JP2002503840A - 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定 - Google Patents

勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定

Info

Publication number
JP2002503840A
JP2002503840A JP2000524756A JP2000524756A JP2002503840A JP 2002503840 A JP2002503840 A JP 2002503840A JP 2000524756 A JP2000524756 A JP 2000524756A JP 2000524756 A JP2000524756 A JP 2000524756A JP 2002503840 A JP2002503840 A JP 2002503840A
Authority
JP
Japan
Prior art keywords
image
contour
pixel
threshold
gradient
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.)
Granted
Application number
JP2000524756A
Other languages
English (en)
Other versions
JP2002503840A5 (ja
JP4160258B2 (ja
Inventor
アチャーリャ,ティンク
ツアイ,ピン−シン
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.)
Intel Corp
Original Assignee
Intel 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 Intel Corp filed Critical Intel Corp
Publication of JP2002503840A publication Critical patent/JP2002503840A/ja
Publication of JP2002503840A5 publication Critical patent/JP2002503840A5/ja
Application granted granted Critical
Publication of JP4160258B2 publication Critical patent/JP4160258B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • G06T2207/20192Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

(57)【要約】 局部輝度情報に基づいて輪郭線検出(140)のためのしきい値を動的かつ自動的に決定する(130)方法を開示する。画素が画像の輪郭線フィーチャに属するか否かを検出するためにその勾配または他の輝度変化情報と比較しうるしきい値を各々の画素に割り当てることができる。さらに、局部輝度情報を解析するときにユーザから見た画像の外観を考慮するように、人間の視覚系の応答に基づくことができる(130)。この局部しきい値決定(130)はあらゆる輪郭線検出スキーム(140)に適用することができる。

Description

【発明の詳細な説明】
【0001】 (発明の背景) (1.発明の分野) 本発明は画像処理に関する。より具体的には、本発明は画像内のフィーチャの
検出に関する。
【0002】 (2.関連技術の説明) 画像処理の技術では、一定のフィーチャによって被写体/シーンの画像を特色
づけることが可能である。重要な当該画像フィーチャの1つとして画像の「輪郭
線」フィーチャがある。画像の輪郭線は、輝度の急な変化の度合および/または
画素の第1の領域と画素の第2の領域との間の色彩変化によって定められる。2
つの領域の間の境界に沿って、いずれかの側の画素のグループを「輪郭線」画素
または輪郭線フィーチャに属する画素として分類することができる。たとえば、
輪郭線フィーチャの極端な例として、純粋な青色を有する3列の画素とそれら青
色の画素に連続的に続く2列の白色の画素を考えてみる。青色を有する第3列の
画素と白色を有する第4列の画素の各々を輪郭線と見なすことができる。第3列
と第4列の間には急激かつ大きな色彩および輝度の差があるため、これらの画素
は「輪郭線」上にあり、集合的に輪郭線フィーチャを表わしている。それに対し
て、1列の白色画素とそれに隣接する1列の灰色の画素は、輝度の差が輪郭線と
して分類されるほど大きく急激でないため、輪郭線フィーチャであるとは考えに
くい。輪郭線検出として知られる技術分野は、輪郭線を検出および区別するため
の技術を提供するとともに、画像処理のアプリケーションにおける画像の輪郭線
情報に関する様々な形式の有益なデータおよび統計を提供する。
【0003】 輪郭線フィーチャへの画像の分類は、画像処理およびレンダリングの数多くの
重要なアプリケーションに応用されている。1つの重要なアプリケーションとし
ては、ぼけを除去して輪郭線を強調することによる画像の鮮鋭化がある。他のア
プリケーションとしては、コンピュータ・ビジョンまたはOCR(光学式文字認
識)に使用することができる形状またはパターン認識が挙げられる。これらのア
プリケーションは、輪郭線検出方法の成功に著しく依存する。輪郭線を検出する
ことができなければ輪郭線を強調することができず、輪郭線境界に対して非輪郭
線を正しく識別しなければ、ぼけが除去されない。輪郭線検出の失敗は、次の2
つの場合のいずれかで生じるものと考えられる。「偽」輪郭線が形成される場合
、すなわち輪郭線ではないフィーチャが輪郭線として分類される場合、または輪
郭線が破壊される場合、すなわち輪郭線であるフィーチャが非輪郭線フィーチャ
として分類され非輪郭線として処理されて輪郭線が破壊される場合である。
【0004】 輪郭線検出の問題については、多くの異なる角度から取り組みが行われてきた
。1つのアプローチは、輪郭線を、1つの画素または領域から他の画素または領
域までの輝度レベルの変化と見なすことである。この変化を測定することができ
る勾配演算子(gradient operator)のような演算子(データ集合に適用される数
学関数)を輪郭線検出に使用することが可能である。何らかの形の演算子を使用
して輝度レベルの変化を計算するのに加えて、輪郭線検出器は、またある特定の
輝度値の変化が輪郭線領域または輪郭線画素であるか、あるいは非輪郭線領域ま
たは非輪郭線画素であるかを示すしきい値を有していなければならない。そのし
きい値と測定された輝度変化を比較することによって画素が輪郭線に属するか否
かを判断する。しきい値に基づく輪郭線検出器のほとんどは、画像全体に適用可
能でさらに特定の画像作成デバイスまたは工程によって生成されるあらゆる画像
に適用される所定のしきい値を固定しようとする。ある画像内で陰影のような特
定のフィーチャが輪郭線検出工程を損なう可能性があるため、これには問題があ
る。たとえば、画像の一部が光源の陰影の中にあるのに対して画像の他の領域が
光源のより輝度の高いエリアにある場合は、陰影エリア内の輝度変化はさほど明
確ではなく、輝度の高いエリア内の輪郭線ほど十分に輪郭線を検出することはで
きない。陰影領域は、輪郭線フィーチャが同じであっても輝度の高いエリアに比
べてその輝度が低く狭い範囲にあるため、小さな輝度変化を示す。その結果、高
いしきい値が設定される場合、画像の陰影領域に存在する輪郭線フィーチャは非
輪郭線フィーチャに誤分類されることになる。
【0005】 この問題を是正するために、より低いしきい値を設定することが必要になる。
しかし、低いしきい値を設定することによって、しばしば偽輪郭線を導くという
反対の問題がもたらされる。低いしきい値は、ある1つの画像または1つのタイ
プの画像については有効であっても、他のタイプの画像については偽輪郭線を導
くことによって不正確な輪郭線検出結果がもたらされる可能性がある。したがっ
て、画像ごとに、ユーザが特定の画像に対するしきい値を選択するマニュアル工
程によってしばしばしきい値が設定されてきた。しきい値の選択は試行錯誤、す
なわちすべての画像に対してあるしきい値を試して後にその結果を解析すること
によって達成されることが多い。さらに、たいていの輪郭線検出器は、画像のあ
らゆる部分にしきい値を適用するため、局部輝度範囲の問題を無視するものであ
る。開発された輪郭線検出器のなかで最もよく知られており最も効果的な輪郭線
検出器の1つ、すなわちキャニー(Canny)輪郭線検出器はヒステリシスし
きい値決定を採用している。ヒステリシスしきい値決定では、高しきい値と低し
きい値を設定し、第1のパスにおいてしきい値の変化(勾配)が高しきい値より
も大きいすべての画素を輪郭線画素と見なす。次のパスにおいて、低しきい値よ
りも大きい輪郭線画素に隣接または近接するあらゆる画素もまた輪郭線画素とし
て分類される。現在では、キャニー輪郭線検出器を用いた場合でも、ヒステリシ
スを構成する高しきい値と低しきい値の両方がマニュアルで選択されている。
【0006】 したがって、ユーザの手を介さずに画像ごとにしきい値を自動的に選択する改
良型の輪郭線検出器を提供することが望ましい。さらに、前述したように、同一
の画像の領域内でしきい値を調整することができるように、画像内の潜在的な局
部輝度特性を考慮することが望ましい。さらに、輪郭線検出は一般に計算コスト
を伴うソフトウェアにおいて実施されているため、ディジタル・カメラまたはロ
ボット・アイが自動的なハードウェアに基づく輪郭線検出機能を備えることがで
きるように、高速のハードウェア実施態様に適した技術を考案することが望まし
い。
【0007】 (発明の概要) 画像の選択部分である画像の局部化した領域を定め、次いでユーザの手を介さ
ずに、局部化した領域内の輪郭線検出に適用するしきい値を自動的に決定する方
法を開示する。そのしきい値は、局部化した領域内の画素の輝度情報に基づく。
【0008】 本発明の方法および装置の目的、特徴および利点は、以下の説明を読めば明ら
かになるであろう。
【0009】 (発明の詳細な説明) 次に、図を参照しながら、本発明の例示的な実施形態を説明する。それらの例
示的な実施形態は本発明の態様を例示するものであり、本発明の範囲を制限する
ものとして解釈されるべきではない。これらの例示的な実施形態は、主にブロッ
ク図またはフローチャートを参照しながら説明されている。フローチャートに関
しては、フローチャート内の各ブロックは方法のステップと方法のステップを実
行するための装置構成部の両方を表している。実施態様に応じて、対応する装置
構成部はハードウェア、ソフトウェア、ファームウェアまたはそれらの組合せに
よって構成される。
【0010】 センサまたはカメラまたは他の画像作成デバイスによって取り込まれた画像あ
るいは他の手段によって得られた画像を解析するときは、その画像は、輪郭線フ
ィーチャであるフィーチャを有し、その他のすべてのフィーチャは非輪郭線フィ
ーチャであるといわれる。何が輪郭線を形成しているかを決定するのは困難で、
正確な処理ではない。輪郭線検出は、しばしば輝度の変化を測定し、次いでその
輝度変化をあるしきい値と比較することに基づく。しきい値が低すぎると偽輪郭
線が生成され、しきい値が高すぎると輪郭線が見逃されるため、このしきい値の
選択は輪郭線検出における根本的な問題である。単一のしきい値があらゆる画像
に適するわけではないため、しきい値を画像ごとに調整しなければならない。こ
れはしばしばユーザによってマニュアルで実施される。そうでなければ、あらか
じめしきい値を設定することになるが、輪郭線を検出する目的に応じて特定の画
像が特定のしきい値に十分に対応しえないため、これは望ましいことではない。
さらに、伝統的な画像検出における画像ベースによってある画像に対するしきい
値を決定したとしても、そのしきい値は画像全体に均一に適用される。他の領域
と異なる1つの画像領域内で輝度のフィールドまたは範囲が変化しうる異なる光
源を有する画像では、一定のしきい値は不適切であり、不正確な輪郭線検出結果
が導かれることになる。
【0011】 正確な輪郭線検出は、パターン認識、コンピュータ・ビジョン、画像強調およ
び画像処理についての他の多くの分野において重要である。しきい値の設定にお
いてユーザが介在する必要性を取り除き、さらに画像の輝度特性に基づいてしき
い値を決定することが望ましい。好ましくは、低輝度変動の輪郭線でも正確に検
出されるように、それらの技術を局部領域に適用すべきである。また、要望に応
じて、デジタル・カメラまたは画像パターンを生成する画像生成デバイスにおい
てその技術を実施できるように、高速ハードウェア実施態様が可能な技術を使用
すべきである。図1および以下に記述する他の様々な実施形態には、当該可能な
輪郭線検出手法の1つが示されている。
【0012】 図1は本発明の一実施形態を示す流れ図である。
【0013】 最初に、画像内の局部化した領域を定める(ステップ10)。画像内のその局
部化領域はM行N列の長方形の領域で、要望に応じてMとNを等しくすることに
より正方形の領域とすることができる。全取り込み画像のサイズ中のある比率を
占める局部化領域は、所望の実施態様および利用可能なハードウェア/ソフトウ
ェア資源、ならびに所望の画像処理速度に対する速度制約に応じて大きくしたり
、または小さくすることができる。たとえば、たいていのコンピュータ・システ
ムのハードウェアおよびソフトウェアを使用するには、8行8列または16行1
6列の局部化領域を備えるのが有効である。局部化領域は、画像内の特定の画素
に関して通常定められる。画像が比較的大きな領域に対してより均一な特性を示
す場合は、局部化領域を大きく設定することができる。しかし、微小な差異が重
要であったり、または画像が小さな領域内で大きな特性変化を示す場合は、局部
化領域を小さく設定することができる。
【0014】 局部化領域が設定されると、次のステップとして、3つの値、すなわち局部化
領域内のすべての輝度値の平均値、最小値(min)および最大値(max)を
決定する(ステップ120)。局部化領域についてM行M列の正方形の近隣領域
を考えると、これにはM*M−1の比較が使用される。局部化領域内の輝度値の 最小、最大および平均は、しきい値の設定における画像内の微小な差異を考慮し
たものである。画像内の局部化領域の輝度特性は、その領域内の画素についての
特定の輝度変化に割り当てる度合いを決定する輪郭線検出を可能にする。それに
対して、一般的な輪郭線検出には、局部的な輝度変化が考慮されていない。
【0015】 勾配情報が決定されたら、しきい値を定める(ステップ130)。そのしきい
値を輝度変化と比較し(通常は勾配として測定される)、輝度の変化がしきい値
を上回っている場合は、その画素または領域を輪郭線として分類することができ
る。従来型の輪郭線検出器では、しきい値が既に設定されており、画像ごとに変
えられることはない。画像ごとにしきい値を変えたい場合は、ユーザがマニュア
ルで変えなければならないことが多い。さらに、しきい値に基づく従来型の輪郭
線検出器は特定画像の局部領域におけるしきい値を動的に調節するようなされて
おらず、指定画像に対して調整されたか否かにかかわらず、特定画像全体を通じ
て同一のしきい値が適用される。
【0016】 それに対して、ステップ130によれば、本発明の一実施形態による輪郭線検
出のためのしきい値は自動的に決定される。この決定は輝度の変化に対する人間
の視覚系の応答(人間の眼の光学的機能および人間の頭脳による心理的知覚)に
基づく。図2は、以下に説明するように、輝度の変化に対する人間の視覚系の応
答を概略的に示したグラフである。一般に、輝度値の範囲が高くなるに従って、
人間の視覚系が輝度の変化を見分けるのが困難になる。しきい値は、人間の視覚
系の応答に対して調節された場合ははるかに精度が高くなり、画像輪郭線の強調
においても、当該強調画像の人間に対する視覚的クオリティは「知覚的」しきい
値決定を行わずに強調された同一画像よりも良好である。
【0017】 ステップ130による知覚的しきい値決定にも局部化領域の輝度特性、すなわ
ちステップ120において決定された最小値、平均値および最大値が使用される
。局部化領域内の相対的輝度領域および相対的輝度値を表す1つの方法は、局部
化領域内の輝度値の全体差を平均値と最小値の差と比較する百分率または比率を
定めることである。したがって、しきい値決定のための「相対的局部化輝度」(
RI)は以下のように定義することができる。 RI=(平均値−最小値)/(最大値−最小値)
【0018】 RIをしきい値の決定に使用することができるが、RIファクタは、人間の視
覚系に関連していない、または輪郭線検出のためのアプリケーションが採用され
ていないという意味において最適なファクタではない。図2に示されているよう
に、そして光学およびイメージングの分野においてよく知られているように、輝
度変化に対する人間の視覚系の応答は概ね対数パターンに従う。したがって、人
間の視覚系の知覚力を考慮して、べき関数演算子もしきい値決定におけるファク
タとすべきである。そこで、輪郭線検出のためのしきい値を「a」をべき因子と
するRIaとするのが好ましい。人間の視覚系を近似的に示すべき因子は0.4 5であることがシミュレーション結果や試験結果によって証明されている。した
がって、人間の視覚を考慮して輪郭線検出に採用されるしきい値「T」は以下の
式で与えられる。 T={(平均値−最小値)/(最大値−最小値)}0.45
【0019】 このべき関数演算子は例示的なものにすぎず、人間の視覚系に関する分野にお
いて取得された新しい情報に従って、または輪郭線検出が採用されているアプリ
ケーションに応じて修正することができる。たとえば、OCRのようなパターン
認識では、人間の視覚系から逸脱して異なるべき因子を用いたべき関数に変えた
り、または演算子のタイプをたとえば線形演算子に変更することが有益である。
【0020】 本発明のこの実施形態の主要な態様は、しきい値が自動的に決定され、ユーザ
の手を介さずに局部的活動的に変えられることである。このしきい値決定は、追
加的に人間の視覚系の知覚をベースとすることができるが、要望に応じて、他の
視覚系、または実施されている輪郭線検出を使用するアプリケーションに合わせ
て修正することができる。
【0021】 しきい値が決定されたら、次に局部しきい値を使用して輪郭線検出を実行する
ことができる(ステップ140)。図3は、知覚的かつ局部的に調整されたしき
い値決定を利用する勾配ベースの輪郭線検出器を示す図である。この輪郭線検出
は要望に応じて画素ごとに、または画像部ごとに実施することができる。すなわ
ち、局部化領域内のすべての画素を動的に求められた同一のしきい値に当てたり
、またはそれを中心として局部化領域が定められる中心的な画素のみをそのしき
い値に当てることができる。それに応じて、ステップ150は、輪郭線検出のた
めの画像部が残存していないかどうかを確認する。画像部を単一の画素と同じく
らい小さく設定することによって、動的に求められるしきい値を各々かつあらゆ
る画素について再決定し、局部化領域を各々かつあらゆる画素について移動する
ことができる(そして、それによって新しい領域にすることができる)。何らか
の画像部が残存している場合は、局部化領域を再び定めて(ステップ110)、
ステップ120〜150を繰り返す。輪郭線検出の対象となる画像が残存してい
ない場合は、その手順を終了する。
【0022】 図2は、輝度変化に対する人間の視覚系の応答を概略的に示す図である。
【0023】 図2のグラフは、画素に対する可能輝度値を示す水平軸を有している。画素当
たり8ビットの解像度の画像を例にとると、その輝度値の可能範囲は0から25
5である。垂直軸は、本質が明らかに対数的である著しい非線形応答を示す人間
の視覚系の知覚輝度変化を表している。基本的には、変化が測定されている輝度
値が大きいほど、輝度差を識別する人間の視覚系の能力が低下する。たとえば、
輝度値が25から26に変化した場合、人間の視覚系によって知覚される輝度変
化は4%である。それに対して、輝度値が100から101に同じだけ変化した
場合は、人間の視覚系による知覚的変化は1%にすぎない。知覚能力はさらに低
下し、200から201の輝度変化に対してわずか0.5%の輝度変化が知覚さ
れるにすぎない。201から200への変化に対する輝度値は、25から26へ
の変化に対する輝度値ほど大きくない。
【0024】 そこで、陰影のためにすべての値が下限、たとえば0から50の間に存在する
画像部があり、その画像の他の部分がそれより高い範囲の値を示す場合を考えて
みる。その画像に一定のしきい値、たとえば当業界においてしばしば使用される
T=0.6が適用されたとすると、変化量がきわめて高い最大値の60%を上回
ることがないため、その画像部内で輪郭線フィーチャを検出することは不可能で
ある。その画像部内のすべての輪郭線フィーチャが見逃されることになる。それ
に対して、局部的な知覚的しきい値決定は、局部領域に定められる画像部または
画像部の一部の中の最大、最小および平均輝度に従ってしきい値を設定すること
になる。最大輝度が50、最小輝度が0、そして平均輝度が20であれば、適用
されるしきい値は20/50または0.45.45になる。さらに、以下に記載す るように、輝度の変化または勾配を局部領域に対して正規化または調整するなら
ば、輪郭線検出のための比較がより有意味なものになるであろう。
【0025】 図2の曲線は当業界でよく知られており、当業者は、その曲線を記述するべき
関数を表すのに0.4から0.5の間の値を様々に使用してきた。本発明の一実
施形態ではべき関数演算子のべき因子に0.45を使用するのが好ましいが、あ
らゆるべき因子、またはアプリケーションまたは実施態様に適した他のあらゆる
演算子を選択してRIファクタに適用することができる。
【0026】 図3は、本発明の一実施形態による勾配ベースの輪郭線検出を示す流れ図であ
る。
【0027】 最初に、画素Pに関して、画像内の最初の局部化領域を定める(ステップ31
0)。その最初の局部化領域はM行N列の長方形の画像領域であり、要望に応じ
てMとNを等しくすることによって正方形の領域を定めることができる。画像が
比較的大きな領域に対してより均一な特性を示す場合は、局部化領域を大きく設
定することができる。しかし、微小な差異が重要である場合、または画像が小さ
な領域内で大きな特性変化を示す場合は、局部化領域を小さく設定することがで
きる。
【0028】 局部化領域が定められたら、次のステップは、何らかのマスクまたは演算子を
適用することによって局部化領域内の各々かつあらゆる画素に関連する勾配値を
決定することである(ステップ320)。このマスクまたは勾配演算子は各々の
画素の周囲の小さな近隣領域に適用され、その近隣領域は通常は局部化領域より
も小さなサイズを有する。図4(a)および4(b)ならびにそれに関連する記
述は、勾配が決定されている画素に関する、かつその画素を含む3行3列の近隣
領域を用いて当該マスクのパラメータおよび構成を例示するものである。局部化
領域内の各々の画素に演算子またはマスクを繰り返して当てはめ、それにより勾
配を決定することによって、局部化領域全体についての勾配情報を完結すること
ができる。勾配は、特定の画素に関する(マスクサイズの)小さな隣接領域にお
けるその画素から様々な方向への相対的な輝度変化を測るものである。
【0029】 たいていの勾配ベースの輪郭線検出では、勾配を画像全体における最大勾配で
割ることによって画像全体に対して勾配値を正規化する。しかし、当該正規化は
、ハードウェア内で実施される場合、画像全体の中のすべてのすべての画素につ
いての勾配情報を決定し、次いで各勾配を画像内の最大勾配値で割る2パス・ア
プローチを必要とする。局部化領域は局部的なしきい値を決定する目的で定めら
れるため、この同じ局部化領域を使用して、その局部化領域内の最大勾配に従っ
て画素Pの勾配を正規化しなければならない(ステップ325)。これによって
、勾配比較に対するしきい値が局部的な画像動向をより明確に反映することにな
る。画像全体における最大勾配に従って勾配を正規化した場合、局部しきい値を
、対象となる局部領域ではなく画像全体に関する勾配と比較することになる。
【0030】 勾配情報が定められたら、局部的な輝度情報に基づいてしきい値が自動的に決
定される(ステップ330)。しきい値「T」の自動決定については図1のステ
ップ130に関する説明の中で詳しく記載したが、繰り返すと、T={(平均値
−最小値)/(最大値−最小値)}aで表すことができ、この場合の「平均値」 は局部化領域内のすべての輝度値の平均を表し、「最小値」はすべての輝度値の
最小値を表し、「最大値」はその領域内の輝度値の最大値を表し、「a」は輪郭
線検出が適用されるアプリケーションまたは視覚系に基づくべき因子である。ア
プリケーションまたは視覚系が輝度変化に対してフラットな直線応答を示す場合
はべき因子は「1」であるが、ほとんどのケースとして人間の視覚系を表す場合
、べき因子は約「0.45」であることが当業界において証明された。
【0031】 画素Pが画像の輪郭線フィーチャに属する画素であるか否かを判断するために
、正規化勾配を動的に決定された局部しきい値と比較する(ステップ335)。
画素Pに対する正規化勾配がそのしきい値を上回っている場合は、ラインのよう
な画像の輪郭線フィーチャに属する画素である「輪郭線」画素として画素Pを分
類することができる(ステップ340)。そうでない場合は、画素Pは非輪郭線
画素として分類される(ステップ350)。輪郭線検出の1つの方法、すなわち
勾配ベースの輪郭線検出を図3の流れ図に示したが、ある種のしきい値決定を利
用するあらゆる適切な輪郭線検出器に本発明の様々な実施形態のしきい値決定概
念を適用して輪郭線検出器の機能を改善することができる。たとえば、画像スペ
ースに取り巻かれたガウス・マスクを使用して輪郭線画素と非輪郭線画素を分類
する有名なキャニー輪郭線検出器を局部的かつ知覚的な動的しきい値決定の技術
と併用し、そのヒステリシスに対して局部輝度情報に基づいて下限しきい値と上
限しきい値の両方を設定することができる。ポータブル静止画ディジタル・カメ
ラなどのディジタル画像作成デバイスには、計算速度が速く、デバイス内に使用
されているシリコンが比較的少ないために、図3、4(a)および4(b)に示
されている輪郭線検出器が効果的である。
【0032】 次に、局部化領域内に処理すべき画素が残存している場合(ステップ370に
おいてチェックされる)、ステップ320〜375を繰り返す。残存している画
素を輪郭線画素または非輪郭線画素に分類する場合、次の画素Pに関する新しい
局部化領域を定めることができる(ステップ380)。局部化領域は画像内の各
々の画素について異なるため、各々の画素はそれ独自の調整された局部しきい値
、および画素がそれに関して正規化される局部最大勾配を有する。特定の画素に
ついての勾配情報を決定する方法を図4(a)および4(b)に示す。
【0033】 図4(a)は第1の方向差分を求めるためのマスクを示す図である。
【0034】 ある画素に対する勾配を決定する1つの手段は、マスクがカバーする近隣境界
に関する画素の「強度」を本質的に特定するマスクAを適用することである。こ
の強度は、本質的に、画素の2つの境界に沿う特定の方向の差分である。この第
1の方向は、第2の方向の境界に沿う強度に対する同様の計算に併用すれば、近
隣の画素に対する中心画素の相対的強度についての良好な推定値を与える。図4
(a)には、第1列と第3列にゼロ以外の係数を有し、中央すなわち第2列にゼ
ロの係数を有する3行3列のマスクが示されている。マスクAは6つのゼロ以外
の係数、A1、A2、A3、A4、A5およびA6を有している。輝度値がI0
、I1、I2、I3、I4、I5、I6、I7およびI8の画素を有する画像領
域Iにそのマスクを適用したときに得られる差分Δxは、Δx=A1*I0+A 2*I3+A3*I6+A4*I2+A5*15+A6*18で表される。画像領域 Iの中心にある輝度値14の画素の勾配を計算するのに差分Δxを使用すること
ができる。通常は、マスクAは合計するとゼロになる係数を有する。よく知られ
ているソーベル・マスクでは、係数A1、A2およびA3はすべて−1の値を有
し、係数A4、A5およびA6はすべて+1の値を有する。したがって、ソーベ
ル・マスクの係数を用いると、Δx、すなわち差分はΔx=I2+I5+I8−
I0−I3−I6になる。したがって、当業界では有意味な勾配値を与えるもの
として知られるこのソーベル・マスクの選択は、差分計算を、ハードウェア内で
加算器により容易に実施される画素の輝度値の単なる加減に単純化する。したが
って、差分計算が容易かつ迅速になる。プレウィット・マスク(Prewitt
mask)のような他のマスクも、応用すれば容易に実施することができる。
プレウィット・マスクは−1に等しい係数A1およびA3と、−2に等しい係数
A2を有する。対称として、プレウィット・マスクは他方の方向境界に+1に等
しい係数A4およびA6と+2に等しい係数A5を有する。プレウィット・マス
クを使用すると、Δxすなわち差分値はΔx=I2+2*I5+I8−I0−2* I3−I6となる。2を掛ける乗算が導入されているが、これはI5またはI3
のシフト演算子によって、あるいはハードウェアでは加減計算しか実施されない
場合は、Δxの計算をΔx=I2+I5+I5+I8−I0−I3−I3−I6
のように分割することによって容易に実施することができる。
【0035】 輪郭線は画像スペース内に特定の方向を有することが想定されるため、輪郭線
検出に勾配演算子が使用される。画素I4を輪郭線画素と見なすならば、その画
素のサイド境界に沿う画素(一方のサイド−I0、I3、I6、もう一方のサイ
ド−I2、I5、I8)は、画素I4よりも小さな強度または相対的な複合輝度
レベルを有する。この点において、本質的に水平方向にある第1の方向差分(マ
スクが画像の左側と右側に強度を決定する値を有する)は、上述のように計算す
ることができる。画像スペースは垂直方向と水平方向の2つの次元を有している
ため、画素I4に関するもう1つの方向差分を計算すればよい。
【0036】 図4(b)は第2の方向差分を求めるためのマスクを示す図である。
【0037】 図4(b)には、第1行と第3行にゼロ以外の係数を有し、中央すなわち第2
行にゼロの係数を有する3行3列のマスクが示されている。マスクBは6つのゼ
ロ以外の係数、B1、B2、B3、B4、B5およびB6を有している。輝度値
がI0、I1、I2、I3、I4、I5、I6、I7およびI8の画素を有する
画像領域Iにそのマスクを適用したときに得られる差分Δyは、Δy=B1*I 0+B2*I1+B3*I2+B4*I6+B5*17+B6*18で表される。画 像領域Iの中心にある輝度値14の画素の勾配を計算するのに差分Δyを使用す
ることができる。通常は、マスクBは合計するとゼロになる係数を有する。よく
知られているソーベル・マスクでは、係数B1、B2およびB3はすべて−1の
値を有し、係数B4、B5およびB6はすべて+1の値を有する。したがって、
ソーベル・マスクの係数を用いると、Δy、すなわち差分はΔy=I6+I7+
I8−I0−I1−I2になる。したがって、当業界では有意味な勾配値を与え
るものとして知られるこのソーベル・マスクの選択は、差分計算を、ハードウェ
ア内で加算器により容易に実施される画素の輝度値の単なる加減に単純化する。
したがって、差分計算が容易かつ迅速になる。プレウィット・マスクのような他
のマスクも、応用すれば容易に実施することができる。プレウィット・マスクは
−1に等しい係数B1およびB3と、−2に等しい係数B2を有する。対称とし
て、プレウィット・マスクは他方の方向境界に+1に等しい係数B4およびB6
と+2に等しい係数B5を有する。プレウィット・マスクを使用すると、画像境
界に沿う第2の方向におけるΔyすなわち差分値はΔy=I6+2*I7+I8 −I0−2*I1−I2となる。2を掛ける乗算が導入されているが、これはI 5またはI3のシフト演算子によって、あるいはハードウェアでは加減計算しか
実施されない場合は、Δyの計算をΔy=I6+I7+I7+I8−I0−I1
−I1−I2のように分割することによって容易に実施することができる。Δx
すなわち第1の方向差分を特定するのに使用されるマスクAは、第2の方向差分
を特定するのに使用されるマスクBと同じタイプであることが好ましい。画像作
成デバイス正方形の画素群でなく、長方形または他の形の画素群を生成するため
、1つの方向にソーベル・マスクを使用し、もう1つの方向にプレウィット・マ
スクを使用して補償するのが望ましい。そのような場合は、マスク係数の選択に
画素の幾何学が考慮される。
【0038】 上述のようにして求められた第2の方向差分Δyについては、水平方向と垂直
方向の両方の境界方向のペアが考慮される。次いで、画像スペースIのなかの中
心画素であるI4の勾配は、各方向において求められたベクトルの合計であるベ
クトルによって求められたベクトルの絶対値である。そこで、勾配Gは単に√(
Δx2+Δy2)、あるいはΔxとΔyを結合させることによって形成されるベク
トルの絶対値になる。したがって、近隣領域、好ましくは各画素を囲む3行3列
の小さな近隣領域を考慮し、次いで2つの方向の各々の画素およびそれらの対応
する境界ペアにマスクを適用して直接接するあらゆる画素を勾配決定に含めるこ
とによって、各画素の勾配を求めることができる。上述したように、勾配測定値
に相対的な重みが与えられるように、勾配値を局部化領域内に存在する最大勾配
に対して正規化することができる。たとえば、ラインのようなハード・エッジで
はなくテクスチャを有するが増量域では、勾配値が狭い領域内に存在する。その
局部領域内の最大勾配に対してそれらを正規化するのであれば、勾配値をより効
果的に解析することができる。正規化された勾配はG=√(Δx2+Δy2)/G LMAX で示され、GLMAXは局部化領域内のすべての画素の最大勾配を表す。
【0039】 図5は、本発明の一実施形態を示す系統図である。
【0040】 図5は、PC(パーソナル・コンピュータ)などの汎用的な、または特殊用途
の判断あるいはデータ処理装置でありうるコンピュータ・システム510とそれ
に接続されたカメラ530を示している。カメラ530はデジタル・カメラ、デ
ィジタル・ビデオ・カメラ、あるいは任意の画像キャプチャデバイスまたは画像
作成システムであってもよく、被写体またはシーン540のセンサ画像を取り込
むのに使用される。本質的には、取り込まれた画像を、RAMまたは固定ディス
クや小形カードなどの他の記憶デバイスでありうる画像記憶装置534に効果的
に記憶できるように、圧縮し、画像処理回路532によって処理する。たいてい
のディジタル・カメラでは、センサなどの画像キャプチャ機構から得られた生画
像を最初にカメラ530に記憶し、後にダウンロードして出力、表示または処理
する。これによって、カメラ530は付加的な遅延を生じることなく次の被写体
を迅速に取り込むことができる。1つの便利な生画像表現は、ある色(赤、緑ま
たは青)を各画素のグレー・スケール輝度値に関連づける上述の8ビット・ベイ
ヤ・パターンCFAである。
【0041】 一実施形態では、画像が生の8ビット・ベイヤ・パターンCFAとしてカメラ
530によって取り込まれ、次いで他のデータまたは符号化フォーマットに圧縮
される。本発明の一実施形態による輪郭線検出のための局部しきい値決定は、以
下のように行われる。最初に、圧縮画像がカメラ530から入出力ポート517
を介してディスク518、またはコンピュータ・システム510上の他のデバイ
スにダウンロードされる。次に、コンピュータ・システムが、本発明の様々な実
施形態において説明したように、プロセッサ512をしきい値決定を行うように
構成した命令を実行することによって、復元されたCFA画像上で輪郭線検出の
ためのしきい値決定を実施する。
【0042】 本発明の様々な実施形態において説明した方法は、Pentium(商標)(
インテル・コーポレーションの製品)などのプロセッサ512、ならびに命令、
アドレスおよび結果データを記憶およびロードするのに使用されるRAMなどの
メモリ511を使用して実行することができる。知覚的しきい値決定および輪郭
線検出を実行するのに使用するアプリケーションはC++などの言語で書かれた
ソースからコンパイルされた実行可能モジュールであってもよい。勾配値の決定
、局部的輝度特性の特定、および局部しきい値の自動決定を支援する当該実行可
能モジュールの命令をディスク518またはメモリ511に記憶し、何らかのコ
ンピュータ読み取り媒体を介してロードすることができる。判断装置をプログラ
ムして本発明の様々な実施形態において説明した補間方法を実行できることをコ
ンピュータ科学の当業者なら容易に理解するであろう。
【0043】 コンピュータ・システム510は、プロセッサ512およびメモリ511へお
よびそれらからの情報の転送を促すシステム・バス513を有し、またシステム
・バス513を入出力バス515に結合するブリッジ514を有する。入出力バ
ス515は、ディスプレイ・アダプタ516、ディスク518およびシリアル・
ポートのような入出力ポートなどの様々な入出力デバイスを接続する。そのよう
な入出力デバイス、バスおよびブリッジなどの多くの組合せを本発明に使用する
ことが可能であり、示された組合せは当該可能な1つの組合せを例示したものに
すぎない。
【0044】 被写体/シーンの画像540のような画像が取り込まれるときは、その画像は
よく知られたベイヤ・パターンのようなCFAにおける赤、緑および青の画素輝
度値として感知される。これらの画素輝度値は画像処理回路532に送られる。
画像処理回路532はIC、およびその他の機能に加えてカメラ530とコンピ
ュータ・システム510の間の転送のサイズを縮小する画像圧縮方式を実行する
他のコンポーネントから構成されている。色彩補間の必要性は画像を表示または
出力するときに大きな意味をもつため、カメラ530上で実行する必要はない。
ユーザまたはアプリケーションが画像のダウンロードを希望または要求するとき
に、画像記憶装置に記憶された圧縮画像が画像記憶装置534から入出力ポート
517に転送される。入出力ポート517は、示された(入出力バス515から
ブリッジ514を経てシステム・バス513へと続く)バス・ブリッジ階層フィ
ーチャを使用して、画像データをメモり511または任意にディスク518に一
時的に記憶する。圧縮画像は適切なソフトウェア・アプリケーション(または専
用ハードウェア)によって圧縮解除され、プロセッサ512を使用してそれを実
行することができる。圧縮画像は、カメラ530のセンサによって取り込まれた
画像データと類似または同一の画素当たり8ビットの一連の輝度値として復元さ
れる。
【0045】 したがって、一度圧縮解除されたダウンロード画像は、それらのベイヤ・パタ
ーン形式、すなわち画素当たりの輝度値は8ビットであるが、赤、緑または青の
3つのカラー・プレーンのいずれか1つに関連しているにすぎないパターンのな
かに画素を有することになる。1つのアプリケーションにおいて、画像の輪郭線
強調バージョンをモニタ520上に出力することが望まれる場合は、本発明の様
々な実施形態による局部しきい値決定および輪郭線検出を採用すべきである。ダ
ウンロードおよび圧縮解除された画像を画素ごとに解析し、上述の技術を適用す
ることによって各画素を輪郭線または非輪郭線に分類する。輪郭線が検出された
ら、それらの輪郭線を強調したり、あるいは他のアプリケーションまたはコード
・モジュールによって処理することができる。局部しきい値決定および輪郭線検
出を実行する一方、勾配値および正規化勾配値をメモり511またはディスク5
18に1つの配列を成して記憶することができる。記憶された配列の各要素が単
一のデータではなくデータの集合を記憶することができれば、その画素について
の正規化勾配、勾配および画素輝度の局部しきい値をすべて、他のアプリケーシ
ョンに再使用できるように記憶することができる。輪郭線強調が輪郭線検出の目
的である場合は、適切な表示装置(モニタ520およびアダプタ516)が提供
されれば、従来的な輪郭線検出方法に比べてより詳細かつ鮮鋭な輪郭線を有する
描画像550が視覚的に表示されることになる。輪郭線強調画像をディスプレイ
・アダプタを介して表示した後にディスク518およびメモリ511に記憶した
り、かつ/またはモニタ520に直接出力することができる。本発明の様々な実
施形態に関して上述したように、しきい値決定におけるファクタとして人間の視
覚系を使用することによって、描画像550がユーザにとってより高質の画像に
なる。一部においてコンピュータ・システム500上で実施することができるO
CRなどの広範囲な画像作成およびコンピュータ・ビジョン・アプリケーション
に、本発明の様々な実施形態による局部しきい値決定および輪郭線検出を使用す
ることができる。さらに、本明細書に記載された以外の他の輪郭線検出方式が好
まれる場合は、輪郭線検出方式がより効果的に実施されるように、わずかな修正
を加えることによって局部しきい値決定技術をそれに適用することができる。
【0046】 局部しきい値決定および輪郭線検出のためのコンピュータ・プログラム・コー
ドをフロッピ・ディスクやCD−ROMなどの取外し可能なコンピュータ読み取
り可能媒体に実装し、カメラ530からダウンロードした画像の圧縮解除を実行
するソフトウェアに付随させることができる。他のあらゆるソフトウェアのよう
に、それを通信システム上のネットワークにダウンロードおよび配布したり、ま
たはファームウェア内で使用することができる。これらのダウンロード画像を、
それらがユーザに対してより正確に被写体/シーン540を視覚的に提供するよ
うに、それらの輪郭線フィーチャに従って強調することが可能である。本発明の
他の実施形態による輪郭線検出および局部しきい値決定も、カメラ530上のハ
ードウェア内で実施することができる。
【0047】 本発明の代替的な実施形態では、画像記憶装置534内の記憶画像が雑音除去
画像になるように、画像処理回路532を適応させて、カメラ上で局部しきい値
決定および輪郭線検出を実行する回路を含めることができる。したがって、コン
ピュータ・システム510またはレンダリング・デバイスにダウンロードすると
きには、輪郭線フィーチャが既に分類されていることになる。当該実施形態では
、雑音除去や色彩補間などの技術がより正確かつ良好に実施されるように、画像
の輪郭線フィーチャを前もって分類することができる。画像勾配および局部しき
い値を特定および正規化し、輪郭線を検出する上述の方法はVLSI(超大規模
集積回路)または他の集積回路において容易に実施することができる。
【0048】 図6は、直接的なハードウェア実施態様に適用可能な、図3の勾配ベースの輪
郭線検出の変更を示す流れ図である。
【0049】 図5に示されたカメラ530のようなハードウェア内で実施される場合は、図
3の方法にいくつかの変更を加えることができる。M行M列の正方形の局部化領
域を想定すると、最初に、第1のM2の画素勾配値を決定して(ステップ600 )、勾配アレイに記憶しなければならない。以下に説明するように、このM2回 の計算は特定の画像について一度だけ実施すればよい。次に、ステップ620に
従って、局部化領域内の最大勾配を決定する。ハードウェアでは、M2の画素す べての勾配値を計算しながら最大値の決定も実施できるように、ステップ600
にコンパレータやレジスタを採用することができる。それに関する局部化領域が
定められるピクセルPについてのみ勾配値の正規化を実施することができる(ス
テップ630)。次に、輝度値の最小および最大を見いだす(ステップ640)
。ハードウェアについては、一対のレジスタとコンパレータによって、ステップ
600によるM2のすべての画素の勾配値を決定しながら、このステップも実施
することができる。次に、輝度値の平均を決定する(ステップ650)。最後に
、局部しきい値を決定し、それを画素Pについての正規化勾配と比較することに
よって輪郭線検出を完了することができる(ステップ660)。
【0050】 輪郭線検出のための次の画素を取り込む(ステップ670)ときには、2つの
可能性が考えられる。その画素が画像の新しい行に属しているか、あるいはそう
でないかである(ステップ678でチェックする)。その画素が画像の新しい行
に属していなければ、同一の行の一部であり、画素に対する左から右へのスキャ
ンを想定して、Mの画素の勾配値の第1列を勾配アレイからシフト・アウトまた
は消去する(ステップ680)。次いで、同じ行で1つ上の列にある次の画素に
ついて、Mの画素の勾配値の新しい列のみを計算すればよい(ステップ685)
。ステップ680における勾配アレイ内の列の左からのシフト(左から右へのス
キャン)または右からのシフト(右から左へのスキャン)が実施される場合は、
そのアレイ内のまさに最後の列を新たに計算された勾配値で更新すればよいだけ
である。これによってハードウェアの速度が著しく高まる。
【0051】 新しい画素Pが同じ行になければ、行変更が行われたことになり、勾配アレイ
の列をシフト・アウトするのでなく、Mの値の行をシフト・アウトする(ステッ
プ690)。上から下へのスキャンを想定して、第1行をシフト・アウトし、す
べての行をシフト・アップし、勾配アレイ内の最後の空行を新たに計算されたM
の勾配値に代える(ステップ695)。行ごとの画素のスキャンを実施する場合
、行が変わるたびにスキャンの方向(左から右、および右から左)が変わる。こ
のように、勾配計算の回数が最小限にとどめられる。ジグザグ・パターンの画素
のスキャンおよび処理が採用される場合は、M2の勾配計算が一度だけ実施され る。スキャン方向を変えれば、勾配アレイの列および行のシフト方向も変える必
要がある。そのような実施態様は、画像全体に対する勾配値を記憶することがで
きない場合、または速度が制約されるため単パス・アプローチが好まれる場合に
望ましい。
【0052】 勾配計算を削減しても、シフト・アウトおよび消去されたアレイ値は強度およ
び勾配値の最小値および/または最大値を含んでいる可能性があるため、Mの新
しい値をこれらの最小および最大値と比較するだけでは十分でなく、誤った結果
が得られる可能性があるため、画素ごとにこれらの最小値および最大値の特定を
繰り返さなければならない。
【0053】 本明細書に説明されている例示的な実施形態は本発明の原理を例示するための
ものにすぎず、本発明の範囲を制限するものと解釈されるべきではない。むしろ
、本発明の原理を広範囲なシステムに適用して、本明細書に記載された効果なら
びに他の効果を達成し、または同様に他の目的を満たすことができる。
【図面の簡単な説明】
【図1】 本発明の一実施形態を示す流れ図である。
【図2】 輝度の変化に対する人間の視覚系の応答を示す概略図である。
【図3】 本発明の一実施形態による勾配に基づく輪郭線検出を示す図である。
【図4】 第1と第2の方向差分を求めて勾配決定を行うためのマスクを示す図である。
【図5】 本発明の一実施形態を示す系統図である。
【図6】 直接的なハードウェア実施態様に適用可能な、図3の勾配ベースの輪郭線検出
の変更を示す流れ図である。
【手続補正書】特許協力条約第34条補正の翻訳文提出書
【提出日】平成11年12月14日(1999.12.14)
【手続補正1】
【補正対象書類名】明細書
【補正対象項目名】特許請求の範囲
【補正方法】変更
【補正内容】
【特許請求の範囲】
───────────────────────────────────────────────────── フロントページの続き (81)指定国 EP(AT,BE,CH,CY, DE,DK,ES,FI,FR,GB,GR,IE,I T,LU,MC,NL,PT,SE),OA(BF,BJ ,CF,CG,CI,CM,GA,GN,GW,ML, MR,NE,SN,TD,TG),AP(GH,GM,K E,LS,MW,SD,SZ,UG,ZW),EA(AM ,AZ,BY,KG,KZ,MD,RU,TJ,TM) ,AL,AM,AT,AZ,BA,BB,BG,BR, BY,CA,CH,CN,CU,CZ,DE,DK,E E,ES,FI,GB,GD,GE,GH,GM,HR ,HU,ID,IL,IS,JP,KE,KG,KP, KR,KZ,LC,LK,LR,LS,LT,LU,L V,MD,MG,MK,MN,MW,MX,NO,NZ ,PL,PT,RO,RU,SD,SE,SG,SI, SK,SL,TJ,TM,TR,TT,UA,UG,U S,UZ,VN,YU,ZW Fターム(参考) 5L096 AA02 AA06 FA06 FA32 GA12 GA51

Claims (24)

    【特許請求の範囲】
  1. 【請求項1】 画像の局部化した領域を定めるステップであって、前記局部
    化した領域が画像の選択された部分であるステップと、 前記局部化した領域内の画素の輝度情報に基づいて前記局部化した領域内の輪
    郭線検出に適用されるしきい値を、ユーザの手を介さずに自動的に決定するステ
    ップとを含む方法。
  2. 【請求項2】 決定するステップが 人間の視覚系の輝度に関連する知覚特性を反映するべき関数演算子を提供する
    ステップを含む請求項1に記載の方法。
  3. 【請求項3】 前記べき関数演算子がべき因子で累乗した相対的局部輝度の
    測定値である請求項2に記載の方法。
  4. 【請求項4】 前記相対的局部輝度が、前記局部化した領域内のすべての輝
    度値の平均値と最小値の差と、前記局部化した領域内のすべての輝度値の最大値
    と前記最小値の差との比率である請求項3に記載の方法。
  5. 【請求項5】 前記べき因子が輝度変化に対する人間の視覚系の知覚能力に
    対応する請求項3に記載の方法。
  6. 【請求項6】 前記べき因子が0.45である請求項5に記載の方法。
  7. 【請求項7】 前記局部化した領域が定められる画素Pについての正規化勾
    配と前記しきい値を比較することによって前記画像の輪郭線フィーチャを検出す
    るステップをさらに含む請求項1に記載の方法。
  8. 【請求項8】 前記画素の正規化勾配が前記しきい値を上回っている場合に
    、前記画素が前記画像の輪郭線フィーチャに属する画素として分類される請求項
    7に記載の方法。
  9. 【請求項9】 正規化勾配が、 局部化した領域内のあらゆる画素の勾配を決定するステップと、 前記局部化した領域内の最大勾配値を決定するステップと、 画素Pの勾配を前記局部化した領域内の最大勾配値で割ることによって画素P
    の勾配値を正規化するステップを実行することによって決定される請求項7に記
    載の方法。
  10. 【請求項10】 特定の画素の勾配が、 第1の方向の差分値を得るためにその勾配が決定されている各画素の周囲の近
    隣領域に第1のマスクを適用するステップと、 第2の方向の差分値を得るためにその勾配が決定されている各画素の周囲の近
    隣領域に、前記第1の方向と直角を成す第2のマスクを適用するステップと、 その勾配を、前記第1の方向の差分値と前記第2の方向の差分値のベクトル加
    算によって定められたベクトルの絶対値に確定するステップとによって決定され
    る請求項9に記載の方法。
  11. 【請求項11】 前記絶対値が、 前記第1の方向の差分を平方するステップと、 前記第2の方向の差分を平方するステップと、 前記平方された第1の方向の差分と第2の方向の差分を合計するステップと、 前記合計値の平方根を抽出するステップであって、前記絶対値が前記平方根に
    等しくなるよう設定されるステップによって求められる請求項10に記載の方法
  12. 【請求項12】 前記第1のマスクが前記第1の方向に係数−1および+1
    をそれぞれ有するソーベル・マスクである請求項10に記載の方法。
  13. 【請求項13】 前記第1のマスクが前記第2の方向に係数−1および+1
    をそれぞれ有するソーベル・マスクである請求項10に記載の方法。
  14. 【請求項14】 前記第1のマスクが前記第1の方向に係数−1、−2、+
    1および+2をそれぞれ有するプレウィット・マスクである請求項10に記載の
    方法。
  15. 【請求項15】 前記第1のマスクが前記第2の方向に係数−1、−2、+
    1および+2をそれぞれ有するプレウィット・マスクである請求項5に記載の方
    法。
  16. 【請求項16】 複数の命令シーケンスが記憶されたコンピュータ読み取り
    可能媒体であって、前記複数の命令シーケンスが、プロセッサによって実行され
    るときに、前記画像内の特定の局部化した領域について自動的かつ動的に輪郭線
    検出のためのしきい値を定めるステップを前記プロセッサに実行させる命令シー
    ケンスを含むコンピュータ読み取り可能媒体。
  17. 【請求項17】 さらに、前記読み取り媒体が、各局部化した領域について
    決定された前記しきい値を使用することによって輪郭線検出を前記プロセッサに
    実行させる命令を記憶した請求項16に記載の方法。
  18. 【請求項18】 生画像データを受け取る画像処理回路であって、画像処理
    ユニットが前記生画像データ内の画素に対する局部しきい値を自動的に決定する
    よう構成された画像作成装置。
  19. 【請求項19】 前記生画像データがベイヤ・パターン・カラー・フィルタ
    ・アレイに記憶される請求項18に記載の装置。
  20. 【請求項20】 さらに、前記画像処理回路が前記画素に対する前記局部し
    きい値に基づいて輪郭線検出を実行するよう構成されている請求項18に記載の
    装置。
  21. 【請求項21】 画像データを提供するよう構成された画像キャプチャデバ
    イスと、 前記画像キャプチャデバイスに結合されたデータ処理ユニットであって、前記
    画像データ内の画素に対する局部しきい値を自動的に決定するよう構成されたデ
    ータ処理ユニットを含むシステム。
  22. 【請求項22】 前記画像処理ユニットが前記局部しきい値に基づいて輪郭
    線検出を実行するようさらに構成されている請求項21に記載のシステム。
  23. 【請求項23】 前記データ処理ユニットに結合された記憶媒体であって、
    強調輪郭線型の前記画像データを記憶し、前記輪郭線強調が前記輪郭線検出を輪
    郭線強調アプリケーションに適用する前記データ処理によって生成される請求項
    22に記載のシステム。
  24. 【請求項24】 前記データ処理ユニットに結合された表示装置であって、
    前記輪郭線強調画像を表示するよう構成された表示装置をさらに含む請求項24
    に記載のシステム。
JP2000524756A 1997-12-08 1998-11-16 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定 Expired - Fee Related JP4160258B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US08/986,461 1997-12-08
US08/986,461 US6094508A (en) 1997-12-08 1997-12-08 Perceptual thresholding for gradient-based local edge detection
PCT/US1998/024420 WO1999030270A1 (en) 1997-12-08 1998-11-16 A new perceptual thresholding for gradient-based local edge detection

Publications (3)

Publication Number Publication Date
JP2002503840A true JP2002503840A (ja) 2002-02-05
JP2002503840A5 JP2002503840A5 (ja) 2006-01-05
JP4160258B2 JP4160258B2 (ja) 2008-10-01

Family

ID=25532448

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000524756A Expired - Fee Related JP4160258B2 (ja) 1997-12-08 1998-11-16 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定

Country Status (8)

Country Link
US (1) US6094508A (ja)
EP (1) EP1058909B1 (ja)
JP (1) JP4160258B2 (ja)
KR (1) KR100371470B1 (ja)
AU (1) AU1412199A (ja)
DE (1) DE69828909T2 (ja)
TW (1) TW440801B (ja)
WO (1) WO1999030270A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013200648A (ja) * 2012-03-23 2013-10-03 Toyota Auto Body Co Ltd 濃淡画像のエッジ抽出方法、エッジ抽出装置並びに濃淡画像のエッジ抽出プログラム

Families Citing this family (114)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6415053B1 (en) * 1998-04-20 2002-07-02 Fuji Photo Film Co., Ltd. Image processing method and apparatus
US6240208B1 (en) * 1998-07-23 2001-05-29 Cognex Corporation Method for automatic visual identification of a reference site in an image
US6614474B1 (en) * 1998-08-27 2003-09-02 Polycom, Inc. Electronic pan tilt zoom video camera with adaptive edge sharpening filter
JP2000241117A (ja) * 1999-02-22 2000-09-08 Keyence Corp 画像のエッジ検出方法、検査装置及び記録媒体
SE513728C2 (sv) * 1999-03-26 2000-10-30 Goesta Granlund Förfarande och system för artificiellt seende
US7095164B1 (en) 1999-05-25 2006-08-22 Intel Corporation Display screen
US6697534B1 (en) 1999-06-09 2004-02-24 Intel Corporation Method and apparatus for adaptively sharpening local image content of an image
US6744532B1 (en) * 1999-08-31 2004-06-01 Lite-On Technology Corporation Method for enhancing printing quality
US6625308B1 (en) 1999-09-10 2003-09-23 Intel Corporation Fuzzy distinction based thresholding technique for image segmentation
US6658399B1 (en) 1999-09-10 2003-12-02 Intel Corporation Fuzzy based thresholding technique for image segmentation
US7106910B2 (en) * 1999-10-01 2006-09-12 Intel Corporation Color video coding scheme
US7053944B1 (en) 1999-10-01 2006-05-30 Intel Corporation Method of using hue to interpolate color pixel signals
US6628827B1 (en) 1999-12-14 2003-09-30 Intel Corporation Method of upscaling a color image
US7158178B1 (en) 1999-12-14 2007-01-02 Intel Corporation Method of converting a sub-sampled color image
US6748118B1 (en) 2000-02-18 2004-06-08 Intel Corporation Method of quantizing signal samples of an image during same
US6961472B1 (en) 2000-02-18 2005-11-01 Intel Corporation Method of inverse quantized signal samples of an image during image decompression
US6337925B1 (en) * 2000-05-08 2002-01-08 Adobe Systems Incorporated Method for determining a border in a complex scene with applications to image masking
US6738520B1 (en) * 2000-06-19 2004-05-18 Intel Corporation Method of compressing an image
US7046728B1 (en) 2000-06-30 2006-05-16 Intel Corporation Method of video coding the movement of a human face from a sequence of images
US6775413B1 (en) 2000-09-18 2004-08-10 Intel Corporation Techniques to implement one-dimensional compression
US6636167B1 (en) * 2000-10-31 2003-10-21 Intel Corporation Method of generating Huffman code length information
US6563439B1 (en) 2000-10-31 2003-05-13 Intel Corporation Method of performing Huffman decoding
US6422082B1 (en) 2000-11-27 2002-07-23 General Electric Company Laser shock peening quality assurance by ultrasonic analysis
US20020118746A1 (en) * 2001-01-03 2002-08-29 Kim Hyun Mun Method of performing video encoding rate control using motion estimation
US6947605B2 (en) * 2001-02-28 2005-09-20 Pts Corporation Dynamic chain-based thresholding using local characteristics
US6766286B2 (en) 2001-03-28 2004-07-20 Intel Corporation Pyramid filter
US20020184276A1 (en) * 2001-03-30 2002-12-05 Tinku Acharya Two-dimensional pyramid filter architecture
US6889237B2 (en) * 2001-03-30 2005-05-03 Intel Corporation Two-dimensional pyramid filter architecture
US7342681B2 (en) * 2001-07-13 2008-03-11 Transpacific Ip, Ltd High-speed calibration method and system for an image-capture apparatus
CN1184796C (zh) * 2001-07-26 2005-01-12 佳能株式会社 图象处理方法和设备以及图象处理系统
US7110612B1 (en) 2001-10-11 2006-09-19 Pixelworks, Inc. Weighted absolute difference based noise reduction method and apparatus
AUPR891701A0 (en) * 2001-11-16 2001-12-13 Proteome Systems Ltd Method for locating the edge of an object
US6891549B2 (en) * 2002-01-11 2005-05-10 Applied Materials, Inc. System and method for edge enhancement of images
US7154556B1 (en) 2002-03-21 2006-12-26 Pixelworks, Inc. Weighted absolute difference based deinterlace method and apparatus
CN1313979C (zh) * 2002-05-03 2007-05-02 三星电子株式会社 产生三维漫画的装置和方法
US7149356B2 (en) * 2002-07-10 2006-12-12 Northrop Grumman Corporation System and method for template matching of candidates within a two-dimensional image
US7116823B2 (en) * 2002-07-10 2006-10-03 Northrop Grumman Corporation System and method for analyzing a contour of an image by applying a Sobel operator thereto
US7146057B2 (en) * 2002-07-10 2006-12-05 Northrop Grumman Corporation System and method for image analysis using a chaincode
US7239314B2 (en) * 2002-08-29 2007-07-03 Warner Bros. Animation Method for 2-D animation
US20040042551A1 (en) * 2002-09-04 2004-03-04 Tinku Acharya Motion estimation
US7266151B2 (en) * 2002-09-04 2007-09-04 Intel Corporation Method and system for performing motion estimation using logarithmic search
US20040057626A1 (en) * 2002-09-23 2004-03-25 Tinku Acharya Motion estimation using a context adaptive search
GB0224357D0 (en) * 2002-10-19 2002-11-27 Eastman Kodak Co Image processing
US7502525B2 (en) * 2003-01-27 2009-03-10 Boston Scientific Scimed, Inc. System and method for edge detection of an image
US6993187B2 (en) * 2003-02-14 2006-01-31 Ikonisys, Inc. Method and system for object recognition using fractal maps
US7062079B2 (en) * 2003-02-14 2006-06-13 Ikonisys, Inc. Method and system for image segmentation
US7274393B2 (en) * 2003-02-28 2007-09-25 Intel Corporation Four-color mosaic pattern for depth and image capture
US20040174446A1 (en) * 2003-02-28 2004-09-09 Tinku Acharya Four-color mosaic pattern for depth and image capture
US20040169748A1 (en) * 2003-02-28 2004-09-02 Tinku Acharya Sub-sampled infrared sensor for use in a digital image capture device
JP4522054B2 (ja) * 2003-05-07 2010-08-11 キヤノン株式会社 診断支援装置及び方法
US7200279B1 (en) * 2003-09-11 2007-04-03 Magnachip Semiconductor, Inc. Method and system for image chroma suppression
US7302099B2 (en) * 2003-11-10 2007-11-27 Microsoft Corporation Stroke segmentation for template-based cursive handwriting recognition
US7805003B1 (en) * 2003-11-18 2010-09-28 Adobe Systems Incorporated Identifying one or more objects within an image
US7496237B1 (en) 2004-01-02 2009-02-24 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Image processing for binarization enhancement via fuzzy reasoning
US7672507B2 (en) * 2004-01-30 2010-03-02 Hewlett-Packard Development Company, L.P. Image processing methods and systems
US7298897B1 (en) 2004-02-11 2007-11-20 United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Optimal binarization of gray-scaled digital images via fuzzy reasoning
US7400766B1 (en) 2004-02-19 2008-07-15 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Image edge extraction via fuzzy reasoning
US20050254728A1 (en) * 2004-05-13 2005-11-17 Zhuo-Ya Wang Automatic cutting method for digital images
KR101108435B1 (ko) * 2005-05-31 2012-02-16 서강대학교산학협력단 의사윤곽 제거 방법 및 이 방법이 적용되는 디스플레이장치
WO2007065221A1 (en) * 2005-12-07 2007-06-14 Commonwealth Scientific And Industrial Research Organisation Linear feature detection method and apparatus
US20070154089A1 (en) * 2006-01-03 2007-07-05 Chang-Jung Kao Method and apparatus for calculating image histogram with configurable granularity
US20070206844A1 (en) * 2006-03-03 2007-09-06 Fuji Photo Film Co., Ltd. Method and apparatus for breast border detection
JP4523926B2 (ja) * 2006-04-05 2010-08-11 富士通株式会社 画像処理装置、画像処理プログラムおよび画像処理方法
CA2651437C (en) * 2006-05-18 2016-01-05 Resonant Medical Inc. Methods and systems for segmentation using boundary reparameterization
KR100780932B1 (ko) * 2006-05-30 2007-11-30 엠텍비젼 주식회사 컬러 보간 방법 및 장치
US20090279778A1 (en) * 2006-06-23 2009-11-12 Koninklijke Philips Electronics N.V. Method, a system and a computer program for determining a threshold in an image comprising image values
GB0616293D0 (en) 2006-08-16 2006-09-27 Imp Innovations Ltd Method of image processing
US9451928B2 (en) * 2006-09-13 2016-09-27 Elekta Ltd. Incorporating internal anatomy in clinical radiotherapy setups
AU2006252019B2 (en) * 2006-12-13 2012-06-28 Canon Kabushiki Kaisha Method and Apparatus for Dynamic Connector Analysis
KR100850561B1 (ko) * 2007-01-03 2008-08-06 (주)폴리다임 디지털 이미지 내의 픽셀 윤곽 가로선 제거 방법
KR100835380B1 (ko) * 2007-01-15 2008-06-05 한국과학기술원 영상의 경계를 검출하는 방법 및 그 장치와 이를 구현할 수있는 컴퓨터로 읽을 수 있는 기록 매체
US7881497B2 (en) * 2007-03-08 2011-02-01 Honeywell International Inc. Vision based navigation and guidance system
EP2175931B1 (en) * 2007-07-20 2016-09-07 Elekta Ltd. Systems for compensating for changes in anatomy of radiotherapy patients
US10531858B2 (en) * 2007-07-20 2020-01-14 Elekta, LTD Methods and systems for guiding the acquisition of ultrasound images
US7882177B2 (en) * 2007-08-06 2011-02-01 Yahoo! Inc. Employing pixel density to detect a spam image
US8135198B2 (en) * 2007-08-08 2012-03-13 Resonant Medical, Inc. Systems and methods for constructing images
US8264591B2 (en) * 2007-10-22 2012-09-11 Candela Microsystems (S) Pte. Ltd. Method and system for generating focus signal
TWI370673B (en) * 2007-11-05 2012-08-11 Altek Corp Method for an image adjustment and digital image processing device thereof
US8036468B2 (en) * 2007-12-24 2011-10-11 Microsoft Corporation Invariant visual scene and object recognition
US8200022B2 (en) * 2008-03-24 2012-06-12 Verint Systems Ltd. Method and system for edge detection
US8189738B2 (en) * 2008-06-02 2012-05-29 Elekta Ltd. Methods and systems for guiding clinical radiotherapy setups
JP5271031B2 (ja) * 2008-08-09 2013-08-21 株式会社キーエンス 画像のデータ圧縮方法、画像処理におけるパターンモデルの位置決め方法、画像処理装置、画像処理プログラム及びコンピュータで読み取り可能な記録媒体
US20100166257A1 (en) * 2008-12-30 2010-07-01 Ati Technologies Ulc Method and apparatus for detecting semi-transparencies in video
TWI430649B (zh) * 2009-05-26 2014-03-11 Silicon Motion Inc 影像的邊界係數計算方法以及使用此邊界係數計算方法的影像雜訊去除方法
US8270754B2 (en) * 2009-06-22 2012-09-18 Qualcomm Incorporated Lens roll-off correction operation using values corrected based on brightness information
US10542962B2 (en) * 2009-07-10 2020-01-28 Elekta, LTD Adaptive radiotherapy treatment using ultrasound
US8345106B2 (en) * 2009-09-23 2013-01-01 Microsoft Corporation Camera-based scanning
JP5507962B2 (ja) * 2009-11-05 2014-05-28 キヤノン株式会社 情報処理装置及びその制御方法、プログラム
EP2510680B1 (en) 2009-12-07 2016-10-26 Hiok Nam Tay Auto-focus image system
KR101268520B1 (ko) * 2009-12-14 2013-06-04 한국전자통신연구원 영상 인식 장치 및 방법
US20110172526A1 (en) 2010-01-12 2011-07-14 Martin Lachaine Feature Tracking Using Ultrasound
US9248316B2 (en) 2010-01-12 2016-02-02 Elekta Ltd. Feature tracking using ultrasound
GB2505318B (en) 2010-05-26 2014-08-13 Hiok-Nam Tay Auto-focus image system
US8396876B2 (en) 2010-11-30 2013-03-12 Yahoo! Inc. Identifying reliable and authoritative sources of multimedia content
US8942917B2 (en) 2011-02-14 2015-01-27 Microsoft Corporation Change invariant scene recognition by an agent
TWI450155B (zh) * 2011-02-15 2014-08-21 Wistron Corp 應用於光學式觸控裝置之校正資訊計算方法及系統
JP4967065B2 (ja) 2011-02-24 2012-07-04 任天堂株式会社 画像処理プログラム、画像処理装置、画像処理システム、および画像処理方法
JP5016723B2 (ja) 2011-02-24 2012-09-05 任天堂株式会社 画像認識プログラム、画像認識装置、画像認識システム、および画像認識方法
JP2011134343A (ja) 2011-02-24 2011-07-07 Nintendo Co Ltd 画像処理プログラム、画像処理装置、画像処理システム、および画像処理方法
JP5178860B2 (ja) 2011-02-24 2013-04-10 任天堂株式会社 画像認識プログラム、画像認識装置、画像認識システム、および画像認識方法
JP5026604B2 (ja) * 2011-02-24 2012-09-12 任天堂株式会社 画像認識プログラム、画像認識装置、画像認識システム、および画像認識方法
JP4989768B2 (ja) 2011-02-24 2012-08-01 任天堂株式会社 画像処理プログラム、画像処理装置、画像処理システム、および画像処理方法
US9065999B2 (en) 2011-03-24 2015-06-23 Hiok Nam Tay Method and apparatus for evaluating sharpness of image
US9726486B1 (en) * 2011-07-29 2017-08-08 Rockwell Collins, Inc. System and method for merging enhanced vision data with a synthetic vision data
CN103959335B (zh) * 2011-11-28 2018-03-09 皇家飞利浦有限公司 图像处理装置
CN102871686B (zh) * 2012-03-05 2015-08-19 杭州弘恩医疗科技有限公司 基于3d医学影像测定生理参数的装置和方法
US8971637B1 (en) 2012-07-16 2015-03-03 Matrox Electronic Systems Ltd. Method and system for identifying an edge in an image
CN105210115B (zh) * 2013-06-10 2020-10-30 英特尔公司 使用2d图像数据来执行手势识别
CN108369420B (zh) 2015-11-02 2021-11-05 星船科技私人有限公司 用于自主定位的设备和方法
US9727793B2 (en) 2015-12-15 2017-08-08 Honda Motor Co., Ltd. System and method for image based vehicle localization
US10769776B2 (en) 2016-02-12 2020-09-08 Cognex Corporation System and method for efficiently scoring probes in an image with a vision system
EP3293672A1 (en) * 2016-09-07 2018-03-14 Malvern Panalytical Limited Particle boundary identification
CN110637322B (zh) * 2016-12-14 2023-08-11 眼睛有限公司 用于数字化图像中的边缘检测的系统、方法以及计算机可读存储介质
CN110189349B (zh) * 2019-06-03 2022-03-25 湖南国科微电子股份有限公司 图像处理方法及装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5014124A (en) * 1988-02-25 1991-05-07 Ricoh Company, Ltd. Digital image processing apparatus
JP2885823B2 (ja) * 1989-04-11 1999-04-26 株式会社豊田中央研究所 視覚認識装置
US5457754A (en) * 1990-08-02 1995-10-10 University Of Cincinnati Method for automatic contour extraction of a cardiac image
US5210799A (en) * 1991-03-28 1993-05-11 Texas Instruments Incorporated System and method for ranking and extracting salient contours for target recognition
US5231580A (en) * 1991-04-01 1993-07-27 The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services Automated method and apparatus for determining characteristics of nerve fibers
US5778107A (en) * 1993-12-24 1998-07-07 Kabushiki Kaisha Komatsu Seisakusho Position recognition method
US5734739A (en) * 1994-05-31 1998-03-31 University Of Washington Method for determining the contour of an in vivo organ using multiple image frames of the organ
US5572565A (en) * 1994-12-30 1996-11-05 Philips Electronics North America Corporation Automatic segmentation, skinline and nipple detection in digital mammograms
FR2731819B1 (fr) * 1995-03-17 1997-04-11 Alsthom Cge Alcatel Methode d'extraction de contours utilisant une analyse multi-fractale
US5845007A (en) * 1996-01-02 1998-12-01 Cognex Corporation Machine vision method and apparatus for edge-based image histogram analysis

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013200648A (ja) * 2012-03-23 2013-10-03 Toyota Auto Body Co Ltd 濃淡画像のエッジ抽出方法、エッジ抽出装置並びに濃淡画像のエッジ抽出プログラム

Also Published As

Publication number Publication date
US6094508A (en) 2000-07-25
EP1058909A1 (en) 2000-12-13
TW440801B (en) 2001-06-16
JP4160258B2 (ja) 2008-10-01
WO1999030270A1 (en) 1999-06-17
KR100371470B1 (ko) 2003-02-07
DE69828909T2 (de) 2006-04-06
AU1412199A (en) 1999-06-28
DE69828909D1 (de) 2005-03-10
EP1058909A4 (en) 2002-06-19
EP1058909B1 (en) 2005-02-02
KR20010032850A (ko) 2001-04-25

Similar Documents

Publication Publication Date Title
JP4160258B2 (ja) 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定
US7324701B2 (en) Image noise reduction
JP4792109B2 (ja) 画像特徴を意識した画像欠陥除去
JP5389903B2 (ja) 最適映像選択
JP5395053B2 (ja) パンクロマティック画素を使用するエッジマッピング
JP5781743B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
US8406561B2 (en) Methods and systems for estimating illumination source characteristics from a single image
US20130121567A1 (en) Determining characteristics of multiple light sources in a digital image
JP5975598B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP4323097B2 (ja) サンプルイメージ中のエラーを検出する方法およびシステム
JP2002503894A (ja) 新しいエッジ検出に基づくノイズ除去アルゴリズム
JP2010524297A (ja) パンクロマティック画素を組み込むエッジマッピング
US7522314B2 (en) Image sharpening
Harb et al. Improved image magnification algorithm based on Otsu thresholding
CN113744142B (zh) 图像修复方法、电子设备及存储介质
JP2017085570A (ja) 画像補正方法及び画像補正装置
US5881164A (en) Image data processing method and image data processing apparatus
US20100061656A1 (en) Noise reduction of an image signal
CN110310235B (zh) 眼底图像处理方法、装置及设备和存储介质
Wang et al. A bilateral filtering based ringing elimination approach for motion-blurred restoration image
JPH0993443A (ja) カラーモノクロ画像変換方法および被検査対象のエッジ位置検出方法
JPH10269352A (ja) 画像処理装置および方法
Ha et al. Glare and shadow reduction for desktop digital camera capture systems
JPH08202871A (ja) 画像情報処理装置
Yadav et al. Fusion-based backlit image enhancement and analysis of results using contrast measure and SSIM

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20051110

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20051110

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20080606

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20080617

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20080717

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110725

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110725

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120725

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120725

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130725

Year of fee payment: 5

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees