JP4230730B2 - 画像処理システム及び画像処理方法 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、フルカラー写真などの画像に対して種々の画像処理を自ら判断して行う画像処理システム及び画像処理方法に関するものである。
【０００２】
【従来の技術】
例えば印刷物上での見栄えを良くするなどの目的で画像に対して種々の補正処理を行うことがあるが、このような場合、汎用の画像処理ソフトを用いてオペレータが処理条件を指定し、表示画面で画像の出来具合を確認しながら適切な画像に仕上げることが一般的である。また、明るさや色合いなどの種々の処理項目について予め処理条件（各種のパラメータなど）を指定しておき、入力された画像に対して同一の処理条件で一律に画像処理を施す方法も知られている。
【０００３】
【発明が解決しようとする課題】
ところが、前記の汎用の画像処理ソフトによる画像処理方法では、オペレータの作業負担が大きい上にオペレータの技能の差により均一な処理ができない不都合が生じる。特に新聞の紙面に掲載する画像を作成する場合には、大量の画像を手際良く処理する必要があり、このような用途には不向きである。また、種々雑多な画像が処理対象となる場合には、前記の予め指定された処理条件で一律に処理する方法では、意図した出来栄えの画像が得られない場合が多く生じる不都合がある。
【０００４】
本発明は、このような従来技術の問題点を解消するべく案出されたものであり、その主な目的は、オペレータの作業負担を軽減すると共に、種々雑多な画像が対象になる場合でも、処理対象画像の個々の特徴に応じた適切な画像処理を行うことができるように構成された画像処理システム及び画像処理方法を提供することにある。
【０００５】
【課題を解決するための手段】
このような目的を果たすために、本発明においては、請求項１に示すとおり、画像全体を２値化する２値化手段と、前記２値化された２値化画像上で黒画素が集合してなる連結領域を抽出する連結領域抽出手段と、前記抽出された連結領域を取り囲む白画素からなる白ふち領域を判別する白ふち判別手段と、前記抽出された連結領域のうち面積が所定の大きさ以下となる連結領域並びに前記白ふち領域を除外した領域を統計データ収集の処理対象画像とする設定手段と、複数のサンプル画像ごとの最適な処理手順を処理条件となるパラメータも含めて汎用スクリプト言語で記述したスクリプトデータ及びそのサンプル画像の特徴を表す統計データを蓄積する情報蓄積手段と、ここに蓄積された前記サンプル画像の統計データと処理対象画像について収集した統計データとを比較して、処理対象画像とサンプル画像との類似度を判定し、最も類似するサンプル画像に対応するスクリプトデータを前記情報蓄積手段から選択する処理手順選択手段と、ここで選択したスクリプトデータの記述内容にしたがった画像処理を処理対象画像に対して実行する画像処理手段とを有するものとした。これによると、オペレータが処理対象画像ごとに処理条件について仔細な指定を行わずとも、その処理対象画像の個々の特徴に応じた適切な画像処理を行うことができる。なおここでは、サンプル画像の画像データそのものは特に必要ではない。またサンプル画像ごとの最適な処理手順は、予め試験的な画像処理を行って取得すれば良い。
【０００６】
前記画像処理システムにおいては、請求項２に示すとおり、処理手順選択手段で選択されたスクリプトデータによる画像処理の結果が不良な場合に、別のスクリプトデータによる画像処理を試験的に実行して良好な結果が得られるスクリプトデータを求め、このスクリプトデータと処理対象画像の統計データとを新たなサンプル画像に対応するものとして情報蓄積手段に新規に登録する処理手順登録手段を有する構成をとることができる。これによると、既存の処理手順で対応が困難な画像に適した処理手順が次々に登録され、運用を通してユーザー環境に応じた多様な画像を適切に処理することが可能になる。
【０００７】
前記画像処理システムにおいては、請求項３に示すとおり、処理手順選択手段で選択されたスクリプトデータによる画像処理の結果が不良な場合に、別のスクリプトデータによる画像処理を試験的に実行して良好な結果が得られるスクリプトデータを求め、このスクリプトデータに基づいて情報蓄積手段に蓄積された処理手順の内容を変更する処理手順修正手段を有する構成をとることができる。これによると、画像処理の結果が不良な場合にその都度処理手順が修正され、運用を通して画像処理の精度を高めることができる。
【０００８】
前記画像処理システムにおいては、請求項４に示すとおり、情報蓄積手段は、サンプル画像の統計データを複数の処理項目ごとに蓄積し、処理手順選択手段は、処理対象画像とサンプル画像との類似度の判定を複数の処理項目ごとに行う構成をとることができる。これによると、処理対象画像の特徴を仔細に解析し、サンプル画像との類似度の判定を精度良く行い、より一層適切な画像処理が可能になる。
【０００９】
前記画像処理システムにおいては、請求項５に示すとおり、画像処理手段は、処理手順選択手段により選択されたスクリプトデータの記述内容の実行を複数の処理項目について順次行い、処理手順選択手段は、前段の処理項目での画像処理により得られた処理済み画像を処理対象画像として統計データの収集並びにサンプル画像との類似度の判定を行う構成をとることができる。これによると、複数の処理項目の１つが実行される度にサンプル画像との類似度の判定が行われ、前段の処理項目の実行で処理対象画像の特徴が変化する場合でも適切な処理手順の選択が可能になる。
【００１０】
前記画像処理システムにおいては、請求項６に示すとおり、統計データは、処理対象画像内に設定された統計データ収集領域全体を対象に収集されたマスターデータと、処理対象画像を複数のブロックに分割してその複数のブロックの各々を対象に収集されたブロックデータとからなる構成をとることができる。これによると、処理対象画像の特徴を仔細に解析し、サンプル画像との類似度の判定を精度良く行い、より一層適切な画像処理が可能になる。
【００１１】
前記画像処理システムにおいては、請求項７に示すとおり、前記情報蓄積手段は、処理対象画像について収集した統計データから処理対象画像に適した処理手順を直接選択可能とする直接選択情報を蓄積する構成をとることができる。これによると、サンプル画像の統計データとの比較による類似度の判定を行うことなく、処理対象画像に適した処理手順を求めることができる。処理項目によっては統計データから適切な処理手順を直接選択可能な場合があり、このような場合に処理手順を簡素化することができる。
【００１２】
前記画像処理システムにおいては、請求項８に示すとおり、情報蓄積手段は、複数の処理項目ごとにサンプル画像の統計データとスクリプトデータの識別情報とを対応させて格納する統計データ格納手段と、スクリプトデータの識別情報とスクリプトデータの具体的な処理内容に関する情報とを対応させて格納する処理手順データ格納手段とを有する構成をとることができる。これによると、各種の情報を効率良く蓄積すると共に、処理手順の新規登録や修正に容易に対応することができる。
【００１５】
本発明においては、請求項９に示すとおり、画像全体を２値化し２値化画像上で黒画素が集合してなる連結領域を抽出し、抽出された連結領域を取り囲む白画素からなる白ふち領域並びに抽出された連結領域のうち面積が所定の大きさ以下となる連結領域を除いた領域を統計データ収集の処理対象画像とし、サンプル画像に代表される複数の処理グループごとに、処理条件となるパラメータも含めて最適な処理手順を汎用スクリプト言語で記述したスクリプトデータを予め指定しておくと共に、サンプル画像との類似度に基づいて処理対象画像を前記複数の処理グループのいずれかに振り分けるための画像分類情報を情報蓄積手段に予め蓄積しておき、処理対象画像が入力されると、情報蓄積手段を参照して処理対象画像が属する処理グループを特定し、その処理グループに対応するスクリプトデータの記述内容にしたがって処理対象画像の画像処理を行うものとした。これによると、オペレータが処理対象画像ごとに処理条件について仔細な指定を行わずとも、その処理対象画像の個々の特徴に応じた適切な画像処理を行うことができる。
【００１６】
【発明の実施の形態】
以下に添付の図面を参照して本発明の実施の形態について詳細に説明する。
【００１７】
図１は、本発明による画像処理システムの概略構成を示すブロック図である。この画像処理システムは、複数のサンプル画像ごとの最適な処理手順に関するスクリプトデータ（処理手順を所定形式で記述したデータ）及びそのサンプル画像の特徴を表す統計データを蓄積するカラー知識ベース（情報蓄積手段、以下適宜にＣＫＢと略す。）１と、ここに蓄積されたサンプル画像の統計データと処理対象画像について収集した統計データとを比較して、処理対象画像とサンプル画像との類似度を判定し、最も類似するサンプル画像に対応する処理手順を選択するカラークラフト（処理手順選択手段）２と、ここで選択した処理手順に従って処理対象画像の画像処理を実行するカラーインタプリタ（画像処理手段）３とを有している。カラークラフト２は、ＣＴＳ（電算写植組版システム）の画像処理部を構成する。なお、本システムで扱われる画像は、ＴＩＦＦ及びＪＦＩＦなどのファイルフォーマットによるフルカラー画像（例えば１色当たり２５６階調）及びグレースケール画像（例えば２５６階調）である。
【００１８】
この画像処理システムで行われる画像処理方法は、換言すると、サンプル画像に代表される複数の処理グループごとに処理手順を予め指定しておくと共に、サンプル画像との類似度に基づいて処理対象画像を複数の処理グループのいずれかに振り分ける画像分類処理に要する情報をカラー知識ベース１に予め蓄積しておき、処理対象画像が入力されると、カラー知識ベース１の蓄積情報を参照して処理対象画像が属する処理グループを特定し、その処理グループに対応する処理手順にしたがって処理対象画像の画像処理を行うものである。ここで画像分類処理は、前記の最も類似するサンプル画像を抽出する類似画像検索に相当し、画像分類処理に要する情報は、前記のサンプル画像との類似度の判定に要するサンプル画像の統計データである。
【００１９】
さらにこの画像処理システムは、最も類似するサンプル画像に対応する処理手順による画像処理の結果が不良な場合に、別の処理手順による画像処理を試験的に実行して良好な結果が得られる処理手順を求め、この処理手順と処理対象画像の統計データとを新たなサンプル画像としてカラー知識ベース１に登録し、また良好な結果が得られる処理手順に基づいてカラー知識ベース１に蓄積された処理手順の内容を変更するカラーサポート（処理手順登録手段、処理手順修正手段）４を有している。別の処理手順による画像処理を試験的に実行する画像処理シミュレーションでは、処理条件の入力とこれに基づく出力画像の表示とを対話型で進めて最適な処理手順を求める。カラーサポート４は、ＣＴＳの画像加工端末を構成する。
【００２０】
図２は、図１に示した画像処理システムでの画像処理の概要を示している。カラー知識ベース１は、サンプル画像の統計データを複数の処理項目ごとに蓄積し、カラークラフト２は、処理対象画像とサンプル画像との類似度の判定を複数の処理項目ごとに行う。さらにカラーインタプリタ３は、カラークラフト２により選択された処理手順の実行を複数の処理項目について順次行い、カラークラフト２は、前段の処理項目での画像処理により得られた処理済み画像（出力画像）を処理対象画像として統計データの収集並びにサンプル画像との類似度の判定を行う。
【００２１】
前記の処理項目としては、画像のカラーバランスを調整する色かぶり補正、画像の明るさ及びコントラストを調整する明るさ補正、逆光で撮影された場合に明るさを調整する逆光補正、画像の彩度を調整する色あい補正がある。これらの処理項目の処理順位は適宜に定めることができるが、色かぶり補正、明るさ補正、逆光補正、色あい補正の順に行うことが一般的である。また、各処理項目ごとに収集される統計データは、例えば明るさ補正や逆光補正では、濃度平均及び標準偏差とすると良く、色あい補正では、色相ヒストグラム及び彩度平均とすると良い。
【００２２】
図３は、図１に示した画像処理システムでの統計データ収集処理の概要を示している。統計データは、処理対象画像内に設定された統計データ収集領域全体を対象に収集されたマスターデータと、処理対象画像を複数のブロックに分割してその複数のブロックの各々を対象に収集されたブロックデータとからなっている。これらのマスターデータ及びブロックデータは、色かぶり補正や明るさ補正などの各処理項目ごとに収集される。
【００２３】
図４は、図１に示した画像処理システムで行われる被写体類推処理の概要を示している。前記の色かぶり補正や明るさ補正などの各補正処理の後に、類推した被写体ごとに適した画質補正を行う被写体類推補正が行われる。この被写体類推補正では、人の記憶色に重点をおいて色補正を行うことで見栄えの良い画像を作成することができることに着目し、複数のブロックごとの色相に偏りの状態（色の配置状態）で画像の被写体を類推する。そして被写体の種類ごとに予め設定された処理を実行することで、処理対象画像に適した色補正を行うことができる。
【００２４】
例えば（Ａ）は、上側が青っぽいことから青空が写された屋外撮影画像、（Ｂ）は、下側が緑っぽいことからゴルフ場などの芝や田畑が写された屋外撮影画像、（Ｃ）は、周囲が黒っぽいことから夜間にフラッシュを使用して撮影された画像、（Ｄ）は、自然には存在し難いことから人工物が写された画像、（Ｅ）は、下側がグレーっぽいことから道路が写された屋外撮影画像、（Ｆ）は、人物の顔が写された画像と類推することができる。さらに（Ｄ）と（Ｅ）との両方の特徴を併せ持っていれば道路上に赤色の車がある画像、（Ｅ）と（Ｆ）との両方の特徴を併せ持っていればスーツを着用した人物の画像と類推することができる。なお、ここでは色相で被写体を類推する例を示したが、併せて彩度も考慮するとより一層適切な類推が可能になる。
【００２５】
図５は、図１に示したカラー知識ベースの概要を示している。カラー知識ベース（情報蓄積手段）１は、複数の処理項目ごとにサンプル画像の統計データとスクリプトＩＤ（処理手順の識別情報）とを対応させた第１の辞書テーブル１１を格納するカラー辞書（統計データ格納手段）１２と、スクリプトＩＤとスクリプトデータ（処理手順を所定形式で記述したデータ）とを対応させたスクリプトテーブル１３を格納するカラーバイブル（処理手順データ格納手段）１４とを有している。なお、カラーバイブル１４に格納されるスクリプトデータには、個々の画像処理での処理条件を指定するパラメータの設定情報も含まれる。
【００２６】
さらにカラー辞書１２には、処理対象画像について収集した統計データから処理対象画像に適した処理手順を直接選択可能とする第２の辞書テーブル（直接選択情報）１５が格納されている。ここでは、処理項目に応じて統計データとして収集される画像の特徴を表す色相や濃度などの値を所定範囲で区切ってグループ分けし、これにより得られる処理グループごとに処理手順を予め設定しておく。例えば色相は一般的に０〜３６０の値を有し、これを３０単位でグループ分けすることで１２の処理グループが得られ、その処理グループごとに最適な処理手順を設定しておく。また統計データから処理対象画像が属する処理グループを特定するため、その処理対象画像について代表値、例えば頻度（画素数）が最多となる値を求め、これに基づいて処理対象画像がいずれの処理グループに属するかを判定する。これによりサンプル画像との類似度の判定を行うことなく処理手順を取得することができる。
【００２７】
第１・第２の辞書テーブル１１・１５は、処理項目ごとにいずれか一方あるいは両方が用意されている。第１・第２の辞書テーブル１１・１５の両方を有する場合、そのいずれを使用するか、あるいは併用するかは、オペレータが適宜に選択することができる。
【００２８】
またカラー知識ベース１には、サンプル画像のサムネイルＩＤ（サンプル画像識別情報）とサムネイル画像データとを対応させた登録画像テーブル１６が格納されており、適宜にサンプル画像のサムネイルを表示部１７に画面表示させて確認することができる。
【００２９】
サンプル画像との類似度の判定では、該当する処理項目の第１の辞書テーブル１１を参照して、サンプル画像ごとの統計データと処理対象画像の統計データとの類似度を評価関数を用いて数値化する。例えば正の整数で数値が小さいもの程類似度が高くなるように評価関数を定義する。これにより各サンプル画像に対する処理対象画像の類似度をそれぞれ数値化した上で、その大小を比較することで最も類似するサンプル画像を特定することができる。なお、評価関数は処理項目ごとに定義され、各処理項目ごとにサンプル画像との類似度が数値化され、これにより各処理項目で同様の手順で処理を行うことができる。
【００３０】
図６は、図１に示したカラー知識ベース周辺のシステム構成を示している。前記のカラー知識ベース１は、カラークラフトやカラーサポートなどの種々のコンポーネント２１からのアクセスが不能なマスタＣＫＢ（マスタ記憶手段）２２と、コンポーネント２１からのアクセスが可能なローカルＣＫＢ（ローカル記憶手段）２３とで構成され、マスタＣＫＢ２２とローカルＣＫＢ２３との間の複製及び更新のためのマスタＣＫＢ２２に対するアクセスを制御するＣＫＢエージェント（アクセス制御手段）２４が設けられている。さらにコンポーネント２１による参照及び更新のためのローカルＣＫＢ２３に対するアクセスを制御するＣＫＢクライアント２５が設けられている。
【００３１】
各コンポーネント２１がローカルＣＫＢ２３に対してアクセスを要求するチェックインには、参照を目的にした参照モードと更新を目的にした編集モードとがあり、編集モードでチェックインした場合には、アクセス終了を通知するチェックアウトの際に、マスタＣＫＢ２２の更新が行われる。また１つのコンポーネント２１が編集モードでチェックインした場合には、他のコンポーネント２１は編集モードでチェックインすることができない。またＣＫＢエージェント２４は、各コンポーネント２１にライセンスを発行して、各コンポーネント２１によるローカルＣＫＢ２３に対するアクセスを管理する。
【００３２】
図７は、図１に示した画像処理システムでの画像エリア検出処理の概要を示している。ここでは処理対象画像の特徴を正確に把握して適切な類似画像検索（処理グループ選択）を行うため、実際に画像が描かれた実画像領域とこれを取り囲む白ふち領域とを識別し、白ふち領域を除外して実画像領域のみを統計データ収集の対象領域に設定する。これには、処理対象画像全体を所定の閾値で白黒２値化し、これにより得られた２値化画像上で黒画素が集合してなる連結領域を抽出し、これを実画像領域とみなしてこれを取り囲む白画素からなる白ふち領域を判別する。連結領域が抽出されると、これが実画像領域であるか否かの検証を行い、所定の条件を満足する連結領域を実画像領域に設定し、実画像領域を識別するために順に番号を付与するラベリングを行う。
【００３３】
実画像領域の検証では、処理対象画像内の雑音、あるいはトンボやカラーパッチなどの付加情報を示す画像によって形成される連結領域を除外する。これには、連結領域の面積に着目し、面積が所定の大きさ以下となる連結領域を除外すれば良い。例えば処理対象画像全体の面積Ｓに対する連結領域ｎの面積ｓ_nの割合ΔＳ＝ｓ_n／Ｓを面積比閾値ｔと比較し、ｔ≧ΔＳであれば連結領域ｎを除外する。また顔写真の一覧画像のように複数の実画像領域が略同一の面積と想定される場合には、抽出された連結領域の中で面積が最大のものを基準に検証を行い、この最大の連結領域の面積を分母Ｓとして面積の割合ΔＳ＝ｓ_n／Ｓを求め、これを所定の面積比閾値と比較すれば良い。
【００３４】
なお、カラー画像を輝度画像に変換するには、次式により画素単位でＲＧＢの各成分値Ｒ、Ｇ、Ｂから輝度値Ｙを求めれば良い。
Ｙ＝Ｒ×０．３０＋Ｇ×０．５９＋Ｂ×０．１１
また輝度画像を白黒２値画像に変換するには、次式を用いれば良い。ここでは、２５６階調で擬似的に２値化する例を示しており、ｔは閾値、ｆ（ｘ，ｙ）並びにｇ（ｘ，ｙ）はそれぞれ座標（ｘ，ｙ）に位置する画素の処理前並びに処理後の輝度値である。
ｇ（ｘ，ｙ）＝２５５ （ｆ（ｘ，ｙ）≧ｔのとき）
ｇ（ｘ，ｙ）＝０ （ｆ（ｘ，ｙ）＜ｔのとき）
【００３５】
図８は、図１に示した画像処理システムでの画像自動調整処理の手順を示すフロー図である。まずステップ１０１にて画像が入力されると、ステップ１０２にて図７に示した要領で画像エリアが検出され、つづくステップ１０３にて画像自動調整プロセス（ＡＩプロセス）が開始される。ここではまずステップ１０４にて処理対象画像についてその特徴を示す統計データが収集され、つづくステップ１０５にて処理対象画像の統計データとカラー辞書内のサンプル画像（処理グループ）ごとの統計データとを照合して類似度判定が行われる。これにより最も類似するサンプル画像が特定される、すなわち最適な処理グループが特定されると、ステップ１０６にてそれに対応するスクリプトＩＤをカラー辞書から取得し、つづくステップ１０７にてそのスクリプトＩＤに基づいてスクリプトデータをカラーバイブルから取得する（図５参照）。そしてステップ１０８にてそのスクリプトデータに基づく処理をカラーインタプリタにおいて実行し、ステップ１０９にて処理済みの画像が出力される。以上の処理が各処理項目ごとに順次実施され、ステップ１１０にて全ての処理項目について処理が終了したことを条件に画像自動調整プロセスが終了する。
【００３６】
図９は、図１に示した画像処理システムでのシミュレーション時の処理の手順を示すフロー図である。まずステップ２０１にて図８に示した画像自動調整の処理が行われると、ステップ２０２にて出力画像の良否が判定され、出力画像が良好であれば終了し、出力画像が不良であればステップ２０３に進み、カラー知識ベース（ローカルＣＫＢ）に対して編集モードでチェックインする。そしてステップ２０４にて画像自動調整処理で使用した元のスクリプトデータを取得し、つづくステップ２０５にてそのスクリプトデータを編集する。ここでの編集作業は、対話的に行われ、必要に応じて処理手順並びに画像処理に関する各種のパラメータが設定される。つぎにステップ２０６にて編集済みのスクリプトデータに基づいてシミュレーションを行い、つづくステップ２０７にて出力画像の良否が判定され、出力画像が良好であればステップ２０８に進んでカラー知識ベースを更新し、つづくステップ２０９にてチェックアウトする。他方、ステップ２０７にて出力画像が不良であればステップ２０５に戻り、スクリプトデータを再度編集する。
【００３７】
図１０は、図１に示した画像処理システムでのカラー知識ベース更新処理の手順を示すフロー図である。前記図９のステップ２０８に示したカラー知識ベース更新処理では、まずステップ３０１にて新規登録か否かが判定され、新規登録であればステップ３０２に進み、図９のシミュレーションで取得した新しいスクリプトデータ（各種のパラメータを含む）をカラーバイブルに登録し、つづくステップ３０３にて処理対象画像を新たなサンプル画像してその統計データをカラー辞書に登録する。他方、新規登録でなく修正であれば、ステップ３０４に進み、図９で取得した新しいスクリプトデータでカラーバイブル内の該当する情報を上書き処理する。
【００３８】
図１１は、図１に示したスクリプトデータの例を示している。スクリプトデータは、汎用スクリプト言語（例えばMicrosoft社のVBScript）で記述すれば良い。図中（Ａ）に示す例では、順に、自動処理オブジェクトの生成、プログラムの表示、画像ファイルを開く操作、予め設定された自動処理の実行、明るさなどの各処理項目に対応する階調補正の実行、画像ファイルに上書する操作、画像ファイルを閉じる操作、並びにプログラムを終了する操作が行われる。また図中（Ｂ）に示す例でも同様に自動処理の実行、並びに階調補正の実行が順に行われる。
【００３９】
【発明の効果】
このように本発明によれば、オペレータが処理対象画像ごとに処理手順について仔細な指定を行わずとも、その処理対象画像の個々の特徴に応じた適切な画像処理を行うことができ、オペレータの作業負担を軽減して効率化を図る上で大きな効果が得られる。
【図面の簡単な説明】
【図１】本発明による画像処理システムの概略構成を示すブロック図
【図２】図１に示した画像処理システムでの画像処理の概要を示す図
【図３】図１に示した画像処理システムでの統計データ収集処理の概要を示す図
【図４】図１に示した画像処理システムで行われる被写体類推処理の概要を示す図
【図５】図１に示したカラー知識ベースの概要を示す図
【図６】図１に示したカラー知識ベース周辺のシステム構成を示す図
【図７】図１に示した画像処理システムでの画像エリア検出処理の概要を示す図
【図８】図１に示した画像処理システムでの画像自動調整処理の手順を示すフロー図
【図９】図１に示した画像処理システムでのシミュレーション時の処理の手順を示すフロー図
【図１０】図１に示した画像処理システムでのカラー知識ベース更新処理の手順を示すフロー図
【図１１】図１に示したスクリプトデータの例を示す図
【符号の説明】
１ カラー知識ベース（情報蓄積手段）
２ カラークラフト（処理手順選択手段）
３ カラーインタプリタ（画像処理手段）
４ カラーサポート（処理手順登録手段、処理手順修正手段）
１１ 第１の辞書テーブル
１２ カラー辞書（統計データ格納手段）
１３ スクリプトテーブル
１４ カラーバイブル（処理手順データ格納手段）
１５ 第２の辞書テーブル
１６ 登録画像テーブル
１７ 表示部
２１ コンポーネント
２２ マスタＣＫＢ（マスタ記憶手段）
２３ ローカルＣＫＢ（ローカル記憶手段）
２４ ＣＫＢエージェント（アクセス制御手段）
２５ ＣＫＢクライアント

Claims (9)

1. 画像全体を２値化する２値化手段と、
   前記２値化された２値化画像上で黒画素が集合してなる連結領域を抽出する連結領域抽出手段と、
   前記抽出された連結領域を取り囲む白画素からなる白ふち領域を判別する白ふち判別手段と、
   前記抽出された連結領域のうち面積が所定の大きさ以下となる連結領域並びに前記白ふち領域を除外した領域を統計データ収集の処理対象画像とする設定手段と、
   複数のサンプル画像ごとの最適な処理手順を処理条件となるパラメータも含めて汎用スクリプト言語で記述したスクリプトデータ及びそのサンプル画像の特徴を表す統計データを蓄積する情報蓄積手段と、
   ここに蓄積された前記サンプル画像の統計データと処理対象画像について収集した統計データとを比較して、処理対象画像とサンプル画像との類似度を判定し、最も類似するサンプル画像に対応するスクリプトデータを前記情報蓄積手段から選択する処理手順選択手段と、
   ここで選択したスクリプトデータの記述内容にしたがった画像処理を処理対象画像に対して実行する画像処理手段とを有することを特徴とする画像処理システム。
2. 前記処理手順選択手段で選択されたスクリプトデータによる画像処理の結果が不良な場合に、別のスクリプトデータによる画像処理を試験的に実行して良好な結果が得られるスクリプトデータを求め、このスクリプトデータと前記処理対象画像の統計データとを新たなサンプル画像に対応するものとして前記情報蓄積手段に新規に登録する処理手順登録手段を有することを特徴とする請求項１に記載の画像処理システム。
3. 前記処理手順選択手段で選択されたスクリプトデータによる画像処理の結果が不良な場合に、別のスクリプトデータによる画像処理を試験的に実行して良好な結果が得られるスクリプトデータを求め、このスクリプトデータに基づいて前記情報蓄積手段に蓄積された処理手順の内容を変更する処理手順修正手段を有することを特徴とする請求項１に記載の画像処理システム。
4. 前記情報蓄積手段は、サンプル画像の統計データを複数の処理項目ごとに蓄積し、前記処理手順選択手段は、処理対象画像とサンプル画像との類似度の判定を前記複数の処理項目ごとに行うことを特徴とする請求項１に記載の画像処理システム。
5. 前記画像処理手段は、前記処理手順選択手段により選択されたスクリプトデータの記述内容の実行を複数の処理項目について順次行い、前記処理手順選択手段は、前段の処理項目での画像処理により得られた処理済み画像を処理対象画像として統計データの収集並びにサンプル画像との類似度の判定を行うことを特徴とする請求項４に記載の画像処理システム。
6. 前記統計データは、処理対象画像内に設定された統計データ収集領域全体を対象に収集されたマスターデータと、前記処理対象画像を複数のブロックに分割してその複数のブロックの各々を対象に収集されたブロックデータとからなることを特徴とする請求項１に記載の画像処理システム。
7. 前記情報蓄積手段は、処理対象画像について収集した統計データから処理対象画像に適した処理手順を直接選択可能とする直接選択情報を蓄積することを特徴とする請求項１に記載の画像処理システム。
8. 前記情報蓄積手段は、複数の処理項目ごとにサンプル画像の統計データとスクリプトデータの識別情報とを対応させて格納する統計データ格納手段と、前記スクリプトデータの識別情報とスクリプトデータの具体的な処理内容に関する情報とを対応させて格納する処理手順データ格納手段とを有することを特徴とする請求項１に記載の画像処理システム。
9. 画像全体を２値化し２値化画像上で黒画素が集合してなる連結領域を抽出し、抽出された連結領域を取り囲む白画素からなる白ふち領域並びに抽出された連結領域のうち面積が所定の大きさ以下となる連結領域を除いた領域を統計データ収集の処 理対象画像とし、
   サンプル画像に代表される複数の処理グループごとに、処理条件となるパラメータも含めて最適な処理手順を汎用スクリプト言語で記述したスクリプトデータを予め指定しておくと共に、サンプル画像との類似度に基づいて処理対象画像を前記複数の処理グループのいずれかに振り分けるための画像分類情報を情報蓄積手段に予め蓄積しておき、
   処理対象画像が入力されると、前記情報蓄積手段を参照して処理対象画像が属する処理グループを特定し、その処理グループに対応するスクリプトデータの記述内容にしたがって処理対象画像の画像処理を行うことを特徴とする画像処理方法。

Images