JP3558073B2 - 画像処理装置、画像処理方法、画像処理制御プログラムを記録した媒体 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、デジタル写真画像のような実写画像データに対して最適な画像処理を自動的に実行する画像処理装置、画像処理方法、画像処理制御プログラムを記録した媒体に関する。
【０００２】
【従来の技術】
ディジタル画像データに対して各種の画像処理が行われている。例えば、コントラストを拡大するものであるとか、色調を補正するものであるとか、明るさを補正するといった画像処理である。これらの画像処理は、通常、マイクロコンピュータで実行可能となっており、操作者がモニタ上で画像を確認して必要な画像処理を選択したり、画像処理のパラメータなどを決定している。
【０００３】
【発明が解決しようとする課題】
近年、画像処理の技法については各種のものが提案され、実際に効果を発揮している。しかしながら、どの程度の処理を行うかとなると、依然、人間が関与しなければならない。これは、画像処理の対象となるディジタル画像データにおいて、どこが重要であるのかを判断することができなかったためである。
【０００４】
例えば、明るさを補正する画像処理を考えた場合、画面全体の平均が暗ければ明るく補正し、逆に平均が明るければ暗く補正するという自動処理を考えたとする。ここで、夜間撮影した人物像の実写画像データがあるとする。背景は殆ど真っ暗に近いものの、人物自体は良好に撮影できていたとする。この実写画像データを自動補正すると、背景が真っ暗であるがために画像全体の平均は暗くなり、明るく補正してしまうので昼間の画像のようになってしまう。
【０００５】
この場合、人間が関与していれば背景が暗いことについては余り重きを置かずに考慮し、人物像の部分だけに注目する。そして、人物像が暗ければ明るく補正するし、逆に、フラッシュなどの効果で明る過ぎれば暗くする補正を選択する。
【０００６】
このように、従来の画像処理では実写画像データの中の部分ごとに応じた重要度を判断することができないため、人間が関与しなければならないという課題があった。
【０００７】
一方、何らかの手法で画像の重要度を判断できるとしても、画素単位で判定していく作業であるから、リアルタイムに重要度を変えて作業を進めていくのは演算量の増大を招いてしまう。
【０００８】
本発明は、上記課題にかんがみてなされたもので、デジタル写真画像のような実写画像データにおいて比較的簡易に重要度を考慮し、自動的に最適な画像処理を実行することが可能な画像処理装置、画像処理方法、画像処理制御プログラムを記録した媒体の提供を目的とする。
【０００９】
【課題を解決するための手段およびその作用・効果】
上記目的を達成するため、本発明の画像処理装置は、
複数の画素からなる実写画像に対して所定の画像処理を行なう画像処理装置であって、
上記画像処理の対象となる画像を所定の基準で分割する複数の領域毎に、画像における該領域の位置に応じて設定された重み付けを予め記憶する重み付け記憶手段と、
上記実写画像が与えられたとき、上記複数の領域の各々から、上記実写画像を構成する画素の一部についての画像データを入力し、該画像データに基づいて、当該画素の特徴量を抽出する特徴量抽出手段と、
上記実写画像における画像の変化度合いの大きい部分に属する画素の数を求める画素数演算手段と、
上記抽出された特徴量を、上記画素数演算手段により求められた画素数を考慮しつつ、上記領域毎に記憶された重み付けを用いて再評価する特徴量再評価手段と、
該再評価された特徴量に基づいて画像処理の内容を決定する処理内容決定手段と、
該決定された内容での画像処理を、上記実写画像の画像データ全体に対して実施する処理手段と
を備えたことを要旨としている。
【００１０】
上記の発明では、画像を所定の基準で分割する領域単位で、該領域の位置に応じて設定された重み付けを前提としており、特徴量抽出手段はこのような領域単位で特徴量の抽出を行なうし、特徴量再評価手段は同領域毎に記憶されている重み付けを用いて各領域ごとの特徴量を再評価する。このような領域の分割は、常に一定であっても良いし、画像毎に変化させても良い。この場合、画像の内容に応じて分割方法を変えるようにしても良い。このように、特徴量再評価手段は、抽出された特徴量を所定の重み付けを用いて再評価するが、上記発明のように、適当なひとまとまりごとに重み付けを行っても良いし、抽出される特徴量が画素単位であるのに対応して画素単位の重み付けを行っても良い。
【００１１】
また、上記の発明では、実写画像における画像の変化度合いの大きい部分に属する画素の数を求める画素数演算手段を備え、この画素数演算手段により求められた画素数を考慮して、上記特徴量再評価手段が特徴量の再評価を行なう。具体的には、画像の変化度合いを求めるとともに、画像の変化度合いが大きい部分で上記重み付けを重くする構成を考えることができる。
【００１２】
上記の構成においては、特徴量再評価手段が再評価を行う前に画像の変化度合いが求められる。画像の変化度合いは画像のシャープさともいえ、ピントがあっている画像ほど輪郭部分がはっきりしているので変化度合いは大きい。逆にピントが合っていないと画像の輪郭部分では徐々に画像が変化することになり、変化度合いは小さくなる。写真などであればピントが合っている部分が本来的な被写体であってピントがあっていない部分は背景などと同等と考えられる。このため、画像の変化度合いが大きな所は本来的な被写体と考えられ、特徴量再評価手段はこのような画像の変化度合いの大きい部分で重み付けを重くして評価することにより、多くの特徴量を抽出したのと同等の結果を得る。
【００１３】
なお、上記の発明については種々の態様を考えることができる。例えば、ドットマトリクス状の画素から構成された実写画像に対して、画像処理強度等の画像処理の内容を判定するにあたって必要な各画素の特徴量を全画面にわたって均等に抽出する特徴量均等抽出手段を設け、該特徴量均等抽出手段により抽出された特徴量を上記特徴量再評価手段が所定の重み付けによって再評価し、このような再評価によって得られた特徴量に基づいて、上記処理内容決定手段が画像処理の強度等の画像処理の内容を決定し、上記処理手段が画像処理することとしても差し支えない。
【００１４】
すなわち、抽出段階では全画面にわたって均等に行ない、抽出後に所定の重み付けを行なうので、結果として得られる特徴量は画像全体にわたって均等に得られたものとは異なるものとなる。
【００１５】
なお、画素の特徴量の抽出は、全画面の全画素について抽出するものであってもよいし、また、全画素ではなくても均等に抽出すればよい。後者の一例として、上記特徴量抽出手段が、上記実写画像を構成する全画素に対して所定の基準で均等に間引きして選択した画素の画像データを入力することにより、上記複数の領域の各々から上記実写画像を構成する画素の一部についての画像データを入力する手段を備える構成を考えることができる。
【００１６】
上記の構成においては、全画素に対して所定の基準で均等に間引きすることにより、処理される画素数が減り、この減った画素に対して上記特徴量を抽出する。
【００１７】
この場合、均等な間引きには、一定周期で間引いて選択するものも含まれるし、ランダムに選択して間引きするものも含まれる。
【００１８】
なお、重み付けの手法は各種のものを採用可能であり、単なる均等なサンプリングにとどまらないような再評価が行われるものであればよい。
【００１９】
その一例として、上記重み付け記憶手段を、画像に対する各画素の位置に応じて設定された重み付けを、上記複数の領域毎に予め記憶する手段としてもよい。具体的には、画像に対する各画素の位置によって定まる対応関係で上記重み付けを変化させる構成を考えることができる。
【００２０】
写真の構図を考えた場合、人物像は中央に位置させることが多い。従って、画像全体から特徴量を均等に抽出した後、中央部分の特徴量の重みを重くして重み付けすると、結果的に人物像の画素から抽出された特徴量は大きく評価される。
【００２１】
上記の構成においては、例えば画像の中央部分の重み付けを重くするとともに、周囲の重み付けを軽くするように決めておいた場合、特徴量再評価手段は、画像に対する各画素の位置を判断し、この位置によって変化する重み付けを利用して再評価する。
【００２４】
また、さらなる他の一例として、実写画像における各画素のうち、所定の色の範囲に入る画素数を求める演算手段を備え、この演算手段により求められた画素数が多い部分について、特徴量再評価手段が、重み付けを重くして再評価することとしてもよい。具体的には、各画素の色度を求めるとともに、同色度が特徴量を抽出しようとするターゲットの色度の範囲に入る画素数を求め、この画素数が多い部分で上記重み付けを重くする構成を考えることができる。
【００２５】
画像処理では特定の色によって物体を特定できることがある。例えば、人物であれば肌色の部分を探すことによってターゲットと判断して差し支えない。なお、通常の色画像データには明るさの要素も含まれているので肌色を特定することが難しい場合もある。これに対し、上記の構成では、各画素の色度（色の刺激値の絶対的な割合を表しており、明るさには左右されないもの）が求められる。従って、肌色の取りうる色度の範囲に入っていれば人物像の画素と判断できる。むろん、肌色以外にも、木々の緑色の取りうる範囲であるとか青空の青色が取りうる範囲といったものでも同様のことが言える。
【００２６】
このような背景のもとで、特徴量再評価手段は、各画素について求めた色度が所定の色の範囲に入る場合に画素数をカウントし、この画素数が多い部分はターゲットであると判断して重み付けを重くし、ターゲットから多くの特徴量を抽出したのと同様の結果を得る。
【００２７】
以上のような重み付けの手法は必ずしも択一的なものではないが、重複適用する場合の好適な一例として、上記重み付け記憶手段が、複数の要素に関して、それぞれの重み付け係数を予め設定する手段と、上記複数の要素についてのそれぞれの重み付け係数を、重要度に応じた重み付けで加算して最終的な重み付け係数を設定して記憶する手段とを備えるものとし、この最終的な重み付け係数を用いて、特徴量再評価手段が特徴量の再評価を行なうこととしてもよい。具体的には、複数の要素に基づいて個別に仮の重み付け係数を求めるとともに、さらに、これらを重要度に応じた重み付けで加算して最終的な重み付け係数として適用する構成を考えることができる。
【００２８】
上記の構成においては、複数の要素に基づいて個別に仮の重み付け係数が求められる。そして、さらに、これらを重要度に応じた重み付けで加算し、最終的な重み付け係数として抽出した特徴量を再評価する。従って、一つの重み付け手法によって評価された段階では大きな重み付けを与えられたとしても、その重み付け手法の重要度が低ければ結果としては大きな重み付けは与えられないということもある。また、重み付け手法毎に大きな差のあるものに対して全般的に平均以上に重み付けを評価されたものが最終的な重み付けも多いといったようなことが起こる。
【００２９】
上記のような、画像の中での位置に応じた重み付けに基づいて特徴量を再評価する手法は、必ずしも実体のある装置に限られる必要もなく、その一例として、本発明の画像処理方法は、複数の画素からなる実写画像に対して所定の画像処理を行なう方法であって、
上記画像処理の対象となる画像を所定の基準で分割する複数の領域毎に、画像における該領域の位置に応じて設定された重み付けを予め記憶し、
上記実写画像が与えられたとき、上記複数の領域の各々から、上記実写画像を構成する画素の一部についての画像データを入力し、該画像データに基づいて、当該画素の特徴量を抽出し、
上記実写画像における画像の変化度合いの大きい部分に属する画素の数を求め、
該抽出された特徴量を、上記求められた画素数を考慮しつつ、上記領域毎に記憶された重み付けを用いて再評価し、
該再評価された特徴量に基づいて画像処理の内容を決定すると共に、該決定された内容での画像処理を、上記実写画像の画像データ全体に対して実施すること
を要旨としている。
【００３０】
すなわち、必ずしも実体のある装置に限らず、その方法としても有効であることに相違はない。
【００３１】
ところで、上述したように重み付けで特徴量を再評価して画像処理する画像処理装置は単独で存在する場合もあるし、ある機器に組み込まれた状態で利用されることもあるなど、発明の思想としては各種の態様を含むものである。また、ハードウェアで実現されたり、ソフトウェアで実現されるなど、適宜、変更可能である。
【００３２】
発明の思想の具現化例として画像処理装置を制御するソフトウェアとなる場合には、かかるソフトウェアを記録した記録媒体上においても当然に存在し、利用されるといわざるをえない。
【００３３】
その一例として、本発明の記録媒体は、複数の画素からなる実写画像に対して行なわれる所定の画像処理に対応したプログラムをコンピュータにより読み取り可能に記録した記録媒体であって、
上記実写画像が与えられたとき、上記画像処理の対象となる画像を所定の基準で分割する複数の領域の各々から、上記実写画像を構成する画素の一部についての画像データを入力し、該画像データに基づいて、当該画素の特徴量を抽出する機能と、
上記実写画像における画像の変化度合いの大きい部分に属する画素の数を求める機能と、
該抽出された特徴量を、上記求められた画素数を考慮しつつ、上記複数の領域毎に、画像における該領域の位置に応じて設定された重み付けのデータを用いて再評価する機能と、
該再評価された特徴量に基づいて画像処理の内容を決定する機能と、
該決定された内容での画像処理を、上記実写画像の画像データ全体に対して実施する機能と
をコンピュータにより実現するプログラムを記録したこと
を要旨としている。
【００３４】
むろん、その記録媒体は、磁気記録媒体であってもよいし光磁気記録媒体であってもよいし、今後開発されるいかなる記録媒体においても全く同様に考えることができる。また、一次複製品、二次複製品などの複製段階については全く問う余地無く同等である。その他、供給方法として通信回線を利用して行う場合でも本発明が利用されていることには変わりないし、半導体チップに書き込まれたようなものであっても同様である。
【００３５】
さらに、一部がソフトウェアであって、一部がハードウェアで実現されている場合においても発明の思想において全く異なるものはなく、一部を記録媒体上に記憶しておいて必要に応じて適宜読み込まれるような形態のものとしてあってもよい。
【００３６】
以上説明したように、本発明の画像処理装置は、領域毎に重み付けを変化させるので、画像処理の際の演算が比較的容易となる。
【００３７】
また、実写画像を構成する画素を間引きして画像データを入力する構成とすれば、画像処理の際の処理量を減らすことができる。
【００３８】
さらに、重み付けを画素の位置によって決める構成を採れば、画像処理の際の演算が比較的容易となる。
【００３９】
また、画素の特徴量の抽出を全画面にわたって均等に行ない、抽出後に所定の重み付けを行なう構成とすれば、演算処理量を多くせず、かつ、単に均等に抽出してしまった場合のような的外れな評価を行うことが無くなり、自動的に最適な評価で画像処理を行なうことが可能となる。
【００４０】
さらに、画像の変化度合いの大きい部分に属する画素の数を考慮して特徴量の再評価を行なう構成とすれば、個々の画像によって異なるターゲットを正確に判別して特徴量を得ることができる。例えば、再評価において用いられる重み付けを画像のシャープさによって変える構成としてもよい。
【００４１】
さらに、所定の色の範囲に入る画素数が多い部分について、重み付けを重くして再評価する構成とすれば、色によって特定の対象を選別できるので、個々の画像によって異なるターゲットを正確に判別して特徴量を得ることができる。
【００４２】
さらに、特徴量の再評価の際に、複数の要素についてのそれぞれの重み付け係数を、重要度に応じた重み付けで加算することによって設定された最終的な重み付け係数を用いる構成とすれば、複数の重み付け手法を適宜組み合わせてより好適な特徴量の評価を行うことができる。
【００４３】
さらに、本発明の画像処理方法によれば、画像処理の際の演算量が少ない画像処理方法を提供でき、本発明の記録媒体によれば、同様の効果を得られる画像処理制御プログラムを記録した媒体を提供できる。
【００４４】
【発明の実施の形態】
以下、図面にもとづいて本発明の実施形態を説明する。
【００４５】
図１は、本発明の一実施形態にかかる画像処理装置を適用した画像処理システムをブロック図により示しており、図２は具体的ハードウェア構成例を概略ブロック図により示している。
【００４６】
図１において、画像入力装置１０は写真などをドットマトリクス状の画素として表した実写画像データを画像処理装置２０へ出力し、同画像処理装置２０は所定の処理を経て画像処理の強調程度を決定してから画像処理を実行する。同画像処理装置２０は画像処理した画像データを画像出力装置３０へ出力し、画像出力装置３０は画像処理された画像をドットマトリクス状の画素で出力する。ここにおいて、画像処理装置２０が出力する画像データは、画像処理の対象となる画像を所定の基準で分割することによって形成された複数の領域の各々から画像データを入力し、該画像データに基づいて画素の特徴量を抽出した後、抽出された特徴量を複数の領域毎に記憶された所定の重み付けで再評価し、再評価された特徴量に応じて決定された強調程度で画像処理されたものである。従って、画像処理装置２０は、画像における複数の領域毎に所定の重み付けを予め記憶する重み付け記憶手段と、画像における複数の領域の各々から画素の特徴量を抽出する特徴量抽出手段と、抽出された特徴量を所定の重み付けで再評価する特徴量再評価手段と、再評価された特徴量に基づいて強調程度等の画像処理の内容を決定する処理内容決定手段と、該決定された内容での画像処理を画像データ全体に対して実施する処理手段とを備えている。
【００４７】
画像入力装置１０の具体例は図２におけるスキャナ１１やデジタルスチルカメラ１２あるいはビデオカメラ１４などが該当し、画像処理装置２０の具体例はコンピュータ２１とハードディスク２２とキーボード２３とＣＤ−ＲＯＭドライブ２４とフレキシブルディスクドライブ２５とモデム２６などからなるコンピュータシステムが該当し、画像出力装置３０の具体例はプリンタ３１やディスプレイ３２等が該当する。本実施形態の場合、画像処理としてオブジェクトを見つけて適切な画像処理を行なうものであるため、画像データとしては写真などの実写データが好適である。なお、モデム２６については公衆通信回線に接続され、外部のネットワークに同公衆通信回線を介して接続し、ソフトウェアやデータをダウンロードして導入可能となっている。
【００４８】
本実施形態においては、画像入力装置１０としてのスキャナ１１やデジタルスチルカメラ１２が画像データとしてＲＧＢ（緑、青、赤）の階調データを出力するとともに、画像出力装置３０としてのプリンタ３１は階調データとしてＣＭＹ（シアン、マゼンダ、イエロー）あるいはこれに黒を加えたＣＭＹＫの二値データを入力として必要とするし、ディスプレイ３２はＲＧＢの階調データを入力として必要とする。一方、コンピュータ２１内ではオペレーティングシステム２１ａが稼働しており、プリンタ３１やディスプレイ３２に対応したプリンタドライバ２１ｂやディスプレイドライバ２１ｃが組み込まれている。また、画像処理アプリケーション２１ｄはオペレーティングシステム２１ａにて処理の実行を制御され、必要に応じてプリンタドライバ２１ｂやディスプレイドライバ２１ｃと連携して所定の画像処理を実行する。従って、画像処理装置２０としてのこのコンピュータ２１の具体的役割は、ＲＧＢの階調データを入力して最適な画像処理を施したＲＧＢの階調データを作成し、ディスプレイドライバ２１ｃを介してディスプレイ３２に表示させるとともに、プリンタドライバ２１ｂを介してＣＭＹ（あるいはＣＭＹＫ）の二値データに変換してプリンタ３１に印刷させることになる。
【００４９】
このように、本実施形態においては、画像の入出力装置の間にコンピュータシステムを組み込んで画像処理を行うようにしているが、必ずしもかかるコンピュータシステムを必要とするわけではなく、画像データに対して各種の画像処理を行うシステムであればよい。例えば、図３に示すようにデジタルスチルカメラ１２ａ内にオブジェクトを判断して画像処理する画像処理装置を組み込み、変換した画像データを用いてディスプレイ３２ａに表示させたりプリンタ３１ａに印字させるようなシステムであっても良い。また、図４に示すように、コンピュータシステムを介することなく画像データを入力して印刷するプリンタ３１ｂにおいては、スキャナ１１ｂやデジタルスチルカメラ１２ｂあるいはモデム２６ｂ等を介して入力される画像データから自動的にオブジェクトを判断して画像処理するように構成することも可能である。
【００５０】
上述したオブジェクトの判断とそれに伴う画像処理は、具体的には上記コンピュータ２１内にて図５などに示すフローチャートに対応した画像処理プログラムで行っている。同図に示すフローチャートにおいては、画像のコントラストを調整する画像処理を行うものであり、ステップＳ１１０にて画像全体から均等に画素を間引きしながら特徴量である輝度を抽出した後、ステップＳ１２０にて所定の重み付けを行って同特徴量を再評価し、ステップＳ１３０〜Ｓ１６０にて輝度を調整する画像処理を行っている。
【００５１】
ステップＳ１１０は図６に示すように縦横方向のドットマトリクス状の画像データを対象として各画素の輝度を求めてヒストグラムを生成していく。この場合、全画素について行えば正確ともいえるが、後述するように集計結果は重み付けをして再評価されるため、必ずしも正確である必要はない。従って、ある誤差の範囲内となる程度に輝度を抽出する画素を間引き、処理量を低減して高速化することが可能である。統計的誤差によれば、サンプル数Ｎに対する誤差は概ね１／（Ｎ＊＊（１／２））と表せる。ただし、＊＊は累乗を表している。従って、１％程度の誤差で処理を行うためにはＮ＝１００００となる。
【００５２】
ここにおいて、図６に示すビットマップ画面は（ｗｉｄｔｈ）×（ｈｅｉｇｈｔ）の画素数となり、サンプリング周期ｒａｔｉｏは、
ｒａｔｉｏ＝ｍｉｎ（ｗｉｄｔｈ，ｈｅｉｇｈｔ）／Ａ＋１…（１）
とする。ここにおいて、ｍｉｎ（ｗｉｄｔｈ，ｈｅｉｇｈｔ）はｗｉｄｔｈとｈｅｉｇｈｔのいずれか小さい方であり、Ａは定数とする。また、ここでいうサンプリング周期ｒａｔｉｏは何画素ごとにサンプリングするかを表しており、図７の○印の画素はサンプリング周期ｒａｔｉｏ＝２の場合を示している。すなわち、縦方向及び横方向に二画素ごとに一画素のサンプリングであり、一画素おきにサンプリングしている。Ａ＝２００としたときの１ライン中のサンプリング画素数は図８に示すようになる。
【００５３】
同図から明らかなように、サンプリングしないことになるサンプリング周期ｒａｔｉｏ＝１の場合を除いて、２００画素以上の幅があるときには最低でもサンプル数は１００画素以上となることが分かる。従って、縦方向と横方向について２００画素以上の場合には（１００画素）×（１００画素）＝（１００００画素）が確保され、誤差を１％以下にできる。
【００５４】
ここにおいてｍｉｎ（ｗｉｄｔｈ，ｈｅｉｇｈｔ）を基準としているのは次のような理由による。例えば、図９（ａ）に示すビットマップ画像のように、ｗｉｄｔｈ＞＞ｈｅｉｇｈｔであるとすると、長い方のｗｉｄｔｈでサンプリング周期ｒａｔｉｏを決めてしまった場合には、同図（ｂ）に示すように、縦方向には上端と下端の２ラインしか画素を抽出されないといったことが起こりかねない。しかしながら、ｍｉｎ（ｗｉｄｔｈ，ｈｅｉｇｈｔ）として、小さい方に基づいてサンプリング周期ｒａｔｉｏを決めるようにすれば同図（ｃ）に示すように少ない方の縦方向においても中間部を含むような間引きを行うことができるようになる。すなわち、所定の抽出数を確保したサンプリングが可能となる。
【００５５】
このように画素を間引いて抽出するのは輝度である。上述したように、本実施形態においてはコンピュータ２１が扱うのはＲＧＢの階調データであり、直接には輝度の値を持っていない。輝度を求めるためにＬｕｖ表色空間に色変換することも可能であるが、演算量などの問題から得策ではない。このため、テレビジョンなどの場合に利用されているＲＧＢから輝度を直に求める次式の変換式を利用する。
【００５６】
Ｙ＝０．３０Ｒ＋０．５９Ｇ＋０．１１Ｂ …（２）
また、輝度のヒストグラムは一つの画像についてまとめて集計するのではなく、図１０に示すように、入力画像を横３ブロック、縦５ブロックの合計１５ブロックに分けて個別に集計する。本実施形態においてはこのような１５ブロックとしているが、むろん、ブロックの分割方法は任意である。特に、プリンタドライバなどではアプリケーションからブロック毎に画像データを受け取ることになるが、重み付けのための領域分割をこのブロックを利用して行っても良い。
【００５７】
このようにブロック毎に集計するのは処理量の低減のためである。ステップＳ１２０にて重み付けをして再評価するという意味では必ずしもブロック毎に集計する必要はなく、選択した画素毎に重み付けを考慮し、ヒストグラムとして集計していくことも可能である。また、ブロック毎といっても集計結果に対する重み付けを変える意味であるから、ブロックに応じた重み付けを使用して一つのヒストグラムで集計していくことも可能である。図１１はブロックＢｉの輝度分布の一例を示す図である。
【００５８】
各ブロック毎に集計をしていく場合には、ステップＳ１２０にて領域別の重み付けをして再評価することになる。図１２と図１３は各ブロックに重み付けを与える例を示している。一般の写真画像を想定すれば、通常、中央部分に本来の被写体が入るような構図を取る。この意味では、画像データの中央部分の画像に重きをおいて特徴量を評価すべきである。一方、別の構図として建物の前で記念撮影をするような例を考えると、人物像は中央の下方に位置させて撮影する。というのは地面の高さが画像の下の方に位置させるのが普通だからである。従って、この場合は画像の中央下方に重みをおいて特徴量を評価すべきといえる。図１２の例は前者のものに対応し、図１３は後者のものに対応している。
【００５９】
各ブロックの重み付けをＷｉ（ｉ＝１〜１５）とし、重み付けして再評価された輝度分布をＤＹとし、
【００６０】
【数１】

【００６１】
とするとともに、
Ｋｉ＝Ｗｉ／ＳＰ …（４）
とすると、
【００６２】
【数２】

【００６３】
として求められる。
【００６４】
このようにして再評価された輝度分布のヒストグラムを得たら、この特徴量から画像処理の強度を求める。すなわち、コントラストを拡大するための幅を決定する。拡大幅を決定するにあたり、輝度分布の両端を求めることを考える。写真画像の輝度分布は図１４に示すように概ね山形に表れる。むろん、その位置、形状についてはさまざまである。輝度分布の幅はこの両端をどこに決めるかによって決定されるが、単に裾野が延びて分布数が「０」となる点を両端とすることはできない。裾野部分では分布数が「０」付近で変移する場合があるし、統計的に見れば限りなく「０」に近づきながら推移していくからである。
【００６５】
このため、分布範囲において最も輝度の大きい側と小さい側からある分布割合だけ内側に経た部分を分布の両端とする。本実施形態においては、同図に示すように、この分布割合を０．５％に設定している。むろん、この割合については、適宜、変更することが可能である。このように、ある分布割合だけ上端と下端をカットすることにより、ノイズなどに起因して生じている白点や黒点を無視することもできる。すなわち、このような処理をしなければ一点でも白点や黒点があればそれが輝度分布の両端となってしまうので、２５５階調の輝度値であれば、多くの場合において最下端は階調「０」であるし、最上端は階調「２５５」となってしまうが、上端部分から０．５％の画素数だけ内側に入った部分を端部とすることにより、このようなことが無くなる。
【００６６】
実際の処理では再評価して得られたヒストグラムに基づいて画素数に対する０．５％を演算し、再現可能な輝度分布における上端の輝度値及び下端の輝度値から順番に内側に向かいながらそれぞれの分布数を累積し、０．５％の値となった輝度値を求める。以後、この上端側をｙｍａｘと呼び、下端側をｙｍｉｎと呼ぶ。また、本実施形態においては、コントラストの拡大とともに明度の修正も行なうこととしており、そのために必要なメジアンｙｍｅｄも上記再評価されたヒストグラムに基づいて決定する。以上の処理をステップＳ１３０にて行なう。
【００６７】
再現可能な輝度の範囲を「０」〜「２５５」としたときに、変換前の輝度ｙと輝度の分布範囲の最大値ｙｍａｘと最小値ｙｍｉｎから変換先の輝度Ｙを次式に基づいて求める。
【００６８】
Ｙ＝ａｙ＋ｂ …（６）
ただし
ａ＝２５５／（ｙｍａｘ−ｙｍｉｎ） …（７）
ｂ＝−ａ・ｙｍｉｎあるいは２５５−ａ・ｙｍａｘ …（８）
また、上記変換式にてＹ＜０ならばＹ＝０とし、Ｙ＞２５５ならばＹ＝２５５とする。ここにおける、ａは傾きであり、ｂはオフセットといえる。この変換式によれば、図１５に示すように、あるせまい幅を持った輝度分布を再現可能な範囲まで広げることができる。ただし、再現可能な範囲を最大限に利用して輝度分布の拡大を図った場合、ハイライト部分が白く抜けてしまったり、ハイシャドウ部分が黒くつぶれてしまうことが起こる。これを防止するため本実施形態においては、再現可能な範囲を制限している。すなわち、再現可能な範囲の上端と下端に拡大しない範囲として輝度値で「５」だけ残している。この結果、変換式のパラメータは次式のようになる。
【００６９】
ａ＝２４５／（ｙｍａｘ−ｙｍｉｎ） …（９）
ｂ＝５−ａ・ｙｍｉｎあるいは２５０−ａ・ｙｍａｘ …（１０）
そして、この場合にはｙ＜ｙｍｉｎと、ｙ＞ｙｍａｘの範囲においては変換を行わないようにする。
【００７０】
ただし、このままの拡大率（ａに対応）を適用してしまうと、非常に大きな拡大率が得られる場合も生じてしまう。例えば、夕方のような薄暮の状態では最も明るい部分から暗い部分までのコントラストの幅が狭くて当然であるのに、この画像についてコントラストを大きく拡大しようとする結果、昼間の画像のように変換されてしまいかねない。このような変換は希望されないので、拡大率には制限を設けておき、ａが１．５（〜２）以上とはならないように制限する。これにより、薄暮は薄暮なりに表現されるようになる。なお、この場合は輝度分布の中心位置がなるべく変化しないような処理を行っておく。ステップＳ１４０では、このようにして拡大率ａ及び傾きｂを求める処理を実行する。
【００７１】
ところで、輝度の変換時に、毎回、上記変換式（Ｙ＝ａｙ＋ｂ）を実行するのは非合理的である。というのは、輝度ｙの取りうる範囲が「０」〜「２５５」でしかあり得ないため、予め輝度ｙが取りうる全ての値に対応して変換後の輝度Ｙを求めておくことも可能である。従って、図１６に示すようなテーブルとして記憶しておく。
【００７２】
このような輝度の範囲の拡大によってコントラストを強調するだけでなく、合わせて明るさを調整することも極めて有効であるため、画像の明るさを判断して補正のためのパラメータも生成する。
【００７３】
例えば、図１７にて実線で示すように輝度分布の山が全体的に暗い側に寄っている場合には破線で示すように全体的に明るい側に山を移動させると良いし、逆に、図１８にて実線で示すように輝度分布の山が全体的に明るい側に寄っている場合には破線で示すように全体的に暗い側に山を移動させると良い。
【００７４】
各種の実験を行った結果、本実施形態においては、輝度分布におけるメジアンｙｍｅｄを求め、同メジアンｙｍｅｄが「８５」未満である場合に暗い画像と判断して以下のγ値に対応するγ補正で明るくする。
【００７５】
γ＝ｙｍｅｄ／８５ …（１１）
あるいは、
γ＝（ｙｍｅｄ／８５）＊＊（１／２） …（１２）
とする。
【００７６】
この場合、γ＜０．７となっても、γ＝０．７とする。このような限界を設けておかないと夜の画像が昼間のようになってしまうからである。なお、明るくしすぎると全体的に白っぽい画像になってコントラストが弱い画像になりやすいため、彩度を合わせて強調するなどの処理が好適である。
【００７７】
一方、メジアンｙｍｅｄが「１２８」より大きい場合に明るい画像と判断して以下のγ値に対応するγ補正で暗くする。
【００７８】
γ＝ｙｍｅｄ／１２８ …（１３）
あるいは、
γ＝（ｙｍｅｄ／１２８）＊＊（１／２） …（１４）
とする。この場合、γ＞１．３となっても、γ＝１．３として暗くなり過ぎないように限界を設けておく。
【００７９】
なお、このγ補正は変換前の輝度分布に対して行っても良いし、変換後の輝度分布に対して行っても良い。γ補正をした場合における対応関係を図１９に示しており、γ＜１であれば上方に膨らむカーブとなり、γ＞１であれば下方に膨らむカーブとなる。むろん、かかるγ補正の結果も図１６に示すテーブル内に反映させておけばよく、テーブルデータに対して同補正を行っておく。ステップＳ１５０ではこのような変換テーブルを生成する処理を実行する。
【００８０】
この後、（６）式に基づく変換を行うが、同式の変換式は、ＲＧＢの成分値との対応関係においても当てはめることができ、変換前の成分値（Ｒ０，Ｇ０，Ｂ０）に対して変換後の成分値（Ｒ，Ｇ，Ｂ）は、
Ｒ＝ａ・Ｒ０＋ｂ …（１５）
Ｇ＝ａ・Ｇ０＋ｂ …（１６）
Ｂ＝ａ・Ｂ０＋ｂ …（１７）
として求めることもできる。ここで、輝度ｙ，Ｙが階調「０」〜階調「２５５」であるのに対応してＲＧＢの各成分値（Ｒ０，Ｇ０，Ｂ０），（Ｒ，Ｇ，Ｂ）も同じ範囲となっており、上述した輝度ｙ，Ｙの変換テーブルをそのまま利用すればよいといえる。
【００８１】
従って、ステップＳ１６０では全画素の画像データ（Ｒ０，Ｇ０，Ｂ０）について（１５）〜（１７）式に対応する変換テーブルを参照し、変換後の画像データ（Ｒ，Ｇ，Ｂ）を得るという処理を繰り返すことになる。
【００８２】
むろん、これらのステップＳ１３０〜ステップＳ１６０を実行するハードウェア構成とソフトウェアとによって処理内容決定手段ないし処理手段を構成することになる。なお、本実施形態においては、画像処理としてコントラストの拡大処理や明度の修正処理を実行しているが、他の画像強調処理などにおいても全く同様に適用可能であることはいうまでもない。
【００８３】
以上の処理では、画像の中での位置に応じた重み付けによって特徴量が再評価されるものであった。しかしながら、重み付けの基準はこれに限られるものではなく、各種の態様が可能である。図２０はその一例として画像の変化度合いから本来の被写体を検出し、重み付けを変化させる場合のフローチャートを示している。
【００８４】
ステップＳ２１０は、上述したステップＳ１１０に代わるものであり、均等に間引いた画素について輝度を集計する。しかし、輝度だけの集計ではなく、次に示すようなエッジ量も集計する。
【００８５】
入力画像のうちの背景は濃淡変化が緩やかであるといえるし、本来の被写体はシャープであるがゆえに輝度の変化が激しいといえる。従って、図２１に示すようにある一つの画素を注目画素としてその周縁の画素との濃度差を求めることとし、この濃度差をその注目画素のエッジ量とする。この濃度差はフィルタを適用して演算することができ、図２２（ａ）〜（ｆ）はこのようなフィルタの数例を示しており、注目画素と周縁の八画素について各画素の輝度を重み付け加算する際の重み付け係数を示している。ここにおいて、同図（ａ）の場合は九画素についての重み付け加算であるから、各画素でのエッジ量を求めるためには九回の乗算と八回の加算が必要になる。この演算量は画像が大きくなってくるにつれて無視できなくなるため、同図（ｂ）（ｃ）では五回の乗算と四回の加算で済ませ、同図（ｄ）（ｅ）では三回の乗算と二回の加算で済ませ、同図（ｆ）では二回の乗算と一回の加算で済ませるようにしている。
【００８６】
これらの例では注目画素に対してこれを一重に取り囲む画素とだけ比較しているが、いわゆるアンシャープマスクを使用してより広範囲な画素のデータを使用して注目画素でのシャープさを求めることは可能である。ただし、本実施形態におけるエッジ量は、あくまでもブロック毎の重み付けを評価するためのものであるから演算量を少なくしたこれらの例のフィルタのものでも十分である。
【００８７】
エッジ量の集計は各ブロック毎に各画素で求めたエッジ量を集計していっても良いし、このエッジ量の絶対値が所定のしきい値よりも大きい場合にエッジ画素と判定し、各ブロック毎のエッジ画素総数を集計していくようにしても良い。各ブロックでのエッジ量をＥＲｉ（ｉ＝１〜１５）とすると、その総量ＳＥは、
【００８８】
【数３】

【００８９】
となるから、重み付け係数ＫＥｉ自体は、
ＫＥｉ＝ＥＲｉ／ＳＥ …（１９）
で表される。従って、この場合の重み付けして再評価された輝度分布ＤＹは、
【００９０】
【数４】

【００９１】
として求められる。また、各ブロックでのエッジ画素総数をＥＮｉ（ｉ＝１〜１５）とすると、その総量ＳＥは、
【００９２】
【数５】

【００９３】
となるから、重み付け係数ＫＥｉ自体は、
ＫＥｉ＝ＥＮｉ／ＳＥ …（２２）
で表され、（２０）式を利用して再評価された輝度分布ＤＹを得ることができる。いずれの場合においても、ステップＳ２２０では（２０）式の演算式に基づいて輝度分布ＤＹを再評価する。
【００９４】
この例においては、エッジ画素と判定された画素の輝度をサンプリングして利用するというわけではなく、エッジ量やエッジ画素総数をブロックの重み付け係数の決定に使用しているだけである。すなわち、特定の性質（エッジ）を持つ画素のみの特徴量を集計しているわけではなく、そのブロックにおいて偏らない平均的な特徴量を得ることができる。
【００９５】
なお、このようにして輝度分布を再評価したら上述したステップＳ１３０〜Ｓ１６０の処理を経てコントラストを拡大するとともに明度を修正すればよい。
【００９６】
さらに、本来の被写体が人物像であることが多いことを考慮すると、肌色の画素が多いブロックに重きをおいて再評価するといったことも可能である。図２３はこのような特定の色に注目してブロックの重み付け係数を決定するフローチャートを示している。
【００９７】
ステップＳ１１０に対応するステップＳ３１０では、同様の間引き処理で輝度を集計するとともに、各画素の色度に基づいて肌色らしき画素であるかを判定し、肌色画素数の集計を行う。色度については各画素についてのｘ−ｙ色度を計算する。いま、対象画素のＲＧＢ表色系におけるＲＧＢ階調データが（Ｒ，Ｇ，Ｂ）であるとするときに、
ｒ＝Ｒ／（Ｒ＋Ｇ＋Ｂ） …（２３）
ｇ＝Ｇ／（Ｒ＋Ｇ＋Ｂ） …（２４）
とおくとすると、ＸＹＺ表色系における色度座標ｘ，ｙとの間には、

なる対応関係が成立する。ここにおいて、色度は明るさに左右されることなく色の刺激値の絶対的な割合を表すものであるから、色度からその画素がどのような対象物かを判断することができるといえる。肌色の場合は、
０．３５＜ｘ＜０．４０ …（２７）
０．３３＜ｙ＜０．３６ …（２８）
というような範囲に含まれているから、各画素の色度を求めたときにこの範囲内であればその画素は人間の肌を示す画素と考え、ブロック内の肌色画素数を一つ増加する。
【００９８】
このようにして肌色画素数が得られたら、次のステップＳ３２０では上述したエッジ画素数の場合と同様にして重み付け係数を決定し、輝度分布ＤＹを再評価する。すなわち、各ブロックでの肌色画素数をＣＮｉ（ｉ＝１〜１５）とすると、その総量ＳＣは、
【００９９】
【数６】

【０１００】
となるから、重み付けＫＣｉ自体は、
ＫＣｉ＝ＣＮｉ／ＳＣ …（３０）
で表され、この場合の重み付けして再評価された輝度分布ＤＹは、
【０１０１】
【数７】

【０１０２】
として求められる。この例においても、肌色の画素と判定された画素の輝度をサンプリングして利用するというわけではなく、肌色画素の総数をブロックの重み付け係数の決定に使用しているだけである。従って、そのブロックにおいて偏らない平均的な特徴量を得ることができる。この場合も、このようにして輝度分布を再評価したら上述したステップＳ１３０〜Ｓ１６０の処理を経てコントラストを拡大するとともに明度を修正すればよい。図２４に示す写真の場合、中央付近に女の子が写っており、顔、手足の画素で肌色画素と判断されることになる。むろん、他の色についての色度を求めて画素数を集計するようにしても良い。
【０１０３】
ところで、これまでは重み付け係数を一つの要因によって決定していたが、それぞれの要因の重要度を加味して重複して適用することもできる。個々の要因ｊ（１：画像の中での位置、２：エッジ量、３：肌色画素数）について各ブロックＢｉ（ｉ＝１〜１５）の重み付け係数をＴｊｉとした場合、要因毎の各ブロックに分配した重み付けＴｊｉは仮の重み付けとなり、
【０１０４】
【数８】

【０１０５】
とするとともに、
Ｋｊｉ＝Ｔｊｉ／Ｓｊ …（３３）
とすると、ブロックＢｉにおける真の重み付け係数Ｋｉは、
【０１０６】
【数９】

【０１０７】
で表される。ここにおいて、Ａｊは各要因毎の重要度を表す係数であり、総数が１となる範囲で適宜決定する。一例として、肌色重視とするならば、Ａ１＝０．２、Ａ２＝０．２、Ａ３＝０．６といった設定などが可能である。
【０１０８】
次に、上記構成からなる本実施形態の動作を説明する。最初に、先の実施形態に沿って説明する。
【０１０９】
写真画像をスキャナ１１で読み込み、プリンタ３１にて印刷する場合を想定する。すると、まず、コンピュータ２１にてオペレーティングシステム２１ａが稼働しているもとで、画像処理アプリケーション２１ｄを起動させ、スキャナ１１に対して写真の読み取りを開始させる。読み取られた画像データが同オペレーティングシステム２１ａを介して画像処理アプリケーション２１ｄに取り込まれたら、ステップＳ１１０にて間引きしながら各画素の輝度を集計する。集計された輝度分布ｄＹｉは、ステップＳ１２０にて図１２あるいは図１３に示すブロック毎の位置に対応して決定される重み付けに基づいて再評価し、再評価された輝度分布ＤＹに基づいてステップＳ１３０ではｙｍａｘ，ｙｍｉｎ，ｙｍｅｄを求める。
【０１１０】
次なるステップＳ１４０では、（９）式あるいは（１０）式に基づいて強調パラメータである傾きａとオフセットｂとを算出するとともに、（１１）式〜（１４）式に基づいて明度修正に要するγ補正のγ値を求め、ステップＳ１５０では図６に示す変換テーブルを作成する。そして、最後に、ステップＳ１６０では全画素についての画像データを同変換テーブルを参照して変換する。
【０１１１】
図１２に示す重み付けを使用する場合には、中央に近いブロックほど重み付けが重いので、集計された輝度分布も中央に近いものほど大きく評価される。例えば、夜間にフラッシュを使用して人物像を撮影したとする。人物像についての輝度分布はフラッシュの効果もあって図２５（ａ）に示すように概ね良好な輝度分布が得られたとしても、人物の周囲は暗く、同図（ｂ）に示すような暗い側に偏った輝度分布が得られる。この場合、単純に平均化すれば同図（ｃ）に示すように全体的に暗い側に偏った輝度分布が得られる。従って、このままコントラストや明度を修正すれば暗い画像を無理やり明るくしてしまい、良好な画像は得られない。
【０１１２】
しかしながら、図１２に示すようにして中央のブロックに重み付けを重くするようにすると、図２５（ｄ）に示すように画像の中央部分で得られた輝度分布の影響を強く受けた輝度分布ＤＹが得られる。従って、かかる輝度分布に基づいて決定される画像処理の強度は過度にコントラストを拡大したり明度を修正したりするようなものではなくなる。
【０１１３】
逆に、逆光の状態で人物を撮影すると、顔が暗く、背景が明るくなってしまうが、画像全体で見れば良好な輝度分布ともなりかねない。しかしながら、このような場合でも図１２に示すようにして暗い顔が写っている中央のブロックでの輝度分布に重きをおいて評価することにより、暗い輝度分布が反映され、コントラストを拡大したり画像を明るくしたりする画像処理を実行することができるようになる。
【０１１４】
以上の処理により、スキャナ１１を介して読み込まれた写真の画像データは自動的に最適な強度で画像処理を施され、ディスプレイ３２に表示された後、プリンタ３１にて印刷される。
【０１１５】
このように、画像処理の中枢をなすコンピュータ２１はステップＳ１１０にて均等に画素を選択しながら特徴量である輝度の分布を領域毎に集計した後、ステップＳ１２０では各領域毎に決められた重み付けで再評価することにより、均等にサンプリングを行いながらも本来の被写体の輝度分布の影響を強く受けた輝度分布を得ることができ、ステップＳ１３０〜Ｓ１５０にてかかる輝度分布に基づいて画像処理の強度などを決定した後、ステップＳ１６０で画像データを変換するため、処理を軽くしつつ最適な強度で画像処理を実行することができる。
【図面の簡単な説明】
【図１】本発明の一実施形態にかかる画像処理装置を適用した画像処理システムのブロック図である。
【図２】同画像処理装置の具体的ハードウェアのブロック図である。
【図３】本発明の画像処理装置の他の適用例を示す概略ブロック図である。
【図４】本発明の画像処理装置の他の適用例を示す概略ブロック図である。
【図５】本発明の画像処理装置における画像処理を示すフローチャートである。
【図６】処理対象画素を移動させていく状態を示す図である。
【図７】サンプリング周期を示す図である。
【図８】サンプリング画素数を示す図である。
【図９】変換元の画像とサンプリングされる画素の関係を示す図である。
【図１０】画像を領域分割したブロックの配置を示す図である。
【図１１】各ブロックでの輝度分布の例を示す図である。
【図１２】ブロック毎の重み付けの一例を示す図である。
【図１３】ブロック毎の重み付けの他の一例を示す図である。
【図１４】輝度分布の端部処理と端部処理にて得られる端部を示す図である。
【図１５】輝度分布の拡大と再現可能な輝度の範囲を示す図である。
【図１６】輝度分布を拡大する際の変換テーブルを示す図である。
【図１７】γ補正で明るくする概念を示す図である。
【図１８】γ補正で暗くする概念を示す図である。
【図１９】γ補正で変更される輝度の対応関係を示す図である。
【図２０】エッジ量に基づいて特徴量を再評価する場合のフローチャートである。
【図２１】エッジ量を判断するための注目画素と周縁画素との関係を示す図である。
【図２２】エッジ量を算出するためのフィルタの例を示す図である。
【図２３】所定の色の画素数に基づいて特徴量を再評価する場合のフローチャートである。
【図２４】写真画像の一例を示す図である。
【図２５】夜間に撮影した写真画像の輝度分布を示す図である。
【符号の説明】
１０…画像入力装置
２０…画像処理装置
２１…コンピュータ
２１ａ…オペレーティングシステム
２１ｂ…プリンタドライバ
２１ｃ…ディスプレイドライバ
２１ｄ…画像処理アプリケーション
２５…フレキシブルディスクドライブ
３０…画像出力装置

Claims (7)

1. 複数の画素からなる実写画像に対して所定の画像処理を行なう画像処理装置であって、
   上記画像処理の対象となる画像を所定の基準で分割する複数の領域毎に、画像における該領域の位置に応じて設定された重み付けを予め記憶する重み付け記憶手段と、
   上記実写画像が与えられたとき、上記複数の領域の各々から、上記実写画像を構成する画素の一部についての画像データを入力し、該画像データに基づいて、当該画素の特徴量を抽出する特徴量抽出手段と、
   上記実写画像における画像の変化度合いの大きい部分に属する画素の数を求める画素数演算手段と、
   上記抽出された特徴量を、上記画素数演算手段により求められた画素数を考慮しつつ、上記領域毎に記憶された重み付けを用いて再評価する特徴量再評価手段と、
   該再評価された特徴量に基づいて画像処理の内容を決定する処理内容決定手段と、
   該決定された内容での画像処理を、上記実写画像の画像データ全体に対して実施する処理手段と
   を備えた画像処理装置。
2. 上記特徴量抽出手段は、上記実写画像を構成する全画素に対して所定の基準で均等に間引きして選択した画素の画像データを入力することにより、上記複数の領域の各々から上記実写画像を構成する画素の一部についての画像データを入力する手段を備える請求項１に記載の画像処理装置。
3. 上記重み付け記憶手段は、画像に対する各画素の位置に応じて設定された重み付けを、上記複数の領域毎に予め記憶する手段である請求項１または２に記載の画像処理装置。
4. 請求項１ないし３のいずれかに記載の画像処理装置であって、
   上記実写画像における各画素のうち、所定の色の範囲に入る画素数を求める演算手段を備えると共に、
   上記特徴量再評価手段は、上記特徴量の再評価において、上記演算手段により求められた画素数が多い部分について、重み付けを重くして再評価する手段である画像処理装置。
5. 請求項１ないし４のいずれかに記載の画像処理装置であって、
   上記重み付け記憶手段は、
   複数の要素に関して、それぞれの重み付け係数を予め設定する手段と、
   上記複数の要素についてのそれぞれの重み付け係数を、重要度に応じた重み付けで加算して最終的な重み付け係数を設定して記憶する手段と
   を備え、
   上記特徴量再評価手段は、該最終的な重み付け係数を用いて、上記特徴量の再評価を行なう手段である画像処理装置。
6. 複数の画素からなる実写画像に対して所定の画像処理を行なう方法であって、
   上記画像処理の対象となる画像を所定の基準で分割する複数の領域毎に、画像における該領域の位置に応じて設定された重み付けを予め記憶し、
   上記実写画像が与えられたとき、上記複数の領域の各々から、上記実写画像を構成する画素の一部についての画像データを入力し、該画像データに基づいて、当該画素の特徴量を抽出し、
   上記実写画像における画像の変化度合いの大きい部分に属する画素の数を求め、
   該抽出された特徴量を、上記求められた画素数を考慮しつつ、上記領域毎に記憶された重み付けを用いて再評価し、
   該再評価された特徴量に基づいて画像処理の内容を決定すると共に、該決定された内容での画像処理を、上記実写画像の画像データ全体に対して実施する
   画像処理方法。
7. 複数の画素からなる実写画像に対して行なわれる所定の画像処理に 対応したプログラムをコンピュータにより読み取り可能に記録した記録媒体であって、
   上記実写画像が与えられたとき、上記画像処理の対象となる画像を所定の基準で分割する複数の領域の各々から、上記実写画像を構成する画素の一部についての画像データを入力し、該画像データに基づいて、当該画素の特徴量を抽出する機能と、
   上記実写画像における画像の変化度合いの大きい部分に属する画素の数を求める機能と、
   該抽出された特徴量を、上記求められた画素数を考慮しつつ、上記複数の領域毎に、画像における該領域の位置に応じて設定された重み付けのデータを用いて再評価する機能と、
   該再評価された特徴量に基づいて画像処理の内容を決定する機能と、
   該決定された内容での画像処理を、上記実写画像の画像データ全体に対して実施する機能と
   をコンピュータにより実現するプログラムを記録した記録媒体。

Images