JP3344782B2 - 特定画像検出方法 - Google Patents
特定画像検出方法Info
- Publication number
- JP3344782B2 JP3344782B2 JP22127993A JP22127993A JP3344782B2 JP 3344782 B2 JP3344782 B2 JP 3344782B2 JP 22127993 A JP22127993 A JP 22127993A JP 22127993 A JP22127993 A JP 22127993A JP 3344782 B2 JP3344782 B2 JP 3344782B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- image
- chromaticity
- specific image
- dictionary
- 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.)
- Expired - Fee Related
Links
Landscapes
- Color Image Communication Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、カラースキャナ等によ
り入力されたカラー画像中の特定画像を検出する技術に
関する。
り入力されたカラー画像中の特定画像を検出する技術に
関する。
【０００２】
【従来の技術】特定のカラー画像を検出する方法とし
て、予め特定した色の画素が出現するか否かをみる方法
（特開平４−１８０３４８号）や、予め特定した色が全
体として何画素出現したかをみる方法（特開平４−２０
７４６５号）が知られている。
て、予め特定した色の画素が出現するか否かをみる方法
（特開平４−１８０３４８号）や、予め特定した色が全
体として何画素出現したかをみる方法（特開平４−２０
７４６５号）が知られている。
【０００３】
【発明が解決しようとする課題】上記特開平４−１８０
３４８号の方法のように、検出しようとする特定画像の
特徴量の辞書が示す色空間の広がりの中での色分布につ
いては、画像識別の際に問題としない方法では、色空間
中での広がりが同じ画像については、その内部での色の
分布が異なっても識別することができない。つまり、色
空間の広がりが同じであれば、広がりの中での色の分布
が異なる画像をも、特定の画像として誤検出するおそれ
がある。
３４８号の方法のように、検出しようとする特定画像の
特徴量の辞書が示す色空間の広がりの中での色分布につ
いては、画像識別の際に問題としない方法では、色空間
中での広がりが同じ画像については、その内部での色の
分布が異なっても識別することができない。つまり、色
空間の広がりが同じであれば、広がりの中での色の分布
が異なる画像をも、特定の画像として誤検出するおそれ
がある。
【０００４】一方、上記特開平４−２０７４６５号の方
法のように、全体的な色空間上での広がり（例えば同号
公報の第４図及び第５図）の一致度をみる方法では、色
合いの違いを識別することは不可能である。また、処理
対象となる画像中に特定の画像が任意数混在するような
場合（例えば、特定の画像の原稿を任意枚数、カラース
キャナ等で同時に読み取ったような画像の場合）に対応
できない。
法のように、全体的な色空間上での広がり（例えば同号
公報の第４図及び第５図）の一致度をみる方法では、色
合いの違いを識別することは不可能である。また、処理
対象となる画像中に特定の画像が任意数混在するような
場合（例えば、特定の画像の原稿を任意枚数、カラース
キャナ等で同時に読み取ったような画像の場合）に対応
できない。
【０００５】よって、本発明の一つの目的は、特定のカ
ラー画像をより高い精度で検出するための方法を提供す
ることにある。
ラー画像をより高い精度で検出するための方法を提供す
ることにある。
【０００６】本発明のもう一つの目的は、入力画像中に
存在する任意数の特定画像を高精度に検出するための方
法を提供することにある。
存在する任意数の特定画像を高精度に検出するための方
法を提供することにある。
【０００７】本発明の他の目的は、入力画像中に存在す
る特定画像を、その個数を含めて検出するための方法を
提供することにある。
る特定画像を、その個数を含めて検出するための方法を
提供することにある。
【０００８】本発明のもう一つの目的は、カラースキャ
ナ等の画像読取装置より入力されたカラー画像中の特定
の画像を高精度に検出する方法を提供することにある。
ナ等の画像読取装置より入力されたカラー画像中の特定
の画像を高精度に検出する方法を提供することにある。
【０００９】
【課題を解決するための手段】本発明によれば、入力画
像データより求めた特徴量と、特定画像に対して予め辞
書として用意した特徴量をそれぞれ自然数倍（０倍、１
倍、２倍、３倍…）した複数の特徴量のそれぞれとのマ
ッチングを行なう。また、最もよくマッチした特徴量の
倍数を、特定画像の個数とする。
像データより求めた特徴量と、特定画像に対して予め辞
書として用意した特徴量をそれぞれ自然数倍（０倍、１
倍、２倍、３倍…）した複数の特徴量のそれぞれとのマ
ッチングを行なう。また、最もよくマッチした特徴量の
倍数を、特定画像の個数とする。
【００１０】特徴量として色度ヒストグラムが、好まし
くは、画素の明度の高低を反映した色度ヒストグラム
が、用いられる。
くは、画素の明度の高低を反映した色度ヒストグラム
が、用いられる。
【００１１】特徴量間のマッチング処理は、辞書として
の特徴量の値が０の次元を除外して行なう。また、特徴
量間のマッチングの際の次元毎の類似度の算出に、辞書
としての特徴量よりも入力画像データの特徴量が大きい
場合にはメンバシップ値を０以上とするメンバシップ関
数を用いる。
の特徴量の値が０の次元を除外して行なう。また、特徴
量間のマッチングの際の次元毎の類似度の算出に、辞書
としての特徴量よりも入力画像データの特徴量が大きい
場合にはメンバシップ値を０以上とするメンバシップ関
数を用いる。
【００１２】
【作用】辞書として用意された特徴量の自然数倍した各
特徴量と、入力画像データより求めた特徴量とのマッチ
ングを行なうことにより、入力画像中に特定画像が一つ
だけ含まれている場合を想定した辞書を用意しておくだ
けで、カラースキャナ等で特定画像の原稿を２枚以上、
同時に読み取った画像データのように、任意数の特定画
像が含まれている入力画像データ中の特定画像を検出す
ることができる。また、自然数倍した各特徴量の中で最
もよくマッチした（類似度が最大、または相違度が最
小）特徴量に対応する倍数として、入力画像に含まれて
いる特定画像の数を簡単に判断できる。
特徴量と、入力画像データより求めた特徴量とのマッチ
ングを行なうことにより、入力画像中に特定画像が一つ
だけ含まれている場合を想定した辞書を用意しておくだ
けで、カラースキャナ等で特定画像の原稿を２枚以上、
同時に読み取った画像データのように、任意数の特定画
像が含まれている入力画像データ中の特定画像を検出す
ることができる。また、自然数倍した各特徴量の中で最
もよくマッチした（類似度が最大、または相違度が最
小）特徴量に対応する倍数として、入力画像に含まれて
いる特定画像の数を簡単に判断できる。
【００１３】特徴量として色度のヒストグラムを用いる
ことにより、色空間中での広がりが重なっていても色分
布（色合い）の異なる画像を識別できるので、特定の色
の出現の有無のみをみる方法に比べて、細かなテキスチ
ャのあるような特定画像を精度よく検出することができ
る。また、カラースキャナ等で画像を読み取って入力す
る場合、色度のヒストグラムのほうが、色（Ｒ，Ｇ，
Ｂ）のヒストグラムに比べて、画像読取用光源の光量変
化の影響を受けにくい利益がある。
ことにより、色空間中での広がりが重なっていても色分
布（色合い）の異なる画像を識別できるので、特定の色
の出現の有無のみをみる方法に比べて、細かなテキスチ
ャのあるような特定画像を精度よく検出することができ
る。また、カラースキャナ等で画像を読み取って入力す
る場合、色度のヒストグラムのほうが、色（Ｒ，Ｇ，
Ｂ）のヒストグラムに比べて、画像読取用光源の光量変
化の影響を受けにくい利益がある。
【００１４】特徴量として色度ヒストグラムを用いた場
合、上記の如きメンバシップ関数を用いて特徴量間の次
元毎の類似度を算出することにより、入力画像データ中
のノイズの影響を減らすことができる。
合、上記の如きメンバシップ関数を用いて特徴量間の次
元毎の類似度を算出することにより、入力画像データ中
のノイズの影響を減らすことができる。
【００１５】画像の明度の高い領域では、画像読取素子
として一般的なＣＣＤイメージセンサの感度ばらつきが
大きいという性質があり、また、読取り時の背景の色合
いにより色相が影響されやすい。本発明によれば、明度
の低い画素に注目して画素の明度を反映させた色度ヒス
トグラムを用いることによって、上記の感度ばらつき
や、背景の影響を減らすことができるため、イメージス
キャナで原稿を読み取って入力した画像中の特定画像の
検出精度を上げることができる。
として一般的なＣＣＤイメージセンサの感度ばらつきが
大きいという性質があり、また、読取り時の背景の色合
いにより色相が影響されやすい。本発明によれば、明度
の低い画素に注目して画素の明度を反映させた色度ヒス
トグラムを用いることによって、上記の感度ばらつき
や、背景の影響を減らすことができるため、イメージス
キャナで原稿を読み取って入力した画像中の特定画像の
検出精度を上げることができる。
【００１６】
【実施例】＜実施例１＞ 本実施例では、画像識別のために１次元特徴量であるＲ
の色度ヒストグラムを用いる。本実施例に係るシステム
構成を図１に示す。
の色度ヒストグラムを用いる。本実施例に係るシステム
構成を図１に示す。
【００１７】図１において、カラー画像入力装置（カラ
ースキャナ）１００によって、カラー画像がＲＧＢデー
タとして入力される。入力画像の例を図２に模式的に示
す。この入力画像において、Ａ１，Ａ２が検出したい特
定の画像の部分である。
ースキャナ）１００によって、カラー画像がＲＧＢデー
タとして入力される。入力画像の例を図２に模式的に示
す。この入力画像において、Ａ１，Ａ２が検出したい特
定の画像の部分である。
【００１８】図１において、Ｒ色度算出部１０１では、
入力画像のＲＧＢデータから、例えば次式 ｒ＝２５５×Ｒ／（Ｒ＋Ｇ＋Ｂ） によって各画素のＲの色度ｒを算出し、算出したＲ色度
データを順次、マッチング部１０２へ入力する。
入力画像のＲＧＢデータから、例えば次式 ｒ＝２５５×Ｒ／（Ｒ＋Ｇ＋Ｂ） によって各画素のＲの色度ｒを算出し、算出したＲ色度
データを順次、マッチング部１０２へ入力する。
【００１９】マッチング部１０２において、入力された
Ｒ色度のヒストグラム（１次元の特徴量）１０３を作成
する。Ｒ色度算出部１０１で入力画像の全てのＲ色度の
算出処理を終了し、マッチング部１０２でのＲの色度ヒ
ストグラム１０３の作成処理が終了すると、次にマッチ
ング部１０２はマッチング処理を開始する。ここでは図
３の（ａ）に示すようなＲ色度ヒストグラムが得られた
とする。
Ｒ色度のヒストグラム（１次元の特徴量）１０３を作成
する。Ｒ色度算出部１０１で入力画像の全てのＲ色度の
算出処理を終了し、マッチング部１０２でのＲの色度ヒ
ストグラム１０３の作成処理が終了すると、次にマッチ
ング部１０２はマッチング処理を開始する。ここでは図
３の（ａ）に示すようなＲ色度ヒストグラムが得られた
とする。
【００２０】マッチング処理では、まず、検出したい特
定画像の辞書１０４中の特徴量（Ｒ色度ヒストグラム）
の各次元の値を自然数倍（ここでは０倍、１倍、２倍、
３倍、４倍）した複数の特徴量を作成する。ここでは、
辞書１０４中の特徴量が図３の（ｃ）に示すようなもの
であったとすると、図３の（ｂ）乃至（ｆ）に示すよう
な５つの特徴量が作成されることになる。
定画像の辞書１０４中の特徴量（Ｒ色度ヒストグラム）
の各次元の値を自然数倍（ここでは０倍、１倍、２倍、
３倍、４倍）した複数の特徴量を作成する。ここでは、
辞書１０４中の特徴量が図３の（ｃ）に示すようなもの
であったとすると、図３の（ｂ）乃至（ｆ）に示すよう
な５つの特徴量が作成されることになる。
【００２１】そして、自然数倍（０倍，１倍，２倍，３
倍，４倍）した特徴量のそれぞれについて、入力画像の
Ｒ色度ヒストグラム１０３との差分を計算し、それを各
倍数の特徴量との相違度とする。図３に示す例では、相
違度は＜表１＞のようになる。
倍，４倍）した特徴量のそれぞれについて、入力画像の
Ｒ色度ヒストグラム１０３との差分を計算し、それを各
倍数の特徴量との相違度とする。図３に示す例では、相
違度は＜表１＞のようになる。
【００２２】
【表１】自然数倍した特徴量との相違度
【００２３】最後に、０倍から４倍までの各特徴量のう
ちで、入力画像のＲ色度ヒストグラムとの相違度が最も
小さい特徴量に対応する倍数と、その相違度を出力デー
タ１０５として出力する。図３の例では、＜表１＞から
分かるように倍数が２の特徴量との相違度２０が最小で
ある。これは、検出したい特定の画像が入力画像中に２
個（図２のＡ１，Ａ２）存在することを意味する。
ちで、入力画像のＲ色度ヒストグラムとの相違度が最も
小さい特徴量に対応する倍数と、その相違度を出力デー
タ１０５として出力する。図３の例では、＜表１＞から
分かるように倍数が２の特徴量との相違度２０が最小で
ある。これは、検出したい特定の画像が入力画像中に２
個（図２のＡ１，Ａ２）存在することを意味する。
【００２４】なお、０倍した特徴量との相違度が最小の
場合、検出したい特定の画像が入力画像に存在しなかっ
たこことになる。
場合、検出したい特定の画像が入力画像に存在しなかっ
たこことになる。
【００２５】＜実施例２＞ 本実施例のシステム構成は前記実施例１と同様でよいの
で、図１を用いて説明する。前記実施例１と同様に、カ
ラー画像入力装置１００で画像を入力し、Ｒ色度算出部
１０１で入力画像の各画素のＲ色度を求め、マッチング
部１０２でＲ色度のヒストグラム（特徴量）１０３を作
成するとともに、辞書１０４中の特徴量の各次元値を０
倍、１倍、２倍、３倍、４倍した特徴量を計算する。
で、図１を用いて説明する。前記実施例１と同様に、カ
ラー画像入力装置１００で画像を入力し、Ｒ色度算出部
１０１で入力画像の各画素のＲ色度を求め、マッチング
部１０２でＲ色度のヒストグラム（特徴量）１０３を作
成するとともに、辞書１０４中の特徴量の各次元値を０
倍、１倍、２倍、３倍、４倍した特徴量を計算する。
【００２６】前記実施例１と相違する点は、マッチング
部１０２でのマッチング処理において、入力画像の特徴
量と辞書特徴量の自然数倍（ここでは０倍乃至４倍）の
特徴量との類似度（相違度）を、図４に示すようなメン
バシップ関数を用いて次元毎に計算し、全次元の類似度
の平均値を最終的な類似度として算出することである。
部１０２でのマッチング処理において、入力画像の特徴
量と辞書特徴量の自然数倍（ここでは０倍乃至４倍）の
特徴量との類似度（相違度）を、図４に示すようなメン
バシップ関数を用いて次元毎に計算し、全次元の類似度
の平均値を最終的な類似度として算出することである。
【００２７】入力画像の特徴量と、辞書中の特徴量の自
然数倍の特徴量が図３の（ａ）乃至（ｆ）に示すとおり
であるとした場合、次元毎の類似度とその平均値は＜表
２＞に示すとおりである。
然数倍の特徴量が図３の（ａ）乃至（ｆ）に示すとおり
であるとした場合、次元毎の類似度とその平均値は＜表
２＞に示すとおりである。
【００２８】
【表２】自然数倍した特徴量との類似度
【００２９】辞書中の特徴量を１倍した特徴量と入力画
像の特徴量との各次元の類似度について若干説明する。
第１次元では、辞書側の値が５、入力画像側の値が１０
であるので、類似度＝１−（１０−５）／１０＝０．５
である。第２次元では辞書側の値が１０、入力画像側の
値が２０であるので、類似度＝１−（２０−１０）／１
０＝０である。第３次元では、辞書側の値が２０、入力
画像側の値が５０であるので、類似度＝１−（５０−２
０）／１０であるが、入力側の値が辞書側の値より大き
い場合にはメンバシップ値が負をとらないようにメンバ
シップ関数が定められているので、類似度＝０となる。
第４次元では、類似度＝１−（１０−０）／１０＝０で
ある。
像の特徴量との各次元の類似度について若干説明する。
第１次元では、辞書側の値が５、入力画像側の値が１０
であるので、類似度＝１−（１０−５）／１０＝０．５
である。第２次元では辞書側の値が１０、入力画像側の
値が２０であるので、類似度＝１−（２０−１０）／１
０＝０である。第３次元では、辞書側の値が２０、入力
画像側の値が５０であるので、類似度＝１−（５０−２
０）／１０であるが、入力側の値が辞書側の値より大き
い場合にはメンバシップ値が負をとらないようにメンバ
シップ関数が定められているので、類似度＝０となる。
第４次元では、類似度＝１−（１０−０）／１０＝０で
ある。
【００３０】辞書中の特徴量を４倍した特徴量と入力画
像の特徴量とのマッチングの場合について説明する。第
１次元では、辞書側の値が２０、入力画像側の値が１０
であるので、類似度＝１−（２０−１０）／１０＝０と
なる。第２次元では、類似度＝１−（４０−２０）／１
０＝−１．０となる。第３次元の類似度＝１−（８０−
５０）／１０＝−２．０となる。第４次元の類似度＝１
−（０−１０）／１０＝０となる。
像の特徴量とのマッチングの場合について説明する。第
１次元では、辞書側の値が２０、入力画像側の値が１０
であるので、類似度＝１−（２０−１０）／１０＝０と
なる。第２次元では、類似度＝１−（４０−２０）／１
０＝−１．０となる。第３次元の類似度＝１−（８０−
５０）／１０＝−２．０となる。第４次元の類似度＝１
−（０−１０）／１０＝０となる。
【００３１】以上のようにして算出した平均類似度が最
大の辞書特徴量の倍数と、その平均類似度を、マッチン
グ結果として出力する。図３に示した例では、＜表２＞
から明らかなように倍数２（検出したい特定の画像が入
力画像中に２箇所存在したことを意味する）と、類似度
０．５が出力される。
大の辞書特徴量の倍数と、その平均類似度を、マッチン
グ結果として出力する。図３に示した例では、＜表２＞
から明らかなように倍数２（検出したい特定の画像が入
力画像中に２箇所存在したことを意味する）と、類似度
０．５が出力される。
【００３２】なお、図４に示すメンバシップ関数のよう
な、入力画像の特徴量が、辞書中の特徴量の各倍数を掛
け合わせた特徴量より大きい場合に、メンバシップ値
（各次元の類似度）が負にならないメンバシップ関数を
用いることは、検出したい特定の画像が複数、同じ色空
間中に存在する場合に、色空間中で混在している部分の
画素数が乱れることによる一致度の低下を抑えることが
できる、という利益をもたらす。（なお、入力画像の特
徴量が辞書の特徴量より不足する場合は、検出したい画
像が存在しないことは明確であるので、メンバシップ値
が負の値をとることがある。）
な、入力画像の特徴量が、辞書中の特徴量の各倍数を掛
け合わせた特徴量より大きい場合に、メンバシップ値
（各次元の類似度）が負にならないメンバシップ関数を
用いることは、検出したい特定の画像が複数、同じ色空
間中に存在する場合に、色空間中で混在している部分の
画素数が乱れることによる一致度の低下を抑えることが
できる、という利益をもたらす。（なお、入力画像の特
徴量が辞書の特徴量より不足する場合は、検出したい画
像が存在しないことは明確であるので、メンバシップ値
が負の値をとることがある。）
【００３３】＜実施例３＞ 本実施例に係るシステム構成は前記実施例１，２と同様
でよい。画像入力からＲ色度ヒストグラムの作成までの
処理、マッチング処理での辞書中の特徴量の自然数倍の
特徴量の作成までは前記実施例２と同一である。
でよい。画像入力からＲ色度ヒストグラムの作成までの
処理、マッチング処理での辞書中の特徴量の自然数倍の
特徴量の作成までは前記実施例２と同一である。
【００３４】マッチング処理において、図４に示したメ
ンバシップ関数を用いて、入力画像の特徴量と、辞書の
自然数倍の特徴量との類似度を算出することも前記実施
例２と同様であるが、実施例２と異なる点は、辞書中の
特徴量の値が０の次元については、類似度算出の際に無
視することである。例えば図３（ｂ）乃至（ｆ）に示す
特徴量の第４次元についてはマッチング処理を行なわな
い。したがって、図３の（ａ）に示した入力画像の特徴
量と、（ｂ）乃至（ｆ）に示した辞書中の特徴量の自然
数倍の各特徴量とについては、＜表３＞に示す類似度が
得られる。この無視した次元（この例では第４次元）
は、類似度の平均を計算する際にも無視することは当然
である。
ンバシップ関数を用いて、入力画像の特徴量と、辞書の
自然数倍の特徴量との類似度を算出することも前記実施
例２と同様であるが、実施例２と異なる点は、辞書中の
特徴量の値が０の次元については、類似度算出の際に無
視することである。例えば図３（ｂ）乃至（ｆ）に示す
特徴量の第４次元についてはマッチング処理を行なわな
い。したがって、図３の（ａ）に示した入力画像の特徴
量と、（ｂ）乃至（ｆ）に示した辞書中の特徴量の自然
数倍の各特徴量とについては、＜表３＞に示す類似度が
得られる。この無視した次元（この例では第４次元）
は、類似度の平均を計算する際にも無視することは当然
である。
【００３５】
【表３】自然数倍した特徴量との類似度
【００３６】この例では、全次元の類似度平均が最大の
倍数２（検出画素個数）と、類似度０．６６７が出力デ
ータ１０５として出力される。
倍数２（検出画素個数）と、類似度０．６６７が出力デ
ータ１０５として出力される。
【００３７】＜実施例４＞ 本実施例に係るシステム構成を図５に示す。図５におい
て、カラー画像入力装置（カラースキャナ）５００によ
りカラー画像をＲＧＢデータとして有効画像抽出部５０
１へ入力する。
て、カラー画像入力装置（カラースキャナ）５００によ
りカラー画像をＲＧＢデータとして有効画像抽出部５０
１へ入力する。
【００３８】有効画素抽出部５０１では、入力したＲＧ
Ｂデータから、各画素の明度Ｌを次の式に従って算出す
る。 Ｌ＝（Ｒ＋Ｇ＋Ｂ）／３ そして、有効画素抽出部５０１は、明度Ｌが、ある所定
の閾値Ｌthより小さい画素を有効画素と判断し、当該画
素のＲＧＢデータをＲ色度算出部５０２及びＧ色度算出
部５０３へ入力する。しかし、明度が閾値Ｌth以上の画
素については、当該画素のＲＧＢデータをＲ，Ｇ色算出
部５０２へは入力せず、Ｒの色度及びＧの色度の値とし
て０を色度バッファ５０４へ出力する。
Ｂデータから、各画素の明度Ｌを次の式に従って算出す
る。 Ｌ＝（Ｒ＋Ｇ＋Ｂ）／３ そして、有効画素抽出部５０１は、明度Ｌが、ある所定
の閾値Ｌthより小さい画素を有効画素と判断し、当該画
素のＲＧＢデータをＲ色度算出部５０２及びＧ色度算出
部５０３へ入力する。しかし、明度が閾値Ｌth以上の画
素については、当該画素のＲＧＢデータをＲ，Ｇ色算出
部５０２へは入力せず、Ｒの色度及びＧの色度の値とし
て０を色度バッファ５０４へ出力する。
【００３９】Ｒ色度算出部５０２は、有効画素抽出部５
０１により入力した有効画素のＲＧＢデータから、次式
によりＲの色度ｒを算出し、それを色度バッファ５０４
へ出力する。 ｒ＝２５５Ｒ／（Ｒ＋Ｇ＋Ｂ）
０１により入力した有効画素のＲＧＢデータから、次式
によりＲの色度ｒを算出し、それを色度バッファ５０４
へ出力する。 ｒ＝２５５Ｒ／（Ｒ＋Ｇ＋Ｂ）
【００４０】Ｇ色度算出部５０３は、有効画素抽出部５
０１より入力した有効画素のＲＧＢデータから、次式に
よりＧの色度ｇを算出し、それを色度バッファ５０４へ
出力する。 ｇ＝２５５Ｇ／（Ｒ＋Ｇ＋Ｂ） したがって、色度バッファ５０４内に入力画像の各画素
に対するＲ，Ｇ色度データが得られる。ただし、有効画
素以外の画素のＲ，Ｇ色度は全て０である。
０１より入力した有効画素のＲＧＢデータから、次式に
よりＧの色度ｇを算出し、それを色度バッファ５０４へ
出力する。 ｇ＝２５５Ｇ／（Ｒ＋Ｇ＋Ｂ） したがって、色度バッファ５０４内に入力画像の各画素
に対するＲ，Ｇ色度データが得られる。ただし、有効画
素以外の画素のＲ，Ｇ色度は全て０である。
【００４１】周辺有効画素数算出部５０５は、色度バッ
ファ５０４内の色度データを参照することにより、有効
画素別色度ヒストグラム５０６を作成する。この有効画
素別色度ヒストグラム５０６は、有効画素有色度ヒスト
グラム５０６ａと、有効画素無色度ヒストグラム５０６
ｂの二つからなる。各ヒストグラムは、図６に示すよう
な２次元ヒストグラムである。
ファ５０４内の色度データを参照することにより、有効
画素別色度ヒストグラム５０６を作成する。この有効画
素別色度ヒストグラム５０６は、有効画素有色度ヒスト
グラム５０６ａと、有効画素無色度ヒストグラム５０６
ｂの二つからなる。各ヒストグラムは、図６に示すよう
な２次元ヒストグラムである。
【００４２】周辺有効画素数算出部５０５は、色度バッ
ファ５０４内の色度データより、Ｒの色度、Ｇの色度の
少なくとも一方が０でない画素（注目画素と呼ぶ）を検
出して、その注目画素を中心とする円の円周上に、Ｒの
色度、Ｇの色度の少なくとも一方が０でない画素がいく
つ存在するか数え、その数だけ、有効画素有色度ヒスト
グラム５０６ａ上の注目画素のＲ，Ｇの色度に対応する
ｒ，ｇ座標の値をインクリメントする。また、注目画素
を中心とする円の円周上の画素のうち、Ｒの色度、Ｇの
色度のいずれも０の画素がいくつあるか数え、その数だ
け、有効画素無色度ヒストグラム５０６ｂ上の注目画素
のＲ，Ｇの色度に対応するｒ，ｇ座標の値をインクリメ
ントする。
ファ５０４内の色度データより、Ｒの色度、Ｇの色度の
少なくとも一方が０でない画素（注目画素と呼ぶ）を検
出して、その注目画素を中心とする円の円周上に、Ｒの
色度、Ｇの色度の少なくとも一方が０でない画素がいく
つ存在するか数え、その数だけ、有効画素有色度ヒスト
グラム５０６ａ上の注目画素のＲ，Ｇの色度に対応する
ｒ，ｇ座標の値をインクリメントする。また、注目画素
を中心とする円の円周上の画素のうち、Ｒの色度、Ｇの
色度のいずれも０の画素がいくつあるか数え、その数だ
け、有効画素無色度ヒストグラム５０６ｂ上の注目画素
のＲ，Ｇの色度に対応するｒ，ｇ座標の値をインクリメ
ントする。
【００４３】このようなヒストグラム作成の例を図６に
より説明する。図６の（ａ）は色度バッファ５０４の内
容の例を模式的に示している。黒（線）の部分が有効画
素に対応し、白地の部分が有効画素以外のｒ＝０，ｇ＝
０の画素に対応する。Ｘは注目画素で、ここではｒ＝９
５，ｇ＝８８とされている。注目画素Ｘを中心とした円
の円周Ｙ上に８４個の画素が存在し、この８４画素中の
１５画素はｒまたはｇが０でない画素で、６９画素は
ｒ，ｇが共に０の画素であるとする。この場合、図６の
（ｂ）に示すように有効画素有色度ヒストグラム５０６
ａ上のｒ＝９５，ｇ＝８８の座標の値に１５を加算し、
図６の（ｃ）に示すように有効画素無色度ヒストグラム
５０６ｂのｒ＝９５，ｇ＝８８の座標の値に６９を加算
する。
より説明する。図６の（ａ）は色度バッファ５０４の内
容の例を模式的に示している。黒（線）の部分が有効画
素に対応し、白地の部分が有効画素以外のｒ＝０，ｇ＝
０の画素に対応する。Ｘは注目画素で、ここではｒ＝９
５，ｇ＝８８とされている。注目画素Ｘを中心とした円
の円周Ｙ上に８４個の画素が存在し、この８４画素中の
１５画素はｒまたはｇが０でない画素で、６９画素は
ｒ，ｇが共に０の画素であるとする。この場合、図６の
（ｂ）に示すように有効画素有色度ヒストグラム５０６
ａ上のｒ＝９５，ｇ＝８８の座標の値に１５を加算し、
図６の（ｃ）に示すように有効画素無色度ヒストグラム
５０６ｂのｒ＝９５，ｇ＝８８の座標の値に６９を加算
する。
【００４４】検出画像辞書５０８には、検出したい特定
の画像に対して同様に方法によって作成された特徴量
（有効画素別色度ヒストグラム）が特徴量として格納さ
れている。マッチング部５０７では、辞書５０８中の特
徴量の自然数倍（例えば、０倍，１倍，２倍，３倍，４
倍）の特徴量と、入力画像の特徴量（有効画素別色度ヒ
ストグラム５０６）との間のマッチングを行なう。この
マッチング処理では、前記実施例１，２または３と同様
の方法で（本実施例と前記実施例１，２，３とでは特徴
量が２次元の特徴量と１次元の特徴量との違いはある
が）、対応した値毎に相違度または類似度を算出し、そ
の平均が最小（相違度の場合）または最小（類似度）と
なった特徴量の倍数とその平均相違度または平均類似度
を出力データ５０９として出力する。
の画像に対して同様に方法によって作成された特徴量
（有効画素別色度ヒストグラム）が特徴量として格納さ
れている。マッチング部５０７では、辞書５０８中の特
徴量の自然数倍（例えば、０倍，１倍，２倍，３倍，４
倍）の特徴量と、入力画像の特徴量（有効画素別色度ヒ
ストグラム５０６）との間のマッチングを行なう。この
マッチング処理では、前記実施例１，２または３と同様
の方法で（本実施例と前記実施例１，２，３とでは特徴
量が２次元の特徴量と１次元の特徴量との違いはある
が）、対応した値毎に相違度または類似度を算出し、そ
の平均が最小（相違度の場合）または最小（類似度）と
なった特徴量の倍数とその平均相違度または平均類似度
を出力データ５０９として出力する。
【００４５】本実施例における上述の如き特徴量抽出方
法によれば、少ない次元数で色の特徴量とテクスチャの
特徴量を抽出することができる。しかも、基本的に明度
の低い画素の色度ヒストグラムであるので、画像読取時
のＣＣＤイメージセンサの感度ばらつきや背景の影響が
抑えられる。したがって、イメージスキャナ等によって
入力された画像中の特定の画像を極めて精度よく検出す
ることができる。
法によれば、少ない次元数で色の特徴量とテクスチャの
特徴量を抽出することができる。しかも、基本的に明度
の低い画素の色度ヒストグラムであるので、画像読取時
のＣＣＤイメージセンサの感度ばらつきや背景の影響が
抑えられる。したがって、イメージスキャナ等によって
入力された画像中の特定の画像を極めて精度よく検出す
ることができる。
【００４６】
【発明の効果】以上の説明から明らかなように、本発明
によれば、特定のカラー画像を精度よく検出することが
できる、入力画像中に含まれる特定画像の数が任意であ
っても、特定画像が存在すること、さらには、その個数
を簡単に検出することができる。カラースキャナ等の画
像読取装置より入力されたカラー画像中の特定の画像を
精度よく検出することができる、等の効果を達成でき
る。
によれば、特定のカラー画像を精度よく検出することが
できる、入力画像中に含まれる特定画像の数が任意であ
っても、特定画像が存在すること、さらには、その個数
を簡単に検出することができる。カラースキャナ等の画
像読取装置より入力されたカラー画像中の特定の画像を
精度よく検出することができる、等の効果を達成でき
る。
【図１】実施例１，２及び３に係るシステム構成の例を
示すブロック図である。
示すブロック図である。
【図２】実施例１，２及び３の説明のための入力画像の
例を示す図である。
例を示す図である。
【図３】（ａ）乃至（ｆ） 実施例１，２及び３の説明
のための入力画像の特徴量の例と辞書中の特徴量を自然
数倍した特徴量の例を示す図である。
のための入力画像の特徴量の例と辞書中の特徴量を自然
数倍した特徴量の例を示す図である。
【図４】実施例２及び３における類似度算出のためのメ
ンバシップ関数の例を示す図である。
ンバシップ関数の例を示す図である。
【図５】実施例４に係るシステム構成の例を示すブロッ
ク図である。
ク図である。
【図６】（ａ）乃至（ｃ） 実施例４における入力画像
の特徴量抽出の説明のための図である。
の特徴量抽出の説明のための図である。
１００ カラー画像入力装置 １０１ Ｒ色度算出部 １０２ マッチング部 １０３ Ｒ色度ヒストグラム １０４ 検出画像辞書 １０５ 出力データ ５００ カラー画像入力装置 ５０１ 有効画素抽出部 ５０２ Ｒ色度算出部 ５０３ Ｇ色度算出部 ５０４ 色度バッファ ５０５ 周辺有効画素数算出部 ５０６ 有効画素別色度ヒストグラム ５０６ａ 有効画素有色度ヒストグラム ５０６ｂ 有効画素無色度ヒストグラム ５０７ マッチング部 ５０８ 検出画像辞書 ５０９ 出力データ
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 7/00 - 7/60 G06T 1/00 H04N 1/40 H04N 1/46
Claims (6)
- 【請求項１】 入力画像データより特定の画像を検出す
る方法であって、特定の画像に対して予め辞書として用
意された特徴量の各次元の値をそれぞれ自然数倍した複
数の特徴量を作成し、入力画像データより求めた特徴量
と、前記複数の特徴量のそれぞれとのマッチングを行な
い、特定画像を検出することを特徴とする特定画像検出
方法。 - 【請求項２】 辞書としての特徴量の各自然数倍した特
徴量の中で、最もよくマッチした特徴量に対応する倍数
を、検出した特定画像の個数とすることを特徴とする請
求項１記載の特定画像検出方法。 - 【請求項３】 辞書としての特徴量の値が０の次元は、
入力画像データの特徴量とのマッチングの対象から除外
することを特徴とする請求項１または２記載の特定画像
検出方法。 - 【請求項４】 特徴量間のマッチングの際の次元毎の類
似度の算出に、辞書としての特徴量よりも入力画像デー
タの特徴量が大きい場合にはメンバシップ値を０以上と
するメンバシップ関数を用いることを特徴とする請求項
１、２または３記載の特定画像検出方法。 - 【請求項５】 特徴量として色度ヒストグラムを用いる
ことを特徴とする請求項１乃至４のいずれか１項に記載
の特定画像検出方法。 - 【請求項６】 特徴量として画素の明度の高低を反映さ
せた色度ヒストグラムを用いることを特徴とする請求項
１乃至４のいずれか１項に記載の特定画像検出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22127993A JP3344782B2 (ja) | 1993-09-06 | 1993-09-06 | 特定画像検出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22127993A JP3344782B2 (ja) | 1993-09-06 | 1993-09-06 | 特定画像検出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0773325A JPH0773325A (ja) | 1995-03-17 |
| JP3344782B2 true JP3344782B2 (ja) | 2002-11-18 |
Family
ID=16764296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP22127993A Expired - Fee Related JP3344782B2 (ja) | 1993-09-06 | 1993-09-06 | 特定画像検出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3344782B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3668014B2 (ja) | 1998-03-09 | 2005-07-06 | 富士写真フイルム株式会社 | 画像処理方法及び装置 |
| US8693743B1 (en) | 2010-02-19 | 2014-04-08 | Olive Tree Media, LLC | Analysis and display of multiple biomarker co-expression in cells and tissues |
-
1993
- 1993-09-06 JP JP22127993A patent/JP3344782B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0773325A (ja) | 1995-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7539344B2 (en) | Boundary detection method between areas having different features in image data | |
| CN105339951B (zh) | 用于检测文档边界的方法 | |
| US6757426B2 (en) | System and method for image processing by automatic color dropout | |
| EP1477020A1 (en) | DETECTION AND CORRECTION OF RED−EYE FEATURES IN DIGITAL IMAGES | |
| WO2006052477A1 (en) | Detecting irises and pupils in human images | |
| US7333656B2 (en) | Image processing method and image processing apparatus | |
| EP1757083A1 (en) | Identifying red eye in digital camera images | |
| US7864985B1 (en) | Automatic operator-induced artifact detection in document images | |
| CN108764352A (zh) | 重复页面内容检测方法和装置 | |
| CN111259891B (zh) | 一种自然场景下身份证识别方法、装置、设备和介质 | |
| US20150010233A1 (en) | Method Of Improving Contrast For Text Extraction And Recognition Applications | |
| EP2735998B1 (en) | Image processing apparatus | |
| EP0841808A2 (en) | System and method for detecting the black and white points of a color image | |
| KR100513784B1 (ko) | 영상 개선 방법 및 장치 | |
| JP3344782B2 (ja) | 特定画像検出方法 | |
| EP0849935A2 (en) | Illuminant color detection | |
| US6750986B1 (en) | Color image processing method with thin-line detection and enhancement | |
| JP2003087562A (ja) | 画像処理装置および画像処理方法 | |
| Zambanini et al. | Robust automatic segmentation of ancient coins | |
| EP0996080A2 (en) | System and method for automatic region selection | |
| CN109101960A (zh) | 身份文本信息检测方法及装置 | |
| CN116600105B (zh) | 一种视频素材的色彩标签提取方法、装置、设备及介质 | |
| JPH0773326A (ja) | 特定画像検出方法及び特定画像の複写防止装置 | |
| JP3756660B2 (ja) | 画像認識方法、装置および記録媒体 | |
| JPH07131636A (ja) | 特定画像検出方法及び特定画像複製防止装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080830 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080830 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090830 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090830 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100830 Year of fee payment: 8 |
|
| LAPS | Cancellation because of no payment of annual fees |