JP5424712B2 - 画像処理装置及びその制御方法とプログラム - Google Patents

Description

本発明は、画像データの特徴に応じて画像を補正する画像処理装置及びその制御方法に関する。

近年、撮像素子で撮影した静止画をデジタルデータとして記録するデジタルカメラが広く普及している。また画像を記録するメモリカードの大容量化に伴って、撮影した画像を大量に記憶することが一般化している。このように簡単に大量の画像を撮影して保存できるようになったため、安易に撮影して露出量が適正でない状態で撮影して保存される画像も増えている。例えば、露出不足の状態で撮影された画像では、明るい場所を撮影したにも拘わらず、画像全体が暗くなって保存されてしまう。このように露出不足の状態で撮影された画像をコンピュータの画面に表示させる場合、或いは、印刷して閲覧する場合などには、撮影した画像に対し撮影時の露出の過不足を補うため適当な補正処理が行われることが望ましい。このような補正処理を大量の画像に対して１つずつ手作業で行うと非常に手間がかかってしまうため、撮影した画像の露出の過不足状態を自動的に判定して補正処理を行えることが望ましい。しかしながら、例えば、全体的に暗い夜景画像と露出不足の画像を自動的に判定することが難しい。このような問題を解決するために、夜景画像と露出不足画像とを自動的に判定し、適切な補正処理を実行する方法が提案がされている。

特開２００７−２２８２２１号公報 特登録０４０５７１４７号公報 特開２００６−３２４９８７号公報

特許文献１には、撮影シーンを判別し、このシーン判別により設定した補正処理条件を夜景指標に応じて補正し直す方法が記載されている。この特許文献１における夜景指標は、撮影時の撮影条件、画像の肌色画素情報、及び画像全体の平均輝度を用いて算出される。この特許文献１に記載の方法は、撮影された画像の撮影シーンを判別することによって自動的に補正条件を設定するものである。更に、夜景の撮影の場合を考慮した補正を加えることで、より適切な補正画像を得ている。しかしながら、撮影された画像の撮影シーンを判別する場合に、撮影時の撮影条件が設定されていない場合や、設定条件が置き換えられている場合には、シーン判別を行うには不十分となる。

また特許文献２には、主要な被写体以外に暗い箇所がある場合であっても、誤判定することなく逆光シーンであるか否かを判定できる逆光シーン判定方法が記載されている。この特許文献２の方法では、画像が明度が暗い露出不足の風景であるか、夜景の画像であるかを判定していない。例えば、夜景の中で背景が暗く、一部が明るく照明で照らされた部分がある場合、その照明で照らされた部分は逆光ではないと判断される。また、暗い部分が明度も低く、彩度の分散も低い場合には逆光画像と判定されてしまい、夜景の暗い部分が逆光であると判定される。こうして夜景の暗い部分が逆光と判定されてしまった場合に、夜景の暗い部分が明るくなって補正されてしまう。

また特許文献３は、撮影画像を複数の区画に分割し、分割された区画の画像の特徴量である区画特徴量を算出し、その区画特徴量から撮影画像に割り当てられる撮影シーンの確度を算定している。そして、その算定された撮影シーンの確度から撮影画像に対する補正度を決定する方法を記載している。この特許文献３では、撮影シーンの確度を算出する方法として、例えば、逆光と順光の判定に、撮影画像の中央部に位置する区画群と周辺部に位置する区画群との輝度差を用いている。つまり、中央部の区画群の輝度が周辺部の区画群の輝度より小さい場合は逆光シーンである判断し、逆に中央部の区画群の輝度が周辺部の区画群の輝度より大きい場合は順光シーンと判断している。その際、極端な順光であるとみなされるスポット光という撮影シーンも考慮して、この逆光と順光シーンの確度の算定では、上述した輝度差に基づいて判定している。しかしながら、特許文献３の方法では、画像から解析した特徴量のみを基準としてシーンの確度を判定しているため、様々な画像のシーンの確度を求めることはできない。例えば、夜景を撮影した際、中央は夜景で暗く、周辺がネオンなどで明るくなっている場合には、中央部の輝度が周辺部の輝度より大きくなって逆光シーンと判定されてしまう。また、夜景画像と逆光画像において、中央部の輝度と周辺部の輝度との差が同じ場合には、同じシーンの確度として算出されてしまう。

本発明は、上記従来技術の問題点を解決するためになされたものである。

本発明の特徴は、画像データのシーンを判定し、その判定したシーンに応じた画像データの補正を行うことにある。

上記目的を達成するために本発明の一態様に係る画像処理装置は以下のような構成を備える。即ち、
画像データの特徴量と各シーンを示す予め設定されている特徴量とに基づいて前記画像データのシーンを判定する判定手段と、
前記判定手段によって判定されたシーンと、前記画像データの特徴量と、前記判定手段によって判定されたシーンに予め設定されている特徴量と当該特徴量に予め設定されている重みとに基づき、前記画像データの明るさを補正する補正手段とを有し、
前記補正手段は、前記重みの大きさに応じて、前記画像データの明るさを補正する量を制御することを特徴とする。

本発明によれば、画像データのシーンを判定し、判定されたシーンと重みとに応じて、適切な明るさ補正量により、その画像データの明るさを補正することができる。

実施形態に係る画像処理システムの機能構成を示すブロック図。 実施形態に係る画像処理システムの構成を説明するブロック図。 実施形態に係る画像処理システムの動作手順を示すフローチャート。 実施形態に係る特徴量算出部の動作手順を示すフローチャート。 輝度（Ｙ）と色差（Ｃｂ）のヒストグラム例を示すグラフ図。 本実施形態に係るシーン判定部の動作手順を示すフローチャート。 実施形態に係るシーン判定方法を説明する図。 明度の平均値と彩度の分散値からなる２次元の特徴量空間に画像を配置したイメージ図。 実施形態に係る補正処理部の動作手順を示すフローチャート。 実施形態において画像補正に用いるγ曲線を示す図。 実施形態に係るシーン判定方法を説明する図。

以下、添付図面を参照して本発明の実施形態を詳しく説明する。尚、以下の実施形態は特許請求の範囲に係る本発明を限定するものでなく、また本実施形態で説明されている特徴の組み合わせの全てが本発明の解決手段に必須のものとは限らない。

本実施形態では、デジタル画像データを解析してシーンを判定する画像処理装置を有する画像処理システムの例で説明する。

図２は、本発明の実施形態に係る画像処理システムの構成を説明するブロック図である。

この画像処理システムは、コンピュータ２００と、それに接続されたプリンタ２１０及び画像取得装置２１１（例えば、デジタルカメラやスキャナ等）を有している。コンピュータ２００において、システムバス２０１には、ＣＰＵ２０２，ＲＯＭ２０３，ＲＡＭ２０４、ハードディスク等の二次記憶装置２０５が接続されている。またユーザインターフェースとして、表示部２０６、キーボード２０７、ポインティングデバイス２０８がＣＰＵ２０２等に接続されている。更に、プリンタ２１０がＩ／Ｏインターフェース２０９を介して接続されている。更に、画像データの入力用の画像取得装置２１１がＩ／Ｏインターフェース２０９を介して接続されている。ＣＰＵ２０２は、アプリケーション（以下の説明する処理を実行する機能を有する）の実行が指示されると二次記憶装置２０５にインストールされている、対応するプログラムを読み出してＲＡＭ２０４にロードする。その後、そのプログラムを起動することにより、その指示された処理を実行することができる。

以下、本発明の実施形態に係る画像処理システムの概要について図を参照して説明する。図１は、本発明の実施形態に係る画像処理システムの機能構成を示すブロック図である。

この画像処理システムは、画像取得装置２１１、色空間変換部１０１、特徴量算出部１０２、シーン判定部１０３、補正処理部１０４、プリンタ２１０を具備している。

画像取得装置２１１は、撮影した画像をデジタル画像データとしてメモリカード等の記録メディアに記憶しているデジタルカメラ等の撮像装置である。また或いは、原稿を読み取ってデジタル画像データとしてファイルを取得するスキャナであっても良い。また或いはこれらデジタルカメラ或いはスキャナ等から画像ファイルを取得する装置であっても良い。色空間変換部１０１は、画像取得装置２１１から入力されるデジタル画像データを特徴量算出部１０２で必要な色空間に変換し、その色空間変換した画像データを特徴量算出部１０２へ送信する。また色空間変換部１０１は、画像取得装置２１１から入力したデジタル画像データを補正処理部１０４で必要な色空間に変換し、その色空間変換した画像データを補正処理部１０４へ送信する。特徴量算出部１０２は、色空間変換部１０１で色空間変換された画像データから明度成分の特徴量と色のばらつき成分の特徴量を算出する。シーン判定部１０３は、特徴量算出部１０２で算出した特徴量を組み合わせた値と、予め設定してある各シーンを示す複数の特徴量を組み合わせた代表値との距離を算出する。そして、その算出した代表値との距離の中で、最も距離の短い代表値を示すシーンを取得画像のシーンと判定する。更にシーン判定部（シーン信頼度算出機能も有している）１０３は、その算出した代表値との距離を利用して、判定したシーンの信頼度（シーン信頼度）を算出する。また予め設定してある各代表値の重みを利用して、判定したシーンの重み（代表点信頼度）を算出する。そして、シーン信頼度と代表点信頼度を乗算することによって、最終的なシーン信頼度（最終シーン信頼度）を算出する。補正処理部１０４は、シーン判定部１０３で判定したシーンに応じて階調補正処理を行うとともに、シーン判定部１０３で算出した最終シーン信頼度に応じて、階調補正量を制御する。プリンタ２１０は、補正処理部１０４で補正した画像を印刷媒体に印刷する。

図３は、本発明の実施形態に係る画像処理システムのコンピュータ２００の動作手順を示すフローチャートである。この処理を実行するプログラムは、実行時に二次記憶装置２０５からＲＡＭ２０４にロードされ、ＣＰＵ２０２の制御の下に実行される。

まずＳ１で、画像取得装置２１１からデジタル画像データを含むファイルを取得する。そして、その取得したファイルから、画像データ及び画像サイズ等の付属情報を取得し、色空間変換部１０１に送信する。例えば、取得したファイルがＪＰＥＧ形式等の画像データを圧縮処理したファイルの場合は、画像データの伸長処理を行う。ＪＰＥＧは、撮影した画像データについての静止画像データの圧縮方式である。次にＳ２に進み、色空間変換部１０１により、その取得した画像データを特徴量算出部１０２で必要な色空間に変換して特徴量算出部１０２へ送信する。次にＳ３に進み、色空間変換部１０１は、取得した画像データを補正処理部１０４で必要な色空間に変換して補正処理部１０４へ送信する。この色空間変換処理は、公知である色変換処理による処理である。例えば、色空間変換部１０１に入力された画像データの色空間がＲＧＢで、特徴量算出部１０２で必要な色空間がＹＣｂＣｒである場合、ＩＴＵ−Ｒ ＢＴ．６０１で規定されている以下の変換式を用いて、色空間の変換処理を行う。

Ｙ ＝ ０．２９９×Ｒ＋０．５８７×Ｇ＋０．１４４×Ｂ
Ｃｂ＝−０．１６９×Ｒ−０．３３１×Ｇ＋０．５００×Ｂ
Ｃｒ＝ ０．５００×Ｒ−０．４１９×Ｇ−０．０８１×Ｂ ...式（１）
次にＳ４に進み、特徴量算出部１０２が、色空間変換部１０１から入力される画像データを解析し、明度成分及び色のばらつき成分の特徴量を算出し、その特徴量をシーン判定部１０３へ送信する。例えば、ＹＣｂＣｒ色空間の画像データから、明度成分として輝度（Ｙ）の平均値を算出する。また、色のばらつき成分として色差（Ｃｂ）の分散値を算出し、これらを特徴量とする。

以下の変換式を用いて、輝度（Ｙ）の平均値を算出する。

輝度（Ｙ）の平均値＝Σ（輝度値（Ｙ）×度数）／全画素数 ...式（２）
以下の変換式を用いて、色差（Ｃｂ）の平均値を求めてから、色差の分散値を算出する。

色差（Ｃｂ）の平均値＝Σ（色差値（Ｃｂ）×度数）／全画素数 ...式（３）
色差（Ｃｂ）の分散値＝Σ（（色差値（Ｃｂ）−色差の平均値）の２乗）／全画素数 ...式（４）
以上の式（２）〜（４）で、Σは０〜２５５の総和を示している。

次にＳ５に進み、シーン判定部１０３は、特徴量算出部１０２で算出した特徴量を組み合わせた値と、予め設定してある各シーンを示す各代表値との距離を算出する。そして、その算出した各代表値との距離の中で、最も距離の短い代表値のシーンを、その入力した画像データのシーンであると判定する。更に、そのシーンの代表値との距離を利用して、判定したシーンの信頼度（シーン信頼度）を算出する。また更に、予め設定してある各代表値の重みを利用して、判定したシーンの重み（代表点信頼度）を算出する。そして、これらシーン信頼度と代表点信頼度とを乗算することによって、最終的なシーン信頼度（最終シーン信頼度）を算出する。

ここでは例えば、特徴量は、明度成分の特徴量として輝度（Ｙ）の平均値、色のばらつき成分の特徴量として色差（Ｃｂ）の分散値とする。また予め設定してある各シーンを示す複数の特徴量も同様に、明度成分の特徴量として輝度（Ｙ）の平均値、色のばらつき成分の特徴量として色差（Ｃｂ）の分散値とする。そして、予め設定してある各シーンを、夜景シーン及び露出不足シーンの２つのシーンとする。そして夜景シーンには、輝度（Ｙ）の平均値、色差（Ｃｂ）の分散値の特徴量の組み合わせからなる３つの代表値を設定する。一方、露出不足シーンには、輝度（Ｙ）の平均値、色差（Ｃｂ）の分散値の特徴量の組み合わせからなる４つの代表値を設定しておく。こうして入力した画像データから算出した特徴量の組み合わせ値と、これら７つの代表値との差分を計算し、最も差分の小さい代表値を求める。そして、その最も差分の小さい代表値に設定されているシーンを、その入力した画像のシーンと判定する。更に、そのシーンの代表値との距離を利用して、判定したシーンの信頼度（シーン信頼度）を算出する。例えば、最も差の小さい値をＡとし、次に小さい値をＢとした場合、シーン信頼度は、
シーン信頼度＝[｛（Ａ＋Ｂ）／２｝−Ａ］／｛（Ａ＋Ｂ）／２｝ ...式（５）
で表される。

更に、各代表値の重みを利用して、判定したシーンの重み（代表点信頼度）を算出する。そして、シーン信頼度と代表点信頼度を乗算することによって、最終的なシーン信頼度（最終シーン信頼度）を算出する。

次にＳ６に進み、補正処理部１０４で、シーン判定部１０３で判定したシーン及び最終シーン信頼度に応じて補正処理を行う。例えば、シーンが夜景シーン、或いは露出不足シーンであるかに応じて階調補正処理を異ならせて補正処理を行う。例えば、判定されたシーンが夜景シーンである場合、補正後の輝度の平均値が元の輝度の平均値を越えないように、暗い部分をより暗く、明るい部分はより明るくなるように補正する。また判定されたシーンが露出不足の場合は、補正後の輝度の平均値が元の輝度の平均値を越えるように、全体的に明るくするような補正処理を行う。更に、シーン判定部１０３で算出した最終シーン信頼度に応じて補正量を制御する。この補正量の制御は詳しく後述する。次にＳ７に進み、補正処理部１０５で補正した画像データをプリンタ２１０に出力して印刷させる。例えば、ＣＭＹＫのインク色に補正後の画像データを変換し、用紙に印刷するように制御する。

以下、本実施の形態における画像出力装置の各処理部の詳細について図を用いて説明する。色空間変換部１０１は、画像取得装置２１１で取得したデジタル画像データを特徴量算出部１０２で必要な色空間に変換し、色空間変換した画像データを特徴量算出部１０２へ送信する。また色空間変換部１０１は、画像取得装置２１１で取得したデジタル画像データを補正処理部１０４で必要な色空間に変換し、色空間変換した画像データを補正処理部１０４へ送信する。色空間変換処理は、入力画像と異なる色空間に変換した出力画像を生成する処理である。入力画像は、画像取得装置２１１で取得したデジタル画像データである。入力画像の色空間は、画像取得装置２１１で取得したデジタル画像データの色空間とする。出力画像の色空間は、特徴量算出部１０２で解析処理を行う際に利用する色空間とする。もしくは、出力画像の色空間は、補正処理部１０４で補正処理を行う際に利用する色空間とする。色空間変換処理方法に関しては、様々な手法で行われているが、入力画像の色空間を出力画像の色空間に変換した画像を生成する方法であれば、いずれの方法を使用しても構わない。

特徴量算出部１０２は、色空間変換部１０１で色空間変換された画像データから明度成分の特徴量と色のばらつき成分の特徴量を算出する処理部である。この特徴量算出部１０２については図４及び図５を参照して説明する。

図４は、本発明の実施形態に係る特徴量算出部１０２の動作手順を示すフローチャートである。

図５（Ａ）は、実施形態に係る輝度（Ｙ）のヒストグラムを示すグラフ図、図５（Ｂ）は、実施形態に係る色差（Ｃｂ）のヒストグラムを示すグラフ図である。

例えば、色空間変換部１０１に入力される画像データが色空間ＹＣｂＣｒの画像データとする。そして明度成分の特徴量を輝度（Ｙ）の平均値とし、色のばらつき成分の特徴量を色差（Ｃｂ）の分散値として特徴量を算出するものとする。

図４のフローチャートにおいて、まずＳ４１で、ＹＣｂＣｒの画像データのヒストグラムを算出する。次にＳ４２に進み、算出したヒストグラムから明度成分となるＹの平均値を算出する。このとき輝度（Ｙ）の平均値は、以下の式（６）となる。

輝度（Ｙ）の平均値＝Σ（輝度値（Ｙ）×度数）／全画素数 ...式（６）
ここで、Σは０〜２５５の総和を示している。

いま輝度（Ｙ）のヒストグラムが図５（Ａ）に示すようなヒスグラムである場合、輝度（Ｙ）の平均値は「３」となる。

輝度（Ｙ）の平均値＝（（１×３）＋（２×１０）＋（３×６）＋（４×６）＋（５×５））／（３＋１０＋６＋６＋５）＝９０／３０＝３
次Ｓ４３に進み、算出したヒストグラムから色差Ｃｂの平均値を算出する。

色差（Ｃｂ）の平均値は以下の式となる。

色差（Ｃｂ）の平均値＝Σ（色差値（Ｃｂ）×度数）／全画素数 ...式（７）
ここで、Σは０〜２５５の総和を示している。

いま色差（Ｃｂ）のヒストグラムが図５（Ｂ）に示すようなヒスグラムである場合、色差（Ｃｂ）の平均値は「３」となる。

次にＳ４４に進み、算出したヒストグラムから色のばらつき成分となる色差Ｃｂの分散値を算出する。

色差（Ｃｂ）の分散値は以下の式となる。

色差（Ｃｂ）の分散値＝Σ（（色差値（Ｃｂ）−色差の平均値）の２乗）／全画素数 ...式（８）
ここで、Σは０〜２５５の総和を示している。

色差（Ｃｂ）のヒストグラムが図５（Ｂ）に示すようなヒスグラムである場合、Ｃｂの分散値は「１．６」となる。

色差（Ｃｂ）の平均値＝（（１×３）＋（２×１０）＋（３×６）＋（４×６）＋（５×５））／（３＋１０＋６＋６＋５）＝９０／３０＝３
色差（Ｃｂ）の分散値＝（（１−３）の２乗×３）＋（（２−３）の２乗×１０）＋（（３−３）の２乗×６）＋（（４−３）の２乗×６）＋（（５−３）の２乗×５）／（３＋１０＋６＋６＋５）＝４８／３０＝１．６
次にＳ４５に進み、Ｓ４２及びＳ４４で算出した明度成分の特徴量と色のばらつき成分の特徴量を０〜１００の値に正規化する。例えば、正規化は、想定される明度成分である輝度（Ｙ）の平均値の範囲が０〜２５５の値である場合、０〜２５５を０〜１００の値に変換する。

輝度（Ｙ）の平均値の正規化後の値＝（輝度（Ｙ）の平均値／２５５）×１００
また、例えば、色差（Ｃｂ）の分散値を正規化する場合は、０〜１６３８４を０〜１００の値に変換し、１６３８４より大きい値は１００にする。

色差（Ｃｂ）の分散値の正規化後の値＝｛色差（Ｃｂ）の分散値／１６３８４｝×１００
特徴量算出部１０２は、明度成分の特徴量と色のばらつき成分の特徴量を正規化した値をシーン判定部１０３に出力する。

本実施形態では、明度成分を示す特徴量として、輝度（Ｙ）の平均値としているが、明度成分を示す特徴量であればこれに限らない。例えば、明度成分を示す特徴量は、輝度（Ｙ）の最大値、最小値、中央値であってもよい。また明度成分を示す特徴量として、上記特徴量を算出する際に、ある領域内で算出してもよい。例えば、輝度（Ｙ）が０〜２５５の濃度値の範囲の場合に、濃度値０及び２５５を除いて、輝度（Ｙ）の平均値を算出してもよい。また輝度（Ｙ）の最大値から全体の画素数の０〜５％に当たる濃度範囲の輝度（Ｙ）の平均値を算出してもよい。

また本実施形態では、明度成分を示す特徴量として、ＹＣｂＣｒ色空間上の輝度（Ｙ）を例に示しているが、明度成分を示す特徴量であればこれに限らない。例えば、明度成分を示す特徴量として、色空間をＪＩＳ Ｚ８７２９に規定されているＬａｂ表色系やＪＩＳ Ｚ８５１８に規定されているＬｕｖ表色系のＬ（輝度）としてもよい。また明度成分を示す特徴量として、ＨＳＶ色空間でのＶ（明度）等の各種色空間上で、明度成分を示す特徴量であればよい。

更に本実施形態では、色のばらつき成分を示す特徴量のばらつき成分を、色差（Ｃｂ）の分散値としているが、色のばらつき成分を示す特徴量であれば、これに限らない。例えば、色のばらつき成分を示す特徴量として、色差（Ｃｂ）の標準偏差値、色差（Ｃｂ）の最大値−最小値、平均値からの差分合計値等、色のばらつきを示す特徴量であってもよい。また本実施形態では、色のばらつき成分を示す特徴量を、ＹＣｂＣｒ色空間上の色差（Ｃｂ）を例に示しているが、色のばらつき成分を示す特徴量であればこれに限らない。例えば、ＹＣｂＣｒ色空間での色差（Ｃｒ）、ＨＳＶ色空間のＨ（色相）等の各種色空間上で、色のばらつき成分を示す特徴量であればよい。更に、本実施形態では、色のばらつき成分を示す特徴量のばらつき成分として、色差（Ｃｂ）の分散値を例に示しているが、ある閾値領域内の色のばらつき成分を示す特徴量としてもよい。例えば、輝度（Ｙ）の最大値付近や最小値付近の画素の色差（ＣｂやＣｒ）分散値等、ある閾値領域内の色のばらつき成分を示す特徴量としてもよい。

また本実施形態では、明度成分と色のばらつき成分の特徴量の組み合わせとして、輝度（Ｙ）の平均値、色差（Ｃｂ）の分散値を示しているが、明度成分と色のばらつき成分を少なくとも含んでいれば、２つ以上の特徴量の組み合わせでも構わない。例えば、明度成分と色のばらつき成分の特徴量の組み合わせとして、輝度（Ｙ）の平均値、色差（Ｃｂ）の分散値、色差（Ｃｒ）の分散値の３つとしてもよい。また、ＲＧＢ色空間のＲ、Ｇ、Ｂの平均値や最大値、最小値、ＨＳＶ色空間の彩度（Ｓ）の平均値や最大値、最小値等と、明度成分と色のばらつき成分を含んだ特徴量の組み合わせでもよい。

シーン判定部１０３は、特徴量算出部１０２で算出した特徴量の組み合わせた値と、予め設定してある各シーンを示す複数の特徴量の組み合わせた代表値との距離を算出する。そして、その算出した代表値との距離の中で、最も距離の短い代表値を示すシーンを取得画像のシーンと判定する。更に、その算出した代表値との距離を利用して、判定したシーンの信頼度（シーン信頼度）を算出する。更に、各代表値の重みを利用して、判定したシーンの重み（代表点信頼度）を算出する。そして、これらシーン信頼度と代表点信頼度を乗算することによって、最終的なシーン信頼度（最終シーン信頼度）を算出する。

このシーン判定部１０３のシーン判定処理を図６及び図７を参照して説明する。

図６は、本実施形態に係るシーン判定部１０３の動作手順を示すフローチャートである。図７は、本発明の実施形態に係るシーン判定方法を説明する図である。

図７は、横軸を明度成分である正規化後の輝度（Ｙ）の平均値とし、縦軸を色のばらつき成分である正規化後の色差（Ｃｂ）の分散値とした２次元の特徴量空間（２次元空間）を示している。座標４００は、２次元の特徴量空間において、特徴量算出部１０２で算出した入力画像の明度成分である正規化後の輝度（Ｙ）の平均値と、色のばらつき成分である正規化後の色差（Ｃｂ）の分散値の座標位置を示す（第１の代表点）。座標４０１〜４０３は、２次元の特徴量空間において設定されている夜景シーンを示す特徴量とする（第２の代表点）。また座標４０４〜４０６は、２次元の特徴量空間において設定されている露出不足シーンを示す特徴量とする。いまここで各座標４００〜４０６の値は、例えば以下の通りとする。

座標（Ｘａ，Ｙｂ）＝（輝度（Ｙ）平均値、色差（Ｃｂ）分散値）
座標４００（Ｘ0，Ｙ0）＝（６０，５０）
座標４０１（Ｘ1，Ｙ1）＝（１０，４０）
座標４０２（Ｘ2，Ｙ2）＝（３０，６０）
座標４０３（Ｘ3，Ｙ3）＝（４０，８０）
座標４０４（Ｘ4，Ｙ4）＝（２０，１０）
座標４０５（Ｘ5，Ｙ5）＝（４０，２０）
座標４０６（Ｘ6，Ｙ6）＝（８０，４０）
図６において、Ｓ５１で、特徴量算出部１０２で算出した特徴量の組み合わせた値と、予め設定されている各シーンを示す複数の特徴量を組み合わせた代表値を特徴量空間座標に配置する。例えば、特徴量算出部１０２で算出した特徴量の組み合わせた値として座標４００（図７）を配置し、各シーンを示す代表値に相当する座標４０１〜４０６（図７）を配置する。次にＳ５２に進み、特徴量算出部１０２で算出した値（座標４００）と、各シーンの代表値（座標４０１〜４０６）との距離を算出する。例えば、特徴量算出部１０２で算出した特徴量の組み合わせた値の座標（Ｘａ，Ｙａ）とし、各シーンを示す代表値の一つを座標（Ｘｂ，Ｙｂ）とすると、その距離は以下の式（９）で表される。

距離＝（（Ｘａ−Ｘｂ）の２乗＋（Ｙａ−Ｙｂ）の２乗） ...式（９）
次にＳ５３に進み、予め設定されているシーンの代表値数分の処理を行ったかどうかを判定する。前述の例では、各シーンの代表値の数は座標４０１〜４０６の６個なので、６個分の距離を算出したか否かを判定する。上述の例に従って、特徴量算出部１０２で算出した値である座標４００と座標４０１〜４０６の距離算出結果を以下に示す。

座標４００（Ｘ0，Ｙ0）と座標４０１（Ｘ1，Ｙ1）の距離＝（（Ｘ0−Ｘ1）の２乗＋（Ｙ0−Ｙ1）の２乗）＝（（６０−１０）の２乗＋（５０−４０）の２乗）＝２６００
座標４００（Ｘ0，Ｙ0）と座標４０２（Ｘ2、Ｙ2）の距離＝（（Ｘ0−Ｘ2）の２乗＋（Ｙ0−Ｙ2）の２乗）＝（（６０−３０）の２乗＋（５０−６０）の２乗）＝１０００
座標４００（Ｘ0，Ｙ0）と座標４０３（Ｘ3，Ｙ3）の距離＝（（Ｘ0−Ｘ3）の２乗＋（Ｙ0−Ｙ3）の２乗）＝（（６０−４０）の２乗＋（５０−８０）の２乗）＝１３００
座標４００（Ｘ0，Ｙ0）と座標４０４（Ｘ4，Ｙ4）の距離＝（（Ｘ0−Ｘ4）の２乗＋（Ｙ0−Ｙ4）の２乗）＝（（６０−２０）の２乗＋（５０−１０）の２乗）＝３２００
座標４００（Ｘ0，Ｙ0）と座標４０５（Ｘ5，Ｙ5）の距離＝（（Ｘ0−Ｘ5）の２乗＋（Ｙ0−Ｙ5）の２乗）＝（（６０−４０）の２乗＋（５０−２０）の２乗）＝１３００
座標４００（Ｘ0，Ｙ0）と座標４０６（Ｘ6，Ｙ6）の距離＝（（Ｘ0−Ｘ6）の２乗＋（Ｙ0−Ｙ6）の２乗）＝（（６０−８０）の２乗＋（５０−４０）の２乗）＝５００
次にＳ５４に進み、Ｓ５２で算出した代表値との距離の中で、最も距離の短い代表値を求める。上述の例では、入力した画像の特徴量の座標４００（Ｘ0，Ｙ0）と座標４０６（Ｘ6，Ｙ6）との距離（Ｌ6）が最も短いので、露出不足シーンである座標４０６を代表値として決定する。次にＳ５５に進み、最も距離の短い代表値のシーンを、入力した画像のシーンであると判定する。上述の例では、最も距離の短い代表値の座標４０６のシーンは露出不足シーンであるため、取得画像のシーンは露出不足シーンであると決定する。

次にＳ５６に進み、Ｓ５２で算出した代表値との距離を利用して、判定したシーンの信頼度（シーン信頼度）を算出する。このシーン信頼度は、最も短い距離（Ｌａ）と次に短い距離（Ｌｂ）との割合を基に算出する。このシーン信頼度は、以下の式（１０）により計算する。

シーン信頼度＝［｛（Ｌａ＋Ｌｂ）／２｝−Ｌａ］／｛（Ｌａ＋Ｌｂ）／２｝ ...式（１０）
上記例では、最も短い距離（Ｌａ）は、座標４００（Ｘ0，Ｙ0）と座標４０６（Ｘ6，Ｙ6）との距離で「５００」である。次に短い距離（Ｌｂ）は、座標４００（Ｘ0，Ｙ0）と座標４０２（Ｘ2，Ｙ2）の距離で「１０００」である。従って、この場合のシーン信頼度は、
シーン信頼度＝［｛（５００＋１０００）／２｝−５００］／｛（５００＋１０００）／２｝＝１／３
となる。次にＳ５７に進み、各代表値の重みを利用して、判定したシーンの重み（代表点信頼度）を算出する。例えば、各代表値の重みを以下に示す。

座標４０１の重み（Ｗ1）＝０．６
座標４０２の重み（Ｗ2）＝０．８
座標４０３の重み（Ｗ3）＝１．０
座標４０４の重み（Ｗ4）＝１．０
座標４０５の重み（Ｗ5）＝０．８
座標４０６の重み（Ｗ6）＝０．６
上記例において、最も短い距離は、座標４００（Ｘ0，Ｙ0）と座標４０６（Ｘ6，Ｙ6）の距離（Ｌ6）であるため、座標４０６の重み（Ｗ6）「０．６」を代表点信頼度として設定する。

次にＳ５８に進み、Ｓ５６で求めたシーン信頼度と、Ｓ５７で求めた代表点信頼度とを乗算することによって、最終的なシーン信頼度（最終シーン信頼度）を算出する（最終シーン信頼度算出処理）。例えば、上記例では、最終シーン信頼度は、シーン信頼度は「１／３」で、代表点信頼度は「０．６」であるため、以下の式で求められる。

最終シーン信頼度＝シーン信頼度×代表点信頼度＝１／３×０．６＝０．２ ...式（１１）
本実施形態では、各シーンの代表値を任意に設定しているが本発明はこれに限らない。例えば、この代表値は、あるシーンの画像を設定し、その設定した画像の特徴量から求めても良い。例えば、露出不足シーン、夜景シーンの画像をそれぞれ５つ選択し、合計１０の画像の明度成分、色のばらつき成分の各特徴量を算出し、その算出した値を代表値として設定してもよい。また、その代表値は、任意にシーンを指定した画像の特徴量から、そのシーンを分類できる特徴量を学習によって算出して設定しても構わない。この場合の学習方法は、ある程度の数のサンプルデータの集合を対象に画像を解析し、その解析データから有用な規則、ルール、判断基準などを抽出し、これらから得られた特徴量を代表値として設定してもよい。この学習方法は、公知技術である遺伝的アルゴリズム（Genetic Algorithm：GA）やニューラルネットワーク（Neural Network）のいずれの方法を用いてもよい。又は、教師あり学習を実行するための機械学習メタアルゴリズムの一種であるブースティングのいずれの方法を用いてもよい。また或いは、教師なし学習を実行するための機械学習メタアルゴリズムの一種である主成分分析やクラスター分析、ベクトル量子化（Vector Quantization：ＶＱ）のいずれの方法を用いてもよい。

本実施形態では、シーン信頼度を算出する方法として、上述の式で算出しているが、複数の代表値との相対的な距離を算出することができれば、これに限らない。例えば、距離は、以下の式で算出してもよい。

距離＝√｛（Ｘａ−Ｘｂ）の２乗＋（Ｙａ−Ｙｂ）の２乗｝
距離＝｛（Ｘａ−Ｘｂ）＋（Ｙａ−Ｙｂ）｝
距離＝｛（Ｘａ−Ｘｂ）の２乗＋（Ｙａ−Ｙｂ）の２乗｝／２
本実施形態では、最も距離の短い代表値の距離と、次に距離の短い代表値の距離との割合からシーン信頼度を算出しているが、本発明はこれに限らない。例えば、最も距離の短い代表値に設定されているシーンを求め、そのシーンと異なるシーンの代表値の中で、最も距離の短い代表値を判定するようにしても良い。また或いは、最も距離の短い代表値までの距離と、最も距離の短い代表値までの距離のシーンと異なる最も距離の短い代表値までの距離との割合からシーン信頼度を算出してもよい。

また本実施形態では、代表値ごとの重みを任意に設定したが、本発明はこれに限らない。この重みは、代表値を学習によって算出した値から設定してもよい。

図８は、横軸を明度の平均値、縦軸を彩度の分散値とした２次元の特徴量空間上に、画像を配置したイメージ図である。

図において、四角（■）が露出不足の風景シーンの画像、丸（●）が夜景シーンの画像を示す。ひし形（◆）で示す座標８０１〜８０３は、学習によって算出した代表値である。ここで座標８０１の代表値のシーンは、露出不足の風景シーンとする。また座標８０２，８０３の代表値のシーンを夜景シーンとする。各代表値の座標８０１〜８０３のシーンは、閾値８０４で区切った領域内に含まれる画像のシーンを基に判定している。例えば座標８０１のシーンは、７つの露出不足の風景シーンの画像（■）と、１つの夜景シーンの画像（●）の計８画像を含んでいる。また座標８０２のシーンは、９つの夜景シーンの画像（●）を含んでいる。更に座標８０３のシーンは、４つの露出不足の風景シーンの画像（■）と、６つの夜景シーンの画像（●）の計１０画像を含んでいる。

ここで、各閾値領域に含まれるシーンの中で、最も多いシーンの画像数（Ｉ−１）と、その閾値領域に含まれる画像数（Ｉ−２）との割合から、以下の式（１２）に従って代表値の重みを算出してもよい。

重み＝（Ｉ−１）／（Ｉ−２） ...式（１２）
図８の例では、
座標８０１の代表値の重み＝７／８ ＝０．８７５
座標８０２の代表値の重み＝９／９ ＝１．０
座標８０３の代表値の重み＝６／１０＝０．６
となる。

また、各閾値領域に含まれる画像の中で最も多いシーンの画像数（Ｉ−１）と全画像数（Ｉ−３）との割合から、以下の式（１３）に従って代表値の重みを算出してもよい。

重み＝（Ｉ−１）／（Ｉ−３） ...式（１３）
図８の例では、図８全体の全画像数は「２７」であるため、
座標８０１の代表値の重み＝７／２７≒０．２５９
座標８０２の代表値の重み＝９／２７≒０．３３３
座標８０３の代表値の重み＝６／２７≒０．２２２
となる。

また、各閾値領域に含まれる画像の中で最も多いシーンの画像数（Ｉ−１）と、次に多いシーンの画像数（Ｉ−４）との割合から、以下の式（１４）に従って代表値の重みを算出してもよい。

重み＝（Ｉ−１）／（（Ｉ−１）＋（Ｉ−４）） ...式（１４）
図８の例では、
座標８０１の代表値の重み＝７／（７＋１）＝０．８７５
座標８０２の代表値の重み＝９／（９＋０）＝１．００
座標８０３の代表値の重み＝６／（６＋４）＝０．６０
また本実施形態では、シーン信頼度と代表点信頼度を乗算することによって、最終的なシーン信頼度（最終シーン信頼度）を算出しているが、シーン信頼度と代表点信頼度の２つを用いて信頼度を算出すれば、これに限らない。例えば、シーン信頼度と代表点信頼度を加算した値を、最終的なシーン信頼度（最終シーン信頼度）として算出してもよい。

また本実施形態では、２次元の特徴量空間（２次元空間）上で、シーン判定を行っているが、３次元の特徴量空間（３次元空間）や４次元の特徴量空間（４次元空間）のような多次元の特徴量空間（多次元空間）でも構わない。例えば、明度成分である正規化後の輝度（Ｙ）の平均値と、色のばらつき成分である正規化後の色差（Ｃｂ）の分散値と、明度成分である正規化後の輝度（Ｙ）の最大値とした３次元の特徴量空間上でのシーン判定方法について説明する。

図１１は、X軸を明度成分である正規化後の輝度（Ｙ）の平均値とし、Y軸を色のばらつき成分である正規化後の色差（Ｃｂ）の分散値とし、Z軸を明度成分である正規化後の輝度（Ｙ）の最大値とした３次元の特徴量空間（３次元空間）を示している。座標１１００は、３次元の特徴量空間において、特徴量算出部１０２で算出した入力画像の明度成分である正規化後の輝度（Ｙ）の平均値と、色のばらつき成分である正規化後の色差（Ｃｂ）の分散値、明度成分である正規化後の輝度（Ｙ）の最大値の座標位置を示す（第１の代表点）。座標１１０１〜１１０３は、３次元の特徴量空間において設定されている夜景シーンを示す特徴量とする（第２の代表点）。また座標１１０４〜１１０６は、３次元の特徴量空間において設定されている露出不足シーンを示す特徴量とする。いまここで各座標１１００〜１１０６の値は、例えば以下の通りとする。

座標（Ｘａ，Ｙｂ, Ｚｂ）＝（輝度（Ｙ）平均値、色差（Ｃｂ）分散値、輝度（Ｙ）最大値）
座標１１００（Ｘ0，Ｙ0，Ｚ0）＝（６０，５０，５０）
座標１１０１（Ｘ1，Ｙ1，Ｚ1）＝（１０，４０，２０）
座標１１０２（Ｘ2，Ｙ2，Ｚ2）＝（３０，６０，４０）
座標１１０３（Ｘ3，Ｙ3，Ｚ3）＝（４０，８０，６０）
座標１１０４（Ｘ4，Ｙ4，Ｚ4）＝（２０，１０，１０）
座標１１０５（Ｘ5，Ｙ5，Ｚ5）＝（４０，２０，２０）
座標１１０６（Ｘ6，Ｙ6，Ｚ6）＝（８０，４０，４０）
特徴量算出部１０２で算出した値（座標１１００）と、各シーンの代表値（座標１１０１〜１１０６）との距離を算出する。例えば、特徴量算出部１０２で算出した特徴量の組み合わせた値の座標（Ｘａ，Ｙａ,Ｚｂ）とし、各シーンを示す代表値の一つを座標（Ｘｂ，Ｙｂ,Ｚｂ）とすると、その距離は以下の式（１５）で表される。

距離＝（（Ｘａ−Ｘｂ）の２乗＋（Ｙａ−Ｙｂ）の２乗＋（Ｚａ−Ｚｂ）の２乗） ...式（１５）
２次元の特徴量空間上でのシーン判定方法と同様に、３次元の特徴量空間上で算出した距離を用いてシーン判定を行う。

次に補正処理部１０４の処理について説明する。

補正処理部１０４は、シーン判定部１０３で判定したシーン、及び算出した最終シーン信頼度に応じて補正処理を制御する。

図９は、本発明の実施形態に係る補正処理部１０４の動作手順を示すフローチャートである。

まずＳ９１で、色空間変換部１０１で色空間変換された画像データを入力する。ここでは例えば、画像取得装置２１１で取得した画像データＹＣｂＣｒを色空間ＲＧＢに変換した画像データを入力する。次にＳ９２に進み、特徴量算出部１０２で算出した画像データの特徴量と、シーン判定部１０３で判定した画像データのシーン判定結果、及び最終シーン信頼度を取得する。ここでは例えば、特徴量算出部１０２で算出した画像データの特徴量として、明度成分である輝度（Ｙ）の平均値を入力する。また、シーン判定部１０３で判定したシーン判定結果として、判定された結果が露出不足シーンであるか、夜景シーンであるかのシーン情報、及び最終シーン信頼度を入力する。

次にＳ９３に進み、シーン情報を基にどのシーンであるかを判定する。ここでは例えば、露出不足シーンか夜景シーンであるかを判定する。そして露出不足のシーンであると判定するとステップＳ９５に進み、また夜景のシーンであると判定するとステップＳ９４に進む。ステップＳ９４では、夜景シーン専用の階調補正処理を行う。またステップＳ９５では、露出不足シーン専用の階調補正処理を行う。更にこれらＳ９４，Ｓ９５では、シーン判定部１０３で算出した最終シーン信頼度に応じて補正量を制御する。

この補正量の制御を図１０（Ａ）〜図１０（Ｃ）を参照して説明する。図１０（Ａ）〜（Ｃ）は、それぞれ実施形態において画像補正に用いるγ曲線を示す図である。

図において、直線１０００は、入力画像の濃度に対し出力画像の濃度が同じ値である状態を示す。また図１０（Ａ）のγ曲線１００１は、入力画像の濃度に対し出力画像の濃度が、暗い濃度はより暗く、明るい濃度はより明るくするような階調補正を示している。また図１０（Ｂ）のγ曲線１００２は、入力画像の濃度に対し出力画像の濃度が、暗い濃度はより明るく、明るい濃度はより暗くする階調補正を示している。更に図１０（Ｃ）のγ曲線１００３は、入力画像の濃度に対し出力画像の濃度が全体的に少し明るくなる階調補正を示している。

図１０において、入力した画像データの画像濃度をＲＧＢの０〜２５５の値であるとする。補正処理の変換式を以下に示す。

Ｒ'＝２５５×｛（Ｒ／２５５）の（１／γ）乗｝
Ｇ'＝２５５×｛（Ｇ／２５５）の（１／γ）乗｝
Ｂ'＝２５５×｛（Ｂ／２５５）の（１／γ）乗｝
ここでγの値が１より大きい場合は、入力画像に対し出力画像が明るくなる。またγの値が「１」より小さいとき、入力画像に対し出力画像が暗くなる。シーン判定結果が夜景シーンである場合は、Ｓ９４で、夜景シーン用の補正処理として、暗い濃度はより暗く、明るい濃度はより明るくする補正を行う。例えば、図１０（Ａ）のγ曲線１００１で補正処理を行う。

一方、シーン判定結果が露出不足シーンである場合は、Ｓ９５で、露出不足シーン用の補正処理として、暗い濃度はより明るく、明るい濃度はより暗くする補正処理を行う。例えば、図１０（Ｂ）のγ曲線１００２で補正処理を行う。

更に、シーン判定が夜景シーンである場合であって、最終シーン信頼度が低い場合には、全体的に少し明るくなるように補正する。例えば、図１０（Ｃ）のγ曲線１００３で補正処理を行う。尚、補正γ曲線のγの値は、取得した画像データの特徴量によって決定する。例えば、明度成分として輝度（Ｙ）の平均値によって決定される。

尚、ここで最終シーン信頼度は、０＜（最終シーン信頼度）≦１の値をとるものとする。そして最終シーン信頼度が低いかどうかを判定する閾値を、例えば「０．６」としている。そして最終シーン信頼度が「０．６」に等しいか或いはそれよりも大きいときは、最終シーン信頼度が高いと判定する。そして最終シーン信頼度が「０．６」よりも小さいときは、最終シーン信頼度が低いと判定する。

本実施形態では、夜景シーンは図１０（Ａ）、露出不足シーンは図１０（Ｂ）の補正γ曲線を選択しているが、本実施形態とは異なるγ曲線を選択しても構わない。例えば、シーン判定結果が露出不足シーンの場合は、全体的に明るくなるように補正処理を行う。例えば、図１０（Ｃ）のγ曲線１００３で補正処理を行ってもよい。

また本実施形態では、γ曲線のγの値は、明度成分として輝度（Ｙ）の平均値によって決定しているが、算出した画像データの特徴量をいずれかを用いていれば、これに限らない。例えば、取得した画像データの特徴量として色のばらつき成分である色差（Ｃｂ）の分散値によって、γの値を決定してもよい。

また本実施形態では、閾値を「０．６」に設定したが本発明はこれに限らず、例えば「０．５」或いは「０．７」等でも良い。

また本実施形態では、最終シーン信頼度に応じて補正γ曲線を変えているが、補正量を変化させる処理に利用してもよい。例えば、最終シーン信頼度に応じてγ曲線のγ値を変更しても良い。また本実施形態では、図１０に示すような階調補正処理を行っているが、少なくとも判定されたシーン結果を用いて補正処理を行う方法であれば、周知のいかなる補正処理を用いても構わない。例えば、シーン判定結果が夜景シーンの場合は、輝度の高い濃度値の彩度を上げる補正を行っても構わない。また本実施形態では、印刷するための画像データに対し、シーン判定した結果を用いて補正処理を行う例を示しているが、シーンを判定してシーン結果を利用する装置及び方法であれば、これに限らない。例えば、デジタルカメラで撮影する際に、シーンを判定して、露出量や撮影モード等の撮影の際の各種制御を行うために利用してもよい。また例えば、画像レイアウトして表示する際に、シーン判定して、シーン別に画像データを振り分けてレイアウトする処理に利用してもよい。

以上説明したように本実施形態によれば、判定したシーンの信頼度（シーン信頼度）と、判定したシーンの重み（代表点信頼度）から最終的なシーン信頼度（最終シーン信頼度）を算出することによって、より正確なシーンの信頼度を求めることができる。また、正確なシーンの信頼度を得ることにより、その信頼度に応じて適正な補正処理を実行することができる。

（他の実施形態）
なお、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を、システム或いは装置に直接或いは遠隔から供給し、そのシステム或いは装置のコンピュータが該供給されたプログラムを読み出して実行することによっても達成され得る。その場合、プログラムの機能を有していれば、形態は、プログラムである必要はない。

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、そのプログラムを格納した、コンピュータにより読み取り可能な記憶媒体から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、本発明のクレームでは、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、プログラムの形態を問わない。

Claims (9)

1. 画像データの特徴量と各シーンを示す予め設定されている特徴量とに基づいて前記画像データのシーンを判定する判定手段と、
   前記判定手段によって判定されたシーンと、前記画像データの特徴量と、前記判定手段によって判定されたシーンに予め設定されている特徴量と当該特徴量に予め設定されている重みとに基づき、前記画像データの明るさを補正する補正手段とを有し、
   前記補正手段は、前記重みの大きさに応じて、前記画像データの明るさを補正する量を制御することを特徴とする画像処理装置。
2. 前記判定手段は、少なくとも明度成分と色差成分とを含む特徴量空間において、前記画像データの明度成分と色差成分を示す座標と、予め設定されている各シーンの明度成分と色差成分を示す座標とに基づき、前記画像データのシーンを判定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. 前記判定手段は、少なくとも明度成分と色差成分とを含む特徴量空間において、前記画像データの明度成分と色差成分を示す座標と、予め設定されている各シーンの明度成分と色差成分を示す座標との距離を算出し、前記算出した距離のうち、前記画像データの明度成分と色差成分を示す座標から最も距離が短い座標が示す特徴量に設定されているシーンを、前記画像データのシーンとして判定することを特徴とする請求項１に記載の画像処理装置。
4. さらに、少なくとも明度成分と色差成分とを含む特徴量空間における前記画像データの特徴量と前記判定手段で判定されたシーンに予め設定されている特徴量との距離に応じてシーン信頼度を算出し、前記シーン信頼度と前記重みとを乗算することによって最終シーン信頼度を算出する算出手段を有することを特徴とする請求項１又は２に記載の画像処理装置。
5. 前記算出手段は、前記算出した複数の距離の中で、最も距離が短い特徴量との距離と二番目に距離が短い特徴量との距離との割合に基づき、前記シーン信頼度を算出することを特徴とする請求項４に記載の画像処理装置。
6. 前記補正手段は、前記判定手段によって前記画像データが夜景シーンであると判定された場合と前記判定手段によって前記画像データが露出不足シーンであると判定された場合とでは異なる補正特性を用いて補正処理を行うことを特徴とする請求項１乃至５のいずれか１項に記載の画像処理装置。
7. 前記補正手段は、前記判定手段によって前記画像データが夜景シーンと判定され、前記最終シーン信頼度が所定値よりも小さい場合、前記明るさを補正する量が小さくなるように制御することを特徴とする請求項４に記載の画像処理装置。
8. 画像データの特徴量と各シーンを示す予め設定されている特徴量とに基づいて前記画像データのシーンを判定する判定工程と、
   前記判定工程で判定されたシーンと、前記画像データの特徴量と、前記判定工程で判定されたシーンに予め設定されている特徴量と当該特徴量に予め設定されている重みとに基づき、前記画像データの明るさを補正する補正工程とを有し、
   前記補正工程は、前記重みの大きさに応じて、前記画像データの明るさを補正する量を制御することを特徴とする画像処理装置の制御方法。
9. コンピュータを、請求項１乃至７の何れか１項に記載の画像処理装置として機能させるためのコンピュータプログラム。

Images