JP5011453B2

JP5011453B2 - 画像処理装置及び画像処理装置の制御方法

Info

Publication number: JP5011453B2
Application number: JP2011533445A
Authority: JP
Inventors: 悠介登本
Original assignee: Olympus Medical Systems Corp
Current assignee: Olympus Medical Systems Corp
Priority date: 2010-06-30
Filing date: 2011-03-31
Publication date: 2012-08-29
Anticipated expiration: 2031-03-31
Also published as: CN102740756B; JPWO2012002012A1; CN102740756A; US20120076373A1; WO2012002012A1; EP2502547A4; EP2502547A1; US8509509B2; EP2502547B1

Description

本発明は、画像処理装置及び画像処理方法に関し、特に、生体組織の診断等に用いられる画像処理装置及び画像処理方法に関するものである。

内視鏡等により体腔内の生体組織を撮像して得られた画像における病変部位（異常部位）の特定を支援する目的において、生体粘膜下の血管の走行パターン、及び（または）、上皮組織の所定の構造等を該画像の中から検出する画像処理に関する研究が近年進められている。

例えば、ＡｌｅｊａｎｄｒｏＦ．Ｆｒａｎｇｉ，ＷｉｒｏＪ．Ｎｉｅｓｓｅｎ，ＫｏｅｎＬ．ＶｉｎｃｋｅｎａｎｄＭａｘＡ．Ｖｉｅｒｇｅｖｅｒ：「ＭｕｌｔｉｓｃａｌｅＶｅｓｓｅｌＥｎｈａｎｃｅｍｅｎｔＦｉｌｔｅｒｉｎｇ」，ＬＮＣＳ，ｖｏｌ．１４９６，ＳｐｒｉｎｇｅｒＶｅｒｌａｇ，Ｂｅｒｌｉｎ，Ｇｅｒｍａｎｙ，ｐｐ．１３０−１３７（以降、非特許文献１と呼ぶ）には、ヘッセ行列を用いた演算により得られる固有値により線状構造をモデル化し、該固有値を用いて所定の評価値を算出し、該所定の評価値の大きさに応じて画像内に含まれる線状構造を強調するような画像処理が開示されている。

ところで、内視鏡またはカプセル型内視鏡により体腔内を撮像して得られた画像においては、撮像対象となる生体組織の特性、及び、撮像対象となる生体組織を照明する際の照明強度等の要因が複合的に組み合わさることにより、異なる画像間のみならず、同一の画像内であってもコントラストの変動（ばらつき）が比較的大きくなる傾向がある。

一方、非特許文献１に開示された画像処理によれば、前述の所定の評価値がコントラストの大きさに依存して増減するため、例えば、Ｘ線造影により得られた画像等の、コントラストの変動が生じ難い画像に対しては有効に作用する反面、内視鏡またはカプセル型内視鏡により体腔内を撮像して得られた画像等の、コントラストの変動が生じ易い画像に対しては効果が得られ難い、という課題が生じている。

本発明は、前述した事情に鑑みてなされたものであり、生体組織を撮像して得た画像のコントラストが大きく変動するような場合であっても、所定の形状の構造を安定的に検出することが可能な画像処理装置及び画像処理方法を提供することを目的としている。

本発明の一態様の画像処理装置は、生体組織を撮像して得た画像の各画素毎に、注目画素及び該注目画素の近傍の各画素を含む局所領域がどのような形状をなしているかの指標を示す第１の特徴量を算出する第１の特徴量算出部と、前記画像の各画素毎に算出された勾配方向及び勾配強度から決定される勾配ベクトルに基づき、第２の特徴量として前記局所領域における分布状態を示す勾配ベクトル集中度を算出する第２の特徴量算出部と、前記第１の特徴量及び前記第２の特徴量の算出結果に基づき、前記画像に含まれる線状の構造と塊状の構造とをそれぞれ判別可能な値を形状評価値として前記画像の各画素毎に算出する評価値算出部と、前記形状評価値の算出結果に基づき、前記線状の構造が存在すると推定される候補領域と、前記塊状の構造が存在すると推定される候補領域と、を前記画像の中から個別に抽出する領域抽出部と、を有する。

本発明の一態様の画像処理方法は、医用画像に対して所定の形状を抽出するための画像処理装置の制御方法であって、第１の特徴量算出部が、生体組織を撮像して得た画像の各画素毎に、注目画素及び該注目画素の近傍の各画素を含む局所領域がどのような形状をなしているかの指標を示す第１の特徴量を算出する第１の特徴量算出ステップと、第２の特徴量算出部が、前記画像の各画素毎に算出された勾配方向及び勾配強度から決定される勾配ベクトルに基づき、第２の特徴量として前記局所領域における分布状態を示す勾配ベクトル集中度を算出する第２の特徴量算出ステップと、評価値算出部が、前記第１の特徴量及び前記第２の特徴量の算出結果に基づき、前記画像に含まれる線状の構造と塊状の構造とをそれぞれ判別可能な値を形状評価値として前記画像の各画素毎に算出する評価値算出ステップと、領域抽出部が、前記形状評価値の算出結果に基づき、前記線状の構造が存在すると推定される候補領域と、前記塊状の構造が存在すると推定される候補領域と、を前記画像の中から個別に抽出する領域抽出ステップと、を実行する。

本発明の実施例に係る画像処理装置を有する内視鏡装置の要部の構成の一例を示す図。図１の光源装置が有する回転フィルタの構成の一例を示す図。図２の第１のフィルタ群が有する各フィルタの透過特性の一例を示す図。図２の第２のフィルタ群が有する各フィルタの透過特性の一例を示す図。本発明の実施例において行われる処理の一例を示すフローチャート。処理対象となる画像データの一例を示す模式図。勾配ベクトル集中度の算出の際に用いられる要素を説明するための図。

以下、本発明の実施の形態について、図面を参照しつつ説明を行う。

図１から図７は、本発明の実施例に係るものである。

内視鏡装置１は、図１に示すように、被検者の体腔内に挿入され、該体腔内の生体組織１０１等の被写体を撮像して得た画像を信号出力する内視鏡２と、生体組織１０１を照明するための照明光を発する光源装置３と、内視鏡２からの出力信号に対して種々の処理を施すプロセッサ４と、プロセッサ４からの映像信号に応じた画像を表示する表示装置５と、プロセッサ４における処理結果に応じた出力信号を記憶する外部記憶装置６と、を有して構成されている。

内視鏡２は、被検者の体腔内に挿入可能な形状及び寸法を備えた挿入部２１ａと、挿入部２１ａの先端側に設けられた先端部２１ｂと、挿入部２１ａの基端側に設けられた操作部２１ｃと、を有して構成されている。また、挿入部２１ａの内部には、光源装置３において発せられた照明光を先端部２１ｂへ伝送するためのライトガイド７が挿通されている。

ライトガイド７の一方の端面（光入射端面）は、光源装置３に着脱自在に接続される。また、ライトガイド７の他方の端面（光出射端面）は、内視鏡２の先端部２１ｂに設けられた図示しない照明光学系の近傍に配置されている。このような構成によれば、光源装置３において発せられた照明光は、光源装置３に接続された状態のライトガイド７、及び、先端部２１ｂに設けられた図示しない照明光学系を経た後、生体組織１０１に対して出射される。

内視鏡２の先端部２１ｂには、被写体の光学像を結像する対物光学系２２と、対物光学系２２により結像された光学像を撮像して画像を取得するＣＣＤ２３と、が設けられている。また、内視鏡２の操作部２１ｃには、観察モードを通常光観察モードまたは狭帯域光観察モードのいずれかに切り替えるための指示を行うことが可能な観察モード切替スイッチ２４が設けられている。

光源装置３は、キセノンランプ等からなる白色光源３１と、白色光源３１から発せられた白色光を面順次な照明光とする回転フィルタ３２と、回転フィルタ３２を回転駆動させるモータ３３と、回転フィルタ３２及びモータ３３を白色光源３１の出射光路に垂直な方向に移動させるモータ３４と、プロセッサ４の制御に基づいてモータ３３及び３４を駆動させる回転フィルタ駆動部３５と、回転フィルタ３２を通過した照明光を集光してライトガイド７の入射端面に供給する集光光学系３６と、を有している。

回転フィルタ３２は、図２に示すように、中心を回転軸とした円板状に構成されており、内周側の周方向に沿って設けられた複数のフィルタを具備する第１のフィルタ群３２Ａと、外周側の周方向に沿って設けられた複数のフィルタを具備する第２のフィルタ群３２Ｂと、を有している。そして、モータ３３の駆動力が前記回転軸に伝達されることにより、回転フィルタ３２が回転する。なお、回転フィルタ３２において、第１のフィルタ群３２Ａ及び第２のフィルタ群３２Ｂの各フィルタが配置されている部分以外は、遮光部材により構成されているものとする。

第１のフィルタ群３２Ａは、各々が回転フィルタ３２の内周側の周方向に沿って設けられた、赤色の波長帯域の光を透過させるＲフィルタ３２ｒと、緑色の波長帯域の光を透過させるＧフィルタ３２ｇと、青色の波長帯域の光を透過させるＢフィルタ３２ｂとを有して構成されている。

Ｒフィルタ３２ｒは、例えば図３に示すように、主に６００ｎｍから７００ｎｍまでの光（Ｒ光）を透過させるような構成を有している。また、Ｇフィルタ３２ｇは、例えば図３に示すように、主に５００ｎｍから６００ｎｍまでの光（Ｇ光）を透過させるような構成を有している。さらに、Ｂフィルタ３２ｂは、例えば図３に示すように、主に４００ｎｍから５００ｎｍまでの光（Ｂ光）を透過させるような構成を有している。

すなわち、白色光源３１において発せられた白色光が第１のフィルタ群３２Ａを経ることにより、通常光観察モード用の広帯域光が生成される。

第２のフィルタ群３２Ｂは、各々が回転フィルタ３２の外周側の周方向に沿って設けられた、青色かつ狭帯域な光を透過させるＢｎフィルタ３２１ｂと、緑色かつ狭帯域な光を透過させるＧｎフィルタ３２１ｇと、を有して構成されている。

Ｂｎフィルタ３２１ｂは、例えば図４に示すように、中心波長が４１５ｎｍ付近に設定され、かつ、Ｂ光に比べて狭い帯域の光（Ｂｎ光）を透過させるように構成されている。

また、Ｇｎフィルタ３２１ｇは、例えば図４に示すように、中心波長が５４０ｎｍ付近に設定され、かつ、Ｇ光に比べて狭い帯域の光（Ｇｎ光）を透過させるように構成されている。

すなわち、白色光源３１において発せられた白色光が第２のフィルタ群３２Ｂを経て離散化されることにより、狭帯域光観察モード用の複数の帯域の狭帯域光が生成される。

プロセッサ４は、画像処理装置としての機能を備えて構成されている。具体的には、プロセッサ４は、画像処理部４１と、制御部４２と、を有して構成されている。また、画像処理部４１は、画像データ生成部４１ａと、演算部４１ｂと、映像信号生成部４１ｃと、を有して構成されている。

画像処理部４１の画像データ生成部４１ａは、制御部４２の制御に基づき、内視鏡２からの出力信号に対してノイズ除去及びＡ／Ｄ変換等の処理を施すことにより、ＣＣＤ２３において得られた画像に応じた画像データを生成する。

画像処理部４１の演算部４１ｂは、画像データ生成部４１ａにより生成された画像データを用いた所定の処理を行うことにより、所定の形状の粘膜微細構造（組織学的構造）が存在すると推定される候補領域を前記画像データの中から抽出する。なお、前述の所定の処理の詳細については、後程詳述するものとする。

画像処理部４１の映像信号生成部４１ｃは、画像データ生成部４１ａにより生成された画像データに対してガンマ変換及びＤ／Ａ変換等の処理を施すことにより、映像信号を生成して出力する。

制御部４２は、観察モード切替スイッチ２４の指示に基づき、通常光観察モードに切り替える指示が行われたことが検出された場合、通常光観察モード用の広帯域光を光源装置３から出射させるための制御を回転フィルタ駆動部３５に対して行う。そして、回転フィルタ駆動部３５は、制御部４２の制御に基づき、白色光源３１の出射光路上に第１のフィルタ群３２Ａを介挿させ、かつ、白色光源３１の出射光路上から第２のフィルタ群３２Ｂを退避させるように、モータ３４を動作させる。

また、制御部４２は、観察モード切替スイッチ２４の指示に基づき、狭帯域光観察モードに切り替える指示が行われたことが検出された場合、狭帯域光観察モード用の複数の帯域の狭帯域光を光源装置３から出射させるための制御を回転フィルタ駆動部３５に対して行う。そして、回転フィルタ駆動部３５は、制御部４２の制御に基づき、白色光源３１の出射光路上に第２のフィルタ群３２Ｂを介挿させ、かつ、白色光源３１の出射光路上から第１のフィルタ群３２Ａを退避させるように、モータ３４を動作させる。

すなわち、以上に述べた内視鏡装置１の構成によれば、通常光観察モードが選択された場合には、対象物を肉眼で見た場合と略同様の色合いを有する画像（通常光画像）を表示装置５に表示させ、さらに、外部記憶装置６に記憶させることができる。また、以上に述べた内視鏡装置１の構成によれば、狭帯域光観察モードが選択された場合には、生体組織１０１に含まれる血管が強調された画像（狭帯域光画像）を表示装置５に表示させ、さらに、外部記憶装置６に記憶させることができる。

ここで、内視鏡装置１の作用について説明を行う。

まず、術者は、内視鏡装置１の各部の電源を投入した後、観察モード切替スイッチ２４において通常光観察モードを選択する。そして、術者は、通常光観察モードを選択した際に表示装置５に表示される画像、すなわち、対象物を肉眼で見た場合と略同様の色合いを有する画像を見ながら内視鏡２を体腔内に挿入してゆくことにより、観察対象の生体組織１０１が存在する部位に先端部２１ｂを近接させる。

観察モード切替スイッチ２４において通常光観察モードが選択されると、Ｒ光、Ｇ光及びＢ光の各色の光が光源装置３から生体組織１０１へ順次出射され、内視鏡２において該各色の光に応じた画像がそれぞれ取得される。

画像処理部４１の画像データ生成部４１ａは、Ｒ光に応じた画像、Ｇ光に応じた画像、及び、Ｂ光に応じた画像が入力されると、各画像に対応する色成分の画像データをそれぞれ生成する（図５のステップＳ１）。なお、以降においては、説明の簡単のため、例えば図６のような、線状の粘膜微細構造（組織学的構造）に相当する領域をドット模様とし、塊状の粘膜微細構造（組織学的構造）に相当する領域を斜線模様とし、背景粘膜に相当する領域を白とし、かつ、これら３つの領域の境界線を細い実線として示した、模式的な画像データに対して処理を行うものとして説明を進める。

演算部４１ｂは、画像データ生成部４１ａにより生成された画像データに対してヘッセ行列を用いた演算を行うことにより、該ヘッセ行列に対応する固有値を各画素毎に算出する（図５のステップＳ２）。

具体的には、画像データ生成部４１ａにより生成された画像データに対し、下記の数式（１）に示すヘッセ行列Ｈを用い、ＡｌｅｊａｎｄｒｏＦ．Ｆｒａｎｇｉ等による論文「ＭｕｌｔｉｓｃａｌｅＶｅｓｓｅｌＥｎｈａｎｃｅｍｅｎｔＦｉｌｔｅｒｉｎｇ」（ＬＮＣＳ，ｖｏｌ．１４９６，ＳｐｒｉｎｇｅｒＶｅｒｌａｇ，Ｂｅｒｌｉｎ，Ｇｅｒｍａｎｙ，ｐｐ．１３０−１３７）に開示された演算を行うことにより、固有値λ１及びλ２（但し、｜λ１｜≧｜λ２｜とする）を算出する。なお、下記の数式（１）の右辺に含まれる符号Ｌは、画像内の局所的な位置における画像強度を示し、すなわち、ＡｌｅｊａｎｄｒｏＦ．Ｆｒａｎｇｉ等による上記の論文におけるＬ（ｘ_０＋δｘ_０，ｓ）に相当する。

その後、第１の特徴量算出部の機能を備えた演算部４１ｂは、図５のステップＳ２の処理により算出した固有値λ１及びλ２に基づき、注目画素及び該注目画素の近傍の各画素を含む局所領域がおおよそどのような形状をなしているかの指標を示す形状特徴量を各画素毎に算出する（図５のステップＳ３）。

具体的には、演算部４１ｂは、下記の数式（２）を用いた演算を行うことにより、注目画素ｓにおける形状特徴量ｓｈａｐｅ（ｓ）を算出する。

上記数式（２）において、Ｒ_βはλ２／λ１により得られる値を示し、βは（例えばβ＝０．５の定数として）経験的に設定されるパラメータを示すものとする。

一方、演算部４１ｂは、画像データ生成部４１ａにより生成された画像データをＳｏｂｅｌフィルタ等の１次微分フィルタを適用して得られた出力値を用いた演算を行うことにより、勾配方向及び勾配強度を各画素毎に算出する（図５のステップＳ４）。

その後、第２の特徴量算出部の機能を備えた演算部４１ｂは、図５のステップＳ４の処理により算出した勾配方向及び勾配強度から決定される勾配ベクトルに基づき、局所領域における勾配方向の分布状態を示す勾配ベクトル集中度を各画素毎に算出する（図５のステップＳ５）。

具体的には、例えば図７に示すように、注目画素ｓを中心とした半径ｒの円である領域Ｒを探索領域として設定し、さらに、該領域Ｒ内の画素ｊの勾配方向及び勾配強度から決定される勾配ベクトルが画像のｘ軸方向（紙面左側から紙面右側へ向かう軸方向）に対してなす角度をθ_jとした場合、演算部４１ｂは、下記の数式（３）を用いた演算を行うことにより、注目画素ｓにおける勾配ベクトル集中度ＧＣ（ｓ）を算出する。

上記数式（３）におけるＭは、領域Ｒ内に含まれる各画素のうち、勾配強度が０よりも大きくなる画素の数を示すものとする。

なお、本実施例においては、図５に示すように、形状特徴量ｓｈａｐｅ（ｓ）を算出する処理（ステップＳ２及びＳ３の処理）と、勾配ベクトル集中度ＧＣ（ｓ）を算出する処理（ステップＳ４及びＳ５の処理）とを並行して進めるようにしているが、これに限らず、一方の値を先に算出してから他方の値を算出するように処理を進めるものであってもよい。

評価値算出部の機能を備えた演算部４１ｂは、図５のステップＳ２及びＳ３の処理を経て算出した形状特徴量ｓｈａｐｅ（ｓ）と、図５のステップＳ４及びＳ５の処理を経て算出した勾配ベクトル集中度ＧＣ（ｓ）と、を用いた演算を行うことにより、線状及び塊状の粘膜微細構造を判別可能とするための形状評価値を各画素毎に算出する（図５のステップＳ６）。

具体的には、演算部４１ｂは、下記の数式（４）を用いた演算を行うことにより、注目画素ｓにおける形状評価値ｖ₀（ｓ）を算出する。

上記数式（４）におけるγは、（例えばγ＝０．５の定数として）経験的に設定されるパラメータを示すものとする。

そして、上記数式（４）を用いた演算により、線状の粘膜微細構造（組織学的構造）が存在する画素群と、塊状の粘膜微細構造（組織学的構造）が存在する画素群と、背景粘膜に相当する画素群と、の間において、各々異なる範囲の値となるような形状評価値ｖ₀（ｓ）が算出される。

なお、上記数式（４）においては、λ１≧０であるか否かに応じて形状評価値ｖ₀（ｓ）の演算式を変更することにより、画像内の相対的に明るい領域、すなわち、局所的に隆起した（線状及び／または塊状の）粘膜微細構造が存在する領域を検出できるようにしている。但し、これに限らず、例えば、上記数式（４）において、λ１≦０であるか否かに応じて形状評価値ｖ₀（ｓ）の演算式を変更するようにした場合には、画像内の相対的に暗い領域、すなわち、局所的に陥凹した粘膜微細構造が存在する領域を検出することもできる。

ところで、画像データ生成部４１ａにより生成された画像データに対し、図５のステップＳ２及びＳ３の処理を経て得られる形状特徴量ｓｈａｐｅ（ｓ）を単独で用いて粘膜微細構造の検出を試みた場合、注目画素ｓを含む局所領域が線状または塊状のどちらの形状をなしているかをおおまかに検出できる反面、例えば、粘膜微細構造の尾根線と、生体組織表面の段差（例えば血管の縁等）に起因して生じるステップエッジと、を混同したような検出結果が得られてしまう。

また、画像データ生成部４１ａにより生成された画像データに対し、図５のステップＳ４及びＳ５の処理を経て得られる勾配ベクトル集中度ＧＣ（ｓ）を単独で用いて粘膜微細構造の検出を試みた場合、注目画素ｓを含む局所領域が隆起形状（または陥凹形状）をなしているか否かを画像のコントラストに依存せずに検出できる反面、該局所領域が線状または塊状のどちらの形状をなしているかを判別可能な検出結果を得ることができない。

これに対し、本実施例においては、上記数式（４）に示すように、形状特徴量ｓｈａｐｅ（ｓ）及び勾配ベクトル集中度ＧＣ（ｓ）の２つの値を組み合わせて形状評価値ｖ₀（ｓ）を算出している。そのため、本実施例によれば、前述のステップエッジを粘膜微細構造の尾根線として誤検出してしまう可能性を低減しつつ、注目画素ｓを含む局所領域が線状または塊状のどちらの形状をなしているかを画像のコントラストに依存せずに検出することができる。

一方、領域抽出部の機能を備えた演算部４１ｂは、各画素毎に算出した形状評価値ｖ₀（ｓ）を用い、線状の粘膜微細構造と、塊状の粘膜微細構造が存在すると推定される候補領域と、を画像データの中から個別に抽出する（図５のステップＳ７）。

そして、以上に述べた一連の処理を行うことにより、図６に示したような画像内において、粘膜微細構造における線状構造または塊状構造であるピットパターンが存在すると推定される領域と、血管等における線状構造が存在すると推定される領域と、を判別可能な状態でそれぞれ抽出することができる。

なお、本実施例によれば、線状及び塊状の粘膜微細構造を両方含む画像に対して処理を行うものに限らず、線状または塊状の粘膜微細構造のいずれか一方を含む画像に対して処理を行うものであってもよい。

以上に述べたように、本実施例によれば、画像のコントラストに依存しない値としての形状評価値ｖ₀（ｓ）を用い、線状の粘膜微細構造が存在すると推定される領域と、塊状の粘膜微細構造が存在すると推定される領域と、を個別に抽出するような構成及び作用を有している。そのため、本実施例によれば、生体組織を撮像して得た画像のコントラストが大きく変動する（ばらつく）ような場合であっても、所定の形状の構造を安定的に検出することができる。

なお、本発明は、上述した各実施例に限定されるものではなく、発明の趣旨を逸脱しない範囲内において種々の変更や応用が可能であることは勿論である。

本出願は、２０１０年６月３０日に日本国に出願された特願２０１０−１４９９７１号を優先権主張の基礎として出願するものであり、上記の開示内容は、本願明細書、請求の範囲、図面に引用されたものとする。

Claims

生体組織を撮像して得た画像の各画素毎に、注目画素及び該注目画素の近傍の各画素を含む局所領域がどのような形状をなしているかの指標を示す第１の特徴量を算出する第１の特徴量算出部と、
前記画像の各画素毎に算出された勾配方向及び勾配強度から決定される勾配ベクトルに基づき、第２の特徴量として前記局所領域における分布状態を示す勾配ベクトル集中度を算出する第２の特徴量算出部と、
前記第１の特徴量及び前記第２の特徴量の算出結果に基づき、前記画像に含まれる線状の構造と塊状の構造とをそれぞれ判別可能な値を形状評価値として前記画像の各画素毎に算出する評価値算出部と、
前記形状評価値の算出結果に基づき、前記線状の構造が存在すると推定される候補領域と、前記塊状の構造が存在すると推定される候補領域と、を前記画像の中から個別に抽出する領域抽出部と、
を有することを特徴とする画像処理装置。
前記第１の特徴量は、ヘッセ行列を用いた演算により得られる固有値に基づいて算出されることを特徴とする請求項１に記載の画像処理装置。
医用画像に対して所定の形状を抽出するための画像処理装置の制御方法であって、
第１の特徴量算出部が、生体組織を撮像して得た画像の各画素毎に、注目画素及び該注目画素の近傍の各画素を含む局所領域がどのような形状をなしているかの指標を示す第１の特徴量を算出する第１の特徴量算出ステップと、
第２の特徴量算出部が、前記画像の各画素毎に算出された勾配方向及び勾配強度から決定される勾配ベクトルに基づき、第２の特徴量として前記局所領域における分布状態を示す勾配ベクトル集中度を算出する第２の特徴量算出ステップと、
評価値算出部が、前記第１の特徴量及び前記第２の特徴量の算出結果に基づき、前記画像に含まれる線状の構造と塊状の構造とをそれぞれ判別可能な値を形状評価値として前記画像の各画素毎に算出する評価値算出ステップと、
領域抽出部が、前記形状評価値の算出結果に基づき、前記線状の構造が存在すると推定される候補領域と、前記塊状の構造が存在すると推定される候補領域と、を前記画像の中から個別に抽出する領域抽出ステップと、
を実行することを特徴とする画像処理装置の制御方法。
前記第１の特徴量算出ステップにおいて、前記第１の特徴量は、ヘッセ行列を用いた演算により得られる固有値に基づいて算出されることを特徴とする請求項３に記載の画像処理装置の制御方法。