JP4102983B2 - Color chart set, color chart set generation method, color chart set generation apparatus, white balance performance measurement method, and image processing apparatus - Google Patents
Color chart set, color chart set generation method, color chart set generation apparatus, white balance performance measurement method, and image processing apparatus Download PDFInfo
- Publication number
- JP4102983B2 JP4102983B2 JP2002275353A JP2002275353A JP4102983B2 JP 4102983 B2 JP4102983 B2 JP 4102983B2 JP 2002275353 A JP2002275353 A JP 2002275353A JP 2002275353 A JP2002275353 A JP 2002275353A JP 4102983 B2 JP4102983 B2 JP 4102983B2
- Authority
- JP
- Japan
- Prior art keywords
- color
- chart
- image
- color chart
- screen
- 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
- Spectrometry And Color Measurement (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Color Television Image Signal Generators (AREA)
- Processing Of Color Television Signals (AREA)
Description
【０００１】
【発明の属する技術分野】
この発明は、撮像装置（カメラ）のホワイトバランス性能を定量的・客観的に測定評価するための色票チャートセット、この色票チャートセットを作成する方法および装置、並びに、この色票チャートセットを用いて撮像装置のホワイトバランス性能を測定評価する方法に関する。
【０００２】
【従来の技術】
撮像装置のホワイトバランスは多くの制御パラメータが複雑に関係するので、その性能（特性）を評価することが難しい。
【０００３】
一般的な画像は、グレーワールドとして知られているように、無彩色が主体の画像を中心に分布しているため、従来、ホワイトバランス性能を評価する場合には、グレースケールなどの、無彩色の色票チャートを、評価対象の撮像装置で撮影し、測定している。
【０００４】
しかし、無彩色が主体の画像を中心に分布しているとは言え、一般的な画像には、高彩度の画像部分を有する画像や、画像全体として高彩度の画像も存在し、また、ある広がりをもって色が分散しているなど、色の分散も様々である。そのため、無彩色の色票チャートのみでは、ホワイトバランス性能の詳細・厳密な評価を行うことはできない。
【０００５】
そこで、従来は、野外でフィールドテストを行い、屋内のスタジオで各種の被写体を撮影するなど、考えうる多くのシチュエーションのもとで撮影を繰り返して、ホワイトバランス性能を評価している。
【０００６】
なお、先行技術文献を調査したところ、関連するものは見当たらなかった。
【０００７】
【発明が解決しようとする課題】
しかしながら、上述した従来の方法では、テストの規模や回数が膨大となり、多大の労力と費用を要する。
【０００８】
しかも、どのようなシチュエーションで性能を発揮し、または誤動作を起こすかなどの判定は、設計者や評価者の経験と勘に頼る部分が大きく、定量的・客観的に優劣をつけてホワイトバランス性能を評価するのが難しい。誤動作やエラーに対する原因の特定も難しく、設計上の修正を行った場合の副作用の確認も困難である。
【０００９】
しかも、毎回、同じ撮影シチュエーションが得られるとは限らず、屋外での撮影については、天候や湿度、周辺の反射物などの影響が大きく、同じ撮影を行うことは無理であるとともに、屋内での撮影についても、被写体を置く場所や撮影距離、光源の色温度や照度など、撮影条件や撮影環境を一定に保つことは困難である。
【００１０】
雑誌社などが独自に、様々な測定評価を行って、メーカー各社の商品を比較しているが、上記のような背景から、商品の設計内容と評価結果との間の因果関係が不明確なことが多い。メーカーとしても、ホワイトバランス性能に関しての技術的な説明が不明確になりがちで、カタログやスペックなどで定量的な議論ができる明確な指標が無かった。
【００１１】
メーカーとしては、性能保障の一つとして、ホワイトバランス性能を定量的・客観的に測定評価する方法が必要とされるとともに、消費者の立場からも、雑誌などの評価に相当する共通の評価指標が求められている。
【００１２】
そこで、この発明は、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価することができるようにしたものである。
【００１３】
【課題を解決するための手段】
この発明の色票チャートセットは、
画面内の色の分散が小さく、かつ色の平均が低彩度の画像を抽象化したチャートとして、それぞれ幾何学形状の、複数種の肌色の色票パッチおよび基準色度点の色票パッチを有する第１の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が低彩度の画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第２の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第３の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第４の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第５の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第６の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第７の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第８の色票チャートと、
を備えるものである。
【００１４】
一般的な画像は、無彩色が主体の画像を中心に分布しているものの、高彩度の画像部分を有する画像や、画像全体として高彩度の画像も存在し、また、ある広がりをもって色が分散しているなど、色の分散も様々である。
【００１５】
そこで、この発明では、一般的な画像を、
（１）画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（２）画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（３）画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像、
（４）画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像、
（５）画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像、
（６）画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像、
（７）画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像、
（８）画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像、
の８種類に分類し、色票チャートセットとして、それぞれの分類の画像を抽象化したチャートを備えるものである。
【００１６】
これら抽象化チャートは、それぞれ、幾何学形状の複数の色票パッチを有し、絵柄は対応する元の画像と異なるが、対応する元の画像を抽象化したチャートとして、対応する元の画像と同様の色偏差（画面内の色の散らばり度合い）および平均彩度（画面内の各画素の彩度の平均値）を有し、しかも１８％ニュートラルグレーなどの基準色度点の色票パッチを有するものである。
【００１７】
したがって、この抽象化チャート（色票チャート）をホワイトバランス性能の評価対象の撮像装置で撮影して得られた画像データにおける上記の基準色度点の色票パッチの測色データから、ホワイトバランス性能を評価する指数を算出し、その算出した指数によりホワイトバランス性能を評価することによって、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価することができる。
【００１８】
【発明の実施の形態】
〔画像の解析と分類：図１〜図１１〕
まず、この発明の色票チャートセット（抽象化チャート群）を作成するのに用いる画像解析方法および画像分類方法を示す。
【００１９】
上述したように、一般的な画像は、無彩色が主体の画像を中心に分布しているが、高彩度の画像部分を有する画像や、画像全体として高彩度の画像も存在し、また、ある広がりをもって色が分散しているなど、色の分散も様々である。
【００２０】
そこで、統計的・定量的な画像解析によって一般的な画像を分類するために、一般的なデジタル画像を、できるだけ多数、例えば数１００枚程度、様々な種類および撮影状況のものが均等に入るように収集する。
【００２１】
これら収集した多数のデジタル画像を、以下のように解析し、分類する。図１は、画像解析のための画像処理装置の一例を示し、例えばパーソナルコンピュータとして、以下のような画像解析を実行するアプリケーションプログラムを備えるものである。
【００２２】
画像処理装置１０は、ＣＰＵ１１を備え、そのバス１２に、キャッシュメモリ１３およびメインメモリ１４が接続されるとともに、ハードディスクインタフェース１５を介してハードディスク記憶装置１６が接続される。
【００２３】
ハードディスク記憶装置１６には、あらかじめ画像解析用アプリケーションプログラムがロードされるとともに、デジタル画像の画像ファイル中の、インターネットなどのネットワーク上で取得した画像ファイルが記録される。
【００２４】
また、バス１２には、入力インタフェース２１を介して、キーボードやマウスなどからなる操作装置２２が接続されるとともに、表示制御部２３を介して、液晶ディスプレイやＣＲＴディスプレイなどの表示装置２４が接続される。
【００２５】
さらに、デジタル画像の画像ファイルが記録されたメモリカードやディスク媒体などの記録メディア２５が、メディアインタフェース２６を介してバス１２に接続される。
【００２６】
デジタル画像のファイル形式は、ＪＰＥＧ（Ｊｏｉｎｔ Ｐｈｏｔｏｇｒａｐｈｉｃ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）や、ＴＩＦＦ（Ｔａｇｇｅｄ Ｉｍａｇｅ Ｆｉｌｅ Ｆｏｒｍａｔ）など、画像処理装置１０で処理できるものであれば、いかなるものでもよいが、以下の例では、画像処理装置１０に取り込まれるデジタル画像は、ＹＣｒＣｂ（Ｙ：輝度信号、Ｃｒ，Ｃｂ：色差信号）圧縮画像データであるとする。
【００２７】
ＣＰＵ１１は、上記の画像解析用アプリケーションプログラムによって、そのデジタル画像を１枚ずつ解析し、分類する。図２〜図５に、ＣＰＵ１１が実行する画像解析処理ルーチンの一例を示す。
【００２８】
この画像解析処理ルーチン３０では、まずステップ３１で、解析対象画像のＹＣｒＣｂ圧縮画像データを伸長し、次にステップ３２で、伸長後のＹＣｒＣｂデータを、図６の式（１）に示すｓＲＧＢマトリクス変換によって、ＲＧＢデータに変換する。
【００２９】
次に、ステップ３３で、当該画像の画面内のＲ，Ｇ，Ｂ平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅを算出する。個々の画素のＲ，Ｇ，Ｂ値をＲｎ，Ｇｎ，Ｂｎとし、画面内の画素数をＮとすると、平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅは、図６の式（２）（３）（４）で表される。
【００３０】
次に、ステップ３４で、平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅをガンマ／リニア変換し、さらにステップ３５で、変換後の平均値Ｒ’ａｖｅ，Ｇ’ａｖｅ，Ｂ’ａｖｅをＸＹＺ変換する。平均値Ｒａｖｅ，Ｇａｖｅ，Ｂａｖｅのガンマ／リニア変換は、図６の式（５）で表され、変換後の平均値Ｒ’ａｖｅ，Ｇ’ａｖｅ，Ｂ’ａｖｅのＸＹＺ変換は、図６の式（６）で表される。
【００３１】
次に、ステップ３６で、ＸＹＺ変換後の平均値Ｘａｖｅ，Ｙａｖｅ，ＺａｖｅをＬ＊ａ＊ｂ＊変換して、平均値Ｌａｖｅ，ａａｖｅ，ｂａｖｅを算出する。ＸＹＺ表色系からＬ＊ａ＊ｂ＊表色系への変換は、図７の式（７）（８）（９）で表される。式（７）（８）（９）中の関数ｆ（Ｘ／Ｘｎ），ｆ（Ｙ／Ｙｎ），ｆ（Ｚ／Ｚｎ）は、図７の式（１１）（１２）（１３）または式（１４）（１５）（１６）で表される。Ｘｎ，Ｙｎ，Ｚｎは、対象物と同一照明下での完全拡散面の３刺激値である。
【００３２】
ステップ３４〜３６での処理は、図８の式（１７）（１８）（１９）で示すように、ステップ３３で非線形色空間であるＲＧＢ色空間で算出した平均値を、線形色空間（均等色空間）であるＬ＊ａ＊ｂ＊色空間上の平均値に変換するものである。
【００３３】
次に、ステップ３７に進んで、当該画像の画素ごとのＬ＊，ａ＊，ｂ＊値を算出する。そのために、ステップ３２で算出した画素ごとのＲ，Ｇ，Ｂ値を、図６の式（５）によってガンマ／リニア変換し、変換後のＲ’，Ｇ’，Ｂ’値を、図６の式（６）によってＸＹＺ変換し、変換後のＸ，Ｙ，Ｚ値を、図７の式（７）（８）（９）によってＬ＊ａ＊ｂ＊変換する。
【００３４】
次に、ステップ３８に進んで、ステップ３６で算出した平均値ａａｖｅ，ｂａｖｅ、およびステップ３７で算出した画素ごとのａ＊，ｂ＊値から、画面内の色偏差（色の散らばり度合い）Ｃｄｅｖを算出し、さらにステップ３９に進んで、ステップ３６で算出した平均値ａａｖｅ，ｂａｖｅから、画面内の平均彩度（彩度の平均値）Ｃａｖｅを算出する。
【００３５】
個々の画素のａ＊，ｂ＊値をａｎ，ｂｎとし、画面内の画素数をＮとすると、色偏差Ｃｄｅｖは、図８の式（２１）で表され、平均彩度Ｃａｖｅは、図８の式（２２）で表される。
【００３６】
画像解析処理ルーチン３０では、ステップ３８および３９で色偏差Ｃｄｅｖおよび平均彩度Ｃａｖｅを算出したら、ステップ４１に進んで、色偏差Ｃｄｅｖが色偏差分離レベルＤｌｅｖより小さいか否かを判断し、レベルＤｌｅｖより小さいと判断した場合には、ステップ４２に進んで、平均彩度Ｃａｖｅが無彩色分離レベルＧｌｅｖより小さいか否かを判断する。
【００３７】
そして、色偏差ＣｄｅｖがレベルＤｌｅｖより小さく、かつ平均彩度ＣａｖｅがレベルＧｌｅｖより小さいと判断した場合には、ステップ４２からステップ５１に進んで、当該画像はカテゴリー１に属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が低彩度の画像と判定して、当該画像についての画像解析処理を終了する。
【００３８】
ステップ４１で色偏差ＣｄｅｖがレベルＤｌｅｖ以上であると判断した場合には、ステップ４３に進んで、ステップ４２と同様に、平均彩度ＣａｖｅがレベルＧｌｅｖより小さいか否かを判断する。
【００３９】
そして、色偏差ＣｄｅｖがレベルＤｌｅｖ以上で、かつ平均彩度ＣａｖｅがレベルＧｌｅｖより小さいと判断した場合には、ステップ４３からステップ５２に進んで、当該画像はカテゴリー２に属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が低彩度の画像と判定して、当該画像についての画像解析処理を終了する。
【００４０】
一方、ステップ４１で色偏差ＣｄｅｖがレベルＤｌｅｖより小さいと判断し、かつステップ４２で平均彩度ＣａｖｅがレベルＧｌｅｖ以上であると判断した場合には、ステップ４２からステップ４４に進んで、ａ＊値の平均値ａａｖｅがａ＊方向分離レベルａｌｅｖより大きいか否かを判断し、レベルａｌｅｖより大きいと判断した場合には、ステップ４５に進んで、ｂ＊値の平均値ｂａｖｅがｂ＊方向分離レベルｂｌｅｖより大きいか否かを判断する。
【００４１】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖより大きく、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４５からステップ５３に進んで、当該画像はカテゴリー３Ｒに属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４２】
ステップ４４でａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下であると判断した場合には、ステップ４６に進んで、ステップ４５と同様に、ｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいか否かを判断する。
【００４３】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下で、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４６からステップ５４に進んで、当該画像はカテゴリー３Ｇに属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４４】
また、ステップ４５または４６でｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖ以下であると判断した場合には、ステップ５５に進んで、当該画像はカテゴリー３Ｂに属すると、すなわち、画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４５】
一方、ステップ４１で色偏差ＣｄｅｖがレベルＤｌｅｖ以上であると判断し、かつステップ４３で平均彩度ＣａｖｅがレベルＧｌｅｖ以上であると判断した場合には、ステップ４３からステップ４７に進んで、ａ＊値の平均値ａａｖｅがａ＊方向分離レベルａｌｅｖより大きいか否かを判断し、レベルａｌｅｖより大きいと判断した場合には、ステップ４８に進んで、ｂ＊値の平均値ｂａｖｅがｂ＊方向分離レベルｂｌｅｖより大きいか否かを判断する。
【００４６】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖより大きく、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４８からステップ５６に進んで、当該画像はカテゴリー４Ｒに属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４７】
ステップ４７でａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下であると判断した場合には、ステップ４９に進んで、ステップ４８と同様に、ｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいか否かを判断する。
【００４８】
そして、ａ＊値の平均値ａａｖｅがレベルａｌｅｖ以下で、かつｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖより大きいと判断した場合には、ステップ４９からステップ５７に進んで、当該画像はカテゴリー４Ｇに属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００４９】
また、ステップ４８または４９でｂ＊値の平均値ｂａｖｅがレベルｂｌｅｖ以下であると判断した場合には、ステップ５８に進んで、当該画像はカテゴリー４Ｂに属すると、すなわち、画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像と判定して、当該画像についての画像解析処理を終了する。
【００５０】
画像処理装置１０のＣＰＵ１１は、上述したように収集された多数のデジタル画像のそれぞれにつき、以上のような画像解析処理を順次実行して、それぞれの画像を、図９に示すように、
（１）カテゴリー１：画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（２）カテゴリー２：画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（３）カテゴリー３Ｒ：画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像、
（４）カテゴリー３Ｇ：画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像、
（５）カテゴリー３Ｂ：画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像、
（６）カテゴリー４Ｒ：画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像、
（７）カテゴリー４Ｇ：画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像、
（８）カテゴリー４Ｂ：画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像、
に分類する。
【００５１】
さらに、ＣＰＵ１１は、操作装置２２での操作によって、各画像についての、識別番号やファイル名などの識別情報、ａ＊，ｂ＊値の平均値ａａｖｅ，ｂａｖｅ、色偏差Ｃｄｅｖ、平均彩度Ｃａｖｅ、および分類の結果（分類カテゴリー）を、表示装置２４の画面上に表示する。
【００５２】
様々な種類および撮影状況のものを均等に含む数１００枚の画像を収集し、解析したところ、各画像の画面内におけるａ＊，ｂ＊値の平均値ａａｖｅ，ｂａｖｅは、図１０に示すようなａ＊ｂ＊平面上において、ある画像については点Ｐａで表され、ある画像については点Ｐｂで表され、ある画像については点Ｐｃで表されるように、同図の領域１で示すような範囲に分散することが認められた。
【００５３】
また、画像ごとの色偏差Ｃｄｅｖと平均彩度Ｃａｖｅの関係は、図１１に示すような、横軸を平均彩度Ｃａｖｅとし、縦軸を色偏差Ｃｄｅｖとする平面上にプロットしたところ、ある画像については点Ｐｓで表され、ある画像については点Ｐｔで表され、ある画像については点Ｐｕで表されるように、同図の領域２で示すような範囲に分散することが認められた。
【００５４】
以上の画像解析方法によれば、統計的・定量的な画像解析によって、一般的な画像を厳密・詳細に分類することができる。
【００５５】
〔色票チャートセットおよびその作成方法：図１２〜図１６〕
この発明では、上記のような画像分類結果に基づいて、以下のように特殊な色票チャートセット（抽象化チャート群）を作成する。
【００５６】
まず、図９のように分類された各カテゴリーの画像群から、それぞれ、最も特徴的な画像、または、ａ＊，ｂ＊値の平均値ａａｖｅ，ｂａｖｅが、当該カテゴリーに属する画像中で平均的もしくは中心的な値を示す画像を、当該カテゴリーの代表的な画像として選定する。
【００５７】
この場合、キャリブレートされたプリンタで印刷する場合など、選定した元画から直接、チャートを作成することが可能な場合には、色度点のみの管理が可能であるので、そのチャートを簡易評価用のチャートとして使用することができる。しかし、印刷物の分光特性は管理されていないので、実際の撮影やフィールドテストなどの代用チャートとしては使用することができない。
【００５８】
そのため、分類カテゴリーごとに、選定した元画につき、モザイク処理、カットアウト処理、メディアンフィルタ処理などを多重させるなどの、適当なフィルタ処理を施すことによって、選定した元画を抽象化し、得られた画像を色票チャート化する。
【００５９】
具体的に、その色票チャートは、図１２に抽象化チャート６として示すように、用紙６１上のチャートエリア６２内に色票パッチを配置したものである。その色票パッチは、色票パッチ６３，６４，６５として示すように、四角形（正方形または長方形）や菱形など、幾何学形状であればよい。
【００６０】
色票パッチとしては、元画の各部（被写体部分）の分光特性に一致または近似したものを用いるが、印刷技術的な制約から、マクベスカラーパッチやＪＩＳ規格Ｚ８７２６など、分光管理された汎用的な色票に置き換える。
【００６１】
例えば、人の顔の画像を抽象化したチャートの肌色の色票パッチとしては、白人の肌色としては、マクベスカラーパッチのＮｏ２やＪＩＳ規格Ｚ８７２６のＮｏ１３を用い、日本人の肌色としては、ＪＩＳ規格Ｚ８７２６のＮｏ１５を用いる。
【００６２】
このように分光管理された色票を用いることによって、色偏差や平均彩度の再計算が容易となり、パッチサイズの操作によりチャートの色偏差や平均彩度を意図的に操作することができる。
【００６３】
さらに、チャート撮影時のホワイトバランスのずれを測定するために、それぞれの抽象化チャートには、中央部付近に、基準色度点パッチ６７として、１８％ニュートラルグレーの色票パッチを設ける。
【００６４】
抽象化チャートの撮影環境の光源としては、色票パッチの色度点の確定のため、あらかじめ、Ｄ６５光源や人工太陽灯などの、分光管理された光源を規定しておく。
【００６５】
このように分光管理された光源を用いることによって、屋外環境などでの撮影を擬似的にシミュレートすることができる。
【００６６】
図１３に、画像の分類と抽象化チャートの種類（名称）との関係を示す。一般的な画像は、カテゴリー１，２，３Ｒ，３Ｇ，３Ｂ，４Ｒ，４Ｇ，４Ｂのいずれかに分類することができるので、抽象化チャートとしても、８種のチャートに集約することができる。
【００６７】
具体的に、カテゴリー１の画像（画面内の色の分散が小さく、かつ色の平均が低彩度の画像）の抽象化チャートとしては、図１４に示すように、元画３ｇｓの抽象化チャートとして、グレースケールチャート６ｇｓを作成するとともに、別の元画３ｓｎの抽象化チャートとして、肌色チャート６ｓｎを作成する。
【００６８】
元画３ｇｓは、路面に多数の鳩がいる画像であり、グレースケールチャート６ｇｓは、グレースケール色票６９を有し、その一つの段階部分、およびグレースケール色票６９の周囲部分（背景部分）を、図１２に示した基準色度点パッチ６７と同様に、１８％ニュートラルグレーとしたものである。
【００６９】
また、元画３ｓｎは、人の顔の画像であり、肌色チャート６ｓｎは、チャート中央部に、それぞれ白人の肌色、黒人の肌色、日本人の肌色の色票パッチを配置したものである。
【００７０】
このように複数種の肌色の色票パッチを設けた肌色チャート６ｓｎを用意することによって、ホワイトバランスが苦手とされるポートレート時の肌色の引き込みによる誤動作の度合いを測定することができる。
【００７１】
カテゴリー２の画像（画面内の色の分散が大きく、かつ色の平均が低彩度の画像）の抽象化チャートとしては、図１４に示すように、元画３ｇｐの抽象化チャートとして、屋外人物チャート６ｇｐを作成するとともに、別の元画３ｆｗの抽象化チャートとして、フラワーチャート６ｆｗを作成する。
【００７２】
元画３ｇｐは、屋外を背景とした人物の画像であり、屋外人物チャート６ｇｐは、図１２に示したような抽象化チャートで、チャート上部に空色の色票パッチを有し、中央部に肌色の色票パッチを有する、一般的な屋外での人物の撮影を想定したものである。
【００７３】
また、元画３ｆｗは、画像中央部に各種の色の花が存在する、色度平面上で見たときに、低彩度の色を中心に全色方向に高彩度の色が配置された画像であり、フラワーチャート６ｆｗは、図１２に示したような抽象化チャートで、チャート中央部に赤、緑、青、シアン、マゼンタ、イエローなどの色票パッチを有するものである。
【００７４】
このフラワーチャート６ｆｗは、花の接写などを想定したものであり、特定色に対するホワイトバランス性能の影響を測定するのに適する。
【００７５】
カテゴリー３Ｒの画像（画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像）の抽象化チャートとしては、図１５に示すように、元画３ｓｍの抽象化チャートとして、肌色モザイクチャート６ｓｍを作成する。
【００７６】
元画３ｓｍは、肌色が主体の画像であり、肌色モザイクチャート６ｓｍは、図１２に示したような抽象化チャートで、肌色の色票パッチを多く有するものである。
【００７７】
この肌色モザイクチャート６ｓｍは、肌色が画角一杯に入ったときに白色と誤判断し、またはダンボールなどを引き込んで画面が青く誤動作する場合の、誤判断または誤動作の度合いを測定するのに適する。
【００７８】
カテゴリー３Ｇの画像（画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像）の抽象化チャートとしては、図１５に示すように、元画３ｇｙの抽象化チャートとして、グラスイエローチャート６ｇｙを作成する。
【００７９】
元画３ｇｙは、草木中に黄色い花が存在する画像であり、グラスイエローチャート６ｇｙは、図１２に示したような抽象化チャートで、緑色の色票パッチおよびイエローの色票パッチを有するものである。
【００８０】
このグラスイエローチャート６ｇｙは、草木の高輝度反射成分を白色と誤判断し、青く引き込んでしまう度合いを測定するのに適する。
【００８１】
カテゴリー３Ｂの画像（画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像）の抽象化チャートとしては、図１５に示すように、元画３ｓｙの抽象化チャートとして、スカイチャート６ｓｙを作成する。
【００８２】
元画３ｓｙは、ビルディングの背景に青空が広がる画像であり、スカイチャート６ｓｙは、図１２に示したような抽象化チャートで、空色の色票パッチを多く有するものである。
【００８３】
このスカイチャート６ｓｙは、画角に占める空の割合が高く、空の高輝度の青を白色と誤判断する場合の、白色抽出精度を測定するのに適する。
【００８４】
カテゴリー４Ｒの画像（画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像）の抽象化チャートとしては、図１６に示すように、元画３ｒｍの抽象化チャートとして、レッドモザイクチャート６ｒｍを作成する。
【００８５】
元画３ｒｍは、画像中央部に赤い花が存在し、背景も赤い画像であり、レッドモザイクチャート６ｒｍは、図１２に示したような抽象化チャートで、赤色の色票パッチを多く有するものである。
【００８６】
カテゴリー４Ｇの画像（画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像）の抽象化チャートとしては、図１６に示すように、元画３ｇｍの抽象化チャートとして、グラスマゼンタチャート６ｇｍを作成する。
【００８７】
元画３ｇｍは、草木中にマゼンタの花が存在する画像であり、グラスマゼンタチャート６ｇｍは、図１２に示したような抽象化チャートで、緑色の色票パッチおよびマゼンタの色票パッチを有するものである。
【００８８】
草木の高輝度反射成分を白色と誤判断するとき、カメラが単純なグレーワールドを前提とした制御を行っていた場合には、その誤動作は抑制される。グラスマゼンタチャート６ｇｍは、上述したグラスイエローチャート６ｇｙと対比して使用することによって、このような場合の白色抽出精度を測定することができる。
【００８９】
カテゴリー４Ｂの画像（画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像）の抽象化チャートとしては、図１６に示すように、元画３ｓｇの抽象化チャートとして、スカイグリーンチャート６ｓｇを作成する。
【００９０】
元画３ｓｇは、画像上部に空が存在し、下部に草木が存在する画像であり、スカイグリーンチャート６ｓｇは、図１２に示したような抽象化チャートで、チャート上部に空色の色票パッチを有し、下部に緑色の色票パッチを有するものである。
【００９１】
このスカイグリーンチャート６ｓｇは、草木の高輝度反射成分、および画角にある程度占める空の高輝度の青を、白色と誤判断する場合の、白色抽出精度を測定するのに適する。
【００９２】
以上のような色票チャートセット（抽象化チャート群）によれば、次に示すように、それぞれの色票チャート（抽象化チャート）を、評価対象の撮像装置で撮影することによって、その撮像装置のホワイトバランス性能を、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、測定評価することができる。
【００９３】
しかも、統計的に多くの画像が分布するカテゴリー１，２の抽象化チャートとして、カテゴリー１については、グレースケールチャート６ｇｓおよび肌色チャート６ｓｎという２種の抽象化チャートを用意し、カテゴリー２については、屋外人物チャート６ｇｐおよびフラワーチャート６ｆｗという２種の抽象化チャートを用意するので、ホワイトバランス性能の測定精度を、より高めることができる。
【００９４】
〔ホワイトバランス性能の測定評価：図１７〜図２１〕
この発明では、上述した色票チャートセット（抽象化チャート群）を用いて、以下のように、評価対象の撮像装置のホワイトバランス性能を測定評価する。
【００９５】
まず、図１７に示すように、色票チャートセット５を構成する上述した抽象化チャート６ｇｓ，６ｓｎ，６ｇｐ，６ｆｗ，６ｓｍ，６ｇｙ，６ｓｙ，６ｒｍ，６ｇｍ，６ｓｇを順次，評価対象の撮像装置７で撮影し、得られた抽象化チャート撮影画像の画像ファイルを、メモリカードやディスク媒体などの記録メディア８に記録する。
【００９６】
この場合、撮影用の光源９としては、上述したように、あらかじめ規定した、Ｄ６５光源や人工太陽灯などの、分光管理された光源を用いる。これによって、屋外環境などでの撮影を擬似的にシミュレートすることができる。
【００９７】
次に、記録メディア８に収録した１０枚の抽象化チャート撮影画像の画像ファイルを、以下のように処理して、撮像装置７のホワイトバランス性能を測定評価する。
【００９８】
図１８は、測定評価のための画像処理装置の一例を示し、例えばパーソナルコンピュータとして、以下のような測定評価を実行するアプリケーションプログラムを備えるものである。
【００９９】
画像処理装置７０は、ＣＰＵ７１を備え、そのバス７２に、キャッシュメモリ７３およびメインメモリ７４が接続されるとともに、ハードディスクインタフェース７５を介してハードディスク記憶装置７６が接続される。
【０１００】
また、バス７２には、入力インタフェース８１を介して、キーボードやマウスなどからなる操作装置８２が接続されるとともに、表示制御部８３を介して、液晶ディスプレイやＣＲＴディスプレイなどの表示装置８４が接続される。
【０１０１】
さらに、抽象化チャート撮影画像の画像ファイルが記録された記録メディア８が、メディアインタフェース８６を介してバス７２に接続される。
【０１０２】
抽象化チャート撮影画像のファイル形式は、画像処理装置７０で処理できるものであれば、いかなるものでもよいが、以下の例では、抽象化チャート撮影画像は、ＹＣｒＣｂ圧縮画像データとして記録メディア８に記録されるものとする。
【０１０３】
ＣＰＵ７１は、上記の測定評価用アプリケーションプログラムによって、その抽象化チャート撮影画像を１枚ずつ処理し、ホワイトバランス性能を測定評価する。図１９に、ＣＰＵ７１が実行するホワイトバランス性能測定評価処理ルーチンの一例を示す。
【０１０４】
このホワイトバランス性能測定評価処理ルーチン９０では、まずステップ９１で、処理対象の抽象化チャート撮影画像のＹＣｒＣｂ圧縮画像データを伸長し、次にステップ９２で、伸長後のＹＣｒＣｂデータを、図６の式（１）に示すｓＲＧＢマトリクス変換によって、ＲＧＢデータに変換する。
【０１０５】
次に、ステップ９３で、ガンマ／リニア変換し、さらにステップ９４で、ＸＹＺ変換する。ガンマ／リニア変換は、図６の式（５）で表され、ＸＹＺ変換は、図６の式（６）で表される。
【０１０６】
次に、ステップ９５で、ＸＹＺデータをＬ＊ａ＊ｂ＊データに変換する。この変換は、上述したように、図７の式（７）〜（９），（１１）〜（１６）で表される。
【０１０７】
次に、ステップ９６に進んで、Ｌ＊ａ＊ｂ＊データから、後述の評価指数ωを算出し、さらにステップ９７に進んで、その評価指数ωから、ホワイトバランス性能を評価判定する。
【０１０８】
抽象化チャートの撮影をオートホワイトバランスで行った場合、チャート内における種々の色票の影響で、ホワイトバランスがずれる可能性が大きい。
【０１０９】
そこで、ホワイトバランス性能は、抽象化チャート内の図１２に示した１８％ニュートラルグレーの基準色度点パッチ６７（図１４に示したグレースケールチャート６ｇｓでは上記の１８％ニュートラルグレーの色票部分）のＬ＊ａ＊ｂ＊測色値によって測定し、この部分が基準の白に対して、どの程度ずれているかを測定することによって評価する。
【０１１０】
色差の表現として、ＣＩＥ（国際照明委員会）では、図２２の式（４１）が定義されている。
【０１１１】
これに近い表現でホワイトバランスのずれを定量化するため、この発明では、ホワイトバランスのずれの評価指数ωを、図２０の式（３１）で定義する。
【０１１２】
ただし、ａ＊ｏ，ｂ＊ｏは、基準色度点パッチ６７（１８％ニュートラルグレーの色票部分）のａ＊，ｂ＊測色値、ａｏｆｆ，ｂｏｆｆは、後述のように光源ごとに設定されるａ＊，ｂ＊方向のオフセット値、ｋａ，ｋｂは、後述のようなａ＊，ｂ＊方向の重み付け係数であり、式（３２）に示すように、係数ｋａ，ｋｂの和は１とする。また、式（３１）中には存在しないが、ａｌｉｍ，ｂｌｉｍは、後述のようなａ＊，ｂ＊方向の許容量である。
【０１１３】
一般に、色度平面上の２点間のずれ（距離）は、極座標上でのユークリッド距離で与えられる。
【０１１４】
しかし、ホワイトバランスのずれを考えると、ずれの許容量の感じ方は、経験的に、色度平面上の各方向で均等ではなく、特に昼光軸（Ｄａｙｌｉｇｈｔ Ｌｏｃｕｓ）方向には許容量が大きいと言え、ａ＊ｂ＊平面上では、ｂ＊方向の許容量の方がａ＊方向の許容量より大きいと言える。
【０１１５】
そこで、ホワイトバランスのずれの許容範囲として、図２１の楕円４で示すような、昼光軸方向およびｂ＊方向に長軸の楕円を想定する。
【０１１６】
人間の目は、不完全順応の特性によって、光源の色温度に完全には順応せず、色温度の低い光源下の白色は赤っぽく見え、色温度の高い光源下の白色は青っぽく見える。
【０１１７】
この特性を、ａ＊ｂ＊座標の原点からのオフセット値ａｏｆｆ，ｂｏｆｆとして、上述したように光源ごとに設定して、図２０の式（３１）に与える。
【０１１８】
また、式（３１）では、このオフセット値ａｏｆｆ，ｂｏｆｆを差し引いた測色値（ａ＊ｏ−ａｏｆｆ），（ｂ＊ｏ−ｂｏｆｆ）に対して、１／ｋａ，１／ｋｂを乗じる。例えば、感覚的に、ｂ＊方向の許容量ｂｌｉｍが、ａ＊方向の許容量ａｌｉｍの２倍であるとすれば、ｋａ＝０．３３，ｋｂ＝０．６７とする。
【０１１９】
このように、ホワイトバランスのずれの許容範囲を想定し、ホワイトバランス性能の評価指数ωを定義することによって、算出された評価指数ωが小さく、許容範囲内であれば、ホワイトバランス性能が良く、逆に、算出された評価指数ωが大きく、許容範囲外であれば、ホワイトバランス性能が悪い、というように、ホワイトバランス性能を定量的・客観的に評価判定することができる。
【０１２０】
さらに、それぞれの抽象化チャート撮影画像につき算出された評価指数ωを比較することによって、上述した分類カテゴリーの画像ごとのホワイトバランス性能を定量的・客観的に評価判定することができる。
【０１２１】
また、光源別にオートホワイトバランスで抽象化チャートを撮影した場合の評価指数ωを比較することによって、光源ごとのオートホワイトバランス制御の精度を定量的・客観的に評価判定することができる。
【０１２２】
また、光源別に固定ホワイトバランスで抽象化チャートを撮影した場合の評価指数ωを比較することによって、光源ごとの固定ホワイトバランス出力値の誤差を定量的・客観的に評価判定することができる。
【０１２３】
そして、これらの評価判定結果は、ホワイトバランス性能の設計に反映させることができる。
【０１２４】
以上の測定評価方法によれば、評価対象の撮像装置のホワイトバランス性能を、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、測定評価することができる。
【０１２５】
なお、図１７〜図１９の例は、１０枚の抽象化チャート撮影画像を圧縮画像データとして記録メディア８に記録した後、画像処理装置７０でホワイトバランス性能を測定評価する場合であるが、撮像装置７と画像処理装置７０を有線または無線で接続して、例えば、撮像装置７で１枚の抽象化チャートを撮影するごとに、その抽象化チャート撮影画像の圧縮前の画像データを、画像処理装置７０に取り込み、画像処理装置７０で処理して、ホワイトバランス性能を測定評価するように測定評価システムを構成してもよい。
【０１２６】
【発明の効果】
上述したように、この発明によれば、野外でのフィールドテストなどを行うことなく非常に簡単に、しかも定量的・客観的に、かつ厳密・高精度に、ホワイトバランス性能を測定評価することができる。
【図面の簡単な説明】
【図１】画像解析のための画像処理装置の一例を示す図である。
【図２】画像解析処理ルーチンの一例の一部を示す図である。
【図３】画像解析処理ルーチンの一例の一部を示す図である。
【図４】画像解析処理ルーチンの一例の一部を示す図である。
【図５】画像解析処理ルーチンの一例の一部を示す図である。
【図６】色変換の変換式を示す図である。
【図７】色変換の変換式を示す図である。
【図８】Ｌ＊，ａ＊，ｂ＊平均値、色偏差および平均彩度の式を示す図である。
【図９】この発明の方法による画像の分類を示す図である。
【図１０】収集した画像群におけるａ＊，ｂ＊平均値の分散を示す図である。
【図１１】収集した画像群における画像ごとの色偏差と平均彩度の関係を示す図である。
【図１２】抽象化チャートの色票パターンの一例を示す図である。
【図１３】画像の分類と抽象化チャートの種類との関係を示す図である。
【図１４】カテゴリー１，２の元画および抽象化チャートの一例を示す図である。
【図１５】カテゴリー３Ｒ，３Ｇ，３Ｂの元画および抽象化チャートの一例を示す図である。
【図１６】カテゴリー４Ｒ，４Ｇ，４Ｂの元画および抽象化チャートの一例を示す図である。
【図１７】抽象化チャートの撮影を示す図である。
【図１８】ホワイトバランス性能の測定評価のための画像処理装置の一例を示す図である。
【図１９】ホワイトバランス性能測定評価処理ルーチンの一例を示す図である。
【図２０】評価指数の算出式を示す図である。
【図２１】ホワイトバランスのずれの許容範囲を示す図である。
【図２２】ＣＩＥで規定された色差を示す図である。
【符号の説明】
主要部については図中に全て記述したので、ここでは省略する。[0001]
BACKGROUND OF THE INVENTION
The present invention creates a color chart chart set for quantitatively and objectively measuring and evaluating the white balance performance of an image pickup apparatus (camera), and this color chart chart set. Who Law And equipment , And The present invention also relates to a method for measuring and evaluating the white balance performance of an imaging apparatus using the color chart chart set.
[0002]
[Prior art]
Since the white balance of the imaging apparatus is complicatedly related to many control parameters, it is difficult to evaluate its performance (characteristics).
[0003]
As is known as the gray world, a general image is distributed around an image mainly composed of achromatic colors. Conventionally, when evaluating white balance performance, achromatic colors such as gray scale are used. The color chart is taken and measured with the imaging device to be evaluated.
[0004]
However, although achromatic colors are mainly distributed in images, there are also images with high saturation image parts and images with high saturation as a whole in general images. There are various color dispersions such as color dispersion. Therefore, it is not possible to make a detailed and strict evaluation of the white balance performance only with the achromatic color chart.
[0005]
Therefore, in the past, white balance performance was evaluated by repeating shooting under many possible situations, such as field tests in the outdoors and shooting various subjects in an indoor studio.
[0006]
As a result of investigating the prior art documents, there were no related items.
[0007]
[Problems to be solved by the invention]
However, in the conventional method described above, the scale and the number of tests are enormous, and much labor and cost are required.
[0008]
In addition, judgments such as in which situations performance is exerted or malfunctions depend largely on the experience and intuition of designers and evaluators, and white balance performance with quantitative and objective superiority or inferiority Is difficult to evaluate. It is difficult to identify the cause of malfunctions and errors, and it is also difficult to confirm side effects when design modifications are made.
[0009]
Moreover, the same shooting situation is not always obtained every time, and outdoor shooting is greatly affected by the weather, humidity, surrounding reflectors, etc., and it is impossible to do the same shooting indoors As for shooting, it is difficult to keep the shooting conditions and shooting environment constant, such as the place where the subject is placed, the shooting distance, the color temperature and illuminance of the light source.
[0010]
Magazine companies, etc., independently carry out various measurement evaluations and compare products of manufacturers, but due to the above background, the causal relationship between product design content and evaluation results is unclear. There are many cases. As a manufacturer, technical explanations regarding white balance performance tend to be unclear, and there were no clear indicators that could be used for quantitative discussions in catalogs and specifications.
[0011]
Manufacturers need a method to measure and evaluate white balance performance quantitatively and objectively as one of the performance guarantees, and from the standpoint of consumers, a common evaluation index equivalent to evaluation of magazines, etc. Is required.
[0012]
Therefore, the present invention makes it possible to measure and evaluate white balance performance very easily, quantitatively, objectively, and strictly and accurately without performing field tests in the field. It is.
[0013]
[Means for Solving the Problems]
The color chart chart set of this invention is
As a chart that abstracts images with small color dispersion and low color average in the screen, each color chart patch of multiple skin colors and reference chromaticity point patches of geometric shapes A first color chart having
A second chart having a plurality of color chart patches and color chart patches of reference chromaticity points, each having a geometric shape, as a chart obtained by abstracting an image having a large color dispersion in the screen and an average color having low saturation. And the color chart of
As a chart that abstracts an image with small color dispersion in the screen and with the average color being highly saturated and biased to red, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A third color chart and
As a chart that abstracts an image with small color dispersion in the screen and with the average color being highly saturated and biased to green, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A fourth color chart and
As a chart that abstracts an image with small color dispersion in the screen and with the average color being highly saturated and biased to blue, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A fifth color chart and
As a chart that abstracts an image with large color dispersion and high color saturation and biased to red in the screen, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A sixth color chart and
As a chart that abstracts an image with a large dispersion of colors in the screen and an average color that is highly saturated and biased to green, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A seventh color chart and
As a chart that abstracts images with large color dispersion and high average color saturation and biased to blue in the screen, each chart has multiple color chart patches and color chart patches of reference chromaticity points. An eighth color chart,
Is provided.
[0014]
Although general images are distributed mainly in images with mainly achromatic colors, there are also images with high-saturation image parts and high-saturation images as a whole, and the color is dispersed with a certain spread. There are various color dispersions.
[0015]
Therefore, in this invention, a general image is
(1) An image having a small color dispersion in the screen and a low average color saturation;
(2) An image having a large color dispersion in the screen and a low average color saturation;
(3) An image in which the color dispersion in the screen is small and the average color is high-saturation and biased to red,
(4) An image in which the color dispersion in the screen is small and the average color is high in saturation and biased to green,
(5) An image in which the color dispersion in the screen is small, and the average color is highly saturated and biased to blue,
(6) An image in which the color dispersion in the screen is large and the average color is highly saturated and biased to red,
(7) An image in which the color dispersion in the screen is large, and the average color is highly saturated and biased to green,
(8) An image in which the color dispersion in the screen is large and the average color is highly saturated and biased to blue,
The color chart chart set is provided with a chart obtained by abstracting the images of the respective classifications.
[0016]
Each of these abstraction charts has a plurality of color chart patches having a geometric shape, and the pattern is different from the corresponding original image, but the corresponding original image and the corresponding original image are abstracted from the corresponding original image. It has the same color deviation (the degree of color dispersion in the screen) and average saturation (the average value of the saturation of each pixel in the screen), and a color chart patch of a reference chromaticity point such as 18% neutral gray It is what you have.
[0017]
Therefore, the white balance performance is obtained from the colorimetric data of the color chart patch of the reference chromaticity point in the image data obtained by photographing this abstraction chart (color chart) with the imaging device whose white balance performance is to be evaluated. By calculating the index that evaluates and evaluating the white balance performance based on the calculated index, it is very simple, quantitative and objective, rigorous and highly accurate without field tests in the field. In addition, the white balance performance can be measured and evaluated.
[0018]
DETAILED DESCRIPTION OF THE INVENTION
[Image analysis and classification: FIGS. 1 to 11]
First, an image analysis method and an image classification method used to create the color chart chart set (abstracted chart group) of the present invention will be described.
[0019]
As described above, a general image is distributed centering on an image mainly composed of achromatic colors. However, there are images having a high-saturation image portion and high-saturation images as a whole. There are various color dispersions such as color dispersion.
[0020]
Therefore, in order to classify general images by statistical / quantitative image analysis, as many general digital images as possible, for example, about several hundreds of images, various types and shooting conditions are equally included. To collect.
[0021]
These collected digital images are analyzed and classified as follows. FIG. 1 shows an example of an image processing apparatus for image analysis. For example, a personal computer is provided with an application program for executing the following image analysis.
[0022]
The image processing apparatus 10 includes a
[0023]
In the hard
[0024]
The bus 12 is connected with an
[0025]
Further, a
[0026]
The digital image file format may be anything as long as it can be processed by the image processing apparatus 10 such as JPEG (Joint Photographic Experts Group) or TIFF (Tagged Image File Format). Assume that the digital image captured by the apparatus 10 is YCrCb (Y: luminance signal, Cr, Cb: color difference signal) compressed image data.
[0027]
The
[0028]
In this image analysis processing routine 30, first, in
[0029]
Next, in
[0030]
Next, in
[0031]
Next, in
[0032]
As shown in equations (17), (18), and (19) of FIG. 8, the processing in
[0033]
Next, proceeding to step 37, L *, a *, b * values for each pixel of the image are calculated. For this purpose, the R, G, and B values for each pixel calculated in
[0034]
Next, the process proceeds to step 38, and the color deviation (degree of color dispersion) Cdev in the screen is calculated from the average values aave and bave calculated in
[0035]
When the a * and b * values of individual pixels are an and bn, and the number of pixels in the screen is N, the color deviation Cdev is expressed by the equation (21) in FIG. 8, and the average saturation Cave is shown in FIG. (22)
[0036]
In the image analysis processing routine 30, when the color deviation Cdev and the average saturation Cave are calculated in
[0037]
When it is determined that the color deviation Cdev is smaller than the level Dlev and the average saturation Cave is smaller than the level Glev, the process proceeds from step 42 to step 51, and the image belongs to
[0038]
If it is determined in
[0039]
When it is determined that the color deviation Cdev is equal to or higher than the level Dlev and the average saturation Cave is smaller than the level Glev, the process proceeds from step 43 to step 52, and the image belongs to
[0040]
On the other hand, if it is determined in
[0041]
When it is determined that the average value aave of the a * value is greater than the level alev and the average value bave of the b * value is greater than the level blev, the process proceeds from step 45 to step 53, and the image is classified into
[0042]
If it is determined in
[0043]
If it is determined that the average value aave of the a * values is equal to or lower than the level alev and the average value bave of the b * values is greater than the level blev, the process proceeds from step 46 to step 54, and the image is classified into the
[0044]
If it is determined in step 45 or 46 that the average value bave of the b * values is equal to or lower than the level blev, the process proceeds to step 55 where the image belongs to the category 3B, that is, the color dispersion in the screen. And the average of the colors is determined to be an image with high saturation and biased to blue, and the image analysis processing for the image is terminated.
[0045]
On the other hand, if it is determined in
[0046]
If it is determined that the average value aave of the a * values is greater than the level alev and the average value bave of the b * values is greater than the level blev, the process proceeds from
[0047]
If it is determined in
[0048]
If it is determined that the average value aave of the a * value is equal to or lower than the level alev and the average value bave of the b * value is greater than the level blev, the process proceeds from
[0049]
If it is determined in
[0050]
The
(1) Category 1: Images with small color dispersion in the screen and low average color saturation
(2) Category 2: Images with large color dispersion in the screen and low average color saturation,
(3)
(4)
(5) Category 3B: An image in which the color dispersion in the screen is small and the average color is high in saturation and biased to blue.
(6) Category 4R: An image in which the color dispersion in the screen is large and the average color is high-saturation and biased to red.
(7)
(8) Category 4B: An image in which the color dispersion in the screen is large and the average color is high in saturation and biased to blue,
Classify into:
[0051]
Further, the
[0052]
When several hundreds of images including various types and photographing situations are collected and analyzed, the average values aave and bave of the a * and b * values in the screen of each image are as shown in FIG. On the a * b * plane, a certain image is represented by a point Pa, a certain image is represented by a point Pb, and a certain image is represented by a point Pc. It was observed that it was dispersed in a wide range.
[0053]
The relationship between the color deviation Cdev and the average saturation Cave for each image is plotted on a plane with the horizontal axis as the average saturation Cave and the vertical axis as the color deviation Cdev as shown in FIG. As shown by point Ps, a certain image is represented by a point Pt, and a certain image is represented by a point Pu.
[0054]
According to the above image analysis method, general images can be classified strictly and in detail by statistical and quantitative image analysis.
[0055]
[Color chart chart set and its creation method: FIGS. 12 to 16]
In the present invention, based on the image classification result as described above, a special color chart chart set (abstracted chart group) is created as follows.
[0056]
First, from the image groups of each category classified as shown in FIG. 9, the most characteristic images, or the average values aave and bave of a * and b * values are averaged among the images belonging to the category. Alternatively, an image showing a central value is selected as a representative image of the category.
[0057]
In this case, when it is possible to create a chart directly from the selected original image, such as when printing with a calibrated printer, it is possible to manage only the chromaticity points. Can be used as a chart. However, since the spectral characteristics of the printed material are not managed, it cannot be used as a substitute chart for actual photographing or field test.
[0058]
Therefore, the selected original picture was abstracted by applying appropriate filter processing such as mosaic processing, cutout processing, median filter processing, etc. for the selected original picture for each classification category. Make an image color chart.
[0059]
Specifically, the color chart is a chart in which color chart patches are arranged in a chart area 62 on the paper 61 as shown as an
[0060]
As the color patch patch, a patch that matches or approximates the spectral characteristics of each part (subject part) of the original image is used. However, due to printing technical restrictions, a general-purpose spectrally managed product such as Macbeth color patch or JIS standard Z8726 is used. Replace with color chart.
[0061]
For example, as a skin color chart patch that abstracts a human face image, Macbeth color patch No. 2 or JIS standard Z8726 No. 13 is used as a white skin color, and Japanese skin color as a JIS standard. No. 15 of Z8726 is used.
[0062]
By using the spectrally managed color chart in this way, recalculation of color deviation and average saturation becomes easy, and the color deviation and average saturation of the chart can be intentionally manipulated by operating the patch size.
[0063]
Further, in order to measure the deviation of the white balance at the time of chart photographing, each abstract chart is provided with a color chart patch of 18% neutral gray as a reference chromaticity point patch 67 near the center.
[0064]
As a light source for the abstract chart photographing environment, a spectrally managed light source such as a D65 light source or an artificial solar light is defined in advance in order to determine the chromaticity point of the color chart patch.
[0065]
By using a light source that is spectrally managed in this manner, shooting in an outdoor environment or the like can be simulated in a simulated manner.
[0066]
FIG. 13 shows the relationship between image classification and abstract chart type (name). Since general images can be classified into any of
[0067]
Specifically, as an abstraction chart of
[0068]
The original image 3gs is an image having a large number of pigeons on the road surface, and the grayscale chart 6gs has a
[0069]
The original picture 3sn is an image of a human face, and the skin color chart 6sn has color chart patches of white skin color, black skin color, and Japanese skin color arranged at the center of the chart.
[0070]
Thus, by preparing the skin color chart 6sn provided with color chart patches of a plurality of types of skin colors, it is possible to measure the degree of malfunction due to skin color pull-in during portraits where white balance is not good.
[0071]
As an abstraction chart of
[0072]
The original picture 3gp is an image of a person against the background of the outdoors. The outdoor figure chart 6gp is an abstract chart as shown in FIG. 12, and has a sky blue color chart patch at the top of the chart and a flesh color at the center. It is assumed that the photographer takes a general outdoor person having the color patch patch.
[0073]
Also, the original image 3fw is on the chromaticity plane where various color flowers exist in the center of the image. When seen in The high-saturation color is arranged in all color directions centered on the low-saturation color, and the flower chart 6fw is an abstraction chart as shown in FIG. 12, with red, green, blue, It has color chart patches such as cyan, magenta, and yellow.
[0074]
The flower chart 6fw assumes close-up photography of flowers and is suitable for measuring the influence of white balance performance on a specific color.
[0075]
As an abstract chart of
[0076]
The original image 3sm is an image mainly composed of skin color, and the skin color mosaic chart 6sm is an abstract chart as shown in FIG. 12, and has many skin color patches.
[0077]
This flesh color mosaic chart 6sm is suitable for measuring the degree of misjudgment or malfunction when the flesh color is erroneously judged to be white when the angle of view is full, or when the cardboard or the like is pulled in and the screen malfunctions blue.
[0078]
As an abstract chart of
[0079]
The original picture 3gy is an image in which yellow flowers are present in the plant, and the glass yellow chart 6gy is an abstract chart as shown in FIG. 12, and has a green color chart patch and a yellow color chart patch. is there.
[0080]
The glass yellow chart 6gy is suitable for measuring the degree of high-intensity reflection component of vegetation that is erroneously determined to be white and drawn in blue.
[0081]
As an abstract chart of category 3B images (images in which the color dispersion in the screen is small and the average of colors is high in saturation and biased to blue), as shown in FIG. 15, as an abstract chart of the original picture 3sy, Create a sky chart 6sy.
[0082]
The original picture 3sy is an image in which the blue sky spreads in the background of the building, and the sky chart 6sy is an abstract chart as shown in FIG. 12, and has many sky blue color patch patches.
[0083]
This sky chart 6sy is suitable for measuring the white extraction accuracy when the sky ratio in the angle of view is high and the high-brightness blue sky is erroneously determined to be white.
[0084]
As an abstract chart of category 4R images (images in which the color dispersion in the screen is large and the average color is high in saturation and biased to red), as shown in FIG. A red mosaic chart 6rm is created.
[0085]
The original picture 3rm has a red flower in the center of the image and a red background, and the red mosaic chart 6rm is an abstraction chart as shown in FIG. 12, and has many red color chart patches. is there.
[0086]
As an abstract chart of
[0087]
The original picture 3gm is an image in which magenta flowers are present in the plant, and the glass magenta chart 6gm is an abstract chart as shown in FIG. 12, and has a green color chart patch and a magenta color chart patch. It is.
[0088]
When the high brightness reflection component of the vegetation is erroneously determined to be white, if the camera performs control based on a simple gray world, the malfunction is suppressed. By using the glass magenta chart 6gm in contrast to the above-described glass yellow chart 6gy, the white extraction accuracy in such a case can be measured.
[0089]
As an abstract chart of category 4B images (images in which the color dispersion in the screen is large and the average of the colors is high in saturation and biased to blue), as shown in FIG. 16, as an abstract chart of the original picture 3sg, A sky green chart 6sg is created.
[0090]
The original picture 3sg is an image in which a sky exists at the top of the image and a plant exists at the bottom, and the sky green chart 6sg is an abstract chart as shown in FIG. 12, and a sky blue color chart patch is provided at the top of the chart. And a green color patch patch at the bottom.
[0091]
This sky green chart 6sg is suitable for measuring the white extraction accuracy when the high brightness reflection component of the vegetation and the high brightness blue of the sky that occupies a certain amount of view angle are erroneously determined as white.
[0092]
According to the color chart chart set (abstraction chart group) as described above, as shown below, each color chart (abstraction chart) is imaged by the imaging apparatus to be evaluated, and the imaging apparatus The white balance performance can be measured and evaluated very easily, quantitatively, objectively, and strictly and accurately without performing field tests in the field.
[0093]
In addition, as the abstract charts of
[0094]
[Measurement and evaluation of white balance performance: FIGS. 17 to 21]
In the present invention, the color balance chart set (abstracted chart group) described above is used to measure and evaluate the white balance performance of the imaging device to be evaluated as follows.
[0095]
First, as shown in FIG. 17, the above-described abstract charts 6gs, 6sn, 6gp, 6fw, 6sm, 6gy, 6sy, 6rm, 6gm, and 6sg constituting the color chart set 5 are sequentially evaluated. Then, the image file of the abstract chart photographed image obtained is recorded on a
[0096]
In this case, as the
[0097]
Next, 10 abstract chart photographed image files recorded on the
[0098]
FIG. 18 shows an example of an image processing apparatus for measurement evaluation. For example, a personal computer is provided with an application program for executing the following measurement evaluation.
[0099]
The image processing apparatus 70 includes a
[0100]
The bus 72 is connected to an
[0101]
Further, the
[0102]
The file format of the abstract chart photographed image may be any file format that can be processed by the image processing apparatus 70. In the following example, the abstract chart photographed image is recorded on the
[0103]
The
[0104]
In this white balance performance measurement evaluation processing routine 90, first, in
[0105]
Next, in step 93, gamma / linear conversion is performed, and in
[0106]
Next, in
[0107]
Next, the process proceeds to step 96, an evaluation index ω described later is calculated from the L * a * b * data, and the process proceeds to step 97, where the white balance performance is evaluated and determined from the evaluation index ω.
[0108]
When an abstract chart is shot with auto white balance, the white balance is likely to be shifted due to the influence of various color charts in the chart.
[0109]
Therefore, the white balance performance is the 18% neutral gray reference chromaticity point patch 67 shown in FIG. 12 in the abstract chart (the above-mentioned 18% neutral gray color chart portion in the gray scale chart 6gs shown in FIG. 14). The L * a * b * colorimetric values are measured, and the degree of deviation of this portion with respect to the reference white is measured for evaluation.
[0110]
As an expression of the color difference, the CIE (International Commission on Illumination) defines equation (41) in FIG.
[0111]
In order to quantify the white balance deviation with an expression close to this, in the present invention, the evaluation index ω of the white balance deviation is defined by the equation (31) in FIG.
[0112]
However, a * o and b * o are the a * and b * colorimetric values of the reference chromaticity point patch 67 (18% neutral gray color chart portion), and aoff and boff are set for each light source as described later. The a * and b * direction offset values ka and kb are weighting coefficients in the a * and b * directions as described later, and the sum of the coefficients ka and kb is 1 as shown in Expression (32). And Further, although not present in the equation (31), alim and blim are allowable amounts in the a * and b * directions as described later.
[0113]
In general, the deviation (distance) between two points on the chromaticity plane is given by the Euclidean distance on the polar coordinates.
[0114]
However, when considering the deviation of white balance, the perceived amount of deviation is empirically not uniform in each direction on the chromaticity plane, and the tolerance is particularly large in the daylight axis direction. On the a * b * plane, it can be said that the allowable amount in the b * direction is larger than the allowable amount in the a * direction.
[0115]
Therefore, a long axis ellipse is assumed in the daylight axis direction and the b * direction as shown by an
[0116]
The human eye does not fully adapt to the color temperature of the light source due to the incomplete adaptation property, the white under the light source with the low color temperature looks reddish, and the white under the light source with the high color temperature looks bluish.
[0117]
This characteristic is set for each light source as described above as the offset values aoff and boff from the origin of the a * b * coordinates, and is given to the equation (31) in FIG.
[0118]
In equation (31), the colorimetric values (a * o-aoff) and (b * o-boff) obtained by subtracting the offset values aoff and boff are multiplied by 1 / ka and 1 / kb. For example, if the permissible amount blim in the b * direction is twice the allowable amount alim in the a * direction sensuously, ka = 0.33 and kb = 0.67.
[0119]
In this way, assuming the allowable range of white balance deviation and defining the evaluation index ω of the white balance performance, the calculated evaluation index ω is small, and if it is within the allowable range, the white balance performance is good. On the contrary, if the calculated evaluation index ω is large and out of the allowable range, the white balance performance can be evaluated and determined quantitatively and objectively such that the white balance performance is poor.
[0120]
Further, by comparing the evaluation index ω calculated for each abstract chart photographed image, the white balance performance for each image of the category category described above can be evaluated and determined quantitatively and objectively.
[0121]
Further, by comparing the evaluation index ω when the abstract chart is taken with auto white balance for each light source, the accuracy of auto white balance control for each light source can be quantitatively and objectively evaluated and determined.
[0122]
Further, by comparing the evaluation index ω when the abstract chart is taken with the fixed white balance for each light source, the error of the fixed white balance output value for each light source can be quantitatively and objectively evaluated and determined.
[0123]
These evaluation determination results can be reflected in the design of white balance performance.
[0124]
According to the measurement evaluation method described above, the white balance performance of the imaging device to be evaluated can be very easily, quantitatively, objectively, strictly and accurately without performing field tests in the field. Measurement can be evaluated.
[0125]
The example of FIGS. 17 to 19 is a case where 10 abstract chart shot images are recorded as compressed image data on the
[0126]
【The invention's effect】
As described above, according to the present invention, it is possible to measure and evaluate white balance performance very easily, quantitatively, objectively, and strictly and accurately without performing field tests in the field. it can.
[Brief description of the drawings]
FIG. 1 is a diagram illustrating an example of an image processing apparatus for image analysis.
FIG. 2 is a diagram illustrating a part of an example of an image analysis processing routine.
FIG. 3 is a diagram illustrating a part of an example of an image analysis processing routine.
FIG. 4 is a diagram illustrating a part of an example of an image analysis processing routine.
FIG. 5 is a diagram illustrating a part of an example of an image analysis processing routine.
FIG. 6 is a diagram illustrating a conversion formula for color conversion.
FIG. 7 is a diagram illustrating a conversion formula for color conversion.
FIG. 8 is a diagram illustrating formulas of L *, a *, b * average values, color deviation, and average saturation.
FIG. 9 is a diagram showing image classification according to the method of the present invention;
FIG. 10 is a diagram showing variance of a * and b * average values in a collected image group.
FIG. 11 is a diagram illustrating a relationship between color deviation and average saturation for each image in a collected image group.
FIG. 12 is a diagram illustrating an example of a color chart pattern of an abstraction chart.
FIG. 13 is a diagram illustrating a relationship between image classification and abstract chart type.
FIG. 14 is a diagram illustrating an example of original images of
FIG. 15 is a diagram illustrating an example of an original picture and an abstract chart of
FIG. 16 is a diagram illustrating an example of an original picture and an abstract chart of
FIG. 17 is a diagram illustrating photographing of an abstract chart.
FIG. 18 is a diagram illustrating an example of an image processing apparatus for measuring and evaluating white balance performance.
FIG. 19 is a diagram illustrating an example of a white balance performance measurement evaluation processing routine.
FIG. 20 is a diagram showing a formula for calculating an evaluation index.
FIG. 21 is a diagram illustrating an allowable range of white balance deviation;
FIG. 22 is a diagram illustrating a color difference defined by CIE.
[Explanation of symbols]
Since all the main parts are described in the figure, they are omitted here.
Claims (11)
画面内の色の分散が大きく、かつ色の平均が低彩度の画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第２の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第３の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第４の色票チャートと、
画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第５の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第６の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第７の色票チャートと、
画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第８の色票チャートと、
を備える色票チャートセット。As a chart that abstracts images with small color dispersion and low color average in the screen, each color chart patch of multiple skin colors and reference chromaticity point patches of geometric shapes A first color chart having
A second chart having a plurality of color chart patches and color chart patches of reference chromaticity points, each having a geometric shape, as a chart obtained by abstracting an image having a large color dispersion in the screen and an average color having low saturation. And the color chart of
As a chart that abstracts an image with small color dispersion in the screen and with the average color being highly saturated and biased to red, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A third color chart and
As a chart that abstracts an image with small color dispersion in the screen and with the average color being highly saturated and biased to green, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A fourth color chart and
As a chart that abstracts an image with small color dispersion in the screen and with the average color being highly saturated and biased to blue, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A fifth color chart and
As a chart that abstracts an image with large color dispersion and high color saturation and biased to red in the screen, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A sixth color chart and
As a chart that abstracts an image with a large dispersion of colors in the screen and an average color that is highly saturated and biased to green, each chart has a plurality of color chart patches and color chart patches of reference chromaticity points each having a geometric shape A seventh color chart and
As a chart that abstracts images with large color dispersion and high average color saturation and biased to blue in the screen, each chart has multiple color chart patches and color chart patches of reference chromaticity points. An eighth color chart,
Color chart chart set with
前記第２の色票チャートとして、屋外を背景とした人物の画像を抽象化したチャートと、色度平面上で見たときに、低彩度の色を中心に全色方向に高彩度の色が配置された画像を抽象化したチャートとを備える色票チャートセット。In the color chart chart set of claim 1,
As the second color chart, a chart that abstracts an image of a person against the background of the outdoors, and when viewed on a chromaticity plane, high-saturation colors are centered on low-saturation colors in all color directions. A color chart chart set including a chart obtained by abstracting arranged images.
前記基準色度点はニュートラルグレーである色票チャートセット。In the color chart set of claim 1 or 2,
The color chart chart set in which the reference chromaticity point is neutral gray.
前記画像解析工程における分類結果を用いて、色票チャートセットを作成する色票チャートセット作成工程と
を有する色票チャートセットの生成方法であって、
前記画像解析工程は、
前記解析対象画像の画像データを処理して、当該画像の画面内の色偏差および平均彩度を算出する工程と、
その算出した色偏差および平均彩度が、それぞれ設定された閾値より小さいか否かを判断して、前記解析対象画像が、
（ａ）画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（ｂ）画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（ｃ）画面内の色の分散が小さく、かつ色の平均が高彩度の画像、
（ｄ）画面内の色の分散が大きく、かつ色の平均が高彩度の画像、
のいずれであるかを判定する工程と、
前記解析対象画像の色の平均が高彩度であると判定したとき、その解析対象画像が、赤色、緑色、青色のいずれに偏った画像であるかを判断して、最終的に、前記解析対象画像が、
（１）画面内の色の分散が小さく、かつ色の平均が低彩度の第１のカテゴリーの画像、
（２）画面内の色の分散が大きく、かつ色の平均が低彩度の第２のカテゴリーの画像、
（３）画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った第３のカテゴリーの画像、
（４）画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った第４のカテゴリーの画像、
（５）画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った第５のカテゴリーの画像、
（６）画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った第６のカテゴリーの画像、
（７）画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った第７のカテゴリーの画像、
（８）画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った第８のカテゴリーの画像、
のいずれであるかを判定する工程と、
を備え、
前記色票チャートセット作成工程は、
前記第１のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数種の肌色の色票パッチおよび基準色度点の色票パッチを有する第１の色票チャートとし、
前記第２のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第２の色票チャートとし、
前記第３のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第３の色票チャートとし、
前記第４のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第４の色票チャートとし、
前記第５のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第５の色票チャートとし、
前記第６のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第６の色票チャートとし、
前記第７のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第７の色票チャートとし、
前記第８のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第８の色票チャートとして、
前記第１の色票チャート〜前記第８の色票チャートからなる色票チャートセットを生成する
ことを特徴とする色票チャートセット作成方法。 An image analysis process for analyzing and classifying the analysis target image;
A color chart chart set creating step for creating a color chart chart set using the classification result in the image analysis step;
A color chart chart set generation method including:
The image analysis step includes
Processing the image data of the image to be analyzed, a step of calculating a color deviation and average saturation of the screen of the image,
It is determined whether the calculated color deviation and average saturation are smaller than a set threshold value, respectively, and the analysis target image is
(A) an image having a small color dispersion in the screen and a low average color saturation;
(B) an image having a large color dispersion in the screen and a low average color saturation;
(C) an image having a small color dispersion in the screen and a high average color saturation;
(D) an image having a large dispersion of colors in the screen and a high average color saturation;
A step of determining which is,
When it is determined that the average color of the analysis target image is high saturation, it is determined whether the analysis target image is an image biased to red, green, or blue, and finally, the analysis target image But,
(1) Images of the first category in which the color dispersion in the screen is small and the average color is low in saturation,
(2) A second category image with a large color dispersion in the screen and a low average color saturation;
(3) A third category image in which the color dispersion in the screen is small and the average color is highly saturated and biased to red.
(4) A fourth category image in which the color dispersion in the screen is small, and the average color is highly saturated and biased to green.
(5) A fifth category image in which the color dispersion in the screen is small and the average color is highly saturated and biased to blue,
(6) Images of the sixth category in which the color dispersion in the screen is large and the average color is highly saturated and biased to red,
(7) A seventh category image in which the color dispersion in the screen is large and the average color is high-saturated and biased to green.
(8) An image of the eighth category in which the color dispersion in the screen is large, and the average color is highly saturated and biased to blue.
A step of determining which is,
Equipped with a,
The color chart chart set creation process includes:
As a chart that abstracts the images of the first category, a first color chart having a plurality of kinds of skin color patches and a reference color point patch, each having a geometric shape,
As a chart obtained by abstracting the images of the second category, a second color chart having a plurality of color chart patches and a color chart patch of a reference chromaticity point, each having a geometric shape,
As a chart obtained by abstracting the images of the third category, a third color chart having a plurality of color chart patches and a color chart patch of a reference chromaticity point, each having a geometric shape,
As a chart obtained by abstracting the images of the fourth category, a fourth color chart having a plurality of color chart patches and a color chart patch of reference chromaticity points, each having a geometric shape,
As a chart that abstracts the images of the fifth category, a fifth color chart including a plurality of color chart patches and a color chart patch of a reference chromaticity point, each having a geometric shape,
As a chart obtained by abstracting the images of the sixth category, a sixth color chart having a plurality of color chart patches and a color chart patch of reference chromaticity points, each having a geometric shape,
As a chart obtained by abstracting the images of the seventh category, a seventh color chart having a plurality of color chart patches and a color chart patch of reference chromaticity points, each having a geometric shape,
As an abstract chart of the images of the eighth category, as an eighth color chart having a plurality of color chart patches and a color chart patch of reference chromaticity points, each having a geometric shape,
A color chart chart set including the first color chart to the eighth color chart is generated.
Color chart chart set creation method characterized by this.
前記画像解析工程の各工程では、前記解析対象画像についてのＬ＊ａ＊ｂ＊データのａ＊ｂ＊値によって、色偏差および平均彩度の算出または画像の種類の判定を実行することを特徴とする色票チャートセット作成方法。In the color chart chart set creation method of claim 4,
In each step of the image analysis step, wherein the L * a * b * data of a * b * values of the analysis object image, executing the determination of the type of calculation or the image color deviation and average saturation Color chart chart set creation method.
前記画像解析工程における分類結果を用いて、色票チャートセットを作成する色票チャートセット作成手段と
を備える色チャートセットの作成装置であって、
前記画像解析手段は、
前記解析対象画像の画像データを処理して、当該画像の画面内の色偏差および平均彩度を算出する算出手段と、
前記算出手段によって算出された色偏差および平均彩度が、それぞれ設定された閾値より小さいか否かを判断して、前記解析対象画像が、
（ａ）画面内の色の分散が小さく、かつ色の平均が低彩度の画像、
（ｂ）画面内の色の分散が大きく、かつ色の平均が低彩度の画像、
（ｃ）画面内の色の分散が小さく、かつ色の平均が高彩度の画像、
（ｄ）画面内の色の分散が大きく、かつ色の平均が高彩度の画像、
のいずれであるかを判定する第１の判定手段と、
前記第１の判定手段によって前記解析対象画像の色の平均が高彩度であると判定されたとき、その解析対象画像が、赤色、緑色、青色のいずれに偏った画像であるかを判断して、最終的に、前記解析対象画像が、
（１）画面内の色の分散が小さく、かつ色の平均が低彩度の第１のカテゴリーの画像、
（２）画面内の色の分散が大きく、かつ色の平均が低彩度の第２のカテゴリーの画像、
（３）画面内の色の分散が小さく、かつ色の平均が高彩度で赤色に偏った第３のカテゴリーの画像、
（４）画面内の色の分散が小さく、かつ色の平均が高彩度で緑色に偏った第４のカテゴリーの画像、
（５）画面内の色の分散が小さく、かつ色の平均が高彩度で青色に偏った第５のカテゴリーの画像、
（６）画面内の色の分散が大きく、かつ色の平均が高彩度で赤色に偏った第６のカテゴリーの画像、
（７）画面内の色の分散が大きく、かつ色の平均が高彩度で緑色に偏った第７のカテゴリーの画像、
（８）画面内の色の分散が大きく、かつ色の平均が高彩度で青色に偏った第８のカテゴリーの画像、
のいずれであるかを判定する第２の判定手段と、
を備え、
前記色票チャートセット作成手段は、
前記第１のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数種の肌色の色票パッチおよび基準色度点の色票パッチを有する第１の色票チャートとし、
前記第２のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第２の色票チャートとし、
前記第３のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第３の色票チャートとし、
前記第４のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第４の色票チャートとし、
前記第５のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第５の色票チャートとし、
前記第６のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第６の色票チャートとし、
前記第７のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第７の色票チャートとし、
前記第８のカテゴリーの画像を抽象化したチャートとして、それぞれ幾何学形状の、複数の色票パッチおよび基準色度点の色票パッチを有する第８の色票チャートとして、
前記第１の色票チャート〜前記第８の色票チャートからなる色票チャートセットを作成する
ことを特徴とする色チャートセットの作成装置。 Image analysis means for analyzing and classifying the analysis target image;
Color chart chart set creating means for creating a color chart chart set using the classification result in the image analysis step;
An apparatus for creating a color chart set comprising:
The image analysis means includes
Processing the image data of the image to be analyzed, a calculation means for calculating a color deviation and average saturation of the screen of the image,
It is determined whether the color deviation and average saturation calculated by the calculation means are smaller than a set threshold value, respectively, and the analysis target image is
(A) an image having a small color dispersion in the screen and a low average color saturation;
(B) an image having a large color dispersion in the screen and a low average color saturation;
(C) an image having a small color dispersion in the screen and a high average color saturation;
(D) an image having a large dispersion of colors in the screen and a high average color saturation;
First determination means for determining which one of
When the average color of the analysis target image is determined to be high saturation by the first determination unit, it is determined whether the analysis target image is an image biased to red, green, or blue, Finally, the image to be analyzed is
(1) Images of the first category in which the color dispersion in the screen is small and the average color is low in saturation,
(2) A second category image with a large color dispersion in the screen and a low average color saturation;
(3) A third category image in which the color dispersion in the screen is small and the average color is highly saturated and biased to red.
(4) A fourth category image in which the color dispersion in the screen is small, and the average color is highly saturated and biased to green.
(5) A fifth category image in which the color dispersion in the screen is small and the average color is highly saturated and biased to blue,
(6) Images of the sixth category in which the color dispersion in the screen is large and the average color is highly saturated and biased to red,
(7) A seventh category image in which the color dispersion in the screen is large and the average color is high-saturated and biased to green.
(8) An image of the eighth category in which the color dispersion in the screen is large, and the average color is highly saturated and biased to blue.
A second determination means for determining which one of
Equipped with a,
The color chart chart set creating means includes:
As a chart that abstracts the images of the first category, a first color chart having a plurality of kinds of skin color patches and a reference color point patch, each having a geometric shape,
As a chart obtained by abstracting the images of the second category, a second color chart having a plurality of color chart patches and a color chart patch of a reference chromaticity point, each having a geometric shape,
As a chart obtained by abstracting the images of the third category, a third color chart having a plurality of color chart patches and a color chart patch of a reference chromaticity point, each having a geometric shape,
As a chart obtained by abstracting the images of the fourth category, a fourth color chart having a plurality of color chart patches and a color chart patch of reference chromaticity points, each having a geometric shape,
As a chart that abstracts the images of the fifth category, a fifth color chart including a plurality of color chart patches and a color chart patch of a reference chromaticity point, each having a geometric shape,
As a chart obtained by abstracting the images of the sixth category, a sixth color chart having a plurality of color chart patches and a color chart patch of reference chromaticity points, each having a geometric shape,
As a chart obtained by abstracting the images of the seventh category, a seventh color chart having a plurality of color chart patches and a color chart patch of reference chromaticity points, each having a geometric shape,
As an abstract chart of the images of the eighth category, as an eighth color chart having a plurality of color chart patches and a color chart patch of reference chromaticity points, each having a geometric shape,
Create a color chart set including the first color chart to the eighth color chart
An apparatus for creating a color chart set.
前記各手段は、前記解析対象画像についてのＬ＊ａ＊ｂ＊データのａ＊ｂ＊値によって、色偏差および平均彩度の算出または画像の種類の判定を実行する色チャートセットの作成装置。The apparatus for creating a color chart set according to claim 6,
Each of the means is a color chart set creation device that calculates a color deviation and average saturation or determines an image type based on a * b * values of L * a * b * data for the analysis target image.
その変換後の、前記基準色度点の色票パッチの測色データから、前記撮像装置のホワイトバランス性能を評価する指数ωとして、（ａ＊ｏ−ａｏｆｆ）／ｋａの２乗と（ｂ＊ｏ−ｂｏｆｆ）／ｋｂの２乗との和の平方根を算出する工程と、
を備えるホワイトバランス性能測定評価方法。
ただし、ａ＊ｏ，ｂ＊ｏは、それぞれａ＊，ｂ＊方向の測色値、ａｏｆｆ，ｂｏｆｆは、撮影用の光源ごとに設定された、それぞれａ＊，ｂ＊方向のオフセット値、ｋａ，ｋｂは、それぞれａ＊，ｂ＊方向の重み付け係数であり、ｋａ＋ｋｂ＝１である。Converting image data obtained by photographing the color chart constituting the color chart of any one of claims 1 to 3 with an imaging device into L * a * b * data;
From the colorimetric data of the color chart patch at the reference chromaticity point after the conversion, as the index ω for evaluating the white balance performance of the imaging device, the square of (a * o-aoff) / ka and (b * o-boff) / kb squared and calculating the square root of the sum;
A white balance performance measurement evaluation method comprising:
However, a * o and b * o are the colorimetric values in the a * and b * directions, respectively, aoff and boff are the offset values in the a * and b * directions set for each light source for photographing, and ka , Kb are weighting coefficients in the a * and b * directions, respectively, and ka + kb = 1.
色票チャートセットを構成するそれぞれの色票チャートについての評価指数ωを比較して、前記撮像装置のホワイトバランス性能を評価判定するホワイトバランス性能測定評価方法。In the white balance performance measurement evaluation method according to claim 8,
Each compares the evaluation index ω of the color chart chart, white balance performance measurement and evaluation method for evaluating determines white balance performance of the imaging device constituting the color chart chart set.
その変換後の、前記基準色度点の色票パッチの測色データから、前記撮像装置のホワイトバランス性能を評価する指数ωとして、（ａ＊ｏ−ａｏｆｆ）／ｋａの２乗と（ｂ＊ｏ−ｂｏｆｆ）／ｋｂの２乗との和の平方根を算出する手段と、
を備える画像処理装置。
ただし、ａ＊ｏ，ｂ＊ｏは、それぞれａ＊，ｂ＊方向の測色値、ａｏｆｆ，ｂｏｆｆは、撮影用の光源ごとに設定された、それぞれａ＊，ｂ＊方向のオフセット値、ｋａ，ｋｂは、それぞれａ＊，ｂ＊方向の重み付け係数であり、ｋａ＋ｋｂ＝１である。Means for converting image data obtained by photographing the color chart forming the color chart of any one of claims 1 to 3 with an imaging device into L * a * b * data;
From the colorimetric data of the color chart patch at the reference chromaticity point after the conversion, as the index ω for evaluating the white balance performance of the imaging device, the square of (a * o-aoff) / ka and (b * means for calculating the square root of the sum of (o-boff) / kb squared;
An image processing apparatus comprising:
However, a * o and b * o are the colorimetric values in the a * and b * directions, respectively, aoff and boff are the offset values in the a * and b * directions set for each light source for photographing, and ka , Kb are weighting coefficients in the a * and b * directions, respectively, and ka + kb = 1.
色票チャートセットを構成するそれぞれの色票チャートについての評価指数ωを比較して、前記撮像装置のホワイトバランス性能を評価判定する手段を備える画像処理装置。The image processing apparatus according to claim 10.
Comparing the evaluation indices ω for each color chip chart constituting the color chart chart set, the image processing apparatus comprising an evaluation means for determining a white balance performance of the imaging device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002275353A JP4102983B2 (en) | 2002-09-20 | 2002-09-20 | Color chart set, color chart set generation method, color chart set generation apparatus, white balance performance measurement method, and image processing apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002275353A JP4102983B2 (en) | 2002-09-20 | 2002-09-20 | Color chart set, color chart set generation method, color chart set generation apparatus, white balance performance measurement method, and image processing apparatus |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004112649A JP2004112649A (en) | 2004-04-08 |
| JP4102983B2 true JP4102983B2 (en) | 2008-06-18 |
Family
ID=32271578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002275353A Expired - Fee Related JP4102983B2 (en) | 2002-09-20 | 2002-09-20 | Color chart set, color chart set generation method, color chart set generation apparatus, white balance performance measurement method, and image processing apparatus |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4102983B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11457189B2 (en) | 2019-06-20 | 2022-09-27 | Samsung Electronics Co., Ltd. | Device for and method of correcting white balance of image |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6171517B2 (en) * | 2013-04-12 | 2017-08-02 | 新日鐵住金株式会社 | Color tone change detection apparatus and color tone change detection method |
| CN104316192B (en) * | 2014-10-27 | 2016-08-24 | 京东方科技集团股份有限公司 | The method of testing of image displaying quality, test platform and system |
| EP4067845A4 (en) * | 2019-11-29 | 2023-01-11 | NEC Corporation | Skin color chart and method for preparing same |
| WO2021106187A1 (en) | 2019-11-29 | 2021-06-03 | 日本電気株式会社 | Facial recognition environment determination method, facial recognition environment determination system, facial recognition environment determination device, and non-transitory computer-readable medium |
-
2002
- 2002-09-20 JP JP2002275353A patent/JP4102983B2/en not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11457189B2 (en) | 2019-06-20 | 2022-09-27 | Samsung Electronics Co., Ltd. | Device for and method of correcting white balance of image |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004112649A (en) | 2004-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mendoza et al. | Calibrated color measurements of agricultural foods using image analysis | |
| Liu et al. | CID: IQ–a new image quality database | |
| JP5727109B2 (en) | Spectral image processing | |
| US6567543B1 (en) | Image processing apparatus, image processing method, storage medium for storing image processing method, and environment light measurement apparatus | |
| US7136073B2 (en) | Automatic tone mapping for images | |
| US7936377B2 (en) | Method and system for optimizing an image for improved analysis of material and illumination image features | |
| US8094918B2 (en) | Check and other item design for reflectance values determination prior to item manufacture | |
| KR100658998B1 (en) | Image processing apparatus, image processing method and computer readable medium which records program thereof | |
| KR100662830B1 (en) | Image processing apparatus, image processing method, and storage medium | |
| Magnusson et al. | Creating RGB images from hyperspectral images using a color matching function | |
| CN105915816B (en) | Method and apparatus for determining the brightness of given scenario | |
| WO2004045219A1 (en) | Light source estimating device, light source estimating method, and imaging device and image processing method | |
| WO2012001948A1 (en) | Color image processing method, color image processing device, and color image processing program | |
| JP2005190435A (en) | Image processing method, image processing apparatus and image recording apparatus | |
| WO2020049779A1 (en) | Color evaluation device, color evaluation method, and indication object used in color evaluation method | |
| US20030179398A1 (en) | Image forming method and image forming apparatus | |
| JP2016164559A (en) | Image color distribution inspection device and image color distribution inspection method | |
| JP4102983B2 (en) | Color chart set, color chart set generation method, color chart set generation apparatus, white balance performance measurement method, and image processing apparatus | |
| US8026954B2 (en) | System and computer-readable medium for automatic white balancing | |
| JP4415446B2 (en) | Colorimetric image conversion method, colorimetric image conversion apparatus, and computer-readable information recording medium recording a colorimetric image conversion program | |
| US9036030B2 (en) | Color calibration of an image capture device in a way that is adaptive to the scene to be captured | |
| JP2005192162A (en) | Image processing method, image processing apparatus, and image recording apparatus | |
| US20170180694A1 (en) | Method of encoding raw color coordinates provided by a camera representing colors of a scene having two different illuminations | |
| JP2005346474A (en) | Image processing method and image processor and program and storage medium | |
| US11962949B2 (en) | Method of air pollution estimation based on spectral image processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050701 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20071228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080109 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080201 |
|
| 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: 20080227 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080311 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110404 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |