JP2638702B2

JP2638702B2 - 特徴画像データの抽出方法

Info

Publication number: JP2638702B2
Application number: JP32899791A
Authority: JP
Inventors: 博明中村
Original assignee: Fuji Photo Film Co Ltd
Current assignee: Fujifilm Holdings Corp
Priority date: 1991-12-12
Filing date: 1991-12-12
Publication date: 1997-08-06
Anticipated expiration: 2012-08-06
Also published as: JPH05165120A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は特徴画像データ抽出方法
に係り、より詳しくは、カラー原画像をカラー複写材料
または黒白複写材料に複写するときに使用する、人物の
顔の濃度データ等の特徴画像データを抽出する方法に関
する。

【０００２】

【従来の技術及び発明が解決しようとする課題】人物写
真を観賞するときに最も注目される部位は、人物の顔で
あり、品質の良い写真を作成するためには人物の顔の色
を適正な色に焼付ける必要がある。

【０００３】従来では、カラーフィルムの原画像中の顔
領域をライトペンで指定して人物の顔の濃度データを抽
出し、この抽出した濃度データに基づいて顔の色が適正
に焼付けられるように露光量を決定している。このよう
な技術としては、特開昭６２−１１５４３０号公報、特
開昭６２−１１５４３１号公報、特開昭６２−１１５４
３２号公報、特開昭６２−１８９４５６号公報、特開昭
６２−１８９４５７号公報、特開昭６３−１３８３４０
号公報、特開昭６３−１７８２２２号公報に記載のもの
がある。

【０００４】しかしながら、上記従来の技術では、画像
毎にオペレータがライトペンで顔領域を指定しなければ
ならないため、焼付作業に時間がかかる、という問題が
ある。また、オペレータが目視して顔領域を指定しなけ
ればならないため、無人化が困難である。

【０００５】また、特開昭５２−１５６６２４号公報、
特開昭５２−１５６６２５号公報、特開昭５３−１２３
３０号公報、特開昭５３−１４５６２０号公報、特開昭
５３−１４５６２１号公報、特開昭５３−１４５６２２
号公報には、肌色データを抽出することによって人物の
顔のデータを抽出する以下の方法が記載されている。す
なわち、カラー原画像を多数の測光点に分割すると共に
各測光点をＲ（赤）、Ｇ（緑）、Ｂ（青）の３色に分解
して測光し、測光データから計算した各測光点の色が肌
色範囲内か否か判断する。そして、肌色範囲と判断され
た測光点のクラスタ（群）を顔の濃度データとする。し
かしながら、この方法では肌色範囲内の色を顔の濃度デ
ータと仮定しているため、地面、木の幹、洋服等の肌色
または肌色に近似した色をした顔以外の部位も顔の濃度
データとして抽出されてしまう。また、同一被写体を同
一条件で撮影した場合であってもフィルム種によって撮
影画像の色味が異るため、フィルム種が異ると顔の濃度
データを自動的に抽出できないことがある。更に、被写
体を照明する光源の色が異ると撮影画像の色味が異る
（例えば、蛍光灯を光源として撮影した画像は緑味にな
る）ため、光源色が異ると顔の濃度データを自動的に抽
出できないことがある。

【０００６】上記の光源色が異ることによって発生する
問題点を解決するためには、光源色補正を行ってから肌
色範囲の測光データを抽出すればよい。光源としては、
太陽光、蛍光灯、タングステン光に大別できるが、太陽
光は季節、時間帯によって色味が異り、また季節や時間
帯が同じでも直接光か間接光かによって色味が異る。ま
た、蛍光灯等の人工光は製品の多種多様化に伴い様々な
色味がある。従って、光源の各々について光源種を特定
して光源補正を行うのは困難である。また、仮に光源補
正が完全に行えたとしても地面や木の幹等の肌色または
肌色に近似した部位を抽出しないようにすることはでき
ず、更にフィルム種が異ったときに対処することができ
ない。

【０００７】また、原画像内に濃度や大きさが異なる多
くの対象物が存在する場合のような複雑な画像において
原画像を分割する方法として、再帰的閾値処理がある。
この方法では、原画像を色領域毎に分割するために原画
像から得られる測光データに基づいて２次元ヒストグラ
ムを求め、求めた２次元ヒストグラムを原画像の色相、
明度及び彩度等を基にした特徴軸に画像データを投影
し、１次元ヒストグラムに変換し、変換した１次元ヒス
トグラムの最も先鋭度の高い山に属する画素を取り出
し、それらの画素からなる連結領域を求める。これらの
処理を再帰的に繰り返し行なって領域を細分化すること
によって全ての特徴に対するヒストグラムが完全に単峰
性になるまで分割を繰り返す。

【０００８】しかしながら、通常、原画像には色相や彩
度等が類似した画像を多く含んでおり、得られる２次元
ヒストグラムは複数の山が合成したような複雑な形状に
なる。このため、２次元ヒストグラムを上記のような１
次元ヒストグラムに変換することが困難なため、明確に
分離することができない。

【０００９】また、クラスタの状態、例えばクラスタの
数や広がり等に関するパラメータから得られる類似性に
よって２次元ヒストグラムをクラスタリングするＩＳＯ
ＤＡＴＡアルゴリズム等の一般的クラスタリング方法が
ある。

【００１０】しかしながら、上記のように２次元ヒスト
グラムが単純な形状であることは稀であるので、この方
法によって複雑な形状の２次元ヒストグラムをクラスタ
リングするためには、予めクラスタの分布やクラスタの
数等に関するパラメータを最適に推定しなければなら
ず、実用的ではない。

【００１１】本発明は上記問題点を解決するために成さ
れたもので、ネガフィルム等のカラー原画像から人物の
顔のデータ等の特徴画像データのみを高い確度で自動的
に抽出することができる特徴画像データの抽出方法を提
供することを目的とする。

【００１２】

【課題を解決するための手段】上記目的を達成するため
に請求項１に記載の発明は、カラー原画像を多数画素に
分割して各画素を赤光、緑光及び青光の３色に分解して
測光し、測光により得られたデータに基づいて色相値及
び彩度値についての２次元ヒストグラムを求め、求めた
２次元ヒストグラムの各山について、２次元ヒストグラ
ムの色相値軸及び彩度値軸を含む座標平面に平行でかつ
１つの山の頂上のみが対応する最大面積断面を含む特徴
平面で頂上毎の小山に分割し、カラー原画像の各画素が
前記小山のどれに含まれるかを判断して各画素を各々の
小山に対応する群に分類し、色相値及び彩度値の大きさ
に基づいて各々の小山に含まれる少なくとも１つの画素
と前記小山に含まれない画素との類似度を小山毎に求
め、求めた類似度が高い小山に対応する群に前記小山に
含まれない各画素を統合し、統合された群毎にカラー原
画像を分割し、分割された領域の少なくとも１つを選択
して選択された領域のデータを特徴画像データとして抽
出する。

【００１３】請求項２に記載の発明は、カラー原画像を
多数画素に分割して各画素を赤光、緑光及び青光の３色
に分解して測光し、測光により得られたデータに基づい
て色相値及び彩度値についての２次元ヒストグラムを求
め、求めた２次元ヒストグラムの各山について、２次元
ヒストグラムの色相値軸及び彩度値軸を含む座標平面に
平行でかつ１つの山の頂上のみが対応する最大面積断面
を含む特徴平面で頂上毎の小山に分割し、カラー原画像
の各画素が前記小山のどれに含まれるかを判断して各画
素を各々の小山に対応する群に分類すると共に、各々の
小山の頂上に対応するカラー原画像の核画素を求め、カ
ラー原画像において、前記小山に含まれない画素と求め
た各々の核画素との距離が最小か否かを判断することに
よって、各々の小山に含まれる少なくとも１つの画素と
前記小山に含まれない画素との類似度を小山毎に求め、
求めた類似度が高い小山に対応する群に前記小山に含ま
れない各画素を統合し、統合された群毎にカラー原画像
を分割し、分割された領域の少なくとも１つを選択して
選択された領域のデータを特徴画像データとして抽出す
る。

【００１４】請求項３に記載の発明は、カラー原画像を
多数画素に分割して各画素を赤光、緑光及び青光の３色
に分解して測光し、測光により得られたデータに基づい
て色相値及び彩度値についての２次元ヒストグラムを求
め、求めた２次元ヒストグラムの各山について、２次元
ヒストグラムの色相値軸及び彩度値軸を含む座標平面に
平行でかつ１つの山の頂上のみが対応する最大面積断面
を含む特徴平面で頂上毎の小山に分割し、カラー原画像
の各画素が前記小山のどれに含まれるかを判断して各画
素を各々の小山に対応する群に分類すると共に、各々の
小山の頂上に対応するカラー原画像の核画素を求め、色
相値及び彩度値の大きさに基づいて各々の小山に含まれ
る少なくとも１つの画素と前記小山に含まれない画素と
の類似度を小山毎に求めると共に、カラー原画像におい
て、前記小山に含まれない画素と求めた各々の核画素と
の距離が最小か否かを判断することによって、各々の小
山に含まれる少なくとも１つの画素と前記小山に含まれ
ない画素との類似度を小山毎に求め、求めた類似度が高
い小山に対応する群に前記小山に含まれない各画素を統
合し、統合された群毎にカラー原画像を分割し、分割さ
れた領域の少なくとも１つを選択して選択された領域の
データを特徴画像データとして抽出する。

【００１５】なお、上記各発明では領域を選択するとき
に、分割された領域が人物の顔か否かを判断し、人物の
顔と判断された領域を選択することにより、人物の顔の
濃度データを特徴画像データとして抽出することができ
る。

【００１６】

【作用】本発明では、カラー原画像を多数画素に分割し
て各画素を赤光、緑光及び青光の３色に分解して測光
し、測光により得られたデータに基づいて色相値及び彩
度値の２次元ヒストグラムを求める。

【００１７】測光によるデータに基づいて得られる色相
値及び彩度値の２次元ヒストグラムの山の形状が単純で
あることは稀であるため、各山が複雑な形状になると、
求めた２次元ヒストグラムを山毎に分割することが困難
である。

【００１８】そこで請求項１に記載の発明では、求めた
２次元ヒストグラムの各山について、２次元ヒストグラ
ムの色相値軸及び彩度値軸を含む座標平面に平行でかつ
１つの山の頂上のみが対応する最大面積断面を含む特徴
平面で頂上毎の小山に分割する。これによって、各山の
みの特徴部分である頂上付近の小山で２次元ヒストグラ
ムの各山が分割され、各山の主要な色相値範囲及び彩度
値範囲が定められる。次に、各画素の色相値及び彩度値
が何れの色相値範囲及び彩度値範囲に含まれるかを判断
することにより、分割された小山の何れにカラー原画像
の各画素が含まれるかを判断して、各画素を小山に対応
する群（クラスタ）に分類する。これによって、カラー
原画像の画素が小山に含まれる領域は、２次元ヒストグ
ラムの各山の特徴部分による色相値範囲及び彩度値範囲
内の色相値及び彩度値を持つ画素を含む領域毎に分けら
れる。次に、色相値及び彩度値の大きさに基づいて分割
された各々の小山に含まれる少なくとも１つの画素と小
山に含まれない画素との類似度を各小山毎に求める。こ
の類似度を求めるための類似性の尺度としては、色相値
及び彩度値を軸とする平面上において統計的に定まる量
を用いることができる。また、色相、彩度及び明度によ
る特徴空間における統計的に定める量を用いてもよい。
そして、求めた類似度が高い小山に対応する群にこの小
山に含まれない各画素を統合する。これにより、複数の
異なる山が重なった分割が困難な形状の２次元ヒストグ
ラムであっても、カラー原画像上の類似度によって各画
素を統合することができる。次に、上記のように統合さ
れた群毎にカラー原画像を分割する。従って、カラー原
画像の１つの分割された領域内には、主要な色相値範囲
及び彩度値範囲の画素に加えて類似した画素を含むこと
になり、画像の特徴を表す領域として、分割された領域
の少なくとも１つを選択することによってこの領域のデ
ータを特徴画像データとして抽出することができる。

【００１９】また、請求項２に記載の発明では、各々の
小山の頂上に対応するカラー原画像上の画素、すなわち
２次元ヒストグラムの頂上（ピーク）に対応する画素を
核画素として求める。また、核画素は各小山の画素数ま
たは度数の最も大きな頂上に対応することにより、この
核画素の色相度値及び彩度値は各小山の特徴を表すこと
になる。なお、この核画素は、各小山の色相度値及び彩
度値に基づいて求めてもよい。次に、カラー原画像にお
いて小山に含まれない画素と求めた各々の核画素との距
離を求める。ここで、２次元ヒストグラムの小山に含ま
れない画素は、カラー原画像上の距離が近い核画素に対
応する小山に対応する群に統合することがより確からし
い。このため、求めた距離が最小の核画素に対応する群
に、小山に含まれない各画素を統合する。従って、統合
対象の画素はカラー原画像上の距離の最小の核画素に対
応する小山に統合することができるため、カラー原画像
上で類似した複数の画素が存在しても、統合対象の画素
をより確かな領域に統合することができる。

【００２０】また、請求項３に記載の発明では、請求項
２で説明したように２次元ヒストグラムの各小山に対応
する核画素を求める。また、カラー原画像において小山
に含まれない画素と求めた各々の核画素との距離を求め
る。次に、上記請求項１で説明したように、分割された
各々の小山に含まれる少なくとも１つの画素または複数
の画素と小山に含まれない画素との類似度を各小山毎に
求める。ここで、２次元ヒストグラムにおいて類似度が
高い画素は、何れの小山に属するかの判断が難しい場合
がある。そこで、上記請求項２で説明したように、統合
対象画素はカラー原画像上での距離が近い核画素に対応
する小山に対応する群に統合することが確度が高いた
め、求めた距離が近い核画素に対応しかつ求めた類似度
が高い小山に対応する群に、小山に含まれない各画素を
統合する。このように、画素の色相値及び彩度値に基づ
く類似度に加え、更にカラー原画像上におけるその画素
と２次元ヒストグラムの各小山に対応する核画素との距
離が最小の小山に統合するので、画素の２次元ヒストグ
ラムでの類似性のみでは特定の領域に統合することを決
定することが難しい場合であっても、カラー原画像上で
の距離による類似度が加味されるため、２次元ヒストグ
ラムが複雑な形状でカラー原画像の何れの領域に統合す
るかの判断が難しい場合であっても、カラー原画像上に
おいて統合対象の画素をより確かな領域に統合すること
ができる。

【００２１】本発明では、色相値と彩度値とを用いてい
るため、特徴画像と色相が同一または近似した部位が混
在していても特徴画像データを抽出することができる。

【００２２】人物写真を観賞するときに最も注目される
部位は、人物の顔であるので、カラー原画像の分割され
た領域が人物の顔か否かを判断し、人物の顔と判断され
た領域のデータを特徴画像データとして抽出するのが好
ましい。人物の顔の色相は、地面、木等の肌色部分と近
似しているが、ほとんどの場合彩度が異るため、色相値
及び彩度値の２次元ヒストグラムに基づいて人物の顔の
データを抽出するようにすれば、顔、地面、木等が混合
する画像からも人物の顔のデータを抽出することができ
る。

【００２３】なお、特徴画像データとして抽出するデー
タは、人物の顔のデータ以外であってもよい。

【００２４】

【実施例】以下図面を参照して本発明の第１実施例を詳
細に説明する。本実施例は、オートプリンタに本発明を
適用したものである。図１に示されるように、本実施例
のオートプリンタは、カラーネガフィルム１０を搬送す
る搬送ローラ１２を備えている。搬送ローラ１２によっ
て搬送されるカラーネガフィルム１０の下方には、光源
１４、調光フイルタ等の色補正フィルタ１６および拡散
ボックス１８が順に配列されている。また、ネガフィル
ム１０の上方には、ネガフィルム１０を透過した光線を
２方向に分配する分配用プリズム２０が配置されてい
る。分配用プリズム２０によって分配された一方の光路
上には、投影光学系２２、ブラックシャッタ２３及びカ
ラーペーパー（印画紙）２４が順に配列され、他方の光
路上には投影光学系２６及びＣＣＤイメージセンサ２８
が順に配列されている。このＣＣＤイメージセンサ２８
は、ネガフィルム１０の１画面（１コマ）全体を多数の
画素（例えば２５６×２５６画素）に分割して各画素を
Ｒ（赤）、Ｇ（緑）、及びＢ（青）の３色に分解して測
光する。ＣＣＤイメージセンサ２８は、ＣＣＤイメージ
センサ出力を増幅する増幅器３０及びアナログ−デジタ
ル（Ａ／Ｄ）変換器３２を介してＣＣＤイメージセンサ
の感度補正用の３×３マトリックス回路３４に接続され
ている。３×３マトリックス回路３４は、以下で説明す
るルーチンのプログラムを記憶したマイクロコンピュー
タで構成された顔抽出回路３６を介して適正露光量計算
回路４０に接続されると共に、１画面全体の平均濃度を
演算する平均濃度演算回路３８を介して適正露光量計算
回路４０に接続されている。そして、適正露光量計算回
路４０は、色補正フイルタを駆動するドライバ４２を介
して色補正フィルタ１６に接続されている。

【００２５】次に本実施例の作用を説明する。光源１４
から照射された光線は、色補正フィルタ１６、拡散ボッ
クス１８及びカラーネガフィルム１０を透過し、分配用
プリズム２０によって分配され、投影光学系２６を介し
てＣＣＤイメージセンサ２８に受光される。なお、この
ときブラックシャツタ２３は閉じられている。この受光
によってＣＣＤイメージセンサ２８は、１画面全体を多
数の画素に分割して各画素をＲ、Ｇ、Ｂ３色に分解して
測光し、測光データ信号を出力する。測光データ信号は
増幅器３０で増幅された後Ａ／Ｄ変換器３２でデジタル
信号に変換され、３×３マトリックス回路３４でイメー
ジセンサの感度補正が行われ、顔抽出回路３６と平均濃
度演算回路３８に入力される。この平均濃度演算回路３
８では、１画面全体の平均濃度を演算する。顔抽出回路
３６では、以下で説明するように１画面中の人物の顔の
部位を推定し、顔と推定された部位のＲ、Ｇ、Ｂ３色測
光データを出力する。露光量演算回路４０は、顔抽出回
路３６から出力された３色測光データと平均濃度演算回
路３８で求められた平均濃度とを用いて露光量を演算
し、ドライバ４２を介して色補正フイルタ１６を制御す
ると共にブラックシャッタ２３を開閉して焼付けを行
う。なお、平均濃度演算回路３８で求めた平均濃度を用
いるとき、平均濃度に対する露光補正量を求めることが
できる。露光補正量を求めない場合、必ずしも平均濃度
演算回路３８を必要とせず、直接顔抽出回路３６から出
力された３色測光データより露光量を求めてもよい。

【００２６】図２は顔抽出回路３６よる顔抽出ルーチン
を示すものであり、ステップ１００において入力された
３色測光データのノイズ除去、すなわちスムージングを
行う。次のステップ１０２では下記の（１）〜（３）式
によってＲ、Ｇ、Ｂ３色測光データをＨ（色相値）、Ｌ
（明度値）、Ｓ（彩度値）に変換する。

【００２７】Ｌ＝（Ｒ＋Ｇ＋Ｂ）／３・・・・（１）Ｓ＝１−ｍｉｎ（ｒ’，ｇ’，ｂ’）・・・・（２）Ｈ＝Ｈ’／２Ｐｉ・・・・（３）ただし、Ｒ、Ｇ、Ｂは図３の３次元色座標に示すように
各々最小値が０、最大値が１になるように規格された３
色測光データ、ｍｉｎ（）は（）内の数値の最小
値、ｒ’、ｇ’、ｂ’はｒ’＝Ｒ／Ｌ、ｇ’＝Ｇ／Ｌ、
ｂ’＝Ｂ／Ｌを表す。またＨ’は次の（４）式で与えら
れ、Ｐｉ（ｉは、Ｒ、Ｇ、Ｂのうちの１つ）は図３のＰ
である。

【００２８】

【数１】

【００２９】ただし、

【００３０】

【数２】

【００３１】ステップ１０４では、図４（３）に示すよ
うに、各々直交する色相値軸Ｈ、彩度値軸Ｓ及び画素数
（または度数）軸から成る座標系を用いて色相値及び彩
度値についての２次元ヒストグラムを求め、次のステッ
プ１０６において、後述するように、求めた２次元ヒス
トグラムの各山毎に座標平面に平行な平面によって山を
切り出した小山によりその形状を検出して、２次元ヒス
トグラムのクラスタリングを行う。次のステップ１０８
では求めた２次元ヒストグラムの切り出された小山に基
づいて多数の画素のクラスタリングを行なうと共に周辺
の画素を統合し、この統合された領域に基づいて画面を
分割し、分割された領域から人物の顔の候補となる領域
を抽出する。求めた２次元ヒストグラムに基づいて多数
の画素のクラスタリングを行い、このクラスタリングに
基づいて画面を分割し、分割された領域から人物の顔の
候補となる領域を抽出する。次のステップ１１０では、
顔の候補として抽出された領域から顔の領域を推定し、
顔として推定された領域のＲ、Ｇ、Ｂ３色測光データを
出力する。そして、ステップ１１２において全コマの焼
付けが終了したか否か判断し、焼付終了と判断されたと
きにこのルーチンを終了する。

【００３２】なお、本実施例では、説明を簡単にするた
めに１コマ全てについての２次元ヒストグラムから評価
するものとするが、色相値及び彩度値についての２次元
ヒストグラムから評価すべき領域を予め特定しておき、
この領域を切り出すようにしてもよい。

【００３３】次に、上記ステップ１０６〜１１０の詳細
を説明する。図５はステップ１０６の詳細を示すもの
で、ステップ１２０では、色相値軸及び彩度値軸からな
る座標平面に平行な平面を徐々に平行移動させることに
よって２次元ヒストグラムの各山の頂上を検出する。先
ず、色相値軸及び彩度値軸からなる座標平面に平行な平
面を、画素数を０から増加する方向に平行移動させる。
このとき、平面で切り出された２次元ヒストグラムの各
山の断面の面積は減少してゆき、山の頂上で０になる。
この断面積が０になった時点を山の頂上と判断する。す
なわち、図４（３）に示した２次元ヒストグラムを色相
値軸及び彩度値軸からなる座標平面に平行な平面ＳＴ１
（画素数ｎ）上では、図４（２）に示したように、平面
ＳＴ１によってスライスされた山の断面である各閉領域
が存在する。例えば、２次元ヒストグラムの山Ｍ２は閉
領域Ｅａ１になる。次に、画素数が増加する方向に平面
を平行移動させた平面ＳＴ２上では、上記領域Ｅａ１は
消失する。この閉領域が消失した時点（０になったと
き）がこの山の頂上であるものとして頂点の数を計数す
る。またこのとき、頂上を検出したときの平面の高さ
（画素数または度数）を読み取ることによって山の高さ
Ｖを読み取る。なお、複数の山が重なっている場合に
は、徐々に画素数が増加する方向に平面を平行移動して
ゆくことで、１つの閉領域が頂上に対応される閉領域毎
に分離される。また、座標平面に平行な平面の平行移動
は、２次元ヒストグラムの最大高さから画素数が減少す
る方向であってもよい。この場合は閉領域が生じた（面
積が０を越えた）ときをその頂上とする。処理時間の短
縮が必要な場合は、精度が多少低下するが、所定の画素
数毎の段階的に平面を平行移動させて頂上を求めるよう
にしてもよい。

【００３４】次のステップ１２２では、２次元ヒストグ
ラムで注目する山を選択すると共に、その山の高さＶを
取り込む。この注目する山は、２次元ヒストグラムの何
れの山であってもよいが、本実施例では最も高さの高い
山Ｍ１ｂを含む山Ｍ１を選択する。次のステップ１２４
では、注目した山の頂上のみに対応する最大断面を求め
る。この最大断面を求めるには、図６（１）に示したよ
うに、山Ｍ１において高さが最高の山Ｍ１ｂの高さＶに
よって定まる特徴平面ＳＩを、徐々に山の高さが低くな
る方向に平行移動する。この特徴平面を平行移動すると
きの高さは、閾値ｖによって定められる。閾値ｖは山の
高さＶから徐々に小さくなるように、例えば、山の高さ
Ｖから所定割合で小さくなる。なお、この所定割合で小
さくなるときの値は、予め設定された値でもよい。この
閾値ｖによって定まる特徴平面ＳＩで２次元ヒストグラ
ムを切り出す。ここで、この特徴平面の平行移動は、注
目した閉領域と他の閉領域との境界の間隔が所定値にな
った時点で終了する。これにより、複数の山が重なって
いる場合には、その谷の部分までを境界とする最大断面
を求めることができる。更に、上記平面の高さである閾
値が所定値（例えば、１画素値）以下になった場合にも
平行移動を終了する。これにより、単峰の山では裾の部
分までの最大断面を求めることができる。従って、この
最も高さの高い山Ｍ１ｂに対応する断面は図６（３）に
斜線で示したように閉領域Ｅｂ１になる。

【００３５】ステップ１２６では切り出された山を識別
するために注目した山の断面にラベルを付ける処理（ラ
ベリング）を行なう。次のステップ１２８ではラベリン
グされた山をマスクして、ステップ１３０において残存
する頂上があるか否かを判断し、未だ頂上が存在する場
合にはステップ１２２へ戻る。そして、上記のステップ
を繰り返して色相値及び彩度値についての２次元ヒスト
グラムの全領域を単峰の小山に分割する。

【００３６】図７は、図２のステップ１０８の詳細を示
すもので、ステップ１３２では、上記最大断面を得るた
めの各山の閾値ｖによって定められる特徴平面上におけ
る２次元ヒストグラムの各断面の色相値範囲及び彩度値
範囲の色相値及び彩度値に基づいて各々の断面に対応す
る小山の特徴を表す原画像上の画素を核画素として求め
る。本実施例では、各山の閾値によって定められる特徴
平面で切り出された山において、画素数の多い（山の頂
上の）色相値及び彩度値に対応する原画像上の画素を用
いる（図８（２）、符号Ｚ１〜Ｚ６参照）。なお、２次
元ヒストグラムの１つの山の頂上の色相値及び彩度値に
対応する原画像上の核画素は、複数個になることがある
が、本実施例では１つの山の頂上に対応する核画素はそ
の代表的な（例えば平均等によって定まる位置の）１画
素を用いる。またこの核画素Ｚの色相値及び彩度値は、
各山の特徴平面における断面の色相値範囲及び彩度値範
囲の色相値及び彩度値の平均値等を演算によって求めて
もよい。

【００３７】次のステップ１３４では、先ず、原画像の
各画素について色相値及び彩度値が上記求めた断面の範
囲に属しているかを判断して画素を各色領域にクラスタ
リングする。図８（２）は、原画像を分割した例を示す
もので符号ＦＤ１〜ＦＤ６を付した各領域の画素は、図
８（１）の、各山の符号ＳＤ１〜ＳＤ６を付した断面に
含まれる画素に対応している。次に、原画像上でクラス
タリングされた画素以外の画素（統合対象画素）Ｐ₁を
選択する。この画素Ｐ₁は、２次元ヒストグラム上では
図８（１）に示した点Ｐ₁に対応する。

【００３８】次のステップ１３６では、原画像上におけ
る各核画素Ｚ１〜Ｚ６と統合対象画素Ｐ₁との距離Ｌ₁
〜Ｌ₆を求めると共に、図８（２）に示したように、求
めたこれらの距離Ｌのうち最小距離Ｌ₂である核画素Ｚ
₂に対応される山が山Ｍ１ｂとして識別するためのラベ
ルＭＤ１を付与する。次のステップ１３８では、原画像
上における各核画素Ｚ１〜Ｚ６と統合対象画素Ｐ₁との
類似度を求めると共に、類似度が最も高い核画素Ｚに対
応される山、次の山と識別するためのラベルＭＤ２、Ｍ
Ｄ３を付与する。

【００３９】なお、この核画素と統合対象画素との類似
度は、核画素Ｚに対応する２次元ヒストグラムの小山
（断面）に含まれる画素の画素数、色相値及び彩度値に
よって判断する。例えば、以下に示した式（５）のＴ検
定によって求められるＴ値から判断することができる。
統合対象画素と核画素に対応する山とは、このＴ検定に
よって得られるＴ値が小さくなるほど類似性が高くなる
ため、Ｔ値がより小さな山と統合することが好ましい。
また、このＴ検定をもちいることなく、他の方法で類似
度を求めることもできる。例えば、各小山に対応する画
素の色相値及び彩度値の平均値、各小山の形状（２次元
ヒストグラムの分布）、各小山の画素数に基づく統計処
理等に基づいて統合対象画素と比較することができる。

【００４０】

【数３】

【００４１】但し、Ｎ：切り出された山に対応する画
素数Ｓ₂：切り出された山に対応する画素の特徴平面におけ
る分散ｙ：切り出された山に対応する画素の特徴平面におけ
る平均ｘｍ：統合する画素の平均上記求めた原画像上での距離Ｌと類似度を示すＴ値とに
よって、原画像上での距離が近く類似性の高い山に統合
対象画素を統合する。ここで、カラー原画像上で類似し
た画素は、距離が近い核画素に対応する小山に対応する
群に統合することがより確からしい。例えば、図１５
（１）に示した顔の陰影部位（斜線領域Ｃｘ）に類似し
た色相値及び彩度値を有する木等の部位（斜線領域Ｔ
ｘ）とでは、図１５（２）、（３）に示したように、２
次元ヒストグラム上で複数の山が重なった谷の領域付近
（領域Ａｒ）になることがあり、この領域Ａｒに内包さ
れる統合画素Ｐｚが、顔の部位（Ｃｐ）、木等の部位
（Ｔｐ）の何れに対する山に属するのかが明確にならな
い。ところが、図１５（１）に示したように、原画像上
における画素は近傍にある画像の領域との類似性が高い
場合が多い。このため、このような場合には原画像上で
の距離がより短い方の領域に属する山に統合することに
よって、原画像をクラスタリングすることができる。

【００４２】従って、上記のように類似度に基づいてラ
ベルＭＤ１とラベルＭＤ２とが同じ山に付与されている
場合には、ステップ１４４において統合対象画素Ｐ₁を
ラベルＭＤ１が付与された山に含まれる画素として、こ
の山の色領域に統合し、ラベルＭＤ１とラベルＭＤ３と
が同じ山に付与されている場合には、ステップ１４８に
おいて統合対象画素Ｐ₁をラベルＭＤ３が付与された山
に含まれる画素として、この山の色領域に統合する。ま
た、ラベルＭＤ１が付与された山が、ラベルＭＤ２及び
ラベルＭＤ３が付与された山の何れとも一致しない場合
には、類似性の高いラベルＭＤ２が付与された山の色領
域に優先して統合対象画素を統合する（ステップ１４
６）。

【００４３】次のステップ１５０では、全画素の統合が
終了したか否かを判断して、未だ統合する画素が残存し
ている場合には、ステップ１３４へ戻り、原画像の画素
を統合処理する。この原画像の各画素について統合処理
を繰り返すことによって、原画像の全ての色領域に亘っ
てクラスタリングすることができる。全画素の統合が終
了した場合には、ステップ１５２において統合された原
画像の色領域を切り出す。すなわち、上記統合処理によ
って得られる色相領域毎に対応するように原画像を分割
して切り出し、本ルーチンを終了する。

【００４４】このように、２次元ヒストグラムの山の頂
上を検出し、この頂上毎に対応して２次元ヒストグラム
の小山を切り出し、その切り出した小山に基づいて原画
像の各画素を統合し、この統合された色領域によって原
画像を分割する。このため、２次元ヒストグラムで複数
の山が重なった複雑な形状のとき各々の小山の形状が異
なり、２次元ヒストグラムを単純に分割することができ
ない場合であっても、最適に原画像を分割することがで
きる。

【００４５】なお、本実施例では、統合対象の画素につ
いて類似性及び原画像上での距離を求めて色領域に統合
するようにしたが、統合対象の画素について類似性のみ
で色領域に統合するようにしてもよい。

【００４６】また、本実施例では、色相値及び彩度値を
用いて類似度を求める場合について説明したが、色相、
彩度及び明度の特徴空間において類似度を求めるように
してもよい。

【００４７】また、本実施例では画素毎に統合するよう
にしたが、画素に限定されるものではなく、領域毎に統
合してもよい。この場合には、上記統合される領域につ
いての処理と同様に、統合する領域について核画素を求
めて距離、類似度によって統合処理することが好まし
い。

【００４８】図９はステップ１１０の詳細を示すもの
で、ステップ１６２においてステップ１０８、すなわち
図７のルーチンで抽出された領域の中から１つの領域を
注目領域として選択し、注目領域の水平フィレ径および
垂直フィレ径が所定値になるように注目領域の拡大縮小
処理を行って注目領域のサイズの規格化を行うと共に、
次の（６）式に従って濃度値または輝度値の規格化を行
う。

【００４９】

【数４】

【００５０】ただし、ｄmax ：領域内最大濃度値（または輝度値) ｄmin ：領域内最低濃度値（または輝度値) ｄs ：イメージセンサのフルスケール濃度値（または
輝度値）ｄ：規格化前濃度値（または輝度値）ｄr ：規格化後濃度値（または輝度値）ステップ１６４では、予め記憶された複数種（本実施例
では１０種類）の標準的な顔画像（正面から見た顔画
像、横から見た顔画像（左右）、下向き顔画像、上向き
顔画像等）に対する注目領域の相関係数ｒを次の（７）
式によって演算し、この相関係数を特徴量とする。この
標準的な顔画像は、顔の輪郭のみのデータであっても、
顔の輪郭のデータに顔の内部構造（眼、鼻、口等）デー
タを加えたデータであってもよい。

【００５１】

【数５】

【００５２】ただし、

【００５３】

【数６】

【００５４】であり、Ｔは画像の水平、垂直フィレ径の
長さ（ここでは、フィレ径の長さは同じとした）、ｆ
（ｘ、ｙ）は注目領域、ｇ（ｘ、ｙ）は標準的な顔画像
を表す。

【００５５】そして、ステップ１６６において上記特徴
量を変量とした線形判別分析により注目領域が人物の顔
であるか否かを判断し、顔であると判断された領域の
Ｒ、Ｇ、Ｂ測光データを適正露光量計算回路４０に出力
する。ステップ１６８では抽出された全領域について顔
か否かの判定が終了したか否か判断し、終了していない
ときにはステップ１６２〜ステップ１６８を繰り返す。

【００５６】上記では人物の顔か否かの判定を行うため
に用いる特徴量として相関係数を使用したが、以下で説
明する重心回りの正規化されたセントラル・モーメント
から導出される不変量、自己相関関数または幾何学的不
変量を用いてもよい。

【００５７】画像ｆ（ｘ、ｙ）の（ｐ＋ｑ）次の重心回
りのセントラル・モーメントμ_pqを

【００５８】

【数７】

【００５９】ただし、

【００６０】

【数８】

【００６１】とすれば、重心回りの正規化されたセント
ラル・モーメントは次のようになる。

【００６２】

【数９】

【００６３】ただし、ｙ＝（ｐ＋ｑ＋２）／２ｐ＋ｑ＝２，３，…… 以上のことより、２次、３次の重心回りの正規化された
セントラル・モーメントから次の七つの不変量ψ_i,（ｉ
＝１，２，……，７）が導出される。

【００６４】

【数１０】

【００６５】また、自己相関関数Ｒ_fは次のように表さ
れる。

【００６６】

【数１１】

【００６７】そして、幾何学的不変特徴量は次の式で表
わされる。

【００６８】

【数１２】

【００６９】適正露光量計算回路４０は、顔抽出回路３
６で上記のように抽出された顔領域のＲ、Ｇ、Ｂ測光デ
ータと平均濃度演算回路３８で演算された１コマの画面
平均濃度Ｄ_i（ｉ＝Ｒ、Ｇ、Ｂのうちのいずれか）とを
用いて以下の式に従って適正露光量Ｅ_iを演算し、ドラ
イバ４２に出力する。ドライバ４２は適正露光量Ｅ_iか
ら露光コントロール値を演算して調光フイルタ１６を制
御する。

【００７０】ｌ_ogＥ_i＝ＬＭ_i・ＣＳ_i・（ＤＮ_i−Ｄ_i）＋ＰＢ_i＋ＬＢ_i＋ＭＢ_i ＋ＮＢ_i＋Ｋ₁＋Ｋ₂…（８）ただし、各記号は次のものを表す。

【００７１】ＬＭ：倍率スロープ係数であり、ネガの種
類とプリントサイズから決まる引伸倍率に応じて予め設
定されている。

【００７２】ＣＳ：ネガの種類毎に用意されたカラース
ロープ係数でアンダー露光用とオーバー露光用とがあ
り、プリントすべきコマの平均濃度が標準ネガ濃度値に
対してアンダーかオーバーかを判定してアンダー露光用
またはオーバー露光用のいずれかが選択される。

【００７３】ＤＮ：標準ネガ濃度値。Ｄ：プリントコマの平均濃度値。

【００７４】ＰＢ：標準カラーペーパーに対する補正バ
ランス値であり、カラーペーパーの種類に応じて決定さ
れている。

【００７５】ＬＢ：標準焼付レンズに対する。補正レン
ズバランス値であり、焼付レンズの種類に応じて決定さ
れてる。

【００７６】ＭＢ：プリント光源の変動やペーパー現像
性能の変化に対する補正値（マスターバランス値）。ＮＢ：ネガフィルムの特性によって定められるネガバラ
ンス（カラーバランス）値。

【００７７】Ｋ₂：カラー補正量。Ｋ₁：以下の式で表される濃度補正量。

【００７８】

【数１３】

【００７９】ここで、Ｋ_a、Ｋ_bは定数であり、ＦＤは
顔領域平均濃度である。また、上記（８）式の濃度補正
量Ｋ₁をフィルム検定装置によって求められた補正値と
し、カラー補正量Ｋ₂を次のように顔領域平均濃度を用
いて表してもよい。

【００８０】

【数１４】

【００８１】ただし、Ｋ_cは定数である。更に、上記
（８）式の濃度補正量Ｋ₁、カラー補正量Ｋ₂をフィル
ム検定装置によって求められた補正量とし、（８）式の
プリントコマの平均濃度Ｄ_iを顔領域の平均濃度ＦＤ_i
置きかえて露出量を求めてもよい。

【００８２】本実施例では、領域の輪郭及び内部構造を
用いて判断しているため、色相が類似している顔、地
面、木等が混在する画像からも顔のデータを抽出するこ
とができる。

【００８３】次に本発明の第２実施例を説明する。本実
施例は、ステップ１０８で抽出された候補領域の各々に
ついて注目領域の形状及び色情報と注目領域の周辺に位
置する領域である近傍領域の形状及び色情報とから注目
領域が顔か否かを判断するものである。図１０はこの顔
か否かを判断するルーチンを示すものであり、ステップ
１７０において注目領域の周辺に注目領域と同一色相
値、及び彩度値または近似した色相値及び彩度値を持
ち、かつ、サイズ（例えば、水平フィレ径、垂直フィレ
径を採用することができる）が注目領域のサイズの２５
〜１００％の範囲の領域が抽出されているか否か判断す
ることによって、人物の手または足に対応する領域が抽
出されているか否か判断する。判断の対象となる範囲は
人物の身体が存在する範囲、例えば注目領域を中心とし
て注目領域の面積と同一面積の円の直径の５倍を半径と
する範囲とする。なお、画像情報が途切れてしまう場合
は、途切れる方向については対象範囲を画像情報が途切
れる位置までとする。そして、注目領域の周辺に手また
は足に対応する領域が存在する場合にはステップ１７２
でフラグＦ_aをセットする。

【００８４】次のステップ１７４では、注目領域と連続
する領域が存在しかつその領域が人物の体に対応するか
否かを判断することにより人物の体の領域が抽出されて
いるか否かを判断する。人物の体は、通常左右軸対象で
かつ上下方向に非対象であると共に顔に連続しているの
で、注目領域と連続する領域が存在しかつその領域が左
右軸対象でかつ上下非対象かを判断することにより人物
の体に対応する領域が存在するか否かを判断することが
できる。そして、人物の体に対応する領域が存在すると
きはステップ１７６でフラグＦ_bをセットする。

【００８５】次のステップ１７８では以下の条件を判断
することにより頭部が存在するか否か判断する。頭部は
顔と隣接し、顔と統合したとき略惰円形になり、通常頭
部には帽子、ヘルメット、頭髪等が存在するから色相ま
たは彩度が顔と相異している。従って、注目領域に隣接
する領域についてこの領域の周囲長と、注目領域との隣
接部の境界長との比が３０％以上であるか、注目領域と
隣接する領域とを統合したときの円形度が向上するか、
注目領域の色相値と注目領域に隣接する領域の色相値と
の色相差に対する彩度値差または明度値差が大きいか、
注目領域に隣接する領域の彩度値または明度値が注目領
域に比較して小さいかを判断することにより頭部が存在
するか否かを判断することができる。そして、頭部に対
応する領域が存在すると判断されたときにはステップ１
８０においてフラグＦ_cをセットする。

【００８６】ステップ１８２では、フラグＦ_a及びフラ
グＦ_bがセットされているか否か判断し、肯定判断され
たとき、すなわち注目領域の周辺に手または足に対応す
る領域が存在しかつ注目領域に連続する領域が体に対応
する領域のときは、注目領域は人物の顔であると判断し
て、ステップ１８８において注目領域のＲ、Ｇ、Ｂ測光
データを出力する。ステップ１８２で否定判断されたと
きはステップ１８４においてフラグＦ_b及びフラグＦ_c
がセットされているか否か判断する。この判断が肯定さ
れたとき、すなわち注目領域に連続する領域が体に対応
する領域でかつ注目領域に隣接する領域が頭部に対応す
る領域のときは、注目領域は人物の顔であると判断して
ステップ１８８へ進む。ステップ１８４で否定判断され
たときはステップ１８６でフラグＦ_a、フラグＦ_b及び
フラグＦ_cがセットされているか否か判断し、肯定判断
されたときは注目領域は人物の顔であると判断してステ
ップ１８８ヘ進む。次のステップ１９０では次の注目領
域の判断のためにフラグＦ _a、Ｆ_b、Ｆ_cをリセットす
る。

【００８７】なお、本実施例で注目領域が手または足、
体、頭部か否かを判断する場合に、上記第１実施例で説
明したように複数の標準的な手または足の画像、複数の
標準的な体の画像、複数の標準的な頭部の画像を予め記
憶しておいて、注目領域とこれらの標準的な画像とを比
較して判断してもよい。

【００８８】次に本発明の第３実施例を説明する。本実
施例は抽出された領域を線図形化して注目領域の周辺に
位置する近傍領域の形状及び注目領域の形状に基づいて
注目領域が顔か否かを判断するようにしたものである。
図１１は線図形化による顔判定ルーチンを示すもので、
上記のように抽出された一画面分の領域の線情報抽出処
理を行って各領域を線図形に変換する。ステップ２０２
では、予め記憶された人物の肩を表す標準線図形と一画
面の線図形とを比較することによって肩を表す線図形が
存在するか否かを判断する。肩を表す線図形が存在しな
い場合にはこのルーチンを終了し、肩を表す線図形が存
在する場合にはその上側に線図形が存在するか否かを判
断する。線図形が存在すれば、この線図形を注目線図形
としてステップ２０６において、この注目線図形の上側
に頭部（例えば、帽子、頭髪、ヘルメット等）を表す線
図形が存在するか判断する。ステップ２０６の判断が肯
定のときは、注目線図形の上側に頭部を表す線図形が存
在しかつ注目線図形の下側に肩を表す線図形が存在する
ため注目線図形は顔の線図形である確立が高い。このた
めステップ２０８においてこの注目線図形の輪郭が標準
的な顔の線図形の輪郭に近似しているか否か判断する。
ステップ２０８の判断が肯定のときはステップ２１０に
おいて注目線図形が顔であると判断してこの注目線図形
に対応する領域のＲ、Ｇ、Ｂ測光データを出力する。一
方、ステップ２０８の判断が否定のときはステップ２１
２において肩を表す線図形の上側の線図形の下側の部分
を顔と判断し、この部分のＲ、Ｇ、Ｂ測光データを出力
する。

【００８９】本実施例では、注目領域の形状等から顔か
否かを判断しているため、色相が類似している顔、地
面、木等が混在する画像からも顔のデータを抽出するこ
とができる。また、顔の徴細構造を用いて顔を判定して
いないため、判定対象画像の分解能が低くても少ない演
算時間で顔か否かを判定できる。

【００９０】図１２はプリンタまたはプリンタプロセッ
サとは別体の露光量決定装置に本発明を適用した変形例
を示すものである。なお、図１２において図１と対応す
る部分には同一符号を付して説明を省略する。また、平
均濃度演算回路３８は必ずしも必要ではないが、これに
代えて画面全体のＬＡＴＤを検出する積算透過濃度検出
回路を用いてもよい。

【００９１】図１３は、図１２の顔抽出回路を複数の顔
抽出回路３６₁、３６₂・・・３６ｎで構成し、並列処
理により露光量を演算するものである。顔抽出回路３６
₁、３６₂・・・３６ｎは図１４のタイムチャートに従
って画像を読込み、露光量を演算し、その結果を出力す
る。図１４においてｔ₁は１コマの画像読込み時間、ｔ
₂は１コマの露光量演算時間、ｔ₃は１コマの露光量演
算結果転送時間であり、ｔ₂＞＞ｔ₁、ｔ₃である。顔
抽出回路３６₁はｔ₁時間で１コマの画像を読込み、ｔ
₂時間で露光量を演算し、ｔ₃時間で演算結果を転送す
る。顔抽出回路３６₁による１コマの画像読込みが終了
すると同時にフィルムが１コマ分送られ顔抽出回路３６
₂による１コマり画像読込みが開始され、顔抽出回路３
６₁の露光量演算と顔抽出回路３６₂の画像読込みとが
並列して行われ、以下同様に顔抽出回路３６₃、３６₄
・・・３６ｎによって並列処理される。

【００９２】ｍｘｎのコマを並列処理するに要する時間
Ｔｐは、Ｔｐ＝ｍ（ｔ₁＋ｔ₂＋ｔ₃）＋（ｎ−１）ｔ₁ である。一方、並列処理を行わない場合の処理時間Ｔｓ
はＴｓ＝ｍ・ｎ（ｔ₁＋ｔ₂＋ｔ₃）である。従って、

【００９３】

【数１５】

【００９４】倍高速化が可能である。なお、この並列処
理装置は図１のプリンタにも適用できる。

【００９５】本発明は写真焼付装置の露光量決定以外
に、ディジタルカラープリンタの露光量決定、複写機の
複写条件決定、カメラの露出量決定、ＣＲＴ画面の表示
条件決定、磁気画像データからハードコピーを作成する
ときの光量決定にも適用することができる。

【００９６】

【発明の効果】以上説明したように請求項１に記載の発
明によれば、色相値及び彩度値の２次元ヒストグラムの
各小山との類似性に基づいて統合対象の画素を統合し特
徴画像データを抽出しているため、２次元ヒストグラム
が複雑な形状にクラスタリングされてカラー原画像を分
割することが困難な場合でも特徴画像データを抽出する
ことができる、という効果が得られる。

【００９７】請求項２に記載の発明によれば、２次元ヒ
ストグラムの山毎に切り出された小山の核画素とのカラ
ー原画像上での距離に基づいて統合対象の画素を統合し
て統合された領域によってカラー原画像を分割すること
ができるため、カラー原画像上で類似した複数の画素が
存在し２次元ヒストグラムが複雑な形状にクラスタリン
グされてカラー原画像を分割することが困難な場合で
も、特徴画像データを抽出することができる、という効
果が得られる。

【００９８】請求項３に記載の発明によれば、統合対象
の画素は画素の色相値及び彩度値に基づく類似度に加
え、更にカラー原画像上におけるその画素と２次元ヒス
トグラムの各小山に対応する核画素との距離が最小の小
山に統合し統合された領域によってカラー原画像を分割
することができるため、２次元ヒストグラムが複雑な形
状にクラスタリングされて原画像を分割することが困難
な場合でも特徴画像データを抽出することができる、と
いう効果が得られる。

【図面の簡単な説明】

【図１】本発明の第１実施例のプリンタを示す概略図で
ある。

【図２】顔抽出回路の顔抽出ルーチンを示す流れ図であ
る。

【図３】色座標を示す線図である。

【図４】（１）、（２）は２次元ヒストグラムを切り出
した座標平面に平行な平面を示す断面斜視図である。
（３）は色相値及び彩度値についての２次元ヒストグラ
ムを示す斜視図である。（４）は原画像を示す線図であ
る。

【図５】図２のステップ１０６の詳細を示す線図であ
る。

【図６】（１）は、２次元ヒストグラムの１つの山の側
面図である。（２）は、（１）の平面図である。（３）
は、座標平面に平行な平面によって切り出された断面を
含む２次元ヒストグラムを示す断面図である。

【図７】図２のステップ１０８の詳細を示す流れ図であ
る。

【図８】（１）は、２次元ヒストグラムの各山の断面領
域を示す平面図である。（２）は、原画像における各山
の断面によるクラスタリング及び各小山の核画素を示す
線図である。

【図９】図２のステップ１１０の詳細を示す線図であ
る。

【図１０】本発明の第２実施例の顔推定ルーチンの流れ
図である。

【図１１】本発明の第３実施例の顔推定ルーチンの流れ
図である。

【図１２】本発明を適用した露光量演算装置の概略図で
ある。

【図１３】複数の顔抽出回路によって並列処理を行う露
光量演算装置の概略図である。

【図１４】並列処理のタイムチャートを示す線図であ
る。

【図１５】（１）は、一原画像を示す線図である。
（２）は、２次元ヒストグラムの平面図である。（３）
は、（２）の側面図である。

【符号の説明】

２８ＣＣＤイメージセンサ３０増幅器３６顔抽出回路

Claims

(57)【特許請求の範囲】

【請求項１】カラー原画像を多数画素に分割して各画
素を赤光、緑光及び青光の３色に分解して測光し、測光により得られたデータに基づいて色相値及び彩度値
についての２次元ヒストグラムを求め、求めた２次元ヒストグラムの各山について、２次元ヒス
トグラムの色相値軸及び彩度値軸を含む座標平面に平行
でかつ１つの山の頂上のみが対応する最大面積断面を含
む特徴平面で頂上毎の小山に分割し、カラー原画像の各画素が前記小山のどれに含まれるかを
判断して各画素を各々の小山に対応する群に分類し、色相値及び彩度値の大きさに基づいて各々の小山に含ま
れる少なくとも１つの画素と前記小山に含まれない画素
との類似度を小山毎に求め、求めた類似度が高い小山に対応する群に前記小山に含ま
れない各画素を統合し、統合された群毎にカラー原画像を分割し、分割された領域の少なくとも１つを選択して選択された
領域のデータを特徴画像データとして抽出する、特徴画像データの抽出方法。
【請求項２】カラー原画像を多数画素に分割して各画
素を赤光、緑光及び青光の３色に分解して測光し、測光により得られたデータに基づいて色相値及び彩度値
についての２次元ヒストグラムを求め、求めた２次元ヒストグラムの各山について、２次元ヒス
トグラムの色相値軸及び彩度値軸を含む座標平面に平行
でかつ１つの山の頂上のみが対応する最大面積断面を含
む特徴平面で頂上毎の小山に分割し、カラー原画像の各画素が前記小山のどれに含まれるかを
判断して各画素を各々の小山に対応する群に分類すると
共に、各々の小山の頂上に対応するカラー原画像の核画
素を求め、カラー原画像において、前記小山に含まれない画素と求
めた各々の核画素との距離が最小か否かを判断すること
によって、各々の小山に含まれる少なくとも１つの画素
と前記小山に含まれない画素との類似度を小山毎に求
め、求めた類似度が高い小山に対応する群に前記小山に含ま
れない各画素を統合し、統合された群毎にカラー原画像を分割し、分割された領域の少なくとも１つを選択して選択された
領域のデータを特徴画像データとして抽出する、特徴画像データの抽出方法。
【請求項３】カラー原画像を多数画素に分割して各画
素を赤光、緑光及び青光の３色に分解して測光し、測光により得られたデータに基づいて色相値及び彩度値
についての２次元ヒストグラムを求め、求めた２次元ヒストグラムの各山について、２次元ヒス
トグラムの色相値軸及び彩度値軸を含む座標平面に平行
でかつ１つの山の頂上のみが対応する最大面積断面を含
む特徴平面で頂上毎の小山に分割し、カラー原画像の各画素が前記小山のどれに含まれるかを
判断して各画素を各々の小山に対応する群に分類すると
共に、各々の小山の頂上に対応するカラー原画像の核画
素を求め、色相値及び彩度値の大きさに基づいて各々の小山に含ま
れる少なくとも１つの画素と前記小山に含まれない画素
との類似度を小山毎に求めると共に、カラー原画像にお
いて、前記小山に含まれない画素と求めた各々の核画素
との距離が最小か否かを判断することによって、各々の
小山に含まれる少なくとも１つの画素と前記小山に含ま
れない画素との類似度を小山毎に求め、求めた類似度が高い小山に対応する群に前記小山に含ま
れない各画素を統合し、統合された群毎にカラー原画像を分割し、分割された領域の少なくとも１つを選択して選択された
領域のデータを特徴画像データとして抽出する、特徴画像データの抽出方法。