JP5127738B2 - 画像処理方法および画像処理装置およびプログラム - Google Patents

Description

本発明は、画像データを領域分割するための画像処理方法および画像処理装置およびプログラムに関する。

近年、文書を紙ではなく、電子化して保存あるいは送信する需要が高まっている。ここでいう文書の電子化とは、単に紙上の文書をスキャナ等によって読み取って画像データを得るにとどまらない。例えば、文書を構成する文字、図、写真、表等の性質の異なる領域に画像データを分離する。そして、文字領域は文字コード、図領域はベクトルデータ、背景領域や写真領域はビットマップデータ、表領域は構造データなど、各々最も適した形式にデータ化する処理が、文書の電子化処理で行なわれる。

ベクトルデータへの変換手法として、例えば特許文献１の画像処理装置が開示されている。該画像処理装置では、クラスタリング処理により領域分割を行い、各領域の輪郭を抽出し、抽出された輪郭をベクトルデータへ変換する。また、特許文献２では、画像を背景と前景に分離し、前景をベクトルデータに変換し、背景を背景専用の方法でデータ圧縮する画像処理方法が開示されている。

ところで、画像をクラスタリング処理により領域分割する方法としてはＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法や、Ｋ−ｍｅａｎｓクラスタリング法等が知られている。

Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法は、処理対象の画素の特徴ベクトルと各クラスタの代表特徴ベクトルを比較して、最も距離が近い特徴ベクトルを持つクラスタを探索する。距離が所定の閾値以下であれば該クラスタに処理対象の画素を帰属させる。そうでなければ新たなクラスタを定義して、該クラスタに処理対象の画素を帰属させる。なお、ここで特徴ベクトルは色情報（Ｒ、Ｇ、Ｂから成る画素値）が使われるのが一般的である。クラスタの代表特徴ベクトルとは、一般的にクラスタの重心が用いられる。即ち、クラスタに帰属する各画素の特徴ベクトル（色情報）の平均値である。

Ｋ−ｍｅａｎｓクラスタリング法は、予めＫ個のクラスタとその代表特徴ベクトルを定義しておき、各画素を特徴ベクトルとの距離が最も近いクラスタに帰属させる。全ての画素に対する処理を終えた後、各クラスタの代表特徴ベクトルを更新する。以上の処理を、更新前後の代表特徴ベクトルの差が所定値以下になるまで繰り返す。

ところで、Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法とＫ−ｍｅａｎｓクラスタリング法のいずれも、処理対象の画素の特徴ベクトルと距離が最も近い代表特徴ベクトルを持つクラスタを、全てのクラスタの中から探索する処理を行う。即ち、画素毎に全てのクラスタの代表特徴ベクトルとの距離を算出しなければならない。その為、領域分割の精度を高めるためにクラスタ数を増やすと、計算時間が増大するという問題があった。

このような問題を解決するための従来技術として、例えば特許文献３のカラー画像処理装置が開示されている。従来技術では、処理対象の画素と隣接画素の特徴ベクトル（色情報）に基づいてクラスタリングを行う。次に、クラスタ同士の色情報及び幾何学情報に基づいてクラスタのグルーピングを行う。ここで、幾何学情報とは、領域同士の近さを表す座標情報などである。

特開２００７−１５８７２５号公報 特開２００８−０４２３４５号公報 特開平１１−２８８４６５号公報

しかしながら、従来技術では処理対象の画素と隣接画素の特徴ベクトルの距離が離れている場合は、クラスタを新たに定義し、注目画素を該クラスタに帰属させるので、大量のクラスタが定義される。その為、グルーピングに要する処理時間が増大するという問題があった。

そこで、本発明は、クラスタリング処理により高速に画像の領域分割を行うことのできる画像処理方法を提供する事を目的とする。

以上に説明した課題を解決するため、本発明の画像処理方法は、画像データを複数のクラスタに分割する画像処理方法であって、処理対象の画素の特徴ベクトルと、前記処理対象の画素の近傍画素が属するクラスタの代表特徴ベクトルとの距離である第１の距離を算出する第１の距離の算出工程と、前記第１の距離が第１の閾値以下である場合、前記処理対象の画素を近傍画素が属するクラスタに帰属させる第１帰属工程と、定義されたクラスタがあり、かつ前記第１の距離が前記第１の閾値より大きい場合、前記処理対象の画素の特徴ベクトルと前記定義された各クラスタの代表特徴ベクトルとの距離を各々算出し、その中で最も近い距離である第２の距離を算出する第２の距離の算出工程と、前記第２の距離が第２の閾値以下である場合、前記処理対象の画素を前記第２の距離に対応するクラスタに帰属させ、定義されたクラスタがない場合または前記第２の距離が前記第２の閾値よりも大きい場合、前記処理対象の画素が帰属すべきクラスタを新たに定義し、前記処理対象の画素を新たに定義したクラスタに帰属させる第２帰属工程とを有する。

また他の観点によれな本発明は、画像データを、予め代表特徴ベクトルが定められた複数のクラスタに分割する画像処理方法であって、処理対象の画素の特徴ベクトルと、前記処理対象の画素の近傍画素が属するクラスタの代表特徴ベクトルとの距離である第１の距離を算出する第１の距離の算出工程と、前記第１の距離が閾値以下である場合、前記処理対象の画素を近傍画素が属するクラスタに帰属させる第１帰属工程と、前記第１の距離が前記閾値より大きい場合、前記処理対象の画素の特徴ベクトルと前記複数のクラスタそれぞれの代表特徴ベクトルとの距離を算出し、距離が最も近いクラスタに前記処理対象の画素を帰属させる第２帰属工程とを有する。

本発明の画像処理方法では、処理対象画素の特徴ベクトルと、処理対象画素が属する蓋然性が高いと考えられるクラスタ、例えば隣接画素の属するクラスタの代表特徴ベクトルとの距離が先ず算出される。そして、前記距離が閾値以下である場合、処理対象画素は該クラスタに帰属するものとして領域分割される。このため、従来よりも距離の算出回数を削減できる、高速な領域分割が可能となる。

、 実施形態１の画像処理方法の具体的な処理を表すフローチャート 、 実施形態２の画像処理方法の具体的な処理を表すフローチャート 、 実施形態３の画像処理方法の具体的な処理を表すフローチャート 、 実施形態４の画像処理方法の具体的な処理を表すフローチャート 、 実施形態５の画像処理方法の具体的な処理を表すフローチャート 、 実施形態６の画像処理方法の具体的な処理を表すフローチャート ベクトルデータ変換装置の構成を表すブロック図 ベクトルデータ変換装置の構成を表すブロック図 実施形態１の画像処理方法における距離算出回数を例示する図 従来技術と実施形態１の画像処理方法による領域分割を例示する図 実施形態１の画像処理方法による領域分割を例示する図 実施形態２の画像処理方法における距離算出回数を例示する図 実施形態３の画像処理方法における距離算出回数を例示する図 実施形態４の画像処理方法における距離算出回数を例示する図 実施形態５の画像処理方法における距離算出回数を例示する図 実施形態６の画像処理方法における距離算出回数を例示する図

＜実施形態１＞
本発明の実施形態１の画像処理方法と、それを用いたベクトルデータ変換装置の構成について、図７を参照して説明する。なお画素の属するクラスタは、例えば各画素に関連づけられた属性のビットマップデータとしてメモリ等に保持される。したがって或る画素が或るクラスタに帰属するとは、当該画素に関連づけられた属性のうち帰属するクラスタを示す情報として、当該クラスタの識別情報が書き込まれる、或いは保存されることを意味している。

図７において、７０１は本実施形態の画像処理方法を適用して画像の領域分割を行うクラスタリング処理部である。クラスタリング処理部７０１へは画像データが左上から１画素ずつラスタスキャン順で入力される。７０２はクラスタリング処理部７０１によって分割された各領域の輪郭を抽出する輪郭抽出部である。７０３は輪郭抽出部７０２によって抽出された輪郭を基にベクトルデータを生成するベクトルデータ生成部である。図７の構成は、例えばプログラムをコンピュータにより実行することで実現されるソフトウェアモジュールを示す。コンピュータは、汎用コンピュータであっても良いし、ディジタル多機能機等に組み込まれた組み込みコンピュータであっても良い。コンピュータシステムの構成は一般的なものであり、プロセッサと主メモリとファイルストレージとユーザインターフェースと外部機器（例えばスキャナ）等との間のインターフェースを有する。本実施形態における処理対象の画像データは、ファイルストレージに格納されたものや、例えばスキャナで読み取られたもの、あるいは通信で接続された他のコンピュータから受信したものなどである。

次に、クラスタリング処理部７０１の動作を、図１に示すフローチャートを用いて詳細に説明する。

まず、クラスタ数を表す変数ｎｕｍ＿ｃｌｕｓｔｅｒを０に初期化する（ステップＳ１０１）。次に、クラスタリング処理対象の画素（以下、処理対象画素と記す）の特徴ベクトルＰｃを取得する（ステップＳ１０２）。なお、本実施形態の画像処理方法では、特徴ベクトルとしてＲＧＢ色空間の画素値（すなわち色値）を用いるが、本発明はこれに限定されるものではない。例えば、ＹＣＣ色空間の画素値を用いてもよいし、画素値に加えて画素の座標情報を特徴ベクトルに用いてもよい。

次に、クラスタ数が０であるか否かを判定する（ステップＳ１０３）。クラスタ数が０である場合は（ステップＳ１０３でＹＥＳ）、ステップＳ１１７へ処理を移行する。そうでない場合は（ステップＳ１０３でＮＯ）、ステップＳ１０４へ処理を移行する。

ステップＳ１０４で、処理対象画素の近傍に位置する画素（以下、近傍画素と記す）が帰属するクラスタＣｎの代表特徴ベクトルＰｎを取得する。ここで、代表特徴ベクトルとは、クラスタに帰属する画素の特徴ベクトルの平均値であるとする。即ち、クラスタに帰属する画素の画素値の平均値とする。

なお、本実施形態の画像処理方法では、近傍画素を処理対象画素の左隣に位置する画素とするが、本発明はこれに限定されるものではない。例えば処理対象画素の左、上及び左上に位置する複数の画素としてもよい。近傍画素として参照する画素の数については、例えば近傍画素の情報を格納可能なメモリの容量に応じて決めればよい。画像に含まれる画素は空間的な相関性が高いという性質を持つため、或る画素とその近傍画素とは互いに同じクラスタに属する（例えばよく似た色を持つ）蓋然性が高い。そこで本実施形態（および実施形態３，５も同様）では、同じクラスタに属する蓋然性が高いと画素として近傍画素を用いている。

ステップＳ１０５で、処理対象画素の特徴ベクトルＰｃと近傍画素の代表特徴ベクトルＰｎとの距離Ｄ（Ｐｃ，Ｐｎ）を算出する。ここで算出される距離Ｄ（Ｐｃ，Ｐｎ）を第１の距離とも呼ぶ。これは他の実施形態も同様である。本実施形態の画像処理方法ではユークリッド距離を算出するが、本発明はこれに限定されるものではなく、例えばマンハッタン距離を算出してもよい。

次に、距離Ｄ（Ｐｃ，Ｐｎ）と予め定められた第１の閾値Ｔ１とを比較する。距離Ｄ（Ｐｃ，Ｐｎ）が閾値Ｔ１以下（すなわち第１の閾値以下）であれば（ステップＳ１０６でＹＥＳ）、処理対象画素をクラスタＣｎに帰属させ、クラスタＣｎの代表特徴ベクトルを更新する（ステップＳ１０７）。そうでなければ（ステップＳ１０６でＮＯ）、ステップＳ１０８へ処理を移行する。なお帰属させる処理とは、例えば、処理対象画素の属性に含まれる帰属先のクラスタを示すクラスタ情報として、クラスタＣｎに固有の識別情報を書き込むなどして、画素の帰属先クラスタを定義する処理である。この帰属させるステップを、他と区別するために第１帰属ステップと呼ぶこともある。また更新とは新たに帰属が決定された対象画素を含めた、当該クラスタに属する画素の特徴ベクトルの平均値を再計算することである。

ここで、本実施形態の画像処理方法では、閾値Ｔ１の値は後述する閾値Ｔ２より小さいものとするが、本発明はこれに限定されるものではなく、例えば同じ値であってもよい。

なお、ステップＳ１０４で複数の近傍画素が帰属する各々のクラスタの代表特徴ベクトルを取得した場合は、各々の代表特徴ベクトルとの距離を算出して最も値が小さいものを選択し、閾値Ｔ１と比較すればよい。あるいは、左、上、左上といった順番に、近傍画素が帰属するクラスタの代表特徴ベクトルとの距離の算出と閾値Ｔ１との比較を順次行ってもよい。この場合は、閾値Ｔ１以下と判定した時点で帰属するクラスタを決定し、残りの近傍画素が帰属するクラスタの代表特徴ベクトルとの距離の算出処理を打ち切る。

ステップＳ１０８へ処理を移行した場合（ステップＳ１０６でＮＯ）は、処理対象画素の特徴ベクトルと近傍画素が帰属するクラスタの代表特徴ベクトルとの距離が離れている。よって、ステップＳ１０８〜Ｓ１１４で全てのクラスタの代表特徴ベクトルとの比較を行う。

ステップＳ１０８では、ループインデクスｉを初期化（初期値＝１）する。また、処理対象画素の特徴ベクトルと各クラスタの代表特徴ベクトルとの距離のうち、最短の距離を表す変数ｍｉｎ＿ｄｉｓｔａｎｃｅを定数ＭＡＸ＿ＶＡＬで初期化する。ここで、定数ＭＡＸ＿ＶＡＬには、特徴空間（色情報）で取り得る最大の距離よりも大きな値を設定する。さらに、処理対象画素の特徴ベクトルとの距離が最も近いクラスタの番号を表す変数ｎを初期化（初期値＝１）する。

次に、クラスタＣｉの代表特徴ベクトルＰｉを取得する（ステップＳ１０９）。処理対象画素の特徴ベクトルＰｃとクラスタＣｉの代表特徴ベクトルＰｉとの距離Ｄ（Ｐｃ，Ｐｉ）を算出し（ステップＳ１１０）、変数ｍｉｎ＿ｄｉｓｔａｎｃｅと比較する（ステップＳ１１１）。距離Ｄ（Ｐｃ，Ｐｉ）が変数ｍｉｎ＿ｄｉｓｔａｎｃｅ以下であれば（ステップＳ１１１でＹＥＳ）、ｍｉｎ＿ｄｉｓｔａｎｃｅに距離Ｄ（Ｐｃ，Ｐｉ）を代入して変数ｎにループインデクスｉを代入し（ステップＳ１１２）、ステップＳ１１３へ処理を移行する。そうでなければ（ステップＳ１１１でＮＯ）、ステップＳ１１３へ処理を移行する。

ステップＳ１１３でループインデクスｉに１を加算し、ステップＳ１１４では処理対象画素の特徴ベクトルＰｃと全てのクラスタの代表特徴ベクトルとの比較を終えた否かを判定する。全てのクラスタとの比較を終えた場合（ステップＳ１１４でＹＥＳ）、ステップＳ１１５へ処理を移行する。そうでない場合は（ステップＳ１１４でＮＯ）、ステップＳ１０９へ処理を移行する。

ステップＳ１１５で、変数ｍｉｎ＿ｄｉｓｔａｎｃｅと第２の閾値Ｔ２を比較する。ここで変数ｍｉｎ＿ｄｉｓｔａｎｃｅには最小値が格納されており、この変数ｍｉｎ＿ｄｉｓｔａｎｃｅで示される距離を第２の距離とも呼ぶ。これは他の実施形態も同様である。変数ｍｉｎ＿ｄｉｓｔａｎｃｅが閾値Ｔ２以下（すなわち第２の閾値以下）である場合は（ステップＳ１１５でＹＥＳ）、処理対象の画素をクラスタＣｎに帰属させ、クラスタＣｎの代表特徴ベクトルＰｎを更新する。すなわち、この場合には、処理対象画素を第２の距離に対応するクラスタに帰属させる。この帰属させるステップを、他と区別するために第２帰属ステップと呼ぶこともある。変数ｍｉｎ＿ｄｉｓｔａｎｃｅが閾値Ｔ２より大きい場合（ステップＳ１１５でＮＯ）は、いずれのクラスタも処理対象画素の特徴ベクトルから距離が離れている。よって、新しいクラスタを定義し、該クラスタに処理対象の画素を帰属させる（ステップＳ１１７）。新しいクラスタの定義とは、例えば新たなクラスタを示す固有の識別情報を決定することである。ステップＳ１１７では、処理対象画素の特徴ベクトルＰｃを当該クラスタの代表特徴ベクトルとする。さらに、クラスタ数ｎｕｍ＿ｃｌｕｓｔｅｒに１を加算する。

画像データ内の全ての画素を処理した場合は（ステップＳ１１８でＹＥＳ）、クラスタリング処理部７０１の処理を終了する。そうでない場合は（ステップＳ１１８でＮＯ）、ステップＳ１０２へ処理を移行し、後続する画素を処理対象とする。

以上に説明したように、本実施形態の画像処理方法では、処理対象画素の特徴ベクトルと近傍画素の帰属するクラスタの代表特徴ベクトルとを最初に比較する（ステップＳ１０４〜Ｓ１０６）。一般的に画像データは隣接する画素との相関性が高いため、処理対象画素が近傍画素と同一のクラスタに帰属する蓋然性が高い。よって、従来のＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法よりも処理対象画素の特徴ベクトルとクラスタの代表特徴ベクトルとの距離を算出する（以下、「距離算出」と記す）回数を減らすことができる。以下、図９に例示する画像を用いて説明する。

図９（ａ）に示す縦８画素、横１６画素から成る画像をクラスタリングにより領域分割する場合、４つの領域に分割される。図９（ｂ）は、従来のＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法における距離算出回数を画素毎に示したものである。図９（ｃ）は、本実施形態において、ステップＳ１０４〜Ｓ１０６で左隣の画素が帰属するクラスタとの距離を算出した場合の、距離算出回数を画素毎に示したものである。図９（ｄ）は、本実施形態において、ステップＳ１０４〜Ｓ１０６で左隣の画素が帰属するクラスタとの距離を先ず比較し、次に上隣の画素のクラスタとの距離を比較した場合の距離算出回数を示したものである。

従来のＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法では、画素９０１までは画素毎の距離算出回数は１回だが、新たな色が出現する毎に距離算出回数が増大し、画素９０２以降は画素毎に４回の距離算出が必要となる。よって、図９（ｂ）では、画像データ全体での距離算出回数は４４０回となる。

一方、本実施形態の画像処理方法では、図９（ｃ）に示すように、例えば画素９０２については、左隣の画素が帰属するクラスタとの比較によりクラスタが決定される為、距離算出回数は１回で済む。画像データ全体での距離算出回数は３４７回となる。さらに、上隣の画素とも比較する場合は、図９（ｄ）に示すように、画素９０３も１回の演算で済み、画像データ全体での距離算出回数は２４６回となる。

以上より、本実施形態の画像処理方法は、従来のＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法よりも高速な領域分割が可能となる。

また、本実施形態の画像処理方法では、処理対象画素と近傍画素のクラスタとの距離が遠い場合は、他のクラスタの代表特徴ベクトルとの比較を行う（ステップＳ１０８〜Ｓ１１５）。よって、特許文献３の従来技術におけるグルーピング処理をしなくても、処理対象の画素を最適なクラスタに帰属させることができる。例えば、図１０（ａ）に例示する画像を領域分割した場合、従来技術では図１０（ｂ）に示す５つの領域に分割した後、グルーピング処理により図１０（ｃ）の領域に統合する。一方、本実施形態の画像処理方法では、クラスタリング処理を終えた時点で図１０（ｃ）に示す領域に分割される。

さらに、本実施形態の画像処理方法では、近傍画素の帰属するクラスタと比較する際に用いる閾値Ｔ１（ステップＳ１０６）を、新しいクラスタを定義するか否かを判定する閾値Ｔ２（ステップＳ１１５）よりも小さくしている。その効果について、図１１（ａ）に例示する画像を用いて説明する。

説明を簡単にするため、図１１（ａ）に例示する画像はグレースケールとし、各数値は画素値を表すものとする。図１１（ｂ）は閾値Ｔ１と閾値Ｔ２を同じ値にしてクラスタリング処理を行った結果を例示する図である。図１１（ｃ）は、閾値Ｔ１を閾値Ｔ２より小さくしてクラスタリング処理を行った結果を例示する図である。

図１１（ｂ）に示すように、画素１１０１を処理し終えた時点で、画素１１０１を含むクラスタの代表特徴ベクトル（画素値の平均値）は２５である。画素１１０２の特徴ベクトル（画素値）は３０である。もし閾値Ｔ１と閾値Ｔ２の値が同じ５であった場合、図１１（ｂ）に示すように、画素１１０２は画素１１０１が帰属するクラスタに帰属される。一方、閾値Ｔ１を閾値Ｔ２より小さくした場合（例えばＴ１＝１、Ｔ２＝５とする）、図１１（ｃ）に例示するように、画素１１０２は、より特徴ベクトルの距離が近い画素１１００が帰属するクラスタに帰属される。以上に説明したように、本実施形態の画像処理方法は、閾値Ｔ１を閾値Ｔ２より小さくすることにより、精度の高い領域分割が可能となる。

＜実施形態２＞
本発明の実施形態２の画像処理方法と、それを用いたベクトルデータ変換装置の構成について説明する。本実施形態の画像処理方法は、処理対象画素の特徴ベクトルと近傍画素の帰属するクラスタの代表特徴ベクトルとを最初に比較する点において実施形態１と共通する。ただし本実施形態では、画像のクラスタ数を予め定めておく点で実施形態１と相違する。実施形態１ではクラスタは、着目画素の属するクラスタを判定する過程で画されていくため、その数は処理の進行に応じて増加し、クラスタ数は予測が困難である。これに対して本実施形態ではクラスタ数を予め定めておくため、特徴ベクトルの比較処理およびそれに付随する処理の回数を制限することができ、より処理の迅速化を図ることができる。

図１２（ａ）に例示する縦８画素、横１６画素から成る画像を用いて、距離算出回数を説明する。クラスタ数ｋを４に設定した場合、図１２（ｂ）に示すように、従来のｋ−ｍｅａｎｓクラスタリング法では画素毎に常に４回の距離算出が実行されるため、画像全体で５１２回の距離算出が必要となる。一方、本実施形態の画像処理方法では、近傍画素として左隣と上隣を参照した場合、図１２（ｃ）に示すように画像全体で２６２回の距離算出で済む。以上より、本実施形態の画像処理方法は、従来のＫ−ｍｅａｎｓクラスタリング法よりも高速な領域分割が可能となる。

本実施形態のベクトルデータ変換装置の構成は、本発明の実施形態１（図６）で説明したものと同一であり、輪郭抽出部７０２とベクトルデータ生成部７０３の処理は同じである。クラスタリング処理部７０１は本実施形態の画像処理方法を適用して画像の領域分割を行う。以下、本実施形態のクラスタリング処理部７０１の動作を、図２に示すフローチャートを用いて詳細に説明する。

まず、クラスタ数ｋと、ｋ個のクラスタの代表特徴ベクトル初期値Ｐ１〜Ｐｋを定義する（ステップＳ２０１）。クラスタ数ｋ及び各クラスタの代表特徴ベクトル初期値の定義方法については、従来技術のＫ−ｍｅａｎｓクラスタリング法において周知であるので、ここでは簡単に説明する。たとえば、ランダムにｋ個の画素を、各クラスタに属する代表点として処理対象の画像から選ぶ。その代表点の特徴ベクトルが、各区ラスタの初期の代表特徴ベクトルとなる。

次に、処理対象画素の特徴ベクトルＰｃを取得する（ステップＳ２０２）。そして、上記特徴ベクトルＰｃと近傍画素が帰属するクラスタＣｎの代表特徴ベクトルＰｎとの距離Ｄ（Ｐｃ，Ｐｎ）を、閾値Ｔと比較する（ステップＳ２０３〜Ｓ２０５）。距離Ｄ（Ｐｃ，Ｐｎ）が閾値Ｔ以下であれば（ステップＳ２０５でＹＥＳ）、処理対象画素をクラスタＣｎに帰属させ（ステップＳ２０６）、ステップＳ２１５へ処理を移行する。そうでなければ（ステップＳ２０５でＮＯ）ステップＳ２０７へ処理を移行する。

ステップＳ２０７〜Ｓ２１３は、ｋ個のクラスタの中から、処理対象画素の特徴ベクトルと最も距離が近いものを探索する処理である。以下、ステップＳ２０７〜Ｓ２１３を説明する。

ステップＳ２０７では、ループインデクスｉを初期化する。また、処理対象画素の特徴ベクトルとクラスタの代表特徴ベクトルとの距離のうち、最短の距離を表す変数ｍｉｎ＿ｄｉｓｔａｎｃｅを定数ＭＡＸ＿ＶＡＬで初期化する。ここで、ＭＡＸ＿ＶＡＬには、特徴空間で取り得る最大の距離よりも大きな値を設定する。さらに、処理対象画素の特徴ベクトルとの距離が最も近いクラスタの番号を表す変数ｎを初期化する。

次に、処理対象画素の特徴ベクトルＰｃとクラスタＣｉの代表特徴ベクトルＰｉとの距離Ｄ（Ｐｃ，Ｐｉ）を算出し（ステップＳ２０８〜Ｓ２０９）、変数ｍｉｎ＿ｄｉｓａｔａｎｃｅと比較する（ステップＳ２１０）。距離Ｄ（Ｐｃ，Ｐｉ）が変数ｍｉｎ＿ｄｉｓｔａｎｃｅ以下であれば（ステップＳ２１０でＹＥＳ）、ｍｉｎ＿ｄｉｓｔａｎｃｅに距離Ｄ（Ｐｃ，Ｐｉ）を代入して変数ｎにループインデクスｉを代入し（ステップＳ２１１）、ステップＳ２１２へ処理を移行する。そうでなければ（ステップＳ２１０でＮＯ）、ステップＳ２１２へ処理を移行する。

ステップＳ２１２でループインデクスｉに１を加算し、ステップＳ２１３で処理対象画素の特徴ベクトルＰｃと全てのクラスタの代表特徴ベクトルとの比較を終えた否かを判定する。比較を終えた場合（ステップＳ２１３でＹＥＳ）、ステップＳ２１４へ処理を移行する。そうでない場合は（ステップＳ２１４でＮＯ）、ステップＳ２０８へ処理を移行する。

ステップＳ２０７〜Ｓ２１３の処理により、処理対象画素の特徴ベクトルと最も距離が近いクラスタＣｎが選択されたので、ステップＳ２１４で処理対象画素をクラスタＣｎに帰属させる。

画像データ内の全ての画素を処理した場合は（ステップＳ２１５でＹＥＳ）、ステップＳ２１６へ処理を移行する。そうでない場合は（ステップＳ２１５でＮＯ）、後続する画素を処理対象とするため、ステップＳ２０２へ処理を移行する。

ステップＳ２１６で、ｋ個のクラスタの代表特徴ベクトルＰ１〜Ｐｋを各々更新する。ただし、クラスタの代表特徴ベクトルがそのクラスタの重心の特徴ベクトルであるなら、更新すべきはステップＳ２１４で着目画素が帰属すると決定されたクラスタの代表特徴ベクトルのみでよい。このクラスタのみが、新たな画素の帰属により重心が変化するためである。ステップＳ２１７で、代表特徴ベクトルＰ１〜Ｐｋについて、各々更新前後の値の差が所定値以内であるか否かを判定する。全てのクラスタについて、上記の値の差が所定値以内であれば（ステップＳ２１７でＹＥＳ）、クラスタリング処理部７０１の処理を終了する。そうでない場合は（ステップＳ２１７でＮＯ）、ステップＳ２０２へ処理を移行し、画像データの最初（ラスタスキャン順で処理する場合は左上）の画素から再び処理を開始する。

以上説明したように、本実施形態の画像処理方法では、処理対象画素の特徴ベクトルと近傍画素の帰属するクラスタの代表特徴ベクトルとを最初に比較する（ステップＳ２０２〜Ｓ２０５）。一般的に画像データは隣接する画素との相関性が高いため、処理対象画素が近傍画素と同一のクラスタに帰属する可能性が高い。よって、従来のＫ−ｍｅａｎｓクラスタリング法よりも距離算出回数を減らすことができる。

図１２（ａ）に例示する縦８画素、横１６画素から成る画像を用いて、距離算出回数を説明する。クラスタ数ｋを４に設定した場合、図１２（ｂ）に示すように、従来のｋ−ｍｅａｎｓクラスタリング法では画素毎に常に４回の距離算出が実行されるため、画像全体で５１２回の距離算出が必要となる。一方、本実施形態の画像処理方法では、近傍画素として左隣と上隣を参照した場合、図１２（ｃ）に示すように画像全体で２６２回の距離算出で済む。以上より、本実施形態の画像処理方法は、従来のＫ−ｍｅａｎｓクラスタリング法よりも高速な領域分割が可能となる。

＜実施形態３＞
本発明の実施形態３の画像処理方法と、それを用いたベクトルデータ変換装置の構成について、図８を参照して説明する。図８において、８００は入力された画像の各画素が、画像の前景であるか背景であるかを判定する背景判定部である。あるいは背景を特定する背景特定部と呼ぶこともできる。背景を判定する、あるいは特定する方法については、特許文献２において公知である。例えば背景の判定は、画像データ作成時に、画素の属性として背景部分に属する画素には、背景である旨を示すフラグ等の情報を設定しておく。こうして予め背景部分を定義しておけば、画素の属性に基づいて背景であることを判定できる。また、例えばスキャナから光学的に読み取られた画像データの場合、紙の色を判別し、その色に基づいて背景画素を判定してもよい。背景判定部８００は、背景色と、入力された画像データの画素値及び画素が背景に属するか否かを表す背景フラグを出力する。

８０１は本実施形態の画像処理方法を適用して画像の領域分割を行うクラスタリング処理部である。クラスタリング処理部８０１へは、背景色が１つの画像データにつき１つ入力され、上記画像データ及び背景フラグが１画素ずつラスタスキャン順で入力される。クラスタリング処理部８０１は、領域分割後の画像データと、クラスタリング処理によって補正された背景色と背景フラグを出力する。８０２はクラスタリング部８０２によって分割された各領域の輪郭を抽出する輪郭抽出部である。８０３は輪郭抽出部８０２によって抽出された輪郭を基にベクトルデータを生成するベクトルデータ生成部である。なお、ベクトルデータ生成部８０３は、背景以外の領域についてベクトルデータを生成する。８０４は、背景判定部８００またはクラスタリング処理部８０１から出力された背景色と背景フラグを基に、画像データのうち背景以外の画素を背景色で塗りつぶして出力する背景生成部である。８０５は背景生成部８０４から出力されたデータを圧縮する背景圧縮部である。８０６は、ベクトルデータ生成部８０３から出力されたベクトルデータ及び背景圧縮部８０５から出力された圧縮データを結合し、ファイルを出力するデータ結合部である。

以下、クラスタリング処理部８０１の処理を、図３に示すフローチャートを用いて詳細に説明する。まず、ステップＳ３０１でクラスタ数を表す変数ｎｕｍ＿ｃｌｕｓｔｅｒを１に初期化し、背景を表すクラスタ（以下、「背景クラスタ」と記す）Ｃｂの代表特徴ベクトルを、背景判定部８００から出力された背景色に設定する。ステップＳ３０２で、処理対象画素の特徴ベクトルＰｃを取得する。

次に、ステップＳ３０３で、背景判定部８００から出力された背景フラグを基に、処理対象画素が背景に属する画素（以下、「背景画素」と記す）であるか否かを判定する。背景画素であれば（ステップＳ３０３でＹＥＳ）、ステップＳ３０４へ処理を移行する。そうでなければ（ステップＳ３０３でＮＯ）、ステップＳ３０８へ処理を移行する。ステップＳ３０４では、処理対象画素の特徴ベクトルＰｃと背景クラスタＣｂの代表特徴ベクトルＰｂとの距離Ｄ（Ｐｃ，Ｐｂ）を算出し、ステップＳ３０５で第３の閾値Ｔ３以下であるか否かを判定する。距離Ｄ（Ｐｃ，Ｐｂ）を第３の距離とも呼ぶ。距離Ｄ（Ｐｃ，Ｐｂ）が閾値Ｔ３（第３の閾値）以下であれば（ステップＳ３０５でＹＥＳ）、ステップＳ３０６へ処理を移行する。そうでなければ（ステップＳ３０５でＮＯ）、ステップＳ３０８へ処理を移行する。なお、本実施形態においては、閾値Ｔ３はステップＳ３１５で用いる閾値Ｔ２よりも小さい値とする。

ステップＳ３０６では、処理対象画素を背景クラスタＣｂに帰属させ、ステップＳ３０７ではクラスタＣｂの代表特徴ベクトルＰｂを更新した後、ステップＳ３１９へ処理を移行する。
ステップＳ３０８〜Ｓ３１８は、全てのクラスタの中から、処理対象画素の特徴ベクトルＰｃとの距離が最も近いものを選択し、該クラスタに帰属させるか、新しいクラスタを定義する処理である。この処理は本発明の実施形態１の画像処理方法（図１）のステップＳ１０８〜Ｓ１１７と同一であるため、説明を省略する。

画像データ内の全ての画素を処理した場合は（ステップＳ３１９でＹＥＳ）、クラスタリング処理部８０１の処理を終了する。そうでない場合は（ステップＳ３１９でＮＯ）、ステップＳ３０２へ処理を移行し、後続する画素を処理対象とする。

以上説明したように、本実施形態の画像処理方法では、処理対象画素が背景画素であると判定された場合、処理対象画素の特徴ベクトルと背景クラスタの代表特徴ベクトルとを最初に比較する（ステップＳ３０３〜Ｓ３０５）。例えばスキャナで読み取られた文書データは、一般的に余白が多く、クラスタリング処理対象の画素が背景である可能性が高い。よって、従来のＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法よりも距離算出回数を減らすことができる。以下、図１３に例示する画像を用いて説明する。

図１３（ｂ）は、図１３（ａ）に例示する画像を、従来のＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法により領域分割した場合の、各々の画素において実行される距離算出回数を表したものである。図１３（ｃ）は、図１３（ａ）に例示する画像を、本実施形態の方法により領域分割した場合の、各々の画素において実行される距離算出（ステップＳ３０４、Ｓ３１０）回数を表したものである。図１３において、白色の画素は、背景判定部８００において背景画素であると判定されたものとする。また、図１３（ａ）の１２０１に示す画素は、本来は背景ではないが、背景判定部８００において背景画素であると誤って判定されたものとする。図１３（ｂ）より、従来のＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法では４４０回の距離算出が必要であったが、本実施形態の画像処理方法では、図１３（ｃ）より、２３６回の距離算出で済む。

以上説明したように、本実施形態の画像処理方法では、従来よりも距離算出回数を減らすことができるので、高速な領域分割が可能となる。また、本実施形態の画像処理方法では、背景画素であると判定された場合には背景クラスタとの距離と閾値を比較し、距離が閾値より大きければ通常の画素としてクラスタリング処理を行う。よって、図１３（ａ）の画素１２０１のように、背景判定部８００の判定に誤りがあっても、正確な領域分割処理が可能となる。

なお、本実施形態の画像処理方法では、図４のステップＳ３０７で背景クラスタＣｂの代表特徴ベクトルＰｂ、即ち背景色を更新しているが、本発明はこれに限定されるものではない。より領域分割処理を高速化するために、上記代表特徴ベクトルＰｂを更新しなくてもよい。この場合、図８の背景生成部８０４は、背景判定部８００から出力される背景色を用いて穴埋め処理を行う。

また、ステップＳ３０３で背景画素であると判定された場合に、処理対象画素をそのまま背景クラスタに帰属させてもよい。例えば、ステップＳ３０４において、距離Ｄ（ＰＣ，Ｐｂ）を算出せず、Ｄ（ＰＣ，Ｐｂ）に閾値Ｔ３以下の値を設定する。この場合は領域分割の精度は本実施形態の画像処理方法よりも低下するが、さらに処理を高速化することが可能となる。ステップＳ３０４〜Ｓ３０７の一連の処理を実行するか否かは、領域分割処理に対する要求処理時間と分割精度に応じて決めればよい。

＜実施形態４＞
本発明の実施形態４の画像処理方法と、それを用いたベクトルデータ変換装置の構成について説明する。図８は、ベクトルデータ変換装置の構成を表すブロック図であり、本発明の実施形態３で説明したものと同一である。本実施形態の画像処理方法を適用して画像の領域分割を行うクラスタリング処理部８０１については、実施形態３と異なるので、図４を用いて詳細に説明する。

図４は、本実施形態の画像処理方法の具体的な処理を表すフローチャートである。まず、クラスタ数ｋと、ｋ個のクラスタの代表特徴ベクトル初期値Ｐ１〜Ｐｋを定義する（ステップＳ４０１）。ここで、ｋ個のクラスタのうち１つは背景クラスタとし、背景クラスタの代表特徴ベクトルについては、背景判定部８００から出力された背景色を設定する。その他のクラスタの代表特徴ベクトル初期値については、従来のＫ−ｍｅａｎｓクラスタリング法において周知の方法を用いて設定すればよい。

次に、処理対象画素の特徴ベクトルＰｃを取得する（ステップＳ４０２）。背景判定部８００から出力された背景フラグに基づいて、処理対象画素が背景画素であるか否かを判定する（ステップＳ４０３）。背景画素であれば（ステップＳ４０３でＹＥＳ）、ステップＳ４０４へ処理を移行する。そうでなければ（ステップＳ４０３でＮＯ）、ステップＳ４０７へ処理を移行する。

背景画素については、処理対象画素の特徴ベクトルＰｃと、背景クラスタＣｂの代表特徴ベクトルＰｂとの距離Ｄ（Ｐｃ，Ｐｂ）を算出し（ステップＳ４０４）、閾値Ｔ３以下であるか否かを判定する（ステップＳ４０５）。距離Ｄ（Ｐｃ，Ｐｂ）が閾値Ｔ３以下であった場合（ステップＳ４０５でＹＥＳ）、処理対象画素をクラスタＣｂに帰属させ（ステップＳ４０６）、ステップＳ４１５へ処理を移行する。そうでない場合（ステップＳ４０５でＮＯ）、ステップＳ４０７へ処理を移行する。

ステップＳ４０７〜Ｓ４１４は、ｋ個のクラスタの中から、処理対象画素の特徴ベクトルと最も距離が近いクラスタを選び、該クラスタに処理対象画素を帰属させる処理である。ステップＳ４１５は、画像内の全ての画素を処理したか否かを判定する処理である。ステップＳ４１６〜Ｓ４１７は、クラスタの代表特徴ベクトルＰ１〜Ｐｋを各々更新し、クラスタリング処理部８０１の処理を終了させるか否かを判定する処理である。これらの処理は、本発明の実施形態２（図２）のステップＳ２０７〜Ｓ２１７と同一であるため、説明を省略する。

以上に説明したように、本実施形態の画像処理方法では、処理対象画素が背景画素である場合は、先ず背景クラスタの代表特徴ベクトルとの比較を行う。図１４（ａ）に例示する画像データを領域分割する場合、従来のＫ−ｍｅａｎｓクラスタリング法では、図１４（ｂ）に示すように、全ての画素において１画素につき４回の距離算出が必要であった。一方、本実施形態の画像処理方法では、図１４（ｃ）に示すように、背景画素（領域＃１）については１画素につき１回の距離算出で済むので、従来よりも高速な領域分割が可能となる。

＜実施形態５＞
本発明の実施形態５の画像処理方法と、それを用いたベクトルデータ変換装置の構成について説明する。図８は、ベクトルデータ変換装置の構成を表すブロック図であり、本発明の実施形態３で説明したものと同一である。本実施形態の画像処理方法を適用して画像の領域分割を行うクラスタリング処理部８０１については、実施形態３と異なるので、図５を用いて説明する。

図５は、本実施形態の画像処理方法の具体的な処理を表すフローチャートである。まず、ステップＳ５０１でクラスタ数を表す変数ｎｕｍ＿ｃｌｕｓｔｅｒを１に初期化し、背景クラスタＣｂの代表特徴ベクトルに、背景判定部８００から出力された背景色を設定する。ステップＳ５０２で、処理対象画素の特徴ベクトルＰｃを取得する。

ステップＳ５０３〜Ｓ５０７は、処理対象画素が背景画素である場合に、背景クラスタの代表特徴ベクトルとの距離（第３の距離とも呼ぶ）と第３の閾値Ｔ３とを比較し、第３の閾値以下であれば処理対象画素を背景クラスタに帰属させる処理である。このステップを、第３帰属ステップとも呼ぶ。この処理は実施形態３（図３）のステップＳ３０３〜Ｓ３０７と同一である。

ステップＳ５０８〜Ｓ５１２は、処理対象画素の近傍画素が帰属するクラスタの代表特徴ベクトルとの距離と第１の閾値Ｔ１とを比較し、閾値Ｔ１以下であれば処理対象画素を上記クラスタに帰属させる処理である。この処理は実施形態１（図１）のＳ１０４〜Ｓ１０７と同一である。

ステップＳ５１３〜Ｓ５２３は、全てのクラスタの中から、処理対象画素の特徴ベクトルＰｃとの距離が最も近いものを選択し、該クラスタに帰属させるか、新しいクラスタを定義する処理である。この処理は本発明の実施形態１の画像処理方法（図１）のステップＳ１０８〜Ｓ１１７と同一である。

画像データ内の全ての画素を処理した場合は（ステップＳ５２４でＹＥＳ）、クラスタリング処理部８０１の処理を終了する。そうでない場合は（ステップＳ５２４でＮＯ）、ステップＳ５０２へ処理を移行し、後続する画素を処理対象とする。

以上に説明したように、本実施形態の画像処理方法では、処理対象画素が背景画素であると判定された場合、処理対象画素の特徴ベクトルと背景クラスタの代表特徴ベクトルとを最初に比較する（ステップＳ５０３〜Ｓ５０５）。また、背景画素でない場合には、近傍画素の帰属するクラスタの代表特徴ベクトルとを最初に比較する（ステップＳ５０８〜Ｓ５１０）。

図１５を用いて、本実施形態における処理対象画素の特徴ベクトルとクラスタの代表特徴ベクトルとの距離算出回数について説明する。図１５（ｂ）は、図１５（ａ）に例示する画像を従来のＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法で領域分割した場合における距離算出回数を、画素毎に表したものである。図１５（ｃ）は、本実施形態の画像処理方法において、ステップＳ５０８〜Ｓ５１０で近傍画素として左隣の画素を用いた場合の距離算出回数を画素毎に表したものである。図１５（ｄ）は、本実施形態の画像処理方法において、ステップＳ５０８〜Ｓ５１０で先ず左隣の画素を用い、次に上隣の画素を用いた場合の距離算出回数を画素毎に表したものである。

図１５より、従来のＮｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒクラスタリング法では４４０回の演算を必要とするが、本実施形態では２３０回（図１５（ｂ））あるいは１９４回（図１５（ｃ））まで演算回数を削減できる。よって、従来よりも高速な領域分割が可能となる。

＜実施形態６＞
本発明の実施形態６の画像処理方法と、それを用いたベクトルデータ変換装置の構成について説明する。図８は、ベクトルデータ変換装置の構成を表す図であり、本発明の実施形態４で説明したものと同一である。本実施形態の画像処理方法を適用して画像の領域分割を行うクラスタリング処理部８０１については、実施形態４と異なるので、図６を用いて説明する。

図６は、本実施形態の画像処理方法の具体的な処理を表すフローチャートである。ステップＳ６０１は、クラスタ数ｋと、ｋ個のクラスタの代表特徴ベクトル初期値Ｐ１〜Ｐｋを定義する処理である。ｋ個のクラスタのうち１つを背景クラスタとする。この処理は本発明の実施形態４（図４）のステップＳ４０１と同一である。

次に、処理対象画素の特徴ベクトルＰｃを取得する（ステップＳ６０２）。ステップＳ６０３〜Ｓ６０６は、処理対象画素が背景画素である場合に、背景クラスタの代表特徴ベクトルとの距離と閾値Ｔ３とを比較し、閾値以内であれば処理対象画素を背景クラスタに帰属させる処理である。この処理は実施形態４（図４）のステップＳ４０２〜Ｓ４０６と同一である。

ステップＳ６０７〜Ｓ６１０は、処理対象画素の近傍画素が帰属するクラスタの代表特徴ベクトルとの距離と閾値Ｔ１とを比較し、閾値以内であれば処理対象画素を該クラスタに帰属させる処理である。この処理は実施形態２（図２）のステップＳ２０２〜Ｓ２０６と同一である。

ステップＳ６１１〜Ｓ６１８は、ｋ個のクラスタの中から、処理対象画素の特徴ベクトルと最も距離が近いクラスタを選び、該クラスタに処理対象画素を帰属させる処理である。ステップＳ６１９は、画像内の全ての画素を処理したか否かを判定する処理である。ステップＳ６２０〜Ｓ６２１は、クラスタの代表特徴ベクトルＰ１〜Ｐｋを各々更新し、クラスタリング処理部８０１の処理を終了させるか否かを判定する処理である。これらの処理は本発明の実施形態２の画像処理方法（図２）のステップＳ２０７〜Ｓ２１７と同一である。

以上に説明したように、本実施形態の画像処理方法では、処理対象画素が背景画素であると判定された場合、処理対象画素の特徴ベクトルと背景クラスタの代表特徴ベクトルとを最初に比較する（ステップＳ６０３〜Ｓ６０５）。また、背景画素でない場合には、近傍画素の帰属するクラスタの代表特徴ベクトルとを最初に比較する（ステップＳ６０７〜Ｓ６０９）。

図１６を用いて、本実施形態における処理対象画素の特徴ベクトルとクラスタの代表特徴ベクトルとの距離の算出と比較の演算回数について説明する。図１６（ｂ）は、図１６（ａ）の画像を従来のＫ−ｍｅａｎｓクラスタリング法で領域分割した場合に、距離算出に要した回数を画素毎に表したものである。図１６（ｃ）は、本実施形態の画像処理方法において、ステップＳ６０７〜Ｓ６０９で先ず左隣の画素を用い、次に上隣の画素を用いた場合に、距離算出に要した回数を画素毎に表したものである。

図１６（ｂ）より、従来のｋ−ｍｅａｎｓクラスタリング法では５１２回の距離算出を必要とするが、図１６（ｃ）より、本実施形態では１９９回まで距離算出を削減できる。よって、従来よりも高速な領域分割が可能となる。

＜その他の実施形態＞
本発明の目的は前述した実施例の機能を実現するソフトウエアのプログラムコードを記録した記録媒体を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵまたはＭＰＵ）が記録媒体に格納されたプログラムコードを読み出し実行することによっても達成される。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することとなり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。

プログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤなどを用いることができる。

また、コンピュータが読み出したプログラムコードを実行することにより、前述した実施例の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼動しているオペレーティングシステム（ＯＳ）などが実際の処理の一部または全部を行い、その処理によって前述した実施例の機能が実現される場合も含まれる。

さらに、記憶媒体から読み出されたプログラムコードが、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こまれた後、そのプログラムコードの指示に基づき、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い、その処理によって前述した実施形態の機能が実現される場合も含まれる。

７０１ クラスタリング処理部
７０２ 輪郭抽出部
７０３ ベクトルデータ生成部
８００ 背景判定部
８０１ クラスタリング処理部
８０２ 輪郭抽出部
８０３ ベクトルデータ生成部
８０４ 背景生成部
８０５ 背景圧縮部
８０６ データ結合部

Claims (10)

1. 画像データを複数のクラスタに分割する画像処理方法であって、
   処理対象の画素の特徴ベクトルと、前記処理対象の画素の近傍画素が属するクラスタの代表特徴ベクトルとの距離である第１の距離を算出する第１の距離の算出工程と、
   前記第１の距離が第１の閾値以下である場合、前記処理対象の画素を近傍画素が属するクラスタに帰属させる第１帰属工程と、
   定義されたクラスタがあり、かつ前記第１の距離が前記第１の閾値より大きい場合、前記処理対象の画素の特徴ベクトルと前記定義された各クラスタの代表特徴ベクトルとの距離を各々算出し、その中で最も近い距離である第２の距離を算出する第２の距離の算出工程と、
   前記第２の距離が第２の閾値以下である場合、前記処理対象の画素を前記第２の距離に対応するクラスタに帰属させ、定義されたクラスタがない場合または前記第２の距離が前記第２の閾値よりも大きい場合、前記処理対象の画素が帰属すべきクラスタを新たに定義し、前記処理対象の画素を新たに定義したクラスタに帰属させる第２帰属工程と
   を有することを特徴とする画像処理方法。
2. 前記第１の閾値は、前記第２の閾値よりも値が小さいことを特徴とする請求項１に記載の画像処理方法。
3. 画像データを、予め代表特徴ベクトルが定められた複数のクラスタに分割する画像処理方法であって、
   処理対象の画素の特徴ベクトルと、前記処理対象の画素の近傍画素が属するクラスタの代表特徴ベクトルとの距離である第１の距離を算出する第１の距離の算出工程と、
   前記第１の距離が第１の閾値以下である場合、前記処理対象の画素を近傍画素が属するクラスタに帰属させる第１帰属工程と、
   前記第１の距離が前記第１の閾値より大きい場合、前記処理対象の画素の特徴ベクトルと予め定められた前記複数のクラスタそれぞれの代表特徴ベクトルとの距離を算出し、距離が最も近いクラスタに前記処理対象の画素を帰属させる第２帰属工程と
   を有することを特徴とする画像処理方法。
4. 前記第１の距離の算出工程は、近傍画素の情報を格納するメモリの容量に応じて、近傍画素として参照する画素の数を決めることを特徴とする請求項１乃至３のいずれか一項に記載の画像処理方法。
5. 前記画像データは、背景部分が定義されており、前記第１の距離の算出工程の前に、
   前記処理対象の画素の特徴ベクトルと、前記背景部分が属するクラスタの代表特徴ベクトルとの距離である第３の距離を算出する第３の距離の算出工程と、
   前記第３の距離が第３の閾値以下である場合、前記処理対象の画素を前記背景部分が属するクラスタに帰属させる第３帰属工程と
   を更に有することを特徴とする請求項１乃至４のいずれか一項に記載の画像処理方法。
6. 前記処理対象の画素の特徴ベクトルは、色空間における当該画素の色値であり、前記クラスタの代表特徴ベクトルは、前記クラスタに属する画素の特徴ベクトルの平均値であることを特徴とする請求項１乃至５のいずれか一項に記載の画像処理方法。
7. 画像データを複数のクラスタに分割する画像処理装置であって、
   処理対象の画素の特徴ベクトルと、前記処理対象の画素の近傍画素が属するクラスタの代表特徴ベクトルとの距離である第１の距離を算出する第１の距離の算出手段と、
   前記第１の距離が第１の閾値以下である場合、前記処理対象の画素を近傍画素が属するクラスタに帰属させる第１帰属手段と、
   定義されたクラスタがあり、かつ前記第１の距離が前記第１の閾値より大きい場合、前記処理対象の画素の特徴ベクトルと前記定義された各クラスタの代表特徴ベクトルとの距離を各々算出し、その中で最も近い距離である第２の距離を算出する第２の距離の算出手段と、
   前記第２の距離が第２の閾値以下である場合、前記処理対象の画素を前記第２の距離に対応するクラスタに帰属させ、定義されたクラスタがない場合または前記第２の距離が前記第２の閾値よりも大きい場合、前記処理対象の画素が帰属すべきクラスタを新たに定義し、前記処理対象の画素を新たに定義したクラスタに帰属させる第２帰属手段と
   を有することを特徴とする画像処理装置。
8. 画像データを、予め代表特徴ベクトルが定められた複数のクラスタに分割する画像処理装置であって、
   処理対象の画素の特徴ベクトルと、前記処理対象の画素の近傍画素が属するクラスタの代表特徴ベクトルとの距離である第１の距離を算出する第１の距離の算出手段と、
   前記第１の距離が閾値以下である場合、前記処理対象の画素を近傍画素が属するクラスタに帰属させる第１帰属手段と、
   前記第１の距離が前記閾値より大きい場合、前記処理対象の画素の特徴ベクトルと予め定められた前記複数のクラスタそれぞれの代表特徴ベクトルとの距離を算出し、距離が最も近いクラスタに前記処理対象の画素を帰属させる第２帰属手段と
   を有することを特徴とする画像処理装置。
9. 画像データを複数のクラスタに分割するプログラムであって、
   処理対象の画素の特徴ベクトルと、前記処理対象の画素の近傍画素が属するクラスタの代表特徴ベクトルとの距離である第１の距離を算出する第１の距離の算出手段と、
   前記第１の距離が第１の閾値以下である場合、前記処理対象の画素を近傍画素が属するクラスタに帰属させる第１帰属手段と、
   定義されたクラスタがあり、かつ前記第１の距離が前記第１の閾値より大きい場合、前記処理対象の画素の特徴ベクトルと前記定義された各クラスタの代表特徴ベクトルとの距離を各々算出し、その中で最も近い距離である第２の距離を算出する第２の距離の算出手段と、
   前記第２の距離が第２の閾値以下である場合、前記処理対象の画素を前記第２の距離に対応するクラスタに帰属させ、定義されたクラスタがない場合または前記第２の距離が前記第２の閾値よりも大きい場合、前記処理対象の画素が帰属すべきクラスタを新たに定義し、前記処理対象の画素を新たに定義したクラスタに帰属させる第２帰属手段と
   してコンピュータを機能させるためのプログラム。
10. 画像データを、予め代表特徴ベクトルが定められた複数のクラスタに分割するプログラムであって、
    処理対象の画素の特徴ベクトルと、前記処理対象の画素の近傍画素が属するクラスタの代表特徴ベクトルとの距離である第１の距離を算出する第１の距離の算出手段と、
    前記第１の距離が閾値以下である場合、前記処理対象の画素を近傍画素が属するクラスタに帰属させる第１帰属手段と、
    前記第１の距離が前記閾値より大きい場合、前記処理対象の画素の特徴ベクトルと予め定められた前記複数のクラスタそれぞれの代表特徴ベクトルとの距離を算出し、距離が最も近いクラスタに前記処理対象の画素を帰属させる第２帰属手段と
    してコンピュータを機能させるためのプログラム。