JP5403899B2 - 画像処理装置、画像処理方法、プログラム及びコンピュータ記録媒体 - Google Patents

Description

本発明は、放射線撮影された画像から被写体領域と放射線が直接撮像された領域である背景領域とを識別する技術に関する。

近年、医療用の画像処理装置においては、デジタルで放射線画像データを出力可能なデジタル画像処理装置が普及してきており、このようなデジタル画像処理装置において画像処理は必要不可欠となっている。この放射線画像データの画像処理としては様々なものが適用されているが、その中でも放射線画像データを診断し易い濃度（輝度）とコントラストに変換する階調変換変換処理は重要な画像処理の１つである。

ところで、このような放射線画像データにおいては画像全体が必ずしも診断に必要なものではなく、その中の一部分の情報のみが必要である場合がある。そのため、画像全体から不要な領域を削除した領域の統計的性質から階調変換曲線を決定することが一般的に行なわれている。

例えば、図６のように放射線が被写体を透過せず直接センサに到達する背景領域（素抜け領域とも言う）を排除した被写体領域を抽出し、該被写体領域の最小値と最大値の範囲が最低濃度０．２Ｄと最高濃度３．２Ｄの範囲に収まるように階調曲線が決定される。

なお、上述のような被写体領域と背景領域を分離するための閾値をユーザが設定するのは煩雑であるため、従来から種々の自動閾値決定法が提案されている。例えば、非特許文献１の方法は、画像を任意の２つのクラスに分離したときのクラス間分散を算出し、このクラス間分散が最大となる画素値を、前景領域と背景領域を分離するための閾値として決定するものである。

また、特許文献１の方法は、画像全体のヒストグラムから撮影部位に応じて一定の頻度閾値を定め、この頻度閾値に基づいて所望画像領域の最小値と最大値を決定するものである。

また、特許文献２の方法は、画像全体をある一定の大きさのメッシュに等分割して各々のメッシュ内の濃度分散値を算出し、濃度分散値が任意の閾値以下であるメッシュ領域を背景領域とするものである。
Ｎ．Ｏｔｓｕ，"Ａ Ｔｈｒｅｓｈｏｌｄ Ｓｅｌｅｃｔｉｏｎ Ｍｅｔｈｏｄ ｆｒｏｍ Ｇｒａｙ−Ｌｅｖｅｌ Ｈｉｓｔｏｇｒａｍｓ，"ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ，ｖｏｌ．９，ｎｏ．１，ｐｐ．６２−６６，１９７９ 特公平０３−０２２９６８号公報 特開昭６１−２４５２８１号公報

上述した非特許文献１に記載の方法では、画像のヒストグラムにおいて、被写体領域と背景領域が明確に２つの山から構成されている場合においては、被写体領域と背景領域を分離するための閾値を決定することができる。

しかしながら、被写体領域が複数の山から構成されている場合や、背景領域の面積が画像全体に対して小さい場合においては、被写体領域と背景領域の分離点で必ずしもクラス間分散が最大とはならないため、閾値が求まらない場合がある。

また、特許文献２に記載の方法では、メッシュ内の濃度分散値を任意の閾値と比較することにより背景領域を判定するが、閾値の決定方法については明確にされていない。また、被写体領域の濃度分散値が背景領域と同等に小さい場合においては、被写体領域を背景領域と誤認識する場合があり、背景領域を精度良く判定できない場合がある。

本発明は、上記の課題に鑑みてなされたものであり、放射線撮影された画像から被写体領域と放射線が直接撮像された領域である背景領域とを識別する画像処理装置、画像処理方法、プログラム及びコンピュータ記録媒体を提供することにある。

上記目的を達成するため、被写体を透過した放射線を撮像した原画像から、該被写体領域と前記放射線が直接投影された領域である背景領域との境界の値を示す画素値を得る画像処理装置であって、
被写体領域と放射線が直接放射された領域である背景領域との境界を示す特徴量を画像から得て、テンプレートとして記憶する記憶手段と、
複数の画素値に対応する特徴量を該複数の画素値毎に前記原画像から算出する算出手段と、
特徴量空間において、前記テンプレートとしての特徴量と、前記算出手段で算出した特徴量との距離を算出する距離算出手段と、
前記距離算出手段で求めた特徴量毎の距離に基づいて前記原画像における被写体領域と背景領域との境界の値を示す画素値を選択する選択手段と、を備える。

放射線撮影された画像から被写体領域と放射線がセンサの受光面に直接投影された領域である背景領域とを識別することができる。

以下に、本発明の実施の形態を添付の図面に基づいて詳細に説明する。

図１は、本発明の機能を有する画像処理装置の全体を示す図である。
図２は、本実施の形態における背景認識回路の流れを示すフローチャートである。

まず、図１及び図２に従い本実施の形態について説明する。

本発明は、例えば図１に示すような画像処理装置１００に適用される。図１に示すように、画像処理装置１００は、撮影された画像をフィルム上又はモニタ上に出力する際の効果的な画像処理を行う機能を有する画像処理装置である。

画像処理装置１００は、データ収集回路１０５、前処理回路１０６、ＣＰＵ１０８、メインメモリ１０９、操作パネル１１０、画像表示器１１１、照射野認識回路１１２、背景認識回路１１３、階調変換回路１１８を備えており、これらはＣＰＵバス１０７を介して互いにデータ授受が可能に接続されている。

また、画像処理装置１００において、データ収集回路１０５と前処理回路１０６は相互に接続されており、データ収集回路１０５には２次元放射線センサ（以後センサと呼ぶ場合もある）１０４及び放射線発生回路１０１とが接続されている。更に、背景認識回路１１３は設定回路１１４、特徴ベクトル算出回路１１５、距離算出回路１１６、選択回路１１７を含んで構成されており、各回路はＣＰＵバス１０７に接続されている。

上述のような画像処理装置１００において、まず、メインメモリ１０９は、ＣＰＵ１０８での処理に必要な各種のデータなどを記憶すると共に、ＣＰＵ１０８のワーキング・メモリとして機能する。ＣＰＵ１０８は、メインメモリ１０９を用いて、操作パネル１１０からの操作にしたがった装置全体の動作制御等を行う。これにより画像処理装置１００は、以下のように動作する。

まず、操作パネル１１０を介してユーザから撮影指示が入力されると、この撮影指示はＣＰＵ１０８によりデータ収集回路１０５に伝えられる。ＣＰＵ１０８は、撮影指示を受けると、放射線発生回路１０１及び２次元放射線センサ１０４を制御して放射線撮影を実行させる。

放射線撮影では、まず放射線発生回路１０１が、被写体１０３に対して放射線ビーム１０２を放射する。放射線発生回路１０１から放射された放射線ビーム１０２は、被写体１０３を減衰しながら透過して、２次元放射線センサ１０４の受光面に到達する。そして、２次元放射線センサ１０４により放射線画像信号が出力される。本実施例では、被写体１０３を人体とする。すなわち、２次元放射線センサ１０４から出力される放射線画像は人体画像となる。ここで２次元放射線センサ１０４のかわりにイメージングプレートを用いて、イメージングプレートの潜像を励起してデジタル信号に変換して放射線画像データとして取得してもよい。

データ収集回路１０５は、２次元放射線センサ１０４から出力された放射線画像信号を所定のデジタル信号に変換して放射線画像データとして前処理回路１０６に供給する。前処理回路１０６は、データ収集回路１０５からの信号（放射線画像データ）に対して、オフセット補正処理やゲイン補正処理等の前処理を行う。この前処理回路１０６で前処理が行われた放射線画像データは原画像データとして、ＣＰＵ１０８の制御により、ＣＰＵバス１０７を介して、メインメモリ１０９に一旦記憶されるとともに、照射野認識回路１１２に供給される。

照射野認識回路１１２は、ＣＰＵバス１０７を介して供給された原画像データの照射野領域（撮影領域において、不要領域からの散乱を防いでコントラストの低下を防止するため等に、必要領域のみ照射する所謂「照射野絞り」が行われた領域）を認識する。この照射野認識回路１１２にて得られた照射野領域の画像は、ＣＰＵ１０８の制御により、ＣＰＵバス１０７を介して、背景認識回路１１３に供給される。

１１３は原画像データから背景領域を認識する回路であり、上記図１に示すように原画像データから少なくとも２つ以上の画素値を設定する設定回路１１４を有する。また、設定回路１１４で設定された複数の画素値から夫々画素値以上の領域の標準偏差、分散、歪度、尖度、平均値と設定された画素値の差の少なくとも２つ以上の特徴量を含む特徴ベクトルを算出する算出手段としての特徴ベクトル算出回路１１５を有する。

また、被写体領域と放射線が直接放射された領域である背景領域との境界を示す画素値に対応する特徴量を画像から得て、テンプレートとして記憶手段としてのメインメモリ１０９に記憶する。

特徴ベクトル算出回路１１５で算出された特徴量を多次元の特徴ベクトル（以後、単に特徴量と呼ぶ場合がある）とし、テンプレートとして特徴量との距離を算出する距離算出手段としての距離算出回路１１６を有する。距離算出回路１１６で算出された距離が最小となる画素値を背景領域と被写体領域を分離する画素値として選択する選択手段としての選択回路１１７を備えている。

これらの各構成部は、ＣＰＵバス１０７に接続されている。そして、照射野認識回路１１２および背景認識回路１１３にて認識された照射野領域および背景領域に関する情報は、ＣＰＵバス１０７を介して階調変換回路１１８に供給される。ここで、該情報に基づいた原画像データに対する階調変換が行なわれる。階調変換回路１１８では認識された背景領域に基づいて撮像された被写体領域内の画素値が、目的とする値となるような階調変換曲線にもとづいて原画像を階調変換する。また、階調変換処理では、階調変換曲線をルックアップテーブルとして用いて処理する場合もある。

以上のような構成を備えた本実施形態の画像処理装置１００における背景認識回路１１３の動作について、図２に示すフローチャートを用いて具体的に説明する。

まず、前処理回路１０６によって得られた原画像はＣＰＵバス１０７を介して背景認識回路１１３の前段に設けられている照射野認識回路１１２に転送され、照射野領域を認識する。ここで照射野領域を認識する方法としては、例えば、本出願人より既に提案されている特登録０３６３１０９５号公報に記載の方法を用いることができる。この方法では、注目画素とその周辺画素の画素値のパターンにより照射野端らしさを点数化し、照射野領域の認識を行う。

なお、照射野認識回路１１２に転送される画像は必ずしもフルサイズの原画像である必要はなく、任意のサイズに縮小した画像であっても良い。

次に、背景認識回路１１３において、被写体領域と放射線が直接撮像された領域である背景領域との境界線の値を示す画素値を代表値として決定する。ここで、図６に示されるように入力される画像のヒストグラムは、背景領域では著しい放射線強度の減弱がないため被写体領域の画素値よりも大きい画素値を有し、急峻なピークを持つ。また、被写体領域では体格や撮影部位によってヒストグラム形状が大きく変動するが、背景領域においてはヒストグラム形状の変動は少ないという特徴がある。よって、ヒストグラム形状の変動の少ない背景領域に対応する範囲の特徴に基づいて閾値を決定すれば、精度良く背景領域を認識することができる。

ｓ２０１において、背景認識回路１１３において、設定回路１１４が原画像データから任意のＮ個の画素値を設定する。ここで、後段において設定した画素値以上の範囲を背景領域と仮定して特徴量を算出するため、Ｎ個のうちの１つは被写体領域と背景領域を分離する点である必要がある。よって、好ましくは原画像データの最小値〜最大値までの全画素値を設定する。ただし、これに限定されるものではなく、原画像データの最小値〜最大値の中から任意の数点を設定しても良い。また、背景領域は大きい画素値を有するので原画像データの平均値〜最大値の中から任意の数点を設定しても良い。

次に、特徴ベクトル算出回路１１５では設定回路１１４で設定された画素値以上の値を有す画素の特徴を示す特徴量をＮ次元の特徴ベクトルとして原画像内から算出する。

Ｓ２０２において、設定された画素値のインデックスｉに初期値１を設定する。
Ｓ２０３において、原画像データからインデックスｉに対応する設定された画素値Ｖ_ｉ以上の画素データ系列｛ｘ_ｊ｜ｊ＝１，…Ｍ｝を抽出する。ここで画素値データ系列とは、原画像データ中で画素値Ｖ_ｉ以上の画素値を有する画素の集まりである。なお、原画像データとは原画像を構成する画素の値の数値列を示す。同様に放射線画像データとは放射線画像を構成する画素の値の数値列を示す。

Ｓ２０４において、次に抽出された画素データ系列から特徴量として特徴ベクトルＡ_ｉを算出する。本実施の形態では、特徴量として標準偏差ａ_１、歪度ａ_２、尖度ａ_３、平均値と設定された画素値の差ａ_４を算出し、この特徴量を４次元の特徴ベクトルＡ_ｉ＝［ａ_１，ａ_２，ａ_３，ａ_４］^Ｔとして算出する。

なお、標準偏差ａ_１は分布のばらつきを表すものであり、以下の式（１）によって算出される。ここで、ａ_１が大きいほど分布のばらつきが大きいことを示す。

また、歪度ａ_２は分布の非対称性の方向、およびその程度を表すものであり、以下の（２）式より算出される。ここで、ａ_２＞０ならば右の裾が長い分布であり、ａ_２＜０ならば左の裾が長い分布を示し、｜ａ_２｜が大きいほどその程度が大きいことを示す。

また、尖度ａ_３は尖りの程度を表すものであり、以下の（３）式より算出される。ここで、ａ_３＞３ならば正規分布よりも尖った分布であり、ａ_３＜３ならば正規分布よりも丸く鈍い形をしていることを示す。

平均値と設定された画素値の差ａ_４は分布の重心（算術平均）から画素値Ｖ_ｉまでの距離を表すものであり、以下の式（４）より算出される。ここで、ａ_４が大きいほど左の裾が長い分布であることを示す。

なお、本実施の形態では上述した４つの特徴量からなる４次元の特徴ベクトルＡ_ｉを算出したが、これに限定されるのもではなく、例えば歪度、尖度からなる２次元の特徴ベクトルを算出してもよい。また、新たな特徴量を追加して、より高次の特徴ベクトルを算出するようにしてもよい。
以上のようにして、特徴ベクトルＡ_ｉを算出する。

Ｓ２０５において、ｉ＞Ｎ−１がＦａｌｓｅの場合、すなわち設定された全ての画素値で特徴ベクトルＡ_ｉの算出が終了していない場合は、
Ｓ２０６において、インデックスｉをインクリメントする。さらに、新たな画素値Ｖ_ｉに対して上記のｓ２０３、ｓ２０４を実行する。そして、設定された全ての画素値に対して特徴ベクトルＡ_ｉを算出する。

次に、距離算出回路１１６では特徴ベクトル算出回路１１５で算出された特徴ベクトルと、背景領域を正しく分離した場合のテンプレートとしての特徴量である平均ベクトルとの距離を、特徴量空間で算出する。ここで、本実施の形態では、距離尺度として平均ベクトルの分散や相関を考慮したマハラノビスの汎距離を用いる。ただし、これに限定されるわけではなく、その他の距離尺度を用いても良い。ここで、特徴量空間とは、特徴量がＮ次元であればＮ次元の空間を示す。

特徴量空間での距離尺度としては、例えばユークリッド距離、標準化ユークリッド距離、シティブロック距離、マハラノビスの汎距離の何れかでなどを用いることができる。つまり、パターン認識で用いられる距離尺度等を適用することが出来る。

特徴量空間でのテンプレートとしての特徴量と、画素値系列毎に求めた特徴量の距離を求める。ここで、距離が近ければ、抽出された画素値系列化が、テンプレートとしての特徴量を得る際に用いた画素値系列と近い分布を有することを意味する。逆に距離がとうければ、抽出された画素値系列化が、テンプレートとしての特徴量を得る際に用いた画素値系列と遠い分布を有する。一定値よりも距離が大きい場合には、統計上の確率から背景領域がない場合を示す。

Ｓ２０７において、距離算出回路１１６では背景領域を正しく分離した場合の特徴量に関する情報として、平均ベクトルＵと平均ベクトルＵの分散共分散行列Σをメインメモリ１０９から取得する。この平均ベクトルＵと分散共分散行列Σは以下の式で表される。

ここで、μ_１，μ_２，μ_３，μ_４は、背景領域を正しく分離した場合の特徴量（標準偏差、歪度、尖度、平均値と設定された画素値の差）の母平均である。また、σ_ｉｊは各特徴量間の共分散である。

なお、上記（５）式で表される特徴量に関する情報は事前に計算し記憶手段としてのメインメモリ１０９に格納しておく必要がある。ここで、事前に計算する方法としては、例えば教師データとしてＮ枚の画像を用意し、各画像データから目視にて被写体領域と背景領域を分離するための画素値を設定する。この画素値以上の領域から上述した方法により特徴ベクトルを算出し、Ｎ個の標本サンプル｛Ｘ_ｋ｜ｋ＝１，…Ｎ｝を作成する。この標本サンプルを用いて、以下の式により標本平均および不偏分散を求め、この値をμ_ｉ，σ_ｉｊとして用いれば良い。

なお、特徴量に関する情報は１種類である必要はなく、患者情報（年齢、性別、身長、体重など）、撮影条件（撮影距離、管電圧、管電流、照射時間など）、撮影部位（胸部、頭部など）に応じて複数用意しても良い。つまり、特徴量は、患者情報、撮影条件、撮影部位の少なくとも１つの情報毎に用意してよい。

Ｓ２０８において、設定された画素値のインデックスｉに初期値１を設定する。

Ｓ２０９において、原画像データからインデックスｉに対応する特徴ベクトルＡ_ｉと平均ベクトルＵのマハラノビスの汎距離Ｄ^２ _ｉを以下の式により算出する。

なお、４次の特徴ベクトルから算出したマハラノビスの汎距離Ｄ^２ _ｉは自由度４のカイ２乗分布に従うので、この距離から特徴ベクトルＡ_ｉがこのグループ（平均ベクトルＵと分散共分散行列Σで表されるグループ）に属する確率を知ることができる。すなわち、マハラノビスの汎距離Ｄ^２ _ｉを算出することで画素値Ｖ_ｉ 以上の領域が背景領域である確率を知ることができる。例えば、Ｄ^２ _ｉ＜＝３．３５６９９ならば背景領域である確率は５０％であり、Ｄ^２ _ｉ＜＝１．０６３６２ならば背景領域である確率は９０％となる（距離が小さいほど背景領域である確率が高い）。

以上のようにして、
Ｓ２１０において、マハラノビスの汎距離Ｄ^２ _ｉを算出したあと、ｉ＞Ｎ−１がＦａｌｓｅで、すなわち全ての特徴ベクトルＡ_ｉでマハラノビスの汎距離Ｄ^２ _ｉの算出が終了していない場合を判別する。
Ｓ２１１において、インデックスｉをインクリメントし、新たな特徴ベクトルＡ_ｉに対してｓ２０９を実行し、全ての特徴ベクトルＡ_ｉについてマハラノビスの汎距離Ｄ^２ _ｉを算出する。

次に、選択回路１１７では、距離算出回路１１６で算出された距離が最小となる画素値を背景領域と被写体領域を分離する代表値として選択する。
Ｓ２１２において、設定された画素値のインデックスｉおよび、マハラノビスの汎距離が最小となる画素値のインデックスを格納するｉｎｄに初期値１を設定する。
Ｓ２１３において、Ｄ^２ _ｉとＤ^２ _ｉ＋１の値を比較する。
Ｓ２１４において、Ｄ^２ _ｉｎｄ＜Ｄ^２ _ｉ＋１がＦａｌｓｅの場合、すなわちＤ^２ _ｉｎｄが最小でない場合は、ｉｎｄにｉ＋１を代入する。
Ｓ２１５において、インデックスｉをインクリメントする。
Ｓ２１６において、ｉ＞Ｎ−１がＦａｌｓｅの場合、すなわち全ての比較が終了していない場合は、ｓ２１３〜ｓ２１５を繰り返し実行する。全ての比較が終了すると、ｉｎｄにマハラノビスの汎距離が最小となる画素値のインデックスが格納される。ｓ２１７において、このインデックスに対応する画素値Ｖ_{ｉ ｎｄ}を閾値ＴＨに代入する。

なお、図７のように、マハラノビスの汎距離が最小となる画素値以上の領域は、背景領域である確率が最も高い領域であり、背景領域を分離するための最適な画素値（代表値、閾値と呼ばれることもある）となる。

以上のようにして、背景認識回路１１３で最適な閾値が決定され、次に階調変換回路１１８において照射野認識回路１１２および背景認識回路１１３にて認識された照射野領域および背景領域に関する情報に基づいて階調変換が行なわれる。

ここで階調変換の方法については、特に限定するものではない。しかし、例えば照射野認識回路１１２で認識された照射野領域の最小値から背景認識回路１１３で算出された閾値ＴＨまでの範囲を被写体領域とする。この領域が最低濃度０．２Ｄと最高濃度３．２Ｄの範囲に収まるように階調変換を行なえば良い。

以上、実施例１では、背景領域の特徴を示す特徴ベクトルを算出し、該特徴ベクトルと背景領域を正しく分離した場合の平均ベクトルとの距離を算出する。これにより、被写体領域と背景領域を分離するための閾値を精度良く決定することができる。

図３は、本発明の機能を有する画像処理装置の全体を示す図である。
図４は、本実施の形態における背景認識回路の流れを示すフローチャートである。

本発明は、例えば図３に示すような画像処理装置３００に適用される。この画像処理装置３００は、画像処理装置１００に対し、背景有無判定回路３０１を備える構成としている。

なお、上記図３の画像処理装置３００において、上記図１の画像処理装置１００と同様に動作する箇所には同じ符号を付し、その詳細は省略する。また図４に示すフローチャートにおいて、上記図２に示したフローチャートと同様に処理実行するステップは同じ符号を付し、ここでは、上述した実施例１とは異なる構成についてのみ具体的に説明する。

まず、上述したようにして背景認識回路１１３がｓ２０１〜ｓ２１６を実行し、マハラノビスの汎距離が最小となる画素値のインデックスｉｎｄを計算する。ここで、もし原画像データに背景領域が存在しない場合、マハラノビスの汎距離が最小であっても背景領域を分離するための最適な閾値とはならない。そこで、背景有無判定回路３０１において原画像データに背景があるかどうかを判定し、背景がない場合は原画像データの最大値を閾値ＴＨとして出力する。
Ｓ４０１において、背景有無判定回路３０１ではＤ^２ _ｉｎｄと任意に設定した閾値ＴＨＦを比較する。
Ｓ４０２において、Ｄ^２ _ｉｎｄ＜ＴＨＦがＴｒｕｅの場合、すなわち背景領域である確率が高い場合は、背景が有ると判断しＴＨにＶ_{ｉ ｎｄ}を代入する。
Ｓ４０３において、Ｄ^２ _ｉｎｄ＜ＴＨＦがＦａｌｓｅの場合、すなわち背景領域である確率が低い場合は、背景が無いと判断しＴＨに原画像データの最大値を代入する。ここで、閾値ＴＨＦの決定方法は特に限定しないが、例えば背景領域である確率が９０％となる１．０６３６２を閾値ＴＨＦとして用いれば良い。

以上、実施例２では、背景領域の有無を判定する手段を備えることで、原画像データに背景領域が無い場合においても被写体領域と背景領域を分離するための閾値を精度良く決定することができる。

図５は、本実施の形態における背景認識回路の流れを示すフローチャートである。

本発明は、上記図３に示した画像処理装置３００において、背景認識回路１１３の動作を、例えば図５に示したフローチャートに従った動作とする。なお、図５に示すフローチャートにおいて、上記図４に示したフローチャートと同様に処理実行するステップには同じ符号を付す。ここでは上述した実施例２とは異なる構成についてのみ具体的に説明する。

まず、上述したようにして背景認識回路１１３がｓ２０１〜ｓ２１６を実行し、マハラノビスの汎距離が最小となる画素値のインデックスｉｎｄを計算する。

Ｓ５０１において、背景有無判定回路３０１では背景領域が無く誤認識した場合の特徴量に関する情報として、平均ベクトルＵＦと平均ベクトルＵＦの分散共分散行列Σをメインメモリ１０９から取得する。

ここで、ｓ２０７と同様に特徴量に関する情報は事前に計算しメインメモリ１０９に格納しておく必要がある。なお、事前に計算する方法としては、例えば教師データとして背景領域が無いＮ枚の画像を用意し、実施例１と同様の処理を実行することで、誤認識した閾値ＴＨを算出する。この閾値ＴＨ以上の領域から上述した方法により特徴ベクトルを算出し、Ｎ個の標本サンプル｛Ｘ_ｋ｜ｋ＝１，…Ｎ｝を作成する。この標本サンプルを用いて、式（６）にて平均ベクトルＵＦと平均ベクトルＵＦの分散共分散行列Σを算出すれば良い。

なお、特徴量に関する情報は１種類である必要はなく、患者情報（年齢、性別、身長、体重など）、撮影条件（撮影距離、管電圧、管電流、照射時間など）、撮影部位（胸部、頭部など）に応じて複数用意しても良い。
Ｓ５０２において、特徴ベクトルＡ_ｉと平均ベクトルＵＦのマハラノビスの汎距離ＤＦ^２をｓ２０９と同様の方法により算出する。

Ｓ５０４において、Ｄ^２ _ｉｎｄとＤＦ^２を比較する。
Ｓ５０４において、ここで、Ｄ^２ _ｉｎｄ＜ＤＦ^２がＴｒｕｅの場合、すなわち誤認識である確率よりも背景領域である確率が高い場合は、背景が有ると判断しＴＨにＶ_{ｉ ｎｄ}を代入する。
Ｓ５０５において、Ｄ^２ _ｉｎｄ＜ＤＦ^２がＦａｌｓｅの場合、すなわち誤認識である確率よりも背景領域である確率が低い場合は、背景が無いと判断しＴＨに原画像データの最大値を代入する。

以上、実施例３では、背景領域の有無を判定する手段を備えることで、原画像データに背景領域が無い場合においても被写体領域と背景領域を分離するための閾値を精度良く決定することができる。

以上、本発明の好ましい実施例について説明したが、本発明はこれらの実施例に限定されないことはいうまでもなく、その要旨の範囲内で種々の変形及び変更が可能である。

また、本発明は、前述した実施例の機能を実現するソフトウェアのプログラム（実施例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し、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。

プログラムを供給するための記録媒体としては、例えば、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）などがある。

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。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し、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、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、前述した実施例の機能が実現される他、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ない、その処理によっても前述した実施例の機能が実現され得る。

実施例１による画像処理装置全体の構成図 実施例１による背景認識回路の処理手順を示すフローチャート 実施例２、３による画像処理装置全体の構成図 実施例２による背景認識回路の処理手順を示すフローチャート 実施例３による背景認識回路の処理手順を示すフローチャート 階調変換を説明する図 背景認識方法を説明する図

符号の説明

１００ 画像処理装置
１０９ メインメモリ
１１３ 背景認識回路
１１４ 設定回路
１１５ 特徴ベクトル算出回路
１１６ 距離算出回路
１１７ 選択回路
１１８ 階調変換回路
３００ 画像処理装置
３０１ 背景有無判定回路

Claims (8)

1. 被写体を透過した放射線を撮像した原画像から、該被写体領域と前記放射線が直接投影された領域である背景領域との境界の値を示す画素値を得る画像処理装置であって、
   被写体領域と放射線が直接放射された領域である背景領域との境界を示す特徴量を画像から得て、テンプレートとして記憶する記憶手段と、
   複数の画素値に対応する特徴量を該複数の画素値毎に前記原画像から算出する算出手段と、
   特徴量空間において、前記テンプレートとしての特徴量と、前記算出手段で算出した特徴量との距離を算出する距離算出手段と、
   前記距離算出手段で求めた特徴量毎の距離に基づいて前記原画像における被写体領域と背景領域との境界の値を示す画素値を選択する選択手段と、を備えることを特徴とする画像処理装置。
2. 前記原画像の患者情報、撮影条件、撮影部位の少なくとも１つの情報に関する情報を得る取得手段を更に備え、
   テンプレートとしての特徴量は、患者情報、撮影条件、撮影部位の少なくとも１つの情報毎に前記記憶手段に記憶しており、
   前記取得手段で取得した患者情報、撮影条件、撮影部位の少なくとも１つの情報に応じて、前記距離算出手段で用いる前記テンプレートとしての特徴量を選択することを特徴とする請求項１に記載の画像処理装置。
3. 前記算出手段で算出される特徴量は、前記算出手段において前記特徴量を算出する対象となる画素値の値以上の画素値を有する前記原画像内の画素の標準偏差、分散、歪度、尖度、平均値と前記算出手段において前記特徴量を算出する対象となる画素値との差の値、の少なくとも２つ以上であることを特徴とする請求項１又は２に記載の画像処理装置。
4. 前記距離算出手段で用いる距離尺度は、ユークリッド距離、標準化ユークリッド距離、シティブロック距離、マハラノビスの汎距離の何れかであることを特徴とする請求項１から３のいずれか一項に記載の画像処理装置。
5. 前記距離算出手段で求めた距離が予め定められた値より大きい場合には背景領域が無いと判定する背景有無判定手段をさらに備えることを特徴とする請求項１から４のいずれか一項に記載の画像処理装置。
6. 被写体を透過した放射線を撮像した原画像から、該被写体領域と前記放射線が直接投影された領域である背景領域との境界の値を示す画素値を得る画像処理方法であって、
   記憶手段から、被写体領域と放射線が直接撮像された領域である背景領域との境界線を含む画像の特徴量をテンプレートとして読み出す工程と、
   複数の画素値に対応する特徴量を該複数の画素値毎に前記原画像から算出する算出工程と、
   特徴量空間において前記テンプレートと、前記算出工程で算出した特徴量との距離を算出する距離算出工程と、
   前記距離算出工程で求めた特徴量毎の距離に基づいて前記原画像における被写体領域と背景領域との境界の値を示す画素値を選択する選択工程と、を備えることを特徴とする画像処理方法。
7. コンピュータを、
   被写体を透過した放射線を撮像した原画像から、該被写体領域と前記放射線が直接投影された領域である背景領域との境界の値を示す画素値を得る画像処理装置として機能させるコンピュータプログラムをコンピュータにより読み出し可能に記録した記録媒体であって、
   被写体領域と放射線が直接放射された領域である背景領域との境界を示す画素値に対応する特徴量を画像から得て、テンプレートとして記憶する記憶手段と、
   複数の画素値に対応する特徴量を該複数の画素値毎に前記原画像から算出する算出手段と、
   特徴量空間において、前記テンプレートとしての特徴量と、前記算出手段で算出した特徴量との距離を算出する距離算出手段と、
   前記距離算出手段で求めた特徴量毎の距離に基づいて前記原画像における被写体領域と背景領域との境界の値を示す画素値を選択する選択手段と、
   として機能させることを特徴とするコンピュータプログラムをコンピュータにより読み出し可能に記録した記録媒体。
8. コンピュータを、
   被写体を透過した放射線を撮像した原画像から、該被写体領域と前記放射線が直接投影された領域である背景領域との境界の値を示す画素値を得る画像処理装置として機能させるコンピュータプログラムであって、
   被写体領域と放射線が直接放射された領域である背景領域との境界を示す画素値に対応する特徴量を画像から得て、テンプレートとして記憶する記憶手段と、
   複数の画素値に対応する特徴量を該複数の画素値毎に前記原画像から算出する算出手段と、
   特徴量空間において、前記テンプレートとしての特徴量と、前記算出手段で算出した特徴量との距離を算出する距離算出手段と、
   前記距離算出手段で求めた距離が最も近い特徴量に対応する画素値を、前記原画像における被写体領域と背景領域との境界の値を示す画素値として選択する選択手段と、
   として機能させることを特徴とするコンピュータプログラム。

Images