JP2010079446A - 電子機器、ぼけ画像選別方法及びプログラム - Google Patents
電子機器、ぼけ画像選別方法及びプログラム Download PDFInfo
- Publication number
- JP2010079446A JP2010079446A JP2008244816A JP2008244816A JP2010079446A JP 2010079446 A JP2010079446 A JP 2010079446A JP 2008244816 A JP2008244816 A JP 2008244816A JP 2008244816 A JP2008244816 A JP 2008244816A JP 2010079446 A JP2010079446 A JP 2010079446A
- Authority
- JP
- Japan
- Prior art keywords
- blur
- image
- degree
- calculated
- subject
- 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
- 238000010187 selection method Methods 0.000 title description 4
- 238000012935 Averaging Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 88
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000000605 extraction Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 90
- 238000003860 storage Methods 0.000 abstract description 31
- 238000012545 processing Methods 0.000 description 36
- 230000014509 gene expression Effects 0.000 description 29
- 238000004458 analytical method Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 16
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 11
- 239000000284 extract Substances 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Images
Classifications
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Abstract
【解決手段】PC100のムービー作成アプリケーション20は、記憶部8に記憶された複数の素材画像を顔認識エンジン120及び特徴認識エンジン130へ供給して、各素材画像に含まれる顔領域及び特徴領域に関するメタデータを取得し、各顔領域及び特徴領域のサイズを最適化した上で特徴認識エンジン130へ供給して各顔領域及び特徴領域の領域ぼけ指数を取得し、1つの素材画像中の複数の領域の領域ぼけ指数を、領域面積等に比例した重み付け平均することで、1つの素材画像に対して1つの画像ぼけ指数を算出し、複数の素材画像のうち、画像ぼけ指数が閾値以上である素材画像のみをぼけ画像として選別して表示する。
【選択図】図3
Description
上記抽出手段は、画像中の所定の特徴を有する被写体領域を当該画像から抽出する。
上記第1の算出手段は、上記抽出された被写体領域のぼけ度を示す第1のぼけ度を算出する。
上記第2の算出手段は、上記画像中の1つの上記被写体領域のみから上記第1のぼけ度が算出された場合に、当該第1のぼけ度を基に上記画像の全体についてのぼけ度を示す第2のぼけ度を算出する。また第2の算出手段は、上記画像中の複数の上記被写体領域から上記第1のぼけ度が算出された場合に、当該第1のぼけ度を上記複数の被写体領域の面積に応じて重み付け平均した値を基に上記第2のぼけ度を算出する。
上記選別手段は、複数の上記画像から、所定の閾値以上の上記算出された第2のぼけ度を有する画像をぼけ画像として選別する。
この構成により、電子機器は、画像中の被写体領域のぼけ度(第1のぼけ度)と、被写体領域の面積とを基に、画像全体としてのぼけ度(第2のぼけ度)を算出することで、複数の画像からぼけ画像を選別することができる。上記所定の特徴を有する被写体とは、人、動物、植物、建物等あらゆる物である。上記第1のぼけ度は、例えば上記被写体領域内のエッジ強度により算出される。上記所定の特徴を有する被写体領域とは、画像の閲覧者が注視する領域である。すなわち、電子機器は、注視される領域が1つしかない場合には、その領域のぼけ度を基に画像全体としてのぼけ度を算出する。また電子機器は、注視される領域が複数存在する場合には、各領域の面積に応じて各領域のぼけ度を重み付け平均して画像全体としてのぼけ度を算出する。これは、面積が大きいほど注視される確率が高いと考えられるためである。このような処理により、電子機器は、画像のぼけ度を確実に算出して、ユーザにとって不要なぼけ画像を選別することができる。ユーザは、この選別結果に応じて、ぼけ画像を削除したり、オリジナルムービー等の素材から除外したりすることができ、利便性が向上する。
ここで最適化とは、第1のぼけ度の算出処理に長時間を要してしまうような大きすぎる領域を縮小したり、逆に小さすぎて第1のぼけ度を正確に算出できないような領域を処理から除外したりすることをいう。これにより電子機器は、第1のぼけ度をより正確に算出することができ、その結果第2のぼけ度をより正確に算出することができる。
この場合上記第2の算出手段は、上記画像中の複数の上記被写体領域から上記第1のぼけ度が算出された場合、当該第1のぼけ度を、上記複数の被写体領域の面積と上記算出されたスコアとに応じて重み付け平均した値を基に上記第2のぼけ度を算出してもよい。
ここでスコアとは、他の領域に比べて被写体領域が有する輝度、色、エッジ(方位)、顔等の特徴の度合いを示す評価値である。このスコアが大きいほど閲覧者に注視される確率が高いと考えられる。電子機器は、複数の被写体領域から第1のぼけ度が算出された場合に、被写体領域の面積のみならず、スコアにも応じて第1のぼけ度を重み付け平均することで、第2のぼけ度をより正確に算出し、ぼけ画像をより正確に選別することができる。
上記顔認識手段は、上記被写体領域として人の顔の領域を認識し、当該認識された顔の領域の上記スコアを示す第1のスコアを算出する。
上記特徴認識手段は、上記被写体領域として視覚的な顕著性の高い特徴領域を認識し、当該認識された特徴領域の上記スコアを示す第2のスコアを算出する。
この場合、上記第2の算出手段は、上記画像中の複数の上記被写体領域から上記第1のぼけ度が算出された場合において、上記被写体領域として上記顔認識手段により上記顔の領域が認識された場合は、上記重み付け平均に上記第1のスコアを用いずに上記第2のぼけ度を算出してもよい。また上記第2の算出手段は、上記被写体領域として上記特徴認識手段により上記特徴領域が認識された場合は、上記重み付け平均に上記第2のスコアを用いて上記第2のぼけ度を算出してもよい。
この構成では、電子機器は、被写体領域として複数の顔が認識された場合には、顔の領域の面積のみに応じて第1のぼけ度を重み付け平均して第2のぼけ度を算出する。一方、電子機器は、被写体領域として特徴領域が認識された場合、その領域の面積と、その領域のスコアとに応じて第1のぼけ度を重み付け平均して第2のぼけ度を算出する。すなわち、電子機器は、抽出された被写体領域が顔領域である場合には、その顔のスコアに関わらず面積のみに応じて重み付け平均し、被写体領域が特徴領域である場合には、その領域の面積に加えスコアにも応じて重み付け平均する。このように処理に差が設けられるのは、特徴領域に比べて顔領域は閲覧者に無条件で注視される可能性が高いと考えられるためである。これにより、電子機器は、画像中の注視される領域をより正確に判断し、注視される領域がぼけている程、画像全体におけるぼけ度が高くなるように演算を行うことで、画像全体におけるぼけ度をより正確に算出することができる。
これにより、電子機器は、画像中に注視すべき領域が存在しない場合でも、画像全体を被写体領域とみなすことで、画像全体としてのぼけ度を算出することができる。
この場合上記選別手段は、上記ユーザの所定の操作に応じて上記ぼけ画像を選別してもよい。
この場合当該電子機器は、上記複数の画像を表示し、上記所定の操作が受け付けられたときに、上記表示された複数の画像のうち上記選別されたぼけ画像のみを表示する表示手段をさらに有してもよい。
これにより、ユーザは、所定の操作を実行するだけで、複数の画像からぼけ画像のみを選別して閲覧することができ、不要なぼけ画像を容易に削除したり除外したりできる。所定の操作とは、例えばボタンのアイコン等のGUIであるが、これに限られない。
この方法においては、上記抽出された被写体領域のぼけ度を示す第1のぼけ度を算出される。
上記画像中の1つの上記被写体領域のみから上記第1のぼけ度が算出された場合には、当該第1のぼけ度を基に上記画像の全体についてのぼけ度を示す第2のぼけ度が算出される。上記画像中の複数の上記被写体領域から上記第1のぼけ度が算出された場合には、当該第1のぼけ度を上記複数の被写体領域の面積に応じて重み付け平均した値を基に上記第2のぼけ度を算出される。
そして、複数の上記画像から、所定の閾値以上の上記算出された第2のぼけ度を有する画像がぼけ画像として選別される。
この方法によれば、画像のぼけ度を確実に算出して、ユーザにとって不要なぼけ画像を選別することができる。
この方法においては、上記最適化された被写体領域から算出された、被写体領域のぼけ度を示す第1のぼけ度が取得される。
上記画像中の1つの上記被写体領域のみから上記第1のぼけ度が算出された場合には、当該第1のぼけ度を基に上記画像の全体についてのぼけ度を示す第2のぼけ度が算出される。また上記画像中の複数の上記被写体領域から上記第1のぼけ度が算出された場合には、当該第1のぼけ度を上記複数の被写体領域の面積に応じて重み付け平均した値を基に上記第2のぼけ度が算出される。
そして、複数の上記画像から、所定の閾値以上の上記算出された第2のぼけ度を有する画像がぼけ画像として選別される。
この方法によれば、抽出された個々の被写体領域のサイズを最適化し、また個々の被写体領域から算出されたぼけ度を基に、画像全体としてのぼけ度を算出することで、ぼけ画像を確実に選別することができる。
上記抽出ステップは、画像中の所定の特徴を有する被写体領域を当該画像から抽出する。
上記第1の算出ステップは、上記抽出された被写体領域のぼけ度を示す第1のぼけ度を算出する。
上記第2の算出ステップは、上記画像中の1つの上記被写体領域のみから上記第1のぼけ度が算出された場合に、当該第1のぼけ度を基に上記画像の全体についてのぼけ度を示す第2のぼけ度を算出する。また上記第2の算出ステップは、上記画像中の複数の上記被写体領域から上記第1のぼけ度が算出された場合に、当該第1のぼけ度を上記複数の被写体領域の面積に応じて重み付け平均した値を基に上記第2のぼけ度を算出する。
上記選別ステップは、複数の上記画像から、所定の閾値以上の上記算出された第2のぼけ度を有する画像をぼけ画像として選別する。
このプログラムによれば、画像のぼけ度を確実に算出して、ユーザにとって不要なぼけ画像を選別することができる。
上記最適化ステップは、画像中から抽出された、所定の特徴を有する被写体領域を、所定のサイズとなるように最適化する。
上記取得ステップは、上記最適化された被写体領域から算出された、被写体領域のぼけ度を示す第1のぼけ度を取得する。
上記算出ステップは、上記画像中の1つの上記被写体領域のみから上記第1のぼけ度が算出された場合に、当該第1のぼけ度を基に上記画像の全体についてのぼけ度を示す第2のぼけ度を算出する。また上記算出ステップは、上記画像中の複数の上記被写体領域から上記第1のぼけ度が算出された場合に、当該第1のぼけ度を上記複数の被写体領域の面積に応じて重み付け平均した値を基に上記第2のぼけ度を算出する。
上記選別ステップは、複数の上記画像から、所定の閾値以上の上記算出された第2のぼけ度を有する画像をぼけ画像として選別する。
このプログラムによれば、抽出された個々の被写体領域のサイズを最適化し、また個々の被写体領域から算出されたぼけ度を基に、画像全体としてのぼけ度を算出することで、ぼけ画像を確実に選別することができる。
図1は、本発明の一実施形態に係るPCのハードウェア構成を示した図である。
同図に示すように、PC100は、CPU(Central Processing Unit)1、ROM(Read Only Memory)2、RAM(Random Access Memory)3を有し、これらはバス4により相互に接続されている。
上記ムービー作成アプリケーションは、ムービーを作成するのに先立って、記憶部8に記憶された複数の静止画像から、ユーザにとって不要な、ムービーの素材となり得ない、ぼけた画像(以下、ぼけ画像と称する)を選別する機能を有する。以下、このぼけ画像選別機能について説明する。図2は、このぼけ画像選別機能を説明するための図である。
次に、以上のように構成されたPC100の動作について説明する。以降の説明では、上記ムービー作成アプリケーション20、顔認識エンジン120及び特徴認識エンジン130の各ソフトウェアを主な動作主体として説明するが、この動作は、全てCPU1等のハードウェアの制御下で実行される。
(メタデータ解析部の動作の概要)
図3は、本実施形態における上記メタデータ解析部21の大まかな動作の流れを示したフローチャートである。
図4は、上記ステップ35における特徴認識処理の詳細な流れを示したフローチャートである。
同図に示すように、まず、特徴認識プラグインは、記憶部8から取得した素材画像のサイズが、上記特徴認識エンジン130による特徴認識処理における最低有効サイズ以上であるか否かを判断する(ステップ41)。最低有効サイズとは、例えば256×256(画素)であるが、これに限られない。この処理により、素材画像が、特徴認識処理に耐え得ない程小さいか否かが判断される。
図5は、上記ステップ45における特徴認識エンジン130による特徴認識処理の詳細な流れを示したフローチャートである。
同図に示すように、特徴認識エンジン130は、まず、供給された素材画像から輝度マップを生成する(ステップ51)。
具体的には、特徴認識エンジン130は、素材画像の各画素の各輝度値を各画素値とする輝度画像を生成する。次に、特徴認識エンジン130は、当該輝度画像を用いて、解像度の異なる複数の輝度画像(ピラミッド画像)を生成する。このピラミッド画像は、例えばレベルL1〜L8までの8つの解像度の階層についてそれぞれ生成される。レベルL1のピラミッド画像が最も高い解像度を有し、レベルL1からL8まで順に解像度が低くなる。あるレベルのピラミッド画像の1つの画素の画素値は、その1つ上のレベルのピラミッド画像における隣接する4つの画素の画素値の平均値とされる。
続いて特徴認識エンジン130は、複数のピラミッド画像から、階層の異なる2つのピラミッド画像を選択し、両ピラミッド画像の差分を求めて、輝度に関する差分画像を生成する。この差分画像の画素値は、各レベルのピラミッド画像の輝度値の差、つまり、素材画像における所定の画素における輝度と、その画素の周囲の平均的な輝度との差分を示している。そして、特徴認識エンジン130は、算出された所定数の差分画像に基づいて輝度マップを生成する。
まず、特徴認識エンジン130は、素材画像の画素のR(赤)成分とG(緑)成分との差分を各画素値とするRG差分画像を生成し、素材画像の画素のB(青)成分とY(黄)成分との差分を各画素値とするBY差分画像を生成する。
続いて、特徴認識エンジン130は、RG差分画像とBY差分画像とを用いて、解像度の異なる複数のRG差分画像及びBY差分画像(ピラミッド画像)を生成する。続いて、特徴認識エンジン130は、複数のピラミッド画像から、階層の異なる2つのピラミッド画像を選択し、両ピラミッド画像の差分を求めて、RG及びBYの差分に関する差分画像を生成する。そして、特徴認識エンジン130は、算出された所定数の差分画像に基づいて、RG及びBYについてそれぞれ色マップを生成する。
まず、特徴認識エンジン130は、素材画像にガボアフィルタによるフィルタリング処理を施し、例えば0度、45度、90度及び135度の各方向のエッジ強度を各画素値とするエッジ画像を生成する。
続いて、特徴認識エンジン130は、各方向のエッジ画像を用いて、解像度の異なる複数のエッジ画像を(ピラミッド画像)を生成する。続いて、特徴認識エンジン130は、複数のピラミッド画像から、階層の異なる2つのピラミッド画像を選択し、両ピラミッド画像の差分を求めて、各方向のエッジに関する差分画像を生成する。そして、特徴認識エンジン130は、算出された所定数の差分画像に基づいて、各方向についてのエッジマップを生成する。
図6は、上記ステップ38におけるぼけ認識処理の詳細な流れを示したフローチャートである。
同図に示すように、まず、特徴認識プラグインは、ぼけ認識の対象である素材画像のサイズが、特徴認識エンジン130によるぼけ認識処理における最低有効サイズ以上であるか否かを判断する(ステップ61)。最低有効サイズとは、例えば64×64(画素)であるが、これに限られない。これにより、素材画像のサイズが、ぼけ認識処理に耐え得ない程小さいか否かが判断される。ここで、上記特徴認識処理において素材画像が縮小処理されている場合には、その縮小画像がぼけ認識の対象画像とされる。
図7は、上記ステップ68、70及び72における特徴認識エンジン130によるぼけ認識処理の詳細な流れを示したフローチャートである。
同図に示すように、特徴認識エンジン130は、まず、供給された顔領域または特徴領域または素材画像から、エッジマップを生成する(ステップ81)。供給された画像が顔領域の場合、エッジマップの生成に上記顕著性マップは用いられず、供給された画像が特徴領域の場合、エッジマップの生成に上記顕著性マップが用いられる。また、供給された画像が素材画像全体である場合、当該素材画像が特徴認識処理の最低有効サイズ以上である場合には、エッジマップの生成に顕著性マップが用いられ、最低有効サイズに満たない場合には、エッジマップの生成に顕著性マップは用いられない。以下の説明では、特徴認識プラグインから供給される上記顔領域、特徴領域、または素材画像全体の各画像を総称して「被写体領域」と称する。
(x1,y1)=(x/4,y/4)・・・(1)
ローカルマックスLM1の1つの画素は、被写体領域の4×4画素のブロックから生成される。よって、被写体領域の注目画素に対応するローカルマックスLM1の画素の座標は、注目画素のx座標およびy座標をそれぞれ1/4にした値となる。
(x2,y2)=(x/16,y/16)・・・(2)
(x3,y3)=(x/64,y/64)・・・(3)
さらに、特徴認識エンジン130は、上記各座標(x1,y1)、(x2,y2)、(x3,y3)の各画素値がエッジ基準値以上である場合、注目画素をローカルマックスLM1、LM2及びLM3における各エッジポイントとして抽出する(ステップ85)。そして、特徴認識エンジン130は、注目画素の座標(x,y)と、ローカルマックスLM1、LM2及びLM3の各座標(x1,y1)(x2,y2)、(x3,y3)の画素値とをそれぞれ対応づけて記憶する。特徴認識エンジン130は、被写体領域内の全ての画素が注目画素とされるまで、以上の処理を繰り返す。
Local Max1(x1,y1) > エッジ基準値 or
Local Max2(x2,y2) > エッジ基準値 or
Local Max3(x3,y3) > エッジ基準値 ・・・(4)
Local Max1(x1,y1)、Local Max2(x2,y2)及びLocal Max3(x3,y3)が条件式(4)を満足する場合、特徴認識エンジン130は、変数Nedgeの値を1つインクリメントする。
条件式(4)を満足するエッジポイントは、その構造に関わらず、一定以上の強度を有するエッジを構成するエッジポイントであると推定される。
Local Max1(x1,y1) < Local Max2(x2,y2) < Local Max3(x3,y3)・・・(5)
Local Max2(x2,y2) > Local Max1(x1,y1) and
Local Max2(x2,y2) > Local Max3(x3,y3) ・・・(6)
Local Max1(x1,y1)、Local Max2(x2,y2)およびLocal Max3(x3,y3)が条件式(5)または条件式(6)を満足する場合、特徴認識エンジン130は、変数Nsmallblurの値を1つインクリメントする。
条件式(4)を満足し、かつ条件式(5)または条件式(6)を満足するエッジポイントは、一定以上の強度を有するが、図8(A)または(C)のエッジと比較して強度の弱い、図8(B)または(D)の構造を有するエッジを構成するエッジポイントであると推定される。
Max3(x3,y3)が条件式(4)を満足し、かつ条件式(5)または条件式(6)を満足する場合、Local Max1(x1,y1)が、以下の条件式(7)を満足するか否かを判定する。
Local Max1(x1,y1) < エッジ基準値 ・・・(7)
Local Max1(x1,y1)が条件式(5)を満足する場合、特徴認識エンジン130は、変数Nlargeblurの値を1つインクリメントする。
lurは、条件式(4)を満足し、かつ、条件式(5)または条件式(6)を満足するエッジポイントの数である。また、数Nlargeblurは、条件式(4)を満足し、かつ、条件式(5)または条件式(6)を満足し、かつ、条件式(7)を満足するエッジポイントの数である。
領域ぼけ指数 = Nlargeblur/Nsmallblur・・・(8)
すなわち、領域ぼけ指数は、一定以上の強度の図8(B)または(D)の構造を有するエッジを構成すると推定されるエッジポイントのうち、ぼけが発生しているエッジを構成すると推定されるエッジポイントが占める比率である。したがって、領域ぼけ指数が大きいほど、被写体領域のぼけ具合は大きく、領域ぼけ指数が小さいほど、被写体領域のぼけ具合は小さいと推定される。この領域ぼけ指数は、例えば0〜1000の範囲の値として算出される。
次に、メタデータ解析部21の特徴認識プラグインは、上記特徴認識エンジン130から取得した各被写体領域についての領域ぼけ指数を基に、画像全体としての画像ぼけ指数を算出する(図3のステップ38)。図9は、上記画像ぼけ指数の算出処理の詳細な流れを示したフローチャートである。
同図に示すように、特徴認識プラグインは、上記特徴認識エンジン130から、1つの素材画像中の被写体領域についての領域ぼけ指数を取得すると(ステップ91)、有効なぼけ認識結果を取得できたか否かを判断する(ステップ92)。
同図に示すように、画像ぼけ指数は、1つの素材画像における各被写体領域nの領域ぼけ指数(Bn)を、被写体領域nの面積(Sn)及び当該被写体領域nの認識スコア(Dn)を重みとして重み付け加算した値を、その重みの和で除して算出される。被写体領域が特徴領域である場合、Dnはその特徴領域の領域ぼけ指数であるが、被写体領域が顔領域である場合、Dnは1に固定される。すなわち、被写体領域が顔領域である場合には、顔認識スコアに比例した重み付けは行われない。ここでnは、1つの素材画像から認識される複数の被写体領域を識別する値である。なお、この算出式において、分母に10が乗じられるのは、上述したように、0〜1000の値の範囲で表される領域ぼけ指数から算出される画像ぼけ指数を、0〜100の値の範囲で表現するためである。
次に、以上のように算出された画像ぼけ指数を基にした、ぼけ画像の選別処理について説明する。
図11は、ぼけ画像選別部23及び画像表示部24の処理の流れを示したフローチャートである。
同図に示すように、画像表示部24は、ムービー作成アプリケーション20によるムービー作成工程の冒頭で、ユーザにムービーの素材を選択させるための素材選択画面を表示させる(ステップ101)。
ある静止画像の画像ぼけ指数が閾値以上である場合(Yes)、ぼけ画像選別部23は、その静止画像をぼけ画像として選別し、画像表示部24に、その選別されたぼけ画像のみを表示するように指示する(ステップ105)。
以上説明したように、本実施形態では、PC100は、1つの素材画像内の1つまたは複数の被写体領域(顔領域または特徴領域)の領域ぼけ指数を基に、1つの素材画像について1つの画像ぼけ指数を算出することができる。1つの素材画像内の複数の被写体領域から有効な領域ぼけ指数が算出された場合には、各被写体領域の面積(及び認識スコア)に比例して、各領域ぼけ指数が重み付け平均されて画像ぼけ指数が算出される。そして、上記素材選択画面110上でぼけ画像選別ボタン111が押下された場合には、画像ぼけ指数を基にぼけ画像のみが選別され表示される。したがって、PC100は、素材画像中の、より注視されやすい被写体領域を判別した上で、当該注視されやすい被写体領域がぼけている程、画像全体としてのぼけ指数が高くなるように処理することで、ぼけ画像をより正確に選別することができる。
本発明は上述の実施形態にのみ限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変更され得る。
5…入出力インタフェース
8…記憶部
20…ムービー作成アプリケーション
21…メタデータ解析部
22…メタデータ蓄積部
23…画像選別部
24…画像表示部
100…PC
110…素材選択画面
111…画像選別ボタン
118…静止画像
118…静止画像
118a、118b…ぼけ画像
120…顔認識エンジン
130…特徴認識エンジン
Claims (10)
- 画像中の所定の特徴を有する被写体領域を当該画像から抽出する抽出手段と、
前記抽出された被写体領域のぼけ度を示す第1のぼけ度を算出する第1の算出手段と、
前記画像中の1つの前記被写体領域のみから前記第1のぼけ度が算出された場合に、当該第1のぼけ度を基に前記画像の全体についてのぼけ度を示す第2のぼけ度を算出し、前記画像中の複数の前記被写体領域から前記第1のぼけ度が算出された場合に、当該第1のぼけ度を前記複数の被写体領域の面積に応じて重み付け平均した値を基に前記第2のぼけ度を算出する第2の算出手段と、
複数の前記画像から、所定の閾値以上の前記算出された第2のぼけ度を有する画像をぼけ画像として選別する選別手段と
を具備する電子機器。 - 請求項1に記載の電子機器であって、
前記抽出された領域を、前記第1のぼけ度の算出に適した所定のサイズとなるように最適化する最適化手段をさらに具備する
電子機器。 - 請求項2に記載の電子機器であって、
前記抽出手段は、前記被写体領域の抽出の確からしさを示すスコアを算出し、
前記第2の算出手段は、前記画像中の複数の前記被写体領域から前記第1のぼけ度が算出された場合に、当該第1のぼけ度を、前記複数の被写体領域の面積と、前記算出されたスコアとに応じて重み付け平均した値を基に前記第2のぼけ度を算出する
電子機器。 - 請求項3に記載の電子機器であって、
前記抽出手段は、
前記被写体領域として人の顔の領域を認識し、当該認識された顔の領域の前記スコアを示す第1のスコアを算出する顔認識手段と、
前記被写体領域として視覚的な顕著性の高い特徴領域を認識し、当該認識された特徴領域の前記スコアを示す第2のスコアを算出する特徴認識手段と
を有し、
前記第2の算出手段は、前記画像中の複数の前記被写体領域から前記第1のぼけ度が算出された場合において、前記被写体領域として前記顔認識手段により前記顔の領域が認識された場合は、前記重み付け平均に前記第1のスコアを用いずに前記第2のぼけ度を算出し、前記被写体領域として前記特徴認識手段により前記特徴領域が認識された場合は、前記重み付け平均に前記第2のスコアを用いて前記第2のぼけ度を算出する
電子機器。 - 請求項2に記載の電子機器であって、
前記第1の算出手段は、前記被写体領域が抽出されない場合には、前記画像全体を前記被写体領域として前記第1のぼけ度を算出する
電子機器。 - 請求項2に記載の電子機器であって、
ユーザの操作を受け付ける操作受付手段をさらに具備し、
前記選別手段は、前記ユーザの所定の操作に応じて前記ぼけ画像を選別し、
当該電子機器は、
前記複数の画像を表示し、前記所定の操作が受け付けられたときに、前記表示された複数の画像のうち前記選別されたぼけ画像のみを表示する表示手段をさらに具備する
電子機器。 - 画像中の所定の特徴を有する被写体領域を当該画像から抽出し、
前記抽出された被写体領域のぼけ度を示す第1のぼけ度を算出し、
前記画像中の1つの前記被写体領域のみから前記第1のぼけ度が算出された場合に、当該第1のぼけ度を基に前記画像の全体についてのぼけ度を示す第2のぼけ度を算出し、前記画像中の複数の前記被写体領域から前記第1のぼけ度が算出された場合に、当該第1のぼけ度を前記複数の被写体領域の面積に応じて重み付け平均した値を基に前記第2のぼけ度を算出し、
複数の前記画像から、所定の閾値以上の前記算出された第2のぼけ度を有する画像をぼけ画像として選別する
ぼけ画像選別方法。 - 画像中から抽出された、所定の特徴を有する被写体領域を、所定のサイズとなるように最適化し、
前記最適化された被写体領域から算出された、被写体領域のぼけ度を示す第1のぼけ度を取得し、
前記画像中の1つの前記被写体領域のみから前記第1のぼけ度が算出された場合に、当該第1のぼけ度を基に前記画像の全体についてのぼけ度を示す第2のぼけ度を算出し、前記画像中の複数の前記被写体領域から前記第1のぼけ度が算出された場合に、当該第1のぼけ度を前記複数の被写体領域の面積に応じて重み付け平均した値を基に前記第2のぼけ度を算出し、
複数の前記画像から、所定の閾値以上の前記算出された第2のぼけ度を有する画像をぼけ画像として選別する
ぼけ画像選別方法。 - 電子機器に、
画像中の所定の特徴を有する被写体領域を当該画像から抽出するステップと、
前記抽出された被写体領域のぼけ度を示す第1のぼけ度を算出するステップと、
前記画像中の1つの前記被写体領域のみから前記第1のぼけ度が算出された場合に、当該第1のぼけ度を基に前記画像の全体についてのぼけ度を示す第2のぼけ度を算出し、前記画像中の複数の前記被写体領域から前記第1のぼけ度が算出された場合に、当該第1のぼけ度を前記複数の被写体領域の面積に応じて重み付け平均した値を基に前記第2のぼけ度を算出するステップと、
複数の前記画像から、所定の閾値以上の前記算出された第2のぼけ度を有する画像をぼけ画像として選別するステップと
を実行させるためのプログラム。 - 電子機器に、
画像中から抽出された、所定の特徴を有する被写体領域を、所定のサイズとなるように最適化するステップと、
前記最適化された被写体領域から算出された、被写体領域のぼけ度を示す第1のぼけ度を取得するステップと、
前記画像中の1つの前記被写体領域のみから前記第1のぼけ度が算出された場合に、当該第1のぼけ度を基に前記画像の全体についてのぼけ度を示す第2のぼけ度を算出し、前記画像中の複数の前記被写体領域から前記第1のぼけ度が算出された場合に、当該第1のぼけ度を前記複数の被写体領域の面積に応じて重み付け平均した値を基に前記第2のぼけ度を算出するステップと
複数の前記画像から、所定の閾値以上の前記算出された第2のぼけ度を有する画像をぼけ画像として選別するステップと
を実行させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008244816A JP4840426B2 (ja) | 2008-09-24 | 2008-09-24 | 電子機器、ぼけ画像選別方法及びプログラム |
CN200910178651.9A CN101685542B (zh) | 2008-09-24 | 2009-09-24 | 电子设备、模糊图像分拣方法 |
US12/775,132 US8300972B2 (en) | 2008-09-24 | 2010-05-06 | Electronic apparatus, blur image sorting method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008244816A JP4840426B2 (ja) | 2008-09-24 | 2008-09-24 | 電子機器、ぼけ画像選別方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010079446A true JP2010079446A (ja) | 2010-04-08 |
JP4840426B2 JP4840426B2 (ja) | 2011-12-21 |
Family
ID=42048688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008244816A Expired - Fee Related JP4840426B2 (ja) | 2008-09-24 | 2008-09-24 | 電子機器、ぼけ画像選別方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US8300972B2 (ja) |
JP (1) | JP4840426B2 (ja) |
CN (1) | CN101685542B (ja) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012105008A (ja) * | 2010-11-09 | 2012-05-31 | Casio Comput Co Ltd | 画像処理装置及び方法、並びにプログラム |
JP2013029677A (ja) * | 2011-07-28 | 2013-02-07 | Marumi Koki Kk | デジタルカメラ用ジオラマフィルター |
JP2013045178A (ja) * | 2011-08-22 | 2013-03-04 | Fujitsu Ltd | 画像処理装置、画像処理方法及びプログラム |
JP2013546092A (ja) * | 2010-12-13 | 2013-12-26 | ユニヴェルシテ パリ ディドロ−パリ セットゥ | デジタル画像中のぼけを検出および定量化する方法 |
EP2709062A2 (en) | 2012-09-13 | 2014-03-19 | Omron Corporation | Image processing device, image processing method, and computer readable medium |
JP2014053737A (ja) * | 2012-09-06 | 2014-03-20 | Nippon Hoso Kyokai <Nhk> | 映像合成装置及び映像合成プログラム |
JP2014518049A (ja) * | 2011-05-24 | 2014-07-24 | クゥアルコム・インコーポレイテッド | 画像キャプチャパラメータに基づくビデオ符号化の制御 |
KR20160089673A (ko) * | 2015-01-20 | 2016-07-28 | 삼성전자주식회사 | 영상 처리 장치, 영상 촬영 장치, 영상 처리 방법 및 영상 촬영 장치의 제어 방법 |
JP2018112787A (ja) * | 2017-01-06 | 2018-07-19 | 富士通株式会社 | 判定装置、判定方法、および判定プログラム |
US10178406B2 (en) | 2009-11-06 | 2019-01-08 | Qualcomm Incorporated | Control of video encoding based on one or more video capture parameters |
JP2019096364A (ja) * | 2019-03-18 | 2019-06-20 | 株式会社ニコン | 画像評価装置 |
WO2019123554A1 (ja) * | 2017-12-20 | 2019-06-27 | 日本電気株式会社 | 画像処理装置、画像処理方法、及び、記録媒体 |
JP2020170555A (ja) * | 2020-07-13 | 2020-10-15 | 株式会社ニコン | 画像評価装置、カメラおよびプログラム |
US11521422B2 (en) | 2020-03-10 | 2022-12-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for detecting body temperature, electronic apparatus and storage medium |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI389576B (zh) * | 2009-07-02 | 2013-03-11 | Mstar Semiconductor Inc | 影像處理裝置以及影像處理方法 |
US20110287811A1 (en) * | 2010-05-21 | 2011-11-24 | Nokia Corporation | Method and apparatus for an augmented reality x-ray |
US9848106B2 (en) * | 2010-12-21 | 2017-12-19 | Microsoft Technology Licensing, Llc | Intelligent gameplay photo capture |
JP2013020335A (ja) * | 2011-07-08 | 2013-01-31 | Nikon Corp | 画像分類方法 |
JP5826001B2 (ja) * | 2011-11-30 | 2015-12-02 | キヤノン株式会社 | 画像処理装置、及びその制御方法 |
KR101810876B1 (ko) * | 2012-03-13 | 2018-01-26 | 삼성전자주식회사 | 타일 단위를 기반으로 큰 입력 영상의 비균일 모션 블러를 제거하는 방법 및 장치 |
CN103558996B (zh) * | 2013-10-25 | 2017-06-16 | 广东欧珀移动通信有限公司 | 照片处理方法和系统 |
US9632803B2 (en) * | 2013-12-05 | 2017-04-25 | Red Hat, Inc. | Managing configuration states in an application server |
US10013639B1 (en) * | 2013-12-16 | 2018-07-03 | Amazon Technologies, Inc. | Analyzing digital images based on criteria |
JP6516025B2 (ja) * | 2016-02-12 | 2019-05-22 | ソニー株式会社 | 情報処理方法および情報処理装置 |
CN106131518A (zh) * | 2016-06-30 | 2016-11-16 | 东莞市中控电子技术有限公司 | 一种图像处理的方法以及图像处理装置 |
CN107743200A (zh) * | 2017-10-31 | 2018-02-27 | 广东欧珀移动通信有限公司 | 拍照的方法、装置、计算机可读存储介质和电子设备 |
US10440276B2 (en) * | 2017-11-02 | 2019-10-08 | Adobe Inc. | Generating image previews based on capture information |
US11611773B2 (en) * | 2018-04-06 | 2023-03-21 | Qatar Foundation For Education, Science And Community Development | System of video steganalysis and a method for the detection of covert communications |
US10915995B2 (en) * | 2018-09-24 | 2021-02-09 | Movidius Ltd. | Methods and apparatus to generate masked images based on selective privacy and/or location tracking |
CN109729272B (zh) * | 2019-01-04 | 2022-03-08 | 平安科技(深圳)有限公司 | 一种拍摄控制方法、终端设备及计算机可读存储介质 |
CN109978833A (zh) * | 2019-03-05 | 2019-07-05 | 上海扩博智能技术有限公司 | 图像质量自动检测方法、系统、设备及存储介质 |
US11755948B2 (en) * | 2019-12-18 | 2023-09-12 | Google Llc | Attribution and generation of saliency visualizations for machine-learning models |
WO2021236061A1 (en) * | 2020-05-19 | 2021-11-25 | Google Llc | Debanding using a novel banding metric |
CN113421197B (zh) * | 2021-06-10 | 2023-03-10 | 杭州海康威视数字技术股份有限公司 | 一种美颜图像的处理方法及其处理系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000148980A (ja) * | 1998-11-12 | 2000-05-30 | Fuji Photo Film Co Ltd | 画像処理方法、画像処理装置及び記録媒体 |
JP2000350123A (ja) * | 1999-06-04 | 2000-12-15 | Fuji Photo Film Co Ltd | 画像選択装置、カメラ、画像選択方法及び記録媒体 |
JP2004362443A (ja) * | 2003-06-06 | 2004-12-24 | Canon Inc | パラメータ決定方式 |
JP2005332382A (ja) * | 2004-04-22 | 2005-12-02 | Fuji Photo Film Co Ltd | 画像処理方法および装置並びにプログラム |
JP2006050494A (ja) * | 2004-08-09 | 2006-02-16 | Casio Comput Co Ltd | 画像撮影装置 |
JP2006115289A (ja) * | 2004-10-15 | 2006-04-27 | Canon Inc | 削除候補画像を表示する撮像装置 |
JP2007251338A (ja) * | 2006-03-14 | 2007-09-27 | Casio Comput Co Ltd | 撮像装置、撮像装置の記録方法及び撮像装置の記録プログラム |
JP2007323509A (ja) * | 2006-06-02 | 2007-12-13 | Seiko Epson Corp | 印刷装置、画像がぼやけているか否かを決定する方法、およびコンピュータプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3339191B2 (ja) * | 1994-08-08 | 2002-10-28 | ミノルタ株式会社 | ブレ補正機能付カメラ |
JP5098259B2 (ja) * | 2006-09-04 | 2012-12-12 | 株式会社ニコン | カメラ |
JP4518131B2 (ja) * | 2007-10-05 | 2010-08-04 | 富士フイルム株式会社 | 撮像方法及び装置 |
-
2008
- 2008-09-24 JP JP2008244816A patent/JP4840426B2/ja not_active Expired - Fee Related
-
2009
- 2009-09-24 CN CN200910178651.9A patent/CN101685542B/zh not_active Expired - Fee Related
-
2010
- 2010-05-06 US US12/775,132 patent/US8300972B2/en not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000148980A (ja) * | 1998-11-12 | 2000-05-30 | Fuji Photo Film Co Ltd | 画像処理方法、画像処理装置及び記録媒体 |
JP2000350123A (ja) * | 1999-06-04 | 2000-12-15 | Fuji Photo Film Co Ltd | 画像選択装置、カメラ、画像選択方法及び記録媒体 |
JP2004362443A (ja) * | 2003-06-06 | 2004-12-24 | Canon Inc | パラメータ決定方式 |
JP2005332382A (ja) * | 2004-04-22 | 2005-12-02 | Fuji Photo Film Co Ltd | 画像処理方法および装置並びにプログラム |
JP2006050494A (ja) * | 2004-08-09 | 2006-02-16 | Casio Comput Co Ltd | 画像撮影装置 |
JP2006115289A (ja) * | 2004-10-15 | 2006-04-27 | Canon Inc | 削除候補画像を表示する撮像装置 |
JP2007251338A (ja) * | 2006-03-14 | 2007-09-27 | Casio Comput Co Ltd | 撮像装置、撮像装置の記録方法及び撮像装置の記録プログラム |
JP2007323509A (ja) * | 2006-06-02 | 2007-12-13 | Seiko Epson Corp | 印刷装置、画像がぼやけているか否かを決定する方法、およびコンピュータプログラム |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10178406B2 (en) | 2009-11-06 | 2019-01-08 | Qualcomm Incorporated | Control of video encoding based on one or more video capture parameters |
JP2012105008A (ja) * | 2010-11-09 | 2012-05-31 | Casio Comput Co Ltd | 画像処理装置及び方法、並びにプログラム |
JP2013546092A (ja) * | 2010-12-13 | 2013-12-26 | ユニヴェルシテ パリ ディドロ−パリ セットゥ | デジタル画像中のぼけを検出および定量化する方法 |
JP2014518049A (ja) * | 2011-05-24 | 2014-07-24 | クゥアルコム・インコーポレイテッド | 画像キャプチャパラメータに基づくビデオ符号化の制御 |
JP2013029677A (ja) * | 2011-07-28 | 2013-02-07 | Marumi Koki Kk | デジタルカメラ用ジオラマフィルター |
JP2013045178A (ja) * | 2011-08-22 | 2013-03-04 | Fujitsu Ltd | 画像処理装置、画像処理方法及びプログラム |
JP2014053737A (ja) * | 2012-09-06 | 2014-03-20 | Nippon Hoso Kyokai <Nhk> | 映像合成装置及び映像合成プログラム |
EP2709062A2 (en) | 2012-09-13 | 2014-03-19 | Omron Corporation | Image processing device, image processing method, and computer readable medium |
US9152873B2 (en) | 2012-09-13 | 2015-10-06 | Omron Corporation | Device and method for determining an optimum image |
KR20160089673A (ko) * | 2015-01-20 | 2016-07-28 | 삼성전자주식회사 | 영상 처리 장치, 영상 촬영 장치, 영상 처리 방법 및 영상 촬영 장치의 제어 방법 |
KR102301379B1 (ko) * | 2015-01-20 | 2021-09-14 | 삼성전자주식회사 | 영상 처리 장치, 영상 촬영 장치, 영상 처리 방법 및 영상 촬영 장치의 제어 방법 |
JP2018112787A (ja) * | 2017-01-06 | 2018-07-19 | 富士通株式会社 | 判定装置、判定方法、および判定プログラム |
WO2019123554A1 (ja) * | 2017-12-20 | 2019-06-27 | 日本電気株式会社 | 画像処理装置、画像処理方法、及び、記録媒体 |
JPWO2019123554A1 (ja) * | 2017-12-20 | 2020-12-03 | 日本電気株式会社 | 画像処理装置、画像処理方法、及び、プログラム |
US11462052B2 (en) | 2017-12-20 | 2022-10-04 | Nec Corporation | Image processing device, image processing method, and recording medium |
JP2019096364A (ja) * | 2019-03-18 | 2019-06-20 | 株式会社ニコン | 画像評価装置 |
US11521422B2 (en) | 2020-03-10 | 2022-12-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for detecting body temperature, electronic apparatus and storage medium |
JP2020170555A (ja) * | 2020-07-13 | 2020-10-15 | 株式会社ニコン | 画像評価装置、カメラおよびプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20110116726A1 (en) | 2011-05-19 |
US8300972B2 (en) | 2012-10-30 |
CN101685542A (zh) | 2010-03-31 |
JP4840426B2 (ja) | 2011-12-21 |
CN101685542B (zh) | 2012-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4840426B2 (ja) | 電子機器、ぼけ画像選別方法及びプログラム | |
KR101605983B1 (ko) | 얼굴 검출을 이용한 이미지 재구성 | |
JP4862930B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP5744437B2 (ja) | 追尾装置、追尾方法及びプログラム | |
KR101688753B1 (ko) | 관련된 사진들의 그룹화 | |
US8681257B2 (en) | Image processing apparatus, control method, and storage medium for editing layout positions of image data | |
JP2005303991A (ja) | 撮像装置、撮像方法、及び撮像プログラム | |
JP2011010275A (ja) | 画像再生装置及び撮像装置 | |
JPWO2008044524A1 (ja) | 画像分類プログラム、画像分類装置および電子カメラ | |
US20120314951A1 (en) | Image processing system and image processing method | |
JP2006259788A (ja) | 画像出力装置 | |
JP6261205B2 (ja) | 画像処理装置 | |
JP5504990B2 (ja) | 撮像装置、画像処理装置及びプログラム | |
US9626932B2 (en) | Image processing apparatus, image processing method and recording medium recording program for correcting image in predetermined area | |
JP5381498B2 (ja) | 画像処理装置、画像処理プログラムおよび画像処理方法 | |
JP6590681B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP2009245406A (ja) | 画像処理装置およびそのプログラム | |
JP5287965B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP5631181B2 (ja) | 画像処理装置及びその制御方法、及びプログラム | |
JP4966167B2 (ja) | 画像評価装置及びこの画像評価装置を有するカメラ | |
CN110222207B (zh) | 图片的整理方法、装置和智能终端 | |
JP5665380B2 (ja) | 画像処理装置、画像処理装置の制御方法、プログラム、及び記録媒体 | |
WO2011086901A1 (ja) | 画像処理装置、撮像装置、および画像処理プログラム | |
WO2011024356A1 (ja) | 半導体集積回路および静止画像表示方法 | |
JP5499818B2 (ja) | 画像処理装置及び方法、並びにプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100708 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100727 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100927 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110308 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110422 |
|
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: 20110906 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110919 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20141014 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |