JP2007158725A - 画像処理装置及び画像処理方法並びにプログラム - Google Patents

Abstract

【課題】 クリップアート画像領域を高速に判定し、当該画像に対してのみベクトル化処理を行って圧縮時の画質の劣化を好適に防止することができる画像処理装置及び画像処理方法並びにプログラムを提供する。
【解決手段】 画像が入力部１１から入力すると、領域分離部１２で当該画像が領域分割され、グラフィックス画像抽出部１３で分割領域からグラフィックス領域を抽出する。次いで、クリップアート判定部１８でグラフィックス領域がクリップアート画像であるか否かが判定され、領域分割部１６でクリップアート画像と判定された領域をさらに領域分割する。そして、ベクトル変換部１７で、領域分割されたクリップアート画像がベクトルデータに変換される。
【選択図】 図１

Description

本発明は、紙文書をスキャンして取得した画像を領域分割して領域ごとにベクトル化する画像処理装置及び画像処理方法並びにプログラムに関する。

従来、文書画像において、文字や写真等の領域分離処理が注目されている。その中に、画像を小領域に分割し、各小領域の特徴により文字か写真かを判定する手法が多く提案されている。また、文書画像の応用において、文字や写真等の領域分離処理後、領域毎に圧縮処理や補正処理をすることが頻繁に行われている（例えば、特許文献１、２参照。）。 また、文書画像の領域分離後の各情報を損うことなく効率に伝送・蓄積するために、分割すべき領域であるか否かの決定を判断する方法が知られている（例えば、特許文献３参照。）。特許文献３に記載の方法は、減色処理（ヒストグラム分割）を行い、処理後と処理前の差異が改めて決められた値より小さいかで判断するものである。
特開平５−１１４０４５号公報 特開平９−１８６８６６号公報 特開２００１−２３６５１７公報

しかしながら、グラフィックスの中には、単純なクリップアート画像や、自然画像のようなテクスチャ模様を含んだり、色数が多くて複雑な画像もある。尚、ここでいうクリップアート画像とは、例えば、イラスト画像のような色の数が限られている画像（色数の少ない画像）のことをいう。また、画像情報を損なうことなく、効率良く圧縮出来る領域分割に基づいたベクトル化処理は、クリップアート画像には向いている。しかし、領域分離の精度によりグラフィックスではない部分がグラフィックスとして誤判定されたものや、グラフィックスと判定されても自然画像のようなものには向かないので、このような処理対象に対して、画質の良い圧縮結果を得ることは難しい。

また、特許文献３に記載の方法では、グラフィックス領域のクリップアートの特徴を考慮していないので、グラフィックス領域がクリップアート画像であるかの判定には適応できない。

本発明は、このような事情を考慮し、クリップアート画像領域を高速に判定し、当該画像に対してのみベクトル化処理を行って圧縮時の画質の劣化を好適に防止することができる画像処理装置及び画像処理方法並びにプログラムを提供することを目的とする。

上記課題を解決するために、本発明は、画像を圧縮する画像処理装置であって、
画像を入力する入力手段と、
前記画像を領域分割する第１の領域分割手段と、
分割された領域からグラフィックス領域を抽出する抽出手段と、
抽出されたグラフィックス領域がクリップアート画像であるか否かを判定する判定手段と、
クリップアート画像と判定された領域をさらに領域分割する第２の領域分割手段と、
領域分割されたクリップアート画像をベクトルデータに変換する変換手段と
を備えることを特徴とする。

また、上記課題を解決するために、本発明は、画像を圧縮する画像処理方法であって、
前記画像を領域分割する第１の領域分割工程と、
分割された領域からグラフィックス領域を抽出する抽出工程と、
抽出されたグラフィックス領域がクリップアート画像であるか否かを判定する判定工程と、
クリップアート画像と判定された領域をさらに領域分割する第２の領域分割工程と、
領域分割されたクリップアート画像をベクトルデータに変換する変換工程と
を有することを特徴とする。

さらに、上記課題を解決するために、本発明は、コンピュータに、画像を圧縮させるためのプログラムであって、
前記画像を領域分割する第１の領域分割手順と、
分割された領域からグラフィックス領域を抽出する抽出手順と、
抽出されたグラフィックス領域がクリップアート画像であるか否かを判定する判定手順と、
クリップアート画像と判定された領域をさらに領域分割する第２の領域分割手順と、
領域分割されたクリップアート画像をベクトルデータに変換する変換手順と
を実行させることを特徴とする。

本発明によれば、クリップアート画像領域を高速に判定し、当該画像に対してのみベクトル化処理を行って圧縮時の画質の劣化を好適に防止することができる。

以下、図面を参照して、本発明の一実施形態に係る画像処理装置及び画像処理方法について詳細に説明する。

＜第１の実施例＞
図１は、本発明の第１の実施例に係る領域分割に基づいてベクトル化処理を行う画像処理装置の構成を示すブロック図である。図１において、１１は文書画像を入力する入力部、１２は文書画像を文字や写真等の領域に分離する領域分離部、１３は領域分離の結果から属性がグラフィックスである部分を抽出するグラフィックス画像抽出部である。また、１４はクリップアート画像判定のため、グラフィックスをクラスタリング処理するクラスタリング処理部、１５はクリップアート画像判定のため、クラスタリングの結果からクラスタ数を計数するクラスタ数統計部である。尚、クラスタリング処理部１４とクラスタ数統計部１５とを用いてクリップアート判定部１８が構成される。さらに、１６はクリップアート画像と判定された画像を領域分割する領域分割部、１７は領域分割の結果をベクトルデータに変換するベクトル化変換部である。

図１２は、図１に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成を示すブロック図である。尚、本実施形態では、画像処理装置として、スキャナ機能やプリンタ機能を有するディジタル複合機（ＭＦＰ）を用いているが、汎用のスキャナとパーソナルコンピュータとを接続したシステムを当該画像処理装置として用いてもよい。

図１２に示すように、ＭＦＰは、画像処理装置として機能するコントローラユニット２０００を備えている。当該コントローラユニット２０００は、画像入力デバイスであるスキャナ２０７０や画像出力デバイスであるプリンタ２０９５を接続する。そして、スキャナ２０７０で原稿画像から読み取られた画像データをプリンタ２０９５によって印刷出力するコピー機能を実現するための制御を行う。また、コントローラユニット２０００は、ＬＡＮ１００６や公衆回線（ＷＡＮ）１００８を介して他装置との間でパターン画像やデバイス情報等の入出力を行うための制御を行う。

コントローラユニット２０００は、図１２に示すように、ＣＰＵ２００１を有している。ＣＰＵ２００１は、ＲＯＭ２００３に格納されているブートプログラムによりオペレーションシステム（ＯＳ）を立ち上げる。そして、このＯＳ上でＨＤＤ（ハードディスクドライブ）２００４に格納されているアプリケーションプログラムを実行することによって各種処理を実行する。このＣＰＵ２００１の作業領域として、ＲＡＭ２００２が用いられる。ＲＡＭ２００２はまた、ＣＰＵ２００１の作業領域だけでなく、画像データを一時記憶するための画像メモリ領域をも提供する。ＨＤＤ２００４は、上記アプリケーションプログラムとともに、画像データを格納する。

ＣＰＵ２００１には、システムバス２００７を介して、ＲＯＭ２００３やＲＡＭ２００２が接続している。さらに、ＣＰＵ２００１には、操作部Ｉ／Ｆ（操作部インタフェース）２００６、ネットワークＩ／Ｆ（ネットワークインタフェース）２０１０、モデム２０５０及びイメージバスＩ／Ｆ（イメージバスインタフェース）２００５が接続されている。

操作部Ｉ／Ｆ２００６は、タッチパネルを有する操作部２０１２とのインタフェースであり、操作部２０１２に表示する画像データを操作部２０１２に対して出力する。また、操作部Ｉ／Ｆ２００６は、操作部２０１２においてユーザにより入力された情報をＣＰＵ２００１に送出する。

また、ネットワークＩ／Ｆ２０１０は、ＬＡＮ１００６に接続され、当該ＬＡＮ１００６を介してＬＡＮ１００６に接続された各装置との間で情報の入出力を行う。モデム２０５０は、公衆回線１００８に接続し、公衆回線１００８を介して他装置との間で情報の入出力を行う。

イメージバスＩ／Ｆ２００５は、システムバス２００７と画像データを高速で転送する画像バス２００８を接続し、データ構造を変換するためのバスブリッジである。画像バス２００８は、ＰＣＩバス又はＩＥＥＥ１３９４から構成される。画像バス２００８上には、ラスタイメージプロセッサ（ＲＩＰ）２０６０、デバイスＩ／Ｆ２０２０、スキャナ画像処理部２０８０、プリンタ画像処理部２０９０、画像回転部２０３０、サムネイル作成部２０３５及び画像圧縮部２０４０が設けられている。

ＲＩＰ２０６０は、ＰＤＬコードをビットマップイメージに展開するプロセッサである。デバイスＩ／Ｆ２０２０には、スキャナ２０７０及びプリンタ２０９５が接続され、画像データの同期系／非同期系の変換を行う。スキャナ画像処理部２０８０は、入力画像データに対して補正、加工、編集処理を行う。プリンタ画像処理部２０９０は、プリント出力画像データに対してプリンタの補正、解像度変換等を行う。画像回転部２０３０は、画像データの回転を行う。画像圧縮部２０４０は、多値画像データをＪＰＥＧデータに、ニ値画像データをＪＢＩＧ、ＭＭＲ、ＭＨ等のデータに圧縮するとともに、その伸長処理も行う。

図２は、本発明の第１の実施例に係る画像処理装置による領域分割に基づいたベクトル化処理手順の概略について説明するためのフローチャートである。

まず、入力部１１において、文書画像を入力する（ステップＳ１１）。次に、領域分離部１２において、文書画像を文字や写真等の領域に分離する領域分離処理を行う（ステップＳ１２）。尚、領域分離処理方法としては、例えば特開２００２−３１４８０６公報で開示されている公知の方法等を使用することができる。

次に、グラフィックス抽出部１３において、上記領域分離処理の結果からグラフィックス属性の領域を抽出する（ステップＳ１３）。図３は、本発明の第１の実施例における領域分離処理の結果の一例を示す図である。

続いて、クリップアート画像判定部１８において、クリップアート画像の判定処理を行う。まず、クリップアート画像判定部１８のクラスタリング処理部１４において、色特徴に基づき、類似度の閾値を低く設定し、画像を大まかに分割するクラスタリング処理を行う（ステップＳ１４）。そして、クリップアート画像判定部１８のクラスタ数統計部１５において、上記クラスタリング処理の結果から分割されたクラスタ数を計算する（ステップＳ１５）。次いで、クリップアート画像は色数が限られているものとの特徴を利用し、クラスタ数が少ないか否かを見てクリップアート画像であるか否かを判定する（ステップＳ１６）。その結果、クラスタ数が少ない場合（Ｙｅｓ）はクリップアート画像と判定してステップＳ１７に進み、そうでない場合（Ｎｏ）はクリップアート画像ではないと判定する。尚、クリップアート画像判定ためのクラスタリング処理の詳細について図４を参照して後述する。

ステップＳ１７では、領域分割部１６において、上記クリップアート画像と判定された画像に対して領域分割処理を行う。尚、この領域分割処理の詳細については図５を参照して後述する。

次に、ベクトル変換部１６において、上記の領域分割結果をベクトルデータに変換するためのベクトル化処理を行う（ステップＳ１６）。尚、ベクトル化処理は、公知のベジェ近似や平滑処理等を用いることができる。

［クリップアート画像判定ためのクラスタリング処理（ステップＳ１４）］
図４は、本発明の第１の実施例におけるクリップアート画像判定ためのクラスタリング処理（ステップＳ１４）の詳細を説明するためのフローチャートである。

まず、ラスタスキャンしたスタートの画素により、最初のクラスタを生成する（ステップＳ１４０１）。次に、次の画素に対して、全てのクラスタ間との類似度を求める（ステップＳ１４０２）。ここで、類似度はＲＧＢ距離の逆数であり、ＲＧＢ距離はＥｕｃｌｉｄｅａｎ距離である。その結果、ＲＧＢ距離が近いほど類似度が高く、画素とクラスタとの特徴が近いと考えられる。尚、本実施例では、類似度の計算にＲＧＢ値を用いるが、他のカラー空間の情報、或いは、カラー以外の情報を特徴量として使用することも可能である。

そして、一番高い類似度とこの類似度に対応したクラスタ番号を記録し、この類似度を事前に設定された閾値と比較する（ステップＳ１４０３）。その結果、閾値より高い場合（Ｙｅｓ）は、対象画素を記録されたクラスタに属させる（ステップＳ１４０４）。一方、閾値より低い場合（Ｎｏ）は、対象画素により新たなクラスタを生成する（ステップＳ１４０５）。そして、ステップＳ１４０４又はステップＳ１４０５の処理の後、全ての画素に対する処理が終わるかどうかを判断する（ステップＳ１４０６）。その結果、未処理の画素がある場合（Ｎｏ）は、ステップＳ１４０２に戻って、上記処理を繰り返し実行する。一方、未処理の画素がない場合（Ｙｅｓ）は、クラスタリング処理を終了する。

基本的に、クラスタリング処理では、類似度の閾値によりクラスタリングの結果も変わり、処理時間も変わる。そのため、類似度の閾値を高く設定すると、画素をクラスタに属す時に、処理対象画素は一番類似度の高いクラスタ間の類似度はこの閾値以上でなければそのクラスタに入れないので、新しいクラスタを生成することになる。その結果、クラスタの数が多くなり、処理時間もかかることになってしまう。また、クリップアート画像は色の数が限られており、各色は違うので、類似度の閾値を低く設定したクラスタリング処理により、ある程度収束したクラスタ数（すなわち、色の数）を得ることができ、処理時間の短縮もできる。

［領域分割処理（ステップＳ１７）］
図５は、本発明の第１の実施例における領域分割処理（ステップＳ１７）の詳細を説明するためのフローチャートである。

まず、クリップアート画像判定処理（ステップＳ１４）でクリップアート画像と判定された画像を処理対象画像として入力する（ステップＳ１７０１）。そして、処理対象画像に対して、領域分割ためのクラスタリング処理を行う（ステップＳ１７０２）。この領域分割ためのクラスタリング処理は、クリップアート画像判定処理ためのクラスタリング処理とは処理自体は同じである。但し、最終的に正確な領域分割結果を得るように、このクラスタリング処理で画像を細かくクラスタに分割することが必要なため、類似度の閾値を高く設定している。

そして、クラスタリング処理結果に基づき、領域統合処理を行う（ステップＳ１７０３）。この処理では、まず、分離したい領域数の目標値（目標クラスタ数）、すなわち何色くらいに分離するかの目安を入力する。そして、現在のクラスタの数を数え、この数と領域数の目標値とを比較する。その結果、現在のクラスタ数が目標値より多い場合はクラスタの統合を行う。統合処理では、各クラスタ間の類似度を計算し、その中から一番類似度の高い二つのクラスタを一つのクラスタに統合する。尚、本領域統合処理は、現在のクラスタ数が目標値以下になるまで繰り返し実行する。

そして、領域統合処理の結果に基づき、ノイズ領域判定処理を行う（ステップＳ１７０４）。この処理では、まず、領域分割の結果をラベリングし、そして、各ラベル領域の面積を計算する。ここで、ラベル領域の面積とは、この領域内に存在する画素の数とする。そして、ラベル領域の面積がある閾値より小さい場合に、この領域をノイズ領域と判定する。

次いで、この領域に含まれた画素毎に、周囲に隣接する領域との類似度を計算し、処理対象画素を一番類似度の高い領域に属させる（ステップＳ１７０５）。尚、ノイズ領域判定処理は全てのラベル領域が処理済みになるまで繰り返し実行する。文書画像の領域分離後のグラフィックス領域は良く圧縮されて保存でき、このノイズ領域判定処理とノイズ領域再処理は圧縮の影響により発生したノイズへの好適な対応策となる。

［領域分割に基づいたベクトル化処理の例］
図６は、本発明の第１の実施例におけるクリップアート画像の領域分割に基づいたベクトル化処理の一例を示す図である。図６において、８１はクリップアート画像と判定された画像、８２は領域分割の各クラスタの結果、８３は領域分割の結果から選んだ任意の一つのクラスタである。また、図６において、８４及び８５は領域分割結果のベクトル化処理に必要なクラスタの輪郭情報とクラスタの内部色情報であり、８６は領域分割結果のベクトル結果である。

以上説明したように、第１の実施例によれば、文書画像から領域分離されたグラフィックス領域を類似度の閾値を低く設定したクラスタリング処理を行い、クラスタ数を統計することで、クリップアート画像の判定を早く簡単に行うことができる。また、クリップアート画像と判定された画像のみを好適にベクトル化することにより、画質の劣化を最小限にした画像の高圧縮化が可能となる。

＜第２の実施例＞
文書画像の領域分離後に抽出されたグラフィックス領域の中に、クリップアート画像のような色数が少ない画像が見受けられる場合がある。このような画像を、クラスタリング処理のクラスタ数では正しく判定できない場合がある。そのため、第２の実施例では、クラスタ数の代わりに、クリップアート画像の各色のクラスタは色の相当近い画素の塊であることから、標本の色分散値が低いという特徴を利用したクリップアート画像判定条件を用いる。

図７は、本発明の第２の実施例に係る領域分割に基づいてベクトル化処理を行う画像処理装置の構成を示すブロック図である。図７において、１１は文書画像を入力する入力部、１２は文書画像を文字や写真等の領域に分離する領域分離部、１３は領域分離の結果から属性はグラフィックスである部分を抽出するグラフィックス画像抽出部である。また、１４はクリップアート画像判定のためグラフィックス画像をクラスタリング処理するクラスタリング処理部、２１はクリップアート画像判定のためクラスタリング結果から各クラスタ内の標本の色分散値を計算するクラスタ分散値計算部である。尚、クラスタリング処理部１４とクラスタ分散値計算部２１とを用いてクリップアート判定部２２が構成される。さらに、図７において、１６はクリップアート画像と判定された画像を領域分割する領域分割部、１７は領域分割の結果をベクトルデータに変換するベクトル化変換部である。すなわち、第１の実施例と第２の実施例の画像処理装置とは、クラスタ数統計部１５に代えてクラスタ分散値計算部２１を備える点で異なる。

図８は、本発明の第２の実施例に係る画像処理装置による領域分割に基づいたベクトル化処理手順の概略について説明するためのフローチャートである。尚、第１の実施例と同様の処理については同一の符号を用いて説明する。

まず、入力部１１において、文書画像を入力する（ステップＳ１１）。次に、領域分離部１２において、文書画像を文字や写真等の領域に分離する領域分離処理を行う（ステップＳ１２）。そして、グラフィックス抽出部１３において、上記領域分離処理の結果からグラフィックス属性の領域を抽出する（ステップＳ１３）。

次に、クリップアート判定部２２において、クリップアート画像の判定処理を行う。そこで、クリップアート判定部２２のクラスタリング処理部１４において、色特徴に基づいて類似度の閾値を通常よりも低く設定し、画像を大まかに分割するクラスタリング処理を行う（ステップＳ１４）。次いで、クリップアート判定部２２のクラスタ分散値計算部２１において、上記クラスタリング処理の結果から分割された各クラスタ内の標本分散値を計算する（ステップＳ２１）。そして、各クラスタの分散値を見て、クリップアート画像であるか否かを判定する（ステップＳ２２）。その結果、各クラスタの分散値がすべて低い場合（Ｙｅｓ）はクリップアート画像と判定してステップＳ１７に進み、そうでない場合（Ｎｏ）はクリップアート画像ではないと判定する。

ステップＳ１７では、領域分割部１６において、上記クリップアート画像と判定された画像に対して領域分割処理を行う。そして、ベクトル変換部１６において、上記領域分割結果をベクトルデータに変換するベクトル化処理を行う（ステップＳ１８）。

上述したように、ステップＳ２１のクリップアート画像判定ためのクラスタ分散値計算処理のみが第１の実施例と違う処理であることから、以下では当該部分についてのみ説明する。

［クリップアート画像判定処理ためのクラスタ分散値計算処理］
クリップアート画像判定ためのクラスタリング処理では、画像を幾つのクラスタに分割する。図９は、画像を３つのクラスタに分けたクラスタリング処理の一例を示す図である。図９における３つの円は３つのクラスタを示し、各円の黒点は各クラスタの中心点を示す。また、各円の白点は各クラスタに属した画素を示し、各画素の位置と中心点の位置は、画素とクラスタ中心点の類似度の高低を示す。

ここで、クラスタ分散値計算処理を説明するために、ＲＧＢカラー情報を利用し、画像をＮ個のクラスタに分けた場合を例に挙げる。まず、各クラスタの中心点（Ｒ_i、Ｇ_i，Ｂ_i）を計算する。各クラスタの中心点は、このクラスタに属された各画素のＲＧＢの平均値であって、下記式（１）で計算される。

ここで、ｎ_iはｉ番目のクラスタに属された画素の数であり、Ｒ_i,j、Ｇ_i,j，Ｂ_i,jは、ｉ番目のクラスタに属されたｊ番目の画素の色値である。

次に、各クラスタの分散値σ_iを計算する。各クラスタの分散値は、このクラスタに属された各画素のＲＧＢ値とこのクラスタの中心値との差の２乗平均であり、下記式（２）で計算される。

このように、各クラスタの分散値を上記処理によってそれぞれを求め、クリップアート画像の判定を行う。

以上説明したように、第２の実施例によれば、文書画像から領域分離されたグラフィックス領域を類似度の閾値を低く設定したクラスタリング処理を行い、各クラスタの標本分散値を求めた。これにより、クラスタの数が少ないクリップアート画像ではない画像の判定を正確に行うことが可能となった。

＜第３の実施例＞
文書画像の領域分離後に抽出されたグラフィックス領域中に、クリップアート画像のように色数が少ないが、あるクラスタの分散値が高い画像、或いは、色数が多いが、各クラスタの分散値が低い画像が見受けられる場合がある。この場合は、単なるクラスタ数での判断と単なるクラスタの標本分散値の判断ではうまく行かない可能性がある。そこで、クラスタ数とクラスタの分散値の判断条件とを組み合わせてクリップアート画像であるか否かを判定する必要である。

図１０は、本発明の第３の実施例に係る領域分割に基づいてベクトル化処理を行う画像処理装置の構成を示すブロック図である。図１０において、１１は文書画像を入力する入力部、１２は文書画像を文字や写真等の領域に分離する領域分離部、１３は領域分離の結果から属性はグラフィックスである部分を抽出するグラフィックス画像抽出部である。また、図１０において、１４はクリップアート画像判定のためにグラフィックス画像をクラスタリング処理するクラスタリング処理部、１５はクリップアート画像判定のためにクラスタリングの結果からクラスタ数を数えるクラスタ数統計部である。さらに、２１はクリップアート画像判定のためにクラスタリングの結果から各クラスタ内の標本値の色分散値を計算するクラスタ分散値計算部である。尚、クラスタリング処理部１４とクラスタ数統計部１５とクラスタ分散値計算部２１とを用いてクリップアート判定部２３が構成される。さらにまた、図１０において、１６はクリップアート画像と判定された画像を領域分割する領域分割部、１７は領域分割の結果をベクトルデータに変換するベクトル化変換部である。

図１１は、本発明の第３の実施例に係る画像処理装置による領域分割に基づいたベクトル化処理手順の概略について説明するためのフローチャートである。尚、第１及び第２の実施例と同様の処理については同一の符号を用いて説明する。

まず、入力部１１において文書画像を入力する（ステップＳ１１）。次に、領域分離部１２において、文書画像を文字や写真等の領域に分離する領域分離処理を行う（ステップＳ１２）。さらに、グラフィックス抽出部１３において、上記領域分離処理の結果からグラフィックス属性の領域を抽出する（ステップＳ１３）。

次に、ステップＳ１４〜Ｓ１６、Ｓ２１、Ｓ２２では、クリップアート判定部２３において、クリップアート画像の判定処理を行う。まず、クリップアート判定部２３のクラスタリング処理部１４において、色特徴に基づいて類似度の閾値を低く設定し、画像を大まかに分割するクラスタリング処理を行う（ステップＳ１４）。次に、クリップアート判定部２３のクラスタ数統計部１５において、上記クラスタリング処理の結果から分割されたクラスタ数を計算する（ステップＳ１５）。さらに、クラスタ数を見て、クリップアート画像であるか否かを判定する（ステップＳ１６）。その結果、クラスタ数が多い場合（Ｎｏ）はクリップアート画像ではないと判定し、そうでない場合（Ｙｅｓ）はステップＳ２１に進んでクリップアート画像の判定に入る。

ステップＳ２１では、クリップアート判定部２３のクラスタ分散値計算部２１において、上記クラスタリング処理の結果から分割された各クラスタ内の標本分散値を計算する。そして、各クラスタの分散値を見て、クリップアート画像であるか否かを判定する（ステップＳ２２）。その結果、各クラスタの分散値がすべて低い場合（Ｙｅｓ）はクリップアート画像と判定してステップＳ１７に進み、そうでない場合（Ｎｏ）はクリップアート画像ではないと判定する。

ステップＳ１７では、領域分割部１６において、上記クリップアート画像と判定された画像に対して、領域分割処理を行う。そして、ベクトル変換部１６において、上記の領域分割結果をベクトルデータに変換するベクトル化処理を行う（ステップＳ１６）。

以上説明したように、本発明の第３の実施例では、クリップアート画像のような色数が少ないが、各クラスタの分散値が高い画像、或いは、色数が多いが、各クラスタの分散値が低い画像の場合でも、正確にクリップアート画像の判定が可能になった。

＜その他の実施形態＞
以上、実施形態例を詳述したが、本発明は、例えば、システム、装置、方法、プログラム若しくは記憶媒体（記録媒体）等としての実施態様をとることが可能である。具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

尚、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラム（実施形態では図に示すフローチャートに対応したプログラム）を、システムあるいは装置に直接あるいは遠隔から供給する。そして、そのシステムあるいは装置のコンピュータが該供給されたプログラムコードを読み出して実行することによっても達成される場合を含む。

従って、本発明の機能処理をコンピュータで実現するために、該コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。

その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であっても良い。

プログラムを供給するための記録媒体としては、例えば、以下のようなものがある。フロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）。

その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページからハードディスク等の記録媒体にダウンロードすることによっても供給できる。すなわち、ホームページに接続し、該ホームページから本発明のコンピュータプログラムそのもの、もしくは圧縮され自動インストール機能を含むファイルをダウンロードする。また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。

また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布する。そして、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせる。そして、その鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される。その他にも、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部または全部を行い、その処理によっても前述した実施形態の機能が実現され得る。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後にも前述した実施形態の機能が実現される。すなわち、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行うことによっても前述した実施形態の機能が実現される。

本発明の第１の実施例に係る領域分割に基づいてベクトル化処理を行う画像処理装置の構成を示すブロック図である。 本発明の第１の実施例に係る画像処理装置による領域分割に基づいたベクトル化処理手順の概略について説明するためのフローチャートである。 本発明の第１の実施例における領域分離処理の結果の一例を示す図である。 本発明の第１の実施例におけるクリップアート画像判定ためのクラスタリング処理（ステップＳ１４）の詳細を説明するためのフローチャートである。 本発明の第１の実施例における領域分割処理（ステップＳ１７）の詳細を説明するためのフローチャートである。 本発明の第１の実施例におけるクリップアート画像の領域分割に基づいたベクトル化処理の一例を示す図である。 本発明の第２の実施例に係る領域分割に基づいてベクトル化処理を行う画像処理装置の構成を示すブロック図である。 本発明の第２の実施例に係る画像処理装置による領域分割に基づいたベクトル化処理手順の概略について説明するためのフローチャートである。 画像を３つのクラスタに分けたクラスタリング処理の一例を示す図である。 本発明の第３の実施例に係る領域分割に基づいてベクトル化処理を行う画像処理装置の構成を示すブロック図である。 本発明の第３の実施例に係る画像処理装置による領域分割に基づいたベクトル化処理手順の概略について説明するためのフローチャートである。 図１に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成を示すブロック図である。

符号の説明

１１ 入力部
１２ 領域分離部
１３ グラフィック画像抽出部
１４ クラスタリング処理部
１５ クラスタ数統計部
１６ 領域分割部
１７ ベクトル変換部
１８、２２、２３ クリップアート判定部
２１ クラスタ分散値計算部

Claims (9)

1. 画像を圧縮する画像処理装置であって、
   画像を入力する入力手段と、
   前記画像を領域分割する第１の領域分割手段と、
   分割された領域からグラフィックス領域を抽出する抽出手段と、
   抽出されたグラフィックス領域がクリップアート画像であるか否かを判定する判定手段と、
   クリップアート画像と判定された領域をさらに領域分割する第２の領域分割手段と、
   領域分割されたクリップアート画像をベクトルデータに変換する変換手段と
   を備えることを特徴とする画像処理装置。
2. 前記判定手段が、
   前記グラフィックス領域内の画素のクラスタリング処理を行うクラスタリング手段と、
   クラスタリング処理結果からクラスタ数を計数するクラスタ数計数手段と、
   前記クラスタ数が閾値以下の場合に前記グラフィックス領域をクリップアート画像と判定するクリップアート判定手段と
   を備えることを特徴とする請求項１に記載の画像処理装置。
3. 前記判定手段が、
   前記グラフィックス領域内の画素のクラスタリング処理を行うクラスタリング手段と、
   クラスタリング処理結果から各クラスタ内の分散値を計算するクラスタ分散計算手段と、
   前記各クラスタ内の分散値がすべて閾値以下の場合に前記グラフィック領域をクリップアート画像と判定するクリップアート判定手段と
   を備えることを特徴とする請求項１に記載の画像処理装置。
4. 前記判定手段が、
   前記グラフィックス領域内の画素のクラスタリング処理を行うクラスタリング手段と、
   クラスタリング処理結果からクラスタ数を計数するクラスタ数計数手段と、
   前記クラスタ数が閾値以下であるか否かを判定するクラスタ数判定手段と
   前記クラスタ数が閾値以下の場合に、各クラスタ内の分散値を計算するクラスタ分散計算手段と、
   前記各クラスタ内の分散値がすべて閾値以下の場合に前記グラフィック領域をクリップアート画像と判定するクリップアート判定手段と
   を備えることを特徴とする請求項１に記載の画像処理装置。
5. 前記クラスタリング手段が、前記グラフィックス領域内の各画素の色特徴を用いて、各クラスタ間の類似度を閾値よりも低く設定したクラスタリング処理を行うことを特徴とする請求項２から４までのいずれか１項に記載の画像処理装置。
6. 前記第２の領域分割手段が、
   クリップアート画像と判定された前記領域をクラスタリング処理する手段と、
   クラスタリング処理結果からクラスタ数を計数する手段と、
   目標クラスタ数を入力する手段と、
   前記クラスタ数が前記目標クラスタ数以下になるまでクラスタ間の統合処理を行う手段と、
   統合処理が終了した後の各クラスタについて、クラスタ内の画素数が閾値以下のクラスタをノイズ領域として判定する手段と、
   ノイズ領域と判定されたクラスタ内の各画素を近傍に位置するクラスタに所属させる手段と
   を備えることを特徴とする請求項１から５までのいずれか１項に記載の画像処理装置。
7. 前記クラスタリング処理する手段が、前記領域内の各画素の色特徴を用いて、各クラスタ間の類似度を閾値よりも高く設定したクラスタリング処理を行うことを特徴とする請求項６に記載の画像処理装置。
8. 画像を圧縮する画像処理方法であって、
   前記画像を領域分割する第１の領域分割工程と、
   分割された領域からグラフィックス領域を抽出する抽出工程と、
   抽出されたグラフィックス領域がクリップアート画像であるか否かを判定する判定工程と、
   クリップアート画像と判定された領域をさらに領域分割する第２の領域分割工程と、
   領域分割されたクリップアート画像をベクトルデータに変換する変換工程と
   を有することを特徴とする画像処理方法。
9. コンピュータに、画像を圧縮させるためのプログラムであって、
   前記画像を領域分割する第１の領域分割手順と、
   分割された領域からグラフィックス領域を抽出する抽出手順と、
   抽出されたグラフィックス領域がクリップアート画像であるか否かを判定する判定手順と、
   クリップアート画像と判定された領域をさらに領域分割する第２の領域分割手順と、
   領域分割されたクリップアート画像をベクトルデータに変換する変換手順と
   を実行させるためのプログラム。

Images