JP3256312B2 - カラー画像の特定領域の抽出方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、印刷製版工程における
切抜きマスクの作成、即ち画像中の各物体に対応する特
定領域の抽出方法に関するものである。

【０００２】

【従来の技術】商品のカタログやチラシ等を印刷する場
合、スキャナーによりディジタルデータに変換された画
像から背景部分を消去するような処理が行われることが
ある。このための方法として、画像の二値化を行って背
景部と物体部を分離し、背景部を「ＯＦＦ」、物体部を
「ＯＮ」とするようなマスク画像（切抜きマスクと呼
ぶ）を作成し、これと入力画像を合成して、物体部だけ
を抽出する手法が用いられている。二値化の手法として
は、画像平面内の画素を色空間（例えばＲＧＢ空間）に
写像し、その空間上でのクラスタリングにより、各画素
を「ＯＮ（物体部）」か「ＯＦＦ（背景部）」か分類
し、二値化を行うものがある。

【０００３】上で述べたような特定領域の抽出を行う上
で要となる技術は色空間上でのクラスタリングによる領
域分割法である。

【０００４】これは、図１に示す如く、画像平面内の画
素を色空間（例えばＲＧＢ色空間）に写像し、その空間
上でのクラスタ重心からの距離に応じて設定したクラス
タ境界を用いたクラスタリングにより、各画素の分類及
び１、２、３等のラベル付けを行い、画像平面に逆写像
することにより領域分割画像を得て、領域分割を行う方
法である。

【０００５】

【発明が解決しようとする課題】この従来法は、同一領
域の画素が、色空間上で常に特定の場所に局在している
場合には旨く領域分割ができるが、実際の画像ではそう
でない場合も多い。従って、同一領域であるにもかかわ
らず、複数の領域に分割されたり、異なる領域が１つの
領域と見做されたり、単独で用いるには問題の多い手法
であった。

【０００６】本発明は、前記従来の問題点を解消するべ
くなされたもので、画像の色空間上での分布のモデルに
基づき、従来法とは全く異った観点から、新しいクラス
タリング手法を行い、この手法による特定領域の抽出を
効率良く行う、カラー画像の特定領域の抽出方法を提供
することを目的とする。

【０００７】

【課題を解決するための手段】本発明は、カラー画像の
特定領域の抽出に際して、物体の反射モデルから推定さ
れる３次元色空間上でのバナナ状の分布の特徴を、
「黒」から「物体色」を通り「白」へ至る曲線としてモ
デル化し、該曲線を区別する２次元パラメータ空間上へ
各画素を写像することにより、同一領域の画素同士が特
定の場所に局在するような分布を得、その２次元パラメ
ータ空間上でクラスタリングを行うことにより領域分割
を行い、該領域を二値化し、背景部を消去することによ
り特定領域を抽出するようにして、前記目的を達成した
ものである。

【０００８】

【作用】通常、画像は三次元的な拡がりを持った物体に
照明光を当て、反射光を適切なレンズ系に通し、二次元
平面にマッピングすることによって撮影が行われる。

【０００９】ある１つの物体は同一の分光反射率を持
ち、つまり、同一の色を持っていて、照明光と物体表面
の角度と視点の位置の関係により、様々なグラデーショ
ンが生じる。しかし、このグラデーションは、色空間上
である種の曲線に沿って変化する。何故ならば、影にな
り照明光が届かない部分は黒くなり、物体の表面に対し
て、照明光が入射したときの入射角で決まる出射角と物
体への視線が近い物体表面の領域では、多くの場合鏡面
反射状態となり、いわゆるキャッチライトの場所とな
る。この部分は、照明光がある反射率で全ての波長の光
が反射するので、照明光と同じ“白”となり、その中間
の部分は物体表面が拡散反射をし、視線角度に対し反射
率が分布を持つので、同一領域（同一物体）の画素は、
色空間（例えばＬ＊u ＊v ＊空間）上では、図２のよう
に、黒→物体色→白という曲線上に集中して分布する傾
向があると考えられ、実際にもそのように分布している
ことが確認できる。ここで、Ｌ＊は明度、u ＊v ＊平面
内でＬ＊軸からの距離は彩度、回転角は色相を表わす。

【００１０】従って、画像全体で見ると、図２のような
楕円体を屈曲させたようなバナナ状の分布が、図３に示
す如く、領域の数（物体の数）だけ複数存在することに
なる。

【００１１】ところが従来法では、これらのことが全く
考慮されていないため、図４に破線で示す如く、同一領
域（物体）であるにもかかわらず、複数の領域に分割さ
れたり、図５に破線で示す如く、異なる領域（物体）が
１つの領域と見做されたりすることがあり、従来のクラ
スタリング手法は、領域分割法としては不完全なもので
あった。

【００１２】本発明では、前述した分布のモデルに基づ
き、各領域に対応した複数の屈曲楕円体状分布を分離す
るようにクラスタリングを行って、従来法の問題点を解
決している。

【００１３】以下、本発明のクラスタリング手法につい
て詳細に説明する。

【００１４】今、図６のように、色空間（例えばＬ＊u
＊v ＊空間）上の「黒」を表わす点Ａと、「白」を表わ
す点Ｂを通る曲線群を考える。すると、任意の画素は、
色空間上で１点として表わされるが、それは必ず曲線群
の中の１つの曲線に属する。即ち、１つの画素に対して
１つの曲線が対応する。

【００１５】各々の曲線を区別するパラメータは２つで
十分であるので、各画素を二次元のパラメータ空間上の
１点にマッピングして表現できる。例えば、この曲線群
として、図７のように、点Ａと点Ｂを通る半楕円の集合
を考え、明度軸上の原点の位置を Ｌ＝Ｌ＊−５０ ………（１） に従い移動して、Ｌ＊のとり得る範囲を０≦Ｌ＊≦１０
０に正規化する。

【００１６】ここで、１つの半楕円がＬ＝０平面と交わ
る面は一意的に決まるので、半楕円曲線群は、この交点
の（u ＊、v ＊）座標値（μ、ν）によってパラメータ
化することができる。

【００１７】従って、各画素は、半楕円に沿った一種の
射影操作によって、Ｌ＝０平面上にマッピングすること
ができる。

【００１８】実際の画像の色空間上での分布が、例えば
図８のようになっているとき、このようなマッピングに
よって、（μ、ν）平面上では、図９のような分布にな
り、領域毎に局在した分布を得ることができる。このよ
うにして、特徴空間にマッピングしておいてから、通常
のクラスタリング手法を用いることによって、効率の良
い領域分割が行える。

【００１９】本発明では、これら複数に分割された領域
情報を利用し、切抜き画像を作成する場合には、例えば
ディスプレイ上で、マウス等のポインティングデバイス
を用い、領域の「ＯＮ」「ＯＦＦ」を指定し、二値化を
行い、背景部を消去して特定領域の抽出を行う。

【００２０】

【実施例】以下、図面を参照して、本発明の実施例を詳
細に説明する。

【００２１】本発明を実施するための装置は、図１０に
示す如く、色空間変換部１０と、特徴空間への変換部２
０と、領域分割部３０と、領域指定部４０と、切抜きマ
スク作成部５０とを含んでいる。

【００２２】前記色空間変換部１０は、入力画像信号、
例えばＲＧＢ信号をＬ＊u ＊v ＊信号に変換する。ＲＧ
ＢからＸＹＺ座標系の３刺激値ＸＹＺ、同ＸＹＺからＬ
＊u＊v ＊への変換は確立されており、ＲＧＢからＸＹ
Ｚへの変換は、次式によって定義される（宮原誠「系統
的画像符号化」（株）アイピーシーの１３４頁参照）。

【００２３】

【数１】

【００２４】又、ＸＹＺからＬ＊u ＊v ＊への変換は、
次式で定義される（高木幹雄、下田陽久監修「画像解析
ハンドブック」東京大学出版会の１０７頁−１０８頁参
照）。

【００２５】

【数２】

【００２６】ここで、（Ｘ0 、Ｙ0 、Ｚ0 ）は、標準光
源下における完全拡散白色面についての（Ｘ、Ｙ、Ｚ）
の値であり、標準光源Ｃ（色温度６７７４Ｋ）の場合、
（Ｘ0 、Ｙ0 、Ｚ0 ）＝（９８．０７２、１００．０
０、１１８．２２５）である。

【００２７】本実施例では、色空間としてＬ＊u ＊v ＊
表色系を用いているが、Ｌ＊a ＊b＊表色系等、他の色
空間でも「黒→物体色→白」を通るような適当な曲線群
を考えることにより、同等の効果が期待できる。

【００２８】前記特徴空間への変換部２０は、（Ｌ＊、
u ＊、v ＊）を領域分割に適した特徴空間上の点（Ｌ、
μ、ν）に変換する。図１１から、変換式は代数幾何学
的に求まり、以下のようになる。

【００２９】

【数３】

【００３０】前記領域分割部３０は、全画像に対してサ
ンプリングを行って、各画素に対する（μ、ν）の値か
らトレーニングデータを作り、ＩＳＯＤＡＴＡ（Ｉtera
tiveＳelf Ｏrganizing Ｄata Ａnalysis Ｔechniques
）法により二次元のクラスタリングを行う（高木幹
雄、下田陽久監修「画像解析ハンドブック」東京大学出
版会の６４８頁−６５１頁参照）。

【００３１】前記ＩＳＯＤＡＴＡ法は、初期状態として
適当なクラスタを与え、そのメンバを組替えて少しずつ
「より良いクラスタ」を求めていくもので、非階層的ク
ラスタリング（再配置法）を代表する手法として、古く
から知られた手法である。

【００３２】このＩＳＯＤＡＴＡ法の手順を図１２に示
す。

【００３３】このＩＳＯＤＡＴＡ法では、まずステップ
１００で、再配置の収束条件、微小クラスタ、孤立デー
タの判定条件、分裂・融合の分岐条件等のパラメータを
設定する。

【００３４】次いで、ステップ１０２で、初期クラスタ
の重心を決定する。例えば、初期クラスタの数を１とし
て全平均を用いることができる。

【００３５】次いで、ステップ１０４乃至１０８で、再
配置法を実施する。具体的には、まずステップ１０４
で、各データとクラスタ重心との距離を計算し、それぞ
れのデータを、距離が最小となるクラスタに配置する。
次いでステップ１０６に進み、再配置されたクラスタ内
で、各クラスタの重心を再計算して修正する。次いで、
ステップ１０８に進み、各データとクラスタ重心の距離
の平均が、再配置・重心の修正の結果、変化しなけれ
ば、収束したと見做し、それ以外はステップ１０４に戻
って繰返す。

【００３６】再配置法終了後、ステップ１１０に進み、
データの数が著しく少ない微小クラスタと、他のクラス
タから著しく離れた孤立データを、以後のクラスタリン
グから除外する。

【００３７】次いでステップ１１２に進み、クラスタ重
心間の距離の最小値が、ある閾値以上あり、且つ、クラ
スタの分散の最大値が、ある閾値以下であるとき、クラ
スタリングは収束したとして、終了する。それ以外はス
テップ１１４及び／又は１１６に進む。

【００３８】クラスタ重心間の距離の最小値が、ある閾
値以下である場合には、ステップ１１４に進んで、その
クラスタ対を統合し、新しいクラスタ重心を計算する。

【００３９】一方、クラスタの分散の最大値が、ある閾
値以上である場合には、ステップ１１６に進んで、クラ
スタ分散の最大値が閾値以下になるまでクラスタを分裂
させ、新しいクラスタ重心を計算する。

【００４０】ステップ１１４による統合又はステップ１
１６による分裂が終了した後、再びステップ１０４に戻
って、処理を繰返す。

【００４１】このようにして、図１３に示すような、ク
ラスタ分割（クラスタ境界を破線で示す）と、クラスタ
代表点１、２、３（○印で示す）が得られる。

【００４２】発明の作用の項で説明したように、この各
々の代表点１、２、３が、図１４に示す如く、領域を代
表する半楕円１本に相当するので、このように分割を行
った後、各画素がどの半楕円に属するかを判断し、ラベ
ル付けを行って、領域分割を終了する。

【００４３】前記領域指定部４０は、図１５に示すよう
に、ディスプレイ７０上に、入力した画像７２と各領域
のクラスタ重心に対応したカラーパレット７４を表示
し、抽出したい領域の色に対応したカラーパレットをマ
ウス７６でクリックすることにより、「ＯＮ」領域を指
定し、それ以外を「ＯＦＦ」領域とする。

【００４４】又、正しく領域が抽出されているかを確認
できるようにするため、「ＯＦＦ」領域の画素を反転表
示する。

【００４５】又、領域を指定する方法としては、次のよ
うな方法も考えられる。

【００４６】即ち、図１５に示すように画像を表示し、
指定したい領域（例えば、図１５の家のドアの部分）内
の１点をマウスでクリックする。次に、マウスで指定さ
れた１点に対応するクラスタに属する領域を「ＯＮ」、
それ以外を「ＯＦＦ」領域とし、正しく領域が抽出され
ているかを確認できるようにするため、「ＯＦＦ」領域
の画素を反転表示する。

【００４７】なお、この方法で複数領域の指定を行う場
合は、以上の操作を繰り返せばよい。

【００４８】前記切抜きマスク作成部５０は、前記「Ｏ
Ｎ」領域のクラスタに属する画素に、例えば「１」、前
記「ＯＦＦ」領域のクラスタに属する画素に、例えば
「０」を割り当て、マスク画像を作成し、領域抽出を完
了する。

【００４９】

【発明の効果】以上説明した通り、本発明によれば、物
体の反射モデルから推定される色空間上での分布の特徴
を「黒」から「物体色」を通り「白」へ至る曲線として
モデル化し、曲線を区別するパラメータ空間上でクラス
タリングを行っているため、同一領域の画素は、パラメ
ータ空間上では特定の場所に局在し易くなり、その結
果、従来法と比較して、より良い領域分割を行うことが
可能となり、特定領域の抽出が効率的に行えるようにな
る。

【図面の簡単な説明】

【図１】従来のＲＧＢ色空間上でのクラスタリング手法
を説明する線図

【図２】本発明の原理を説明するための、Ｌ＊u ＊v ＊
空間上における一物体の物体色の分布の一例を示す線図

【図３】同じく、画像全体における複数の物体の物体色
の分布の例を示す線図

【図４】従来のクラスタリング手法による分割結果の一
例をＬ＊u ＊v ＊空間上に示した線図

【図５】同じく他の例をＬ＊u ＊v ＊空間上に示した線
図

【図６】本発明のクラスタリング手法を説明するため
の、Ｌ＊u ＊v ＊空間上の「黒」を表わす点と、「白」
を表わす点を通る曲線群を示す線図

【図７】同じく、Ｌ＊のとり得る範囲を正規化した状態
を示す線図

【図８】実際の画像の色空間上での分布の例を示す線図

【図９】同じく、マッピングによって得られる（μ、
ν）平面上での分布を示す線図

【図１０】本発明の実施例を実施するための装置の全体
構成を示すブロック線図

【図１１】前記実施例の特徴空間への変換部で用いられ
ている変換式を説明するための線図

【図１２】前記実施例の領域分割部で用いられている二
次元クラスタリング手法の一例を説明するための流れ図

【図１３】前記実施例により得られるクラスタ分割とク
ラスタ代表点を示す線図

【図１４】図１３のクラスタ代表点を含むＬ＊u ＊v ＊
空間上の領域を示す線図

【図１５】マウスにより領域を指定するため画像とカラ
ーパレットを表示したディスプレイの説明図

【符号の説明】

１０…色空間変換部 ２０…特徴空間への変換部 ３０…領域分割部 ４０…領域指定部 ５０…切抜きマスク作成部 ７０…ディスプレイ

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G03F 1/00 G06T 7/00 H04N 1/387 H04N 1/46

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】物体の反射モデルから推定される３次元色
   空間上でのバナナ状の分布の特徴を、「黒」から「物体
   色」を通り「白」へ至る曲線としてモデル化し、 該曲線を区別する２次元パラメータ空間上へ各画素を写
   像することにより、同一領域の画素同士が特定の場所に
   局在するような分布を得、 その２次元パラメータ空間上でクラスタリングを行うこ
   とにより領域分割を行い、 該領域を二値化し、背景部を消去することにより特定領
   域を抽出することを特徴とするカラー画像の特定領域の
   抽出方法。