CN112689851A - 图像处理装置、图像处理程序以及图像处理方法 - Google Patents

Abstract

本发明提供一种图像处理装置、图像处理程序以及图像处理方法，能够有效率地设定多个参数的值。图像处理装置50基于多个参数来进行针对处理用图像的处理，所述图像处理装置50包括：事先知识生成部44，使用多个学习用图像、与所述多个学习用图像对应的评估项目以及所述评估项目的目标值，生成与所述参数相关的事先知识34；以及设定部42，基于事先知识34、多个处理用图像、与所述多个处理用图像对应的评估项目以及所述评估项目的目标值，来设定参数的值。

Description

图像处理装置、图像处理程序以及图像处理方法

技术领域

本发明涉及一种图像处理装置、图像处理程序以及图像处理方法。

背景技术

以往，作为参数决定支持装置，已知有如下所述者，即，一种参数决定支持装置，用于图像处理装置，所述图像处理装置针对拍摄测量对象物体而获得的图像数据进行使用预先规定的参数组的处理，由此来获得处理结果，所述参数决定支持装置包括：输入部件，受理图像数据以及与所述图像数据相关联的期待结果；候选生成部件，生成使所述参数组中所含的至少一个参数值互不相同的多个参数候选；获取部件，针对图像数据，获取分别使用多个参数候选的多个处理结果；评估部件，将多个处理结果各自与对应的所述期待结果进行比较，由此来生成分别关于多个处理结果的评估结果；以及输出部件，按照多个参数候选来输出评估结果(参照专利文献1)。所述参数决定支持装置能够更迅速且容易地决定对图像处理装置设定的参数组，所述图像处理装置针对拍摄测量对象物体而获得的图像数据进行使用预先规定的参数组的处理，由此来获得处理结果。

现有技术文献

专利文献

专利文献1：日本专利特开2010-191939号公报

发明内容

发明所要解决的问题

另一方面，在对多个参数的值进行设定的情况下，若要设定适当的参数的值，则例如必须对多个参数的值的所有组合进行评估，选择其评估值最高的参数的值的组合。因此，参数的值的设定会耗费非常长的时间，因而无效率。

因此，本发明的目的在于提供一种能够有效率地设定多个参数的值的图像处理装置、图像处理程序以及图像处理方法。

解决问题的技术手段

本发明的一实施例的图像处理装置基于多个参数来进行针对处理用图像的处理，所述图像处理装置包括：事先知识生成部，使用多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成与参数相关的事先知识；以及设定部，基于事先知识、多个处理用图像、与所述多个处理用图像对应的评估项目、以及所述评估项目的目标值，来设定参数的值。

根据此实施例，基于与参数相关的事先知识、多个处理用图像、与所述多个处理用图像对应的评估项目以及所述评估项目的目标值，来设定参数的值。由此，例如对于某个参数，能够以适当的变更幅度来探索适当范围的值，因此与无事先知识的情况相比，能够在短时间设定适当的参数的值。因而，能够有效率地设定多个参数的值。

前述的实施例中，事先知识生成部也可使用根据评估项目与所述评估项目的目标值而定的评估函数，基于用于求出与参数的值对应的评估函数的评估值的评估部件、与利用所述评估部件所获得的多个评估值，来生成事先知识，设定部以评估值变高的方式来设定参数的值。

根据此实施例，以使评估值变高的方式来设定参数的值。由此，能够设定为与评估项目的目标值相近或满足目标值的、参数的值。而且，使用根据评估项目与所述评估项目的目标值而定的评估函数，基于用于求出与参数的值对应的评估函数的评估值的评估部件、与利用所述评估部件所获得的多个评估值，来生成事先知识。由此，例如对于适合于提高评估值的参数，能够以适当的变更幅度来探索适当范围的值，因此与无事先知识的情况相比，能够在短时间设定评估值更高的参数的值。

前述的实施例中，评估部件也可为评估值映射，所述评估值映射是使用评估函数而生成，表示评估项目中的每个所述参数的值的评估值。

根据此实施例，评估部件是使用评估函数而生成，表示评估项目中的每个参数的值的评估值的评估值映射。由此，能够容易地实现生成事先知识的事先知识生成部。

前述的实施例中，事先知识生成部也可针对处理的每个种类或者处理用图像的对象物的每个品种，来生成事先知识，所述图像处理装置还包括选择部，所述选择部基于所指定的种类或品种来选择事先知识。

根据此实施例，针对处理的每个种类或处理用图像的对象物的每个品种来生成事先知识，基于所指定的种类或品种来选择事先知识。由此，能够获得处理的每个种类或对象物的每个品种共用的事先知识。

前述的实施例中，事先知识包含参数对评估项目造成的影响度、参数之间的依存度、参数的值的变更幅度、以及参数的值的变更范围中的至少一个。

根据此实施例，事先知识包含参数对评估项目造成的影响度、参数之间的依存度、参数的值的变更幅度、参数的值的变更范围中的至少一个。由此，能够容易地实现在短时间设定设定评估值更高的参数的设定部。

前述的实施例中，设定部也可将在所指定的设定时间的范围内评估值最高的值设定为参数。

根据此实施例，将在所指定的设定时间的范围内评估值最高的值设定为参数。由此，即使在有限的设定时间内，也能够设定评估值更高的参数的值。

前述的实施例中，也可还包括：提取部，基于事先知识来提取多个参数中的至少一个，设定部设定所提取的参数的值。

根据此实施例，基于事先知识来提取多个参数中的至少一个，设定所提取的参数的值。由此，关于多个参数中的可提高评估值的参数，能够设定所述值。

而且，本发明的另一实施例的图像处理程序由计算机所执行，基于多个参数来进行针对处理用图像的处理，所述图像处理程序包括：事先知识生成步骤，使用多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成与参数相关的事先知识；以及设定步骤，基于事先知识、多个所述处理用图像、与所述多个处理用图像对应的所述评估项目、以及所述评估项目的目标值，来设定参数的值。

根据此实施例，基于与参数相关的事先知识、多个处理用图像、与所述多个处理用图像对应的评估项目、以及所述评估项目的目标值，来设定参数的值。由此，例如对于某个参数，能够以适当的变更幅度来探索适当范围的值，因此与无事先知识的情况相比，能够在短时间设定适当的参数的值。因而，能够有效率地设定多个参数的值。

前述的实施例中，事先知识生成步骤也可包含：使用根据评估项目与所述评估项目的目标值而定的评估函数，基于用于求出与参数的值对应的评估函数的评估值的评估部件、与利用所述评估部件所获得的多个所述评估值，来生成所述事先知识，设定步骤包含：以评估值变高的方式来设定所述参数的值。

根据此实施例，以使评估值变高的方式来设定参数的值。由此，能够设定为与评估项目的目标值相近或满足目标值的、参数的值。而且，使用根据评估项目与所述评估项目的目标值而定的评估函数，基于用于求出与参数的值对应的评估函数的评估值的评估部件、与利用所述评估部件所获得的多个评估值，来生成事先知识。由此，例如对于适合于提高评估值的参数，能够以适当的变更幅度来探索适当范围的值，因此与无事先知识的情况相比，能够在短时间设定评估值更高的参数的值。

前述的实施例中，评估部件也可为评估值映射，所述评估值映射是使用评估函数而生成，表示评估项目中的每个参数的值的评估值。

根据此实施例，评估部件是使用评估函数而生成，表示评估项目中的每个参数的值的评估值的评估值映射。由此，能够容易地实现生成事先知识的事先知识生成步骤。

前述的实施例中，事先知识生成步骤也可包含：针对处理的每个种类或者处理用图像的对象物的每个品种，来生成事先知识，所述图像处理程序还包括：选择步骤，基于所指定的种类或品种来选择事先知识。

根据此实施例，根据此实施例，针对处理的每个种类或处理用图像的对象物的每个品种来生成事先知识，并针对处理的每个种类或对象物的每个品种来选择评估值映射。由此，能够获得处理的每个种类或对象物的每个品种共用的事先知识。

前述的实施例中，事先知识也可包含参数对评估项目造成的影响度、参数之间的依存度、参数的值的变更幅度、以及参数的值的变更范围中的至少一个。

根据此实施例，事先知识包含参数对评估项目造成的影响度、参数之间的依存度、参数的值的变更幅度、参数的值的变更范围中的至少一个。由此，能够容易地实现在短时间设定设定评估值更高的参数的设定部。

前述的实施例中，设定步骤也可包含：将在所指定的设定时间的范围内评估值最高的值设定为参数。

根据此实施例，将在所指定的设定时间的范围内评估值最高的值设定为参数。由此，即使在有限的设定时间内，也能够设定评估值更高的参数的值。

前述的实施例中，也可还包括：提取步骤，基于事先知识来提取多个参数中的至少一个，设定步骤设定所提取的参数的值。

根据此实施例，基于事先知识来提取多个参数中的至少一个，设定所提取的参数的值。由此，关于多个参数中的可提高评估值的参数，能够设定所述值。

而且，本发明的另一实施例的图像处理方法基于多个参数来进行针对处理用图像的处理，所述图像处理方法包括：事先知识生成步骤，使用多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成与参数相关的事先知识；以及设定步骤，基于事先知识、多个所述处理用图像、与所述多个处理用图像对应的所述评估项目、以及所述评估项目的目标值，来设定参数的值。

根据此实施例，基于与参数相关的事先知识、多个处理用图像、与所述多个处理用图像对应的评估项目、以及所述评估项目的目标值，来设定参数的值。由此，例如对于某个参数，能够以适当的变更幅度来探索适当范围的值，因此与无事先知识的情况相比，能够在短时间设定适当的参数的值。因而，能够有效率地设定多个参数的值。

发明的效果

根据本发明，能够有效率地设定多个参数的值。

附图说明

图1是例示一实施方式的图像处理系统的概略结构的结构图。

图2是例示图1所示的评估函数的图。

图3是例示图1所示的评估值映射的图。

图4是例示图1所示的评估值映射的图。

图5是例示图1所示的评估值映射的图。

图6是例示图1所示的学习用数据集的图。

图7是例示图1所示的评估值映射的图。

图8是表示对一实施方式的图像处理装置的参数进行设定的概略动作的流程图。

具体实施方式

以下说明本发明的实施方式。以下的附图的记载中，对于相同或类似的部分，以相同或类似的符号来表示。但是，附图是示意性者。因而，具体的尺寸等应对照以下的说明来判断。而且，在附图相互间中当然也包含彼此的尺寸关系或比率不同的部分。进而，本发明的技术范围不应限定于所述实施方式来解释。

首先，参照图1至图7来说明本发明的一实施方式的图像处理装置的结构的一例。图1是例示一实施方式的图像处理系统100的概略结构的结构图。图2是例示图1所示的评估函数31的图。图3是例示图1所示的评估值映射32的图。图4是例示图1所示的评估值映射32的图。图5是例示图1所示的评估值映射32的图。图6是例示图1所示的学习用数据集33的图。图7是例示图1所示的评估值映射32的图。

如图1所示，图像处理系统100包括服务器SV、网络NW、图像处理装置50、拍摄装置60、输入装置70、输出装置80以及线装置90。

图像处理装置50与服务器SV经由网络NW而可相互通信地连接。网络NW例如是国际互联网、局域网(Local Area Network，LAN)、专线、电话线路、企业内网、蓝牙(注册商标)、无线保真(Wireless Fidelity，Wi-Fi)、移动通信网、其他的通信线路或它们的组合等。而且，图像处理装置50以及服务器SV与网络NW之间的连接分别不论是有线还是无线。

本实施方式中，在图1中表示了图像处理系统100中所含的网络NW为一个的示例，但并不限定于此。图像处理系统100中所含的网络例如也可为两个以上。

服务器SV是发挥图像处理装置50的上位控制器的作用的计算机。服务器SV例如包含可编程逻辑控制器(Programmable Logic Controller，PLC)等控制器而构成。

图像处理装置50基于多个参数来进行针对处理用图像的处理。更详细而言，图像处理装置50基于多个参数来检查映照有对象物的处理用图像，或者根据映照有对象物的处理用图像来决定位置，或者根据映照有对象物的处理用图像来对照字符。

本实施方式中，例如构成为，通过拍摄装置60来拍摄线装置90的上的对象物，图像处理装置50对所拍摄的对象物的处理用图像进行检查。此时，多个参数例如是进行处理用图像的平滑化时的核函数(kernel)或滤镜(filter)的大小、对处理用图像进行二值化时的阈值等。

图像处理装置50例如是计算机等信息处理装置。图像处理装置50包括通信部10、输入/输出接口(以下称作“输入/输出I/F”)20、存储部30以及控制部40。而且，图像处理装置50还包括总线51，所述总线51构成为，在图像处理装置50的各部之间传输信号或数据。

通信部10用于经由网络NW来对数据进行通信(收发)。通信部10构成为，可基于一个或多个规定的通信方式，经由网络NW来与连接于网络NW的服务器SV进行通信。

输入/输出I/F 20是图像处理装置50与外部机器的接口。输入/输出I/F 20构成为，在与外部的机器之间交换数据或信号。而且，输入/输出I/F 20构成为，对与外部机器的通信进行控制。输入/输出I/F 20例如是包含通用串行总线(Universal Serial Bus，USB)、高清晰度多媒体接口(High Definition Multimedia Interface，HDMI(注册商标))、电气与电子工程师协会(Institute of Electrical and Electronics Engineers，IEEE)1394等经标准化的接口的连接端子而构成。输入/输出I/F 20连接于拍摄装置60、输入装置70、输出装置80以及线装置90。

存储部30构成为，存储程序或数据等。存储部30例如包含硬盘驱动器、固态硬盘等而构成。存储部30预先存储有控制部40所执行的各种程序或程序的执行所需的数据等。

而且，存储部30预先存储有评估函数31、评估值映射32、学习用数据集33、事先知识34、探索历史35以及计算结果36。

评估函数31是根据评估项目与所述评估项目的目标值而定。评估项目是对应于多个图像而定的项目。本实施方式中，评估项目对应于学习用数据集33中所含的多个学习用图像。如图2所示，评估项目例如是“处理时间”、“过检率”、“漏检率”、“位置精度”、“姿势精度”、“尺寸精度”等项目。对于各评估项目，设定目标值。图2所示的示例中，所述目标值包含必要(must)目标值与期望(want)目标值这两个目标值。

各目标值是通过利用者(用户)操作输入装置70而输入。评估函数31通过图像处理装置50的参数的值来对数量进行归一化，以使得满足所有评估项目的必要目标值时例如为60分或60％、满足所有评估项目的期望目标值时例如为90分或90％。

评估值映射32是使用图2所示的评估函数31而生成，且是针对评估函数31的每个评估项目而生成。评估值映射32是在所述评估项目中，针对图像处理装置50的每个参数的值而表示评估函数的评估值(以下简称作“评估值”)。

例如，图3所示的评估值映射32是在作为评估函数31的评估项目之一的“处理时间”中，映射有参数p1、p2、p3的参数空间内的评估值者。

而且，图4所示的评估值映射32是在作为评估函数31的另一评估项目的“过检率”中，映射有参数p1、p2、p3的参数空间内的评估值者。

另外，评估值映射32并不限定于针对每个评估项目来映射多个参数空间内的评估值者。例如，也可为如图5所示，在评估项目“处理时间”中，映射有针对参数p1的值的评估值者。

事先知识34例如是基于图3至图5所示的评估值映射32而生成。事先知识34是与参数相关者，例如是参数对评估项目造成的影响度、参数之间的依存度、参数的步幅、参数的变更范围等。图5中，表示了获得参数p1的变更幅度来作为事先知识34的示例。

当获得参数对评估项目造成的影响度来作为事先知识34时，当某评估项目的评估值低时，可知晓为了提高所述评估项目的评估值而应变更值的参数。而且，当获得参数之间的依存度来作为事先知识34时，在变更某参数时，可知晓应同时变更的参数。而且，当获得参数的变更幅度作为事先知识34时，在对于某参数探索评估值更高的值时，可知晓所述参数的值中的适当的变更幅度。进而，当获得参数的变更范围来作为事先知识34时，在对于某参数探索评估值更高的值时，可知晓所述参数的值中的适当的变更范围。

本实施方式中，表示了事先知识34是基于评估值映射32而生成的示例，但并不限定于此。例如，对于事先准备的问题，考虑进行某些试行实验来掌握参数的倾向的方法。此时，也可根据参数的倾向来获得事先知识。

评估值映射32是使用学习用数据集33而生成。如图6所示，学习用数据集33包含多个学习用数据，评估值映射32是使用学习用数据集33中的至少一个学习用数据而生成。

各学习用数据例如包含多个学习用图像、对所述多个学习用图像进行的处理的种类、学习用图像的图像数、以及对各学习用图像赋予的标签。标签是与处理的种类相应的关联信息，即，注释(annotation)。例如，在处理种类为“检查”的情况下，标签为“OK”或“NG”，在处理种类为“定位”的情况下，标签为以某像素为基准或原点的xy坐标的位置(x，y)，在处理种类为“字符对照”的情况下，标签为年月等日期。

评估值映射32除了针对每个评估项目，也可针对对处理用图像进行的处理的每个种类或映照在处理用图像中的对象物的每个品种而生成。例如，如图7所示，评估值映射32是使用处理种类为“检查”的学习用数据，关于评估项目“处理时间”而映射有p1、p2、p3的参数空间内的评估值者。

存储在存储部30中的评估值映射32并不限定于图像处理装置50所生成的情况。例如，也可由图1所示的服务器SV来制作评估值映射。此时，服务器SV预先存储评估函数以及学习用数据集，或者经由网络NW而从其他装置获取评估函数以及学习用数据集。并且，在服务器SV中生成的评估值映射经由网络NW而发送至图像处理装置50，并存储到存储部30中。

另外，评估函数31、评估值映射32、学习用数据集33、事先知识34、探索历史35以及计算结果36的结构以及格式并不限定于前述的示例。例如，评估函数31、评估值映射32、学习用数据集33、事先知识34、探索历史35以及计算结果36既可分别为简单的数据，也可为数据库。而且，在评估函数31、评估值映射32、学习用数据集33、事先知识34、探索历史35以及计算结果36中的至少一部分为数据库的情况下，也可进行归一化，并对数据的群组单位进行细分化。

返回图1的说明，控制部40构成为，对通信部10、输入/输出I/F 20以及存储部30等图像处理装置50的各部的动作进行控制。而且，控制部40构成为，通过执行存储在存储部30中的程序等，从而实现后述的各功能。控制部40例如是包含中央处理器(CentralProcessing Unit，CPU)等处理器、只读存储器(Read Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)等存储器以及缓冲器等缓冲存储装置而构成。另外，关于控制部40的详细将后述。

拍摄装置60构成为，拍摄图像并记录为数据。拍摄装置60为数字摄像机，例如包含透镜等光学系统零件与拍摄元件(受光元件)等电子系统零件而构成。另外，光学系统零件也可包括多个透镜。而且，电子系统零件也可包括闪光灯等发光装置。拍摄装置60被配置在线装置90的上方，对线装置90上的对象物进行拍摄，并输出所拍摄的图像。拍摄装置60所输出的图像经由输入/输出I/F 20而输入至图像处理装置50。控制部40对从拍摄装置60输入的图像实施必要的处理而生成处理用图像的文件，并使所生成的处理用图像的文件存储到存储部30中。

输入装置70构成为，能够通过利用者(用户)的操作来输入信息。输入装置70例如包含键盘、小键盘、鼠标、轨迹球(track ball)、触控面板、麦克风等而构成。例如，当利用者对键盘、小键盘、鼠标、轨迹球、触控面板、麦克风等进行操作(包含使用麦克风的语音操作)时，输入装置70输出与所述操作对应的数据或信号。输入装置70所输出的数据或信号经由输入/输出I/F 20而被输入至图像处理装置50。控制部40基于所述数据且信号来生成数据，由此，能够对图像处理装置50输入信息。

输出装置80构成为，输出信息。输出装置80例如包含液晶显示器、电致发光(Electro Luminescence，EL)显示器、等离子体显示器等显示装置与扬声器等声音装置而构成。

输出装置80将经由输入/输出I/F 20而从图像处理装置50输入的信息中的字符、数字、符号等的文本、图像以及动态图像的信息显示于显示装置，将声音的信息从扬声器予以输出，由此，能够输出信息。

线装置90构成为搬送对象物。线装置90例如包含带式输送器等搬送部件而构成。线装置90能够基于经由输入/输出I/F 10而从图像处理装置50输入的控制信号，而使例如线装置90上的对象物移动，停止或者除外。

图像处理装置50的控制部40例如包括选择部41、设定部42、提取部43以及事先知识生成部44来作为其功能结构。

事先知识生成部44构成为，使用学习用数据集33的学习用数据中所含的多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成前述的事先知识34。事先知识生成部44使所生成的事先知识34存储到存储部30中。

更详细而言，事先知识生成部44构成为，使用根据评估项目与所述评估项目的目标值而定的评估函数31，并基于用于求出与参数的值对应的评估函数31的评估值的评估部件与利用所述评估部件所获得的多个评估值，来生成事先知识34。

前述的评估部件例如是评估值映射32，所述评估值映射32是使用评估函数31而生成，表示评估项目中的每个参数的值的评估值。由此，能够容易地实现生成事先知识34的事先知识生成部44。

而且，事先知识生成部44也可针对对于处理用图像的处理的每个种类或者处理用图像的对象物的每个品种而生成事先知识34。

选择部41构成为，选择事先知识34。更详细而言，选择部41构成为，基于所指定的、针对图像的处理的种类或图像的对象物的品种，来选择事先知识34。处理的种类例如为检查、定位、字符对照等。而且，对象物的品种例如为汽车、食品等。

如前所述，针对处理的每个种类或处理用图像的对象物的每个品种来生成事先知识34，基于所指定的种类或品种来选择事先知识34，由此，能够获得处理的每个种类或对象物的每个品种共用的事先知识34。

另外，选择部41也可基于选择事先知识34时所给予的图像，来选择事先知识34。此时，选择部41使用经机器学习的网络等来检索与所给予的图像类似的学习用图像，找出包含所述类似的学习用图像的学习用数据集33的学习用数据。并且，选择部41选择使用所述学习用数据而获得的事先知识34。

设定部42构成为，基于事先知识34、多个处理用图像、与所述多个处理用图像对应的评估项目、以及所述评估项目的目标值，来设定参数的值。由此，例如对于某个参数，能够以适当的变更幅度来探索适当范围的值，因此与无事先知识的情况相比，能够在短时间设定适当的参数的值。因而，能够有效率地设定多个参数的值。

更详细而言，设定部42构成为，以使评估值变高、以使评估值为高的方式来设定参数的值。由此，能够设定为与评估项目的目标值相近或满足目标值的、参数的值。而且，如前所述，使用根据评估项目与所述评估项目的目标值而定的评估函数，基于用于求出与参数的值对应的评估函数的评估值的评估部件、与利用所述评估部件所获得的多个评估值，来生成事先知识34。由此，例如对于适合于提高评估值的参数，能够以适当的变更幅度来探索适当范围的值，因此与无事先知识32的情况相比，能够在短时间设定评估值更高的参数的值。

优选的是，事先知识34包含参数对评估项目造成的影响度、参数之间的依存度、参数的值的变更幅度、参数的值的变更范围中的至少一个。由此，能够容易地实现在短时间设定设定评估值更高的参数的设定部42。

而且，设定部42构成为，在指定有设定时间时，将在所指定的设定时间的范围内评估值最高的值设定为参数。由此，即使在有限的设定时间内，也能够设定评估值更高的参数的值。

设定时间的指定例如是通过利用者(用户)操作输入装置70而进行。设定时间例如是从10秒、1分钟、1天等预先准备的选择项中指定。

提取部43构成为，基于事先知识34来提取多个参数中的至少一个。在提取部43提取了参数的情况下，设定部42设定所提取的参数的值。由此，对于多个参数中的可提高评估值的参数，能够设定所述值。

控制部40的各功能可通过由计算机(微处理器)所执行的程序来实现。因此，控制部40所包括的各功能可通过硬件、软件或者硬件及软件的组合来实现，并不限定于任一种情况。

而且，在控制部40的各功能是通过软件、或者硬件及软件的组合来实现的情况下，其处理可利用多任务、多线程(multithread)、或者多任务及多线程这两者来执行，并不限定于任一种情况。

接下来，参照图8来说明一实施方式的图像处理装置的动作。图8是表示对一实施方式的图像处理装置50的参数进行设定的概略动作的流程图。

例如当通过利用者(用户)的操作来选择参数的设定时，图像处理装置50的控制部40执行图8所示的参数设定处理S200。

另外，以下的说明中，假设预先生成事先知识34并存储在存储部30中。即，假设使用多个学习用图像、与所述多个学习用图像对应的评估项目以及所述评估项目的目标值来生成事先知识34的事先知识生成步骤是在参数设定处理S200之前进行。而且，假设图像处理装置50基于多个参数所进行的处理的对象即多个处理用图像是预先给予的，且所述处理的种类或对象物的品种是预先指定的。

首先，选择部41导出所给予的多个处理用图像中的若干个来作为采样(以下称作“采样图像”)(S201)。

接下来，选择部41基于所指定的处理的种类或对象物的品种来选择事先知识34(S202)。处理的种类或对象物的品种的指定例如是通过利用者(用户)操作输入装置70来进行。

接下来，设定部42使用在步骤S201中导出的采样图像，基于在步骤S202中选择的事先知识34，来生成粗略的评估值映射(S203)。步骤S203中，设定部42参照事先知识34中的例如参数的值的变化幅度、参数的值的变化范围等。

接下来，提取部43基于在步骤S203中制作的粗略的评估值映射，提取评估值高的参数与所述值的多个组合来作为参数候选(S204)。

接下来，设定部42对于在步骤S204中提取的参数候选，基于在步骤S202中选择的事先知识34，来探索是否存在评估值更高的参数的值、参数候选的值的周边(S205)。

作为探索的具体例，设定部42将参数候选的值设为中央值，将变化幅度设定为最小值。并且，设定部42在事先知识34的变化幅度的范围中，使参数的值发生变化而求出评估值。此时，设定部42参照事先知识34中的、参数对评估项目造成的影响度、参数之间的依存度等，使在评估值低的评估项目中影响度高的参数、在所述参数之间依存度高的参数的值也发生变化，以求出评估值。

而且，在步骤S205的期间，设定部42使在探索中所用的事先知识34、所探索出的参数、探索范围、探索时的变化幅度等写入至存储部30的探索历史35中而存储。进而，设定部42使在探索中求出评估值时的参数、所述值以及评估值等写入至存储部30的计算结果36中而存储。由此，在参数、所述值等的条件相同时，设定部42参照存储部30的计算结果36，由此，能够省略评估值的计算。

接下来，提取部43基于在步骤S205中探索到的结果，提取评估值高的参数与所述值的多个组合来作为有望参数候选(S206)。

接下来，设定部42对于在步骤S206中提取的有望参数候选，基于在步骤S202中选择的事先知识34，来探索是否存在评估值更高的参数的值、有望参数候选的值的周边(S207)。

探索的具体例与步骤S205的探索同样，设定部42将有望参数候选的值作为中央值，将变化幅度设定为最小值。并且，设定部42在事先知识34的参数的值的变化幅度的范围内，使参数的值发生变化以求出评估值。此时，设定部42参照事先知识34中的、参数对评估项目造成的影响度、参数之间的依存度等，使在评估值低的评估项目中影响度高的参数、在所述参数之间依存度高的参数的值也发生变化，以求出评估值。

而且，在步骤S207的期间，设定部42使在探索中所用的事先知识34、所探索出的参数、探索范围、探索时的变化幅度等写入至存储部30的探索历史35而存储。进而，设定部42使在探索中求出评估值时的参数、所述值以及评估值等写入至存储部30的计算结果36而存储。

接下来，设定部42基于在步骤S207中探索出的结果，将评估值最高者设定为参数的值(S208)。

接下来，设定部42使存储在存储部30中的探索历史35的内容经由输入/输出I/F20而输出至输出装置80(S209)。由此，所设定的参数的值具有对利用者(用户)的说明性，所述利用者(用户)能够推测要提高评估值而存在多少余地。

在步骤S209之后，控制部40结束参数设定处理S200。

另外，在参数设定处理S200的执行时指定有设定时间的情况下，控制部40进行调整，以在所述设定时间的范围内设定参数的值。具体而言，在步骤S201中，选择部41导出与所指定的设定时间相应的数量的采样图像。而且，步骤S203中，设定部42利用与所指定的设定时间相应的参数的值的变化幅度，来生成粗略的评估值映射以及评估值映射。进而，在步骤S204以及步骤S206中，提取部43提取与所指定的设定时间相应的数量的参数候选以及有望参数候选。

以上，对本发明的例示性的实施方式进行了说明。根据本发明的一实施方式的图像处理装置50、图像处理程序以及图像处理方法，基于与参数相关的事先知识34、多个处理用图像、与所述多个处理用图像对应的评估项目、以及所述评估项目的目标值，来设定参数的值。由此，例如对于某个参数，能够以适当的变更幅度来探索适当范围的值，因此与无事先知识的情况相比，能够在短时间设定适当的参数的值。因而，能够有效率地设定多个参数的值。

以上说明的实施方式是为了便于理解本发明，并非用来限定地解释本发明。实施方式所包括的各元件与其配置、材料、条件、形状以及尺寸等并不限定于例示者，而能够适当变更。而且，能够将不同的实施方式中所示的结构彼此局部地替换或组合。

(附注)

1、一种图像处理装置50，基于多个参数来进行针对处理用图像的处理，所述图像处理装置50包括：

事先知识生成部44，使用多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成与所述参数相关的事先知识34；以及

设定部42，基于事先知识34、多个处理用图像、与所述多个处理用图像对应的评估项目、以及所述评估项目的目标值，来设定参数的值。

8、一种图像处理程序，由计算机所执行，基于多个参数来进行针对处理用图像的处理，所述图像处理程序包括：

事先知识生成步骤，使用多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成与所述参数相关的事先知识34；以及

设定步骤，基于事先知识34、多个处理用图像、与所述多个处理用图像对应的评估项目、以及所述评估项目的目标值，来设定参数的值。

15、一种图像处理方法，基于多个参数来进行针对处理用图像的处理，所述图像处理方法包括：

事先知识生成步骤，使用多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成与所述参数相关的事先知识34；以及

设定步骤，基于事先知识34、多个处理用图像、与所述多个处理用图像对应的评估项目、以及所述评估项目的目标值，来设定参数的值。

符号的说明

10：通信部

20：输入/输出I/F

30：存储部

31：评估函数

32：评估值映射

33：学习用数据集

34：事先知识

35：探索历史

36：计算结果

40：控制部

41：选择部

42：设定部

43：提取部

44：事先知识生成部

50：图像处理装置

51：总线

60：拍摄装置

70：输入装置

80：输出装置

90：线装置

100：图像处理系统

NW：网络

p1、p2、p3：参数

S200：参数设定处理

SV：服务器

Claims (15)

1.一种图像处理装置，基于多个参数来进行针对处理用图像的处理，所述图像处理装置包括：

事先知识生成部，使用多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成与所述参数相关的事先知识；以及

设定部，基于所述事先知识、多个所述处理用图像、与多个所述处理用图像对应的所述评估项目、以及所述评估项目的目标值，来设定所述参数的值。

2.根据权利要求1所述的图像处理装置，其中

所述事先知识生成部使用根据所述评估项目与所述评估项目的目标值而定的评估函数，基于用于求出与所述参数的值对应的所述评估函数的评估值的评估部件、与利用所述评估部件所获得的多个所述评估值，来生成所述事先知识，

所述设定部以所述评估值变高的方式来设定所述参数的值。

3.根据权利要求2所述的图像处理装置，其中

所述评估部件是评估值映射，所述评估值映射是使用所述评估函数而生成，表示所述评估项目中的每个所述参数的值的所述评估值。

4.根据权利要求1至3中任一项所述的图像处理装置，其中

所述事先知识生成部针对所述处理的每个种类或者所述处理用图像的对象物的每个品种，来生成所述事先知识，

所述图像处理装置还包括选择部，所述选择部基于所指定的所述种类或所述品种来选择所述事先知识。

5.根据权利要求2至4中任一项所述的图像处理装置，其中

所述事先知识包含所述参数对所述评估项目造成的影响度、所述参数之间的依存度、所述参数的值的变更幅度、以及所述参数的值的变更范围中的至少一个。

6.根据权利要求2至5中任一项所述的图像处理装置，其中

所述设定部将在所指定的设定时间的范围内所述评估值最高的值设定为所述参数。

7.根据权利要求1至6中任一项所述的图像处理装置，还包括：

提取部，基于所述事先知识来提取多个所述参数中的至少一个，

所述设定部设定提取的所述参数的值。

8.一种图像处理程序，由计算机所执行，基于多个参数来进行针对处理用图像的处理，所述图像处理程序包括：

事先知识生成步骤，使用多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成与所述参数相关的事先知识；以及

设定步骤，基于所述事先知识、多个所述处理用图像、与所述多个处理用图像对应的所述评估项目、以及所述评估项目的目标值，来设定所述参数的值。

9.根据权利要求8所述的图像处理程序，其中

所述事先知识生成步骤包含：使用根据所述评估项目与所述评估项目的目标值而定的评估函数，基于用于求出与所述参数的值对应的所述评估函数的评估值的评估部件、与利用所述评估部件所获得的多个所述评估值，来生成所述事先知识，

所述设定步骤包含：以所述评估值变高的方式来设定所述参数的值。

10.根据权利要求9所述的图像处理程序，其中

所述评估部件是评估值映射，所述评估值映射是使用所述评估函数而生成，表示所述评估项目中的每个所述参数的值的所述评估值。

11.根据权利要求8至10中任一项所述的图像处理程序，其中

所述事先知识生成步骤包含：针对所述处理的每个种类或者所述处理用图像的对象物的每个品种，来生成所述事先知识，

所述图像处理程序还包括：选择步骤，基于所述指定的所述种类或所述品种来选择所述事先知识。

12.根据权利要求9至11中任一项所述的图像处理程序，其中

所述事先知识包含所述参数对所述评估项目造成的影响度、所述参数之间的依存度、所述参数的值的变更幅度、以及所述参数的值的变更范围中的至少一个。

13.根据权利要求9至12中任一项所述的图像处理程序，其中

所述设定步骤包含：将在所指定的设定时间的范围内所述评估值最高的值设定为所述参数。

14.根据权利要求8至13中任一项所述的图像处理程序，还包括：

提取步骤，基于所述事先知识来提取多个所述参数中的至少一个，

所述设定步骤设定提取的所述参数的值。

15.一种图像处理方法，基于多个参数来进行针对处理用图像的处理，所述图像处理方法包括：

事先知识生成步骤，使用多个学习用图像、与所述多个学习用图像对应的评估项目、以及所述评估项目的目标值，来生成与所述参数相关的事先知识；以及

设定步骤，基于所述事先知识、多个所述处理用图像、与多个所述处理用图像对应的所述评估项目、以及所述评估项目的目标值，来设定所述参数的值。

Images