JP2012190148A - 画像処理装置、画像処理方法、及びコンピュータプログラム - Google Patents

Abstract

【課題】 本発明に依れば、多様性に富んだ画像を画像処理する仕組みを提供する。
【解決手段】 画像の複数のブロックごとに識別情報を得る第一の取得手段と、
前記識別情報に基づいて定められた前記画像の領域の画素値から画像処理に必要な情報を得る第二の取得手段と、
前記第二の取得手段で得られた情報に基づいて前記画像の画像処理をする画像処理手段と、
を備える。
【選択図】 図１

Description

本発明は、放射線の撮影において得られた画像の画像処理に関し、特に画像処理の処理方法を定める技術に関する。

近年のディジタル技術の進歩により、フラットパネルディスプレイ（ＦＰＤ）のような、Ｘ線画像をディジタルデータとして出力可能な２次元Ｘ線センサも広く用いられるようになってきた。
医療用Ｘ線撮影は、一般に人体等の医療診断に用いられ、診断目的に適したディジタル画像処理が行われることが必要とされる。特許文献１では、被写体の撮影部位、撮影方法に関する情報の入力を行い、あらかじめ定められた画像処理アルゴリズムを適用する方法が開示されている。この方法に依れば、入力された情報に基づき、診断目的に応じた適切なディジタル画像処理がなされた画像を得ることができる。

また、画像処理パラメータを個別の画像に対して入力せずとも汎用的に画像処理する技術が望まれている。
このような技術として、特許文献２では、画像から診断上不要な部分である照射野領域外やセンサに直接Ｘ線が照射野された素抜け領域を画像解析により取り除き、それ以外の被写体領域をヒストグラム解析して画像処理パラメータを求めている。

一方で、Ｘ線動画撮影では、撮影範囲を連続的に変更する。このため、コリメータの絞り方、素抜け領域の有無、肺野や骨領域等特徴的な人体構造の形状や位置関係、画像内で占める大きさなどが様々で、多様性に富んだ画像が撮像され汎用性に富んだ画像処理が望まれている。

また、Ｘ線照射量を低減する必要がある。このため、ユーザの望む画質を得ることが難しく、階調処理、ダイナミックレンジ圧縮処理、ノイズ低減処理、エッジ強調処理等の画像処理の重要性はさらに高まっている。

特開昭６１−６８０３１号広報 特開２００６−０８７９３４号広報

しかしながら、特許文献１に示したような撮影部位、撮影方法に関する情報の入力する方法では、画像毎に情報を入力する必要があり、多様な画像に対して汎用的に適用することは困難である。

また、特許文献２に示したように、照射野外や素抜け領域を認識処理で抽出する処理は、パラメータを定めた範囲の画像にしか対応できない。このため、適用できる画像に制限がある。

本願に関する発明は、上記課題を解決するものであり、画像処理の処理方法を、画像の多様性に依らず安定して定める仕組みを提供する。

本発明は、画像の複数のブロックごとに識別情報を得る第一の取得手段と、
前記識別情報に基づいて定められた前記画像の領域の画素値から画像処理に必要な情報を得る第二の取得手段と、
前記第二の取得手段で得られた情報に基づいて前記画像の画像処理をする画像処理手段と、
を備える。

本発明によれば、多様性のある画像に対する汎用性の高い画像処理の仕組みを提供できる。

実施例１のＸ線画像処理システムの構成を説明する図である。 実施例１の画像解析処理部の処理の流れを説明する図である。 実施例２のＸ線画像処理システムの構成を説明する図である。 実施例２の画像解析処理部の処理の流れを説明する図である。 実施例３のＸ線画像処理システムの構成を説明する図である。 実施例３の画像解析処理部の処理の流れを説明する図である。 本発明を実現可能なコンピュータシステムの一例を示す図である。

以下、図面を参照して、本発明の好適な実施形態を例示的に詳しく説明する。

本発明の第１実施形態にかかるＸ線画像処理システムを、図１を参照して説明する。Ｘ線画像処理システム１００は、毎秒３〜３０パルスのＸ線パルスを発生することが可能なＸ線発生部１０１と、被写体１０２を通過したＸ線１０３を受けてＸ線パルスに同期した動画像をＸ線画像として撮像する２次元Ｘ線センサ１０４を有する。なお、以下の実施例でＸ線発生部１０１を連続照射するように構成し、２次元Ｘ線センサ１０４の撮像を、毎秒３〜３０の画像を撮像するように構成してもよい。
さらにＸ線画像処理システム１００は、２次元Ｘ線センサ１０４が出力する動画像の各フレームを解析して画像解析値を出力する画像解析処理部１０５と、画像解析値に基づいて動画像の各フレームに画像処理を行う画像処理部１０６を有する。

また、Ｘ線画像処理システム１００は、画像処理がなされた動画像を表示する画像表示部１０７を有する。

画像解析処理部１０５の構成は、本実施の形態で最も特徴的な構成であり、さらに詳しく説明する。
画像解析処理部１０５は、動画像の各フレームを所定の画素数を１つのブロックとして分割するブロック分割部１０８と、分割されたブロック毎に識別情報を取得する第一の取得部１０９を有する。第一の取得部１０９はブロックごとに識別情報を算出するか、算出結果を外部装置から取得する。以後の実施形態では第一の取得部１０９が識別情報を算出する場合について説明する。

さらに、画像解析処理部１０５は識別情報が所定の識別条件を満たすブロックを抽出する領域の識別部１１０を有する。そして、領域の識別部１１０が抽出したブロックを構成する画素に基づいて画像処理に必要な情報を取得する第二の取得部１１１を有する。第二の取得部１１１が出力する情報を画像解析処理部１０５の画像解析値と呼ぶこととする。

以上の構成をもつ画像解析処理部１０５の動作をさらに図２に示すフローチャートを用いて説明する。本説明では、簡略化のため、Ｘ線センサ１０４が出力する動画像の各フレームを５１２×５１２の画素で構成される画像とする。また、画像解析処理部１０５で行う画像解析処理を、この画像から大小二つの画素値を画像処理に必要な情報として出力する。

さらに、画像処理部１０６で行う画像処理を、抽出された大小二つの画素値が表す画素値範囲を、所定の画素値範囲に変換することでコントラストを強調する階調処理とする。

ステップＳ２０１において、画像解析処理部１０５は、２次元Ｘ線センサ１０４が出力する動画像の各フレームをブロック分割部１０８に入力する。ブロック分割部１０８は、５１２×５１２画素で構成される画像を、例えば８×８画素を１ブロックとする６４×６４ブロックに分割して出力する。
ステップＳ２０２において、画像解析処理部１０５は、ブロック分割部１０８が出力するブロックを第一の取得部１０９に入力する。第一の取得部１０９は、ブロックに含まれる画素から識別情報として、ブロック内画素値のばらつきを示す量を算出する。このブロック内画素値のばらつきを示す量としては様々なものが考えられるが、本実施例では次式に示す分散値Ｖａｒを用いる場合を例に説明する。

上式において、Ｌは入力画像の画素値がとりうる値の最大値、Ｐ（ｌ）は画素値がｌであるブロック内の画素数をブロック内の総画素数で除して正規化した値、Ｍｅａｎはブロック内画素の平均値である。この識別情報算出処理は、入力されたブロック全てに対して適用する。つまり、本説明の処理に従えば６４×６４ブロックから対応する６４×６４の分散値Ｖａｒを識別情報として出力する。

ステップＳ２０３において、画像解析処理部１０５は、第一の取得部１０９が出力する識別情報を領域の識別部１１０に入力する。領域の識別部１１０は、識別情報が示すブロック内画素のばらつきが所定の識別条件を満たすか否かを判定し、識別条件を満たす識別情報に対応したブロックを関心ブロックとして出力する。ここで、識別情報として分散値Ｖａｒを用いた場合、位置（ｘ，ｙ）のブロックＢｌｋ（ｘ，ｙ）が関心ブロックかそれ以外かは、ブロックＢｌｋ（ｘ，ｙ）に対応する分散値をＶａｒ（ｘ，ｙ）として、例えば次式のような識別条件を用いて判定する。

上式において、Ｔ_ｖａｒは関心ブロックとそれ以外とを識別する閾値であり、経験的に求めた値を用いる。この例では、統計量である分散値が所定の範囲にあるブロックを関心ブロックとしている。

ステップＳ２０４において、画像解析処理部１０５は、領域の識別部１１０が出力する関心ブロックと２次元Ｘ線センサ１０４が出力する動画像の各フレームを第二の取得部１１１に入力する。第二の取得部１１１は、動画像の各フレームを構成する画素のうち、関心ブロックに属する画素から最小値及び最大値を算出し、画像処理に必要な情報として出力する。

この最小値及び最大値が関心ブロック内の画素値の分布を代表する値となる。また、画像解析処理部１０５が出力する画像解析値である。画像処理部１０６は、この二つの画素値が表す画素値範囲を所定の画素値範囲に変換することで入力である動画像の各フレームのコントラストを強調して出力する。前記画素値の分布情報に基づいて前記画像に画像処理部１０６は階調処理を施す。

本実施の形態に依れば、画像をブロック分割し、ブロック内の画素値の局所的ばらつきに基づいて関心ブロックを識別し、識別した関心ブロックを構成する画素から大小二つの画素値を算出し画像解析値とする。この画像解析値は、動画像の各フレームのコントラストを強調する階調処理に必要な大小二つの画素値として用いられる。

この構成では、動画像の各フレームに描出されている被写体構造物の種類や位置関係といった画像の意味的情報を用いず、局所領域の分散値といった統計的情報に基づいて画像処理に必要な情報を得る。従って、被写体構造物の種類や位置関係といった画像の意味的情報を認識・理解する必要が無く、画像内のコリメータや素抜け領域の有無、被写体撮影部位に依らない汎用化が実現できる。

また、上述の説明では、ステップＳ２０１において画像解析処理部１０５は、２次元Ｘ線センサ１０４が出力する動画像の各フレームを直接ブロック分割部１０８に入力したが、その前に画像縮小処理を行う構成にしても良い。例えば、動画像の各フレームの隣接する２×２画素の平均値を１画素の値とすれば、１／２サイズの画像へと縮小できる。画像解析処理に必要な情報量を失わない程度の適当なサイズへの画像縮小処理であれば、平均値を画素値として用いることによるノイズ低減と、画素数削減による処理速度の向上が可能である。

また、ステップＳ２０１におけるブロック分割部１０８は、あるブロックを構成する画素が他のブロックには属さないように画像をブロック分割してもよい。また、隣接する隣接ブロック間が重複するように画像を分割し、画素が複数のブロックに属するようにしても良い。

例えば、ブロック間にエッジが存在する場合、ブロックの重複を行わなければエッジ情報が失われるが、ブロックの重複を行えばエッジ情報を保存することが可能となる。

また、上述の説明において、識別情報として分散値Ｖａｒを用いたが、ブロック内のばらつきを表す統計量は、分散値に限られるものではなく、例えば、次式に示すエネルギーＥｇｙやエントロピーＥｐｙを用いても良い。

これらの統計量は、計算量やステップＳ２０３の識別条件の定義し易さを考慮し、画像のテクスチャ特性を示すものを用いればよい。

また、上述の説明では、ステップＳ２０２において第一の取得部１０９は、識別情報として、ブロック内画素のばらつきを示す特徴量を算出するとしたが、複数の特徴量を算出する構成にしても良い。例えば、ブロックを構成する画素からエッジ部分の存在情報を示す統計量を算出し、識別情報に含める。そしてステップＳ２０３において、強いエッジや特定の方向を持つエッジを含むブロックを関心ブロックから除く識別条件を加える。

エッジ部分の存在を評価する評価値として、ブロック内画素の最大値と最小値の差や、ブロック内画素（ｉ，ｊ）に縦方向・横方向の微分フィルタをかけた結果であるｆｙ（ｉ，ｊ），ｆｘ（ｉ，ｊ）から次式により算出される勾配強度ｍａｇ（ｉ，ｊ）、勾配方向θ（ｉ，ｊ）の平均値やピーク値を用いる。

この構成に依れば、ステップＳ２０３においてエッジ情報を考慮した関心ブロックの識別が可能となる。

これにより、Ｘ線が２次元Ｘ線センサ１０４の受光面を直接照射している照射領域の端部を関心ブロックから除たり、金属等の人工物が入っている領域を心ブロックから除く効果を有する。

また、ブロックを構成する画素の最小値、最大値、平均値、中央値、ピーク値など画素値に基づく統計量を算出して識別情報に含めても良い。この場合、ステップＳ２０３においては、例えば画素値に基づく統計量が高すぎる場合や低すぎるブロックを関心ブロックから除く識別条件を加える。この構成に依れば、ステップＳ２０３において画素値を考慮した関心ブロックの識別が可能となる。これにより、す抜け部や照射野外の画像を除くこともできる。

さらに、ブロックの位置を識別情報に含めても良い。ステップＳ２０３においては、例えば画像の端よりも中央に重みを置く識別条件を加える構成も考えられる。これは、一般に、Ｘ線画像の取得においては、興味ある被写体部位は画像の中央部分に位置するように撮影するためである。さらに、照射野の端部は画像の中央部分に位置しないように撮影されることを考慮したものである。これにより、簡易に安定した画像処理に必要な情報を得ることができる。

また、上述の説明では、画像処理部１０６で行う画像処理を階調処理とし、画像解析処理部１０５ではこの階調処理に必要な画像解析値を求める構成とした。

しかし、本発明の画像処理は階調処理に限るものではない。図示しない画像処理選択部１１５が、階調処理、ダイナミックレンジ圧縮処理、ノイズ低減処理、エッジ強調処理のいずれかひとつ以上を選択する。そして、選択された画像処理に応じた識別情報を求める構成にできる。

ノイズ低減処理では、Ｘ線の照射量の少ない領域の情報が重要になるので、識別情報として画素値の値を加えて、センサーのＳ／Ｎ特性から定まるＸ線の照射の少ない低画素値範囲を関心領域とする。これによりノイズの特性に合った低減処理を選択することができる。関心ブロック内の孤立陰影の発生度数をノイズの評価値として第二の取得部１１１は取得し、画像処理部１０６は例えば、平滑化フィルタのサイズを評価値に基づいて決定する。

このように階調変換処理と識別情報及び識別条件が異なる。

また、エッジ強調処理では、Ｘ線の照射量の少ない領域を強調しないこととともに肺野等の高画素値領域の情報が重要になる。

例えば、高画素値範囲であり前記（２式）の条件の合う範囲を関心ブロックとして選択する。分散の小さいす抜け領域を除いた被写体領域から情報を選択することができるためである。例えば、強調したい周波数帯域を関心ブロックの画像の空間周波数から第二の取得部１１１は解析値として取得し、画像処理部１０６は、強調フィルタのサイズを解析値に基づいて決定する。

このように階調変換処理、ノイズ低減処理と識別情報及び識別条件が異なる。

ダイナミックレンジ圧縮処理では、階調変換処理と同様の関心ブロックに属する画素から最小値及び最大値を求めて画像解析値とし、画像解析値に基づいてダイナミックレンジ圧縮処理を行う。さらに、ダイナミックレンジ圧縮処理に用いる周波数処理の帯域はエッジ強調処理と同様の関心部ブロックに属する画素から第二の取得部１１１は解析値として取得し、画像処理部１０６は、処理フィルタのサイズを解析値に基づいて決定する。

この場合には、関心領域が二種類生成されており、それぞれから画像処理に必要な情報が取得される。

このように階調変換処理、ノイズ低減処理、エッジ強調処理と識別情報、識別条件が異なる。

また、エッジ強調処理、イナミックレンジ圧縮処理は周波数処理であり、
分割ブロックのサイズは階調変換処理、ノイズ低減処理が選択された場合よりも大きいことが好ましい。

さらには画像処理部１０６で行う画像処理は、上記の階調処理、ダイナミックレンジ圧縮処理、ノイズ低減処理、エッジ強調処理の全て、あるいは複数を組み合わせて行う構成としても良い。その場合、画像解析部１０５は、画像処理部１０６で行う画像処理に必要な全ての画像解析値を算出するために、複数の識別情報、複数の関心ブロック、複数の画像処理に必要な情報を算出する構成とする。

また、画像処理部１０６で行う画像処理は、Ｘ線画像処理システム１００に備え付けられた図示しない操作卓より選択できる構成にしても良い。このとき、操作卓より選択された画像処理に従い、画像解析部１０５は必要な識別情報、関心ブロック、像処理に必要な情報を算出し、画像解析値を求める構成とする。

また、第一の取得部１０９及び領域の識別部１１０は、ブロック間で互いに独立した処理である。従って、ＧＰＵのような並列演算処理装置を用いればブロック分割後の処理を並列実行することができ、さらなる高速化が可能である。

本発明の第２実施形態にかかるＸ線画像処理システムを、図３を参照して説明する。第２実施形態は、ＧＰＵのような並列演算処理装置を用いた場合により好適な構成である。
Ｘ線画像処理システム３００は、第１実施形態と同様に、毎秒３〜３０パルスのＸ線パルスを発生することが可能なＸ線発生部１０１と、被写体１０２を通過したＸ線１０３を受けてＸ線パルスに同期した動画像をＸ線画像として撮像する２次元Ｘ線センサ１０４を有する。

さらにＸ線画像処理システム３００は、２次元Ｘ線センサ１０４が出力する動画像の各フレームを解析して画像解析値を出力する画像解析処理部３０１と、画像解析値に基づいて動画像の各フレームに画像処理を行う画像処理部１０６を有する。

図３の画像解析処理部３０１は、第１実施形態と同様に、動画像の各フレームを所定の画素数を１つのブロックとして分割するブロック分割部１０８を有する。また同様に、分割されたブロック毎に識別情報を算出する第一の取得部１０９、識別情報が所定の識別条件を満たすブロックを抽出する領域の識別部１１０を有する。

さらに画像解析処理部３０１は、ブロック分割部１０８が出力するブロック毎に画像処理に必要な情報を算出する情報算出部３０２を有する。また、領域の識別部１１０が識別した関心ブロックに対応する情報算出部３０２が出力した情報から画像処理に必要な情報を取得する第二の取得部３０３を有する。

以上の構成を持つ画像解析処理部３０１の動作をさらに図４に示すフローチャートを用いて説明する。本説明では、実施例１と同様に、簡略化のため、Ｘ線センサ１０４が出力する動画像の各フレームを５１２×５１２の画素で構成される画像とする。また、画像解析処理部１０５で行う画像解析処理を、この画像から大小二つの画素値を特徴量として抽出する処理とする。さらに、画像処理部１０６で行う画像処理を、抽出された大小二つの画素値が表す画素値範囲を、所定の画素値範囲に変換することでコントラストを強調する階調処理とする。

ステップＳ４０１は第１実施形態のステップＳ２０１と同様である。すなわち、２次元Ｘ線センサ１０４が出力する動画像の各フレームをブロック分割部１０８に入力し、分割したブロックを出力する。
ステップＳ４０２において、画像解析処理部３０１は、ブロック分割部１０８が出力するブロックを第一の取得部１０９及び情報算出部３０２に入力する。第一の取得部１０９は、第１実施形態と同様に、識別情報として、ブロック内画素値のばらつきを示す特徴量を算出する。一方、情報算出部３０２は、情報として、ブロック内画素の平均値を算出する。これらの算出処理は、入力されたブロック全てに適用する。すなわち、本処理の仮定に従えば６４×６４ブロックに対応する識別情報６４×６４及び情報６４×６４を出力する。
ステップＳ４０３は第１実施形態のステップＳ２０３と同様である。すなわち、画像解析処理部３０１は、第一の取得部１０９が出力する識別情報を領域の識別部１１０に入力し、識別情報が所定の識別条件を満たすブロックを関心ブロックとして出力する。
ステップＳ４０４において、画像解析処理部３０１は、第二の取得部３０２が出力する情報と領域の識別部１１０が出力する関心ブロックとを第二の取得部３０３に入力する。第二の取得部３０３は、ブロックごとの平均値のうち、関心ブロックに属する平均値から最小値及び最大値を選択し、画像解析処理部３０１の画像解析値として出力する。

画像処理部１０６は、この画像解析値である最小値及び最大値が表す画素値範囲を所定の画素値範囲に変換することで入力である動画像の各フレームのコントラストを強調して出力する。

以上の処理において、第一の取得部１０９及び情報算出部３０２、領域の識別部１１０は、好適にはＧＰＵのような並列演算処理装置を用いて実現する。

本実施の形態に依れば、画像をブロック分割し、ブロック内の画素値の局所的ばらつきとブロック内の画素平均値を求める。そして画素値の局所的ばらつきに基づいて関心ブロックを識別し、識別した関心ブロックから予め求めておいたブロック内の画素平均値の最小値及び最大値を選択して画像解析値とし、階調処理に用いる。

この構成では、ステップＳ４０２において識別情報に加え、画像処理に必要な情報を、並列演算処理装置を用いて予め算出する。これにより、ステップＳ４０４では、５１２×５１２画素から６４×６４ブロックまで削減されたデータから画像解析値を選択するだけで良い。これは、第１実施形態のステップＳ２０４において関心ブロックを構成する画素から画像処理に必要な情報を算出するよりも高速に行うことができる。

従って、第２実施形態の構成では、第１実施形態と同様の効果に加え、並列演算処理装置の利点を活かした高速化が実現できる。

また、第２実施形態においても、第１実施形態と同様、ステップＳ２０１の前に画像縮小処理を行う構成にしても良い。
また、第２実施形態においても、第１実施形態と同様、ステップＳ２０１のブロック分割において、隣接ブロックが重複するように画像を分割しても良い。
また、第２実施形態の識別情報は、第１実施形態で述べたものと同様のものを用いることができ、また、複数の特徴量を用いることも可能である。

さらに、第２実施形態の画像処理部１０６で行う画像処理も、第１実施形態と同様、階調処理に限るものではなく、ダイナミックレンジ圧縮処理やノイズ低減処理、エッジ強調処理を行う場合にも適用できる。

また、第２実施形態においても、第１実施形態と同様、画像処理部１０６で行う画像処理は、Ｘ線画像処理装置３００に備え付けられた図示しない操作卓より選択できる構成とし、それに基づいて画像解析部３０１の出力する画像解析値を切り替えても良い。

以上に述べた構成により、第２実施形態においても、第１実施形態で説明したものと同様の効果が得られる。

本発明の第３実施形態にかかるＸ線画像処理システムを、図５を参照して説明する。Ｘ線画像処理システム５００は、毎秒３〜３０パルスのＸ線パルスを発生することが可能なＸ線発生部１０１と、被写体１０２を通過したＸ線１０３を受けてＸ線パルスに同期した動画像をＸ線画像として撮像する２次元Ｘ線センサ１０４を有する。
さらにＸ線画像処理システム５００は、２次元Ｘ線センサ１０４が出力する動画像の各フレームを解析して画像解析値を出力する画像解析処理部５０１と、画像解析値に基づいて動画像の各フレームに画像処理を行う画像処理部１０６を有する。

図６の画像解析処理部５０１は、第１実施形態と同様に、動画像の各フレームを所定の画素数を１つのブロックとして分割するブロック分割部１０８を有する。また同様に、分割されたブロック毎に識別情報を算出する第一の取得部１０９、識別情報が所定の識別条件を満たすブロックを抽出する領域の識別部１１０を有する。さらに同様に、関心ブロックを構成する画素に基づいて画像処理に必要な情報を取得する第二の取得部１１１を有し、二の取得部１１１の出力値を画像解析処理部５０１の画像解析値として出力する。
図６の画像解析処理部５０１は、上述の第１実施形態と同様の構成に加え、機械学習部５０２を有する。

機械学習部５０２は、過去に取得されたサンプル画像データと、そのサンプル画像データに対応する関心ブロックを予め手入力等で求めた関心ブロックデータとの組み合わせを訓練データとして多数保持する訓練データベース５０３を有する。

また、機械学習部５０２は、訓練データベース５０３が保持するサンプル画像データをブロック分割して識別情報を算出する、画像解析処理部１０５と同様のブロック分割部５０４と、第一の取得部５０５とを有する。

さらに、機械学習部５０２は、サンプル画像データから算出された識別情報と、訓練データベース５０３が保持する関心ブロックデータとに基づき、領域の識別部１１０で用いる識別条件を学習する識別条件学習部５０６を有する。

以上の構成を持つ画像解析処理部５０１は、第１実施形態と同様に、動画像に対して画像解析処理及び画像処理を行う画像処理フローの他に、訓練データを用いて識別条件を学習する学習フローを持つ。画像処理フローに関しては第１実施形態と同様であるため説明を省略し、ここでは学習フローの動作を図６に示すフローチャートを用いて説明する。

ステップＳ６０１において、画像解析処理部５０１は、訓練データベース５０３からサンプル画像を読み出し、ブロック分割部５０４に入力する。ブロック分割部５０４は、画像処理フローと同様のブロック分割処理をサンプル画像に施し、分割したブロックを出力する。
ステップＳ６０２において、画像解析処理部５０１は、ブロック分割部５０４が出力するブロックを第一の取得部５０５に入力する。第一の取得部５０５は、画像処理フローと同様の識別情報算出処理を各ブロックに対して行い、ブロック毎に識別情報を算出する。
ステップＳ６０３において、画像解析処理部５０１は、第一の取得部５０５が出力する識別情報及び訓練データベース５０３が保持する関心ブロックデータを識別条件学習部５０６に入力する。識別条件学習部５０６は、サンプル画像から求められた識別情報と、対応する関心ブロックデータに基づいて識別条件を求める。ここで行う学習処理は、好ましくはＳＶＭのような機械学習処理にて行うことができる。

学習フローで求められた識別条件は、画像処理フローにおける関心ブロック識別手段で用いられる。

以上の説明では、第１実施形態と同様の構成に機械学習部５０２を加えた構成に関して説明したが、第２実施形態に関して同様に機械学習部５０２を加えた構成としても良い。

本実施の形態に依れば、予め用意されたサンプル画像データと、それに対応する関心ブロックデータとからなる訓練データから、機械学習により領域の識別部１１０で用いる識別条件を学習することができる。

これにより、例えば実施例１において説明した数２のような閾値処理で用いる閾値を訓練データから効率的に求めることができる。また、多数の訓練データを用いることで多様な画像に適用可能な識別条件を学習することができる。

さらには、訓練データを追加可能な構成にすることで、識別条件の改善も容易に行うことができる。

ここで、図１、３、５に示した各部は専用のハードウェアにより構成しても良いが、ハードウェアの機能構成をソフトウェアにより実現することも可能である。この場合、図１、１、３、５に示す各部の機能は、情報処理装置にソフトウェアをインストールし、ソフトウェアの実行による画像処理方法を情報処理装置の演算機能を利用して実現することができる。ソフトウェアの実行により、例えば、２次元Ｘ線センサ１０４が出力する動画像の各フレームに対して画像解析工程及び画像処理工程が実行される。

図７は、情報処理装置のハードウェア構成、及びその周辺機器の構成を示すブロック図である。情報処理装置１０００は、撮像装置２０００と接続しており、互いにデータ通信が可能な構成となっている。

（情報処理装置について）
ＣＰＵ１０１０は、ＲＡＭ１０２０やＲＯＭ１０３０に格納されているプログラムやデータを用いて情報処理装置１０００全体的な制御を行うとともに、プログラムの実行により予め定められた画像処理に関する演算処理を実行することが可能である。

ＲＡＭ１０２０は、光磁気ディスク１０６０やハードディスク１０５０からロードされたプログラムやデータを一時的に記憶するためのエリアを備える。更にＲＡＭ１０２０は、撮像装置２０００から取得したＸ線透視の動画像データを一時的に記憶するためのエリアを備える。また、ＲＡＭ１０２０は、ＣＰＵ１０１０が各種の処理を実行する際に用いるワークエリアも備える。ＲＯＭ１０３０は、情報処理装置１０００の設定データや、ブートプログラムなどを格納する。

ハードディスク１０５０は、ＯＳ（オペレーティングシステム）や、図１、２、３、４、５、６に示した各部が行う各処理をコンピュータが備えるＣＰＵ１０１０に実行させるためのプログラムやデータを保持している。そして、これらはＣＰＵ１０１０による制御に従って適宜、ＲＡＭ１０２０にロードされ、ＣＰＵ１０１０（コンピュータ）による処理対象となる。また、Ｘ線透視の動画像のデータをこのハードディスク１０５０に保存することも可能である。

光磁気ディスク１０６０は、情報記憶媒体としての一例であり、ハードディスク１０５０に保存されているプログラムやデータの一部若しくは全部をこの光磁気ディスク１０６０に格納することが可能である。

マウス１０７０、キーボード１０８０は、情報処理装置１０００の操作者が操作することで、各種の指示をＣＰＵ１０１０に対して入力することができる。
プリンタ１０９０は、画像表示部１０７に表示された画像を記録媒体上に印刷出力することが可能である。

表示装置１１００は、ＣＲＴや液晶画面などにより構成されており、ＣＰＵ１０１０による処理結果を画像や文字などでもって表示することが可能である。例えば、図１、３、５に示した各部により処理され、最終的に画像表示部１０７から出力された画像を表示することが可能である。この場合、画像表示部１０７は、表示装置１１００に画像を表示するための表示制御手段として機能する。バス１０４０は、情報処理装置１０００内の各部を繋ぎ、各部の間でデータの送受信を行うことを可能にする。

（撮像装置２０００について）
次に、撮像装置２０００について説明する。撮像装置２０００は、例えば、Ｘ線透視装置のような、動画像を撮像することが可能であり、撮像された画像データは情報処理装置１０００に送信される。なお、画像データは複数をまとめて情報処理装置１０００に送信するようにしても良いし、撮像の都度、順次、画像データの送信を行うようにしてもよい。

１０５、３０１、５０１ 画像解析処理部
１０６ 画像処理部
１０８ ブロック分割部
１０９ 第一の取得部
１１０ 領域の識別部
１１１、３０３ 第二の取得部
１１５ 画像処理選択部
３０１ 画像解析処理部
３０２ 情報算出部
５０２ 機械学習部
５０３ 訓練データベース
５０６ 識別条件学習部
１０１０ ＣＰＵ

Claims (17)

1. 画像の複数のブロックごとに識別情報を得る第一の取得手段と、
   前記識別情報に基づいて定められた前記画像の領域の画素値から画像処理に必要な情報を得る第二の取得手段と、
   前記第二の取得手段で得られた情報に基づいて前記画像の画像処理をする画像処理手段と、
   を備えることを特徴とする画像処理装置。
2. 前記第二の取得手段で取得される領域は前記画像の所定の中央部分から取得される
   ことを特徴とする請求項１に記載の画像処理装置。
3. 前記識別情報は前記ブロック内にエッジ部分の存在を評価する評価値を含んでおり、所定のエッジ部分を第二の取得手段で取得される領域から除くことを特徴とする請求項１又は２に記載の画像処理装置。
4. 前記画像処理手段で処理する画像処理を選択する選択手段を更に備え、
   前記選択手段で選択された画像処理に応じて第二の取得手段での前記識別情報、識別条件のいずれかを異ならせることを特徴とする請求項１乃至３のいずれか一項に記載の画像処理装置。
5. 前記選択手段で選択された画像処理に応じて前記ブロックの大きさを異ならせることを特徴とする請求項４に記載の画像処理装置。
6. 前記画像処理手段が、階調処理、ダイナミックレンジ圧縮処理、ノイズ低減処理、エッジ強調処理の少なくともいずれか一つを行うことを特徴とする請求項１乃至４のいずれか一項に記載の画像処理装置。
7. 前記識別情報は前記ブロックを構成する画素値のばらつきを示すのは統計量であり、第二の取得手段は、前記統計量が所定の範囲のブロックを前記領域として識別することを特徴とする請求項１乃至６のいずれか一項に記載の画像処理装置。
8. 前記第二の取得手段は、前記領域の画素値の分布情報を取得し、
   前記画像処理手段は、前記画素値の分布情報に基づいて前記画像に階調処理またはダイナミックレンジ圧縮処理のいずれか少なくとも一方を施す、ことを特徴とする請求項１及至７のいずれか一項に記載の画像処理装置。
9. 前記第二の取得手段は、前記領域を構成する画素からノイズの評価値を取得し、
   前記画像処理手段は、前記評価値に基づいて画像にノイズ低減処理を施す、
   ことを特徴とする請求項１及至８のいずれか一項に記載の画像処理装置。
10. 前記識別情報は、画像のテクスチャ特性を示す統計量であることを特徴とする請求項１乃至９のいずれか一項に記載の画像処理装置。
11. 前記前記識別情報は、ブロックを構成する画素値から得られる平均値、最大値、最小値、中央値、ピーク値の少なくともいずれかであることを特徴とする請求項１及至１０のいずれか一項に記載の画像処理装置。
12. 前記ノイズの評価値は、ブロックを構成する画素値から求められる、分散値、最大値と最小値の差分値であることを特徴とする請求項９に記載の画像処理装置。
13. 前記第一の取得手段は、隣接ブロック間でブロックが重複するように分割することを特徴とする請求項１及至１２のいずれか一項に記載の画像処理装置。
14. 前記画像解析処理手段は、
    画像を予め所定のサイズに縮小する画像縮小手段をさらに含むことを特徴とする請求項１乃至請求項１３のいずれか一項に記載の画像処理装置。
15. 前記第二の取得手段は、
    複数のサンプル画像と、前記サンプル画像に対応する予め求められた関心ブロックデータとを用いて、前記関心ブロックで用いる識別情報を学習する識別条件学習手段と、
    をさらに備えることを特徴とする請求項１及至１４のいずれか一項に記載の画像処理装置。
16. 画像の複数のブロックごとに識別情報を得る第一の取得工程と、
    前記識別情報に基づいて定められた前記画像の領域の画素値に基づいて画像処理に必要な情報を得る第二の取得工程と、
    前記第二の取得手段で得られた情報に基づいて前記画像の画像処理をする画像処理工程と、
    を備えることを特徴とする画像処理方法。
17. 請求項１６に記載の画像処理方法をコンピュータに実行させるためのプログラム。

Images