学习的指令时,在步骤S10中主CPU 11做出肯定决定并且使控制的流程进入步骤S40。当从操作部件17没有输入用于学习的指令时,在步骤S10中主CPU 11做出否定决定并且使控制的流程进入步骤S20。
在步骤S20中,CPU 11做出关于是否做出类别确定的决定。当从操作部件17输入用于做出类别确定的指令时,在步骤S20中主CPU 11做出否定决定并且使控制的流程进入步骤S30。当从操作部件17没有输入用于做出类别确定的指令时,在步骤S20中主CPU 11做出否定决定并且终止根据图2的处理。
在步骤S30中,主CPU 11执行类别确定处理并且终止根据图2的处理。稍后将会详细地描述类别确定处理。在上述的步骤S10中做出否定确定之后进入的控制的流程的步骤S40中,主CPU 11执行学习处理并且终止根据图2的处理。稍后将会详细地描述学习处理。
<类别确定处理>
现在参考如图3中的示例所示的流程图将会详细地解释用于图像的类别确定处理(S30)。主CPU 11从记录介质30中读出例如将会做出类别确定的图像文件(确定目标图像)的数据并且将其提取到缓冲存储器14使得开始根据图的3处理。在图3的步骤S31中,主CPU 11选择类别分类器并且获得指示相对应的类别照相机到被摄体距离的信息并且使控制的流程进入步骤S32。
类别分类器的选择涉及事先被包括的类别分类器的通过主CPU11进行的序列号选择。至于选择的顺序,例如,主CUP 11首先选择与其中大量的图像被分组的类别对应的分类器。指示类别照相机到被摄体距离的信息是指示为各个类别事先确定的照相机到被摄体距离的信息。图5是示出类别和照相机到被摄体距离之间的关系的示例的图。例如,在类别“花(特写镜头)”的情况下的照相机到被摄体距离是100cm,在类别“花(普通)”的情况下的照相机到被摄体距离是500cm,在类别“昆虫”的情况下的照相机到被摄体距离是100cm,并且类别“狗”的情况下的照相机到被摄体距离是1000cm。指示类别分类器的信息(类别分类器信息)和指示类别照相机到被摄体距离的信息(类别照相机到被摄体距离信息)被记录在闪存19中。
在步骤S32中,主CPU 11对在缓冲存储器14上提取的确定目标图像执行调整尺寸处理。更加具体地,基于在步骤S31中获得的类别照相机到被摄体距离(例如,在类别“花(特写)”的情况下的100cm的照相机到被摄体距离),主CPU 11执行用于确定目标图像的调整尺寸处理,使确定目标图像的构图均衡,并且使控制的流程进入步骤S33。如果确定目标图像等效于特写照片(在上面的示例中照相机到被摄体距离小于100cm),那么调整尺寸处理等效于图像的缩小处理。如果确定目标图像等效于宽角度照片(在上面的示例中照相机到被摄体距离大于100cm),那么调整尺寸处理对应于图像的一部分的放大处理。
作为上面描述的图像的一部分,例如,主CPU 11指定在摄影时应用的聚焦区(摄影画面内的被用于获得聚焦控制信息的区域)周围的预定范围。要注意的是,在摄影画面中的多个聚焦控制区中的每一个中获得聚焦控制信息,那么主CPU 11可以将与最近的被摄体相对应的区域周围的预定范围指定为图像的部分。
在步骤S33中,主CPU 11做出被调整尺寸的图像是否大于原始图像的确定。当被调整尺寸的图像大于原始图像时,在步骤S33中主CPU11做出肯定确定并且使控制的流程进入步骤S39。当被调整尺寸的图像不大于原始图像时,在步骤S33中主CPU 11做出否定确定并且使控制的流程进入步骤S34。
在步骤S39中,主CPU 11按照原始图像的尺寸裁切被调整尺寸的图像并且使控制的流程进入步骤S34。
在步骤S34中,主CPU 11将被调整尺寸的(或者被裁切的)图像缩小到类别图像的最小尺寸并且使控制的流程进入到步骤S35。例如,作为缩小处理,例如,主CPU 11执行计算预定数目的相邻的像素数据的平均值并且将其指定为一个像素数据的简单处理。事先为各个类别定义类别图像的最小尺寸并且将其记录在闪存19中。在本实施例中,类别图像的最小尺寸均是120×120个像素。在图5中还示出图像的最小尺寸和类别之间的关系的示例。
在步骤S35中,主CPU 11从已经经历缩小处理的图像计算特征量。通过主CPU 11计算的特征量对应于在步骤S31中选择的类别分类器。类别和要被计算的特征量之间的关系被事先制表并且被记录在闪存19中。例如,特征量是,基于组成图像的预定区域的像素数据而计算的颜色信息、锐度信息、质地信息、图案信息、亮度信息等等。另外,颜色直方图上的信息和图像的尺寸可以被视为特征量。由于特征量计算是众所周知的技术,在本解释中与特征量计算有关的详细解释将会被简略。
在步骤S36中,主CPU 11使用在步骤S31中选择的类别分类器从而计算类别的概率(得分)并且使控制的流程进入步骤S37。类别的概率的得分对应于分离由相对应的类别分类器表示的特征量空间中的空间的边界(例如,在“花(特写)”区域和“非花(特写)”区域之间的边界)和在步骤S35中计算的特征量之间的距离。如果从图像计算的特征量满足例如下面的标准(1)和(2),那么“花(特写)”的概率的得分高。
(1)被计算的特征量位于由用于“花(特写)”的类别分类器表示的特征量空间中的与“花(特写)”相对应的特征量区域的内部。
(2)从被计算的特征量到与“非花(特写)”相对应的特征量区域的距离是长的。
另一方面,如果从图像计算的特征量满足下面的标准(3)和(4)那么是“花(特写)”的概率的得分低。
(3)被计算的特征量位于与“花(特写)”相对应的特征量区域的边缘处。
(4)从被计算的特征量到与“非花(特写)”相对应的特征量区域的距离短。
主CPU 11计算根据上面距离的得分。
在步骤S37中,主CPU 11做出关于是否事先准备的所有类别分类器被选择并且处理被终止的确定。如果主CPU 11已经使用连续地使用所有的类别分类器以执行特征量计算和类别概率(得分)P计算,那么在步骤S37中主CPU 11做出肯定确定并且使控制的流程进入步骤S38。如果主CPU 11还没有连续地使用所有的类别分类器以执行特征量计算和类别概率(得分)P计算,则在步骤S37中主CPU 11做出否定确定并且使控制的流程返回到步骤S31。当控制的流程返回到步骤S31时,主CPU 11选择另一类别分类器并且获得指示与此相对应的类别照相机到被摄体距离的信息,使得主CPU 11重复上述的处理。
在步骤S38中,主CPU 11做出决定,即,确定目标图像对应于如下的类别,并且终止根据图3的处理,上述类别与对应于最好得分的类别分类器相对应。
<学习处理>
主CPU 11基于样本图像(用于学习的图像)数据通过学习获得上述的类别分类器。现在参考图4中所示的流程图的示例将会详细地解释学习处理(S40)。主CPU 11输入指示用于学习的图像的存储位置(例如,存储器地址)和用于学习的图像的类别的信息使得开始根据图4的处理。
在图4的步骤S41中,主CPU 11获得对应于预定类别的类别照相机到被摄体距离信息并且使控制的流程进入步骤S42。例如,当获得类别照相机到被摄体距离信息时主CPU 11将优先级给予与具有大量的被计算的特征量的类别对应的照相机到被摄体距离信息。
如上所述,类别照相机到被摄体距离信息被事先记录在闪存19中。
在步骤S42中,主CPU 11从记录介质30中读出在用于学习的图像当中的与类别照相机到被摄体距离信息被获得的类别对应的用于学习的图像文件的数据并且将其提取在缓冲存储器14上。然后主CPU 11执行被提取的用于学习的图像的调整尺寸处理并且使控制的处理进入步骤S43。主CPU 11执行与图3的步骤S32中相同的调整尺寸处理使得用于学习的图像的构图均衡。
在步骤S43中,主CPU 11做出关于被调整尺寸的图像是否大于原始图像的确定。当被调整尺寸的图像大于原始图像时,主CPU 11在步骤S43中做出肯定确定并且使控制的流程进入步骤S48。当被调整尺寸的图像不大于原始图像时,主CPU 11在步骤S43中做出否定确定并且使控制的流程进入步骤S44。
在步骤S48中,主CPU 11按照原始图像的尺寸裁切被调整尺寸的图像并且使控制的流程进入步骤S45。
在步骤S44中,主CPU 11做出关于被调整尺寸的图像是否大于类别图像的最小尺寸的确定。如上所述,类别图像的最小尺寸是用于各个类别的120×120个像素。当被调整尺寸的图像大于类别图像的最小尺寸时,主CPU 11在步骤S44中做出肯定确定并且使控制的流程进入步骤S45。当被调整尺寸的图像不大于类别图像的最小尺寸时,主CPU11在步骤S44中做出否定确定并且使控制的流程进入步骤S47。如果控制的流程进入被步骤S47,那么主CPU 11将被调整尺寸的图像排除在特征量计算的目标之外,因为被调整尺寸的图像太小而不能适合于特征量计算(缺乏必要的信息)。
在步骤S45中,主CPU 11将被调整尺寸的(或者被裁切的)图像缩小到类别图像的最小尺寸并且使控制的流程进入步骤S46。作为缩小处理,主CPU 11执行例如计算预定数目的相邻像素数据的平均值并且将其指定为一个像素数据的简单处理。
在步骤S46中,主CPU 11从已经经历缩小处理的图像计算特征量。通过主CPU 11计算的特征量与对应于图像的类别分类器对应,并且主CPU 11执行与图3的步骤S35中的处理相同的处理。
在步骤S47中,主CPU 11做出关于是否已经为被提取在缓冲存储器14上的所有的用于学习的图像计算特征量的确定。如果主CPU 11已经计算所有的用于学习的图像的特征量(除了通过在步骤S44中做出否定确定而被排除的之外),主CPU 11在步骤S47中做出肯定确定并且使控制的流程进入步骤S49。如果主CPU 11还没有计算所有的用于学习的图像的特征量,那么主CPU 11在步骤S47中做出否定确定并且使控制的流程返回到步骤S42。当控制的流程返回到步骤S42时,主CPU 11为另一用于学习的图像重复上述的处理。
在步骤S49中,主CPU 11获得对应于另一类别的类别照相机到被摄体距离信息,从记录介质30读出与类别照相机到被摄体距离信息被获得的类别对应的用于学习的图像文件的数据,并且将其提取在缓冲存储器14上。另外,主CPU 11对被提取的用于学习的图像执行调整尺寸处理并且使控制的流程进入步骤S50。主CPU 11执行与步骤S42中的相同的调整尺寸处理,从而均衡用于学习的图像的构图。
在步骤S50中,主CPU 11从已经经历调整尺寸处理的图像计算特征量。通过主CPU 11计算的特征量与对应于图像的类别分类器对应,并且主CPU 11执行与步骤S46中的处理相同的处理。
在步骤S51中,主CPU 11做出关于是否已经为被提取在缓冲存储器14上的所有的用于学习的图像计算特征量的确定。如果主CPU 11已经计算所有的用于学习的图像的特征量,那么主CPU 11在步骤S51中做出肯定确定并且使控制的流程进入步骤S52。如果主CPU 11还没有计算所有的用于学习的图像的特征量,那么主CPU 11在步骤S51中做出否定确定并且使控制的流程进入步骤S49。当控制的流程返回到步骤S49时,主CPU 11为另一用于学习的图像重复上述处理。
在步骤S52中,主CPU 11使用SVM(支持向量机)方法使得学习与类别对应的图像的特征量和不与该类别对应的图像的特征量,并且将结果存储在闪存19中,并且然后根据图4终止处理。
根据上面解释的实施例能够实现下面的操作和优点。
(1)由于根据布置电子照相机1的主CPU 11对类别确定目标图像执行放大或者缩小处理从而获得与预定的照相机到被摄体距离相当的第一图像,计算构图已经更改(即,调整尺寸)的第一图像的特征量,并且基于第一图像的被计算的特征量做出关于类别确定目标图像的类别确定。结果,主CPU 11在计算特征量之前将预定的构图应用于类别确定目标图像。
图7和图8是解释构图(照相机到被摄体距离)中的差异的图,其中的每一个是“樱花”的图像。尽管两个都是相同的“樱花”的图像,但是在两个图像之间从原始图像计算的特征量将会显著地不同。然后,主CPU 11更改(调整尺寸)两个图像的构图使得它对应于预定的照相机到被摄体距离,并且然后计算特征量,从而使两个图像的特征量比在没有更改(调整尺寸)构图的情况下的特征量更加类似。结果,图像的类别区别精确度被提高。特别地,当类别确定目标图像的构图没有被均衡时它是有效的。
(2)由于根据布置主CPU 11进一步执行用于样本图像的放大或者缩小处理从而获得与预定的照相机到被摄体距离相当的第二图像,计算第二图像的特征量,并且基于第二图像的特征量生成用于类别确定的分类器。结果,即使样本图像的构图没有被均衡也能够生成适当的分类器。
(3)由于另外主CPU 11通过将分类器与第一图像的特征量进行比较做出关于类别确定目标图像的类别确定,所以图像的类别区别精确度被提高。特别地,当类别确定目标图像的和样本图像的构图没有被均衡时它是有效的。
(4)根据布置主CPU 11进一步执行与为各个类别预定的照相机到被摄体距离相对应的放大或者缩小处理。结果,甚至相同的“花”的类别能够被细分为在特写中摄影的“花”和(不在特写中)普通摄影的“花”。
(5)由于根据布置在用于构图更改(调整尺寸)的放大处理之后获得包括聚焦控制区的预定范围的图像,能够增加在构图更改(调整尺寸)之后包括主要被摄体的概率。
(变化1)
虽然上面的解释给出在电子照相机1中分组图像的示例,但是可以布置成,通过诸如照片相框(photo frame)和照片浏览器这样的电子装置替代电子照相机1分组图像。
(变化2)
取决于类别,摄影时的焦距的范围可以被基本上确定(与许多图像共同)。例如,特写摄影和远距摄影很有可能是如此。那么可以布置成,在这些类别的情况下,使用摄影透镜的焦距的信息替代照相机到被摄体距离或者和照相机到被摄体距离一起执行构图更改(调整尺寸)处理。
(变化3)
图像处理装置可以被构造为使图6中所示的计算机装置10运行执行根据图2至图4的处理的图像处理程序。在这样的情况下,通过外部接口,计算机装置输入通过电子照相机1捕获的并且存储在记录介质30中的图像。当被加载到个人计算机10上的图像处理程序被使用时,程序被加载到个人计算机10的数据存储装置中并且然后程序被运行,从而个人计算机10被用作对已经被输入的图像进行分组的图像处理装置。
通过将在其中程序被存储的诸如CD-ROM这样的记录介质104布置在个人计算机10中,程序可以被加载到个人计算机10,或者程序可以经由诸如网络这样的通信线路101被加载到个人计算机10。当经由通信线路101程序被加载时,程序被存储在被连接至通信线路101的服务器(计算机)102的硬盘装置103等等。图像处理程序能够被提供为以诸如通过记录介质104或者通信线路101等等的提供这样的各种形式的计算机程序产品。
上面描述的实施例是示例,并且在不脱离本发明的范围的情况下能够进行各种修改。
Claims (7)
1.一种图像处理装置,包括:
输入单元,所述输入单元输入通过成像获得的图像;
调整尺寸处理单元,所述调整尺寸处理单元执行用于作为类别确定目标图像的通过所述输入单元输入的所述图像的放大和缩小处理的一个,从而获得与预定的照相机到被摄体距离相当的第一图像;
特征量计算单元,所述特征量计算单元计算第一特征量,所述第一特征量指示由所述调整尺寸处理单元调整尺寸的所述第一图像的特征;以及
确定单元,所述确定单元基于所述第一特征量而做出关于所述类别确定目标图像的类别确定,所述类别确定是做出所述类别确定目标图像对应于多个类别中的哪一个的确定。
2.根据权利要求1所述的图像处理装置,其中:
所述调整尺寸处理单元进一步执行用于作为样本图像的通过所述输入单元输入的图像的放大和缩小处理的一个,从而获得与预定的照相机到被摄体距离相当的第二图像;和
特征量计算单元,所述特征量计算单元进一步计算第二特征量,所述第二特征量指示由所述调整尺寸处理单元调整尺寸的所述第二图像的特征,并且进一步包括:
分类器生成单元,所述分类器生成单元基于所述第二特征量生成用于所述类别确定的分类器。
3.根据权利要求2所述的图像处理装置,其中:
所述确定单元通过将所述分类器与所述第一特征量进行比较而做出关于所述类别确定目标图像的类别确定。
4.根据权利要求1至3中的任何一项所述的图像处理装置,其中:
所述调整尺寸处理单元执行与为各个类别预定的照相机到被摄体距离相对应的放大和缩小处理的一个。
5.根据权利要求1至3中的任何一项所述的图像处理装置,其中:
当执行用于所述类别确定目标图像的放大处理时,所述调整尺寸处理单元通过使用所述类别确定目标图像当中的包括聚焦控制区的预定范围的图像而获得所述第一图像。
6.一种成像装置,包括:
图像生成单元,所述图像生成单元捕获被摄体的图像从而生成图像;
调整尺寸处理单元,所述调整尺寸处理单元执行用于作为类别确定目标图像的通过所述图像生成单元生成的所述图像的放大和缩小处理的一个,从而获得与预定的照相机到被摄体距离相当的第一图像;
特征量计算单元,所述特征量计算单元计算第一特征量,所述第一特征量指示由所述调整尺寸处理单元调整尺寸的所述第一图像的特征;以及
确定单元,所述确定单元基于所述第一特征量做出关于所述类别确定目标图像的类别确定,所述类别确定是做出所述类别确定目标图像对应于多个类别中的哪一个的确定。
7.一种图像处理方法,包括:
输入通过成像获得的图像;
执行用于作为类别确定目标图像而被输入的图像的放大和缩小处理的一个的调整尺寸处理,从而获得与预定的照相机到被摄体距离相当的第一图像;
计算通过所述调整尺寸处理调整尺寸的所述第一图像的特征量;以及
基于所述第一图像的特征量做出关于所述类别确定目标图像的类别确定,所述类别确定是做出所述类别确定目标图像对应于多个类别中的哪一个的确定。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009192946A JP2011044064A (ja) | 2009-08-24 | 2009-08-24 | 画像処理装置、および画像処理プログラム |
JP2009-192946 | 2009-08-24 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101996389A true CN101996389A (zh) | 2011-03-30 |
Family
ID=43605053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102673366A Pending CN101996389A (zh) | 2009-08-24 | 2010-08-24 | 图像处理装置、成像装置、以及图像处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8355056B2 (zh) |
JP (1) | JP2011044064A (zh) |
CN (1) | CN101996389A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538980A (zh) * | 2012-01-12 | 2012-07-04 | 杭州美盛红外光电技术有限公司 | 热像装置和热像拍摄方法 |
CN104539846A (zh) * | 2014-12-26 | 2015-04-22 | 小米科技有限责任公司 | 拍摄图片的方法、装置及终端 |
CN107292314A (zh) * | 2016-03-30 | 2017-10-24 | 浙江工商大学 | 一种基于cnn的鳞翅目昆虫种类自动鉴别方法 |
CN113243016A (zh) * | 2018-12-10 | 2021-08-10 | 株式会社小糸制作所 | 物体识别系统、运算处理装置、汽车、车辆用灯具、分类器的学习方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9251439B2 (en) * | 2011-08-18 | 2016-02-02 | Nikon Corporation | Image sharpness classification system |
US20130110329A1 (en) * | 2011-10-31 | 2013-05-02 | Yamaha Hatsudoki Kabushiki Kaisha | Watercraft |
JP6255296B2 (ja) * | 2014-03-31 | 2017-12-27 | セコム株式会社 | 対象識別装置 |
JP6916112B2 (ja) * | 2014-11-21 | 2021-08-11 | ブルヴェクター, インコーポレーテッドBluvector, Inc. | ネットワークデータ特性評価のシステムと方法 |
KR20200132569A (ko) * | 2019-05-17 | 2020-11-25 | 삼성전자주식회사 | 특정 순간에 관한 사진 또는 동영상을 자동으로 촬영하는 디바이스 및 그 동작 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002216131A (ja) * | 2001-01-15 | 2002-08-02 | Sony Corp | 画像照合装置及び画像照合方法、並びに記憶媒体 |
US7035467B2 (en) * | 2002-01-09 | 2006-04-25 | Eastman Kodak Company | Method and system for processing images for themed imaging services |
US20070196013A1 (en) * | 2006-02-21 | 2007-08-23 | Microsoft Corporation | Automatic classification of photographs and graphics |
CN101189872A (zh) * | 2005-06-30 | 2008-05-28 | 微软公司 | 照相机的规格化图像 |
US20080240698A1 (en) * | 2007-03-28 | 2008-10-02 | Sony Ericsson Mobile Communications Ab | Zoom control |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3469031B2 (ja) * | 1997-02-18 | 2003-11-25 | 株式会社東芝 | 顔画像登録装置及びその方法 |
JP4046079B2 (ja) * | 2003-12-10 | 2008-02-13 | ソニー株式会社 | 画像処理装置 |
JP2008204091A (ja) * | 2007-02-19 | 2008-09-04 | Seiko Epson Corp | カテゴリー識別装置、及び、カテゴリー識別方法 |
-
2009
- 2009-08-24 JP JP2009192946A patent/JP2011044064A/ja active Pending
-
2010
- 2010-08-20 US US12/860,325 patent/US8355056B2/en active Active
- 2010-08-24 CN CN2010102673366A patent/CN101996389A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002216131A (ja) * | 2001-01-15 | 2002-08-02 | Sony Corp | 画像照合装置及び画像照合方法、並びに記憶媒体 |
US7035467B2 (en) * | 2002-01-09 | 2006-04-25 | Eastman Kodak Company | Method and system for processing images for themed imaging services |
CN101189872A (zh) * | 2005-06-30 | 2008-05-28 | 微软公司 | 照相机的规格化图像 |
US20070196013A1 (en) * | 2006-02-21 | 2007-08-23 | Microsoft Corporation | Automatic classification of photographs and graphics |
US20080240698A1 (en) * | 2007-03-28 | 2008-10-02 | Sony Ericsson Mobile Communications Ab | Zoom control |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538980A (zh) * | 2012-01-12 | 2012-07-04 | 杭州美盛红外光电技术有限公司 | 热像装置和热像拍摄方法 |
CN104539846A (zh) * | 2014-12-26 | 2015-04-22 | 小米科技有限责任公司 | 拍摄图片的方法、装置及终端 |
CN104539846B (zh) * | 2014-12-26 | 2018-02-23 | 小米科技有限责任公司 | 拍摄图片的方法、装置及终端 |
CN107292314A (zh) * | 2016-03-30 | 2017-10-24 | 浙江工商大学 | 一种基于cnn的鳞翅目昆虫种类自动鉴别方法 |
CN113243016A (zh) * | 2018-12-10 | 2021-08-10 | 株式会社小糸制作所 | 物体识别系统、运算处理装置、汽车、车辆用灯具、分类器的学习方法 |
Also Published As
Publication number | Publication date |
---|---|
US8355056B2 (en) | 2013-01-15 |
US20110043656A1 (en) | 2011-02-24 |
JP2011044064A (ja) | 2011-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101996389A (zh) | 图像处理装置、成像装置、以及图像处理方法 | |
JP4862930B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP5601407B2 (ja) | 画像分類プログラム、画像分類装置および電子カメラ | |
US7725019B2 (en) | Apparatus and method for deciding in-focus position of imaging lens | |
US7376347B2 (en) | Digital still camera, image reproducing apparatus, face image display apparatus and methods of controlling same | |
US9185317B2 (en) | Image capturing apparatus capable of storing focus detection data | |
CN100502471C (zh) | 图像处理装置、图像处理方法和成像装置 | |
JP5025457B2 (ja) | 画像処理装置およびその方法 | |
US7614559B2 (en) | Apparatus and method for deciding in-focus position of imaging lens | |
CN110231692A (zh) | 摄像光学系统及摄像光学系统的控制方法 | |
CN101668116A (zh) | 图像处理装置及计算机程序 | |
US20130022261A1 (en) | Systems and methods for evaluating images | |
KR20110005267A (ko) | 화상 기록 장치 및 방법 | |
JP2007184888A (ja) | 撮像装置、画像処理装置、画像処理方法、及び画像処理プログラム | |
US20100166316A1 (en) | Method and apparatus for processing a digital image including a face detection finction | |
JP2007265149A (ja) | 画像処理装置、画像処理方法および撮像装置 | |
JP5381498B2 (ja) | 画像処理装置、画像処理プログラムおよび画像処理方法 | |
US11595584B2 (en) | Imaging apparatus, method of controlling imaging apparatus and computer-readable medium | |
JP2007293686A (ja) | 撮像装置、画像処理装置、画像処理方法及び画像処理プログラム | |
JP5287965B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP2006350546A (ja) | 情報処理装置、画像分類方法、および情報処理システム | |
JP2006190154A (ja) | 画像処理方法、画像処理装置、画像処理プログラム及び撮像装置 | |
JP2007201679A (ja) | 撮像装置、画像処理方法、及び画像処理プログラム | |
JPH10136298A (ja) | カメラ及びプリンタ | |
EP3962064A1 (en) | Imaging apparatus, method for controlling imaging apparatus and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110330 |