JP4040259B2 - 画像評価装置 - Google Patents
画像評価装置 Download PDFInfo
- Publication number
- JP4040259B2 JP4040259B2 JP2001040855A JP2001040855A JP4040259B2 JP 4040259 B2 JP4040259 B2 JP 4040259B2 JP 2001040855 A JP2001040855 A JP 2001040855A JP 2001040855 A JP2001040855 A JP 2001040855A JP 4040259 B2 JP4040259 B2 JP 4040259B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- evaluation
- texture
- value
- image evaluation
- 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
Images
Landscapes
- Image Analysis (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、ハードコピー画像の品質を評価する画像評価装置に関し、特に、マルチチャンネルモデルに基づいたロジスティック回帰分析により重み（係数）の決定された評価式を用いて画像の品質を評価する画像評価装置に関する。
【０００２】
【従来の技術】
従来、人間の視覚機能においては、空間周波数選択性を有する複数のチャンネル（以降において適宜マルチチャンネルと称する）が存在することが知られている。神経生理学的および解剖学的研究により、網膜神経節細胞（ｇａｎｇｌｉｏｎ ｃｅｌｌ）には、ほぼ円対称の受容野（ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄ）をもち、受容野中心部に興奮性領域を有しつつ周辺部に抑制性領域を有するオン中心型細胞と、その逆の特性を有するオフ中心型細胞が存在することが明らかにされている。このオン中心型細胞とオフ中心型細胞が空間周波数選択性のチャンネルの視覚経路をなしていると考えられている。図１７は、チャンネルの受容野の概略形状を示した説明図であり、受容野平面上に各受光体からの出力をｚ軸方向にプロットしたものを水平方向から表示した図である。図はオン中心型細胞を示している。
【０００３】
一方、ハードコピー画像の画像品質を評価する方法として、特開平７−３２５９２２号に示される技術が挙げられる。すなわち、人間の視覚特性を考慮するために、物理量である空間周波数領域（パワースペクトラム）に変換された画像情報に対して、人間の視覚のＭＴＦ特性（ＶＴＦ）を乗じた量を用いて画像品質を評価するという方法が用いられている。
【０００４】
【発明が解決しようとする課題】
しかしながら、従来の技術では以下の問題点があった。
すなわち、従来の画像品質の評価方法では、デジタル画像のテクスチャの知覚と粒状性を統合することが困難であるという問題点があった。また、テクスチャのみによるエッジの検出が困難であるという問題点があった。
【０００５】
これは、画質を知覚する人間の視覚系が非常に非線形なシステムであるため、空間周波数特性は近似的にしか有効でないことに起因すると考えられる。また、視覚のＭＴＦ特性は人間の正弦波状の刺激に対するコントラスト感度の閾値のデータを基に得られたものであるため、マルチチャンネルによる視覚現象の１側面を記述したものにすぎないことに起因すると考えられる。
【０００６】
たとえば、濃度の同じ画像を二つ並べて見た場合に、人間はそのテクスチャの差によって両画像の見え方が異なると感じる。一方、従来の空間周波数特性を用いた方法では同じ見え方をすると評価してしまうという問題点があった。
【０００７】
換言すると、画像に対する主観評価と相関のとれた評価値を出力することができない場合があるという問題点があった。
【０００８】
本発明は上記に鑑みてなされたものであって、画像に対する主観評価と相関のとれた評価値を出力することを目的とする。
【００１９】
【課題を解決するための手段】
上記の目的を達成するために、請求項１に記載の画像評価装置は、二つの画像を比較して同じに見えるか差があるように見えるかの主観的な評価に沿った評価を出力する画像評価装置であって、評価すべき二つの画像の画像データを入力する画像データ入力手段と、前記評価すべき二つの画像の画像データに対して演算フィルタによる畳み込み演算を行い、画像のテクスチャを表現する物理量であるテクスチャ量を求める畳込演算部と、前記畳込演算部で算出された前記評価すべき二つの画像のテクスチャ量に基づいて、テクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎとを算出するテクスチャ量算出手段と、前記評価すべき二つの画像の網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを取得する網点面積率取得手段と、前記テクスチャ量算出手段により算出されたテクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎ、および、前記網点面積率取得手段により取得された網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを用いて、下式（１）により画像評価値Ｄを算出する画像評価値算出手段と、を具備したことを特徴とする（但しｐ1〜ｐ9は、予めおこなわれた主観評価実験により決定された定数とする）。すなわち、請求項１にかかる発明は、巨視的には同じ濃度である画像のテクスチャによる見え方の差を算出する。
また、請求項２に記載の画像評価装置は、請求項１記載の画像評価装置において、前記畳込演算部は、人間の視覚系の空間周波数選択性を有する５種類のチャンネルで画像を畳み込み、下式（５），（６）を用いてテクスチャを表現する物理量を求める、ことを特徴とする。（但し、式（５）および式（６）の添字ｉは各チャンネルに対応しており、Ｇ i （ｒ）は、チャンネルｉにおけるＧ（ｒ）を表すものとする。Ｎは被演算画素数を示す。Ａ i は、人間の視覚系の空間周波数特性に最適化された係数を示す。）
【００２０】
また、請求項３に記載の画像評価装置は、請求項１または２に記載の画像評価装置において、さらに、前記画像評価値算出手段により算出された画像評価値Ｄを、式（２）に基づいて画像評価値ＰＤに補正する画像評価値補正手段を具備したことを特徴とする（但しｑ１〜ｑ４は、回帰分析により決定された定数とする）。すなわち、請求項３にかかる発明は、画像に対する主観評価と高精度に相関のとれた評価値を出力する。
【００２１】
また、請求項４に記載の画像評価装置は、請求項１ないし３のいずれか一に記載の画像評価装置において、前記画像データ入力手段により入力される画像データの入力密度を、人間が当該画像を観察する際の網膜上の結像密度と略等しくなるように調整する入力密度調節手段を備えたことを特徴とする。すなわち、請求項４にかかる発明は、被評価画像の画像密度と網膜上の画像密度を略等しくする。
【００３０】
【発明の実施の形態】
以下、本発明の実施の形態を図面を参照しながら詳細に説明する。
実施の形態１．
実施の形態１では、まず、視覚系のモデルについて概説し、つぎに、画像評価装置をパーソナルコンピュータ（以降適宜ＰＣと称する）に適用した例を説明し、つづいて実験例を、最後に処理流れについて説明する。
【００３１】
（視覚系のモデルについて）
ここでは、視覚のマルチチャンネル理論と受容野について概説する。１９６８年にＣａｍｐｂｅｌｌとＲｏｂｓｏｎが心理物理学的実験の結果をもとに、人間の視覚機能における空間周波数選択性を有するチャンネルの存在を結論づけて以来、この空間周波数選択性を有するチャンネルについては様々な心理物理学的研究がおこなわれてきた。
【００３２】
一方、網膜神経節細胞には、略円対称の受容野をもち、受容野中心部に興奮性領域を有し周辺部に抑制領域を有するオン中心型細胞と、その逆のオフ中心型細胞が存在することが、神経生理学的、および解剖学的研究の結果明らかにされており、これらが空間周波数選択性のチャンネルの視覚系路をなしていると考えられている。
【００３３】
さらに、Ｗｉｌｓｏｎらは視覚の検出域のデータを基礎にして、人間におけるマルチチャンネルメカニズムの定量的モデルを構築した。Ｗｉｌｓｏｎらはこれらのチャンネルに対応する４種に分類される受容野をそれぞれ二つのガウス関数の差（ＤＯＧ：Ｄｉｆｆｅｒｅｎｃｅ ｏｆ Ｇａｕｓｓｉａｎｓ）として記述し、各チャンネルが刺激を検出する確率が空間的確率加算の法則（Ｌｏｗ ｏｆｐｒｏｂａｂｉｌｉｔｙ ｓｕｍｍａｔｉｏｎ）に従うならば、０．２５〜１６．０［ｃｙｃｌｅ／ｄｅｇ］の範囲の１次元の空間的パターンの閾検出に関する心理物理学的データを基本的に説明できることを証明した。
【００３４】
すなわち、Ｗｉｌｓｏｎらは、視野の各点において存在する１次元の４種類のチャンネル（マルチチャンネル）を提案した。これらは受容野の中心的領域の大きさの小さい順にＮ，Ｓ，Ｔ，Ｕと名付けられた。これらのチャンネルの大きさは偏心度、すなわち、視角で表された中心窩からの距離と共に線形に増大する。また、１次元的にはこの様な受容野を有するチャンネルは網膜に写った外界の光の強度変化の検出器の役割を担っていると考えられている。
【００３５】
さらに、この定量的モデルはＭａｒらにより２次元的に拡張、補強されている。ここで、Ｍａｒは、Ｗｉｌｓｏｎらのマルチチャンネル理論を２次元に展開するに当たり、受容野中心部が１個の錐体によって構成されるミジェット神経節細胞に対応する最小チャンネルの存在を予測し、計５つのチャンネルでモデルを構築した。
【００３６】
Ｍａｒらは、刺激の強度分布を検出する最良のフィルタはΔＧフィルタであるとする。ここでΔはラプラス演算子であり、Ｇは標準偏差σ（但しσは各チャンネルによって固有の５つの値をとる）をもつ二次元ガウス分布である。ＧおよびΔＧは下式（３）、（４）により表記される。
【数４】
【数５】
【００３７】
以降においては、ＭａｒらによるＧもしくはΔＧの関数プロファイルを用いた当方性微分演算フィルタにより、マルチチャンネルモデルに裏打ちされた画像評価装置、画像評価方法およびコンピュータに画像を評価させるプログラムについて説明する。
【００３８】
（画像評価装置について）
図１は、実施の形態１の画像評価装置をＰＣに適用した場合の機能ブロック図であり、図２は、実施の形態１の画像評価装置のハードウェア構成の一例を示した説明図である。
【００３９】
ＰＣ１００は、評価対象である画像の画像データを入力する画像データ入力部１０１と、画像データ入力部１０１により入力された画像データに対して使用する空間演算フィルタを選択する演算フィルタ選択部１０２と、画像データ入力部１０１により入力された画像データに対して演算フィルタ選択部１０２により選択された空間演算フィルタを用いて畳み込み演算をおこなう畳込演算部１０３と、畳込演算部１０３によりおこなわれた畳み込み演算の結果に基づいて評価対象の画像の品質の評価値を出力する画像品質評価部１０４と、を有する。なお、以降においてはＰＣ１００を画像評価装置１００と称する場合がある。
【００４０】
なお、画像品質評価部１０４では、評価すべき画像の網点面積率を取得する網点面積率取得部１０５からの出力値を用いて画像の品質の評価値を出力する。なお、使用の態様によっては網点面積率以外の画像の物理的属性、たとえば反射率などを用いてもよい。また、演算フィルタ選択部１０２が選択する演算フィルタは演算フィルタ格納部１０６に格納されているものとする。演算フィルタ格納部１０６には、空間演算フィルタ、たとえば、等方性微分演算フィルタやラプラシアンなどを格納する。以降においては、前述のΔＧを用いた例を説明するが、使用の態様によっては、ＤＯＧを用いてもよい。
【００４１】
ＰＣ１００は、ハードウェア構成として、畳み込み演算を実行することを初めとし画像の品質の評価値を算出する演算をおこなうＣＰＵ２０１（図２参照）と、ＣＰＵ２０１のワークエリアであるＲＡＭ２０２と、ＯＳを含み様々なプログラムないしソフトウェアを格納し、また、評価対象の画像の画像データや、畳み込み演算をおこなう際の空間演算フィルタや演算の際の係数を格納するハードディスク２０３を有する。
【００４２】
また、ＰＣ１００は、評価すべき画像を表示するＣＲＴ２０４と、ＣＲＴ２０４の出力制御をおこなうビデオカード２０５と、評価すべき画像を印刷するプリンタ２０６と、各種の指示をおこなうキーボード２０７およびマウス２０８と、プリンタ２０６、キーボード２０７およびマウス２０８の入出力を制御するＩ／Ｆ２０９と、評価すべき画像を読み込むスキャナ２１０と、以上の各部を接続するバス２１１を有する。
【００４３】
なお、ＣＲＴ２０４、プリンタ２０６は、評価すべき所定の画像を表示もしくは出力するが、これは、各種の係数決めをおこなう際もしくは回帰分析をおこなうためのサンプリングのために用いてもよい。同様に、スキャナ２１０は、サンプリングの際に用いるものであってもよい。換言すれば、ＰＣ１００により、これらの入力機器および出力機器の評価をおこなうことができる。
【００４４】
ここで、ハードディスク２０３の格納対象について説明する。ハードディスク２０３は、ＰＣ１００の基本動作を制御するＯＳ２３１と、畳み込み演算や各種のフィルタや係数の読み出しをおこない画像の品質の評価値を出力するプログラムである画像品質評価アプリケーション２３２と、を有する。
【００４５】
ハードディスク２０３は、評価すべき画像データを格納する画像データ格納部２３３と、畳み込み演算をおこなう際に参照するフィルタ格納部２３４と、畳み込み演算をおこなう際に使用する係数や、画像の品質を評価する際に使用する係数を格納する係数格納部２３５と、を有する。図に示したように、画像データ格納部２３３には評価対象画像データ１、評価対象画像データ２、・・・が格納され、フィルタ格納部２３４には、微分演算フィルタ１、微分演算フィルタ２、・・・が格納され、係数格納部２３５には、係数１、係数２、・・・が格納されている。なお、係数には、後述するｔ1〜ｔ5、Ａ1〜Ａ5、ｐ1〜ｐ9、ｑ1〜ｑ4等を格納する。
【００４６】
つぎに、各部の内容を説明する。
（画像評価装置１００：画像データ入力部１０１の内容）
画像データ入力部１０１は、評価すべき画像の画像データを入力する。画像データ入力部１０１は、たとえば３００ｍｍ等所定の観察距離にて人間が被評価画像を観察する際の人間の網膜上の結像密度と近似的に等しい画像入力密度を有する画像を入力する。なお、予め電子的に作成された画像を入力してもよい。画像データ入力部１０１は、たとえば、スキャナ２１０やハードディスク２０３（特に、画像データ格納部２３３）によりその機能を実現することができる。なお、使用の態様によっては、マイクロ濃度計（図示せず）により実現することもできる。
【００４７】
（画像評価装置１００：演算フィルタ選択部１０２の内容）
演算フィルタ選択部１０２は、畳み込み演算に使用する演算フィルタを選択し、畳込演算部１０３に引き渡す。演算フィルタは前述したＧもしくはΔＧ（式（３）もしくは式（４）を参照）を用いる。なお、式ＧもしくはΔＧ中のσは、各チャンネルに従って定められた定数であり、５つのチャンネルがあるとするＭａｒのモデルの場合はσは５つあるということになる。以降においては、適宜σ1〜σ5（σ1最小、σ5最大）と表記することとする。
【００４８】
従って、演算フィルタ選択部１０２は、評価すべき画像に応じて、すべてのσに対応したフィルタを選択する場合もあれば、一つのσ、たとえばσ2に対応したフィルタを選択する場合もある。演算フィルタ選択部１０２は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２とフィルタ格納部２３４）、ＣＰＵ２０１によりその機能を実現することができる。なお、選択される演算フィルタは演算フィルタ格納部１０６に格納されており、演算フィルタ格納部１０６は、ハードディスク２０３（特にフィルタ格納部２３４）によりその機能を実現することができる。
【００４９】
（画像評価装置１００：畳込演算部１０３の内容）
畳込演算部１０３は、入力された画像データに選択された演算フィルタを施し画像の品質の評価値を算出する際に使用される基礎データを出力する。すなわち、畳込演算部１０３は、画像データに畳み込み演算を施す。後述する例では、基礎データとして画像のテクスチャを表現する物理量を求めている。畳込演算部１０３は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２）、ＣＰＵ２０１、ＲＡＭ２０２によりその機能を実現することができる。
【００５０】
（画像評価装置１００：画像品質評価部１０４）
画像品質評価部１０４は、畳み込み演算の結果に基づいて画像の品質の評価値を出力する。後述する例では、テクスチャ量と網点面積率を用いて、画像に対する主観評価と相関のとれた評価値を出力する。具体的には式（１）に表される評価値Ｄを出力する。この際使用する係数ｐ1〜ｐ9は、予め求めておいた係数であり、係数格納部２３５に格納されている。画像品質評価部１０４は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２と係数格納部２３５）と、ＣＰＵ２０１とＲＡＭ２０２によりその機能を実現することができる。
【００５１】
（画像評価装置１００：網点面積率取得部１０５の内容）
網点面積率取得部１０５は、評価すべき画像の網点面積率を入手し、適宜差の絶対値や平均値を算出し、画像品質評価部１０４に出力する。ここで、取得とは、画像データ入力部１０１から入力した画像データに基づいて網点面積率を算出する場合と、キーボード２０７やテンキーなどを介して数値を入力する場合の何れであってもよいことを意味する。
【００５２】
また、差の値や平均値とは、たとえば、Ａ社のプリンタとＢ社のプリンタを用いて同一画像を出力し、比較する場合にその網点面積率の差の値や平均値をいう。なお、網点面積率取得部１０５が、差の絶対値や平均値を算出してもよいし、別途画像品質評価部１０４が算出する態様であってもよい。網点面積率取得部１０５は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２）や、スキャナ２１０、キーボード２０７およびＣＰＵ２０１によりその機能を実現することができる。
【００５３】
画像評価装置であるＰＣ１００は、以上のような構成を有することにより、たとえば特定の空間周波数帯域に生じるバンディングのような画像欠陥の知覚される大きさを定量化でき、人間の視覚系の特性に基づく画像品質評価をおこなうこと、すなわち、画像に対する主観評価と相関のとれた評価値を出力することが可能となる。
【００５４】
（実験例）
つぎに、画像評価装置１００を適用した実験例について説明する。ここでは画像の作成、物理量の算出、主観評価実験、評価値と主観評価実験との相関の順について説明する。ここでは、簡単のために、中間調処理された画像における階調変化に伴うテクスチャ変化による画質劣化を定量化する（評価する）実験について説明する。
【００５５】
（実験例：画像の作成）
実験は、テクスチャ構造を有する画像として、３００ｄｐｉおよび６００ｄｐｉでそれぞれ１５０線でスクリーン角３０度の２値中間調画像の２種類を用いた。１５０線とは、網点が１インチの中に１５０個入ることを示す画像の一属性値である。図３は、実験に用いたスクリーン角３０度で１５０線の２値中間調画像（３００ｄｐｉおよび６００ｄｐｉ）の拡大図である。
【００５６】
物理量算出および主観評価実験に用いる中間調画像データはコンピュータを用いて作成した。ここで、物理量を算出するための画像データとして均一入力値の矩形画像データを用い、主観評価に用いる画像データとして各々異なる入力値をもち、隣接する２個の矩形部分からなる画像データを用いた。図４は、物理量を算出するための画像データとして、１画素８ビットの矩形の画像で画像全域にわたって値が等しい画像の例を示した図である。
【００５７】
図５は、主観評価に用いる画像データとして各々異なる入力値をもち、隣接する２個の矩形部分からなる画像の例を示した図である。図６は、図５に示した画像の拡大図である。なお、図５は見やすさの観点から、矩形部分の左側は１６０を、右側を１２８にしてある。
【００５８】
これらコンピュータ上で作成された主観評価用の画像をＫｏｄａｋ社のＡＰＰＲＯＶＡＬで出力した。なお、ＡＰＰＲＯＶＡＬからは図６に示したように、二値化した画像を出力した。
【００５９】
（実験例：物理量の算出）
Ｍａｒが提唱した視覚系のマルチチャンネル理論に基づいて、５種類のチャンネルを、画質劣化を定量化する基となる物理量の算出に用いた。Ｍａｒによれば、受容野（すなわち、ある１個の神経節細胞に連結している網膜上の錐体（桿体）の集合で表される網膜上の領域）の中心部の直径は、各々、０．０２２°、０．０７３°、０．１４６°、０．２７６°、０．４９５°である（なお、網膜上の単位面積に結像する見込みの視野角は視距離に関係なく一定であるので、上記のごとく°で表すことができる）。
【００６０】
従って、眼球光学系の接点が網膜から１７ｍｍの位置にあり、錐体の直径が２［μｍ］であるとすると、この見込み角度は、錐体直径のそれぞれ１．６５倍、５．４２倍、１０．８４倍、２０．４６倍、３６．７２倍に相当する。また、Ｍａｒの定義によるチャンネルの数学的記述は、受容野中心からの距離をｒ（ｒ＝ｓｑｒｔ（ｘ2＋ｙ2））とすると、上述した式（４）で与えられる。
【００６１】
受容野中心部の境界においては、式（４）の左辺が０となるので（図１７参照）、ここで用いる５種類のチャンネルのσの値は、錐体の直径を１ｃｏｎｅと表すこととすると、１．１６６ｃｏｎｅ、３．８３２ｃｏｎｅ、７．６６５ｃｏｎｅ、１４．４６４ｃｏｎｅ、２５．９６２ｃｏｎｅとなる。
【００６２】
画像の観察距離を３５０ｍｍとして、解像度６００ｄｐｉすなわち、６００分の１インチの物体の像は網膜上では０．００２１ｍｍであり、ほぼ錐体の直径と一致する。従って、６００ｄｐｉの画像は近似的にそのまま網膜像として用いることが可能となる。
【００６３】
このようなチャンネルで画像を畳み込むと、各々のチャンネルのスケールにおける強度変化が検出される。均一な強度（濃度）の画像に対してはその出力はすべての画素において０であるが、画像内に強度の変化があると変化に応じた正または負の値が出力される。畳み込みの一例として上述した（５）、（６）を用いて、テクスチャを表現する物理量Ｔを採用し、後述する評価値Ｄを算出することとした。
【００６５】
但し、式（５）および式（６）の添字ｉは各チャンネルに対応しており、Ｇi（ｒ）は、チャンネルｉにおけるＧ（ｒ）を表すものとする。Ｎは被演算画素数を示す。線形和Ｔを求める際の係数Ａiは、１次元の空間周波数λの正弦波の強度分布をもつ多値画像ｔiを求め、様々なλに対するｔiの線形和を人間の視覚系のコントラスト感度空間周波数特性（ＶＴＦ：Ｖｉｓｕａｌ Ｔｒａｎｓｆｅｒ Ｆｕｎｃｔｉｏｎ）に対して回帰をおこなうことにより決定した。ＶＴＦに対して回帰をおこなったのは、ＶＴＦは人間の視覚特性のうち最も基本的な特性を表現する関数と考えられるからである。すなわち、Ａiは、人間の視覚系の空間周波数特性に最適化された係数ということができる。
【００６６】
図７は、ＶＴＦの関数形を示した説明図であり、図８は、回帰をおこなうことによって決定された係数Ａiを示した図表である。図８から明らかなように、ｔiおよびＴは画像の強度の変動量に対する増加関数となっている。また、ＶＴＦに対して回帰させたので、Ａiはσiに一対一に対応する定数であり、評価する画像の種類によらず使用することができる。
【００６７】
（実験例：主観評価実験）
主観的評価実験は、入力値の相異なる２個の矩形図形を隣接させたサンプル群を被験者に提示しおこなった。被験者は、知覚されるテクスチャの差異に応じて、サンプル群を５レベルに分類した。すなわち、レベル１は「はっきり差が分かる」、レベル２は「結構差が分かる」、レベル３は、「少し差があるように見える」、レベル４は「何となく差があるように見える」、レベル５は「同一に見える」として、二つの隣接した画像を評価した。図９は、実験に用いたＡＰＰＲＯＶＡＬからの出力例を示した図である。前述したように、主観評価実験では図に示した３００ｄｐｉ、１５０線、スクリーン角３０°の二値中間調画像の何れか二つのサンプルを隣接させておこなった。
【００６８】
（実験例：評価値と主観評価実験との相関）
各サンプルに対して知覚されるテクスチャの差異の大きさを式（１）で表される関数により与えられる値Ｄにより予測した。上述したように、ΔＴは、式（６）で与えられるテクスチャの差、すなわち、隣接させた片方のサンプルについてのテクスチャ量Ｔ（テクスチャ量ＴLとする）と他方のサンプルについてのテクスチャ量Ｔ（テクスチャ量ＴRとする）との差（ＴL−ＴR）である。また、Ｔｍｅａｎは、Ｔｍｅａｎ＝（ＴL＋ＴR）／２である。なお、Ｔを求める際のＲ（ｘ，ｙ）としては、６００ｄｐｉでスキャンした画像をそのまま用いた。
【００６９】
同様に、ΔＭは予め分かっているサンプルの網点面積率の差、すなわち、隣接させた片方のサンプルについての網点面積率Ｍ（面積率ＭLとする）と他方のサンプルについての網点面積率Ｍ（面積率ＭRとする）との差（ＭL−ＭR）である。また、Ｍｍｅａｎは、Ｍｍｅａｎ＝（ＭL＋ＭR）／２である。
【００７０】
本願発明者は、テクスチャの量の差（ΔＴ）を平均テクスチャ量（Ｔｍｅａｎ）で補正した量と、画像の強度（明度）の差（ΔＭ）を平均強度（明度）（Ｍｍｅａｎ）で補正した量の線形和となる形で式（１）を案出した。各係数ｐ1〜ｐ9については、主観評価実験の結果に対して回帰をおこない決定した。図１０は、最適化により求められた係数ｐ1〜ｐ9の値を示した図表である。
【００７１】
係数ｐ３が負であるため式（１）の第１項は平均テクスチャ量（Ｔｍｅａｎ）に対する増加関数であり、画像の強度変動が大きいほどテクスチャを知覚しやすいという現象に対応しているものと考えられる。また、明度は網点面積率に対して減少関数であるが、係数ｐ７が負であるため第２項は平均強度（明度）に対する増加関数であり、画像が明るいほど明るさの差を知覚しやすいという現象に対応しているものと考えられる。従って、式（１）により算出される評価値Ｄは、実際の心理物理的現象と矛盾しない予測式ないし評価式であるといえる。
【００７２】
（画像評価装置１００の処理流れ）
最後に、画像評価装置１００の処理流れについて説明する。図１１は画像評価装置１００の処理流れの一例を示したフローチャートである。画像の品質の評価をおこなうために、まず、評価すべき画像の画像データを入力する（ステップＳ１１０１）。この入力は、スキャナ２１０（図２参照）から入力してもよいが、電子的に作成した理想的なデータを入力してもよい。
【００７３】
つぎに、ステップＳ１１０１で入力された画像データに対して使用する空間演算フィルタを選択する（ステップＳ１１０２）。空間演算フィルタは、式（４）に示したＭａｒのモデルのような等方性微分演算フィルタが挙げられ、使用するσi（ｉ＝ｃｈａｎｎｅｌ１〜ｃｈａｎｎｅｌ５）の全部もしくはいくつかを選択する態様であってもよいし、また、式（４）とは異なる複数の空間演算フィルタから使用すべき空間演算フィルタを選択してもよい。
【００７４】
つぎに、ステップＳ１１０１で入力された画像データに対してステップＳ１１０２で選択された空間演算フィルタを用いて畳み込み演算をおこなう（ステップＳ１１０３）。具体的な一例として、式（５）および式（６）により表される演算をおこなうことが挙げられる。つづいて、ステップＳ１１０３でおこなわれた畳み込み演算の結果に基づいてステップＳ１１０１で入力された画像データを有する画像の品質を評価する（ステップＳ１１０４）。具体的な一例として、式（１）に表される評価式に基づいて評価値Ｄを求めることが挙げられる。すなわち、ステップＳ１１０３で求めたテクスチャ量と、別途取得した網点面積率とに基づいて評価値Ｄを求める。
【００７５】
以上説明した様に実施の形態１の画像評価装置は、人間の視覚系の特性に基づく画像品質評価をおこなうことができ、これにより、画像に対する主観評価と相関のとれた評価値を出力することが可能な画像評価装置を提供することができる。特に、空間演算フィルタとしてマルチチャンネルモデルに基づいた等方性微分演算フィルタΔＧを用い、各チャンネルからの出力値ｔiに対する係数Ａiも、ＶＴＦに回帰させて得た値なので、人間の視覚特性を反映させた評価値を得ることができる。
【００７６】
実施の形態２．
実施の形態２では、評価値Ｄを補正してより評価の精度を向上させる、すなわち、人間主観評価と高精度に相関のとれた評価値を出力する画像評価装置について説明する。なお、実施の形態２では、実施の形態１と同様の構成部分については同一の符号を付し、その説明を省略するものとする。
【００７７】
図１２は、実施の形態２の画像評価装置をＰＣに適用した場合の機能ブロック図である。画像評価装置１２００は、実施の形態１の画像評価装置１００に、さらに、画像評価値補正部１２０１を含ませたものである。つぎに、画像評価値補正部１２０１の内容について説明する。
【００７８】
（画像評価装置１２００：画像評価値補正部１２０１の内容）
画像評価値補正部１２０１は、画像品質評価部１０４から出力された評価値Ｄを式（２）に基づいて画像評価値ＰＤに補正する。本願発明者は、ロジスティック回帰をおこなうため式（２）の関数形を採用し、ロジスティック回帰をおこなって係数ｑ1〜ｑ4を決定した。図１３は、ロジスティック回帰により求められた係数ｑ1〜ｑ4の値を示した図表である。
【００７９】
図１４は、式（２）による主観評価結果の予測精度、すなわち、補正された評価値の予測精度を示した説明図である。図に示したように、予測精度は相関係数０．９０１（寄与率０．８１１）であり、画像評価装置１２００は、画像に対する主観評価と非常に高い相関のとれた評価値を出力することが可能であることが分かった。画像評価値補正部１２０１は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２、係数格納部２３５）、ＣＰＵ２０１およびＲＡＭ２０２によりその機能を実現することができる。
【００８０】
（画像評価装置１２００の処理流れ）
最後に、画像評価装置１００の処理流れについて説明する。図１５は画像評価装置１２００の処理流れの一例を示したフローチャートである。画像の品質の評価をおこなうために、まず、評価すべき画像の画像データを入力する（ステップＳ１５０１）。この入力は、スキャナ２１０（図２参照）から入力してもよいが、電子的に作成した理想的なデータを入力してもよい。
【００８１】
つぎに、ステップＳ１５０１で入力された画像データに対して使用する空間演算フィルタを選択する（ステップＳ１５０２）。空間演算フィルタは、式（４）に示したＭａｒのモデルのように等方性微分演算フィルタが挙げられ、使用するσi（ｉ＝ｃｈａｎｎｅｌ１〜ｃｈａｎｎｅｌ５）の全部もしくはいくつかを選択する態様であってもよいし、また、式（４）とは異なる複数の空間演算フィルタから使用すべき空間演算フィルタを選択してもよい。
【００８２】
つぎに、ステップＳ１５０１で入力された画像データに対してステップＳ１５０２で選択された空間演算フィルタを用いて畳み込み演算をおこなう（ステップＳ１５０３）。具体的な一例として、式（５）および式（６）により表される演算をおこなうことが挙げられる。つづいて、ステップＳ１５０３でおこなわれた畳み込み演算の結果に基づいてステップＳ１５０１で入力された画像データを有する画像の品質を評価する（ステップＳ１５０４）。具体的な一例として、式（１）に表される評価式に基づいて評価値Ｄを求めることが挙げられる。すなわち、ステップＳ１５０３で求めたテクスチャ量と、別途取得した網点面積率とに基づいて評価値Ｄを求める。
【００８３】
画像評価装置１２００は、ステップＳ１５０４で算出された評価値Ｄを式（２）に基づいて評価値ＰＤに補正する（ステップＳ１５０５）。補正する際の係数ｑ1〜ｑ4は係数格納部２３５に格納しておく。
【００８４】
以上説明したように、実施の形態２の画像評価装置は、画像に対する主観評価と高精度に相関のとれた評価値を出力することが可能となる。たとえば、従来では人間には差が知覚されるが評価値ではうまく差が表れないような、テクスチャのみによるエッジの検出を相関よく評価することが可能となる。
【００８５】
実施の形態３．
実施の形態３では、入力される画像データの密度を調節する画像評価装置について説明する。なお、実施の形態３では、実施の形態１と同様の構成部分については同一の符合を付し、その説明を省略するものとする。
【００８６】
図１６は、実施の形態３の画像評価装置をＰＣに適用した場合の機能ブロック図である。画像評価装置１６００は、実施の形態１の画像評価装置１００に、さらに、入力密度調節部１６０１を含ませたものである。つぎに、入力密度調節部１６０１の内容について説明する。
【００８７】
（画像評価装置１６００：入力密度調節部１６０１の内容）
入力密度調節部１６０１は、画像データ入力部１０１により入力される画像データの入力密度を、人間が当該画像を観察する際の網膜上の結像密度と略等しくなるように調節する。調節は以下の方法によりおこなう。まず、人間が被評価画像を観察する際の観察距離を入力する。この入力された観察距離から、人間が被評価画像を観察する際の網膜上の結像密度を演算する。つぎに、演算された網膜上の結像密度と近似的に等しくなるように、画像入力密度を調節する。
【００８８】
たとえば、人間が被評価画像を観察する際の観察距離をＤ［ｍｍ］とすると、人間の眼球光学系の接点は通常網膜から１７［ｍｍ］離れた位置にあり、且つ、網膜上錐体の直径は略０．００２［ｍｍ］であるといわれているので、錐体１個に結像する物体の直径Ｉ［ｍｍ］は、Ｉ＝Ｄ・０．００２／１７で表される。従って、入力密度調節部１６０１は、画像入力密度が１画素当たりＩ［ｍｍ］となるように調整する。
【００８９】
この様に、入力密度を調整することにより、実際の人間の視覚系の特性に基づく画像品質評価をおこなうことが可能となる。すなわち、被評価画像を人間が観察する際の観察距離が異なると、網膜上の結像密度も異なってしまうが、入力密度調節部１６０１は、様々な相異なる観察距離にて人間が被評価画像を観察する場合に対応でき、相関の高い評価値を出力することが可能となる。なお、仕様の態様によっては、各σを同一比をもって拡大もしくは縮小調節してもよい。
【００９０】
以上説明したように、本発明は、心理物理的側面、神経生理学的側面、解剖学的側面からもその存在が確実視されている視覚系のチャンネルについてのモデルを用いている。これにより、実在する視覚メカニズムに基づく演繹法的手法を画質評価に導入することができ、画像に対する主観評価と相関のとれた評価値を出力することが可能となる。すなわち、本発明により、本質的に網膜上の強度変化を検出する機構であるチャネルを用いて、粒状性、鮮鋭性、バンディングといった画像の濃度変動に起因する画質劣化の要因の定量化をおこなうことが可能となり、画像の品質の評価値として出力することが可能となった。
【００９１】
また、この評価装置、評価手法を用いて、各種の画像出力機器（プリンタ、スキャナ、ＣＲＴモニタ）を評価することができる。例えば、Ａ社とＢ社のプリンタが同じ２４００ｄｐｉとしていても、同じ画像データからプリントアウトされた画像は微妙に感じが異なっていることがある。この場合、本発明の画像評価装置、画像評価方法を用いることにより、どちらが「よい」プリンタであるかという、人間の感覚的な尺度に沿った評価を定量的におこうことが可能となる。このような、いわば量的変数（画像データ）から質的変数（画像がよい悪いの人間の判断）を予測可能とするのは、本装置もしくは本方法が、ロジスティック回帰分析を利用しているからであるといえる。
【００９２】
なお、本実施の形態で説明した画像処理方法は、あらかじめ用意されたプログラムをパーソナル・コンピューターやワークステーション等のコンピュータで実行することにより実現することができる。このプログラムは、ハードディスク、フロッピーディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。またこのプログラムは、上記記録媒体を介して、インターネット等のネットワークを介して配布することができる。
【０１０３】
【発明の効果】
以上説明したように、本発明の画像評価装置（請求項１）は、二つの画像を比較して同じに見えるか差があるように見えるかの主観的な評価に沿った評価を出力する画像評価装置であって、画像データ入力手段が、評価すべき二つの画像の画像データを入力し、畳込演算部が、評価すべき二つの画像の画像データに対して演算フィルタによる畳み込み演算を行い、画像のテクスチャを表現する物理量であるテクスチャ量を求め、テクスチャ量算出手段が、畳込演算部で算出された評価すべき二つの画像のテクスチャ量に基づいて、テクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎとを算出し、網点面積率取得手段が、評価すべき二つの画像の網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを取得し、画像評価値算出手段が、テクスチャ量算出手段により算出されたテクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎ、および、網点面積率取得手段により取得された網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを用いて、式（１）により画像評価値Ｄを算出するので、巨視的には同じ濃度である画像のテクスチャによる見え方の差を算出することができ、これにより、画像に対する主観評価と相関のとれた評価値を出力することが可能な画像評価装置を提供することができる。
【０１０４】
また、本発明の画像評価装置（請求項３）は、請求項１または２に記載の画像評価装置において、さらに、画像評価値補正手段が、画像評価値算出手段により算出された画像評価値Ｄを、式（２）に基づいて画像評価値ＰＤに補正するので、画像に対する主観評価と高精度に相関のとれた評価値を出力することが可能な画像評価装置を提供することができる。
【０１０５】
また、本発明の画像評価装置（請求項４）は、請求項１ないし３のいずれか一に記載の画像評価装置において、入力密度調節手段が、画像データ入力手段により入力される画像データの入力密度を、人間が当該画像を観察する際の網膜上の結像密度と略等しくなるように調整するので、被評価画像の画像密度と網膜上の画像密度を略等しくすることができ、これにより、画像に対する主観評価と相関のとれた評価値を出力することが可能な画像評価装置を提供することができる。
【図面の簡単な説明】
【図１】実施の形態１の画像評価装置をＰＣに適用した場合の機能ブロック図である。
【図２】実施の形態１の画像評価装置のハードウェア構成の一例を示した説明図である。
【図３】実験に用いたスクリーン角３０度で１５０線の２値中間調画像（３００ｄｐｉおよび６００ｄｐｉ）の拡大図である。
【図４】物理量を算出するための画像データとして、１画素８ビットの矩形の画像で画像全域にわたって値が等しい画像の例を示した図である。
【図５】主観評価に用いる画像データとして各々異なる入力値をもち、隣接する２個の矩形部分からなる画像の例を示した図である。
【図６】図５に示した画像の拡大図である。
【図７】ＶＴＦの関数形を示した説明図である。
【図８】実施の形態１の画像評価装置に用いるテクスチャ量Ｔを算出する際に使用する係数であって、回帰をおこなうことによって決定された係数Ａiを示した図表である。
【図９】実施の形態１で説明した主観評価実験に用いたＡＰＰＲＯＶＡＬからの出力例を示した図である。
【図１０】実施の形態１の画像評価装置に用いる評価値Ｄを算出する際に使用する係数であって、最適化をすることにより求められた係数ｐ1〜ｐ9の値を示した図表である。
【図１１】実施の形態１の画像評価装置の処理流れの一例を示したフローチャートである。
【図１２】実施の形態２の画像評価装置をＰＣに適用した場合の機能ブロック図である。
【図１３】実施の形態２の画像評価装置に用いる評価値ＰＤを算出する際に使用する係数であって、ロジスティック回帰により求められた係数ｑ1〜ｑ4の値を示した図表である。
【図１４】実施の形態２の画像評価装置で補正された評価値の予測精度を示した説明図である。
【図１５】実施の形態２の画像評価装置の処理流れの一例を示したフローチャートである。
【図１６】実施の形態３の画像評価装置をＰＣに適用した場合の機能ブロック図である。
【図１７】チャンネルの受容野の概略形状を示した説明図であり、受容野平面上に各受光体からの出力をｚ軸方向にプロットしたものを水平方向から表示した図である。
【符号の説明】
１００ 画像評価装置
１０１ 画像データ入力部
１０２ 演算フィルタ選択部
１０３ 畳込演算部
１０４ 画像品質評価部
１０５ 網点面積率取得部
１０６ 演算フィルタ格納部
２０３ ハードディスク
２０６ プリンタ
２１０ スキャナ
２３２ 画像品質評価アプリケーション
２３３ 画像データ格納部
２３４ フィルタ格納部
２３５ 係数格納部
１２００ 画像評価装置
１２０１ 画像評価値補正部
１６００ 画像評価装置
１６０１ 入力密度調節部
Ｄ 画像評価値
Ｍ 網点面積率
ＰＤ 補正後の評価値
Ｔ テクスチャ量
ΔＧ 等方性微分演算フィルタ
【発明の属する技術分野】
本発明は、ハードコピー画像の品質を評価する画像評価装置に関し、特に、マルチチャンネルモデルに基づいたロジスティック回帰分析により重み（係数）の決定された評価式を用いて画像の品質を評価する画像評価装置に関する。
【０００２】
【従来の技術】
従来、人間の視覚機能においては、空間周波数選択性を有する複数のチャンネル（以降において適宜マルチチャンネルと称する）が存在することが知られている。神経生理学的および解剖学的研究により、網膜神経節細胞（ｇａｎｇｌｉｏｎ ｃｅｌｌ）には、ほぼ円対称の受容野（ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄ）をもち、受容野中心部に興奮性領域を有しつつ周辺部に抑制性領域を有するオン中心型細胞と、その逆の特性を有するオフ中心型細胞が存在することが明らかにされている。このオン中心型細胞とオフ中心型細胞が空間周波数選択性のチャンネルの視覚経路をなしていると考えられている。図１７は、チャンネルの受容野の概略形状を示した説明図であり、受容野平面上に各受光体からの出力をｚ軸方向にプロットしたものを水平方向から表示した図である。図はオン中心型細胞を示している。
【０００３】
一方、ハードコピー画像の画像品質を評価する方法として、特開平７−３２５９２２号に示される技術が挙げられる。すなわち、人間の視覚特性を考慮するために、物理量である空間周波数領域（パワースペクトラム）に変換された画像情報に対して、人間の視覚のＭＴＦ特性（ＶＴＦ）を乗じた量を用いて画像品質を評価するという方法が用いられている。
【０００４】
【発明が解決しようとする課題】
しかしながら、従来の技術では以下の問題点があった。
すなわち、従来の画像品質の評価方法では、デジタル画像のテクスチャの知覚と粒状性を統合することが困難であるという問題点があった。また、テクスチャのみによるエッジの検出が困難であるという問題点があった。
【０００５】
これは、画質を知覚する人間の視覚系が非常に非線形なシステムであるため、空間周波数特性は近似的にしか有効でないことに起因すると考えられる。また、視覚のＭＴＦ特性は人間の正弦波状の刺激に対するコントラスト感度の閾値のデータを基に得られたものであるため、マルチチャンネルによる視覚現象の１側面を記述したものにすぎないことに起因すると考えられる。
【０００６】
たとえば、濃度の同じ画像を二つ並べて見た場合に、人間はそのテクスチャの差によって両画像の見え方が異なると感じる。一方、従来の空間周波数特性を用いた方法では同じ見え方をすると評価してしまうという問題点があった。
【０００７】
換言すると、画像に対する主観評価と相関のとれた評価値を出力することができない場合があるという問題点があった。
【０００８】
本発明は上記に鑑みてなされたものであって、画像に対する主観評価と相関のとれた評価値を出力することを目的とする。
【００１９】
【課題を解決するための手段】
上記の目的を達成するために、請求項１に記載の画像評価装置は、二つの画像を比較して同じに見えるか差があるように見えるかの主観的な評価に沿った評価を出力する画像評価装置であって、評価すべき二つの画像の画像データを入力する画像データ入力手段と、前記評価すべき二つの画像の画像データに対して演算フィルタによる畳み込み演算を行い、画像のテクスチャを表現する物理量であるテクスチャ量を求める畳込演算部と、前記畳込演算部で算出された前記評価すべき二つの画像のテクスチャ量に基づいて、テクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎとを算出するテクスチャ量算出手段と、前記評価すべき二つの画像の網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを取得する網点面積率取得手段と、前記テクスチャ量算出手段により算出されたテクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎ、および、前記網点面積率取得手段により取得された網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを用いて、下式（１）により画像評価値Ｄを算出する画像評価値算出手段と、を具備したことを特徴とする（但しｐ1〜ｐ9は、予めおこなわれた主観評価実験により決定された定数とする）。すなわち、請求項１にかかる発明は、巨視的には同じ濃度である画像のテクスチャによる見え方の差を算出する。
また、請求項２に記載の画像評価装置は、請求項１記載の画像評価装置において、前記畳込演算部は、人間の視覚系の空間周波数選択性を有する５種類のチャンネルで画像を畳み込み、下式（５），（６）を用いてテクスチャを表現する物理量を求める、ことを特徴とする。（但し、式（５）および式（６）の添字ｉは各チャンネルに対応しており、Ｇ i （ｒ）は、チャンネルｉにおけるＧ（ｒ）を表すものとする。Ｎは被演算画素数を示す。Ａ i は、人間の視覚系の空間周波数特性に最適化された係数を示す。）
【００２０】
また、請求項３に記載の画像評価装置は、請求項１または２に記載の画像評価装置において、さらに、前記画像評価値算出手段により算出された画像評価値Ｄを、式（２）に基づいて画像評価値ＰＤに補正する画像評価値補正手段を具備したことを特徴とする（但しｑ１〜ｑ４は、回帰分析により決定された定数とする）。すなわち、請求項３にかかる発明は、画像に対する主観評価と高精度に相関のとれた評価値を出力する。
【００２１】
また、請求項４に記載の画像評価装置は、請求項１ないし３のいずれか一に記載の画像評価装置において、前記画像データ入力手段により入力される画像データの入力密度を、人間が当該画像を観察する際の網膜上の結像密度と略等しくなるように調整する入力密度調節手段を備えたことを特徴とする。すなわち、請求項４にかかる発明は、被評価画像の画像密度と網膜上の画像密度を略等しくする。
【００３０】
【発明の実施の形態】
以下、本発明の実施の形態を図面を参照しながら詳細に説明する。
実施の形態１．
実施の形態１では、まず、視覚系のモデルについて概説し、つぎに、画像評価装置をパーソナルコンピュータ（以降適宜ＰＣと称する）に適用した例を説明し、つづいて実験例を、最後に処理流れについて説明する。
【００３１】
（視覚系のモデルについて）
ここでは、視覚のマルチチャンネル理論と受容野について概説する。１９６８年にＣａｍｐｂｅｌｌとＲｏｂｓｏｎが心理物理学的実験の結果をもとに、人間の視覚機能における空間周波数選択性を有するチャンネルの存在を結論づけて以来、この空間周波数選択性を有するチャンネルについては様々な心理物理学的研究がおこなわれてきた。
【００３２】
一方、網膜神経節細胞には、略円対称の受容野をもち、受容野中心部に興奮性領域を有し周辺部に抑制領域を有するオン中心型細胞と、その逆のオフ中心型細胞が存在することが、神経生理学的、および解剖学的研究の結果明らかにされており、これらが空間周波数選択性のチャンネルの視覚系路をなしていると考えられている。
【００３３】
さらに、Ｗｉｌｓｏｎらは視覚の検出域のデータを基礎にして、人間におけるマルチチャンネルメカニズムの定量的モデルを構築した。Ｗｉｌｓｏｎらはこれらのチャンネルに対応する４種に分類される受容野をそれぞれ二つのガウス関数の差（ＤＯＧ：Ｄｉｆｆｅｒｅｎｃｅ ｏｆ Ｇａｕｓｓｉａｎｓ）として記述し、各チャンネルが刺激を検出する確率が空間的確率加算の法則（Ｌｏｗ ｏｆｐｒｏｂａｂｉｌｉｔｙ ｓｕｍｍａｔｉｏｎ）に従うならば、０．２５〜１６．０［ｃｙｃｌｅ／ｄｅｇ］の範囲の１次元の空間的パターンの閾検出に関する心理物理学的データを基本的に説明できることを証明した。
【００３４】
すなわち、Ｗｉｌｓｏｎらは、視野の各点において存在する１次元の４種類のチャンネル（マルチチャンネル）を提案した。これらは受容野の中心的領域の大きさの小さい順にＮ，Ｓ，Ｔ，Ｕと名付けられた。これらのチャンネルの大きさは偏心度、すなわち、視角で表された中心窩からの距離と共に線形に増大する。また、１次元的にはこの様な受容野を有するチャンネルは網膜に写った外界の光の強度変化の検出器の役割を担っていると考えられている。
【００３５】
さらに、この定量的モデルはＭａｒらにより２次元的に拡張、補強されている。ここで、Ｍａｒは、Ｗｉｌｓｏｎらのマルチチャンネル理論を２次元に展開するに当たり、受容野中心部が１個の錐体によって構成されるミジェット神経節細胞に対応する最小チャンネルの存在を予測し、計５つのチャンネルでモデルを構築した。
【００３６】
Ｍａｒらは、刺激の強度分布を検出する最良のフィルタはΔＧフィルタであるとする。ここでΔはラプラス演算子であり、Ｇは標準偏差σ（但しσは各チャンネルによって固有の５つの値をとる）をもつ二次元ガウス分布である。ＧおよびΔＧは下式（３）、（４）により表記される。
【数４】
以降においては、ＭａｒらによるＧもしくはΔＧの関数プロファイルを用いた当方性微分演算フィルタにより、マルチチャンネルモデルに裏打ちされた画像評価装置、画像評価方法およびコンピュータに画像を評価させるプログラムについて説明する。
【００３８】
（画像評価装置について）
図１は、実施の形態１の画像評価装置をＰＣに適用した場合の機能ブロック図であり、図２は、実施の形態１の画像評価装置のハードウェア構成の一例を示した説明図である。
【００３９】
ＰＣ１００は、評価対象である画像の画像データを入力する画像データ入力部１０１と、画像データ入力部１０１により入力された画像データに対して使用する空間演算フィルタを選択する演算フィルタ選択部１０２と、画像データ入力部１０１により入力された画像データに対して演算フィルタ選択部１０２により選択された空間演算フィルタを用いて畳み込み演算をおこなう畳込演算部１０３と、畳込演算部１０３によりおこなわれた畳み込み演算の結果に基づいて評価対象の画像の品質の評価値を出力する画像品質評価部１０４と、を有する。なお、以降においてはＰＣ１００を画像評価装置１００と称する場合がある。
【００４０】
なお、画像品質評価部１０４では、評価すべき画像の網点面積率を取得する網点面積率取得部１０５からの出力値を用いて画像の品質の評価値を出力する。なお、使用の態様によっては網点面積率以外の画像の物理的属性、たとえば反射率などを用いてもよい。また、演算フィルタ選択部１０２が選択する演算フィルタは演算フィルタ格納部１０６に格納されているものとする。演算フィルタ格納部１０６には、空間演算フィルタ、たとえば、等方性微分演算フィルタやラプラシアンなどを格納する。以降においては、前述のΔＧを用いた例を説明するが、使用の態様によっては、ＤＯＧを用いてもよい。
【００４１】
ＰＣ１００は、ハードウェア構成として、畳み込み演算を実行することを初めとし画像の品質の評価値を算出する演算をおこなうＣＰＵ２０１（図２参照）と、ＣＰＵ２０１のワークエリアであるＲＡＭ２０２と、ＯＳを含み様々なプログラムないしソフトウェアを格納し、また、評価対象の画像の画像データや、畳み込み演算をおこなう際の空間演算フィルタや演算の際の係数を格納するハードディスク２０３を有する。
【００４２】
また、ＰＣ１００は、評価すべき画像を表示するＣＲＴ２０４と、ＣＲＴ２０４の出力制御をおこなうビデオカード２０５と、評価すべき画像を印刷するプリンタ２０６と、各種の指示をおこなうキーボード２０７およびマウス２０８と、プリンタ２０６、キーボード２０７およびマウス２０８の入出力を制御するＩ／Ｆ２０９と、評価すべき画像を読み込むスキャナ２１０と、以上の各部を接続するバス２１１を有する。
【００４３】
なお、ＣＲＴ２０４、プリンタ２０６は、評価すべき所定の画像を表示もしくは出力するが、これは、各種の係数決めをおこなう際もしくは回帰分析をおこなうためのサンプリングのために用いてもよい。同様に、スキャナ２１０は、サンプリングの際に用いるものであってもよい。換言すれば、ＰＣ１００により、これらの入力機器および出力機器の評価をおこなうことができる。
【００４４】
ここで、ハードディスク２０３の格納対象について説明する。ハードディスク２０３は、ＰＣ１００の基本動作を制御するＯＳ２３１と、畳み込み演算や各種のフィルタや係数の読み出しをおこない画像の品質の評価値を出力するプログラムである画像品質評価アプリケーション２３２と、を有する。
【００４５】
ハードディスク２０３は、評価すべき画像データを格納する画像データ格納部２３３と、畳み込み演算をおこなう際に参照するフィルタ格納部２３４と、畳み込み演算をおこなう際に使用する係数や、画像の品質を評価する際に使用する係数を格納する係数格納部２３５と、を有する。図に示したように、画像データ格納部２３３には評価対象画像データ１、評価対象画像データ２、・・・が格納され、フィルタ格納部２３４には、微分演算フィルタ１、微分演算フィルタ２、・・・が格納され、係数格納部２３５には、係数１、係数２、・・・が格納されている。なお、係数には、後述するｔ1〜ｔ5、Ａ1〜Ａ5、ｐ1〜ｐ9、ｑ1〜ｑ4等を格納する。
【００４６】
つぎに、各部の内容を説明する。
（画像評価装置１００：画像データ入力部１０１の内容）
画像データ入力部１０１は、評価すべき画像の画像データを入力する。画像データ入力部１０１は、たとえば３００ｍｍ等所定の観察距離にて人間が被評価画像を観察する際の人間の網膜上の結像密度と近似的に等しい画像入力密度を有する画像を入力する。なお、予め電子的に作成された画像を入力してもよい。画像データ入力部１０１は、たとえば、スキャナ２１０やハードディスク２０３（特に、画像データ格納部２３３）によりその機能を実現することができる。なお、使用の態様によっては、マイクロ濃度計（図示せず）により実現することもできる。
【００４７】
（画像評価装置１００：演算フィルタ選択部１０２の内容）
演算フィルタ選択部１０２は、畳み込み演算に使用する演算フィルタを選択し、畳込演算部１０３に引き渡す。演算フィルタは前述したＧもしくはΔＧ（式（３）もしくは式（４）を参照）を用いる。なお、式ＧもしくはΔＧ中のσは、各チャンネルに従って定められた定数であり、５つのチャンネルがあるとするＭａｒのモデルの場合はσは５つあるということになる。以降においては、適宜σ1〜σ5（σ1最小、σ5最大）と表記することとする。
【００４８】
従って、演算フィルタ選択部１０２は、評価すべき画像に応じて、すべてのσに対応したフィルタを選択する場合もあれば、一つのσ、たとえばσ2に対応したフィルタを選択する場合もある。演算フィルタ選択部１０２は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２とフィルタ格納部２３４）、ＣＰＵ２０１によりその機能を実現することができる。なお、選択される演算フィルタは演算フィルタ格納部１０６に格納されており、演算フィルタ格納部１０６は、ハードディスク２０３（特にフィルタ格納部２３４）によりその機能を実現することができる。
【００４９】
（画像評価装置１００：畳込演算部１０３の内容）
畳込演算部１０３は、入力された画像データに選択された演算フィルタを施し画像の品質の評価値を算出する際に使用される基礎データを出力する。すなわち、畳込演算部１０３は、画像データに畳み込み演算を施す。後述する例では、基礎データとして画像のテクスチャを表現する物理量を求めている。畳込演算部１０３は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２）、ＣＰＵ２０１、ＲＡＭ２０２によりその機能を実現することができる。
【００５０】
（画像評価装置１００：画像品質評価部１０４）
画像品質評価部１０４は、畳み込み演算の結果に基づいて画像の品質の評価値を出力する。後述する例では、テクスチャ量と網点面積率を用いて、画像に対する主観評価と相関のとれた評価値を出力する。具体的には式（１）に表される評価値Ｄを出力する。この際使用する係数ｐ1〜ｐ9は、予め求めておいた係数であり、係数格納部２３５に格納されている。画像品質評価部１０４は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２と係数格納部２３５）と、ＣＰＵ２０１とＲＡＭ２０２によりその機能を実現することができる。
【００５１】
（画像評価装置１００：網点面積率取得部１０５の内容）
網点面積率取得部１０５は、評価すべき画像の網点面積率を入手し、適宜差の絶対値や平均値を算出し、画像品質評価部１０４に出力する。ここで、取得とは、画像データ入力部１０１から入力した画像データに基づいて網点面積率を算出する場合と、キーボード２０７やテンキーなどを介して数値を入力する場合の何れであってもよいことを意味する。
【００５２】
また、差の値や平均値とは、たとえば、Ａ社のプリンタとＢ社のプリンタを用いて同一画像を出力し、比較する場合にその網点面積率の差の値や平均値をいう。なお、網点面積率取得部１０５が、差の絶対値や平均値を算出してもよいし、別途画像品質評価部１０４が算出する態様であってもよい。網点面積率取得部１０５は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２）や、スキャナ２１０、キーボード２０７およびＣＰＵ２０１によりその機能を実現することができる。
【００５３】
画像評価装置であるＰＣ１００は、以上のような構成を有することにより、たとえば特定の空間周波数帯域に生じるバンディングのような画像欠陥の知覚される大きさを定量化でき、人間の視覚系の特性に基づく画像品質評価をおこなうこと、すなわち、画像に対する主観評価と相関のとれた評価値を出力することが可能となる。
【００５４】
（実験例）
つぎに、画像評価装置１００を適用した実験例について説明する。ここでは画像の作成、物理量の算出、主観評価実験、評価値と主観評価実験との相関の順について説明する。ここでは、簡単のために、中間調処理された画像における階調変化に伴うテクスチャ変化による画質劣化を定量化する（評価する）実験について説明する。
【００５５】
（実験例：画像の作成）
実験は、テクスチャ構造を有する画像として、３００ｄｐｉおよび６００ｄｐｉでそれぞれ１５０線でスクリーン角３０度の２値中間調画像の２種類を用いた。１５０線とは、網点が１インチの中に１５０個入ることを示す画像の一属性値である。図３は、実験に用いたスクリーン角３０度で１５０線の２値中間調画像（３００ｄｐｉおよび６００ｄｐｉ）の拡大図である。
【００５６】
物理量算出および主観評価実験に用いる中間調画像データはコンピュータを用いて作成した。ここで、物理量を算出するための画像データとして均一入力値の矩形画像データを用い、主観評価に用いる画像データとして各々異なる入力値をもち、隣接する２個の矩形部分からなる画像データを用いた。図４は、物理量を算出するための画像データとして、１画素８ビットの矩形の画像で画像全域にわたって値が等しい画像の例を示した図である。
【００５７】
図５は、主観評価に用いる画像データとして各々異なる入力値をもち、隣接する２個の矩形部分からなる画像の例を示した図である。図６は、図５に示した画像の拡大図である。なお、図５は見やすさの観点から、矩形部分の左側は１６０を、右側を１２８にしてある。
【００５８】
これらコンピュータ上で作成された主観評価用の画像をＫｏｄａｋ社のＡＰＰＲＯＶＡＬで出力した。なお、ＡＰＰＲＯＶＡＬからは図６に示したように、二値化した画像を出力した。
【００５９】
（実験例：物理量の算出）
Ｍａｒが提唱した視覚系のマルチチャンネル理論に基づいて、５種類のチャンネルを、画質劣化を定量化する基となる物理量の算出に用いた。Ｍａｒによれば、受容野（すなわち、ある１個の神経節細胞に連結している網膜上の錐体（桿体）の集合で表される網膜上の領域）の中心部の直径は、各々、０．０２２°、０．０７３°、０．１４６°、０．２７６°、０．４９５°である（なお、網膜上の単位面積に結像する見込みの視野角は視距離に関係なく一定であるので、上記のごとく°で表すことができる）。
【００６０】
従って、眼球光学系の接点が網膜から１７ｍｍの位置にあり、錐体の直径が２［μｍ］であるとすると、この見込み角度は、錐体直径のそれぞれ１．６５倍、５．４２倍、１０．８４倍、２０．４６倍、３６．７２倍に相当する。また、Ｍａｒの定義によるチャンネルの数学的記述は、受容野中心からの距離をｒ（ｒ＝ｓｑｒｔ（ｘ2＋ｙ2））とすると、上述した式（４）で与えられる。
【００６１】
受容野中心部の境界においては、式（４）の左辺が０となるので（図１７参照）、ここで用いる５種類のチャンネルのσの値は、錐体の直径を１ｃｏｎｅと表すこととすると、１．１６６ｃｏｎｅ、３．８３２ｃｏｎｅ、７．６６５ｃｏｎｅ、１４．４６４ｃｏｎｅ、２５．９６２ｃｏｎｅとなる。
【００６２】
画像の観察距離を３５０ｍｍとして、解像度６００ｄｐｉすなわち、６００分の１インチの物体の像は網膜上では０．００２１ｍｍであり、ほぼ錐体の直径と一致する。従って、６００ｄｐｉの画像は近似的にそのまま網膜像として用いることが可能となる。
【００６３】
このようなチャンネルで画像を畳み込むと、各々のチャンネルのスケールにおける強度変化が検出される。均一な強度（濃度）の画像に対してはその出力はすべての画素において０であるが、画像内に強度の変化があると変化に応じた正または負の値が出力される。畳み込みの一例として上述した（５）、（６）を用いて、テクスチャを表現する物理量Ｔを採用し、後述する評価値Ｄを算出することとした。
【００６５】
但し、式（５）および式（６）の添字ｉは各チャンネルに対応しており、Ｇi（ｒ）は、チャンネルｉにおけるＧ（ｒ）を表すものとする。Ｎは被演算画素数を示す。線形和Ｔを求める際の係数Ａiは、１次元の空間周波数λの正弦波の強度分布をもつ多値画像ｔiを求め、様々なλに対するｔiの線形和を人間の視覚系のコントラスト感度空間周波数特性（ＶＴＦ：Ｖｉｓｕａｌ Ｔｒａｎｓｆｅｒ Ｆｕｎｃｔｉｏｎ）に対して回帰をおこなうことにより決定した。ＶＴＦに対して回帰をおこなったのは、ＶＴＦは人間の視覚特性のうち最も基本的な特性を表現する関数と考えられるからである。すなわち、Ａiは、人間の視覚系の空間周波数特性に最適化された係数ということができる。
【００６６】
図７は、ＶＴＦの関数形を示した説明図であり、図８は、回帰をおこなうことによって決定された係数Ａiを示した図表である。図８から明らかなように、ｔiおよびＴは画像の強度の変動量に対する増加関数となっている。また、ＶＴＦに対して回帰させたので、Ａiはσiに一対一に対応する定数であり、評価する画像の種類によらず使用することができる。
【００６７】
（実験例：主観評価実験）
主観的評価実験は、入力値の相異なる２個の矩形図形を隣接させたサンプル群を被験者に提示しおこなった。被験者は、知覚されるテクスチャの差異に応じて、サンプル群を５レベルに分類した。すなわち、レベル１は「はっきり差が分かる」、レベル２は「結構差が分かる」、レベル３は、「少し差があるように見える」、レベル４は「何となく差があるように見える」、レベル５は「同一に見える」として、二つの隣接した画像を評価した。図９は、実験に用いたＡＰＰＲＯＶＡＬからの出力例を示した図である。前述したように、主観評価実験では図に示した３００ｄｐｉ、１５０線、スクリーン角３０°の二値中間調画像の何れか二つのサンプルを隣接させておこなった。
【００６８】
（実験例：評価値と主観評価実験との相関）
各サンプルに対して知覚されるテクスチャの差異の大きさを式（１）で表される関数により与えられる値Ｄにより予測した。上述したように、ΔＴは、式（６）で与えられるテクスチャの差、すなわち、隣接させた片方のサンプルについてのテクスチャ量Ｔ（テクスチャ量ＴLとする）と他方のサンプルについてのテクスチャ量Ｔ（テクスチャ量ＴRとする）との差（ＴL−ＴR）である。また、Ｔｍｅａｎは、Ｔｍｅａｎ＝（ＴL＋ＴR）／２である。なお、Ｔを求める際のＲ（ｘ，ｙ）としては、６００ｄｐｉでスキャンした画像をそのまま用いた。
【００６９】
同様に、ΔＭは予め分かっているサンプルの網点面積率の差、すなわち、隣接させた片方のサンプルについての網点面積率Ｍ（面積率ＭLとする）と他方のサンプルについての網点面積率Ｍ（面積率ＭRとする）との差（ＭL−ＭR）である。また、Ｍｍｅａｎは、Ｍｍｅａｎ＝（ＭL＋ＭR）／２である。
【００７０】
本願発明者は、テクスチャの量の差（ΔＴ）を平均テクスチャ量（Ｔｍｅａｎ）で補正した量と、画像の強度（明度）の差（ΔＭ）を平均強度（明度）（Ｍｍｅａｎ）で補正した量の線形和となる形で式（１）を案出した。各係数ｐ1〜ｐ9については、主観評価実験の結果に対して回帰をおこない決定した。図１０は、最適化により求められた係数ｐ1〜ｐ9の値を示した図表である。
【００７１】
係数ｐ３が負であるため式（１）の第１項は平均テクスチャ量（Ｔｍｅａｎ）に対する増加関数であり、画像の強度変動が大きいほどテクスチャを知覚しやすいという現象に対応しているものと考えられる。また、明度は網点面積率に対して減少関数であるが、係数ｐ７が負であるため第２項は平均強度（明度）に対する増加関数であり、画像が明るいほど明るさの差を知覚しやすいという現象に対応しているものと考えられる。従って、式（１）により算出される評価値Ｄは、実際の心理物理的現象と矛盾しない予測式ないし評価式であるといえる。
【００７２】
（画像評価装置１００の処理流れ）
最後に、画像評価装置１００の処理流れについて説明する。図１１は画像評価装置１００の処理流れの一例を示したフローチャートである。画像の品質の評価をおこなうために、まず、評価すべき画像の画像データを入力する（ステップＳ１１０１）。この入力は、スキャナ２１０（図２参照）から入力してもよいが、電子的に作成した理想的なデータを入力してもよい。
【００７３】
つぎに、ステップＳ１１０１で入力された画像データに対して使用する空間演算フィルタを選択する（ステップＳ１１０２）。空間演算フィルタは、式（４）に示したＭａｒのモデルのような等方性微分演算フィルタが挙げられ、使用するσi（ｉ＝ｃｈａｎｎｅｌ１〜ｃｈａｎｎｅｌ５）の全部もしくはいくつかを選択する態様であってもよいし、また、式（４）とは異なる複数の空間演算フィルタから使用すべき空間演算フィルタを選択してもよい。
【００７４】
つぎに、ステップＳ１１０１で入力された画像データに対してステップＳ１１０２で選択された空間演算フィルタを用いて畳み込み演算をおこなう（ステップＳ１１０３）。具体的な一例として、式（５）および式（６）により表される演算をおこなうことが挙げられる。つづいて、ステップＳ１１０３でおこなわれた畳み込み演算の結果に基づいてステップＳ１１０１で入力された画像データを有する画像の品質を評価する（ステップＳ１１０４）。具体的な一例として、式（１）に表される評価式に基づいて評価値Ｄを求めることが挙げられる。すなわち、ステップＳ１１０３で求めたテクスチャ量と、別途取得した網点面積率とに基づいて評価値Ｄを求める。
【００７５】
以上説明した様に実施の形態１の画像評価装置は、人間の視覚系の特性に基づく画像品質評価をおこなうことができ、これにより、画像に対する主観評価と相関のとれた評価値を出力することが可能な画像評価装置を提供することができる。特に、空間演算フィルタとしてマルチチャンネルモデルに基づいた等方性微分演算フィルタΔＧを用い、各チャンネルからの出力値ｔiに対する係数Ａiも、ＶＴＦに回帰させて得た値なので、人間の視覚特性を反映させた評価値を得ることができる。
【００７６】
実施の形態２．
実施の形態２では、評価値Ｄを補正してより評価の精度を向上させる、すなわち、人間主観評価と高精度に相関のとれた評価値を出力する画像評価装置について説明する。なお、実施の形態２では、実施の形態１と同様の構成部分については同一の符号を付し、その説明を省略するものとする。
【００７７】
図１２は、実施の形態２の画像評価装置をＰＣに適用した場合の機能ブロック図である。画像評価装置１２００は、実施の形態１の画像評価装置１００に、さらに、画像評価値補正部１２０１を含ませたものである。つぎに、画像評価値補正部１２０１の内容について説明する。
【００７８】
（画像評価装置１２００：画像評価値補正部１２０１の内容）
画像評価値補正部１２０１は、画像品質評価部１０４から出力された評価値Ｄを式（２）に基づいて画像評価値ＰＤに補正する。本願発明者は、ロジスティック回帰をおこなうため式（２）の関数形を採用し、ロジスティック回帰をおこなって係数ｑ1〜ｑ4を決定した。図１３は、ロジスティック回帰により求められた係数ｑ1〜ｑ4の値を示した図表である。
【００７９】
図１４は、式（２）による主観評価結果の予測精度、すなわち、補正された評価値の予測精度を示した説明図である。図に示したように、予測精度は相関係数０．９０１（寄与率０．８１１）であり、画像評価装置１２００は、画像に対する主観評価と非常に高い相関のとれた評価値を出力することが可能であることが分かった。画像評価値補正部１２０１は、たとえば、ハードディスク２０３（特に画像品質評価アプリケーション２３２、係数格納部２３５）、ＣＰＵ２０１およびＲＡＭ２０２によりその機能を実現することができる。
【００８０】
（画像評価装置１２００の処理流れ）
最後に、画像評価装置１００の処理流れについて説明する。図１５は画像評価装置１２００の処理流れの一例を示したフローチャートである。画像の品質の評価をおこなうために、まず、評価すべき画像の画像データを入力する（ステップＳ１５０１）。この入力は、スキャナ２１０（図２参照）から入力してもよいが、電子的に作成した理想的なデータを入力してもよい。
【００８１】
つぎに、ステップＳ１５０１で入力された画像データに対して使用する空間演算フィルタを選択する（ステップＳ１５０２）。空間演算フィルタは、式（４）に示したＭａｒのモデルのように等方性微分演算フィルタが挙げられ、使用するσi（ｉ＝ｃｈａｎｎｅｌ１〜ｃｈａｎｎｅｌ５）の全部もしくはいくつかを選択する態様であってもよいし、また、式（４）とは異なる複数の空間演算フィルタから使用すべき空間演算フィルタを選択してもよい。
【００８２】
つぎに、ステップＳ１５０１で入力された画像データに対してステップＳ１５０２で選択された空間演算フィルタを用いて畳み込み演算をおこなう（ステップＳ１５０３）。具体的な一例として、式（５）および式（６）により表される演算をおこなうことが挙げられる。つづいて、ステップＳ１５０３でおこなわれた畳み込み演算の結果に基づいてステップＳ１５０１で入力された画像データを有する画像の品質を評価する（ステップＳ１５０４）。具体的な一例として、式（１）に表される評価式に基づいて評価値Ｄを求めることが挙げられる。すなわち、ステップＳ１５０３で求めたテクスチャ量と、別途取得した網点面積率とに基づいて評価値Ｄを求める。
【００８３】
画像評価装置１２００は、ステップＳ１５０４で算出された評価値Ｄを式（２）に基づいて評価値ＰＤに補正する（ステップＳ１５０５）。補正する際の係数ｑ1〜ｑ4は係数格納部２３５に格納しておく。
【００８４】
以上説明したように、実施の形態２の画像評価装置は、画像に対する主観評価と高精度に相関のとれた評価値を出力することが可能となる。たとえば、従来では人間には差が知覚されるが評価値ではうまく差が表れないような、テクスチャのみによるエッジの検出を相関よく評価することが可能となる。
【００８５】
実施の形態３．
実施の形態３では、入力される画像データの密度を調節する画像評価装置について説明する。なお、実施の形態３では、実施の形態１と同様の構成部分については同一の符合を付し、その説明を省略するものとする。
【００８６】
図１６は、実施の形態３の画像評価装置をＰＣに適用した場合の機能ブロック図である。画像評価装置１６００は、実施の形態１の画像評価装置１００に、さらに、入力密度調節部１６０１を含ませたものである。つぎに、入力密度調節部１６０１の内容について説明する。
【００８７】
（画像評価装置１６００：入力密度調節部１６０１の内容）
入力密度調節部１６０１は、画像データ入力部１０１により入力される画像データの入力密度を、人間が当該画像を観察する際の網膜上の結像密度と略等しくなるように調節する。調節は以下の方法によりおこなう。まず、人間が被評価画像を観察する際の観察距離を入力する。この入力された観察距離から、人間が被評価画像を観察する際の網膜上の結像密度を演算する。つぎに、演算された網膜上の結像密度と近似的に等しくなるように、画像入力密度を調節する。
【００８８】
たとえば、人間が被評価画像を観察する際の観察距離をＤ［ｍｍ］とすると、人間の眼球光学系の接点は通常網膜から１７［ｍｍ］離れた位置にあり、且つ、網膜上錐体の直径は略０．００２［ｍｍ］であるといわれているので、錐体１個に結像する物体の直径Ｉ［ｍｍ］は、Ｉ＝Ｄ・０．００２／１７で表される。従って、入力密度調節部１６０１は、画像入力密度が１画素当たりＩ［ｍｍ］となるように調整する。
【００８９】
この様に、入力密度を調整することにより、実際の人間の視覚系の特性に基づく画像品質評価をおこなうことが可能となる。すなわち、被評価画像を人間が観察する際の観察距離が異なると、網膜上の結像密度も異なってしまうが、入力密度調節部１６０１は、様々な相異なる観察距離にて人間が被評価画像を観察する場合に対応でき、相関の高い評価値を出力することが可能となる。なお、仕様の態様によっては、各σを同一比をもって拡大もしくは縮小調節してもよい。
【００９０】
以上説明したように、本発明は、心理物理的側面、神経生理学的側面、解剖学的側面からもその存在が確実視されている視覚系のチャンネルについてのモデルを用いている。これにより、実在する視覚メカニズムに基づく演繹法的手法を画質評価に導入することができ、画像に対する主観評価と相関のとれた評価値を出力することが可能となる。すなわち、本発明により、本質的に網膜上の強度変化を検出する機構であるチャネルを用いて、粒状性、鮮鋭性、バンディングといった画像の濃度変動に起因する画質劣化の要因の定量化をおこなうことが可能となり、画像の品質の評価値として出力することが可能となった。
【００９１】
また、この評価装置、評価手法を用いて、各種の画像出力機器（プリンタ、スキャナ、ＣＲＴモニタ）を評価することができる。例えば、Ａ社とＢ社のプリンタが同じ２４００ｄｐｉとしていても、同じ画像データからプリントアウトされた画像は微妙に感じが異なっていることがある。この場合、本発明の画像評価装置、画像評価方法を用いることにより、どちらが「よい」プリンタであるかという、人間の感覚的な尺度に沿った評価を定量的におこうことが可能となる。このような、いわば量的変数（画像データ）から質的変数（画像がよい悪いの人間の判断）を予測可能とするのは、本装置もしくは本方法が、ロジスティック回帰分析を利用しているからであるといえる。
【００９２】
なお、本実施の形態で説明した画像処理方法は、あらかじめ用意されたプログラムをパーソナル・コンピューターやワークステーション等のコンピュータで実行することにより実現することができる。このプログラムは、ハードディスク、フロッピーディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。またこのプログラムは、上記記録媒体を介して、インターネット等のネットワークを介して配布することができる。
【０１０３】
【発明の効果】
以上説明したように、本発明の画像評価装置（請求項１）は、二つの画像を比較して同じに見えるか差があるように見えるかの主観的な評価に沿った評価を出力する画像評価装置であって、画像データ入力手段が、評価すべき二つの画像の画像データを入力し、畳込演算部が、評価すべき二つの画像の画像データに対して演算フィルタによる畳み込み演算を行い、画像のテクスチャを表現する物理量であるテクスチャ量を求め、テクスチャ量算出手段が、畳込演算部で算出された評価すべき二つの画像のテクスチャ量に基づいて、テクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎとを算出し、網点面積率取得手段が、評価すべき二つの画像の網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを取得し、画像評価値算出手段が、テクスチャ量算出手段により算出されたテクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎ、および、網点面積率取得手段により取得された網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを用いて、式（１）により画像評価値Ｄを算出するので、巨視的には同じ濃度である画像のテクスチャによる見え方の差を算出することができ、これにより、画像に対する主観評価と相関のとれた評価値を出力することが可能な画像評価装置を提供することができる。
【０１０４】
また、本発明の画像評価装置（請求項３）は、請求項１または２に記載の画像評価装置において、さらに、画像評価値補正手段が、画像評価値算出手段により算出された画像評価値Ｄを、式（２）に基づいて画像評価値ＰＤに補正するので、画像に対する主観評価と高精度に相関のとれた評価値を出力することが可能な画像評価装置を提供することができる。
【０１０５】
また、本発明の画像評価装置（請求項４）は、請求項１ないし３のいずれか一に記載の画像評価装置において、入力密度調節手段が、画像データ入力手段により入力される画像データの入力密度を、人間が当該画像を観察する際の網膜上の結像密度と略等しくなるように調整するので、被評価画像の画像密度と網膜上の画像密度を略等しくすることができ、これにより、画像に対する主観評価と相関のとれた評価値を出力することが可能な画像評価装置を提供することができる。
【図面の簡単な説明】
【図１】実施の形態１の画像評価装置をＰＣに適用した場合の機能ブロック図である。
【図２】実施の形態１の画像評価装置のハードウェア構成の一例を示した説明図である。
【図３】実験に用いたスクリーン角３０度で１５０線の２値中間調画像（３００ｄｐｉおよび６００ｄｐｉ）の拡大図である。
【図４】物理量を算出するための画像データとして、１画素８ビットの矩形の画像で画像全域にわたって値が等しい画像の例を示した図である。
【図５】主観評価に用いる画像データとして各々異なる入力値をもち、隣接する２個の矩形部分からなる画像の例を示した図である。
【図６】図５に示した画像の拡大図である。
【図７】ＶＴＦの関数形を示した説明図である。
【図８】実施の形態１の画像評価装置に用いるテクスチャ量Ｔを算出する際に使用する係数であって、回帰をおこなうことによって決定された係数Ａiを示した図表である。
【図９】実施の形態１で説明した主観評価実験に用いたＡＰＰＲＯＶＡＬからの出力例を示した図である。
【図１０】実施の形態１の画像評価装置に用いる評価値Ｄを算出する際に使用する係数であって、最適化をすることにより求められた係数ｐ1〜ｐ9の値を示した図表である。
【図１１】実施の形態１の画像評価装置の処理流れの一例を示したフローチャートである。
【図１２】実施の形態２の画像評価装置をＰＣに適用した場合の機能ブロック図である。
【図１３】実施の形態２の画像評価装置に用いる評価値ＰＤを算出する際に使用する係数であって、ロジスティック回帰により求められた係数ｑ1〜ｑ4の値を示した図表である。
【図１４】実施の形態２の画像評価装置で補正された評価値の予測精度を示した説明図である。
【図１５】実施の形態２の画像評価装置の処理流れの一例を示したフローチャートである。
【図１６】実施の形態３の画像評価装置をＰＣに適用した場合の機能ブロック図である。
【図１７】チャンネルの受容野の概略形状を示した説明図であり、受容野平面上に各受光体からの出力をｚ軸方向にプロットしたものを水平方向から表示した図である。
【符号の説明】
１００ 画像評価装置
１０１ 画像データ入力部
１０２ 演算フィルタ選択部
１０３ 畳込演算部
１０４ 画像品質評価部
１０５ 網点面積率取得部
１０６ 演算フィルタ格納部
２０３ ハードディスク
２０６ プリンタ
２１０ スキャナ
２３２ 画像品質評価アプリケーション
２３３ 画像データ格納部
２３４ フィルタ格納部
２３５ 係数格納部
１２００ 画像評価装置
１２０１ 画像評価値補正部
１６００ 画像評価装置
１６０１ 入力密度調節部
Ｄ 画像評価値
Ｍ 網点面積率
ＰＤ 補正後の評価値
Ｔ テクスチャ量
ΔＧ 等方性微分演算フィルタ
Claims (4)
- 二つの画像を比較して同じに見えるか差があるように見えるかの主観的な評価に沿った評価を出力する画像評価装置であって、
評価すべき二つの画像の画像データを入力する画像データ入力手段と、
前記評価すべき二つの画像の画像データに対して演算フィルタによる畳み込み演算を行い、画像のテクスチャを表現する物理量であるテクスチャ量を求める畳込演算部と、
前記畳込演算部で算出された前記評価すべき二つの画像のテクスチャ量に基づいて、テクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎとを算出するテクスチャ量算出手段と、
前記評価すべき二つの画像の網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを取得する網点面積率取得手段と、
前記テクスチャ量算出手段により算出されたテクスチャ量の差の絶対値ΔＴとテクスチャ量の平均値Ｔｍｅａｎ、および、前記網点面積率取得手段により取得された網点面積率の差の絶対値ΔＭと網点面積率の平均値Ｍｍｅａｎとを用いて、下式（１）により画像評価値Ｄを算出する画像評価値算出手段と、
を具備したことを特徴とする画像評価装置。
- 前記畳込演算部は、人間の視覚系の空間周波数選択性を有する５種類のチャンネルで画像を畳み込み、下式（５），（６）を用いてテクスチャを表現する物理量を求める、
ことを特徴とする請求項１記載の画像評価装置。
- さらに、前記画像評価値算出手段により算出された画像評価値Ｄを、下式（２）に基づいて画像評価値ＰＤに補正する画像評価値補正手段を具備したことを特徴とする請求項１または２に記載の画像評価装置。
- 前記画像データ入力手段により入力される画像データの入力密度を、人間が当該画像を観察する際の網膜上の結像密度と略等しくなるように調整する入力密度調節手段を備えたことを特徴とする請求項１ないし３のいずれか一に記載の画像評価装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001040855A JP4040259B2 (ja) | 2001-02-16 | 2001-02-16 | 画像評価装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001040855A JP4040259B2 (ja) | 2001-02-16 | 2001-02-16 | 画像評価装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002245464A JP2002245464A (ja) | 2002-08-30 |
| JP4040259B2 true JP4040259B2 (ja) | 2008-01-30 |
Family
ID=18903377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001040855A Expired - Fee Related JP4040259B2 (ja) | 2001-02-16 | 2001-02-16 | 画像評価装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4040259B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102637301A (zh) * | 2012-03-20 | 2012-08-15 | 武汉大学 | 航空摄影过程中实时自动评定影像色彩质量的方法 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7003161B2 (en) * | 2001-11-16 | 2006-02-21 | Mitutoyo Corporation | Systems and methods for boundary detection in images |
| JP4755012B2 (ja) * | 2005-06-29 | 2011-08-24 | 株式会社エヌ・ティ・ティ・ドコモ | 映像評価装置、時空間周波数解析装置、映像評価方法、時空間周波数解析方法、映像評価プログラム、および時空間周波数解析プログラム |
| EP2230627A3 (en) | 2006-04-26 | 2012-03-28 | Aware, Inc. | Fingerprint preview quality and segmentation |
| JP5202190B2 (ja) * | 2008-08-28 | 2013-06-05 | キヤノン株式会社 | 画像処理方法及び画像処理装置 |
| JP5202263B2 (ja) * | 2008-12-04 | 2013-06-05 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びコンピュータプログラム |
| US10515304B2 (en) | 2015-04-28 | 2019-12-24 | Qualcomm Incorporated | Filter specificity as training criterion for neural networks |
| JP6688468B2 (ja) * | 2017-03-23 | 2020-04-28 | 京セラドキュメントソリューションズ株式会社 | ディザマトリックス生成方法、ディザマトリックス生成装置、画像処理装置及びディザマトリックス生成プログラム |
| CN115697713A (zh) | 2020-06-02 | 2023-02-03 | 柯尼卡美能达株式会社 | 画质评价装置、图像形成装置以及画质评价方法 |
| CN112990156B (zh) * | 2021-05-12 | 2021-08-13 | 深圳市安软科技股份有限公司 | 基于视频的最优目标捕捉方法、装置及相关设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0415882A (ja) * | 1990-05-09 | 1992-01-21 | Matsushita Electric Ind Co Ltd | 画質評価装置 |
| JP3231840B2 (ja) * | 1992-06-15 | 2001-11-26 | 大日本印刷株式会社 | 画像検査装置 |
| US5394483A (en) * | 1992-06-30 | 1995-02-28 | Eastman Kodak Co | Method and apparatus for determining visually perceptible differences between images |
| JPH0720042A (ja) * | 1993-07-07 | 1995-01-24 | Kubota Corp | 分光分析装置 |
-
2001
- 2001-02-16 JP JP2001040855A patent/JP4040259B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102637301A (zh) * | 2012-03-20 | 2012-08-15 | 武汉大学 | 航空摄影过程中实时自动评定影像色彩质量的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2002245464A (ja) | 2002-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | A new metric based on extended spatial frequency and its application to DWT based fusion algorithms | |
| Chen et al. | A human perception inspired quality metric for image fusion based on regional information | |
| Martens et al. | Image dissimilarity | |
| JP4959760B2 (ja) | 画像におけるノイズ出現の評価方法 | |
| EP2261853A1 (en) | Image processing apparatus, medium, and method | |
| US6813389B1 (en) | Digital image processing method and system including noise reduction and tone scale adjustments | |
| EP2179396B1 (en) | Toner-based noise reduction in electrostatography | |
| Zhu et al. | A no-reference objective image quality metric based on perceptually weighted local noise | |
| JP4040259B2 (ja) | 画像評価装置 | |
| US20150244946A1 (en) | Method and systems for thermal image / video measurements and processing | |
| EP2462558B1 (en) | Image processing apparatus, image processing method, and computer program | |
| KR20120081018A (ko) | 화상 처리 장치 및 화상 처리 방법, 및 프로그램 | |
| JP5675253B2 (ja) | 画像処理装置、画像処理方法及びコンピュータプログラム | |
| JP6369019B2 (ja) | 画像評価装置および画像評価プログラム | |
| JPH1139486A (ja) | 画像の画質評価方法 | |
| Renuka et al. | An objective measure for assessing the quality of contrast enhancement on magnetic resonance images | |
| JP4234358B2 (ja) | ノイズ出現の評価を利用して画像処理経路を選択するシステムおよび方法 | |
| CN108288267B (zh) | 一种基于暗通道的扫描电镜图像清晰度无参考评价方法 | |
| Liu et al. | Wavelet-based figure of merit for macro-uniformity | |
| Yi et al. | Quality evaluation metric for greyscale error diffusion halftone images based on texture and visual characteristics | |
| EP1411472A2 (en) | Gradation conversion of an image | |
| JP2000188647A (ja) | 画像評価方法および画像評価装置 | |
| Jigo et al. | How voluntary and involuntary attention differentially shape spatial resolution | |
| Kayargadde | Feature extraction for image quality prediction | |
| JP2638921B2 (ja) | 画像評価装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050128 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070801 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070807 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071009 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20071106 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20071107 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101116 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111116 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111116 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121116 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131116 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |