JP2003051002A - 画像処理装置、画像処理方法および画像処理制御プログラムを記録した媒体 - Google Patents

Abstract

(57)【要約】 【課題】 実写画像の画像データから複数の特徴量を取
得し、該複数の各特徴量に基づいて画像データに対し複
数の手法による画像処理を行なう場合において、複数の
手法による画像処理を効率よく行なう。 【解決手段】 コンピュータ２１は、実写画像の画像デ
ータについて、エッジ画素，均等サンプリングの対象画
素をサンプリングして集計し、エッジ画素サンプリング
による集計結果Ｄｉｓｔ＿ｅｄｇから輝度分布における
最大値・最小値を求めてコントラストの拡大率ａを決定
すると共に、均等サンプリングによる集計結果Ｄｉｓｔ
＿ａｖｅから輝度分布における中心を求めてγ値を決定
する（ステップＳ３１０〜Ｓ３３０）。コンピュータ２
１は、拡大率ａおよびγ値がしきい値よりも大きい場合
には、コントラスト補正と明度補正が必要であると判断
し、拡大率ａおよびγ値という二種類のパラメータに基
づいて画像データの変換を一括して行なう（ステップＳ
３４０，Ｓ３５０）。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、デジタル写真画像
のような実写の画像データに対して最適な画像処理を自
動的に実行する画像処理装置、画像処理方法および画像
処理制御プログラムを記録した媒体に関する。

【０００２】

【従来の技術】ディジタル写真画像のような実写の画像
データに対して各種の画像処理が行われている。例え
ば、コントラストを拡大するとか、色調を補正すると
か、明るさを補正するといった画像処理である。これら
の画像処理は、通常、マイクロコンピュータで実行可能
となっており、操作者がモニタ上で画像を確認して必要
な画像処理を選択したり、画像処理のパラメータなどを
決定している。すなわち、画像の特徴を操作者が判定し
て各種の操作を選択したり実行している。

【０００３】

【発明が解決しようとする課題】近年、画像処理の技法
については各種のものが提案され、実際に効果を発揮し
ている。しかしながら、どの技法でどの程度の処理を行
うかとなると、依然、人間が関与しなければならない。
これは、画像処理の対象となるディジタル画像データに
おいて、どこが重要であるのかを判断することができな
かったためである。

【０００４】例えば、明るさを補正する画像処理を考え
た場合、画面全体の平均が暗ければ明るく補正し、逆に
平均が明るければ暗く補正するという自動処理を考えた
とする。ここで、夜間撮影した人物像の実写の画像デー
タがあるとする。背景は殆ど真っ暗に近いものの、人物
自体は良好に撮影できていたとする。この実写の画像デ
ータを自動補正すると、背景が真っ暗であるがために明
るく補正しようとしてしまい、昼間の画像のようになっ
てしまうことになる。

【０００５】この場合、人間が関与していれば人物像の
部分だけに注目する。そして、人物像が暗ければ少し明
るく補正するし、逆に、フラッシュなどの効果で明る過
ぎれば暗くする補正を選択する。

【０００６】本出願人は、このような課題に鑑みて特願
平ｘｘ号にて画像の中での重要な部分を判断する発明を
提案した。同発明においては、画像のシャープな部分に
本来の被写体（オブジェクト）が存在しているはずであ
ると考え、各画素での画像の変化度合いに着目して同変
化度合いの大きな画素をオブジェクトと判断するととも
に、同オブジェクトについて所定の評価基準に基づいて
特徴量を得て、当該特徴量を使用して画像処理を行って
いる。

【０００７】しかしながら、オブジェクトの特徴量を使
用して画像処理を行う方が好ましい場合もあれば、実写
画像全体の平均的な特徴量を使用して画像処理を行う方
が好ましい場合もある。例えば、ある人物像の実写画像
を考えた場合、必ずしも人物が最も明るい（ハイライ
ト）とは限らない。従って、背景にハイライト部分があ
る場合、人物のみに着目してコントラストを拡大補正す
ると、これに伴って同背景のハイライト部分が白く抜け
てしまうことになりかねない。この場合、むしろ背景も
含めた実写画像全体に着目して行う方が良好な結果が得
られる。このように画像処理を行うにあたり、最適な特
徴量を選択する必要性は依然として残ったままであっ
た。

【０００８】本発明は、上記課題にかんがみてなされた
もので、画像処理手法に応じて最適な特徴量を自動的に
選択して画像処理を行うことが可能な画像処理装置、画
像処理方法および画像処理制御プログラムを記録した媒
体の提供を目的とする。

【０００９】

【課題を解決するための手段】上記目的を達成するた
め、請求項１にかかる発明は、ドットマトリクス状の画
素からなる実写画像の画像データを入力し、各画素の画
像データを集計しつつ所定の評価基準で特徴量を得て、
当該特徴量に基づいて画像処理する画像処理装置であっ
て、複数の評価基準に従って上記特徴量を得る評価手段
と、複数の手法で上記画像データを変換可能であるとと
もに、各手法に応じて上記評価手段にて得られた特徴量
を使い分ける画像処理手段とを備えた構成としてある。

【００１０】上記のように構成した請求項１にかかる発
明においては、ドットマトリクス状の画素からなる実写
画像の画像データを入力し、評価手段は各画素の画像デ
ータを集計しつつ複数の評価基準に従って特徴量を得
る。そして、画像処理手段は、複数の手法で同画像デー
タを変換するにあたり、各手法に応じて同評価手段で得
られた特徴量を使い分けて同画像データを変換する。

【００１１】すなわち、明暗補正のようにオブジェクト
に着目した特徴量を使用して画像データを変換する方が
好ましい場合もあれば、コントラスト拡大補正のように
画像全体に着目した特徴量を使用して画像データを変換
する方が好ましい場合もあり、これらの複数の特徴量を
適宜選択して画像データの変換を行う。

【００１２】なお、この特徴量は画像データを変換する
にあたり、画像の特徴などを判定するのに使用可能なも
のであればよく、具体的に画像の種類を特定するものを
得る必要はない。例えば、画像を明るいと判定するか暗
いと判定するかといった場合の輝度のヒストグラムなど
といった指標も含むものであり、明るい画像であるとか
暗い画像であるといった判定結果が得られる必要はな
い。むろん、明暗以外にも画像がシャープであるか否か
の指標であるとか、鮮やかさを判断する際の指標であっ
てもよい。

【００１３】また、実写の画像データとはありのままの
実物を撮像しようとした画像データを指している。これ
は画像処理がこのような実物との比較で不具合のある画
像を補正処理しようとしているためである。従って、そ
の対象は自然物だけにとどまらず、人工的なものであっ
ても構わないし、より具体的には写真をスキャナによっ
て取り込んだ画像データであるとか、デジタルカメラで
撮影したような画像データなどが含まれる。

【００１４】さらに、上記評価手段と画像処理手段の動
作態様についても各種の態様を適用可能であって特に限
定されるものではない。例えば、複数の手法の画像処理
が行われることを前提として、上記評価手段にてあらか
じめ複数の評価基準に従って複数の特徴量を得て保持し
ておき、必要に応じて上記画像処理手段にて適宜特徴量
を選択して画像データを変換するようにしてもよい。ま
た別の一例として、上記画像処理手段が一の画像処理を
行うごとに、適当な特徴量を得るべく評価手段に所定の
評価基準に従って各画素の画像データを集計させるよう
にしてもよく、いずれの態様も含むものとする。

【００１５】上記評価手段がいかなる評価基準に従って
特徴量を得るかについては、対象となる画像処理方法に
よって異なり、上述したようにオブジェクトに着目して
画像処理する方がよい場合もあれば、そうではない場合
もある。前者の場合の好適な一例として、請求項２にか
かる発明は、請求項１に記載の画像処理装置において、
上記評価手段は、実写画像内のオブジェクトを抽出して
当該オブジェクトの画素の画像データを集計して特徴量
を得る評価基準を有するとともに、上記画像処理手段
は、一の画像処理の手法において上記画像データの中心
部分の特徴量を使用する際に上記オブジェクトの画素か
ら得られた特徴量を使用する構成としてある。

【００１６】上記のように構成した請求項２にかかる発
明においては、上記画像処理手段が画像データの中心部
分の特徴量に基づいて画像データを変換する場合に、上
記評価手段は同実写画像内のオブジェクトを抽出し、当
該オブジェクトの画素の画像データを所定の評価基準に
従って集計して特徴量を得る。

【００１７】ここにおいて、画像データの中心部分とは
次のようなことを意味する。例えば、ある実写画像が明
るいか暗いかを判定する場合には、画像の中間濃度に基
づいて判断するのが適切であることは容易にわかる。こ
の中間濃度は、輝度分布を考えた場合にメジアン、すな
わち輝度分布における中心ともいうことができ、この意
味において画像データの中心部分という。そして、実写
画像内にオブジェクトが存在すれば、当該オブジェクト
の明るさにあわせて明暗補正する必要性が高いといえ
る。

【００１８】オブジェクトの抽出手法の基本的な一例と
して、請求項３にかかる発明は、請求項２に記載の画像
処理装置において、上記評価手段は、各画素における隣
接画素との画像データの変化度合いに基づいて同変化度
合いの大きな画素をオブジェクトとして抽出する構成と
してある。

【００１９】上記のように構成した請求項３にかかる発
明においては、上記評価手段は、隣接する画素間での画
像データの変化度合いが大きな画素をオブジェクトとし
て抽出する。ドットマトリクス状の画素のように一定間
隔で並んでいる場合、隣接する画素間の画像データの差
分は一次微分値と比例するため、このような差分をもっ
てして画像の変化度合いとして判断できる。この場合、
差分をベクトルの大きさと考えるとともに、隣接方向を
考慮してベクトルを合成するようにしてもよい。

【００２０】また、オブジェクトの抽出方法の別の一例
として、請求項４にかかる発明は、請求項２に記載の画
像処理装置において、上記評価手段は、各画素における
色度が所定範囲内にある画素をオブジェクトとして抽出
する構成としてある。

【００２１】上記のように構成した請求項４にかかる発
明においては、上記評価手段は、各画素における色度を
求める。色度は色の刺激値の絶対的な割合を表してお
り、明るさには左右されない。従って、画像の中のオブ
ジェクトを色度の取りうる範囲によって分けることがで
きる。例えば、肌色の取りうる範囲であるとか、木々の
緑色の取りうる範囲といったものである。色度にはこの
ようなことが言えるので、上記評価手段は、上記求めら
れた色度が所定範囲内にある画素をオブジェクトとして
抽出する。

【００２２】オブジェクトに着目しないで画像処理する
場合の好適な一例として、請求項５にかかる発明は、請
求項１〜請求項４のいずれかに記載の画像処理装置にお
いて、上記評価手段は、上記画像データの各画素を均等
にサンプリングして集計して特徴量を得る評価基準を有
するとともに、上記画像処理手段は、一の画像処理の手
法において実写画像の平均的な特徴量を使用する際に上
記均等にサンプリングして得られた特徴量を使用する構
成としてある。

【００２３】上記のように構成した請求項５にかかる発
明においては、上記画像処理手段が平均的な特徴量に基
づいて画像データを変換する場合に、上記評価手段は同
画像データの各画素を所定の評価基準に従って均等にサ
ンプリングして特徴量を得る。むろん、実写画像を構成
する全画素を対象として集計するようにしてもよいが、
処理量が多くなることから得策ではないと言える。

【００２４】このようにオブジェクトに着目しないで画
像処理する場合の別の一例として、請求項６にかかる発
明は、請求項１〜請求項５のいずれかに記載の画像処理
装置において、上記評価手段は、上記画像データの各画
素を均等にサンプリングして集計して特徴量を得る評価
基準を有するとともに、上記画像処理手段は、一の画像
処理の手法において実写画像の特徴量分布の端部を使用
する際に上記均等にサンプリングして得られた特徴量を
使用する構成としてある。

【００２５】上記のように構成した請求項６にかかる発
明においては、上記画像処理手段は、上記評価手段にて
得られた特徴量分布の端部を使用することを前提として
いる。例えば、コントラストを拡大する場合などにおい
ては、輝度分布を求めて当該輝度分布の端部を広げるよ
うに画像処理を施すが、かかる場合においてオブジェク
トについての輝度分布を使用すると、それ以外のハイラ
イト部分が白く抜けてしまうことがある。そこで、この
ような場合、上記評価手段は同画像データの各画素を所
定の評価基準に従って均等にサンプリングして集計して
特徴量を得る。

【００２６】複数の異なる評価基準により得られた特徴
量に基づいて複数の画像処理を行う手法は、必ずしも実
体のある装置に限られる必要もなく、その一例として、
請求項７にかかる発明は、ドットマトリクス状の画素か
らなる実写画像の画像データを入力し、各画素の画像デ
ータを集計しつつ所定の評価基準で特徴量を得て、当該
特徴量に基づいて画像処理する画像処理方法であって、
複数の評価基準に従って上記特徴量を得て、複数の手法
で上記画像データを変換するにあたり、各手法に応じて
上記評価手段にて得られた特徴量を使い分ける構成とし
てある。

【００２７】すなわち、必ずしも実体のある装置に限ら
ず、その方法としても有効であることに相違はない。

【００２８】ところで、上述したように複数の異なる評
価基準により得られた特徴量に基づいて複数の画像処理
を行う画像処理装置は単独で存在する場合もあるし、あ
る機器に組み込まれた状態で利用されることもなるな
ど、発明の思想としては各種の態様を含むものである。
また、ハードウェアで実現されたり、ソフトウェアで実
現されるなど、適宜、変更可能である。

【００２９】発明の思想の具現化例として画像処理装置
を制御するソフトウェアとなる場合には、かかるソフト
ウェアを記録した記録媒体上においても当然に存在し、
利用されるといわざるをえない。

【００３０】その一例として、請求項８にかかる発明
は、ドットマトリクス状の画素からなる実写画像の画像
データを入力し、各画素の画像データを集計しつつ所定
の評価基準で特徴量を得て、当該特徴量に基づいて画像
処理する画像処理制御プログラムを記録した媒体であっ
て、複数の評価基準に従って上記特徴量を得て、複数の
手法で上記画像データを変換するにあたり、各手法に応
じて上記評価手段にて得られた特徴量を使い分ける構成
としてある。

【００３１】むろん、その記録媒体は、磁気記録媒体で
あってもよいし光磁気記録媒体であってもよいし、今後
開発されるいかなる記録媒体においても全く同様に考え
ることができる。また、一次複製品、二次複製品などの
複製段階については全く問う余地無く同等である。その
他、供給方法として通信回線を利用して行う場合でも本
発明が利用されていることには変わりはないし、半導体
チップに書き込まれたようなものであっても同様であ
る。

【００３２】さらに、一部がソフトウェアであって、一
部がハードウェアで実現されている場合においても発明
の思想において全く異なるものはなく、一部を記録媒体
上に記憶しておいて必要に応じて適宜読み込まれるよう
な形態のものとしてあってもよい。

【００３３】

【発明の効果】以上説明したように本発明は、複数の評
価基準に従って特徴量を得て複数の手法で画像処理を行
うにあたり、各手法に応じて使用する特徴量を使い分け
るようにしたため、最適な評価基準に基づいて画像処理
を行うことが可能な画像処理装置を提供することができ
る。

【００３４】また、請求項２にかかる発明によれば、明
暗補正など画像データの中心部分の特徴量に基づいて画
像処理を行う場合に好適である。

【００３５】さらに、請求項３にかかる発明によれば、
隣接する画素間での画像データの差分を求めるだけであ
るので、演算が容易であり、オブジェクト判断のための
処理量を低減できる。

【００３６】さらに、請求項４にかかる発明によれば、
色度でオブジェクトを判断するものの、オブジェクトの
明暗に依存することなく当該オブジェクトを抽出するこ
とができる。

【００３７】さらに、請求項５にかかる発明によれば、
彩度補正など実写画像の平均的な特徴量に基づいて画像
処理を行う場合に好適である。

【００３８】さらに、請求項６にかかる発明によれば、
コントラスト拡大補正など実写画像における特徴量分布
の端部を使用して画像処理する場合に好適である。

【００３９】さらに、請求項７にかかる発明によれば、
同様にして最適な評価基準に基づいて画像処理を行うこ
とが可能な画像処理方法を提供することができ、請求項
８にかかる発明によれば、画像処理制御プログラムを記
録した媒体を提供することができる。

【００４０】

【発明の実施の形態】以下、図面にもとづいて本発明の
実施形態を説明する。

【００４１】図１は、本発明の一実施形態にかかる画像
処理装置を適用した画像処理システムをブロック図によ
り示しており、図２は具体的ハードウェア構成例を概略
ブロック図により示している。

【００４２】図１において、画像入力装置１０は写真な
どをドットマトリクス状の画素として表した実写の画像
データを画像処理装置２０へ出力し、同画像処理装置２
０は複数の画像処理を行うにあたり、各画像処理に最適
な評価基準に基づいて複数の特徴量を得て、特徴量を使
い分けつつ各画像処理を実行する。同画像処理装置２０
は画像処理した画像データを画像出力装置３０へ出力
し、画像出力装置は画像処理された画像をドットマトリ
クス状の画素で出力する。

【００４３】画像処理装置２０は、予め複数の評価基準
に従って画像データを集計して複数の特徴量を得てお
り、この意味において評価手段を備えているし、画像処
理内容に応じた特徴量を適宜選択して当該特徴量に基づ
いた画像処理を行うことから画像処理手段をも備えてい
ると言える。

【００４４】画像入力装置１０の具体例は図２における
スキャナ１１やデジタルスチルカメラ１２あるいはビデ
オカメラ１４などが該当し、画像処理装置２０の具体例
はコンピュータ２１とハードディスク２２とキーボード
２３とＣＤ−ＲＯＭドライブ２４とフレキシブルディス
クドライブ２５とモデム２６などからなるコンピュータ
システムが該当し、画像出力装置３０の具体例はプリン
タ３１やディスプレイ３２等が該当する。本実施形態の
場合、画像の不具合等を修正すべく当該画像の特徴量を
得て画像処理するため、画像データとしては写真などの
実写データが好適である。なお、モデム２６については
公衆通信回線に接続され、外部のネットワークに同公衆
通信回線を介して接続し、ソフトウェアやデータをダウ
ンロードして導入可能となっている。

【００４５】本実施形態においては、画像入力装置１０
としてのスキャナ１１やデジタルスチルカメラ１２が画
像データとしてＲＧＢ（緑、青、赤）の階調データを出
力するとともに、画像出力装置３０としてのプリンタ３
１は階調データとしてＣＭＹ（シアン、マゼンダ、イエ
ロー）あるいはこれに黒を加えたＣＭＹＫの二値データ
を入力として必要とするし、ディスプレイ３２はＲＧＢ
の階調データを入力として必要とする。

【００４６】一方、コンピュータ２１内ではオペレーテ
ィングシステム２１ａが稼働しており、プリンタ３１や
ディスプレイ３２に対応したプリンタドライバ２１ｂや
ディスプレイドライバ２１ｃが組み込まれている。ま
た、画像処理アプリケーション２１ｄはオペレーティン
グシステム２１ａにて処理の実行を制御され、必要に応
じてプリンタドライバ２１ｂやディスプレイドライバ２
１ｃと連携して所定の画像処理を実行する。従って、画
像処理装置２０としてのこのコンピュータ２１の具体的
役割は、ＲＧＢの階調データを入力して最適な画像処理
を施したＲＧＢの階調データを作成し、ディスプレイド
ライバ２１ｃを介してディスプレイ３２に表示させると
ともに、プリンタドライバ２１ｂを介してＣＭＹ（ある
いはＣＭＹＫ）の二値データに変換してプリンタ３１に
印刷させることになる。

【００４７】このように、本実施形態においては、画像
の入出力装置の間にコンピュータシステムを組み込んで
画像処理を行うようにしているが、必ずしもかかるコン
ピュータシステムを必要とするわけではなく、画像デー
タに対して各種の画像処理を行うシステムに適用可能で
ある。例えば、図３に示すようにデジタルスチルカメラ
１２ａ内に画像処理する画像処理装置を組み込み、変換
した画像データを用いてディスプレイ３２ａに表示させ
たりプリンタ３１ａに印字させるようなシステムであっ
ても良い。また、図４に示すように、コンピュータシス
テムを介することなく画像データを入力して印刷するプ
リンタ３１ｂにおいては、スキャナ１１ｂやデジタルス
チルカメラ１２ｂあるいはモデム２６ｂ等を介して入力
される画像データに対して画像処理するように構成する
ことも可能である。

【００４８】上述した画像の特徴量の取得とそれに伴う
画像処理は、具体的には上記コンピュータ２１内にて図
５などに示すフローチャートに対応した画像処理プログ
ラムで行っている。同図に示すフローチャートは画像処
理プログラムにおける前段部分に該当し、画像データを
複数の評価基準で集計する処理を実行する。

【００４９】ここで本実施形態において採用する二つの
評価基準について説明する。共通するのはいずれも全画
素を対象とするのではなく、所定の基準に従って画素を
サンプリングするとともに、サンプリングした画素につ
いて輝度を集計する点である。また、相違するのは、一
方が均等に画素をサンプリングするのに対し、他方がエ
ッジ画素を選択してサンプリングする点である。輝度の
集計結果については後述するが、このようにしていわゆ
るサンプリング手法を変えることにより、異なった評価
基準に従って複数の特徴量を得ることができる。均等に
画素をサンプリングするというのは画像全体の画素につ
いて輝度を集計することに他ならず、画像全体としての
画像データの輝度の分布を求めることになるから、風景
写真が全体的に暗いとかコントラストが狭いといった評
価の参考となる特徴量が得られることになる。

【００５０】一方、エッジ画素は画像のシャープな部分
であるから、画像の中でも本来の被写体に関わる画素に
ついて輝度を集計することになり、たとえ背景が暗くて
も被写体が十分な明るさを持っていれば画像の明るさは
十分であるといった評価の参考となる特徴量が得られる
ことになる。本実施形態においては、これらの特徴量を
画像処理手法に応じて自動的に選択するようにしてい
る。

【００５１】図５に示すフローチャートを参照すると、
この集計処理では、図６に示すようにドットマトリクス
状の画素からなる画像データについて対象画素を水平方
向に主走査しつつ垂直方向に副走査して移動させ、各画
素についてサンプリング対象であるか否かを判断して集
計している。

【００５２】画像データがドットマトリクス状の画素か
ら構成されている場合には、各画素ごとに上述したＲＧ
Ｂの輝度を表す階調データで表されており、画像のエッ
ジ部分では隣接する画素間での同データの差分は大きく
なる。この差分は輝度勾配であり、これをエッジ度と呼
ぶことにし、ステップＳ１１０では各画素でのエッジ度
を判定する。

【００５３】図７に示すようなＸＹ直交座標を考察する
場合、画像の変化度合いのベクトルはＸ軸方向成分とＹ
軸方向成分とをそれぞれ求めれば演算可能となる。ドッ
トマトリクス状の画素からなるディジタル画像において
は、図８に示すように縦軸方向と横軸方向に画素が隣接
しており、その明るさをｆ（ｘ，ｙ）で表すものとす
る。この場合、ｆ（ｘ，ｙ）はＲＧＢの各輝度であるＲ
（ｘ，ｙ），Ｇ（ｘ，ｙ），Ｂ（ｘ，ｙ）であったり、
あるいは全体の輝度Ｙ（ｘ，ｙ）であってもよい、な
お、ＲＧＢの各輝度であるＲ（ｘ，ｙ），Ｇ（ｘ，
ｙ），Ｂ（ｘ，ｙ）と全体の輝度Ｙ（ｘ，ｙ）との関係
は、厳密には色変換テーブルなどを参照しなければ変換
不能であるが、後述するようにして簡易な対応関係を利
用するようにしても良い。

【００５４】図８に示すものにおいて、Ｘ方向の差分値
ｆｘとＹ方向の差分値ｆｙは、

【００５５】

【数１】

【００５６】のように表される。従って、これらを成分
とするベクトルの大きさ｜ｇ（ｘ，ｙ）｜は、

【００５７】

【数２】

【００５８】のように表される。むろん、エッジ度はこ
の｜ｇ（ｘ，ｙ）｜で表される。なお、本来、画素は図
９に示すように縦横に升目状に配置されており、中央の
画素に注目すると八つの隣接画素がある。従って、同様
にそれぞれの隣接する画素との画像データの差分をベク
トルで表し、このベクトルの和を画像の変化度合いと判
断しても良い。

【００５９】以上のようにして各画素についてエッジ度
が求められるので、あるしきい値と比較してエッジ度の
方が大きい画素はエッジ画素と判断すればよい。なお、
経験的事実から考察すると、フォーカスが集中する被写
体は構図の中央部分に位置することが多い。従って、中
央部分から多くの画素が抽出されるような仕組みとする
ことにより、画像処理の判断に利用したときにより好ま
しい効果を得られる。

【００６０】このため、図１０に示すように、画像の中
の部分毎に比較するしきい値Ｔｈ１，Ｔｈ２，Ｔｈ３を
異ならせておくようにしてもよい。むろん、この例で
は、

【００６１】

【数３】

【００６２】なる関係があり、中央に近い部分ほどしき
い値は低く、エッジ度が比較的低くてもフォーカスが集
中していると判断されるようになる。

【００６３】ステップＳ１２０ではエッジ度と同しきい
値とを比較して変化度合いが大きいか否かを判断する。
比較の結果、エッジ度の方が大きければこの画素はエッ
ジ画素であると判断し、ステップＳ１３０にてその画素
の画像データをサンプリングしてワークエリアに保存す
る。ワークエリアはコンピュータ２１内のＲＡＭであっ
てもよいしハードディスク２２であってもよい。

【００６４】本実施形態においては、エッジ度に基づい
てオブジェクトを抽出する構成としているが、むろん、
オブジェクトの抽出方法はこれに限られない。例えば、
各画素の色度を求め、当該色度が所定範囲内にある画素
をオブジェクトとして抽出することも可能である。

【００６５】すなわち、ステップＳ１１０およびステッ
プＳ１２０の処理を、それぞれステップＳ１１５および
ステップＳ１２５の処理に置換し、まず、ステップＳ１
１５にて各画素についての色度を計算する。いま、対象
画素のＲＧＢ表色系におけるＲＧＢ階調データが（Ｒ，
Ｇ，Ｂ）であるとするときに、

【００６６】

【数４】

【００６７】とおくとすると、ＸＹＺ表色系における色
度座標ｘ，ｙとの間には、

【００６８】

【数５】

【００６９】なる対応関係が成立する。ここにおいて、
色度は明るさに左右されることなく色の刺激値の絶対的
な割合を表すものであるから、色度からその画素がどの
ような対象物かを判断することができるといえる。例え
ば、肌色を例に取ると、

【００７０】

【数６】

【００７１】というような範囲に含まれているから、各
画素の色度を求めたときにこの範囲内であればその画素
は人間の肌を示す画素と考えてもあながち誤っていない
と言える。

【００７２】従って、ステップＳ１２５では、各画素の
ＲＧＢ階調データに基づいて変換されたｘ−ｙ色度が肌
色の範囲であるか否かを判断し、肌色であるならばステ
ップＳ１３０にてその画素の画像データをサンプリング
して同様にワークエリアに保存する。

【００７３】一方、上記のようなエッジ度の判定と並行
してステップＳ１４０では当該対象画素が均等サンプリ
ングの対象画素であるか否かを判断する。均等にサンプ
リングするといっても、ある誤差の範囲内となる程度に
サンプリングする必要がある。統計的誤差によれば、サ
ンプル数Ｎに対する誤差は概ね１／（Ｎ**（１／２））
と表せる。ただし、**は累乗を表している。従って、１
％程度の誤差で処理を行うためにはＮ＝１００００とな
る。

【００７４】ここにおいて、図６に示すビットマップ画
面は（ｗｉｄｔｈ）×（ｈｅｉｇｈｔ）の画素数とな
り、サンプリング周期ｒａｔｉｏは、

【００７５】

【数７】

【００７６】とする。ここにおいて、ｍｉｎ（ｗｉｄｔ
ｈ，ｈｅｉｇｈｔ）はｗｉｄｔｈとｈｅｉｇｈｔのいず
れか小さい方であり、Ａは定数とする。また、ここでい
うサンプリング周期ｒａｔｉｏは何画素ごとにサンプリ
ングするかを表しており、図１１の○印の画素はサンプ
リング周期ｒａｔｉｏ＝２の場合を示している。すなわ
ち、縦方向及び横方向に二画素ごとに一画素のサンプリ
ングであり、一画素おきにサンプリングしている。Ａ＝
２００としたときの１ライン中のサンプリング画素数は
図１２に示すようになる。

【００７７】同図から明らかなように、サンプリングし
ないことになるサンプリング周期ｒａｔｉｏ＝１の場合
を除いて、２００画素以上の幅があるときには最低でも
サンプル数は１００画素以上となることが分かる。従っ
て、縦方向と横方向について２００画素以上の場合には
（１００画素）×（１００画素）＝（１００００画素）
が確保され、誤差を１％以下にできる。

【００７８】ここにおいてｍｉｎ（ｗｉｄｔｈ，ｈｅｉ
ｇｈｔ）を基準としているのは次のような理由による。
例えば、図１３（ａ）に示すビットマップ画像のよう
に、ｗｉｄｔｈ＞＞ｈｅｉｇｈｔであるとすると、長い
方のｗｉｄｔｈでサンプリング周期ｒａｔｉｏを決めて
しまった場合には、同図（ｂ）に示すように、縦方向に
は上端と下端の２ラインしか画素を抽出されないといっ
たことが起こりかねない。しかしながら、ｍｉｎ（ｗｉ
ｄｔｈ，ｈｅｉｇｈｔ）として、小さい方に基づいてサ
ンプリング周期ｒａｔｉｏを決めるようにすれば同図
（ｃ）に示すように少ない方の縦方向においても中間部
を含むような間引きを行うことができるようになる。す
なわち、所定の抽出数を確保したサンプリングが可能と
なる。

【００７９】ステップＳ１４０では、このような均等な
サンプリング手法を採用しつつ、当該対象画素がそのサ
ンプリング対象となっているか否かを判断し、対象であ
ればステップＳ１５０にて画像データをサンプリングす
る。

【００８０】ステップＳ１３０，Ｓ１５０で画像データ
をサンプリングするというのは、同画像データに基づい
て輝度を集計することを意味する。上述したように、本
実施形態においてはコンピュータ２１が扱うのはＲＧＢ
の階調データであり、直接には輝度の値を持っていな
い。輝度を求めるためにＬｕｖ表色空間に色変換するこ
とも可能であるが、演算量などの問題から得策ではな
い。このため、テレビジョンなどの場合に利用されてい
るＲＧＢから輝度を直に求める次式の変換式を利用す
る。

【００８１】

【数８】

【００８２】輝度はヒストグラムとして集計する。むろ
ん、ステップＳ１３０の集計エリアとステップＳ１５０
の集計エリアは別個である。

【００８３】以上のような処理を画像データの各画素に
ついて行うため、ステップＳ１６０にて処理の対象画素
を移動させ、ステップＳ１７０にて全画素について終了
したと判断されるまで処理を繰り返す。

【００８４】この後、画像処理方法に応じて均等サンプ
リングによる集計結果Ｄｉｓｔ＿ａｖｅと、エッジ画素
サンプリングによる集計結果Ｄｉｓｔ＿ｅｄｇとを使い
分けて特徴量を取得し、当該特徴量に基づいて最適な画
像処理を実行する。図１４は、その一例としてコントラ
ストの拡大と明度の補正の画像処理を実行するためのフ
ローチャートを示している。

【００８５】本実施形態でのコントラストを拡大するた
めの基本的な手法は、画像データに基づいて輝度分布を
求め、この輝度分布が本来の階調幅（２５５階調）の一
部分しか利用していないのであれば分布を拡大するとい
うものである。

【００８６】上述したように、ある人物像の実写画像を
考えた場合、必ずしも人物がハイライト部分であるとは
限らないため、同人物の輝度分布を拡大してしまうと他
のハイライト部分が白くぬけてしまうことになりかねな
い。従って、ステップＳ３１０では均等サンプリングに
よる集計結果Ｄｉｓｔ＿ａｖｅとしての輝度分布のヒス
トグラムを作成し、ステップＳ３２０では拡大する幅を
決定する。拡大幅を決定するにあたり、輝度分布の両端
を求めることを考える。写真画像の輝度分布は図１５に
示すように概ね山形に表れる。むろん、その位置、形状
についてはさまざまである。輝度分布の幅はこの両端を
どこに決めるかによって決定されるが、単に裾野が延び
て分布数が「０」となる点を両端とすることはできな
い。裾野部分では分布数が「０」付近で変移する場合が
あるし、統計的に見れば限りなく「０」に近づきながら
推移していくからである。

【００８７】このため、分布範囲において最も輝度の大
きい側と小さい側からある分布割合だけ内側に経た部分
を分布の両端とする。本実施形態においては、同図に示
すように、この分布割合を０．５％に設定している。む
ろん、この割合については、適宜、変更することが可能
である。このように、ある分布割合だけ上端と下端をカ
ットすることにより、ノイズなどに起因して生じている
白点や黒点を無視することもできる。すなわち、このよ
うな処理をしなければ一点でも白点や黒点があればそれ
が輝度分布の両端となってしまうので、２５５階調の輝
度値であれば、多くの場合において最下端は階調「０」
であるし、最上端は階調「２５５」となってしまうが、
上端部分から０．５％の画素数だけ内側に入った部分を
端部とすることにより、このようなことが無くなる。

【００８８】実際の処理ではサンプリングした画素数に
対する０．５％を演算し、再現可能な輝度分布における
上端の輝度値及び下端の輝度値から順番に内側に向かい
ながらそれぞれの分布数を累積し、０．５％の値となっ
た輝度値をこの場合の特徴量として求める。以後、この
上端側をｙｍａｘと呼び、下端側をｙｍｉｎと呼ぶ。

【００８９】再現可能な輝度の範囲を「０」〜「２５
５」としたときに、変換前の輝度ｙと輝度の分布範囲の
最大値ｙmaxと最小値ｙminから変換先の輝度Ｙを次式に
基づいて求める。

【００９０】

【数９】

【００９１】ただし

【００９２】

【数１０】

【００９３】また、上記変換式にてＹ＜０ならばＹ＝０
とし、Ｙ＞２５５ならばＹ＝２５５とする。ここにおけ
る、ａは傾きであり、ｂはオフセットといえる。この変
換式によれば、図１６に示すように、あるせまい幅を持
った輝度分布を再現可能な範囲まで広げることができ
る。ただし、再現可能な範囲を最大限に利用して輝度分
布の拡大を図った場合、ハイライト部分が白く抜けてし
まったり、ハイシャドウ部分が黒くつぶれてしまうこと
が起こる。これを防止するため本実施形態においては、
再現可能な範囲を制限している。すなわち、再現可能な
範囲の上端と下端に拡大しない範囲として輝度値で
「５」だけ残している。この結果、変換式のパラメータ
は次式のようになる。

【００９４】

【数１１】

【００９５】そして、この場合にはｙ＜ｙminと、ｙ＞
ｙmaxの範囲においては変換を行わないようにする。

【００９６】ただし、このままの拡大率（ａに対応）を
適用してしまうと、非常に大きな拡大率が得られる場合
も生じてしまう。例えば、夕方のような薄暮の状態では
最も明るい部分から暗い部分までのコントラストの幅が
狭くて当然であるのに、この画像についてコントラスト
を大きく拡大しようとする結果、昼間の画像のように変
換されてしまいかねない。このような変換は希望されな
いので、拡大率には制限を設けておき、ａが１．５（〜
２）以上とはならないように制限する。これにより、薄
暮は薄暮なりに表現されるようになる。なお、この場合
は輝度分布の中心位置がなるべく変化しないような処理
を行っておく。

【００９７】ところで、輝度の変換時に、毎回、上記変
換式（Ｙ＝ａｙ＋ｂ）を実行するのは非合理的である。
というのは、輝度ｙの取りうる範囲が「０」〜「２５
５」でしかあり得ないため、予め輝度ｙが取りうる全て
の値に対応して変換後の輝度Ｙを求めておくことも可能
である。従って、図１７に示すようなテーブルとして記
憶しておく。

【００９８】このような変換テーブルを形成することが
ステップＳ３２０の拡大幅決定処理に該当し、画像デー
タを変更することが可能になる。しかし、このような輝
度の範囲の拡大によってコントラストを強調するだけで
なく、合わせて明るさを調整することも極めて有効であ
るため、ステップＳ３３０にて画像の明るさを判断し、
補正のためのパラメータを生成する。

【００９９】例えば、図１８にて実線で示すように輝度
分布の山が全体的に暗い側に寄っている場合には波線で
示すように全体的に明るい側に山を移動させると良い
し、逆に、図１９にて実線で示すように輝度分布の山が
全体的に明るい側に寄っている場合には波線で示すよう
に全体的に暗い側に山を移動させると良い。

【０１００】ところで、オブジェクトが明るいか暗いか
を判定するための特徴量は、エッジ画素サンプリングの
集計結果Ｄｉｓｔ＿ｅｄｇから求める方が好ましいこと
は容易にわかる。そこで、エッジ画素サンプリングの集
計結果Ｄｉｓｔ＿ｅｄｇとしての輝度分布のヒストグラ
ムをステップＳ３１０にて作成しておく。

【０１０１】各種の実験を行った結果、本実施形態にお
いては、Ｄｉｓｔ＿ｅｄｇとしての輝度分布におけるメ
ジアンｙｍｅｄを特徴量として求め、同メジアンｙｍｅ
ｄが「８５」未満である場合に暗い画像と判断して以下
のγ値に対応するγ補正で明るくする。

【０１０２】

【数１２】

【０１０３】あるいは、

【０１０４】

【数１３】

【０１０５】とする。

【０１０６】この場合、γ＜０．７となっても、γ＝
０．７とする。このような限界を設けておかないと夜の
画像が昼間のようになってしまうからである。なお、明
るくしすぎると全体的に白っぽい画像になってコントラ
ストが弱い画像になりやすいため、彩度を合わせて強調
するなどの処理が好適である。

【０１０７】一方、メジアンｙｍｅｄが「１２８」より
大きい場合に明るい画像と判断して以下のγ値に対応す
るγ補正で暗くする。

【０１０８】

【数１４】

【０１０９】あるいは、

【０１１０】

【数１５】

【０１１１】とする。この場合、γ＞１．３となって
も、γ＝１．３として暗くなり過ぎないように限界を設
けておく。

【０１１２】なお、このγ補正は変換前の輝度分布に対
して行っても良いし、変換後の輝度分布に対して行って
も良い。γ補正をした場合における対応関係を図２０に
示しており、γ＜１であれば上方に膨らむカーブとな
り、γ＞１であれば下方に膨らむカーブとなる。むろ
ん、かかるγ補正の結果も図１７に示すテーブル内に反
映させておけばよく、テーブルデータに対して同補正を
行っておく。

【０１１３】最後に、ステップＳ３４０にてコントラス
ト補正と明度補正が必要であるか否かを判断する。この
判断は上述した拡大率（ａ）とγ値について適当なしき
い値と比較し、拡大率の方が大きかったりγ値が所定範
囲を超えていたら必要性有りと判断する。そして、必要
性有りと判断されれば画像データの変換を行う。

【０１１４】画像処理が必要であると判断された場合、
（１３）式に基づく変換を行うが、同式の変換式は、Ｒ
ＧＢの成分値との対応関係においても当てはめることが
でき、変換前の成分値（Ｒ0，Ｇ0，Ｂ0）に対して変換
後の成分値（Ｒ，Ｇ，Ｂ）は、

【０１１５】

【数１６】

【０１１６】として求めることもできる。ここで、輝度
ｙ，Ｙが階調「０」〜階調「２５５」であるのに対応し
てＲＧＢの各成分値（Ｒ0，Ｇ0，Ｂ0），（Ｒ,Ｇ,Ｂ）
も同じ範囲となっており、上述した輝度ｙ，Ｙの変換テ
ーブルをそのまま利用すればよいといえる。

【０１１７】従って、ステップＳ３５０では全画素の画
像データ（Ｒ0，Ｇ0，Ｂ0）について（２２）〜（２
４）式に対応する変換テーブルを参照し、変換後の画像
データ（Ｒ,Ｇ,Ｂ）を得るという処理を繰り返すことに
なる。

【０１１８】ところで、この場合は輝度の集計結果を使
い分けて輝度分布の両端やメジアンからなる特徴量を得
て、当該特徴量を使用してコントラスト補正と明度補正
を行うようにしているが、画像処理の具体例はこれに限
られるものではなく、使用する特徴量も様々である。

【０１１９】図２１は彩度強調のための画像処理を実行
する場合のフローチャートを示している。

【０１２０】まず、画素データがその成分要素として彩
度を持っていればその彩度の値を用いて分布を求めるこ
とが可能であるが、ＲＧＢの成分値しか持っていないた
め、本来的には彩度値が直接の成分値となっている表色
空間への変換を行なわなければ彩度値を得ることができ
ない。例えば、標準表色系としてのＬｕｖ空間において
は、Ｌ軸が輝度（明度）を表し、Ｕ軸及びＶ軸で色相を
表している。ここにおいて、Ｕ軸及びＶ軸においては両
軸の交点からの距離が彩度を表すため、実質的に（Ｕ**
２＋Ｖ**２）**（１／２）が彩度となる。

【０１２１】このような異なる表色空間の間での色変換
は対応関係を記憶した色変換テーブルを参照しつつ、補
間演算を併用しなければならず、演算処理量は膨大とな
ってくる。このような状況に鑑み、本実施形態において
は、画像データとして標準的なＲＧＢの階調データを直
に利用して彩度の代替値Ｘを次のようにして求めてい
る。

【０１２２】

【数１７】

【０１２３】本来的には彩度は、Ｒ＝Ｇ＝Ｂの場合に
「０」となり、ＲＧＢの単色あるいはいずれか二色の所
定割合による混合時において最大値となる。この性質か
ら直に彩度を適切に表すのは可能であるものの、簡易な
（２５）式によっても赤の単色および緑と青の混合色で
ある黄であれば最大値の彩度となり、各成分が均一の場
合に「０」となる。また、緑や青の単色についても最大
値の半分程度には達している。むろん、

【０１２４】

【数１８】

【０１２５】という式にも代替可能である。

【０１２６】ステップＳ４１０では、均等サンプリング
の手法を採用しつつ彩度の代替値Ｘについてのヒストグ
ラムの分布を求める。すなわち、彩度強調という点にお
いては、必ずしもオブジェクトの彩度が大きいとは限ら
ず、オブジェクトの彩度が小さい場合に当該オブジェク
トの彩度を大きくすると、本来の色を再現できなくなっ
てしまうことになりかねない。従って、彩度強調に使用
する特徴量は画像において平均的であるといえることか
ら、ステップＳ４１０にて均等サンプリングの手法を採
用する。（２５）式においては、彩度が最低値「０」〜
最大値「５１１」の範囲で分布し、概略的には図２２に
示すような分布となる。次なるステップＳ４２０では、
集計された彩度分布に基づいてこの画像についての彩度
指数を決定する。

【０１２７】彩度指数を導出するにあたり、本実施形態
においては、サンプリングされた画素数の範囲で、分布
数として上位の「１６％」が占める範囲を求める。そし
て、この範囲内での最低の彩度「Ａ」がこの画像の彩度
を表すものとして次式に基づいて彩度強調指数Ｓなる特
徴量を決定する。

【０１２８】すなわち、

【０１２９】

【数１９】

【０１３０】とする。図２３は、この彩度「Ａ」と彩度
強調指数Ｓとの関係を示している。図に示すように、彩
度指数Ｓは最大値「５０」〜最小値「０」の範囲で彩度
「Ａ」が小さいときに大きく、同彩度「Ａ」が大きいと
きに小さくなるように徐々に変化していくことになる。

【０１３１】彩度強調指数Ｓに基づいて彩度を強調する
にあたり、上述したように画像データが彩度のパラメー
タを備えているものであれば同パラメータを変換すれば
よいものの、ＲＧＢの表色空間を採用している場合に
は、一旦、標準表色系であるＬｕｖ空間に変換し、Ｌｕ
ｖ空間内で半径方向へ変移させなければならないといえ
る。しかしながら、ＲＧＢの画像データを、一旦、Ｌｕ
ｖ空間内の画像データに変換し、彩度強調後に再びＲＧ
Ｂに戻すといった作業が必要となり、演算量が多くなら
ざるを得ない。従って、ＲＧＢの階調データをそのまま
利用して彩度強調することにする。

【０１３２】ＲＧＢ表色空間のように各成分が概略対等
な関係にある色相成分の成分値であるときには、Ｒ＝Ｇ
＝Ｂであればグレイであって無彩度となる。従って、Ｒ
ＧＢの各成分における最小値となる成分については各画
素の色相に影響を与えることなく単に彩度を低下させて
いるにすぎないと考えれば、各成分における最小値をす
べての成分値から減算し、その差分値を拡大することに
よって彩度を強調できるといえる。

【０１３３】まず、上述した彩度強調指数Ｓから演算に
有利な彩度強調パラメータＳratioを、

【０１３４】

【数２０】

【０１３５】として求める。この場合、彩度強調指数Ｓ
＝０のときに彩度強調パラメータＳratio＝１となって
彩度強調されない。次に、ＲＧＢ階調データの各成分
（Ｒ，Ｇ，Ｂ）における青（Ｂ）の成分値が最小値であ
ったとすると、この彩度強調パラメータＳratioを使用
して次のように変換する。

【０１３６】

【数２１】

【０１３７】この結果、ＲＧＢ表色空間とＬｕｖ空間と
の間で一往復する二度の色変換が不要となるため、演算
時間の低減をはかることができる。この実施形態におい
ては、無彩度の成分について単純に最小値の成分を他の
成分値から減算する手法を採用しているが、無彩度の成
分を減算するにあたっては別の変換式を採用するもので
あっても構わない。ただし、（３３）〜（３５）式のよ
うに最小値を減算するだけの場合には乗除算が伴わない
ので演算量が容易となるという効果がある。

【０１３８】（２９）〜（３１）式を採用する場合で
も、良好な変換が可能であるものの、この場合には彩度
を強調すると輝度も向上して全体的に明るくなるという
傾向がある。従って、各成分値から輝度の相当値を減算
した差分値を対象として変換を行うことにする。

【０１３９】まず、輝度を求めるために、上述したＬｕ
ｖ空間に色変換したのでは演算量が多大となってしまう
ため、テレビジョンなどの場合に利用されているＲＧＢ
から輝度を直に求める（１２）式を利用する。

【０１４０】一方、彩度強調は、

【０１４１】

【数２２】

【０１４２】とする。この加減値ΔＲ，ΔＧ，ΔＢは輝
度Ｙとの差分値に基づいて次式のように求める。すなわ
ち、

【０１４３】

【数２３】

【０１４４】となり、この結果、

【０１４５】

【数２４】

【０１４６】として変換可能となる。なお、輝度の保存
は次式から明らかである。

【０１４７】

【数２５】

【０１４８】また、入力がグレー（Ｒ＝Ｇ＝Ｂ）のとき
には、輝度Ｙ＝Ｒ＝Ｇ＝Ｂとなるので、加減値ΔＲ＝Δ
Ｇ＝ΔＢ＝０となり、無彩色に色が付くこともない。
（４２）式〜（４４）式を利用すれば輝度が保存され、
彩度を強調しても全体的に明るくなることはない。

【０１４９】以上のようにして彩度強調指数Ｓratioを
求めたら、ステップＳ４３０にて所定のしきい値と比較
し、彩度強調が必要な画像であるかを判断する。そし
て、必要であればステップＳ４４０にて（４２）式〜
（４４）式に基づいて全画素について画像データを変換
する。

【０１５０】従って、均等サンプリングの手法を選択し
て画像データを集計しつつ（ステップＳ４１０）、彩度
強調指数Ｓなる特徴量を取得する（ステップ４２０）ま
でのプログラム前段部分と当該プログラム前段部分を実
行するハードウェア構成とが評価手段を構成し、画像デ
ータの変換を行う（ステップＳ４４０）プログラム後段
部分と当該プログラム後段部分を実行するハードウェア
構成とが画像処理手段を構成することになる。

【０１５１】また、上述したコントラスト補正、明度補
正、彩度強調のそれぞれについて、画像処理を行うかを
判断している。しかし、必ずしも画像処理を行うか否か
の二者択一の判断を行う必要はない。すなわち、それぞ
れにおいて強調程度を設定しており、このようにして設
定した強調程度で画像処理を行うようにしても良い。

【０１５２】次に、上記構成からなる本実施形態の動作
を説明する。

【０１５３】写真画像をスキャナ１１で読み込み、プリ
ンタ３１にて印刷する場合を想定する。すると、まず、
コンピュータ２１にてオペレーティングシステム２１ａ
が稼働しているもとで、画像処理アプリケーション２１
ｄを起動させ、スキャナ１１に対して写真の読み取りを
開始させる。読み取られた画像データが同オペレーティ
ングシステム２１ａを介して画像処理アプリケーション
２１ｄに取り込まれたら、処理対象画素を初期位置に設
定する。続いて、ステップＳ１１０にて（１）式〜
（３）式に基づいてエッジ度を判定し、ステップＳ１２
０ではしきい値と同エッジ度とを比較する。そして、エ
ッジ度の方が大きい場合には処理対象画素がエッジ画素
であると判断し、ステップＳ１３０にて当該画素の画像
データをワークエリアに保存する。また、ステップＳ１
４０では当該処理対象画素が均等サンプリングの対象で
あるか否かを判断し、対象である場合はステップＳ１５
０で当該画素の画像データを別のワークエリアに保存す
る。以上の処理をステップＳ１６０にて処理対象画素を
移動させながらステップＳ１７０にて全画素について実
行したと判断されるまで繰り返す。

【０１５４】本実施形態においては、ワークエリアに画
像データそのものを保存するようにしたが、メモリ容量
や処理時間の面から考えると必ずしも画像データそのも
のをワークエリアに保存しておく必要はない。すなわ
ち、最終的にはサンプリング対象の画素について輝度分
布や彩度代替値分布のヒストグラムを作成することにな
るので、予めステップＳ１２０，Ｓ１５０にてヒストグ
ラムの情報を蓄積していくようにすればよい。

【０１５５】全画素について集計処理を終えたら、コン
トラスト補正と明度補正を実行すべく、ステップＳ３１
０にて均等サンプリングによる集計結果Ｄｉｓｔ＿ａｖ
ｅと、エッジ画素サンプリングによる集計結果Ｄｉｓｔ
＿ｅｄｇとしての輝度分布のヒストグラムを求め、ステ
ップＳ３２０にて前者のヒストグラムに基づき（１６）
（１７）式を用いてコントラスト拡大処理のためのパラ
メータを決定する。そして、ステップＳ３３０において
は、後者のヒストグラムに基づき（１８）〜（２１）式
を用いて明度補正のためのパラメータを決定する。この
後、ステップＳ３４０ではこれらのパラメータを所定の
しきい値と比較し、画像処理すべきと判断すればステッ
プＳ３５０にて上記パラメータに基づいて輝度変換す
る。この場合、演算量を減らすために最初に図１７に示
す輝度の変換テーブルを作成しておき、（２２）〜（２
４）式に基づいて画像データを変換する。

【０１５６】この後、画像処理された画像データをディ
スプレイドライバ２１ｃを介してディスプレイ３２に表
示し、良好であればプリンタドライバ２１ｂを介してプ
リンタ３１にて印刷させる。すなわち、同プリンタドラ
イバ２１ｂは補正されたＲＧＢの階調データを入力し、
所定の解像度変換を経てプリンタ３１の印字ヘッド領域
に対応したラスタライズを行なうとともに、ラスタライ
ズデータをＲＧＢからＣＭＹＫへ色変換し、その後でＣ
ＭＹＫの階調データから二値データへ変換してプリンタ
３１へ出力する。

【０１５７】以上の処理により、スキャナ１１を介して
読み込まれた写真の画像データは自動的に最適なコント
ラスト補正と明度補正を施されてディスプレイ３２に表
示された後、プリンタ３１にて印刷される。すなわち、
複数の評価基準を採用して複数の特徴量を取得し、コン
トラスト補正や明度補正という画像処理方法に応じて特
徴量を使い分けて最適な画像処理を実現することができ
る。

【０１５８】一方、このようなコントラスト補正や明度
補正に限らず、彩度強調の場合にも、当該彩度強調処理
に応じて適当な評価基準で彩度をサンプリングして特徴
量を取得するとともに、当該特徴量に基づいて画像処理
するようにしたため、最適な画像処理を実現することが
できる。

【０１５９】このように、画像処理の中枢をなすコンピ
ュータ２１はステップＳ３１０にて異なる評価基準でサ
ンプリングされた集計結果に基づく輝度分布ヒストグラ
ムを求めるとともに、ステップＳ３２０およびステップ
Ｓ３３０にてそれぞれ別個の輝度分布ヒストグラムから
別個の特徴量を得て、ステップＳ３５０にて各々の特徴
量に基づいて画像データを変換するようにしたため、最
適な画像処理を実現することができる。

【図面の簡単な説明】

【図１】本発明の一実施形態にかかる画像処理装置を適
用した画像処理システムのブロック図である。

【図２】同画像処理装置の具体的ハードウェアのブロッ
ク図である。

【図３】本発明の画像処理装置の他の適用例を示す概略
ブロック図である。

【図４】本発明の画像処理装置の他の適用例を示す概略
ブロック図である。

【図５】本発明の画像処理装置におけるサンプリング処
理部分を示すフローチャートである。

【図６】画像データの大きさと処理対象画素を移動させ
ていく状態を示す図である。

【図７】画像の変化度合いを直交座標の各成分値で表す
場合の説明図である。

【図８】画像の変化度合いを縦軸方向と横軸方向の隣接
画素における差分値で求める場合の説明図である。

【図９】隣接する全画素間で画像の変化度合いを求める
場合の説明図である。

【図１０】しきい値を変化させる領域を示す図である。

【図１１】サンプリング周期を示す図である。

【図１２】サンプリング画素数を示す図である。

【図１３】変換元の画像とサンプリングされる画素の関
係を示す図である。

【図１４】特徴量の取得処理部分と画像処理部分を示す
フローチャートである。

【図１５】輝度分布の端部処理と端部処理にて得られる
端部を示す図である。

【図１６】輝度分布の拡大と再現可能な輝度の範囲を示
す図である。

【図１７】輝度分布を拡大する際の変換テーブルを示す
図である。

【図１８】γ補正で明るくする概念を示す図である。

【図１９】γ補正で暗くする概念を示す図である。

【図２０】γ補正で変更される輝度の対応関係を示す図
である。

【図２１】彩度強調する場合のフローチャートである。

【図２２】彩度分布の集計状態の概略図である。

【図２３】彩度Ａと彩度強調指数Ｓとの関係を示す図で
ある。

【符号の説明】

１０…画像入力装置 ２０…画像処理装置 ２１…コンピュータ ２１ａ…オペレーティングシステム ２１ｂ…プリンタドライバ ２１ｃ…ディスプレイドライバ ２１ｄ…画像処理アプリケーション ２２…ハードディスク ２３…キーボード ２４…ＣＤ−ＲＯＭドライブ ２５…フレキシブルディスクドライブ ２６…モデム ３０…画像出力装置

フロントページの続き Ｆターム(参考） 5B057 BA02 CA01 CA08 CA12 CA16 CB01 CB08 CB12 CB16 CE11 DA17 DB02 DB06 DB09 DC16 DC23 DC25 DC36 5C077 LL02 LL04 LL11 LL19 MP02 MP08 NN02 PP32 PP37 PP52 PQ12 PQ19 RR16 TT09 5L096 AA02 AA06 BA20 FA06 FA35 FA37 GA02 GA19 GA41 MA01

Claims (8)

【特許請求の範囲】
1. 【請求項１】 ドットマトリクス状の画素からなる実写
   画像の画像データを入力し、各画素の画像データを集計
   しつつ所定の評価基準で特徴量を得て、当該特徴量に基
   づいて画像処理する画像処理装置であって、 複数の評価基準に従って上記特徴量を得る評価手段と、 複数の手法で上記画像データを変換可能であるととも
   に、各手法に応じて上記評価手段にて得られた特徴量を
   使い分ける画像処理手段とを具備することを特徴とする
   画像処理装置。
2. 【請求項２】 上記請求項１に記載の画像処理装置にお
   いて、上記評価手段は、実写画像内のオブジェクトを抽
   出して当該オブジェクトの画素の画像データを集計して
   特徴量を得る評価基準を有するとともに、上記画像処理
   手段は、一の画像処理の手法において上記画像データの
   中心部分の特徴量を使用する際に上記オブジェクトの画
   素から得られた特徴量を使用することを特徴とする画像
   処理装置。
3. 【請求項３】 上記請求項２に記載の画像処理装置にお
   いて、上記評価手段は、各画素における隣接画素との画
   像データの変化度合いに基づいて同変化度合いの大きな
   画素をオブジェクトとして抽出することを特徴とする画
   像処理装置。
4. 【請求項４】 上記請求項２に記載の画像処理装置にお
   いて、上記評価手段は、各画素における色度が所定範囲
   内にある画素をオブジェクトとして抽出することを特徴
   とする画像処理装置。
5. 【請求項５】 上記請求項１〜請求項４のいずれかに記
   載の画像処理装置において、上記評価手段は、上記画像
   データの各画素を均等にサンプリングして集計して特徴
   量を得る評価基準を有するとともに、上記画像処理手段
   は、一の画像処理の手法において実写画像の平均的な特
   徴量を使用する際に上記均等にサンプリングして得られ
   た特徴量を使用することを特徴とする画像処理装置。
6. 【請求項６】 上記請求項１〜請求項５のいずれかに記
   載の画像処理装置において、上記評価手段は、上記画像
   データの各画素を均等にサンプリングして集計して特徴
   量を得る評価基準を有するとともに、上記画像処理手段
   は、一の画像処理の手法において実写画像の特徴量分布
   の端部を使用する際に上記均等にサンプリングして得ら
   れた特徴量を使用することを特徴とする画像処理装置。
7. 【請求項７】 ドットマトリクス状の画素からなる実写
   画像の画像データを入力し、各画素の画像データを集計
   しつつ所定の評価基準で特徴量を得て、当該特徴量に基
   づいて画像処理する画像処理方法であって、 複数の評価基準に従って上記特徴量を得て、 複数の手法で上記画像データを変換するにあたり、各手
   法に応じて上記評価手段にて得られた特徴量を使い分け
   ることを特徴とする画像処理方法。
8. 【請求項８】 ドットマトリクス状の画素からなる実写
   画像の画像データを入力し、各画素の画像データを集計
   しつつ所定の評価基準で特徴量を得て、当該特徴量に基
   づいて画像処理する画像処理制御プログラムを記録した
   媒体であって、 複数の評価基準に従って上記特徴量を得て、 複数の手法で上記画像データを変換するにあたり、各手
   法に応じて上記評価手段にて得られた特徴量を使い分け
   ることを特徴とする画像処理制御プログラムを記録した
   媒体。