JP2005056282A - 画像処理方法、画像処理装置、およびプログラム - Google Patents

Abstract

【課題】画像データをマスク処理する際に用いる最適なマスク画像データを生成することができる画像処理方法、画像処理装置、およびプログラムを提供する。
【解決手段】画像データＳ１１を構成し、予め規定された範囲ｒ１の画素値を示す複数の画素データについて画素データの分布を示す分布データｄ１を生成する分布データ生成部２２２と、分布データ生成部２２２が生成した分布データｄ１１および予め設定した値Ｍｔｈを基に、詳細には分布データｄ１中のマスク処理対象の特徴を示すパターンｄ１１を基に閾値Ｍを特定する特定部２２３と、画像データＳ１１（Ｓ２２１）を、特定部２２３が特定した閾値を基に２値化してマスク画像データＳ２２を生成する２値化部２２４および細化部２２５とを設ける。
【選択図】図４

Description

本発明は、例えば被検体等を撮像して得られた画像データを処理する画像処理方法、画像処理装置、およびプログラムに関するものである。

従来、例えば被検体（生体）を撮像して得られた画像データを用いて個人識別する識別装置が知られている（例えば、特許文献１参照）。
上述した従来の識別装置では、例えば被検体の手の透過光を撮像して、その画像データの画素値について予め決められた閾値を基に２値化画像データを生成して識別処理を行う。例えば識別装置は、２値化画像データの内の血管の配置を示すパターンを基に識別処理を行う。
特開平１０−１２７６０９号公報

ところで、例えば被検体（生体）の一部、例えば指や腕等を撮影した画像データから認証に必要な情報、例えば血管情報等を抽出するために、認証に不必要な部分画像のマスク処理を行う方法が知られている。
そのマスク処理を行う際に用いるマスク画像データを生成する方法としては、例えば予め画素値の閾値（スレッシュホールド値）を設定し、画像データをその画素値を基に二値化処理を行い、マスク画像データを生成していた。

しかし、例えば被検体を撮像して得られた画像データは撮像条件、例えば撮像時の照射光や、被検体毎の光の透過率等が異なるために、上述したように予め設定した閾値を基に生成されたマスク画像データを用いてマスク処理を行った場合、適切に識別（認証）に必要な情報を抽出できないという問題があった。

本発明は、かかる事情に鑑みてなされたものであり、その目的は、画像データをマスク処理する際に用いる最適なマスク画像データを生成することができる画像処理方法、画像処理装置、およびプログラムを提供することにある。

前記目的を達成するために、本発明の第１の観点は、第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理方法であって、前記第１の画像データを構成し、予め規定された範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する第１のステップと、前記第１のステップで生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための閾値を特定する第２のステップと、前記第１の画像データを、前記第２のステップで特定した閾値を基に２値化して前記マスク画像データを生成する第３のステップとを有する。

さらに、前記目的を達成するために、本発明の第２の観点は、第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理方法であって、前記第１の画像データを構成し、予め規定された第１の範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する第１のステップと、前記第１のステップで生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための第２の範囲を特定する第２のステップと、前記第２のステップで特定した第２の範囲内にある画素データを前記第１の範囲にマッピングして、当該マッピングした前記画素データで構成される第３の画像データを生成する第３のステップと、前記第３のステップで生成した前記第３の画像データを、前記第１の範囲で規定された閾値を基に２値化して前記マスク画像データを生成する第４のステップとを有する。

さらに、前記目的を達成するために、本発明の第３の観点は、第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理装置であって、前記第１の画像データを構成し、予め規定された範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する分布データ生成手段と、前記分布データ生成手段が生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための閾値を特定する特定手段と、前記第１の画像データを、前記特定手段が特定した閾値を基に２値化して前記マスク画像データを生成するマスク画像データ生成手段とを有する。

さらに、前記目的を達成するために、本発明の第４の観点は、第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理装置であって、前記第１の画像データを構成し、予め規定された第１の範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する分布データ生成手段と、前記分布データ生成手段が生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための第２の範囲を特定する特定手段と、前記特定手段が特定した第２の範囲内にある画素データを前記第１の範囲にマッピングして、当該マッピングした前記画素データで構成される第３の画像データを生成するマッピング手段と、前記マッピング手段が生成した前記第３の画像データを、前記第１の範囲で規定された閾値を基に２値化して前記マスク画像データを生成するマスク画像データ生成手段とを有する。

さらに、前記目的を達成するために、本発明の第５の観点は、第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理装置に実行されるプログラムであって、前記第１の画像データを構成し、予め規定された範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する第１の手順と、前記第１の手順で生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための閾値を特定する第２の手順と、前記第１の画像データを、前記第２の手順で特定した閾値を基に２値化して前記マスク画像データを生成する第３の手順とを有する。

さらに、前記目的を達成するために、本発明の第６の観点は、第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理装置に実行されるプログラムであって、前記第１の画像データを構成し、予め規定された第１の範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する第１の手順と、前記第１の手順で生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための第２の範囲を特定する第２の手順と、前記第２の手順で特定した第２の範囲内にある画素データを前記第１の範囲にマッピングして、当該マッピングした前記画素データで構成される第３の画像データを生成する第３の手順と、前記第３の手順で生成した前記第３の画像データを、前記第１の範囲で規定された閾値を基に２値化して前記マスク画像データを生成する第４の手順とを有する。

本発明の第１の観点、第３の観点、および第５の観点によれば、例えばプログラムおよび当該プログラムを実行する画像処理装置において、第１のステップおよび第１の手順では、分布データ生成手段が前記第１の画像データを構成し、予め規定された範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する。
第２のステップおよび第２の手順における、特定手段では、分布データ生成手段が生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための閾値を特定する。
第３のステップおよび第３の手順における、マスク画像データ生成手段では、前記第１の画像データを、前記特定手段が特定した閾値を基に２値化して前記マスク画像データを生成する。

また、本発明の第２の観点、第４の観点、第６の観点によれば、例えばプログラムおよび当該プログラムを実行する画像処理装置において、第１のステップおよび第１の手順では、分布データ生成手段が、第１の画像データを構成し、予め規定された第１の範囲の画素値を示す複数の画素データについて画素データの分布を示す分布データを生成する。
第２のステップおよび第２の手順における、特定手段では、分布データ生成手段で生成した分布データおよび予め設定した値を基に、マスク画像データを生成するための第２の範囲を特定する。
第３のステップおよび第３の手順における、マッピング手段では、特定手段で特定した第２の範囲内にある画素データを第１の範囲にマッピングして、当該マッピングした画素データで構成される第３の画像データを生成する。
第４のステップおよび第４の手順における、マスク画像データ生成手段では、マッピング手段で生成した第３の画像データを、第１の範囲で規定された閾値を基に２値化してマスク画像データを生成する。

本発明によれば、画像データをマスク処理する際に用いる最適なマスク画像データを生成することができる画像処理方法、画像処理装置、およびプログラムを提供することができる。

本発明に係る画像処理装置は、例えば、被検体等を撮像して得られた画像データから、認証に必要な情報と、認証に不必要な情報とを分離して、認証に必要な情報を抽出する。その際、画像データを構成し、予め規定された範囲の画素値を示す複数の画素データについて、画素データの分布を示す分布データを生成し、その分布データを基に画像データからマスク画像データを生成し、そのマスク画像データを用いて、上述の抽出処理を行う。

以下、本発明に係る画像処理装置の第１実施形態として、被検体ｈとしての生体中の血管が形成された部位を撮像して画像データを生成し、その画像データを画像処理して血管情報を抽出し、認証処理を行う画像処理装置を説明する。

図１は、本発明に係る画像処理装置の第１実施形態を示す全体の概念図である。
本実施形態に係る画像処理装置１は、図１に示すように、撮像系１０１、抽出部１０２、および認証部１０３を有する。画像処理装置１は本発明に係る画像処理装置に相当する。

撮像系１０１は、被検体ｈを撮像して画像データを生成し、その画像データを信号Ｓ１１として抽出部１０２に出力する。
撮像系１０１は、詳細には照射部１０１１および光学レンズ１０１２を有する。
照射部１０１１は、例えばハロゲンランプ等より構成され、制御信号により被検体ｈの一部に電磁波、例えば近赤外線を照射する。

例えば被検体ｈとしての生体に電磁波を照射した場合、波長領域６００ｎｍ〜１３００ｎｍ程度の赤色から赤外領域の近赤外線は、他の波長領域の電磁波と比較して透過性が高い。この波長領域では血中のヘモグロビンによる光吸収が支配的である。

例えば被検体ｈとして手の甲側から近赤外線を照射し、掌側から透過光を撮像した場合に、電磁波は血中のヘモグロビンにより吸収されるため、掌側表面近傍の太い血管に相当する領域が、血管に相当する領域以外の領域よりも暗い画像データが得られる。

特に血管の静脈は、成長過程で形成され後天性のものであり、この血管の形状は個人差が大きい。本実施形態では、この血管を撮像して得られた画像データを個人特有の識別情報として認証処理に用いる例につき説明する。

また、被検体ｈを撮像して得られた画像データには、上述した認証に必要な情報と、それ以外の認証に不必要な情報とを含む。認証に不必要な情報は、例えば枠（治具の部分）の部分であり、所定の階調の画像データの内でその部分の画素値は略０であり、つまり略黒色である。
一方、画像データの内、認証に必要な指部の黒色部は、枠の黒色部よりも画素値が大きい。
本実施形態では画像データから画素値の分布を示す分布データ（ヒストグラム）を生成し、その分布データに基づいて、枠の黒部と、指部の黒部分との境界を特定し、認証に必要な画像データと、認証に不必要な画像データとを分離する。

光学レンズは１０１２は、被検体ｈからの透過光を撮像部１１に結像する。
撮像部１１は、光学レンズ１０１２により結像された透過光を基に画像データＳ１１を生成する。例えば撮像部１１は、ＣＣＤ（Charge-coupled device ：電荷結合素子）型画像センサや、Ｃ−ＭＯＳ（Complementary metal-oxide semiconductor ）型画像センサにより構成され、画像データＳ１１を抽出部１０２に出力する。この際、画像データＳ１１はＲＧＢ（red-green-blue）信号であってもよいし、それ以外の色やグレースケール等の画像データであってもよい。

抽出部１０２は、画像データＳ１１を基に画像処理を行い、例えばマスク画像データを生成し、マスク画像データを基に認証に用いる画像データ、例えばスケルトン画像データを抽出して信号Ｓ１０２として認証部１０３に出力する。
認証部１０３は、抽出部１０２による信号Ｓ１０２を基に、予め記憶する登録画像データと照合処理を行い、認証処理を行う。

図２は、図１に示した画像処理装置のハードウェア的なブロック図である。
画像処理装置１は、例えば図２に示すように、撮像部１１、入力部１２、出力部１３、通信インタフェース（Ｉ／Ｆ）１４、ＲＡＭ（Random access Memory）１５、ＲＯＭ（Read only memory）１６、記憶部１７、およびＣＰＵ１８を有する。
撮像部１１、入力部１２、出力部１３、通信インタフェース（Ｉ／Ｆ）１４、ＲＡＭ１５、ＲＯＭ１６、記憶部１７、およびＣＰＵ１８は、バスＢＳにより接続されている。

撮像部１１は、ＣＰＵ１８の制御により、被検体ｈの画像データを生成し信号Ｓ１１として出力する。
入力部１２は、例えばユーザの操作に応じた信号をＣＰＵ１８に出力する。例えば入力部１２は、キーボード、マウス、およびタッチパネル等により構成される。
出力部１３は、ＣＰＵ１８の制御により所定のデータに応じた出力を行う。例えば出力部１３はディスプレイ等の表示装置等により構成される。

通信インタフェース（Ｉ／Ｆ）１４は、ＣＰＵ１８の制御により、例えば不図示の通信ネットワークを介して、他の画像処理装置とデータ通信を行う。
ＲＡＭ１５は、例えばＣＰＵ１８のワークスペースとして用いられる。ＲＯＭ１６は、例えば初期値や初期パラメータ等のデータを記憶し、そのデータはＣＰＵ１８により利用される。

記憶部１７は、ＣＰＵ１８により所定のデータの書込みおよび読出しが行われる。例えば記憶部１７は、ＨＤＤ（Hard disk drive ）等の記憶装置で構成される。
記憶部１７は、例えば図２に示すように、プログラムＰＲＧ、画像データＤ＿Ｐ等を有する。
プログラムＰＲＧは、本実施形態に係る機能、例えば抽出部１０２および認証部１０３等の機能を含み、ＣＰＵ１８により実行されることで、その機能が実現される。
画像データＤ＿Ｐは、例えば認証処理に用いられる登録画像データ等の画像データである。

図３は、図１に示した画像処理装置の機能ブロック図である。
ＣＰＵ１８は、例えば図３に示すようにプログラムＰＲＧを実行することにより、抽出部１０２の機能として、スケルトン画像生成部２１、マスク部２２、および画像生成部２３を有する機能を実現する。
本発明はこの形態に限られるものではない。例えば図３に示す構成要素の機能をハードウェアにより実現してもよい。

スケルトン画像生成部２１は、例えば撮像部１１からの画像データとしての信号Ｓ１１を基に画像処理、例えばフィルタ処理，２値化処理，モルフォロジ処理等を行い、例えばスケルトン画像を生成し、信号Ｓ２１として画像生成部２３に出力する。

マスク部２２は、例えば撮像部１１からの画像データとしての信号Ｓ１１を基に、画像データを構成し、予め規定された範囲の画素値を示す複数の画素データについて画素データの分布を示す分布データを生成し、分布データおよび予め設定した値を基に、マスク画像データを生成するための閾値を特定し、画像データをその閾値を基に２値化してマスク画像データを生成し、信号Ｓ２３として出力する。

画像生成部２３は、スケルトン画像生成部２１から出力されたスケルトン画像としての信号Ｓ２１を、マスク部２２から出力された信号Ｓ２２を基にマスク処理を行い、例えば認証に用いられる情報を抽出して信号Ｓ２３として認証部１０３に出力する。

図４は、図３に示したマスク部の一実施形態に係る機能ブロック図である。
マスク部２２は、例えば図４に示すように、グレースケール変換部２２１、分布データ生成部２２２、特定部２２３、２値化部２２４、および細化部２２５を有する。
分布データ生成部２２２は本発明に係る分布データ生成手段に相当し、特定部２２３は本発明に係る特定手段に相当し、２値化部２２４および細化部２２５は本発明に係るマスク画像データ生成手段に相当する。

グレースケール変換部２２１は、撮像部１１からのＲＧＢの信号Ｓ１１を基にグレースケールに変換して信号Ｓ２２１として、分布データ生成部２２２に出力する。詳細にはグレースケール変換部２２１は、ＲＧＢ信号を白から黒までの所定の階調、例えば２５６階調に変換する。

本実施形態では、撮像部１１はＲＧＢの信号Ｓ１１を生成し、グレースケール変換部２２１がその信号Ｓ１１をグレースケールに変換処理を行ったが、この形態に限られるものではない。例えば、撮像部１１がグレースケールの画像データＳ１１を生成した場合には、グレースケール変換部２２１を設けなくてよい。

図５は、図１に示した画像処理装置の動作を説明するための図である。
本実施形態に係る撮像部１１は、例えば被検体ｈの生体の指を撮像して画像データＳ１１を出力し、グレースケール変換部２２１は、その画像データＳ１１を基に、例えば図５（ａ）に示すような、所定の階調のグレースケールの画像データＳ２２１を生成して、分布データ生成部２２２に出力する。

分布データ生成部２２２は、例えばグレースケール変換部２２１からの信号Ｓ２２１を基に、画像データを構成し予め規定された範囲の画素値を示す複数の画素データについて、画素データの分布を示す分布データ（ヒストグラム）ｄ１を生成し、信号Ｓ２２２として特定部２２３に出力する。

詳細には、分布データ生成部２２２は、信号Ｓ２２１を基に、例えば横軸ｃを階調の値（画素値ともいう），縦軸ｆをその画素データの数（度数ともいう）とすると、図５（ｂ）に示すように第１の範囲ｒ１として２５６階調の範囲の画素値を示す画素データについて、分布データｄ１としてヒストグラムを生成する。図５（ｂ）では小さな画素値は黒に相当し、大きな画素値は白に相当する。
分布データ生成部２２２は、詳細には第１の範囲ｒ１内の各画素値について、画素データの数を示す分布データｄ１を生成する。

特定部２２３は、例えば、分布データｄ１中のマスク処理対象の特徴を示すパターンｄ１１を基に、マスク画像データを生成するための閾値を特定し、閾値Ｍを信号Ｓ２２３として２値化部２２４に出力する。
詳細には、特定部２２３は、分布データ生成部２２２が生成した分布データｄ１、および予め設定した値Ｍｔｈを基に、マスク画像データを生成するための閾値Ｍを特定し、閾値Ｍを信号Ｓ２２３として２値化部２２４に出力する。

本実施形態では、例えば上述したように被検体ｈを撮像して得られた画像データＳ１１には、認証に必要な情報と、それ以外の認証に不必要な情報とを含む。不必要な情報は、例えば枠（治具の部分）の部分であり、例えば図５（ｂ）に示すような分布データｄ１の場合、画素値０〜Ｍ（略３０）の範囲のパターンがマスク処理対象の特徴を示すパターンｄ１１に相当する。

一方、画像データの内、認証に必要な指部の情報は、図５（ｂ）に示す分布データｄ１の内の画素値Ｍ（略３０）〜２５５の範囲のパターンｄ１２に相当する。
特定部２２３は、例えば図５（ｂ）に示す分布データｄ１の内のパターンｄ１１の黒部と、分布データｄ１の内のパターンｄ１２の指部の黒部分との境界を特定し、認証に必要な指部と、認証に不必要な枠部とを分離する。
また、特定部２２３は、例えば分布データｄ１のパターンを基に、値Ｍｔｈ，値Ｍを設定してもよい。

２値化部２２４は、画像データＳ２２１を、特定部２２３が特定した閾値Ｍを基に２値化して２値化画像データを生成し、信号Ｓ２２４として出力する。
詳細には、２値化部２２４は、例えば図５（ａ）に示す画像データＳ２２１（Ｓ１１）を、図５（ｂ）に示す特定部２２３が特定した閾値Ｍを基に２値化して、例えば図５（ｃ）に示すマスク画像データを生成し、信号Ｓ２２（Ｓ２２４）として出力する。

本実施形態では、例えば細化部２２５を設ける。細化部２２５は例えばマスク画像データＳ２２４を基に細化処理を行い、認証に用いる必要な画像データと、認証に不必要な画像データＳ２２４１との境界部分Ｌ２２４１を除去し、処理結果を信号Ｓ２２として出力する。
細化処理は、例えば信号Ｓ２２４を基にモルフォロジ処理、例えば所定の単位領域を基にモルフォロジ処理の縮退処理（ｅｒｏｄｅ）および膨張処理（ｄｉｌａｔｅ）を行い、境界部分Ｌ２２４１を除去する。

図６は、図１に示した画像処理装置の動作を説明するためのフローチャートである。図６を参照しながら、画像処理装置１のＣＰＵ１８の動作を中心に、マスク部２２の動作を説明する。

ＣＰＵ１８では、例えば撮像部１１が被検体ｈを撮像して得た画像データＳ１１が、スケルトン画像生成部２１およびマスク部２２に入力される。スケルトン画像生成部２１では、例えば、図５（ａ）に示す画像データＳ１１を基に画像処理、例えばフィルタ処理，２値化処理，モルフォロジ処理等を行い、例えば図５（ｄ）に示すスケルトン画像を生成し、信号Ｓ２１として画像生成部２３に出力する。

分布データを生成するステップＳＴ１００１において、マスク部２２のグレースケール変換部２２１では、画像データＳ１１を基に所定の階調のグレースケールに変換し、信号Ｓ２２１として出力する。
分布データ生成部２２２では、図５（ａ），（ｂ）に示すように、画像データＳ２２１を基に、画像データを構成し予め規定された第１の範囲ｒ１の画素値を示す複数の画素データについて画素データの分布を示す分布データｄ１を生成し、信号Ｓ２２２として特定部２２３に出力する。

閾値を特定するステップＳＴ１００２において、特定部２２３では、分布データｄ１としての信号２２２、および予め設定した値Ｍｔｈを基に、マスク画像データを生成するための画素値の閾値Ｍを特定し、閾値Ｍを信号Ｓ２２３として２値化部２２４に出力する。
前記分布データを前記閾値を基に２値化するステップＳＴ１００３において、２値化部２２４では、画像データＳ２２１を、信号Ｓ２２３を基に、特定部２２３が特定した閾値Ｍを基に２値化して、例えば図５（ｃ）にしめす２値化画像データ（マスク画像データ）Ｓ２２４を生成し（マスク画像データを生成するＳＴ１００４）、信号Ｓ２２４として出力する。
さらに本実施形態では、細化部２２５により例えばマスク画像データＳ２２４を基に細化処理を行い、認証に用いる必要な画像データと、認証に不必要な画像データＳ２２４１との境界部分Ｌ２２４１を除去し、処理結果を信号Ｓ２２として画像生成部２３に出力する。

ステップＳＴ１００５において、画像生成部２３では、スケルトン画像生成部２１から出力された、例えば図５（ｄ）に示すスケルトン画像データＳ２１を、マスク部２２から出力された、例えば図５（ｃ）に示すマスク画像データＳ２２を基にマスク処理を行い、例えば認証に用いられる情報を抽出して、図５（ｅ）に示す画像データＳ２３を生成し、認証部１０３に出力する。
例えば、画像生成部２３では、スケルトン画像データＳ２１とマスク画像データＳ２２のＡＮＤ演算処理を行い、画像データＳ２３を生成する。

ステップＳＴ１００６において、認証部１０３では、画像生成部２３が出力した画像データＳ２３を、例えば記憶部１７が記憶する登録用の画像データＤ＿Ｐと認証処理を行う。

以上説明したように、画像データＳ１１を構成し、予め規定された範囲ｒ１の画素値を示す複数の画素データについて画素データの分布を示す分布データｄ１を生成する分布データ生成部２２２と、分布データ生成部２２２が生成した分布データｄ１１および予め設定した値Ｍｔｈを基に、詳細には分布データｄ１中のマスク処理対象の特徴を示すパターンｄ１１を基に閾値Ｍを特定する特定部２２３と、画像データＳ１１（Ｓ２２１）を、特定部２２３が特定した閾値を基に２値化してマスク画像データＳ２２を生成する２値化部２２４および細化部２２５とを設けたので、画像データＳ１１をマスク処理する際に用いる最適なマスク画像データＳ２２を生成することができる。

つまり、本実施形態では、分布データｄ１において、マスク処理対象の特徴を示すパターンｄ１１と、認証に用いる必要な画像データを示すパターンｄ１２とが明確に区別することを利用しているので、最適なマスク画像データＳ２２を生成することができる。

また、画像生成部２３が、スケルトン画像データＳ２１を、最適なマスク画像データＳ２２を基にマスク処理を行い、認証用の画像データＳ２３を生成するので、画像データＳ１１から認証に必要な画像部分と、認証に不必要な画像部分とを分離することができる。

また、認証部１０３は、その画像データＳ２３を基に、例えば記憶部１７が記憶する登録用の画像データＤ＿Ｐと認証処理を行うので、高精度な認証処理を行うことができる。

図７は、本発明の第２実施形態に係る画像処理装置１ａのスケルトン画像生成部２１の一実施形態を示す機能ブロック図である。
例えばＣＰＵ１８は、図７に示すようにプログラムＰＲＧを実行することにより、本実施形態に係るスケルトン画像生成部２１の機能として、グレースケール変換部１８０１、分布データ生成部１８０２、特定部１８０３、マッピング部１８０４、ガウシアンフィルタ１８０５、ガウシアンラプラシアン１８０６、第１の縮退処理部１８０７、第１の膨張処理部１８０８、第２の膨張処理部１８０９、第２の縮退処理部１８１０、ローパスフィルタ部１８１１、およびスケルトン部１８１２の機能を実現する。
本発明はこの形態に限られるものではない。例えば図７に示す構成要素の機能をハードウェアにより実現してもよい。

グレースケール変換部１８０１は、撮像部１１からのＲＧＢの信号Ｓ１１を基にグレースケールに変換して信号Ｓ１８０１として、分布データ生成部１８０２に出力する。詳細にはグレースケール変換部１８０１は、ＲＧＢ信号を白から黒までの所定の階調、例えば２５６階調に変換する。

本実施形態では、撮像部１１はＲＧＢの信号Ｓ１１を生成し、グレースケール変換部１８０１がその信号Ｓ１１をグレースケールに変換処理を行ったが、この形態に限られるものではない。例えば、撮像部１１がグレースケールの画像データＳ１１を生成した場合には、グレースケール変換部１８０１を設けなくてよい。

図８は、図１に示した画像処理装置の動作を説明するための図である。
本実施形態では、撮像部１１は、例えば被検体ｈの生体の指を撮像して図８（ａ）に示すようなＲＧＢ画像データＳ１１を出力する。
グレースケール変換部１８０１は、その画像データＳ１１を基に、例えば図８（ｂ）に示すような、グレースケールの画像データＳ１８０２を生成し、分布データ生成部１８０２に出力する。

分布データ生成部１８０２は、グレースケール変換部１８０１からの信号Ｓ１８０１を基に、画像データを構成し予め規定された第１の範囲の画素値を示す複数の画素データについて、画素データの分布を示す分布データｄ１を生成し、信号Ｓ１８０２として特定部１８０３に出力する。

詳細には分布データ生成部１８０２は、信号Ｓ１８０１を基に、例えば横軸ｃを階調の値（画素値ともいう），縦軸ｆをその画素データの数（度数ともいう）とすると、図８（ｃ）に示すように第１の範囲ｒ１として２５６階調の範囲の画素値を示す画素データについて、分布データｄ１としてヒストグラムを生成する。図８（ｃ）では小さな画素値は黒に相当し、大きな画素値は白に相当する。
分布データ生成部１８０２は、詳細には第１の範囲ｒ１内の各画素値について、画素値を持つ画素データの数を示す分布データｄ１を生成する。

図９は、図７に示した特定部の動作を説明するための図である。
特定部１８０３は、信号Ｓ１８０２を基に、第１の範囲ｒ１のうち予め決められた数の画素データが持つ画素値のなかで最大の画素値以下の範囲を、２値化対象とする第２の範囲ｒ２として特定し、信号Ｓ１８０３として出力する。

詳細には特定部１８０３は、例えば図９（ａ）に示すように、分布データｄ１について、第１の範囲ｒ１内のうち、予め決められた閾値Ｖ＿ｔｈの数の画素値ｒ１１，ｒ１２，ｒ１３，ｒ１４のなかで最大の画素値ｒ１１以下の範囲を第２の範囲ｒ２として特定する。
例えば特定部１８０３は、図９（ａ）に示すような分布データｄ１の場合には０〜１１０の画素値の範囲を第２の範囲ｒ２として特定する。

ところで、被検体ｈの画素値の分布データは被検体ｈ毎に異なる。例えば脂肪成分の多い被検体ｈの画像データのヒストグラムｄ１’は、脂肪成分の少ない被検体の画像データと比べて、図９（ｂ）に示すように分布データｄ１’が広範囲に広がり画素値の平均値が比較的高い。
特定部１８０３は、例えば図９（ｂ）に示すような分布データｄ１’の場合には、第１の範囲ｒ１内のうち、予め決められた閾値Ｖ＿ｔｈの数の画素値ｒ１１’，ｒ１２’，ｒ１３’，ｒ１４’のなかで最大の画素値ｒ１１’以下の範囲を第２の範囲ｒ２’として特定する。

マッピング部１８０４は、信号Ｓ１８０３を基に、複数の画素データのうち、特定部１８０３が特定した第２の範囲ｒ２（またはｒ２’）にある画素データを第１の範囲ｒ１にマッピングして、当該マッピングした画素データで構成される第２の画像データを生成し信号Ｓ１８０４として出力する。

詳細にはマッピング部１８０４は、例えば図８（ｃ）に示すように０〜１１０の画素値の範囲を第２の範囲ｒ２とする場合には、図８（ｄ）に示すように画素データを０〜２５６の画素値の範囲である第１の範囲ｒ１に拡大することでマッピングを行い、図８（ｅ）に示すように血管情報を含まない画像データのうち中心部分を拡大して第２の画像データＳ１８０４を生成する。

図１０は、図１に示した画像処理装置のマッピング処理に係る動作を説明するためのフローチャートである。図８〜１０を参照しながら、分布データ生成部１８０２，特定部１８０３，マッピング部１８０４の動作を中心に説明する。

撮像部１１では、被検体ｈを撮像して画像データＳ１１をグレースケール変換部１８０１に出力する。画像データＳ１１は、グレースケール変換部１８０１により２５６階調のグレースケールに変換され、信号Ｓ１８０１として分布データ生成部１８０２に入力される。

ステップＳＴ１において、分布データ生成部１８０２では、信号Ｓ１８０１を基に、例えば図８（ｃ）に示すように、画像データＳ１１を構成し予め規定された第１の範囲ｒ１内の画素値を示す複数の画素データについて、その画素値を持つ画素データの数を示す分布データｄ１を生成し信号Ｓ１８０２として特定部１８０３として出力される。

ステップＳＴ２において、特定部１８０３では、図８（ｃ）に示すように、信号Ｓ１８０２を基に、第１の範囲ｒ１内のうち予め決められた数、例えば閾値Ｖ＿ｔｈの画素データが持つ画素値のなかで最大の画素値ｒ１１以下の範囲を、２値化対象とする第２の範囲ｒ２として特定し、信号Ｓ１８０３としてマッピング部１８０４に出力する。

ステップＳＴ３において、マッピング部１８０４は、図８（ｄ）に示すように、信号Ｓ１８０３を基に複数の画素データのうち、特定部１８０３が特定した第２の範囲ｒ２にある画素データを第１の範囲ｒ１にマッピングして、当該マッピングした画素データで構成される第２の画像データを生成し、信号Ｓ１８０４として出力する。

ステップＳＴ４において、例えば後述する構成要素１８０５〜１８１２等によりマッピング部１８０４で生成した第２の画像データＳ１８０４を、第１の範囲ｒ１内に規定された閾値、例えば１００階調を基に２値化して第３の画像データを生成する。

上述したように本実施形態では、例えば図８（ｃ），図８（ｄ）に示すように、分布データ生成部１８０２により分布データを生成し、特定部１８０３により第２の範囲を特定し、マッピング部１８０４により第２の範囲にある画素データを第１の範囲にマッピングし、後述する構成要素１８０５〜１８１２等により第１の範囲ｒ１内に規定された閾値を基に２値化して画像データを生成するので、被検体ｈ毎に画素値の分布データｄ１が異なる場合であっても、適切に２値化処理できる。

また、特定した第２の範囲にある画素データを第１の範囲にマッピングするのでコントラストが強くなり、適切に２値化処理を行うことができる。

本実施形態に係る画像処理装置１ａは、上述した工程で生成した画像データにノイズ除去処理後、エッジ強調処理を行う。例えば、画像処理装置１ａは信号Ｓ１８０４を基に複数の異なるノイズ除去処理のうち、いずれかのノイズ除去処理を行い、ノイズ除去処理の後、エッジ強調処理を行う。

図１１は、画像処理装置のフィルタ処理に係る機能ブロック図である。
ＣＰＵ１８は、例えばプログラムＰＲＧを実行することにより、図１１に示す選択部１８１４および複数のノイズ除去フィルタ１８１５の機能を実現する。
選択部１８１４は、ノイズ除去フィルタ１８１５のうちの複数の異なるノイズ除去処理を行うノイズ除去フィルタのうち、いずれかのノイズ除去フィルタを選択させる信号Ｓ１８１４をノイズ除去フィルタ１８１５に出力する。
例えば選択部１８１４は、信号Ｓ１８０４のノイズ分布特性を検出し、検出結果を基にノイズ特性に適したノイズ除去フィルタを選択させる信号Ｓ１８１４を出力する。
また、例えば選択部１８１４は、ユーザの操作に応じた入力部１２からの信号を基にノイズ除去フィルタを選択させる信号Ｓ１８１４を出力してもよい。

ノイズ除去フィルタ１８１５は、複数のノイズ除去処理用のフィルタ、例えばガウシアンフィルタ１８１５＿１、メディアンフィルタ１８１５＿２、最大値フィルタ１８１５＿３、最小値フィルタ１８１５＿４、２次元適応ノイズ除去フィルタ１８１５＿５、近傍フィルタ１８１５＿６、平均化フィルタ１８１５＿７、ガウシアンローパスフィルタ１８１５＿８、２次元ラプラシアン近似フィルタ１８１５＿９、およびガウシアンラプラシアンフィルタ１８１５＿１０を有し、例えば選択部１８１４からの信号Ｓ１８１４に応じていずれかの（少なくとも１つの）ノイズ除去フィルタを選択し、その選択したノイズ除去フィルタで信号Ｓ１８０４をノイズ除去処理を行い、画像データＳ１８０６を生成する。

以下、フィルタ処理を説明する。一般的に２次元平面の格子点（ｎ１，ｎ２）を変数とする画像データｕ（ｎ１，ｎ２）をフィルタｈ（ｎ１，ｎ２）でフィルタ処理を行い、数式（１）に示すように画像データｖ（ｎ１，ｎ２）を生成する。ここで畳込み積分（コンボリューション）を’＊’と表す。

…（１）

ガウシアンフィルタ１８１５＿１は、例えば標準偏差σを用いて数式（２）に示すようにガウス関数ｈｇ（ｎ１，ｎ２）を畳込み処理を行う。詳細には数式（３），（１）に示すように、ガウシアンフィルタｈ（ｎ１，ｎ２）を用いてノイズ除去処理を行う。

…（２）

…（３）

図１２は、ガウシアンフィルタを説明するための図である。
ガウシアンフィルタ１８１５＿１は平滑化フィルタであり、例えば図１２に示すように注目画素データを中心に、２次元のガウス分布に応じた重み付けで演算を行い平滑化処理を行う。例えば注目画素データ（０，０）として図１２に図示する。

メディアンフィルタ１８１５＿２は、例えば注目画素データを中心にｎ×ｎの局所領域の画素データを順番に並べた場合に、順番が真ん中の画素データの画素値を注目画素データの画素値とする。

最大値フィルタ１８１５＿３は、例えば注目画素を中心にｎ×ｎの局所領域の画素データのうち、最大値の画素値を注目画素データの画素値とする。
最小値フィルタ１８１５＿４は、例えば注目画素を中心にｎ×ｎの局所領域の画素データのうち、最小値の画素値を注目画素データの画素値とする。

２次元適応ノイズ除去フィルタ１８１５＿５は、例えばいわゆるWienerフィルタであり、画像データを基に、画像データとの平均２乗誤差を最小化するフィルタ処理を行い、画像を改善する。

近傍フィルタ１８１５＿６は、画像データのうちの例えばｎ×ｎ画素の画素値を基に出力ピクセルを計算するフィルタ処理である。例えば詳細には近傍フィルタ１８１５＿６は、そのデータに応じて近傍の値から最大値、最小値、および標準偏差を基にフィルタ処理を行う。
平均化フィルタ１８１５＿７は、画像データのうちの例えばｎ×ｎ画素の画素値の平均値を計算し出力ピクセルとするフィルタ処理を行う。

ガウシアンローパスフィルタ１８１５＿８は、ノイズ除去および平滑化処理を行う。詳細には、ガウシアンローパスフィルタ１８１５＿８は、画像データをガウシアン型の重み付けを基に平滑化処理を行う。
２次元ラプラシアン近似フィルタ１８１５＿９は、画像データを基に２次微分処理を行い、エッジ検出などを行う。

ガウシアンラプラシアンフィルタ１８１５＿１０は、ガウシアンフィルタにラプラシアン（２次微分）を演算させるフィルタ処理である。以下詳細に説明する。

ラプラシアンは、２次元ユークリッド座標系では例えば数式（４）に示すように表現できる。

…（４）

また、ラプラシアンは、例えば所定の数αを用いて数式（５）に示すように３×３のマトリクス表示を行うことができる。ここで注目画素をマトリクスの中心とする。

…（５）

ガウシアンフィルタのラプラシアンは、例えば標準偏差σを用いて数式（６）に示すようにガウス関数ｈｇ（ｎ１，ｎ２）を畳込み処理を行う。詳細には数式（７），（１）に示すように、ガウシアンラプラスフィルタｈ（ｎ１，ｎ２）を用いてノイズ除去処理を行う。

…（６）

…（７）

また、ガウシアンフィルタのラプラシアンは、所定の値αを用いて、マトリクス表示を行うと例えば数式（８）に示すように表現できる。ここで注目画素をマトリクスの中心とする。

…（８）

図１３は、ガウシアンラプラシアンフィルタを説明するための図である。簡単な説明のため画像データを１次元として説明する。
エッジは画素値（明るさ）の変化によって生じる面と面との境界である。エッジは空間微分を行うことにより検出可能である。例えば空間微分には１次微分と２次微分がある。

例えば図１３（ａ）に示すステップ形状の画素値ｆ（ｘ）の場合を説明する。ここで縦軸を画素値、横軸をｘ軸とする。
エッジ領域は、詳細には図１３（ｂ）に示すように、第１の画素値ｆ１と第２の画素値ｆ２間は所定の幅Ｌで連続的に変化する。画像データｆ（ｘ）を１次微分処理すると、例えば図１３（ｃ）に示すように境界領域において所定の幅Ｌで急激に変化する。
例えばエッジ検出処理は、この１次微分処理後の画像のｆ’（ｘ）の急激な変化を検出して、エッジを特定する。

また、エッジ検出処理は２次微分処理（ラプラシアン）により検出してもよい。
例えば画像データが図１３（ｄ）に示す画素値ｆ（ｘ）の場合には、図１３（ｅ）に示す１次微分値ｆ’（ｘ）と、図１３（ｆ）に示す２次微分値ｆ’’（ｘ）が得られる。
この２次微分値ｆ’’（ｘ）は、エッジのスロープ中で傾きが最も大きい点で符号が変化する。したがって、２次微分がｘ軸を横切る点（ゼロ交差点という）Ｐ＿ｃｒは、エッジの位置を示す。この画像データは２次元データであり、実際のエッジ検出の際には、２次微分処理した画像データのうちゼロ交差点Ｐ＿ｃｒの位置をエッジとして特定する。

例えば選択部１８１４が、ノイズ除去処理としてガウシアンフィルタ１８１５＿１およびガウシアンラプラシアンフィルタ１８１５＿１０を選択した場合を説明する。例えば図７，１１に示すように、ガウシアンラプラシアン１８０６をガウシアンフィルタ１８１５＿１、ガウシアンラプラシアンフィルタ１８０６をガウシアンラプラシアンフィルタ１８１５＿１０とする。

図１４は、第２実施形態に係る画像処理装置１ａのノイズ除去処理を説明するための図である。図１５は、図１に示した画像処理装置の動作を説明するためのフローチャートである。図１４，１５を参照しながら画像処理装置１ａの動作、特にノイズ除去処理に関する動作を説明する。

ステップＳＴ１１において、例えば選択部１８１４は、信号Ｓ１８０４のノイズ分布特性を検出し、検出結果を基にそのノイズ特性に適したノイズ除去フィルタを選択させる信号Ｓ１８１４をノイズ除去フィルタ１８１５に出力する。例えば選択部１８１４はノイズ除去処理としてガウシアンフィルタ１８１５＿１およびガウシアンラプラシアンフィルタ１８１５＿１０を選択させる信号Ｓ１８１４をノイズ除去フィルタに出力する。

ステップＳＴ１２において、ノイズ除去フィルタ１８１５では、信号Ｓ１８１４を基にいずれかの（少なくとも１つの）ノイズ除去フィルタを選択し、その選択したノイズ除去フィルタで信号Ｓ１８０４をノイズ除去処理を行い、画像データＳ１８０６を生成する。
例えばノイズ除去フィルタ１８１５は、ガウシアンフィルタ１８１５＿１およびガウシアンラプラシアンフィルタ１８１５＿１０を選択する。説明の便宜上、ガウシアンフィルタ１８０５およびガウシアンラプラシアンフィルタ１８０６として説明する。

ステップＳＴ１２において、ガウシアンフィルタ１８０５は、例えば図１４（ａ）に示す信号Ｓ１８０４を基に数式（１），（３）に示すノイズ除去処理を行い、例えば図１４（ｂ）に示す画像データＳ１８０５を生成してガウシアンラプラシアンフィルタ１８０６に出力する。

ステップＳＴ１３において、ガウシアンラプラシアンフィルタ１８０６は、例えば図１４（ｂ）に示すような信号Ｓ１８０５を基にエッジ強調処理を行い、例えば図１４（ｃ）に示すような画像データＳ１８０６を生成して出力する。この画像データＳ１８０６は２値化画像データである。
ガウシアンラプラシアンフィルタ１８０６は、２値化処理を行う際に例えば図８（ｃ）に示す第１の範囲ｒ１内に規定された閾値を基に２値化処理を行う。

以上説明したように、複数のノイズ除去処理のうちいずれかのノイズ除去処理を選択する選択部１８１４と、例えばノイズ除去フィルタ１８１５として、ガウシアンフィルタ１８１５＿１、メディアンフィルタ１８１５＿２、最大値フィルタ１８１５＿３は、最小値フィルタ１８１５＿４、２次元適応ノイズ除去フィルタ１８１５＿５、近傍フィルタ１８１５＿６、平均化フィルタ１８１５＿７、ガウシアンローパスフィルタ１８１５＿８、２次元ラプラシアン近似フィルタ１８１５＿９、ガウシアンラプラシアンフィルタ１８１５＿１０とを設け、例えば選択部１８１４により選択されたフィルタが信号Ｓ１８０４を基にノイズ除去処理を行い、その後ガウシアンラプラシアンフィルタ１８０６によりエッジ強調処理を行い２値化するので、例えば画像データＳ１８０４から被検体ｈの生体の乱反射や撮像部１１等のデバイスに起因するノイズを除去し、予め決められた第１の範囲ｒ１の閾値を基に、適切に２値化した画像データを生成することができる。

また、選択部１８１４は、ノイズ特性に応じたフィルタを選択するので高精度にノイズを除去することができる。
また、例えば被検体ｈの血管を含む部位を透過光を撮像して生成した画像データをガウシアンフィルタ処理およびガウシアンラプラシアンフィルタ処理を行うことで高精度にノイズを除去処理でき、また適切に２値化処理して血管を示すパターンを視認可能な画像を生成することができる。

図１６は、本発明の第２実施形態に係る画像処理装置１ａの動作を説明するための概念図である。
本実施形態に係る画像処理装置１ａは、上述した処理で生成した２値化画像データＳ１８０６を基に、例えば図１６（ａ）に示すように、所定の大きさの領域ａｒ＿ｔｈ１より小さいノイズ成分の画素を図１６（ｂ）に示すように除去処理を行う。

また、画像処理装置１ａは、例えば図１６（ｃ）に示す２値化画像データＳ１８０６を基に、所定の距離ａｒ＿ｔｈ２内の同じ画素値の画素データｇ２１，ｇ２２を接続する処理を行い、例えば図１６（ｄ）に示す線形状のパターンｇ２を有する画像データを生成する。本実施形態では、この線形状のパターンは血管を示すパターンに相当する。

詳細には、画像処理装置１ａは、画像データを構成する、画素値を示す複数の画素データ毎に、当該画素データの周囲の第１の領域内の画素データのうち最小の画素データを所定の画素データとする縮退処理と、縮退処理による画素データ毎に、当該画素データの周囲の第１の領域より大きい第２の領域内の画素データのうち最大の画素データを所定の画素データとして膨張処理を行い、線形状のパターンを含む画像データを生成する。
本実施形態では、例えばモルフォロジ関数を用いて上述の機能を実現する。

図１７は、本発明の第２実施形態に係る画像処理装置の縮退処理および膨張処理を説明するための図である。
第１の縮退（erode ）処理部１８０７は、画像データＳ１８０６を基に、画像データＳ１８０６を構成する画素値を示す複数の画素データ毎に、当該画素データの周囲の第１の領域内の画素データのうち最小の画素データを所定の画素データとして画像データＳ１８０７を生成し、第１の膨張処理部１８０８に出力する。
詳細には、第１の縮退処理部１８０７は、例えば図１７（ａ）に示すように、第１の領域として、注目画素データｇ＿ａｔｔを中心とした十字形状のエレメントＥＬ１内の画素データのうち最小の画素データを注目画素ｇ＿ａｔｔの画素値とする。本実施形態では図１７（ｂ）に示すように最小値０を注目画素データｇ＿ａｔｔとする。

第１の膨張処理（dilate）処理部１８０８は、画像データＳ１８０７を基に、画像データＳ１８０７を構成する、画素値を示す複数の画素データ毎に、当該画素データの周囲の第１の領域内の画素データのうち最大の画素データを所定の画素データとして画像データＳ１８０８を生成し、第２の膨張処理部１８０９に出力する。

詳細には第１の膨張処理部１８０８は、例えば図１７（ａ）に示すように、第１の領域として注目画素データｇ＿ａｔｔを中心とした十字形状のエレメントＥＬ１内の画素データのうち最大の画素データを注目画素ｇ＿ａｔｔの画素値とする。本実施形態では図１７（ｃ）に示すように最大値１を注目画素データｇ＿ａｔｔとする。

第２の膨張処理部１８０９は、画像データＳ１８０８を基に、画像データＳ１８０８を構成する画素値を示す複数の画素データ毎に、当該画素データの周囲の第１の領域より大きい第２の領域内の画素データのうち最大の画素データを所定の画素データとして画像データＳ１８０９を生成し、第２の縮退処理部１８１０に出力する。

詳細には、第２の膨張処理部１８０９は、例えば図１７（ｄ）に示すように、第１の領域より大きい第２の領域として、注目画素データｇ＿ａｔｔを中心とした３×３矩形状のエレメントＥＬ２内の画素データのうち最大の画素データを注目画素ｇ＿ａｔｔの画素値とする。本実施形態では例えば図１７（ｅ）に示すように最大値１を注目画素データｇ＿ａｔｔとする。
本実施形態では３×３のエレメントを例に説明するが、この形態に限られるものではない。例えば５×５や７×７等の所望の大きさであってもよい。

第２の縮退処理部１８１０は、画像データＳ１８０９を基に、画像データＳ１８０９を構成する、画素値を示す複数の画素データ毎に、当該画素データの周囲の第１の領域より大きい第２の領域内の画素データのうち最小の画素データを所定の画素データとして画像データＳ１８１０を生成する。

詳細には、第２の縮退処理部１８１０は、例えば図１７（ｄ）に示すように、第１の領域より大きい第２の範囲として、注目画素データｇ＿ａｔｔを中心とした３×３矩形状のエレメントＥＬ２内の画素データのうち最小の画素データを注目画素ｇ＿ａｔｔの画素値とする。本実施形態では図１７（ｆ）に示すように最小値０を注目画素データｇ＿ａｔｔとする。

図１８は、本発明の第２実施形態に係る画像処理装置１ａの動作を説明するための図である。図１９は、第２実施形態に係る画像処理装置１ａの動作を説明するためのフローチャートである。図１４，１７，１８，１９を参照しながら画像処理装置の動作、特に縮退処理および膨張処理を中心に説明する。

ステップＳＴ２１において、第１の縮退処理部１８０７は、例えば図１４（ｃ）に示す画像データＳ１８０６を基に、例えば図１７（ａ）に示すように第１の領域として、注目画素データを中心とした十字形状のエレメントＥＬ１内の画素データのうち最小の画素データを注目画素ｇ＿ａｔｔの画素値とし、図１８（ａ）に示すような画像Ｓ１８０７を生成する。
第１の縮退処理部１８０７は、この第１の縮退処理の結果、所定の大きさより小さい画素データを除去した画像データＳ１８０７を生成する。

ステップＳＴ２２において、第１の膨張処理部１８０８は、例えば図１８（ａ）に示す画像データＳ１８０７を基に、例えば図１７（ａ）に示すように、第１の領域として注目画素データｇ＿ａｔｔを中心とした十字形状のエレメントＥＬ１内の画素データのうち最大の画素データを注目画素ｇ＿ａｔｔの画素値とし、図１８（ｂ）に示す画像データＳ１８０８を生成する。

ステップＳＴ２３において、第２の膨張処理部１８０９は、例えば図１８（ｂ）に示す画像データＳ１８０８を基に、例えば図１７（ｄ）に示すように、第１の領域より大きい第２の領域として、注目画素データｇ＿ａｔｔを中心とした３×３矩形状のエレメントＥＬ２内の画素データのうち最大の画素データを注目画素ｇ＿ａｔｔの画素値とし画像データＳ１８０９を生成する。

上述したステップＳＴ２２およびＳＴ２３の処理により、第１の膨張処理部１８０８および第２の膨張処理部は、所定の距離ａｒ＿ｔｈ２内の同じ画素値の画素データを接続し、線形状のパターンを有する画像データを生成する。

ステップＳＴ２４において、第２の縮退処理部１８１０は、例えば画像データＳ１８０９を基に、例えば図１７（ｄ）に示すように、第１の領域より大きい第２の領域として、注目画素データｇ＿ａｔｔを中心とした３×３矩形状のエレメントＥＬ２内の画素データのうち最小の画素データを注目画素ｇ＿ａｔｔの画素値として、例えば図１８（ｃ）に示すような画像データＳ１８１０を生成する。

以上説明したように、画像データＳ１８０６を構成する、画素値を示す複数の画素データ毎に、当該画素データの周囲の第１の領域内の画素データのうち最小の画素データを所定の画素データとして画像データＳ１８０７を生成する第１の縮退処理部１８０７と、画像データＳ１８０７を構成する複数の画素データ毎に、当該画素データの周囲の第１の領域内の画素データのうち最大の画素データを所定の画素データとして画像データＳ１８０８を生成する第１の膨張処理部１８０８と、画像データＳ１８０８を構成する複数の画素データ毎に、当該画素データの周囲の第１の領域より大きい第２の領域内の画素データのうち最大の画素データを所定の画素データとして画像データＳ１８０９を生成する第２の膨張処理部１８０９と、画像データＳ１８０９を構成する複数の画素データ毎に、当該画素データの周囲の第１の領域より大きい第２の領域内の画素データのうち最小の画素データを所定の画素データとして画像データＳ１８１０を生成する第２の縮退処理部１８１０とを設けたので、線形状のパターンを残し、ノイズ成分としての微小なパターンを除去できる。

ローパスフィルタ部１８１１は、例えば画像データＳ１８１０を基に、線形状のパターンを残すフィルタ処理を行い画像データＳ１８１１を生成する。
詳細にはローパスフィルタ部１８１１は、例えば画像データＳ１８１０を２次元フーリエ変換処理した２次元フーリエ空間上で周波数成分が、線形状のパターンを残させる閾値よりも低周波数成分データを特定し、特定したデータを逆２次元フーリエ変換処理を行い画像データＳ１８１１を生成する。

図２０は、図７に示した画像処理装置の第１のローパスフィルタ処理の動作を説明するための図である。図２０を参照しながらローパスフィルタ部１８１１の動作を説明する。
本実施形態に係るローパスフィルタ部１８１１は、高精度に線形状のパターンを抽出するために複数回、例えば３回、閾値を変化させてローパスフィルタ処理を行う。

線形状のパターンを残させる周波数成分の閾値を説明する。
ローパスフィルタ部１８１１は、例えば横軸をフーリエ空間のｘ成分、縦軸をフーリエ空間のｙ成分とすると図２０（ａ）に示すようにフーリエ空間上で閾値の基準となる領域ａｒ＿ｒｅｆを設定する。

本実施形態では、例えば図２０（ａ）に示すように、原点Ｏを中心として、３６０×３６０のフーリエ空間上で菱形の基準領域ａｒ＿ｒｅｆを設定する。また、図２０（ｂ）に示すように基準領域ａｒ＿ｒｅｆを含み、基準領域ａｒ＿ｒｅｆを所定の拡大率で拡大した領域ａｒ＿ｒｅｆ’を設定し、その領域ａｒ＿ｒｅｆ’をローパスフィルタとする。
第１のローパスフィルタ処理では、例えば図２０（ｃ）に示すように、フーリエ空間上で高周波成分を示す領域ａｒ＿ｈをカットするように、ローパスフィルタを設定する。この領域ａｒ＿ｈは実空間上では、例えば幾何学的に対称なパターン、例えば略円形状のパターン等に相当する。この領域ａｒ＿ｈをカットすることで、上述した幾何学的に対称なパターンを除去することができる。

閾値として例えば図２０（ｃ）に示すように２次元フーリエ空間上で、（１８０，１５０），（１５０，１８０），（−１５０，１８０）、（−１８０，１５０），（−１８０，−１５０），（−１５０，１８０），（１５０，−１８０），（１８０，−１５０）で囲まれる領域ａｒ＿ＬＰＦ１を設定する。領域ａｒ＿ＬＰＦ１は実空間上では、例えば線形状のパターンに相当する。この領域ａｒ＿ＬＰＦ１を特定することで、線形状のパターンを特定することができる。

ローパスフィルタ部１８１１は、画像データとして例えば図２０（ｄ）に示す画像データＳ１０１を基に、図２０（ｃ）に示すようにフーリエ空間上で領域ａｒ＿ＬＰＦ１内の低周波数成分データを特定する。そして例えば特定した低周波成分データに逆２次元フーリエ変換処理を施すと、例えば図２０（ｅ）に示す画像Ｓ１０２が得られる。例えば画像データＳ１０２の画素値に対して２値化処理（例えば５捨６入）を行うと、図２０（ｆ）に示す画像データＳ１０３が得られる。

図２１は、ローパスフィルタ部の第２のローパスフィルタ処理の動作を説明するための図である。
ローパスフィルタ部１８１１は、ローパスフィルタ処理の閾値としての領域ａｒ＿ＬＰＦ１より大きい領域を設定して、複数回フィルタ処理を行う。
ローパスフィルタ部１８１１は、例えば上述したように図２１（ａ）に示す領域ａｒ＿ＬＰＦ１より大きい領域、例えば図２１（ｂ）に示すように領域ａｒ＿ＬＰＦ２を設定する。
第２のローパスフィルタ処理では、詳細には閾値として例えば図２１（ｂ）に示すように、２次元フーリエ空間上で（１８０，１５６），（１５６，１８０），（−１５６，１８０），（−１８０，１５６），（−１８０，−１５６），（−１５６，−１８０），（１５６，−１８０），（１８０，−１５６）で囲まれる領域ａｒ＿ＬＰＦ２を設定する。

第２のローパスフィルタ処理において、ローパスフィルタ部１８１１は、例えば第１のローパスフィルタ処理後の画像データとして、図２０（ｃ），図２１（ｃ）に示す画像データＳ１０２を基に、図２１（ｂ）に示すフーリエ空間上で領域ａｒ＿ＬＰＦ２内の低周波数成分データを特定する。例えば特定した低周波成分データに逆２次元フーリエ変換処理を施すと、図２１（ｄ）に示す画像Ｓ１０４が得られる。例えば画像データＳ１０４の画素値に対して２値化処理（例えば５捨６入）を行うと、図２１（ｅ）に示す画像データＳ１０５が得られる。

図２２は、ローパスフィルタ部の第３のローパスフィルタ処理の動作を説明するための図である。
ローパスフィルタ部１８１１は、第３のローパスフィルタ処理として、例えば上述したように図２２（ａ）に示す領域ａｒ＿ＬＰＦ２より大きい領域、例えば図２２（ｂ）に示すように領域ａｒ＿ＬＰＦ３を設定する。
第３のローパスフィルタ処理では、詳細には閾値として例えば図２２（ｂ）に示すように、２次元フーリエ空間上で（１８０，１５７），（１５７，１８０），（−１５７，１８０），（−１８０，１５７），（−１８０，−１５７），（−１５７，−１８０），（１５７，−１８０），（１８０，−１５７）で囲まれる領域ａｒ＿ＬＰＦ３を設定する。

第３のローパスフィルタ処理において、ローパスフィルタ部１８１１は、例えば第２のローパスフィルタ処理後の画像データとして、図２１（ｄ），図２２（ａ）に示す画像データＳを１０４を基に、図２２（ｂ）に示すフーリエ空間上で領域ａｒ＿ＬＰＦ３内の低周波数成分データを特定する。
例えば特定した低周波成分データに逆２次元フーリエ変換処理を施すと、例えば図２２（ｄ）に示す画像Ｓ１０６が得られる。例えば画像データＳ１０６の画素値に対して２値化処理（例えば５捨６入）を行うと、図２２（ｅ）に示す画像データＳ１０７が得られる。

図２３，２４は、図７に示した画像処理装置のローパスフィルタ部の動作を説明するための図である。図２５は図７に示した画像処理装置のローパスフィルタ部の動作を説明するためのフローチャートである。図１８，２３〜２５を参照しながらローパスフィルタ部１８１１の動作を説明する。

ステップＳＴ３１において、ローパスフィルタ部１８１１は、第１のローパスフィルタ処理として、例えば図１８（ｃ），図２３（ａ）に示す画像データＳ１８１０を２次元フーリエ変換処理を行い、例えば図２０（ｃ）に示すように、フーリエ空間上で高周波成分である隅ａｒ＿ｈをカットするように領域ａｒ＿ＬＰＦ１を設定し、その領域ａｒ＿ＬＰＦ１内の低周波成分データを特定し、逆２次元フーリエ変換処理を行い図２３（ｂ）に示す画像データＳ１８０１１を生成する（ＳＴ３２）。例えば画像データＳ１８０１１を２値化処理（例えば５捨６入）を行うと図２３（ｃ）に示す画像データＳ１８１０３が得られる。

ステップＳＴ３３において、第２のローパスフィルタ処理として、ローパスフィルタ部１８１１は、図２３（ｂ），（ｄ）に示す画像データＳ１８１０２を基に２次元フーリエ変換処理を行い、例えば領域ａｒ＿ＬＰＦ１より大きい領域、例えば図２１（ｂ）に示す領域ａｒ＿ＬＰＦ２の領域を設定し、その領域ａｒ＿ＬＰＦ２内の低周波成分データを特定し、逆２次元フーリエ変換処理を行い図２３（ｅ）に示す画像データＳ１８０１４を生成する（ＳＴ３３）。例えば画像データＳ１８０１４を２値化処理（例えば５捨６入）を行うと図２３（ｆ）に示す画像データＳ１８１０５が得られる。

ステップＳＴ３４において、第３のローパスフィルタ処理として、ローパスフィルタ部１８１１は、図２３（ｅ），図２４（ａ）に示す画像データＳ１８１０４を基に２次元フーリエ変換処理を行い、例えば領域ａｒ＿ＬＰＦ２よりも大きい領域、例えば図２２（ｂ）に示す領域ａｒ＿ＬＰＦ３の領域を設定し（ＳＴ３４）、その領域ａｒ＿ＬＰＦ３内の低周波成分データを特定し（ＳＴ３５）、逆２次元フーリエ変換処理を行い図２４（ｂ）に示す画像データＳ１８１０６を生成し、画像データＳ１８１０６を２値化処理（例えば５捨６入）を行い図２３（ｆ）に示す画像データＳ１８１１を生成する。

以上説明したように、ローパスフィルタ部１８１１が、画像データ内の線形状のパターンを残すように、画像データを２次元フーリエ変換処理した２次元フーリエ空間上で周波数成分が線形状のパターンを残させる閾値よりも低周波数成分データを特定し、その特定した低周波数成分データを逆２次元フーリエ変換処理することで線形状のパターンを抽出することができる。また、その閾値より高周波成分データを除去することで、幾何学的に対称なパターン、例えば略円形状のパターンを除去することができる。

また、ローパスフィルタ部１８１１は、フィルタ領域ａｒ＿ＬＰＦを大きくして複数回、ローパスフィルタ処理を行うので、より高精度に線形状のパターンを抽出することができる。

図２６は、図７に示した画像処理装置１ａのスケルトン部の動作を説明するための図である。
画像処理装置１は、画像データ中から認証に用いる領域を抽出する。本実施系形態では、画像処理装置１は画像データ中の血管を示すパターンを含む領域を、認証に用いる領域として抽出する。

スケルトン部１８１２は、画像データＳ１８１１を基に、スケルトン処理を行い画像データＳ２１を生成し、画像データＳ２１を認証用の画像データＳ２１として画像生成部２３に出力する。
詳細には、スケルトン部１８１２は、例えば図２６（ａ）に示す画像データＳ１８１１を基にモルフォロジ関数を用いて縮退処理を行い、図２６（ｂ）に示すように、認証用の画像データＳ２１を生成する。図２６（ｂ）に示す画像データＳ２１は、簡単な説明のため白画素と黒画素を反転した画像を示す。

図２７は、図７に示した第２実施形態に係る画像処理装置１ａの全体の動作を説明するためのフローチャートである。図２７を参照しながら、画像処理装置１の動作を簡単に説明する。本実施形態では、被検体ｈの生体、例えば指を撮像して画像データを生成し、画像データ中の指の静脈を示すパターンを抽出し、そのパターンを基に認証処理を行う場合を説明する。

ステップＳＴ１０１において、ＣＰＵ１８は、例えば撮像系１０１の照射部１０１１から被検体ｈの指に近赤外線を照射させる。撮像部１１では、被検体ｈ，光学レンズ１０１２を介して入力された透過光を基にＲＢＧの画像データＳ１１を生成する。
スケルトン画像生成部２１のグレースケール変換部１８０１では、ＲＧＢの信号Ｓ１１を基に例えば２５６階調のグレースケールに変換して信号Ｓ１８０１として分布データ生成部１８０２に出力する。

本実施形態では、撮像系１０１は、ＲＧＢの画像データＳ１１を生成したが、この形態に限られるものではない。例えば、撮像系１０１がグレースケールの画像データＳ１１を生成した場合には、グレースケール変換部１８０１の処理を行わずに、画像データＳ１１を分布データ生成部１８０２に出力する。

ステップＳＴ１０２において、分布データ生成部１８０２では、信号Ｓ１８０１を基に、例えば横軸ｃを階調の値（画素値ともいう），縦軸ｆをその画素データの数（度数ともいう）とすると、例えば図８（ｃ）に示すように第１の範囲ｒ１として２５６階調の範囲の画素値を示す画素データについて、分布データｄ１としてヒストグラムを生成する。
本実施形態では、例えばスケルトン画像生成部２１とマスク部２２のグレースケール変換部およびマッピング部が共通に設けられ、同一の動作を行う。

特定部１８０３では、信号Ｓ１８０２を基に例えば図９（ａ）に示すように、分布データｄ１について第１の範囲ｒ１内のうち、予め決められた閾値Ｖ＿ｔｈの数の画素値ｒ１１，ｒ１２，ｒ１３，ｒ１４のなかで最大の画素値ｒ１１以下の範囲を第２の範囲ｒ２として特定し、信号Ｓ１８０３として出力する（ＳＴ１０３）。

一方、マスク部２２のグレースケール変換部２２１、分布データ生成部２２２、および特定部２２３は、第１実施形態と同様の処理を行い分布データを生成し、分布データを基にマスク画像データ用のための閾値Ｍを生成する。

ステップＳＴ１０４において、マスク画像データまたはスケルトン画像データ（認証用画像データ）を生成するかが判別され、スケルトン画像データを生成する場合には、ステップＳＴ１０５の処理に進む。一方、マスク画像データを生成する場合には、ステップＳＴ１０８の処理に進む。

ステップＳＴ１０５において、マッピング部１８０４は、信号Ｓ１８０３を基に、複数の画素データのうち、特定部１８０３が特定した第２の範囲ｒ２にある画素データを第１の範囲ｒ１にマッピングして、当該マッピングした画素データで構成される第２の画像データを生成し、信号Ｓ１８０４としてガウシアンフィルタ１８０５に出力する。
詳細にはマッピング部１８０４は、例えば図８（ｃ）に示すように０〜１１０の画素値の範囲を第２の範囲ｒ２とする場合には、図８（ｄ）に示すように画素データを０〜２５６の画素値の範囲である第１の範囲ｒ１に拡大することでマッピングを行い、図８（ｅ）に示すように血管情報を含む画像データのうち中心部分を拡大して第２の画像データＳ１８０４を生成する。

ステップＳＴ１０６において、フィルタ処理を行う。詳細には、例えば選択部１８１４は、信号Ｓ１８０４のノイズ分布特性を検出し、検出結果を基に複数のノイズ除去フィルタのうち、そのノイズ特性に適した、いずれかの（少なくとも１つの）ノイズ除去フィルタを選択させる信号Ｓ１８１４をノイズ除去フィルタ１８１５に出力する。例えば選択部１８１４はノイズ除去処理としてガウシアンフィルタ１８１５＿１およびガウシアンラプラシアンフィルタ１８１５＿１０を選択させる信号Ｓ１８１４をノイズ除去フィルタ１８１５に出力する。
ノイズ除去フィルタ１８１５では、信号Ｓ１８１４に応じていずれかのノイズ除去フィルタを選択し、例えばガウシアンフィルタ１８１５＿１およびガウシアンラプラシアンフィルタ１８１５＿１０を選択する。説明の便宜上、それぞれをガウシアンフィルタ１８０５およびガウシアンラプラシアンフィルタ１８０６として説明する。

ガウシアンフィルタ１８０５は、例えば図１４（ａ）に示す信号Ｓ１８０４を基に数式（１），（３）に示すノイズ除去処理を行い、例えば図１４（ｂ）に示す画像データＳ１８０５を生成してガウシアンラプラシアンフィルタ１８０６に出力する。

ガウシアンラプラシアンフィルタ１８０６は、例えば図１４（ｂ）に示す信号Ｓ１８０５を基にエッジ強調処理を行い、例えば図１４（ｃ）に示す画像データＳ１８０６を生成して出力する。この際、画像データＳ１８０６は２値化画像データである。
ガウシアンラプラシアンフィルタ１８０６は、２値化処理を行う際に例えば図８（ｃ）に示す第１の範囲ｒ１内に規定された閾値を基に２値化処理を行う。

第１の縮退処理部１８０７は、例えば図１４（ｃ）に示す画像データＳ１８０６を基に、例えば図１７（ａ）に示すように第１の領域として、注目画素データを中心とした十字形状のエレメントＥＬ１内の画素データのうち最小の画素データを注目画素ｇ＿ａｔｔの画素値とし、図１８（ａ）に示すような画像Ｓ１８０７を生成する。

第１の膨張処理部１８０８は、例えば図１８（ａ）に示す画像データＳ１８０７を基に、例えば図１７（ａ）に示すように第１の領域として、注目画素データｇ＿ａｔｔを中心とした十字形状のエレメントＥＬ１内の画素データのうち最大の画素データを注目画素ｇ＿ａｔｔの画素値とし、図１８（ｂ）に示す画像データＳ１８０８を生成する。

第２の膨張処理部１８０９は、例えば図１８（ｂ）に示す画像データＳ１８０８を基に、例えば図１７（ｄ）に示すように第１の領域より大きい第２の領域として、注目画素データｇ＿ａｔｔを中心とした３×３矩形状のエレメントＥＬ２内の画素データのうち最大の画素データを注目画素ｇ＿ａｔｔの画素値とし画像データＳ１８０９を生成する。

第２の縮退処理部１８１０は、例えば画像データＳ１８０９を基に、例えば図１７（ｄ）に示すように、第１の領域より大きい第２の領域として、注目画素データｇ＿ａｔｔを中心とした３×３矩形状のエレメントＥＬ２内の画素データのうち最小の画素データを注目画素ｇ＿ａｔｔの画素値として、例えば図１８（ｃ）に示すような画像データＳ１８１０を生成する。

ローパスフィルタ部１８１１は、第１のローパスフィルタ処理として、例えば図１８（ｃ），図２３（ａ）に示す画像データＳ１８１０を２次元フーリエ変換処理を行い、例えば図２４（ｃ）に示すように、フーリエ空間上で高周波成分である隅ａｒ＿ｈをカットするように領域ａｒ＿ＬＰＦ１を設定し、その領域ａｒ＿ＬＰＦ１内の低周波成分データを特定し、逆２次元フーリエ変換処理を行い図２３（ｂ）に示す画像データＳ１８０１１を生成する。

第２のローパスフィルタ処理として、ローパスフィルタ部１８１１は、図２３（ｂ），（ｄ）に示す画像データＳ１８１０２を基に２次元フーリエ変換処理を行い、例えば領域ａｒ＿ＬＰＦ１よりも大きい領域、例えば図２１（ｂ）に示す領域ａｒ＿ＬＰＦ２の領域を設定し、その領域ａｒ＿ＬＰＦ２内の低周波成分データを特定し、逆２次元フーリエ変換処理を行い図２３（ｅ）に示す画像データＳ１８０１４を生成する。

第３のローパスフィルタ処理として、ローパスフィルタ部１８１１は、図２３（ｅ），図２４（ａ）に示す画像データＳ１８１０４を基に２次元フーリエ変換処理を行い、例えば領域ａｒ＿ＬＰＦ２よりも大きい領域、例えば図２２（ｂ）に示す領域ａｒ＿ＬＰＦ３の領域を設定し、その領域ａｒ＿ＬＰＦ３内の低周波成分データを特定し、逆２次元フーリエ変換処理を行い図２４（ｂ）に示す画像データＳ１８０１６を生成し、画像データＳ１８０１６を２値化処理（例えば５捨６入）を行い、図２４（ｆ）に示す画像データＳ１８１１を生成する。

スケルトン部１８１２は、例えば図２４（ｆ），図２６（ａ）に示す画像データＳ１８１１を基にスケルトン処理、詳細にはモルフォロジ関数を用いて縮退処理を行い、図２６（ｂ）に示すスケルトン画像データＳ２１を生成し、認証用の画像データＳ２１として画像生成部２３に出力し（ＳＴ１０７）、ステップＳＴ１１１の処理に進む。

一方、ステップＳＴ１０４の判別において、マスク画像データを生成する場合には、ステップＳＴ１０８〜ＳＴ１１０により、閾値Ｍを基に２値化処理を行い、細化処理を行い、マスク画像データを生成し、ステップＳＴ１１１の処理に進む。
ステップＳＴ１０８〜ＳＴ１１０の処理は、第１実施形態に係るステップＳＴＳＴ１００２〜ＳＴ１００４と同様な処理なので説明を省略する。

ステップＳＴ１１１において、マスク画像データおよびスケルトン画像データの両画像データが作成（生成）したか否かが判別され、両画像データを作成（生成）していない場合には、ステップＳＴ１０４の処理に戻る。
一方、ステップＳＴ１１１の判別において、マスク画像データおよびスケルトン画像データの両画像データが生成済みの場合には、ステップＳＴ１１２の処理に進む。

ステップＳＴ１１２において、画像生成部２３では、スケルトン画像データを、マスク画像データを基にマスク処理を行い、詳細にはＡＮＤ演算処理を行い、認証に必要な画像データを抽出して画像データＳ２３を生成し（ＳＴ１１３）、認証部１０３は画像データＳ２３を基に、認証処理を行う（ＳＴ１１４）。

以上説明したように、本実施形態では、スケルトン画像生成部２１が画像データの分布データを基に認証用の画像データを生成するための閾値を特定し、当該特定した閾値を基に認証用の画像データを生成し、画像生成部２３が認証用の画像データをマスク部２２が生成したマスク画像データを基にマスク処理を行い、認証に必要な画像データを抽出したので、認証部１０３はより高精度な認証処理を行うことができる。

また、分布データ生成部１８０２により分布データを生成し、特定部１８０３により第２の範囲を特定し、マッピング部１８０４により第２の範囲を第１の範囲にマッピングし、第１の範囲ｒ１内に規定された閾値を基に２値化して第３の画像データを生成するので、被検体ｈ毎に画素値の分布データｄ１が異なる場合であっても、適切に２値化処理できる。

また、複数のノイズ除去処理のうちいずれかのノイズ除去処理を選択する選択部１８１４と、例えば複数の異なる種類のノイズ除去フィルタを有するノイズ除去フィルタ１８１５とを設け、例えば選択部１８１４により選択されフィルタが信号Ｓ１８０４を基にノイズ除去処理を行い、その後ガウシアンラプラシアンフィルタ１８０６によりエッジ強調処理を行い２値化するので、例えば画像データＳ１８０４から被検体ｈの生体の乱反射や撮像部１１等のデバイスに起因するノイズを除去し、予め決められた第１の範囲ｒ１の閾値を基に、適切に２値化した画像データを生成することができる。

また、画像データＳ１８０６を構成する、画素値を示す複数の画素データ毎に、当該画素データの周囲の第１の領域内の画素データのうち最小の画素データを所定の画素データとして画像データＳ１８０７を生成する第１の縮退処理部１８０７と、画像データＳ１８０７を構成する複数の画素データ毎に、当該画素データの周囲の第１の領域内の画素データのうち最大の画素データを所定の画素データとして画像データＳ１８０８を生成する第１の膨張処理部１８０８と、画像データＳ１８０８を構成する複数の画素データ毎に、当該画素データの周囲の第１の領域よりも大きい第２の領域内の画素データのうち最大の画素データを所定の画素データとして画像データＳ１８０９を生成する第２の膨張処理部１８０９と、画像データＳ１８０９を構成する複数の画素データ毎に、当該画素データの周囲の第１の領域よりも大きい第２の領域内の画素データのうち最小の画素データを所定の画素データとして画像データＳ１８１０を生成する第２の縮退処理部１８１０とを設けたので、線形状のパターンを残し、ノイズ成分としてのパターンを除去できる。

また、ローパスフィルタ部１８１１が、画像データ内の線形状のパターンを残すように、画像データを２次元フーリエ変換処理した２次元フーリエ空間上で周波数成分が線形状のパターンを残させる閾値よりも低周波数成分データを特定し、その特定した低周波数成分データを逆２次元フーリエ変換処理することで線形状のパターンを抽出することができる。また、幾何学的に対称なパターンを除去することができる。

また、一連の処理動作を行うことにより、例えば被検体ｈの血管を示すパターンを高精度に抽出することができる。
また、個々人特有の血管の静脈を示すパターンを高精度に抽出できるので、そのパターンを基により高精度に認証を行うことができる。

また、従来の画像処理装置では、画像データから血管情報を基に、血管トレース用のＡＩフィルターを使用するという煩雑な処理を行っていたが、本実施形態に係る画像処理装置１は、例えば被検体ｈを撮像して得られた画像データを基に高精度に血管を示すパターンを抽出することができるので、従来に比べて処理負担が軽くなる。

図２８は、本発明の第３実施形態に係る画像処理装置の機能ブロック図である。
本実施形態に係る画像処理装置１ｂは、第１および第２実施形態に係る画像処理装置と比べて、マスク部２２ｂの構成要素が異なる点である。
例えば、マスク部２２ｂは、例えば図２８に示すように、グレースケール変換部２２１、分布データ生成部２２２、特定部２２３、マッピング部２２６、およびマスク画像データ生成部２２７を有する。
グレースケール変換部２２１、分布データ生成部２２２、および特定部２２３は、第１実施形態に係るマスク部２２と同様の機能であるので、説明を省略する。

マッピング部２２６は、特定部２２３が特定した、マスク画像データを生成するための範囲Ｍ内にある画素データを、第１の範囲ｒ１にマッピングして、当該マッピングした画素データで構成される画像データＳ２２６を生成する。

図２９は、図２８に示した画像処理装置のマッピング部２２６の動作を説明するための図である。
マッピング部２２６は、例えば図２９（ａ）に示すように、特定部２２３が特定したマスク画像データを生成するための範囲Ｍ内にある画素データを、図２９（ｂ）に示すように、第１の範囲ｒ１にマッピング（拡大とも言う）して、当該マッピングした画素データで構成される画像データＳ２２６を生成する。
詳細には、マッピング部２２６は、例えば画素値が０〜Ｍまでの画素値データの値を、０〜所定の階調、例えば本実施形態では図２９（ｂ）に示すように２５５まで拡大してマッピングを行う。

マスク画像データ生成部２２７は、マッピング部２２６が生成した画像データＳ２２６を、第１の範囲ｒ１で規定された閾値を基に２値化してマスク画像データＳ２２７を生成して、マスク画像データＳ２２として出力する。

詳細には、マスク画像データ生成部２２７は、例えば図２８に示すように、フィルタ部２２７１、および細化部２２７２を有する。
フィルタ部２２７１は、マッピング部２２６が生成した画像データＳ２２６をフィルタ処理を行い２値化したマスク画像データＳ２２７１を生成する。
フィルタ処理としては、例えば、ガウシアンフィルタ、メディアンフィルタ、最大値フィルタ、最小値フィルタ、２次元適応ノイズ除去フィルタ、近傍フィルタ、平均化フィルタ、ガウシアンローパスフィルタ、２次元ラプラシアンフィルタ、ガウシアンラプラシアンフィルタ等のフィルタ処理を行う。

細化部２２７２は、第１実施形態に係る細化部２２５と同じ機能を有し、例えば画像データＳ２２７１を、例えば第２実施形態に示した、単位領域を基にモルフォロジ処理の縮退処理（ｅｒｏｄｅ）および膨張処理（ｄｉｌａｔｅ）処理を行い、境界部分を除去する。

図３０は、本発明の第３実施形態に係る画像処理装置の動作を説明するためのフローチャートである。図３１は、本発明の第３実施形態に係る画像処理装置の動作を説明するための図である。図３０，３１を参照しながら、画像処理装置１ｂの動作を、第１および第２実施形との相違点を主体として説明する。第１および第２実施形態と同じ動作は説明を省略する。

ステップＳＴ１０１において、ＣＰＵ１８は、例えば撮像系１０１の照射部１０１１から被検体ｈの指に近赤外線を照射させる。撮像部１１では、被検体ｈ，光学レンズ１０１２を介して入力された透過光を基にＲＢＧの画像データＳ１１を生成する。
スケルトン画像生成部２１のグレースケール変換部１８０１では、図３１（ａ）に示すＲＧＢの信号Ｓ１１を基に例えば２５６階調のグレースケールに変換して信号Ｓ１８０１として分布データ生成部１８０２に出力する。

本実施形態では、撮像系１０１は、ＲＧＢの画像データＳ１１を生成したが、この形態に限られるものではない。例えば、撮像系１０１がグレースケールの画像データＳ１１を生成した場合には、グレースケール変換部１８０１の処理を行わずに、画像データＳ１１を分布データ生成部１８０２に出力する。

ステップＳＴ１０２において、分布データ生成部１８０２では、信号Ｓ１８０１を基に、例えば横軸ｃを階調の値（画素値ともいう），縦軸ｆをその画素データの数（度数ともいう）とすると、例えば、図２９（ａ），図３１（ｂ）に示すように第１の範囲ｒ１として２５６階調の範囲の画素値を示す画素データについて、分布データｄ１としてヒストグラムを生成する。
本実施形態では、例えばスケルトン画像生成部２１とマスク部２２のグレースケール変換部およびマッピング部が共通に設けられ、同一の動作を行う。

特定部１８０３では、信号Ｓ１８０２を基に例えば図９（ａ）に示すように、分布データｄ１について第１の範囲ｒ１内のうち、予め決められた閾値Ｖ＿ｔｈの数の画素値ｒ１１，ｒ１２，ｒ１３，ｒ１４のなかで最大の画素値ｒ１１以下の範囲を第２の範囲ｒ２として特定し、信号Ｓ１８０３として出力する（ＳＴ１０３）。

一方、マスク部２２のグレースケール変換部２２１、分布データ生成部２２２、および特定部２２３は、第１実施形態と同様の処理を行い分布データを生成し、図２９（ａ），図３１（ｂ）に示すように、分布データｄ１を基にマスク画像データ用のための範囲Ｍを生成する。

ステップＳＴ１０４〜ステップＳＴ１０７の処理は、第２実施形態と同様な動作なので説明を省略する。
ステップＳＴ１０４において、マスク画像データを生成すると判別した場合には、ステップＳＴ１０８１において、マッピング部２２６は、特定部２２３が特定したマスク画像データを生成するための範囲Ｍ内にある画素データを、図２９（ｂ）に示すように、第１の範囲ｒ１にマッピングして、図３１（ｃ）に示すように、当該マッピングした画素データで構成される画像データＳ２２６を生成する。

ステップＳＴ１０８２において、フィルタ部２２７１は、マッピング部２２６が生成した画像データＳ２２６をフィルタ処理を行い、図３１（ｄ）に示すように、２値化したマスク画像データＳ２２７１を生成する（ＳＴ１０９）。
ステップＳＴ１１０において、細化部２２７２は、例えば図３１（ｄ）に示す画像データＳ２２７１を、単位領域を基にモルフォロジ処理の縮退処理（ｅｒｏｄｅ）および膨張処理（ｄｉｌａｔｅ）処理を行い、細化処理を行い、図３１（ｅ）に示すように、左右の境界部分を細化処理して除去した画像データＳ２２７２を生成し、ステップＳＴ１１１に進む。

ステップＳＴ１１１において、マスク画像データおよびスケルトン画像データの両画像データが作成（生成）したか否かが判別され、両画像データを作成（生成）していない場合には、ステップＳＴ１０４の処理に戻る。
一方、ステップＳＴ１１１の判別において、マスク画像データおよびスケルトン画像データの両画像データが生成済みの場合には、ステップＳＴ１１２の処理に進む。

ステップＳＴ１１２において、画像生成部２３では、例えば図３１（ｆ）に示す、スケルトン画像生成部２１が生成したスケルトン画像データを、図３１（ｅ）に示すマスク画像データＳ２２７２を基にマスク処理を行い、詳細にはＡＮＤ演算処理を行い、認証に必要な画像データを抽出して画像データＳ２３を生成し（ＳＴ１１３）、認証部１０３は画像データＳ２３を基に認証処理を行う（ＳＴ１１４）。

以上説明したように、本実施形態では、画像データを構成し、予め規定された第１の範囲ｒ１の画素値を示す複数の画素データについて画素データの分布を示す分布データｄ１を生成する分布データ生成部２２２と、分布データ生成部２２２が生成した分布データｄ１および予め設定した値を基に、マスク画像データを生成するための範囲Ｍを特定する特定部２２３と、特定部２２３が特定した範囲Ｍ内にある画素データを第１の範囲ｒ１にマッピングして、当該マッピングした画素データで構成される画像データＳ２２６を生成するマッピング部２２６と、マッピング部２２６が生成した画像データＳ２２６を、第１の範囲ｒで規定された閾値を基に２値化してマスク画像データＳ２２を生成するマスク画像データ生成部２２ｂとを設け、詳細には、マスク画像データ生成部２２ｂには、信号Ｓ２２６を基にフィルタ処理を行い、第１の範囲ｒで規定された閾値を基に、２値化処理を行い画像データＳ２２７１を生成し、画像データＳ２２７１を細化処理を行い画像データＳ２２を生成する細化部２２７２とを設けたので、第１実施形態と比べて、ノイズの少ない高精度なマスク画像データＳ２２を生成することができる。
また、認証部１０３は、そのマスク画像データＳ２２を基に、第１実施形態よりも高精度な認証処理を行うことができる。
また、画像データＳ１１から認証に必要な情報と、認証に不必要な情報とを容易に分離することができる。

なお、本発明は本実施形態に限られるものではなく、任意好適な種々の変更が可能である。
本実施形態では、被検体（生体）の一部を撮影した場合を例に挙げて説明したが、生体に限られるものではない。
必要な情報の例として指静脈の血管抽出を挙げているが、これに限られるものではない。
また、フィルタ処理に関しては、例えばガウシャンフィルタ等を例に説明したが、この形態に限られるものではない。

また、本実施形態では、グレースケール変換部を設けたがこの形態に限られるものではない。例えば撮像部が所定の階調のグレースケールの画像を生成した場合には、グレースケール変換部を設けなくてもよい。

また、本実施形態では、スケルトン画像生成部２１およびマスク部２２それぞれに、グレースケール変換部および分布データ生成部それぞれを設けたが、この形態に限られるものではない。
例えば、スケルトン画像生成部２１およびマスク部２２の前段に、グレースケール変換部および分布データ生成部を共通に設けてもよい。こうすることで処理負担が軽減される。

また、実施形態では特定部２２３が、マスク画像データを生成する際に、分布データ生成部２２２が生成した分布データｄ１、および予め設定した値Ｍｔｈを基に、マスク画像データを生成するための閾値Ｍを特定し、閾値Ｍを信号Ｓ２２３として２値化部２２４に出力し、２値化部２２４が、画素値０〜Ｍまでの画像データにより、マスク画像データを生成しする形態を説明したが、この形態に限られるものではない。

例えば、図３２に示すように、マスク画像データを生成するために必要な領域の画素値の開始点を、ヒストグラムの値が閾値ｔｈを超えた画素値Ｓとし、つまり画素値０の場合も含むが、画素値０からとは限らない。この例ではマスク画像データを生成する場合には、画素値ＳからＭまでを用いる。
また、スケルトン画像データを生成する際にも、画素値０からとは限らずに、別の閾値ｔｈを超えた画素値ＳからＥまでの画素を用いてもよい。

本発明に係る画像処理装置の第１実施形態を示す全体の概念図である。 図１に示した画像処理装置のハードウェア的なブロック図である。 図１に示した画像処理装置の機能ブロック図である。 図３に示したマスク部の一実施形態に係る機能ブロック図である。 図１に示した画像処理装置の動作を説明するための図である。 図１に示した画像処理装置の動作を説明するためのフローチャートである。 本発明の第２実施形態に係る画像処理装置１ａのスケルトン画像生成部２１の一実施形態を示す機能ブロック図である。 図１に示した画像処理装置の動作を説明するための図である。 図７に示した特定部の動作を説明するための図である。 図１に示した画像処理装置のマッピング処理に係る動作を説明するためのフローチャートである。 図１に示した画像処理装置のフィルタ処理に係る機能ブロック図である。 ガウシアンフィルタを説明するための図である。 ガウシアンラプラシアンフィルタを説明するための図である。 第２実施形態に係る画像処理装置１ａのノイズ除去処理を説明するための図である。 図１に示した画像処理装置の動作を説明するためのフローチャートである。 本発明の第２実施形態に係る画像処理装置１ａの動作を説明するための概念図である。 本発明の第２実施形態に係る画像処理装置の縮退処理および膨張処理を説明するための図である。 本発明の第２実施形態に係る画像処理装置１ａの動作を説明するための図である。 本発明の第２実施形態に係る画像処理装置１ａの動作を説明するためのフローチャートである。 図７に示した画像処理装置の第１のローパスフィルタ処理の動作を説明するための図である。 ローパスフィルタ部の第２のローパスフィルタ処理の動作を説明するための図である。 、ローパスフィルタ部の第３のローパスフィルタ処理の動作を説明するための図である。 図７に示した画像処理装置のローパスフィルタ部の動作を説明するための図である。 図７に示した画像処理装置のローパスフィルタ部の動作を説明するための図である。 図７に示した画像処理装置のローパスフィルタ部の動作を説明するためのフローチャートである。 図７に示した画像処理装置１ａのスケルトン部の動作を説明するための図である。 図７に示した第２実施形態に係る画像処理装置１ａの全体の動作を説明するためのフローチャートである。 本発明に係る第３実施形態に係る画像処理装置１ｂの機能ブロック図である。 図２８に示した画像処理装置のマッピング部２２６の動作を説明するための図である。 本発明の第３実施形態に係る画像処理装置の動作を説明するためのフローチャートである。 本発明の第３実施形態に係る画像処理装置の動作を説明するための図である。 本発明に係る画像処理装置の動作を説明するための図である。

符号の説明

１，１ａ，１ｂ…画像処理装置、１１…撮像部、１２…入力部、１３…出力部、１４…通信インタフェース、１５…ＲＡＭ（Random access Memory）、１６…ＲＯＭ（Read only memory）、１７…記憶部、１８…ＣＰＵ、２１…スケルトン画像生成部、２２，２２ｂ…マスク部、１０１…撮像系、１０２…抽出部、１０３…認証部、２２１…グレースケール変換部、２２２…分布データ生成部、２２３…特定部、２２４…２値化部、２２５…細化部、２２６…マッピング部、２２７…スク画像データ生成部、１０１１…照射部、１０１２…光学レンズ、１８０１…グレースケール変換部、１８０２…分布データ生成部、１８０３…特定部、１８０４…マッピング部、１８０５…ガウシアンフィルタ、１８０６…ガウシアンラプラシアン、１８０７…第１の縮退処理部、１８０８…第１の膨張処理部、１８０９…第２の膨張処理部、１８１０…第２の縮退処理部、１８１１…ローパスフィルタ部、１８１２…スケルトン部、１８１４…選択部、ノイズ除去フィルタ１８１５、１８１５＿１…ガウシアンフィルタ、１８１５＿２…メディアンフィルタ、１８１５＿３…最大値フィルタ、１８１５＿４…最小値フィルタ、１８１５＿５…２次元適応ノイズ除去フィルタ、１８１５＿６…近傍フィルタ、１８１５＿７…平均化フィルタ、１８１５＿８…ガウシアンローパスフィルタ、１８１５＿９…２次元ラプラシアン近似フィルタ、１８１５＿１０…ガウシアンラプラシアンフィルタ、２２７１…フィルタ部、２２７２…細化部。

Claims (33)

1. 第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理方法であって、
   前記第１の画像データを構成し、予め規定された範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する第１のステップと、
   前記第１のステップで生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための閾値を特定する第２のステップと、
   前記第１の画像データを、前記第２のステップで特定した閾値を基に２値化して前記マスク画像データを生成する第３のステップと
   を有する画像処理方法。
2. 前記第２のステップは、前記第１のステップで生成した分布データ中のマスク処理対象の特徴を示すパターンを基に前記閾値を特定する
   請求項１に記載の画像処理方法。
3. 前記第１の画像データを、前記第３のステップで生成したマスク画像データを基にマスク処理を行い第２の画像データを生成する第４のステップを有する
   請求項１に記載の画像処理方法。
4. 前記第４のステップで生成した第２の画像データを基に、前記第１の画像データの認証処理を行う第５のステップを有する
   請求項３に記載の画像処理方法。
5. 前記第４のステップは、前記第１の画像データの前記分布データを基に認証用の画像データを生成するための閾値を特定し、当該特定した閾値を基に認証用の画像データを生成し、当該認証用の画像データを前記第３のステップで生成したマスク画像データを基にマスク処理を行い第２の画像データを生成する
   請求項３に記載の画像処理方法。
6. 第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理方法であって、
   前記第１の画像データを構成し、予め規定された第１の範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する第１のステップと、
   前記第１のステップで生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための第２の範囲を特定する第２のステップと、
   前記第２のステップで特定した第２の範囲内にある画素データを前記第１の範囲にマッピングして、当該マッピングした前記画素データで構成される第３の画像データを生成する第３のステップと、
   前記第３のステップで生成した前記第３の画像データを、前記第１の範囲で規定された閾値を基に２値化して前記マスク画像データを生成する第４のステップと
   を有する画像処理方法。
7. 前記第２のステップは、前記第１のステップで生成した分布データ中のマスク処理対象の特徴を示すパターンを基に前記第２の範囲を特定する
   請求項６に記載の画像処理方法。
8. 前記第４のステップは、前記第３のステップで生成した前記第３の画像データをフィルタ処理を行い２値化した前記マスク画像データを生成する
   請求項６に記載の画像処理方法。
9. 前記第１の画像データを、前記第４のステップで生成した前記マスク画像データを基にマスク処理を行い第２の画像データを生成する第５のステップを有する
   請求項６に記載の画像処理方法。
10. 前記第５のステップで生成した第２の画像データを基に、前記第１の画像データの認証処理を行う第６のステップを有する
    請求項９に記載の画像処理方法。
11. 前記第５のステップは、前記第１の画像データの前記分布データを基に認証用の画像データを生成するための閾値を特定し、当該特定した閾値を基に認証用の画像データを生成し、当該認証用の画像データを前記第３のステップで生成したマスク画像データを基にマスク処理を行い第２の画像データを生成する
    請求項９に記載の画像処理方法。
12. 第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理装置であって、
    前記第１の画像データを構成し、予め規定された範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する分布データ生成手段と、
    前記分布データ生成手段が生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための閾値を特定する特定手段と、
    前記第１の画像データを、前記特定手段が特定した閾値を基に２値化して前記マスク画像データを生成するマスク画像データ生成手段と
    を有する画像処理装置。
13. 前記特定手段は、前記分布データ生成手段が生成した分布データ中のマスク処理対象の特徴を示すパターンを基に前記閾値を特定する
    請求項１２に記載の画像処理装置。
14. 前記第１の画像データを、前記マスク画像データ生成手段が生成したマスク画像データを基にマスク処理を行い第２の画像データを生成する画像生成手段を有する
    請求項１２に記載の画像処理装置。
15. 前記画像生成手段が生成した第２の画像データを基に、前記第１の画像データの認証処理を行う認証手段を有する
    請求項１４に記載の画像処理装置。
16. 前記第１の画像データの前記分布データを基に認証用の画像データを生成するための閾値を特定し、当該特定した閾値を基に認証用の画像データを生成する認証用画像データ生成手段を有し、
    前記画像生成手段は、前記認証用画像データ生成手段が生成した認証用の画像データを前記マスク画像データ生成手段が生成したマスク画像データを基にマスク処理を行い第２の画像データを生成する
    請求項１４に記載の画像処理装置。
17. 第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理装置であって、
    前記第１の画像データを構成し、予め規定された第１の範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する分布データ生成手段と、
    前記分布データ生成手段が生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための第２の範囲を特定する特定手段と、
    前記特定手段が特定した第２の範囲内にある画素データを前記第１の範囲にマッピングして、当該マッピングした前記画素データで構成される第３の画像データを生成するマッピング手段と、
    前記マッピング手段が生成した前記第３の画像データを、前記第１の範囲で規定された閾値を基に２値化して前記マスク画像データを生成するマスク画像データ生成手段と
    を有する画像処理装置。
18. 前記特定手段は、前記分布データ生成手段が生成した分布データ中のマスク処理対象の特徴を示すパターンを基に前記第２の範囲を特定する
    請求項１７に記載の画像処理装置。
19. 前記マスク画像データ生成手段は、前記マッピング手段が生成した前記第３の画像データをフィルタ処理を行い２値化した前記マスク画像データを生成する
    請求項１７に記載の画像処理装置。
20. 前記第１の画像データを、前記マスク画像データ生成手段が生成した前記マスク画像データを基にマスク処理を行い第２の画像データを生成する画像生成手段を有する
    請求項１７に記載の画像処理装置。
21. 前記画像生成手段が生成した第２の画像データを基に、前記第１の画像データの認証処理を行う認証手段を有する
    請求項２０に記載の画像処理装置。
22. 前記第１の画像データの分布データを基に認証用の画像データを生成するための閾値を特定し、当該特定した閾値を基に認証用の画像データを生成する認証用画像データ生成手段を有し、
    前記画像生成手段は、前記認証用画像データ生成手段が生成した認証用の画像データを前記マスク画像データ生成手段が生成したマスク画像データを基にマスク処理を行い第２の画像データを生成する
    請求項２０に記載の画像処理装置。
23. 第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理装置に実行されるプログラムであって、
    前記第１の画像データを構成し、予め規定された範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する第１の手順と、
    前記第１の手順で生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための閾値を特定する第２の手順と、
    前記第１の画像データを、前記第２の手順で特定した閾値を基に２値化して前記マスク画像データを生成する第３の手順と
    を有するプログラム。
24. 前記第２の手順は、前記第１の手順で生成した分布データ中のマスク処理対象の特徴を示すパターンを基に前記閾値を特定する
    請求項２３に記載のプログラム。
25. 前記第１の画像データを、前記第３の手順で生成したマスク画像データを基にマスク処理して第２の画像データを生成する第４の手順を有する
    請求項２３に記載のプログラム。
26. 前記第４の手順で生成した第２の画像データを基に、前記第１の画像データの認証処理を行う第５の手順を有する
    請求項２５に記載のプログラム。
27. 前記第４の手順は、前記第１の画像データの前記分布データを基に認証用の画像データを生成するための閾値を特定し、当該特定した閾値を基に認証用の画像データを生成し、当該認証用の画像データを前記第３の手順で生成したマスク画像データを基にマスク処理を行い第２の画像データを生成する
    請求項２５に記載のプログラム。
28. 第１の画像データをマスク処理する際に用いるマスク画像データを生成する画像処理装置に実行されるプログラムであって、
    前記第１の画像データを構成し、予め規定された第１の範囲の画素値を示す複数の画素データについて前記画素データの分布を示す分布データを生成する第１の手順と、
    前記第１の手順で生成した分布データおよび予め設定した値を基に、前記マスク画像データを生成するための第２の範囲を特定する第２の手順と、
    前記第２の手順で特定した第２の範囲内にある画素データを前記第１の範囲にマッピングして、当該マッピングした前記画素データで構成される第３の画像データを生成する第３の手順と、
    前記第３の手順で生成した前記第３の画像データを、前記第１の範囲で規定された閾値を基に２値化して前記マスク画像データを生成する第４の手順と
    を有するプログラム。
29. 前記第２の手順は、前記第１の手順で生成した分布データ中のマスク処理対象の特徴を示すパターンを基に前記第２の範囲を特定する
    請求項２８に記載のプログラム。
30. 前記第４の手順は、前記第３の手順で生成した前記第３の画像データをフィルタ処理を行い２値化した前記マスク画像データを生成する
    請求項２８に記載のプログラム。
31. 前記第１の画像データを、前記第４の手順で生成した前記マスク画像データを基にマスク処理を行い第２の画像データを生成する第５の手順を有する
    請求項２８に記載のプログラム。
32. 前記第５の手順で生成した第２の画像データを基に、前記第１の画像データの認証処理を行う第６の手順を有する
    請求項３１に記載のプログラム。
33. 前記第５の手順は、前記第１の画像データの前記分布データを基に認証用の画像データを生成するための閾値を特定し、当該特定した閾値を基に認証用の画像データを生成し、当該認証用の画像データを前記第４の手順で生成したマスク画像データを基にマスク処理を行い第２の画像データを生成する
    請求項３１に記載のプログラム。
    

Images