JP6318513B2 - 代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体 - Google Patents
代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体 Download PDFInfo
- Publication number
- JP6318513B2 JP6318513B2 JP2013192397A JP2013192397A JP6318513B2 JP 6318513 B2 JP6318513 B2 JP 6318513B2 JP 2013192397 A JP2013192397 A JP 2013192397A JP 2013192397 A JP2013192397 A JP 2013192397A JP 6318513 B2 JP6318513 B2 JP 6318513B2
- Authority
- JP
- Japan
- Prior art keywords
- color
- representative
- image data
- input image
- attractiveness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Description
本発明は、代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体に関する。
ダイレクトメール、商品カタログ、各種案内およびホームページなどのページデザインの色は、それを閲覧する人が抱く印象に対して大きな影響を与える。そこで、制作者が制作したページデザインの色が、第三者にどのような印象を与えるのかを把握するために、ページデザインの色彩印象評価技術が考えられている。また、膨大な画像の中から所望の画像を見つけ出す場合、画像の印象を表す色を検索キーとして利用する技術が考えられている。
これらの技術を実現するために、画像から視覚的な印象を表す色である代表色を高精度で抽出する技術が知られている。
特許文献１には、人間の色彩感覚に応じた、代表色として真に相応しい色を抽出する代表色抽出装置が開示されている。特許文献１に記載の代表色抽出装置は、カラー画像を構成する画素の色を表す色空間の各チャンネルについてヒストグラムを生成し、そのヒストグラムの極大区間に対して、人間の色彩感覚に応じた色の注目度を表すスコアを算出し、スコアが上位の区間から代表色を抽出するものである。
特許文献２には、人間の印象に残りやすい色をカラー画像の代表色とする代表色決定装置が開示されている。特許文献２に記載の代表色決定装置は、カラー画像を構成する画素を色空間上において互いに近い位置の画素が同じグループになるようにグループ分けし、各グループに属する色のうちいずれか１つの色を代表候補色とし、代表候補色のうち、色空間上において人間の印象に残りにくいグレーの位置から遠い位置に存在する代表候補色をカラー画像の代表色とするものである。
しかしながら、特許文献１に記載の代表色抽出装置では、色空間の各チャンネルを独立に扱っているため、画像内で全く使われていない色を代表色として抽出してしまう虞があるという問題がある。
特許文献２に記載の代表色決定装置では、均等色空間であるＬ＊ａ＊ｂ＊色空間上でのユークリッド距離を色差として用いるＣＩＥ１９７６色差式で算出した値が、人間の視感評価と一致するとは限らないために、色空間上の位置が近い画素が同じグループになるようにグループ分けを行なっても、人間の視感覚に適した代表候補色が抽出されない虞があるという問題がある。
このように、従来の代表色抽出装置では、画像の代表色として相応しい色が抽出されない虞があるという問題がある。
本発明は、上記に鑑みてなされたものであって、画像から人間の色彩感覚により近い色を視覚的な印象を表す代表色として抽出することができる代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体を提供することを目的とする。
上述した課題を解決し、目的を達成するために、本発明に係る代表色抽出装置は、入力画像データを取得する画像データ取得部と、Ｌ＊ａ＊ｂ＊色空間に変換した前記入力画像データに対してＬ＊ａ＊ｂ＊色空間全体に均一に分布するように初期クラスタを設定し、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いたＫ−ｍｅａｎｓアルゴリズムを用いて、前記入力画像データを構成する画素をクラスタリングするクラスタリング部と、前記クラスタリング部によってクラスタリングされた複数のクラスタからそれぞれ１色を代表候補色として決定する代表候補色決定部と、前記代表候補色決定部によって決定したそれぞれの代表候補色を用いて前記入力画像データを構成する画素に対して減色処理を行い減色画像データを生成する減色処理部と、前記入力画像データの各部に対する人の注意の向けられやすさの度合いを表す誘目度を算出し、前記入力画像データの各画素の値を当該誘目度に置き換えた誘目度マップを生成する誘目度マップ生成部と、前記減色処理部で生成した前記減色画像データと、前記誘目度マップ生成部で生成した前記誘目度マップと、を用いて代表色らしさを表す代表色スコアを算出する代表色スコア算出部と、前記代表色スコア算出部で算出した前記代表色スコアに基づいて、前記入力画像データの代表色を決定する代表色決定部と、を備えることを特徴とする。
本発明によれば、画像から人間の色彩感覚により近い色を視覚的な印象を表す代表色として抽出することができる、という有利な効果を奏する。
以下、添付図面を参照しながら、本発明に係る代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体の一実施形態を詳細に説明する。
本実施の形態の代表色抽出装置は、画像から視覚的な印象を表す色を代表色として抽出する処理において、入力画像データの色空間を、Ｌ＊ａ＊ｂ＊色空間に変換した後に、入力画像データに対してＬ＊ａ＊ｂ＊色空間全体に均一に分布するように初期クラスタを設定する。そして、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いたＫ−ｍｅａｎｓアルゴリズムを用いて、入力画像データを構成する画素をクラスタリングする。そして、それぞれのクラスタから代表候補色を決定する。次に、入力画像データを代表候補色で減色処理した減色画像データと、入力画像データの各画素の値を、入力画像の各部に対する人の注意の向けられやすさの度合いを表す誘目度に置き換えることにより生成した誘目度マップと、を用いて代表色らしさを表す代表色スコアを算出する。そして、代表色スコア算出部で算出した代表色スコアに基づいて、入力画像データの代表色を決定する。そのため、代表色抽出装置は、画像から人間の色彩感覚により近い色を視覚的な印象を表す代表色として抽出することができる。
図１は、本実施の形態に係る代表色抽出装置のハードウエアの構成例を示す図である。本実施の形態の代表色抽出装置１００は、図１に示すように、ＣＰＵ１０１と、ＲＡＭ１０２と、ＲＯＭ１０３と、記録媒体Ｉ／Ｆ１０４と、通信装置１０５と、入力装置１０６と、描画制御部１０７と、ＨＤＤ１０８と、バスライン１２０とを備えている。
ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１は、代表色抽出装置１００全体の動作を制御する。ＣＰＵ１０１は、例えば、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）やプログラム１１１をＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）１０８から読み出して実行することで種々の機能を提供する。また、ＣＰＵ１０１は、代表色抽出装置１００用プログラムを、例えばＨＤＤ１０８から読み出してＲＡＭ１０２を作業メモリにして実行して代表色抽出処理を行う。
ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０２は、ＣＰＵ１０１がプログラム１１１を実行する際に必要なデータを一時保管する作業メモリ（主記憶メモリ）として使用される。
ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１０３は、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）やＯＳを起動するためのプログラムおよび静的なデータを記憶する。
記録媒体Ｉ／Ｆ１０４は、記録媒体１１０と通信するためのインターフェースである。記録媒体Ｉ／Ｆ１０４は、記録媒体１１０に記憶されたデータを読み込み、ＨＤＤ１０８に記憶させる。また、記録媒体Ｉ／Ｆ１０４は、ＨＤＤ１０８に記憶されたデータを記録媒体１１０に書き込むことができる。
記録媒体１１０は、ＣＰＵ１０１の制御の下でデータの読み出しまたは書き込みを行うメモリカード（Ｍｅｍｏｒｙ Ｃａｒｄ）などの不揮発性メモリである。例えば、フレキシブルディスク（ＦＤ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ、フラッシュメモリ、ＳＤカード、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）、及びＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）などが含まれる。記録媒体１１０は、代表色抽出装置１００に対して着脱自在な構成となっている。
通信装置１０５は、インターネットなどのネットワークに接続するためのＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）であり、例えば、イーサネット（登録商標）カードなどである。
入力装置１０６は、キーボード、マウス、トラックボールなど、ユーザの様々な操作指示を受け付けるユーザインターフェイスである。例えば、タッチパネルや音声入力装置を入力装置１０６とすることもできる。入力装置１０６は、代表色抽出装置１００へのユーザの様々な操作指示を受け付ける。
描画制御部１０７は、ＣＰＵ１０１がプログラム１１１を実行してグラフィックメモリに書き込んだ描画コマンドを解釈して、画面を生成しディスプレイ１０９に表示する。ディスプレイ１０９は、例えば、液晶や有機ＥＬなどのＦＰＤ（Ｆｌａｔ Ｐａｎｅｌ Ｄｉｓｐｌａｙ）である。
ＨＤＤ１０８は、ＳＳＤ等の不揮発メモリでもよく、ＯＳ、プログラム、画像データなどの各種のデータが記憶されている。プログラム１１１は、記録媒体１１０に記憶された状態、またはサーバ（図１では図示せず）からダウンロードされる態様で配布されるようにしてもよい。
バスライン１２０は、上記の各構成要素を図１に示されているように電気的に接続する。バスライン１２０は、例えば、アドレスバスやデータバス等である。
また、上記の代表色抽出装置１００用プログラムは、インストール可能な形式、または実行可能な形式のファイルで、上記記録媒体１１０等のコンピュータで読み取り可能な記録媒体１１０に記録して流通させるようにしてもよい。
図２は、本実施の形態に係る代表色抽出装置の機能的構成の一例を示す図である。本実施の形態の代表色抽出装置１００は、図２に示すように、画像データ取得部２０１と、クラスタリング部２０２と、代表候補色決定部２０３と、減色処理部２０４と、誘目度マップ生成部２０５と、代表色スコア算出部２０６と、代表色決定部２０７とを備えている。なお、本実施の形態の決定部は、減色処理部２０４と、誘目度マップ生成部２０５と、代表色スコア算出部２０６と、代表色決定部２０７とを含んでいる。
画像データ取得部２０１は、入力装置１０６によって指定された代表色を抽出する入力画像データを取得する。図３は、入力画像データを模式的に示した図である。画像データ取得部２０１は、例えば図３に示すような、入力画像データ３１１を取得する。そして、画像データ取得部２０１は、取得した入力画像データ３１１をクラスタリング部２０２と、誘目度マップ生成部２０５に受け渡す。
クラスタリング部２０２は、Ｌ＊ａ＊ｂ＊色空間に変換した入力画像データ３１１に対してＬ＊ａ＊ｂ＊色空間全体に均一に分布するように初期クラスタを設定し、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いたＫ−ｍｅａｎｓアルゴリズムを用いて、入力画像データ３１１を構成する画素をクラスタリングする。図４は、入力画像データに対してクラスタリング処理した後のデータを模式的に示した図である。図４に示す例では、Ｌ＊ａ＊ｂ＊色空間に変換した入力画像データ３１１の各画素と、クラスタをａ＊ｂ＊平面上に投影したものである。クラスタリング部２０２は、画像データ取得部２０１で取得した、入力画像データ３１１を構成する各画素を、ＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いて、例えば図４に示すように、クラスタリング（以下、クラスタリング処理ともいう。）を行なう。
図４の例では、画素３０１〜３０７がクラスタｃｌ２１〜ｃｌ２４の４つのクラスタに分けられている。つまり、図４の例では、画素３０１、３０２が、クラスタｃｌ２１にクラスタリングされ、画素３０３、３０４が、クラスタｃｌ２２にクラスタリングされ、画素３０５、３０６がクラスタｃｌ２３にクラスタリングされ、画素３０７がクラスタｃｌ２４にクラスタリングされている例を表している。ただし、クラスタリング処理において用いられる色空間は、上述のＬ＊ａ＊ｂ＊色空間に限定されず、他の色空間（例えば、ＨＳＶ、Ｌ＊ｕ＊ｖ＊など）を用いることができる。なお、クラスタリング処理の詳細については後述する。
代表候補色決定部２０３は、クラスタリング部２０２でクラスタリングがなされた複数のクラスタからそれぞれ１色を代表候補色として決定する。代表候補色の決定条件としては、例えば、以下に示す条件（１）、（２）の何れかを満たす色を代表候補色とすることができる。
（１）各クラスタに属する画素の重心の位置が示す色を代表候補色とする。
（２）各クラスタ内での出現頻度が最も高い色を代表候補色とする。
また、代表候補色の決定条件として、上記の条件以外を任意に採用することができる。図５は、決定した代表候補色を模式的に示した図である。代表候補色決定部２０３は、クラスタリング部２０２でクラスタリングがなされた各クラスタから、例えば図５に示すように、代表候補色を決定する。図５に示す例では、図４に示した、クラスタｃｌ２１から画素３０１の色が代表候補色と決定され、クラスタｃｌ２２から画素３０３の色が代表候補色と決定され、クラスタｃｌ２３から画素３０６の色が代表候補色と決定され、クラスタｃｌ２４から画素３０７の色が代表候補色と決定された例を表している。代表候補色決定部２０３は、決定した代表候補色を減色処理部２０４に受け渡す。
（１）各クラスタに属する画素の重心の位置が示す色を代表候補色とする。
（２）各クラスタ内での出現頻度が最も高い色を代表候補色とする。
また、代表候補色の決定条件として、上記の条件以外を任意に採用することができる。図５は、決定した代表候補色を模式的に示した図である。代表候補色決定部２０３は、クラスタリング部２０２でクラスタリングがなされた各クラスタから、例えば図５に示すように、代表候補色を決定する。図５に示す例では、図４に示した、クラスタｃｌ２１から画素３０１の色が代表候補色と決定され、クラスタｃｌ２２から画素３０３の色が代表候補色と決定され、クラスタｃｌ２３から画素３０６の色が代表候補色と決定され、クラスタｃｌ２４から画素３０７の色が代表候補色と決定された例を表している。代表候補色決定部２０３は、決定した代表候補色を減色処理部２０４に受け渡す。
減色処理部２０４は、代表候補色決定部２０３で決定したそれぞれの代表候補色を用いて入力画像データ３１１を構成する画素に対して減色処理を行い減色画像データ３１２を生成する。減色処理部２０４は、入力画像データ３１１の各画素を、該当する画素が属するクラスタの代表候補色で置換して減色処理を行って減色画像データ３１２を生成する。図６は、代表候補色を用いて減色処理をした後の減色画像データを模式的に示した図である。減色処理部２０４は、代表候補色決定部２０３で決定した、図５に示す、画素３０１、３０３、３０６、３０７の色である代表候補色を用いて入力画像データ３１１に減色処理を行い、図６に示すような、画素３０１、３０３、３０６、３０７の色である代表候補色による減色画像データ３１２を生成する。減色処理部２０４は、生成した減色画像データ３１２を代表色スコア算出部２０６に受け渡す。
誘目度マップ生成部２０５は、入力画像データ３１１を用いて、入力画像データ３１１の各部に対する人の注意の向けられやすさの度合いを表す誘目度を算出し、入力画像データ３１１の各画素の値を当該誘目度に置き換えた誘目度マップ３１３を生成する。ここで、「誘目度」とは、入力画像の各部に対する人の注意の向けられやすさの度合いのことをいう。例えば、０〜１の実数、０〜２５５の整数などによって表され、値が大きいほど誘目度が高いことを表す。また「誘目度マップ」とは、入力画像データ３１１の各画素の値を誘目度に置き換えたものである。
図７は、入力画像データの各画素の値を誘目度に置き換えた誘目度マップを模式的に示した図である。誘目度マップ生成部２０５は、図３に示す、入力画像データ３１１から各画素の誘目度を算出し、入力画像データ３１１の各画素の値を誘目度に置き換えた、図７に示す、誘目度マップ３１３を生成する。図７の例では、誘目度マップ３１３では、明るい領域（画素値が大きい）４０１ほど誘目度が高いことを表し、暗い領域（画素値が小さい）４０２ほど誘目度が低いことを表している。誘目度マップ生成部２０５は、生成した誘目度マップ３１３を代表色スコア算出部２０６に受け渡す。
誘目度マップ生成部２０５が用いる誘目度マップ３１３の生成方法は、入力画像データ３１１に含まれる色度、輝度、コントラスト、方位のうち、少なくとも何れか一つを解析して算出することで生成する方法であれば特に限定されず、任意の方法を用いることができる。これにより、被験者を必要とすることなく、入力画像データ３１１に含まれる色度、輝度、コントラスト、方位のうち、少なくとも何れか一つを解析するだけで入力画像データ３１１の誘目度を算出して生成することができる。
本実施の形態において適用される誘目度マップ３１３として、例えば、参考文献１［Ｌ．Ｉｔｔｉ，Ｃ．Ｋｏｃｈ，ａｎｄ Ｅ．Ｎｉｅｂｕｒ，“Ａ Ｍｏｄｅｌ ｏｆ Ｓａｌｉｅｎｃｙ−Ｂａｓｅｄ Ｖｉｓｕａｌ Ａｔｔｅｎｔｉｏｎ ｆｏｒ Ｒａｐｉｄ Ｓｃｅｎｅ Ａｎａｌｙｓｉｓ”，Ｐｒｏｃ．ｏｆ ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ｖｏｌ．２０，Ｎｏ．１１，ｐｐ．１２５４−１２５９（Ｎｏｖ．１９９８）．］で開示されている顕著性マップ（Ｓａｌｉｅｎｃｙ Ｍａｐ）を挙げることができる。顕著性マップの詳細については、上記参考文献１に記載されているが、顕著性マップは、画像に対する注意の向けられやすさ（顕著性）の分布を算出する手法であり、画像データに対して色度、輝度、方位、コントラスト等の視覚属性を解析して視覚属性ごとに特徴マップを生成する。次いで、視覚属性ごとに生成した特徴マップを線形和し、顕著性マップを算出する。
代表色スコア算出部２０６は、減色処理部２０４で減色処理して生成した減色画像データ３１２と、誘目度マップ生成部２０５で生成した誘目度マップ３１３と、を用いて代表色らしさを表す代表色スコアを算出する。図８は、減色画像データと誘目度マップから代表色らしさを表す代表色スコアを算出した一例を示す図である。代表色スコア算出部２０６は、減色処理部２０４で生成した、図６に示す、代表候補色による減色画像データ３１２と、誘目度マップ生成部２０５が生成した、図７に示す、誘目度マップ３１３を取得し、取得した両データを用いて、図８に示すような、代表色らしさを表す代表色スコアを算出する。図８の例では、画素３０１の色のスコアが一番高いことを示す例を表している。代表色スコア算出部２０６は、算出した代表色スコアを代表色決定部２０７に受け渡す。
ここで、代表色スコアとは、人間の視覚特性を考慮して、人間の色彩感覚により近い代表色を抽出するために付ける点数を表す。このため、入力画像を観たときに、代表色として人間が認識するであろう色ほど、代表色スコアは高くなる。代表色スコアを算出する方法は、代表候補色の出現頻度と、誘目度と、に応じて算出する方法であれば特に限定されるものではなく任意の方法を用いることができる。
代表色スコアを算出する方法として、例えば、以下に示す方法（１）、（２）の何れかを用いることができる。
（１）誘目度マップ３１３の該当する画素がもつ誘目度を、減色画像データ３１２の該当する画素の色（代表候補色）ごとに足し合わせる。
（２）誘目度マップ３１３に閾値処理を行って誘目度マップ３１３を２値化し、２値化後の誘目度マップ３１３の該当する画素がもつ誘目度を、減色画像データ３１２の該当する画素の色（代表候補色）ごとに足し合わせる。
（１）誘目度マップ３１３の該当する画素がもつ誘目度を、減色画像データ３１２の該当する画素の色（代表候補色）ごとに足し合わせる。
（２）誘目度マップ３１３に閾値処理を行って誘目度マップ３１３を２値化し、２値化後の誘目度マップ３１３の該当する画素がもつ誘目度を、減色画像データ３１２の該当する画素の色（代表候補色）ごとに足し合わせる。
このようにして算出した代表色スコアは、その算出過程において、ＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いたクラスタリングによって絞り込まれた代表候補色の出現頻度と、人の注意の向けられやすさの度合を表す誘目度とを用いているため、人間の視覚特性を考慮したものとなる。
代表色決定部２０７は、代表色スコア算出部２０６で算出した代表色スコアを用いて入力画像データ３１１の代表色を決定する。図９は、決定した入力画像データの代表色を模式的に示した図である。代表色決定部２０７は、代表色スコア算出部２０６で算出した、図８に示す、代表色スコアを取得し、代表色スコアを用いて、図９に示すように、入力画像データ３１１の代表色を決定する。図９に示す例では、代表色スコアが一番高い代表候補色である画素３０１の色を代表色と決定した例を表している。
代表色決定部２０７は、例えば、代表色スコアが最も高い代表候補色１色を代表色として決定するようにしてもよいし、代表色スコアが上位Ｎ番目までの代表候補色を代表色として決定するようにしてもよい。また、代表色決定部２０７は、例えば、代表色の色相値、明度値、彩度値の何れか１つを代表色として決定するようにしてもよいし、代表色の色値（例えば、Ｌ＊ａ＊ｂ＊値、ＲＧＢ値、ＨＳＶ値など）と代表色スコアとを関連付けたデータを代表色として決定するようにしてもよい。上述のようにして決定される入力画像データ３１１の代表色は、画像の色彩印象評価や画像データベースの検索キーとして利用する際に適した色数やデータ形式で決定される。
次に、クラスタリング部２０２でのクラスタリング処理の詳細について説明する。本実施の形態では、画素のクラスタリング処理には、例えば、Ｋ−ｍｅａｎｓアルゴリズムを用いることができる。また、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式として、例えば、ＣＩＥ１９９４色差式を用いることができる。Ｋ−ｍｅａｎｓアルゴリズムでは、ユーザが予め定めたＫ個のクラスタ数と、そのＫ個のクラスタ中心をランダムに決め、サンプル点とＫ個のクラスタ中心との距離を計算し、最も近いクラスタにサンプル点を分類することで、クラスタリング処理を行なう。そして、クラスタリング処理時に、同一クラスタに該当するサンプル点の重心を計算してクラスタ中心の更新を繰り返し、クラスタ中心の更新が収束したら処理を終了する。
また、クラスタリング処理時に、ＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いてクラスタ同士の統合を行う。処理手順として、代表クラスタごとに色差を算出していく。このとき、求めた色差が予め設定した閾値内であればクラスタの統合を行う。その際に比較したクラスタの片方は消滅させてしまうため、消滅するクラスタに属する領域を、生存するクラスタに属させる。なお、閾値は任意に設定することができる。
また、本実施の形態で用いられるクラスタリング手法として、Ｋ−ｍｅａｎｓ法に限ることはなく、例えば、Ｋ−Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒ法、ＩＳＯＤＡＴＡ法など任意のクラスタリング手法を用いることができる。任意のクラスタリング手法のなかでも、非階層型クラスタリング手法が好ましい。
本実施の形態では、Ｌ＊ａ＊ｂ＊色空間に変換した入力画像データ３１１に対してＬ＊ａ＊ｂ＊色空間全体に均一に分布するように、初期クラスタ（初期クラスタの数と、クラスタ中心の初期位置）を設定する。なお、本実施の形態において、初期位置は、クラスタ中心位置のことを表す。これが、本実施の形態の第１の特徴である。これにより、クラスタリング処理は、再現性がある自動処理を行わせることができる。なお、初期クラスタの分布方法は、Ｌ＊ａ＊ｂ＊色空間全体に均一に分布させることができれば特に限定されないが、例えば、Ｌ＊ａ＊ｂ＊色空間上において、等間隔の格子状に初期クラスタを均一に分布させて設定することが好ましい。
図１０は、クラスタリング処理の初期クラスタについて説明する図である。本実施の形態では、Ｌ＊ａ＊ｂ＊の３次元空間上においてクラスタリングがなされるが、図１０に示す例では、ａ＊ｂ＊平面の２次元空間を用いて説明する。なお、色相と彩度を示す色度をａ＊、ｂ＊で表わしている。図１０に示す例では、Ｌ＊値（色の明度）は、５０と設定した例を表している。図１０に示す例では、Ｌ＊ａ＊ｂ＊色空間に変換した入力画像データ３１１の各画素と、初期クラスタをａ＊ｂ＊平面上に投影したものである。入力画像データ３１１を構成する画素ｐｘは、色相と彩度との値に応じたａ＊ｂ＊平面上の位置に投影されている。図１０に示すように、初期クラスタｃｌの数と中心位置は、Ｌ＊ａ＊ｂ＊色空間全体に均等に分布するように設定される。図１０に示す例では、ａ＊ｂ＊平面上において、初期クラスタｃｌを等間隔の格子状に均一に配置した例を表している。
次に、Ｌ＊ａ＊ｂ＊色空間上において、等間隔の格子状に初期クラスタを均一に分布させて設定した後、入力画像データ３１１の各画素と距離が最も小さくなるクラスタ中心を求め、そのクラスタを該当画素のクラスタに設定する。本実施の形態では、Ｋ−ｍｅａｎｓアルゴリズムにおけるデータ間距離を、ユークリッド距離ではなく、ＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いることで、人間の色彩感覚に近いクラスタリング処理を行う。これが、本実施の形態の第２の特徴である。
図１１および図１２は、クラスタリング処理されたクラスタについて説明する図である。図１１および図１２に示す例では、ａ＊ｂ＊平面の２次元空間を用いて説明する。なお、色相と彩度を示す色度をａ＊、ｂ＊で表わしている。図１１に示す例では、Ｌ＊値（色の明度）は、５０と設定した例を表している。また、統合閾値は、０．０と設定した例を表している。図１１に示す例では、画素ｐｘがＣＩＥ１９９４色差式を用いたＫ−ｍｅａｎｓアルゴリズムによりクラスタリングされた例を表している。図１１の例では、統合閾値を０．０に設定することで、クラスタｃｌ０１〜ｃｌ１０の１０のクラスタに分けられている。楕円で示されている１０のクラスタｃｌ０１〜ｃｌ１０の中に属する画素の数はクラスタごとに異なっている。また、各クラスタの楕円の大きさはクラスタごとに異なっている。これは、ＭａｃＡｄａｍの楕円に代表されるように、色差の識別を表す楕円の大きさが色によって異なることを表している。例えば、クラスタｃｌ０１の楕円に対して、クラスタｃｌ０４やｃｌ０５の楕円が大きいのは、彩度の高い色では色の違いに対する感度が低く、色の違いを識別しにくくなるという人間の視感覚と整合している。
図１２に示す例では、Ｌ＊値（色の明度）は、５０と設定した例を表している。また、統合閾値は、７．５と設定した例を表している。図１２に示す例では、統合閾値を７．５に設定することで、クラスタｃｌ１１〜ｃｌ１５の５クラスタにクラスタリングされた例を示している。図１２では、図１１と比較して、統合閾値の値を高く設定することにより、色味が似たクラスタが統合され、クラスタ数が減少している。
次に、各画素のクラスタ設定が完了した後、クラスタに該当する画素が一つもないクラスタを削除する。これは、初期クラスタをＬ＊ａ＊ｂ＊色空間全体に均一に分布するように配置しているため、入力画像データ３１１に含まれていない領域に位置する不要なクラスタを削除し、計算コストを軽減させるためである。
次に、不要なクラスタを削除した後、残っているクラスタに該当する画素の重心を算出し、算出したＬ＊ａ＊ｂ＊値を新たなクラスタの中心位置として更新する。
次に、複数のクラスタの中心位置を更新した後、複数のクラスタの中から任意の２つのクラスタ間の色差が最小となるクラスタを求め、その任意の２つのクラスタ間の色差が予め設定した統合閾値以下の場合、２つのクラスタを１つに統合し、統合したクラスタの中心位置をさらに更新する。これにより、統合閾値以下の色差の色（色味が似た色）を代表色として抽出することを防止することができる。また、この統合閾値は、代表色として抽出する色（複数）が、色味がどの程度似ている色まで許容するのかによって決定される。すなわち、色味が似た色を抽出したくない場合には、統合閾値の値を高く設定し、色味が似た色も抽出したい場合には、統合閾値の値を低く設定すればよい。統合閾値の設定は任意に設定することができる。
次に、更新されたクラスタ数と更新前のクラスタ数が等しいかどうかを判定して、クラスタ数が等しくない場合には、クラスタ中心位置の更新処理を繰り返す。また、更新されたクラスタ数と更新前のクラスタ数が等しい場合には、更新されたクラスタ中心位置と、更新前のクラスタ中心位置との色差を算出し、設定した収束閾値以下であるかどうかを判定する。全クラスタの更新前と更新後の色差が収束閾値以下であれば、クラスタの更新が収束したと判定して処理を終了する。収束閾値以下でないクラスタが１つでもある場合には、クラスタ中心位置の更新処理を繰り返す。なお、収束閾値は、任意に設定することができる。
本実施の形態では、色差式として、明度、彩度、色相に関する係数を任意に設定可能な色差式が用いられる。このような、係数が任意設定可能な色差式としては、ＣＭＣ（ｌ：ｃ）色差式、ＣＩＥ１９９４色差式、ＣＩＥ２０００色差式、ＢＦＤ（ｌ：ｃ）色差式、ＭＬＡＢ色差式、ＳＶＦ色差式またはＮＣ−ＩＩＩＣの何れかを用いることができる。これらのなかでも、好ましくは以下に示す、［ａ］ＣＭＣ（ｌ：ｃ）色差式、［ｂ］ＣＩＥ１９９４色差式、および［ｃ］ＣＩＥ２０００色差式などを挙げることができる。
［ａ］ＣＭＣ（ｌ：ｃ）色差式
この色差式は、上述のＣＩＥが１９７６年に推奨したＬ＊ａ＊ｂ＊表色系のスケールと人間の色感とが異なることに鑑みて設定された色差式である。すなわち、ＣＩＥＬ＊ａ＊ｂ＊色差式で求められた色差と、実際の人間の視感判定とは必ずしも一致しないことから、より人間の色感に一致させるために、明度、彩度につき補正のための係数を与えた色差式である。このＣＭＣ（ｌ：ｃ）色差式は、下記式（１）で表される。
この色差式は、上述のＣＩＥが１９７６年に推奨したＬ＊ａ＊ｂ＊表色系のスケールと人間の色感とが異なることに鑑みて設定された色差式である。すなわち、ＣＩＥＬ＊ａ＊ｂ＊色差式で求められた色差と、実際の人間の視感判定とは必ずしも一致しないことから、より人間の色感に一致させるために、明度、彩度につき補正のための係数を与えた色差式である。このＣＭＣ（ｌ：ｃ）色差式は、下記式（１）で表される。
ΔＥ＝［（ΔＬ＊／ｌ・ＳＬ）２＋（ΔＣ＊／ｃ・ＳＣ）２＋（ΔＨ＊／ＳＨ）２］１／２ ・・・（１）
ここで、
ＳＬ＝０．０４０９７５Ｌ＊ ｔ／（１＋０．０１７６５Ｌ＊ ｔ）
ただし、Ｌ＊ ｔ＜１６のとき、ＳＬ＝０．５１１
ＳＣ＝０．０６３８Ｃ＊ ｔ／（１＋０．００１３１Ｃ＊ ｔ）＋０．６３８
ＳＨ＝ＳＣ（ｆＴ＋１−ｆ）
ｆ＝［（Ｃ＊ ｔ）４／（Ｃ＊ ｔ）４＋１９００］１／２
１６４°≦ｈ＜３４５°のとき、Ｔ＝０．５６＋｜０．２ｃｏｓ（ｈ＋１６８°）｜
３４５°≦ｈ＜１６４°のとき、Ｔ＝０．３６＋｜０．４ｃｏｓ（ｈ＋３５°）｜
ただし、
Ｌ＊ ｔ：基準データのメトリック明度指数（Ｌ＊ａ＊ｂ＊表色系における明度指数）
Ｃ＊ ｔ：基準データのメトリック彩度
ｈ：基準データのメトリック色差
ΔＬ＊、ΔＣ＊、ΔＨ＊：Ｌ＊ａ＊ｂ＊表色系における基準色とデータとの色差値
ｌ：定数（明度係数）
ｃ：定数（彩度係数）
ＳＬ＝０．０４０９７５Ｌ＊ ｔ／（１＋０．０１７６５Ｌ＊ ｔ）
ただし、Ｌ＊ ｔ＜１６のとき、ＳＬ＝０．５１１
ＳＣ＝０．０６３８Ｃ＊ ｔ／（１＋０．００１３１Ｃ＊ ｔ）＋０．６３８
ＳＨ＝ＳＣ（ｆＴ＋１−ｆ）
ｆ＝［（Ｃ＊ ｔ）４／（Ｃ＊ ｔ）４＋１９００］１／２
１６４°≦ｈ＜３４５°のとき、Ｔ＝０．５６＋｜０．２ｃｏｓ（ｈ＋１６８°）｜
３４５°≦ｈ＜１６４°のとき、Ｔ＝０．３６＋｜０．４ｃｏｓ（ｈ＋３５°）｜
ただし、
Ｌ＊ ｔ：基準データのメトリック明度指数（Ｌ＊ａ＊ｂ＊表色系における明度指数）
Ｃ＊ ｔ：基準データのメトリック彩度
ｈ：基準データのメトリック色差
ΔＬ＊、ΔＣ＊、ΔＨ＊：Ｌ＊ａ＊ｂ＊表色系における基準色とデータとの色差値
ｌ：定数（明度係数）
ｃ：定数（彩度係数）
上記（１）式において、明度係数ｌ及び彩度係数ｃは、任意に設定することができる。なお、色相に関する係数ｈについては、ｈ＝１に固定されているため、上記式（１）には表れていない。
［ｂ］ＣＩＥ１９９４色差式
この色差式は、ＣＩＥのＬ＊ａ＊ｂ＊表色系による色差値であるΔＬ＊、ΔＣ＊、ΔＨ＊に対し、重価係数及びパラメトリック係数と呼ばれる定数を掛け合わせることによって、ＣＩＥＬ＊ａ＊ｂ＊色差式におけるΔＥ＊ ａｂに対し、色味に応じた重み付けを可能とした色差式である。このＣＩＥ１９９４色差式も、ＣＩＥＬ＊ａ＊ｂ＊色差式で求められた色差と、実際の人間の視感判定との乖離を可及的に一致させるべく設定された色差式であって、下記式（２）で表される
この色差式は、ＣＩＥのＬ＊ａ＊ｂ＊表色系による色差値であるΔＬ＊、ΔＣ＊、ΔＨ＊に対し、重価係数及びパラメトリック係数と呼ばれる定数を掛け合わせることによって、ＣＩＥＬ＊ａ＊ｂ＊色差式におけるΔＥ＊ ａｂに対し、色味に応じた重み付けを可能とした色差式である。このＣＩＥ１９９４色差式も、ＣＩＥＬ＊ａ＊ｂ＊色差式で求められた色差と、実際の人間の視感判定との乖離を可及的に一致させるべく設定された色差式であって、下記式（２）で表される
ΔＥ＊ ９４＝［（ΔＬ＊／ＫＬ・ＳＬ）２＋（ΔＣ＊／ＫＣ・ＳＣ）２＋（ΔＨ＊／ＫＨ・ＳＨ）２］１／２ ・・・（２）
ただし、
ΔＬ＊、ΔＣ＊、ΔＨ＊：Ｌ＊ａ＊ｂ＊表色系における基準色とデータとの色差値
ＫＬ、ＫＣ、ＫＨ：パラメトリック係数
（ＫＬ＝明度係数、ＫＣ＝彩度係数、ＫＨ＝色相係数）
ＳＬ、ＳＣ、ＳＨ：重価係数
ΔＬ＊、ΔＣ＊、ΔＨ＊：Ｌ＊ａ＊ｂ＊表色系における基準色とデータとの色差値
ＫＬ、ＫＣ、ＫＨ：パラメトリック係数
（ＫＬ＝明度係数、ＫＣ＝彩度係数、ＫＨ＝色相係数）
ＳＬ、ＳＣ、ＳＨ：重価係数
ここで、
ＳＬ＝１
ＳＣ＝１＋０．００４５Ｃ＊
ＳＨ＝１＋０．００１５Ｃ＊
ＳＬ＝１
ＳＣ＝１＋０．００４５Ｃ＊
ＳＨ＝１＋０．００１５Ｃ＊
上記（２）式において、明度係数ＫＬ、彩度係数ＫＣ及び色相係数ＫＨは、色差判定の目的に応じて任意に設定することができる定数である。なお、重価係数ＳＬ、ＳＣ、ＳＨは、明度を基準としてどの程度許容範囲を拡張するかについて定義された値であって、固定値として扱われる。
本実施の形態では、図１１および図１２に示したクラスタリング処理は、データ間距離の計算にＣＩＥ１９９４色差式を用いている。本実施の形態では、ＣＩＥ１９９４色差式を用いて算出する時のパラメトリック係数（ＫＬ、ＫＣ、ＫＨ）、重価係数（ＳＬ、ＳＣ、ＳＨ）は、実験により得られた任意の値を設定して行っているため、入力画像データ３１１から人間の色彩感覚により近い色を視覚的な印象を表す代表色として抽出することができる。
［ｃ］ＣＩＥ２０００色差式
この色差式は、ＣＩＥのＬ＊ａ＊ｂ＊表色系において微小な色差の場合での色差値と視感評価との相関性について、上記式（２）に示すＣＩＥ１９９４色差式にさらに改良を加え、より完成された色差式として開発されたものである。ＣＩＥ２０００色差式も、同様にＬ＊ａ＊ｂ＊表色系の色差値ΔＬ＊、ΔＣ＊、ΔＨ＊に対し、重価係数及びパラメトリック係数を掛け合わせるが、特に低彩度領域のａ＊軸の目盛補正を行うのが特徴である。このＣＩＥ２０００色差式は、下記式（３）で表される。
この色差式は、ＣＩＥのＬ＊ａ＊ｂ＊表色系において微小な色差の場合での色差値と視感評価との相関性について、上記式（２）に示すＣＩＥ１９９４色差式にさらに改良を加え、より完成された色差式として開発されたものである。ＣＩＥ２０００色差式も、同様にＬ＊ａ＊ｂ＊表色系の色差値ΔＬ＊、ΔＣ＊、ΔＨ＊に対し、重価係数及びパラメトリック係数を掛け合わせるが、特に低彩度領域のａ＊軸の目盛補正を行うのが特徴である。このＣＩＥ２０００色差式は、下記式（３）で表される。
ΔＥ＊ ００＝［（ΔＬ＊／ＫＬ・ＳＬ）２＋（ΔＣ＊ ａｂ／ＫＣ・ＳＣ）２＋（ΔＨ＊ ａｂ／ＫＨ・ＳＨ）２＋（ＲＴ（ΔＣ＊ ａｂ／ＫＣ・ＳＣ）・（ΔＨ＊ ａｂ／ＫＨ・ＳＨ）］１／２ ・・・（３）
ただし、
ＲＴ：ローテーション関数
ΔＬ＊、ΔＣ＊、ΔＨ＊：Ｌ＊ａ＊ｂ＊表色系における基準色とデータとの色差値
ＫＬ、ＫＣ、ＫＨ：パラメトリック係数
（ＫＬ＝明度係数、ＫＣ＝彩度係数、ＫＨ＝色相係数）
ＳＬ、ＳＣ、ＳＨ：重価係数
ＲＴ：ローテーション関数
ΔＬ＊、ΔＣ＊、ΔＨ＊：Ｌ＊ａ＊ｂ＊表色系における基準色とデータとの色差値
ＫＬ、ＫＣ、ＫＨ：パラメトリック係数
（ＫＬ＝明度係数、ＫＣ＝彩度係数、ＫＨ＝色相係数）
ＳＬ、ＳＣ、ＳＨ：重価係数
上記式（３）において、明度係数ＫＬ、彩度係数ＫＣ及び色相係数ＫＨは、色差判定の目的に応じて任意に設定することができる定数である。なお、上記重価係数ＳＬ、ＳＣ、ＳＨは、下記式（４）での算出が定義されている。
ＳＬ＝１＋０．０１５（Ｌ＊−５０）２／（２０＋（Ｌ＊−５０）２）１／２
ＳＣ＝１＋０．０４５Ｃ＊ ａｂ
ＳＬ＝１＋０．０１５Ｃ＊ ａｂＬ＊ ・・・（４）
ＳＣ＝１＋０．０４５Ｃ＊ ａｂ
ＳＬ＝１＋０．０１５Ｃ＊ ａｂＬ＊ ・・・（４）
さらに、上記式（３）において、ローテーション関数ＲＴは、下記式（５）での算出が定義されている。
ＲＴ＝−ｓｉｎ（２Δθ）ＲＣ
Δθ＝３０ｅｘｐ｛−［ｈａｂ−２７５］／２５｝２｝
ＲＣ＝２［（Ｃ＊ ａｂ）７／（Ｃ＊ ａｂ）７＋２５７］１／２ ・・・（５）
Δθ＝３０ｅｘｐ｛−［ｈａｂ−２７５］／２５｝２｝
ＲＣ＝２［（Ｃ＊ ａｂ）７／（Ｃ＊ ａｂ）７＋２５７］１／２ ・・・（５）
以上のＣＭＣ（ｌ：ｃ）色差式、ＣＩＥ１９９４色差式、及びＣＩＥ２０００色差式は、いずれも基本は楕円式である。そして、上記（１）〜（３）式からも明らかな通り、明度係数（ｌ又はＫＬ）、彩度係数（ｃ又はＫＣ）、色相係数（ＫＨ）は、いずれも各式の項目の分母に掛かる係数であるので、これら係数が大きくなる程その色成分における色差は小さく扱われ、色差評価における許容範囲（色差判定において合格と判定される範囲）が広がることになる。
このように、本実施の形態では、Ｋ−ｍｅａｎｓアルゴリズムにおける距離を、ユークリッド距離ではなく、ＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いることで、より人間の視感覚に近いクラスタリング処理を行うことができる。
また、上述したＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式として、例えば、以下に示す色差式（１）〜（７）を参照することができる。
（１）ＣＭＣ（ｌ：ｃ）色差式［例えば、参考文献２参照、Ｃｌａｒｋｅ，Ｆ．Ｊ．Ｊ．ｅｔ ａｌ．（１９８４）：Ｍｏｄｉｆｉｃａｔｉｏｎ ｔｏ ｔｈｅ ＪＰＣ７９ Ｃｏｌｏｒ−ｄｉｆｆｅｒｅｎｃｅ ｆｏｒｍｕｌａ，Ｊ．Ｓｏｃ．Ｄｙｅｒｓ Ｃｏｌｏｕｒｉｓｔｓ，１００，１２８．］
（２）ＢＦＤ（ｌ：ｃ）色差式［例えば、参考文献３参照、Ｌｕｏ，Ｍ．Ｒ．ａｎｄ Ｒｉｇｇ，Ｂ．（１９８７）：ＢＦＤ（ｌ：ｃ） ｃｏｌｏｕｒ−ｄｉｆｆｅｒｅｎｃｅ ｆｏｒｍｕｌａ．Ｐａｒｔ １，Ｊ．Ｓｏｃ．Ｄｙｅｒｓ Ｃｏｌｏｕｒｉｓｔｓ，１０３，８６．］
（３）ＭＬＡＢ色差式［例えば、参考文献４参照、小松原仁（１９８３）：物体色の色差評価（ＩＩ），色彩研究，３０（１），８．］
（４）ＣＩＥ１９９４色差式［例えば、参考文献５、ＣＩＥ（１９９５）：Ｉｎｄｕｓｔｒｉａｌ Ｃｏｌｏｕｒ−Ｄｉｅｒｅｎｃｅ Ｅｖａｌｕａｔｉｏｎ，ＣＩＥ Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ，１１６．参照］
（５）ＳＶＦ色差式［例えば、参考文献６参照、Ｓｅｉｍ，Ｔ．ａｎｄ Ｖａｌｂｅｒｇ，Ａ．（１９８６）：Ｔｏｗａｒｄ ａ ｕｎｉｆｏｒｍ ｃｏｌｏｒ ｓｐａｃｅ：Ａ ｂｅｔｔｅｒ ｆｏｒｍｕｌａ ｔｏ ｄｅｓｃｒｉｂｅ ｔｈｅ Ｍｕｎｓｅｌｌ ａｎｄ ＯＳＡ ｃｏｌｏｒ ｓｃａｌｅｓ，Ｃｏｌｏｒ Ｒｅｓ．Ａｐｐｌ．１１，１１．］
（６）ＮＣ−ＩＩＩＣ［例えば、参考文献７参照、Ｉｋｅｄａ，Ｋ．ａｎｄ Ｏｂａｒａ，Ｋ．（１９９１）：Ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ Ｕｎｉｆｏｒｍｉｔｙ ｉｎ Ｃｏｌｏｕｒ Ｓｐａｃｅ ｉｎ Ｔｅｒｍｓ ｏｆ Ｃｏｌｏｕｒ Ｓｐｅｃｉｆｉｃａｔｉｏｎ ａｎｄ Ｃｏｌｏｕｒ Ｄｉｆｆｅｒｅｎｃｅ Ｅｖａｌｕａｔｉｏｎ，ＣＩＥ Ｐｒｏｃｅｅｄｉｎｇｓ ２２ｎｄ，１］
（７）ＣＩＥ２０００色差式［例えば、参考文献８参照、Ｇ．Ｓｈａｒｍａ、Ｗ．Ｗｕ、Ｅ．Ｎ．Ｄａｌａｌ（２００５）：‘Ｔｈｅ ＣＩＥＤＥ２０００ Ｃｏｌｏｒ−Ｄｉｆｆｅｒｅｎｃｅ Ｆｏｒｍｕｌａ：Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ Ｎｏｔｅｓ、Ｓｕｐｐｌｅｍｅｎｔａｒｙ Ｔｅｓｔ Ｄａｔａ、ａｎｄ Ｍａｔｈｅｍａｔｉｃａｌ Ｏｂｓｅｒｖａｔｉｏｎｓ’、Ｃｏｌｏｒ Ｒｅｓｅａｒｃｈ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ、ｖｏｌ．３０、Ｎｏ．１］
（１）ＣＭＣ（ｌ：ｃ）色差式［例えば、参考文献２参照、Ｃｌａｒｋｅ，Ｆ．Ｊ．Ｊ．ｅｔ ａｌ．（１９８４）：Ｍｏｄｉｆｉｃａｔｉｏｎ ｔｏ ｔｈｅ ＪＰＣ７９ Ｃｏｌｏｒ−ｄｉｆｆｅｒｅｎｃｅ ｆｏｒｍｕｌａ，Ｊ．Ｓｏｃ．Ｄｙｅｒｓ Ｃｏｌｏｕｒｉｓｔｓ，１００，１２８．］
（２）ＢＦＤ（ｌ：ｃ）色差式［例えば、参考文献３参照、Ｌｕｏ，Ｍ．Ｒ．ａｎｄ Ｒｉｇｇ，Ｂ．（１９８７）：ＢＦＤ（ｌ：ｃ） ｃｏｌｏｕｒ−ｄｉｆｆｅｒｅｎｃｅ ｆｏｒｍｕｌａ．Ｐａｒｔ １，Ｊ．Ｓｏｃ．Ｄｙｅｒｓ Ｃｏｌｏｕｒｉｓｔｓ，１０３，８６．］
（３）ＭＬＡＢ色差式［例えば、参考文献４参照、小松原仁（１９８３）：物体色の色差評価（ＩＩ），色彩研究，３０（１），８．］
（４）ＣＩＥ１９９４色差式［例えば、参考文献５、ＣＩＥ（１９９５）：Ｉｎｄｕｓｔｒｉａｌ Ｃｏｌｏｕｒ−Ｄｉｅｒｅｎｃｅ Ｅｖａｌｕａｔｉｏｎ，ＣＩＥ Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ，１１６．参照］
（５）ＳＶＦ色差式［例えば、参考文献６参照、Ｓｅｉｍ，Ｔ．ａｎｄ Ｖａｌｂｅｒｇ，Ａ．（１９８６）：Ｔｏｗａｒｄ ａ ｕｎｉｆｏｒｍ ｃｏｌｏｒ ｓｐａｃｅ：Ａ ｂｅｔｔｅｒ ｆｏｒｍｕｌａ ｔｏ ｄｅｓｃｒｉｂｅ ｔｈｅ Ｍｕｎｓｅｌｌ ａｎｄ ＯＳＡ ｃｏｌｏｒ ｓｃａｌｅｓ，Ｃｏｌｏｒ Ｒｅｓ．Ａｐｐｌ．１１，１１．］
（６）ＮＣ−ＩＩＩＣ［例えば、参考文献７参照、Ｉｋｅｄａ，Ｋ．ａｎｄ Ｏｂａｒａ，Ｋ．（１９９１）：Ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ Ｕｎｉｆｏｒｍｉｔｙ ｉｎ Ｃｏｌｏｕｒ Ｓｐａｃｅ ｉｎ Ｔｅｒｍｓ ｏｆ Ｃｏｌｏｕｒ Ｓｐｅｃｉｆｉｃａｔｉｏｎ ａｎｄ Ｃｏｌｏｕｒ Ｄｉｆｆｅｒｅｎｃｅ Ｅｖａｌｕａｔｉｏｎ，ＣＩＥ Ｐｒｏｃｅｅｄｉｎｇｓ ２２ｎｄ，１］
（７）ＣＩＥ２０００色差式［例えば、参考文献８参照、Ｇ．Ｓｈａｒｍａ、Ｗ．Ｗｕ、Ｅ．Ｎ．Ｄａｌａｌ（２００５）：‘Ｔｈｅ ＣＩＥＤＥ２０００ Ｃｏｌｏｒ−Ｄｉｆｆｅｒｅｎｃｅ Ｆｏｒｍｕｌａ：Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ Ｎｏｔｅｓ、Ｓｕｐｐｌｅｍｅｎｔａｒｙ Ｔｅｓｔ Ｄａｔａ、ａｎｄ Ｍａｔｈｅｍａｔｉｃａｌ Ｏｂｓｅｒｖａｔｉｏｎｓ’、Ｃｏｌｏｒ Ｒｅｓｅａｒｃｈ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ、ｖｏｌ．３０、Ｎｏ．１］
本実施の形態において、上記のＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式の何れかを用いることができる。また、上記の色差式を任意に組み合わせて用い、得られた結果の平均を算出して代表色を決定するようにしてもよい。なお、上記の色差式は、本実施の形態の代表色抽出装置１００を適用する機器に応じて任意に選定することができる。
従来のＫ−ｍｅａｎｓアルゴリズムは、クラスタリング処理前にクラスタ数の設定を行なう必要があったので、自動処理が困難であった。また、クラスタ中心の初期位置をランダムに決定しているため、再現性がないという問題があった。これに対して、本実施の形態によれば、Ｌ＊ａ＊ｂ＊色空間に変換した入力画像データ３１１に対してＬ＊ａ＊ｂ＊色空間全体に均一に分布するように予め初期クラスタ（初期クラスタの数と、クラスタ中心の初期位置）を設定するため、再現性があるクラスタリングの自動処理を行わせることができる。
また、従来のＫ−ｍｅａｎｓアルゴリズムでは、ユークリッド距離を算出して最も近いクラスタに分類していた。しかし、Ｌ＊ａ＊ｂ＊色空間上でのユークリッド距離を色差として用いるＣＩＥ１９７６色差式は、必ずしも人間の視感評価と一致するとは限らないため、人間の視感覚に近い代表候補色が抽出されないという問題があった。これに対して、本実施の形態によれば、ＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いることで、人間の色彩感覚に適したクラスタリング処理を行うことができる。
本実施の形態の代表色抽出装置１００は、Ｌ＊ａ＊ｂ＊色空間全体に均一に分布するように、初期クラスタ（初期クラスタの数と、クラスタ中心の初期位置）を設定する。好ましくは、Ｌ＊ａ＊ｂ＊色空間上において、等間隔の格子状に初期クラスタを均一に分布させるように設定する。代表色抽出装置１００は、入力画像データ３１１の各画素と距離が最も小さくなるクラスタ中心を求め、そのクラスタを該当画素のクラスタに設定する。代表色抽出装置１００は、Ｌ＊ａ＊ｂ＊色空間全体に分布するように設定した初期クラスタと、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いたＫ−ｍｅａｎｓアルゴリズムを用いて、入力画像データ３１１を構成する画素をクラスタリングする。代表色抽出装置１００は、それぞれのクラスタから代表候補色を決定し、入力画像データ３１１を代表候補色で減色処理した減色画像データ３１２と、入力画像データ３１１の各画素の値を、入力画像データ３１１の各部に対する人の注意の向けられやすさの度合いを表す誘目度に置き換えることにより生成した誘目度マップ３１３と、を用いて代表色を決定する。これにより、代表色抽出装置１００は、画像から人間の色彩感覚により近い色を視覚的な印象を表す代表色として抽出することができる。
代表色抽出装置１００は、Ｌ＊ａ＊ｂ＊色空間に等間隔の格子状に初期クラスタを均一に分布させるように初期クラスタ（初期クラスタの数と、クラスタ中心の初期位置）を設定する。そのため、代表色抽出装置１００は、再現性があるクラスタリングの自動処理を行わせることができる。
また、代表色抽出装置１００は、データ間距離のＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いることで、人間の色彩感覚に適したクラスタリング処理を行うことができる。
次に、図１３を参照して、本実施の形態に係る代表色抽出装置１００における制御動作を説明する。図１３は、本実施の形態に係る代表色抽出装置の制御動作の一例を示すフローチャートである。
代表色抽出装置１００は、入力画像データ３１１の色空間を、Ｌ＊ａ＊ｂ＊色空間に変換する（ステップＳ１１）。
次に、代表色抽出装置１００は、Ｌ＊ａ＊ｂ＊色空間全体に均一に分布するように、初期クラスタ（初期クラスタの数と、クラスタ中心の初期位置）を設定する（ステップＳ１２）。
次に、代表色抽出装置１００は、Ｌ＊ａ＊ｂ＊色空間上において、等間隔の格子状に初期クラスタを均一に分布させた後、入力画像データ３１１の各画素と距離が最も小さくなるクラスタ中心を求め、そのクラスタを該当画素のクラスタに設定する（ステップＳ１３）。つまり、入力画像データ３１１の各画素において色差が最小となるクラスタを求め、そのクラスタを該当画素のクラスタに設定する。
次に、代表色抽出装置１００は、各画素のクラスタ設定が完了した後、クラスタに該当する画素が一つもないクラスタを削除する（ステップＳ１４）。
次に、代表色抽出装置１００は、不要なクラスタを削除した後、残っている各クラスタに該当する画素の重心を算出し、算出したＬ＊ａ＊ｂ＊値を新たなクラスタの中心位置として更新する（ステップＳ１５）。
次に、代表色抽出装置１００は、各クラスタにおいて色差が最小となるクラスタを求め、そのクラスタ間の色差が統合閾値以下の場合、２つのクラスタを１つに統合し、統合したクラスタの中心位置をさらに更新する（ステップＳ１６）。
次に、代表色抽出装置１００は、更新されたクラスタ数と更新前のクラスタ数が等しいか否かを判定する（ステップＳ１７）。クラスタ数が等しくない場合（ステップＳ１７：Ｎｏ）、代表色抽出装置１００は、ステップＳ１６に戻り、クラスタ中心位置の更新処理を繰り返す。クラスタ数が等しい場合（ステップＳ１７：Ｙｅｓ）、代表色抽出装置１００は、更新されたクラスタ中心位置と、更新前のクラスタ中心位置との色差を算出し、設定した収束閾値以下であるか否かを判定する（ステップＳ１８）。
色差が収束閾値以下でない場合（ステップＳ１８：Ｎｏ）、代表色抽出装置１００は、ステップＳ１６に戻り、クラスタ中心位置の更新処理を繰り返す。色差が収束閾値以下である場合（ステップＳ１８：Ｙｅｓ）、代表色抽出装置１００は、クラスタリング部２０２でクラスタリングが行われた各クラスタから１色を代表候補色として決定する（ステップＳ１９）。
次に、代表色抽出装置１００は、代表候補色決定部２０３で決定した代表候補色を用いて入力画像データ３１１に減色処理を行い（ステップＳ２０）減色画像データ３１２を生成する。
次に、代表色抽出装置１００は、入力画像データ３１１を用いて、誘目度を算出し、誘目度マップ３１３を生成する（ステップＳ２１）。
次に、代表色抽出装置１００は、減色画像データ３１２と、誘目度マップ３１３と、を用いて代表色スコアを算出する（ステップＳ２２）。
次に、代表色抽出装置１００は、代表色スコアを用いて入力画像データ３１１の代表色を決定して（ステップＳ２３）処理を終了する。
このように、上述した処理動作を、本実施の形態の代表色抽出装置１００に実行させる。これにより、本実施の形態の代表色抽出装置１００は、Ｌ＊ａ＊ｂ＊色空間全体に均一に分布するように、初期クラスタ（初期クラスタの数と、クラスタ中心の初期位置）を設定する。代表色抽出装置１００は、入力画像データ３１１の各画素と距離が最も小さくなるクラスタ中心を求め、そのクラスタを該当画素のクラスタに設定する。代表色抽出装置１００は、Ｌ＊ａ＊ｂ＊色空間全体に均一に分布するように設定した初期クラスタと、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いたＫ−ｍｅａｎｓアルゴリズムを用いて入力画像データ３１１を構成する画素をクラスタリングする。代表色抽出装置１００は、それぞれのクラスタから代表候補色を決定し、入力画像データ３１１を代表候補色で減色処理した減色画像データ３１２と、入力画像データ３１１から生成した誘目度マップ３１３と、を用いて代表色スコアを算出して入力画像データ３１１の代表色を決定する。そのため、本実施の形態の代表色抽出装置１００は、画像から人間の色彩感覚により近い色を視覚的な印象を表す代表色として抽出することができる。
また、本実施の形態の代表色抽出装置１００は、Ｌ＊ａ＊ｂ＊色空間に等間隔の格子状に初期クラスタを均一に分布させるように初期クラスタ（初期クラスタの数と、クラスタ中心の初期位置）を設定する。そのため、再現性があるクラスタリングの自動処理を行わせることができる。
また、本実施の形態の代表色抽出装置１００は、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いることで、人間の色彩感覚に適したクラスタリング処理を行うことができる。
以上、本発明の実施の形態を説明したが、上述の各実施の形態は、例として提示したものであり、発明の範囲を限定することは意図していない。本発明は、上述の各実施の形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上述の各実施の形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施の形態に示される全構成要素から幾つかの構成要素を削除してもよい。また、以上の各実施の形態および変形例は任意に組み合わせることも可能である。
なお、上述の各実施の形態の代表色抽出装置１００で実行される制御プログラムは、インストール可能な形式または実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録して提供するように構成してもよい。
さらに、上述の各実施の形態の代表色抽出装置１００で実行される制御プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、上述の各実施の形態の代表色抽出装置１００で実行される制御プログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。
１００ 代表色抽出装置
１０１ ＣＰＵ
１０２ ＲＡＭ
１０３ ＲＯＭ
１０４ 記録媒体Ｉ／Ｆ
１０５ 通信装置
１０６ 入力装置
１０７ 描画制御部
１０８ ＨＤＤ
１０９ ディスプレイ
１１０ 記録媒体
１１１ プログラム
１２０ バスライン
２０１ 画像データ取得部
２０２ クラスタリング部
２０３ 代表候補色決定部
２０４ 減色処理部
２０５ 誘目度マップ生成部
２０６ 代表色スコア算出部
２０７ 代表色決定部
３０１〜３０７ 画素
３１１ 入力画像データ
３１２ 減色画像データ
３１３ 誘目度マップ
４０１ 明るい領域（画素値が大きい）
４０２ 暗い領域（画素値が小さい）
１０１ ＣＰＵ
１０２ ＲＡＭ
１０３ ＲＯＭ
１０４ 記録媒体Ｉ／Ｆ
１０５ 通信装置
１０６ 入力装置
１０７ 描画制御部
１０８ ＨＤＤ
１０９ ディスプレイ
１１０ 記録媒体
１１１ プログラム
１２０ バスライン
２０１ 画像データ取得部
２０２ クラスタリング部
２０３ 代表候補色決定部
２０４ 減色処理部
２０５ 誘目度マップ生成部
２０６ 代表色スコア算出部
２０７ 代表色決定部
３０１〜３０７ 画素
３１１ 入力画像データ
３１２ 減色画像データ
３１３ 誘目度マップ
４０１ 明るい領域（画素値が大きい）
４０２ 暗い領域（画素値が小さい）
Claims (8)
- 入力画像データを取得する画像データ取得部と、
Ｌ＊ａ＊ｂ＊色空間に変換した前記入力画像データに対してＬ＊ａ＊ｂ＊色空間全体に均一に分布するように初期クラスタを設定し、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いたＫ−ｍｅａｎｓアルゴリズムを用いて、前記入力画像データを構成する画素をクラスタリングするクラスタリング部と、
前記クラスタリング部によってクラスタリングされた複数のクラスタからそれぞれ１色を代表候補色として決定する代表候補色決定部と、
前記代表候補色決定部によって決定したそれぞれの代表候補色を用いて前記入力画像データを構成する画素に対して減色処理を行い減色画像データを生成する減色処理部と、
前記入力画像データの各部に対する人の注意の向けられやすさの度合いを表す誘目度を算出し、前記入力画像データの各画素の値を当該誘目度に置き換えた誘目度マップを生成する誘目度マップ生成部と、
前記減色処理部で生成した前記減色画像データと、前記誘目度マップ生成部で生成した前記誘目度マップと、を用いて代表色らしさを表す代表色スコアを算出する代表色スコア算出部と、
前記代表色スコア算出部で算出した前記代表色スコアに基づいて、前記入力画像データの代表色を決定する代表色決定部と、
を備えることを特徴とする代表色抽出装置。 - 前記ＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式は、ＣＭＣ（ｌ：ｃ）色差式、ＢＦＤ（ｌ：ｃ）色差式、ＭＬＡＢ色差式、ＣＩＥ１９９４色差式、ＳＶＦ色差式、ＮＣ−ＩＩＩＣまたはＣＩＥ２０００色差式の何れかである、
ことを特徴とする請求項１に記載の代表色抽出装置。 - 前記クラスタリング部は、前記クラスタに該当する画素が一つもないクラスタを削除する、
ことを特徴とする請求項１に記載の代表色抽出装置。 - 前記クラスタリング部は、前記複数のクラスタの中から任意の２つのクラスタ間の色差が最小となるクラスタを求め、その任意の２つのクラスタ間の色差が予め設定した統合閾値以下の場合には２つのクラスタを１つのクラスタに統合する、
ことを特徴とする請求項１に記載の代表色抽出装置。 - 前記誘目度マップ生成部は、前記入力画像データの色度、輝度、コントラスト、方位のうち、少なくとも何れか一つに基づいて誘目度を算出する、
ことを特徴とする請求項１に記載の代表色抽出装置。 - 入力画像データを取得する画像データ取得ステップと、
Ｌ＊ａ＊ｂ＊色空間に変換した前記入力画像データに対してＬ＊ａ＊ｂ＊色空間全体に均一に分布するように初期クラスタを設定し、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いたＫ−ｍｅａｎｓアルゴリズムを用いて、前記入力画像データを構成する画素をクラスタリングするクラスタリングステップと、
前記クラスタリングステップによってクラスタリングされた複数のクラスタからそれぞれ１色を代表候補色として決定する代表候補色決定ステップと、
前記代表候補色決定ステップによって決定したそれぞれの代表候補色を用いて前記入力画像データを構成する画素に対して減色処理を行い減色画像データを生成する減色処理ステップと、
前記入力画像データの各部に対する人の注意の向けられやすさの度合いを表す誘目度を算出し、前記入力画像データの各画素の値を当該誘目度に置き換えた誘目度マップを生成する誘目度マップ生成ステップと、
前記減色処理ステップで生成した前記減色画像データと、前記誘目度マップ生成ステップで生成した前記誘目度マップと、を用いて代表色らしさを表す代表色スコアを算出する代表色スコア算出ステップと、
前記代表色スコア算出ステップで算出した前記代表色スコアに基づいて、前記入力画像データの代表色を決定する代表色決定ステップと、
を含むことを特徴とする代表色抽出方法。 - コンピュータに、
入力画像データを取得する画像データ取得ステップと、
Ｌ＊ａ＊ｂ＊色空間に変換した前記入力画像データに対してＬ＊ａ＊ｂ＊色空間全体に均一に分布するように初期クラスタを設定し、データ間距離の計算にＣＩＥＬ＊ａ＊ｂ＊の非等色差性を補正した色差式を用いたＫ−ｍｅａｎｓアルゴリズムを用いて、前記入力画像データを構成する画素をクラスタリングするクラスタリングステップと、
前記クラスタリングステップによってクラスタリングされた複数のクラスタからそれぞれ１色を代表候補色として決定する代表候補色決定ステップと、
前記代表候補色決定ステップによって決定したそれぞれの代表候補色を用いて前記入力画像データを構成する画素に対して減色処理を行い減色画像データを生成する減色処理ステップと、
前記入力画像データの各部に対する人の注意の向けられやすさの度合いを表す誘目度を算出し、前記入力画像データの各画素の値を当該誘目度に置き換えた誘目度マップを生成する誘目度マップ生成ステップと、
前記減色処理ステップで生成した前記減色画像データと、前記誘目度マップ生成ステップで生成した前記誘目度マップと、を用いて代表色らしさを表す代表色スコアを算出する代表色スコア算出ステップと、
前記代表色スコア算出ステップで算出した前記代表色スコアに基づいて、前記入力画像データの代表色を決定する代表色決定ステップと、
を実行させるためのプログラム。 - 請求項７に記載のプログラムを記録した、コンピュータが読み取り可能な記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013192397A JP6318513B2 (ja) | 2013-09-17 | 2013-09-17 | 代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013192397A JP6318513B2 (ja) | 2013-09-17 | 2013-09-17 | 代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015060315A JP2015060315A (ja) | 2015-03-30 |
| JP6318513B2 true JP6318513B2 (ja) | 2018-05-09 |
Family
ID=52817813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013192397A Active JP6318513B2 (ja) | 2013-09-17 | 2013-09-17 | 代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6318513B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019208088A (ja) * | 2016-10-03 | 2019-12-05 | 富士フイルム株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
| CN107818341A (zh) * | 2017-10-25 | 2018-03-20 | 天津大学 | 一种基于改进K‑means算法的颜色提取方法 |
| JP2019095384A (ja) * | 2017-11-27 | 2019-06-20 | 株式会社リコー | 色評価装置、色評価方法およびプログラム |
| CN110120080B (zh) * | 2019-04-12 | 2024-01-05 | 青岛九维华盾科技研究院有限公司 | 一种快速生成标准伪装迷彩主色的方法 |
| CN116977450A (zh) * | 2022-04-14 | 2023-10-31 | 人工智能设计研究所有限公司 | 色彩单元确定方法、装置、电子设备及存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4065517B2 (ja) * | 2002-11-27 | 2008-03-26 | キヤノン株式会社 | 色差判定装置及び方法 |
| JP4507656B2 (ja) * | 2004-03-18 | 2010-07-21 | 富士ゼロックス株式会社 | 画像処理装置 |
| JP2006229280A (ja) * | 2005-02-15 | 2006-08-31 | Ricoh Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
| JP5096993B2 (ja) * | 2008-04-15 | 2012-12-12 | 日本電信電話株式会社 | 色変換装置、色変換方法および色変換プログラム |
| JP2010183416A (ja) * | 2009-02-06 | 2010-08-19 | Ricoh Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
| JP5149858B2 (ja) * | 2009-04-20 | 2013-02-20 | 富士フイルム株式会社 | カラー画像の代表色決定装置およびその動作制御方法 |
| JP4982538B2 (ja) * | 2009-08-19 | 2012-07-25 | ヤフー株式会社 | カラーヒストグラム生成装置、カラーヒストグラム生成方法及びプログラム |
-
2013
- 2013-09-17 JP JP2013192397A patent/JP6318513B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015060315A (ja) | 2015-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6318513B2 (ja) | 代表色抽出装置、代表色抽出方法、プログラムおよび記録媒体 | |
| JP6277818B2 (ja) | 機械学習装置、機械学習方法、及びプログラム | |
| US9020250B2 (en) | Methods and systems for building a universal dress style learner | |
| Jin et al. | A novel method of automatic plant species identification using sparse representation of leaf tooth features | |
| JP6173542B1 (ja) | 画像処理装置、画像処理方法、および、プログラム | |
| US20160335784A1 (en) | Image-based color palette generation | |
| CN105096347B (zh) | 图像处理装置和方法 | |
| JP6270182B2 (ja) | 属性要因分析方法、装置、およびプログラム | |
| Shen et al. | Randstainna: Learning stain-agnostic features from histology slides by bridging stain augmentation and normalization | |
| JP2015232869A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| JP5870598B2 (ja) | 画像のホワイトバランス処理方法及び装置 | |
| KR20190021360A (ko) | 얼굴 화상 처리 시스템, 얼굴 화상 처리 방법 및 얼굴 화상 처리 프로그램 | |
| US20170329775A1 (en) | Image processing apparatus, image processing method, search apparatus, search method, and non-transitory computer-readable storage medium | |
| WO2019181072A1 (ja) | 画像処理方法、コンピュータプログラムおよび記録媒体 | |
| Fernandez-Granero et al. | Automatic CDR estimation for early glaucoma diagnosis | |
| Ji et al. | Efficient decolorization preserving dominant distinctions | |
| JP2015094973A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、及び記録媒体 | |
| JP2016058018A (ja) | 画像処理方法、画像処理プログラムおよび画像処理装置 | |
| JP6546385B2 (ja) | 画像処理装置及びその制御方法、プログラム | |
| JP5337252B2 (ja) | 特徴抽出装置 | |
| JP5203159B2 (ja) | 画像処理方法、画像処理システムおよび画像処理プログラム | |
| JP2007243987A (ja) | 画像処理方法、画像処理システムおよび画像処理プログラム | |
| JP6354497B2 (ja) | 表示領域特定装置、表示領域特定方法、及びプログラム | |
| US10810744B2 (en) | Image processing device, image processing method and image processing program | |
| JP5326881B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160908 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170823 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170905 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171012 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180306 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180319 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6318513 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |