JP4917959B2 - 知覚的な鏡面・拡散反射画像推定方法とその装置、及びプログラムと記憶媒体 - Google Patents

Description

この発明は、光沢のある物体の表面の画像を鏡面反射像と拡散反射像に分離し、鏡面反射像の光沢度と拡散反射像の明度を推定する方法とその装置、及びその装置のプログラムと記憶媒体に関する。

光沢のある物体の表面の画像は、ハイライトな鏡面反射の成分と、その物体の色を示す拡散反射の成分とからなる。非特許文献１に、任意の表面の画像を処理することにより鏡面反射の像と拡散反射の像に分離する技術は提案されている。これらは、管理された光源の環境下、例えば物体に対して直角を成す平行光を光源とし、同一の表面を異なる視点で撮影した複数の画像や、特殊な撮像装置で撮影した画像、例えばマルチスペクトル画像を入力データとして用い、物理的に正しく二つの成分を分離することを目的としている。
S.Tominaga and N.Tanaka,"Estimating reflection parameters from a single color image",IEEE.ComputerGraphics and Applications,20:58-66,2000

上記した管理された光源環境下における物理的な反射特性を利用した技術的な取り組みに対して、一枚のデジタル画像データから人間の知覚特性に合った自然な表面の光沢度や明度を推定する技術は未だ提案されていない。ここで自然な表面とは、一定の環境光下における凹凸の在る物体表面のことである。また、環境光とは、その一枚のデジタル画像が撮影された場面、例えば海岸における環境光のことである。

人間は、光沢のある表面の画像を、鏡面反射に起因する部分と、通常の陰影のように拡散反射に起因する部分に分離して観察し、更にその鏡面反射像と拡散反射像との関係から様々な質感を知覚している。また、人間はそれらから表面全体の光沢度や明度を言い当てることもできる。ここでハイライトのように鏡面反射に起因する部分を「知覚的な鏡面反射像」、通常の陰影のように拡散反射に起因する部分を「知覚的な拡散反射像」と定義する。

人間の知覚は、物理現象と必ずしも対応しないため、上記した従来技術を応用することができない。そこで、この発明は、物体表面のデジタル画像データに単純な処理を施すことで、デジタル画像データを知覚的な鏡面反射像と拡散反射像とに分離し、物体表面全体の知覚的な光沢度と明度を推定する方法とその装置、及びその装置のプログラムと、そのプログラムの記憶媒体を提供することを目的とする。

この発明による知覚的な鏡面・拡散反射画像推定装置は、輝度補正手段と、知覚的な鏡面反射像推定手段と、知覚的な拡散反射像推定手段と、明度推定手段と、光沢度推定手段とを具備する。

輝度補正手段は、入力される画像データの各画素の輝度を、入力画像データの所定範囲内の平均輝度を用いて輝度補正した画像強度データを出力する。知覚的な鏡面反射像推定手段は、輝度補正手段から出力された画像強度データの濃淡が細かく変化する所定周波数以上の領域を高域通過フィルタで取り出し、当該高域通過フィルタの出力信号に対して一定値以上で飽和するように非線形変換を施して知覚的な鏡面反射像のデータを得る。知覚的な拡散反射像推定手段は、輝度補正手段で輝度補正された画像強度データから、知覚的な鏡面反射像推定手段の出力する知覚的な鏡面反射像のデータに閾値処理を施した画像強度データを減算して知覚的な拡散反射像のデータを得る。明度推定手段は、知覚的な拡散反射像推定手段の出力する知覚的な拡散反射像のデータを平均して明度を得る。光沢度推定手段は、知覚的な鏡面反射像推定手段の出力する知覚的な鏡面反射像のデータを平均し、その平均値を上記明度で除算して光沢度を得る。

この発明による知覚的な鏡面・拡散反射画像推定装置及びその方法によれば、任意の物体の一枚の表面画像データから、その表面に対して人間が知覚するであろう光沢感や明度を推定することができる。これにより、特定の見かけの光沢や明るさを持つ表面を、例えば或る光景の中から、或いは複数の画像の中から探索することが可能になる。

また、異なるモニタやプリンタ等の表示装置の間における見かけの質感を揃えたり、表面の見かけの質感を変化させるといった質感マネージメント技術のための基礎処理ユニットとして用いることもできる。また、この発明の知覚的な鏡面・拡散反射画像推定方法は、比較的簡単な計算に基づいているので、上記した効果を高速に実現できる効果も奏する。

以下、この発明の実施の形態を図面を参照して説明する。複数の図面中同一のものには同じ参照符号を付し、説明は繰り返さない。

この発明の知覚的な鏡面・拡散反射画像推定装置１００の機能構成例を図１に、その動作フローを図２に示して動作を説明する。
鏡面・拡散反射画像推定装置１００は、輝度補正手段１０と、知覚的な鏡面反射像推定手段２０と、知覚的な拡散反射像推定手段３０と、明度推定手段４０と、光沢度推定手段５０とで構成される。

輝度補正手段１０には、ＣＣＤカメラ等で撮影されたデジタル画像データ（以降デジタルは省略する）、若しくは任意の画像データ、例えば画面解像度７２dpi（５,１８４画素/１インチ四方）の画像データが、光学手段５から入力される。輝度補正手段１０は、入力される画像データの各画素（ピクセル）の輝度を、入力された画像データの所定範囲内の平均輝度を用いて非線形変換して輝度補正する輝度補正過程（図２：ステップＳ１０）を行う。輝度補正された所定範囲の各画素の画像強度データは、知覚的な鏡面反射像推定手段２０と知覚的な拡散反射像推定手段３０に入力される。

ここでの所定範囲とは、入力画像データの全領域でもよいし、図示しない領域指定手段でその領域を任意に設定できるようにしてもよい。この領域指定手段については、入力画像データ内の所定範囲を特定するものであり、簡単に実現できる。また、この発明の主要部でも無いので詳しい説明は省略する。

知覚的な鏡面反射像推定手段２０は、輝度補正手段１０で輝度補正された画像強度データの濃淡が細かく変化する領域を高域通過フィルタで取り出し、一定値以上で飽和するように非線形変換を施して知覚的な鏡面反射像のデータを得る鏡面反射像推定過程（ステップ（Ｓ２０）を行う。

知覚的な拡散反射像推定手段３０は、輝度補正手段１０で輝度補正された所定範囲の画像強度データから、知覚的な鏡面反射像推定手段２０の出力する知覚的な鏡面反射像のデータに閾値処理を施した画像強度データを減算して知覚的な拡散反射像のデータを得、明度推定手段４０に出力する拡散反射像推定過程（ステップＳ３０）を行う。
明度推定手段４０は、知覚的な拡散反射像推定手段の出力する知覚的な拡散反射像の画像強度データの平均強度を計算して明度とし、光沢度推定手段５０に出力する明度推定過程（ステップＳ４０）を行う。

光沢度推定手段５０は、知覚的な鏡面反射像推定手段２０の出力する知覚的な鏡面反射像の画像強度データの平均強度を求め、その平均強度を上記明度で除算して光沢度を得る光沢度推定過程（ステップＳ５０）を行う。
以上の構成と過程により入力画像データを、知覚的な鏡面反射像と知覚的な拡散反射像とに分離し、所定領域内の知覚的な光沢度と明度を求めることができる。

次にこの発明による知覚的な鏡面・拡散反射画像推定装置１００の各手段のより具体的な機能構成例を図３に、その動作フローを図４に示して更に詳しく説明する。
〔輝度補正手段１０〕
輝度補正手段１０は、画像記憶部１２と、平均輝度算出部１４と、輝度非線形変換部１６と、第１除算部１８とで構成される。画像記憶部１２は、例えば光学手段５、若しくはデジタル画像データとして直接入力される入力画像データを記憶する（ステップＳ１２）。平均輝度算出部１４は、画像記憶部１２に記憶された入力画像データの所定範囲内の平均輝度を算出する（ステップＳ１４）。輝度非線形変換部１６は、平均輝度算出部１４で求めた平均輝度を非線形変換する（ステップＳ１６）。第１除算部１８は、画像記憶部１２に記憶された入力画像データを、その範囲の非線形変換された平均輝度で除算する（ステップＳ１８）。

入力画像データをI（ｘ，ｙ）とし（ｘ，ｙは画素の位置を表わす）、ある所定範囲内の入力画像データをその範囲の非線形変換された平均輝度で除算した画像データを、輝度補正された画像強度データI’（ｘ，ｙ）とする。そのI’（ｘ，ｙ）は式（１）で表わせる。

ここでmean_Ｓ[I（ｘ，ｙ）]は、所定範囲Ｓ内の入力画像データI（ｘ，ｙ）の平均値を表わす。ｍは非線形変換の係数を表わし０＜ｍ＜１の大きさを持つ値である。ｍが大きいほど画像強度は低下する。なお、１画素は、三原色を合成した色の濃い薄いを示す階調情報から成る。式（１）では三原色を合成した階調情報をＩ（ｘ，ｙ）と表記している。
輝度補正された画像強度データは、知覚的な鏡面反射像推定手段２０と知覚的な拡散反射像推定手段３０に入力される。

〔知覚的な鏡面反射像推定手段２０〕
知覚的な鏡面反射像推定手段２０は、実空間の画像強度データを空間周波数領域の信号に変換する空間周波数領域変換部２２と、高域通過フィルタ２４と、高域通過フィルタリングされた空間周波数領域の画像強度データを実空間の画像強度データに変換する実空間領域変換部２６と、反射非線形変換部２８とで構成される。

空間周波数領域変換部２２は、知覚的な鏡面反射像推定手段２０から入力される実空間の画像強度データを横方向と縦方向について、例えば離散高速フーリエ変換して２次元の周波数領域の画像強度データに変換する（ステップＳ２２）。高域通過フィルタ２４は、空間周波数領域に変換された画像強度データを式（２）でフィルタリングする（ステップＳ２４）。

ここで、ｆは対象画像（所定範囲の画像）の面積の平方根をＮとしたときの空間周波数を表わす。単位はサイクル/Ｎである。空間周波数の単位は、一般的にはサイクル/度が用いられるが、サイクル/度では観察距離によって最適なサイクル数が変ってしまう。ここでは、上記した領域指定手段で選択した対象画像、つまりオブジェクトの中で何サイクルであるかが重要なので、サイクル/Ｎを用いている。ｆ_０は遮断周波数、σはパワー低下の傾斜度を表わす。

実空間領域変換部２６は、高域通過フィルタ２４の出力信号を、例えば離散高速逆フーリエ変換によって実空間領域の画像強度データｈ（ｘ，ｙ）に変換する（ステップＳ２６）。この空間周波数領域変換部２２と高域通過フィルタ２４と実空間領域変換部２６の動作によって画像強度データＩ’（ｘ，ｙ）内のある周波数以上の周波数成分を持つ領域が抽出される。

反射非線形変換部２８は、画像強度データｈ（ｘ，ｙ）の正の値のみ取り出し、且つ一定値以上で飽和する非線形変換を施す（ステップＳ２８）。この結果、知覚的な鏡面反射像Ｓ（ｘ，ｙ）が得られる。つまり、画像強度が飽和する鏡面反射の領域が得られる。この知覚的な鏡面反射像Ｓ（ｘ，ｙ）は、式（３）で表わせる。

ここでｐは飽和の強さを表わすパラメータであり、ｐが１に近いほど関数はなだらかな曲線のようになり、ｐが大きくなればその変化はステップ関数のように急峻になる。Ｚは飽和を始めるｈ（ｘ，ｙ）の値を決定するパラメータである。知覚的な鏡面反射像Ｓ（ｘ，ｙ）は、知覚的な拡散反射像推定手段３０と光沢度推定手段５０に入力される。

〔知覚的な拡散反射像推定手段３０〕
知覚的な拡散反射像推定手段３０は、閾値処理部３２と、減算部３４とで構成される。閾値処理部３０は、所定の閾値以上の画像強度データとそれ以下の画像強度データとを切り分ける処理を行なう（ステップＳ３２）。減算部３４は、輝度補正手段１０が出力する輝度補正された画像強度データＩ’（ｘ，ｙ）から、閾値処理部３２が出力する所定の閾値以上の強度の画像強度データを減算する（ステップＳ３４）。その結果、知覚的な拡散反射像ｄ（ｘ，ｙ）が得られる。

知覚的な拡散反射像ｄ（ｘ，ｙ）は式（４）で表わせる。
ここで、Ｔ[Ｓ（ｘ，ｙ），ｔ]は閾値処理を表わす。ｔが閾値である。式（４）に示すように閾値ｔ以上の強度を持つ画像強度データＩ’（ｘ，ｙ）が削除されたものが、知覚的な拡散反射像ｄ（ｘ，ｙ）となる。

〔明度推定手段４０〕
明度推定手段４０は、拡散反射平均強度算出部４２から成り、知覚的な拡散反射像の画像領域に渡ってその強度を平均して明度Ｌを算出する（ステップＳ４２）。明度Ｌは式（５）で表わせる。

〔光沢度推定手段５０〕
光沢度推定手段５０は、鏡面反射平均強度算出部５２と第２除算部５４とで構成される。鏡面反射平均強度算出部５２は、知覚的な鏡面反射像のデータを平均する（ステップＳ５２）。第２除算部５４は、鏡面反射平均強度算出部５２の出力信号を明度推定手段４０の出力信号で除して光沢度Ｇを算出する（ステップＳ５４）。光沢度Ｇは式（６）で表わせる。

〔この発明の検証実験〕
この発明による知覚的な鏡面・拡散反射画像推定装置で求めた光沢度と明度と、人間（被験者）の感覚との一致度を検証した実験結果を説明する。
実験に際して図５に示す凹凸の在る人工物体をコンピュータグラフィクスで作成した。この人工物体は、特定の拡散反射率を持つLambertian表面をシミュレートしたものであり、下記の鏡面・拡散反射率の部分を含むものである。レンダリングソフトには、デイストーム社のLIGHTWAVE，Ver.8.5を用いた。

この人工物体の鏡面反射率を0.1995〜0.7943、拡散反射率を0.7999〜0.0125の範囲でそれぞれ７段階に設定し、それぞれの人工物体に所定の環境光が照射されたときの画像を図６に示す。図６では、列ごとに鏡面反射率と拡散反射率とが異なり右側に位置するほど物理的な鏡面反射率が高く、拡散反射率が低くなるように人工物体が並べられている。最上行から下方向に、行ごとに「夕暮れの海岸」、「木立の中」、「晴天のゴルフ場」、「晴天の大学キャンパス」、「暗いラウンジ」、「ホテルロビー」、「教会」、「曇天のスキー場」を想定した環境光が人工物体に照射されている。

ここで人工物体に照射される光を環境光としている理由は、この発明が所定の照度（ルクス）や輝度（ｃｄ/ｍ^２）のような管理された光源下での画像データを対象にしていないことによる。つまり、この発明はあらゆる場面での画像データから光沢度と明度を求めることを目的にしているからである。

図６の画像データからこの発明の知覚的な鏡面・拡散反射画像推定方法によって、各人工物体の知覚的な拡散反射像を分離したものを図７（ａ）に、知覚的な鏡面反射像を分離したものを図７（ｂ）に示す。図７（ａ）、（ｂ）の各人工物体の位置と、図６の各人工物体の位置とは対応している。上記した各パラメータ値は、ｍ＝０.６、ｆ_０＝１６cycle/N、σ＝０.４、ｐ＝２、Ｚ＝２０、ｔ＝０.１とした。図７（ａ）と（ｂ）から明らかなように、人間にとってハイライトのように見える部分と、それ以外の部分とがよく分離されている様子が分かる。

次に図６に示した最左列から一列置きの４列の人工物体３２個（４列×８個）と、それぞれの物理的な鏡面反射率と拡散反射率を１/４倍と１/１６倍した計９６個（３２×３）を８名の被験者に見せ、マッチング実験を行った。実験は、１個の人工物体の映像と、鏡面・拡散反射率が異なる６×６個の標準サンプルとを同時に被験者に見せ、光沢度と明度とが一致する標準サンプルを選択してもらう方法で行った。

その結果の明度を図８（ａ）に、光沢度を図８（ｂ）に示す。図８（ａ）の横軸は、この発明で求めた明度の相対的な推定値、縦軸は被験者によりマッチするとされた相対的な明度を、それぞれ対数軸で示す。図８（ｂ）は横軸、縦軸が光沢度である点で図８（ａ）と異なる。ここで、それぞれを相対的な値としている理由は、この分野において標準的なスケールが未だ確立されていないことによる。

図８の二つのグラフの各評価点には、標準誤差を表わすエラーバーが薄墨で描かれている。明度、光沢度、共に相対的推定値が大きければ被験者によってマッチされた相対的な値も大きく、強い正の相関を示した。回帰直線を黒点で示す。明度の相関係数γ_Ｌ＝０．８５、光沢度の相関係数γ_Ｇ＝０．８９と、人間の感覚と良く一致した結果が得られた。推定された光沢度Ｇと明度Ｌの定量値については、上記のように標準スケールが無いことから普遍的な意味を持たないので明示するのを省略する。

以上述べたようにこの発明による知覚的な鏡面・拡散反射画像推定方法によれば、一枚のデジタル画像データから人間が知覚するであろう光沢感や明度感を推定することができる。

以上の実施例の他、この発明である装置及び方法は上述の実施形態に限定されるものではなく、この発明の趣旨を逸脱しない範囲で適宜変更が可能である。また、上記装置及び方法において説明した処理は、記載の順に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されるとしてもよい。

また、上記装置における処理手段をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、各装置における処理手段がコンピュータ上で実現される。

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記憶媒体に記憶しておくことができる。コンピュータで読み取り可能な記憶媒体としては、例えば、磁気記憶装置、光ディスク、光磁気記憶媒体、半導体メモリ等どのようなものでもよい。具体的には、例えば、磁気記憶装置として、ハードディスク装置、フレキシブルディスク、磁気テープ等を、光ディスクとして、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ−ＲＡＭ（Random Access Memory）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ−Ｒ（Recordable）/ＲＷ（ReWritable）等を、光磁気記憶媒体として、ＭＯ（Magneto Optical disc）等を、半導体メモリとしてＥＥＰ−ＲＯＭ（Electronically Erasable and Programmable-Read Only Memory）等を用いることができる。

また、このプログラムの流通は、例えば、そのプログラムを記憶したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記憶媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。
また、各手段は、コンピュータ上で所定のプログラムを実行させることにより構成することにしてもよいし、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

この発明の知覚的な鏡面・拡散反射画像推定装置１００の実施例の機能構成例を示す図。 この知覚的な鏡面・拡散反射画像推定装置１００の動作フローを示す図。 この発明による知覚的な鏡面・拡散反射画像推定装置１００の各手段のより具体的な機能構成例を示す図。 図３の動作フローを示す図。 この発明の検証実験に用いた人工物体を示す図。 鏡面・拡散反射率が異なる人工物体に所定の環境光が照射されたときの画像を示す図。 図６の画像データからこの発明の知覚的な鏡面・拡散反射画像推定方法によって求めた知覚的な鏡面反射像と拡散反射像を示す図であり、（ａ）は知覚的な拡散反射像を示す図、（ｂ）は知覚的な鏡面反射像を示す図である。 マッチング実験の結果を示す図であり、（ａ）は明度の相対的推定値と被験者によりマッチされた相対的明度との相関を示す図、（ｂ）は光沢度の相対的推定値と被験者によりマッチされた相対的光沢度との相関を示す図である。

Claims (9)

1. 入力される画像データの各画素の輝度を、上記入力画像データの所定範囲内の平均輝度を用いて輝度補正し、画像強度データとして出力する輝度補正手段と、
   上記画像強度データの濃淡が細かく変化する所定周波数以上の領域を高域通過フィルタで取り出し、当該高域通過フィルタの出力信号に対して一定値以上で飽和するように非線形変換を施して知覚的な鏡面反射像のデータを得る知覚的な鏡面反射像推定手段と、
   上記画像強度データから、上記知覚的な鏡面反射像推定手段の出力する知覚的な鏡面反射像のデータに閾値処理を施した画像強度データを減算して知覚的な拡散反射像のデータを得る知覚的な拡散反射像推定手段と、
   上記知覚的な拡散反射像推定手段の出力する知覚的な拡散反射像のデータを平均して明度を得る明度推定手段と、
   上記知覚的な鏡面反射像推定手段の出力する知覚的な鏡面反射像のデータを平均し、その平均値を上記明度で除算して光沢度を得る光沢度推定手段と、
   を具備することを特徴とする知覚的な鏡面・拡散反射画像推定装置。
2. 請求項１に記載の知覚的な鏡面・拡散反射画像推定装置において、
   上記輝度補正手段は、上記入力画像データを記憶する画像記憶部と、上記画像記憶部に記憶された入力画像データの所定範囲内の平均輝度を算出する平均輝度算出部と、上記平均輝度算出部の出力する平均輝度を非線形変換する輝度非線形変換部と、上記入力画像データの各画素の輝度を上記輝度非線形変換部の出力信号で除する第１除算部とを具備することを特徴とする知覚的な鏡面・拡散反射画像推定装置。
3. 請求項１又は２に記載の知覚的な鏡面・拡散反射画像推定装置において、
   上記知覚的な鏡面反射像推定手段は、上記輝度補正手段の出力する上記画像強度データを空間周波数領域の信号に変換する空間周波数領域変換部と、上記空間周波数領域変換部の出力信号を高域通過フィルタリングする高域通過フィルタと、上記高域通過フィルタの出力信号を実空間領域の信号に変換する実空間領域変換部と、上記実空間領域変換部の出力信号の正の値のみを取り出して一定値以上で飽和させる非線形変換を行う反射非線形変換部と、
   を具備することを特徴とする知覚的な鏡面・拡散反射画像推定装置。
4. 請求項１乃至３の何れかに記載の知覚的な鏡面・拡散反射画像推定装置において、
   上記知覚的な拡散反射像推定手段は、上記鏡面反射像推定手段の出力する知覚的な鏡面反射像のデータに対して閾値処理を行なう閾値処理部と、上記輝度補正手段で生成された上記画像強度データから上記閾値処理部で閾値処理された画像強度データを減ずる減算部とを具備することを特徴とする知覚的な鏡面・拡散反射画像推定装置。
5. 請求項１乃至４の何れかに記載の知覚的な鏡面・拡散反射画像推定装置において、
   上記光沢度推定手段は、上記知覚的な鏡面反射像推定手段の出力する知覚的な鏡面反射像のデータを平均する鏡面反射平均強度算出部と、上記鏡面反射平均強度算出部の出力信号を上記拡散反射平均強度算出部の出力信号で除する第２除算部とを具備することを特徴とする知覚的な鏡面・拡散反射画像推定装置。
6. 輝度補正手段が、入力される画像データの各画素の輝度を、入力画像データの所定範囲内の平均輝度を用いて輝度補正した画像強度データを出力する輝度補正過程と、
   知覚的な鏡面反射像推定手段が、上記強度補正手段で補正した画像強度データの濃淡が細かく変化する所定周波数以上の領域を高域通過フィルタで取り出し、当該高域通過フィルタの出力信号に対して一定値以上で飽和するように非線形変換を施して知覚的な鏡面反射像のデータを得る鏡面反射像推定過程と、
   知覚的な拡散反射像推定手段が、上記輝度補正手段で輝度補正した画像強度データから、上記知覚的な鏡面反射像推定手段の出力する知覚的な鏡面反射像のデータに閾値処理を施した画像強度データを減算して知覚的な拡散反射像を得る拡散反射像推定過程と、
   明度推定手段が、上記知覚的な拡散反射像推定手段の出力する知覚的な拡散反射像のデータを平均して明度を得る明度推定過程と、
   光沢度推定手段が、上記知覚的な鏡面反射像推定手段が出力する知覚的な鏡面反射像のデータを平均し、その平均値を上記明度で除算して光沢度を得る光沢度推定過程と、
   を含むことを特徴とする知覚的な鏡面・拡散反射画像推定方法。
7. 請求項６に記載の知覚的な鏡面・拡散反射画像推定方法において、
   上記輝度補正過程は、入力される画像データを記憶する画像記憶ステップと、上記画像記憶ステップで記憶された各画素の輝度を平均する平均輝度算出ステップと、上記平均輝度算出ステップで生成された平均輝度を非線形変換する輝度非線形変換ステップと、上記画像記憶ステップで記憶された入力画像データを上記非線形変換ステップで非線形変換された平均輝度で除して画像強度データとする第１除算ステップとを含み、
   上記鏡面反射像推定過程は、上記輝度補正過程で生成された画像強度データを空間周波数領域の信号に変換する空間周波数領域変換ステップと、上記空間周波数領域変換ステップで空間周波数領域の信号に変換された画像強度データを高域通過フィルタリングする高域通過フィルタリングステップと、上記高域通過フィルタリングステップでフィルタリングされた画像強度データを実空間領域の信号に変換する実空間領域変換ステップと、上記実空間領域変換ステップで生成された正の値のみを取り出し、且つ一定値以上で飽和する非線形変換を行う反射非線形変換ステップとを含み、
   上記拡散反射像推定過程は、上記鏡面反射像推定過程で生成された知覚的な鏡面反射像に対して閾値処理を行なう閾値処理ステップと、上記輝度補正過程で生成された画像強度データから上記閾値処理ステップで生成された閾値以上の強度を持つ画素を減ずる減算ステップとを含み、
   上記明度推定過程は、上記知覚的な拡散反射像推定過程で生成された知覚的な拡散反射像のデータを平均する拡散反射平均強度算出ステップを含み、
   上記光沢度推定過程は、上記知覚的な鏡面反射像推定過程で生成された知覚的な鏡面反射像のデータを平均する鏡面反射平均強度算出ステップと、上記鏡面反射平均強度算出ステップで生成された出力信号を上記拡散反射平均強度算出ステップで生成された出力信号で除する第２除算ステップとを含む、
   ことを特徴とする知覚的な鏡面・拡散反射画像推定方法。
8. 請求項１乃至５の何れかに記載した各装置としてコンピュータを機能させるためのプログラム。
9. 請求項８に記載したプログラムを記憶したコンピュータで読み取り可能な記憶媒体。