JP2003162718A - 画像処理方法及びプログラム - Google Patents
画像処理方法及びプログラムInfo
- Publication number
- JP2003162718A JP2003162718A JP2001358350A JP2001358350A JP2003162718A JP 2003162718 A JP2003162718 A JP 2003162718A JP 2001358350 A JP2001358350 A JP 2001358350A JP 2001358350 A JP2001358350 A JP 2001358350A JP 2003162718 A JP2003162718 A JP 2003162718A
- Authority
- JP
- Japan
- Prior art keywords
- hue
- pixels
- image
- clustering
- image processing
- 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
Links
Landscapes
- Image Analysis (AREA)
Abstract
近いカラー画像セグメンテーションを行うことのできる
画像処理方法を提供すること。 【解決手段】先ず入力画像に含まれる全画素もしくは特
定の画素を均等色空間上で基本分類する。次に、色相に
よる分類を行う際のパラメータを自動計算する。そし
て、基本分類の結果とパラメータ計算の結果とを参照
し、色相が類似しているクラスタを併合する。
Description
メンテーションを行う画像処理方法及びプログラムに関
する。
す画素群は、均等色空間の中で稠密なクラスタを形成す
る。これを利用し、均等色空間においてクラスタリング
を行い、カラー画像のセグメンテーションを行う方法が
知られている(参考文献「コンピュータビジョン 技術
評論と将来展望、新技術コミュニケーションズ、pp.
68−71」)。
うためにはCIE−LABやCIE−LUVといった表
色系を用い、均等色空間を表現するのが適しているとい
う知見がある。また、クラスタリングには、パターン認
識におけるパターン分類法として知られているk−me
ans法やISODATAのような手法を利用するのが
一般的である。
り、クラスタリングにおいて同一の色相を持つ画素が別
々のクラスタに分類されてしまうことがある。そこで、
ハイライトや陰影に依存しないセグメンテーションが必
要な場合には、上記の方法により基本的なクラスタリン
グを先ず行い、これにより抽出されたクラスタの代表色
を色相差で再分類する方法が採られる。再分類において
は、色相差がしきい値以下のクラスタ同士を併合するこ
とにより、明度に違いはあるが色相は近い領域を同一の
領域として分割(セグメンテーション)する。
ョン方法では、色相差によるクラスタの再分類のための
しきい値をチューニングする必要がある。この作業は、
従来、人手により行われており熟練を要する上、手間が
掛かるという問題点がある。そこで、初期設定も含めこ
のようなチューニングを必要としないで自動的にセグメ
ンテーションを行えるような画像処理技術の提供が望ま
れている。
ならず、画像中の対象物体を他の色に置き換えたり、隠
蔽するなどといったいわゆる画像編集技術についても実
現の要請がある。かかる画像編集は、例えば映像中の残
酷なシーンを低年齢者に見せない配慮のために、画像中
の血の領域を隠蔽したり、ぼかすなどの編集を施すこと
などである。そして、ハイライトや陰影を含んだ実際の
画像では同じ血の領域であっても明度が大きく異なる場
合が多く、人間の知覚に近いセグメンテーションを行う
画像処理がこのような画像編集技術に好適であることか
らも上述した技術的課題の解決が必須である。
は、入力画像中の少なくとも一部の画素を似通った色相
を有するクラスタに分類するためのパラメータを計算す
る画像処理方法であって、前記画素の色相値を計算する
ステップと、色相を表す色相円の周上に前記画素をマッ
ピングするステップと、前記色相円を可変の分割数で分
割すると共に当該分割された色相円を可変の回転角で回
転させることにより、前記画素をクラスタリングするス
テップと、前記クラスタリングの結果に基づく評価値を
計算するステップと、前記評価値を最適化するよう前記
分割数及び回転角を変化させて前記パラメータを決定す
るステップと、を具備することを特徴とする。
実施の形態を説明する。
システムの概略構成を示すブロック図である。図1に示
すように、本実施形態の画像処理システムは、基本分類
部102と、パラメータ計算部103と、再分類部10
4とを有する。これらの構成要素は、例えばハードディ
スク等の記憶装置から入力画像101を読み出して作業
メモリ106に一旦記憶させ、同作業メモリ106上で
本発明に係る画像処理を施し、その処理結果105を出
力するよう構成されている。このような本実施形態の画
像処理システムは、例えば汎用のコンピュータと、同コ
ンピュータ上で動作するプログラムとにより実現され
る。
おけるセグメンテーション手順の一例を示すフローチャ
ートである。
に読み出されるとともに、このうち、処理対象の画像デ
ータが基本分類部102に入力される。基本分類部10
2は、かかる画像データに対し必要に応じて表色系の変
換を行ってから、均等色空間の中で1つ以上のクラスタ
分類を行う(ステップS202)。ここで、入力画像1
01に処理の対象となる画素を特定するための情報が付
加されている場合、分類対象となる画素を限定して処理
を行うものとする。もし、これらの付加情報がない場合
は、画像データの全ての画素が分類対象となる。
103に送られる。ここでは、基本分類部102で得ら
れたクラスタの中で色相が近いクラスタを併合するため
の、色相差のしきい値を計算する(ステップS20
3)。
おいて得られたクラスタを、パラメータ計算部103に
おいて得られたパラメータを用いて再分類する(ステッ
プS204)。ここまでの処理によって、カラー画像の
セグメンテーションが完了し、処理結果105が出力さ
れる。
部103、および再分類部104の各々の内部処理につ
いて詳細に説明する。
タリング手順の一例を示すフローチャートである。基本
分類部102では、パターン認識においてよく知られて
いるk−means法などのクラスタリング手法が用い
られる。k−means法はクラスタ数が既知である場
合に有効である。図3は、GLA(Generalized Lloyd
Algorithm)法を基本的な枠組みとして用いた例であ
る。GLA法は、クラスタ数の上限を指定するのみでク
ラスタリングを行える方法である。条件に応じて、これ
らの方法を使い分けてもよい。
像101をCIE−LABもしくはCIE−LUVのよ
うな表色系に変換しておくことが望ましい。これらの表
色系を用いることによって、人間の知覚に近いセグメン
テーションが行えるようになる。クラスタリングは、こ
れらの表色系で表される均等色空間において行うことが
好ましい。
し、全ての画素が1つのクラスタに属するものとする
(ステップS301)。次に、ステップS302からS
312までの処理を繰り返すことによってクラスタリン
グを行う。ステップS302においては、それぞれのク
ラスタの重心を求める。画素と各クラスタの重心とのユ
ークリッド距離(これを「色差」と呼ぶ)を求め(ステ
ップS303)、距離が最小となるクラスタにその画素
を割り当てる(ステップS304)。各画素とその画素
が属するクラスタの重心との距離の総和を求め、これを
画素数で割ることにより平均二乗誤差を求める(ステッ
プS305)。ここで、現状でのクラスタの総数が設定
したしきい値T1を上回っている場合、処理の終了判定
に移行する(ステップS306)。すなわち、ステップ
S305において計算した平均二乗誤差の変化率としき
い値T3とを比較する(ステップS308)。平均二乗
誤差の変化率は、例えば以下の数式で定義される。
クラスタリングが十分収束したものとみなして処理を終
了する。変化率がT3を上回る場合はステップS302
に戻る。
の総数がしきい値T1以下であると判定されたとき、ク
ラスタの分割を行うかどうかの判定を行う。すなわち、
平均二乗誤差の変化率をしきい値T2と比較する(ステ
ップS307)。なお、本実施形態では、T2>=T3
のように設定する。
合、ステップS302に戻る。一方、平均二乗誤差の変
化率がT2を上回らない場合は、ステップS309に進
む。
散を計算する。分散は、クラスタの重心とクラスタに属
する画素の距離の2乗をクラスタ内の画素数で割ること
によって求める。すべてのクラスタの中での分散の最大
値がしきい値T4未満である場合に処理を終了する(ス
テップS310)。
ある場合は、分散が最大となるクラスタを分割する。ク
ラスタを分割するためには、まずそのクラスタに主成分
分析を施す(ステップS311)。主成分分析によっ
て、図4に示すように固有ベクトルが得られる。最も分
布の広がりがある方向を示す第1主成分ベクトルに垂直
であって、かつ、クラスタの重心を通る平面の方程式を
求め、その平面でクラスタを分割する(ステップS31
2)。ステップS302に戻り、終了判定条件を満たす
まで処理を繰り返す。前述したように、ハイライトや陰
影のような明度変化を多く含む画像に対して、以上のク
ラスタリング処理を行うと、ハイライトや陰影の領域を
別のクラスタとしてしまうという問題が発生する。細分
化され過ぎたクラスタ群を、同一の色相のクラスタ同士
を併合することによって再分類する方法を以下に説明す
る。
処理手順の一例を示すフローチャートである。まず、ス
テップS501において各画素の色相値を計算する。通
常、入力画像101はRGBの値を画素値として持つ。
RGB値から色相を計算するためには、HSIやHSV
といった表色系への変換式を用いてH成分を求める。変
換式としては、例えば、上述した参考文献(「コンピュ
ータビジョン 技術評論と将来展望、新技術コミュニケ
ーションズ、pp.65−66」)に紹介されている以
下の式を利用することができる。
る。ただし、無彩色の色相は計算できないので、ステッ
プS501以降では有彩色の画素のみを対象とする。次
に、各画素の色相値を、設定した分割数と回転角によっ
てクラスタリングする。上式によって求めた色相は角度
で表現され、例えば図6に示すような円の周上に各画素
がマッピングされる。この円を、設定した分割数で分割
する。図6は分割数=4の場合を示しており、実線によ
って4つの分割クラスタが得られている。この円を、設
定した角度で回転させると、それぞれのクラスタに分類
される画素の分類パターンが変化する。そして分割数及
び回転角を様々な値で変更し、最も当てはまりのよいク
ラスタの分割の仕方を自動的に選ぶ。
分割数を設定しておき、1から順に分割数を大きくして
いく方法がある。しかし、分割数が大きくなるにつれ、
クラスタ1つあたりに含まれる色相の範囲はほとんど変
化しなくなる。そこで、例えば分割数を{1,2,3,4,5,6,
7,8,9,10,12,15,18,24,36…}のように段階的に増や
し、1つのクラスタに含まれる色相の範囲を一定の角度
以上で変化させていくようにすると効率がよい。
設定しておいた固定の値を用いることし、この回転角で
色相マップの円を回転させる(図6参照)。分割数の最
大値が36のとき、1つのクラスタは10度の範囲を持
つので、回転角を5度に設定すれば、効率よく異なった
クラスタ分類パターンを調べることが可能である。例え
ば、分割数が10で回転角が5度のときは、合計8通り
の回転角を試すことになる。
分割数を試したかどうかチェックする。全ての分割数を
試した場合は、処理が終了となる。そうでない場合、分
割数を設定する(ステップS503)。ステップS50
4で全ての回転角を試したかチェックする。回転角の試
行回数は分割数に依存して決定される。全ての回転角を
試した場合、ステップS502に戻る。そうでない場合
は、回転角を設定する(ステップS505)。以上のス
テップにより設定された分割数と回転角で、各画素をク
ラスタ分類する。各画素の色相値を参照して、その画素
を含むクラスタに割り当てる(ステップS506)。各
画素と割り当てられたクラスタの中心との平均二乗誤差
を計算する(ステップS507)。
誤差の値は小さくなる。しかし、それでは分類されるク
ラスタ数が増大するだけである。分割数をできるだけ小
さくし、かつ当てはまりのよいクラスタ分類を行うこと
が重要となる。そこで分割数と計算された平均二乗誤差
とから、情報量規準を計算する(ステップS508)。
情報量規準の値が最小となる分割数と回転角を更新し
(ステップS509)、ステップS504に戻る。情報
量規準は、分割数とクラスタへの当てはまりの良さを同
時に最適化するための評価値として利用できる。情報量
規準としてはAIC(Akaike Information Criterion;
赤池情報量基準)と記述長最小化原理(MDL;Minimu
m Description Length)が最もよく利用される。それら
の計算方法を以下に示す。
画素との平均2乗誤差(LMS:Least Mean Squared E
rror)が、
正規分布に従うと仮定すると、情報量規準MDLは、
ICは、
報量規準を計算する。AICもしくはMDLのどちらを
利用してもよい。この値は小さいほど、クラスタ分類が
良いということになる。
ってセグメンテーションする際の、色相の分割数と回転
角を求めることができる。
ラメータ計算の結果(最適な色相の分割数と回転角)に
基づいて、クラスタの再分類を行う。
の一例を示すフローチャートである。まず、基本分類に
よって得られたクラスタの代表色(例えば、クラスタの
重心)の色相を計算する(ステップS701)。次に、
この代表色を、該当する色相のクラスタへ分類する(ス
テップS702)。例えば、基本分類によって得られた
2つのクラスタの代表色が、それぞれ、同一の色相クラ
スタへ分類された場合、これらのクラスタは色相が同一
であるとみなし、クラスタを併合する(ステップS70
3)。ここまでの処理により、カラー画像のセグメンテ
ーションが終了する。
理システムによれば、色相差によるクラスタの再分類の
ためのしきい値をチューニングする必要が不要であり、
自動的にセグメンテーションを行える。
えたり隠蔽するための画像編集について説明する。図8
は、セグメンテーションの結果をユーザが参照して画像
を編集する際の手順を示すフローチャート、図9は、こ
の画像編集に適用されるユーザインタフェースの一例を
示す図である。
力画像表示領域904(図9(b))と、代表色表示領
域902および各クラスタの画像上での面積占有率等を
表示する領域903を有するクラスタリング結果表示画
面901(図9(a))とにより構成されている。この
ようなユーザインターフェースを用いて、各クラスタの
代表色を表示する(ステップS801)。領域903に
表示する内容としては、各クラスタの面積占有率以外
に、代表色のRGB値や色相値を表示してもよい。ユー
ザはマウス等のポインティングデバイスを用いて、加工
したい色クラスタを選択する(ステップS802)。選
択するクラスタの数は1つでも複数でも構わない。さら
にユーザはそのクラスタに対して行う編集方法を指定す
る(ステップS803)。編集方法としては、指定した
クラスタに属する画素を除くことや、指定したクラスタ
に属する画素のみを残すなどが挙げられる。最後に、編
集結果を表示する(ステップS804)。図9(b)
は、指定したクラスタに属する画素を除いて生成した画
像905と、指定したクラスタのみを残して生成した画
像906を例として示している。
理方法によれば、パラメータのチューニングを行わなく
とも、より人間の知覚に近いカラー画像のセグメンテー
ションを簡単かつ速やかに行うことが可能となる。これ
により、セグメンテーション結果を利用した画像編集作
業を効率化することができるようになる。
れず種々変形して実施可能である。
チューニングを必要とせず、より人間の知覚に近いカラ
ー画像セグメンテーションを行うことのできる画像処理
方法及びプログラムを提供できる。
概略構成を示すブロック図。
の一例を示すフローチャート
ング手順の一例を示すフローチャート
を示す図
手順の一例を示すフローチャート
プを示す図
一例を示すフローチャート
フローチャート
スの一例を示す図
Claims (8)
- 【請求項1】 入力画像中の少なくとも一部の画素を似
通った色相を有するクラスタに分類するためのパラメー
タを計算する画像処理方法であって、 前記画素の色相値を計算するステップと、 色相を表す色相円の周上に前記画素をマッピングするス
テップと、 前記色相円を可変の分割数で分割すると共に当該分割さ
れた色相円を可変の回転角で回転させることにより、前
記画素をクラスタリングするステップと、 前記クラスタリングの結果に基づく評価値を計算するス
テップと、 前記評価値を最適化するよう前記分割数及び回転角を変
化させて前記パラメータを決定するステップと、を具備
することを特徴とする画像処理方法。 - 【請求項2】 前記入力画像中の少なくとも一部の画素
をその色差に応じてクラスタリングするステップと、 前記色差に応じたクラスタリング結果を、前記パラメー
タに基づいて再分類するステップと、を具備することを
特徴とする請求項1に記載の画像処理方法。 - 【請求項3】 前記再分類ステップは、第1のクラスタ
と第2のクラスタの各々の代表色の色相差を前記パラメ
ータと比較し、その比較結果に応じて当該第1、第2の
クラスタ同士を併合するステップを含むことを特徴とす
る請求項2に記載の画像処理方法。 - 【請求項4】 前記再分類されたクラスタリング結果を
参照し、似通った色相を有する画像中の対象物を隠蔽
し、又は該対象物に装飾を施すことを含む画像編集ステ
ップをさらに具備することを特徴とする請求項2又は3
に記載の画像処理方法。 - 【請求項5】 前記画像編集ステップは、 複数のクラスタの代表色を一覧表示するステップと、 前記複数のクラスタのうちの少なくとも一つのクラスタ
の選択をユーザから受け付けるステップと、 選択された前記クラスタに属する画素のみから構成され
る画像又は選択された前記クラスタに属する画素を前記
入力画像から除いて成る画像を生成するステップと、を
具備することを特徴とする請求項4に記載の画像処理方
法。 - 【請求項6】 前記評価値として、赤池情報量基準又は
記述長最小化原理(MDLを計算することを特徴とする
請求項1乃至3のいずれかに記載の画像処理方法。 - 【請求項7】 入力画像中の少なくとも一部の画素を似
通った色相を有するクラスタに分類するためのパラメー
タを計算する画像処理プログラムであって、 コンピュータに、 前記画素の色相値を計算する手順と、 色相を表す色相円の周上に前記画素をマッピングする手
順と、 前記色相円を可変の分割数で分割すると共に当該分割さ
れた色相円を可変の回転角で回転させることにより、前
記画素をクラスタリングする手順と、 前記クラスタリングの結果に基づく評価値を計算する手
順と、 前記評価値を最適化するよう前記分割数及び回転角を変
化させて前記パラメータを決定する手順と、を実行させ
る画像処理プログラム。 - 【請求項8】 前記入力画像中の少なくとも一部の画素
をその色差に応じてクラスタリングする手順と、 前記色差に応じたクラスタリング結果を、前記パラメー
タに基づいて再分類する手順と、をさらに具備すること
を特徴とする請求項7に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001358350A JP3708042B2 (ja) | 2001-11-22 | 2001-11-22 | 画像処理方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001358350A JP3708042B2 (ja) | 2001-11-22 | 2001-11-22 | 画像処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003162718A true JP2003162718A (ja) | 2003-06-06 |
JP3708042B2 JP3708042B2 (ja) | 2005-10-19 |
Family
ID=19169542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001358350A Expired - Fee Related JP3708042B2 (ja) | 2001-11-22 | 2001-11-22 | 画像処理方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3708042B2 (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006301696A (ja) * | 2005-04-15 | 2006-11-02 | Ricoh Co Ltd | 画像評価装置および画像評価方法並びに記録媒体 |
WO2007145235A1 (ja) * | 2006-06-16 | 2007-12-21 | National Institute Of Advanced Industrial Science And Technology | 異常領域検出装置および異常領域検出方法 |
JPWO2006087854A1 (ja) * | 2004-11-25 | 2008-08-07 | シャープ株式会社 | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
JP2009110151A (ja) * | 2007-10-29 | 2009-05-21 | Ricoh Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
US7747074B2 (en) | 2003-10-02 | 2010-06-29 | Seiko Epson Corporation | Selection of decorative picture suitable for input picture |
JP2010186272A (ja) * | 2009-02-10 | 2010-08-26 | Canon Inc | 画像処理方法および画像処理装置およびプログラム |
US7957560B2 (en) | 2006-06-16 | 2011-06-07 | National Institute Of Advanced Industrial Science And Technology | Unusual action detector and abnormal action detecting method |
WO2012001876A1 (ja) * | 2010-07-01 | 2012-01-05 | 株式会社 日立ハイテクノロジーズ | パターンマッチング方法,画像処理装置、及びコンピュータプログラム |
JP2013509622A (ja) * | 2009-10-12 | 2013-03-14 | クアルコム,インコーポレイテッド | 所定の領域内でPOI(pointofinterest)を特定するための方法および装置 |
US10853972B2 (en) | 2017-10-23 | 2020-12-01 | Fujitsu Limited | Apparatus for processing image and method thereof |
CN116109933A (zh) * | 2023-04-13 | 2023-05-12 | 山东省土地发展集团有限公司 | 一种用于废弃矿山生态修复的动态识别方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4663013B2 (ja) | 2006-06-29 | 2011-03-30 | 富士通株式会社 | 色類別方法、色認識方法及び色認識装置 |
-
2001
- 2001-11-22 JP JP2001358350A patent/JP3708042B2/ja not_active Expired - Fee Related
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7747074B2 (en) | 2003-10-02 | 2010-06-29 | Seiko Epson Corporation | Selection of decorative picture suitable for input picture |
JPWO2006087854A1 (ja) * | 2004-11-25 | 2008-08-07 | シャープ株式会社 | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
JP4550882B2 (ja) * | 2004-11-25 | 2010-09-22 | シャープ株式会社 | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
JP2006301696A (ja) * | 2005-04-15 | 2006-11-02 | Ricoh Co Ltd | 画像評価装置および画像評価方法並びに記録媒体 |
JP4603512B2 (ja) * | 2006-06-16 | 2010-12-22 | 独立行政法人産業技術総合研究所 | 異常領域検出装置および異常領域検出方法 |
WO2007145235A1 (ja) * | 2006-06-16 | 2007-12-21 | National Institute Of Advanced Industrial Science And Technology | 異常領域検出装置および異常領域検出方法 |
JP2007334766A (ja) * | 2006-06-16 | 2007-12-27 | National Institute Of Advanced Industrial & Technology | 異常領域検出装置および異常領域検出方法 |
US7957560B2 (en) | 2006-06-16 | 2011-06-07 | National Institute Of Advanced Industrial Science And Technology | Unusual action detector and abnormal action detecting method |
JP2009110151A (ja) * | 2007-10-29 | 2009-05-21 | Ricoh Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
JP2010186272A (ja) * | 2009-02-10 | 2010-08-26 | Canon Inc | 画像処理方法および画像処理装置およびプログラム |
JP2013509622A (ja) * | 2009-10-12 | 2013-03-14 | クアルコム,インコーポレイテッド | 所定の領域内でPOI(pointofinterest)を特定するための方法および装置 |
US8756010B2 (en) | 2009-10-12 | 2014-06-17 | Qualcomm Incorporated | Method and apparatus for identification of points of interest within a predefined area |
US8977494B2 (en) | 2009-10-12 | 2015-03-10 | Qualcomm Incorporated | Method and apparatus for identification of points of interest within a predefined area |
WO2012001876A1 (ja) * | 2010-07-01 | 2012-01-05 | 株式会社 日立ハイテクノロジーズ | パターンマッチング方法,画像処理装置、及びコンピュータプログラム |
JP2012014475A (ja) * | 2010-07-01 | 2012-01-19 | Hitachi High-Technologies Corp | パターンマッチング方法,画像処理装置、及びコンピュータプログラム |
US9141879B2 (en) | 2010-07-01 | 2015-09-22 | Hitachi High-Technologies Corporation | Pattern matching method, image processing device, and computer program |
US10853972B2 (en) | 2017-10-23 | 2020-12-01 | Fujitsu Limited | Apparatus for processing image and method thereof |
CN116109933A (zh) * | 2023-04-13 | 2023-05-12 | 山东省土地发展集团有限公司 | 一种用于废弃矿山生态修复的动态识别方法 |
CN116109933B (zh) * | 2023-04-13 | 2023-06-23 | 山东省土地发展集团有限公司 | 一种用于废弃矿山生态修复的动态识别方法 |
Also Published As
Publication number | Publication date |
---|---|
JP3708042B2 (ja) | 2005-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7082211B2 (en) | Method and system for enhancing portrait images | |
US7660463B2 (en) | Foreground extraction using iterated graph cuts | |
US7430339B2 (en) | Border matting by dynamic programming | |
US7536050B2 (en) | Using graph cuts for editing photographs | |
EP1679652B1 (en) | Image segmentation method and device | |
Naji et al. | Skin segmentation based on multi pixel color clustering models | |
US7593020B2 (en) | Image editing using image-wide matting | |
Ikonomatakis et al. | Region growing and region merging image segmentation | |
JP2004265406A (ja) | バッチモードで処理されるポートレート画像を向上する方法及びシステム | |
JP2010102725A (ja) | デジタル画像におけるオブジェクト検出方法 | |
JP2003203240A (ja) | 照明不変の客体追跡方法及びこれを用いた映像編集装置 | |
JP2006318474A (ja) | 画像シーケンス内のオブジェクトを追跡するための方法及び装置 | |
US8718401B2 (en) | Image processing device, method and program | |
JP3708042B2 (ja) | 画像処理方法及びプログラム | |
JP2013536960A (ja) | 写真から肖像スケッチを合成するシステム及び方法 | |
JPH05250472A (ja) | 画像の残りの部分から切離すべく、興味あるエリアの画像上の境界の微細マスクを準備する方法および装置 | |
CN110675463A (zh) | 一种局部彩色铅笔画生成方法及装置 | |
CN109741358B (zh) | 基于自适应超图学习的超像素分割方法 | |
JP3814353B2 (ja) | 画像分割方法および画像分割装置 | |
Kuzovkin et al. | Descriptor-based image colorization and regularization | |
JP5786838B2 (ja) | 画像領域分割装置、方法、およびプログラム | |
JP2007243987A (ja) | 画像処理方法、画像処理システムおよび画像処理プログラム | |
JP4248947B2 (ja) | 画像減色装置、画像減色方法および画像減色プログラム | |
Busin et al. | Colour space selection for unsupervised colour image segmentation by analysis of connectedness properties | |
JPH06251147A (ja) | 映像特徴処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040820 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041116 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050405 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050606 |
|
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: 20050726 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050802 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090812 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090812 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100812 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100812 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110812 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110812 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120812 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120812 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130812 Year of fee payment: 8 |
|
LAPS | Cancellation because of no payment of annual fees |