JP3449836B2

JP3449836B2 - 画像切り抜き方法及び装置

Info

Publication number: JP3449836B2
Application number: JP23867295A
Authority: JP
Inventors: 努米山; 洋木之下
Original assignee: Konica Minolta Inc
Current assignee: Konica Minolta Inc
Priority date: 1995-09-18
Filing date: 1995-09-18
Publication date: 2003-09-22
Anticipated expiration: 2015-09-18
Also published as: JPH0983776A

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、原画像を光電変換
して得た表示画像上で特定画像をその輪郭を抽出して切
り抜く方法及び装置に関する。

【０００２】

【従来の技術】例えば、商品カタログを印刷する場合、
印刷原画として使用される商品写真は必要な商品画像部
の周囲に背景が撮影されるため、印刷物としては、これ
らの背景部分を消去して商品のみを表示することを要求
される場合が多い。そのため、必要な画像部のみを透明
とし、それ以外の部分を不透明としたマスクフィルムを
形成し、これを原画に重ね合わせて写真的に複製するこ
とにより、不要な背景部を消去し、商品のみが表示され
た画像を得ることができる。

【０００３】前記マスクフィルムを形成する技術とし
て、従来、以下のような技術が知られている。製版スキャナにより、読み取られたカラー原画像の
Ｙ (イエロー) 、Ｍ (マゼンタ) 、Ｃ (シアン) 、Ｋ
(ブラック) の色別の画像データのうち、Ｋの画像デー
タを利用してマスクフィルムを作成する。

【０００４】ピールオフフィルムを、Ｙ，Ｍ，Ｃ，
Ｋの色分解版上に重ねて、専門の熟練者が切り抜きを所
望する画像の輪郭に沿ってカッターにより、マスクフィ
ルムを作成する。デジタル化されたデータを画像処理ワークステーシ
ョン上で、オペレーターがディスプレイに表示された画
像上をポイントデバイスでトレースする。

【０００５】しかしながら、かかる従来の技術において
は、次のような問題点を生じていた。の技術では、濃
度差だけで、画像全体から所望の切り抜き画像を抽出す
ることに無理があり、正確に抽出することができない。
の技術では、マスクフィルムの作成に時間が掛り、目
を凝らす作業となるため作業環境が悪い。また、熟練者
が不足しており、作業者間で仕上がりにムラがある。

【０００６】の技術では、人の判断で切り抜く点で
と同様であるため、同様の問題があり、自動化の要望が
ある。このように、切り抜き画像抽出の精度を上げるた
めには人手だけに頼ることも問題がある。そこで、かか
る切り抜き画像の自動化に関して、切り抜きたい画像の
輪郭付近を局部領域で指定し、濃度差、色差を利用して
局部領域内の特定画像と背景画像との境界を自動的に求
め、この境界に基づいて切り抜き画像の輪郭を決定する
装置が提案されている (特公昭６３−５７４５号公報参
照) 。

【０００７】

【発明が解決しようとする課題】しかしながら、上記の
ように濃度差や色差に基づいて切り抜き領域の輪郭を求
めるに当たって、切り抜きを行なわせる原画像の背景は
千差万別であり、原画像の背景領域が変化している場合
には、安定的に所望画像を精度良く切り抜くことは困難
であった。

【０００８】例えば、原画像の背景の濃度変化が大きい
場合には、局部領域を小さくとり背景の濃度変化の影響
を小さくしていた。しかし、この場合、輪郭に沿って局
部領域を移動させる頻度が増し、オペレータの負荷が増
した。また、原画像の背景の濃度変化が小さい場合に
は、局部領域を大きくとり、一度に長い輪郭線を抽出す
る構成になっているが、この場合においては、各画素の
濃度差演算の処理時間が増大する問題があった。

【０００９】さらに、濃度差、色差による特定画像と背
景領域の分類においては、特定画像と背景領域との間に
明るい輝度を持つエッジが存在する場合や画像の影など
がある場合には、うまく分類するのは困難であった。本
発明は、このような従来の問題点に鑑みなされたもの
で、大まかな判断・操作のみをオペレータに任せ、後は
自動的に切り抜き画像の輪郭を抽出し、精度よく安定的
な画像の自動切り抜き処理が行えるようにすることを目
的とする。

【００１０】

【課題を解決するための手段】このため、請求項１の係
る発明に係る画像切り抜き方法は、原画像を光電変換走
査して得られた画像を表示手段に表示させ、該表示され
た画像から特定画像を切り抜く画像切り抜き方法であっ
て、前記切り抜きを所望する特定画像の輪郭付近に輪郭
抽出を開始するための輪郭抽出開始点を設定し、前記輪
郭抽出開始点を中心とし、前記特定画像領域側と背景領
域側をまたがるように、第１サンプル領域を指定し、前
記表示された画像上に所定の第２サンプル領域を指定
し、前記第１サンプル領域と第２サンプル領域とを連続
した帯状の領域として同時に指定し、前記第２サンプル
領域内の画像の基準となる基準特徴量を設定し、前記第
１サンプル領域内の各画素の特徴量と前記基準特徴量と
の類似度を算出し、該類似度に基づいて各画素を相互に
特徴量が類似する同士の画素群からなる複数のクラスタ
に分類し、前記複数に分類されたクラスタを、前記特定
画像領域側と、特定画像外側の背景領域側とに分類し、
前記特定画像領域側と背景領域側との分類に基づいて、
前記輪郭抽出開始点近傍から前記帯状領域内において輪
郭を抽出することを特徴とする。

【００１１】かかる画像切り抜き方法の作用を説明す
る。第２サンプル領域を指定して、その基準となる特徴
量を設定した後、切り抜きを所望する特定画像の輪郭を
含んで指定した領域の各画素が、第２サンプル領域の基
準特徴量からの類似度に基づいて該類似度が高いクラス
タから類似度が低いクラスタまで複数のクラスタに分類
される。

【００１２】これら複数に分類されたクラスタは、相互
の類似度に基づいて特定画像側と背景領域側とに２分類
される。このようにして、特定画像の輪郭を含ませて指
定された領域の各画素が、特定画像側のクラスタと背景
領域側のクラスタとに分類され、これら両クラスタの境
界部分を特定画像切り抜き用の輪郭として抽出する。

【００１３】また、第１サンプル領域と第２サンプル領
域とを連続した帯状の領域として同時に指定する構成で
あるため、領域の指定を簡単に行えると同時に、例えば
特定画像の画素値に近い画素値を持つ影等が外側に存在
した場合、第２サンプル領域を前記影部分を含ませるよ
うに移動させて、該第２サンプル領域にて背景領域側の
初期クラスタを作成するようにすれば、影の部分は背景
領域側クラスタに属するように分類されて、正しく輪郭
の抽出を行うことができる。

【００１４】また、請求項２の発明に係る画像切り抜き
方法のように、前記サンプル領域を背景領域に含まれる
ように指定してもよく、このようにすれば、基準となる
特徴量は背景領域の特徴量となり、該特徴量に類似度の
高いクラスタを背景領域側、類似度が低いクラスタを特
定画像側として精度良く分類することができる。また、
請求項３の発明に係る画像切り抜き方法のように、前記
サンプル領域の基準となる特徴量を、各画素値を平均化
処理して得るようにしてもよく、特に、背景領域等のよ
うに分散度の小さい領域をサンプル領域として指定した
場合には、該領域の特徴がよく表れた基準特徴量を得る
ことができる。

【００１５】また、請求項４の発明に係る画像切り抜き
方法のように、前記複数のクラスタの特定画像領域側と
背景領域側との分類を、特定画像領域側である確度の高
いクラスタと背景領域側である確度が高いクラスタ以外
とに分類し、それ以外のクラスタが存在する場合は、各
クラスタの幾何学的配置に基づいて分類するようにして
もよい。

【００１６】例えば、切り抜き対象となる特定画像やそ
の背景画像が複雑であったり、特定画像の輪郭付近に影
やエッジ強調された領域が存在する場合には、特定画像
領域側と背景領域側とのいずれに属するかが明確でない
クラスタが存在する。そこで、該クラスタを特定画像領
域側と背景領域側とのいずれかに分類する必要がある
が、各クラスタの幾何学的配置によって前記不明確なク
ラスタを特定画像領域側と背景領域側とに分類すること
ができる。

【００１７】また、請求項５の発明に係る画像切り抜き
方法のように、前記切り抜きを所望する特定画像の輪郭
を含む領域の指定は、輪郭に沿って帯状の領域に指定
し、前記特定画像の輪郭の抽出は、前記帯状の指定領域
の一端部について複数のクラスタの分類及び特定領域側
と背景領域側との分類を行った後、輪郭近傍から抽出を
進行し、進行方向前方の画素と該画素に隣接する近傍の
画素について夫々前記特定領域側と背景領域側とに分類
し、該近傍の複数画素の分類のパターンにしたがって輪
郭の抽出を行うようにしてもよい。

【００１８】このようにすれば、前記帯状の指定領域の
一端部についてのみ各画素を複数のクラスタに分類し、
それ以外の領域では輪郭の抽出方向近傍の画素のみにつ
いて分類すればよいので、該抽出時間を短縮できる。ま
た、請求項６の発明に係る画像切り抜き装置は、図１に
示すように、原画像を光電変換走査して得られた画像を
表示手段に表示させ、該表示された画像から特定画像を
切り抜く画像切り抜き装置であって、特定画像の輪郭付
近に輪郭抽出を開始するための輪郭抽出開始点を指定す
る開始点指定手段と、該輪郭抽出開始点を中心とする前
記特定画像領域と背景領域とをまたがるように第１サン
プル領域を指定する第１サンプル領域指定手段と、前記
特定画像上に所定の第２サンプル領域を指定する第２サ
ンプル領域指定手段と、前記第１サンプル領域と第２サ
ンプル領域とを連続した帯状の領域として同時に指定す
る帯状領域指定手段と、前記第２サンプル領域内の画像
の基準となる特徴量を設定する基準特徴量設定手段と、
前記第１サンプル領域内の各画素の特徴量と前記基準特
徴量との類似度を算出し、該類似度に基づいて各画素を
相互に特徴量が類似する同士の画素群からなる複数のク
ラスタに分類するクラスタリング手段と、前記複数に分
類されたクラスタを、前記特定画像領域側と、特定画像
外側の背景領域とに分類する領域分類手段と、前記特定
画像領域側と背景領域画像側との分類に基づいて前記輪
郭抽出開始点近傍から前記帯状領域内において輪郭を抽
出する輪郭抽出手段と、を含んで構成したことを特徴と
する。

【００１９】かかる画像切り抜き装置の作用を説明す
る。第２サンプル領域指定手段により指定した第２サン
プル領域に対して基準特徴量抽出手段が、該第２サンプ
ル領域内画像の基準となる基準特徴量を算出する。第１
サンプル領域指定手段により切り抜きを所望する特定画
像の輪郭に沿って指定された第１サンプル領域の各画素
に対して、クラスタリング手段がサンプル領域の基準特
徴量からの類似度に基づいて複数のクラスタに分類す
る。

【００２０】これら複数に分類されたクラスタを、領域
分類手段がクラスタ相互の類似度に基づいて特定画像側
と背景領域側とに２分類する。このようにして、特定画
像の輪郭を含ませて指定された領域の各画素が、特定画
像側のクラスタと背景領域側のクラスタとに分類され、
輪郭抽出手段は、これら分類された両クラスタの境界部
分を特定画像の輪郭として抽出することができ、該輪郭
に沿って特定画像を切り抜くことができる。

【００２１】また、請求項７の発明に係る画像切り抜き
装置のように、前記帯状領域指定手段が、始点と終点と
の指定により所定形状の領域が前記始点から終点まで移
動したときに通過する領域の軌跡として帯状に指定する
ことが可能に構成してもよい。このようにすれば、特定
画像の輪郭に沿って帯状の領域を容易に指定することが
できる。

【００２２】

【発明の実施の形態】以下に本発明の実施の形態を図に
基づいて説明する。図２は、本発明に係る切り抜き画像
の輪郭抽出方法が実施される画像処理システムのハード
ウエアを示し、画像入力手段１，入力手段２，演算手段
３，画像表示メモリ４，表示手段５，内部記憶手段６，
外部記憶手段７及びマスク生成手段８を備えて構成され
ている。

【００２３】画像入力手段１は、原画像を走査して光電
変換し、Ｒ，Ｇ，ＢやＹ，Ｍ，Ｃ，Ｋその他Ｌａｂ，Ｘ
ＹＺ等の色座標系で色分解された画像データとして入力
する。なお、本実施例では、Ｒ，Ｇ，Ｂに色分解された
例で説明する。前記画像データは演算手段３により、演
算処理され１画像分の画像データが画像表示メモリ (フ
レームメモリ) ４に記憶され、該画像表示メモリ４から
の画像データを入力して表示手段 (ＣＲＴ) ５に画像が
表示される。

【００２４】入力手段２は、マウスやキーボード等で構
成され、前記演算手段３に演算に必要なデータを与えた
り、必要な指示を与えたりする。特に本実施例の場合、
マウス等の操作により表示された画像をみて切り抜きを
所望する画像の輪郭付近に輪郭抽出開始点や第１サンプ
ル領域を指定する。また、背景領域の第２サンプル領域
の指定、同時に帯状領域の指定、輪郭線の手動設定等に
も使用される。従って、請求項６の発明に係る領域指定
手段は、該入力手段２及び演算手段３により構成され
る。

【００２５】そして、前記指定された帯状領域内で後述
する複数のクラスタへの分類を行い、さらに該複数のク
ラスタを切り抜きを所望する特定画像側のクラスタと背
景領域側のクラスタに分類した後、該分類に基づいて前
記特定画像の輪郭を抽出して得られた切り抜き画像に対
する切り抜き処理データ (例えば切り抜き画像以外の部
分を塗り潰してマスク画像とする) が内部記憶手段 (Ｒ
ＡＭ) ６に記憶される。また、前記切り抜き処理データ
を外部記憶手段７に記憶して保存しておくこともでき
る。尚、前記複数のクラスタへの分類，特定画像側のク
ラスタと背景領域側のクラスタとの分類及び輪郭の抽出
は演算手段３が画像データを演算処理して行うので、請
求項６の発明に係るクラスタリング手段，領域分類手段
及び輪郭抽出手段も演算手段３により構成される。

【００２６】マスク作成手段は、前記切り抜き処理デー
タに従って、切り抜き画像部分以外の不要部分を塗り潰
したり、マスクデータを拡大・縮小演算し、集版演算に
使用するマスクデータを作成する (かかるマスクデータ
を用いてマスクフィルムを作成してもよい) 。次に、前
記システムを用いた、画像切り抜き処理の基本的な実施
例を図３に示したフローチャートに従い図４〜図６を参
照しつつ説明する。

【００２７】ステップ (図ではＳと記す。以下同様) １
では、図４に示すように、表示された画像に対して切り
抜きを所望する特定画像の輪郭を含む領域を指定する。
該領域の指定は、始点と終点とを指定することにより、
所定形状 (実施例では円形)の領域 (の中心) が前記始
点から終点まで移動したときに通過する領域の軌跡とし
て帯状の領域に指定することができる。

【００２８】そして、前記始点となる第１ポイントつま
り輪郭抽出開始点は、前記切り抜きを所望する特定画像
の領域内の背景領域との境界つまり輪郭付近に位置する
ように指定し、輪郭抽出開始点を中心とする第１サンプ
ル領域は、特定画像と背景領域とをつたがる位置に指定
する。一方終点となる第２ポイントは、背景領域内に含
まれるように指定し、後述する第２ポイントを中心とす
る所定形状の領域も背景領域内に含まれるようにする。

【００２９】次にステップ２では、前記第２ポイントを
中心とする所定形状の領域 (以下第２サンプル領域とい
う) つまり背景領域の基準となる特徴量を求める。具体
的には、前記第２サンプル領域内の全画素 (ｎ) の画素
値Ｐｋｉ (ｋ＝Ｒ，Ｇ，Ｂ、ｉ＝１〜ｎ) の平均値Ｐｋ
ｍを基準特徴量として次式のように算出する。尚、Ｒ，
Ｇ，Ｂの代わりに、Ｙ，Ｍ，Ｃ，Ｋその他Ｌａｂ，ＸＹ
Ｚ等の色座標系を用いる場合は、ｋ＝Ｙ，Ｍ，Ｃ，Ｋ、
ｋ＝Ｌ，ａ，ｂ、ｋ＝Ｘ，Ｙ，Ｚ等となる。

【００３０】

【数１】

【００３１】ステップ３では、前記第２サンプル領域内
の画素値の平均値Ｐｋｍと、第２サンプル領域内の各画
素の画素値Ｐｋｉとのユークリッド距離 (以下単に距離
という) を求め、それらの距離の中で最大の距離Ｔを次
式のようにして求め、該最大距離Ｔを後述するクラスタ
リング処理の初期閾値Ｔ₀とする。また、ここでクラス
タの重心に前記平均値Ｐｋｍを持ち、閾値Ｔの距離の大
きさを持つクラスタＣ _B0を作成し、該クラスタＣ_B0を背
景領域の初期クラスタとする。

【００３２】

【数２】

【００３３】ステップ４では、前記第１ポイントを中心
とする所定形状の領域 (以下第１サンプル領域という)
内で、前記クラスタＣ_B0に属する画素の存在を調べる。
具体的には、第１サンプル領域の各画素と、前記クラス
タＣ_B0の重心との距離を算出し、該距離が前記閾値Ｔ以
内であれば、該画素はクラスタＣ_B0に属し、距離が閾値
Ｔより大のときは該画素はクラスタＣ_B0に属していない
と判定する。

【００３４】そして、クラスタＣ_B0に属する画素が存在
した場合は、ステップ５において、該クラスタＣ_B0に属
する画素を重心とし、閾値を前記初期閾値Ｔ₀とするク
ラスタを第１サンプル領域内で背景領域に属するクラス
タＣ_B1 (請求項４に係る発明における背景領域に属する
確度の高いクラスタ) とし、第１サンプル領域内で該ク
ラスタＣ_B1に属する画素を抽出する。具体的には各画素
と前記クラスタＣ_B1の重心の画素との距離が閾値Ｔ₀以
内にある画素を抽出する。

【００３５】ステップ４で、前記クラスタＣ_B0に属する
画素が存在しなかった場合には、ステップ６へ進んで、
該クラスタＣ_B0の閾値Ｔを所定量ΔＴ増大した後、再度
ステップ４に戻って該閾値Ｔを増大されたクラスタＣ_B0
に対して、該クラスタＣ_B0に属する画素の存在を調べ
る。そして、クラスタＣ_B0に属する画素が抽出された時
点で、該画素を重心とし、閾値Ｔを前記初期閾値Ｔ₀と
するクラスタを第１サンプル領域内で背景領域に属する
(確度の高い) クラスタＣ_B1とし、該クラスタＣ_B1に属
する画素を抽出する。尚、閾値Ｔの一度の所定量ΔＴの
増大でクラスタＣ_B0に属する画素が抽出されない場合
は、クラスタＣ_B0に属する画素が抽出されるまで閾値Ｔ
の増大を繰り返す。

【００３６】また、ステップ４で最初にクラスタＣ_B0に
属する画素の存在を調べるときに、クラスタＣ_B0の重心
からの距離が最小となる画素を記憶しておき (前に調べ
た画素の距離と比較して小さい方の画素を記憶すればよ
い) 、クラスタＣ_B0に属する画素が存在しなかった場合
は、全ての画素の中で重心からの距離が最小となる画素
を重心として閾値Ｔを初期閾値Ｔ₀とするクラスタを第
１サンプル領域内で背景領域に属するクラスタＣ_B1とす
る。このようにすれば、最大でも第１サンプル領域内の
全画素につき１回クラスタＣ_B0に属するか否かを判定す
るだけで新規のクラスタＣ_B1を作成でき、かつ、最初の
調べでクラスタＣ_B0に属する画素が抽出されなかった場
合でも、背景領域の初期クラスタＣ_B0の重心と新規のク
ラスタＣ _B1の重心とが最も接近した、つまり背景領域に
属する確度がより高いクラスタＣ _B1を作成することがで
きる。これにより、後述する他のクラスタを背景領域側
と切り抜きを行う特定画像側とに分類するときの精度が
高められる。

【００３７】以上のようにして、第１サンプル領域内で
背景領域に属するクラスタＣ_B1に属する画素の抽出を行
った後ステップ７へ進み、今度は、第１サンプル領域内
で特定画像側に属する確度の高いクラスタＣ_P1を設定
し、該クラスタＣ_P1に属する画素を抽出する。具体的に
は、前記第１ポイントが特定画像側に含まれるように設
定しているので該第１ポイントを重心として、閾値Ｔを
前記初期閾値Ｔ₀とするクラスタを特定画像側に属する
確度の高いクラスタＣ_P1として設定し、第１サンプル領
域内で該クラスタＣ_P1に属する画素を抽出する。

【００３８】このようにして、第１サンプル領域内で背
景領域に属する確度の高い (クラスタＣ_B1に属する) 画
素の抽出と、特定画像に属する確度の高い (クラスタＣ
_P1に属する) 画素の抽出とを行った後、ステップ８へ進
んで第１サンプル領域内で残った画素つまりクラスタＣ
_B1とクラスタＣ_P1のいずれにも属しない画素が存在する
か否かを判定する。

【００３９】そして、クラスタＣ_B1とクラスタＣ_P1のい
ずれにも属しない画素が存在する場合には、ステップ９
へ進んで該画素の中の任意の画素 (最初に抽出された画
素でよい) を重心として前記初期閾値Ｔ₀とするクラス
タＣ_X1を設定し、第１サンプル領域で該クラスタＣ_X1に
属する画素を抽出する。次に、ステップ10へ進んで、新
たに第１サンプル領域内で残った画素が存在するか否か
を判定し、残っている場合にはステップ９へ進んで新た
に残存する画素の１つを重心として初期閾値Ｔ₀とする
クラスタＣ_X2を設定し、第１サンプル領域で該クラスタ
Ｃ_X2に属する画素を抽出する。

【００４０】このようにして第１サンプル領域内の全て
の画素がクラスタＣ_B1,Ｃ_P1,Ｃ_Xi(ｉ＝１_,２_,・・
・) のいずれかに属するまでクラスタを作成して分類
し、残存する画素が無くなったときに、ステップ11へ進
む。ステップ11では、背景領域側のクラスタＣ_B1と特定
画像側のクラスタＣ_P1以外のクラスタＣ_Xiを背景領域側
のクラスタＣ_Bi (ｉ＝２_,３_,・・・) と特定画像側の
クラスタＣ_Pi (ｉ＝２_,３_,・・・) とに分類する。

【００４１】前記クラスタＣ_Xiを背景領域側のクラスタ
Ｃ_Biと特定画像側のクラスタＣ_Piとに幾何学的配置に基
づいて分類する方法を図５を参照して説明する。図５
(Ａ) で背景領域側のクラスタＣ_B1と特定画像側のクラ
スタＣ_P1が図示のように存在する場合、同図 (Ｂ) に示
すように、特定画像側のクラスタＣ_P1の重心である第１
ポイントＰ１から背景領域側のクラスタＣ_B1に属する領
域に接する２本の接線Ｌ１_,Ｌ２を引く。

【００４２】同図 (Ｃ) に示すように、該２本の接線Ｌ
１_,Ｌ２と背景領域側のクラスタＣ _B1とで囲まれる領域
に存在する画素を含むクラスタＣ_Xiについては、該クラ
スタＣ_Xiは背景領域側のクラスタＣ_Biとして分類し、前
記領域に存在する画素を含まないクラスタＣ_Xiについて
は、該クラスタＣ_Xiは特定画像側のクラスタＣ_Piとして
分類する。

【００４３】例えば、図示のようにクラスタＣ_P1,Ｃ_B1
以外にクラスタＣ_X1〜Ｃ_X6が存在し、その中でクラスタ
Ｃ_X4，Ｃ_X5,Ｃ_X6が接線Ｌ１_,Ｌ２と背景領域側のクラ
スタＣ_B1とで囲まれる領域に存在する画素を含んでいる
場合、該クラスタＣ_X4，Ｃ_X5 _,Ｃ_X6は背景領域側のクラ
スタＣ_B2〜Ｃ_B4として分類し、他のクラスタＣ_X1〜Ｃ _X3
は特定領域側のクラスタＣ_P2〜Ｃ_P4として分類する。

【００４４】このようにして全てのクラスタを、背景領
域側クラスタＣ_Bと特定画像側クラスタＣ_Pとに分類し
た後、ステップ12へ進んで特定画像の輪郭つまり切り抜
き線の抽出を行う。尚、第１サンプル領域内の全ての画
素が、最初の背景領域側クラスタＣ_B1と特定画像側クラ
スタＣ_P1とのいずれかに含まれる場合は、ステップ９〜
ステップ11をジャンプしてステップ12へ進む。

【００４５】前記輪郭の抽出な具体的な方法を説明す
る。輪郭の抽出は、第１ポイントＰ１からスタートす
る。第１ポイントＰ１は特定画像領域内の輪郭近傍にあ
るので、輪郭に沿う方向に進行させる。そして、以下の
ルールに従って図６に示すように、輪郭を抽出する。進行方向の前方に隣接する画素Ｐａと、その左側の
画素Ｐｂが共に背景領域側のクラスタＣ_Bに属する場合
には、左折する。 (図６Ａ) 。

【００４６】画素Ｐａが背景領域側のクラスタＣ_B
に属し、画素Ｐｂが特定画像側のクラスタＣ_Pに属する
場合は、進行方向を変更せず、直進する (図６Ｂ) 。画素Ｐａ_,画素Ｐｂが共に特定画像側のクラスタＣ
_Pに属する場合には、右折する。このルールに従えば、
第１ポイントＰ１から背景領域側に出た後、左側に特定
画像の画素が隣接するように背景領域側の画素に沿って
進行するため、特定画像の最外側の画素に隣接する背景
領域の画素を特定画像の輪郭として抽出することにな
る。

【００４７】尚、第１サンプル領域内では、前記画素Ｐ
ａと画素Ｐｂとは先に背景領域側のクラスタＣ_Bと特定
画像側のクラスタＣ_Pとのいずれかに分類されているの
で、該分類に従えばよい。また、第１サンプル領域内側
から外側の帯状領域に出て輪郭を抽出するときには、前
記同様のルールに従い、前記２つの画素Ｐａと画素Ｐｂ
とについてのみ、背景領域側のクラスタＣ_Bと特定画像
側のクラスタＣ_Pとに分類しつつ、輪郭の抽出を行えば
よい。画素Ｐａと画素Ｐｂの分類は、各画素Ｐａ_,Ｐｂ
と第１サンプル領域で分類された複数のクラスタの重心
との距離を算出し、該距離が閾値Ｔ₀以内にある場合
に、画素Ｐａ，Ｐｂが当該クラスタに属すると分類する
ことができ、そのクラスタが前記背景領域側のクラスタ
Ｃ_Bと特定画像側のクラスタＣ_Pとのいずれであるかに
よって分類することができる。

【００４８】このようにすれば、第１サンプル領域内に
ついてのみ、該領域内の全ての画素を複数のクラスタに
分類し、第１サンプル領域外側の領域については、輪郭
の抽出と同時に２画素ずつ判定して分類するだけでよい
ため、輪郭に沿った帯状領域の全ての画素を分類する場
合に比較して、抽出時間を大幅に短縮できる。以上のよ
うにして、最初に指定した帯状領域内の輪郭の抽出を終
了した後は、ステップ13へ進んで前回の輪郭の抽出の最
終点を第１ポイントとし、画面上で第２ポイントを新た
に背景領域に指定し、抽出を行う。この操作を繰り返し
最後に最初の第１ポイントに連結するようにすれば、特
定画像の切り抜き線を得ることができる。なお、自動輪
郭抽出が困難な場合には手動の輪郭線設定に切り換え、
自動輪郭抽出が可能な場合には再度第１ポイントを指定
し、帯状領域を指定してもよい。

【００４９】また、本実施例の方法では、第２サンプル
領域から背景領域側クラスタＣ_B0に属する画素が第１サ
ンプル領域内で見つからない場合に、閾値Ｔを増大して
いって抽出する構成としたことにより、次のような場合
に有効である。例えば、第２サンプル領域から作成した
背景領域の (平均的な) 画素値から第１サンプル領域内
における背景領域の画素値に徐々に変化するような場合
(グラデーション) 、閾値Ｔを増大しなければ、第１サ
ンプル領域内で背景領域側クラスタＣ_B0に属する画素が
第１サンプル領域内で見つからないので、クラスタＣ_B1
を作成することもできないが、閾値を増大することによ
り第１サンプル領域内に背景領域側のクラスタＣ_B1を作
成することができると同時に、第１サンプル領域と第２
サンプル領域とを結ぶ帯状領域内の背景領域部分を背景
領域側のクラスタＣ_B1に含ませることができ、それによ
って輪郭の抽出が可能となる。

【００５０】また、背景領域側のクラスタＣ_B1及び特定
画像側のクラスタＣ_P1のいずれにも属さないクラスタＣ
_Xiが存在する場合に、前記の幾何学的配置に基づいて前
記クラスタＣ_Xiを背景領域側のクラスタＣ_Bと特定画像
側のクラスタＣ_Pとのいずれかに分類する方法は、特に
次のような場合に有効である。即ち、特定画像 (絵柄)
と背景領域との間にはエッジ強調による白いエッジが存
在したり、影が存在する場合がある。

【００５１】そのような白いエッジや影の領域は、通常
背景領域側クラスタＣ_B1及び特定画像側クラスタＣ_P1の
いずれにも属さず、新たなクラスタＣ_Xiに属することと
なるが、白いエッジや影の領域は、特定画像の輪郭外側
に隣接する、つまり特定画像と背景領域との間に存在す
るため、第１ポイントＰ１と背景領域側クラスタＣ_B1と
で囲まれる領域内に少なくとも一部が存在する可能性が
高く、それによって背景領域側のクラスタＣ_Bに分類す
ることができ、該白いエッジや影に影響されることな
く、正しい輪郭の抽出を行うことができる。

【００５２】以上示した本発明に係る画像切り抜き方法
(装置) を用いれば、切り抜きを所望する特定画像の輪
郭近傍の画素を、複数のクラスタに分類し、かつ、該ク
ラスタを背景領域側と特定画像側とに分類することによ
り、精度よく輪郭を抽出することができる。また、クラ
スタへの分類において、閾値の設定回数が少ないため分
類に要する時間を短縮できる。

【００５３】尚、特定画像の画素値に近い画素値を持つ
影等が外側に存在した場合、上記のような幾何学的方法
を用いない場合、前記影の部分を特定画像側に分類して
輪郭が誤判断されるようなことがあるが、その場合に
は、第２サンプル領域を前記影部分を含ませるように移
動して、該第２サンプル領域にて背景領域側の初期クラ
スタＣ_B0を作成し、該クラスタＣ_B0から第１サンプル領
域内の背景領域側クラスタＣ_B1を作成すれば、影の部分
は該背景領域側クラスタＣ_B1に属するように分類され
て、正しく輪郭の抽出を行うことができる。このよう
に、マンマシンの工夫でも影等の影響を回避することが
できる。

【００５４】その他、画像の形態等によって部分的に本
発明に係る方法では輪郭の抽出を正しく行えないような
ところは、マンマシンで抽出すればよい。

【００５５】

【発明の効果】以上説明してきたように請求項１の発明
に係る画像切り抜き方法によれば、切り抜きを所望する
特定画像の輪郭近傍の画素を、複数のクラスタに分類
し、かつ、該クラスタを背景領域側と特定画像側とに分
類することにより、精度よく輪郭を抽出することがで
き、クラスタの閾値の設定回数も少なくて済むため短時
間で輪郭の抽出を行うことができる。

【００５６】また、請求項２の発明に係る画像切り抜き
方法によれば、前記第２サンプル領域を背景領域に含ま
れるように指定することにより、基準となる特徴量は背
景領域の特徴量となり、該特徴量に類似度の高いクラス
タを背景領域側、類似度が低いクラスタを特定画像側と
して精度良く分類することができる。

【００５７】また、請求項３の発明に係る画像切り抜き
方法によれば、前記第２サンプル領域の基準となる特徴
量を、各画素値を平均化処理して得ることにより、特
に、背景領域等のように分散度の小さい領域を第２サン
プル領域として指定した場合には、該領域の特徴がよく
表れた基準特徴量を得ることができる。

【００５８】また、請求項４の発明に係る画像切り抜き
方法によれば、背景領域側クラスタと特定画像側クラス
タのいずれに属するのかが不明確なクラスタを、各クラ
スタの幾何学的配置に基づいて特定画像領域側と背景領
域側とに分類することができる。また、請求項５の発明
に係る画像切り抜き方法によれば、前記帯状の指定領域
の一端部についてのみ各画素を複数のクラスタに分類
し、それ以外の領域では輪郭の抽出方向近傍の画素のみ
について分類すればよいので、該抽出時間を短縮でき
る。

【００５９】また、請求項６の発明に係る画像切り抜き
装置によれば、特定画像の輪郭を含ませて指定された領
域の各画素が、特定画像側のクラスタと背景領域側のク
ラスタとに精度良く分類され、該分類に基づいて特定画
像の輪郭を精度よく、かつ、短時間で抽出することがで
き、以て該輪郭に沿って特定画像を切り抜くことができ
る。

【００６０】また、請求項７の発明に係る画像切り抜き
装置によれば、特定画像の輪郭に沿って帯状の領域を容
易に指定することができる。

【図面の簡単な説明】

【図１】本発明の構成・機能を示すブロック図。

【図２】本発明の一実施形態のシステム構成を示す図。

【図３】同上実施形態における特定画像の輪郭抽出ルー
チンを示すフローチャート。

【図４】同じく帯状領域を指定した状態を示す図。

【図５】同じく第１サンプル領域内のクラスタリングの
様子を示す図。

【図６】同じく輪郭の抽出のルールを示す図。

【符号の説明】

１画像入力手段２入力手段３演算手段４画像表示メモリ５表示手段６内部記憶手段７外部記憶手段８マスク作成手段

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) H04N 1/38 - 1/393 G06T 1/00

Claims

(57)【特許請求の範囲】

【請求項１】原画像を光電変換走査して得られた画像を
表示手段に表示させ、該表示された画像から特定画像を
切り抜く画像切り抜き方法であって、前記切り抜きを所望する特定画像の輪郭付近に輪郭抽出
を開始するための輪郭抽出開始点を設定し、前記輪郭抽出開始点を中心とし、前記特定画像領域側と
背景領域側をまたがるように、第１サンプル領域を指定
し、前記表示された画像上に所定の第２サンプル領域を指定
し、前記第１サンプル領域と第２サンプル領域とを連続した
帯状の領域として同時に指定し、前記第２サンプル領域内の画像の基準となる基準特徴量
を設定し、前記第１サンプル領域内の各画素の特徴量と前記基準特
徴量との類似度を算出し、該類似度に基づいて各画素を
相互に特徴量が類似する同士の画素群からなる複数のク
ラスタに分類し、前記複数に分類されたクラスタを、前記特定画像領域側
と、特定画像外側の背景領域側とに分類し、前記特定画像領域側と背景領域側との分類に基づいて、
前記輪郭抽出開始点近傍から前記帯状領域内において輪
郭を抽出することを特徴とする画像切り抜き方法。
【請求項２】前記第２サンプル領域は、背景領域に含ま
れるように指定することを特徴とする請求項１に記載の
画像切り抜き方法。
【請求項３】前記第２サンプル領域の基準となる特徴量
は、各画素値を平均化処理して得ることを特徴とする請
求項１又は請求項２に記載の画像切り抜き方法。
【請求項４】前記複数のクラスタの特定画像領域側と背
景領域側との分類は、特定画像領域側である確度の高い
クラスタと背景領域側である確度の高いクラスタ以外と
に分類し、それ以外のクラスタが存在する場合は、各ク
ラスタの幾何学的配置に基づいて分類することを特徴と
する請求項１〜請求項３のいずれか１つに記載の画像の
切り抜き方法。
【請求項５】前記切り抜きを所望する特定画像の輪郭を
含む領域の指定は、輪郭に沿って帯状の領域に指定し、前記特定画像の輪郭の抽出は、前記帯状の指定領域の一
端部について複数のクラスタの分類及び特定領域側と背
景領域側との分類を行った後、輪郭近傍から抽出を進行
し、進行方向前方の画素と該画素に隣接する近傍の画素
について夫々前記特定領域側と背景領域側とに分類し、
該近傍の複数画素の分類のパターンにしたがって輪郭の
抽出を行うことを特徴とする請求項１〜請求項４のいず
れか１つに記載の画像の切り抜き方法。
【請求項６】原画像を光電変換走査して得られた画像を
表示手段に表示させ、該表示された画像から特定画像を
切り抜く画像切り抜き装置であって、特定画像の輪郭付近に輪郭抽出を開始するための輪郭抽
出開始点を指定する開始点指定手段と、該輪郭抽出開始点を中心とする前記特定画像領域と背景
領域とをまたがるように第１サンプル領域を指定する第
１サンプル領域指定手段と、前記特定画像上に所定の第２サンプル領域を指定する第
２サンプル領域指定手段と、前記第１サンプル領域と第２サンプル領域とを連続した
帯状の領域として同時に指定する帯状領域指定手段と、前記第２サンプル領域内の画像の基準となる特徴量を設
定する基準特徴量設定手段と、前記第１サンプル領域内の各画素の特徴量と前記基準特
徴量との類似度を算出し、該類似度に基づいて各画素を
相互に特徴量が類似する同士の画素群からなる複数のク
ラスタに分類するクラスタリング手段と、前記複数に分類されたクラスタを、前記特定画像領域側
と、特定画像外側の背景領域とに分類する領域分類手段
と、前記特定画像領域側と背景領域画像側との分類に基づい
て前記輪郭抽出開始点近傍から前記帯状領域内において
輪郭を抽出する輪郭抽出手段と、を含んで構成したことを特徴とする画像切り抜き装置。
【請求項７】前記帯状領域指定手段は、始点と終点との
指定により所定形状の領域が前記始点から終点まで移動
したときに通過する領域の軌跡として帯状に指定するこ
とが可能である請求項６に記載の画像切り抜き装置。