JP4517788B2 - 画像分類装置、画像分類方法、画像選択装置、画像選択方法および記録媒体 - Google Patents

Description

本発明は、複数の画像データを分類する技術と、複数の画像データから所望の画像データを選択する技術に関するものである。

近年、電子スチールカメラ、いわゆるデジタルカメラが開発され、一般に普及している。デジタルカメラは、撮影の手軽さ、経済性といった利点を持つ。このために、撮影者は、構図を少しずつ変えたり、ピント位置や露出値を少しずつ変えたりといった様々な撮影条件を押さえての撮影を手軽に行なうことができる。この結果、ほとんど同じような写真画像が多数撮影されることになるが、それら多数の写真画像から撮影条件の良い１枚（あるいは複数枚）を選別するという作業が重要となる。

多数の画像から良い画像を検索する技術として、以下の特許文献１がある。この特許文献１に記載された装置によれば、画像の明るさやシャープさの尺度となり得る濃度部分布やスペクトル分布を検索情報として登録して、作業者により、「より明るい、よりシャープな画像」といった指示を受けると、その指示に見合った画像を検索することができる。

特開昭６３−２５４８５６号公報

しかしながら、上記従来の技術では、作業者は、一番良い画像を選び出すのに多くの操作を実行する必要があった。上記従来の技術では、明るさやシャープさといった画像の特徴を定量的に測定しているだけであることから、良い画像を選ぶには、結局は、作業者は、画像の選択を繰り返しながら目視にて確認を行なうといった作業を行なう必要があるためである。

本発明の解決しようとする課題は、複数の画像の中から良い画像を選択する際の作業性を向上させることである。

前述した課題の少なくとも一部を解決するための手段として、以下に示す構成をとった。

本発明の画像分類装置は、
画像を構成する各画素の階調値によって表現された複数の画像データを分類する画像分類装置であって、
前記画像データ毎に、各画素の階調値を利用して画質を表わす所定の特徴についての特徴量を算出する特徴量算出手段と、
前記特徴量算出手段により算出された特徴量が所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータを、前記画像データ毎に取得するパラメータ取得手段と、
前記パラメータ取得手段により取得したパラメータに基づいて、前記画像データの分類を行なう分類手段と
を備えることを特徴としている。

上記構成の画像分類装置によれば、特徴量が所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータに基づいて、画像データの分類がなされることから、目標画像に近い画像の画像データを分類することができる。このために、作業者は、良い画像を即座に確認することができる。したがって、この画像分類装置によれば、作業者は、複数の画像の中から良い画像を選択するに際して、作業性よくその選択を行なうことができるという効果を奏する。

前記分類手段は、前記パラメータをソートキーとして、前記画像データの並べ換えを行なう構成としてもよい。

この構成によれば、画像データをパラメータに従って並べ換えることができる。

前記パラメータとしては、画像データを前記目標画像に修整するにはどれほどの修整量が必要かを示す修整パラメータを用いた構成としてもよい。

修整パラメータが大きい値であるということは、画像修整の度合いが大きいということで、元の画像データの画質は目標画像から遠いことを意味する。すなわち、修整パラメータにより、所定の画質を備えた目標画像にどれだけ近いかを知ることができる。このために、修整パラメータを用いて画像修整を行なう構成の一部を本発明の画像分類装置で共有することができることから、装置構成の簡略化を図ることができる。

上記修整パラメータを用いた構成の画像分類装置において、前記特徴量算出手段は、前記画像データの輝度のヒストグラムを前記特徴量として作成する構成であり、前記パラメータ取得手段は、前記ヒストグラムを用いて画像のコントラストを修整するための修整パラメータを取得する構成であってもよい。

この構成によれば、コントラストの優れた順に画像データの並べ換えを行なうことができる。

上記構成の画像分類装置において、前記画像データ毎に、所定の領域部分を注目領域として指定する注目領域指定手段を備え、前記特徴量算出手段は、前記注目領域についての前記特徴量を算出する構成とすることができる。

この構成によれば、画像全体でなく画像の一部である所定の領域部分に限定して特徴量を求めたほうが高い特徴量を算出することができるような場合に対応することができる。これにより、画質をより一層優れた順で分類することができ、しかも処理速度の向上を図ることができる。

上記注目領域を設定してその注目領域で特徴量を算出する構成の画像分類装置において、前記特徴量算出手段は、前記画像データの輝度に基づいて、各画素のエッジ度を前記特徴量として算出する構成であり、前記パラメータ取得手段は、前記エッジ度を用いてエッジ強調度としての画像のシャープネスについてのパラメータを取得する構成とすることができる。

この構成によれば、シャープネスについてのパラメータを高精度に取得することができる。

上記シャープネスについてのパラメータを高精度に取得する構成の画像分類装置において、前記画像データが、ポートレートの画像であるか否かを判定するポートレート判定手段を備え、前記ポートレート判定手段でポートレートの画像であると判定されたときに、前記注目領域指定手段を動作させる構成とすることができる。

この構成によれば、ポートレートの画像データをピントの合っている順に高精度に並べ換えることができる。

上記注目領域を設定してその注目領域で特徴量を算出する構成の画像分類装置において、前記注目領域指定手段は、作業者からの入力装置を用いた操作指令に基づいて、前記画像データの一つに前記領域を指定する第１の領域指定手段と、前記領域指定手段により領域の指定がなされた画像データ以外の他の前記画像データに対して、前記第１の領域指定手段により指定された領域と同一の領域を指定する第２の領域指定手段とを備える構成としてもよい。

画像を分類しようとする場合、同じ構図の画像を比較することが多いことから、上記構成によれば、作業者は、分類しようとする複数の画像データの内の一つに領域を指定するだけで、その領域に準じて他の画像データに対しても同一の領域を自動的に指定することができる。このために、操作性に優れている。

上記構成の画像分類装置において、前記特徴量算出手段は、前記所定の特徴として複数の特徴が用意され、複数の特徴量を算出する構成であり、前記パラメータ取得手段は、各特徴についての複数のパラメータを取得する構成であり、前記分類手段は、作業者からの入力装置を用いた入力操作を受けて、前記各特徴のパラメータに対して、重み係数を定める重み係数設定手段と、前記各特徴のパラメータに対して、前記対応する各重み係数に基づく重み付けを行なって、該重み付けのなされた各特徴のパラメータに基づいて、前記分類を行なう手段とを備える構成としてもよい。

この構成によれば、作業者は、画像データを分類する際に、画像データの各特徴に対してどの程度の重要度を与えるかを定めることができる。したがって、作業者の好みにあった画質で画像データの分類を行なうことができる。

本発明の画像選択装置は、
画像を構成する各画素の階調値によって表現された複数の画像データを所定の表示エリアに一覧表示するとともに、作業者からの入力装置を用いた入力操作を受けて、前記表示エリア内の複数の画像データの中から所望の画像データを選択する画像選択装置において、
前記表示エリアに表示された画像データ毎に、各画素の階調値を利用して画質を表わす所定の特徴についての特徴量を算出する特徴量算出手段と、
前記特徴量算出手段により算出された特徴量が所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータを、前記画像データ毎に取得するパラメータ取得手段と、
前記パラメータ取得手段により取得したパラメータをソートキーとして、前記画像データの並べ換えを行なう並べ換え手段と
前記並べ換え手段により並べ換えられた並び順で、前記複数の画像を前記表示エリアに表示させる表示制御手段と
を備えることを特徴としている。

上記構成の画像選択装置によれば、特徴量が所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータを、ソートキーとして画像データの並べ換えがなされることから、複数の画像データは、目標画像に近い画像順に並べ換えられて表示エリアに表示される。このために、作業者は、良い画像を即座に確認することができる。したがって、この画像選択装置は、複数の画像の中から良い画像を選択する際の作業性に優れているという効果を奏する。

上記構成の画像選択装置において、前記画像データ毎に、所定の領域部分を注目領域として指定する注目領域指定手段を備え、前記特徴量算出手段は、前記注目領域についての前記特徴量を算出する構成とすることができる。

この構成によれば、画像全体でなく画像の一部である所定の領域部分に限定して特徴量を求めたほうが高い特徴量を算出することができるような場合に対応することができる。これにより、画質をより一層優れた順で分類することができ、しかも処理時間の短縮を図ることができる。

上記構成の画像選択装置において、前記特徴量算出手段は、前記所定の特徴として複数の特徴が用意され、複数の特徴量を算出する構成であり、前記パラメータ取得手段は、各特徴についての複数のパラメータを取得する構成であり、前記分類手段は、作業者からの入力装置を用いた入力操作を受けて、前記各特徴のパラメータに対して、重み係数を定める重み係数設定手段と、前記各特徴のパラメータに対して、前記対応する各重み係数に基づく重み付けを行なって、該重み付けのなされた各特徴のパラメータに基づいて前記ソートキーを求めるソートキー演算手段とを備える構成としてもよい。

この構成によれば、作業者は、画像データを分類する際に、画像データの各特徴に対してどの程度の重要度を与えるかを定めることができる。したがって、この画像選択装置は、作業者の好みにあった画質で画像データの分類を行なうことができることから、画像データの選択の作業性により一層優れている。

本発明の画像分類方法は、
画像を構成する各画素の階調値によって表現された複数の画像データを分類する画像分類方法であって、
（ａ）前記画像データ毎に、各画素の階調値を利用して画質を表わす所定の特徴についての特徴量を算出する行程と、
（ｂ）前記行程（ａ）により算出された特徴量が所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータを、前記画像データ毎に取得する行程と、
（ｃ）前記行程（ｂ）により取得したパラメータに基づいて、前記画像データの分類を行なう行程と
を備えることを特徴としている。

本発明の第１のコンピュータプログラムは、
画像を構成する各画素の階調値によって表現された複数の画像データを分類するためのコンピュータプログラムであって、
（ａ）前記画像データ毎に、各画素の階調値を利用して画質を表わす所定の特徴についての特徴量を算出する機能と、
（ｂ）前記機能（ａ）により算出された特徴量が所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータを、前記画像データ毎に取得する機能と、
（ｃ）前記機能（ｂ）により取得したパラメータに基づいて、前記画像データの分類を行なう機能と
をコンピュータに実現させることを特徴としている。

本発明の画像分類方法および第１のコンピュータプログラムによっても、本発明の画像分類装置と同様に、作業者は、良い画像を即座に確認することができることから、良い画像を作業性よく選択することができるという効果を奏する。

本発明の画像選択方法は、
画像を構成する各画素の階調値によって表現された複数の画像データを所定の表示エリアに一覧表示するとともに、作業者からの入力装置を用いた入力操作を受けて、前記表示エリア内の複数の画像データの中から所望の画像データを選択する画像選択方法において、
（ａ）前記表示エリアに表示された画像データ毎に、各画素の階調値を利用して画質を表わす所定の特徴についての特徴量を算出する行程と、
（ｂ）前記行程（ａ）により算出された特徴量が所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータを、前記画像データ毎に取得する行程と、
（ｃ）前記行程（ｂ）により取得したパラメータをソートキーとして、前記画像データの並べ換えを行なう行程と、
（ｄ）前記行程（ｃ）により並べ換えられた並び順で、前記複数の画像を前記表示エリアに表示させる行程と
を備えることを特徴としている。

本発明の第２のコンピュータプログラムは、
画像を構成する各画素の階調値によって表現された複数の画像データを所定の表示エリアに一覧表示するとともに、作業者からの入力装置を用いた入力操作を受けて、前記表示エリア内の複数の画像データの中から所望の画像データを選択するためのコンピュータプログラムにおいて、
（ａ）前記表示エリアに表示された画像データ毎に、各画素の階調値を利用して画質を表わす所定の特徴についての特徴量を算出する機能と、
（ｂ）前記機能（ａ）により算出された特徴量が所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータを、前記画像データ毎に取得する機能と、
（ｃ）前記機能（ｂ）により取得したパラメータをソートキーとして、前記画像データの並べ換えを行なう機能と、
（ｄ）前記機能（ｃ）により並べ換えられた並び順で、前記複数の画像を前記表示エリアに表示させる機能と
をコンピュータに実現させることを特徴としている。

本発明の画像選択方法および第２のコンピュータプログラムは、本発明の画像選択装置と同様に、複数の画像の中から良い画像を選択する際の作業性に優れているという効果を奏する。

この発明の記録媒体は、この発明の第１または第２のコンピュータプログラムを記録したコンピュータ読み取り可能な記録媒体を特徴としている。この記録媒体は、この発明の各コンピュータプログラムと同様な作用・効果を有している。

本発明は、以下のような他の態様も含んでいる。その第１の態様は、この発明のコンピュータプログラムを通信経路を介して供給するプログラム供給装置としての態様である。この第１の態様では、コンピュータプログラムをコンピュータネットワーク上のサーバなどに置き、通信経路を介して、必要なプログラムをコンピュータにダウンロードし、これを実行することで、上記の方法や装置を実現することができる。

本発明を実施するための最良の形態を実施例に基づき説明する。この実施例を、次の順序に従って説明する。
１．第１実施例：
Ａ．装置の構成：
Ｂ．コンピュータ処理：
Ｃ．作用・効果
２．第２実施例：
３．他の実施形態：

１．第１実施例：
Ａ．装置の構成：
図１は、本発明の第１実施例を適用するコンピュータシステムの概略構成を示す説明図である。この実施例のコンピュータシステムは、本発明の画像分類装置を構成するパーソナルコンピュータ１０を中心に備え、その周辺装置として、ディスプレイ２０とキーボード２２とマウス２４を備える。さらに、パーソナルコンピュータ１０には、デジタルカメラ２６とプリンタ２８が接続されている。

パーソナルコンピュータ１０は、中央演算処理装置としてのＣＰＵ１１を中心にバス１２により相互に接続されたメモリ１３、ハードディスクドライブ１４、入力制御部１５、表示制御部１６等を備える。メモリ１３は、各種データ等を記憶するもので、ＣＰＵ１１の作業領域となる。ハードディスクドライブ１４は、画像分類装置のソフトウェアとしてのコンピュータプログラムＰｒを記憶する。また、ハードディスクドライブ１４には、デジタルカメラ２６によって撮影した写真画像（カラー写真画像）の画像データＤｐが、多数、格納される。

入力制御部１５は、キーボード２２やマウス２４から入力操作を取り込むと共に、デジタルカメラ２６から画像データを取り込む制御部である。表示制御部１６は、ディスプレイ２０への信号出力を制御する制御部である。

コンピュータプログラムＰｒは、もともとは、記録媒体としてのＣＤ−ＲＯＭ（図示せず）に記憶されており、所定のインストールプログラムを起動することで、そのＣＤ−ＲＯＭからハードディスクドライブ１４にインストールされたものである。このコンピュータプログラムＰｒをＣＰＵ１１が実行することにより、本発明の画像分類装置の各種構成要件は実現される。

図１では、各種構成要件が、ＣＰＵ１１の内部で実現される機能のブロックによって示されている。ＣＰＵ１１は、コンピュータプログラムＰｒを実行することにより、ハードディスクドライブ１４から読み出された複数の画像データＤｐについてのそれぞれの特徴量を、特徴量算出部３０により算出して、各特徴量が所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータを、パラメータ取得部３２により画像データＤｐ毎に取得する。そうして取得したパラメータに基づいて、画像データＤｐを分類部３４により分類する。図中では、分類によって並び順が入れ替えられた画像データをＤｐ′として記載した。

ここで、「特徴量」とは、画質を表わす所定の特徴を定量化したものであり、本実施例では、「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」についてのものである。「所定の画質」とは、本実施例では、撮影条件の良い画質に優れた画像である。

このコンピュータプログラムＰｒは、実際は、フォトレタッチ用のアプリケーションプログラムであり、その中の一部のモジュールによって、上述した特徴量算出部３０、パラメータ取得部３２および分類部３４の各機能をパーソナルコンピュータ１０に実現させる。

なお、コンピュータプログラムＰｒは、ＣＤ−ＲＯＭに替えて、フレキシブルディスク、光磁気ディスク、ＩＣカード等の他の携帯型記録媒体（可搬型記録媒体）に格納された構成として、これらから提供されたものとすることができる。また、このコンピュータプログラムＰｒは、外部のネットワークに接続される特定のサーバから、ネットワークを介して提供されたものとすることもできる。上記ネットワークとしては、インターネットであってもよく、特定のホームページからダウンロードして得たコンピュータプログラムであってもよい。あるいは、電子メールの添付ファイルの形態で供給されたコンピュータプログラムであってもよい。

Ｂ．コンピュータ処理：
コンピュータプログラムＰｒは、前述したようにフォトレタッチ用のアプリケーションプログラムであることから、前述した特徴量算出部３０、パラメータ取得部３２、分類部３４以外にも様々な機能を有する。コンピュータプログラムＰｒが備えるこれらの機能は、大まかには、３つに分けられる。第１の機能は、ハードディスクドライブ１４に格納された複数の画像データＤｐから、画像修整の対象となる画像データＴＤｐを入力する機能である。この第１の機能には、特徴量算出部３０、パラメータ取得部３２および分類部３４が含まれる。第２の機能は、第１の機能で入力した画像データＴＤｐに対して画像処理を実行して画像修整を施す機能である。この第２の機能には、画像データＴＤｐの画質を自動的に修整する画像自動修整の機能も含まれる。第３の機能は、画像修整が施された画像データＴＤｐをハードディスクドライブ１４に保存したり、プリンタ２８から印刷出力する機能である。

この実施例では、上記第１の機能について説明し、第２および第３の機能については、この発明とは関係しないことから説明を省略する。図２は、この第１の機能を実現するための画像入力ルーチンを示すフローチャートである。このフローチャートは、処理の概要を示すゼネラルフローチャートである。

図示するように、処理が開始されると、パーソナルコンピュータ１０のＣＰＵ１１は、まず、複数の画像データＤｐのサムネールを、ディスプレイ２０に一覧表示する処理を実行する（ステップＳ１００）。詳細には、ディスプレイ２０に表示された表示エリアであるアプリケーションウィンドウに、その一覧表示を行なう。

図３は、このアプリケーションウィンドウＷＤを示す説明図である。アプリケーションウィンドウＷＤは、グラフィカル・ユーザ・インタフェース（ＧＵＩ）を構成しており、図示するように、アプリケーションウィンドウＷＤには、ツールバーＦＬ１と、ファイル指定のフィールドＦＬ２と、作業フィールドＦＬ３とが設けられている。ファイル指定のフィールドＦＬ２は、画像データＤｐの格納場所を、「フォルダ」や「フィルム」を用いて指定するためのフィールドである。この指定は、作業者によるマウス２４の入力操作に従うものである。また、ハードディスクドライブ１４は勿論のこと、ＣＤ−ＲＯＭ等の他の記録媒体上の格納場所を指定することができ、デジタルカメラ２６の記録媒体を直接指定することもできる。

作業フィールドＦＬ３は、ファイル選択のフィールドＦＬ２で指定されたファイルまたはフォルダに格納されている画像データをサムネールにて一覧表示するとともに、作業者によるマウス２４のクリック操作を受けて、その一覧表示された画像データの中から所望のものを選択するためのフィールドである。この作業フィールドＦＬ３内には、図中に示されている候補用エリアＡ１と、図には示されていない候補外エリアとが選択的に表示可能となっている。

候補用エリアＡ１とは、この画像入力ルーチンによって入力する画像データの候補となる画像データ（以下、候補画像データと呼ぶ）を一覧表示するための領域である。候補外エリアとは、候補用エリアＡ１に一旦表示され、その後、後述する作業により候補外に変更された画像データ（以下、候補外画像データと呼ぶ）を一覧表示するための領域である。作業者は、「入力候補」のタブＴＢ１をマウス２４によりクリック操作することで、図に示すように、作業フィールドＦＬ３に候補用エリアＡ１を表示させることができる。また、作業者は、「候補外」のタブＴＢ２をマウス２４によりクリック操作することで、作業フィールドＦＬ３の表示を候補用エリアＡ１から候補外エリアに切り替えることができる。

候補用エリアＡ１には、図示するように、候補画像データのサムネールが表示されるが、ステップＳ１００に処理が移行した最初は、ファイル選択のフィールドＦＬ２で指定されたファイルまたはフォルダに格納されている全ての画像データが候補画像データとして、この候補用エリアＡ１に表示される。

候補用エリアＡ１の上部には、「候補外へ」のボタンスイッチＢＴ１が設けられている。このボタンスイッチＢＴ１は、候補用エリアＡ１に表示された候補画像データを、候補外画像データに切り換える（変更する）旨を指示するためのものである。作業者は、候補用エリアＡ１に表示された複数の候補画像データの中から不要であると判断したもの（１または複数）を、マウス２４を用いてクリック操作することで選択指示して、その後、「候補外へ」のボタンスイッチＢＴ１をクリック操作することで、選択指示された１または複数の候補画像データを、候補外画像データに切り換えることができる。作業者は、こうした候補画像データを候補外画像データに切り替える作業を何度も繰り返し実行することにより、入力の候補となる候補画像を絞り込んでいくことができる。

「候補外へ」のボタンスイッチＢＴ１の右隣には、「ソート」のボタンスイッチＢＴ２が設けられている。「ソート」のボタンスイッチＢＴ２は、候補画像データを画質の良い順に並べ換える旨を指示するためのものである。

図２に戻り、ステップＳ１００の実行後、ＣＰＵ１１は、ソート処理を実行する（ステップＳ２００）。このソート処理は、「ソート」のボタンスイッチＢＴ２が、作業者によりクリック操作されたことを受けて、実行開始されるものである。このソート処理では、候補用エリアＡ１に表示された複数の候補画像データを画質の良い順に並べ換える処理を行なうが、その処理の詳細については後述する。

その後、ＣＰＵ１１は、作業者によるマウス２４の入力操作に従って、候補用エリアＡ１内のサムネールを選択して、続いて、「候補外へ」のボタンスイッチＢＴ１のクリック操作を受けて、この選択したサムネールについての画像データを候補外画像データに変更する処理を行なう（ステップＳ３００）。

ステップＳ３００の実行後、ＣＰＵ１１は、候補用エリアＡ１に表示された複数の候補画像データから最終的な一つの画像を選択する処理を行なう（ステップＳ４００）。この処理は、作業者によるマウス２４を用いたクリック操作を受けて指示された画像を選択するものである。

その後、ＣＰＵ１１は、ステップＳ４００で選択された一つの画像に対応する画像データをその格納場所からメモリ上に読み出すとともに、ディスプレイ２０に表示する処理を行なう（ステップＳ５００）。詳細には、アプリケーションウィンドウＷＤの作業フィールドＦＬ３を一旦クリアして、その作業フィールドＦＬ３に上記画像データの表示を行なう。その後、この画像入力ルーチンは終了する。こうした構成の画像入力ルーチンによって、ハードディスクドライブ１４等の記録媒体に格納された、画像修整の対象となる画像データＴＤｐを入力する作業が完了する。

図４は、ステップＳ２００で実行されるソート処理の詳細を示すフローチャートである。図示するように、このソート処理に処理が移ると、ＣＰＵ１１は、まず、「ソート」のボタンスイッチＢＴ２がマウス２４によりクリックされたか否かを判定する（ステップＳ２１０）。ここで、クリックされていないと判定された場合には、「リターン」に抜けて、このソート処理を一旦終了する。

ステップＳ２１０で、「ソート」のボタンスイッチＢＴ２がクリックされたと判定された場合には、ステップＳ２２０に処理を進めて、まず、画質を良い順に並べ換えるに際して、前記特徴量を定める「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」の各パラメータに対して、どの程度の重要度を与えるかを示す重み係数を設定する処理を行なう。

図５は、この重み係数設定のためのダイアログボックスＤＢを示す説明図である。図示するように、ダイアログボックスＤＢには、各パラメータの項目が記載され、それぞれに対して、使用するか否かを入力するための「使用」のチェックボックスＣＢと、使用する際の重要度を入力するためのスライダバーＳＢとが設けられている。作業者は、各パラメータについてのチェックボックスＣＢ、スライダバーＳＢをマウス２４を用いた入力操作により指示することで、「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」の各パラメータにどの程度の重要度を与えるかを設定することができる。図５に示した例によれば、作業者は、明るさを最重要視し、カラーバランスも強めに参照し、彩度は明るさの半分くらいの強さで参照し、シャープネスはわずかに参照し、コントラストは参照しないことを設定している。

ステップＳ２２０では、上記ダイアログボックスＤＢの設定内容を取り込んで、「使用」のチェックボックスＣＢがオンと入力されているパラメータの項目については、スライダバーＳＢの示す値（０〜１００）をそのまま重み係数として記憶し、「使用」のチェックボックスＣＢがオフとされているパラメータの項目については、重み係数を値０として記憶する。このステップＳ２２０の結果、メモリ１３には、「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」の各項目に対応する重み係数Ｗ１〜Ｗ５がそれぞれ記憶されることになる。

なお、ダイアログボックスＤＢは、チェックボックスＣＢを省いた構成とすることができる。スライダバーＳＢの示す値を０とすることで、チェックボックスＣＢがオフとされたときと同じ指示を与えることができるからである。

ステップＳ２２０の実行後、ＣＰＵ１１は、候補用エリアＡ１に表示されている画像データを一つ取り込む処理を行なう（ステップＳ２３０）。詳細には、候補用エリアＡ１に表示されているサムネールに対応する一つの画像データを、その画像データの格納元から読み出す処理を行なう。

次いで、ＣＰＵ１１は、ステップＳ２３０で取り込んだ画像データを評価する評価処理を行なう（ステップＳ２４０）。ここでは、画像データについて、画質を前述した「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」の特徴量で把握すべく、画像データの各画素の階調値に対して所定の集計処理を施し、その集計処理で得られた集計値から、その画像データに対する修整パラメータを決定する演算処理を行なう。修整パラメータは、その画像データを、所定の画質を備える目標画像に修整するには各特徴についてどれほどの修整量が必要かを示すパラメータである。

なお、前記集計処理が、特徴量算出部３０に対応し、前記演算処理が、パラメータ取得部３２に対応する。なお、この集計処理と演算処理とによって構成される評価処理は、前述したコンピュータプログラムＰｒが実現させる第２の機能の中の画像自動修整の機能によっても同様に実行される処理である。すなわち、コンピュータプログラムＰｒには、上記評価処理について記述されたモジュールを備えており、このモジュールは、上記画像自動修整の機能を実現させる際と、このステップＳ２４０の実行時において共用されている。

まず、評価処理の内の集計処理について詳述する。画像データの画質を把握しようとする場合、図６に示すようにして処理を施す対象画素を移動させていき、その対象画素の階調値（画素データ）について所定の集計処理を行なう。集計は必ずしも全画素について行なう必要はない。このため、本実施例では、以下に示すように所定の基準で画素データをサンプリングして集計する。サンプリングは一定の規則に従って行なうことができる。例えば、画素数を１／４にするために縦方向と横方向に一画素おきにサンプリングすればよい。

図７は、全体の１／４の画素をサンプリングして集計するための処理の手順を示すフローチャートである。図示するように、ＣＰＵ１１は、まず、処理対象画素を左最上画素にセットする（ステップＳ６００）。処理対象画素は左から右へ、上から下へと移動させていく。このため、ステップＳ６１０にて処理対象画素を横方向に１画素おきに移動させては、ステップＳ６４０にて処理対象画素の画素データを集計する。この集計は、処理対象画素の画素データに対して所定の統計処理を行なうことである。ステップＳ６１０で横方向に移動させたときに、ステップＳ６２０にて右端を越えたと判断したら、ステップＳ６３０にて処理対象行を１行とばして下方に移動させ、さらにその左端位置を処理対象画素とする。

集計後、ステップＳ６５０にて最終画素であるか否かを判断し、最終画素と判断されるまで上述した処理を繰り返す。このようにすれば処理対象画素として集計されるのは横方向に１画素おき、縦方向に１画素おきとなり、概ね１／４となる。むろん、同様にして、１／９にするために２画素おきにサンプリングしても良い。なお、縦方向と横方向での間引き間隔を一致させなくても構わない。また、このような一定の規則に従うのではなく、ランダムにサンプリングすることも可能である。乱数を使用して所定の確率で画素データを間引きすることにより、ランダムでかつ一定の割合でサンプリングして集計することができる。

以上のようにして集計処理が終了したら、集計処理で得られた集計値から、その画像データを目標画像に修整するにはどれほどの修整量が必要かを示す修整パラメータを演算する演算処理を行なう。修整パラメータは、前述した「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」のそれぞれで必要である。以下、それぞれの修整パラメータを求める場合のステップＳ２４０の評価処理について順に説明する。

まず、「コントラスト」の修整パラメータを算出する場合の評価処理について、図８に示すフローチャートを使用して説明する。なお、理解を容易にするため、プログラミングでの実際の処理手順とは別個であることを前提とし、集計処理と演算処理とから構成されているものとして説明する。「コントラスト」とは画像全体としての輝度の幅を示し、「コントラスト」を修整したいと感じる場合、コントラストの幅を広げたいという要望がほとんどである。ここで、図９はある画像の各画素における輝度の分布をヒストグラム（濃度値ヒストグラムとも呼ぶ）として集計したものを実線にて示している。実線に示す分布をとる場合、明るい画素の輝度と暗い画素の輝度との差が少ないが、輝度の分布が一点鎖線に示すように広がれば明るい画素の輝度と暗い画素の輝度との差が大きくなり、コントラストの幅が広がることになる。

図１０はコントラストを拡大するための輝度変換を示している。変換元の輝度ｙと変換後の輝度Ｙとの間において、Ｙ＝ａｙ＋ｂなる関係で変換させるとすると、変換元の最大輝度Ｙｍａｘと最小輝度Ｙｍｉｎの画素の差はａ＞１の場合において変換後において大きくなり、図９に示すように輝度の分布が広がることになる。従って、このようなヒストグラムを作成するとともに、輝度の最大値から輝度の最小値までの間隔をコントラストの幅として集計処理することが必要になる。ただし、この場合はあくまでも輝度の変換であり、画像データが輝度を要素として備えていれば直接に集計が可能であるが、画像データはＲＧＢ２５６階調で表現されているので、直接には輝度の値を持っていない。

したがって、輝度を求めるためにＬｕｖ表色空間に色変換する必要があるが、演算量などの問題から得策ではないため、テレビジョンなどの場合に利用されているＲＧＢ値から輝度を直に求める次式の変換式を利用する。
ｙ＝０．３０Ｒ＋０．５９Ｇ＋０．１１Ｂ

すなわち、対象画素を移動させながら各画素データである３バイトを読み込み、同式に基づいて輝度ｙを演算する。そして、得られた輝度でヒストグラムを作成し、集計結果のヒストグラムに基づいて輝度分布の両端を求める。写真画像の輝度分布は図１１に示すように概ね山形に表れる。むろん、その位置、形状についてはさまざまである。輝度分布の幅はこの両端をどこに決めるかによって決定されるが、単に裾野が延びて分布数が「０」となる点を両端とすることはできない。裾野部分では分布数が「０」付近で変移する場合があるし、統計的に見れば限りなく「０」に近づきながら推移していくからである。

このため、分布範囲において最も輝度の大きい側と小さい側からある分布割合だけ内側に寄った部分を分布の両端とする。本実施例においては、同図に示すように、この分布割合を０．５％に設定している。むろん、この割合については、適宜変更することが可能である。このように、ある分布割合だけ上端と下端をカットすることにより、ノイズなどに起因して生じている白点や黒点を無視することもできる。すなわち、このような処理をしなければ一点でも白点や黒点があればそれが輝度分布の両端となってしまうので、２５６階調の輝度値であれば、多くの場合において最下端は階調「０」であるし、最上端は階調「２５５」となってしまうが、上端部分から０．５％の画素数だけ内側に入った部分を端部とすることにより、このようなことが無くなる。

そして、実際に得られたヒストグラムに基づいて画素数に対する０．５％を演算し、再現可能な輝度分布における上端の輝度値と下端の輝度値から順番に内側に向かいながらそれぞれの分布数を累積し、０．５％の値となった輝度値が最大輝度Ｙｍａｘと最小輝度Ｙｍｉｎとなる。さらに、コントラストを拡大する修整処理では、輝度の分布に応じて傾きａとオフセットｂを決定する。

例えば、ａ＝２５５／（Ｙｍａｘ−Ｙｍｉｎ）、ｂ＝−ａ・Ｙｍｉｎあるいは２５５−ａ・Ｙｍａｘとおくとすると、せまい幅を持った輝度分布を再現可能な範囲まで広げることができる。ただし、再現可能な範囲を最大限に利用して輝度分布の拡大を図った場合、ハイライト部分が白く抜けてしまったり、ハイシャドウ部分が黒くつぶれてしまうことが起こる。これを防止するには再現可能な範囲の上端と下端に拡大しない範囲として輝度値で「５」ぐらいを残すようにすればよい。この結果、変換式の修整パラメータは次式のようになる。

ａ＝２４５／（Ｙｍａｘ−Ｙｍｉｎ）
ｂ＝５−ａ・Ｙｍｉｎあるいは２５０−ａ・Ｙｍａｘ

そして、この場合にはＹ＜Ｙｍｉｎと、Ｙ＞Ｙｍａｘの範囲においては変換を行なわないようにする。このようにして「コントラスト」に関する修整パラメータを算出する。

以上のようにして最終的に必要な修整パラメータａ，ｂを得るため、図８に示すように、集計処理では、処理対象画素毎にｙ＝０．３０Ｒ＋０．５９Ｇ＋０．１１Ｂなる演算式で輝度変換しつつ（ステップＳ７００）、これに基づいてヒストグラムを作成していく（ステップＳ７１０）。そして、演算処理では、全画素を終了したら上端と下端をカットした分布を決定して最大輝度Ｙｍａｘと最小輝度Ｙｍｉｎを取得し（ステップＳ７２０）、この最大輝度Ｙｍａｘと最小輝度Ｙｍｉｎが得られたら、修整パラメータａ，ｂを算出する（ステップＳ７３０）。すなわち、ステップＳ７１０で作成されたヒストグラムが、「コントラスト」についての特徴量に相当し、集計処理では、そのヒストグラムの作成を図っている。演算処理では、コントラストの幅が広いという目標画像に画像データを修整するのに必要となる修整パラメータを算出している。

むろん、このような輝度変換、ヒストグラム作成、最大輝度Ｙｍａｘと最小輝度Ｙｍｉｎの決定という一連の処理が各画素の画像データを利用した評価処理であり、この結果、コントラスト拡大の画像処理を実行するための修整パラメータａ，ｂが算出されることになる。

次に、「明るさ」の修整パラメータを算出する場合の評価処理について説明する。ここでいう画像の特徴量としての「明るさ」は画像全体の明暗の指標を意味しており上述した輝度分布から求められる分布の中央値を集計値として使用する。この「明るさ」の集計値を所定の目標データ（目標画像の輝度分布の中央値）と比較すれば、大きいか小さいかにより画像が明るいか暗いかの評価が行なえる。したがって、「明るさ」に関する修整パラメータは、この集計値と上記所定の目標データとの偏差ＢＲを解消するように算出されることになる。

この結果、集計処理では、「コントラスト」の拡大で作成したヒストグラムがそのまま利用できるので特に個別の集計を行なう必要はない。また、演算処理では、ヒストグラムの中央値Ｙｍｅｄを取得し、これと目標データとの偏差ＢＲを求めて修整パラメータとする。なお、明るさを変化させるにはγカーブを利用すればよいから、図１２に示すように修整パラメータとγ値との対応付けを決めればよい。

また、コントラストの修整の場合と同様に自動的にγの値を設定することも可能である。例えば、γ＝Ｙｍｅｄ／１０６あるいは、γ＝（Ｙｍｅｄ／１０６）**（１／２）としてγの値を求めるようにしてもよい。"**"は、べき乗を意味する。

次に、「カラーバランス」の修整パラメータを算出する場合の評価処理について説明する。ここでいう「カラーバランス」とは画像データを構成するＲ成分、Ｇ成分、Ｂ成分の間に一定のアンバランス傾向があるか否かを指すものである。例えば、写真が赤っぽく見えるとして、それが撮影時の本当の状況を表しているのであれば構わないが、そうではない場合には別の要因でアンバランスが生じていると言える。ただし、このようなアンバランスは実際のところ本当の状況と比較しなければ分からないとも言えるので、事後的に評価すること自体が不可能であるとも考えられる。

カラーバランスを修整するためには、集計処理で各画素の画像データに基づいて各色成分毎にヒストグラムを作成しておき、演算処理では、各色成分ごとのヒストグラムを比較して分布のずれを解消するように各色成分を強めたり弱めたりする修整パラメータを決定する。各色成分毎に強めたり弱めたりする修整パラメータは「明るさ」の場合と同じようにγカーブを利用すればよいから、修整パラメータはγ値と対応づければよい。

次に、「彩度」の修整パラメータを算出する場合の評価処理について説明する。ここでいう「彩度」は画像全体としての色鮮やかさを指すものである。例えば、原色のものが色鮮やかに写っているかグレイっぽく写っているかといった評価である。彩度自体はＬｕｖ表色空間におけるｕｖ平面内での基準軸からの大きさで表されるものの、上述したように表色空間を変換する演算量は多大であるため、画素の彩度を簡略化して求めることにする。これには彩度の代替値Ｘとして次のように演算する。
Ｘ＝｜Ｇ＋Ｂ−２×Ｒ｜

本来的には「彩度」は、Ｒ＝Ｇ＝Ｂの場合に「０」となり、ＲＧＢの単色あるいはいずれか二色の所定割合による混合時において最大値となる。この性質から直に彩度を適切に表すのは可能であるものの、簡略化した上式によっても赤の単色および緑と青の混合色である黄であれば最大値の彩度となり、各成分が均一の場合に「０」となる。また、緑や青の単色についても最大値の半分程度には達している。

したがって、「彩度」を修整するためには、集計処理で各画素の画像データに基づいて彩度の代替値Ｘについてのヒストグラムを作成する。彩度の代替値Ｘのヒストグラムは最低値「０」〜最大値「５１１」の範囲で分布するため、この彩度の代替値Ｘの分布から上位の「１６％」が占める範囲を求め、この範囲内での最低の彩度「Ｓ」がこの画像の「彩度」を表すものとする。一方、画像の「彩度」を得られたとしてこれを強調したり弱めたりするには次のようにすればよい。ＲＧＢ表色空間のように各成分が概略対等な関係にある色相成分の成分値であるときには、Ｒ＝Ｇ＝Ｂであればグレイであって無彩度となる。ＲＧＢの各成分における最小値となる成分については各画素の色相に影響を与えることなく単に彩度を低下させているにすぎないと考えれば、各成分における最小値をすべての成分値から減算して差分値を得、強調する程度に応じてこの差分値を拡大すればよい。すなわち、この場合の拡大率を「彩度」に関する修整パラメータとすることになる。

ただし、このようにすると画像全体としての明るさが変わってしまう。従って、明るさを変えることなく差分値を強調するために、修整パラメータをＳratioとして画像修整する際には、Ｒ'＝Ｒ＋（Ｒ−Ｙ）×Ｓratio、Ｇ'＝Ｇ＋（Ｇ−Ｙ）×Ｓratio、Ｂ'＝Ｂ＋（Ｂ−Ｙ）×Ｓratioというように演算する。ここで、彩度強調修整パラメータＳratio は上述した最低の彩度「Ｓ」が小さくなるときに大きくなればよく、Ｓ＜９２ならＳ'＝−Ｓ×（１０／９２）＋５０、９２≦Ｓ＜１８４ならＳ'＝−Ｓ×（１０／４６）＋６０、１８４≦Ｓ＜２３０ならＳ'＝−Ｓ×（１０／２３）＋１００、２３０≦ＳならＳ'＝０というように彩度強調指数Ｓ'を決定し、この彩度指数Ｓ'から彩度強調指数Ｓratio への変換を、Ｓratio ＝（Ｓ'＋１００）／１００として求めればよい。むろん、演算処理ではこの演算を実施する。なお、彩度強調指数Ｓ'＝０のときに彩度強調修整パラメータＳratio ＝１となって彩度強調されない。

最後に、「シャープネス」の修整パラメータを算出する場合の評価処理について説明する。画像の特徴量としてのシャープネスについてはエッジ度で評価する。画像がドットマトリクス状の画素から構成されていれば、画像のエッジ部分では隣接する画素間での画像データの差分は大きくなる。この差分は輝度勾配であり、これをエッジ度と呼ぶことにする。上述したように各画素の輝度はヒストグラムを作成するために演算しており、集計処理では隣接する画素の輝度との差分値からエッジ度を算出する。Ｘ方向の差分値ｆｘとＹ方向の差分値ｆｙは、ｆｘ＝ｆ（ｘ＋１，ｙ）−ｆ（ｘ，ｙ）、ｆｙ＝ｆ（ｘ，ｙ＋１）−ｆ（ｘ，ｙ）のように表される。従って、これらを成分とするベクトルｇ（ｘ，ｙ）の大きさをエッジ度Ｄｄｉｆとすると、Ｄｄｉｆ＝｜ｇ（ｘ，ｙ）｜＝（ｆｘ**２＋ｆｙ**２）**（１／２）のように表される。むろん、画素は縦横に升目状に配置されており、隣接する八つの画素との差分をベクトルで表し、このベクトルの和を画像の変化度合いと判断しても良い。

集計処理では、このエッジ度Ｄｄｉｆを積算し、最後に積算画素数で除算して平均値Ｄｄｉｆ＿ａｖｅを求める。一方、エッジ強調処理自体は一般的なアンシャープマスクを利用するため、演算処理では修整パラメータをエッジ強調度Ｅenhance として、例えば、Ｅenhance ＝１０１／（Ｄｄｉｆ＿ａｖｅ＋１）といった演算式から求める。

以上のようにして、図４で示したステップＳ２４０の評価処理において、「コントラスト」と「明るさ」と「カラーバランス」と「彩度」と「シャープネス」とに関する各修整パラメータを算出することができる。

ステップＳ２４０の実行後、ＣＰＵ１１は、ステップＳ２５０に処理を進めて、ステップＳ２４０で算出した各修整パラメータを、予め定めた有効範囲内の数値にそれぞれ変換する正規化の処理を行なう。ステップＳ２４０で得られた各修整パラメータは、修整パラメータ毎に取りうる範囲が相違する。このために後述するステップで、これらの修整パラメータから一つのソートキーを生成するといった処理を行なうに際しては、各修整パラメータの取りうる範囲を揃える必要がある。このステップＳ２５０では、修整パラメータ毎に予め定めた補正係数を乗算することにより、各修整パラメータを、例えば０〜１といった有効範囲に揃える。また、このステップＳ２５０では、「コントラスト」の修整パラメータに対しては、次のような特別な処理を行なっている。

「コントラスト」以外の「明るさ」、「カラーバランス」、「彩度」、「シャープネス」の各修整パラメータは、ステップＳ２４０の評価処理によって、一つのパラメータとして求められる。このために、これらの修整パラメータは、単純に補正係数を乗算すればすむ。これに対して、「コントラスト」の修整パラメータは、前述したように、ａ，ｂという２つのパラメータとして算出されることから、修整パラメータａ、ｂと補正後の修整パラメータとの対応関係を示したマップを予めメモリ１３に用意しておいて、ステップＳ２４０で算出された修整パラメータａ、ｂをこのマップに照らし合わせることで、一の修整パラメータへの変換を行なう。

上記マップは次のようにして作成されている。３色の内の所定の色、例えば赤色（Ｒ）の０〜２５５の各値において、「コントラスト」の修整パラメータａ、ｂを適用して、適用前の値Ｒと適用後の値Ｒ′との差分Ｒ′−Ｒを求めて、０〜２５５の値全体でのその差分Ｒ′−Ｒの平均値を求める。こうした作業を、修整パラメータａ、ｂの値をそれぞれ変えながら繰り返し行なうことで、修整パラメータａ、ｂの各値で取りうる差分Ｒ′−Ｒの平均値を求める。その平均値を上記有効範囲内に換算して、修整パラメータａ、ｂとその値を座標軸に持つ３次元のマップを作成する。

なお、上記マップを作成する際に、必ずしも赤色データの０〜２５５のレンジ全体でなく、一部（例えば０〜６４）を用いる構成とすることもできる。この構成によれば、画像の暗部の明るさが変化した順に、修整パラメータの値を変換することができる。ステップＳ２５０の結果、「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」についての正規化された修整パラメータＰ１〜Ｐ５が求められる。

ステップＳ２５０の実行後、ＣＰＵ１１は、ステップＳ２５０で求められた修整パラメータＰ１〜Ｐ５とステップＳ２２０で設定された重み係数Ｗ１〜Ｗ５とに基づいて、ソートキーＫを生成する処理を行なう（ステップＳ２７０）。ここでは、以下の数式に基づいてソートキーＫを求める。

Ｋ＝Ｐ１・Ｗ１＋Ｐ２・Ｗ２＋Ｐ３・Ｗ３＋Ｐ４・Ｗ４＋Ｐ５・Ｗ５

上記数式によれば、各修整パラメータＰ１〜Ｐ５は、対応する重み係数Ｗ１〜Ｗ５に基づく重み付けがなされており、この重み付けのなされた各特徴のパラメータＰ１〜Ｐ５に基づいて、ソートキーＫが求められる。

次いで、ＣＰＵ１１は、ステップＳ２６０で求められたソートキーＫを、ステップＳ２３０で取り込んだ画像データのソートキーとして、メモリ１３内のソートキーテーブルに記憶する（ステップＳ２７０）。続いて、ＣＰＵ１１は、ステップＳ２３０で取り込んだ画像データが、候補用エリアＡ１に表示されている画像データの中で最終のものか否かを判定する（ステップＳ２８０）。ここで、最終のものでないと判別されると、ステップＳ２３０に処理を戻して、候補用エリアＡ１に表示されている画像データの中から次の画像を取り込んで、この画像についてステップＳ２４０ないしＳ２８０の処理を繰り返し実行する。

一方、ステップＳ２８０で、最終の画像データであると判定された場合には、ステップＳ２９０に処理を進める。ステップＳ２９０では、ステップＳ２７０でソートキーテーブルに格納されたソートキーＫを用いて、候補用エリアＡ１に表示されている画像データの表示を、そのソートキーＫの降順に並べ換える処理を実行する。ソートキーＫは、修整パラメータＰ１〜Ｐ５が大きいほど大きな値となっていることから、画像修整の度合いが大きいほど大きな値となっている。すなわち、画像修整の度合いが大きいということは、画質が悪いということだから、ソートキーＫの降順に並べ換えることで、画像データを画質の良い（撮影条件の良い）順に並べ換えることができる。

ステップＳ２９０の実行後、ＣＰＵ１１は、「リターン」に処理を進めて、このソート処理を一旦終了する。

Ｃ．作用・効果
以上のように構成された本実施例によれば、前述したように、アプリケーションウィンドウＷＤの候補用エリアＡ１に表示された複数の画像を、撮影条件の良い順に並べ換えることができるという効果を奏する。また、このために、作業者は、ステップＳ３００の候補外への移動処理や、ステップＳ４００の最終画像の選択処理において、良い画像を即座に確認することができる。したがって、本実施例では、複数の画像の中から良い画像を選択する際の作業性に優れているという効果も奏する。

また、本実施例では、画像データを分類する際に、画像データの各特徴である「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」に対してどの程度の重要度を与えるかを定めることができる。したがって、本実施例では、作業者の好みにあった画質で画像データの分類を行なうことができることから、画像データの選択の作業性により一層優れている。

さらに、本実施例では、ステップＳ２４０の評価処理は、画像自動修整における修整パラメータを生成するモジュールをそのまま用いたものであることから、メモリ資源の節約と、プログラム開発の容易化といった効果も備える。

２．第２実施例：
本発明の第２実施例について次に説明する。この第２実施例は、第１実施例と同一のハードウェア構成を備え、ソフトウェア構成についても一部が相違するだけである。以下、第１実施例との相違点について説明する。第２実施例におけるソフトウェアとしての画像入力ルーチンは、図２で示した第１実施例のそれと比べて、ステップＳ１００で表示するアプリケーションウィンドウの内容と、ステップＳ２００で実行するソート処理のアルゴリズムが相違する。

図１３は、第２実施例におけるアプリケーションウィンドウＷＤ１を示す説明図である。図示するように、このアプリケーションウィンドウＷＤ１は、第１実施例におけるアプリケーションウィンドウＷＤと比較して、候補用エリアＡ１の「ソート」のボタンスイッチＢＴ２の右隣に、「ソート（ポートレート）」のボタンスイッチＢＴ３が設けられている点が相違し、その他の構成は同一である。

「ソート（ポートレート）」のボタンスイッチＢＴ３は、候補用エリアＡ１に表示された複数の候補画像データがポートレートである場合に、その候補画像データを画質の良い順に並べ換える旨を指示するためのものである。「ポートレート」とは、人物写真である。作業者は、候補用エリアＡ１に表示された複数の候補画像データが、ポートレートであると判断した場合に、「ソート（ポートレート）」のボタンスイッチＢＴ３をクリックする操作を行なう。

図１４は、第２実施例における画像入力ルーチンのステップＳ２００で実行されるソート処理の詳細を示すフローチャートである。このソート処理において、第１実施例と同じ処理には同一のステップ番号を付けた。すなわち、図示するように、このソート処理に処理が移ると、ＣＰＵ１１は、まず、第１実施例と同様に、「ソート」のボタンスイッチＢＴ２がマウス２４によりクリックされたか否かを判定して（ステップＳ２１０）、クリックされていると判定された場合には、第１実施例と同様にステップＳ２２０ないしＳ２８０の処理を行なう。

一方、ステップＳ２１０で、「ソート」のボタンスイッチＢＴ２がクリックされていないと判定された場合には、ＣＰＵ１１は、ステップＳ８１０に処理を進めて、「ソート（ポートレート）」のボタンスイッチＢＴ３がマウス２４によりクリックされたか否かを判定する。ここで、クリックされていないと判定された場合には、「リターン」に抜けて、このソート処理を一旦終了する。

ステップＳ８１０で、「ソート（ポートレート）」のボタンスイッチＢＴ３がクリックされたと判定された場合には、ＣＰＵ１１は、ステップＳ８２０に処理を進める。ステップＳ８２０の処理は、第１実施例におけるステップＳ２２０の処理と同一である。その後、ＣＰＵ１１は、ステップＳ８２２に処理を進めて、「注目領域の指定」ウィンドウＷＤ２をディスプレイ２０に表示する処理を行なう。

図１５は、「注目領域の指定」ウィンドウＷＤ２の一例を示す説明図である。図示するように、「注目領域の指定」ウィンドウＷＤ２には、画像表示フィールドＦＤ１と、「拡大」ボタンＢＴ１１と、「縮小」ボタンＢＴ１２が設けられている。画像表示フィールドＦＤ１には、アプリケーションウィンドウＷＤの候補用エリアＡ１に表示された複数の候補画像データのうちの第１番目の候補画像データが表示される。表示の開始時には、表示倍率が調整され、その候補画像データの画像全体が表示される。

なお、画像表示フィールドＦＤ１に表示される画像は、第１番目の候補画像データに限る必要はなく、他の順位の候補画像データを表示する構成としてもよい。また、表示する画像を作業者によって選択可能な構成とすることもできる。

「拡大」ボタンＢＴ１１は、画像表示フィールドＦＤ１に表示された画像を拡大するためのスイッチである。「拡大」ボタンがクリックされると、「表示拡大モード」になり、画像上にマウスカーソルを移動するとマウスカーソルの形状が変化し、この状態でクリックを行なうことで、画像を１０％単位で拡大することができる。同時にクリックした位置が画像表示フィールドＦＤ１の中心に設定される。

「縮小」ボタンＢＴ１２は、画像表示フィールドＦＤ１に表示された画像を縮小するためのスイッチである。「縮小」ボタンがクリックされると、「表示縮小モード」になり、画像上にマウスカーソルを移動するとマウスカーソルの形状が変化し、この状態でクリックを行なうことで、画像を１０％単位で縮小することができる。同時にクリックした位置が画像表示フィールドＦＤ１の中心に設定される。

作業者は、画像表示フィールドＦＤ１に表示された候補画像データの画像に対して、マウス操作によって、注目する領域（以下、「注目領域」と呼ぶ）を指定する。画像の並べ換えに用いる前述した特徴のうちの１つである「シャープネス」については、画像全体でなく画像の一部の所定領域に限定してその特徴量を求めるほうが精度が高いことがあるためである。例えば、「ポートレートでは、目のまつ毛にピントがあっていれば、他の部分はぼけていても良好」というように、画像によっては画像全体のシャープさよりも所定領域のシャープさが問題となることがある。この実施例では、候補画像データがポートレートであると作業者により判断されて、「ソート（ポートレート）」のボタンスイッチＢＴ３がクリックされた場合に、「注目領域の指定」ウィンドウＷＤ２を表示することにより、作業者により、上記所定領域を注目領域として指定し得る構成となっている。なお、詳細には、作業者は、画像表示フィールドＦＤ１に表示された候補画像データの画像上をドラッグして、始点と終点を結んだ直線を対角線とする矩形で注目領域を指定する。

図１６は、注目領域ＳＡの指定がなされた後の「注目領域の指定」ウィンドウＷＤ２の一例を示す説明図である。図示するように、画像表示フィールドＦＤ１に表示されたポートレートの画像に対して、矩形の線分によって注目領域ＳＡが指定される。作業者は、ドラッグの操作により、画像表示フィールドＦＤ１に表示された画像上に所望の領域を指定することができる。図示の例では、人物の片目のまつ毛を囲む所定サイズの領域が注目領域ＳＡとして指定されている。この注目領域ＳＡを指定する処理が図１４のステップＳ８２４である。

その後、「注目領域の指定」ウィンドウＷＤ２において、「ＯＫ」ボタンＢＴ１３がクリックされると、「注目領域の指定」ウィンドウＷＤ２は閉じられ、ＣＰＵ１１は、図１４に示すように、続くステップＳ８２６に処理を進める。ステップＳ８２６では、ステップＳ８２４で指定された注目領域ＳＡをメモリ１３に記憶する。ここでは、注目領域ＳＡは、候補画像データの画像全体における座標位置（例えば、矩形の一頂点の座標値）と矩形のサイズによって記憶される。なお、注目領域ＳＡの指定が操作者によりなされない状態で、「ＯＫ」ボタンＢＴ１３がクリックされた場合には、候補画像データ全体を注目領域ＳＡとして記憶する。

ステップＳ８２６の実行後、ＣＰＵ１１は、ステップＳ８３０に処理を進める。ステップＳ８３０ないしＳ８８０において、ステップＳ８４０を除く各ステップは、第１実施例と同一の処理内容である。すなわち、ステップＳ８３０は第１実施例のステップＳ２３０と、ステップＳ８５０は同じくステップＳ２５０と、ステップＳ８６０は同じくステップＳ２６０と、ステップＳ８７０は同じくステップＳ２７０と、ステップＳ８８０は同じくステップＳ２８０とそれぞれ同一の処理内容である。ステップＳ８４０における評価処理は、第１実施例におけるステップＳ２４０の評価処理と一部相違する。

第１実施例におけるステップＳ２４０では、前述したように、ステップＳ２３０（Ｓ８３０）で取り込んだ画像データを、「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」の特徴量で把握すべく、画像データの各画素の階調値に対して所定の集計処理を施し、その集計処理で得られた集計値から、その画像データに対する修整パラメータを決定する演算処理を行なうが、この第２実施例におけるステップＳ８４０では、「コントラスト」、「明るさ」、「カラーバランス」、「彩度」については同一の処理を行ない、「シャープネス」についてはステップＳ２４０と異なった処理を行なう。

ステップＳ８４０における「シャープネス」の修整パラメータを算出する場合の集計処理の方法は、ステップＳ２４０と同一であるが、集計対象の画像データが相違する。ステップＳ２４０では、ステップＳ２３０で読みこんだ画像データの画像全体を集計対象としていたが、ステップＳ８４０では、ステップＳ８３０で取り込んだ画像データの画像に対して、ステップＳ８２６で記憶した注目領域ＳＡを重畳させて、その注目領域ＳＡで囲まれた領域のデータを集計対象としている。その後、この注目領域ＳＡを集計対象とした集計値から、その画像データに対する修整パラメータを決定する演算処理を行なう。この演算処理自体は、ステップＳ２４０と同一である。

すなわち、ステップＳ８４０では、「シャープネス」については、ステップＳ８２４で第１番目の候補画像データに対して指定された注目領域ＳＡを基準として、各候補画像データにその注目領域ＳＡと同一の領域（同一の位置およびサイズ）を注目領域として指定して、その注目領域のデータを集計対象として評価処理を行なう。ステップＳ８４０の実行後、ステップＳ８５０に処理を進める。

ステップＳ２８０またはＳ８８０の実行後、ＣＰＵ１１は、図１５のステップＳ２９０に処理を進める。ステップＳ２９０の処理は、第１実施例におけるステップＳ２９０の処理である。ステップＳ２９０の実行後、ＣＰＵ１１は、「リターン」に処理を進めて、このソート処理を一旦終了する。

以上のように構成された第２実施例によれば、第１実施例と同様に、アプリケーションウィンドウＷＤの候補用エリアＡ１に表示された複数の画像を、撮影条件の良い順に並べ換えることができ、良い画像を選択する際の作業性に優れているという効果を奏する。

しかも、この第２実施例では、画像がポートレートである場合に、「注目領域の指定」ウィンドウＷＤ２を表示して、作業者が、複数の画像の中から第１番目の画像に対して、片目のまつ毛を囲む注目領域を指定しうる構成とし、この「注目領域の指定」ウィンドウＷＤ２から指定された注目領域は、全ての画像に対して同一の位置およびサイズでもって指定されて、この注目領域の範囲内の画像データについてのエッジ度が集計されて、そのエッジ度を用いてエッジ強調度としての画像のシャープネスについてのパラメータが取得される。

このために、ポートレートである場合に、目のまつげ部分を限定的にエッジ度を集計することができることから、「目のまつ毛にピントがあっていて、他の部分がぼけている」ような画像であっても高精度にピントが合っているかを判定することができる。したがって、ポートレートの画像データをピントの合っている順に高精度に並べ換えることができるという効果を奏する。

なお、この第２実施例は、種々の態様に変形することができる。以下、変形例について説明する。第２実施例では、画像データがポートレートの画像であるか否かの判定を、「ソート（ポートレート）」のボタンスイッチＢＴ３と「ソート」のボタンスイッチＢＴ２のいずれが作業者によりクリックされたかから判定していたが、これに換えて、画像データの画像を解析して、画像データに人物の顔部分が存在するか否かを判定することで、ポートレートであるか否かを自動的に検出する構成としてもよい。なお、顔部分の判定は、顔の輪郭を検出することにより判定するもの、肌色や頭髪部の黒色部分を検出することにより判定するもの等、周知の手法により行なうことができる。

また、「ソート」のボタンスイッチは、一つとして、その後、作業者に対して、ポートレートであるか否かの問い合わせを行なう構成とすることもできる。

第２実施例では、画像データが同一の構図であるとの前提で、一つの画像データに対して作業者が指定した所定領域を全ての画像に対して共通する注目領域としていたが、構図が変わったりすると、まつ毛の部分から外れた領域に注目領域を指定したりすることがある。この位置ずれを防止するには、作業者が領域を広めにとることで大部分は解消することができる。さらには、作業者によって第１番目の画像データに指定された所定領域に囲まれる画像データを解析して、他の画像データにおいてその所定領域と同一の位置およびサイズである注目領域に、上記解析結果と同じ画像データが含まれるか否かを判定して、含まれない場合に、その周囲に上記解析結果と同じ画像データを検索して、まつ毛の部分の位置ずれを補正する構成としてもよい。

さらには、候補画像データの全てに対して、作業者がマウス操作により逐一注目領域を指定する構成としてもよい。あるいは、作業者による注目領域の指定を行なうことなしに、全ての候補画像データを一枚一枚画像の解析を行なって、まつ毛の部分を検索して、自動的に注目領域を各画像データに指定する構成としてもよい。なお、この検索は、まつ毛の部分に限る必要もなく、顔部分でピントが合っているかを判定できる部分であれば、「鼻」等、他の部分であってもよい。

３．他の実施形態：
本発明は上記の実施例や実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲において種々なる態様にて実施することが可能であり、例えば次のような変形も可能である。

（１）前記実施例では、ソートキー算出の元となるパラメータとして、「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」についてのパラメータを算出するように構成されていたが、これに換えて、これらパラメータの内のいくつかだけを算出するように構成してもよい。また、「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」以外の特徴についてのパラメータ、例えば、「ノイズレベル」、「ピント」のパラメータ等を、上記のパラメータに加える構成、あるいは上記のパラメータに換える構成とすることもできる。

（２）前記実施例では、ソートキー算出の元となるパラメータとして、画像自動修整の処理で生成される修整パラメータを用いる構成としていたが、前記パラメータは、必ずしも修整パラメータである必要もなく、修整パラメータに換えて、「コントラスト」、「明るさ」、「カラーバランス」、「彩度」、「シャープネス」等の特徴量が、所定の画質を備える目標画像の特徴量に対してどれだけ近いかを示すパラメータであればよい。

（３）前記実施例では、算出したソートキーＫをソートキーテーブルに格納するように構成していたが、画像データに個別にソートキーＫを付加する構成としてもよい。例えば、画像データのヘッダ情報にソートキーＫを書き込む構成とすることができる。

（４）前記実施例では、ソート対象となる複数の画像データは、候補用エリアＡ１に表示されたものであるが、必ずしもこの構成である必要もなく、他の表示エリアに表示されたものでもよい。また、表示エリア内に表示された画像である必要もなく、記録媒体の所定の領域に記憶された画像データであればソート対象とすることもできる。

（５）前記実施例では、ソート対象となる複数の画像データは、アプリケーションウィンドウＷＤのファイル指定のフィールドＦＬ２で指定された「フォルダ」や「フィルム」内の画像データである。このために、デジタルカメラ２６で撮影した写真画像の画像データに限られず、他の格納場所で格納された写真画像の画像データもソート対象とすることもできる。また、必ずしも写真画像に限る必要もなく、本発明は、図柄等の画像データにも適用することができる。さらに、カラー画像に限る必要もなく、白黒画像であってもよい。

（６）前記実施例では、画像の分類として画像データの並べ替えを行なう構成であったが、これに換えて、複数の画像データを幾つかの集まりに区分けする構成とすることもできる。すなわち、ステップＳ２７０で得られた各画像データのソートキーＫを用いて、ソートキーの範囲を、例えば、０〜２０、２１〜４０、４１〜６０、６１〜８０、８１〜１００というように５グループに区分けして、ソートキーＫがいずれのグループの範囲に該当するかを判定して画像データを分類する構成とすることもできる。

（７）前記第２実施例では、注目領域内の画像データを集計対象とするのを、「シャープネス」の修整パラメータを算出する場合としていたが、必ずしも「シャープネス」に限る必要はなく、明るさやコントラスト等の他の特徴量の修整パラメータを算出する場合とすることができる。ポートレートの場合、全体よりも、その人物の顔（主要被写体）が良く写っていることが必要であるが、逆光写真となると、顔は真っ黒（露出アンダー）なのに、背景はきれいに写っていて、画像全体の統計情報では「良い写真」と判定してしまうことがある。この場合に、人物の顔部分に着目することで、「明るさ＝暗すぎる」、「コントラスト＝低い」、「彩度＝低い」と判定でき、逆光写真を「良くない写真」と判定することが可能となる。

（８）前記第２実施例は、「候補画像データがポートレートである場合に、人物のまつ毛にピントがあっていれば、良好な画像データである」との見識のもとに構成されていたが、これに換えて、「候補画像データが植物の花の部分である場合に、花のめしべにピントがあっていれば、良好な画像データである」との見識のもとに構成することもできる。すなわち、候補画像データが花の画像である場合に、「注目領域の指定」ウィンドウを表示して、複数の花の画像の中から選択した一の画像に対して、作業者が、めしべを囲む注目領域を指定しうる構成とし、この「注目領域の指定」ウィンドウから指定された注目領域は、全ての画像に対して同一の位置およびサイズでもって指定されて、この注目領域の範囲内の画像データについてのエッジ度が集計されて、そのエッジ度を用いてエッジ強調度としての画像のシャープネスについてのパラメータが取得される。このパラメータに基づいて、画像データの分類を行なう。

本発明の第１実施例を適用するコンピュータシステムの概略構成を示す説明図である。 ＣＰＵ１１で実行される画像入力ルーチンを示すフローチャートである。 ディスプレイ２０に表示されるアプリケーションウィンドウＷＤを示す説明図である。 画像入力ルーチンのステップＳ２００で実行されるソート処理の詳細を示すフローチャートである。 重み係数設定のためのダイアログボックスＤＢを示す説明図である。 処理対象画素を移動させていく状態を示す説明図である。 処理対象画素を１／４としてサンプリングして集計するフローチャートである。 ソート処理のルーチンのステップＳ２４０で実行される評価処理の詳細を示す説明図である。 輝度分布を拡大する場合の分布範囲を示す説明図である。 輝度分布を拡大させるための変換関係を示す説明図である。 輝度分布の端部処理と端部処理にて得られる端部を示す説明図である。 明るさを修整する際のγ値の対応テーブルを示す説明図である。 第２実施例におけるアプリケーションウィンドウＷＤ１を示す説明図である。 第２実施例における画像入力ルーチンのステップＳ２００で実行されるソート処理の詳細を示すフローチャートである。 「注目領域の指定」ウィンドウＷＤ２の一例を示す説明図である。 注目領域ＳＡの指定がなされた後の「注目領域の指定」ウィンドウＷＤ２の一例を示す説明図である。

符号の説明

１０...パーソナルコンピュータ
１２...バス
１３...メモリ
１４...ハードディスクドライブ
１５...入力制御部
１６...表示制御部
１８...マウス
２０...ディスプレイ
２２...キーボード
２４...マウス
２６...デジタルカメラ
２８...プリンタ
３０...特徴量算出部
３２...パラメータ取得部
３４...分類部
ＷＤ...アプリケーションウィンドウ
ＦＬ１...ツールバー
ＦＬ２...ファイル指定のフィールド
ＦＬ３...作業フィールド
ＴＢ１...「入力候補」のタブ
ＴＢ２...「候補外」のタブ
Ａ１...候補用エリア
ＢＴ１...「候補外へ」のボタンスイッチ
ＢＴ２...「ソート」のボタンスイッチ
ＤＢ...ダイアログボックス
ＣＢ...チェックボックス
ＳＢ...スライダバー
Ｄｐ...画像データ
Ｐｒ...コンピュータプログラム
Ｐ１〜Ｐ５...修整パラメータ
Ｋ...ソートキー
ＷＤ１...アプリケーションウィンドウ
ＢＴ３...「ソート（ポートレート）」のボタンスイッチ
ＷＤ２...「注目領域の指定」ウィンドウ

Claims (17)

1. 画像を構成する各画素の階調値によって表現された複数の画像データを分類する画像分類装置であって、
   前記画像データ毎に、各画素の階調値を利用して画質を表わす複数の特徴についての各特徴量を算出する特徴量算出手段と、
   前記特徴量算出手段により算出された各特徴量が予め定めた所定の画質を備える目標画像の各特徴量に対してどれだけ近いかを示す複数のパラメータを、前記画像データ毎に取得するパラメータ取得手段と、
   前記パラメータ取得手段により取得した複数のパラメータに基づいて一の分類キーを生成し、前記分類キーに従って前記画像データの分類を行なう分類手段と
   を備え、
   前記分類手段は、
   作業者からの入力装置を用いた入力操作を受けて、前記各特徴のパラメータに対して、重み係数を定める重み係数設定手段と、
   前記各特徴のパラメータに対して、前記対応する各重み係数に基づく重み付けを行なって、該重み付けのなされた各特徴のパラメータに基づいて前記分類キーを生成する手段と
   を備えることを特徴とする画像分類装置。
2. 前記分類手段は、前記分類キーに基づいて前記画像データの並べ換えを行なう構成である請求項１に記載の画像分類装置。
3. 前記パラメータとして、画像データを前記目標画像に修整するにはどれほどの修整量が必要かを示す修整パラメータを用いた構成である請求項１または２に記載の画像分類装置。
4. 請求項１ないし３のいずれかに記載の画像分類装置であって、
   前記特徴量算出手段は、前記画像データの輝度のヒストグラムを前記特徴量として作成する構成であり、
   前記パラメータ取得手段は、前記ヒストグラムを用いて画像のコントラストについてのパラメータを取得する構成である画像分類装置。
5. 請求項１ないし３のいずれかに記載の画像分類装置であって、
   前記画像データ毎に、所定の領域部分を注目領域として指定する注目領域指定手段を備え、
   前記特徴量算出手段は、前記注目領域についての前記特徴量を算出する構成である画像分類装置。
6. 請求項５に記載の画像分類装置であって、
   前記特徴量算出手段は、前記画像データの輝度に基づいて、各画素のエッジ度を前記特徴量として算出する構成であり、
   前記パラメータ取得手段は、前記エッジ度を用いてエッジ強調度としての画像のシャープネスについてのパラメータを取得する構成である画像分類装置。
7. 請求項６に記載の画像分類装置であって、
   前記画像データが、ポートレートの画像であるか否かを判定するポートレート判定手段を備え、
   前記ポートレート判定手段でポートレートの画像であると判定されたときに、前記注目領域指定手段を動作させる構成とした画像分類装置。
8. 請求項５ないし７のいずれかに記載の画像分類装置であって、
   前記注目領域指定手段は、
   作業者からの入力装置を用いた操作指令に基づいて、前記画像データの一つに前記領域を指定する第１の領域指定手段と、
   前記領域指定手段により領域の指定がなされた画像データ以外の他の前記画像データに対して、前記第１の領域指定手段により指定された領域と同一の領域を指定する第２の領域指定手段と
   を備える画像分類装置。
9. 画像を構成する各画素の階調値によって表現された複数の画像データを所定の表示エリアに一覧表示するとともに、作業者からの入力装置を用いた入力操作を受けて、前記表示エリア内の複数の画像データの中から所望の画像データを選択する画像選択装置において、
   前記表示エリアに表示された画像データ毎に、各画素の階調値を利用して画質を表わす複数の特徴についての各特徴量を算出する特徴量算出手段と、
   前記特徴量算出手段により算出された各特徴量が予め定めた所定の画質を備える目標画像の各特徴量に対してどれだけ近いかを示す複数のパラメータを、前記画像データ毎に取得するパラメータ取得手段と、
   前記パラメータ取得手段により取得した複数のパラメータに基づいて一の分類キーを生成し、前記分類キーに従って前記画像データの並べ換えを行なう並べ換え手段と
   前記並べ換え手段により並べ換えられた並び順で、前記複数の画像を前記表示エリアに表示させる表示制御手段と
   を備え、
   前記並べ換え手段は、
   作業者からの入力装置を用いた入力操作を受けて、前記各特徴のパラメータに対して、重み係数を定める重み係数設定手段と、
   前記各特徴のパラメータに対して、前記対応する各重み係数に基づく重み付けを行なって、該重み付けのなされた各特徴のパラメータに基づいて前記分類キーを生成する手段と
   を備えることを特徴とする画像選択装置。
10. 請求項９に記載の画像選択装置であって、
    前記画像データ毎に、所定の領域部分を注目領域として指定する注目領域指定手段を備え、
    前記特徴量算出手段は、前記注目領域についての前記特徴量を算出する構成である画像選択装置。
11. コンピュータを用いて、画像を構成する各画素の階調値によって表現された複数の画像データを分類する画像分類方法であって、
    （ａ）ＣＰＵが、前記画像データ毎に、各画素の階調値を利用して画質を表わす複数の特徴についての各特徴量を算出する行程と、
    （ｂ）ＣＰＵが、前記行程（ａ）により算出された各特徴量が予め定めた所定の画質を備える目標画像の各特徴量に対してどれだけ近いかを示す複数のパラメータを、前記画像データ毎に取得する行程と、
    （ｃ）ＣＰＵが、前記行程（ｂ）により取得した複数のパラメータに基づいて一の分類キーを生成し、前記分類キーに従って前記画像データの分類を行なう行程と
    を備え、
    前記行程（ｃ）は、
    （ｃ１）ＣＰＵが、作業者からの入力装置を用いた入力操作を受けて、前記各特徴のパラメータに対して、重み係数を定める行程と、
    （ｃ２）ＣＰＵが、各特徴のパラメータに対して、前記対応する各重み係数に基づく重み付けを行なって、該重み付けのなされた各特徴のパラメータに基づいて前記分類キーを生成する行程と
    を備えることを特徴とする画像分類方法。
12. 前記行程（ｃ）は、前記分類キーに基づいて前記画像データの並べ換えを行なう構成である請求項１１に記載の画像分類方法。
13. コンピュータを用いて、画像を構成する各画素の階調値によって表現された複数の画像データを所定の表示エリアに一覧表示するとともに、作業者からの入力装置を用いた入力操作を受けて、前記表示エリア内の複数の画像データの中から所望の画像データを選択する画像選択方法において、
    （ａ）ＣＰＵが、前記表示エリアに表示された画像データ毎に、各画素の階調値を利用して画質を表わす複数の特徴についての各特徴量を算出する行程と、
    （ｂ）ＣＰＵが、前記行程（ａ）により算出された各特徴量が予め定めた所定の画質を備える目標画像の各特徴量に対してどれだけ近いかを示す複数のパラメータを、前記画像データ毎に取得する行程と、
    （ｃ）ＣＰＵが、前記行程（ｂ）により取得した複数のパラメータに基づいて一の分類キーを生成し、前記分類キーに従って前記画像データの並べ換えを行なう行程と、
    （ｄ）ＣＰＵが、前記行程（ｃ）により並べ換えられた並び順で、前記複数の画像を前記表示エリアに表示させる行程と
    を備え、
    前記行程（ｃ）は、
    （ｃ１）ＣＰＵが、作業者からの入力装置を用いた入力操作を受けて、前記各特徴のパラメータに対して、重み係数を定める行程と、
    （ｃ２）ＣＰＵが、前記各特徴のパラメータに対して、前記対応する各重み係数に基づく重み付けを行なって、該重み付けのなされた各特徴のパラメータに基づいて前記分類キーを生成する行程と
    を備えることを特徴とする画像選択方法。
14. 画像を構成する各画素の階調値によって表現された複数の画像データを分類するためのコンピュータプログラムであって、
    （ａ）前記画像データ毎に、各画素の階調値を利用して画質を表わす複数の特徴についての各特徴量を算出する機能と、
    （ｂ）前記機能（ａ）により算出された各特徴量が予め定めた所定の画質を備える目標画像の各特徴量に対してどれだけ近いかを示す複数のパラメータを、前記画像データ毎に取得する機能と、
    （ｃ）前記機能（ｂ）により取得した複数のパラメータに基づいて一の分類キーを生成し、前記分類キーに従って前記画像データの分類を行なう機能と
    をコンピュータに実現させるとともに、
    前記機能（ｃ）は、
    （ｃ１）作業者からの入力装置を用いた入力操作を受けて、前記各特徴のパラメータに対して、重み係数を定める機能と、
    （ｃ２）前記各特徴のパラメータに対して、前記対応する各重み係数に基づく重み付けを行なって、該重み付けのなされた各特徴のパラメータに基づいて前記分類キーを生成する機能と
    を備えるコンピュータプログラム。
15. 前記機能（ｃ）は、前記分類キーに基づいて前記画像データの並べ換えを行なう構成である請求項１４に記載のコンピュータプログラム。
16. 画像を構成する各画素の階調値によって表現された複数の画像データを所定の表示エリアに一覧表示するとともに、作業者からの入力装置を用いた入力操作を受けて、前記表示エリア内の複数の画像データの中から所望の画像データを選択するためのコンピュータプログラムにおいて、
    （ａ）前記表示エリアに表示された画像データ毎に、各画素の階調値を利用して画質を表わす複数の特徴についての各特徴量を算出する機能と、
    （ｂ）前記機能（ａ）により算出された各特徴量が予め定めた所定の画質を備える目標画像の各特徴量に対してどれだけ近いかを示す複数のパラメータを、前記画像データ毎に取得する機能と、
    （ｃ）前記機能（ｂ）により取得した複数のパラメータに基づいて一の分類キーを生成し、前記分類キーに従って前記画像データの並べ換えを行なう機能と、
    （ｄ）前記機能（ｃ）により並べ換えられた並び順で、前記複数の画像を前記表示エリアに表示させる機能と
    をコンピュータに実現させるとともに、
    前記機能（ｃ）は、
    （ｃ１）作業者からの入力装置を用いた入力操作を受けて、前記各特徴のパラメータに対して、重み係数を定める機能と、
    （ｃ２）前記各特徴のパラメータに対して、前記対応する各重み係数に基づく重み付けを行なって、該重み付けのなされた各特徴のパラメータに基づいて前記分類キーを生成する機能と
    を備えるコンピュータプログラム。
17. 請求項１４ないし１６のいずれかに記載のコンピュータプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images