JP2013097584A - 画像処理装置、方法及びプログラム - Google Patents
画像処理装置、方法及びプログラム Download PDFInfo
- Publication number
- JP2013097584A JP2013097584A JP2011239864A JP2011239864A JP2013097584A JP 2013097584 A JP2013097584 A JP 2013097584A JP 2011239864 A JP2011239864 A JP 2011239864A JP 2011239864 A JP2011239864 A JP 2011239864A JP 2013097584 A JP2013097584 A JP 2013097584A
- Authority
- JP
- Japan
- Prior art keywords
- foreground
- background
- cluster
- classification
- pixel
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
【課題】高速かつ自動的に画像から物体を切り出すことができる画像処理装置、方法及びプログラムを提供する。
【解決手段】画像処理装置は、画像について画素単位にクラスタリングを行うことにより複数のクラスタを生成し、生成されたクラスタの中から、クラスタに属する画素の位置に基づいて、前景の判定基準となる基準クラスタと、背景の判定基準となる基準クラスタとを選択し、生成されたクラスタを、基準クラスタとの類似度に基づいて前景又は背景に分類し、各クラスタの画素を、クラスタの分類結果に基づいて画素単位で前景又は背景に分類する。
【選択図】図1
【解決手段】画像処理装置は、画像について画素単位にクラスタリングを行うことにより複数のクラスタを生成し、生成されたクラスタの中から、クラスタに属する画素の位置に基づいて、前景の判定基準となる基準クラスタと、背景の判定基準となる基準クラスタとを選択し、生成されたクラスタを、基準クラスタとの類似度に基づいて前景又は背景に分類し、各クラスタの画素を、クラスタの分類結果に基づいて画素単位で前景又は背景に分類する。
【選択図】図1
Description
本発明は、画像から物体を切り出す画像処理を行う画像処理装置、方法及びプログラムに関する。
デジタルカメラで撮影された画像などから、人物や物品などの物体を背景と分離して切り出すことによって、切り出した物体を別の画像に合成したり、物体認識などの他の画像処理の前処理としたりすることができる。
画像から物体を切り出す手法として、切り出す輪郭に基づいて定義したエネルギーを最小化するSnakes法(非特許文献1)や、隣接する画素単位に定義したエネルギーを最小化するGraph Cuts法(非特許文献2)などが挙げられる。
Snakesは、初期値として与えられた輪郭を元にその周囲を探索し、切り出す輪郭が滑らかで、かつ、画像のエッジ上にある場合に小さくなるようなエネルギーを最小化することで、輪郭が曖昧な形状であっても正しく物体を切り出すことができる。また、Graph Cutsは、ユーザがあらかじめ物体(前景)と背景の一部をそれぞれ指定し、それらから生成したそれぞれの色モデルによるエネルギー(データ項)と、色の違いが大きいところで前景と背景を切断しやすいというエネルギー(平滑化項)とから全体のエネルギーを定義し、それをグラフ理論によって最小化することで前景と背景を分離する。ユーザの指定する前景・背景の一部は任意に増やすことができるため、非常に複雑な物体であっても、ユーザが少しの指示を与えるだけで切り出すことができる。
M. Kass, A. Witkin and D. Terzopoulos: "Snakes, Active contour models," International Journal of Computer Vision, Vol. 1, No. 4, pp.321-331 (1988).
Y. Boykov and M-P. Jolly: "Interactive Graph Cuts for Optimal Boundary & Region Segmentation of Objects in N-D Images,"International Conference of Computer Vision, Vol. 1, pp. 105-112 (2001).
上述のSnakesやGraph Cutsなどの手法は、画素単位のエネルギー最小化計算を行うことから処理時間がかかっていた。また、複雑な物体を切り出すための初期値が必要であった。
本発明は、上記問題点に鑑みてなされたもので、高速かつ自動的に画像から物体を切り出すことができる画像処理装置、方法及びプログラムを提供することを目的とする。
本発明は、画像について画素単位にクラスタリングを行うことにより複数のクラスタを生成する画素クラスタリング手段と、前記生成されたクラスタの中から、クラスタに属する画素の位置に基づいて、前景の判定基準となる基準クラスタと、背景の判定基準となる基準クラスタとを選択する基準クラスタ決定手段と、前記生成されたクラスタを、前記基準クラスタとの類似度に基づいて前景又は背景に分類するクラスタ分類手段と、各前記クラスタの画素を、前記クラスタの分類結果に基づいて画素単位で前景又は背景に分類する前景・背景分類手段と、を備えることを特徴とする画像処理装置である。
本発明は、画像について画素単位にクラスタリングを行うことにより複数のクラスタを生成し、前記生成されたクラスタの中から、クラスタに属する画素の位置に基づいて、前景の判定基準となる基準クラスタと、背景の判定基準となる基準クラスタとを選択し、前記生成されたクラスタを、前記基準クラスタとの類似度に基づいて前景又は背景に分類し、各前記クラスタの画素を、前記クラスタの分類結果に基づいて画素単位で前景又は背景に分類することを特徴とする画像処理方法である。
本発明は、コンピュータに、画像について画素単位にクラスタリングを行うことにより複数のクラスタを生成する画素クラスタリング処理、前記生成されたクラスタの中から、クラスタに属する画素の位置に基づいて、前景の判定基準となる基準クラスタと、背景の判定基準となる基準クラスタとを選択する基準クラスタ決定処理、前記生成されたクラスタを、前記基準クラスタとの類似度に基づいて前景又は背景に分類するクラスタ分類処理、各前記クラスタの画素を、前記クラスタの分類結果に基づいて画素単位で前景又は背景に分類する前景・背景分類処理、を実行させることを特徴とするプログラムである。
本発明によれば、高速かつ自動的に画像から物体を切り出すことができる。
以下、本発明の実施形態について図面を参照して説明する。
(第1の実施形態)
図1は、本発明の第1の実施形態に係る画像処理装置のブロック図である。図示されるように、この画像処理装置は、画像縮小部1と画素クラスタリング部2と前景・背景基準クラスタ決定部3とクラスタ前景・背景分類部4と縮小画像前景・背景分類部5と境界分離部6と原画像前景・背景分類部7と分類結果合成部8とを備える。
図1は、本発明の第1の実施形態に係る画像処理装置のブロック図である。図示されるように、この画像処理装置は、画像縮小部1と画素クラスタリング部2と前景・背景基準クラスタ決定部3とクラスタ前景・背景分類部4と縮小画像前景・背景分類部5と境界分離部6と原画像前景・背景分類部7と分類結果合成部8とを備える。
画像縮小部1は、原画像を縮小した縮小画像を生成する。画素クラスタリング部2は、縮小画像の画素単位にクラスタリングを行うことにより複数のクラスタを生成する。前景・背景基準クラスタ決定部3は、生成されたクラスタの中から前景および背景の可能性が高いクラスタをそれぞれ少数選び出して基準クラスタとする。クラスタ前景・背景分類部4は、基準クラスタとの類似性から各クラスタを前景もしくは背景に分類する。縮小画像前景・背景分類部5は、縮小画像の画素を、それぞれが属しているクラスタの分類結果によって前景もしくは背景に分類する。境界分離部6は、前景もしくは背景に分類された縮小画像の前景と背景の境界に接する画素を特定して分離する。原画像前景・背景分類部7は、前景と背景の境界に接する画素について、原画像の画素単位でクラスタの分類結果に基づいて前景もしくは背景に分類する。分類結果合成部8は、原画像の画素単位で前景もしくは背景に分類された結果と、縮小画像の画素単位で前景もしくは背景に分類された結果を合成する。
次に、本発明の第1の実施形態に係る画像処理装置の動作について説明する。
画像縮小部1は、原画像を縮小した縮小画像を生成する。画素クラスタリング部2は、縮小画像について、画素毎の情報(例えば、色を表すYUVの値や、これに画像中心からの距離もしくはxy座標を加えたものなど)に基づいてk-means法などのクラスタリングを行い、複数(例えば24個など)のクラスタを生成する。画素毎の情報は、多次元のデータ(YUVなら3次元)として扱うことができるので、従来の多次元データに関するクラスタリング手法(k−means法など)を適用することができる。その際に、色と画像の距離といった異なる尺度のデータを統合する場合には、それぞれの分散や最大値で正規化したり、定数をかけたりすることで、統一して扱えるようにしておく必要がある。
前景・背景基準クラスタ決定部3は、画素クラスタリング部2により生成されたクラスタの中から、前景である可能性の高いクラスタと、背景である可能性の高いクラスタを、それぞれ所定数(例えば3つ)選択する。選択の基準として、例えば、物体(前景)は画像の中心にあることが多いことから、クラスタに属する全画素の位置の平均が最も画像中心に近いものは前景、最も画像中心から遠いものは背景とすることができる。そこで、クラスタの全画素の位置の平均と画像の中心との距離を各クラスタについて求め、全クラスタをこの距離でソートし、距離が小さいものと大きいものをそれぞれ上位所定数ずつ選択し、前者を前景の基準クラスタ、後者を背景の基準クラスタと判定する。
図2に基準クラスタの選択の例を示す。図2の上部のグラフは、横軸が各クラスタ、縦軸が各クラスタに属する画素の平均位置と画像中心との距離(距離の二乗)を表しており、中心に近いものから順にクラスタを並べている。この場合、図にあるように、最も中心に近い3つのクラスタ(図の左)が前景の基準クラスタ、最も中心から遠い3つのクラスタ(図の右)が背景の基準クラスタとして判定される。
クラスタ前景・背景分類部4は、画素クラスタリング部2により生成された全クラスタについて、前景の基準クラスタもしくは背景の基準クラスタのどれに一番近いかを判定する(例えば、クラスタ中心間の距離で判定)ことによって前景もしくは背景に分類する。
縮小画像前景・背景分類部5は、縮小画像中の全画素について、それが属するクラスタの分類結果(前景もしくは背景)に応じて、前景もしくは背景に分類する。
つまり、前景・背景基準クラスタ選択部3によって前景もしくは背景の初期値が基準クラスタとして自動的に選択され、その基準クラスタに基づいて、画素単位ではなくクラスタ単位に前景もしくは背景への分類が行われ、その結果、縮小画像の全画素が前景もしくは背景に分類される。このような構成によって、ユーザが初期値を与えることなく、画素単位での処理を極力行わないことから高速に、前景と背景の分類、すなわち物体切り出しが実現できる。
境界分離部6は、縮小画像前景・背景分類部5により各画素が前景と背景に分類された縮小画像について、前景と背景の境界に接している画素領域を判定し、それ以外の画素領域と分離する。前景と背景の境界に接している画素領域とは、前景の画素と背景の画素とが隣接する画素領域を含む。前景と背景の境界に接していない画素については、前景もしくは背景の分類結果は決定済みであるとし、境界に接している画素領域のみ、縮小していない原画像でさらに詳細に前景もしくは背景への分類を行うことで、高速性を維持しながら原画像の細かさでの物体切り出しを実現する。
原画像前景・背景分類部7は、境界分離部6で境界に接していると判定された領域についてのみ、原画像の画素単位で前景もしくは背景への分類を行う。クラスタ前景・背景分類部4で分類した前景もしくは背景のクラスタ(ただしこれは縮小画像から生成)のいずれに近いかを分類の基準としてもよい。そして、原画像の画素が最も近いクラスタを判定し、そのクラスタの分類結果を原画像の画素の分類結果としてもよい。
分類結果合成部8は、境界分離部6で境界領域ではないと判定された領域については縮小画像前景・背景分類部5の分類結果を原画像の対応する画素領域に適用し、境界領域であると判定された領域については原画像前景・背景分類部7の分類結果を用い、これらを合成することで、原画像の各画素について前景であるか背景であるかを示す最終的な切り出し結果を生成する。
このように、縮小画像での処理を基準とし、原画像での処理を極力減らすことによって、高速な切り出し処理が実現できる。例えば、640×480の原画像が与えられた場合、1/8に縮小するとすれば画素数は1/64となり、ほとんどの処理がこの1/64の画素数の縮小画像について行われる。前景・背景基準クラスタ選択部3やクラスタ前景・背景分類部4はクラスタ単位(例えば24個など)の処理であるため、さらに高速化が実現できる。
(第2の実施形態)
次に本発明の第2の実施形態について説明する。本発明の第2の実施形態に係る画像処理装置のブロック図を図3に示す。図示されるように、第2の実施形態に係る画像処理装置は、図1に示す第1の実施の形態の構成に、前景と背景との境界における分離度合いを評価する前景・背景分離度評価部10をさらに備えるものであり、前景・背景分離度評価部10以外の構成は本発明の第1の実施形態と同様である。
次に本発明の第2の実施形態について説明する。本発明の第2の実施形態に係る画像処理装置のブロック図を図3に示す。図示されるように、第2の実施形態に係る画像処理装置は、図1に示す第1の実施の形態の構成に、前景と背景との境界における分離度合いを評価する前景・背景分離度評価部10をさらに備えるものであり、前景・背景分離度評価部10以外の構成は本発明の第1の実施形態と同様である。
前景・背景分離度評価部10は、縮小画像において隣接している前景と背景の画素の情報(例えば色)が類似しているかどうかを評価し、評価した類似度の平均値もしくは類似度が一定値以上である割合などが閾値を上回っている場合に、前景と背景は十分に類似している、すなわち前景と背景の分離が不十分であると判定する。
分離不十分と判定された場合は、例えば、画素クラスタリング部2によるクラスタリングにおけるクラスタ数を変えるなどの設定パラメータの変更を行って再度処理をやり直すか、もしくは、物体切り出し不可能として処理を中断しても良い。もしくは、複数の設定パラメータについて前景と背景の分離度を評価し、最も前景と背景の分離度が高い(類似度が低い)ものを処理結果としても良い。なお、例外処理として、画像の端に接している前景画素を検出した場合は、分離度が低いと評価しても良い。その理由は、前景である物体は画像内に収まっている方が一般的だからである。
第2の実施形態では、前景と背景の分離度を評価することで、複数の設定パラメータを順番に試したり、最も良い設定パラメータを選択したり、切り出し不可能の判断を返したりすることができる。また、縮小画像での分類結果に基づいて判定しているため、処理が速い。
以上説明したように本発明によれば、切り出す物体の初期値を与えることなく、高速かつ全自動に物体を切り出すことができる。処理時間のかかる原画像での処理を極力少なくすることができるため、高速に処理することができる。また、前景と背景の分離度の評価を縮小画像で行っているため、様々な設定パラメータの中から最も良い切り出し結果を高速に得ることができる。
上述した本発明の実施形態に係る画像処理装置の画像縮小部1、画素クラスタリング部2、前景・背景基準クラスタ決定部3、クラスタ前景・背景分類部4、縮小画像前景・背景分類部5、境界分離部6、原画像前景・背景分類部7、分類結果合成部8、前景・背景分離度評価部10は、本画像処理装置のCPU(Central Processing Unit)が記憶部に格納された動作プログラム等を読み出して実行することにより実現されてもよく、また、ハードウェアで構成されてもよい。上述した実施の形態の一部の機能のみをコンピュータプログラムにより実現することもできる。
以上、好ましい実施の形態をあげて本発明を説明したが、本発明は必ずしも上記実施の形態に限定されるものではなく、その技術的思想の範囲内において様々に変形し実施することが出来る。
1 画像縮小部
2 画素クラスタリング部
3 前景・背景基準クラスタ決定部
4 クラスタ前景・背景分類部
5 縮小画像前景・背景分類部
6 境界分離部
7 原画像前景・背景分類部
8 分類結果合成部
10 前景・背景分離度評価部
2 画素クラスタリング部
3 前景・背景基準クラスタ決定部
4 クラスタ前景・背景分類部
5 縮小画像前景・背景分類部
6 境界分離部
7 原画像前景・背景分類部
8 分類結果合成部
10 前景・背景分離度評価部
Claims (9)
- 画像について画素単位にクラスタリングを行うことにより複数のクラスタを生成する画素クラスタリング手段と、
前記生成されたクラスタの中から、クラスタに属する画素の位置に基づいて、前景の判定基準となる基準クラスタと、背景の判定基準となる基準クラスタとを選択する基準クラスタ決定手段と、
前記生成されたクラスタを、前記基準クラスタとの類似度に基づいて前景又は背景に分類するクラスタ分類手段と、
各前記クラスタの画素を、前記クラスタの分類結果に基づいて画素単位で前景又は背景に分類する前景・背景分類手段と、
を備えることを特徴とする画像処理装置。 - 前記画素クラスタリング手段は、原画像を縮小した縮小画像に対して前記クラスタリングを行い、
前記前景・背景分類手段による分類結果に基づいて、前景と背景の境界に接する画素領域を判定して分離する境界分離手段と、
前記分離された画素領域について原画像の画素単位で、前記クラスタ分類手段による分類結果に基づいて、前景又は背景に分類する原画像前景・背景分類手段と、
前記原画像前景・背景分類手段による分類結果と、前記前景・背景分類手段による分類結果を合成する分類結果合成手段と、
を備えることを特徴とする請求項1に記載の画像処理装置。 - 前記前景・背景分類手段による分類結果について、前景と背景の境界における分離度合いを評価する分離度評価手段をさらに備える
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。 - 画像について画素単位にクラスタリングを行うことにより複数のクラスタを生成し、
前記生成されたクラスタの中から、クラスタに属する画素の位置に基づいて、前景の判定基準となる基準クラスタと、背景の判定基準となる基準クラスタとを選択し、
前記生成されたクラスタを、前記基準クラスタとの類似度に基づいて前景又は背景に分類し、
各前記クラスタの画素を、前記クラスタの分類結果に基づいて画素単位で前景又は背景に分類する
ことを特徴とする画像処理方法。 - 前記クラスタリングは、原画像を縮小した縮小画像に対して行い、
各前記クラスタの画素単位での前記分類結果に基づいて、前景と背景の境界に接する画素領域を判定して分離し、
前記分離された画素領域について原画像の画素単位で、各前記クラスタの分類結果に基づいて、前景又は背景に分類し、
前記分離された画素領域について原画像の画素単位でなされた分類結果と、前記縮小画像の画素単位でなされた分類結果を合成する
ことを特徴とする請求項4に記載の画像処理方法。 - 各前記クラスタの画素についての前記分類結果に基づいて、前景と背景の境界における分離度合いを評価する
ことを特徴とする請求項4又は5に記載の画像処理方法。 - コンピュータに、
画像について画素単位にクラスタリングを行うことにより複数のクラスタを生成する画素クラスタリング処理、
前記生成されたクラスタの中から、クラスタに属する画素の位置に基づいて、前景の判定基準となる基準クラスタと、背景の判定基準となる基準クラスタとを選択する基準クラスタ決定処理、
前記生成されたクラスタを、前記基準クラスタとの類似度に基づいて前景又は背景に分類するクラスタ分類処理、
各前記クラスタの画素を、前記クラスタの分類結果に基づいて画素単位で前景又は背景に分類する前景・背景分類処理、
を実行させることを特徴とするプログラム。 - 前記画素クラスタリング処理は、原画像を縮小した縮小画像に対して前記クラスタリングを行い、
前記コンピュータに、
前記前景・背景分類処理による分類結果に基づいて、前景と背景の境界に接する画素領域を判定して分離する境界分離処理、
前記分離された画素領域について原画像の画素単位で、前記クラスタ分類処理による分類結果に基づいて、前景又は背景に分類する原画像前景・背景分類処理、
前記原画像前景・背景分類処理による分類結果と、前記前景・背景分類処理による分類結果を合成する分類結果合成処理、
をさらに実行させることを特徴とする請求項7に記載のプログラム。 - 前記コンピュータに、
前記前景・背景分類処理による分類結果について、前景と背景の境界における分離度合いを評価する分離度評価処理をさらに実行させることを特徴とする請求項7又は8に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011239864A JP2013097584A (ja) | 2011-11-01 | 2011-11-01 | 画像処理装置、方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011239864A JP2013097584A (ja) | 2011-11-01 | 2011-11-01 | 画像処理装置、方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013097584A true JP2013097584A (ja) | 2013-05-20 |
Family
ID=48619462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011239864A Pending JP2013097584A (ja) | 2011-11-01 | 2011-11-01 | 画像処理装置、方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2013097584A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101439037B1 (ko) | 2013-06-25 | 2014-09-15 | 주식회사 에스원 | 영상에서 객체를 추적하는 방법 및 장치 |
JP2016009326A (ja) * | 2014-06-24 | 2016-01-18 | 日本電信電話株式会社 | 画像分割装置、方法、及びプログラム |
JP6407467B1 (ja) * | 2018-05-21 | 2018-10-17 | 株式会社Gauss | 画像処理装置、画像処理方法およびプログラム |
US10812770B2 (en) | 2017-09-13 | 2020-10-20 | Canon Kabushiki Kaisha | Image processing system, image processing apparatus, image processing method, and program |
-
2011
- 2011-11-01 JP JP2011239864A patent/JP2013097584A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101439037B1 (ko) | 2013-06-25 | 2014-09-15 | 주식회사 에스원 | 영상에서 객체를 추적하는 방법 및 장치 |
JP2016009326A (ja) * | 2014-06-24 | 2016-01-18 | 日本電信電話株式会社 | 画像分割装置、方法、及びプログラム |
US10812770B2 (en) | 2017-09-13 | 2020-10-20 | Canon Kabushiki Kaisha | Image processing system, image processing apparatus, image processing method, and program |
JP6407467B1 (ja) * | 2018-05-21 | 2018-10-17 | 株式会社Gauss | 画像処理装置、画像処理方法およびプログラム |
JP2019204163A (ja) * | 2018-05-21 | 2019-11-28 | 株式会社Gauss | 画像処理装置、画像処理方法およびプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102560308B1 (ko) | 외관 탐색을 위한 시스템 및 방법 | |
CN105184763B (zh) | 图像处理方法和装置 | |
Lu et al. | Salient object detection using concavity context | |
CN110866896B (zh) | 基于k-means与水平集超像素分割的图像显著性目标检测方法 | |
EP2980755B1 (en) | Method for partitioning area, and inspection device | |
Butler et al. | Real-time adaptive foreground/background segmentation | |
Varnousfaderani et al. | Weighted color and texture sample selection for image matting | |
JP2017531883A (ja) | 画像の主要被写体を抽出する方法とシステム | |
Asi et al. | A coarse-to-fine approach for layout analysis of ancient manuscripts | |
KR20090131626A (ko) | 영상 데이터내의 특정 클래스의 오브젝트를 세그멘테이션하기 위한 시스템 및 방법 | |
JP2004361987A (ja) | 画像検索システム、画像分類システム、画像検索プログラム及び画像分類プログラム、並びに画像検索方法及び画像分類方法 | |
WO2017181892A1 (zh) | 前景分割方法及装置 | |
KR101606760B1 (ko) | 영상 내 객체 기반 영상 감정 변환 장치 및 그 방법 | |
CN106874942B (zh) | 一种基于正则表达式语义的目标模型快速构建方法 | |
CN105828691A (zh) | 图像处理装置、图像处理方法和图像处理程序 | |
Pahwa et al. | Locating 3D object proposals: A depth-based online approach | |
CN111178190A (zh) | 基于深度图像的目标检测方法、装置及存储介质 | |
WO2021113400A1 (en) | User-guided image segmentation methods and products | |
Kheirkhah et al. | A hybrid face detection approach in color images with complex background | |
CN113657216A (zh) | 基于形状特征的点云场景树木树冠及木质点分离方法 | |
JP2013097584A (ja) | 画像処理装置、方法及びプログラム | |
KR101394895B1 (ko) | Block Clustering 을 이용한 관심영역기반 자동객체분할방법 및 자동객체분할시스템 | |
CN110659616A (zh) | 一种从视频自动生成gif的方法 | |
Saputra et al. | Integration GLCM and geometric feature extraction of region of interest for classifying tuna | |
JP6343998B2 (ja) | 画像処理装置、画像処理方法、及びプログラム |