JP3346849B2 - カラー画像の領域分割方法 - Google Patents
カラー画像の領域分割方法Info
- Publication number
- JP3346849B2 JP3346849B2 JP23069293A JP23069293A JP3346849B2 JP 3346849 B2 JP3346849 B2 JP 3346849B2 JP 23069293 A JP23069293 A JP 23069293A JP 23069293 A JP23069293 A JP 23069293A JP 3346849 B2 JP3346849 B2 JP 3346849B2
- Authority
- JP
- Japan
- Prior art keywords
- color
- space
- cluster
- image
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Color Image Communication Systems (AREA)
- Image Analysis (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、カラー画像の領域分割
方法に係り、特に、印刷製板の画像データ処理に際し
て、画像中の各物体に対応する特定領域の抽出（いわゆ
る切り抜き）や、領域選択型の色調修正、あるいは、画
像を構造的に記述し、例えばデータ圧縮等に利用する構
造抽出符号化等に用いるのに好適な、カラー画像の領域
分割方法に関するものである。
方法に係り、特に、印刷製板の画像データ処理に際し
て、画像中の各物体に対応する特定領域の抽出（いわゆ
る切り抜き）や、領域選択型の色調修正、あるいは、画
像を構造的に記述し、例えばデータ圧縮等に利用する構
造抽出符号化等に用いるのに好適な、カラー画像の領域
分割方法に関するものである。
【０００２】
【従来の技術】デジタル・カラー画像の領域分割法の代
表的なものの１つとして、色空間上でのクラスタリング
手法がある。
表的なものの１つとして、色空間上でのクラスタリング
手法がある。
【０００３】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。
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。
【０００４】
【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。
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。
【０００５】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
タリング手法を提供することを目的とする。
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
タリング手法を提供することを目的とする。
【０００６】
【課題を解決するための手段】本発明は、カラー画像の
領域分割に際して、ＣＭＹ表色系で表される入力画像信
号を、Ｌ＊u＊v＊信号に変換し、物体の反射モデルから
推定されるＬ＊u＊v＊信号で表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」へと至る
楕円曲線としてモデル化し、該楕円曲線を区別するパラ
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
の空間上でクラスタリングを行うことにより、前記目的
を達成したものである。
領域分割に際して、ＣＭＹ表色系で表される入力画像信
号を、Ｌ＊u＊v＊信号に変換し、物体の反射モデルから
推定されるＬ＊u＊v＊信号で表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」へと至る
楕円曲線としてモデル化し、該楕円曲線を区別するパラ
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
の空間上でクラスタリングを行うことにより、前記目的
を達成したものである。
【０００７】
【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。
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。
【０００８】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。
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。
【０００９】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。
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。
【００１０】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。
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。
【００１１】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。
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。
【００１２】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。
て詳細に説明する。
【００１３】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。
＊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。
【００１４】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。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印刷画像のＬ＊の範囲の中点Ｌ
0に移動する。
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。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印刷画像のＬ＊の範囲の中点Ｌ
0に移動する。
【００１５】Ｌ＝Ｌ＊−Ｌ0 ………（１）
【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。
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
写影操作によって、Ｌ＝０平面上にマッピングすること
ができる。
写影操作によって、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。
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】
【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。
細に説明する。
【００２０】本実施例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
２０と、領域分割部３０とを含んでいる。
に示す如く、色空間変換部１０と、特徴空間への変換部
２０と、領域分割部３０とを含んでいる。
【００２１】前記色空間変換部１０は、入力画像信号、
例えばＣＭＹ信号をＬ＊u ＊v ＊信号に変換する。ここ
でＣＭＹ表色系において、Ｃはシアン、Ｍはマゼンタ、
Ｙはイエローを表し、この３色の濃度成分により色を表
現するものである。ＣＭＹ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、ＣＭＹからＸＹＺへの変換は、次のノイゲバウ
アーの式によって定義される。ここでＸw 等は印刷物カ
ラーパッチの測定値をもとに決められた係数である。
例えばＣＭＹ信号をＬ＊u ＊v ＊信号に変換する。ここ
でＣＭＹ表色系において、Ｃはシアン、Ｍはマゼンタ、
Ｙはイエローを表し、この３色の濃度成分により色を表
現するものである。ＣＭＹ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、ＣＭＹからＸＹＺへの変換は、次のノイゲバウ
アーの式によって定義される。ここでＸw 等は印刷物カ
ラーパッチの測定値をもとに決められた係数である。
【００２２】 Ｘ＝（１−c ）（１−m ）（１−y ）Ｘw ＋ c（１−m ）（１−y ）Ｘc ＋（１−c ）m （１−y ）Ｘm ＋（１−c ）（１−m ）y Ｘy ＋cm（１−y ）Ｘcm＋（１−c ）myＸmy＋ c（１−m ）y Ｘcy ＋cmy Ｘcmy …（２）
【００２３】ここで、c 、m 、y は０から１の値をとる
網点面積率であり、Ｙ、Ｚもこれと同様な式となる。
網点面積率であり、Ｙ、Ｚもこれと同様な式となる。
【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）。
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１】
【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。
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。
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。
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２】
【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）。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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】
【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」へ至る楕円曲線と
してモデル化し、楕円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る。
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」へ至る楕円曲線と
してモデル化し、楕円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る。
【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
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
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
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
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
【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
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
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
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
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
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
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
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
空間上の領域を示す線図
１０…色空間変換部 ２０…特徴空間への変換部 ３０…領域分割部
フロントページの続き (56)参考文献 特開 昭52−56829（ＪＰ，Ａ) 特開 平５−12439（ＪＰ，Ａ) 特開 昭63−244094（ＪＰ，Ａ) 会津昌夫外２名，色空間分布モデルに 基づく物体領域抽出，電子情報通信学会 技術研究報告，1993年 ３月18日，Ｖｏ ｌ．92，Ｎｏ．519，ｐｐ．17−23 (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 7/00 - 7/60 H04N 1/46 H04N 1/40 - 1/419
Claims (1)
- 【請求項１】ＣＭＹ表色系で表される入力画像信号を、
Ｌ＊u＊v＊信号に変換し、 物体の反射モデルから推定されるＬ＊u＊v＊信号で表さ
れる色空間上での分布の特徴を、「黒」から「物体色」
を通り「白」へと至る楕円曲線としてモデル化し、 該楕円曲線を区別する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、 その空間上でクラスタリングを行うことを特徴とするカ
ラー画像の領域分割方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23069293A JP3346849B2 (ja) | 1993-09-17 | 1993-09-17 | カラー画像の領域分割方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23069293A JP3346849B2 (ja) | 1993-09-17 | 1993-09-17 | カラー画像の領域分割方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0785284A JPH0785284A (ja) | 1995-03-31 |
| JP3346849B2 true JP3346849B2 (ja) | 2002-11-18 |
Family
ID=16911821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23069293A Expired - Fee Related JP3346849B2 (ja) | 1993-09-17 | 1993-09-17 | カラー画像の領域分割方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3346849B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5381944B2 (ja) * | 2010-09-21 | 2014-01-08 | 株式会社デンソーウェーブ | 光学的情報読取装置 |
-
1993
- 1993-09-17 JP JP23069293A patent/JP3346849B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| 会津昌夫外２名，色空間分布モデルに基づく物体領域抽出，電子情報通信学会技術研究報告，１９９３年 ３月１８日，Ｖｏｌ．９２，Ｎｏ．５１９，ｐｐ．１７−２３ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0785284A (ja) | 1995-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4491129B2 (ja) | ローカル・エリア情報を使用する色域マッピング方法及び装置 | |
| US6608926B1 (en) | Image processing method, image processing apparatus and recording medium | |
| EP0747855B1 (en) | Method and apparatus for enhancing a digital image | |
| US5450502A (en) | Image-dependent luminance enhancement | |
| US5870491A (en) | Image processing apparatus which controls processing conditions of an image signal on detected features of the image signal | |
| US6345117B2 (en) | Method for automatic trap selection for correcting for separation misregistration in color printing | |
| US5793884A (en) | Spectral based color image editing | |
| JP3337187B2 (ja) | 中間調画像において、色彩度を強調するための方法、および装置 | |
| JP2002245446A (ja) | カラー画像処理装置及びその方法 | |
| JP3018914B2 (ja) | 階調補正装置 | |
| JP2002520968A (ja) | 画像表示システム及び方法 | |
| JPH10334230A (ja) | 画像強調処理の制御方法 | |
| EP1304867A2 (en) | Image processing system and method that maintains black level | |
| JPH1169156A (ja) | 画像処理装置 | |
| US5844688A (en) | Image processing system for converting a color processing command into a control signal using an external controller | |
| JPH08294013A (ja) | グレイバランス補正を用いて中間調画像におけるウォームを減少させるための改良方法、および装置 | |
| US20100195162A1 (en) | Color To Monochrome Conversion | |
| JP3289787B2 (ja) | カラー画像の領域分割方法 | |
| JPH08237482A (ja) | ２値印刷装置において、鮮明な色補正を行うための改良方法、および装置 | |
| JP3346849B2 (ja) | カラー画像の領域分割方法 | |
| JPH0998295A (ja) | カラー画像のデータ圧縮方法 | |
| JP4217302B2 (ja) | 画像処理装置及び画像処理方法 | |
| JP3256312B2 (ja) | カラー画像の特定領域の抽出方法 | |
| JP4100848B2 (ja) | 画像処理方法および画像処理装置 | |
| JP2755313B2 (ja) | 画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080906 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090906 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090906 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100906 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110906 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110906 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120906 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |