JP2010134700A - 画像評価装置および画像評価方法 - Google Patents

Abstract

【課題】勾配方向の推定を要しない画像評価装置および画像評価方法を提供する。
【解決手段】画像評価装置が，原画像から，複数の部分領域を抽出する部分領域抽出部と，前記複数の部分領域に対応する，前記画像での画素値の勾配に対応する画素値の画素を有する，複数の抽出画像を生成する抽出画像生成部と，前記複数の抽出画像に対応する，複数の自己相関係数を算出する自己相関算出部と，前記複数の自己相関係数の代表係数値を導出する代表係数値導出部と，前記代表係数値の分布に基づいて，前記画像の良否を判定する判定部と，を具備する。
【選択図】図１

Description

本発明は，画像の良否を評価する画像評価装置および画像評価方法に関する。

画像の良否（例えば，カメラ等の撮像系により撮像した画像でのピンボケや手ぶれ等の有無）を評価するために，種々の技術が開発されている。ここで，画像のエッジに基づいて，画像の良否を評価する技術が開示されている（特許文献１〜３参照）。特許文献１は，方向別にエッジ幅の推定値のヒストグラムを作成して，ヒストグラムが方向によって違っている場合はぶれていると判定する技術を開示する。特許文献２は，原画像のエッジ幅の平均値を推定してピンボケの評価値とする技術と，エッジ強度が最大の方向と垂直な方向として手ぶれ方向を推定し，前記手ぶれ方向に沿って自己相関を算出し，自己相関の値が最小の変位を手ぶれの幅として求める技術を開示する。特許文献３は，エッジの幅の平均値を方向毎に求め，全てしきい値以下ならぼけていないと判定する技術と，ＤＣＴの係数のパターンマッチングでエッジパターンを分類し，分類毎にあらかじめ求めてあるエッジ幅の代表値でエッジ幅を推定し，推定したエッジ幅が広い部分としてボケ領域を絞り込む技術を開示する。
特開２００６−１９８７４号公報 特開２００６−１７２４１７号公報 特開２００８−１２３３４６号公報

特許文献１〜３の技術ではエッジ方向を推定し，エッジ方向に沿ったエッジ幅を算出する。エッジ幅の算出に基づいた手法は単純なピンボケの評価には有効である。しかし，手ブレが生じている場合はエッジ方向の推定に誤りが生じる場合があるため，これらの方法では画質を正しく評価できない場合がある。また，これらの方法では，多重結像が生じており，前記多重結像のみが顕著な画質不良である場合はエッジの鮮鋭さが保たれているため，画質の不良が検知できない場合がある。

本発明は，勾配方向の推定を要しない画像評価装置および画像評価方法を提供することを目的とする。

本発明の一態様に係る画像評価装置は，画像から，複数の部分領域を抽出する部分領域抽出部と，前記画像から前記複数の部分領域に対応する複数の抽出画像を抽出する抽出画像生成部と，前記複数の抽出画像に対応する，複数の自己相関係数を算出する自己相関算出部と，前記複数の自己相関係数の代表係数値を導出する代表係数値導出部と，前記代表係数値の分布に基づいて，前記画像の良否を判定する判定部と，を具備することを特徴とする。

本発明の一態様に係る画像評価方法は，画像から，複数の部分領域を抽出するステップと，前記複数の部分領域に対応する，前記画像での画素値の勾配に対応する画素値の画素を有する，複数の抽出画像を生成するステップと，前記複数の抽出画像に対応する，複数の自己相関係数を算出するステップと，前記複数の自己相関係数の代表係数値を導出するステップと，前記代表係数値の分布に基づいて，前記画像の良否を判定するステップと，を具備することを特徴とする。

後述の本発明の実施形態では，原画像から前記撮像系における画像劣化を表す劣化関数を算出するが，この劣化関数としては，例えば前記撮像系のインパルス応答の自己相関を用いる。インパルス応答の自己相関を前記劣化関数として推定するのは以下の理由からである。

前記撮像系における画像劣化の多くは，画像劣化がない理想的な撮像系により撮像された画像を入力，前記撮像系で撮像された画像劣化を伴った画像を出力とした，二次元の線形システムでモデル化できる。そして，前記線形システムのインパルス応答にはピンボケや手ブレ，多重結像，残像などの画像劣化に応じた拡がりが見られる。たとえば，ピンボケが生じている場合は，前記インパルス応答にガウシアンの様な等法的な拡がりが見られ，手ブレが生じている場合は線状の拡がり見られる。また，多重結像や残像が生じている場合は前記インパルス応答の原点以外にピークが見られる。また，インパルス応答の自己相関の拡がりにはインパルス応答の拡がりが反映されるため，インパルス応答の自己相関の拡がりにも画像劣化に応じた拡がりが見られる。従って，インパルス応答の自己相関を前記劣化関数として推定し，その拡がりを評価することで画像劣化の有無を判定することができる。

以下の説明では，エッジ画像の抽出に線形なオペレータを用いることとし，画像劣化がない理想的な画像のエッジ画像を「理想エッジ画像」，画像劣化を伴った前記原画像から抽出したエッジ画像を単に「エッジ画像」と呼ぶ。
本発明では原画像の代わりに前記エッジ画像を基に前記劣化関数を推定する。エッジ画像の抽出に線形なオペレータを用いるという仮定下においては，理想エッジ画像をエッジ画像に変換する線形システムが画像劣化をモデル化した線形システムと一致するため，上述のように原画像の代わりに前記エッジ画像を基に前記劣化関数を推定しても問題がない。

部分領域におけるエッジ画像の自己相関係数の拡がりは，各部分領域における理想エッジ画像の幾何学的構造による拡がりに，画像劣化による拡がりを加えたものとみなすことができる。そして，前記幾何学的構造に応じた拡がりは，理想エッジ画像における画素値が非ゼロの画素同士の位置関係の傾向を反映している。例えば，エッジが水平方向の線状になっている箇所では前記エッジ画像の自己相関係数に水平線状の拡がりが見られ，エッジが垂直方向の線状になっている箇所では垂直線状の拡がりが見られる。

前記幾何学的構造の傾向は部分領域各々で異なり，部分領域各々について前記理想エッジ画像に対して自己相関係数を算出すると，部分領域各々の構造に応じた拡がりが見られ，部分領域毎の構造によらず前記自己相関係数が常に正の値をとるのは原点のみである。従って，部分領域各々について算出した理想エッジ画像の自己相関は，常に正となる原点の部分と，幾何学的構造に依存する部分の和に分解することができる。

従って，理想エッジ画像を前記線形システムで劣化させたエッジ画像の部分領域毎の自己相関も画像劣化による成分と幾何学的構造に依存した成分の和に分解することができる。よって，幾何学的構造に依存した成分が正であると仮定すると，前記エッジ画像の部分領域毎に算出した自己相関の座標毎の最小値を計算することによって，構造に依存した成分を排除して画像劣化による成分を求めることが出来ると考えられる。そこで本発明では，前述のとおり，自己相関の座標毎の最小値などの代表係数値を計算することによってインパルス応答の自己相関すなわち劣化関数を推定することとした。

前記エッジ画像の画素値は，原画像の勾配ベクトルを複素数で表現した値とする。こうすると，前記エッジ画像の抽出が原画像の線形変換となるため，前記仮定と一致し都合がよい。

本発明によれば，勾配方向の推定を要しない画像評価装置および画像評価方法を提供できる。

以下，図面を参照して，本発明の実施の形態を詳細に説明する。
図１は本発明の一実施形態に係る画像評価装置１００を表すブロック図である。画像評価装置１００は，原画像入力手段１１０，画像評価手段１２０，表示手段１３０，入力手段１４０を有する。

画像評価装置１００は，コンピュータに画像評価用ソフトウェアを組み込むことによって構成できるため，以下ではそのような構成を仮定して説明を行う。ただし，専用ハードウェアや，その集合体，または分散処理用のコンピュータネットワークによって，画像評価装置１００を構成しても良い。画像評価装置１００は，ここで挙げた構成に関わらず，種々の構成を採用できる。

原画像入力手段１１０は，原画像のデータを入力する入力装置である。画像評価手段１２０は，原画像の良否（例えば，カメラ等の撮像系により撮像した画像でのピンボケや手ぶれ等の有無）を評価するものであり，グレースケール化手段１２１，エッジ画像生成手段１２２，自己相関算出手段１２３，劣化関数推定手段１２４，拡がり幅算出手段１２５，良否判定手段１２６を有する。なお，画像評価手段１２０は，ＣＰＵ（Central Processing Unit）とソフトウェアの組み合わせにより構成できる。表示手段１３０は，画像等を表示する表示装置，例えば，ＣＲＴ，ＬＣＤである。入力手段１４０は，情報を入力するための入力装置，例えば，キーボード，マウスである。

本実施形態における原画像は，横方向および縦方向それぞれの画素数ｗ，ｈの，カラー画像またはグレースケール画像とする。カラー画像は，赤色成分，緑色成分，青色成分の輝度値の二次元配列Ｒ（ｘ，ｙ），Ｇ（ｘ，ｙ），Ｂ（ｘ，ｙ）の組み合わせとして，表現できる。グレースケール画像は，輝度値の二次元配列Ｉ（ｘ，ｙ）として表現できる。

ここで，ｘ，ｙはそれぞれ，水平方向および垂直方向の座標である。座標ｘ，ｙはそれぞれ，右方向，下方向を正とする。なお，座標ｘ，ｙは，画素を単位として表現する。

本実施形態では輝度値Ｒ（ｘ，ｙ），Ｇ（ｘ，ｙ），Ｂ（ｘ，ｙ），Ｉ（ｘ，ｙ）は０から２５５までの整数で表現する事とする。例えば，図２に示すグレースケール画像は図３に示す二次元配列として表現される。

グレースケール化手段１２１は，原画像がカラー画像の場合に，原画像（カラー画像）をグレースケール化する。その結果，原画像がグレースケールである場合と同様な輝度値の二次元配列Ｉ（ｘ，ｙ）が生成される。例えば，以下の式（１）によって，グレースケール化がなされる。
Ｉ（ｘ，ｙ）＝ｍａｘ（０，ｍｉｎ（Ｉ_ｍａｘ，Ｗ_ＲＲ（ｘ，ｙ）＋Ｗ_ＧＧ（ｘ，ｙ）＋Ｗ_ＢＢ（ｘ，ｙ））） ……式（１）
ただし，Ｗ_Ｒ，Ｗ_Ｇ，Ｗ_Ｂは赤成分，緑成分，青成分を重みづけする正の定数であり，ｍｉｎ（ｘ_１，…ｘ_ｎ），はｘ_１，…ｘ_ｎの最小値を，ｍａｘ（ｘ_１，…ｘ_ｎ）はｘ_１，…ｘ_ｎの最大値を表す。Ｉ_ｍａｘは，輝度の上限値である。

この式（１）は，次の式（２）のように，二次元配列Ｉ（ｘ，ｙ）が二次元配列Ｒ（ｘ，ｙ），Ｇ（ｘ，ｙ），Ｂ（ｘ，ｙ）の重み付け和によって表されることを意味する。ｍｉｎ，ｍａｘはそれぞれ，算出された二次元配列Ｉ（ｘ，ｙ）の値が上限（Ｉ_ｍａｘ）と下限（０）との間であることを保証するためのものである。
Ｉ（ｘ，ｙ）＝Ｗ_Ｒ・Ｒ（ｘ，ｙ）＋Ｗ_Ｇ・Ｇ（ｘ，ｙ）＋Ｗ_Ｂ・Ｂ（ｘ，ｙ）
……式（２）

エッジ画像生成手段１２２は，グレースケール画像からエッジ画像を生成する。エッジ画像生成手段１２２と，後述の抽出画像抽出手段１５６の組み合わせは，複数の部分領域に対応する，複数の，抽出画像を生成する抽出画像生成部として機能する。このグレースケール画像は，原画像そのもの，原画像（カラー画像）から生成されたグレースケール画像の何れでも良い。

エッジ画像は，例えば，原画像（グレースケール画像）での画素値の勾配に対応する画素値の画素を有する画像である。ここでのエッジ画像の画素値はグレースケール画像の画素値の勾配を表す。ここでは，エッジ画像の画素値（勾配の値）は複素数とする。即ち，エッジ画像生成手段１２２は，グレースケール画像の画素各の，勾配ベクトルを算出し，その水平成分および垂直成分をそれぞれ，画素の実成分および虚成分とするエッジ画像を生成する。

座標（ｘ，ｙ）での勾配ベクトルｇ（ｘ，ｙ）は以下の式（３）で定義できる。
ｇ（ｘ，ｙ）＝（Ｉ（ｘ＋１，ｙ）−Ｉ（ｘ−１，ｙ），Ｉ（ｘ，ｙ＋１）−Ｉ（ｘ，ｙ−１） ……式（３）

従って，座標（ｘ，ｙ）でのエッジ画像の画素値Ｅ（ｘ，ｙ）は以下の式（４）に従って算出できる。
Ｅ（ｘ，ｙ）＝（Ｉ（ｘ＋１，ｙ）−Ｉ（ｘ−１，ｙ）＋ｊ・（Ｉ（ｘ，ｙ＋１）−Ｉ（ｘ，ｙ−１）） ……式（４）
ただし，「ｊ」は虚数単位を表わすものとする。

ここで，画素値Ｅ（ｘ，ｙ）の計算において，座標（ｘ＋１，ｙ）が画像の右端より右側である場合，すなわち，ｘ＋１＞ｗの場合は，Ｉ（ｘ＋１，ｙ）＝Ｉ（ｗ−１，ｙ）とする。同様に，ｘ−１＜０の場合はＩ（ｘ−１，ｙ）＝Ｉ（０，ｙ）とする。また，ｙ＋１＞ｈの場合はＩ（ｘ，ｙ＋１）＝Ｉ（ｘ，ｈ−１）とする。ｙ−１＜０の場合はＩ（ｘ，ｙ−１）＝Ｉ（ｘ，０）とする。

グレースケール画像の外側では，その画素値が定義されていないため，画像の端では勾配を計算できない。画像の外側での画素値を画像の辺での画素値と同様の値とすることで，画像の端での勾配の計算を可能としている。

図２および図３に示した画像からエッジ画像生成手段１２２でエッジ画像を導出した結果の実成分を図４および図５に，虚成分を図６および図７に示す。図４及び図６では各成分の大小を濃淡で示す。各成分が０近くの画素を灰色で，各成分が大きな画素をより明るい色で，各成分が小さな画素をより暗い色で示す。

式（４）は，２方向（横方向および縦方向）での勾配を実成分および虚成分とする拡張された勾配係数（エッジ画像）を表す。

このように，エッジの明確性と対応する量（特に，絶対値の大きさがエッジの明確性と対応する量）であれば，式（４）で表される画素値に換えて用いることができる。例えば，次の式（４ａ），（４ｂ），（４ｃ）のように，一方向（横方向，縦方向，斜め方向）での勾配そのものを画素値とする画像によってエッジ画像を定義することができる。
Ｅ（ｘ，ｙ）＝Ｉ（ｘ＋１，ｙ）−Ｉ（ｘ−１，ｙ） ……式（４ａ）
Ｅ（ｘ，ｙ）＝Ｉ（ｘ，ｙ＋１）−Ｉ（ｘ，ｙ−１） ……式（４ｂ）
Ｅ（ｘ，ｙ）＝Ｉ（ｘ＋１，ｙ＋１）−Ｉ（ｘ−１，ｙ−１） ……式（４ｃ）

式（４）で表されるエッジ画像は，座標（ｘ，ｙ）の画素に隣接する画素間での輝度の差分に対応する，線形量である。これに対して，非線形量（例えば，輝度の差を非線形変換した量）によって，エッジ画像を定義することも可能である。例えば，勾配ベクトルｇ（ｘ，ｙ）のノルムをＥ（ｘ，ｙ）とするなどして，非線形なエッジ画像を導出できる。

以上のように，絶対値の大きさがエッジの明確性と対応する量（言い換えれば，原画像のエッジ周辺に，絶対値の大きな値が集中して出現する量）であれば，エッジ画像の定義に利用することが可能である。

自己相関算出手段１２３は，ｎ個の部分領域Ｒ_１，…Ｒ_ｎの各々での，エッジ画像の２次以上の自己相関係数を算出する。図８は，自己相関算出手段１２３の構成の一例を表すブロック図である。自己相関算出手段１２３は，部分領域列挙手段１５１，領域内自己相関算出手段１５２を有する。

部分領域列挙手段１５１は，原画像から，代表画素値との差が大きな画素が一定値以上の，ｎ個の部分領域Ｒ_１，…Ｒ_ｎを列挙（抽出）する。部分領域列挙手段１５１は，原画像から，複数の部分領域を抽出する部分領域抽出部として機能する。図９に部分領域列挙手段１５１で列挙された部分領域Ｒ_１，…Ｒ_４の例を示す。領域内自己相関算出手段１５２は，部分領域Ｒ_ｋ各々について，エッジ画像の画素値Ｅ（ｘ，ｙ）の自己相関係数Ｃ_ｋ（ｐ，ｑ）を算出する。

なお，部分領域Ｒ_ｋ各々は横幅ａ，高さｂの四角形であり，第ｋ番目の四角形Ｒ_ｋの左上の角の座標を（ｘ_ｋ，ｙ_ｋ）とする。また，ｐ，ｑはそれぞれ，水平方向および垂直方向の座標であり，画素を単位とする，以下の範囲の整数値をとる。

ｐ_ｍｉｎ≦ｐ≦ｐ_ｍａｘ
ｑ_ｍｉｎ≦ｑ≦ｑ_ｍａｘ
ｐ_ｍｉｎ＝−Ｆｌｏｏｒ（ａ／２），ｐ_ｍａｘ＝ｐ_ｍｉｎ＋ａ−１
ｑ_ｍｉｎ＝−Ｆｌｏｏｒ（ｂ／２），ｑ_ｍａｘ＝ｑ_ｍｉｎ＋ｂ−１
ただし，Ｆｌｏｏｒ（ｘ）はｘ以下の整数の内で最大の値を表すものとする。

最小値ｐ_ｍｉｎ，最大値ｐ_ｍａｘは，部分領域Ｒ_ｋの略中心がそれぞれ原点（０，０）となるように設定される。横幅ａ，高さｂが奇数の場合，部分領域Ｒ_ｋの中心と原点（０，０）が一致する。横幅ａ，高さｂが偶数の場合，部分領域Ｒ_ｋの中心が画素と対応しないことから（中心が画素の間に配置される），原点（０，０）が画素に対応するように，中心から原点（０，０）をずらしている。

部分領域列挙手段１５１は，ブロック列挙手段１５３，部分領域選別手段１５４，部分領域選別手段１５５を有する。ブロック列挙手段１５３は，ｔ個のブロックＢ_１，…Ｂ_ｔを列挙する。部分領域選別手段１５４は，ブロックＢ_１，…Ｂ_ｔの内で原画像から，代表画素値との差が大きな画素が一定値以上のｍ個の部分領域候補Ｄ_１，…Ｄ_ｍを選別する。部分領域選別手段１５５は，部分領域候補Ｄ_１，…Ｄ_ｍからｎ個の部分領域Ｒ_１，…Ｒ_ｎをさらに選別する。

ブロック列挙手段１５３は，画像からｔ個のブロックＢ_１，…Ｂ_ｔを列挙する。図１０にブロック列挙手段１５３により列挙された部分領域候補の一例を示す。

ブロック列挙手段１５３では，横幅ａ，高さｂのブロックＢ_１，…Ｂ_ｔの個数ｔと左上の角の座標（ｘ_Ｂ，１，ｙ_Ｂ，１），…（ｘ_Ｂ，ｔ，ｙ_Ｂ，ｔ）を以下の方法で算出する。

Ａ．次の式でｔ_ｈｏｒｚ，ｔ_ｖｅｒｔを算出する。
ｔ_ｈｏｒｚ＝Ｆｌｏｏｒ（ｗ／ａ）
ｔ_ｖｅｒｔ＝Ｆｌｏｏｒ（ｈ／ｂ）
ｔ＝ｔ_ｈｏｒｚ・ｔ_ｖｅｒｔ

即ち，基本的には，原画像（横：ｗ，縦：ｈ）が横方向にｔ_ｈｏｒｚ個，縦方向にｔ_ｖｅｒｔ個のブロックＢ_１，…Ｂ_ｔに区分される。Ｆｌｏｏｒは，（ｗ／ａ），（ｈ／ｂ）が割り切れない場合に，小数点以下の値を切り捨てて整数値とするために用いられる。

Ｂ．ｋを１に初期化する。
Ｃ．次のようにして，ブロックＢ_ｋの左上の角の座標（ｘ_Ｂ，ｋ，ｙ_Ｂ，ｋ）が算出される。
（１）ｉ_ｖｅｒｔの値を０から（ｔ_ｖｅｒｔ−１）まで変えながら以下を繰り返す。
（２）ｉ_ｈｏｒｚの値を０から（ｔ_ｈｏｒｚ−１）まで変えながら以下を繰り返す。
１)ｘ_Ｂ，ｋを算出する： ｘ_Ｂ，ｋ＝ａ・ｉ_ｈｏｒｚ
２)ｙ_Ｂ，ｋを算出する： ｙ_Ｂ，ｋ＝ｂ・ｉ_ｖｅｒｔ
２)ｋを１増やす。

ｉ_ｖｅｒｔおよびｉ_ｈｏｒｚを変化させることで，ｋは１〜ｔの間で変化する。この結果，ブロックＢ_１，…Ｂ_ｔの全てについて，左上の角の座標（ｘ_Ｂ，１，ｙ_Ｂ，１），…（ｘ_Ｂ，ｔ，ｙ_Ｂ，ｔ）が算出される。

部分領域選別手段１５４は，横幅ａ，高さｂの部分領域Ｄ_１，…Ｄ_ｍの個数ｍと左上の角の座標（ｘ_Ｄ，１，ｙ_Ｄ，１），…（ｘ_Ｄ，ｍ，ｙ_Ｄ，ｍ）を以下の方法で選別する。

Ａ．ｍ＝０とする。
Ｂ．ｋの値を１からｔまで変えながら以下を繰り返す。
（１） ブロックＢ_ｋにおける原画像の画素値Ｉ（ｘ，ｙ）の中央値を算出し，原画像の代表画素値Ｇ_ｋとする。中央値は，データを順に並べたときの中央のデータの値である。データの個数ｎｎが奇数のとき，小さい方から［（ｎｎ＋１）／２］番目（略中央）のデータの値が中央値である。また，データの個数ｎｎが偶数のとき，小さい方からＦｌｏｏｒ［ｎｎ／２］番目（中央）のデータとＦｌｏｏｒ［［ｎｎ／２＋１］番目（中央）のデータの平均値が中央値である。この中央値はブロックＢ_ｋにおける代表画素値とみなせる。

（２）以下の計算式で，しきい値θ_１，ｋおよびθ_２，ｋを算出する。
θ_１，ｋ＝α_１・Ｇ_ｋ
θ_２，ｋ＝α_２・Ｇ_ｋ
ただし，α_１，α_２は予め定めた定数であり，０＜α_１＜１＜α_２である。

（３）ブロックＢ_ｋにおける原画像の画素値Ｉ（ｘ，ｙ）が以下の条件を満たす，代表画素値に基づく，画素値の範囲から外れる画素値を有する画素の数ｅ_ｋを数える。
Ｉ（ｘ，ｙ）≦θ_１，ｋまたはθ_２，ｋ≦Ｉ（ｘ，ｙ）

（４）ｅ_ｋ≧β・ａ・ｂが成り立つ場合は以下の処理を行う。ただし，βは予め定めた定数であり，１＜β＜１である。
１)ｍを１増やす。
２)ｘ_Ｄ，ｍ＝ｘ_B，ｋ，ｙ_Ｄ，ｍ＝ｙ_B，ｋとする。

以上のようにして，部分領域選別手段１５４は，ブロックＢ_１，…Ｂ_ｔから原画像から，代表画素値との差が大きな画素が一定値以上の部分領域候補Ｄ_１，…Ｄ_ｍを選別する。即ち，しきい値θ_１，ｋ〜θ_２，ｋの範囲外の画素の個数ｅ_ｋが所定の割合βを超える部分領域候補Ｄ_ｋを選別する。図１１は，部分領域選別手段１５４によって選別された領域候補の一例を示す。

部分領域選別手段１５５は，部分領域候補Ｄ_１，…Ｄ_ｍからｎ個の横幅ａ，高さｂの部分領域Ｒ_１，…Ｒ_ｎおよびその左上角の座標（ｘ_１，ｙ_１），…（ｘ_ｎ，ｙ_ｎ）を選択する。この選択は，ランダムとすることができる。この場合，次の式（１１）で表される疑似乱数ｋ１を用いて，部分領域Ｒ_１，…Ｒ_ｎを選択できる。部分領域Ｒ_ｋとして，部分領域候補Ｄ_ｋ１が選択される。

ｋ１＝｛［Ｎ（ｋ−１）］ ｍｏｄ ｍ｝＋１ ……式（１１）
ただし，ｎは予め定められた個数である。また，Ｎは素数であり，例えばＮ＝９９７３とすればよい。「ｘ ｍｏｄ ｙ」は，ｘをｙで割った剰余を意味する。

部分領域候補Ｄ_１，…Ｄ_ｍから部分領域Ｒ_１，…Ｒ_ｎを規則的に選択してもよい。例えば，次の式（１１ａ）で表される整数ｋ１を用いて，部分領域Ｒ_１，…Ｒ_ｎを選択できる。部分領域Ｒ_ｋとして，部分領域候補Ｄ_ｋ１が選択される。
ｋ１＝Ｆｌｏｏｒ［（ｍ−１）（ｋ−１）／（ｎ−１）］＋１ ……式（１１ａ）

選択された部分領域Ｄ_ｋの左上角の座標（ｘ_ｋ，ｙ_ｋ）は次のように表される。
（ｘ_ｋ，ｙ_ｋ）＝（ｘ_Ｄ，ｋ１，ｙ_Ｄ，ｋ１）

部分領域選別手段１５５による選別は，部分領域Ｒ_１，…Ｒ_ｎの個数ｎを揃えるために行われる。部分領域選別手段１５４で選択される部分領域候補Ｄ_１，…Ｄ_ｍの個数ｍは原画像に依存する。即ち，原画像から，代表画素値との差が大きな画素が一定値以上の領域を原画像が含む割合に依存する。部分領域選別手段１５４での選別を途中で中断することで，部分領域Ｒ_１，…Ｒ_ｎの個数ｎを揃えることも可能である。本実施形態では，部分領域選別手段１５４による選別の終了後に，部分領域選別手段１５５によって，部分領域Ｒ_１，…Ｒ_ｎの個数ｎを調整している。

既述のように，部分領域選別手段１５５による部分領域Ｒ_１，…Ｒ_ｎの選別には，ランダム，規則的を問わず種々の方法を適用できる。部分領域列挙手段１５１の全体としても，原画像から，代表画素値との差が大きな画素が一定値以上の部分領域Ｒ_１，…Ｒ_ｎを列挙するのに，種々の方法を適用できる。

領域内自己相関算出手段１５２は，部分領域Ｒ_ｋそれぞれについてエッジ画像の画素値Ｅ（ｘ，ｙ）の自己相関係数Ｃ_ｋ（ｐ，ｑ）を算出する。領域内自己相関算出手段１５２は，抽出画像抽出手段１５６，抽出画像自己相関算出手段１５７を有する。

抽出画像抽出手段１５６は，エッジ画像から部分領域Ｒ_１，…Ｒ_ｎそれぞれに対応する部分エッジ画像Ｕ_１，…Ｕ_ｎを抽出する。領域内自己相関算出手段１５２は，前記抽出画像の各々に対応する自己相関係数を算出する。前述の通り，部分領域Ｒ_ｋは，横幅ａ，高さｂ，左上の角の座標（ｘ_ｋ，ｙ_ｋ）の領域である。抽出画像抽出手段１５６は，次の式に示すように，抽出画像の左上の角から右にｘ画素，下にｙ画素の位置の画素値Ｆ_ｋ（ｘ，ｙ）として，エッジ画像の画素値Ｅ（ｘ_ｋ＋ｘ，ｙ_ｋ＋ｙ）を代入する。
Ｆ_ｋ（ｘ，ｙ）＝Ｅ（ｘ_ｋ＋ｘ，ｙ_ｋ＋ｙ）

図１２Ａ〜図１２Ｃにそれぞれ，部分領域の原画像，この原画像から生成したエッジ画像の実成分および虚成分を表す二次元ベクトルの一例を示す。図１３Ａ〜図１３Ｃにそれぞれ，部分領域の原画像，この原画像から生成したエッジ画像の実成分および虚成分を表す濃淡パターンの一例を示す。原画像では画素値０を黒で，画素値２５５を白で示す。エッジ画像においては，前記抽出画像の各成分が０近くの画素を灰色で，各成分が大きな画素をより明るい色で，各成分が小さな画素をより暗い色で示す。

抽出画像自己相関算出手段１５７は，抽出画像の２次以上の自己相関係数Ｃ_ｋ（ｐ，ｑ）を算出する。抽出画像自己相関算出手段１５７は，部分領域Ｒ_１，…Ｒ_ｎの各々について自己相関係数を算出する自己相関算出部として機能する。抽出画像自己相関算出手段１５７はｐ_ｍｉｎ＜ｐ＜ｐ_ｍａｘ，ｑ_ｍｉｎ＜ｑ＜ｑ_ｍａｘなる整数ｐ，ｑの各々について，例えば以下の式（２１）により自己相関係数Ｃ_ｋ（ｐ，ｑ）を算出する。
Ｃ_ｋ（ｐ，ｑ）＝η・Σ_ｙ＝０ ^ｂΣ_ｘ＝０ ^ａＦ_ｋ（ｘ，ｙ）・ＣＪ（Ｆ_ｋ（（ｐ＋ｘ） ｍｏｄ ａ，（ｑ＋ｙ） ｍｏｄ ｂ））／Σ_ｙ＝０ ^ｂΣ_ｘ＝０ ^ａＦ_ｋ（ｘ，ｙ）・ＣＪ（Ｆ_ｋ（ｘ，ｙ））
……式（２１）
ここで，ηはあらかじめ定めた定数（例えば，２５５）である。また，ＣＪ（ｘ）はｘの共役複素数を表す。

式（２１）は，基本的に次の式（２２）で表される。
Ｃ_ｋ（ｐ，ｑ）＝η・Σ_ｙ＝０ ^ｂΣ_ｘ＝０ ^ａＦ_ｋ（ｘ，ｙ）・ＣＪ（Ｆ_ｋ（ｐ＋ｘ，ｑ＋ｙ）／Σ_ｙ＝０ ^ｂΣ_ｘ＝０ ^ａＦ_ｋ（ｘ，ｙ）・ＣＪ（Ｆ_ｋ（ｘ，ｙ）） ……式（２２）

式（２１）において，「（ｐ＋ｘ） ｍｏｄ ａ」，「（ｑ＋ｙ） ｍｏｄ ｂ」としているのは，本来の抽出画像の領域外について，Ｅ（ｘ，ｙ）を定義することで，自己相関係数Ｃ_ｋ（ｐ，ｑ）の算出を容易とするためである。即ち，抽出画像が縦横に並んで配置されているとして，自己相関係数Ｃ_ｋ（ｐ，ｑ）を算出する。

図１４Ａ〜図１４Ｄに抽出画像自己相関算出手段１５７で算出した自己相関係数の濃淡パターンの一例を示す（図１４Ａ〜図１４Ｄがそれぞれ部分領域Ｒ_１〜Ｒ_４に対応）。図１５Ａ〜図１５Ｄに自己相関係数を表す二次元配列の一例を示す（図１５Ａ〜図１５Ｄがそれぞれ部分領域Ｒ_１〜Ｒ_４に対応）。自己相関係数の濃淡パターンにおいては，０以下の値を黒で，０より大きな値を大きさに応じた明るさで示す。

式（２１），（２２）は，抽出画像の画素値Ｆ_ｋ（ｘ，ｙ）が複素数であることを考慮している。画素値Ｆ_ｋ（ｘ，ｙ）が実数の場合には（例えば，エッジ画像の画素値Ｅ（ｘ，ｙ）が式（４ａ）〜（４ｃ）で表される場合），自己相関係数Ｃ_ｋ（ｐ，ｑ）の算出式は簡略化される。例えば，式（２２）は，次の式（２３）のようになる。
Ｃ_ｋ（ｐ，ｑ）＝η・Σ_ｙ＝０ ^ｂΣ_ｘ＝０ ^ａＦ_ｋ（ｘ，ｙ）・Ｆ_ｋ（ｐ＋ｘ，ｑ＋ｙ）／Σ_ｙ＝０ ^ｂΣ_ｘ＝０ ^ａＦ_ｋ（ｘ，ｙ）・Ｆ_ｋ（ｘ，ｙ） ……式（２３）

抽出画像自己相関算出手段１５７における自己相関係数の算出方法としては，前述の方法に限らず，部分領域におけるエッジ画像の自己相関係数Ｃ_ｋ（ｐ，ｑ）を算出できれば，種々の方法を採用できる。例えば，画素値Ｆ_ｋ（ｐ，ｑ）をフーリエ変換して，画素値Ｆ_ｋ（ｐ，ｑ）のスペクトルを算出した後（空間周波数分解），このスペクトルの絶対値の自乗を逆フーリエ変換することで，自己相関係数Ｃ_ｋ（ｐ，ｑ）を算出できる。

劣化関数推定手段１２４は，自己相関係数Ｃ_ｋ（ｐ，ｑ）の座標（ｐ，ｑ）毎（画素毎）に代表係数値を導出することで劣化関数Ｔ（ｐ，ｑ）を推定する。劣化関数推定手段１２４は，対応する複数の画素それぞれでの，前記複数の自己相関係数の代表係数値を導出する代表係数値導出部として機能する。劣化関数Ｔ（ｐ，ｑ）は，原画像の撮像に用いた撮像系による画像の劣化の程度を表す関数である。劣化関数推定手段１２４は，座標（ｐ，ｑ）における劣化関数Ｔ（ｐ，ｑ）を以下の式により算出する。

Ｔ（ｐ，ｑ）＝ｍｉｎ（Ｃ_１（ｐ，ｑ），…Ｃ_ｎ（ｐ，ｑ））
ただし，ｍｉｎ（ｘ_１，…ｘ_ｎ）はｘ_１，…ｘ_ｎの最小値を表す。図１６Ａ，図１６Ｂに，図１４及び図１５で示した自己相関係数から算出した劣化関数Ｔ（ｐ，ｑ）の濃淡パターンおよび二次元配列を示す。

自己相関係数Ｃ_ｋ（ｐ，ｑ）は，画素値Ｆ_ｋ（ｐ，ｑ）の相関の程度に対応した分布を有する。原点（０，０）では，同一の画素間での相関が算出され，最大（η）となる。原点以外では，横方向および縦方向のオフセット量ｐ，ｑでの相関に対応した値となる。例えば，原画像でエッジ（明暗の境界）が明瞭なら，そのエッジの方向に沿って，大きな画素値Ｆ_ｋ（ｐ，ｑ）が線状に並ぶ。また，原画像でエッジ（明暗の境界）が不明瞭なら，そのエッジの方向に沿って，比較的大きな画素値Ｆ_ｋ（ｐ，ｑ）が幅を有して並ぶ。

即ち，自己相関係数Ｃ_ｋ（ｐ，ｑ）の幅に基づいて，原画像の良否を判定できる。一般に，この幅を求めるためには，エッジの方向の判定が必要となる。この実施形態では，エッジの方向の判定を不要とするため，原画像から複数の自己相関係数Ｃ_ｋ（ｐ，ｑ）を導出し，座標（ｐ，ｑ）毎に複数の自己相関係数Ｃ_ｋ（ｐ，ｑ）の代表係数値を求めることで，劣化関数Ｔ（ｐ，ｑ）を導出する。このように，自己相関係数Ｃ_ｋ（ｐ，ｑ）の代表係数値を求めることで，エッジの方向による影響を緩和し（画像の幾何構造に依存した自己相関の排除），エッジの方向の判定が不要となる。

座標（ｐ，ｑ）毎での自己相関係数Ｃ_ｋ（ｐ，ｑ）の最小値を劣化関数Ｔ（ｐ，ｑ）とすることで，画像の幾何構造に起因する成分を除外できるのは，自己相関係数Ｃ_ｋ（ｐ，ｑ）が画像劣化による成分と幾何学的構造に依存した成分の和に分解することができ，幾何学的構造に依存した成分が正であると仮定すると，前記エッジ画像の部分領域毎に算出した自己相関の座標毎の最小値を計算することで構造に依存した成分を排除することができるからである。

次の式により，劣化関数Ｔ（ｐ，ｑ）を算出しても良い。
Ｔ（ｐ，ｑ）＝ｍａｘ（０，ｍｉｎ（Ｃ_１（ｐ，ｑ），…Ｃ_ｎ（ｐ，ｑ）））
この式は，劣化関数Ｔ（ｐ，ｑ）の値が０より小さくなることを防止している。

劣化関数Ｔ（ｐ，ｑ）は以下の式で表す順序統計量として算出してもよい。
Ｔ（ｐ，ｑ）＝ｏｄｒ（Ｃ_１（ｐ，ｑ），…Ｃ_ｎ（ｐ，ｑ）；ｒ）
ｒ＝Ｆｌｏｏｒ（γ・（ｎ−１））＋１
ただし，ｏｄｒ（ｘ_１，…ｘ_ｎ；ｒ）はｘ_１，…ｘ_ｎの内でｒ番目に小さな値を，γはあらかじめ定められた０以上１以下の実定数を表わす。例えば，γ＝０．０５とすることで，最小の値から個数で５％の自己相関係数Ｃ_ｋ（ｐ，ｑ）を代表係数値として，劣化関数Ｔ（ｐ，ｑ）を定義できる。Ｆｌｏｏｒ（ｘ）はｘ以下の整数の内で最大の値を表すものとする。

劣化関数推定手段１２４における劣化関数Ｔ（ｐ，ｑ）は，以下の式で表すように自己相関係数の順序統計量ｏｄｒ（Ｃ_１（ｐ，ｑ），…Ｃ_ｎ（ｐ，ｑ）；ｒ）と０のいずれか大きな方の値として算出してもよい。順序統計量ｏｄｒ（Ｃ_１（ｐ，ｑ），…Ｃ_ｎ（ｐ，ｑ）；ｒ）が０未満である場合に前記順序統計量を０に置き換える．。
Ｔ（ｐ，ｑ）＝ｍａｘ（０，ｏｄｒ（Ｃ_１（ｐ，ｑ），…Ｃ_ｎ（ｐ，ｑ）；ｒ））
ｒ＝Ｆｌｏｏｒ（γ・（ｎ−１））＋１

以上のように，自己相関係数Ｃ_１（ｐ，ｑ），…Ｃ_ｎ（ｐ，ｑ）の代表係数値を用いることで，幾何構造（例えば，エッジの配置）に依存した自己相関が排除された劣化関数Ｔ（ｐ，ｑ）が算出される。このため，劣化関数Ｔ（ｐ，ｑ）は，画像劣化に起因する自己相関の成分を多く含むようになり，劣化関数Ｔ（ｐ，ｑ）からの画像劣化の程度の算出が容易になる。

自己相関係数Ｃ_１（ｐ，ｑ），…Ｃ_ｎ（ｐ，ｑ）からの劣化関数Ｔ（ｐ，ｑ）の算出は，幾何構造に依存した自己相関を排除して画像劣化による自己相関を求めることができるなら，ここで挙げた例に限らずどのような方法を用いてもよい。

拡がり幅算出手段１２５は，劣化関数Ｔ（ｐ，ｑ）の拡がり幅を算出する。拡がり幅算出手段１２５は，代表係数値の分布の拡がり幅を算出する拡がり幅算出部として機能する。図１７は拡がり幅算出手段１２５の構成の一例を示したブロック図である。拡がり幅算出手段１２５は，距離別和算出手段１６１，距離別和評価手段１６２を有する。

距離別和算出手段１６１は，原点（０，０）からの距離νの区間毎に劣化関数の距離別和を算出する。前記区間は，［０，１），［１，２），…［ν，ν＋１），［ν_ｍａｘ，ν_ｍａｘ＋１），とする。ここで，［ｘ，ｙ）はｘ以上ｙ未満の実数値の区間を，νは整数値を表し，ν_ｍａｘは以下の式で定義されるものとする。
ν_ｍａｘ＝Ｃｅｉｌ（（ｍａｘ（−ｐ_ｍｉｎ，ｐ_ｍａｘ）^２＋ｍａｘ（−ｑ_ｍｉｎ，ｑ_ｍａｘ）^２）^１／２）−１
ただし，Ｃｅｉｌ（ｘ）はｘ以上の整数の内で最小の値を表すものとする。
距離の区間［ν，ν＋１）での劣化関数の距離別和をＳ（ν）と表記する。

ν_ｍａｘは，原点（０，０）から抽出画像の辺までの距離の最大を表し，基本的には次の式で表される。
ν_ｍａｘ＝（ｐ_ｍａｘ ^２＋ｑ_ｍａｘ ^２）^１／２−１
「ｐ_ｍｉｎ」の絶対値が「ｐ_ｍａｘ」より大きい場合に対応し，またν_ｍａｘを整数とするために，式が複雑になっている。

距離別和算出手段１６１では劣化関数の距離別和Ｓ（ν）を以下の方法で算出する。
Ａ．０≦ν≦ν_ｍａｘなる整数νの各々について，Ｓ（ν）＝０とする。
Ｂ．ｑ_ｍｉｎ≦ｑ≦ｑ_ｍａｘなる整数ｑの各々について以下を繰り返す。
（１）ｐ_ｍｉｎ≦ｐ≦ｐ_ｍａｘなる整数ｐの各々について以下を繰り返す。
１）νを計算する： ν＝Ｆｌｏｏｒ（（ｐ^２＋ｑ^２）^１／２）
２）Ｓ（ν）にＴ（ｐ，ｑ）を加算する。

図１８に距離別和算出手段１６１によって算出した劣化関数の距離別和Ｓ（ν）の一例を示す。距離νが０〜２のとき距離別和Ｓ（ν）は２５５，４８０，０の値を取る。距離νが２以上のとき，距離別和Ｓ（ν）は０である。

距離別和評価手段１６２では劣化関数の距離別和を基に劣化関数の拡がり幅λを算出する。距離別和評価手段１６２では拡がり幅λを以下の方法で算出する。
Ａ．Ｓ＝０とする。
Ｂ．λ＝ν_ｍａｘとする。

Ｃ．λ＝０かＳ≧θとなるまで以下を繰り返す。
（１）ＳにＳ（λ）を加算する： Ｓ＝Ｓ＋Ｓ（λ）
これは，劣化関数の距離別和Ｓ（ν）の関数の面積を求めることと同じである。
（２）λから１を減算する。
ただし，θ はあらかじめ定めた実定数値である。

拡がり幅算出手段１２５において，劣化関数の拡がり幅Ｓは以下の式により算出してもよい。
Ｓ＝｛Σ_{ｑ＝ｑｍｉｎ} ^ｑｍａｘΣ_{ｐ＝ｐｍｉｎ} ^ｐｍａｘＴ（ｐ，ｑ）・（ｐ^２＋ｑ^２）
／Σ_{ｑ＝ｑｍｉｎ} ^ｑｍａｘΣ_{ｐ＝ｐｍｉｎ} ^ｐｍａｘＴ（ｐ，ｑ）｝^１／２

拡がり幅算出手段１２５における劣化関数の拡がり幅の算出方法としては，劣化関数の拡がりの大小を反映した値を算出できる方法であれば，以上で述べた方法に限らずどのような方法を用いてもよい。

良否判定手段１２６は，前記拡がり幅λとあらかじめ定めたしきい値Λを比較して前記原画像の良否を判定する。良否判定手段１２６は，代表係数値の分布に基づいて，前記画像の良否を判定する判定部として機能する。良否判定手段１２６では，前記拡がり幅λが前記しきい値Λ以下なら前記原画像が良，前記拡がり幅λが前記しきい値Λより大きいなら前記原画像が不良であると判定する。

本実施形態は，範囲ｐ_ｍｉｎ≦ｐ≦ｐ_ｍａｘ，ｑ_ｍｉｎ≦ｑ≦ｑ_ｍａｘ内の座標（ｐ，ｑ）の全てについて，劣化関数推定手段１２４で劣化関数Ｔ（ｐ，ｑ）を算出し，拡がり幅算出手段１２５で劣化関数の拡がり幅を算出している。但し，前記範囲の一部の座標（ｐ，ｑ）のみについて劣化関数Ｔ（ｐ，ｑ）を算出し，それを基に前記拡がり幅を算出しても差し支えない。

以上のように，本実施形態では，ピンボケや手ブレ等の不良による画像劣化を反映した劣化関数Ｔ（ｐ，ｑ）を推定し，前記劣化関数Ｔ（ｐ，ｑ）の拡がり幅を不良の有無の判定に用いている。本実施形態では，以下のような利点を享受できる。

（１）劣化関数Ｔ（ｐ，ｑ）の拡がり幅は画像のコントラストに影響されないため，画像のコントラストが変動しても画質を正しく評価することができる。

（２）エッジ方向の推定が不要なため，エッジ方向推定の誤りによる問題が生じない。

（３）多重結像が生じている場合においても，多重結像による劣化関数の拡がりを画質の不良として検知する事ができる。例えば，図１９で示した画像においては二重結像が生じているが，この画像から図２０で示したような劣化関数が算出される。この例では原点付近のほか，右下と左上に劣化関数のピークが見られ，劣化関数の拡がりとして画像の異常を検出できる。

（４）空間周波数の大小を鮮鋭度の評価に用いないため，画素値の量子化方法に問題がある場合や，撮像の際に高周波成分を含んだ雑音が生じている場合においても，ピンボケ等が生じた画像で鮮鋭度を過大に評価することが無い。

（その他の実施形態）
本発明の実施形態は上記の実施形態に限られず拡張，変更可能であり，拡張，変更した実施形態も本発明の技術的範囲に含まれる。

本発明の一実施形態に係る画像評価装置１００を表すブロック図である。 グレースケール画像の一例を示す図である。 グレースケール画像に対応する二次元配列を示す図である。 エッジ画像の実成分の一例を示す図である。 エッジ画像の実成分の一例を示す図である。 エッジ画像の虚成分の一例を示す図である。 エッジ画像の虚成分の一例を示す図である。 自己相関算出手段１２３の構成の一例を表すブロック図である。 部分領域列挙手段１５１で列挙された部分領域の例を示す図である。 ブロック列挙手段１５３により列挙された部分領域候補の一例を示す図である。 部分領域選別手段１５４によって選別された領域候補の一例を示す図である。 部分領域の原画像を表す二次元ベクトルの一例を示す図である。 エッジ画像の実成分を表す二次元ベクトルの一例を示す図である。 エッジ画像の虚成分を表す二次元ベクトルの一例を示す図である。 部分領域の原画像を表す濃淡パターンの一例を示す図である。 エッジ画像の実成分を表す濃淡パターンの一例を示す図である。 エッジ画像の虚成分を表す濃淡パターンの一例を示す図である。 自己相関係数の濃淡パターンの一例を示す図である。 自己相関係数の濃淡パターンの一例を示す図である。 自己相関係数の濃淡パターンの一例を示す図である。 自己相関係数の濃淡パターンの一例を示す図である。 自己相関係数を表す二次元配列の一例を示す図である。 自己相関係数を表す二次元配列の一例を示す図である。 自己相関係数を表す二次元配列の一例を示す図である。 自己相関係数を表す二次元配列の一例を示す図である。 自己相関係数から算出した劣化関数Ｔ（ｐ，ｑ）の濃淡パターンを示す図である。 自己相関係数から算出した劣化関数Ｔ（ｐ，ｑ）を表す二次元配列を示す図である。 拡がり幅算出手段１２５の構成の一例を示したブロック図である。 距離別和算出手段１６１によって算出した劣化関数の距離別和Ｓ（ν）の一例を示す図である。 グレースケール画像の一例を示す図である。 劣化関数の一例を示す図である。

符号の説明

１００…画像評価装置，１１０…原画像入力手段，１２０…画像評価手段，１２１…グレースケール化手段，１２２…エッジ画像生成手段，１２３…自己相関算出手段，１２４…劣化関数推定手段，１２５…拡がり幅算出手段，１２６…良否判定手段，１３０…表示部，１４０…入力部，１５１…部分領域列挙手段，１５２…領域内自己相関算出手段，１５３…ブロック列挙手段，１５４…部分領域選別手段，１５５…部分領域選別手段，１５６…抽出画像抽出手段，１５７…抽出画像自己相関算出手段，１６１…距離別和算出手段，１６２…距離別和評価手段

Claims (11)

1. 画像から，複数の部分領域を抽出する部分領域抽出部と，
   前記画像から前記複数の部分領域に対応する複数の抽出画像を抽出する抽出画像生成部と，
   前記複数の抽出画像に対応する，複数の自己相関係数を算出する自己相関算出部と，
   前記複数の自己相関係数の代表係数値を導出する代表係数値導出部と，
   前記代表係数値の分布に基づいて，前記画像の良否を判定する判定部と，
   を具備することを特徴とする画像評価装置。
2. 前記代表係数値の分布の拡がり幅を算出する拡がり幅算出部をさらに具備し，
   前記拡がり幅に基づいて，前記判定部が前記画像の良否を判定する
   ことを特徴とする請求項１記載の画像評価装置。
3. 前記判定部が，前記拡がり幅と所定のしきい値を比較して前記画像の良否を判定する
   ことを特徴とする請求項２記載の画像評価装置。
4. 前記複数の自己相関係数の代表係数値が，前記複数の自己相関係数の最小値またはこの最小値から数えて所定番目の値である
   ことを特徴とする請求項１乃至３のいずれか１項に記載の画像評価装置。
5. 前記複数の自己相関係数の代表係数値が，０未満ならば０以上の値で置き換える
   ことを特徴とする請求項４に記載の画像評価装置。
6. 前記画像から当該部分領域におけるエッジ画像を抽出することで，前記抽出画像を抽出することを特徴とする請求項１乃至５のいずれか１項に記載の画像評価装置。
7. 前記エッジ画像の画素値が，前記画像の当該位置における所定の１方向または２方向での画素値の勾配を表す
   ことを特徴とする請求項６記載の画像評価装置。
8. 前記抽出画像生成部が，
   前記画像での画素値の勾配に対応する画素値の画素を有する，画像を生成する画像生成部と，
   前記生成された画像から前記複数の部分領域に対応する抽出画像を抽出する抽出画像抽出部と，を有する，
   ことを特徴とする請求項１乃至７のいずれか１項に記載の画像評価装置。
9. 前記部分領域抽出部が，
   前記画像を複数の部分領域に区分する区分部と，
   前記区分される複数の部分領域毎に代表画素値を決定する第１の決定部と，
   前記決定される代表画素値に基づき，画素値の範囲を決定する第２の決定部と，
   前記複数の部分領域から，前記決定された画素値の範囲から外れる画素値の個数が所定数以上の部分領域を抽出する抽出部と，を有する
   ことを特徴とする請求項１乃至８のいずれか１項に記載の画像評価装置。
10. 画像をグレースケール化するグレースケール化部をさらに具備し，
    前記抽出画像生成部が，前記グレースケール化された画像から抽出画像を生成する
    ことを特徴とする請求項１乃至９のいずれか１項に記載の画像評価装置。
11. 画像から，複数の部分領域を抽出するステップと，
    前記複数の部分領域に対応する，複数の，抽出画像を生成するステップと，
    前記複数の抽出画像に対応する，複数の自己相関係数を算出するステップと，
    前記複数の自己相関係数の代表係数値を導出するステップと，
    前記代表係数値の分布に基づいて，前記画像の良否を判定するステップと，
    を具備することを特徴とする画像評価方法。

Images