JP2010187756A - 画像処理装置、画像処理方法および画像処理プログラム - Google Patents

Abstract

【課題】体腔内画像から病変領域を精度良く検出することができる画像処理装置、画像処理方法および画像処理プログラムを提供すること。
【解決手段】本発明のある実施の形態において、抽出部１７は、体腔内画像から粘膜領域を抽出する。判定基準作成部１８は、抽出部１７によって抽出された粘膜領域の色相および彩度をもとに、病変領域を検出するための色相方向の判定基準および彩度方向の判定基準を作成する。病変領域検出部１９は、判定基準作成部１８によって作成された判定基準を用いて体腔内画像から病変領域を検出する。
【選択図】図２

Description

本発明は、体腔内を撮像した体腔内画像から病変領域を検出する画像処理装置、画像処理方法および画像処理プログラムに関する。

近年、被検者の体腔内を撮像する医用機器として、カプセル内視鏡が開発されている。カプセル内視鏡は、口から飲み込まれた後、消化管内を蠕動運動等により移動しながら所定の撮像レートで体腔内の画像（体腔内画像）を撮像して体外受信機に送信し、最終的に体外に排出される。撮像される体腔内画像の枚数は、撮像レート（２〜４frame／sec）×カプセル内視鏡の体内滞在時間（８hours＝８×６０×６０sec）で概ね示され、数万枚以上という大量の枚数になる。医師等の観察者は、これら体外受信機に送信された大量の体腔内画像を診断用のワークステーション等で確認し、病変領域を特定するために多くの時間を費やしている。このため、体腔内画像の観察作業を効率化する技術が強く望まれている。

この種の課題を解決するための技術として、例えば、体腔内画像から異常所見領域（病変領域）を検出する技術が知られている。例えば、特許文献１には、体腔内画像の各画素の画素値または平均化した画素値をその色情報に基づく特徴空間に写像してクラスタリングを行い、正常な粘膜領域のクラスタからのユークリッド距離が所定値以上のデータを病変領域として検出している。

特開２００５−１９２８８０号公報

ところで、体腔内画像には、例えば食道や胃、小腸、大腸等の内部が映る。ここで、体腔内画像に映る小腸粘膜や大腸粘膜は、黄色の消化液（胆汁）を通して撮像されるため、黄色系の色を有する。一方で、体腔内画像に映る胃粘膜は、赤色系の色を有する。このため、特許文献１に開示されている手法では、出血や発赤等に代表される赤色の色特性を有する病変領域を適切に検出できない場合があった。例えば、胃粘膜等の赤色系の色を有する粘膜の場合には、赤色系の病変領域のデータは正常な粘膜領域のクラスタから彩度方向に逸脱したデータとして得られるため、これらのデータを良好に検出できる。しかしながら、小腸粘膜や大腸粘膜等の黄色系の色を有する粘膜の場合、正常な粘膜領域のクラスタから彩度方向に逸脱したデータには、赤色系の病変領域だけでなく、正常な黄色系の粘膜領域のデータが含まれる。このため、正常な粘膜領域を病変領域として誤検出する場合があった。

本発明は、上記に鑑み為されたものであって、体腔内画像から病変領域を精度良く検出することができる画像処理装置、画像処理方法および画像処理プログラムを提供することを目的とする。

上記した課題を解決し、目的を達成するための、本発明のある態様にかかる画像処理装置は、体腔内を撮像した体腔内画像から生体組織領域を抽出する抽出手段と、前記生体組織領域を構成する画素の所定の色要素の値をもとに、前記体腔内画像から病変領域を検出するための前記色要素の判定基準を作成する判定基準作成手段と、前記判定基準を用い、前記体腔内画像から病変領域を検出する病変領域検出手段と、を備えることを特徴とする。

この態様にかかる画像処理装置によれば、体腔内画像に映る生体組織領域を構成する画素の所定の色要素の値をもとに、この体腔内画像から病変領域を検出するための色要素の判定基準を適応的に作成することができる。そして、作成した判定基準を用いて体腔内画像から病変領域を検出することができる。したがって、体腔内画像から病変領域を精度良く検出することができる。

また、本発明の別の態様にかかる画像処理方法は、体腔内を撮像した体腔内画像から生体組織領域を抽出する抽出工程と、前記生体組織領域を構成する画素の所定の色要素の値をもとに、前記体腔内画像から病変領域を検出するための前記色要素の判定基準を作成する判定基準作成工程と、前記判定基準作成工程で作成された判定基準を用い、前記体腔内画像から病変領域を検出する病変領域検出工程と、を含むことを特徴とする。

また、本発明の別の態様にかかる画像処理プログラムは、コンピュータに、体腔内を撮像した体腔内画像から生体組織領域を抽出する抽出ステップと、前記生体組織領域を構成する画素の所定の色要素の値をもとに、前記体腔内画像から病変領域を検出するための前記色要素の判定基準を作成する判定基準作成ステップと、前記判定基準を用い、前記体腔内画像から病変領域を検出する病変領域検出ステップと、を実行させることを特徴とする。

本発明によれば、体腔内画像から病変領域を精度良く検出することができる。

以下、図面を参照し、本発明の好適な実施の形態について詳細に説明する。本実施の形態では、撮像機の一例として消化管内を移動するカプセル内視鏡を用い、このカプセル内視鏡が被検者の消化管内を移動しながら連続的に撮像した一連の体腔内画像を処理する画像処理装置について説明する。なお、この実施の形態によって本発明が限定されるものではない。また、各図面の記載において、同一部分には同一の符号を付して示している。

（実施の形態１）
図１は、実施の形態１の画像処理装置を含む画像処理システムの全体構成を示す概略模式図である。図１に示すように、画像処理システムは、被検者１内部の画像（体腔内画像）を撮像するカプセル内視鏡３、カプセル内視鏡３から無線送信される体腔内画像を受信する受信装置５、受信装置５によって受信された体腔内画像をもとに、カプセル内視鏡３によって撮像された体腔内画像を処理して表示する画像処理装置１０等で構成される。受信装置５と画像処理装置１０との間の画像データの受け渡しには、例えば可搬型の記録媒体（可搬型記録媒体）７が使用される。

カプセル内視鏡３は、撮像機能や無線機能等を具備するものであって、被検者１の口から飲み込まれて被検者１内部に導入され、消化管内を移動しながら逐次体腔内画像を撮像する。そして、撮像した体腔内画像を体外に無線送信する。ここで、カプセル内視鏡３によって撮像される体腔内画像は、画像内の各画素位置においてＲ（赤），Ｇ（緑），Ｂ（青）の各色成分に対応する画素値（ＲＧＢ値）を持つカラー画像である。

受信装置５は、被検者１内におけるカプセル内視鏡３の通過経路に対応する体表上の位置に分散配置される受信用アンテナＡ１〜Ａｎを備える。そして、受信装置５は、各受信用アンテナＡ１〜Ａｎを介してカプセル内視鏡３から無線送信される画像データを受信する。この受信装置５は、可搬型記録媒体７の着脱が自在に構成されており、受信した画像データを可搬型記録媒体７に逐次保存する。このようにして、カプセル内視鏡３が被検者１内部を撮像した一連の体腔内画像は、受信装置５によって時系列順に可搬型記録媒体７に蓄積され、保存される。

画像処理装置１０は、カプセル内視鏡３によって撮像された一連の体腔内画像を医師等が観察・診断するためのものであり、ワークステーションやパソコン等の汎用コンピュータで実現される。この画像処理装置１０は、可搬型記録媒体７の着脱が自在に構成されており、可搬型記録媒体７に保存された一連の体腔内画像を処理し、例えばＬＣＤやＥＬディスプレイ等のディスプレイに時系列順に順次表示する。

図２は、実施の形態１の画像処理装置１０の機能構成を説明するブロック図である。本実施の形態では、画像処理装置１０は、画像取得部１１と、入力部１２と、表示部１３と、記録部１４と、演算部１５と、装置各部を制御する制御部２１とを備える。

画像取得部１１は、カプセル内視鏡３によって撮像されて受信装置５によって可搬型記録媒体７に保存された一連の体腔内画像を取得するものであり、例えば、可搬型記録媒体７を着脱自在に装着し、装着した可搬型記録媒体７に蓄積された体腔内画像の画像データを読み出して取得する。この画像取得部１１は、例えば、可搬型記録媒体７の種類に応じた読み書き装置によって実現される。なお、カプセル内視鏡３によって撮像された一連の体腔内画像の取得は、可搬型記録媒体７を用いた構成に限定されるものではなく、例えば、画像取得部１１の代わりにハードディスクを備える構成とし、ハードディスク内にカプセル内視鏡３によって撮像された一連の体腔内画像を予め保存しておく構成としてもよい。あるいは、可搬型記録媒体７の代わりに別途サーバを設置し、このサーバに一連の体腔内画像を予め保存しておく構成としてもよい。この場合には、画像取得部１１を、サーバと接続するための通信装置等で構成し、この画像取得部１１を介してサーバに接続して、サーバから体腔内画像を取得する。

入力部１２は、例えば、キーボードやマウス、タッチパネル、各種スイッチ等によって実現されるものであり、操作入力に応じた操作信号を制御部２１に出力する。表示部１３は、ＬＣＤやＥＬディスプレイ等の表示装置によって実現されるものであり、制御部２１の制御によって、体腔内画像の表示画面を含む各種画面を表示する。

記録部１４は、更新記録可能なフラッシュメモリ等のＲＯＭやＲＡＭといった各種ＩＣメモリ、内蔵あるいはデータ通信端子で接続されたハードディスク、読み書き可能なメモリカードやＵＳＢメモリ等の可搬型の記録媒体およびその読取装置等によって実現されるものである。この記録部１４には、画像処理装置１０を動作させ、この画像処理装置１０が備える種々の機能を実現するためのプログラムや、このプログラムの実行中に使用されるデータ等が記録される。また、体腔内画像中の病変領域を検出するための画像処理プログラム１４１が記録される。

演算部１５は、ＣＰＵ等のハードウェアによって実現され、画像取得部１１によって取得される一連の体腔内画像を処理し、各体腔内画像中に映る病変領域を検出するための種々の演算処理を行う。実施の形態１では、例えば、出血や発赤等の赤色の色特性を有する赤色系の病変領域を検出する。この演算部１５は、変換手段としての変換部１６と、抽出手段としての抽出部１７と、判定基準作成手段としての判定基準作成部１８と、病変領域検出手段としての病変領域検出部１９とを含む。

変換部１６は、体腔内画像を色要素の一例である色相と彩度とで構成される色平面に変換する。抽出部１７は、体腔内画像から生体組織領域の一例である粘膜領域を抽出する。判定基準作成部１８は、抽出部１７によって抽出された粘膜領域の色相および彩度をもとに、病変領域を検出するための判定基準を作成する。実施の形態１では、出血や発赤等の赤色系の病変領域を検出するための判定基準を作成する。この判定基準作成部１８は、色相閾値算出部１８１と、彩度閾値算出部１８２とを含む。色相閾値算出部１８１は、粘膜領域の色相および彩度をもとに、色相方向の判定閾値を算出する。彩度閾値算出部１８２は、粘膜領域の色相および彩度をもとに、彩度方向の判定閾値を算出する。病変領域検出部１９は、変換部１６によって変換された色平面において、判定基準作成部１８によって作成された判定基準を用いて体腔内画像から病変領域を検出する。

制御部２１は、ＣＰＵ等のハードウェアによって実現される。この制御部２１は、画像取得部１１から入力される画像データや入力部１２から入力される操作信号、記録部１４に記録されるプログラムやデータ等に基づいて画像処理装置１０を構成する各部への指示やデータの転送等を行い、画像処理装置１０全体の動作を統括的に制御する。

図３は、実施の形態１の画像処理装置１０が行う処理手順を示す全体フローチャートである。ここで説明する処理は、演算部１５が記録部１４に記録された画像処理プログラム１４１を実行することにより実現される。

図３に示すように、演算部１５は先ず、一連の体腔内画像を取得する（ステップａ１）。ここで、演算部１５は、制御部２１を介し、画像取得部１１によって可搬型記録媒体７から読み出された一連の体腔内画像の画像データを取得する。取得した各画像の画像データは、その時系列順序を示す画像番号とともに記録部１４に記録され、任意の画像番号の画像データを読み込み可能な状態となる。なお、可搬型記録媒体７に記録された一連の体腔内画像のうちの一部を取得する構成としてもよく、取得する体腔内画像は適宜選択できる。

続いて、ステップａ１で取得して記録部１４に記録された一連の体腔内画像を１枚ずつ順次読み出す。そして、読み出した体腔内画像を処理対象として、先ず変換部１６が、色平面変換処理を行う（ステップａ３）。続いて、抽出部１７が、粘膜領域抽出処理を行う（ステップａ５）。続いて、判定基準作成部１８が、判定基準作成処理を行う（ステップａ７）。そして、病変領域検出部１９が、病変領域検出処理を行う（ステップａ９）。

その後、演算部１５が、処理対象の体腔内画像に対する病変領域の検出結果を出力する（ステップａ１１）。後述するように、病変領域検出部１９は、病変領域を示すラベルデータを生成する。演算部１５は、例えば、このラベルデータをもとに処理対象の体腔内画像から検出された病変領域を画像化する等して、制御部２１を介して表示部１３に表示出力させる。

そして、演算部１５は、ステップａ１で取得した全ての体腔内画像を処理対象としてステップａ３〜ステップａ１１の処理を行ったか否かを判定し、未処理の体腔内画像があれば（ステップａ１３：Ｎｏ）、処理対象の体腔内画像を未処理の体腔内画像に変更してステップａ３に戻り、上記した処理を行う。一方、全ての体腔内画像を処理した場合には（ステップａ１３：Ｙｅｓ）、画像処理装置１０の演算部１５での処理を終了する。

なお、ここでは、複数の体腔内画像で構成される一連の体腔内画像を取得して各体腔内画像からそれぞれ病変領域を検出する場合を説明したが、ステップａ１で取得する体腔内画像は１枚であってもよく、取得した１枚の体腔内画像から病変領域を検出することとしてもよい。

次に、図３のステップａ３〜ステップａ９の各処理について、順次説明する。なお、以下では、各処理で処理対象とする体腔内画像を「処理対象画像」と呼ぶ。先ず、図３のステップａ３で変換部１６が行う色平面変換処理について説明する。図４は、色平面変換処理の詳細な処理手順を示すフローチャートである。

図４に示すように、色平面変換処理では、変換部１６は先ず、処理対象画像を構成する各画素のＲＧＢ値を、色差信号であるＵＶ値に変換する（ステップｂ１）。ＲＧＢ値のＵＶ値への変換は、例えば、次式（１），（２）に従って行う。
Ｕ＝−０．１６８×Ｒ−０．３３１×Ｇ＋０．５００×Ｂ ・・・（１）
Ｖ＝０．５００×Ｒ−０．４１８×Ｇ＋０．０８１×Ｂ ・・・（２）

ここで、式（１），（２）に示すように、ＵＶ値は、以下のような特性を有する。すなわち、Ｕ値は、青みを表す色差信号であり、その値が大きくなるほど青みが強くなる。一方Ｖ値は、赤みを表す色差信号であり、その値が大きくなるほど赤みが強くなる。

なお、カプセル内視鏡３は、数万枚以上という大量の画像枚数の体腔内画像を撮像する。このため、体腔内画像は、通常ＪＰＥＧやＭＰＥＧ等の圧縮符号化方式によって圧縮されて記録される。これらの圧縮符号化方式では、符号化処理として、画像のＲＧＢ値を輝度信号（Ｙ）と色差信号（ＵＶ）とからなるＹＵＶ値に変換する処理を行う。そして、記録された符号化データを画像化してＲＧＢ値を得る際の復号化処理では、符号化処理と逆の処理を行い、ＹＵＶ値をＲＧＢ値に変換する。そこで、このような圧縮符号化方式で圧縮された体腔内画像を扱う場合には、色平面変換処理において、復号化処理の際に得られる各画素のＵＶ値を用いることとしてもよい。この場合には、画像化後のＲＧＢ値からＵＶ値を算出する必要がないためステップｂ１の処理が不要となり、全体として処理の高速化が図れる。

続いて、図４に示すように、変換部１６は、各画素のＵＶ値を色相および彩度で構成される色平面に変換する（ステップｂ３）。そして、図３のステップａ３にリターンし、その後ステップａ５に移行する。図５は、ＵＶ値に基づく色相および彩度の算出原理を説明する模式図であり、図５において、横軸をＵ値、縦軸をＶ値とした２次元色平面を示している。例えば、体腔内画像を構成する１つの画素に着目し、この画素（注目画素）のＵＶ値が点Ｐ₁で表されるとする。この場合、注目画素の色相は、２次元色平面（ＵＶ）の原点Ｐ₀と注目画素のＵＶ値によって定まる点Ｐ₁とを結んだ直線と、横軸（Ｕ）とのなす角度Ｈに相当する。一方、注目画素の彩度は、原点Ｐ₀から点Ｐ₁までの距離Ｓに相当する。

実際には、色相（以下、色相Ｈと表記する。）は、各画素のＵＶ値をもとに、次式（３）に従って算出できる。

一方、彩度（以下、彩度Ｓと表記する。）は、各画素のＵＶ値をもとに、次式（４）に従って算出できる。

変換部１６は、式（３），（４）に従い、各画素について色相Ｈの値および彩度Ｓの値を算出することによって、処理対象画像を色相Ｈおよび彩度Ｓで構成される色平面（以下、適宜「ＨＳ色平面」と呼ぶ。）に変換する。

なお、ここでは、処理対象画像を画素単位で色相Ｈおよび彩度Ｓに変換する方法を示したが、画素単位で変換を行う場合、変換対象のデータ数が多く処理負荷が大きい。そこで、処理対象画像を所定サイズの矩形ブロックに分割し、矩形ブロック毎に各矩形ブロックを構成する画素のＵＶ値の平均値（平均ＵＶ値）を算出する構成としてもよい。そして、算出した矩形ブロック毎の平均ＵＶ値を色相Ｈおよび彩度Ｓの値に変換することとしてもよい。これによれば、処理負荷の低減が図れる。

あるいは、矩形ブロックに分割するのではなく、処理対象画像内をエッジに基づいて領域分割し、分割した領域毎に平均ＵＶ値を算出する構成としてもよい。このように処理対象画像のエッジを考慮して領域分割を行えば、単純に矩形ブロックに分割する場合と比べて、小さな病変領域等の検出精度を高めることができる。

具体的には、例えば、比較的画像の構造情報を表すＧ値に対し、あるいは次式（５）で算出される画像の輝度信号（Ｙ）に対して、既に公知のsobelフィルタ等を用いたエッジ検出を行う。そして、エッジ検出結果をもとに、既に公知の分水嶺（watershed）アルゴリズム（参考：Luc Vincent and Pierre Soille. Watersheds in digital spaces:An efficient algorithm based on immersion simulations. Transactionson Pattern Analysis and Machine Intelligence，Vol.13，No.6，pp.583-598，June 1991.）を用いて処理対象画像を領域分割し、分割した領域毎に平均ＵＶ値を算出する。そして、領域毎の平均ＵＶ値を色相Ｈおよび彩度Ｓの値に変換することとしてもよい。
Ｙ＝０．２９９×Ｒ＋０．５８７×Ｇ＋０．１１４×Ｂ ・・・（５）

また、ここでは、ＵＶ値に変換した後に色相Ｈおよび彩度Ｓで構成されるＨＳ色平面に変換する方法を示したが、他の表色系を用いて色相Ｈおよび彩度ＳのＨＳ色平面に変換することとしてもよい。例えばＬ＊ａ＊ｂ＊変換（参考：ＣＧ−ＡＲＴＳ協会，ディジタル画像処理，Ｐ６２〜Ｐ６３）によって、ＲＧＢ値からａ＊ｂ＊値を求める。そして、ａ＊をＶ値として扱い、ｂ＊をＵ値として扱うことによって、色相Ｈおよび彩度Ｓで構成されるＨＳ色平面に変換することとしてもよい。

また、ＵＶ値を算出せずに、例えばＨＳＩ変換（参考：ＣＧ−ＡＲＴＳ協会，ディジタル画像処理，Ｐ６４〜Ｐ６８）を用い、ＲＧＢ値を色相Ｈおよび彩度Ｓの値に直接変換することとしてもよい。

次に、図３のステップａ５で抽出部１７が行う粘膜領域抽出処理について説明する。カプセル内視鏡３により撮像された体腔内画像には、粘膜の他に、体腔内を浮遊する便等の内容物や泡等が映る。粘膜領域抽出処理では、この粘膜領域以外の泡領域および内容物領域を除外し、粘膜領域を抽出する。図６は、粘膜領域抽出処理の詳細な処理手順を示すフローチャートである。

図６に示すように、粘膜領域抽出処理では、抽出部１７は先ず、泡領域を判別する（ステップｃ１）。この泡領域の判別は、例えば、特開２００７−３１３１１９公報に開示されている公知技術を用いて実現できる。手順としては先ず、処理対象画像のＧ値をもとに画素のエッジ強度を算出する。そして、算出したエッジ強度と、泡の特徴をもとに予め設定された泡モデルとの相関値を算出し、泡モデルとの相関が高い部分を泡領域として検出する。なお、適用可能な技術はこれに限定されるものではなく、泡領域を判別する手法を適宜用いることができる。

続いて、抽出部１７は、ステップｃ１において泡領域と判別されなかった処理対象画像中の画素のＨＳ色平面でのデータをクラスタリング処理する（ステップｃ３）。クラスタリングは、特徴空間内のデータ分布を、データ間の類似度をもとにクラスタと呼ばれる塊に分ける手法である。例えば、泡領域と判別されなかった処理対象画像中の画素のＨＳ色平面でのデータに対し、K-means法等の公知の手法（参考：ＣＧ−ＡＲＴＳ協会，ディジタル画像処理，Ｐ２３２）を用いてクラスタリング処理を行う。ここでは、ＨＳ色平面におけるデータ間の距離が類似度に相当する。

なお、K-means法では、あらかじめ分割するクラスタ数Ｋをパラメータとして指定する必要があり、指定したクラスタ数Ｋによってクラスタリングの精度が大きく変化する。このため、高精度のクラスタリング結果を得るには、画像毎に最適なクラスタ数Ｋを決定する必要がある。ここでは、最適なクラスタ数Ｋの決定法として、クラスタ数評価値に基づいて最適クラスタ数Ｋを決定するアルゴリズム（参考：Chong-Wah Ngo et al,”On Clustering and Retrieval of Video Shots Through Temporal Slices Analysis，”Trans Mlt，Vol.4，No.4，pp446-458，2002）を用いることとする。ただし、適用可能なクラスタリングの手法はK-means法に限定されるものではなく、他のクラスタリングの手法を用いてもよい。

続いて、図６に示すように、抽出部１７は、クラスタリングの結果をもとに各クラスタに属するデータの平均値を算出し、算出した平均値を対応するクラスタの中心（Ｈ_ｉ，Ｓ_ｉ）とする（ステップｃ５）。なお、ｉ＝１，・・・，Ｋであり、Ｋはクラスタ数である。

続いて、抽出部１７は、クラスタ毎に、内容物領域に属するデータであるか粘膜領域に属するデータであるかの判別を行う（ステップｃ７）。そして、抽出部１７は、粘膜領域に属すると判別されたデータに対応する画素を粘膜領域として抽出する（ステップｃ９）。そして、図３のステップａ５にリターンし、その後ステップａ７に移行する。

ここで、粘膜や内容物の色は、それぞれ血液や胆汁の吸収特性に基づいており、これらの吸収波長は短波長側に偏っている。このため、粘膜領域や内容物領域に属するデータは、図５に示す赤色から黄色の色相範囲Ｈ_Rangeに分布すると推定できる。

図７は、図５に示した色相範囲Ｈ_Rangeにおける粘膜領域および内容物領域に属するデータの分布例を示す模式図である。粘膜領域と内容物領域では、ＲＧＢ値の比率が大きく異なる。これは、粘膜に存在する血液の構成成分であるヘモグロビンの吸収波長がＧ値やＢ値を形成する中波長から短波長の帯域にあるのに対し、便等の内容物領域における胆汁の色素成分であるビリルビンの吸収波長がＢ値を形成する短波長の帯域にあるためである。このため、ほとんどの場合、粘膜領域はＧ値やＢ値に対して比較的Ｒ値が高い赤色系、内容物領域はＢ値に対して比較的Ｒ値やＧ値が高い黄色系の色になる。そしてこれは、色相Ｈの差として表れるため、図７中に破線で囲んで示すように、色相Ｈにおいて、粘膜領域に属するデータＣ１と内容物領域に属するデータＣ３とが分離する。そこで、この粘膜領域に属するデータＣ１と内容物領域に属するデータＣ３とを判別するための図７中に一点鎖線で示す判別閾値Ｈ_Tを事前に設定しておく。そして、抽出部１７は、ステップｃ５で算出した各クラスタの中心Ｈ_ｉを閾値Ｈ_Ｔで閾値処理し、Ｈ_Ｔ＜Ｈ_ｉであれば、そのクラスタに属するデータを粘膜領域に属するデータと判別する。一方、Ｈ_Ｔ≧Ｈ_ｉの場合には、抽出部１７は、そのクラスタに属するデータを内容物領域に属するデータと判別する。

次に、図３のステップａ７で判定基準作成部１８が行う判定基準作成処理について説明する。この判定基準作成処理では、粘膜領域として抽出した画素のＨＳ色平面でのデータの分布（以下、「粘膜領域分布」と呼ぶ。）の中心をもとに、ＨＳ色平面においてこの中心からどの方向に向けてどの程度逸脱したデータを病変領域に属するデータとするかを判定するための判定基準を作成する。図８は、実施の形態１における判定基準作成処理の詳細な処理手順を示すフローチャートである。

図８に示すように、判定基準作成処理では、判定基準作成部１８は先ず、図６のステップｃ９で粘膜領域分布に属すると判別されたデータの平均値を算出し、算出した平均値をその粘膜領域分布の中心（粘膜領域分布中心）の色相Ｈ_Nenおよび彩度Ｓ_Nenとする（ステップｄ１）。

続いて、判定基準作成部１８の彩度閾値算出部１８２が、病変領域を検出するための彩度方向（彩度Ｓの方向）の判定閾値Ｔ_Sを算出する（ステップｄ３）。そして、色相閾値算出部１８１が、病変領域を検出するための色相方向（色相Ｈの方向）の判定閾値Ｔ_Hを算出する（ステップｄ５）。上記したように、実際に体腔内画像に映る粘膜領域には、小腸粘膜や大腸粘膜等の黄色系の色を有する粘膜領域もあれば、胃粘膜等の赤色系の色を有する粘膜領域もある。実施の形態１では、検出の対象とする病変領域は赤色系の病変領域であるので、粘膜領域が、病変領域の色特性と類似する赤色系の粘膜領域の場合の色相方向の判定閾値および彩度方向の判定閾値が、黄色系の粘膜領域の場合の色相方向の判定閾値および彩度方向の判定閾値よりも小さくなるように各判定閾値を算出する。

図９は、彩度方向の判定閾値Ｔ_Sの算出原理を説明する説明図である。ここで、色相Ｈが黄色系の粘膜領域分布に対し、彩度方向に逸脱したデータが存在したとする。この場合、これらのデータは胆汁等の消化液を通して黄色く撮像された正常な粘膜である可能性が高い。色相Ｈが黄色系の場合、色相方向に逸脱していたとしても、赤色系の病変領域の特性に近づかないためである。一方、色相Ｈが赤色系の粘膜領域分布に対し、彩度方向に逸脱したデータが存在したとする。この場合、これらのデータは赤色系の病変領域である可能性が高い。

そこで、粘膜領域分布中心の色相Ｈ_Nenが大きいほど、換言すれば、赤色系の粘膜領域分布であるほどその値が小さくなるように、彩度方向の判定閾値Ｔ_Sを算出する。すなわち、赤色系の粘膜領域分布に対しては適用する判定閾値Ｔ_Sを小さくすることで検出感度を上げている。一方、黄色系の粘膜領域分布に対しては、適用する判定閾値Ｔ_Sを大きくし、誤検出を抑制している。例えば、図９に示すように、粘膜領域分布３２の判定閾値Ｔ_Sは、色相Ｈ_Nenの値が粘膜領域分布３２よりも小さい粘膜領域分布３１の判定閾値Ｔ_Sよりも小さくなるように算出される。さらに、粘膜領域分布３３の判定閾値Ｔ_Sは、色相Ｈ_Nenの値が粘膜領域分布３３よりも小さい粘膜領域分布３２の判定閾値Ｔ_Sよりも小さくなるように算出される。

さらに、彩度Ｓが赤色系の粘膜領域分布に対し、彩度方向に逸脱したデータが存在したとする。この場合、彩度Ｓが大きくなるほど、相対的に彩度方向への僅かな逸脱であっても赤色病変の可能性が高い。そこで、粘膜領域分布中心の彩度Ｓ_Nenが大きいほどその値が小さくなるように、彩度方向の判定閾値Ｔ_Sを算出する。例えば、図９に示すように、粘膜領域分布３４の判定閾値Ｔ_Sは、彩度Ｓ_Nenの値が粘膜領域分布３４よりも小さい粘膜領域分布３１の判定閾値Ｔ_Sよりも小さくなるように算出される。

この彩度方向の判定閾値Ｔ_Sの算出式を次式（６）に示す。次式（６）に示すように、彩度方向の判定閾値Ｔ_Sの算出式は、例えば粘膜領域分布中心の色相Ｈ_Nenおよび彩度Ｓ_Nenと、予め設定される所定の係数Ｔ_h1，Ｔ_s1とを用いた減少関数で表され、彩度方向の判定閾値Ｔ_Sは、粘膜領域分布中心の色相Ｈ_Nenが大きいほど小さく、且つ粘膜領域分布中心の彩度Ｓ_Nenが大きいほど小さくなるように算出される。図１０は、粘膜領域分布中心の彩度Ｓ_Nenおよび彩度Ｓ_Nenをもとに実際に次式（６）で算出される彩度方向の判定閾値Ｔ_Sのデータ例をグラフ化した図である。
Ｔ_S＝（１／（Ｈ_Nen＋１））×Ｔ_h1−Ｓ_Nen×Ｔ_s1 ・・・（６）

図１１は、色相方向の判定閾値Ｔ_Hの算出原理を説明する説明図であり、図９と同じ４つの粘膜領域分布３１〜３４を示している。色相Ｈが黄色系の粘膜領域分布を基準として赤色系の粘膜に属するデータと比較した場合と、赤色系の粘膜領域分布を基準として赤色系の粘膜に属するデータと比較した場合とでは、黄色系の粘膜領域分布を基準とした場合の方が相対的な色相方向への逸脱が大きくなる。このため、粘膜領域分布を基準としてデータの逸脱を判定し、逸脱がある閾値を超えたデータを病変と判定する場合において、同一の判定基準を用いてある色相Ｈと彩度Ｓを有するデータの逸脱を判定すると、黄色系の粘膜領域分布および赤色系の粘膜領域分布のいずれを基準として用いるかによって判定結果が大きく異なる。そこで、粘膜領域分布中心の色相Ｈ_Nenが大きいほど、換言すれば、赤色系の粘膜領域分布であるほどその値が小さくなるように、色相方向の判定閾値Ｔ_Hを算出する。例えば、図１１に示すように、粘膜領域分布３２の判定閾値Ｔ_Hは、色相Ｈ_Nenの値が粘膜領域分布３２よりも小さい粘膜領域分布３１の判定閾値Ｔ_Hよりも小さくなるように算出される。さらに、粘膜領域分布３３の判定閾値Ｔ_Hは、色相Ｈ_Nenの値が粘膜領域分布３３よりも小さい粘膜領域分布３２の判定閾値Ｔ_Hよりも小さくなるように算出される。

さらに、彩度Ｓが赤色系の粘膜領域分布に対し、色相方向に逸脱したデータが存在したとする。この場合、彩度Ｓの値が大きくなるほど、相対的に僅かな色相方向の逸脱であっても赤色病変の可能性が高くなり、病変領域として検出すべきである。そこで、粘膜領域分布中心の彩度Ｓ_Nenが大きいほどその値が小さくなるように、色相方向の判定閾値Ｔ_Hを算出する。例えば、図１１に示すように、粘膜領域分布３４の判定閾値Ｔ_Hは、彩度Ｓ_Nenの値が粘膜領域分布３４よりも小さい粘膜領域分布３１の判定閾値Ｔ_Hよりも小さくなるように算出される。

この色相方向の判定閾値Ｔ_Hの算出式を次式（７）に示す。次式（７）に示すように、色相方向の判定閾値Ｔ_Hの算出式は、例えば粘膜領域分布中心の色相Ｈ_Nenおよび彩度Ｓ_Nenと、予め設定される所定の係数Ｔ_h2，Ｔ_s2とを用いた減少関数で表され、色相方向の判定閾値Ｔ_Hは、粘膜領域分布中心の色相Ｈ_Nenが大きいほど小さく、且つ粘膜領域分布中心の彩度Ｓ_Nenが大きいほど小さくなるように算出される。図１２は、粘膜領域分布中心の彩度Ｓ_Nenおよび彩度Ｓ_Nenをもとに実際に次式（６）で算出される色相方向の判定閾値Ｔ_Hのデータ例をグラフ化した図である。
Ｔ_H＝（１／（Ｈ_Nen＋１））×Ｔ_h2−Ｓ_Nen×Ｔ_s2 ・・・（７）

そして、判定基準作成部１８は、色相方向の判定基準Ｈ_Threshおよび彩度方向の判定基準Ｓ_Threshを作成し、処理対象画像中の病変領域を検出するための判定基準とする（ステップｄ７）。そして、図３のステップａ７にリターンし、その後ステップａ９に移行する。具体的には、色相方向の判定閾値Ｔ_H、彩度方向の判定閾値Ｔ_Sを用い、次式（８）に従って色相方向の判定基準Ｈ_Threshを作成するとともに、次式（９）に従って彩度方向の判定基準Ｓ_Threshを作成する。
Ｈ_Thresh＝Ｈ_Nen＋Ｔ_H ・・・（８）
Ｓ_Thresh＝Ｓ_Nen＋Ｔ_S ・・・（９）

例えば、図９や図１１に示すように、粘膜領域分布３１の場合は、値３１１の判定基準Ｈ_Threshが作成されるとともに、値３１３の判定基準Ｓ_Threshが作成される。粘膜領域分布３２の場合は、値３２１の判定基準Ｈ_Threshが作成されるとともに、値３２３の判定基準Ｓ_Threshが作成される。粘膜領域分布３３の場合は、値３３１の判定基準Ｈ_Threshが作成されるとともに、値３３３の判定基準Ｓ_Threshが作成される。粘膜領域分布３４の場合は、値３４１の判定基準Ｈ_Threshが作成されるとともに、値３４３の判定基準Ｓ_Threshが作成される。

次に、図３のステップａ９で病変領域検出部１９が行う病変領域検出処理について説明する。病変領域検出部１９は、図３のステップａ５の粘膜領域抽出処理で粘膜領域に属すると判別されたデータをステップａ７の判定基準作成処理で作成された判定基準を用いて判定し、処理対象画像から病変領域を検出する。実際には、図６のステップｃ５で算出され、ステップｃ７で粘膜領域に属すると判別されたデータのクラスタの中心（Ｈ_ｉ，Ｓ_ｉ）と判定基準Ｈ_ThreshおよびＳ_Threshとを用い、病変領域か否かを判定する。図１３は、病変領域検出処理の詳細な処理手順を示すフローチャートである。

図１３に示すように、病変領域検出処理では、病変領域検出部１９は先ず、粘膜領域に属するデータを判定対象データとする（ステップｅ１）。そして、病変領域検出部１９は、Ｈ_ｉをＨ_Threshと比較し、Ｈ_Thresh≦Ｈ_ｉであれば（ステップｅ３：Ｙｅｓ）、ステップｅ７に移行する。一方、Ｈ_Thresh≦Ｈ_ｉでない場合には（ステップｅ３：Ｎｏ）、病変領域検出部１９は、Ｓ_ｉをＳ_Threshと比較する。そして、Ｓ_Thresh≦Ｓ_ｉであれば（ステップｅ５：Ｙｅｓ）、ステップｅ７に移行する。そして、ステップｅ７では、病変領域検出部１９は、判定対象データを病変領域に属するデータと判定する。すなわち、病変領域検出部１９は、粘膜領域に属するデータのうち、Ｈ_Thresh≦Ｈ_ｉまたはＳ_Thresh≦Ｓ_ｉであるデータについて、病変領域に属するデータと判定する。

また、病変領域検出部１９は、Ｈ_Thresh≦Ｈ_ｉでない場合であって（ステップｅ３：Ｎｏ） 、Ｓ_Thresh≦Ｓ_ｉでない場合には（ステップｅ５：Ｎｏ）、判定対象データを正常な粘膜領域に属するデータと判定する（ステップｅ９）。すなわち、病変領域検出部１９は、粘膜領域に属するデータのうち、Ｈ_Thresh＞Ｈ_ｉであり且つＳ_Thresh＞Ｓ_ｉのデータについては、正常な粘膜領域に属するデータと判定する。

図１４は、１枚の体腔内画像について行った病変領域の検出結果の一例を示す模式図である。この図１４中において、処理対象の体腔内画像について算出した粘膜領域分布中心Ｐ₅の色相Ｈ_Nenおよび彩度Ｓ_Nenと、この粘膜領域分布中心Ｐ₅をもとに算出した彩度方向の判定閾値Ｔ_Sおよび色相方向の判定閾値Ｔ_Hを示している。そして、色相方向の判定閾値Ｔ_Hをもとに算出した判定基準Ｈ_Threshを一点鎖線で、彩度方向の判定閾値Ｔ_Sをもとに算出した判定基準Ｓ_Threshを二点鎖線で示している。図１４の例では、判定基準Ｈ_Threshを示す一点鎖線と判定基準Ｓ_Threshを示す二点鎖線で囲まれる領域内のデータ５１は正常な粘膜領域に属するデータと判定される。一方、判定基準Ｈ_Threshを示す一点鎖線と判定基準Ｓ_Threshを示す二点鎖線で囲まれる領域外のデータ５３は病変領域に属するデータと判定される。

その後、図１３に示すように、病変領域検出部１９は、病変領域を示すラベルデータを生成する（ステップｅ１１）。すなわち、病変領域検出部１９は、正常な粘膜領域に属すると判定されたデータに対応する体腔内画像の画素に正常な粘膜領域を表すラベルを割り当てるとともに、病変領域に属するデータと判定されたデータに対応する体腔内画像の画素に病変領域を表すラベルを割り当ててラベルデータを生成する。そして、図３のステップａ９にリターンし、その後ステップａ１１に移行する。

以上説明したように、実施の形態１によれば、処理対象の体腔内画像に映る粘膜領域の色相および彩度の値をもとに、処理対象の体腔内画像から病変領域を検出するための判定基準を作成することができる。具体的には、処理対象の体腔内画像から抽出した粘膜領域分布中心の色相の値が大きいほど小さく、粘膜領域分布中心の彩度の値が大きいほど小さくなるように彩度方向の判定閾値を算出し、彩度方向の判定基準を作成することができる。また、粘膜領域分布中心の色相の値が大きいほど小さく、粘膜領域分布中心の彩度の値が大きいほど小さくなるように色相方向の判定閾値を算出し、色相方向の判定基準を作成することができる。そして、作成した色相方向の判定閾値および彩度方向の判定閾値を用いて処理対象の体腔内画像から病変領域を検出することができる。したがって、体腔内画像に映る粘膜領域の色相および彩度の値に応じて判定基準を適応的に作成することができ、体腔内画像から病変領域の検出制度を向上させることができる。

なお、彩度方向の判定閾値Ｔ_Sの算出式は上記した式（６）に限定されるものではなく、少なくとも粘膜領域の色相をもとに彩度方向の判定閾値Ｔ_Sを算出すればよい。例えば、次式（１０）に示すように、粘膜領域分布中心の色相Ｈ_Nenと、予め設定される所定の係数Ｔ_h1とを用いた減少関数に従って、色相Ｈ_Nenが大きいほど値が小さくなるように彩度方向の判定閾値Ｔ_Sを算出することとしてもよい。
Ｔ_S＝（１／（Ｈ_Nen＋１））×Ｔ_h1 ・・・（１０）

また、色相方向の判定閾値Ｔ_Hの算出式は上記した式（７）に限定されるものではなく、少なくとも粘膜領域の色相をもとに色相方向の判定閾値Ｔ_Hを算出すればよい。例えば、次式（１１）に示すように、粘膜領域分布中心の色相Ｈ_Nenと、予め設定される所定の係数Ｔ_h2とを用いた減少関数に従って、色相Ｈ_Nenが大きいほど値が小さくなるように色相方向の判定閾値Ｔ_Hを算出することとしてもよい。
Ｔ_H＝（１／（Ｈ_Nen＋１））×Ｔ_h2 ・・・（１１）

（実施の形態２）
次に、実施の形態２について説明する。図１５は、実施の形態２の画像処理装置１０ａの機能構成を説明するブロック図である。なお、実施の形態１で説明した構成と同一の構成については、同一の符号を付する。図１５に示すように、画像処理装置１０ａは、画像取得部１１と、入力部１２と、表示部１３と、記録部１４ａと、演算部１５ａと、画像処理装置１０ａ全体の動作を制御する制御部２１とを備える。

記録部１４ａには、判定基準テーブルデータ１４３ａと、この判定基準テーブルデータ１４３ａから読み出した判定基準を用いて体腔内画像中の病変領域を検出するための画像処理プログラム１４１ａが記録される。

判定基準テーブルデータ１４３ａは、彩度方向の判定閾値Ｔ_Sの値を彩度Ｓ_Nenおよび色相Ｈ_Nenの各値と対応付けて設定した判定閾値Ｔ_Sの判定基準テーブルと、色相方向の判定閾値Ｔ_Hの値を彩度Ｓ_Nenおよび色相Ｈ_Nenの各値と対応付けて設定した判定閾値Ｔ_Hの判定基準テーブルとを含む。

図１６は、彩度方向の判定閾値Ｔ_Sの判定基準テーブルのデータ構成例を示す図であり、図１７は、図１６に示す彩度方向の判定閾値Ｔ_Sの判定基準テーブルをグラフ化した図である。この彩度方向の判定閾値Ｔ_Sの判定基準テーブルには、実施の形態１と同様の要領で、粘膜領域分布中心の色相Ｈ_Nenが大きいほど小さく、且つ粘膜領域分布中心の彩度Ｓ_Nenが大きいほど小さくなるように予め算出された複数の彩度方向の判定閾値Ｔ_Sが、その値を算出する際に用いた色相Ｈ_Nenおよび彩度Ｓ_Nenの組み合わせと対応付けて複数設定される。

また、図１８は、色相方向の判定閾値Ｔ_Hの判定基準テーブルのデータ構成例を示す図であり、図１９は、図１８に示す色相方向の判定閾値Ｔ_Hの判定基準テーブルをグラフ化した図である。この色相方向の判定閾値Ｔ_Hの判定基準テーブルには、実施の形態１と同様の要領で、粘膜領域分布中心の色相Ｈ_Nenが大きいほど小さく、且つ粘膜領域分布中心の彩度Ｓ_Nenが大きいほど小さくなるように予め算出された複数の色相方向の判定閾値Ｔ_Hの値が、その値を算出する際に用いた色相Ｈ_Nenおよび彩度Ｓ_Nenの組み合わせと対応付けて複数設定される。

また、演算部１５ａは、変換部１６と、抽出部１７と、判定基準作成部１８ａと、病変領域検出部１９とを含む。実施の形態２では、判定基準作成部１８ａは、判定基準テーブル読出処理手段としての判定基準テーブル読出処理部１８３ａを含む。判定基準テーブル読出処理部１８３ａは、粘膜領域の色相Ｈおよび彩度Ｓの値をもとに、判定基準テーブルデータ１４３ａから対応する彩度方向の判定閾値Ｔ_Sおよび色相方向の判定閾値Ｔ_Hを読み出す。

図２０は、実施の形態２の画像処理装置１０ａが行う処理手順を示す全体フローチャートである。ここで説明する処理は、演算部１５ａが記録部１４ａに記録された画像処理プログラム１４１ａを実行することにより実現される。なお、図２０において、実施の形態１と同様の処理工程については、同一の符号を付する。

実施の形態２では、ステップａ５の粘膜領域抽出処理の後、判定基準作成部１８ａが、判定基準作成処理を行う（ステップｆ７）。その後、ステップａ９に移行する。図２１は、実施の形態２における判定基準作成処理の詳細な処理手順を示すフローチャートである。

図２１に示すように、実施の形態２の判定基準作成処理では、判定基準作成部１８ａは先ず、実施の形態１と同様にして、粘膜領域分布に属すると判別されたデータの平均値を算出し、算出した平均値をその粘膜領域分布の中心（粘膜領域分布中心）の色相Ｈ_Nenおよび彩度Ｓ_Nenとする（ステップｇ１）。

続いて、判定基準作成部１８ａの判定基準テーブル読出処理部１８３ａが、判定基準テーブルデータ１４３ａの彩度方向の判定閾値Ｔ_Sの判定基準テーブルを参照し、粘膜領域分布中心の色相Ｈ_Nenおよび彩度Ｓ_Nenをもとに対応する彩度方向の判定閾値Ｔ_Sを読み出す（ステップｇ３）。

続いて、判定基準テーブル読出処理部１８３ａは、判定基準テーブルデータ１４３ａの色相方向の判定閾値Ｔ_Hの判定基準テーブルを参照し、粘膜領域分布中心の色相Ｈ_Nenおよび彩度Ｓ_Nenをもとに対応する色相方向の判定閾値Ｔ_Hを読み出す（ステップｇ５）。

そして、判定基準作成部１８ａは、実施の形態１と同様の手法で色相方向の判定基準Ｈ_Threshおよび彩度方向の判定基準Ｓ_Threshを算出して処理対象画像中の病変領域を検出するための判定基準を作成する（ステップｇ７）。このとき、読み出した色相方向の判定閾値Ｔ_Hおよび彩度方向の判定閾値Ｔ_Sを用いる。

以上説明したように、実施の形態２によれば、色相Ｈ_Nenおよび彩度Ｓ_Nenの組み合わせと対応付けて色相方向の判定閾値Ｔ_Hおよび彩度方向の判定閾値Ｔ_Sを予め設定しておくことができる。したがって、実施の形態１と同様の効果を奏することができるとともに、色相方向の判定閾値Ｔ_Hおよび彩度方向の判定閾値Ｔ_Sの各値をその都度算出する必要がなく、処理負荷を軽減できる。

なお、上記した実施の形態２では、判定基準テーブルデータ１４３ａとして、複数の彩度方向の判定閾値Ｔ_Sの値が、その値を算出する際に用いた色相Ｈ_Nenおよび彩度Ｓ_Nenの組み合わせと対応付けて設定された判定閾値Ｔ_Sの判定基準テーブルと、複数の色相方向の判定閾値Ｔ_Hの値が、その値を算出する際に用いた色相Ｈ_Nenおよび彩度Ｓ_Nenの組み合わせと対応付けて設定された判定閾値Ｔ_Hの判定基準テーブルとを用意する構成とした。これに対し、例えば実施の形態１の変形例として示した式（１０）に従って彩度方向の判定閾値Ｔ_Sを算出し、その値を算出する際に用いた色相Ｈ_Nenの値と対応付けて設定した判定閾値Ｔ_Sの判定基準テーブルを用意する構成としてもよい。この場合には、判定基準テーブル読出処理部１８３ａは、粘膜領域分布中心の色相Ｈ_Nenをもとに対応する彩度方向の判定閾値Ｔ_Sを読み出す。また、上記した式（１１）に従って色相方向の判定閾値Ｔ_Hの値を算出し、その値を算出する際に用いた色相Ｈ_Nenの値と対応付けて設定した判定閾値Ｔ_Hの判定基準テーブルを用意する構成としてもよい。この場合には、判定基準テーブル読出処理部１８３ａは、粘膜領域分布中心の色相Ｈ_Nenをもとに対応する色相方向の判定閾値Ｔ_Hを読み出す。

（実施の形態３）
次に、実施の形態３について説明する。図２２は、実施の形態３の画像処理装置１０ｂの機能構成を説明するブロック図である。なお、実施の形態１または実施の形態２で説明した構成と同一の構成については、同一の符号を付する。図２２に示すように、画像処理装置１０ｂは、画像取得部１１と、入力部１２と、表示部１３と、記録部１４ｂと、演算部１５ｂと、画像処理装置１０ｂ全体の動作を制御する制御部２１とを備える。

記録部１４ｂには、実施の形態２で説明した判定基準テーブルデータ１４３ａが記録される。また、記録部１４ｂには、体腔内画像に映る臓器種類を判別し、判別した臓器種類毎に体腔内画像を抽出して病変領域を検出するための画像処理プログラム１４１ｂが記録される。

また、演算部１５ｂは、体腔内画像抽出手段としての体腔内画像抽出部２０ｂと、変換部１６と、抽出部１７と、判定基準作成部１８ｂと、病変領域検出部１９とを含む。体腔内画像抽出部２０ｂは、一連の体腔内画像の中から同一の臓器種類と判別された体腔内画像を抽出する。この体腔内画像抽出部２０ｂは、各体腔内画像に映る臓器種類を判別する臓器種類判別手段としての臓器種類判別部２０１ｂを含む。また、実施の形態３では、判定基準作成部１８ｂは、判定基準テーブル読出処理部１８３ｂを含み、臓器種類毎に判定基準を作成する。

図２３は、実施の形態３の画像処理装置１０ｂが行う処理手順を示す全体フローチャートである。ここで説明する処理は、演算部１５ｂが記録部１４ｂに記録された画像処理プログラム１４１ｂを実行することにより実現される。

図２３に示すように、演算部１５ｂは先ず、実施の形態１と同様の手順で一連の体腔内画像を取得する（ステップｈ１）。続いて、臓器種類判別部２０１ｂが、取得した一連の体腔内画像を構成する各体腔内画像に映る臓器種類を判別する（ステップｈ３）。ここでは、各体腔内画像に映る臓器種類として例えば、食道、胃、小腸および大腸の４種類を判別する。

具体的な臓器種類の判別方法としては、適宜公知の技術を用いることができる。例えば、特開２００６−２８８６１２号公報に開示されている技術を用い、体腔内画像の平均Ｒ値，Ｇ値，Ｂ値をもとに判別する。具体的には、事前に臓器種類毎の平均Ｒ値，Ｇ値，Ｂ値の数値範囲を設定しておく。実施の形態１では、判別対象とする臓器は食道、胃、小腸および大腸の４種類であるので、食道、胃、小腸および大腸の平均Ｒ値，Ｇ値，Ｂ値の数値範囲をそれぞれ設定しておく。そして、体腔内画像の平均Ｒ値，Ｇ値，Ｂ値が食道の平均Ｒ値，Ｇ値，Ｂ値の数値範囲内であれば、その体腔内画像に映る観察部位の臓器種類を食道と判別する。体腔内画像の平均Ｒ値，Ｇ値，Ｂ値が胃の平均Ｒ値，Ｇ値，Ｂ値の数値範囲内であれば、その体腔内画像に映る観察部位の臓器種類を胃と判別する。体腔内画像の平均Ｒ値，Ｇ値，Ｂ値が小腸の平均Ｒ値，Ｇ値，Ｂ値の数値範囲内であれば、その体腔内画像に映る観察部位の臓器種類を小腸と判別する。体腔内画像の平均Ｒ値，Ｇ値，Ｂ値が大腸の平均Ｒ値，Ｇ値，Ｂ値の数値範囲内であれば、その体腔内画像に映る観察部位の臓器種類を大腸と判別する。なお、画像中に映る臓器種類を判別できればここで説明した方法に限らず、いずれの方法を用いてもよい。

続いて、判別された食道、胃、小腸および大腸の４種類の臓器種類を順次処理臓器種類としてループＡの処理を行う（ステップｈ５〜ステップｈ１７）。

すなわち、先ず、体腔内画像抽出部２０ｂが、一連の体腔内画像の中から、臓器種類が処理臓器種類と判別された体腔内画像を処理臓器画像として抽出する（ステップｈ７）。そして、ステップｈ７で抽出された処理臓器画像を記録部１４ｂから１枚ずつ順次読み出す。そして、読み出した処理臓器画像について、先ず変換部１６が、実施の形態１と同様の手順で色平面変換処理を行う（ステップｈ９）。続いて、抽出部１７が、実施の形態１と同様の手順で粘膜領域抽出処理を行う（ステップｈ１１）。続いて、ステップｈ７で抽出した処理臓器画像を全て処理したか否かを判定する。未処理の処理臓器画像があれば（ステップｈ１３：Ｎｏ）、ステップｈ９に戻り、この未処理の処理臓器画像についてステップｈ９〜ステップｈ１１の処理を行う。一方、抽出した処理臓器画像を全て処理した場合には（ステップｈ１３：Ｙｅｓ）、続いて判定基準作成部１８ｂが、判定基準作成処理を行う（ステップｈ１５）。

そして、各臓器種類を処理臓器種類としてループＡの処理を行い、臓器種類毎に判定基準を作成したならば、ステップｈ１で取得して記録部１４ｂに記録された一連の体腔内画像を１枚ずつ順次読み出す。そして、読み出した体腔内画像を処理対象とし、病変領域検出部１９が、病変領域検出処理を行う（ステップｈ１９）。この病変領域検出処理では、色相方向の判定基準および彩度方向の判定基準として、ステップｈ１５の判定基準作成処理で処理対象画像の臓器種類について算出した値を用いる。処理手順については、実施の形態１と同様の処理手順で実現できる。

その後、演算部１５ｂが、処理対象の体腔内画像に対する病変領域の検出結果を出力する（ステップｈ２１）。そして、演算部１５ｂは、ステップｈ１で取得した全ての体腔内画像を処理対象としてステップｈ１９〜ステップｈ２１の処理を行ったか否かを判定し、未処理の体腔内画像があれば（ステップｈ２３：Ｎｏ）、処理対象画像を未処理の体腔内画像に変更してステップｈ１９に戻り、上記した処理を行う。一方、全ての体腔内画像を処理した場合には（ステップｈ２３：Ｙｅｓ）、画像処理装置１０ｂの演算部１５ｂでの処理を終了する。

次に、図２３のステップｈ１５の判定基準作成処理について説明する。図２４は、実施の形態３における判定基準作成処理の詳細な処理手順を示すフローチャートである。なお、図２４において、実施の形態２と同様の処理工程については、同一の符号を付する。

図２４に示すように、実施の形態３の判定基準作成処理では、判定基準作成部１８ｂは先ず、各処理臓器画像の粘膜領域分布に属するデータの平均値を算出し、算出した平均値をその粘膜領域分布の中心（粘膜領域分布中心）の色相Ｈ_Nenおよび彩度Ｓ_Nenとする（ステップｉ１）。例えば、各処理臓器画像の粘膜領域分布に属する全てのデータの平均値を算出してもよいし、各処理臓器画像の粘膜領域分布それぞれからいくつかのデータを選出しし、選出したデータの平均値を算出してもよい。その後、ステップｇ３に移行する。

上記した実施の形態１や２では、体腔内画像毎に粘膜領域を抽出して粘膜領域分布を求め、この粘膜領域分布をもとに判定基準を作成する場合について説明した。このように体腔内画像毎に粘膜領域を抽出して粘膜領域分布を求めることとすると、例えば体腔内画像全体に出血があるような場合、出血部のデータを多く含んだ状態で粘膜領域分布を求めることになる。このため、これら出血部のデータが、粘膜領域分布から逸脱するデータとして得られない事態が生じ、病変領域として検出できない場合があった。これに対し、実施の形態３によれば、同一の臓器種類と判別された全ての体腔内画像から抽出した粘膜領域の粘膜領域分布を用いて判定基準を作成することによって、臓器種類毎に判定基準を作成することができる。そして、作成した臓器種類毎の判定基準を該当する臓器が映る体腔内画像に対してそれぞれ適用できる。したがって、同一の臓器種類と判別された体腔内画像の中に、全体に出血があるような体腔内画像が含まれる場合であっても、画像間のばらつきを抑えてこれら出血部を病変領域として安定的に検出することができる。

また、実際の粘膜の組成は臓器毎に異なるため、臓器種類によって粘膜領域の色味が変化する。実施の形態３によれば、色味の類似した臓器種類毎に判定基準を作成することができ、病変領域を精度良く検出することができる。なお、このような色味の異なる粘膜領域の粘膜領域分布をもとに判定基準を作成すると、粘膜領域分布が色平面上で広がってしまうことになり、判定基準を適正に算出することができなくなる。

（実施の形態４）
次に、実施の形態４について説明する。図２５は、実施の形態４の画像処理装置１０ｃの機能構成を説明するブロック図である。なお、実施の形態１〜３で説明した構成と同一の構成については、同一の符号を付する。図２５に示すように、画像処理装置１０ｃは、画像取得部１１と、入力部１２と、表示部１３と、記録部１４ｃと、演算部１５ｃと、画像処理装置１０ｃ全体の動作を制御する制御部２１とを備える。

記録部１４ｃには、実施の形態２で説明した判定基準テーブルデータ１４３ａが記録される。また、記録部１４ｃには、一連の体腔内画像からシーン変化の少ない連続画像区間を検出し、検出した連続画像区間毎に体腔内画像を抽出して病変領域を検出するための画像処理プログラム１４１ｃが記録される。

また、演算部１５ｃは、体腔内画像抽出部２０ｃと、変換部１６と、抽出部１７と、判定基準作成部１８ｂと、病変領域検出部１９とを含む。体腔内画像抽出部２０ｃは、一連の体腔内画像の中から同一の臓器種類と判別された体腔内画像を抽出する。この体腔内画像抽出部２０ｃは、一連の体腔内画像からシーン変化の少ない連続画像区間を検出するシーン検出手段としてのシーン検出部２０３ｃを含む。

図２６は、実施の形態４の画像処理装置１０ｃが行う処理手順を示す全体フローチャートである。ここで説明する処理は、演算部１５ｃが記録部１４ｃに記録された画像処理プログラム１４１ｃを実行することにより実現される。なお、図２６において、実施の形態３と同様の処理工程については、同一の符号を付する。

図２６に示すように、演算部１５ｃは先ず、実施の形態１と同様の手順で一連の体腔内画像を取得する（ステップｈ１）。続いて、シーン検出部２０３ｃが、取得した一連の体腔内画像からシーン変化の少ない区間を検出し、連続画像区間とする（ステップｊ３）。

具体的なシーン変化の検出方法としては、適宜公知の技術を用いることができる。具体的な算出の方法としては例えば、先ず、隣接する画像間の輝度値の差を求める。そして、輝度値の差が予め設定される閾値以上の場合に大きくシーンが変化したと判定し、輝度値の差が予め設定される閾値未満であれば、シーンに変化がないまたはシーン変化が小さいと判定する。シーン検出部２０３ｃは、一連の体腔内画像を構成する各体腔内画像それぞれについて、上記の方法でシーン変化の大小を判定する。そして、シーン検出部２０３ｃは、判定結果をもとに、一連の体腔内画像からシーン変化がないまたはシーン変化が小さい区間を連続画像区間として検出する。なお、一連の体腔内画像からシーンが変化しないまたはシーン変化の小さい区間を検出できればここで説明した方法に限らず、いずれの方法を用いてもよい。

続いて、検出された連続画像区間を順次処理区間としてループＢの処理を行う（ステップｊ５〜ステップｊ１７）。

すなわち、先ず、体腔内画像抽出部２０ｃが、一連の体腔内画像の中から、処理区間に属する体腔内画像を処理区間画像として抽出する（ステップｊ７）。そして、ステップｊ７で抽出された処理区間画像を記録部１４ｃから１枚ずつ順次読み出し、ステップｈ９に移行する。

また、ステップｊ７で抽出した全ての処理区間画像についてステップｈ９〜ステップｈ１１の処理を行った場合に（ステップｊ１３：Ｙｅｓ）、続いて判定基準作成部１８ｂが、判定基準作成処理を行う（ステップｊ１５）。この判定基準作成処理は、実施の形態３と同様の処理手順で実現できるが、図２４のステップｉ１の処理において、各処理区間画像における粘膜領域分布の全てのデータの平均値を算出し、算出した平均値をその粘膜領域分布の中心（粘膜領域分布中心）の色相Ｈ_Nenおよび彩度Ｓ_Nenとする処理を行う。

そして、各連続画像区間を処理区間としてループＢの処理を行い、連続画像区間毎に判定基準を作成したならば、ステップｈ１で取得して記録部１４ｃに記録された一連の体腔内画像を１枚ずつ順次読み出す。そして、読み出した体腔内画像を処理対象とし、病変領域検出部１９が、病変領域検出処理を行う（ステップｊ１９）。この病変領域検出処理では、色相方向の判定基準および彩度方向の判定基準として、ステップｊ１５の判定基準作成処理で処理対象画像が属する連続画像区間について算出した値を用いる。処理手順については、実施の形態１と同様の処理手順で実現できる。

その後、演算部１５ｃが、処理対象の体腔内画像に対する病変領域の検出結果を出力する（ステップｊ２１）。そして、演算部１５ｃは、ステップｈ１で取得した全ての体腔内画像を処理対象としてステップｊ１９〜ステップｊ２１の処理を行ったか否かを判定し、未処理の体腔内画像があれば（ステップｊ２３：Ｎｏ）、処理対象画像を未処理の体腔内画像に変更してステップｊ１９に戻り、上記した処理を行う。一方、全ての体腔内画像を処理した場合には（ステップｊ２３：Ｙｅｓ）、画像処理装置１０ｃの演算部１５ｃでの処理を終了する。

シーンが大きく変化したということは、カプセル内視鏡が大きく移動したということであり、カプセル内視鏡が大きく移動すれば、当然撮像される臓器位置が変化する。また、上記したように、実際の粘膜の組成は臓器毎に異なる。したがって、カプセル内視鏡が大きく移動したことで撮像対象の臓器が変化した場合には、シーン変化の前後で体腔内画像に映る粘膜領域の色味が変化する。実施の形態４によれば、シーン変化の少ない連続画像区間毎に、連続画像区間に属する全ての体腔内画像から抽出した粘膜領域の粘膜領域分布を用いて判定基準を作成することができる。そして、作成した連続画像区間毎の判定基準を該当する連続画像区間に属する体腔内画像に対してそれぞれ適用することができる。したがって、連続画像区間毎に判定基準を適切に作成することができ、画像間のばらつきを抑えて病変領域を安定的に検出することができる。

なお、上記した実施の形態３では、同一の臓器種類と判別された全ての体腔内画像を処理臓器画像として抽出し、粘膜領域を抽出して判定基準を作成することとした。これに対し、同一の臓器種類と判別された体腔内画像のうちの２枚以上の所定枚数の体腔内画像を処理臓器画像として抽出する構成としてもよい。また、上記した実施の形態４では、同一の連続画像区間に属する全ての体腔内画像を処理区間画像として抽出し、粘膜領域を抽出して判定基準を作成することとした。これに対し、同一の連続画像区間に属する体腔内画像のうちの２枚以上の所定枚数の体腔内画像を処理区間画像として抽出する構成としてもよい。

また、上記した各実施の形態では、カプセル内視鏡によって撮像された体腔内画像からを病変領域を検出する場合について説明したが、処理の対象となる体腔内画像はカプセル内視鏡で撮像された画像に限定されるものではない。例えば、内視鏡等の他の医療機器によって撮像された体腔内画像を処理することとしてもよい。

また、上記した各実施の形態では、色要素を色相および彩度とし、体腔内画像から病変領域を検出するための判定基準として色相方向の判定基準と彩度方向の判定基準とを作成する場合について説明したが、本発明で適用可能な色要素は色相や彩度に限定されるものではない。例えば、体腔内画像の各画素のＲ値やＧ値、Ｂ値を色要素として、各色要素の判定基準を作成することとしてもよい。あるいは、色相や彩度に相当する他の値を色要素として用いることとしてもよい。例えば、Ｇ値をＲ値で除した色比データ（Ｇ／Ｒ）やＢ値をＧ値で除した色比データ（Ｂ／Ｇ）を求め、各色比データを色要素として判定基準を作成することとしてもよい。そしてこのとき、粘膜領域を構成する画素の色要素の値が、検出の対象とする病変領域の色特性と類似しているほど小さくなるように色要素の判定閾値を算出し、算出した色要素の判定閾値をもとに色要素の判定基準を作成することとしてもよい。

また、上記した実施の形態では、体腔内画像から赤色系の病変領域を検出する場合について説明したが、これに限定されるものではない。検出したい病変領域が粘膜領域の色から相対的にどの色方向に逸脱する色であるかが分かれば同様に適用できる。

画像処理装置を含む画像処理システムの全体構成を示す概略模式図である。 実施の形態１の画像処理装置の機能構成を説明するブロック図である。 実施の形態１の画像処理装置が行う処理手順を示す全体フローチャートである。 色平面変換処理の詳細な処理手順を示すフローチャートである。 ＵＶ値に基づく色相および彩度の算出原理を説明する模式図である。 粘膜領域抽出処理の詳細な処理手順を示すフローチャートである。 図５に示した色相範囲Ｈ_Rangeにおける粘膜領域および内容物領域に属するデータの分布例を示す模式図である。 実施の形態１における判定基準作成処理の詳細な処理手順を示すフローチャートである。 彩度方向の判定閾値の算出原理を説明する説明図である。 算出される彩度方向の判定閾値のデータ例をグラフ化した図である。 色相方向の判定閾値の算出原理を説明する説明図である。 算出される色相方向の判定閾値のデータ例をグラフ化した図である。 病変領域検出処理の詳細な処理手順を示すフローチャートである。 病変領域の検出結果の一例を示す模式図である。 実施の形態２の画像処理装置の機能構成を説明するブロック図である。 彩度方向の判定閾値の判定基準テーブルのデータ構成例を示す図である。 図１６に示す彩度方向の判定閾値の判定基準テーブルをグラフ化した図である。 色相方向の判定閾値の判定基準テーブルのデータ構成例を示す図である。 図１８に示す色相方向の判定閾値の判定基準テーブルをグラフ化した図である。 実施の形態２の画像処理装置が行う処理手順を示す全体フローチャートである。 実施の形態２における判定基準作成処理の詳細な処理手順を示すフローチャートである。 実施の形態３の画像処理装置の機能構成を説明するブロック図である。 実施の形態３の画像処理装置が行う処理手順を示す全体フローチャートである。 実施の形態３における判定基準作成処理の詳細な処理手順を示すフローチャートである。 実施の形態４の画像処理装置の機能構成を説明するブロック図である。 実施の形態４の画像処理装置が行う処理手順を示す全体フローチャートである。

３ カプセル内視鏡
５ 受信装置
Ａ１〜Ａｎ 受信用アンテナ
７ 可搬型記録媒体
１０，１０ａ，１０ｂ，１０ｃ 画像処理装置
１１ 画像取得部
１２ 入力部
１３ 表示部
１４，１４ｂ，１４ｂ，１４ｃ 記録部
１４１，１４１ａ，１４１ｂ，１４１ｃ 画像処理プログラム
１４３ａ 判定基準テーブルデータ
１５，１５ａ，１５ｂ，１５ｃ 演算部
１６ 変換部
１７ 抽出部
１８，１８ａ，１８ｂ 判定基準作成部
１８１ 色相閾値算出部
１８２ 彩度閾値算出部
１８３ａ，１８３ｂ 判定基準テーブル読出処理部
１９ 病変領域検出部
２０ｂ，２０ｃ 体腔内画像抽出部
２０１ｂ 臓器種類判別部
２０３ｃ シーン検出部
２１ 制御部
１ 被検者

Claims (23)

1. 体腔内を撮像した体腔内画像から生体組織領域を抽出する抽出手段と、
   前記生体組織領域を構成する画素の所定の色要素の値をもとに、前記体腔内画像から病変領域を検出するための前記色要素の判定基準を作成する判定基準作成手段と、
   前記判定基準を用い、前記体腔内画像から病変領域を検出する病変領域検出手段と、
   を備えることを特徴とする画像処理装置。
2. 体腔内を連続的に撮像した一連の体腔内画像の中から、所定区間に属する少なくとも２枚以上の体腔内画像を抽出する体腔内画像抽出手段を備え、
   前記抽出手段は、前記抽出された各体腔内画像からそれぞれ生体組織領域を抽出し、
   前記判定基準作成手段は、前記抽出された各体腔内画像からそれぞれ抽出された前記生体組織領域を構成する画素の前記色要素の値をもとに、前記所定区間に属する体腔内画像から病変領域を検出するための前記色要素の判定基準を作成し、
   前記病変領域検出手段は、前記判定基準を用い、前記所定区間に属する体腔内画像から病変領域を検出することを特徴とする請求項１に記載の画像処理装置。
3. 前記体腔内画像抽出手段は、前記一連の体腔内画像に映る臓器種類を判別する臓器種類判別手段を備え、前記臓器種類判別手段によって同一の臓器種類と判別された区間を前記所定区間として体腔内画像を抽出することを特徴とする請求項２に記載の画像処理装置。
4. 前記体腔内画像抽出手段は、前記一連の体腔内画像の中からシーン変化の小さい画像区間を検出するシーン検出手段を備え、前記シーン検出手段によって検出されたシーン変化の小さい画像区間を前記所定区間として体腔内画像を抽出することを特徴とする請求項２に記載の画像処理装置。
5. 前記判定基準作成手段は、前記生体組織領域を構成する画素の前記色要素の値をもとに前記色要素の判定閾値を算出し、該算出した色要素の判定閾値をもとに前記色要素の判定基準を作成することを特徴とする請求項１に記載の画像処理装置。
6. 前記判定基準作成手段は、前記生体組織領域を構成する画素の前記色要素の値が検出の対象とする病変領域の色特性と類似しているほど前記色要素の判定閾値を小さく算出することを特徴とする請求項５に記載の画像処理装置。
7. 前記色要素は、色相および彩度であることを特徴とする請求項１に記載の画像処理装置。
8. 前記体腔内画像を色相および彩度によって定まる色平面に変換する変換手段を備え、
   前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値および彩度の値をもとに、前記判定基準を作成することを特徴とする請求項７に記載の画像処理装置。
9. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値をもとに彩度方向の判定閾値を算出し、該算出した彩度方向の判定閾値と前記生体組織領域の前記色平面における彩度の値とをもとに前記彩度方向の判定基準を作成することを特徴とする請求項８に記載の画像処理装置。
10. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値が大きいほど前記彩度方向の判定閾値を小さく算出することを特徴とする請求項９に記載の画像処理装置。
11. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値を用いた下記式（１）で表される減少関数に従って、前記彩度方向の判定閾値を算出することを特徴とする請求項１０に記載の画像処理装置。
    Ｔ_S＝（１／（Ｈ＋１））×Ｔ_h1 ・・・（１）
    （ただし、式（１）中のＴ_Sは彩度方向の判定閾値、Ｈは生体組織領域の色平面における色相の値、Ｔ_h1は所定の係数である。）
12. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値および彩度の値をもとに彩度方向の判定閾値を算出し、該算出した彩度方向の判定閾値と前記生体組織領域の前記色平面における色相の値および彩度の値とをもとに前記彩度方向の判定基準を作成することを特徴とする請求項８に記載の画像処理装置。
13. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値が大きいほど前記彩度方向の判定閾値を小さく算出し、前記生体組織領域の前記色平面における彩度の値が大きいほど前記彩度方向の判定閾値を小さく算出することを特徴とする請求項１２に記載の画像処理装置。
14. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値および彩度の値を用いた下記式（２）で表される減少関数に従って、前記彩度方向の判定閾値を算出することを特徴とする請求項１３に記載の画像処理装置。
    Ｔ_S＝（１／（Ｈ＋１））×Ｔ_h1−Ｓ×Ｔ_s1 ・・・（２）
    （ただし、式（２）中のＴ_Sは彩度方向の判定閾値、Ｈは生体組織領域の色平面における色相の値、Ｓは生体組織領域の色平面における彩度の値、Ｔ_h1，Ｔ_s1は所定の係数である。）
15. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値をもとに色相方向の判定閾値を算出し、該算出した色相方向の判定閾値と前記生体組織領域の前記色平面における色相の値とをもとに前記色相方向の判定基準を作成することを特徴とする請求項８に記載の画像処理装置。
16. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値が大きいほど前記色相方向の判定閾値を小さく算出することを特徴とする請求項１５に記載の画像処理装置。
17. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値を用いた下記式（３）で表される減少関数に従って、前記色相方向の判定閾値を算出することを特徴とする請求項１６に記載の画像処理装置。
    Ｔ_H＝（１／（Ｈ＋１））×Ｔ_h2 ・・・（３）
    （ただし、式（３）中のＴ_Hは色相方向の判定閾値、Ｈは生体組織領域の色平面における色相の値、Ｔ_h2は所定の係数である。）
18. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値および彩度の値をもとに色相方向の判定閾値を算出し、該算出した色相方向の判定閾値と前記生体組織領域の前記色平面における色相の値および彩度の値とをもとに前記色相方向の判定基準を作成することを特徴とする請求項８に記載の画像処理装置。
19. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値が大きいほど前記色相方向の判定閾値を小さく算出し、前記生体組織領域の前記色平面における彩度の値が大きいほど前記色相方向の判定閾値を小さく算出することを特徴とする請求項１８に記載の画像処理装置。
20. 前記判定基準作成手段は、前記生体組織領域の前記色平面における色相の値および彩度の値を用いた下記式（４）で表される減少関数に従って、前記色相方向の判定閾値を算出することを特徴とする請求項１９に記載の画像処理装置。
    Ｔ_H＝（１／（Ｈ＋１））×Ｔ_h2−Ｓ×Ｔ_s2 ・・・（４）
    （ただし、式（４）中のＴ_Hは色相方向の判定閾値、Ｈは生体組織領域の色平面における色相の値、Ｓは生体組織領域の色平面における彩度の値、Ｔ_h2，Ｔ_s2は所定の係数である。）
21. 前記色要素の値と対応付けて前記色要素の判定閾値を設定した判定基準テーブルを記録する記録部と、
    前記判定基準テーブルを参照し、前記生体組織領域を構成する画素の前記色要素の値に応じた前記色要素の判定閾値を読み出す判定基準テーブル読出処理手段と、
    を備え、
    前記判定基準作成手段は、前記判定基準テーブル読出処理手段によって読み出された前記色要素の判定閾値を用いて前記色要素の判定基準を作成することを特徴とする請求項６に記載の画像処理装置。
22. 体腔内を撮像した体腔内画像から生体組織領域を抽出する抽出工程と、
    前記生体組織領域を構成する画素の所定の色要素の値をもとに、前記体腔内画像から病変領域を検出するための前記色要素の判定基準を作成する判定基準作成工程と、
    前記判定基準作成工程で作成された判定基準を用い、前記体腔内画像から病変領域を検出する病変領域検出工程と、
    を含むことを特徴とする画像処理方法。
23. コンピュータに、
    体腔内を撮像した体腔内画像から生体組織領域を抽出する抽出ステップと、
    前記生体組織領域を構成する画素の所定の色要素の値をもとに、前記体腔内画像から病変領域を検出するための前記色要素の判定基準を作成する判定基準作成ステップと、
    前記判定基準を用い、前記体腔内画像から病変領域を検出する病変領域検出ステップと、
    を実行させることを特徴とする画像処理プログラム。

Images