JP4799246B2 - 画像処理方法及び画像処理装置 - Google Patents

Description

本発明は、紙原稿をスキャンして取得した画像を領域分割して領域毎にベクトル化する画像処理方法及び画像処理装置に関する。

近年、情報の電子化が進み、紙文書をそのまま保持するのではなく、電子化して保存したり、その電子データを他装置に送信するシステムが普及してきている。また、その電子化の対象となる文書は、白黒二値の画像だけに留まらず、フルカラー（多値）文書のような電子文書へその対象を広げつつある。さらに、対象となる電子文書は、単に紙上の文書をスキャナ等によりスキャンして画像データにしたものだけに留まっていない。例えば、文書画像の領域を分離して、文字領域に対しては文字認識処理を施して文字コード列に変換し、写真領域に対しては輪郭線のベクトルデータに変換する等、電子文書は、より高度な情報に変換されたデータを含んできている（特許文献１参照。）。

また、上述したようなベクトル化された画像の中には、フルカラー画像であっても、イラストや図形作成ソフトウェアで作成された原稿をスキャンしてベクトル化した画像等もある。これらの画像は、写真等の自然画像に比べて物体の輪郭に縁がついたように明瞭であり、出現色も限られている等の特徴を有している。尚、以下では、このような画像を「クリップアート画像」と呼ぶ。

従来、画像のベクトル化処理は、次のように行われる。まず、フルカラーで入力された画像を二値画像に変換し、次いで、二値画像から輪郭線及び中心線を抽出し、得られ輪郭線と原画像の色情報とをベクトルデータに変換する。また、色特徴を利用して、画像を領域分割し、領域分割結果の輪郭線と内部色をベクトルデータに変換する手法もある。

さらに、従来から、グラデーション付きの画像に対する各種画像処理も検討されている。例えば、特許文献２（特開平１０−２４３２５０号公報）に記載されている画像処理装置では、カラー画像を色再現範囲内に収まるように、グラデーション部分を検出し、グラデーションとして再現し、同時にフラットな部分の色をフラットに適した色処理を行う。そして、グラデーション部分は同じ色にならないように、領域のＬＣＨカラー空間の分散値を計算し、色空間における広がりが大きければグラデーションと検出し、このグラデーション部分をそのまま再現する。

また、特許文献３（特開２００１−３０９３７３号公報）に記載の画像変化検出装置では、静止画像内のグラデーション部分を検出するように、静止画像を構成する画素の内、水平ラインにある複数の画素に対応する輝度信号の値を二回微分した特徴抽出を行う。そして、二回微分した結果が零である時、グラデーション部分が含まれていると検出する。
特開２００４−２６５３８４号公報 特開平１０−２４３２５０号公報 特開２００１−３０９３７３号公報

しかしながら、グラデーションを含むクリップアート画像に対して上記輪郭線抽出に基づいたベクトル化を行う場合、グラデーション部分が多数の領域に分割されてしまう問題や、グラデーション部分が間違ったクラスタに分割されてしまう等の問題がある。また、上記領域分割に基づいた手法でも、グラデーション部分を一つの領域にしようとすると、無彩色部分と有彩色部分が同じクラスタに含まれてしまう問題がある。これらの問題は、ベクトルデータ量の増大の原因やベクトル画像の画質劣化の原因になる。

さらに、上述したグラデーションを含む画像に対する従来の色再現処理や画像変化検出処理は、あくまでもグラデーション部分の検出に関するものに過ぎない。

本発明は、このような事情を考慮してなされたものであり、グラデーションを含むクリップアート画像を適切に領域分割してベクトル化処理を行うことができる画像処理方法及び画像処理装置を提供することを目的とする。

また、グラデーションが付いた画像のベクトル化処理する際に、グラデーション部分を適切に領域に分割し、ベクトル記述することで画像の高圧縮を目指し、更に、原画像に近い状態でグラデーション部分を再現できる画像処理方法及び画像処理装置を提供する。

上記課題を解決するために、本発明の画像処理方法は以下の構成を備える。すなわち、グラデーション部分を有する画像をベクトル化する画像処理装置における画像処理方法において、分離手段が、前記画像を無彩色部分と有彩色部分とに分離する分離工程と、第１領域分割手段が、前記分離工程で分離された無彩色部分を複数の領域に分割する第１領域分割工程と、第２領域分割手段が、前記分離工程で分離された有彩色部分を複数の領域に分割する第２領域分割工程と、第１領域統合手段が、前記第１領域分割工程で分割された無彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第１領域統合工程と、第２領域統合手段が、前記第２領域分割工程で分割された有彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第２領域統合工程と、変換手段が、前記第１領域統合工程によって統合された後の領域と前記第２領域統合工程によって統合された後の領域との各々について、それぞれの領域の輪郭線と内部色とに基づいてベクトルデータに変換する変換工程と、を有し、前記変換工程では、前記第１領域統合工程によって領域統合された後の領域と前記第２領域統合工程によって領域統合された後の領域との各々について、それぞれの領域に含まれる画素の色変化方向を検出し、該検出した画素の色変化方向が同じ方向であると判断した領域のグラデーション種別を、線状グラデーションと判定し、該検出した画素の色変化方向が同じ方向でないと判断した領域のグラデーション種別を、放射状グラデーションと判定し、該判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトルデータに変換する。
あるいは、グラデーション部分を有する画像をベクトル化する画像処理装置における画像処理方法において、分離手段が、前記画像を無彩色部分と有彩色部分とに分離する分離工程と、第１領域分割手段が、前記分離工程で分離された無彩色部分を複数の領域に分割する第１領域分割工程と、第２領域分割手段が、前記分離工程で分離された有彩色部分を複数の領域に分割する第２領域分割工程と、第１領域統合手段が、前記第１領域分割工程で分割された無彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第１領域統合工程と、第２領域統合手段が、前記第２領域分割工程で分割された有彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第２領域統合工程と、変換手段が、前記第１領域統合工程によって統合された後の領域と前記第２領域統合工程によって統合された後の領域との各々について、それぞれの領域の輪郭線と内部色とに基づいてベクトルデータに変換する変換工程と、を有し、前記変換工程では、前記第１領域統合工程によって領域統合された後の領域と前記第２領域統合工程によって領域統合された後の領域との各々について、それぞれの領域に含まれる画素の色変化方向を検出し、領域に含まれる画素の前記検出した色変化方向の方向ベクトルの交点を検出し、前記方向ベクトルの交点が検出された領域のグラデーション種別を、放射状グラデーションと判定し、前記方向ベクトルの交点が検出されなかった領域のグラデーション種別を、線状グラデーションと判定し、該判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトルデータに変換する。

また、上記課題を解決するために、本発明の画像処理方法は以下の構成を備える。すなわち、グラデーション部分を有する画像をベクトル化する画像処理装置における画像処理方法において、領域分割手段が、前記画像を複数の領域に分割する領域分割工程と、色変化方向検出手段が、前記領域分割工程で分割された各領域に含まれる画素の色変化方向を検出する色変化方向検出工程と、グラデーション種別判定手段が、前記色変化方向検出工程で検出した色変化方向に基づいて、前記画像のそれぞれの領域のグラデーション種別を判定するグラデーション種別判定工程と、記述手段が、前記グラデーション種別判定工程で判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトル化する記述工程と、を有し、前記グラデーション種別判定工程では、前記検出した画素の色変化方向が同じ方向であると判断した領域のグラデーション種別を、線状グラデーションと判定し、前記検出した画素の色変化方向が同じ方向でないと判断した領域のグラデーション種別を、放射状グラデーションと判定する。
あるいは、グラデーション部分を有する画像をベクトル化する画像処理装置における画像処理方法において、領域分割手段が、前記画像を複数の領域に分割する領域分割工程と、色変化方向検出手段が、前記領域分割工程で分割された各領域に含まれる画素の色変化方向を検出する色変化方向検出工程と、グラデーション種別判定手段が、前記色変化方向検出工程で検出した色変化方向に基づいて、前記画像のそれぞれの領域のグラデーション種別を判定するグラデーション種別判定工程と、記述手段が、前記グラデーション種別判定工程で判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトル化する記述工程と、を有し、前記グラデーション種別判定工程では、領域に含まれる画素の前記検出した色変化方向の方向ベクトルの交点を検出し、前記方向ベクトルの交点が検出された領域のグラデーション種別を、放射状グラデーションと判定し、前記方向ベクトルの交点が検出されなかった領域のグラデーション種別を、線状グラデーションと判定する。

本発明によれば、グラデーションを含むクリップアート画像を適切に領域分割してベクトル化処理を行うことができる。

以下、図面を参照して、本発明の一実施形態に係る画像処理装置を用いた画像データのベクトル化処理について、詳細に説明する。

≪第１の実施形態≫
＜装置構成＞
図１は、本発明の第１の実施形態に係る領域分割に基づいたベクトル化処理を行う機能を有する画像処理装置の構成を示すブロック図である。図１において、入力部１１は、スキャンによって紙情報をカラー文書画像として入力する。また、領域分割部１２は、カラー文書画像を写真領域を含む複数種類の領域に分離する。さらに、クリップアート画像選択部１３は、分離されたそれぞれの領域からクリップアート画像を選択する。さらにまた、エッジ抽出部１４は、クリップアート画像からエッジを抽出する。さらにまた、エッジクラスタ形成部１５は、抽出されたエッジの情報に基づいてエッジクラスタを形成する。

さらにまた、色空間変換部１６は、画像をＲＧＢカラー空間からＨＳＶカラー空間に変換する。さらにまた、無彩色部分と有彩色部分分離部１７は、ＨＳＶカラー空間の色彩情報によって画像を無彩色部分と有彩色部分に分離する。さらにまた、無彩色部分領域分割部１８は、無彩色部分を領域分割する。さらにまた、有彩色部分領域分割部１９は、有彩色部分を領域分割する。さらにまた、無彩色部分領域統合部２０は、無彩色部分を領域統合する。さらにまた、有彩色部分領域統合部２１は、有彩色部分を領域統合する。

さらにまた、ノイズ領域判定部２２は、分割された領域からノイズ領域を判定する。さらにまた、ノイズ領域再処理部２３は、ノイズ領域と判定された場合に当該ノイズ領域を再処理する。さらにまた、エッジクラスタ判定部２４は、分割された領域からエッジクラスタを判定する。さらにまた、エッジクラスタ統合部２５は、エッジクラスタと判定されたクラスタと最初に形成したエッジクラスタとを統合する。さらにまた、変換部２６は、領域分割結果をベクトルデータに変換する。

図２８は、図１に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成を示すブロック図である。尚、本実施形態では、画像処理装置として、スキャナ機能やプリンタ機能を有するディジタル複合機（ＭＦＰ）を用いているが、汎用のスキャナとパーソナルコンピュータとを接続したシステムを当該画像処理装置として用いてもよい。

図２８に示すように、ＭＦＰは、画像処理装置として機能するコントローラユニット２０００を備えている。当該コントローラユニット２０００は、画像入力デバイスであるスキャナ２０７０や画像出力デバイスであるプリンタ２０９５を接続する。そして、スキャナ２０７０で原稿画像から読み取られた画像データをプリンタ２０９５によって印刷出力するコピー機能を実現するための制御を行う。また、コントローラユニット２０００は、ＬＡＮ１００６や公衆回線（ＷＡＮ）１００８を介して他装置との間でパターン画像やデバイス情報等の入出力を行うための制御を行う。

コントローラユニット２０００は、図２８に示すように、ＣＰＵ２００１を有している。ＣＰＵ２００１は、ＲＯＭ２００３に格納されているブートプログラムによりオペレーションシステム（ＯＳ）を立ち上げる。そして、このＯＳ上でＨＤＤ（ハードディスクドライブ）２００４に格納されているアプリケーションプログラムを実行することによって各種処理を実行する。このＣＰＵ２００１の作業領域として、ＲＡＭ２００２が用いられる。ＲＡＭ２００２はまた、ＣＰＵ２００１の作業領域だけでなく、画像データを一時記憶するための画像メモリ領域をも提供する。ＨＤＤ２００４は、上記アプリケーションプログラムとともに、画像データを格納する。

ＣＰＵ２００１には、システムバス２００７を介して、ＲＯＭ２００３やＲＡＭ２００２が接続されている。さらに、操作部Ｉ／Ｆ（操作部インタフェース）２００６、ネットワークＩ／Ｆ（ネットワークインタフェース）２０１０、モデム２０５０及びイメージバスＩ／Ｆ（イメージバスインタフェース）２００５が接続されている。

操作部Ｉ／Ｆ２００６は、タッチパネルを有する操作部２０１２とのインタフェースであり、操作部２０１２に表示する画像データを操作部２０１２に対して出力する。また、操作部Ｉ／Ｆ２００６は、操作部２０１２においてユーザにより入力された情報をＣＰＵ２００１に送出する。

また、ネットワークＩ／Ｆ２０１０は、ＬＡＮ１００６に接続され、当該ＬＡＮ１００６を介してＬＡＮ１００６に接続された各装置との間で情報の入出力を行う。モデム２０５０は、公衆回線１００８に接続し、公衆回線１００８を介して他装置との間で情報の入出力を行う。

イメージバスＩ／Ｆ２００５は、システムバス２００７と画像データを高速で転送する画像バス２００８を接続し、データ構造を変換するためのバスブリッジである。画像バス２００８は、ＰＣＩバス又はＩＥＥＥ１３９４から構成される。画像バス２００８上には、ラスタイメージプロセッサ（ＲＩＰ）２０６０、デバイスＩ／Ｆ２０２０、スキャナ画像処理部２０８０、プリンタ画像処理部２０９０、画像回転部２０３０、サムネイル作成部２０３５及び画像圧縮部２０４０が設けられている。

ＲＩＰ２０６０は、ＰＤＬコードをビットマップイメージに展開するプロセッサである。デバイスＩ／Ｆ２０２０には、スキャナ２０７０及びプリンタ２０９５が接続され、画像データの同期系／非同期系の変換を行う。スキャナ画像処理部２０８０は、入力画像データに対して補正、加工、編集処理を行う。プリンタ画像処理部２０９０は、プリント出力画像データに対してプリンタの補正、解像度変換等を行う。画像回転部２０３０は、画像データの回転を行う。画像圧縮部２０４０は、多値画像データをＪＰＥＧデータに、ニ値画像データをＪＢＩＧ、ＭＭＲ、ＭＨ等のデータに圧縮するとともに、その伸長処理も行う。

＜領域分割に基づいたベクトル化処理の概要＞
図２は、本発明の第１の実施形態におけるクリップアート画像の領域分割に基づいたベクトル化処理についての概略を説明するためのフローチャートである。

まず、入力部１１において、スキャナより紙情報を入力し、カラー文書画像データを得る（ステップＳ１１）。次に、領域分離部１２において、入力されたカラー文書画像を二値画像データに変換し、この二値画像データを文字、写真、表等の複数種類の領域に分離する（ステップＳ１２）。この領域分離処理を実現する一例として、米国特許第５，６８０，４７８号公報に記載の領域分割技術を用いることができる。尚、当該公報には、「Method and Apparatus for character recognition (Shin-YwanWang et aI./Canon K.K.)」が記載されている。さらに、クリップアート画像選択部１３において、前工程で分離された領域からクリップアート画像を選択する（ステップＳ１３）。

次に、エッジ抽出部１４において、エッジ抽出処理を行う（ステップＳ１４）。エッジ抽出手法としては公知のラプラシアンフィルタが用いられる。そして、エッジクラスタ形成部１５において、エッジ強度の高い画素によりエッジクラスタを形成する（ステップＳ１５）。このエッジクラスタ形成処理の詳細については後述する。

次に、色空間変換部１６において、画像をＲＧＢカラー空間からＨＳＶカラー空間に変換し（ステップＳ１６）、無彩色部分と有彩色部分分離部１７において、色彩情報によって画像を無彩色部分と有彩色部分に分ける（ステップＳ１７）。この無彩色部分と有彩色部分分離処理の詳細については後述する。

次に、無彩色部分の領域分割部１８において、無彩色部分をクラスタに分割する（ステップＳ１８）。また、ステップＳ１８の処理と並行して、有彩色部分の領域分割部１９において、有彩色部分をクラスタに分割する（ステップＳ１９）。これらの領域分割処理については後述する。

ステップＳ１８の処理後、無彩色部分の領域統合部２０において、前工程で分割された無彩色部分のクラスタを統合する（ステップＳ２０）。一方、ステップＳ１９の処理後、有彩色部分の領域統合部２１において、前工程で分割された有彩色部分のクラスタを統合する（ステップＳ２１）。尚、これらの領域統合処理の詳細については後述する。

ステップＳ２０、Ｓ２１の処理の後、ノイズ領域判定部２２において、領域分割の結果をラベリング処理する（ステップＳ２２）。そして、各ラベル領域の大きさにより、ノイズ領域であるかどうかを判定する（ステップＳ２３）。その結果、ラベル領域がある程度小さければ、ノイズ領域と判定する。尚、このノイズ判定処理の詳細については後述する。

ステップＳ２３でノイズ領域と判定された場合（Ｙｅｓ）は、ノイズ領域再処理部２３において、判定されたノイズ領域に含まれたノイズ画素を隣接する領域間との類似度に基づいて再びクラスタリング処理し（ステップＳ２４）、ステップＳ２５に進む。このノイズ再処理処理の詳細については後述する。一方、ステップＳ２３でノイズ領域と判定されなかった場合（Ｎｏ）はステップＳ２５に進む。ステップＳ２５では、全てのラベル領域に対して処理が終わっているかどうかを判定する。その結果、処理対象がある場合（Ｎｏ）はステップＳ２３に戻って、上述したノイズ領域の判定処理とノイズ領域の再処理処理を繰り返し実行する。一方、処理対象がない場合（Ｙｅｓ）はノイズ処理を終了する。

次に、ステップＳ２６では、エッジクラスタ判定部２４において、分割された領域から最初に形成したエッジクラスタ以外にエッジ情報を含むクラスタをエッジクラスタとして判定する。そして、ステップＳ２７では、エッジクラスタ統合部２５において、エッジクラスタと判定されたクラスタを統合する。尚、エッジクラスタ判定処理と統合処理の詳細については後述する。

そして、ステップＳ２８では、ベクトル化部２６において、分割された領域毎に輪郭線と領域内部の色に基づいてベクトルデータに変換する。このベクトル化処理を実現する技術としては、例えば、特許第２８８５９９９号の二値画像の輪郭線の追跡をし、その座標ベクトルを選択することにより、ベクトル化するものが挙げられる。尚、本実施形態におけるベクトル化処理についても当該技術を利用するものとする。

＜クリップアート画像の選択例＞
図３は、本発明の第１の実施形態に係る画像処理において文書画像からクリップアート画像を選択した一例を示す図である。図３では、一文書画像から前述した領域分離法を用いて写真領域３１、テキスト領域３２、及びクリップアート領域３３がそれぞれ矩形領域として分離されている様子を示している。

＜エッジクラスタ形成処理＞
図４は、図２のステップＳ１５におけるエッジクラスタ形成処理の詳細について説明するためのフローチャートである。

まず、クリップアート画像から抽出されたエッジ情報を入力し（ステップＳ１５０１）、ラスタスキャンしたスタート画素のエッジ強度を事前に設定された閾値と比較する（ステップＳ１５０２）。その結果、対象画素のエッジ強度が閾値より高ければ、当該画素が確実にエッジにあると判断し（Ｙｅｓ）、この画素をエッジクラスタに属させる（ステップＳ１５０３）。一方、閾値より低い場合（Ｎｏ）は、この画素をエッジクラスタに属させない（ステップＳ１５０４）。そして、ステップＳ１５０５では、全ての画素に対する処理が終わりであるかどうかを判断する。その結果、未処理の画素があれば（Ｎｏ）、ステップＳ１５０１に戻って上記処理を繰り返し実行する。一方、未処理の画素がなければ（Ｙｅｓ）、エッジクラスタ形成処理を終了する。

＜エッジクラスタの形成例＞
図５は、本発明の第１の実施形態によるクリップアート画像から形成したエッジクラスタの一例を示す図である。このクリップアート画像では、エッジ抽出により、エッジ画像５１を形成し、そして、前述したエッジクラスタ形成処理により、閾値を１２０に設定した場合のエッジクラスタ５２を形成する。

＜無彩色部分と有彩色部分の分離処理＞
図６は、図２のステップＳ１７における無彩色部分と有彩色部分の分離処理の詳細について説明するためのフローチャートである。

まず、色空間変換後のＨＳＶ画像を入力する（ステップＳ１７０１）。そして、ラスタスキャンしたスタート画素がステップＳ１５で形成したエッジクラスタにあるかどうかを判断する（ステップＳ１７０２）。その結果、対象画素がエッジクラスタに属していなければ（Ｙｅｓ）、ステップＳ１７０３に進む。一方、そうでなければ（Ｎｏ）、ステップＳ１７０６に進む。

ステップＳ１７０３では、対象画素の色彩値が０であるかどうかを判断する。その結果、色彩値が０であれば（Ｙｅｓ）、ステップＳ１７０４に進んで、対象画素を無彩色領域に属させる。一方、色彩値が０でなければ（Ｎｏ）、ステップＳ１７０５に進み、対象画素を有彩色領域に属させる。そして、ステップＳ１７０６では、全ての画素が処理済みかどうかを判断する。その結果、未処理画素があれば（Ｎｏ）、ステップＳ１７０２に戻って、上述した無彩色部分と有彩色部分の分離処理を繰り返し実行する。一方、未処理画素がなければ（Ｙｅｓ）、無彩色部分と有彩色部分の分離処理を終了する。

＜無彩色部分の領域分割処理＞
図７は、図２のステップＳ１８における無彩色部分の領域分割処理の詳細について説明するためのフローチャートである。

まず、分離された無彩色部分を処理対象として入力する（ステップＳ１８０１）。次に、ラスタスキャンした処理対象のスタート画素により、最初のクラスタを生成する（ステップＳ１８０２）。そして、次の処理対象画素はエッジ強度値によりエッジクラスタに入る可能性があるかどうかを判断する（ステップＳ１８０３）。その結果、対象画素のエッジ強度が０でなければ（Ｙｅｓ）、エッジクラスタに入ることが可能であるため、対象画素と最初に形成したエッジクラスタを含んだ各クラスタ間との距離を求める（ステップＳ１８０４）。一方、対象画素のエッジ強度が０であれば（Ｎｏ）、エッジクラスタに入れないように、対象画素とエッジクラスタ以外のクラスタ間との距離を求める（ステップＳ１８０５）。ここで、無彩色部分の領域分割処理では、画素の特徴量として輝度値が用いられ、画素とクラスタ間の距離として輝度値の差が計算される。また、距離が近ければ、処理対象画素はクラスタとの特徴が近い、すなわち類似度が高い、と考えられる。

そこで、ステップＳ１８０６では、一番小さい距離とこの距離に対応したクラスタ番号を記録し、この距離を事前に設定された閾値Ｔとを比較する。そして、距離が閾値Ｔ以下であれば（Ｙｅｓ）、対象画素を記録されたクラスタに属させる（ステップＳ１８０７）。一方、距離が閾値Ｔより高ければ（Ｎｏ）、対象画素により新たなクラスタを生成する（ステップＳ１８０８）。そして、ステップＳ１８０９では、全ての画素に対する処理が終わるかどうかを判断する。その結果、未処理の画素があれば（Ｎｏ）、ステップＳ１８０３に戻って、上記処理を繰り返し実行する。一方、未処理の画素がなければ（Ｙｅｓ）、領域分割処理を終了する。

＜有彩色部分の領域分割処理＞
ステップＳ１９における有彩色部分の領域分割処理は、ステップＳ１８における無彩色部分の領域分割処理と同じであるが、画素の特徴量としてはＲＧＢ色情報が用いられ、画素とクラスタ間の距離としてはＲＧＢ色特徴のＥｕｃｌｉｄｅａｎ距離が計算される。

＜無彩色部分の領域統合処理＞
図８は、図２のステップＳ２０における無彩色部分の領域統合処理の詳細について説明するためのフローチャートである。

まず、分割された無色彩部分の各クラスタを処理対象として入力する（ステップＳ２００１）。次に、処理対象を分離したい領域数の目標値を入力する（ステップＳ２００２）。この値は何色くらいに分離するかの目安となる。次に、ステップＳ２００３では、現在のクラスタの数を数える。そして、ステップＳ２００４では、現在のクラスタの数を目標値とを比較する。その結果、現在のクラスタ数が目標値より少なければ（Ｎｏ）、領域統合処理を終了する。一方、クラスタ数が目標値より多ければ（Ｙｅｓ）、ステップＳ２０００５とＳ２００６の処理によって、クラスタの統合を行うかを判断する。統合処理では、画像のエッジ部分とエッジではない部分の間違った統合を防ぐため、エッジクラスタを統合処理対象外にする。そこで、ステップＳ２００５では、各クラスタ間の距離を計算し、その中から一番小さい距離を持つ二つのクラスタを選択する。そして、ステップＳ２００６では、この二つのクラスタ間の距離を予め設定した閾値と比べる。その結果、距離が閾値以下であれば（Ｙｅｓ）、統合の条件を満たすとしてステップＳ２００７に進み、この二つのクラスタを統合する。一方、距離が閾値以上であれば（Ｎｏ）、ステップＳ２００３に戻る。また、一回の統合が終わった後は再びステップＳ２００３に戻って、領域統合処理を繰り返し実行する。ここで、無彩色の領域統合処理では、クラスタの特徴量としては輝度値が用いられ、クラスタ間の距離としては輝度値の差が計算される。また、統合条件としては、クラスタ間の輝度値の差は設定した輝度値の閾値以下と設定される。

＜有彩色部分の領域統合処理＞
ステップＳ２１における有彩色部分の領域統合処理は、ステップＳ２０における無彩色部分の領域統合処理と同じである。但し、クラスタの特徴量としてはＲＧＢ色情報及び色相Ｈ情報が用いられ、クラスタ間の距離としてはＲＧＢ色特徴のＥｕｃｌｉｄｅａｎ距離と色相Ｈ情報の距離との二つの距離が計算される。また、統合条件としては、クラスタ間のＲＧＢ色情報の距離はＲＧＢ色閾値の以下で、クラスタ間の色相Ｈ情報の距離はＨ閾値の以下と設定される。

ここで、色相Ｈ情報を使う理由は、一色のグラデーションには色彩値は広い範囲で変動するが、色相値はそれほど変動しないという特徴があるからである。

＜ノイズ領域の判定処理＞
図９は、本発明の第１の実施形態に係る画像処理で取り扱うノイズの一例を示す図である。図９において、クラスタ６１とクラスタ６２は、領域分割処理及び領域統合処理後のクラスタから、それぞれ代表として選ばれた２つのクラスタ例である。これらのクラスタに小さな領域が多数存在し、そのままクラスタの輪郭線と内部色情報をベクトルデータに変換すれば、データ量が膨大となり問題となる。この問題を解決するために、前述したようにステップＳ１８では、領域分割の結果をラベリング処理する。そして、ステップＳ１９では、各ラベル領域の大きさによりノイズ領域であるかどうかを判定する。その結果、ラベル領域がある閾値より小さければノイズ領域と判定し、ノイズ領域再処理に戻る。尚、ノイズ６３に含まれた各領域はノイズ領域と判定された部分である。

＜ノイズ領域の再処理＞
図１０は、図２のステップＳ２３におけるノイズ領域の再処理の詳細について説明するためのフローチャートである。ここでは、ステップＳ２２において判定されたノイズ領域をノイズ領域の再処理対象にし、ノイズ領域に含まれたノイズ画素毎に除去処理を行う。

まず、ノイズ画素と各隣接クラスタ間の類似度を計算する（ステップＳ２３０１）。次に、ノイズ画素を計算された類似度から一番類似度の高いクラスタに属させる（ステップＳ２３０２）。そして、このノイズ領域に全てのノイズ画素に対する除去処理が終わるかどうかを判断する（ステップＳ２３０３）。その結果、未処理の画素があれば（Ｙｅｓ）、ステップＳ２３０１に戻って上記処理を繰り返し実行する。一方、未処理の画素がなければ（Ｎｏ）、このノイズ領域の再処理を終了する。

＜エッジクラスタ判定処理と統合処理＞
図１１は、図２のステップＳ２４におけるエッジクラスタ判定処理の詳細とステップＳ２５におけるエッジクラスタ統合処理の詳細について説明するためのフローチャートである。

まず、ステップＳ２４０１では、最初に形成したエッジクラスタ以外のクラスタのエッジ率を計算する。エッジ率はエッジにある画素数とクラスタの画素数の割合で、高いほどクラスタにエッジとみなされる画素が多いと考えられる。次いで、ステップＳ２４０２では、エッジ率により処理対象となるクラスタがエッジクラスタであるかどうかを判断する。その結果、エッジ率がある程度高ければ（Ｙｅｓ）、エッジクラスタと判断してステップＳ２４０３に進む。ステップＳ２４０３では、このクラスタの情報を最初のエッジクラスタに加えて、一つのクラスタに統合してステップＳ２４０４に進む。一方、エッジ率が高くなければ（Ｎｏ）、エッジクラスタではないと判定してステップＳ２４０４に進む。そして、ステップＳ２４０４では、未処理のクラスタがあるかどうかを判断する。その結果、未処理のクラスタがあれば（Ｙｅｓ）、ステップＳ２４０１に戻って上記処理を繰り返し実行する。一方、未処理のクラスタがなければ（Ｎｏ）、エッジクラスタ判定処理と統合処理を終了する。

＜エッジクラスタ統合の例＞
図１２は、本発明の第１の実施形態による分割されたクラスタからエッジクラスタと判定されたエッジクラスタに統合された例を示す図である。図１２において、７１はクラスタのエッジ率によりエッジクラスタと判定されたクラスタである。また、７２はクラスタ７１を統合した後のエッジクラスタである。

＜クリップアート画像の領域分割に基づいたベクトル化の例＞
図１３は、本発明の第１の実施形態によるクリップアート画像の領域分割に基づいたベクトル化の例を示す図である。

まず、領域分割処理結果の例について説明する。図１３において、クリップアート画像８１は、前述した一連の処理により、例えば、分割したい領域数の目標値が１０と指定される場合、領域分割結果８２の各クラスタに分割される。一連の処理とは、エッジクラスタ形成、色空間変換、無彩色部分と有彩色部分の分離、無彩色部分／有彩色部分の領域分割、無彩色部分／有彩色部分の領域統合、ノイズ領域判定、ノイズ領域の再処理、エッジクラスタ判定、エッジクラスタ統合処理をいう。

次に、ベクトル化処理結果の例について説明する。ベクトル化処理に必要なクラスタの輪郭と内部色情報の例としては、クラスタ８３、輪郭線８４、内部色情報８５が示される。領域分割結果８２をベクトルデータに変換された結果がベクトル画像８６である。

以上説明したように、本実施形態によれば、色彩情報に基づき画像を無彩色部分と有彩色部分に分離し、別々に領域分割と領域統合を行うことにより、グラデーション部分の領域分割を正確に行うことができる。これにより、各領域輪郭のベクトル化記述ためのデータ量を削減し、良好な画像の部品を得ることができるようになる。

≪第２の実施形態≫
＜装置の構成＞
図１４は、本発明の第２の実施形態に係るグラデーションが付いた画像のベクトル化処理を行う画像処理装置の構成を示すブロック図である。図１４において１１１は処理対象画像を入力する画像入力部、１１２は画像を色情報に基づき領域に分割する領域分割部、１１３は各領域をラベル領域に分離するラベリング処理部、１１４は各ラベル領域毎に画素の色変化方向を検出する色変化方向検出部である。また、１１５は各ラベル領域の色変化方向によりグラデーションが線状か放射状かを判定するグラデーション種別判定部、１１６はグラデーション種別にあわせてベクトルデータに変換するベクトル記述部である。

＜領域分割に基づいたベクトル化処理の概要＞
図１５は、第２の実施形態における領域分割に基づいたベクトル化処理手順を説明するためのフローチャートである。

まず、画像入力部１１１において処理対象画像を入力する（ステップＳ１１１）。次に、領域分割部１２において、色特徴に基づき、画像を適切に領域に分ける領域分割処理を行う（ステップＳ１１２）。この領域分割処理については図１６のフローチャートと図１７の領域分割例を用いて後述する。

次に、ステップＳ１１３では、ラベリング処理部１１３において、上記領域分割処理により得られた各領域をさらに細かくラベル領域に分け、各ラベル領域毎にグラデーションの種別が判定出来るようにラベリング処理を行う。尚、ラベリング処理は公知のラベリング処理を使う。

次に、ステップＳ１１４では、色変化方向検出部１１４において、各ラベル領域にある画素の色情報を利用し、色変化方向を検出する。この色変化方向検出処理については、図１８と図１９の色変化方向検出例を用いて後述する。

次に、ステップＳ１１５〜ステップＳ１１７では、グラデーション種別判定部１５において、各ラベル領域にある画素の色変化方向が揃うかどうかでグラデーションの種別を判定する。その結果、ステップＳ１１５で画素の色変化方向が同じ方向であれば（Ｙｅｓ）、対象ラベル領域のグラデーションを線状グラデーションと判定する（ステップＳ１１６）。一方、画素の色変化方向が同じ方向でなければ（Ｎｏ）、対象ラベル領域のグラデーションを放射状グラデーションと判定する（ステップＳ１１７）。

次に、ステップＳ１１８〜Ｓ１２１では、ベクトル化記述部１１６において、上記の各ラベル領域のグラデーション種別に応じてベクトルで記述する。線状グラデーションの場合は、線状グラデーション領域にある色の最大値と最小値を検出し（ステップＳ１１８）、線状グラデーションのベクトルで記述する（ステップＳ１１９）。一方、放射状グラデーションの場合は、放射状グラデーションの交点を検出し（ステップＳ１２０）、放射状グラデーションのベクトルで記述する（ステップＳ１２１）。尚、放射状グラデーションの交点検出処理については図２０、グラデーションのベクトル記述についてが図１９を参照して説明する。

＜領域分割処理＞
図１６は、本発明の第２の実施形態におけるグラデーション付きの画像の領域分割処理の詳細について説明するためのフローチャートである。

まず、グラデーションが付いた画像をＲＧＢカラー空間からＨＳＶカラー空間に変換する（ステップＳ１２０１）。次に、ＨＳＶカラー空間の彩度情報Ｓにより無彩色部分と有彩色部分に分離する（ステップＳ１２０２）。この処理では、彩度Ｓが０である画素を無彩色部分に属させ、彩度Ｓが０でない画素を有彩色部分に属させる。

次に、ステップＳ１２０３とＳ１２０４では、無彩色部分と有彩色部分をそれぞれ領域分割する。そして、ステップＳ１２０５とＳ１２０６では、無彩色部分と有彩色部分をそれぞれ領域統合する。以下では、これらの処理について順番に説明する。

ステップＳ１２０３の無彩色部分の領域分割処理は、無彩色部分に属した画素を対象に、無彩色の領域に分割する処理である。ラスタスキャンしたスタートの画素により、最初の無彩色クラスタを生成する。そして、次の画素に対して、全ての無彩色クラスタ間との類似度を求める。類似度が高いほど、画素とクラスタとの特徴が近いと考えられる。ここでは、類似度の計算にＲＧＢ値を用いるが、他のカラー空間の情報、或いは、カラー以外の情報を特徴量としても使える。そして、一番高い類似度とこの類似度に対応したクラスタ番号を記録し、この類似度を事前に設定された閾値とを比較する。その結果、閾値より高ければ、対象画素を記録された無彩色クラスタに属させる。一方、閾値より低ければ、対象画素により新たな無彩色クラスタを生成する。この処理は無彩色部分にある全ての画素の処理が終わるまで繰り返し実行する。

同様に、ステップＳ１２０４の有彩色部分の領域分割処理では、有彩色部分に属した各画素を対象に、有彩色部分の領域分割を行う。

また、ステップＳ１２０５の無彩色部分の領域統合処理は、前述した無彩色部分の領域分割結果に基づき無彩色部分のクラスタ間の統合を行う処理である。まず、分離したい無彩色領域数の目標値を入力する。本実施形態では、何色くらいに分離するかの目安になる。そして、無彩色部分のクラスタ数を数え、この数と領域数の目標値とを比較する。その結果、現在のクラスタ数が目標値より多ければ、クラスタの統合を行う。統合処理では、各クラスタ間の類似度を計算し、その中から一番類似度の高い二つのクラスタを一つのクラスタに統合する。領域統合処理は、現在のクラスタ数は目標値以下になるまで繰り返し実行する。

同様に、ステップＳ１２０６の有彩色部分の領域統合処理では、前述した有彩色部分の領域分割結果に基づき有彩色部分のクラスタ間の統合を行う。

次に、ステップＳ１２０７では、前述した領域統合の結果をラベリング処理する。圧縮の影響により境界線の部分にノイズが多数存在するので、ノイズ領域の判定のため、ラベリング処理で領域統合の各クラスタを更に連結情報により細かなラベル領域に分ける。

次に、ステップＳ１２０８では、前述したラベリング処理で得られた各ラベル領域の面積を見てノイズ領域であるかを判断する。ここで、領域の面積とは、この領域にある画素の数である。ステップＳ１２０８でラベル領域の面積が小さい領域をノイズ領域と判断した場合（Ｙｅｓ）はステップＳ１２０９に進む。ステップＳ１２０９では、ノイズ領域に属した各ノイズを再び周囲の領域との類似度を計算し、類似度の一番高い領域に新たに割り当てる。このノイズ領域再処理は、ノイズ領域にある各画素の処理が終わるまで繰り返し実行する。

以上の領域分割処理により、グラデーションが付いた画像をグラデーション部分の過分割がなく、一色のグラデーションを一つの領域に適切に分割できる結果が得られる。図１７は、第２の実施形態における領域分割処理における画像例を示す図である。図１７において、８１はグラデーションが付いた原画像である。また、８２は領域分割処理で得られた領域分割の結果であり、各クラスタはクラスタに属した各画素の色の平均で塗り潰されている。そして、８３は領域分割の各領域（或いは、クラスタ）の結果である。

＜色変化方向検出処理＞
図１８は、第２の実施形態における色変化方向、即ち、エッジの方向に対応する８種類のマスクを示す図である。以下、図１８を用いて、色変化方向検出処理について説明する。

まず、処理対象となるラベル領域にある各画素に対して、周囲の画素を利用し、八つのマスクごとにマスクの値を乗じて和をとる計算を行う。そして、その中で最大の値を示すマスクの向きが色変化方向、即ち、エッジの方向、その計算値がそのままエッジの強さになる。

図１９は、ある線状グラデーション領域（水平方向）とある放射状グラデーション領域に対して第２の実施形態における色変化方向検出処理で計算された各画素の色変化方向を示す図である。この水平方向の線状グラデーション領域において、各画素の色変化方向は水平方向であり、全部揃っている。この放射状グラデーション領域において、各画素の色変化方向はある点から放射状のようになる。

ここでは、色変化方向を８種類のエッジのみを使って、各画素のこの８種類のエッジ強度の中で、一番強いエッジ強度を持つエッジ方向を画素の色変化方向にする方法を説明した。実際に、８種類のエッジ方向以外に、さらに細かくエッジの方向を調整することも可能である。例えば、８種類のエッジ強度の中で、一番強いエッジ強度を持つエッジ方向の左右のマスクに示された方向を見て、画素の色変化方向を細かく求めることで実現可能になる。

＜交点検出処理＞
図２０は、第２の実施形態に係る交点検出処理の詳細について説明するための図である。交点検出処理では、まず、同じ方向を持つ画素の領域の重心を求める。例えば、図２０の左上に右下方向のエッジを持つ画素が沢山あり、これらの画素からなる領域は１つ目の領域になる。これらの画素の座標により１つ目の領域の重心Ａが求められる。同様に、左下に右上方向のエッジを持つ画素からなる２つ目の領域ができる。これらの画素により２つ目の領域の重心Ｂが求められる。この処理により、他にも同じ方向を持つ画素の領域の重心を求めることが出来る。

次に、重心からの方向ベクトルを領域の代表ベクトルにする。例えば、Ａからの右下方向ベクトルは１つ目の領域の代表ベクトルであり、Ｂからの右上方向ベクトルは２つ目の領域の代表ベクトルになる。この処理により、他にも同じ方向を持つ画素の領域の重心からの方向ベクトルを得ることができる。

次に、任意の二つの方向ベクトル間の交点を求め、グラデーション領域の交点を決める。例えば、Ａからの右下方向ベクトルとＢからの右上方向ベクトル間の交点はＯになる。

上述したような二つの方向ベクトルのみを利用する場合は、この二つの方向ベクトル間の交点をグラデーション領域の交点にすれば良い。また、複数ペアの方向ベクトルを利用する場合は、各方向ベクトルペア間の交点の平均値を取り、グラデーション領域の交点にすれば良い。

＜ベクトル記述＞
図２１は、第２の実施形態におけるベクトル記述処理について説明するための図である。

最初に、線状グラデーションのベクトル記述を説明する。図２１において、＜ｄｅｆｓ＞〜＜／ｄｅｆｓ＞部分は線状グラデーションパターンの定義である。この中の＜ｌｉｎｅａｒＧｒａｄｉｅｎｔ＞は線状グラデーションの標示であり、ｉｄ＝”…”はパターンの番号であり、Ａは色の最大値であり、Ｂは色の最小値である。また、＜ｐａｔｈ ｆｉｌｌ＝”…”＞部分は前記定義した線状グラデーションのパターンで描画する命令である。

次に、放射状グラデーションのベクトル記述を説明する。図２１において、＜ｄｅｆｓ＞〜＜／ｄｅｆｓ＞部分は放射状グラデーションパターンの定義である。この中の＜ｒａｄｉａｌＧｒａｄｉｅｎｔ＞は放射状グラデーションの標示であり、ｉｄ＝”…”はパターンの番号であり、Ａは中心点の色であり、Ｂは放射状周囲の色である。また、＜ｐａｔｈ ｆｉｌｌ＝”…”＞部分は前記定義した放射状グラデーションのパターンで描画する命令である。

図２２は、グラデーションが付いた画像の領域分割後に、ある領域１を線状グラデーションとして記述した結果と、ある領域２を放射状グラデーションとして記述した結果を示す図である。

以上説明したように、第２の実施形態によれば、グラデーションが付いた画像を領域分割した後に各ラベル領域に分け、各ラベル領域の色変化方向を検出し、色変化方向が揃いかどうかを見て線状グラデーションか放射状グラデーションを判定した。そして、グラデーションにあわせてベクトル記述した。これにより、原画像に近いグラデーション領域の再現が可能となる。また、ベクトル化によるデータの高圧縮化も図れる。

≪第３の実施形態≫
次に、本発明の第３の実施形態について説明する。本実施形態では、グラデーションの種別判定に、色変化方向に代えて、交点があるかどうかを見て線状グラデーションか放射状グラデーションを判定する方法について説明する。

図２３は、本発明の第３の実施形態に係るグラデーション付きの画像のベクトル化処理を行う画像処理装置の構成を示すブロック図である。ここで、２１１は処理対象画像を入力する画像入力部、２１２は画像を色情報に基づき領域に分割する領域分割部、２１３は各領域をラベル領域に分離するラベリング処理部、２１４は各ラベル領域毎に画素の色変化方向を検出する色変化方向検出部である。また、２２１は各ラベル領域の交点を検出する交点検出部、２２２は交点があるかによりグラデーションが線状か放射状かを判定するグラデーション種別判定部、２１６はグラデーション種別にあわせてベクトルデータに変換するベクトル記述部である。

図２４は、本発明の第３の実施形態に係る処理を説明するためのフローチャートである。まず、画像入力部２１１において処理対象画像を入力する（ステップＳ２１１）。次に、領域分割部２１２において、色特徴に基づき、画像を適切に領域に分ける領域分割処理を行う（ステップＳ２１２）。そして、ラベリング処理部２１３において、上記領域分割処理により得られた各領域をさらに細かくラベル領域に分け、各ラベル領域毎にグラデーションの種別が判定できるようにラベリング処理を行う（ステップＳ２１３）。次に、色変化方向検出部２１４において、各ラベル領域にある画素の色情報を利用して色変化方向を検出する（ステップＳ２１４）。

次に、交点検出部２２１において、各ラベル領域の色変化方向により交点を検出する（ステップＳ２２０）。尚、この交点検出処理は、前述した交点検出処理と基本的に同じであるが、任意の二つの方向ベクトル化間の交点を求めるのではなく、複数ペアの方向ベクトルを利用して、各方向ベクトルペア間の交点を求めることが必要である。そして、これらの交点がある程度近ければ点の中心を取ってグラデーションの交点とする。また、これらの交点がある程度遠ければ、交点がないとする。

次に、ステップＳ２２１、Ｓ２１５、Ｓ２１６では、グラデーション種別判定部２２２において、各ラベル領域に交点があるかどうかでグラデーションの種別を判定する。その結果、交点があれば（Ｙｅｓ）、対象ラベル領域のグラデーションを放射状グラデーションと判定する（ステップＳ２１５）。一方、交点がなければ（Ｎｏ）、対象ラベル領域のグラデーションを線状グラデーションと判定する（ステップＳ２１６）。

次に、ステップＳ２１６〜Ｓ２１９では、ベクトル化記述部２１６において、上記の各ラベル領域のグラデーション種別に応じてベクトルで記述する。ここで、線状グラデーションの場合は、線状グラデーション領域にある色の最大値と最小値を検出し（ステップＳ２１８）、線状グラデーションのベクトルで記述する（ステップＳ２１９）。一方、放射状グラデーションの場合は、放射状グラデーションのベクトルで記述する（ステップＳ２１７）。

以上説明したように、第３の実施形態によれば、グラデーションが付いた画像を領域分割した後に各ラベル領域に分け、各ラベル領域の色変化方向を検出し、各ラベル領域に交点があるかどうかを見て線状グラデーションか放射状グラデーションを判定した。そして、グラデーションにあわせてベクトル記述した。これにより、原画像に近いグラデーション領域の再現ができる。

≪第４の実施形態≫
次に、本発明の第４の実施形態について説明する。前述した第２の実施形態と第３の実施形態では、線状グラデーションと判定された部分を単なるグラデーションの濃淡パターンとしてベクトル記述するのを記載した。しかし、線状グラデーションであっても、実際に幾つかの線状グラデーションの色濃淡パターンがある。そこで、線状グラデーションがどのグラデーションの色濃淡パターンであるかを細かく判断し、線状グラデーションパターンにあわせてベクトル記述する。

図２５は、本発明の第４の実施形態に係る線状グラデーション判定処理を行う画像処理装置の構成を示すブロック図である。図２５において、３１は線状グラデーションと判定された部分を入力する線状グラデーション入力部、３２は処理対象の線状グラデーションにある色の最大値と最小値を検出する色最大値と最小値検出部である。また、３３は線状グラデーションパターンを判定する線状グラデーションパターン判定部、３４は線状グラデーションパターンにあわせてベクトル化記述するベクトル記述部である。

図２６は、本発明の第４の実施形態に係る画像処理装置における画像処理を説明するためのフローチャートである。まず、線状グラデーション入力部３１において、線状グラデーションと判定された部分を入力する（ステップＳ３１）。次に、ステップＳ３１とＳ３２では、色の最大値と最小値検出部３２において、処理対象の線状グラデーション領域にある色の最大値Ａとその位置Ａ’、色の最小値Ｂとその位置Ｂ’を検出し、Ａ’とＢ’を連接して方向を決める。

次いで、ステップＳ３３〜ステップＳ３９では、線状グラデーションパターン判定部３３において、線状グラデーションのパターンを判定する。

まず、Ａ’Ｂ’の線を延長して、線の延長線にある適当なところのＣ’点とＤ’点を取る。Ｃ’点の色はＣで、Ｄ’の色はＤである。そして、Ａ’、Ｂ’、Ｃ’、Ｄ’の４点の色Ａ、Ｂ、Ｃ、Ｄを見て、どの線状グラデーションパターンであるかを判断する。その結果、例えば色ＣはＡと同じで、色ＤはＢと同じであれば、パターン１のＡ→Ｂの濃淡パターンと判定する。また、例えば、色ＣはＡより薄く、色ＤはＢと同じであれば、パターン２のＣ→Ａ→Ｂの淡→濃→淡パターンと判定する。さらに、例えば、色ＣはＡと同じで、色ＤがＢより濃ければ、パターン３のＡ→Ｂ→Ｄの濃→淡→濃パターンと判定する。さらにまた、以上の条件を満たさなければ、色ＣはＡより薄く、色ＤはＢより濃いことが分かり、パターン４のＣ→Ａ→Ｂ→Ｄの淡→濃→淡→濃パターンと判定する。

次に、ステップＳ４０では、線状グラデーション記述部３４において、判定された線状グラデーションパターンに応じて線状グラデーションを記述する。図２７は、本発明の第４の実施形態による線状グラデーション記述処理の一例を示す図である。

以上説明したように、第４の実施形態によれば、線状グラデーションを細かく線状グラデーションパターンまで判定して記述することにより、より正確に線状グラデーションを再現することができる。
＜その他の実施形態＞
以上、実施形態例を詳述したが、本発明は、例えば、システム、装置、方法、プログラム若しくは記憶媒体（記録媒体）等としての実施態様をとることが可能である。具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

尚、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラム（実施形態では図に示すフローチャートに対応したプログラム）を、システムあるいは装置に直接あるいは遠隔から供給する。そして、そのシステムあるいは装置のコンピュータが該供給されたプログラムコードを読み出して実行することによっても達成される場合を含む。

従って、本発明の機能処理をコンピュータで実現するために、該コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。

その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であっても良い。

プログラムを供給するための記録媒体としては、例えば、以下のようなものがある。フロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）。

その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページからハードディスク等の記録媒体にダウンロードすることによっても供給できる。すなわち、ホームページに接続し、該ホームページから本発明のコンピュータプログラムそのもの、もしくは圧縮され自動インストール機能を含むファイルをダウンロードする。また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。

また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布する。そして、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせる。そして、その鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される。その他にも、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部または全部を行い、その処理によっても前述した実施形態の機能が実現され得る。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後にも前述した実施形態の機能が実現される。すなわち、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行うことによっても前述した実施形態の機能が実現される。

本発明の第１の実施形態に係る領域分割に基づいたベクトル化処理を行う機能を有する画像処理装置の構成を示すブロック図である。 本発明の第１の実施形態におけるクリップアート画像の領域分割に基づいたベクトル化処理についての概略を説明するためのフローチャートである。 本発明の第１の実施形態に係る画像処理において文書画像からクリップアート画像を選択した一例を示す図である。 図２のステップＳ１５におけるエッジクラスタ形成処理の詳細について説明するためのフローチャートである。 本発明の第１の実施形態によるクリップアート画像から形成したエッジクラスタの一例を示す図である。 図２のステップＳ１７における無彩色部分と有彩色部分の分離処理の詳細について説明するためのフローチャートである。 図２のステップＳ１８における無彩色部分の領域分割処理の詳細について説明するためのフローチャートである。 図２のステップＳ２０における無彩色部分の領域統合処理の詳細について説明するためのフローチャートである。 本発明の第１の実施形態に係る画像処理で取り扱うノイズの一例を示す図である。 図２のステップＳ２３におけるノイズ領域の再処理の詳細について説明するためのフローチャートである。 図２のステップＳ２４におけるエッジクラスタ判定処理の詳細とステップＳ２５におけるエッジクラスタ統合処理の詳細について説明するためのフローチャートである。 本発明の第１の実施形態による分割されたクラスタからエッジクラスタと判定されたエッジクラスタに統合された例を示す図である。 本発明の第１の実施形態によるクリップアート画像の領域分割に基づいたベクトル化の例を示す図である。 本発明の第２の実施形態に係るグラデーションが付いた画像のベクトル化処理を行う画像処理装置の構成を示すブロック図である。 第２の実施形態における領域分割に基づいたベクトル化処理手順を説明するためのフローチャートである。 本発明の第２の実施形態におけるグラデーション付きの画像の領域分割処理の詳細について説明するためのフローチャートである。 第２の実施形態における領域分割処理における画像例を示す図である。 第２の実施形態における色変化方向、即ち、エッジの方向に対応する８種類のマスクを示す図である。 ある線状グラデーション領域（水平方向）とある放射状グラデーション領域に対して第２の実施形態における色変化方向検出処理で計算された各画素の色変化方向を示す図である。 第２の実施形態に係る交点検出処理の詳細について説明するための図である。 第２の実施形態におけるベクトル記述処理について説明するための図である。 グラデーションが付いた画像の領域分割後に、ある領域１を線状グラデーションとして記述した結果と、ある領域２を放射状グラデーションとして記述した結果をを示す図である。 本発明の第３の実施形態に係るグラデーション付きの画像のベクトル化処理を行う画像処理装置の構成を示すブロック図である。 本発明の第３の実施形態に係る処理を説明するためのフローチャートである。 本発明の第４の実施形態に係る線状グラデーション判定処理を行う画像処理装置の構成を示すブロック図である。 本発明の第４の実施形態に係る画像処理装置における画像処理を説明するためのフローチャートである。 本発明の第４の実施形態による線状グラデーション記述処理の一例を示す図である。 図１に示す画像処理装置を実現した一実施形態であるディジタル複合機（ＭＦＰ）の主要部構成を示すブロック図である。

符号の説明

１１ 入力部
１２ 領域分離部
１３ クリップアート画像選択部
１４ エッジ抽出部
１５ エッジクラスタ形成部
１６ 色空間変換部
１７ 無彩色部分と有彩色部分分離部
１８ 無彩色部分領域分割部
１９ 有彩色部分領域分割部
２０ 無彩色部分領域統合部
２１ 有彩色部分領域統合部
２２ ノイズ領域判定部
２３ ノイズ領域再処理部
２４ エッジクラスタ判定部
２５ エッジクラスタ統合部
２６ ベクトル化部

Claims (15)

1. グラデーション部分を有する画像をベクトル化する画像処理装置における画像処理方法であって、
   分離手段が、前記画像を無彩色部分と有彩色部分とに分離する分離工程と、
   第１領域分割手段が、前記分離工程で分離された無彩色部分を複数の領域に分割する第１領域分割工程と、
   第２領域分割手段が、前記分離工程で分離された有彩色部分を複数の領域に分割する第２領域分割工程と、
   第１領域統合手段が、前記第１領域分割工程で分割された無彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第１領域統合工程と、
   第２領域統合手段が、前記第２領域分割工程で分割された有彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第２領域統合工程と、
   変換手段が、前記第１領域統合工程によって統合された後の領域と前記第２領域統合工程によって統合された後の領域との各々について、それぞれの領域の輪郭線と内部色とに基づいてベクトルデータに変換する変換工程と、
   を有し、
   前記変換工程では、
   前記第１領域統合工程によって領域統合された後の領域と前記第２領域統合工程によって領域統合された後の領域との各々について、それぞれの領域に含まれる画素の色変化方向を検出し、
   該検出した画素の色変化方向が同じ方向であると判断した領域のグラデーション種別を、線状グラデーションと判定し、
   該検出した画素の色変化方向が同じ方向でないと判断した領域のグラデーション種別を、放射状グラデーションと判定し、
   該判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトルデータに変換する
   ことを特徴とする画像処理方法。
2. グラデーション部分を有する画像をベクトル化する画像処理装置における画像処理方法であって、
   分離手段が、前記画像を無彩色部分と有彩色部分とに分離する分離工程と、
   第１領域分割手段が、前記分離工程で分離された無彩色部分を複数の領域に分割する第１領域分割工程と、
   第２領域分割手段が、前記分離工程で分離された有彩色部分を複数の領域に分割する第２領域分割工程と、
   第１領域統合手段が、前記第１領域分割工程で分割された無彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第１領域統合工程と、
   第２領域統合手段が、前記第２領域分割工程で分割された有彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第２領域統合工程と、
   変換手段が、前記第１領域統合工程によって統合された後の領域と前記第２領域統合工程によって統合された後の領域との各々について、それぞれの領域の輪郭線と内部色とに基づいてベクトルデータに変換する変換工程と、
   を有し、
   前記変換工程では、
   前記第１領域統合工程によって領域統合された後の領域と前記第２領域統合工程によって領域統合された後の領域との各々について、それぞれの領域に含まれる画素の色変化方向を検出し、
   領域に含まれる画素の前記検出した色変化方向の方向ベクトルの交点を検出し、
   前記方向ベクトルの交点が検出された領域のグラデーション種別を、放射状グラデーションと判定し、
   前記方向ベクトルの交点が検出されなかった領域のグラデーション種別を、線状グラデーションと判定し、
   該判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトルデータに変換する
   ことを特徴とする画像処理方法。
3. 前記分離工程が、
   前記画像をＲＧＢカラー空間からＨＳＶカラー空間に変換する色変換工程と、
   前記画像のＨＳＶカラー空間での色彩情報に基づいて、該画像を無彩色部分と有彩色部分とに分離する無彩色部分と有彩色部分分離工程と、
   を有することを特徴とする請求項１又は２に記載の画像処理方法。
4. 前記第１領域分割工程では、前記分離工程で分離された無彩色部分に含まれる各画素の輝度値に基づいて、前記無彩色部分を前記輝度値の差が一定値内の画素で構成される領域ごとに分割し、
   前記第２領域分割工程では、前記分離工程で分離された有彩色部分に含まれる各画素のカラー情報に基づいて、前記有彩色部分を前記カラー情報の差が一定値内の画素で構成される領域ごとに分割する
   ことを特徴とする請求項１又は２に記載の画像処理方法。
5. 前記カラー情報がＲＧＢ色情報であって、該カラー情報の差が該ＲＧＢ色情報に基づくＥｕｃｌｉｄｅａｎ距離であることを特徴とする請求項４に記載の画像処理方法。
6. 前記第１領域統合工程では、前記第１領域分割工程で分割された無彩色部分の複数の領域それぞれの輝度値に基づいて、領域間の輝度値距離が所定の距離閾値以下となる複数の領域を統合し、
   前記第２領域統合工程では、前記第２領域分割工程で分割された有彩色部分の複数の領域それぞれのＲＧＢ色情報と色相情報とに基づいて、領域間のＲＧＢ色情報の距離が所定の色閾値以下で且つ領域間の色相情報の距離が所定の色相閾値以下となる複数の領域を統合する
   ことを特徴とする請求項１又は２に記載の画像処理方法。
7. 選択手段が、カラー文書画像からクリップアート画像を選択する選択工程を更に含み、
   グラデーション部分を有する前記画像は、前記選択工程で選択されたクリップアート画像である
   ことを特徴とする請求項１又は２に記載の画像処理方法。
8. グラデーション部分を有する画像をベクトル化する画像処理装置における画像処理方法であって、
   領域分割手段が、前記画像を複数の領域に分割する領域分割工程と、
   色変化方向検出手段が、前記領域分割工程で分割された各領域に含まれる画素の色変化方向を検出する色変化方向検出工程と、
   グラデーション種別判定手段が、前記色変化方向検出工程で検出した色変化方向に基づいて、前記画像のそれぞれの領域のグラデーション種別を判定するグラデーション種別判定工程と、
   記述手段が、前記グラデーション種別判定工程で判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトル化する記述工程と、
   を有し、
   前記グラデーション種別判定工程では、
   前記検出した画素の色変化方向が同じ方向であると判断した領域のグラデーション種別を、線状グラデーションと判定し、
   前記検出した画素の色変化方向が同じ方向でないと判断した領域のグラデーション種別を、放射状グラデーションと判定する
   ことを特徴とする画像処理方法。
9. グラデーション部分を有する画像をベクトル化する画像処理装置における画像処理方法であって、
   領域分割手段が、前記画像を複数の領域に分割する領域分割工程と、
   色変化方向検出手段が、前記領域分割工程で分割された各領域に含まれる画素の色変化方向を検出する色変化方向検出工程と、
   グラデーション種別判定手段が、前記色変化方向検出工程で検出した色変化方向に基づいて、前記画像のそれぞれの領域のグラデーション種別を判定するグラデーション種別判定工程と、
   記述手段が、前記グラデーション種別判定工程で判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトル化する記述工程と、
   を有し、
   前記グラデーション種別判定工程では、
   領域に含まれる画素の前記検出した色変化方向の方向ベクトルの交点を検出し、
   前記方向ベクトルの交点が検出された領域のグラデーション種別を、放射状グラデーションと判定し、
   前記方向ベクトルの交点が検出されなかった領域のグラデーション種別を、線状グラデーションと判定する
   ことを特徴とする画像処理方法。
10. グラデーション部分を有する画像をベクトル化する画像処理装置であって、
    前記画像を無彩色部分と有彩色部分とに分離する分離手段と、
    前記分離手段で分離された無彩色部分を複数の領域に分割する第１領域分割手段と、
    前記分離手段で分離された有彩色部分を複数の領域に分割する第２領域分割手段と、
    前記第１領域分割手段で分割された前記無彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第１領域統合手段と、
    前記第２領域分割手段で分割された前記有彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第２領域統合手段と、
    前記第１領域統合手段によって統合された後の領域と前記第２領域統合手段によって統合された後の領域との各々について、それぞれの領域の輪郭線と内部色とに基づいてベクトルデータに変換する変換手段と、
    を備え、
    前記変換手段は、
    前記第１領域統合手段によって領域統合された後の領域と前記第２領域統合手段によって領域統合された後の領域との各々について、それぞれの領域に含まれる画素の色変化方向を検出し、
    該検出した画素の色変化方向が同じ方向であると判断した領域のグラデーション種別を、線状グラデーションと判定し、
    該検出した画素の色変化方向が同じ方向でないと判断した領域のグラデーション種別を、放射状グラデーションと判定し、
    該判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトルデータに変換する
    ことを特徴とする画像処理装置。
11. グラデーション部分を有する画像をベクトル化する画像処理装置であって、
    前記画像を無彩色部分と有彩色部分とに分離する分離手段と、
    前記分離手段で分離された無彩色部分を複数の領域に分割する第１領域分割手段と、
    前記分離手段で分離された有彩色部分を複数の領域に分割する第２領域分割手段と、
    前記第１領域分割手段で分割された前記無彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第１領域統合手段と、
    前記第２領域分割手段で分割された前記有彩色部分の複数の領域のうち、設定された条件を満たす複数の領域を統合する第２領域統合手段と、
    前記第１領域統合手段によって統合された後の領域と前記第２領域統合手段によって統合された後の領域との各々について、それぞれの領域の輪郭線と内部色とに基づいてベクトルデータに変換する変換手段と、
    を備え、
    前記変換手段は、
    前記第１領域統合手段によって領域統合された後の領域と前記第２領域統合手段によって領域統合された後の領域との各々について、それぞれの領域に含まれる画素の色変化方向を検出し、
    領域に含まれる画素の前記検出した色変化方向の方向ベクトルの交点を検出し、
    前記方向ベクトルの交点が検出された領域のグラデーション種別を、放射状グラデーションと判定し、
    前記方向ベクトルの交点が検出されなかった領域のグラデーション種別を、線状グラデーションと判定し、
    該判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトルデータに変換する
    ことを特徴とする画像処理装置。
12. グラデーション部分を有する画像をベクトル化する画像処理装置であって、
    前記画像を複数の領域に分割する領域分割手段と、
    前記領域分割手段で分割された各領域に含まれる画素の色変化方向を検出する色変化方向検出手段と、
    前記色変化方向検出手段で検出した色変化方向に基づいて、前記画像のそれぞれの領域のグラデーション種別を判定するグラデーション種別判定手段と、
    前記グラデーション種別判定手段で判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトル化する記述手段と、
    を備え、
    前記グラデーション種別判定手段は、
    前記検出した画素の色変化方向が同じ方向であると判断した領域のグラデーション種別を、線状グラデーションと判定し、
    前記検出した画素の色変化方向が同じ方向でないと判断した領域のグラデーション種別を、放射状グラデーションと判定する
    ことを特徴とする画像処理装置。
13. グラデーション部分を有する画像をベクトル化する画像処理装置であって、
    前記画像を複数の領域に分割する領域分割手段と、
    前記領域分割手段で分割された各領域に含まれる画素の色変化方向を検出する色変化方向検出手段と、
    前記色変化方向検出手段で検出した色変化方向に基づいて、前記画像のそれぞれの領域のグラデーション種別を判定するグラデーション種別判定手段と、
    前記グラデーション種別判定手段で判定したグラデーション種別に応じたベクトル記述を用いて、それぞれの領域をベクトル化する記述手段と、
    を備え、
    前記グラデーション種別判定手段は、
    領域に含まれる画素の前記検出した色変化方向の方向ベクトルの交点を検出し、
    前記方向ベクトルの交点が検出された領域のグラデーション種別を、放射状グラデーションと判定し、
    前記方向ベクトルの交点が検出されなかった領域のグラデーション種別を、線状グラデーションと判定する
    ことを特徴とする画像処理装置。
14. 請求項１から９の何れか一項に記載の画像処理方法をコンピュータに実行させるためのプログラム。
15. 請求項１４に記載のプログラムを格納したことを特徴とするコンピュータ読み取り可能な記憶媒体。

Images