JP4458339B2 - 画像処理方法、システム及びプログラム - Google Patents

Description

本発明は、楕円近似が可能な画像オブジェクトを含む画像データ中の各画像オブジェクトを近似する楕円を求める画像処理方法、画像処理システム及びプログラムに関する。

被爆量を測定する手法として、試料（例えば、有機系プラスチック等からなるプレート；飛跡検出用固体）を上着等に着けて、この試料に記録された放射線の入射量や入射方向を測定する手法が用いられている。

即ち、飛跡検出用固体を放射線が通過すると、高分子結合が損傷を受ける。そしてこの損傷部分を所定の溶液でエッチングすると、微小なエッチピットが生じる。このエッチピットは、放射線の入射量や入射方向によって形状が異なる。したがって、試料に生じたエッチピットの形状を、顕微鏡で検査、集計することにより、放射線の入射量や入射方向が測定できる（例えば、特許文献１，２）。
特開平１１−１７４１５７号公報 特開２００１−４２０３８号公報

従来は、エッチピットの数や形状の判定を、撮像装置を顕微鏡に取り付けて拡大像を撮像し、撮影画像をコンピュータ画面に表示して、専門の係員がコンピュータ画像を観察して、ピットの数、ピットの形状・サイズなどに基づいて被爆量や被爆線種を判別している。

しかし、人的処理では、担当者の負担が大きく、正確性・迅速性に欠ける場合があるという問題がある。

自動化することも考えられるが、自動化の手法が確立されておらず、さらに、拡大画像にノイズが多く、また、画素数が膨大であるため、処理負担が大きく、処理速度も遅いという問題の発生が予想される。

同様の問題は、エッチピットの評価に限らず、画像を用いて様々な対象を評価・検討・判定する場合に生ずる。

この発明は上記実情に鑑みてなされたものであり、画像を用いた評価・検討・対象を容易及び／又は正確に行うことができる装置と方法を提供することを目的とする。
また、この発明は、処理負担を抑えて、画像を用いた評価・検討・対象を行うことができる装置と方法を提供することを目的とする。

上記目的を達成するため、この発明の第１の観点に係る画像処理方法は、
前処理部と楕円フィット部とを備えたコンピュータにより、データベースに記憶されている画像データが示す画像に含まれる複数の画素から構成される画像オブジェクトに楕円をフィッティングする画像処理方法であって、
前記前処理部が、前記データベースに記憶されている画像データが示す画像中の画像オブジェクトのエッジ部の画素のうちから、所定数の画素を抽出する工程と、
前記楕円フィット部が、抽出した画素の座標を用いて、前記画像オブジェクトの輪郭に近似する楕円を求める工程と、を備え、
前記所定数の画素を抽出する工程は、前記画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから前記所定数の画素を抽出する、
ことを特徴とする。

上記目的を達成するため、この発明の第２の観点に係る画像処理方法は、
前処理部と楕円フィット部とを備えたコンピュータにより、データベースに記憶されている画像データが示す画像に含まれる複数の画素から構成される画像オブジェクトに楕円をフィッティングする画像処理方法であって、
前記前処理部が、前記データベースに記憶されている画像データが示す画像中のフィッティング対象の画像オブジェクトが、複数の画像オブジェクトが重なって１つに表示されている画像オブジェクトであるか否かを判別する工程と、
前記前処理部が、複数の画像オブジェクトが重なって１つに表示されている画像オブジェクトであると判別した場合に、判別した複数の画像オブジェクトを分離する工程と、
前記前処理部が、分離した各画像オブジェクトについて、当該画像オブジェクトのエッジ部の画素のうちから、所定数の画素を抽出する工程と、
前記楕円フィット部が、分離した各画像オブジェクトについて、抽出した画素の座標を用いて、当該画像オブジェクトの輪郭に近似する楕円を求める工程と、を備え、
前記所定数の画素を抽出する工程は、前記画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから前記所定数の画素を抽出する、ことを特徴とする。

前記重なって１つに表示されている画像オブジェクトであるか否かを判別する工程は、前記フィッティング対象の画像オブジェクトのエッジ部に並ぶ画素での接線のなす角度が所定の誤差範囲にない場合に、複数の画像オブジェクトの輪郭の交差点であると判別する。

また、前記重なって１つに表示されている画像オブジェクトであるか否かを判別する工程は、
前記フィッティング対象の画像オブジェクトのエッジ部の画素を一方向に所定の座標ピッチで順次追跡し、直前の画素から現在の画素に向かう線分の基準線に対する一方向の角度を求め、順次の角度の差が所定の規則で減少した場合に、複数の画像オブジェクトの輪郭の交差点であると判別するものであり、
前記所定の規則で減少する場合とは、ｎ番目の画素での基準線に対する角度をθ _ｎ とし、ｎ番目の画素とｎ−１番目の画素との角度差をγ _ｎ ＝θ _ｎ −θ _ｎ−１ としたときに、以下の条件１乃至条件３の条件を総て満たして角度差γ _ｎ が減少した場合であり、
条件１：γ _ｎ ＝θ _ｎ −θ _ｎ−１
が負
条件２：γ _ｎ ＜誤差角
条件３：γ _ｎ ≦γ _ｎ−２ かつ、γ _ｎ ≦γ _ｎ−１ かつ、γ _ｎ ≦γ _ｎ＋１ かつ、γ _ｎ ≦γ _ｎ＋２
この場合のｎ番目の画素を交差点であると判別する。

上記目的を達成するため、この発明の第３の観点に係る画像処理システムは、
楕円で近似する画像オブジェクトを含む画像の画像データを記憶する記憶手段と、
前記記憶手段に記憶された画像データに基づいて画像データ中の各オブジェクトの輪郭に近似する楕円を求める楕円フィッティング手段と、
前記楕円フィッティング手段により求めた楕円を特定する情報を記憶する手段と、
を備え、
前記楕円フィッティング手段は、フィッティング対象の画像オブジェクトのエッジ部の画素のうちから所定数の画素を抽出し、抽出した画素の座標を用いて、前記画像オブジェクトの輪郭に近似する楕円を求める手段を含み、
前記楕円フィッティング手段は、前記画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから前記所定数の画素を抽出する、
ことを特徴とする。

上記目的を達成するため、この発明の第４の観点に係る画像処理システムは、
楕円で近似する画像オブジェクトを含む画像の画像データを記憶する記憶手段と、
前記記憶手段に記憶された画像データに基づいて画像データ中の各オブジェクトの輪郭に近似する楕円を求める楕円フィッティング手段と、
前記楕円フィッティング手段により求めた楕円を特定する情報を記憶する手段と、
を備え、
前記楕円フィッティング手段は、前記画像中の重なって表示されている複数の画像オブジェクトを判別する手段と、判別した複数の画像オブジェクトを分離する手段と、分離した各画像オブジェクトについて、当該画像オブジェクトのエッジ部の画素のうちから所定数の画素を抽出する手段と、抽出した画素の座標を用いて、分離した各画像オブジェクトについて楕円をフィッティングする手段とを備え、
前記所定数の画素を抽出する手段は、前記画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから前記所定数の画素を抽出する、
ことを特徴とする。

例えば、前記重なって表示されている複数の画像オブジェクトを判別する手段は、前記画像オブジェクトのエッジ部に並ぶ画素での接線のなす角度が所定の誤差範囲にない場合に、複数の画像オブジェクトの輪郭の交差点であると判別する。
また、前記重なって表示されている複数の画像オブジェクトを判別する手段は、前記画像オブジェクトのエッジ部の画素を一方向に所定の座標ピッチで順次追跡し、直前の画素から現在の画素に向かう線分の基準線に対する一方向の角度を求め、順次の角度の差が所定の規則で減少した場合に、複数の画像オブジェクトの輪郭の交差点であると判別するものであり、
前記所定の規則で減少する場合とは、ｎ番目の画素での基準線に対する角度をθ _ｎ とし、ｎ番目の画素とｎ−１番目の画素との角度差をγ _ｎ ＝θ _ｎ −θ _ｎ−１ としたときに、以下の条件１乃至条件３の条件を総て満たして角度差γ _ｎ が減少した場合であり、
条件１：γ _ｎ ＝θ _ｎ −θ _ｎ−１
が負
条件２：γ _ｎ ＜誤差角
条件３：γ _ｎ ≦γ _ｎ−２ かつ、γ _ｎ ≦γ _ｎ−１ かつ、γ _ｎ ≦γ _ｎ＋１ かつ、γ _ｎ ≦γ _ｎ＋２
この場合のｎ番目の画素を交差点であると判別してもよい。
前記楕円フィッティング手段により求めた楕円の数と特徴との少なくとも１つを分析する分析手段、を配置しても良い。

前記楕円フィッティング手段により求めた楕円を評価し、評価が基準レベル以下の場合に、楕円フィッティング手段による楕円を求める手段を再実行させて新たな楕円を求めさせる評価手段を配置してもよい。

上記目的を達成するため、この発明の第５の観点に係るコンピュータプログラムは、
コンピュータを、
画像データ中の複数画素から構成される画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから所定数の画素を抽出し、
抽出した所定数の画素の座標を用いて、前記画像オブジェクトの輪郭に近似する楕円を求める楕円フィッティング手段、
として機能させる。

上記目的を達成するため、この発明の第６の観点に係るコンピュータプログラムは、
コンピュータを、
画像データ中の複数画素から構成される画像オブジェクトが、複数の画像オブジェクトが重なって１つに表示されている画像オブジェクトであるか否かを判別する判別手段、
前記判別手段によって複数の画像オブジェクトが重なって１つに表示されている画像オブジェクトであると判別された場合に、判別された複数の画像オブジェクトを分離する分離手段、
前記分離手段によって分離された各画像オブジェクトについて楕円をフィッティングする楕円フィッティング手段、として機能させるためのコンピュータプログラムであって、
前記楕円フィッティング手段は、分離された各画像オブジェクトについて、該画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから所定数の画素を抽出し、抽出した所定数の画素の座標を用いて、該画像オブジェクトの輪郭に近似する楕円を求める、
ことを特徴とする。

画像オブジェクトに楕円をフィッティングする際には、
楕円の方程式を（１）式で表し、
ａｘ^２＋ｂｘｙ＋ｃｙ^２＋ｄｘ＋ｅｙ＋ｆ＝０
・・・（１）
ｂ^２−４ａｃ＝負の定数 の条件下で、
フィッティング対象の画像オブジェクトのエッジ部から選択された複数の画素について、代数距離の平方の和を、最小とする係数を求めることにより、画像オブジェクトの輪郭に近似する楕円を求める、手法が有効である。

第１、第３，第５の発明によれば、画素を抽出して処理することにより、小さい処理負担で画像オブジェクトに適切に楕円をフィッティングすることができる。
また、第２、第４，第６の発明によれば、重なっている複数の画像オブジェクトを分離してから楕円フィッティングをおこなうので、画像オブジェクトに適切に楕円をフィッティングすることができる。

以下、この発明の実施の形態に係る画像処理システムとしての飛跡検出用固体分析システムについて説明する。
図１に示すように、この飛跡検出用固体分析システム１１は、顕微鏡装置２１と、画像処理装置２３と、データベース（ＤＢ）２５と、これらを接続するネットワークＮＷを備える。

顕微鏡装置２１は、撮像部２１１とデータ入出力部２１２とを備える。撮像部２１１には、エッチ処理された飛跡検出用固体がセットされ、撮像部２１１は、画像センサにより、その拡大画像の画像データ（階調データ）を取得する。一方、データ入出力部２１２は、飛跡検出用固体の資料番号（ＩＤ）等の任意のデータを入力する。顕微鏡装置２１は、取得した画像データと入力されたＩＤとを対応付けてＤＢ２５上のファイルＦ_０に出力する。顕微鏡装置２１の構造は任意であり、例えば、特開２００３−２９５０６３，２００３−２９５０６５，２００３−２９５０６６号公報に開示された構成のものを使用することができる。

画像処理装置２３は、入力部２３５と表示部２３６とを備えるコンピュータ装置から構成され、機能的に、画像入力部２３１、前処理部２３２、楕円フィット部２３３、後処理部２３４を備える。

画像入力部２３１は、ＤＢ２５のファイルＦ_０から未処理の画像データを取り出して入力する。

前処理部２３２は、画像入力部２３１が入力した画像データを二値化し、ノイズ成分を除去するなど、楕円フィット処理の前処理を実行する。

楕円フィット部２３３は、画像上のピットの像に楕円をフィットさせる処理を行う。

後処理部２３４は、ピットにフィットした楕円を元画像に重ねて表示したり、楕円の数をカウントしたり、さらに、各楕円の特徴（サイズ、長軸方向の向き）を抽出したり、被爆量や線種を特定し、さらに、これらの情報をＤＢ２５上のファイルＦ_１に格納する。

ＤＢ２５は、ファイルＦ_０，Ｆ_１を含む様々なファイルを格納する。ファイルＦ_０は顕微鏡装置２１で取得された飛跡検出用固体の画像を格納する。ファイルＦ_１は、画像処理装置２３による処理途中及び処理済の画像データと付帯情報とを対応付けて格納する。ファイルＦ_２は、画像処理装置２３による分析処理後のデータを格納する。

ネットワークＮＷは、ＬＡＮ（Local Area Network)、インターネットなどの任意のプロトコル及びサイズのネットワークから構成される。

次に、上記構成の飛跡検出用固体分析システム１１を用いて飛跡検出用固体を分析する手順を説明する。

分析手順の概要を示す図２の通り、まず、顕微鏡装置２１に検査対象の飛跡検出用固体をセットし、撮像部２１１によりその階調画像の画像データ（例えば、図１１（ａ）に模式的に示す）を取得し、データ入出力部２１２から入力されたＩＤと共にＤＢ２５のファイルＦ_０に格納する（ステップＳ１０１）。顕微鏡装置２１側では、この処理を順次実行する。

顕微鏡装置２１による処理とは、別個の処理として、画像処理装置２３は、画像データをＤＢ２５のファイルＦ_０から適宜読み出して、エッチピットの画像（画像オブジェクト）の輪郭に近似する楕円を求める画像処理を実行し（ステップＳ１０２）、さらに、処理結果を分析して、被爆量の判定などの処理を行い（ステップＳ１０３）、それぞれ処理結果をＤＢ２５上のファイルＦ_１とＦ_２に格納する。

ステップＳ１０２の画像処理は、図３に示すように、入力・前処理（ステップＳ２０１）、楕円フィッティング処理（ステップＳ２０２）、後処理（ステップＳ２０３）、から構成される。

入力・前処理は、ＤＢ２５のファイルＦ_０に格納されている画像データのうちから処理対象の画像データを読み出し、二値化し、ノイズを除去する等、楕円フィッティング処理の準備のための処理である。

図４に示すように、この入力・前処理（ステップＳ２０１）においては、まず、オペレータは入力部２３５を操作し、処理対象画像を指定する（ステップＳ３０１）。この指定操作に応答して、画像処理装置２３は、処理対象の画像データをＤＢ２５のファイルＦ_０から読み出し、補助記憶装置等に入力する（ステップＳ３０２）。

続いて、読み出した画像中のエッチピットの像（画像オブジェクト）を抽出する（ステップＳ３０３）。一般的に、図１１（ａ）に模式的に示すように、エッチピットは他の平坦領域に比べて暗く撮影される。従って、周囲より暗い（階調の低い）部分を抽出することによりエッチピットの画像を抽出することができる。

具体的には、例えば、図５に示す処理によりエッチピットを抽出する。
まず、その画像全体の画素をスキャンして、各画素の階調のヒストグラムを取得する（ステップＳ４０１）。一般に、階調のヒストグラムは、階調全体に均等に分布するのではなく、階調の小さいクラスタと階調の大きいクラスタとに二分される。画像処理装置２３は、両クラスタの間に閾値（階調）を設定する（ステップＳ４０２）。続いて、この閾値と各画素の階調とを比較して、画像を二値化する（ステップＳ４０３）。

ステップＳ４０３の二値化処理が終了すると、図４のノイズ除去処理を行う（ステップＳ３０４）。このノイズ除去処理は、ステップＳ３０３の抽出処理により得られた各エッチピット（画像オブジェクト）の面積（画素数）を判別し、画素数が基準値より小さければ、ノイズとして除去する処理である。

ステップＳ３０４のノイズ除去処理が完了すると、残った各エッチピットの画像（画像オブジェクト）の外周を構成する複数の画素のうちから所定数ｎ個の画素を抽出し、抽出した画素の座標（ｘ_ｉ、ｙ_ｉ）を判別する（ステップＳ３０５）。

このステップＳ３０５においては、まず、画像オブジェクトの外周に位置する画素を取得する。外周上に位置する画素を取得する手法としては、任意の既知の手法を使用することも可能である。例えば、３行３列の画素行列をｘ軸方向及びｙ軸方向に走査して、各画像オブジェクトのエッジの画素を検出し、続いて、これらの画素のうちから所定の基準で選択したｎ個の画素の座標（ｘ_ｉ，ｙ_ｉ）を外周座標として求めるようにしてもよい。また、エッジの画素の画素列を所定画素ピッチで辿ることで、外周を構成する画素を確定する処理を行ってもよい。
なお、画像オブジェクトの外周を構成するｎ個の画素を抽出する処理については、図１２〜図１５を参照して後述する。

以上の処理で、図３のステップＳ２０１の入力・前処理が終了し、続いて、抽出された各画像オブジェクト（エッチピット）の外周を構成する画素の座標（ｘ_ｉ、ｙ_ｉ）を用いて、その画像オブジェクトの輪郭に近似する楕円を求める楕円フィッティング処理（ステップＳ２０２）を開始する。

楕円フィッティング処理の詳細を図６を参照して説明する。
まず、円錐Ｆの方程式を式（１）のようにおくこととする。
Ｆ＝ａｘ^２＋ｂｘｙ＋ｃｙ^２＋ｄｘ＋ｅｙ＋ｆ ・・・（１）

ここで、ベクトルＰ＝[ａ ｂ ｃ ｄ ｅ ｆ]^Ｔ、ベクトルＲ＝[ｘ^２ ｘｙ ｙ^２ ｘ ｙ １]^Ｔとおくと、円錐Ｆの方程式は次式（２）で表される。
Ｆ（Ｐ，Ｒ）＝Ｐ・Ｒ＝ａｘ^２＋ｂｘｙ＋ｃｙ^２＋ｄｘ＋ｅｙ＋ｆ
・・・（２）

注目しているエッチピットのエッジのｎ個の座標（ｘ_ｉ，ｙ_ｉ）ｉ＝１〜ｎについては、ベクトルＲ_ｉ＝[ｘ_i ^２ ｘ_iｙ_i ｙ_i ^２ ｘ_i ｙ_i １]^Ｔとなる。

ここで、Ｆ（Ｐ，Ｒ_i）は、ポイント（ｘ_ｉ、ｙ_ｉ）から円錐Ｆ（Ｐ，Ｒ）への代数距離と呼ばれる。一般の円錐曲線のフィッティングは、代数距離の平方の和をＤ_Ａ（Ｐ）とおくと、Ｄ_Ａ（Ｐ）＝ΣＦ（Ｐ，Ｒ）^２ （ｉ＝１〜ｎ）が最小となるときである。

数学の定理によると、円錐曲線Ｆ（Ｐ，Ｒ）＝０は、係数の関係ｂ^２−４ａｃ＜０を満たせば、必ず楕円である。
従って、エッチピットの輪郭に最もフィットする楕円を求めるためには、代数距離ΣＦ（Ｐ，Ｒ）^２が最小になるＰを、制限条件ｂ^２−４ａｃ＜０のもとで、求めればよい。

しかし、実際は、この条件で解を求めるより、ある値を便宜上定めた方が一般的である。
そこで、「制限条件ｂ^２−４ａｃ＝−１」と決めて、解を求めることとする。このようにすると、楕円方程式を定義する係数群（ａ〜ｆ）を示すベクトルＰが求まる。

ここで、「制限条件ｂ^２−４ａｃ＝−１」を、ベクトルで表現すると次のようになる。
Ｐ^ＴＣonstＰ＝−１

ラグランジュの乗数法によって、
条件Ｐ^Ｔ＝ＣonstＰ＝−１のもとで、Ｄ_Ａ（Ｐ）を最小値とするベクトルＰは、連立方程式

を充足するＰのうちから選ばれる。

ここで、Ｄは数式３に示す行列であり、ステップＳ５０１で設定される。

続いて、Ｓ＝Ｄ^ＴＤとおく（ステップＳ５０２）。
Ｓ＝Ｄ^ＴＤを（３）、（４）式に代入すると、（３ａ）、（４ａ）式が得られる。

数式（３ａ）のＳＰ＝λＣonstＰ は、「一般固有値システム」、λは「一般固有値」と呼ばれる。
一般固有値システム（３ａ）より、一般固有値λとその固有値に対する固有ベクトルＰを求めるために、Ｓ＝ＱＱ^Ｔのように、行列Ｓを分解する（ステップＳ５０３）。ただし、Ｑは対称行列である。

Ｓ＝ＱＱ^Ｔ を一般固有値システム（３ａ）に代入すると、（３ｂ）が得られる。
Ｑ^２Ｐ＝λＣonstＰ ・・・（３ｂ）

ここで、Ｖ＝ＱＰとおくと、Ｖ＝λＱ^−１ＣonstＱ^−１Ｖ となる。

Ｃ＝Ｑ^−１ＣonstＱ^−１ とおくと（ステップＳ５０４）、
Ｖ＝λＣＶ、 即ち、ＣＶ＝１／λＶ が得られる。

行列Ｃの固有値ｄ_ｉ（ｉ＝１〜６）とその固有値ｄ_ｉに対するＣの固有ベクトルをＶ_ｉを求める（ステップＳ５０５）。
定義より、Ｖ_ｉ＝ＱＰ_ｉであり、Ｐ_ｉ＝Ｑ^−１Ｖ_ｉである。これから、（１）式の解Ｐ_ｉが求められる。

式（１）の解Ｐ_ｉは６個ある（ｉ＝１〜６）ので、その中からＤ_Ａ（Ｐ）の最小になるＰ_ｋを特定するため、一般固有値λ_ｉ（ｉ＝１〜６）のうちから、唯一負の値のものλ_ｋを選択する。実際には、Ｃの固有値ｄ_ｉとλ_ｉの符号が同一であるため、負の固有値ｄ_ｋを探し、「ｋ」を求める（ステップＳ５０６）。
続いて、判別した「λ_ｋ」に対応する固有ベクトルＰ_ｋを選択し、これを解とする（ステップＳ５０７）。

続いて、制限条件ｂ^２−４ａｃ＝−１を満たす唯一の解を求める。
ここで、もしベクトルｕ_ｋが（１）式の解であれば、任意のｗ_ｋ（スカラ）に対して（λ_ｋ，ｗ_ｋｕ_ｋ）も（１）式の解である。そこで、解を確定するための制限条件ｗ_ｋ ^２Ｐ_ｋＣonstＰ_ｋ＝−１を使って、式（５）より係数ｗ_ｋを求め（ステップＳ５０８）、さらに、式（６）でＰを算出する（ステップＳ５０９）。

ｗ_ｋ＝√（−１／（Ｐ_ｋ ^ＴＣonstＰ_ｋ）＝√（−λ_ｋ／（Ｐ_ｋ ^ＴＳＰ_ｋ）
・・・（５）
Ｐ＝ｗ_ｋＰ_ｋ ・・・（６）

このＰ＝ｗ_ｋＰ_ｋ＝[ａ ｂ ｃ ｄ ｅ ｆ]が楕円フィッティング対称のエッチピット（画像オブジェクト）の輪郭に近似する楕円方程式を定義する。

画像処理装置２３はこのような楕円フィッティング処理を、選択された画像内の画像オブジェクトについて１個ずつ順番に実施し、フィッティングにより得られたベクトルＰを画像オブジェクトに対応付けて特定する。

このようにして、その画面についての、楕円フィッティング処理（図３、ステップＳ２０２）が終了すると、続いて、後処理（ステップＳ２０３）を行う。
この後処理は、図７に示すように、外枠処理（ステップＳ６０１）とオペレータによる編集処理（ステップＳ６０２）とを含む。

外枠処理（ステップＳ６０１）は、図８（ａ）、（ｂ）に示すように、各画像オブジェクトの近似楕円について、画像の外枠（四辺のいずれか）にかかっているか否かを判別し（ステップＳ７０１）、かかっていると判別した場合には（ステップＳ７０１；Ｙｅｓ）、処理対象外枠（右外枠または下外枠）にかかっているか否かを判別し（ステップＳ７０２）、それ以外の外枠にかかっていると判別した場合（ステップＳ７０２；画像外）には、その楕円を捨て（ステップＳ７０３）、楕円が外枠にかかっていない（ステップＳ７０１；Ｎｏ）又は右外枠または下外枠にかかっていると判別された場合（ステップＳ７０２；Ｙｅｓ）には、そのまま残す処理である。

次に、図７のオペレータによる編集処理（ステップＳ６０２）に移る。この処理を図９を参照して説明する。
オペレータは、楕円の抽出条件、例えば、サイズ、面積、形状（例えば、楕円の長径と短径の比）、長軸の方向、等を適宜設定する（ステップＳ８０１）。次に、その条件に合致する楕円の数を求め、その数を表示する（ステップＳ８０２）。

オペレータが、条件設定を終了したか否かを判定し（ステップＳ８０３）、終了していない場合には、ステップＳ８０１にリターンし、条件設定が終了・確定した場合には、対応する原画像（階調画像）を表示装置に表示し（ステップＳ８０４）、さらに、抽出した楕円を原画像の上に、例えば、図１１（ｂ）に例示するように、上書き表示する（ステップＳ８０５）。

ここで、オペレータは、必要に応じて、入力部２３５を介して通常の入力方法を用いて、任意の楕円を指定し、任意の指示を行う（ステップＳ８０６）。画像処理装置２３は、入力指示に応じた処理を実行する。

例えば、楕円を指定して、削除が指定されると（ステップＳ８０６；削除）、その画像が削除される（ステップＳ８０７）。また、楕円が不適切であるとオペレータが判断した場合には、オペレータは、例えば、画面上をクリックする等して、任意の画像オブジェクトのエッジの情報を指定する（ステップ８０６；エッジ指定）。この場合、画像処理装置２３は、上述と同様の処理により、指定された複数の点にフィットする楕円を描き、その楕円を再表示する（ステップＳ８０８）。また、表示された楕円が全て適切であれば、オペレータは、例えば、リターンキーを操作したり、確定ボタンを操作する。

これらの操作に応答して、画像処理装置２３は、ＩＤと原画像と各楕円の情報とを対応付けてＤＢ２５上のファイルＦ_１に保存する（ステップＳ８０９）。

以上で、１つの画像分の処理が終了する。

一方、画像処理装置２３は、適当なタイミングで、ファイルＦ_１を適宜アクセスして、各画像に付属している楕円の情報を判別して、各楕円の特徴量を求める。

例えば、フィットした楕円の数、各楕円のサイズとその分布（分散）、楕円長軸の向きとその分布（分散）、等を求め、これを機知の手法を使用して分析し、被爆量や被爆線種、被爆方向などを判別し、ＩＤに対応付けて、ファイルＦ_２に格納する。

例えば、図１０に示すように、単位面積当たりの楕円数に基づいて被爆量を判定し（ステップＳ９０１）、楕円の径に基づいて線種を判定し（ステップＳ９０２）、楕円の長軸の向きに基づいて線源の方向を判別する（ステップＳ９０３）。さらに、これらの情報を画像情報などと共にファイルＦ_３に格納する（ステップＳ９０４）。

以上説明したように、この実際の形態の飛跡検出用固体分析システム１１及びそこで実行される方法によれば、飛跡検出用固体の画像を取得し、これを分析することによりエッチピットを近似する楕円を自動的に求めることができ、しかも自動的に求めた楕円を分析して被爆量等の情報を自動で取得することも可能である。

（画像オブジェクトの外周を構成する画素のうちからｎ個の画素を抽出する方法）
多数の画素を楕円のフィッティングに使用すると、各画素の座標の判別（特定）及び楕円のフィッティング処理の負担が大きくなると共に処理速度が遅くなってしまう。また、エッジラインには微妙な凸凹があるため、とびとびに取ることが望ましい。

そこで、図１６のフローチャートに示すように、楕円フィッティングに使用するエッジライン上の画素（エッジ画素）のうちから適切な数と配置のｎ個の画像を取得して、これをフィッティング処理に使用する。

以下の説明では、始点の画素と終点の画素が一致し、かつ、ループを時計回りにトレースするものとする。

図１２に示すように、ループの始点のｙ座標は、オブジェクトの一番上の線の位置を示し、ｘ座標はその線の一番左の画素の位置を表す。これは、画像を左上の原点位置からラスタスキャンした場合に、最初にスキャンされる画素である。そして、この画素をフィッティング対象の画素として登録する（図１６；ステップＳ１００１）。

次に、この始点から順にＮピッチで画素を選択してループをたどる（ステップＳ１００２，Ｓ１００３）。例えば、今、図１３の画素（点）Ｐ_０を考える。この画素を囲む画素は８個存在しうる。それらをＰ_０の８近傍という。Ｐ_０からみると、垂直方向（Ｐ_２，Ｐ_６）、水平方向（Ｐ_４，Ｐ_８）、斜め方向（Ｐ_１，Ｐ_３，Ｐ_５，Ｐ_７）に隣接している画素があるとき８近傍で連結しているという。

ここで、画素ピッチという考えを導入する。画素ピッチＮとは、画像オブジェクトと背景の境界をなしている画素の連鎖上で、画素の間隔をＮ−１個飛ばして、Ｎ個毎に画素をとっていくことである。
例えば、画素ピッチが２ならば、境界をなしている画素の連鎖より、間隔を１個飛ばして画素を拾っていく。同様に、画素ピッチが５ならば、境界をなしている画素の連鎖より、間隔を４個飛ばして画素を拾っていく。そして拾っていった画素群がフィッティング処理の計算の対象となる（ベクトルＤの構成要素）。

座標ピッチは、画素の連鎖上で動くもので、座標ピッチで決められていく点は８近傍で連結している画素である。
今、図１４に示すように、画素ピッチ２の場合について、考えると、画素Ｐ_ａからＰ_iまでの画素の連結でのつながり方は、負の角度方向（−９０°以内）を考えると、次の９通りがある。

１）Ｐ_ａ−Ｐ_ｂ−Ｐ_ｃ ２）Ｐ_ａ−Ｐ_ｂ−Ｐ_ｆ ３）Ｐ_ａ−Ｐ_ｅ−Ｐ_ｃ ４）Ｐ_ａ−Ｐ_ｅ−Ｐ_ｆ ５）Ｐ_ａ−Ｐ_ｅ−Ｐ_ｉ ６）Ｐ_ａ−Ｐ_ｅ−Ｐ_ｈ ７）Ｐ_ａ−Ｐ_ｅ−Ｐ_ｇ ８）Ｐ_ａ−Ｐ_ｄ−Ｐ_ｈ ９）Ｐ_ａ−Ｐ_ｄ−Ｐ_ｇ
そして、２ピッチで移動する際に、開始点から到達点に至るライン（直線）の傾きはＤ_１〜Ｄ_５の５種類ある。

同様に、座標ピッチを５とすると、画素Ｐ_ａからＰ_ｙまでの画素の連結でのつながり方は、負の角度方向（−９０°以内）を考えると、図１５に示すように、例えば、１）ａ−ｇ−ｍ−ｉ−ｄ ２）ａ−ｆ−ｌ−ｈ−ｉ ３）ａ−ｆ−ｌ−ｍ−ｎ ４）ａ−ｆ−ｌ−ｍ−ｓ ５）ａ−ｂ−ｈ−ｍ−ｒ ６）ａ−ｂ−ｈ−ｍ−ｑ ７）ａ−ｂ−ｈ−ｌ−ｐ ．．．
等が考えられる。そして、５ピッチで移動する際に、開始点から到達点に至るライン（直線）の傾きは１３種類ある。これらの傾きについては、後述の実施の形態にて述べる複数の画像オブジェクトの分離処理に用いる。

このようなルートを辿って画素連鎖を追跡しながら、Ｎピッチ進む（Ｎ−１個の画素を飛ばす）毎にその画素を楕円フィッティング用の画素として登録する。
なお、ピッチ数は、固定で予めシステムに登録されており、或いは、オペレータの指定により特定される。

図１６のステップＳ１００１及びＳ１００２で登録したｎ個の画素のｘ、ｙ座標をステップＳ３０５での抽出外周座標とし、ステップＳ２０２及び図６のフローチャートにおけるフィッティング処理の対象とする。

（第２実施の形態）
第１の実施の形態においては、ピッチ数が固定であり、例えば、大きな画像オブジェクトについては楕円を近似するための画素数が多く、小さい画像オブジェクトについては画素数が小さくなってしまう。

そこで、以下、画像オブジェクトの形状に関わらず、一定数の画素（エッジ画素）を抽出し、これを用いて楕円を近似することができるシステムについて、図１７のフローチャートを参照して説明する。

ここで、理解を容易にするため、取り扱う図形を真円とし、半径をｒとする場合について考える。
まず、円周長をＬとした場合、Ｌ＝２πｒとなる。

円周上の点（楕円フィッティングに使用する画素）を６画素に固定する場合を考える。フィッティングに使用する２画素間の円周長は、２πｒ／６＝πｒ／３ である。
これより、座標ピッチｐはπｒ／３となる。

円の面積Ｓは、Ｓ＝πｒ^２ である。この面積Ｓを用いると、座標ピッチｐの基準は、次のように定まる。
ｐ＝（１／３）√（πＳ）

例えば、面積が１０００画素のときの座標ピッチについて考えると、座標ピッチｐの基準は、ほぼ１８．６画素になる（実際は、この値近傍の整数値）。また、このとき、隣り合わせのピッチ間（長さはｒ）より小さな円（半径ｒ／２以内）は、ゴミとみなして、拾わないことになる。

次に、楕円について考える。楕円の場合は、円周長をＬ，面積をＳとすると、近似的に次式が成立する。
Ｌ＝４Ｓ＝４∫√（ａ^２ｃｏｓ^２ｔ＋ｂ^２ｓｉｎ^２ｔ）ｄｔ（ｔ＝０〜π／２）

この式に、離心率ｋ＝√（（ａ^２−ｂ^２）／ａ^２）を代入すると、
Ｌ＝４ａ∫√（１−ｋ^２ｓｉｎ^２ｔ）ｄｔ （ｔ＝０〜π／２）が得られる。
この方程式は、楕円積分での第２種完全楕円積分にあたり、解は例えば完全楕円積分表を参照して解くことができ、予め、ＤＢ２５上に格納した完全楕円積分表を参照して離心率ｋに対応する解を得る。

円周上の点をｍ点決めることを考えると、２点間の円周長はＬ／ｍとなり、この値に近い整数値が座標ピッチｐとなる。具体的に面積を１０００としたときの座標ピッチについては、次の通りである。Ｓ＝πａｂ＝１０００とすれば、ａｂ≒３１８．３。例えば、ａ＝（√２）ｂとすれば、ｋ^２＝０．５、ａ≒２１．２、ｂ≒１５．０となる。ｋ^２＝０．５のとき、∫√（１−ｋ^２ｓｉｎ^２ｔ）ｄｔ（ｔ＝０〜π／２）＝１．３５０６４となり、これをＬ／ｍに代入すると、ｍ＝６ならば、画素ピッチｐ≒１９．１となり、これを基準に画素ピッチを２０と定める。

そこで、まず、画像オブジェクトを構成する画素の数をカウントする等の手法で、画像オブジェクトの面積（画素数）を求め（図１７，ステップＳ１１０１）、続いて、面積と予め設定されている離心率などから周長Ｌを求め（ステップＳ１１０２）、選択すべき画素数ｎからピッチｐを決定し（ステップＳ１１０３）、画像オブジェクトと背景との境界線（言い換えれば輪郭線）を辿って画素連鎖を追跡しながら、上式で求めたｐピッチ進む（ｐ−１個の画素を飛ばす）毎に、その画素のｘ、ｙ座標をステップＳ３０５での抽出外周座標とし（ステップＳ１００４）、ステップＳ２０２及び図６のフローチャートにおける楕円フィッティング処理の対象とする。

この実施の形態によれば、楕円で近似する画像オブジェクトの形状によらず、所定数の画素を適切に抽出し、抽出した画素の座標から画像オブジェクトの輪郭に近似する楕円を求めることができる。

なお、各画像のオブジェクトの面積は、例えば、画像オブジェクトと背景との境界の閉ループ内の画素数をカウントする既知の手法を使用して容易に取得可能である。

（第３実施の形態）
エッチピットのうちには、図１１（ａ）で示すように、２つのエッチピットが重なっているものが存在する。このような場合には、ピットを分離してから楕円フィッティングを行わないと、例えば、２つのエッチピットを大きな楕円でフィッティングしてしまい、被爆量等を適切に判別できなくなるおそれがある。

そこで、以下、重なっているエッチピットを分離してから楕円フィッティングを行う画像処理システムについて説明する。
２つのエッチピットが重なっていることを判別する手法を述べる。ここでは、画像オブジェクトの輪郭を反時計方向にＮピッチで辿ったとき、角度が急激に変わる場所（変曲点）が現れたときに、その点が２つの楕円の交差点であると考えることとする。

図１８を参照して基本的な例を具体的に説明する。
今、２つのエッチピットが重なっている画像オブジェクトと背景との境界線ＢＬをスタート点Ｐ_１から辿る場合を考える。

スタート点Ｐ１から画素連鎖を辿り、Ｐ_０→Ｐ_１→Ｐ_２→Ｐ_３→Ｐ_４→・・・と辿っていくとする。そして、Ｐ_０，Ｐ_１，Ｐ_２，Ｐ_３，Ｐ_４...での接線をＴＬ_０，ＴＬ_１，ＴＬ_２，ＴＬ_３，ＴＬ_４...とする。そして、接線ＴＬ_０とＴＬ_１の交差角をθ₁、接線ＴＬ_１とＴＬ_２の交差角をθ₂、接線ＴＬ_２とＴＬ_３の交差角をθ₃、接線ＴＬ_３とＴＬ_４の交差角をθ₄、...とする。

ここで、θ₁とθ₂の差、θ₂とθ₃の差、θ₃とθ₄との差、...は、楕円のサイズや離心率、さらに、ピッチにより定まる一定の誤差範囲に入るはずである。ところが、２つの楕円が交差している点の近傍では、誤差範囲を超えて大きく変化する（角度変換点）ことが多い。そこで、そのような場合には、その角度変換点を２つの楕円の交差点とする。

さらに、画素連鎖を辿って次の角度変換点を見つけると、最初の変換点から次の変換点までが１つの楕円の円弧であると判別することができる。そして、その円弧上の複数点の座標から近似する楕円をフィッティングする。

即ち、画像処理装置２３は、画素連絡をスタート点からピッチｐで順次辿り、各選択点Ｐ_ｉでの接線ＴＬ_ｉの方向を求めて記録し、これと１つ前の接線ＴＬ_ｉ−１との交差角θ_iを求め、この交差角θ_iが許容誤差範囲を超える点Ｐ_iを複数の楕円、すなわち、２つの楕円の交差点と判別する。そして、輪郭線ＢＬを１周辿って、２つの隣接する交差点間の円弧を１つの楕円の円弧とみなして、その円弧上の複数点の座標から楕円をフィッティングする。ここでは、便宜上、２つの楕円の重なりについて、説明したが、基本的な考え方は３つ以上の楕円の重なりについても同様である。

なお、図１８では、理解を容易にするため、点Ｐの間隔を大きくしているが、複数楕円の交差点の判別には、３〜７画素ピッチ程度で辿ることが望ましい。この画素ピッチが大きすぎると、交差点を正確に判別するこができず、小さすぎると、処理量が大きくなってしまうためである。

また、この場合に、交差角θを求めるために選択する画素Ｐの全てを楕円のフィッティングに使用する必要はない。例えば、交差角θを求めるためには５画素ピッチで境界線ＢＬを辿り、分離した後の円弧上の所定数の画素を、その面積等から求めるようにしてもよい。
上述の手順をフローチャートにまとめると図１９に示すようになる。

境界線の画素連鎖を辿り、交差点を検出する手法を図２０を参照してさらに詳しく説明する。
ここでは、輪郭線ＢＬを、ポイントＰ_０→Ｐ_１→Ｐ_２→Ｐ_３→Ｐ_４→Ｐ_５...と左周りに辿る場合を考える。図示するように、θ_０＝ポイントＰ_０とＰ_１を結ぶラインＬ_P0-P1が水平ラインとなす角、θ_１＝ポイントＰ_１とＰ_２を結ぶラインＬ_P1-P2が水平ラインとなす角、θ_２＝ポイントＰ_２とＰ_３を結ぶラインＬ_P2-P3が水平ラインとなす角、θ_３＝ポイントＰ_３とＰ_４を結ぶラインＬ_P3-P4が水平ラインとなす角、θ₄＝ポイントＰ₄とＰ₅を結ぶラインＬ_P4-P5が水平ラインとなす角、...とする。これらの角度は、図２０に示すように、ポイントＰ_０→Ｐ_１、Ｐ_１→Ｐ_２の各線分の始点に交わる水平ラインに対し、始点からみて線分とは反対の側からの画素連鎖を辿る方向である反時計回りの角度としてある。図２０では楕円の上側を辿った場合を示してあり、角度は、水平ラインに対して始点の右側からの反時計回りの角度である。

続いて、差角の増減を表す増減角を次にように定義する。
γ_ｎ＝θ_ｎ−θ_ｎ−１
（γ_１＝θ_１−θ_０、γ_２＝θ_２−θ_１、γ_３＝γ_３−γ_２ ...）
図では、γ_１は正、γ_２は正、γ_３は負、である。

このような前提のもとで、ある点Ｐｎで、以下の条件を満たすときに、その点で２つの楕円が交差しているとみなす。即ち、増減角がこの規則で減少した場合に２つのオブジェクトの輪郭の交差点であると判断する。
１．γ_ｎ＝θ_ｎ−θ_ｎ−１ が負
２．γ_ｎ＜誤差角
３．γ_ｎ≦γ_ｎ−２
γ_ｎ≦γ_ｎ−１
γ_ｎ≦γ_ｎ＋１
γ_ｎ≦γ_ｎ＋２
(前の２点より増減角が小さく、かつ、後の２点よりも小さい。前後４点より明らかに減少している）

ただし、４．画像の外枠にかかる点は、重なっている点とはみなさない。
誤差角は、例えば、図１５，図１６に示したピッチ別の取りうる方向のうち、どの角度範囲までを誤差とみなさないかということにより定まる。
上述の手順をフローチャートにまとめると図２１に示すようになる。

同様の考え方に基づいて、中間ファイルを用いて変曲点を検出する処理方法を説明する。
まず、画像オブジェクトの外周を所定ピッチでトレースしながら、各サンプル点Ｐ_ｉのｘ座標ｘ_ｉとｙ座標ｙ_ｉとを求め、図２２（ａ）に示すように中間ファイルに順次格納する。

次に、点Ｐ_iと次の点Ｐ_ｉ＋１とを結ぶラインが水平となす角度θ_ｉを、次式により求め、図２２（ｂ）に示すように中間ファイルに格納する。
θ_ｉ＝ａｔａｎ２（（ｙ_ｉ＋１−ｙ_ｉ），（ｘ_ｉ＋１−ｘ_ｉ））
即ち、点Ｐ_ｉのｘ座標値ｘ_ｉと点Ｐ_i+1のｘ座標値ｘ_i+1との差Δｘ_ｉと、点Ｐ_ｉのｙ_ｉ座標値と点ｐ_i+1のｙ座標値ｙ_i+1との差Δｙ_ｉと、を求めて、点Ｐ_ｉからＰ_ｉ+1への増分に対して、Δｙ_ｉ／Δｘ_ｉのａｔａｎ（アークタンジェント）を求める。この角度θ_ｉは、水平方向線と成す角度にあたり、−πラジアンからπラジアンの範囲の値である。なお、Δｘと、Δｙが共に０のときには０とする。

次に、図２２（ｃ）に示すように、増加角γ_ｉ＝θ_ｉ−θ_ｉ−１とし、中間ファイルに追加する。
但し、θ_ｉ−１＞π／２ かつ θ_ｉ＜−π／２ ならば、γ_ｉ＝γ_ｉ＋２π
θ_ｉ−１＜−π／２ かつ θ_ｉ＞ π／２ ならば、γ_ｉ＝γ_ｉ−２π

続いて、γ_ｉ＜誤差角で、かつ、γｉが前後各々２つの全てのγ_ｉ−２，γ_ｉ−１，γ_ｉ＋１，γ_ｉ＋２の値以下の点Ｐ_ｉを変曲点とみなし、図２２（ｄ）に示すように、Ｙｅｓを付ける。

以上の一連の処理により、画像オブジェクトの外周の画素を所定ピッチで辿り、そのｘ，ｙ座標を求めることにより、以後の演算処理により、変曲点を求めることができる。

以上の一連の処理（中間ファイルを用いた処理）により、画像オブジェクトの外周の画素を所定ピッチで辿り、そのｘ，ｙ座標を求めることにより、以後の演算処理により、変曲点を求めることができる。

具体例に基づいて説明すると、画像オブジェクトの外周の画素を所定ピッチで辿り、中間ファイル上に、例えば、図２３（ａ）に示す一連の座標データが得られたとする。すると、θｉを求めることにより、図２３（ｂ）の表に示すデータが中間ファイル上に得られる。さらに、γを計算することにより、図２３（ｃ）に示すデータが中間ファイル上に得られる。最後に、各γについて、条件を充足するか否かを判別することにより、図２３（ｄ）に示すように、変曲点であるか否かを示すマーク（フラグ）を中間ファイルに格納する。

なお、上述の例では、画像オブジェクトの円周を所定ピッチで辿って、円周上の全ての画素の座標を中間ファイルに格納した後で、θ、γなどを計算しているが、画素列を辿り１つの画素を抽出する度に、θやγを計算するようにしてもよい。

以上説明したように、この第３の実施の形態によれば、複数のエッチピットが重なって形成されている画像オブジェクトを、２つの楕円に分離してフィッティングすることができる。従って、被爆量等を適切に判別することができる。

この発明は上記実施の形態に限定されず、種々の変形及び応用が可能である。
例えば、上記実施の形態においては、楕円をフィッティングする対象として、エッチピットを取り上げたが、他のフィッティングにも適用可能である。例えば、生態組織（細胞等）、工業製品などについても同様に適用可能である。

また、顕微鏡装置２１と画像処理装置２３とをネットワークＮＷで接続する例を示したが、例えば、顕微鏡装置２１で撮影した画像をＣＤ、ＤＶＤなどの記録媒体に格納して搬送し、画像処理装置２３で記録媒体からデータを読み出して処理するようにしてもよい。

また、この発明は、装置、システム、方法の形態のものだけでなく、コンピュータを、上述の装置又はシステムの全体又は一部として動作させ、或いは、上述の各工程・ステップを実行させるコンピュータプログラムをも含む。この場合には、プログラムは、例えば、記録媒体に記録されて或いは通信回線を介して提供・頒布され、これがインストールされて、コンピュータのメモリに格納されてＣＰＵにより実行される。

本発明の実施の形態にかかる飛跡検出用固体分析システムの構成図である。 図１に示す画像処理装置が実行する飛跡検出用固体分析処理を示すフローチャートである。 図２の画像処理の内容を示すフローチャートである。 図３の入力・前処理の内容を示すフローチャートである。 図４に示すエッチピット抽出処理の内容を示すフローチャートである。 図３に示す楕円フィッティング処理の内容を示すフローチャートである。 図３の後処理の内容を示すフローチャートである。 図７に示す外枠処理の内容を示す図である。 図７に示す編集処理の内容を示すフローチャートである。 図２の被爆量測定処理の内容を示すフローチャートである。 顕微鏡の撮影画像と、楕円をフィットした画像とを例示する図である。 画素連鎖を辿る処理を説明するための図である。 ８連画素について説明する為の図である。 ２画素ピッチで画素連鎖を辿る処理を説明するための図である。 ５画素ピッチで画素連鎖を辿る処理を説明するための図である。 画像オブジェクトの外周上の画素を所定ピッチで抽出する処理を説明するためのフローチャートである。 画像オブジェクトの外周上の画素を所定ピッチで抽出する処理を説明するためのフローチャートである。 エッチピットが重なって形成された画像オブジェクトを２つの楕円に分離する処理を説明するための図である。 複数の楕円を分離するために、楕円の外周の交差点を判別・抽出する処理を説明するためのフローチャートである。 エッチピットが重なって形成された画像オブジェクトを２つの楕円に分離する処理を詳しく説明するための図である。 複数の楕円を分離するために、楕円の外周の交差点を判別・抽出する処理を説明するためのフローチャートである。 中間ファイルを用いて、楕円の外周の交差点を判別・抽出する処理を説明するための中間ファイルの内容とその変化を示す図である。 中間ファイルを用いて、楕円の外周の交差点を判別・抽出する処理を説明するための中間ファイルの内容とその変化を示す図である。

符号の説明

１１ … 飛跡検出用固体分析システム
２１ … 顕微鏡装置
２３ … 画像処理装置
２５ … ＤＢ（データベース）

Claims (12)

1. 前処理部と楕円フィット部とを備えたコンピュータにより、データベースに記憶されている画像データが示す画像に含まれる複数の画素から構成される画像オブジェクトに楕円をフィッティングする画像処理方法であって、
   前記前処理部が、前記データベースに記憶されている画像データが示す画像中の画像オブジェクトのエッジ部の画素のうちから、所定数の画素を抽出する工程と、
   前記楕円フィット部が、抽出した画素の座標を用いて、前記画像オブジェクトの輪郭に近似する楕円を求める工程と、を備え、
   前記所定数の画素を抽出する工程は、前記画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから前記所定数の画素を抽出する、
   ことを特徴とする画像処理方法。
2. 前処理部と楕円フィット部とを備えたコンピュータにより、データベースに記憶されている画像データが示す画像に含まれる複数の画素から構成される画像オブジェクトに楕円をフィッティングする画像処理方法であって、
   前記前処理部が、前記データベースに記憶されている画像データが示す画像中のフィッティング対象の画像オブジェクトが、複数の画像オブジェクトが重なって１つに表示されている画像オブジェクトであるか否かを判別する工程と、
   前記前処理部が、複数の画像オブジェクトが重なって１つに表示されている画像オブジェクトであると判別した場合に、判別した複数の画像オブジェクトを分離する工程と、
   前記前処理部が、分離した各画像オブジェクトについて、当該画像オブジェクトのエッジ部の画素のうちから、所定数の画素を抽出する工程と、
   前記楕円フィット部が、分離した各画像オブジェクトについて、抽出した画素の座標を用いて、当該画像オブジェクトの輪郭に近似する楕円を求める工程と、を備え、
   前記所定数の画素を抽出する工程は、前記画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから前記所定数の画素を抽出する、
   ことを特徴とする画像処理方法。
3. 前記重なって１つに表示されている画像オブジェクトであるか否かを判別する工程は、前記フィッティング対象の画像オブジェクトのエッジ部に並ぶ画素での接線のなす角度が所定の誤差範囲にない場合に、複数の画像オブジェクトの輪郭の交差点であると判別する、
   ことを特徴とする請求項２に記載の画像処理方法。
4. 前記重なって１つに表示されている画像オブジェクトであるか否かを判別する工程は、
   前記フィッティング対象の画像オブジェクトのエッジ部の画素を一方向に所定の座標ピッチで順次追跡し、直前の画素から現在の画素に向かう線分の基準線に対する一方向の角度を求め、順次の角度の差が所定の規則で減少した場合に、複数の画像オブジェクトの輪郭の交差点であると判別するものであり、
   前記所定の規則で減少する場合とは、ｎ番目の画素での基準線に対する角度をθ_ｎとし、ｎ番目の画素とｎ−１番目の画素との角度差をγ_ｎ＝θ_ｎ−θ_ｎ−１としたときに、以下の条件１乃至条件３の条件を総て満たして角度差γ_ｎが減少した場合であり、
   条件１：γ_ｎ＝θ_ｎ−θ_ｎ−１ が負
   条件２：γ_ｎ＜誤差角
   条件３：γ_ｎ≦γ_ｎ−２ かつ、γ_ｎ≦γ_ｎ−１ かつ、γ_ｎ≦γ_ｎ＋１ かつ、γ_ｎ≦γ_ｎ＋２
   この場合のｎ番目の画素を交差点であると判別する、ことを特徴とする請求項２に記載の画像処理方法。
5. 楕円で近似する画像オブジェクトを含む画像の画像データを記憶する記憶手段と、
   前記記憶手段に記憶された画像データに基づいて画像データ中の各オブジェクトの輪郭に近似する楕円を求める楕円フィッティング手段と、
   前記楕円フィッティング手段により求めた楕円を特定する情報を記憶する手段と、
   を備え、
   前記楕円フィッティング手段は、フィッティング対象の画像オブジェクトのエッジ部の画素のうちから所定数の画素を抽出し、抽出した画素の座標を用いて、前記画像オブジェクトの輪郭に近似する楕円を求める手段を含み、
   前記楕円フィッティング手段は、前記画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから前記所定数の画素を抽出する、
   ことを特徴とする画像処理システム。
6. 楕円で近似する画像オブジェクトを含む画像の画像データを記憶する記憶手段と、
   前記記憶手段に記憶された画像データに基づいて画像データ中の各オブジェクトの輪郭に近似する楕円を求める楕円フィッティング手段と、
   前記楕円フィッティング手段により求めた楕円を特定する情報を記憶する手段と、
   を備え、
   前記楕円フィッティング手段は、前記画像中の重なって表示されている複数の画像オブジェクトを判別する手段と、判別した複数の画像オブジェクトを分離する手段と、分離した各画像オブジェクトについて、当該画像オブジェクトのエッジ部の画素のうちから所定数の画素を抽出する手段と、抽出した画素の座標を用いて、分離した各画像オブジェクトについて楕円をフィッティングする手段とを備え、
   前記所定数の画素を抽出する手段は、前記画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから前記所定数の画素を抽出する、
   ことを特徴とする画像処理システム。
7. 前記重なって表示されている複数の画像オブジェクトを判別する手段は、前記画像オブジェクトのエッジ部に並ぶ画素での接線のなす角度が所定の誤差範囲にない場合に、複数の画像オブジェクトの輪郭の交差点であると判別する、ことを特徴とする請求項６に記載の画像処理システム。
8. 前記重なって表示されている複数の画像オブジェクトを判別する手段は、前記画像オブジェクトのエッジ部の画素を一方向に所定の座標ピッチで順次追跡し、直前の画素から現在の画素に向かう線分の基準線に対する一方向の角度を求め、順次の角度の差が所定の規則で減少した場合に、複数の画像オブジェクトの輪郭の交差点であると判別するものであり、
   前記所定の規則で減少する場合とは、ｎ番目の画素での基準線に対する角度をθ_ｎとし、ｎ番目の画素とｎ−１番目の画素との角度差をγ_ｎ＝θ_ｎ−θ_ｎ−１としたときに、以下の条件１乃至条件３の条件を総て満たして角度差γ_ｎが減少した場合であり、
   条件１：γ_ｎ＝θ_ｎ−θ_ｎ−１ が負
   条件２：γ_ｎ＜誤差角
   条件３：γ_ｎ≦γ_ｎ−２ かつ、γ_ｎ≦γ_ｎ−１ かつ、γ_ｎ≦γ_ｎ＋１ かつ、γ_ｎ≦γ_ｎ＋２
   この場合のｎ番目の画素を交差点であると判別する、
   ことを特徴とする請求項６に記載の画像処理システム。
9. 前記楕円フィッティング手段により求めた楕円の数と特徴との少なくとも１つを分析する分析手段、を備えることを特徴とする請求項５乃至８のいずれか１項に記載の画像処理システム。
10. 前記楕円フィッティング手段により求めた楕円を評価し、評価が基準レベル以下の場合に、楕円フィッティング手段による楕円を求める手段を再実行させて新たな楕円を求めさせる評価手段を備える、ことを特徴とする請求項５乃至９のいずれか１項に記載の画像処理システム。
11. コンピュータを、
    画像データ中の複数画素から構成される画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから所定数の画素を抽出し、
    抽出した所定数の画素の座標を用いて、前記画像オブジェクトの輪郭に近似する楕円を求める楕円フィッティング手段、
    として機能させるためのコンピュータプログラム。
12. コンピュータを、
    画像データ中の複数画素から構成される画像オブジェクトが、複数の画像オブジェクトが重なって１つに表示されている画像オブジェクトであるか否かを判別する判別手段、
    前記判別手段によって複数の画像オブジェクトが重なって１つに表示されている画像オブジェクトであると判別された場合に、判別された複数の画像オブジェクトを分離する分離手段、
    前記分離手段によって分離された各画像オブジェクトについて楕円をフィッティングする楕円フィッティング手段、として機能させるためのコンピュータプログラムであって、
    前記楕円フィッティング手段は、分離された各画像オブジェクトについて、該画像オブジェクトの面積又は周長に基づいてピッチを求め、求めたピッチで該画像オブジェクトのエッジ部の画素のうちから所定数の画素を抽出し、抽出した所定数の画素の座標を用いて、該画像オブジェクトの輪郭に近似する楕円を求める、
    ことを特徴とするコンピュータプログラム。

Images