JP2002207992A

JP2002207992A - 画像処理方法及び画像処理装置

Info

Publication number: JP2002207992A
Application number: JP2001004532A
Authority: JP
Inventors: Tatsuya Ando; 竜弥安藤; Kikuo Umegaki; 菊男梅垣; Takashi Okazaki; 隆司岡崎
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2001-01-12
Filing date: 2001-01-12
Publication date: 2002-07-26

Abstract

(57)【要約】【課題】入力された画像から、関心領域の形状を、精
度良く抽出する。【解決手段】画像の中から関心領域の概略画像を抽出
する第１抽出手段２と、関心領域の標準的形状を定義し
たデータを保持するデータベース４と、前記第１抽出手
段により抽出された概略画像とデータベース４から読み
出した関心領域に対応する形状データとのフィッティン
グ処理３を行い関心領域の詳細画像を求める第２抽出手
段５とを備え、先ず、第１抽出手段２が画像の濃度値と
閾値とを比較するなどして画像中の関心領域の概略画像
を抽出し、次に、この概略画像と、前記関心領域の標準
的形状データとのフィッティング処理を行って、概略画
像と標準形状との違いを求め、この違いに基づいて関心
領域の詳細画像を求めるため、関心領域の精度の高い抽
出画像を得ることができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、画像処理方法及び
画像処理装置に係り、特に、画像データから関心領域を
高精度に抽出するのに好適な画像処理方法及び画像処理
装置に関する。

【０００２】

【従来の技術】画像撮像装置として、二次元画像なら
ば、例えばＸ線撮像装置があり、三次元画像ならば、例
えばＣＴ装置，ＭＲＩ装置，ＳＰＥＣＴ装置あるいはＰ
ＥＴ装置などがある。これらの装置によって撮像される
画像は、画像中のある点に関する濃度情報で表現され
る。例えば、医療用途では、これらの濃度情報から関心
領域、例えば臓器に注目し、病変の有無などが診断され
る。また、医療用途に限らず、画像から関心領域を抽出
することは、画像の取り扱いの基本といえる。この目的
のため、図１３に示すように、入力画像Ａから、該入力
画像そのものの濃度情報をもとに関心領域を抽出部１で
抽出し処理画像Ｆとして出力する画像処理法が広く用い
られている。

【０００３】ある画像から関心領域を抽出する方法とし
ては、従来、関心領域とその他の領域とを区別する閾値
を設定し、この閾値をもとに関心領域を抽出する閾値処
理や、画像の濃淡分布形状に基づき物体の輪郭形状を抽
出するエッジ抽出処理などが広く用いられている。

【０００４】例えば、特開平７−２７１９９７号公報記
載の従来技術では、画像データから機能画像を作成し、
これに基づきマスクパターンを生成してマスキング処理
を行っている。また、特開平１１−２７２８６５号公報
記載の従来技術では、事前に画像データを分水嶺形状に
加工し、この分水嶺によって関心領域を抽出するように
している。

【０００５】

【発明が解決しようとする課題】上述した特開平７―２
７１９９７号公報記載の従来技術では、マスクパターン
の生成状態により、本来の関心領域をはみ出したり、関
心領域全部を抽出できなかったり、輪郭線の連続性が保
たれないなどの問題がある。また、特開平１１―２７２
８６５号公報記載の従来技術は、これも一種の閾値処理
とみなすことができ、抽出された領域の輪郭線の連続性
は保証されるが、抽出される輪郭形状は、画像データを
分水嶺形状に加工する加工方法に依存するため、関心領
域の輪郭を正確に抽出することが保証されない。即ち、
上述した各従来技術では、関心領域の形状を精度良く抽
出することができないという問題がある。また、特開平
１１−２７２８６５号は、同じ部位に対する時系列デー
タ必要とするとの問題もある。

【０００６】本発明の目的は、入力された画像から関心
領域の形状を精度良く抽出することができる画像処理方
法及び画像処理装置を提供することにある。

【０００７】

【課題を解決するための手段】上記目的は、画像の中の
関心領域を抽出する画像処理方法において、前記画像の
中から前記関心領域の概略画像を抽出し、前記関心領域
の標準的形状を定義したデータと前記概略画像とのフィ
ッティング処理を行い前記関心領域の詳細画像を求める
ことで、達成される。

【０００８】好適には、上記において、関心領域の標準
的な形状を定義するデータは、関心領域の種類毎に定義
される特徴量を用いて記述され、更に好適には、前記概
略画像は、画像の濃度値と閾値とに基づいて抽出され
る。

【０００９】本発明は、画像の中の関心領域を抽出する
画像処理装置において、前記画像の中から前記関心領域
の概略画像を抽出する第１抽出手段と、前記関心領域の
標準的形状を定義したデータを保持するデータベース
と、前記第１抽出手段により抽出された前記概略画像と
前記データベースから読み出した前記関心領域に対応す
る形状データとのフィッティング処理を行うフィッティ
ング手段と、このフィッティング結果と上記概略画像と
に基づき前記関心領域の詳細画像を求める第２抽出手段
とを備えることを特徴とする画像処理装置を開示する。

【００１０】本発明は、上記フィッティング手段は、前
記概略画像から抽出した特徴量とデータベースのデータ
の特徴量とを比較することでフィッティングを行うもの
とした画像処理装置。上記フィッティング手段は、デー
タベースのデータと前記概略画像とのいずれか一方を他
方にフィットさせることでフィッティングを行うものと
した画像処理装置。上記いずれか一方に対して線形変換
処理を施して他方に概略的にフィットさせ、この後でフ
ィットしたこの一方に対して非線形変換処理を施して他
方にフィットさせるようにした画像処理装置を開示す
る。

【００１１】

【発明の実施の形態】以下、本発明の一実施形態を、図
面を参照して説明する。なお、この実施形態では、ＣＴ
やＭＲＩのような三次元撮像装置により得られた医療用
三次元画像から臓器を抽出する例について述べるが、対
象は医療用画像でなくても、三次元画像でなくてもよ
く、また、関心領域が臓器でなくてもかまわないことは
明らかである。

【００１２】図１は、本発明の第１実施形態に係る画像
処理装置のブロック構成図である。この画像処理装置
は、図１３に示す従来の抽出部１に相当する第一抽出部
２に加え、関心領域の標準的な形状に関するデータベー
ス４と、フィッティング部３と、第二抽出部５とを備
え、処理前画像Ａが第一抽出部２に入力されて画像Ｂが
抽出され、この画像Ｂと標準形状データベース４からの
データＣとがフィッティング部３に入力され、フィッテ
ィング部３から画像Ａ，Ｂ及びデータＤが第二抽出部５
に出力され、第二抽出部５が詳細は後述する様に処理後
画像Ｆを出力する様になっている。

【００１３】以下、図５〜図１０に夫々示す画像Ａ，画
像Ｂ，データＣ，データＤ，画像Ｅ，画像Ｆを用いてこ
の実施形態における画像処理について説明する。尚、本
実施例形態で処理対象とする画像は三次元医用画像であ
り、この画像から関心領域である血流および血管の画像
を抽出する。

【００１４】入力された画像Ａ（図５）は、まず第一抽
出部２によって大まかな関心領域の抽出処理を受ける。
抽出手法としては、例えば、閾値処理やエッジ抽出処
理、分水嶺法などの方法や、それらの組み合わせが考え
られる。本実施形態では、一例として、閾値処理とエッ
ジ抽出処理との組み合わせである領域拡張法（図２）に
よる方法で抽出を行う。

【００１５】図２は、第一抽出部２での領域拡張法を用
いた抽出手順を示すフローチャートである。図５の画像
Ａは、画像の各画素における濃度値で表現されている。
この画像Ａは、血管画像であり、この血管に一部重なる
他の軟部組織Ａ₂、Ａ₃が存在し、更に病変組織Ａ₁が存
在する例である。領域拡張法は、関心領域内に設定した
開始点Ｐ₁から、同一の領域に属すると思われる連結領
域を順次取り込みながら領域拡張を行い、必要な領域全
体を抽出する。そこで、先ず、関心領域内に開始点Ｐ₁
を設定し（ステップＳ１）、この開始点Ｐ₁から次々に
位置移動を行い各位置毎に判定対象点Ｐ_iとし（ステッ
プＳ２）、その判定点Ｐ_iが、開始点Ｐ₁の属する領域と
同一の領域か否かを判定する（ステップＳ３）。

【００１６】本実施形態では、ステップＳ３での判定条
件として、（１）同じ領域内では、各画素ｆ（Ｐ_i）の
濃度はある濃度範囲α内にあること。｜ｆ（Ｐ_i）｜＜α 且つ（２）隣接点同士の濃度差は小さい（閾値β以下）こ
と。｜ｆ（Ｐ_i）−ｆ（Ｐ_j）｜＜β （但し、ＰｊはＰｉの隣接点）という２つの条件が満たされるか否かで判定を行う。

【００１７】両条件を満たす判定点は関心領域内とし
（ステップＳ４）、両条件を満たさない判定点は関心領
域外とする（ステップＳ５）。そして、ステップＳ６で
次の判定点の有無を判定し、判定点が存在する場合には
ステップＳ１に戻り、全判定点の関心領域内外の判定処
理が終了したとき、この領域拡張法による関心領域抽出
処理を終了する。この領域拡張法では、同一領域とみな
された概略画像が実際の関心領域をはみ出したり、不足
したりすることはあるが、おおまかな領域抽出が可能で
ある。この第一抽出部２によって抽出された概略画像
が、図６の画像Ｂである。画像Ｂでは、軟部組織Ａ₂、
Ａ₃が除去されると共に、画像Ａには存在しないはみ出
し領域Ｂ₁、不足領域Ｂ₂が逆に付加された例である。病
変組織Ａ₁は、そのまま領域Ｂ₁として残っている。

【００１８】フィッティング部３は、抽出概略画像Ｂに
加え、標準形状データベース４から関心領域に関する標
準形状データ（以降、データＣ（図７）と呼ぶ。）を受
け取る。

【００１９】仮に人体の臓器を関心領域とする場合、こ
の関心領域は、例えば人種、性別、年齢などによって形
状や大きさが異なることが想定される。その他の画像や
関心領域においても同様に、形状や大きさにばらつきが
あることは容易に考えられる。従って、関心領域の概略
の形状として抽出された画像Ｂと、標準形状であるデー
タＣとの間でフィッティングを行う必要がある。

【００２０】ここで、標準形状を定義するデータＣは、
例えば画像Ａや画像Ｂと同様に、各画素に濃度値をもつ
ような構成のデータであってもよいし、あるいは、対象
物の形状を定義する工学的ＣＡＤデータあるいは数理モ
デルのようなデータであっても良いし、さらには、その
両方であってもよい。

【００２１】本実施形態では、一例として、データＣが
工学的ＣＡＤで用いられるような形状データあるいは数
理モデルで与えられている場合について述べる。この方
法では、データＣとして関心領域の標準的な形状を、必
要な特徴量のセットを用いて記述する。

【００２２】図３（ｉ）、（ｉｉ）は、血管および血流
の特徴量についての説明図である。単純には、図３（ｉ
ｉ）に示すような血管は筒状の形状をしているため、血
管を記述するためには、例えば中心線と、この中心線に
沿った血流の半径の分布と、ひずみと、中心線および中
心線からの立体角に沿った血管壁の厚さの分布などが定
義されればよい。また、血管の中心線は、血管壁の弾性
などによってその描く曲線が、未知数を含むある関数形
で表現されることも考えられる。これらの未知数や半径
分布や厚さ分布などが特徴量である。図３（ｉ）では、
半径ｒの関数ｆ（ｘ、ｙ）と厚さｄの関数ｇ（ｘ、ｙ）
とで特徴量Ｚを表している。

【００２３】フィッティング部３において、フィッティ
ングは、形状データすなわち形状を記述するパラメータ
（特徴量）を抽出し、比較することにより行われる。フ
ィッティングに際しては、画像ＢをデータＣにフィット
する方法と、データＣを画像Ｂにフィットする方法の二
通りが考えられ、どちらでも構わないが、画像Ｂをデー
タＣにフィットする場合、抽出されるべき関心領域が変
形されることになるため、元の形状に戻す手順を記憶し
ておく必要がある。

【００２４】図３では、データＣを画像Ｂにフィットし
た様子を説明している。標準形状データベース４から受
け取る標準形状データＣは、対象となる関心領域の標準
的な形状を記述する特徴量のセットである。フィッティ
ング部３は、抽出画像ＢからデータＣと同様の特徴量の
セットを抽出することでフィットする。例えば、中心線
の描く曲線は、血管の各部を輪切りにし、そこから得ら
れる中心点を結ぶことによって得ることができ、データ
Ｃで定義される関数をフィットすることで、前記未知数
を決定することができる。血管の半径，厚みについても
同様に輪切りの断面から得ることができる。これらの特
徴量のセットを画像Ｂから抽出することにより、画像Ｂ
内の血管および血流の形状を記述することができる（こ
れを、以降、データＤと呼ぶ）。データＤの一例を図８
に示し、特徴量Ｚ＝｛ｆ（ｘ、ｙ）、ｇ（ｘ、ｙ）とな
る。ここでｆ（ｘ、ｙ）は半径ｒの関数、ｇ（ｘ、ｙ）
は厚みの関数である。

【００２５】図１に示す第二抽出部５は、入力画像Ａ
（図５）および抽出概略画像Ｂ（図６）とデータＤ（図
８）をフィッティング部３から受け取る。フィッティン
グ部３によって、入力画像Ａの関心領域の形状はデータ
Ｄとして既に得られているが、データＤはあくまでも標
準的な形状として定義されるため、例えば、腫瘍など臓
器の病変などは抽出されない。そこで、抽出部５で画像
ＢとデータＤを比較することにより、最終的な抽出処理
を行う。

【００２６】画像ＢとデータＤとの比較は、例えば、差
分をとることが考えられる。二つの画像間の差分をとる
ことにより（差分により得られた画像を、以降、画像Ｅ
と称する。）、図９に示すように、第一抽出部２におい
てはみ出した部分（以降、凸部と表記）Ｂ₂や、足りな
い部分（以降、凹部と表記）Ｂ₃がＥ₂ _、Ｅ₃として抽出さ
れ、更に病変部Ｂ₁がＥ₁として抽出され、これらの部分
Ｅ₁、Ｅ₂、Ｅ₃が強調される。この、凸部や凹部である
Ｅ₁、Ｅ₂、Ｅ₃が、第一抽出部２の精度の問題であるの
か、あるいは腫瘍などの病変を抽出２したものであるの
かの判定は、画像診断ソフトウェアや人的判断に基づい
て行われる。

【００２７】例えば、人的判断に基づけば、画像Ｅによ
り凸部や凹部の位置が同定されるから、画像診断医は画
像Ａによってその部位が病変であるか、そうでないかを
判定すればよい。そうでない部位Ｅ₂、Ｅ₃については除
去し、病変と判断された部位Ｅ₁についてはデータＤに
付加し、それ以外の部位についてはそのままのデータを
もって出力画像Ｆ（図１０）とする。

【００２８】また一方、上記のような方法のみならず、
画像診断は特徴量のセットであるデータＤのみを用いて
ソフトウェア的に行うこともできる。例えば、図４（ｉ
ｉ）に示すように、中心軸に沿った血管の半径がある場
所Ｇ₁で急激に小さくなっている画像に対しては、図４
（ｉ）ｉ示すように特徴量（半径ｒ）は大きく凹むこと
からこれを自動判別して病変、例えば血管の狭窄とみな
すような診断結果を得る。あるいは、データＣに比較し
てデータＤが著しく異なる傾向を持った場合、血管なら
ば、例えば太すぎる、厚すぎるなどの自動診断をするこ
ともできる。勿論、上記波形を表示して人間が診断する
例もあり得る。

【００２９】以上のように、この第１実施形態によれ
ば、入力画像中の関心領域を精度よく抽出できるため、
抽出画像を用いて画像診断を行うことができる。

【００３０】図１１は、本発明の第２実施形態に係る画
像処理装置の構成図である。この実施形態の構成は、基
本的に図１に示す第１実施形態と同じであるが、標準形
状データベース８に蓄積されているデータが第１実施形
態とは異なり、画像Ｂと同様の各画素に対する濃度値を
もつデータとなっている。このため、本実施形態のフィ
ッティング部９における処理の仕方が第１実施形態と異
なってきている。以下、本実施形態におけるフィッティ
ング部の処理のみを説明する。

【００３１】濃度値を持つデータ同士のフィッティング
には、例えば、線形あるいは非線形の方法や、その組み
合わせが知られているが、本実施形態では、一例とし
て、それらを組み合わせた方法について説明する。

【００３２】フィッティングに際しては、第１実施形態
と同様に、画像ＢをデータＣにフィットする方法と、デ
ータＣを画像Ｂにフィットする方法の二通りが考えら
れ、どちらでも構わないが、画像ＢをデータＣにフィッ
トする場合、抽出されるべき関心領域が変形されること
になるため、元の形状に戻す手順を記憶しておく必要が
ある。本実施形態では、データＣを画像Ｂにフィットす
る方法を説明する。

【００３３】図１２は、対象の標準的な形状を定義する
データＣと、画像Ｂとのフィッティング方法を説明する
図である。本実施形態では、先ず、データＣに対して線
形変換を施して概略的に画像Ｂにフィッティングさせる
データを得（ステップＳ２０）、次に、このステップＳ
２０で得たデータに対して、非線形変換を施して詳細に
画像ＢにフィッティングさせるデータＧを得る（ステッ
プＳ２１）ことで行う。

【００３４】ここで、線形変換とは、図１４に示すよう
にデータＣを並進３個，回転３個、伸縮３個の合計９つ
のパラメータにより変換し、画像Ｂに概略的にフィット
させる工程である。

【００３５】また、非線形変換とは、フィッティング対
象の二つの画像データをそれぞれ小領域に分割し、分割
によって定義される各節点の類似度を二つの画像間で比
較しながらデータＣの節点を画像Ｂに合わせて移動さ
せ、データＣ全体を画像Ｂに近い形状に変形させる方法
である（参考文献：ＭＥＤＩＣＡＬＩＭＡＧＩＮＧＴ
ＥＣＨＮＯＬＯＧＹＶｏｌ．１６Ｎｏ．３ＭＡＹ１
９９８ｐｐ．１７５−１８３）。

【００３６】図１５を用いて、非線形変換の一例を説明
する。線形変換により画像Ｂに概略的にフィットされた
データＣは、図１５（ｉ）に示すような、格子状の小領
域に分割する。仮に、節点１０を、図１５（ｉｉ）に示
すように節点１１に移動させると、この節点を含む領
域、例えば、図中斜線部の領域１２は、領域１３に示す
ように変形する。ここで領域１２の内部の各点に対応す
る領域１３の内部の点は、線形補間により求めることが
できる。この、変形後の領域１３と、参照画像Ｂとを比
較することで、その領域における画素値の類似度が求ま
る。ここで、領域１３における画像Ｂとの類似度をＬ
（１３）とする。各節点を節点１１と同様に移動させれ
ば、その結果変形する領域全てについての類似度Ｌ
（ｎ）を求めることができる。節点の移動は、前記類似
度Ｌ（ｎ）の総和ΣＬ（ｎ）を最大にするように繰り返
し行う。このとき、節点の移動範囲は、各領域の連結性
を保持するために制限される。例えば、図１５（ｉｉ）
では、節点１１の位置点線１４で示す範囲に制限されて
いる。

【００３７】上述のような手法によれば、データＣと画
像Ｂとの詳細なフィッテングが可能である。この手法に
おいて、データＣ上のある節点の近傍の画像Ｂ上に類似
点が存在しなければ、その節点は移動せず、データＣが
本来持っている標準形状がへ保存される。従って、第一
抽出部２において大まかに抽出された関心領域のうち、
はみ出した部分や足りない部分、あるいは病変に影響さ
れないフィッティングが可能である。フィッティング部
９で変形されたデータＣを、以降データＧと呼ぶ。第二
の抽出部５は、画像Ａ及び画像ＢとデータＧを受け取
り、第一の実施例と同様の処理により出力画像Ｈを得
る。

【００３８】以上のように、本実施形態によれば、入力
画像中の関心領域を精度よく抽出でき、且つ抽出画像を
用いて精度の高い画像診断を行うことが可能となる。

【００３９】なお、本発明の画像処理方法は、顧客から
依頼されたデータをもとに顧客の関心領域を抽出し、こ
の抽出された画像を立体造形装置を用いて造形し納品す
るようなサービス事業に適用することも可能であり、医
療診断用に限定されるものではない。

【００４０】

【発明の効果】本発明によれば、対象となる関心領域の
標準的な形状を用いることにより、入力された画像か
ら、関心領域の形状を、精度良く抽出することが可能と
なる。

【図面の簡単な説明】

【図１】本発明の第１実施形態に係る画像処理装置のブ
ロック構成図である。

【図２】概略画像を抽出する図１に示す第一抽出手段の
処理手順を示すフローチャートである。

【図３】画像Ｂ（概略画像）と特徴量との関係を示す図
である。

【図４】血管の半径の変化によって血管の狭窄部を判定
する方法を示す図である。

【図５】図１に示す画像処理装置への入力画像Ａを示す
図である。

【図６】図１に示す第一抽出部によって抽出された概略
画像Ｂを示す図である。

【図７】図１に示すデータベースに蓄積されている関心
領域の標準的形状を記述するデータＣを示す図である。

【図８】画像Ｂの特徴量であるデータＤを示す図であ
る。

【図９】フィッティング処理によって抽出された異常部
を示す画像Ｅの図である。

【図１０】図９に示す異常部のうちノイズ部分を除去し
た関心領域の詳細画像（出力画像）Ｆを示す図である。

【図１１】本発明の第２実施形態に係る画像処理装置の
ブロック構成図である。

【図１２】第２実施形態に係るフィッティング処理のフ
ローチャートである。

【図１３】従来の画像処理装置のブロック構成図であ
る。

【図１４】第２実施形態のフィッティング部のうち、線
形変換の方法を説明する図である。

【図１５】第２実施形態のフィッティング部のうち、非
線形変換の方法を説明する図である。

【符号の説明】

１画像抽出部２第一抽出部３、９フィッティング部４、８標準形状データベース５第二抽出部

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号ＦＩテーマコート゛(参考）Ｇ０６Ｔ 7/00 ２５０Ｇ０１Ｎ 24/02 ５２０Ｙ (72)発明者岡崎隆司茨城県日立市大みか町七丁目２番１号株式会社日立製作所電力・電機開発研究所内Ｆターム(参考） 4C093 AA26 CA50 FD04 FD09 FF12 FF13 FF15 FF16 FF20 FF50 FH08 4C096 DC15 DC16 DC19 DC23 DE08 5B057 AA09 BA07 CA08 CA16 CB08 CB16 DA08 DC16 5L096 AA06 BA06 BA13 FA19 GA51 JA03 JA18

Claims

【特許請求の範囲】

【請求項１】画像の中の関心領域を抽出する画像処理
方法において、前記画像の中から前記関心領域の概略画
像を抽出し、前記関心領域の標準的形状を定義したデー
タと前記概略画像とのフィッティング処理を行い前記関
心領域の詳細画像を求めることを特徴とする画像処理方
法。
【請求項２】請求項１において、関心領域の標準的な
形状を定義するデータは、関心領域の種類毎に定義され
る特徴量を用いて記述されることを特徴とする画像処理
方法。
【請求項３】請求項１または請求項２において、前記
概略画像は、画像の濃度値と閾値とに基づいて抽出され
ることを特徴とする画像処理方法。
【請求項４】画像の中の関心領域を抽出する画像処理
装置において、前記画像の中から前記関心領域の概略画
像を抽出する第１抽出手段と、前記関心領域の標準的形
状を定義したデータを保持するデータベースと、前記第
１抽出手段により抽出された前記概略画像と前記データ
ベースから読み出した前記関心領域に対応する形状デー
タとのフィッティング処理を行うフィッティング手段
と、このフィッティング結果と上記概略画像とに基づき
前記関心領域の詳細画像を求める第２抽出手段とを備え
ることを特徴とする画像処理装置。
【請求項５】請求項４において、上記フィッティング
手段は、前記概略画像から抽出した特徴量とデータベー
スのデータの特徴量とを比較することでフィッティング
を行うものとした画像処理装置。
【請求項６】請求項４において、上記フィッティング
手段は、データベースのデータと前記概略画像とのいず
れか一方を他方にフィットさせることでフィッティング
を行うものとした画像処理装置。
【請求項７】請求項６において、上記いずれか一方に
対して線形変換処理を施して他方に概略的にフィットさ
せ、この後でフィットしたこの一方に対して非線形変換
処理を施して他方にフィットさせるようにした画像処理
装置。