JP2004112649A - 色票チャートセット、画像解析方法、ホワイトバランス性能測定評価方法および画像処理装置 - Google Patents
色票チャートセット、画像解析方法、ホワイトバランス性能測定評価方法および画像処理装置 Download PDFInfo
- Publication number
- JP2004112649A JP2004112649A JP2002275353A JP2002275353A JP2004112649A JP 2004112649 A JP2004112649 A JP 2004112649A JP 2002275353 A JP2002275353 A JP 2002275353A JP 2002275353 A JP2002275353 A JP 2002275353A JP 2004112649 A JP2004112649 A JP 2004112649A
- Authority
- JP
- Japan
- Prior art keywords
- image
- color
- chart
- colors
- average
- 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
Images
Landscapes
- Color Television Image Signal Generators (AREA)
- Processing Of Color Television Signals (AREA)
- Spectrometry And Color Measurement (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
【課題】野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価できるようにする。
【解決手段】一般的な画像を８種類に分類して、それぞれの分類ごとに代表的な画像を選定し、その選定した元画を抽象化してチャートを作成する。抽象化チャートには、幾何学形状の複数の色票パッチを設けるとともに、中央部付近に１８％ニュートラルグレーの基準色度点パッチを設ける。この抽象化チャートをホワイトバランス性能の評価対象の撮像装置で撮影して得られた画像データにおける基準色度点パッチの測色データから、評価指数を算出し、その算出した評価指数によってホワイトバランス性能を評価する。
【選択図】 図１３
【解決手段】一般的な画像を８種類に分類して、それぞれの分類ごとに代表的な画像を選定し、その選定した元画を抽象化してチャートを作成する。抽象化チャートには、幾何学形状の複数の色票パッチを設けるとともに、中央部付近に１８％ニュートラルグレーの基準色度点パッチを設ける。この抽象化チャートをホワイトバランス性能の評価対象の撮像装置で撮影して得られた画像データにおける基準色度点パッチの測色データから、評価指数を算出し、その算出した評価指数によってホワイトバランス性能を評価する。
【選択図】 図１３
Description
【０００１】
【発明の属する技術分野】
この発明は、撮像装置（カメラ）のホワイトバランス性能を定量的・客観的に測定評価するための色票チャートセット、この色票チャートセットを作成するのに用いる画像解析方法、および、この色票チャートセットを用いて撮像装置のホワイトバランス性能を測定評価する方法に関する。
【０００２】
【従来の技術】
撮像装置のホワイトバランスは多くの制御パラメータが複雑に関係するので、その性能（特性）を評価することが難しい。
【０００３】
一般的な画像は、グレーワールドとして知られているように、無彩色が主体の画像を中心に分布しているため、従来、ホワイトバランス性能を評価する場合には、グレースケールなどの、無彩色の色票チャートを、評価対象の撮像装置で撮影し、測定している。
【０００４】
しかし、無彩色が主体の画像を中心に分布しているとは言え、一般的な画像には、高彩度の画像部分を有する画像や、画像全体として高彩度の画像も存在し、また、ある広がりをもって色が分散しているなど、色の分散も様々である。そのため、無彩色の色票チャートのみでは、ホワイトバランス性能の詳細・厳密な評価を行うことはできない。
【０００５】
そこで、従来は、野外でフィールドテストを行い、屋内のスタジオで各種の被写体を撮影するなど、考えうる多くのシチュエーションのもとで撮影を繰り返して、ホワイトバランス性能を評価している。
【０００６】
なお、先行技術文献を調査したところ、関連するものは見当たらなかった。
【０００７】
【発明が解決しようとする課題】
しかしながら、上述した従来の方法では、テストの規模や回数が膨大となり、多大の労力と費用を要する。
【０００８】
しかも、どのようなシチュエーションで性能を発揮し、または誤動作を起こすかなどの判定は、設計者や評価者の経験と勘に頼る部分が大きく、定量的・客観的に優劣をつけてホワイトバランス性能を評価するのが難しい。誤動作やエラーに対する原因の特定も難しく、設計上の修正を行った場合の副作用の確認も困難である。
【０００９】
しかも、毎回、同じ撮影シチュエーションが得られるとは限らず、屋外での撮影については、天候や湿度、周辺の反射物などの影響が大きく、同じ撮影を行うことは無理であるとともに、屋内での撮影についても、被写体を置く場所や撮影距離、光源の色温度や照度など、撮影条件や撮影環境を一定に保つことは困難である。
【００１０】
雑誌社などが独自に、様々な測定評価を行って、メーカー各社の商品を比較しているが、上記のような背景から、商品の設計内容と評価結果との間の因果関係が不明確なことが多い。メーカーとしても、ホワイトバランス性能に関しての技術的な説明が不明確になりがちで、カタログやスペックなどで定量的な議論ができる明確な指標が無かった。
【００１１】
メーカーとしては、性能保障の一つとして、ホワイトバランス性能を定量的・客観的に測定評価する方法が必要とされるとともに、消費者の立場からも、雑誌などの評価に相当する共通の評価指標が求められている。
【００１２】
そこで、この発明は、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価することができるようにしたものである。
【００１３】
【課題を解決するための手段】
この発明の色票チャートセットは、
画面内の色の分散が小さく、かつ色の平均が低彩度の画像を抽象化したチャートとして、それぞれ幾何学形状の、複数種の肌色の色票パッチおよび基準色度点の色票パッチを有する第１の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が低彩度の画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第２の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第３の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第４の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第５の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第６の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第７の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第８の色票チャートと、
を備えるものである。
【００１４】
一般的な画像は、無彩色が主体の画像を中心に分布しているものの、高彩度の画像部分を有する画像や、画像全体として高彩度の画像も存在し、また、ある広がりをもって色が分散しているなど、色の分散も様々である。
【００１５】
そこで、この発明では、一般的な画像を、
（１）画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（２）画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（３）画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像、
（４）画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像、
（５）画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像、
（６）画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像、
（７）画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像、
（８）画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像、
の８種類に分類し、色票チャートセットとして、それぞれの分類の画像を抽象化したチャートを備えるものである。
【００１６】
これら抽象化チャートは、それぞれ、幾何学形状の複数の色票パッチを有し、絵柄は対応する元の画像と異なるが、対応する元の画像を抽象化したチャートとして、対応する元の画像と同様の色偏差（画面内の色の散らばり度合い）および平均彩度（画面内の各画素の彩度の平均値）を有し、しかも１８％ニュートラルグレーなどの基準色度点の色票パッチを有するものである。
【００１７】
したがって、この抽象化チャート（色票チャート）をホワイトバランス性能の評価対象の撮像装置で撮影して得られた画像データにおける上記の基準色度点の色票パッチの測色データから、ホワイトバランス性能を評価する指数を算出し、その算出した指数によりホワイトバランス性能を評価することによって、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価することができる。
【００１８】
【発明の実施の形態】
〔画像の解析と分類：図１〜図１１〕
まず、この発明の色票チャートセット（抽象化チャート群）を作成するのに用いる画像解析方法および画像分類方法を示す。
【００１９】
上述したように、一般的な画像は、無彩色が主体の画像を中心に分布しているが、高彩度の画像部分を有する画像や、画像全体として高彩度の画像も存在し、また、ある広がりをもって色が分散しているなど、色の分散も様々である。
【００２０】
そこで、統計的・定量的な画像解析によって一般的な画像を分類するために、一般的なデジタル画像を、できるだけ多数、例えば数１００枚程度、様々な種類および撮影状況のものが均等に入るように収集する。
【００２１】
これら収集した多数のデジタル画像を、以下のように解析し、分類する。図１は、画像解析のための画像処理装置の一例を示し、例えばパーソナルコンピュータとして、以下のような画像解析を実行するアプリケーションプログラムを備えるものである。
【００２２】
画像処理装置１０は、ＣＰＵ１１を備え、そのバス１２に、キャッシュメモリ１３およびメインメモリ１４が接続されるとともに、ハードディスクインタフェース１５を介してハードディスク記憶装置１６が接続される。
【００２３】
ハードディスク記憶装置１６には、あらかじめ画像解析用アプリケーションプログラムがロードされるとともに、デジタル画像の画像ファイル中の、インターネットなどのネットワーク上で取得した画像ファイルが記録される。
【００２４】
また、バス１２には、入力インタフェース２１を介して、キーボードやマウスなどからなる操作装置２２が接続されるとともに、表示制御部２３を介して、液晶ディスプレイやＣＲＴディスプレイなどの表示装置２４が接続される。
【００２５】
さらに、デジタル画像の画像ファイルが記録されたメモリカードやディスク媒体などの記録メディア２５が、メディアインタフェース２６を介してバス１２に接続される。
【００２６】
デジタル画像のファイル形式は、ＪＰＥＧ（Ｊｏｉｎｔ Ｐｈｏｔｏｇｒａｐｈｉｃ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）や、ＴＩＦＦ（Ｔａｇｇｅｄ Ｉｍａｇｅ Ｆｉｌｅ Ｆｏｒｍａｔ）など、画像処理装置１０で処理できるものであれば、いかなるものでもよいが、以下の例では、画像処理装置１０に取り込まれるデジタル画像は、ＹＣｒＣｂ（Ｙ：輝度信号、Ｃｒ，Ｃｂ：色差信号）圧縮画像データであるとする。
【００２７】
ＣＰＵ１１は、上記の画像解析用アプリケーションプログラムによって、そのデジタル画像を１枚ずつ解析し、分類する。図２〜図５に、ＣＰＵ１１が実行する画像解析処理ルーチンの一例を示す。
【００２８】
この画像解析処理ルーチン３０では、まずステップ３１で、解析対象画像のＹＣｒＣｂ圧縮画像データを伸長し、次にステップ３２で、伸長後のＹＣｒＣｂデータを、図６の式（１）に示すｓＲＧＢマトリクス変換によって、ＲＧＢデータに変換する。
【００２９】
次に、ステップ３３で、当該画像の画面内のＲ，Ｇ，Ｂ平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅを算出する。個々の画素のＲ，Ｇ，Ｂ値をＲｎ，Ｇｎ，Ｂｎとし、画面内の画素数をＮとすると、平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅは、図６の式（２）（３）（４）で表される。
【００３０】
次に、ステップ３４で、平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅをガンマ／リニア変換し、さらにステップ３５で、変換後の平均値Ｒ’ａｖｅ，Ｇ’ａｖｅ，Ｂ’ａｖｅをＸＹＺ変換する。平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅのガンマ／リニア変換は、図６の式（５）で表され、変換後の平均値Ｒ’ａｖｅ，Ｇ’ａｖｅ，Ｂ’ａｖｅのＸＹＺ変換は、図６の式（６）で表される。
【００３１】
次に、ステップ３６で、ＸＹＺ変換後の平均値Ｘａｖｅ，Ｙａｖｅ，ＺａｖｅをＬ＊ａ＊ｂ＊変換して、平均値Ｌａｖｅ，ａａｖｅ，ｂａｖｅを算出する。ＸＹＺ表色系からＬ＊ａ＊ｂ＊表色系への変換は、図７の式（７）（８）（９）で表される。式（７）（８）（９）中の関数ｆ（Ｘ／Ｘｎ），ｆ（Ｙ／Ｙｎ），ｆ（Ｚ／Ｚｎ）は、図７の式（１１）（１２）（１３）または式（１４）（１５）（１６）で表される。Ｘｎ，Ｙｎ，Ｚｎは、対象物と同一照明下での完全拡散面の３刺激値である。
【００３２】
ステップ３４〜３６での処理は、図８の式（１７）（１８）（１９）で示すように、ステップ３３で非線形色空間であるＲＧＢ色空間で算出した平均値を、線形色空間（均等色空間）であるＬ＊ａ＊ｂ＊色空間上の平均値に変換するものである。
【００３３】
次に、ステップ３７に進んで、当該画像の画素ごとのＬ＊，ａ＊，ｂ＊値を算出する。そのために、ステップ３２で算出した画素ごとのＲ，Ｇ，Ｂ値を、図６の式（５）によってガンマ／リニア変換し、変換後のＲ’，Ｇ’，Ｂ’値を、図６の式（６）によってＸＹＺ変換し、変換後のＸ，Ｙ，Ｚ値を、図７の式（７）（８）（９）によってＬ＊ａ＊ｂ＊変換する。
【００３４】
次に、ステップ３８に進んで、ステップ３６で算出した平均値ａａｖｅ，ｂａｖｅ、およびステップ３７で算出した画素ごとのａ＊，ｂ＊値から、画面内の色偏差（色の散らばり度合い）Ｃｄｅｖを算出し、さらにステップ３９に進んで、ステップ３６で算出した平均値ａａｖｅ，ｂａｖｅから、画面内の平均彩度（彩度の平均値）Ｃａｖｅを算出する。
【００３５】
個々の画素のａ＊，ｂ＊値をａｎ，ｂｎとし、画面内の画素数をＮとすると、色偏差Ｃｄｅｖは、図８の式（２１）で表され、平均彩度Ｃａｖｅは、図８の式（２２）で表される。
【００３６】
画像解析処理ルーチン３０では、ステップ３８および３９で色偏差Ｃｄｅｖおよび平均彩度Ｃａｖｅを算出したら、ステップ４１に進んで、色偏差Ｃｄｅｖが色偏差分離レベルＤｌｅｖより小さいか否かを判断し、レベルＤｌｅｖより小さいと判断した場合には、ステップ４２に進んで、平均彩度Ｃａｖｅが無彩色分離レベルＧｌｅｖより小さいか否かを判断する。
【００３７】
そして、色偏差ＣｄｅｖがレベルＤｌｅｖより小さく、かつ平均彩度ＣａｖｅがレベルＧｌｅｖより小さいと判断した場合には、ステップ４２からステップ５１に進んで、当該画像はカテゴリー１に属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が低彩度の画像と判定して、当該画像についての画像解析処理を終了する。
【００３８】
ステップ４１で色偏差ＣｄｅｖがレベルＤｌｅｖ以上であると判断した場合には、ステップ４３に進んで、ステップ４２と同様に、平均彩度ＣａｖｅがレベルＧｌｅｖより小さいか否かを判断する。
【００３９】
そして、色偏差ＣｄｅｖがレベルＤｌｅｖ以上で、かつ平均彩度ＣａｖｅがレベルＧｌｅｖより小さいと判断した場合には、ステップ４３からステップ５２に進んで、当該画像はカテゴリー２に属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が低彩度の画像と判定して、当該画像についての画像解析処理を終了する。
【００４０】
一方、ステップ４１で色偏差ＣｄｅｖがレベルＤｌｅｖより小さいと判断し、かつステップ４２で平均彩度ＣａｖｅがレベルＧｌｅｖ以上であると判断した場合には、ステップ４２からステップ４４に進んで、ａ＊値の平均値ａａｖｅがａ＊方向分離レベルａｌｅｖより大きいか否かを判断し、レベルａｌｅｖより大きいと判断した場合には、ステップ４５に進んで、ｂ＊値の平均値ｂａｖｅがｂ＊方向分離レベルｂｌｅｖより大きいか否かを判断する。
【００４１】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖより大きく、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４５からステップ５３に進んで、当該画像はカテゴリー３Ｒに属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４２】
ステップ４４でａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下であると判断した場合には、ステップ４６に進んで、ステップ４５と同様に、ｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいか否かを判断する。
【００４３】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下で、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４６からステップ５４に進んで、当該画像はカテゴリー３Ｇに属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４４】
また、ステップ４５または４６でｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖ以下であると判断した場合には、ステップ５５に進んで、当該画像はカテゴリー３Ｂに属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４５】
一方、ステップ４１で色偏差ＣｄｅｖがレベルＤｌｅｖ以上であると判断し、かつステップ４３で平均彩度ＣａｖｅがレベルＧｌｅｖ以上であると判断した場合には、ステップ４３からステップ４７に進んで、ａ＊値の平均値ａａｖｅがａ＊方向分離レベルａｌｅｖより大きいか否かを判断し、レベルａｌｅｖより大きいと判断した場合には、ステップ４８に進んで、ｂ＊値の平均値ｂａｖｅがｂ＊方向分離レベルｂｌｅｖより大きいか否かを判断する。
【００４６】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖより大きく、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４８からステップ５６に進んで、当該画像はカテゴリー４Ｒに属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４７】
ステップ４７でａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下であると判断した場合には、ステップ４９に進んで、ステップ４８と同様に、ｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいか否かを判断する。
【００４８】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下で、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４９からステップ５７に進んで、当該画像はカテゴリー４Ｇに属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４９】
また、ステップ４８または４９でｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖ以下であると判断した場合には、ステップ５８に進んで、当該画像はカテゴリー４Ｂに属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００５０】
画像処理装置１０のＣＰＵ１１は、上述したように収集された多数のデジタル画像のそれぞれにつき、以上のような画像解析処理を順次実行して、それぞれの画像を、図９に示すように、
（１）カテゴリー１：画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（２）カテゴリー２：画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（３）カテゴリー３Ｒ：画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像、
（４）カテゴリー３Ｇ：画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像、
（５）カテゴリー３Ｂ：画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像、
（６）カテゴリー４Ｒ：画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像、
（７）カテゴリー４Ｇ：画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像、
（８）カテゴリー４Ｂ：画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像、
に分類する。
【００５１】
さらに、ＣＰＵ１１は、操作装置２２での操作によって、各画像についての、識別番号やファイル名などの識別情報、ａ＊，ｂ＊値の平均値ａａｖｅ，ｂａｖｅ、色偏差Ｃｄｅｖ、平均彩度Ｃａｖｅ、および分類の結果（分類カテゴリー）を、表示装置２４の画面上に表示する。
【００５２】
様々な種類および撮影状況のものを均等に含む数１００枚の画像を収集し、解析したところ、各画像の画面内におけるａ＊，ｂ＊値の平均値ａａｖｅ，ｂａｖｅは、図１０に示すようなａ＊ｂ＊平面上において、ある画像については点Ｐａで表され、ある画像については点Ｐｂで表され、ある画像については点Ｐｃで表されるように、同図の領域１で示すような範囲に分散することが認められた。
【００５３】
また、画像ごとの色偏差Ｃｄｅｖと平均彩度Ｃａｖｅの関係は、図１１に示すような、横軸を平均彩度Ｃａｖｅとし、縦軸を色偏差Ｃｄｅｖとする平面上にプロットしたところ、ある画像については点Ｐｓで表され、ある画像については点Ｐｔで表され、ある画像については点Ｐｕで表されるように、同図の領域２で示すような範囲に分散することが認められた。
【００５４】
以上の画像解析方法によれば、統計的・定量的な画像解析によって、一般的な画像を厳密・詳細に分類することができる。
【００５５】
〔色票チャートセットおよびその作成方法：図１２〜図１６〕
この発明では、上記のような画像分類結果に基づいて、以下のように特殊な色票チャートセット（抽象化チャート群）を作成する。
【００５６】
まず、図９のように分類された各カテゴリーの画像群から、それぞれ、最も特徴的な画像、または、ａ＊，ｂ＊値の平均値ａａｖｅ，ｂａｖｅが、当該カテゴリーに属する画像中で平均的もしくは中心的な値を示す画像を、当該カテゴリーの代表的な画像として選定する。
【００５７】
この場合、キャリブレートされたプリンタで印刷する場合など、選定した元画から直接、チャートを作成することが可能な場合には、色度点のみの管理が可能であるので、そのチャートを簡易評価用のチャートとして使用することができる。しかし、印刷物の分光特性は管理されていないので、実際の撮影やフィールドテストなどの代用チャートとしては使用することができない。
【００５８】
そのため、分類カテゴリーごとに、選定した元画につき、モザイク処理、カットアウト処理、メディアンフィルタ処理などを多重させるなどの、適当なフィルタ処理を施すことによって、選定した元画を抽象化し、得られた画像を色票チャート化する。
【００５９】
具体的に、その色票チャートは、図１２に抽象化チャート６として示すように、用紙６１上のチャートエリア６２内に色票パッチを配置したものである。その色票パッチは、色票パッチ６３，６４，６５として示すように、四角形（正方形または長方形）や菱形など、幾何学形状であればよい。
【００６０】
色票パッチとしては、元画の各部（被写体部分）の分光特性に一致または近似したものを用いるが、印刷技術的な制約から、マクベスカラーパッチやＪＩＳ規格Ｚ８７２６など、分光管理された汎用的な色票に置き換える。
【００６１】
例えば、人の顔の画像を抽象化したチャートの肌色の色票パッチとしては、白人の肌色としては、マクベスカラーパッチのＮｏ２やＪＩＳ規格Ｚ８７２６のＮｏ１３を用い、日本人の肌色としては、ＪＩＳ規格Ｚ８７２６のＮｏ１５を用いる。
【００６２】
このように分光管理された色票を用いることによって、色偏差や平均彩度の再計算が容易となり、パッチサイズの操作によりチャートの色偏差や平均彩度を意図的に操作することができる。
【００６３】
さらに、チャート撮影時のホワイトバランスのずれを測定するために、それぞれの抽象化チャートには、中央部付近に、基準色度点パッチ６７として、１８％ニュートラルグレーの色票パッチを設ける。
【００６４】
抽象化チャートの撮影環境の光源としては、色票パッチの色度点の確定のため、あらかじめ、Ｄ６５光源や人工太陽灯などの、分光管理された光源を規定しておく。
【００６５】
このように分光管理された光源を用いることによって、屋外環境などでの撮影を擬似的にシミュレートすることができる。
【００６６】
図１３に、画像の分類と抽象化チャートの種類（名称）との関係を示す。一般的な画像は、カテゴリー１，２，３Ｒ，３Ｇ，３Ｂ，４Ｒ，４Ｇ，４Ｂのいずれかに分類することができるので、抽象化チャートとしても、８種のチャートに集約することができる。
【００６７】
具体的に、カテゴリー１の画像（画面内の色の分散が小さく、かつ色の平均が低彩度の画像）の抽象化チャートとしては、図１４に示すように、元画３ｇｓの抽象化チャートとして、グレースケールチャート６ｇｓを作成するとともに、別の元画３ｓｎの抽象化チャートとして、肌色チャート６ｓｎを作成する。
【００６８】
元画３ｇｓは、路面に多数の鳩がいる画像であり、グレースケールチャート６ｇｓは、グレースケール色票６９を有し、その一つの段階部分、およびグレースケール色票６９の周囲部分（背景部分）を、図１２に示した基準色度点パッチ６７と同様に、１８％ニュートラルグレーとしたものである。
【００６９】
また、元画３ｓｎは、人の顔の画像であり、肌色チャート６ｓｎは、チャート中央部に、それぞれ白人の肌色、黒人の肌色、日本人の肌色の色票パッチを配置したものである。
【００７０】
このように複数種の肌色の色票パッチを設けた肌色チャート６ｓｎを用意することによって、ホワイトバランスが苦手とされるポートレート時の肌色の引き込みによる誤動作の度合いを測定することができる。
【００７１】
カテゴリー２の画像（画面内の色の分散が大きく、かつ色の平均が低彩度の画像）の抽象化チャートとしては、図１４に示すように、元画３ｇｐの抽象化チャートとして、屋外人物チャート６ｇｐを作成するとともに、別の元画３ｆｗの抽象化チャートとして、フラワーチャート６ｆｗを作成する。
【００７２】
元画３ｇｐは、屋外を背景とした人物の画像であり、屋外人物チャート６ｇｐは、図１２に示したような抽象化チャートで、チャート上部に空色の色票パッチを有し、中央部に肌色の色票パッチを有する、一般的な屋外での人物の撮影を想定したものである。
【００７３】
また、元画３ｆｗは、画像中央部に各種の色の花が存在する、色度平面上において低彩度の色を中心に全色方向に高彩度の色が配置された画像であり、フラワーチャート６ｆｗは、図１２に示したような抽象化チャートで、チャート中央部に赤、緑、青、シアン、マゼンタ、イエローなどの色票パッチを有するものである。
【００７４】
このフラワーチャート６ｆｗは、花の接写などを想定したものであり、特定色に対するホワイトバランス性能の影響を測定するのに適する。
【００７５】
カテゴリー３Ｒの画像（画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像）の抽象化チャートとしては、図１５に示すように、元画３ｓｍの抽象化チャートとして、肌色モザイクチャート６ｓｍを作成する。
【００７６】
元画３ｓｍは、肌色が主体の画像であり、肌色モザイクチャート６ｓｍは、図１２に示したような抽象化チャートで、肌色の色票パッチを多く有するものである。
【００７７】
この肌色モザイクチャート６ｓｍは、肌色が画角一杯に入ったときに白色と誤判断し、またはダンボールなどを引き込んで画面が青く誤動作する場合の、誤判断または誤動作の度合いを測定するのに適する。
【００７８】
カテゴリー３Ｇの画像（画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像）の抽象化チャートとしては、図１５に示すように、元画３ｇｙの抽象化チャートとして、グラスイエローチャート６ｇｙを作成する。
【００７９】
元画３ｇｙは、草木中に黄色い花が存在する画像であり、グラスイエローチャート６ｇｙは、図１２に示したような抽象化チャートで、緑色の色票パッチおよびイエローの色票パッチを有するものである。
【００８０】
このグラスイエローチャート６ｇｙは、草木の高輝度反射成分を白色と誤判断し、青く引き込んでしまう度合いを測定するのに適する。
【００８１】
カテゴリー３Ｂの画像（画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像）の抽象化チャートとしては、図１５に示すように、元画３ｓｙの抽象化チャートとして、スカイチャート６ｓｙを作成する。
【００８２】
元画３ｓｙは、ビルディングの背景に青空が広がる画像であり、スカイチャート６ｓｙは、図１２に示したような抽象化チャートで、空色の色票パッチを多く有するものである。
【００８３】
このスカイチャート６ｓｙは、画角に占める空の割合が高く、空の高輝度の青を白色と誤判断する場合の、白色抽出精度を測定するのに適する。
【００８４】
カテゴリー４Ｒの画像（画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像）の抽象化チャートとしては、図１６に示すように、元画３ｒｍの抽象化チャートとして、レッドモザイクチャート６ｒｍを作成する。
【００８５】
元画３ｒｍは、画像中央部に赤い花が存在し、背景も赤い画像であり、レッドモザイクチャート６ｒｍは、図１２に示したような抽象化チャートで、赤色の色票パッチを多く有するものである。
【００８６】
カテゴリー４Ｇの画像（画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像）の抽象化チャートとしては、図１６に示すように、元画３ｇｍの抽象化チャートとして、グラスマゼンタチャート６ｇｍを作成する。
【００８７】
元画３ｇｍは、草木中にマゼンタの花が存在する画像であり、グラスマゼンタチャート６ｇｍは、図１２に示したような抽象化チャートで、緑色の色票パッチおよびマゼンタの色票パッチを有するものである。
【００８８】
草木の高輝度反射成分を白色と誤判断するとき、カメラが単純なグレーワールドを前提とした制御を行っていた場合には、その誤動作は抑制される。グラスマゼンタチャート６ｇｍは、上述したグラスイエローチャート６ｇｙと対比して使用することによって、このような場合の白色抽出精度を測定することができる。
【００８９】
カテゴリー４Ｂの画像（画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像）の抽象化チャートとしては、図１６に示すように、元画３ｓｇの抽象化チャートとして、スカイグリーンチャート６ｓｇを作成する。
【００９０】
元画３ｓｇは、画像上部に空が存在し、下部に草木が存在する画像であり、スカイグリーンチャート６ｓｇは、図１２に示したような抽象化チャートで、チャート上部に空色の色票パッチを有し、下部に緑色の色票パッチを有するものである。
【００９１】
このスカイグリーンチャート６ｓｇは、草木の高輝度反射成分、および画角にある程度占める空の高輝度の青を、白色と誤判断する場合の、白色抽出精度を測定するのに適する。
【００９２】
以上のような色票チャートセット（抽象化チャート群）によれば、次に示すように、それぞれの色票チャート（抽象化チャート）を、評価対象の撮像装置で撮影することによって、その撮像装置のホワイトバランス性能を、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、測定評価することができる。
【００９３】
しかも、統計的に多くの画像が分布するカテゴリー１，２の抽象化チャートとして、カテゴリー１については、グレースケールチャート６ｇｓおよび肌色チャート６ｓｎという２種の抽象化チャートを用意し、カテゴリー２については、屋外人物チャート６ｇｐおよびフラワーチャート６ｆｗという２種の抽象化チャートを用意するので、ホワイトバランス性能の測定精度を、より高めることができる。
【００９４】
〔ホワイトバランス性能の測定評価：図１７〜図２１〕
この発明では、上述した色票チャートセット（抽象化チャート群）を用いて、以下のように、評価対象の撮像装置のホワイトバランス性能を測定評価する。
【００９５】
まず、図１７に示すように、色票チャートセット５を構成する上述した抽象化チャート６ｇｓ，６ｓｎ，６ｇｐ，６ｆｗ，６ｓｍ，６ｇｙ，６ｓｙ，６ｒｍ，６ｇｍ，６ｓｇを順次，評価対象の撮像装置７で撮影し、得られた抽象化チャート撮影画像の画像ファイルを、メモリカードやディスク媒体などの記録メディア８に記録する。
【００９６】
この場合、撮影用の光源９としては、上述したように、あらかじめ規定した、Ｄ６５光源や人工太陽灯などの、分光管理された光源を用いる。これによって、屋外環境などでの撮影を擬似的にシミュレートすることができる。
【００９７】
次に、記録メディア８に収録した１０枚の抽象化チャート撮影画像の画像ファイルを、以下のように処理して、撮像装置７のホワイトバランス性能を測定評価する。
【００９８】
図１８は、測定評価のための画像処理装置の一例を示し、例えばパーソナルコンピュータとして、以下のような測定評価を実行するアプリケーションプログラムを備えるものである。
【００９９】
画像処理装置７０は、ＣＰＵ７１を備え、そのバス７２に、キャッシュメモリ７３およびメインメモリ７４が接続されるとともに、ハードディスクインタフェース７５を介してハードディスク記憶装置７６が接続される。
【０１００】
また、バス７２には、入力インタフェース８１を介して、キーボードやマウスなどからなる操作装置８２が接続されるとともに、表示制御部８３を介して、液晶ディスプレイやＣＲＴディスプレイなどの表示装置８４が接続される。
【０１０１】
さらに、抽象化チャート撮影画像の画像ファイルが記録された記録メディア８が、メディアインタフェース８６を介してバス７２に接続される。
【０１０２】
抽象化チャート撮影画像のファイル形式は、画像処理装置７０で処理できるものであれば、いかなるものでもよいが、以下の例では、抽象化チャート撮影画像は、ＹＣｒＣｂ圧縮画像データとして記録メディア８に記録されるものとする。
【０１０３】
ＣＰＵ７１は、上記の測定評価用アプリケーションプログラムによって、その抽象化チャート撮影画像を１枚ずつ処理し、ホワイトバランス性能を測定評価する。図１９に、ＣＰＵ７１が実行するホワイトバランス性能測定評価処理ルーチンの一例を示す。
【０１０４】
このホワイトバランス性能測定評価処理ルーチン９０では、まずステップ９１で、処理対象の抽象化チャート撮影画像のＹＣｒＣｂ圧縮画像データを伸長し、次にステップ９２で、伸長後のＹＣｒＣｂデータを、図６の式（１）に示すｓＲＧＢマトリクス変換によって、ＲＧＢデータに変換する。
【０１０５】
次に、ステップ９３で、ガンマ／リニア変換し、さらにステップ９４で、ＸＹＺ変換する。ガンマ／リニア変換は、図６の式（５）で表され、ＸＹＺ変換は、図６の式（６）で表される。
【０１０６】
次に、ステップ９５で、ＸＹＺデータをＬ＊ａ＊ｂ＊データに変換する。この変換は、上述したように、図７の式（７）〜（９），（１１）〜（１６）で表される。
【０１０７】
次に、ステップ９６に進んで、Ｌ＊ａ＊ｂ＊データから、後述の評価指数ωを算出し、さらにステップ９７に進んで、その評価指数ωから、ホワイトバランス性能を評価判定する。
【０１０８】
抽象化チャートの撮影をオートホワイトバランスで行った場合、チャート内における種々の色票の影響で、ホワイトバランスがずれる可能性が大きい。
【０１０９】
そこで、ホワイトバランス性能は、抽象化チャート内の図１２に示した１８％ニュートラルグレーの基準色度点パッチ６７（図１４に示したグレースケールチャート６ｇｓでは上記の１８％ニュートラルグレーの色票部分）のＬ＊ａ＊ｂ＊測色値によって測定し、この部分が基準の白に対して、どの程度ずれているかを測定することによって評価する。
【０１１０】
色差の表現として、ＣＩＥ（国際照明委員会）では、図２２の式（４１）が定義されている。
【０１１１】
これに近い表現でホワイトバランスのずれを定量化するため、この発明では、ホワイトバランスのずれの評価指数ωを、図２０の式（３１）で定義する。
【０１１２】
ただし、ａ＊ｏ，ｂ＊ｏは、基準色度点パッチ６７（１８％ニュートラルグレーの色票部分）のａ＊，ｂ＊測色値、ａｏｆｆ，ｂｏｆｆは、後述のように光源ごとに設定されるａ＊，ｂ＊方向のオフセット値、ｋａ，ｋｂは、後述のようなａ＊，ｂ＊方向の重み付け係数であり、式（３２）に示すように、係数ｋａ，ｋｂの和は１とする。また、式（３１）中には存在しないが、ａｌｉｍ，ｂｌｉｍは、後述のようなａ＊，ｂ＊方向の許容量である。
【０１１３】
一般に、色度平面上の２点間のずれ（距離）は、極座標上でのユークリッド距離で与えられる。
【０１１４】
しかし、ホワイトバランスのずれを考えると、ずれの許容量の感じ方は、経験的に、色度平面上の各方向で均等ではなく、特に昼光軸（Ｄａｙｌｉｇｈｔ Ｌｏｃｕｓ）方向には許容量が大きいと言え、ａ＊ｂ＊平面上では、ｂ＊方向の許容量の方がａ＊方向の許容量より大きいと言える。
【０１１５】
そこで、ホワイトバランスのずれの許容範囲として、図２１の楕円４で示すような、昼光軸方向およびｂ＊方向に長軸の楕円を想定する。
【０１１６】
人間の目は、不完全順応の特性によって、光源の色温度に完全には順応せず、色温度の低い光源下の白色は赤っぽく見え、色温度の高い光源下の白色は青っぽく見える。
【０１１７】
この特性を、ａ＊ｂ＊座標の原点からのオフセット値ａｏｆｆ，ｂｏｆｆとして、上述したように光源ごとに設定して、図２０の式（３１）に与える。
【０１１８】
また、式（３１）では、このオフセット値ａｏｆｆ，ｂｏｆｆを差し引いた測色値（ａ＊ｏ−ａｏｆｆ），（ｂ＊ｏ−ｂｏｆｆ）に対して、１／ｋａ，１／ｋｂを乗じる。例えば、感覚的に、ｂ＊方向の許容量ｂｌｉｍが、ａ＊方向の許容量ａｌｉｍの２倍であるとすれば、ｋａ＝０．３３，ｋｂ＝０．６７とする。
【０１１９】
このように、ホワイトバランスのずれの許容範囲を想定し、ホワイトバランス性能の評価指数ωを定義することによって、算出された評価指数ωが小さく、許容範囲内であれば、ホワイトバランス性能が良く、逆に、算出された評価指数ωが大きく、許容範囲外であれば、ホワイトバランス性能が悪い、というように、ホワイトバランス性能を定量的・客観的に評価判定することができる。
【０１２０】
さらに、それぞれの抽象化チャート撮影画像につき算出された評価指数ωを比較することによって、上述した分類カテゴリーの画像ごとのホワイトバランス性能を定量的・客観的に評価判定することができる。
【０１２１】
また、光源別にオートホワイトバランスで抽象化チャートを撮影した場合の評価指数ωを比較することによって、光源ごとのオートホワイトバランス制御の精度を定量的・客観的に評価判定することができる。
【０１２２】
また、光源別に固定ホワイトバランスで抽象化チャートを撮影した場合の評価指数ωを比較することによって、光源ごとの固定ホワイトバランス出力値の誤差を定量的・客観的に評価判定することができる。
【０１２３】
そして、これらの評価判定結果は、ホワイトバランス性能の設計に反映させることができる。
【０１２４】
以上の測定評価方法によれば、評価対象の撮像装置のホワイトバランス性能を、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、測定評価することができる。
【０１２５】
なお、図１７〜図１９の例は、１０枚の抽象化チャート撮影画像を圧縮画像データとして記録メディア８に記録した後、画像処理装置７０でホワイトバランス性能を測定評価する場合であるが、撮像装置７と画像処理装置７０を有線または無線で接続して、例えば、撮像装置７で１枚の抽象化チャートを撮影するごとに、その抽象化チャート撮影画像の圧縮前の画像データを、画像処理装置７０に取り込み、画像処理装置７０で処理して、ホワイトバランス性能を測定評価するように測定評価システムを構成してもよい。
【０１２６】
【発明の効果】
上述したように、この発明によれば、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価することができる。
【図面の簡単な説明】
【図１】画像解析のための画像処理装置の一例を示す図である。
【図２】画像解析処理ルーチンの一例の一部を示す図である。
【図３】画像解析処理ルーチンの一例の一部を示す図である。
【図４】画像解析処理ルーチンの一例の一部を示す図である。
【図５】画像解析処理ルーチンの一例の一部を示す図である。
【図６】色変換の変換式を示す図である。
【図７】色変換の変換式を示す図である。
【図８】Ｌ＊，ａ＊，ｂ＊平均値、色偏差および平均彩度の式を示す図である。
【図９】この発明の方法による画像の分類を示す図である。
【図１０】収集した画像群におけるａ＊，ｂ＊平均値の分散を示す図である。
【図１１】収集した画像群における画像ごとの色偏差と平均彩度の関係を示す図である。
【図１２】抽象化チャートの色票パターンの一例を示す図である。
【図１３】画像の分類と抽象化チャートの種類との関係を示す図である。
【図１４】カテゴリー１，２の元画および抽象化チャートの一例を示す図である。
【図１５】カテゴリー３Ｒ，３Ｇ，３Ｂの元画および抽象化チャートの一例を示す図である。
【図１６】カテゴリー４Ｒ，４Ｇ，４Ｂの元画および抽象化チャートの一例を示す図である。
【図１７】抽象化チャートの撮影を示す図である。
【図１８】ホワイトバランス性能の測定評価のための画像処理装置の一例を示す図である。
【図１９】ホワイトバランス性能測定評価処理ルーチンの一例を示す図である。
【図２０】評価指数の算出式を示す図である。
【図２１】ホワイトバランスのずれの許容範囲を示す図である。
【図２２】ＣＩＥで規定された色差を示す図である。
【符号の説明】
主要部については図中に全て記述したので、ここでは省略する。
【発明の属する技術分野】
この発明は、撮像装置（カメラ）のホワイトバランス性能を定量的・客観的に測定評価するための色票チャートセット、この色票チャートセットを作成するのに用いる画像解析方法、および、この色票チャートセットを用いて撮像装置のホワイトバランス性能を測定評価する方法に関する。
【０００２】
【従来の技術】
撮像装置のホワイトバランスは多くの制御パラメータが複雑に関係するので、その性能（特性）を評価することが難しい。
【０００３】
一般的な画像は、グレーワールドとして知られているように、無彩色が主体の画像を中心に分布しているため、従来、ホワイトバランス性能を評価する場合には、グレースケールなどの、無彩色の色票チャートを、評価対象の撮像装置で撮影し、測定している。
【０００４】
しかし、無彩色が主体の画像を中心に分布しているとは言え、一般的な画像には、高彩度の画像部分を有する画像や、画像全体として高彩度の画像も存在し、また、ある広がりをもって色が分散しているなど、色の分散も様々である。そのため、無彩色の色票チャートのみでは、ホワイトバランス性能の詳細・厳密な評価を行うことはできない。
【０００５】
そこで、従来は、野外でフィールドテストを行い、屋内のスタジオで各種の被写体を撮影するなど、考えうる多くのシチュエーションのもとで撮影を繰り返して、ホワイトバランス性能を評価している。
【０００６】
なお、先行技術文献を調査したところ、関連するものは見当たらなかった。
【０００７】
【発明が解決しようとする課題】
しかしながら、上述した従来の方法では、テストの規模や回数が膨大となり、多大の労力と費用を要する。
【０００８】
しかも、どのようなシチュエーションで性能を発揮し、または誤動作を起こすかなどの判定は、設計者や評価者の経験と勘に頼る部分が大きく、定量的・客観的に優劣をつけてホワイトバランス性能を評価するのが難しい。誤動作やエラーに対する原因の特定も難しく、設計上の修正を行った場合の副作用の確認も困難である。
【０００９】
しかも、毎回、同じ撮影シチュエーションが得られるとは限らず、屋外での撮影については、天候や湿度、周辺の反射物などの影響が大きく、同じ撮影を行うことは無理であるとともに、屋内での撮影についても、被写体を置く場所や撮影距離、光源の色温度や照度など、撮影条件や撮影環境を一定に保つことは困難である。
【００１０】
雑誌社などが独自に、様々な測定評価を行って、メーカー各社の商品を比較しているが、上記のような背景から、商品の設計内容と評価結果との間の因果関係が不明確なことが多い。メーカーとしても、ホワイトバランス性能に関しての技術的な説明が不明確になりがちで、カタログやスペックなどで定量的な議論ができる明確な指標が無かった。
【００１１】
メーカーとしては、性能保障の一つとして、ホワイトバランス性能を定量的・客観的に測定評価する方法が必要とされるとともに、消費者の立場からも、雑誌などの評価に相当する共通の評価指標が求められている。
【００１２】
そこで、この発明は、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価することができるようにしたものである。
【００１３】
【課題を解決するための手段】
この発明の色票チャートセットは、
画面内の色の分散が小さく、かつ色の平均が低彩度の画像を抽象化したチャートとして、それぞれ幾何学形状の、複数種の肌色の色票パッチおよび基準色度点の色票パッチを有する第１の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が低彩度の画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第２の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第３の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第４の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第５の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第６の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第７の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第８の色票チャートと、
を備えるものである。
【００１４】
一般的な画像は、無彩色が主体の画像を中心に分布しているものの、高彩度の画像部分を有する画像や、画像全体として高彩度の画像も存在し、また、ある広がりをもって色が分散しているなど、色の分散も様々である。
【００１５】
そこで、この発明では、一般的な画像を、
（１）画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（２）画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（３）画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像、
（４）画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像、
（５）画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像、
（６）画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像、
（７）画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像、
（８）画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像、
の８種類に分類し、色票チャートセットとして、それぞれの分類の画像を抽象化したチャートを備えるものである。
【００１６】
これら抽象化チャートは、それぞれ、幾何学形状の複数の色票パッチを有し、絵柄は対応する元の画像と異なるが、対応する元の画像を抽象化したチャートとして、対応する元の画像と同様の色偏差（画面内の色の散らばり度合い）および平均彩度（画面内の各画素の彩度の平均値）を有し、しかも１８％ニュートラルグレーなどの基準色度点の色票パッチを有するものである。
【００１７】
したがって、この抽象化チャート（色票チャート）をホワイトバランス性能の評価対象の撮像装置で撮影して得られた画像データにおける上記の基準色度点の色票パッチの測色データから、ホワイトバランス性能を評価する指数を算出し、その算出した指数によりホワイトバランス性能を評価することによって、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価することができる。
【００１８】
【発明の実施の形態】
〔画像の解析と分類：図１〜図１１〕
まず、この発明の色票チャートセット（抽象化チャート群）を作成するのに用いる画像解析方法および画像分類方法を示す。
【００１９】
上述したように、一般的な画像は、無彩色が主体の画像を中心に分布しているが、高彩度の画像部分を有する画像や、画像全体として高彩度の画像も存在し、また、ある広がりをもって色が分散しているなど、色の分散も様々である。
【００２０】
そこで、統計的・定量的な画像解析によって一般的な画像を分類するために、一般的なデジタル画像を、できるだけ多数、例えば数１００枚程度、様々な種類および撮影状況のものが均等に入るように収集する。
【００２１】
これら収集した多数のデジタル画像を、以下のように解析し、分類する。図１は、画像解析のための画像処理装置の一例を示し、例えばパーソナルコンピュータとして、以下のような画像解析を実行するアプリケーションプログラムを備えるものである。
【００２２】
画像処理装置１０は、ＣＰＵ１１を備え、そのバス１２に、キャッシュメモリ１３およびメインメモリ１４が接続されるとともに、ハードディスクインタフェース１５を介してハードディスク記憶装置１６が接続される。
【００２３】
ハードディスク記憶装置１６には、あらかじめ画像解析用アプリケーションプログラムがロードされるとともに、デジタル画像の画像ファイル中の、インターネットなどのネットワーク上で取得した画像ファイルが記録される。
【００２４】
また、バス１２には、入力インタフェース２１を介して、キーボードやマウスなどからなる操作装置２２が接続されるとともに、表示制御部２３を介して、液晶ディスプレイやＣＲＴディスプレイなどの表示装置２４が接続される。
【００２５】
さらに、デジタル画像の画像ファイルが記録されたメモリカードやディスク媒体などの記録メディア２５が、メディアインタフェース２６を介してバス１２に接続される。
【００２６】
デジタル画像のファイル形式は、ＪＰＥＧ（Ｊｏｉｎｔ Ｐｈｏｔｏｇｒａｐｈｉｃ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）や、ＴＩＦＦ（Ｔａｇｇｅｄ Ｉｍａｇｅ Ｆｉｌｅ Ｆｏｒｍａｔ）など、画像処理装置１０で処理できるものであれば、いかなるものでもよいが、以下の例では、画像処理装置１０に取り込まれるデジタル画像は、ＹＣｒＣｂ（Ｙ：輝度信号、Ｃｒ，Ｃｂ：色差信号）圧縮画像データであるとする。
【００２７】
ＣＰＵ１１は、上記の画像解析用アプリケーションプログラムによって、そのデジタル画像を１枚ずつ解析し、分類する。図２〜図５に、ＣＰＵ１１が実行する画像解析処理ルーチンの一例を示す。
【００２８】
この画像解析処理ルーチン３０では、まずステップ３１で、解析対象画像のＹＣｒＣｂ圧縮画像データを伸長し、次にステップ３２で、伸長後のＹＣｒＣｂデータを、図６の式（１）に示すｓＲＧＢマトリクス変換によって、ＲＧＢデータに変換する。
【００２９】
次に、ステップ３３で、当該画像の画面内のＲ，Ｇ，Ｂ平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅを算出する。個々の画素のＲ，Ｇ，Ｂ値をＲｎ，Ｇｎ，Ｂｎとし、画面内の画素数をＮとすると、平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅは、図６の式（２）（３）（４）で表される。
【００３０】
次に、ステップ３４で、平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅをガンマ／リニア変換し、さらにステップ３５で、変換後の平均値Ｒ’ａｖｅ，Ｇ’ａｖｅ，Ｂ’ａｖｅをＸＹＺ変換する。平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅのガンマ／リニア変換は、図６の式（５）で表され、変換後の平均値Ｒ’ａｖｅ，Ｇ’ａｖｅ，Ｂ’ａｖｅのＸＹＺ変換は、図６の式（６）で表される。
【００３１】
次に、ステップ３６で、ＸＹＺ変換後の平均値Ｘａｖｅ，Ｙａｖｅ，ＺａｖｅをＬ＊ａ＊ｂ＊変換して、平均値Ｌａｖｅ，ａａｖｅ，ｂａｖｅを算出する。ＸＹＺ表色系からＬ＊ａ＊ｂ＊表色系への変換は、図７の式（７）（８）（９）で表される。式（７）（８）（９）中の関数ｆ（Ｘ／Ｘｎ），ｆ（Ｙ／Ｙｎ），ｆ（Ｚ／Ｚｎ）は、図７の式（１１）（１２）（１３）または式（１４）（１５）（１６）で表される。Ｘｎ，Ｙｎ，Ｚｎは、対象物と同一照明下での完全拡散面の３刺激値である。
【００３２】
ステップ３４〜３６での処理は、図８の式（１７）（１８）（１９）で示すように、ステップ３３で非線形色空間であるＲＧＢ色空間で算出した平均値を、線形色空間（均等色空間）であるＬ＊ａ＊ｂ＊色空間上の平均値に変換するものである。
【００３３】
次に、ステップ３７に進んで、当該画像の画素ごとのＬ＊，ａ＊，ｂ＊値を算出する。そのために、ステップ３２で算出した画素ごとのＲ，Ｇ，Ｂ値を、図６の式（５）によってガンマ／リニア変換し、変換後のＲ’，Ｇ’，Ｂ’値を、図６の式（６）によってＸＹＺ変換し、変換後のＸ，Ｙ，Ｚ値を、図７の式（７）（８）（９）によってＬ＊ａ＊ｂ＊変換する。
【００３４】
次に、ステップ３８に進んで、ステップ３６で算出した平均値ａａｖｅ，ｂａｖｅ、およびステップ３７で算出した画素ごとのａ＊，ｂ＊値から、画面内の色偏差（色の散らばり度合い）Ｃｄｅｖを算出し、さらにステップ３９に進んで、ステップ３６で算出した平均値ａａｖｅ，ｂａｖｅから、画面内の平均彩度（彩度の平均値）Ｃａｖｅを算出する。
【００３５】
個々の画素のａ＊，ｂ＊値をａｎ，ｂｎとし、画面内の画素数をＮとすると、色偏差Ｃｄｅｖは、図８の式（２１）で表され、平均彩度Ｃａｖｅは、図８の式（２２）で表される。
【００３６】
画像解析処理ルーチン３０では、ステップ３８および３９で色偏差Ｃｄｅｖおよび平均彩度Ｃａｖｅを算出したら、ステップ４１に進んで、色偏差Ｃｄｅｖが色偏差分離レベルＤｌｅｖより小さいか否かを判断し、レベルＤｌｅｖより小さいと判断した場合には、ステップ４２に進んで、平均彩度Ｃａｖｅが無彩色分離レベルＧｌｅｖより小さいか否かを判断する。
【００３７】
そして、色偏差ＣｄｅｖがレベルＤｌｅｖより小さく、かつ平均彩度ＣａｖｅがレベルＧｌｅｖより小さいと判断した場合には、ステップ４２からステップ５１に進んで、当該画像はカテゴリー１に属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が低彩度の画像と判定して、当該画像についての画像解析処理を終了する。
【００３８】
ステップ４１で色偏差ＣｄｅｖがレベルＤｌｅｖ以上であると判断した場合には、ステップ４３に進んで、ステップ４２と同様に、平均彩度ＣａｖｅがレベルＧｌｅｖより小さいか否かを判断する。
【００３９】
そして、色偏差ＣｄｅｖがレベルＤｌｅｖ以上で、かつ平均彩度ＣａｖｅがレベルＧｌｅｖより小さいと判断した場合には、ステップ４３からステップ５２に進んで、当該画像はカテゴリー２に属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が低彩度の画像と判定して、当該画像についての画像解析処理を終了する。
【００４０】
一方、ステップ４１で色偏差ＣｄｅｖがレベルＤｌｅｖより小さいと判断し、かつステップ４２で平均彩度ＣａｖｅがレベルＧｌｅｖ以上であると判断した場合には、ステップ４２からステップ４４に進んで、ａ＊値の平均値ａａｖｅがａ＊方向分離レベルａｌｅｖより大きいか否かを判断し、レベルａｌｅｖより大きいと判断した場合には、ステップ４５に進んで、ｂ＊値の平均値ｂａｖｅがｂ＊方向分離レベルｂｌｅｖより大きいか否かを判断する。
【００４１】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖより大きく、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４５からステップ５３に進んで、当該画像はカテゴリー３Ｒに属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４２】
ステップ４４でａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下であると判断した場合には、ステップ４６に進んで、ステップ４５と同様に、ｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいか否かを判断する。
【００４３】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下で、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４６からステップ５４に進んで、当該画像はカテゴリー３Ｇに属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４４】
また、ステップ４５または４６でｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖ以下であると判断した場合には、ステップ５５に進んで、当該画像はカテゴリー３Ｂに属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４５】
一方、ステップ４１で色偏差ＣｄｅｖがレベルＤｌｅｖ以上であると判断し、かつステップ４３で平均彩度ＣａｖｅがレベルＧｌｅｖ以上であると判断した場合には、ステップ４３からステップ４７に進んで、ａ＊値の平均値ａａｖｅがａ＊方向分離レベルａｌｅｖより大きいか否かを判断し、レベルａｌｅｖより大きいと判断した場合には、ステップ４８に進んで、ｂ＊値の平均値ｂａｖｅがｂ＊方向分離レベルｂｌｅｖより大きいか否かを判断する。
【００４６】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖより大きく、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４８からステップ５６に進んで、当該画像はカテゴリー４Ｒに属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４７】
ステップ４７でａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下であると判断した場合には、ステップ４９に進んで、ステップ４８と同様に、ｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいか否かを判断する。
【００４８】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下で、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４９からステップ５７に進んで、当該画像はカテゴリー４Ｇに属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４９】
また、ステップ４８または４９でｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖ以下であると判断した場合には、ステップ５８に進んで、当該画像はカテゴリー４Ｂに属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００５０】
画像処理装置１０のＣＰＵ１１は、上述したように収集された多数のデジタル画像のそれぞれにつき、以上のような画像解析処理を順次実行して、それぞれの画像を、図９に示すように、
（１）カテゴリー１：画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（２）カテゴリー２：画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（３）カテゴリー３Ｒ：画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像、
（４）カテゴリー３Ｇ：画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像、
（５）カテゴリー３Ｂ：画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像、
（６）カテゴリー４Ｒ：画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像、
（７）カテゴリー４Ｇ：画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像、
（８）カテゴリー４Ｂ：画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像、
に分類する。
【００５１】
さらに、ＣＰＵ１１は、操作装置２２での操作によって、各画像についての、識別番号やファイル名などの識別情報、ａ＊，ｂ＊値の平均値ａａｖｅ，ｂａｖｅ、色偏差Ｃｄｅｖ、平均彩度Ｃａｖｅ、および分類の結果（分類カテゴリー）を、表示装置２４の画面上に表示する。
【００５２】
様々な種類および撮影状況のものを均等に含む数１００枚の画像を収集し、解析したところ、各画像の画面内におけるａ＊，ｂ＊値の平均値ａａｖｅ，ｂａｖｅは、図１０に示すようなａ＊ｂ＊平面上において、ある画像については点Ｐａで表され、ある画像については点Ｐｂで表され、ある画像については点Ｐｃで表されるように、同図の領域１で示すような範囲に分散することが認められた。
【００５３】
また、画像ごとの色偏差Ｃｄｅｖと平均彩度Ｃａｖｅの関係は、図１１に示すような、横軸を平均彩度Ｃａｖｅとし、縦軸を色偏差Ｃｄｅｖとする平面上にプロットしたところ、ある画像については点Ｐｓで表され、ある画像については点Ｐｔで表され、ある画像については点Ｐｕで表されるように、同図の領域２で示すような範囲に分散することが認められた。
【００５４】
以上の画像解析方法によれば、統計的・定量的な画像解析によって、一般的な画像を厳密・詳細に分類することができる。
【００５５】
〔色票チャートセットおよびその作成方法：図１２〜図１６〕
この発明では、上記のような画像分類結果に基づいて、以下のように特殊な色票チャートセット（抽象化チャート群）を作成する。
【００５６】
まず、図９のように分類された各カテゴリーの画像群から、それぞれ、最も特徴的な画像、または、ａ＊，ｂ＊値の平均値ａａｖｅ，ｂａｖｅが、当該カテゴリーに属する画像中で平均的もしくは中心的な値を示す画像を、当該カテゴリーの代表的な画像として選定する。
【００５７】
この場合、キャリブレートされたプリンタで印刷する場合など、選定した元画から直接、チャートを作成することが可能な場合には、色度点のみの管理が可能であるので、そのチャートを簡易評価用のチャートとして使用することができる。しかし、印刷物の分光特性は管理されていないので、実際の撮影やフィールドテストなどの代用チャートとしては使用することができない。
【００５８】
そのため、分類カテゴリーごとに、選定した元画につき、モザイク処理、カットアウト処理、メディアンフィルタ処理などを多重させるなどの、適当なフィルタ処理を施すことによって、選定した元画を抽象化し、得られた画像を色票チャート化する。
【００５９】
具体的に、その色票チャートは、図１２に抽象化チャート６として示すように、用紙６１上のチャートエリア６２内に色票パッチを配置したものである。その色票パッチは、色票パッチ６３，６４，６５として示すように、四角形（正方形または長方形）や菱形など、幾何学形状であればよい。
【００６０】
色票パッチとしては、元画の各部（被写体部分）の分光特性に一致または近似したものを用いるが、印刷技術的な制約から、マクベスカラーパッチやＪＩＳ規格Ｚ８７２６など、分光管理された汎用的な色票に置き換える。
【００６１】
例えば、人の顔の画像を抽象化したチャートの肌色の色票パッチとしては、白人の肌色としては、マクベスカラーパッチのＮｏ２やＪＩＳ規格Ｚ８７２６のＮｏ１３を用い、日本人の肌色としては、ＪＩＳ規格Ｚ８７２６のＮｏ１５を用いる。
【００６２】
このように分光管理された色票を用いることによって、色偏差や平均彩度の再計算が容易となり、パッチサイズの操作によりチャートの色偏差や平均彩度を意図的に操作することができる。
【００６３】
さらに、チャート撮影時のホワイトバランスのずれを測定するために、それぞれの抽象化チャートには、中央部付近に、基準色度点パッチ６７として、１８％ニュートラルグレーの色票パッチを設ける。
【００６４】
抽象化チャートの撮影環境の光源としては、色票パッチの色度点の確定のため、あらかじめ、Ｄ６５光源や人工太陽灯などの、分光管理された光源を規定しておく。
【００６５】
このように分光管理された光源を用いることによって、屋外環境などでの撮影を擬似的にシミュレートすることができる。
【００６６】
図１３に、画像の分類と抽象化チャートの種類（名称）との関係を示す。一般的な画像は、カテゴリー１，２，３Ｒ，３Ｇ，３Ｂ，４Ｒ，４Ｇ，４Ｂのいずれかに分類することができるので、抽象化チャートとしても、８種のチャートに集約することができる。
【００６７】
具体的に、カテゴリー１の画像（画面内の色の分散が小さく、かつ色の平均が低彩度の画像）の抽象化チャートとしては、図１４に示すように、元画３ｇｓの抽象化チャートとして、グレースケールチャート６ｇｓを作成するとともに、別の元画３ｓｎの抽象化チャートとして、肌色チャート６ｓｎを作成する。
【００６８】
元画３ｇｓは、路面に多数の鳩がいる画像であり、グレースケールチャート６ｇｓは、グレースケール色票６９を有し、その一つの段階部分、およびグレースケール色票６９の周囲部分（背景部分）を、図１２に示した基準色度点パッチ６７と同様に、１８％ニュートラルグレーとしたものである。
【００６９】
また、元画３ｓｎは、人の顔の画像であり、肌色チャート６ｓｎは、チャート中央部に、それぞれ白人の肌色、黒人の肌色、日本人の肌色の色票パッチを配置したものである。
【００７０】
このように複数種の肌色の色票パッチを設けた肌色チャート６ｓｎを用意することによって、ホワイトバランスが苦手とされるポートレート時の肌色の引き込みによる誤動作の度合いを測定することができる。
【００７１】
カテゴリー２の画像（画面内の色の分散が大きく、かつ色の平均が低彩度の画像）の抽象化チャートとしては、図１４に示すように、元画３ｇｐの抽象化チャートとして、屋外人物チャート６ｇｐを作成するとともに、別の元画３ｆｗの抽象化チャートとして、フラワーチャート６ｆｗを作成する。
【００７２】
元画３ｇｐは、屋外を背景とした人物の画像であり、屋外人物チャート６ｇｐは、図１２に示したような抽象化チャートで、チャート上部に空色の色票パッチを有し、中央部に肌色の色票パッチを有する、一般的な屋外での人物の撮影を想定したものである。
【００７３】
また、元画３ｆｗは、画像中央部に各種の色の花が存在する、色度平面上において低彩度の色を中心に全色方向に高彩度の色が配置された画像であり、フラワーチャート６ｆｗは、図１２に示したような抽象化チャートで、チャート中央部に赤、緑、青、シアン、マゼンタ、イエローなどの色票パッチを有するものである。
【００７４】
このフラワーチャート６ｆｗは、花の接写などを想定したものであり、特定色に対するホワイトバランス性能の影響を測定するのに適する。
【００７５】
カテゴリー３Ｒの画像（画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像）の抽象化チャートとしては、図１５に示すように、元画３ｓｍの抽象化チャートとして、肌色モザイクチャート６ｓｍを作成する。
【００７６】
元画３ｓｍは、肌色が主体の画像であり、肌色モザイクチャート６ｓｍは、図１２に示したような抽象化チャートで、肌色の色票パッチを多く有するものである。
【００７７】
この肌色モザイクチャート６ｓｍは、肌色が画角一杯に入ったときに白色と誤判断し、またはダンボールなどを引き込んで画面が青く誤動作する場合の、誤判断または誤動作の度合いを測定するのに適する。
【００７８】
カテゴリー３Ｇの画像（画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像）の抽象化チャートとしては、図１５に示すように、元画３ｇｙの抽象化チャートとして、グラスイエローチャート６ｇｙを作成する。
【００７９】
元画３ｇｙは、草木中に黄色い花が存在する画像であり、グラスイエローチャート６ｇｙは、図１２に示したような抽象化チャートで、緑色の色票パッチおよびイエローの色票パッチを有するものである。
【００８０】
このグラスイエローチャート６ｇｙは、草木の高輝度反射成分を白色と誤判断し、青く引き込んでしまう度合いを測定するのに適する。
【００８１】
カテゴリー３Ｂの画像（画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像）の抽象化チャートとしては、図１５に示すように、元画３ｓｙの抽象化チャートとして、スカイチャート６ｓｙを作成する。
【００８２】
元画３ｓｙは、ビルディングの背景に青空が広がる画像であり、スカイチャート６ｓｙは、図１２に示したような抽象化チャートで、空色の色票パッチを多く有するものである。
【００８３】
このスカイチャート６ｓｙは、画角に占める空の割合が高く、空の高輝度の青を白色と誤判断する場合の、白色抽出精度を測定するのに適する。
【００８４】
カテゴリー４Ｒの画像（画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像）の抽象化チャートとしては、図１６に示すように、元画３ｒｍの抽象化チャートとして、レッドモザイクチャート６ｒｍを作成する。
【００８５】
元画３ｒｍは、画像中央部に赤い花が存在し、背景も赤い画像であり、レッドモザイクチャート６ｒｍは、図１２に示したような抽象化チャートで、赤色の色票パッチを多く有するものである。
【００８６】
カテゴリー４Ｇの画像（画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像）の抽象化チャートとしては、図１６に示すように、元画３ｇｍの抽象化チャートとして、グラスマゼンタチャート６ｇｍを作成する。
【００８７】
元画３ｇｍは、草木中にマゼンタの花が存在する画像であり、グラスマゼンタチャート６ｇｍは、図１２に示したような抽象化チャートで、緑色の色票パッチおよびマゼンタの色票パッチを有するものである。
【００８８】
草木の高輝度反射成分を白色と誤判断するとき、カメラが単純なグレーワールドを前提とした制御を行っていた場合には、その誤動作は抑制される。グラスマゼンタチャート６ｇｍは、上述したグラスイエローチャート６ｇｙと対比して使用することによって、このような場合の白色抽出精度を測定することができる。
【００８９】
カテゴリー４Ｂの画像（画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像）の抽象化チャートとしては、図１６に示すように、元画３ｓｇの抽象化チャートとして、スカイグリーンチャート６ｓｇを作成する。
【００９０】
元画３ｓｇは、画像上部に空が存在し、下部に草木が存在する画像であり、スカイグリーンチャート６ｓｇは、図１２に示したような抽象化チャートで、チャート上部に空色の色票パッチを有し、下部に緑色の色票パッチを有するものである。
【００９１】
このスカイグリーンチャート６ｓｇは、草木の高輝度反射成分、および画角にある程度占める空の高輝度の青を、白色と誤判断する場合の、白色抽出精度を測定するのに適する。
【００９２】
以上のような色票チャートセット（抽象化チャート群）によれば、次に示すように、それぞれの色票チャート（抽象化チャート）を、評価対象の撮像装置で撮影することによって、その撮像装置のホワイトバランス性能を、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、測定評価することができる。
【００９３】
しかも、統計的に多くの画像が分布するカテゴリー１，２の抽象化チャートとして、カテゴリー１については、グレースケールチャート６ｇｓおよび肌色チャート６ｓｎという２種の抽象化チャートを用意し、カテゴリー２については、屋外人物チャート６ｇｐおよびフラワーチャート６ｆｗという２種の抽象化チャートを用意するので、ホワイトバランス性能の測定精度を、より高めることができる。
【００９４】
〔ホワイトバランス性能の測定評価：図１７〜図２１〕
この発明では、上述した色票チャートセット（抽象化チャート群）を用いて、以下のように、評価対象の撮像装置のホワイトバランス性能を測定評価する。
【００９５】
まず、図１７に示すように、色票チャートセット５を構成する上述した抽象化チャート６ｇｓ，６ｓｎ，６ｇｐ，６ｆｗ，６ｓｍ，６ｇｙ，６ｓｙ，６ｒｍ，６ｇｍ，６ｓｇを順次，評価対象の撮像装置７で撮影し、得られた抽象化チャート撮影画像の画像ファイルを、メモリカードやディスク媒体などの記録メディア８に記録する。
【００９６】
この場合、撮影用の光源９としては、上述したように、あらかじめ規定した、Ｄ６５光源や人工太陽灯などの、分光管理された光源を用いる。これによって、屋外環境などでの撮影を擬似的にシミュレートすることができる。
【００９７】
次に、記録メディア８に収録した１０枚の抽象化チャート撮影画像の画像ファイルを、以下のように処理して、撮像装置７のホワイトバランス性能を測定評価する。
【００９８】
図１８は、測定評価のための画像処理装置の一例を示し、例えばパーソナルコンピュータとして、以下のような測定評価を実行するアプリケーションプログラムを備えるものである。
【００９９】
画像処理装置７０は、ＣＰＵ７１を備え、そのバス７２に、キャッシュメモリ７３およびメインメモリ７４が接続されるとともに、ハードディスクインタフェース７５を介してハードディスク記憶装置７６が接続される。
【０１００】
また、バス７２には、入力インタフェース８１を介して、キーボードやマウスなどからなる操作装置８２が接続されるとともに、表示制御部８３を介して、液晶ディスプレイやＣＲＴディスプレイなどの表示装置８４が接続される。
【０１０１】
さらに、抽象化チャート撮影画像の画像ファイルが記録された記録メディア８が、メディアインタフェース８６を介してバス７２に接続される。
【０１０２】
抽象化チャート撮影画像のファイル形式は、画像処理装置７０で処理できるものであれば、いかなるものでもよいが、以下の例では、抽象化チャート撮影画像は、ＹＣｒＣｂ圧縮画像データとして記録メディア８に記録されるものとする。
【０１０３】
ＣＰＵ７１は、上記の測定評価用アプリケーションプログラムによって、その抽象化チャート撮影画像を１枚ずつ処理し、ホワイトバランス性能を測定評価する。図１９に、ＣＰＵ７１が実行するホワイトバランス性能測定評価処理ルーチンの一例を示す。
【０１０４】
このホワイトバランス性能測定評価処理ルーチン９０では、まずステップ９１で、処理対象の抽象化チャート撮影画像のＹＣｒＣｂ圧縮画像データを伸長し、次にステップ９２で、伸長後のＹＣｒＣｂデータを、図６の式（１）に示すｓＲＧＢマトリクス変換によって、ＲＧＢデータに変換する。
【０１０５】
次に、ステップ９３で、ガンマ／リニア変換し、さらにステップ９４で、ＸＹＺ変換する。ガンマ／リニア変換は、図６の式（５）で表され、ＸＹＺ変換は、図６の式（６）で表される。
【０１０６】
次に、ステップ９５で、ＸＹＺデータをＬ＊ａ＊ｂ＊データに変換する。この変換は、上述したように、図７の式（７）〜（９），（１１）〜（１６）で表される。
【０１０７】
次に、ステップ９６に進んで、Ｌ＊ａ＊ｂ＊データから、後述の評価指数ωを算出し、さらにステップ９７に進んで、その評価指数ωから、ホワイトバランス性能を評価判定する。
【０１０８】
抽象化チャートの撮影をオートホワイトバランスで行った場合、チャート内における種々の色票の影響で、ホワイトバランスがずれる可能性が大きい。
【０１０９】
そこで、ホワイトバランス性能は、抽象化チャート内の図１２に示した１８％ニュートラルグレーの基準色度点パッチ６７（図１４に示したグレースケールチャート６ｇｓでは上記の１８％ニュートラルグレーの色票部分）のＬ＊ａ＊ｂ＊測色値によって測定し、この部分が基準の白に対して、どの程度ずれているかを測定することによって評価する。
【０１１０】
色差の表現として、ＣＩＥ（国際照明委員会）では、図２２の式（４１）が定義されている。
【０１１１】
これに近い表現でホワイトバランスのずれを定量化するため、この発明では、ホワイトバランスのずれの評価指数ωを、図２０の式（３１）で定義する。
【０１１２】
ただし、ａ＊ｏ，ｂ＊ｏは、基準色度点パッチ６７（１８％ニュートラルグレーの色票部分）のａ＊，ｂ＊測色値、ａｏｆｆ，ｂｏｆｆは、後述のように光源ごとに設定されるａ＊，ｂ＊方向のオフセット値、ｋａ，ｋｂは、後述のようなａ＊，ｂ＊方向の重み付け係数であり、式（３２）に示すように、係数ｋａ，ｋｂの和は１とする。また、式（３１）中には存在しないが、ａｌｉｍ，ｂｌｉｍは、後述のようなａ＊，ｂ＊方向の許容量である。
【０１１３】
一般に、色度平面上の２点間のずれ（距離）は、極座標上でのユークリッド距離で与えられる。
【０１１４】
しかし、ホワイトバランスのずれを考えると、ずれの許容量の感じ方は、経験的に、色度平面上の各方向で均等ではなく、特に昼光軸（Ｄａｙｌｉｇｈｔ Ｌｏｃｕｓ）方向には許容量が大きいと言え、ａ＊ｂ＊平面上では、ｂ＊方向の許容量の方がａ＊方向の許容量より大きいと言える。
【０１１５】
そこで、ホワイトバランスのずれの許容範囲として、図２１の楕円４で示すような、昼光軸方向およびｂ＊方向に長軸の楕円を想定する。
【０１１６】
人間の目は、不完全順応の特性によって、光源の色温度に完全には順応せず、色温度の低い光源下の白色は赤っぽく見え、色温度の高い光源下の白色は青っぽく見える。
【０１１７】
この特性を、ａ＊ｂ＊座標の原点からのオフセット値ａｏｆｆ，ｂｏｆｆとして、上述したように光源ごとに設定して、図２０の式（３１）に与える。
【０１１８】
また、式（３１）では、このオフセット値ａｏｆｆ，ｂｏｆｆを差し引いた測色値（ａ＊ｏ−ａｏｆｆ），（ｂ＊ｏ−ｂｏｆｆ）に対して、１／ｋａ，１／ｋｂを乗じる。例えば、感覚的に、ｂ＊方向の許容量ｂｌｉｍが、ａ＊方向の許容量ａｌｉｍの２倍であるとすれば、ｋａ＝０．３３，ｋｂ＝０．６７とする。
【０１１９】
このように、ホワイトバランスのずれの許容範囲を想定し、ホワイトバランス性能の評価指数ωを定義することによって、算出された評価指数ωが小さく、許容範囲内であれば、ホワイトバランス性能が良く、逆に、算出された評価指数ωが大きく、許容範囲外であれば、ホワイトバランス性能が悪い、というように、ホワイトバランス性能を定量的・客観的に評価判定することができる。
【０１２０】
さらに、それぞれの抽象化チャート撮影画像につき算出された評価指数ωを比較することによって、上述した分類カテゴリーの画像ごとのホワイトバランス性能を定量的・客観的に評価判定することができる。
【０１２１】
また、光源別にオートホワイトバランスで抽象化チャートを撮影した場合の評価指数ωを比較することによって、光源ごとのオートホワイトバランス制御の精度を定量的・客観的に評価判定することができる。
【０１２２】
また、光源別に固定ホワイトバランスで抽象化チャートを撮影した場合の評価指数ωを比較することによって、光源ごとの固定ホワイトバランス出力値の誤差を定量的・客観的に評価判定することができる。
【０１２３】
そして、これらの評価判定結果は、ホワイトバランス性能の設計に反映させることができる。
【０１２４】
以上の測定評価方法によれば、評価対象の撮像装置のホワイトバランス性能を、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、測定評価することができる。
【０１２５】
なお、図１７〜図１９の例は、１０枚の抽象化チャート撮影画像を圧縮画像データとして記録メディア８に記録した後、画像処理装置７０でホワイトバランス性能を測定評価する場合であるが、撮像装置７と画像処理装置７０を有線または無線で接続して、例えば、撮像装置７で１枚の抽象化チャートを撮影するごとに、その抽象化チャート撮影画像の圧縮前の画像データを、画像処理装置７０に取り込み、画像処理装置７０で処理して、ホワイトバランス性能を測定評価するように測定評価システムを構成してもよい。
【０１２６】
【発明の効果】
上述したように、この発明によれば、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価することができる。
【図面の簡単な説明】
【図１】画像解析のための画像処理装置の一例を示す図である。
【図２】画像解析処理ルーチンの一例の一部を示す図である。
【図３】画像解析処理ルーチンの一例の一部を示す図である。
【図４】画像解析処理ルーチンの一例の一部を示す図である。
【図５】画像解析処理ルーチンの一例の一部を示す図である。
【図６】色変換の変換式を示す図である。
【図７】色変換の変換式を示す図である。
【図８】Ｌ＊，ａ＊，ｂ＊平均値、色偏差および平均彩度の式を示す図である。
【図９】この発明の方法による画像の分類を示す図である。
【図１０】収集した画像群におけるａ＊，ｂ＊平均値の分散を示す図である。
【図１１】収集した画像群における画像ごとの色偏差と平均彩度の関係を示す図である。
【図１２】抽象化チャートの色票パターンの一例を示す図である。
【図１３】画像の分類と抽象化チャートの種類との関係を示す図である。
【図１４】カテゴリー１，２の元画および抽象化チャートの一例を示す図である。
【図１５】カテゴリー３Ｒ，３Ｇ，３Ｂの元画および抽象化チャートの一例を示す図である。
【図１６】カテゴリー４Ｒ，４Ｇ，４Ｂの元画および抽象化チャートの一例を示す図である。
【図１７】抽象化チャートの撮影を示す図である。
【図１８】ホワイトバランス性能の測定評価のための画像処理装置の一例を示す図である。
【図１９】ホワイトバランス性能測定評価処理ルーチンの一例を示す図である。
【図２０】評価指数の算出式を示す図である。
【図２１】ホワイトバランスのずれの許容範囲を示す図である。
【図２２】ＣＩＥで規定された色差を示す図である。
【符号の説明】
主要部については図中に全て記述したので、ここでは省略する。
Claims (11)
- 画面内の色の分散が小さく、かつ色の平均が低彩度の画像を抽象化したチャートとして、それぞれ幾何学形状の、複数種の肌色の色票パッチおよび基準色度点の色票パッチを有する第１の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が低彩度の画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第２の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第３の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第４の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第５の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第６の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第７の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第８の色票チャートと、
を備える色票チャートセット。 - 請求項１の色票チャートセットにおいて、
前記第２の色票チャートとして、屋外を背景とした人物の画像を抽象化したチャートと、色度平面上において低彩度の色を中心に全色方向に高彩度の色が配置された画像を抽象化したチャートとを備える色票チャートセット。 - 請求項１または２の色票チャートセットにおいて、
前記基準色度点はニュートラルグレーである色票チャートセット。 - 解析対象画像の画像データを処理して、当該画像の画面内の色偏差および平均彩度を算出する工程と、
その算出した色偏差および平均彩度が、それぞれ設定された閾値より小さいか否かを判断して、前記解析対象画像が、
（ａ）画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（ｂ）画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（ｃ）画面内の色の分散が小さく、かつ色の平均が高彩度の画像、
（ｄ）画面内の色の分散が大きく、かつ色の平均が高彩度の画像、
のいずれであるかを判定する工程と、
前記解析対象画像の色の平均が高彩度であると判定したとき、その解析対象画像が、赤色、緑色、青色のいずれに偏った画像であるかを判断して、最終的に、前記解析対象画像が、
（１）画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（２）画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（３）画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像、
（４）画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像、
（５）画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像、
（６）画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像、
（７）画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像、
（８）画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像、
のいずれであるかを判定する工程と、
を備える画像解析方法。 - 請求項４の画像解析方法において、
前記各工程では、前記解析対象画像についてのＬ＊ａ＊ｂ＊データのａ＊ｂ＊値によって、色偏差および平均彩度の算出または画像の種類の判定を実行する画像解析方法。 - 解析対象画像の画像データを処理して、当該画像の画面内の色偏差および平均彩度を算出する手段と、
この手段によって算出された色偏差および平均彩度が、それぞれ設定された閾値より小さいか否かを判断して、前記解析対象画像が、
（ａ）画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（ｂ）画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（ｃ）画面内の色の分散が小さく、かつ色の平均が高彩度の画像、
（ｄ）画面内の色の分散が大きく、かつ色の平均が高彩度の画像、
のいずれであるかを判定する手段と、
この手段によって前記解析対象画像の色の平均が高彩度であると判定されたとき、その解析対象画像が、赤色、緑色、青色のいずれに偏った画像であるかを判断して、最終的に、前記解析対象画像が、
（１）画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（２）画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（３）画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像、
（４）画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像、
（５）画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像、
（６）画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像、
（７）画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像、
（８）画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像、
のいずれであるかを判定する手段と、
を備える画像処理装置。 - 請求項６の画像処理装置において、
前記各手段は、前記解析対象画像についてのＬ＊ａ＊ｂ＊データのａ＊ｂ＊値によって、色偏差および平均彩度の算出または画像の種類の判定を実行する画像処理装置。 - 請求項１〜３のいずれかの色票チャートセットを構成する色票チャートを撮像装置で撮影して得られた画像データをＬ＊ａ＊ｂ＊データに変換する工程と、
その変換後の、前記基準色度点の色票パッチの測色データから、前記撮像装置のホワイトバランス性能を評価する指数ωとして、（ａ＊ｏ−ａｏｆｆ）／ｋａの２乗と（ｂ＊ｏ−ｂｏｆｆ）／ｋｂの２乗との和の平方根を算出する工程と、
を備えるホワイトバランス性能測定評価方法。
ただし、ａ＊ｏ，ｂ＊ｏは、それぞれａ＊，ｂ＊方向の測色値、ａｏｆｆ，ｂｏｆｆは、撮影用の光源ごとに設定された、それぞれａ＊，ｂ＊方向のオフセット値、ｋａ，ｋｂは、それぞれａ＊，ｂ＊方向の重み付け係数であり、ｋａ＋ｋｂ＝１である。 - 請求項８のホワイトバランス性能測定評価方法において、
色票チャートセットを構成するそれぞれの色票チャートについての評価指数ωを比較して、前記撮像装置の総合的なホワイトバランス性能を評価判定するホワイトバランス性能測定評価方法。 - 請求項１〜３のいずれかの色票チャートセットを構成する色票チャートを撮像装置で撮影して得られた画像データをＬ＊ａ＊ｂ＊データに変換する手段と、
その変換後の、前記基準色度点の色票パッチの測色データから、前記撮像装置のホワイトバランス性能を評価する指数ωとして、（ａ＊ｏ−ａｏｆｆ）／ｋａの２乗と（ｂ＊ｏ−ｂｏｆｆ）／ｋｂの２乗との和の平方根を算出する手段と、
を備える画像処理装置。
ただし、ａ＊ｏ，ｂ＊ｏは、それぞれａ＊，ｂ＊方向の測色値、ａｏｆｆ，ｂｏｆｆは、撮影用の光源ごとに設定された、それぞれａ＊，ｂ＊方向のオフセット値、ｋａ，ｋｂは、それぞれａ＊，ｂ＊方向の重み付け係数であり、ｋａ＋ｋｂ＝１である。 - 請求項１０の画像処理装置において、
色票チャートセットを構成するそれぞれの色票チャートについての評価指数ωを比較して、前記撮像装置の総合的なホワイトバランス性能を評価判定する手段を備える画像処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002275353A JP4102983B2 (ja) | 2002-09-20 | 2002-09-20 | 色チャートセット、色チャートセットの生成方法、色チャートセットの生成装置、ホワイトバランス性能測定方法および画像処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002275353A JP4102983B2 (ja) | 2002-09-20 | 2002-09-20 | 色チャートセット、色チャートセットの生成方法、色チャートセットの生成装置、ホワイトバランス性能測定方法および画像処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004112649A true JP2004112649A (ja) | 2004-04-08 |
| JP4102983B2 JP4102983B2 (ja) | 2008-06-18 |
Family
ID=32271578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002275353A Expired - Fee Related JP4102983B2 (ja) | 2002-09-20 | 2002-09-20 | 色チャートセット、色チャートセットの生成方法、色チャートセットの生成装置、ホワイトバランス性能測定方法および画像処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4102983B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014206451A (ja) * | 2013-04-12 | 2014-10-30 | 新日鐵住金株式会社 | 色調変化検出装置、色調変化検出方法及びプログラム |
| CN104316192A (zh) * | 2014-10-27 | 2015-01-28 | 京东方科技集团股份有限公司 | 图像显示质量的测试方法、测试平台和系统 |
| WO2021106192A1 (ja) * | 2019-11-29 | 2021-06-03 | 日本電気株式会社 | 肌色チャート及びその製造方法 |
| WO2021106187A1 (ja) * | 2019-11-29 | 2021-06-03 | 日本電気株式会社 | 顔認証環境判定方法、顔認証環境判定システム、顔認証環境判定装置、及び非一時的なコンピュータ可読媒体 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11457189B2 (en) | 2019-06-20 | 2022-09-27 | Samsung Electronics Co., Ltd. | Device for and method of correcting white balance of image |
-
2002
- 2002-09-20 JP JP2002275353A patent/JP4102983B2/ja not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014206451A (ja) * | 2013-04-12 | 2014-10-30 | 新日鐵住金株式会社 | 色調変化検出装置、色調変化検出方法及びプログラム |
| CN104316192A (zh) * | 2014-10-27 | 2015-01-28 | 京东方科技集团股份有限公司 | 图像显示质量的测试方法、测试平台和系统 |
| WO2021106192A1 (ja) * | 2019-11-29 | 2021-06-03 | 日本電気株式会社 | 肌色チャート及びその製造方法 |
| JPWO2021106192A1 (ja) * | 2019-11-29 | 2021-06-03 | ||
| WO2021106187A1 (ja) * | 2019-11-29 | 2021-06-03 | 日本電気株式会社 | 顔認証環境判定方法、顔認証環境判定システム、顔認証環境判定装置、及び非一時的なコンピュータ可読媒体 |
| JPWO2021106187A1 (ja) * | 2019-11-29 | 2021-06-03 | ||
| JP7251656B2 (ja) | 2019-11-29 | 2023-04-04 | 日本電気株式会社 | 肌色チャート及びその製造方法 |
| JP7315024B2 (ja) | 2019-11-29 | 2023-07-26 | 日本電気株式会社 | 顔認証環境判定方法、顔認証環境判定システム、顔認証環境判定装置、及び顔認証環境判定プログラム |
| JP7477021B2 (ja) | 2019-11-29 | 2024-05-01 | 日本電気株式会社 | 顔認証環境判定方法、顔認証環境判定システム、顔認証環境判定装置、顔認証環境判定プログラム、肌色チャート、及び肌色チャートの製造方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4102983B2 (ja) | 2008-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mendoza et al. | Calibrated color measurements of agricultural foods using image analysis | |
| Liu et al. | CID: IQ–a new image quality database | |
| US7436995B2 (en) | Image-processing apparatus, image-capturing apparatus, image-processing method and image-processing program | |
| US6567543B1 (en) | Image processing apparatus, image processing method, storage medium for storing image processing method, and environment light measurement apparatus | |
| US8773545B2 (en) | Image processing method for executing color conversion processing, image processing program, image processing device and camera | |
| US8379106B2 (en) | Image processing device, image processing method and program product | |
| Magnusson et al. | Creating RGB images from hyperspectral images using a color matching function | |
| US8531548B2 (en) | Image processing method, image processing program, image processing device and camera | |
| CN105915816B (zh) | 用于确定给定场景的亮度的方法和设备 | |
| JP2004165932A (ja) | 光源推定装置、光源推定方法、撮像装置および画像処理方法 | |
| CN101933321A (zh) | 用于估测场景光源的图像传感器装置及方法 | |
| KR20050048460A (ko) | 화상 처리 장치, 화상 처리 방법, 및 프로그램 | |
| JP2000102042A (ja) | 撮像装置の分光感度特性測定方法および撮像データ構成方法 | |
| CN101088278A (zh) | 用于为数字图像装置优化γ曲线的设备、系统和方法 | |
| JP2010139324A (ja) | 色ムラ測定方法、および色ムラ測定装置 | |
| US6507667B1 (en) | Color digital imaging apparatus having a rule-based hue-shift processor | |
| US8026954B2 (en) | System and computer-readable medium for automatic white balancing | |
| JP4102983B2 (ja) | 色チャートセット、色チャートセットの生成方法、色チャートセットの生成装置、ホワイトバランス性能測定方法および画像処理装置 | |
| JP2005045446A (ja) | 色変換マトリクス算出方法および色補正方法 | |
| US9036030B2 (en) | Color calibration of an image capture device in a way that is adaptive to the scene to be captured | |
| US20040240732A1 (en) | Active color correction to compensate for near field color cast | |
| US20170180694A1 (en) | Method of encoding raw color coordinates provided by a camera representing colors of a scene having two different illuminations | |
| WO2022242608A1 (zh) | 物体喜好记忆色的获取方法及喜好记忆色标准色卡 | |
| US20120086812A1 (en) | Digital camera imaging evaluation module | |
| JP2002131133A (ja) | 画像の色特定方法、画像の色抽出方法、画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050701 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20071228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080109 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080201 |
|
| 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: 20080227 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080311 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110404 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |