JP2013187726A - 画像解析装置、画像処理装置、画像解析方法及びプログラム - Google Patents
画像解析装置、画像処理装置、画像解析方法及びプログラム Download PDFInfo
- Publication number
- JP2013187726A JP2013187726A JP2012051169A JP2012051169A JP2013187726A JP 2013187726 A JP2013187726 A JP 2013187726A JP 2012051169 A JP2012051169 A JP 2012051169A JP 2012051169 A JP2012051169 A JP 2012051169A JP 2013187726 A JP2013187726 A JP 2013187726A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- feature points
- image
- calculating
- distribution
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
- Studio Circuits (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Analysis (AREA)
Abstract
【課題】パノラマ画像の合成の際の処理負担を軽減させることのできる新たな手法を提供すること。
【解決手段】画像処理装置1は、パノラマ撮像方向を一方向とするパノラマ画像生成処理において、隣接する撮像画像の位置合わせを行う位置合わせ部55と、この位置合わせ結果に基づいて隣接する撮像画像を合成することでパノラマ画像のデータを生成するパノラマ画像生成部56と、を備える。このとき、位置合わせ部55は、隣接する撮像画像間における複数の特徴点のベクトルを算出する特徴点追跡部551と、算出した複数の特徴点のベクトルの分布状況を算出する分布算出部552と、この分布状況に応じて複数の特徴点のベクトルを重み付けした上で、隣接する撮像画像間で位置合わせをするための代表ベクトルを算出する移動量算出部553と、を備え、算出した撮像画像のベクトルに応じて隣接する撮像画像の位置合わせを行う。
【選択図】図2
【解決手段】画像処理装置1は、パノラマ撮像方向を一方向とするパノラマ画像生成処理において、隣接する撮像画像の位置合わせを行う位置合わせ部55と、この位置合わせ結果に基づいて隣接する撮像画像を合成することでパノラマ画像のデータを生成するパノラマ画像生成部56と、を備える。このとき、位置合わせ部55は、隣接する撮像画像間における複数の特徴点のベクトルを算出する特徴点追跡部551と、算出した複数の特徴点のベクトルの分布状況を算出する分布算出部552と、この分布状況に応じて複数の特徴点のベクトルを重み付けした上で、隣接する撮像画像間で位置合わせをするための代表ベクトルを算出する移動量算出部553と、を備え、算出した撮像画像のベクトルに応じて隣接する撮像画像の位置合わせを行う。
【選択図】図2
Description
本発明は、画像解析装置、画像処理装置、画像解析方法及びプログラムに関する。
デジタルカメラや、撮像機能を有する携帯電話等においては、撮像画角の限界はレンズの焦点距離、撮像素子のサイズ等、装置本体が備えるハードスペックに依存している。そこで、近年では、ハードスペックを超えるような広角画像、例えばいわゆるパノラマ画像を得るための技術が開発されており、例えばパノラマ撮像が知られている。
図6は、パノラマ撮像の結果得られるパノラマ画像を示す図である。図6を参照して、上述のパノラマ撮像を実現するためには、ユーザは、例えば、シャッタスイッチを押下操作した状態を維持しながら、自身の体を軸にして、デジタルカメラを垂直方向にほぼ固定したまま水平方向に回転させるように移動させる。すると、デジタルカメラは、その間に複数回の撮像処理を実行し、図6(A)に示す連続的な複数の画像F1,F2,F3,F4を撮像する。パノラマ撮像では、このように撮像された複数の画像F1〜F4の各データをパノラマ撮像方向(水平方向)に合成することによって、図6(B)に示すパノラマ画像P1のデータを生成する。
ここで、パノラマ画像P1のデータの生成には、画像F1〜F4のうち隣接する画像(例えば画像F1,F2)を位置合わせした上で各データを合成する必要があり、従来では、RANSAC(RANdom SAmple Consensus)法と呼ばれる画像解析技術(非特許文献1)を用いることで隣接する画像の位置合わせを行う技術が知られている。このRANSAC法について、例えば、特許文献1には、画像の合成の際に、合成対象となる画像同士で対応する特徴点の変換行列を算出することにより、合成対象となる画像同士の位置合わせを行う技術が開示されている。
M. A. Fischler and R. C. Bolles, ‘‘Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography,’’ Commun. ACM, no.24, vol.6, pp.381{395, June 1981.}
ところで、従来広く用いられているRANSAC法では、所定の演算を繰り返し行うことで両画像に共通する特徴点を算出しているため、位置合わせを行うための特徴点の変換行列を決定するまでに時間がかかる傾向にあった。そのため、例えば、撮像された複数の画像のデータを合成してパノラマ画像のデータを生成する場合にRANSAC法を用いて隣接する画像の位置合わせを行おうとすると、隣接する画像同士の変換行列を算出する処理が膨大になる虞があった。
本発明は、このような状況に鑑みてなされたものであり、例えば、略一方向への移動を伴い連続的に撮像された隣接する画像間の位置合わせの処理負担を軽減させることを目的とする。
上記目的を達成するため、本発明の一態様の画像処理装置は、略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得手段と、前記取得手段により取得された画像に含まれる複数の特徴点の夫々について、隣接する画像間における前記特徴点のベクトルを算出するベクトル算出手段と、前記ベクトル算出手段により算出された複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出手段と、前記ベクトル算出手段により算出された複数の前記特徴点のベクトルを前記分布算出手段の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出手段と、を備えたことを特徴とする。
本発明によれば、例えば、略一方向への移動を伴い連続的に撮像された画像における隣接する画像間における位置合わせの処理負担を軽減させることができる。
以下、本発明の実施形態について、図面を用いて説明する。
図1は、本発明の一実施形態に係る画像処理装置1のハードウェアの構成を示すブロック図である。
画像処理装置1は、例えばデジタルカメラとして構成される。
画像処理装置1は、例えばデジタルカメラとして構成される。
画像処理装置1は、CPU(Central Processing Unit)11と、ROM(Read Only Memory)12と、RAM(Random Access Memory)13と、画像処理部14と、バス15と、入出力インターフェース16と、撮像部17と、入力部18と、出力部19と、記憶部20と、通信部21と、ドライブ22と、を備えている。
CPU11は、ROM12に記録されているプログラム、又は、記憶部20からRAM13にロードされたプログラムに従って各種の処理を実行する。
RAM13には、CPU11が各種の処理を実行する上において必要なデータ等も適宜記憶される。
画像処理部14は、DSP(Digital Signal Processor)や、VRAM(Video Random Access Memory)等から構成されており、CPU11と協働して、画像のデータに対して各種画像処理を施す。
CPU11、ROM12及びRAM13は、バス15を介して相互に接続されている。このバス15にはまた、入出力インターフェース16も接続されている。入出力インターフェース16には、撮像部17、入力部18、出力部19、記憶部20、通信部21及びドライブ22が接続されている。
撮像部17は、図示はしないが、光学レンズ部と、イメージセンサと、を備えている。
光学レンズ部は、被写体を撮影するために、光を集光するレンズ、例えばフォーカスレンズやズームレンズ等で構成される。フォーカスレンズは、イメージセンサの受光面に被写体像を結像させるレンズである。ズームレンズは、焦点距離を一定の範囲で自在に変化させるレンズである。光学レンズ部にはまた、必要に応じて、焦点、露出、ホワイトバランス等の設定パラメータを調整する周辺回路が設けられる。
イメージセンサは、光電変換素子や、AFE(Analog Front End)等から構成される。光電変換素子は、例えばCMOS(Complementary Metal Oxide Semiconductor)型の光電変換素子等から構成される。光電変換素子には、光学レンズ部から被写体像が入射される。そこで、光電変換素子は、被写体像を光電変換(撮像)して画像信号を一定時間蓄積し、蓄積した画像信号をアナログ信号としてAFEに順次供給する。
AFEは、このアナログの画像信号に対して、A/D(Analog/Digital)変換処理等の各種信号処理を実行する。各種信号処理によって、ディジタル信号が生成され、撮像部17の出力信号として出力される。
このような撮像部17の出力信号を、以下、「撮像画像のデータ」と呼ぶ。撮像画像のデータは、CPU11や画像処理部14等に適宜供給される。
AFEは、このアナログの画像信号に対して、A/D(Analog/Digital)変換処理等の各種信号処理を実行する。各種信号処理によって、ディジタル信号が生成され、撮像部17の出力信号として出力される。
このような撮像部17の出力信号を、以下、「撮像画像のデータ」と呼ぶ。撮像画像のデータは、CPU11や画像処理部14等に適宜供給される。
入力部18は、シャッタスイッチ等の各種ボタンで構成され、ユーザの指示操作に応じて各種情報や命令を入力する。
出力部19は、ディスプレイやスピーカ等で構成され、画像や音声を出力する。
記憶部20は、ハードディスク或いはDRAM(Dynamic Random Access Memory)等で構成され、各種画像のデータを記憶する。
通信部21は、インターネットを含むネットワークを介して他の装置(図示せず)との間で行う通信を制御する。
出力部19は、ディスプレイやスピーカ等で構成され、画像や音声を出力する。
記憶部20は、ハードディスク或いはDRAM(Dynamic Random Access Memory)等で構成され、各種画像のデータを記憶する。
通信部21は、インターネットを含むネットワークを介して他の装置(図示せず)との間で行う通信を制御する。
ドライブ22には、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリ等よりなる、リムーバブルメディア31が適宜装着される。ドライブ22によってリムーバブルメディア31から読み出されたプログラムは、必要に応じて記憶部20にインストールされる。また、リムーバブルメディア31は、記憶部20に記憶されている画像のデータ等の各種データも、記憶部20と同様に記憶することができる。
図2は、このような画像処理装置1の機能的構成のうち、パノラマ画像生成処理を実行するための機能的構成を示す機能ブロック図である。ここで、「パノラマ画像生成処理」とは、連続して取得した複数の撮像画像のデータを用いてパノラマ画像のデータを生成する処理をいう。なお、「パノラマ画像」とは、35ミリ銀塩フィルムにより撮像された2:3の縦横比の画像や、デジタルカメラにより撮像された3:4の縦横比の画像と比較して、横長又は縦長の広角画像の一例である。
画像処理装置1がパノラマ画像生成処理を実行する場合には、CPU11は、撮像制御部51及び記憶制御部52として機能する。この場合、記憶部20には、撮像画像のデータやパノラマ画像のデータ等の各種画像のデータを記憶する領域として画像記憶部53が設けられる。
撮像制御部51は、撮像部17による各種撮像動作を制御する。
詳細には、ユーザが、デジタルカメラとしての画像処理装置1を保持したまま、入力部18のシャッタスイッチを押下操作すると、画像処理装置1は、パノラマ画像生成処理を開始する。パノラマ画像生成処理が開始すると、撮像制御部51は、撮像部17の連続撮像の動作を開始させ、一定時間経過するたびに、又は画像処理装置1が所定量移動するたびに画像を撮像させる。
この間、ユーザがシャッタスイッチの押下操作の状態を維持したままの状態が所定時間経過した場合やデジタルカメラが所定量移動した場合等の所定条件が満たされると、撮像制御部51は、撮像部17における連続撮像の動作を終了させ、パノラマ画像生成処理を終了する。
詳細には、ユーザが、デジタルカメラとしての画像処理装置1を保持したまま、入力部18のシャッタスイッチを押下操作すると、画像処理装置1は、パノラマ画像生成処理を開始する。パノラマ画像生成処理が開始すると、撮像制御部51は、撮像部17の連続撮像の動作を開始させ、一定時間経過するたびに、又は画像処理装置1が所定量移動するたびに画像を撮像させる。
この間、ユーザがシャッタスイッチの押下操作の状態を維持したままの状態が所定時間経過した場合やデジタルカメラが所定量移動した場合等の所定条件が満たされると、撮像制御部51は、撮像部17における連続撮像の動作を終了させ、パノラマ画像生成処理を終了する。
記憶制御部52は、パノラマ画像生成処理の結果生成されたパノラマ画像のデータ等の各種画像のデータを画像記憶部53に記憶させる制御を実行する。
また、画像処理装置1がパノラマ画像生成処理を実行する場合には、画像処理部14は、画像取得部54、位置合わせ部55及びパノラマ画像生成部56として機能する。
画像取得部54は、撮像部17の連続撮像の動作により出力されてくる複数の撮像画像のデータ、即ち連続的に撮像された複数の画像のデータを逐次取得する。
位置合わせ部55は、画像取得部54により取得された複数の撮像画像のデータの夫々を処理対象として、当該複数の撮像画像のうち隣接する撮像画像同士の位置合わせを行う。なお、隣接する撮像画像とは、連続的に撮像された複数の撮像画像のうちのn枚目(nは1以上の整数値)の撮像画像とn+1枚目の撮像画像とをいう。
ここで、本実施形態では、隣接する撮像画像同士の位置合わせを従来一般的に用いられているRANSAC法とは異なる方法により実現することとしている。そこで、本実施形態の位置合わせ部55は、特徴点追跡部551と、分布算出部552と、移動量算出部553と、を含んで構成される。
ここで、本実施形態では、隣接する撮像画像同士の位置合わせを従来一般的に用いられているRANSAC法とは異なる方法により実現することとしている。そこで、本実施形態の位置合わせ部55は、特徴点追跡部551と、分布算出部552と、移動量算出部553と、を含んで構成される。
特徴点追跡部551は、ベクトル算出手段として機能し、画像取得部54により取得された複数の撮像画像のデータの夫々を処理対象として、撮像画像の中から複数の特徴点を検出し、複数の特徴点毎に、隣接する撮像画像において当該特徴点がどの様に移動したかを示すベクトル、いわゆる移動ベクトルを算出する。即ち、特徴点追跡部551は、画像取得部54が撮像画像のデータを取得するたびに、隣接する撮像画像における複数の特徴点のベクトルを夫々算出する。より具体的には、特徴点追跡部551は、画像取得部54がn枚目の撮像画像のデータを取得したタイミングでn枚目の撮像画像の中から複数の特徴点を検出し画像記憶部53に一時的に記憶しておく。そして、特徴点追跡部551は、画像取得部54がn+1枚目の撮像画像のデータを取得したタイミングでn+1枚目の撮像画像の中から複数の特徴点を検出し、n+1枚目の複数の特徴点の夫々について、一時的に記憶したn枚目の撮像画像の特徴点の中から対応点を特定し、対応点から当該特徴点までのベクトルを、当該特徴点のベクトルとして算出する。このとき、特徴点追跡部551は、n+1枚目の特徴点及び算出したベクトルを、n+1枚目の撮像画像のデータと対応付けて画像記憶部53に記憶する。なお、本実施形態においてベクトルとは、特徴点の移動した方向及び移動の大きさ(距離)を示す。
ここで、撮像画像の中から特徴点を検出する方法は、これまで公知の方法を採用することができ、例えば、SIFT(Scale Invariant Feature Transform)を用いることとしてもよく、また、ハリスのコーナー検出を用いることとしてもよく、また、その他の方法を用いることとしてもよい。
ここで、撮像画像の中から特徴点を検出する方法は、これまで公知の方法を採用することができ、例えば、SIFT(Scale Invariant Feature Transform)を用いることとしてもよく、また、ハリスのコーナー検出を用いることとしてもよく、また、その他の方法を用いることとしてもよい。
分布算出部552は、特徴点追跡部551が算出した隣接する撮像画像間における特徴点のベクトル、即ち、n枚目の撮像画像に対するn+1枚目の撮像画像の複数の特徴点のベクトルを処理対象として、当該ベクトルの分布状況を算出する。ここで、分布状況の算出は、複数の特徴点の夫々をベクトルの大きさに基づいて複数の階級に分類し、分類の結果当該複数の階級の夫々に属することとなった特徴点の数(当該階級に属する大きさのベクトルの数と等価)を抽出することで行う。一例として、本実施形態では、分布算出部552は、ヒストグラムを用いて分布状況を算出する。このとき、分布算出部552は、水平方向(以下、「X方向」と呼ぶ)及び垂直方向(以下、「Y方向」と呼ぶ)の夫々についてのベクトルの分布状況を算出する。
ここで、特徴点を分類する複数の階級は、任意に設定することができる。例えば、分布算出部552は、ベクトルの大きさの最大値と最小値との差を所定数(例えば、64分割)で乗算した値に基づいて複数の階級を設定することとしてもよい。このような設定によれば、ベクトルの最大値と最小値とが乖離していればいるほど階級の幅が広くなり大雑把な分類となる一方で、最大値と最小値とが近似していればいるほど階級の幅が狭くなり詳細な分類となる。もちろん、このような設定に限られず、分布算出部552は、ベクトルの最大値と最小値との乖離度に関わらず常に同じ幅の階級により特徴点を分類することとしてもよい。
ここで、特徴点を分類する複数の階級は、任意に設定することができる。例えば、分布算出部552は、ベクトルの大きさの最大値と最小値との差を所定数(例えば、64分割)で乗算した値に基づいて複数の階級を設定することとしてもよい。このような設定によれば、ベクトルの最大値と最小値とが乖離していればいるほど階級の幅が広くなり大雑把な分類となる一方で、最大値と最小値とが近似していればいるほど階級の幅が狭くなり詳細な分類となる。もちろん、このような設定に限られず、分布算出部552は、ベクトルの最大値と最小値との乖離度に関わらず常に同じ幅の階級により特徴点を分類することとしてもよい。
移動量算出部553は、代表ベクトル算出手段として機能し、隣接する撮像画像間における特徴点のベクトルから隣接する撮像画像同士のズレ、即ち、n枚目の撮像画像に対するn+1枚目の撮像画像のベクトルを算出する。このとき、従来のRANSAC法に比べて演算処理を軽減するため、移動量算出部553は、複数の特徴点のベクトルの略平均を算出することで、n+1枚目の撮像画像のベクトルを算出する。より具体的には、移動量算出部553は、以下の式1,2に示すように、同一階級内に属する特徴点の数を重みとして用いた加重平均を算出することで、n+1枚目の撮像画像のベクトルを算出する。
XGMV:撮像画像のベクトルのX方向の大きさ
YGMV:撮像画像のベクトルのX方向の大きさ
Xm:m番目の特徴点のベクトルのX方向の大きさ
Ym:m番目の特徴点のベクトルのY方向の大きさ
Pm:X方向の分布においてm番目の特徴点が属する階級に含まれる特徴点の数
Qm:Y方向の分布において、m番目の特徴点が属する階級に含まれる特徴点の数
n:特徴点の総数
YGMV:撮像画像のベクトルのX方向の大きさ
Xm:m番目の特徴点のベクトルのX方向の大きさ
Ym:m番目の特徴点のベクトルのY方向の大きさ
Pm:X方向の分布においてm番目の特徴点が属する階級に含まれる特徴点の数
Qm:Y方向の分布において、m番目の特徴点が属する階級に含まれる特徴点の数
n:特徴点の総数
このように分布状況を重み付けに用いるため、本実施形態では、撮像画像全体の動きからみて異質なベクトルの特徴点による影響を軽減した上で、当該撮像画像全体の動きを適切に示す撮像画像のベクトルを算出することができる。即ち、パノラマ画像生成処理では連続的に撮像した画像のデータを合成することで1つのパノラマ画像のデータを生成するところ、撮像範囲内に人物等の動体が含まれる場合には、当該動体の特徴点は、風景等の他の特徴点とは異なる移動を行うことがある。このような動体の特徴点の移動は、他の特徴点の移動(撮像画像全体の動きにほぼ沿った移動)とは異なる異質なベクトルを示すことになるため、類似するベクトルの数による重み付けを行った加重平均を算出することで、単に平均を算出した場合に比べて異質なベクトルの影響度を軽減することができる。
なお、移動量算出部553は、複数の特徴点のベクトルのうち、大きさが所定の閾値を満たさない特徴点のベクトルを除いた上で、上記式1,2に基づき撮像画像のベクトルを算出することとしてもよい。即ち、異質なベクトルの特徴点は、演算対象から除くこととしてもよい。このとき、所定の閾値を満たさない特徴点のベクトルとは、例えば、ベクトルの大きさが全体の平均値から著しく乖離しているものやベクトルの大きさが最も多くの特徴点が分類される階級に規定されたベクトルの大きさから著しく乖離しているもののように、ベクトルの大きさが所定の閾値を満たさないものであってもよく、また、同一階級内に属する特徴点の数が1つのみである特徴点のベクトルや同一階級内に属する特徴点の数が全体の所定割合未満である特徴点のベクトルのように、同一階級内に属する特徴点の数が所定の閾値を満たさないものであってもよい。
なお、移動量算出部553は、複数の特徴点のベクトルのうち、大きさが所定の閾値を満たさない特徴点のベクトルを除いた上で、上記式1,2に基づき撮像画像のベクトルを算出することとしてもよい。即ち、異質なベクトルの特徴点は、演算対象から除くこととしてもよい。このとき、所定の閾値を満たさない特徴点のベクトルとは、例えば、ベクトルの大きさが全体の平均値から著しく乖離しているものやベクトルの大きさが最も多くの特徴点が分類される階級に規定されたベクトルの大きさから著しく乖離しているもののように、ベクトルの大きさが所定の閾値を満たさないものであってもよく、また、同一階級内に属する特徴点の数が1つのみである特徴点のベクトルや同一階級内に属する特徴点の数が全体の所定割合未満である特徴点のベクトルのように、同一階級内に属する特徴点の数が所定の閾値を満たさないものであってもよい。
位置合わせ部55は、このような移動量算出部553の上記式1,2に基づき算出した撮像画像のベクトルに基づいて隣接する撮像画像同士を位置合わせする。即ち、n枚目の撮像画像に対してX方向に「XGMV」Y方向に「YGMV」移動させた位置にn+1枚目の撮像画像を配置する。
パノラマ画像生成部56は、位置合わせ部55が位置合わせした撮像画像同士の各データを合成し、パノラマ画像のデータを生成する。また、パノラマ画像生成部56は、生成したパノラマ画像のデータを画像記憶部53に記憶する。
このように本実施形態では、上記式1,2に基づく演算を一度行うだけで隣接する撮像画像の位置合わせを行うため、従来のRANSAC法のように所定の演算を繰り返す必要がない。ここで、パノラマ画像生成処理では複数の撮像画像の各データを合成するため、隣接する撮像画像同士の位置合わせを複数回行う必要がある。このような複数回の位置合わせの夫々を所定の演算を繰り返す必要のあるRANSAC法で行った場合には、画像処理装置の処理負担が膨大なものになってしまうのに対し、本願発明のように夫々の位置合わせを一度の演算で行う構成とすることで、画像処理装置1の処理負担を軽減することができる。
ところで、RANSAC法では演算を繰り返し最も適した特徴点の変換行列を特定するため、隣接する撮像画像を精度良く位置合わせすることができる。この点、本実施形態の画像処理装置1のような位置合わせでは、所定の重み付けをしているとはいえ、RANSAC法に比べて精度が劣化してしまう。そのため、本実施形態のような位置合わせは、デジタルカメラを一方向にのみ移動させるパノラマ撮像に用いることが好適である。即ち、本実施形態の画像処理装置1による位置合わせは、パノラマ撮像方向が水平方向、垂直方向又は斜め方向のような一方向である場合に採用することが好ましく、撮像方向がコの字状のように水平方向と垂直方向とを含む広角画像を撮像する場合には、精度の高いRANSAC法を採用することが好ましい。このように一方向の移動の際のパノラマ画像生成処理に対して本実施形態の画像処理装置1による位置合わせを採用することで、画像処理装置1の処理負担を軽減することができるとともに、精度を劣化させることなく位置合わせを行うことができる。
なお、上記式1,2では、撮像画像のX方向のベクトルとY方向のベクトルとの両方を算出することとしている。これは、一方向への移動であっても手振れ等によりパノラマ撮像方向と直交する方向への若干の移動が伴うためである。
ところで、RANSAC法では演算を繰り返し最も適した特徴点の変換行列を特定するため、隣接する撮像画像を精度良く位置合わせすることができる。この点、本実施形態の画像処理装置1のような位置合わせでは、所定の重み付けをしているとはいえ、RANSAC法に比べて精度が劣化してしまう。そのため、本実施形態のような位置合わせは、デジタルカメラを一方向にのみ移動させるパノラマ撮像に用いることが好適である。即ち、本実施形態の画像処理装置1による位置合わせは、パノラマ撮像方向が水平方向、垂直方向又は斜め方向のような一方向である場合に採用することが好ましく、撮像方向がコの字状のように水平方向と垂直方向とを含む広角画像を撮像する場合には、精度の高いRANSAC法を採用することが好ましい。このように一方向の移動の際のパノラマ画像生成処理に対して本実施形態の画像処理装置1による位置合わせを採用することで、画像処理装置1の処理負担を軽減することができるとともに、精度を劣化させることなく位置合わせを行うことができる。
なお、上記式1,2では、撮像画像のX方向のベクトルとY方向のベクトルとの両方を算出することとしている。これは、一方向への移動であっても手振れ等によりパノラマ撮像方向と直交する方向への若干の移動が伴うためである。
続いて、パノラマ画像生成処理の実行機能について、図3及び図4を参照して具体的に説明する。
図3は、画像処理部14の位置合わせ部55の機能を説明するための図であり、図3(A)は、位置合わせ部55の特徴点追跡部551による特徴点のベクトルの算出を示す図であり、図3(B)は、分布算出部552による特徴点のベクトルの分布状況の算出を示す図である。また、図4は、位置合わせ部55による隣接する撮像画像90,91の位置合わせを示す図である。
図3は、画像処理部14の位置合わせ部55の機能を説明するための図であり、図3(A)は、位置合わせ部55の特徴点追跡部551による特徴点のベクトルの算出を示す図であり、図3(B)は、分布算出部552による特徴点のベクトルの分布状況の算出を示す図である。また、図4は、位置合わせ部55による隣接する撮像画像90,91の位置合わせを示す図である。
特徴点追跡部551は、画像取得部54が撮像画像のデータを取得するたびに複数の特徴点を検出し、隣接する撮像画像における対応する特徴点を比較することで特徴点のベクトルを算出する。なお、図3(A)(a)は、隣接する撮像画像間の複数の特徴点のベクトルを模式的に示す図であり、図3(A)(b)は、夫々の特徴点のベクトルの内容を概略的に示す図である。図3(A)を参照すると、パノラマ撮像方向は、図中左から右方向であり、多くの特徴点はパノラマ撮像方向と略逆方向に移動している。これに対して、図中符号70の特徴点は、パノラマ撮像方向とは関係ない方向に移動していることが分かる。
特徴点追跡部551が隣接する撮像画像間における特徴点のベクトルを算出すると、分布算出部552は、算出した特徴点のベクトルの分布状況を算出する。分布状況の算出は、例えば、図3(B)に示すようなヒストグラムを用いることで行うことができる。図3(B)では、ベクトルの大きさに基づいて複数の階級に分類しており、具体的には、「0.2」単位で複数の階級に分類している。なお、図3(B)では、特徴点のベクトルのうちX方向についてのみヒストグラムで分布状況を算出し、Y方向については図示を省略している。また、図3(B)では、説明の便宜上、ベクトルの最大値と最小値との差を7分割することとしている。図3(B)に示すように、分布状況を算出すると、多くの特徴点がパノラマ撮像方向に応じたベクトルを有することになり、仮に異常なベクトルの特徴点があったとしてもその数は少ないことが分かる。
分布算出部552が隣接する撮像画像間における特徴点のベクトルの分布状況を算出すると、移動量算出部553は、上記式1,2に基づいて、隣接する撮像画像間における撮像画像のベクトルを算出する。このとき、上記式1,2では、分布状況に基づいて重み付けを行うため、異常なベクトルの影響度を軽減し、撮像画像全体の移動の傾向を捉えることができる。
このようにして隣接する撮像画像間における撮像画像の代表ベクトル(XGMV、YGMV)を算出し、位置合わせ部55は、図4に示すように算出した撮像画像のベクトルに基づいて隣接する撮像画像90,91を位置合わせする。
その後、パノラマ画像生成部56は、この位置合わせ結果に基づいて隣接する撮像画像同士を合成し、パノラマ画像のデータを生成する。
その後、パノラマ画像生成部56は、この位置合わせ結果に基づいて隣接する撮像画像同士を合成し、パノラマ画像のデータを生成する。
続いて、図5を参照してパノラマ画像生成処理について説明する。図5は、図2の機能的構成を有する画像処理装置1が実行するパノラマ画像生成処理の流れを示すフローチャートである。
なお、パノラマ画像生成処理は、ユーザの入力部18へのパノラマ画像生成処理を開始する操作、即ち、シャッタボタンの押下操作を契機に開始される。
なお、パノラマ画像生成処理は、ユーザの入力部18へのパノラマ画像生成処理を開始する操作、即ち、シャッタボタンの押下操作を契機に開始される。
ステップS1において、撮像制御部51は、撮像部17が連続撮像をするように制御する。
ステップS2において、画像取得部54は、撮像部17が撮像するたびに撮像画像のデータを取得する。このとき、画像取得部54は、取得した撮像画像のデータを画像記憶部53に一時的に記憶する。
ステップS3において、特徴点追跡部551は、ステップS2の処理で取得された撮像画像のデータから複数の特徴点を検出し、画像記憶部53に一時的に記憶する。
ステップS4において、特徴点追跡部551は、ステップS3の処理を行った撮像画像が2枚目以降のものであるか否かを判断する。2枚目以降の撮像画像である場合には、ステップS4においてYESと判断されて、処理はステップS5に進み、2枚目以降でない、即ち、1枚目の撮像画像である場合には、ステップS4においてNOと判断されて、処理はステップS1に戻る。
ステップS5において、特徴点追跡部551は、画像記憶部53から隣接する撮像画像(前回に撮像された撮像画像)における特徴点を抽出した後、隣接する撮像画像間で対応する特徴点を比較することで、隣接する撮像画像間での複数の特徴点のベクトルを算出する。
ステップS6において、分布算出部552は、ステップS5の処理で算出した複数の特徴点のベクトルをベクトルの大きさに基づいて分類し、分布状況を算出する。この処理では、分布算出部552は、例えば、ベクトルの最大値と最小値との差を64分割した階級に基づいて特徴点を分類し、分布状況を算出する。
ステップS7において、移動量算出部553は、ステップS6の処理で算出した分布状況を重み付けとして撮像画像のベクトルを算出する。具体的には、移動量算出部553は、上記式1,2に基づいて、撮像画像のベクトルを算出する。
ステップS8において、位置合わせ部55は、ステップS7の処理で算出した撮像画像のベクトルに応じて隣接する撮像画像同士の位置合わせを行う。
ステップS9において、パノラマ画像生成部56は、ステップS8の処理で位置合わせした撮像画像同士の各データを合成し、パノラマ画像のデータを生成する。
ステップS10において、CPU11は、パノラマ画像生成処理を終了すべきか判断する。例えば、デジタルカメラが所定以上移動した場合や、ユーザによる所定の終了操作を受け付けた場合等に、CPU11は、パノラマ画像生成処理を終了すべきと判断する。ステップS10においてYESと判断されると、記憶制御部52は、これまで生成したパノラマ画像のデータを画像記憶部53に記憶してパノラマ画像生成処理を終了する。また、ステップS10においてNOと判断されると、処理はステップS11に移る。
ステップS11において、CPU11又は画像処理部14は、エラーが発生したか否かを判断する。例えば、デジタルカメラがパノラマ撮像方向と直交する方向に所定以上移動した場合(即ち、手振れが大きい場合)や、撮像画像から十分な数の特徴点を検出できない場合や、隣接する撮像画像間における特徴点のベクトルの算出を十分な数の特徴点について行うことができない場合等に、CPU11又は画像処理部14は、エラーが発生したと判断する。ステップS11においてYESと判断されると、パノラマ画像生成処理は終了し、ステップS11においてNOと判断されると、処理はステップS1に移る。
以上のように構成される画像処理装置1は、パノラマ撮像方向を一方向とするパノラマ画像生成処理において、撮像部17から供給される撮像画像のデータを処理対象として、隣接する撮像画像同士の位置合わせを行う位置合わせ部55と、位置合わせ部55の位置合わせ結果に基づいて隣接する撮像画像同士を合成することでパノラマ画像のデータを生成するパノラマ画像生成部56と、を備える。このとき、位置合わせ部55は、隣接する撮像画像間における複数の特徴点のベクトルを算出する特徴点追跡部551と、算出した複数の特徴点のベクトルの分布状況を算出する分布算出部552と、この分布状況に応じて複数の特徴点のベクトルを重み付けした上で、隣接する撮像画像間における撮像画像のベクトルを算出する移動量算出部553と、を備える。
即ち、本実施形態では、位置合わせ部55は、複数の特徴点のベクトルから撮像画像全体のベクトルを算出することで隣接する撮像画像の位置合わせを行うものであるが、この撮像画像全体のベクトルの算出を複数の特徴点のベクトルに対して分布状況に基づく重みを付すだけで実現している。これにより、複雑な演算を繰り返すことなく撮像画像全体のベクトルを算出することができ、処理負担を軽減させることができる。このとき、画像処理装置1では、パノラマ撮像方向を一方向とするパノラマ画像生成処理に対してこのような位置合わせ手法を採用することとしているため、処理負担軽減に伴う位置合わせ精度の劣化を気にする必要がない。
即ち、本実施形態では、位置合わせ部55は、複数の特徴点のベクトルから撮像画像全体のベクトルを算出することで隣接する撮像画像の位置合わせを行うものであるが、この撮像画像全体のベクトルの算出を複数の特徴点のベクトルに対して分布状況に基づく重みを付すだけで実現している。これにより、複雑な演算を繰り返すことなく撮像画像全体のベクトルを算出することができ、処理負担を軽減させることができる。このとき、画像処理装置1では、パノラマ撮像方向を一方向とするパノラマ画像生成処理に対してこのような位置合わせ手法を採用することとしているため、処理負担軽減に伴う位置合わせ精度の劣化を気にする必要がない。
このとき、重み付けに用いる分布状況の算出は、任意の方法により行うことができるが、本実施形態では、その一例として、複数の特徴点の夫々を特徴点のベクトルの大きさに基づいて複数の階級に分類し、同一の階級の夫々に属する特徴点の数を分布状況として算出することとしている。即ち、図3(B)に示すようなヒストグラムを用いることで、特徴点のベクトルの大きさの分布状況を算出している。
このような分布状況を用いて重み付けを行うことで、多くの特徴点で類似するベクトルの影響度を強くし、異常なベクトルの影響度を弱くした上で、撮像画像全体のベクトルを算出することができる。
このような分布状況を用いて重み付けを行うことで、多くの特徴点で類似するベクトルの影響度を強くし、異常なベクトルの影響度を弱くした上で、撮像画像全体のベクトルを算出することができる。
なお、特徴点を分類する複数の階級は、任意に設定することができ、例えば、分布算出部552は、特徴点のベクトルの最大値と最小値とが乖離していればいるほど階級の幅を設定し、最大値と最小値とが近似していればいるほど階級の幅が狭く設定することとしてもよい。
これにより、異常なベクトルの影響度を更に弱めることができる。
これにより、異常なベクトルの影響度を更に弱めることができる。
また、分布状況に基づく重み付けについても、繰り返しの演算を必要としない限り任意の方法により行うことができ、本実施形態では、その一例として、上記式1,2に示すように同一階級内に属する特徴点の数を重みとして用いた加重平均を採用することとしている。
これにより、一度の演算で撮像画像のベクトルを算出することができ、処理負担の軽減及び位置合わせ精度の確保を実現することができる。
これにより、一度の演算で撮像画像のベクトルを算出することができ、処理負担の軽減及び位置合わせ精度の確保を実現することができる。
なお、分布状況を重み付けに用いることで異常なベクトルの影響度を弱めることができるが、本実施形態の画像処理装置1では、そもそも異常なベクトルを撮像画像のベクトルの算出の際に除外することとしてもよい。そのため、移動量算出部553は、複数の特徴点のベクトルのうち所定の閾値を満たさない特徴点のベクトルを除いて、画像のベクトルを算出することとしてもよい。
これにより、異常なベクトルの影響度を更に弱めることができる。
これにより、異常なベクトルの影響度を更に弱めることができる。
以上、本実施形態の画像処理装置1について説明したが、本発明は、上述の実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良等は本発明に含まれるものである。
上述の実施形態では、パノラマ画像生成処理において、隣接する撮像画像の位置合わせや合成を、撮像画像のデータを取得するたびに行うこととしているが、パノラマ画像のデータを生成するための全ての撮像画像のデータを取得した後に、位置合わせや合成をまとめて行うこととしてもよい。
また、上述の実施形態では、本発明が適用される画像処理装置1は、デジタルカメラを例として説明したが、特にこれに限定されない。
例えば、本発明は、パノラマ画像生成機能を有する電子機器一般に適用することができる。具体的には、例えば、本発明は、ノート型のパーソナルコンピュータ、プリンタ、テレビジョン受像機、ビデオカメラ、携帯型ナビゲーション装置、携帯電話機、ポータブルゲーム機等に適用可能である。
例えば、本発明は、パノラマ画像生成機能を有する電子機器一般に適用することができる。具体的には、例えば、本発明は、ノート型のパーソナルコンピュータ、プリンタ、テレビジョン受像機、ビデオカメラ、携帯型ナビゲーション装置、携帯電話機、ポータブルゲーム機等に適用可能である。
上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
換言すると、図2の機能的構成は例示に過ぎず、特に限定されない。即ち、上述した一連の処理を全体として実行できる機能が画像処理装置1に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図2の例に限定されない。
また、1つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
換言すると、図2の機能的構成は例示に過ぎず、特に限定されない。即ち、上述した一連の処理を全体として実行できる機能が画像処理装置1に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図2の例に限定されない。
また、1つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えば汎用のパーソナルコンピュータであってもよい。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えば汎用のパーソナルコンピュータであってもよい。
このようなプログラムを含む記録媒体は、ユーザにプログラムを提供するために装置本体とは別に配布される図1のリムーバブルメディア31により構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに提供される記録媒体等で構成される。リムーバブルメディア31は、例えば、磁気ディスク(フロッピディスクを含む)、光ディスク、又は光磁気ディスク等により構成される。光ディスクは、例えば、CD−ROM(Compact Disk−Read Only Memory),DVD(Digital Versatile Disk)等により構成される。光磁気ディスクは、MD(Mini−Disk)等により構成される。また、装置本体に予め組み込まれた状態でユーザに提供される記録媒体は、例えば、プログラムが記録されている図1のROM12や、図1の記憶部20に含まれるハードディスク等で構成される。
なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的或いは個別に実行される処理をも含むものである。
また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。
また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。
以上、本発明のいくつかの実施形態について説明したが、これらの実施形態は、例示に過ぎず、本発明の技術的範囲を限定するものではない。本発明はその他の様々な実施形態を取ることが可能であり、更に、本発明の要旨を逸脱しない範囲で、省略や置換等種々の変更を行うことができる。これら実施形態やその変形は、本明細書等に記載された発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
以下に、本願の出願当初の特許請求の範囲に記載された発明を付記する。
[付記1]
略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得手段と、
前記取得手段により取得された画像に含まれる複数の特徴点の夫々について、隣接する画像間における前記特徴点のベクトルを算出するベクトル算出手段と、
前記ベクトル算出手段により算出された複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出手段と、
前記ベクトル算出手段により算出された複数の前記特徴点のベクトルを前記分布算出手段の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出手段と、
を備えたことを特徴とする画像解析装置。
[付記2]
前記分布算出手段は、複数の前記特徴点の夫々を前記特徴点のベクトルの大きさに基づいて複数の階級に分類し、複数の前記階級の夫々に属する特徴点の数を、前記分布状況として算出する、
ことを特徴とする付記1に記載の画像解析装置。
[付記3]
前記代表ベクトル算出手段は、同一階級内に属する前記特徴点の数を重みとして用いて複数の前記特徴点のベクトルの加重平均を算出することで、前記隣接する画像間での代表ベクトルを算出する、
ことを特徴とする付記2に記載の画像解析装置。
[付記4]
前記分布算出手段は、前記ベクトル算出手段により算出された複数の前記特徴点のベクトルの最小値及び最大値の乖離度に基づいて、複数の前記階級の夫々を決定する、
ことを特徴とする付記2又は3に記載の画像解析装置。
[付記5]
前記代表ベクトル算出手段は、複数の前記特徴点のベクトルのうち所定の閾値を満たさない特徴点のベクトルを除いて、前記代表ベクトルを算出する、
ことを特徴とする付記1乃至4のうち何れか1つに記載の画像解析装置。
[付記6]
付記1乃至5のうち何れか1つに記載の画像解析装置を備え、
前記代表ベクトル算出手段が算出した代表ベクトルに基づいて、前記隣接する画像同士を位置合わせする位置合わせ手段と、
前記位置合わせ手段が位置合わせした画像同士を合成することで合成画像を生成する生成手段と、
を更に備えたことを特徴とする画像処理装置。
[付記7]
画像処理装置が実行する画像処理方法であって、
略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得ステップと、
前記取得ステップの処理により取得された画像に含まれる複数の特徴点の夫々について隣接する画像間でのベクトルを算出する特徴点追跡ステップと、
前記特徴点追跡ステップの処理により算出した複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出ステップと、
前記特徴点追跡ステップの処理により算出した複数の前記特徴点のベクトルを前記分布算出ステップの処理の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出ステップと、
を備えたことを特徴とする画像解析方法。
[付記8]
コンピュータを、
略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得手段、
前記取得手段により取得された画像に含まれる複数の特徴点の夫々について隣接する画像間でのベクトルを算出するベクトル算出手段、
前記ベクトル算出手段により算出された複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出手段、
前記ベクトル算出手段が算出した複数の前記特徴点のベクトルを前記分布算出手段の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出手段、
として機能させることを特徴とするプログラム。
[付記1]
略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得手段と、
前記取得手段により取得された画像に含まれる複数の特徴点の夫々について、隣接する画像間における前記特徴点のベクトルを算出するベクトル算出手段と、
前記ベクトル算出手段により算出された複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出手段と、
前記ベクトル算出手段により算出された複数の前記特徴点のベクトルを前記分布算出手段の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出手段と、
を備えたことを特徴とする画像解析装置。
[付記2]
前記分布算出手段は、複数の前記特徴点の夫々を前記特徴点のベクトルの大きさに基づいて複数の階級に分類し、複数の前記階級の夫々に属する特徴点の数を、前記分布状況として算出する、
ことを特徴とする付記1に記載の画像解析装置。
[付記3]
前記代表ベクトル算出手段は、同一階級内に属する前記特徴点の数を重みとして用いて複数の前記特徴点のベクトルの加重平均を算出することで、前記隣接する画像間での代表ベクトルを算出する、
ことを特徴とする付記2に記載の画像解析装置。
[付記4]
前記分布算出手段は、前記ベクトル算出手段により算出された複数の前記特徴点のベクトルの最小値及び最大値の乖離度に基づいて、複数の前記階級の夫々を決定する、
ことを特徴とする付記2又は3に記載の画像解析装置。
[付記5]
前記代表ベクトル算出手段は、複数の前記特徴点のベクトルのうち所定の閾値を満たさない特徴点のベクトルを除いて、前記代表ベクトルを算出する、
ことを特徴とする付記1乃至4のうち何れか1つに記載の画像解析装置。
[付記6]
付記1乃至5のうち何れか1つに記載の画像解析装置を備え、
前記代表ベクトル算出手段が算出した代表ベクトルに基づいて、前記隣接する画像同士を位置合わせする位置合わせ手段と、
前記位置合わせ手段が位置合わせした画像同士を合成することで合成画像を生成する生成手段と、
を更に備えたことを特徴とする画像処理装置。
[付記7]
画像処理装置が実行する画像処理方法であって、
略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得ステップと、
前記取得ステップの処理により取得された画像に含まれる複数の特徴点の夫々について隣接する画像間でのベクトルを算出する特徴点追跡ステップと、
前記特徴点追跡ステップの処理により算出した複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出ステップと、
前記特徴点追跡ステップの処理により算出した複数の前記特徴点のベクトルを前記分布算出ステップの処理の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出ステップと、
を備えたことを特徴とする画像解析方法。
[付記8]
コンピュータを、
略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得手段、
前記取得手段により取得された画像に含まれる複数の特徴点の夫々について隣接する画像間でのベクトルを算出するベクトル算出手段、
前記ベクトル算出手段により算出された複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出手段、
前記ベクトル算出手段が算出した複数の前記特徴点のベクトルを前記分布算出手段の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出手段、
として機能させることを特徴とするプログラム。
1・・・画像処理装置、11・・・CPU、12・・・ROM、13・・・RAM、14・・・画像処理部、15・・・バス、16・・・入出力インターフェース、17・・・撮像部、18・・・入力部、19・・・出力部、20・・・記憶部、21・・・通信部、22・・・ドライブ、31・・・リムーバブルメディア、51・・・撮像制御部、52・・・記憶制御部、53・・・画像記憶部、54・・・画像取得部、55・・・位置合わせ部、551・・・特徴点追跡部、552・・・分布算出部、553・・・移動量算出部、56・・・パノラマ画像生成部
Claims (8)
- 略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得手段と、
前記取得手段により取得された画像に含まれる複数の特徴点の夫々について、隣接する画像間における前記特徴点のベクトルを算出するベクトル算出手段と、
前記ベクトル算出手段により算出された複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出手段と、
前記ベクトル算出手段により算出された複数の前記特徴点のベクトルを前記分布算出手段の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出手段と、
を備えたことを特徴とする画像解析装置。 - 前記分布算出手段は、複数の前記特徴点の夫々を前記特徴点のベクトルの大きさに基づいて複数の階級に分類し、複数の前記階級の夫々に属する特徴点の数を、前記分布状況として算出する、
ことを特徴とする請求項1に記載の画像解析装置。 - 前記代表ベクトル算出手段は、同一階級内に属する前記特徴点の数を重みとして用いて複数の前記特徴点のベクトルの加重平均を算出することで、前記隣接する画像間での代表ベクトルを算出する、
ことを特徴とする請求項2に記載の画像解析装置。 - 前記分布算出手段は、前記ベクトル算出手段により算出された複数の前記特徴点のベクトルの最小値及び最大値の乖離度に基づいて、複数の前記階級の夫々を決定する、
ことを特徴とする請求項2又は3に記載の画像解析装置。 - 前記代表ベクトル算出手段は、複数の前記特徴点のベクトルのうち所定の閾値を満たさない特徴点のベクトルを除いて、前記代表ベクトルを算出する、
ことを特徴とする請求項1乃至4のうち何れか1項に記載の画像解析装置。 - 請求項1乃至5のうち何れか1項に記載の画像解析装置を備え、
前記代表ベクトル算出手段が算出した代表ベクトルに基づいて、前記隣接する画像同士を位置合わせする位置合わせ手段と、
前記位置合わせ手段が位置合わせした画像同士を合成することで合成画像を生成する生成手段と、
を更に備えたことを特徴とする画像処理装置。 - 画像処理装置が実行する画像処理方法であって、
略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得ステップと、
前記取得ステップの処理により取得された画像に含まれる複数の特徴点の夫々について隣接する画像間でのベクトルを算出する特徴点追跡ステップと、
前記特徴点追跡ステップの処理により算出した複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出ステップと、
前記特徴点追跡ステップの処理により算出した複数の前記特徴点のベクトルを前記分布算出ステップの処理の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出ステップと、
を備えたことを特徴とする画像解析方法。 - コンピュータを、
略一方向への移動を伴い連続的に撮像された複数の画像を取得する取得手段、
前記取得手段により取得された画像に含まれる複数の特徴点の夫々について隣接する画像間でのベクトルを算出するベクトル算出手段、
前記ベクトル算出手段により算出された複数の前記特徴点の前記ベクトルの分布状況を算出する分布算出手段、
前記ベクトル算出手段が算出した複数の前記特徴点のベクトルを前記分布算出手段の算出結果で重み付けすることで、前記隣接する画像間で位置合わせをするための代表ベクトルを算出する代表ベクトル算出手段、
として機能させることを特徴とするプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012051169A JP2013187726A (ja) | 2012-03-08 | 2012-03-08 | 画像解析装置、画像処理装置、画像解析方法及びプログラム |
US13/787,411 US20130236055A1 (en) | 2012-03-08 | 2013-03-06 | Image analysis device for calculating vector for adjusting a composite position between images |
CN2013100723398A CN103312968A (zh) | 2012-03-08 | 2013-03-07 | 图像解析装置、图像处理装置、以及图像解析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012051169A JP2013187726A (ja) | 2012-03-08 | 2012-03-08 | 画像解析装置、画像処理装置、画像解析方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013187726A true JP2013187726A (ja) | 2013-09-19 |
Family
ID=49114155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012051169A Pending JP2013187726A (ja) | 2012-03-08 | 2012-03-08 | 画像解析装置、画像処理装置、画像解析方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20130236055A1 (ja) |
JP (1) | JP2013187726A (ja) |
CN (1) | CN103312968A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10104287B2 (en) | 2015-02-06 | 2018-10-16 | Ricoh Company, Ltd. | Image processing system, image generation apparatus, and image generation method |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8937702B2 (en) * | 2012-10-30 | 2015-01-20 | Eastman Kodak Company | Method of making a panoramic print |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5764871A (en) * | 1993-10-21 | 1998-06-09 | Eastman Kodak Company | Method and apparatus for constructing intermediate images for a depth image from stereo images using velocity vector fields |
US6928194B2 (en) * | 2002-09-19 | 2005-08-09 | M7 Visual Intelligence, Lp | System for mosaicing digital ortho-images |
GB0227566D0 (en) * | 2002-11-26 | 2002-12-31 | British Telecomm | Method and system for estimating global motion in video sequences |
GB2415562B (en) * | 2004-06-23 | 2007-11-21 | Hewlett Packard Development Co | Image processing |
KR100588132B1 (ko) * | 2004-10-04 | 2006-06-09 | 삼성전자주식회사 | 디스플레이장치 |
CN100455266C (zh) * | 2005-03-29 | 2009-01-28 | 深圳迈瑞生物医疗电子股份有限公司 | 宽景成像处理方法 |
US7894528B2 (en) * | 2005-05-25 | 2011-02-22 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | Fast and robust motion computations using direct methods |
TWI381719B (zh) * | 2008-02-18 | 2013-01-01 | Univ Nat Taiwan | 穩定全幅式視訊之方法 |
JP4955616B2 (ja) * | 2008-06-27 | 2012-06-20 | 富士フイルム株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
CN101394573B (zh) * | 2008-10-30 | 2010-06-16 | 清华大学 | 一种基于特征匹配的全景图生成方法及系统 |
TWI395471B (zh) * | 2009-07-17 | 2013-05-01 | Altek Corp | Panorama image of the leading shooting method |
CN102782708A (zh) * | 2009-12-02 | 2012-11-14 | 高通股份有限公司 | 用于图像辨识的描述符小块的快速子空间投影 |
CN102274042B (zh) * | 2010-06-08 | 2013-09-04 | 深圳迈瑞生物医疗电子股份有限公司 | 图像配准方法、宽景成像方法、超声成像方法及其系统 |
CN102375984B (zh) * | 2010-08-06 | 2014-02-26 | 夏普株式会社 | 特征量计算装置、图像连接装置、图像检索装置及特征量计算方法 |
US9041817B2 (en) * | 2010-12-23 | 2015-05-26 | Samsung Electronics Co., Ltd. | Method and apparatus for raster output of rotated interpolated pixels optimized for digital image stabilization |
-
2012
- 2012-03-08 JP JP2012051169A patent/JP2013187726A/ja active Pending
-
2013
- 2013-03-06 US US13/787,411 patent/US20130236055A1/en not_active Abandoned
- 2013-03-07 CN CN2013100723398A patent/CN103312968A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10104287B2 (en) | 2015-02-06 | 2018-10-16 | Ricoh Company, Ltd. | Image processing system, image generation apparatus, and image generation method |
US10805531B2 (en) | 2015-02-06 | 2020-10-13 | Ricoh Company, Ltd. | Image processing system, image generation apparatus, and image generation method |
Also Published As
Publication number | Publication date |
---|---|
US20130236055A1 (en) | 2013-09-12 |
CN103312968A (zh) | 2013-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5799863B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP5179398B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム | |
US9773192B2 (en) | Fast template-based tracking | |
JP5569357B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
US9508153B2 (en) | Distance measurement apparatus, imaging apparatus, distance measurement method, and program | |
US20150016683A1 (en) | Image processing device, image processing method, and program | |
JP2007072606A (ja) | 画像処理装置及び方法 | |
JP2010045613A (ja) | 画像識別方法および撮像装置 | |
JP5210198B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム | |
US9811909B2 (en) | Image processing apparatus, distance measuring apparatus, imaging apparatus, and image processing method | |
JP5811654B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
US9686470B2 (en) | Scene stability detection | |
JP2013187726A (ja) | 画像解析装置、画像処理装置、画像解析方法及びプログラム | |
JP2014021901A (ja) | 被写体検出装置、被写体検出方法及びプログラム | |
JP2018066687A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP5484129B2 (ja) | 撮像装置 | |
JP6631190B2 (ja) | 画像評価装置、画像評価方法及びプログラム | |
JP6036934B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP2014057261A (ja) | 画像生成装置、画像生成方法、撮像装置、および撮像方法 | |
CN113691731B (zh) | 一种处理方法、装置和电子设备 | |
JP2011182084A (ja) | 画像処理装置および画像処理プログラム | |
JP2010245923A (ja) | 被写体追尾装置、およびカメラ | |
JP6525693B2 (ja) | 画像処理装置及び画像処理方法 | |
JP2017098634A (ja) | 画像評価装置、画像評価方法及びプログラム | |
JP4696055B2 (ja) | 手振れベクトル検出方法及びその装置並びに検出プログラム、電子式手振れ補正方法及びその装置並びに補正プログラム、撮像装置 |