CN104915629A - 图像处理装置以及图像处理方法 - Google Patents

图像处理装置以及图像处理方法 Download PDF

Info

Publication number
CN104915629A
CN104915629A CN201410840878.6A CN201410840878A CN104915629A CN 104915629 A CN104915629 A CN 104915629A CN 201410840878 A CN201410840878 A CN 201410840878A CN 104915629 A CN104915629 A CN 104915629A
Authority
CN
China
Prior art keywords
image
characteristic
value
characteristic quantity
processing apparatus
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
Application number
CN201410840878.6A
Other languages
English (en)
Inventor
入江淳
高际睦起
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.)
Omron Corp
Original Assignee
Omron 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 Omron Corp filed Critical Omron Corp
Publication of CN104915629A publication Critical patent/CN104915629A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/446—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 using Haar-like filters, e.g. using integral image techniques
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理装置以及图像处理方法。图像处理装置具有：图像取得部件，取得图像；以及特征量取得部件，对所取得的图像进行规定的运算，算出与所述图像对应的特征量，并输出所述算出的特征量，所述特征量取得部件在所算出的特征量中包含负值的情况下，将该值置换为该值的绝对值。

Description

图像处理装置以及图像处理方法
技术领域
本发明涉及进行图像辨识的图像处理装置。
背景技术
基于颜色或形状这样的从图像得到的固有的信息而对该图像中包含的目的对象(object)进行识别的图像辨识技术正在广泛普及。
在进行图像辨识的装置中较多使用的是，使用像素的亮度信息来求得与图像对应的特征量，基于该特征量对目的对象进行识别的方法。特征量以数值表示用于识别目的对象的固有的特征。
作为利用特征量来进行目的对象的辨识的技术之一，有例如专利文献1所述的图像辨识装置。在该图像辨识装置中，从图像求得成对的两个特征量并进行编码，结合在多处运算出的结果，算出图像整体的特征量。
现有技术文献
专利文献
专利文献1：(日本)特开2009－080522号公报
作为现有技术所涉及的图像辨识装置所使用的代表性的特征量，例如有表示目的对象的轮廓(边缘)的值、表示区域间的明暗的差的值。这些值由于基于对象处的亮度而算出，所以具有若参照的目的对象的亮度变化，则成为不同的值的性质。
关于该性质所导致的问题，列举从图像检测人的面部的装置为例详细地进行说明。作为一般的图像辨识方法之一，有提取图像中包含的每个区域的明暗的差作为特征量，将该特征量和模板进行比较的方法。例如，通过将从与眼睛和脸颊对应的各区域取得的特征量、和定义了“眼睛存在的区域比脸颊存在的区域暗”这样的信息的模板进行比较，从而能够算出与人的面部的一致度。
但是，存在根据对象者的肌肤的颜色或照明的状态，区域间的明暗逆转的情况。即，眼睛存在的区域变得比脸颊存在的区域亮的情况。在这样的情况下，由于所取得的特征量变得与模板不一致，产生不能准确地检测面部的问题。
以专利文献1所述的发明为首，在以往的技术中，不能应对该问题。
发明内容
本发明是考虑上述的课题而完成的，其目的在于，提供一种图像处理装置，所述图像处理装置即使在关于属于相同的类别的目的对象，亮度值的大小关系反转的情况下，也能够取得与能够辨识为该目的对象是相同的类别的程度类似的特征量。
为了解决上述课题，本发明的第一方式所涉及的图像处理装置的特征在于，具有：图像取得部件，取得图像；以及特征量取得部件，对所取得的图像进行规定的运算，算出与所述图像对应的特征量，并进行输出，所述特征量取得部件在所算出的特征量中包含负值的情况下，将该值置换为该值的绝对值。
本发明所涉及的图像处理装置是通过对所取得的图像进行运算，从而取得与该图像对应的特征量的装置。与图像对应的特征量由多个值的集合构成，例如，也可以是与像素对应的特征量的集合，也可以是与局部区域对应的特征量的集合。
此外，特征量取得部件在所算出的特征量中包含负值的情况下，通过该值的绝对值来置换该值。通过这样，即使在识别对象物(以下，目的对象)的暗部和明部反转的情况下，也能够得到相同的特征量。
此外，也可以是其特征在于，所述特征量取得部件分别算出与所取得的图像中包含的多个关注像素对应的特征量，将所述算出的多个特征量作为与图像对应的特征量而输出。
关注像素是在目的对象的识别中使用的特征量建立对应的像素。优选关注像素是位于目的对象的边缘或角的像素等、较好地表现目的对象的特征的像素。与图像对应的特征量也可以由与这样的多个关注像素对应的特征量的集合构成。
此外，与所述关注像素对应的特征量也可以是对所述关注像素的亮度值、和位于该像素的附近的像素的亮度值进行了规定的运算的结果的值，与所述关注像素对应的特征量也可以是表示所述关注像素的亮度值、和位于该像素的附近的像素的亮度值之间的差分的值。
像这样，通过对关注像素进行滤波或像素差分等的运算，从而能够得到较好地表现目的对象的特征的特征量。
此外，也可以是其特征在于，所述特征量取得部件分别算出与所取得的图像中包含的多个局部区域对应的特征量，将所述算出的多个特征量作为与图像对应的特征量而输出。
优选，局部区域是与周边区域相比明确地表现亮度的差的区域等、较好地表现目的对象的特征的区域。与图像对应的特征量也可以由与这样的多个局部区域对应的特征量的集合构成。
此外，也可以是其特征在于，与所述局部区域对应的特征量是表示与所述局部区域对应的亮度值、和与位于该局部区域的附近的区域对应的亮度值之间的差分的值。
像这样，通过将区域之间的亮度值的差分设为特征量，从而能够与表示目的对象的明暗的图案进行对照。
此外，也可以是，本发明所涉及的识别装置的特征在于，由所述图像处理装置和识别部件构成，其中，所述识别部件基于所述图像处理装置输出的特征量，对图像中包含的面部、人体、字符、动物、车辆、或预先定义的规定的物体之中的任一个进行识别。
像这样，本发明所涉及的图像处理装置能够应用于基于所取得的特征量而对图像中包含的目的对象进行识别的装置。例如，还能够应用于具有面部检测功能的数字照相机等。另外，预先定义的规定的物体典型地说是建筑物、道路标识、商品、商品的封装、表示企业或服务的标志(Logo)标记等，但不限于此。
此外，也可以是，本发明的第二方式所涉及的图像处理装置的特征在于，具有：图像取得部件，取得图像；以及特征量取得部件，通过对所取得的图像中包含的多个像素的亮度值之间进行比较的结果进行编码，从而算出与所述图像对应的特征量，并进行输出，所述特征量取得部件在进行亮度值之间的比较时，决定表示比较对象的亮度值是否存在差的值，并使用该值，生成与图像对应的特征量。
在将“亮”“同等”“暗”等、对亮度值之间进行了比较的结果进行编码的值设为特征量的情况下，若亮度的大小关系反转，则所编码的特征量也变化。因此，也可以仅以符号表示比较对象的亮度值是否存在差，并设为特征量。通过这样，即使在目的对象的亮度反转的情况下，也能得到相同的特征量。
另外，本发明能够特定为包含上述部件的至少一部分的图像处理装置。此外，本发明还能够特定为图像显示方法。此外，本发明还能够特定为使计算机执行上述图像显示方法的程序。只要不会产生技术的矛盾，能够自由组合上述处理或部件而实施。
根据本发明，能够提供一种图像处理装置，所述图像处理装置即使在关于属于相同的类别的目的对象，亮度值的大小关系反转的情况下，也能够取得与能够辨识为该目的对象是相同的类别的程度类似的特征量。
附图说明
图1是第一实施方式所涉及的图像处理装置的系统结构图。
图2(A)～(C)是例示滤波器矩阵的图。
图3是说明滤波器的应用方法的图。
图4(A)～(B)是说明使用了亮度值的差分的特征量的图。
图5(A)～(B)是说明第一实施方式中的特征量的计算方法的图。
图6是第一实施方式所涉及的图像处理装置的处理流程图。
图7是说明第二实施方式中的特征量的计算方法的图。
图8是说明第二实施方式中解决的课题的图。
图9(A)～(B)是说明通过第二实施方式求得的特征量的图。
标号说明
10图像处理装置
11图像取得部
12特征量取得部
13特征量校正部
14图像辨识部
15输入输出部
具体实施方式
(第一实施方式)
<系统结构>
以下，参照附图说明本发明的优选的实施方式。
第一实施方式所涉及的图像处理装置是在取得照片等的图像，取得与该图像对应的特征量之后，对图像中包含的目的对象进行辨识的装置。图1是本实施方式所涉及的图像处理装置10的系统结构图。
图像处理装置10由图像取得部11、特征量取得部12、特征量校正部13、图像辨识部14、输入输出部15构成。
图像取得部11是用于取得处理对象的图像的部件，在本实施方式中，是固定盘驱动器或闪速存储器这样的存储装置。另外，图像取得部11也可以是从装置的外部取得图像的部件(例如通信装置)，也可以是经由镜头和摄像元件拍摄图像的部件。
此外，特征量取得部12是用于取得与图像取得部11取得的图像对应的特征量的部件。关于所使用的特征量及其求得方法，之后举例说明。
此外，特征量校正部13是用于对特征量取得部12取得的特征量进行校正的部件。具体的校正方法如后述。
图像辨识部14是基于特征量校正部13校正的特征量，对图像中包含的目的对象进行辨识的部件。在本实施方式中，目的对象是人的面部。图像辨识部14能够通过将所取得的特征量和预先保持的模板进行对比，从而检测图像中包含的面部。基于从图像取得的特征量而检测该图像中包含的面部的方法是公知的，所以省略详细的说明。
此外，输入输出部15是接受用户进行的输入操作，对用户提示信息的部件。具体而言，由触摸面板及其控制部件、液晶显示器及其控制部件构成。触摸面板以及液晶显示器在本实施方式中由一个触摸面板显示器构成。
图像取得部11、特征量取得部12、特征量校正部13、图像辨识部14的功能通过CPU等的处理装置执行控制程序而实现。此外，该功能也可以通过ASIC(专用集成电路，Application Specific Integrated Circuit)等而实现，也可以通过它们的组合而实现。
(特征量取得处理)
接着，说明图像处理装置10取得与所取得的图像对应的特征量的处理。另外，作为特征量的取得方法存在数量较多的方法，所以在此列举代表的方法进行说明。
<滤波>
滤波是对以某像素为中心的局部区域，将对规定的滤波器矩阵进行卷积而得到的值设为与该像素对应的特征量的方法。
图2(A)是被称为Sobel滤波器的3×3的滤波器矩阵。Sobel滤波器是用于求得与特定的方向对应的空间一阶微分的滤波器，多用于检测目的对象的轮廓。作为用于检测轮廓的滤波器，除此之外，还经常使用Prewitt滤波器(图2(B))、Kirsch滤波器(图2(C))这样的滤波器。
图2是分别表示与横向(左→右)对应的滤波器、和与纵向(上→下)对应的滤波器的图。在使用这些滤波器取得特征量的情况下，经常使用通过组合多个滤波器而使得与多个方向对应的方法。
若将具有这样的3×3的大小的滤波器例如对图3的区域301进行卷积，则能够得到与像素302对应的特征量。从而，通过对图像中包含的全部像素进行运算，从而能够得到图像整体的特征量(即，包含关于目的对象的轮廓的信息的特征量)。
<像素差分>
像素差分是将某两个局部区域的亮度值之差设为特征量的方法。
例如，关于图4(A)所示的区域401和区域402，将各区域中包含的像素的亮度值归一化并分别求和，求得区域间的差分。在本例的情况下，若将区域401中包含的像素的亮度值之和设为I1，将区域402中包含的像素的亮度值之和设为I2，则与该两个区域对应的特征量成为I1－I2。由此，能够得到表示目的对象的浓度差的图案信息。
作为与像素差分类似的特征量，存在Haar－like特征量。
参照图4(B)进行说明。Haar－like特征量是从作为对象的矩形区域中的黑色区域中包含的像素的亮度值之和减去白色区域中包含的像素的亮度值之和从而求得的特征量。另外，黑色区域和白色区域的配置能够设为任意的图案，但若将各区域中包含的像素的亮度值之和进行比较，则将各区域的面积比设为相同，或者在面积比不同的情况下，需要根据面积比进行加权。
例如，在标号403中，将与眼睛的中心对应的区域设为黑色区域，与眼睛的周边对应的区域设为白色区域，将各区域的面积设为相等。通过使用这样的特征量，能够与“眼睛的中心区域比眼睛的周边区域暗”这样的图案对照。通过在图像中的多处求得Haar－like特征量，与多个图案对照，从而能够算出在图像中存在对象的目的对象的概率。
另外，在此叙述了从黑色区域中包含的像素的亮度值之和减去白色区域中包含的像素的亮度值之和的例子，但也可以求得白色区域和黑色区域的亮度值的平均的差分。此时，不需要将各区域的面积比设为相同。
作为算出与图像对应的特征量的方法，能够使用其他任意的方法。例如，也可以使用BRIEF(二进制鲁棒独立基元特征，Binary Robust IndependentElementary Features)、BRISK(二进制鲁棒尺度不变特征，Binary RobustInvariant Scalable Keypoints)这样的、将亮度值的差分设为二进制串的特征量。
本实施方式所涉及的特征量取得部12通过以上说明的方法等，求得与像素或局部区域对应的特征量，将该特征量的集合设为与所取得的图像对应的特征量。特征量取得部12求得的特征量是一个以上的值的集合(矢量)。
在此，参照图5说明以往的技术的问题点。图5(A)是对包含图形500的图像和该图像的一部分即对3×3的像素构成的区域501进行了放大的图。在本例中，设为对位于区域501的中心的像素502，应用具有水平方向的朝向的Sobel滤波器503。其结果，得到“765”这样的值作为与像素502对应的特征量。
另一方面，图5(B)是在图5(A)所示的图像的明暗反转的情况下的例子。若对这样的图像应用Sobel滤波器，则得到“－765”这样的值作为特征量。即，虽然目的对象的形状相同，但与像素对应的特征量成为不同的值。
不过，即使明暗反转，若其为不同的目的对象则不会产生问题。但是，在对象的图像是拍摄到人物的图像的情况下，根据照明的状态、对象人物的肌肤的颜色等，存在应该得到的明暗反转的情况，在这样的情况下，不能准确地辨识面部的存在。
因此，本实施方式所涉及的图像处理装置采取在特征量取得部12取得了与图像对应的特征量之后，特征量校正部13对该特征量进行校正的结构。具体而言，在以矢量表示的特征量中包含负值的情况下，使用该值的绝对值更新该值。即，将负值校正为正值。
例如，在图5(B)的情况下，由于与像素512对应的特征量是负值，所以取绝对值，校正为“765”这样的值。
图像辨识部14基于这样校正的特征量，进行目的对象的辨识。由此，即使在目的对象的明暗反转的情况下，也能够关于相同的目的对象，得到相同的辨识结果。另外，对目的对象进行辨识的方法，若是基于特征量进行的方法，则也可以使用任何方法。例如，也可以使用模式匹配而进行，也可以利用支持向量机(SVM)等来进行。
另外，在本实施方式中，列举了通过滤波求得与像素对应的特征量，将与像素对应的特征量的集合设为与图像对应的特征量的例子，但像素差分、Haar－like特征量等、通过其他方法得到的特征量也能够以同样的方法来校正。
(处理流程图)
接着，说明用于实现以上说明的功能的处理流程图。
图6是本实施方式所涉及的图像处理装置10的处理流程图。该处理通过用户的操作(例如，读入所存储的图像的操作)而开始。
首先，在步骤S11中，图像取得部11取得图像。在本实施方式中，从存储装置取得预先存储的图像，但也可以经由通信部件或摄像部件取得图像。
接着，在步骤S12中，在特征量取得部12提取出所取得的图像中包含的一个特征点之后，取得与该特征点对应的特征量。特征点是在图像辨识部14进行图像辨识时使用的像素。特征点也可以是图像中包含的全部像素，也可以是满足规定的条件的像素。此外，作为取得特征量的方法，也可以使用任何方法。
在步骤S13中，特征量校正部13判定步骤S12中取得的特征量中是否包含负值，在包含的情况下，将该值校正为正值。
接着，在步骤S14中，特征量取得部12判断图像中包含的特征点是否还存在，在存在的情况下，使处理转移至步骤S12。由此，关于图像中包含的全部的特征点，进行特征量的取得处理以及校正处理。
在步骤S14中，在判定为图像中包含的特征点已不存在的情况下，将处理转移至步骤S15，通过图像辨识部14，使用校正后的特征量进行图像辨识。
如上说明，在本实施方式所涉及的图像处理装置中，在取得与图像对应的特征量(以矢量表示的特征量)时，参照构成该特征量的值的符号，若为负值则校正为正值。通过这样，即使在目的对象的明暗反转的情况下，也能够取得与能够辨识为该目的对象是相同的类别的程度类似的特征量，能够高精度地识别图像中包含的目的对象。
(第二实施方式)
在第一实施方式中，将基于像素的亮度值而运算出的值直接用作特征量。相对于此，第二实施方式是将基于像素的亮度值而编码的值用作特征量的实施方式。第二实施方式所涉及的图像处理装置的结构与第一实施方式相同，所以省略详细的说明，仅说明不同点。
首先，说明将编码后的值用作特征量的情形。在此，列举使用被称为FAST的方法来算出特征量的方法。
FAST(基于加速分割检测特征，Features from Accelerated Segment Test)是用于检测目的对象的角(corner)的方法。在FAST中，判定环绕关注像素的圆周上的像素相对于关注像素是亮还是暗，在相同的判定持续了规定的个数以上的情况下，判定为关注像素位于角。例如，在图7的×记号所示的像素是关注像素的情况下，判定赋予1～16的标签的像素比关注像素亮还是暗。在此，设为在亮的情况下给予1，在同等的情况下给予0，在暗的情况下给予－1这样的值，从而进行编码。在图7的例子的情况下，在比较对象的像素为白色的情况下判定为“亮”，在为灰色的情况下判定为“同等”，在为黑色的情况下判定为“暗”。
这样取得的16维的特征量成为表示关注像素是否位于角的特征量。例如，在相同的值持续了n个以上(例如8个以上)的情况下，能够判定为关注像素位于角。
在第二实施方式中，在图6的步骤S12中，算出前述的16维的特征量作为与特征点对应的特征量。
在图7的例子中，也产生与第一实施方式中说明的问题相同的问题。即，若目的对象的明暗反转，则相对于关注像素的明暗的关系也反转，所以所得到的特征量成为不同的值。具体而言，如图8所示，符号完全相反。
因此，在第二实施方式中，将被编码为“暗”“同等”“亮”这三个的、相对于关注像素的明暗的比较结果校正为“同等”“不同等”这两个。同等也可以是差为0的情况，也可以是差为阈值以下的情况。各自的条件能够如以下那样表示。(I1以及I2是比较对象的像素的亮度值，t是阈值)
(1)在I1－I2＝0的情况下设为同等，这以外的情况下设为不同等
(2)在－t＜I1－I2＜t的情况下设为同等，这以外的情况下设为不同等
另外，I1以及I2也可以是局部区域中包含的像素的亮度值之和。
具体而言，在步骤S12中编码的值为“暗(－1)”的情况下，在步骤S13中，进行置换为“不同等(1)”的校正。另外，关于“亮(1)”，由于与“不同等(1)”同值，所以不进行置换。
其结果，校正后的特征量分别成为图9(A)以及图9(B)那样。即，即使在目的对象的明暗反转的情况下，也能够与第一实施方式相同地，取得相同的特征量。此外，其结果，能够高精度地识别图像中包含的目的对象。
另外，在第二实施方式中，作为算出特征量的方法列举了FAST，但只要是对值的大小关系进行编码的方法，则还能够应用于其他方法。例如，也可以应用于判定通过像素差分而求得的值是正值还是负值，从而进行编码的方法。
(变形例)
上述的实施方式只是一例，本发明能在不脱离其主旨的范围内适当变更而实施。
例如，在第一实施方式的说明中，特征量校正部13检测负特征量而校正了该特征量，但也可以使用校正前的特征量和校正后的特征量这两个作为特征量。例如，在图5(B)的例子的情况下，也可以将“－765”这样的值和“765”这样的值的双方作为与像素512对应的特征量。
此外，在实施方式的说明中，使用单一的方法求得了特征量，但也可以通过多个方法求得多组的特征量，将结合了这些多个特征量的特征量用作整体的特征量。此外，在图6的处理中，在将成为特征点的像素一个个提取的同时进行特征量的计算，但也可以在将多个局部区域一个个提取的同时进行处理。此外，在使用多个方法求得特征量的情况下，也可以将步骤S12～S13的处理按每个方法多次执行。

Claims (9)

1.一种图像处理装置，其特征在于，具有：
图像取得部件，取得图像；以及
特征量取得部件，对所取得的图像进行规定的运算，算出与所述图像对应的特征量，并进行输出，
所述特征量取得部件在所算出的特征量中包含负值的情况下，将该值置换为该值的绝对值。
2.如权利要求1所述的图像处理装置，其特征在于，
所述特征量取得部件分别算出与所取得的图像中包含的多个关注像素对应的特征量，将所述算出的多个特征量作为与图像对应的特征量而输出。
3.如权利要求2所述的图像处理装置，其特征在于，
与所述关注像素对应的特征量是对所述关注像素的亮度值、和位于该像素的附近的像素的亮度值进行了规定的运算的结果的值。
4.如权利要求2所述的图像处理装置，其特征在于，
与所述关注像素对应的特征量是表示所述关注像素的亮度值、和位于该像素的附近的像素的亮度值之间的差分的值。
5.如权利要求1所述的图像处理装置，其特征在于，
所述特征量取得部件分别算出与所取得的图像中包含的多个局部区域对应的特征量，将所述算出的多个特征量作为与图像对应的特征量而输出。
6.如权利要求5所述的图像处理装置，其特征在于，
与所述局部区域对应的特征量是表示与所述局部区域对应的亮度值、和与位于该局部区域的附近的区域对应的亮度值之间的差分的值。
7.一种识别装置，由图像处理装置以及识别部件构成，
所述图像处理装置是权利要求1至6的任一项所述的图像处理装置，
所述识别部件基于所述图像处理装置输出的特征量，对图像中包含的面部、人体、字符、动物、车辆、或预先定义的规定的物体之中的任一个进行识别。
8.一种图像处理装置，其特征在于，具有：
图像取得部件，取得图像；以及
特征量取得部件，通过对所取得的图像中包含的多个像素的亮度值之间进行比较的结果进行编码，从而算出与所述图像对应的特征量，并进行输出，
所述特征量取得部件在进行亮度值之间的比较时，决定表示比较对象的亮度值是否存在差的值，并使用该值，生成与图像对应的特征量。
9.一种图像处理方法，由输出与所取得的图像对应的特征量的图像处理装置进行，其特征在于，包含：
图像取得步骤，取得图像；以及
特征量取得步骤，对所取得的图像进行规定的运算，算出与所述图像对应的特征量，并进行输出，
在所述特征量取得步骤中，在所算出的特征量包含负值的情况下，将该值置换为该值的绝对值。
CN201410840878.6A 2014-03-13 2014-12-30 图像处理装置以及图像处理方法 Pending CN104915629A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-050721 2014-03-13
JP2014050721A JP2015176252A (ja) 2014-03-13 2014-03-13 画像処理装置および画像処理方法

Publications (1)

Publication Number Publication Date
CN104915629A true CN104915629A (zh) 2015-09-16

Family

ID=52146362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410840878.6A Pending CN104915629A (zh) 2014-03-13 2014-12-30 图像处理装置以及图像处理方法

Country Status (5)

Country Link
US (1) US20150262382A1 (zh)
EP (1) EP2919149A3 (zh)
JP (1) JP2015176252A (zh)
KR (1) KR20150107581A (zh)
CN (1) CN104915629A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111526366A (zh) * 2020-04-28 2020-08-11 深圳市思坦科技有限公司 图像处理方法、装置、摄像设备和存储介质
US12080030B2 (en) 2020-04-28 2024-09-03 Shenzhen Sitan Technology Co., Ltd. Image processing method and device, camera apparatus and storage medium

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017029784A1 (ja) * 2015-08-19 2017-02-23 日本電気株式会社 画像位置合わせシステム、方法および記録媒体
JP6465215B2 (ja) 2015-10-02 2019-02-06 富士通株式会社 画像処理プログラムおよび画像処理装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1098644A (ja) * 1996-09-20 1998-04-14 Sharp Corp 動き検出装置
CN1195806A (zh) * 1997-02-27 1998-10-14 株式会社东芝 图像处理装置和图像处理方法
US5995639A (en) * 1993-03-29 1999-11-30 Matsushita Electric Industrial Co., Ltd. Apparatus for identifying person
US20050219581A1 (en) * 2004-03-30 2005-10-06 Toshiba Solutions Corporation Image processing apparatus and image processing method
CN101038625A (zh) * 2006-03-16 2007-09-19 索尼株式会社 图像处理装置和方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009080522A (ja) 2007-09-25 2009-04-16 Mitsubishi Electric Corp 物体画像認識装置
US8064653B2 (en) * 2007-11-29 2011-11-22 Viewdle, Inc. Method and system of person identification by facial image

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5995639A (en) * 1993-03-29 1999-11-30 Matsushita Electric Industrial Co., Ltd. Apparatus for identifying person
JPH1098644A (ja) * 1996-09-20 1998-04-14 Sharp Corp 動き検出装置
CN1195806A (zh) * 1997-02-27 1998-10-14 株式会社东芝 图像处理装置和图像处理方法
US20050219581A1 (en) * 2004-03-30 2005-10-06 Toshiba Solutions Corporation Image processing apparatus and image processing method
CN101038625A (zh) * 2006-03-16 2007-09-19 索尼株式会社 图像处理装置和方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111526366A (zh) * 2020-04-28 2020-08-11 深圳市思坦科技有限公司 图像处理方法、装置、摄像设备和存储介质
CN111526366B (zh) * 2020-04-28 2021-08-06 深圳市思坦科技有限公司 图像处理方法、装置、摄像设备和存储介质
US12080030B2 (en) 2020-04-28 2024-09-03 Shenzhen Sitan Technology Co., Ltd. Image processing method and device, camera apparatus and storage medium

Also Published As

Publication number Publication date
EP2919149A2 (en) 2015-09-16
US20150262382A1 (en) 2015-09-17
JP2015176252A (ja) 2015-10-05
EP2919149A3 (en) 2015-12-09
KR20150107581A (ko) 2015-09-23

Similar Documents

Publication Publication Date Title
CN110189349B (zh) 图像处理方法及装置
WO2012124142A1 (ja) 画像処理装置、および画像処理方法
CN109005368B (zh) 一种高动态范围图像的生成方法、移动终端及存储介质
CN104915629A (zh) 图像处理装置以及图像处理方法
CN103942762A (zh) 一种二维码预处理的方法及其装置
KR101842535B1 (ko) 부호의 광학적 검출 방법
CN112396050B (zh) 图像的处理方法、设备以及存储介质
CN105761256B (zh) 图像的亚像素边缘直线获取方法及装置
JP5338762B2 (ja) ホワイトバランス係数算出装置及びプログラム
CN111861956A (zh) 图片处理方法、装置、电子设备以及介质
CN105512595B (zh) 条码修正方法和装置
CN111160340B (zh) 一种运动目标检测方法、装置、存储介质及终端设备
JP6891808B2 (ja) 画像位置合わせシステム、方法およびプログラム
CN107808382A (zh) 一种基于色彩饱和度信息的pcb条码分割方法
CN113596425B (zh) 墨水屏终端的图像处理方法、装置、存储介质及智能设备
US11676265B2 (en) Method and image processing device for mura detection on display
CN105868768A (zh) 一种识别图片是否带有特定标记的方法及系统
US10142643B2 (en) Marker generating method, marker decoding method, and marker reading device
KR20190055479A (ko) 마커 인식 시스템 및 방법
EP2469450A1 (en) Face detection
JP2014119965A (ja) 情報端末装置及びプログラム並びに認識システム
JP5337844B2 (ja) 領域検出装置、領域検出方法及びプログラム
CN108573230B (zh) 人脸跟踪方法和人脸跟踪装置
JP2005339389A (ja) 画像処理方法および画像処理装置
JPH11283036A (ja) 対象物検出装置及び対象物検出方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150916