JP7423951B2 - 画像処理装置及び画像処理プログラム - Google Patents
画像処理装置及び画像処理プログラム Download PDFInfo
- Publication number
- JP7423951B2 JP7423951B2 JP2019170585A JP2019170585A JP7423951B2 JP 7423951 B2 JP7423951 B2 JP 7423951B2 JP 2019170585 A JP2019170585 A JP 2019170585A JP 2019170585 A JP2019170585 A JP 2019170585A JP 7423951 B2 JP7423951 B2 JP 7423951B2
- Authority
- JP
- Japan
- Prior art keywords
- color distribution
- image
- frame
- image processing
- rectangular frame
- 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
- 238000000034 method Methods 0.000 claims description 44
- 238000009826 distribution Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 19
- 239000000203 mixture Substances 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 6
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 235000013334 alcoholic beverage Nutrition 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/30—Clipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/12—Bounding box
Description
本発明は、画像処理装置及び画像処理プログラムに関する。
特許文献１には、細菌などの微生物に対して検出及び計数を行う場合に、入力画像から背景画像を除去した前景画像中の目標物体の候補物体を確定し、候補物体の周囲領域と、候補物体及びその周囲領域を除去した後の入力画像との類似度又は候補物体の周囲領域と候補物体との類似度に基づいて、候補物体に対して選別を行うことが提案されている。
特許文献２には、画像について、人物等のオブジェクトセグメント、前景セグメントに分類し、画像内の構図と、画像内の前景セグメントと画像以外の画像における前景セグメントとの関係性に基づいて、前景セグメントの重要度を算出して、重要な物体の切抜きやトリミングなどの画像処理を行うことが記載されている。
画像中の物体の領域を切り抜く技術があるが、切り抜く対象領域が複数存在する場合、複数の対象領域を選択する操作を複数回行う必要があった。そこで、本発明は、画像を切り抜く対象領域が複数存在する場合であっても、１回の操作で複数の対象領域を切り抜くことが可能な画像処理装置及び画像処理プログラムを提供することを目的とする。
請求項１に記載の画像処理装置は、プロセッサを備え、前記プロセッサは、画像の前景物体に対応する複数の候補領域を囲む枠として矩形枠を表示し、１回の選択動作を検出して、前記選択動作による軌跡と前記矩形枠とが交わる前記候補領域を抽出し、抽出した各前記候補領域の色分布を混合ガウスモデルによって求めてから、四辺の画素が持っている色の分布を示す色分布ヒストグラムを背景の色分布とし、他の色分布を物体の色分布として、背景の色分布の平均色の画素を拡張領域法の種子点に設定し、前記前景物体に対応する対象領域から背景を除外して、前記対象領域から前景物体に対応する画像を切り抜くことにより、前記選択動作で選択された１以上の前記候補領域の中から前記対象領域を抽出する処理を行う。
請求項２に記載の発明は、請求項１に記載の発明において、前記プロセッサは、画像から前景物体に対応する複数の領域を前記候補領域として抽出して前記枠を表示する際に、前記画像を縮小してから前記候補領域を抽出して前記枠を求め、求めた前記枠を元の大きさに復元して前記枠を表示する処理を更に行う。
請求項３に記載の画像処理プログラムは、画像の前景物体に対応する複数の候補領域を囲む枠として矩形枠を表示し、１回の選択動作を検出して、前記選択動作による軌跡と前記矩形枠とが交わる前記候補領域を抽出し、抽出した各前記候補領域の色分布を混合ガウスモデルによって求めてから、四辺の画素が持っている色の分布を示す色分布ヒストグラムを背景の色分布とし、他の色分布を物体の色分布として、背景の色分布の平均色の画素を拡張領域法の種子点に設定し、前記前景物体に対応する対象領域から背景を除外して、前記対象領域から前景物体に対応する画像を切り抜くことにより、前記選択動作で選択された１以上の前記候補領域の中から前記対象領域を抽出する処理をコンピュータに実行させる。
請求項１に記載の情報処理装置によれば、画像を切り抜く対象領域が複数存在する場合であっても、１回の操作で複数の対象領域を切り抜くことが可能な画像処理装置を提供でき、かつ領域拡張法の種子点を手動で設定する場合に比べて、複雑な背景であっても背景の種子点を容易に設定して背景を除外することが可能となる。
請求項２に記載の発明によれば、縮小せずに候補領域を抽出して枠を求める場合に比べて、処理負荷を低減することが可能となる。
請求項３に記載の発明によれば、画像を切り抜く対象領域が複数存在する場合であっても、１回の操作で複数の対象領域を切り抜くことが可能な画像処理プログラムを提供でき、かつ領域拡張法の種子点を手動で設定する場合に比べて、複雑な背景であっても背景の種子点を容易に設定して背景を除外することが可能となる。
以下、図面を参照して本実施形態の一例を詳細に説明する。図１は、本実施形態に係る画像処理装置の概略構成を示すブロック図である。
本実施形態に係る画像処理装置１０は、プロセッサの一例としてのＣＰＵ１０Ａ（Central Processing Unit）、ＲＯＭ（Read Only Memory）１０Ｂ、ＲＡＭ（Random Access Memory）１０Ｃ、ＨＤＤ（hard disk drive）１０Ｄ、操作部１０Ｅ、表示部１０Ｆ、及び通信回線Ｉ／Ｆ（インタフェース）部１０Ｇを備えている。ＣＰＵ１０Ａは、画像処理装置１０の全体の動作を司る。ＲＯＭ１０Ｂは、各種制御プログラムや各種パラメータ等が予め記憶される。ＲＡＭ１０Ｃは、ＣＰＵ１０Ａによる各種プログラムの実行時のワークエリア等として用いられる。ＨＤＤ１０Ｄは、各種のデータやアプリケーション・プログラム等が記憶される。操作部１０Ｅは、キーボードやマウス、タッチパネル、タッチペン等の各種操作入力装置を含み、各種の情報を入力するために用いられる。表示部１０Ｆは、液晶等のディスプレイが適用され、各種の情報を表示するために用いられる。通信回線Ｉ／Ｆ部１０Ｇは、ネットワーク等の通信回線に接続され、当該通信回線に接続された他の装置と各種データの送受信を行う。以上の画像処理装置１０の各部はシステムバス１０Ｈにより電気的に相互に接続されている。なお、本実施形態に係る画像処理装置１０では、ＨＤＤ１０Ｄを記憶部として適用しているが、これに限らず、フラッシュメモリ等の他の不揮発性の記憶部を適用してもよい。
以上の構成により、本実施形態に係る画像処理装置１０は、ＣＰＵ１０Ａにより、ＲＯＭ１０Ｂ、ＲＡＭ１０Ｃ、及びＨＤＤ１０Ｄに対するアクセス、操作部１０Ｅを介した各種データの取得、表示部１０Ｆに対する各種情報の表示を各々実行する。また、画像処理装置１０は、ＣＰＵ１０Ａにより、通信回線Ｉ／Ｆ部１０Ｇを介した通信データの送受信の制御を実行する。
本実施形態に係る画像処理装置１０では、ＲＯＭ１０ＢまたはＨＤＤ１０Ｄに予め記憶されたプログラムをＣＰＵ１０Ａが実行することにより、画像中の検出可能な物体を検出し、ユーザによって選定された物体を切り抜く処理を行う。なお、以下では、画像中の検出可能な物体を前景物体と称し、前景物体以外を背景と称する。
続いて、上述のように構成された本実施形態に係る画像処理装置１０の機能的構成について説明する。図２は、本実施形態に係る画像処理装置１０の機能ブロック図である。なお、各機能部は、ＲＯＭ１０ＢまたはＨＤＤ１０Ｄに予め記憶されたプログラムをＣＰＵ１０Ａが実行することにより実現される。
画像処理装置１０は、物体検出部１２、物体選出部１４、及び物体切抜き部１６の機能を有する。
物体検出部１２は、物体検出対象の画像情報を入力して、画像情報が表す画像中の前景物体を検出し、検出した物体の候補領域を矩形枠で表示部１０Ｆに表示する処理を行う。前景物体は、種々の周知技術を用いることで検出する。例えば、物体検出アルゴリズムＹＯＬＯ（You Only Look Once）ｖ３を用いて検出できる。図３、４に物体検出の一例を示す。図３は、ファッション通販の物体検出の例を示す図であり、図４は、お酒の物体検出の例を示す図である。図３では、「tops」、「skirts」、「footwear」、「bags」、「pants」のそれぞれの学習データを元に深層学習を行って物体を検出し、「tops」、「skirts」、「footwear」、「bags」、「pants」の候補領域を矩形枠で表示した例を示す。また、図４の例では、各種のお酒の画像を学習データとして深層学習を行って物体を検出し、３本のお酒の候補領域を矩形枠で表示した例を示す。
物体選出部１４は、検出された物体の候補領域の矩形枠のうち切り抜きたい前景物体に対応する矩形枠を、ユーザが操作部１０Ｅを操作して行う１回の選択動作に基づいて選出する処理を行う。本実施形態では、物体検出部１２によって検出されて表示された矩形枠に対する選択動作を検出して、切り抜きたい前景物体に対応する矩形枠を選出する。具体的には、図５に示すように、一筆書きのような１回の操作部１０Ｅによる選択動作で指定された物体の候補領域の矩形枠を選出する。本実施形態では、物体選出部１４は、操作部１０Ｅの選択動作による軌跡と交わる矩形枠を選出する。なお、図５では、１本のお酒の矩形枠を選出した例、３本のお酒の矩形枠を選出した例、及び２本の矩形枠を選出した例の３種類の矩形枠の選出例を示す。
物体切抜き部１６は、物体選出部１４によって選出された矩形枠の中から前景物体を切り抜く処理を行う。具体的には、領域拡張法（region growing）を応用して矩形枠の中から前景物体を切り抜く。領域拡張法では、予め設定した画素値に関する条件を満足する、空間的に連続する領域を一塊の領域として認識する。まず、画素値に関する条件を満足する画素を種子点として設定し、近傍の点で条件を満足する画素に同一ラベルをつけ、これを繰り返すことにより、一塊の領域を認識する。なお、従来の領域拡張法では手動操作で種子点を設定するが、本実施形態では、物体選出部１４が矩形枠を選出する際の選択動作の軌跡と矩形枠とを用いて種子点を設定する。種子点の設定方法としては、以下の３種類の設定方法がある。
まず、第１の種子点の設定方法では、物体選出部１４で選出された矩形枠に種子点を設定する。種子点は、図６に示すように、矩形枠の各辺の中点に設定する。なお、図６は、矩形枠の各辺の中点に設定した例を示す図である。各枠では、セグメンテーションは独自で行い、各種子点は各枠の中心に向けて、近傍の点はＲＧＢの値が類似している場合に、画素に同一ラベルを付け、これを繰り返すことにより、種子点と同一ラベルの画素を除外することにより、各枠の中に残った部分を切り抜く物体とする。
また、第２の種子点の設定方法では、物体選出部１４で選出された矩形枠に種子点を設定する。種子点は、図７に示すように、各枠４つの辺の全画素に設定する。或いは、各枠４つの辺の複数画素に種子点を設定してもよい。なお、図７は、矩形枠の各辺の全画素を種子点に設定した例を示す図である。各枠では、セグメンテーションは独自で行い、各種子点は各枠の中心に向けて、近傍の点はＲＧＢの値が類似している場合に、画素に同一ラベルを付け、これを繰り返すことにより、種子点と同一ラベルの画素を除外することにより、各枠の中に残った部分を切り抜く物体とする。
また、第３の種子点の設定方法では、物体選出部１４で選出された矩形領域に種子点を設定する。種子点は、図８に示すように、混合ガウスモデルによって、各枠内の色分布を求めてから、四辺の画素を多く持っている色分布ヒストグラムを背景の色分布とし、他のもう一つの色分布を物体の色分布として種子点は背景の色分布の平均色の画素に設定する。なお、図８は、混合ガウスモデルによって、各枠内の色分布を求めてから背景の色分布の平均色の画素に種子点を設定した例を示す図である。各枠では、セグメンテーションは独自で行い、各種子点は各枠の中心に向けて、近傍の点はＲＧＢの値が類似している場合に、画素に同一ラベルを付け、これを繰り返すことにより、種子点と同一ラベルの画素を除外することにより、各枠の中に残った部分を切り抜く物体とする。
続いて、上述のように構成された本実施形態に係る画像処理装置１０で行われる処理について説明する。図９は、本実施形態に係る画像処理装置１０で行われる具体的な処理の流れの一例を示すフローチャートである。なお、図９の処理は、例えば、物体検出の対象となる画像情報を選択して物体検出の開始指示が行われた場合に開始する。
ステップ１００では、物体検出部１２が、物体検出対象の画像情報を取得してステップ１０２へ移行する。取得する画像情報としては、動画でもよいし静止画でもよい。
ステップ１０２では、物体検出部１２が、取得された画像情報に基づいて、対象の画像を表示部１０Ｆに表示してステップ１０４へ移行する。例えば、図１０に示すような入力画像が表示部１０Ｆに表示される。
ステップ１０４では、物体検出部１２が、画像から前景物体を検出して、前景物体の候補領域を囲う矩形枠を表示してステップ１０６へ移行する。本実施形態では、一例として、物体検出アルゴリズムＹＯＬＯｖ３を用いて画像から前景物体を検出して、前景物体の候補領域を矩形枠で表示する。これにより、図１０に示すように、物体検出部１２によって検出された前景物体の候補領域の矩形枠が表示部１０Ｆに表示される。
ステップ１０６では、物体選出部１４が、ユーザによる選択動作を検出したか否かを判定する。該判定は、例えば、図１０に示すように、一筆書きのような１回の選択動作がユーザによって行われたか否かを判定する。該判定が肯定されるまで待機してステップ１０８へ移行する。
ステップ１０８では、物体選出部１４が、選択動作に対応する矩形枠を全て抽出してステップ１１０へ移行する。本実施形態では、選択動作の軌跡と交わる矩形枠を全て抽出する。これにより、図１０に示すように、物体選出部１４によって抽出された矩形枠が表示部１０Ｆに表示される。本実施形態では、複数の矩形枠を選択する際には、複数の選択操作を行うことなく、単一の選択動作で複数の矩形枠が選択される。
ステップ１１０では、物体切抜き部１６が、抽出された矩形枠中の前景物体を切り抜いてステップ１１２へ移行する。本実施形態では、一例として、領域拡張法を用いて矩形枠の中から前景物体を切り抜く。すなわち、図１０に示すように、種子点を設定して、設定した種子点の近傍の点で予め設定した画素値に関する条件を満足する画素に同一ラベルを付ける。そして、これを繰り返すことにより、同一ラベルの画素を一塊の領域として認識して、前景物体を目標物体として切り抜く。なお、図１０では、矩形枠の各辺の中点に種子点を設定した場合の例を示す。また、ステップ１１０では、抽出された矩形枠が複数の場合は、注目の矩形枠から前景物体を切り抜き、図１０の例では、３つの前景物体を目標物体として切り抜いた例を示す。
ステップ１１２では、物体切抜き部１６が、抽出された全ての矩形枠の前景物体を切り抜いたか否かを判定する。該判定が否定された場合にはステップ１１０に戻って注目の矩形枠を変更して前景物体を切り抜く処理を行い、判定が肯定されたところで一連の処理を終了する。
なお、上記の実施形態では、物体検出部１２が、物体検出対象の画像情報を入力して、画像中の前景物体を検出し、検出した物体の候補領域を矩形枠で表示部１０Ｆに表示したが、検出物体の候補領域は矩形枠以外の枠で表示してもよい。例えば、円や、楕円、多角形等の矩形以外の形状の枠で表示してもよい。
また、上記の実施形態では、物体切抜き部１６が前景物体を切り抜く際には、領域拡張法を利用して前景物体を切り抜く例を説明したが、物体の切抜き方法は他の方法を利用してもよい。例えば、グラフカット（Graph Cut）や、グラブカット（Grab-cut）、混合ガウスモデル（Gaussian Mixture Model）等の周知の画像切抜き技術を利用してもよい。
また、上記の実施形態では、物体切抜き部１６が前景物体を切り抜く際に、背景として設定する種子点の設定方法として３種類の設定方法を一例として説明したが、これに限るものではない。例えば、複数の矩形枠が重ならない場合を条件として、矩形枠の選択動作の軌跡と矩形枠とが交わる点を種子点に設定してもよい。或いは、物体切抜き部１６が前景物体を切り抜く際に設定する種子点は背景ではなく、前景物体に設定してもよい。例えば、物体切抜き部１６は、前景物体を切り抜く際に、前景物体に対応する点として矩形枠の中心に種子点を設定し、前景物体を切り出してもよい。また、複数種類の種子点の設定方法を備えて、ユーザが操作部１０Ｅを操作することにより何れかの種子点の設定方法を選択可能な形態としてもよい。
また、上記の実施形態において、物体検出部１２が画像から前景物体に対応する複数の領域を候補領域として抽出して矩形枠を表示する際に、画像を縮小してから候補領域を抽出して矩形枠を求め、求めた矩形枠を元の大きさに復元して矩形枠を表示してもよい。これにより、候補領域の抽出時の処理負荷が軽減される。
また、上記の実施形態において、物体切抜き部１６が前景物体を切り抜く際に、物体選出部１４で選出された矩形枠の画像を縮小してから前景物体を切り抜く処理を行って元の大きさに復元してもよい。
また、上記の実施形態において、ＣＰＵ１０Ａをプロセッサの一例として説明したが、プロセッサとは広義的なプロセッサを指し、汎用的なプロセッサ（例えばCPU： Central Processing Unit、等）や、専用のプロセッサ（例えばGPU： Graphics Processing Unit、ASIC： Application Specific Integrated Circuit、FPGA： Field Programmable Gate Array、プログラマブル論理デバイス、等）を含むものである。
また上記各実施形態におけるプロセッサの動作は、１つのプロセッサによって成すのみでなく、物理的に離れた位置に存在する複数のプロセッサが協働して成すものであってもよい。また、プロセッサの各動作の順序は上記各実施形態において記載した順序のみに限定されるものではなく、適宜変更してもよい。
また、上記の実施形態に係る画像処理装置１０で行われる処理は、ソフトウエアで行われる処理としてもよいし、ハードウエアで行われる処理としてもよいし、双方を組み合わせた処理としてもよい。また、画像処理装置１０で行われる処理は、プログラムとして記憶媒体に記憶して流通させるようにしてもよい。
また、本発明は、上記に限定されるものでなく、上記以外にも、その主旨を逸脱しない範囲内において種々変形して実施可能であることは勿論である。
１０ 画像処理装置
１０Ｅ 操作部
１０Ｆ 表示部
１２ 物体検出部
１４ 物体選出部
１６ 物体切抜き部
１０Ｅ 操作部
１０Ｆ 表示部
１２ 物体検出部
１４ 物体選出部
１６ 物体切抜き部
Claims (3)
- プロセッサを備え、前記プロセッサは、
画像の前景物体に対応する複数の候補領域を囲む枠として矩形枠を表示し、１回の選択動作を検出して、前記選択動作による軌跡と前記矩形枠とが交わる前記候補領域を抽出し、抽出した各前記候補領域の色分布を混合ガウスモデルによって求めてから、四辺の画素が持っている色の分布を示す色分布ヒストグラムを背景の色分布とし、他の色分布を物体の色分布として、背景の色分布の平均色の画素を拡張領域法の種子点に設定し、前記前景物体に対応する対象領域から背景を除外して、前記対象領域から前景物体に対応する画像を切り抜くことにより、前記選択動作で選択された１以上の前記候補領域の中から前記対象領域を抽出する処理を行う画像処理装置。 - 前記プロセッサは、画像から前景物体に対応する複数の領域を前記候補領域として抽出して前記枠を表示する際に、前記画像を縮小してから前記候補領域を抽出して前記枠を求め、求めた前記枠を元の大きさに復元して前記枠を表示する処理を更に行う請求項１に記載の画像処理装置。
- 画像の前景物体に対応する複数の候補領域を囲む枠として矩形枠を表示し、１回の選択動作を検出して、前記選択動作による軌跡と前記矩形枠とが交わる前記候補領域を抽出し、抽出した各前記候補領域の色分布を混合ガウスモデルによって求めてから、四辺の画素が持っている色の分布を示す色分布ヒストグラムを背景の色分布とし、他の色分布を物体の色分布として、背景の色分布の平均色の画素を拡張領域法の種子点に設定し、前記前景物体に対応する対象領域から背景を除外して、前記対象領域から前景物体に対応する画像を切り抜くことにより、前記選択動作で選択された１以上の前記候補領域の中から前記対象領域を抽出する処理をコンピュータに実行させるための画像処理プログラム。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019170585A JP7423951B2 (ja) | 2019-09-19 | 2019-09-19 | 画像処理装置及び画像処理プログラム |
| US16/832,049 US11741665B2 (en) | 2019-09-19 | 2020-03-27 | Image processing apparatus and non-transitory computer readable medium storing image processing program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019170585A JP7423951B2 (ja) | 2019-09-19 | 2019-09-19 | 画像処理装置及び画像処理プログラム |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2021047705A JP2021047705A (ja) | 2021-03-25 |
| JP2021047705A5 JP2021047705A5 (ja) | 2022-07-13 |
| JP7423951B2 true JP7423951B2 (ja) | 2024-01-30 |
Family
ID=74878518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019170585A Active JP7423951B2 (ja) | 2019-09-19 | 2019-09-19 | 画像処理装置及び画像処理プログラム |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11741665B2 (ja) |
| JP (1) | JP7423951B2 (ja) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006033224A (ja) | 2004-07-14 | 2006-02-02 | Matsushita Electric Ind Co Ltd | 物体追跡装置および物体追跡方法 |
| JP2011053759A (ja) | 2009-08-31 | 2011-03-17 | Casio Computer Co Ltd | 画像処理装置、画像処理方法及びプログラム |
| JP2011077790A (ja) | 2009-09-30 | 2011-04-14 | Nikon Corp | 撮像装置、補正処理プログラム及び記録媒体 |
| JP5107453B1 (ja) | 2011-08-11 | 2012-12-26 | シャープ株式会社 | 情報処理装置、操作画面表示方法、制御プログラムおよび記録媒体 |
| JP2013077296A (ja) | 2011-09-14 | 2013-04-25 | Ricoh Co Ltd | 画像処理装置、画像処理方法およびプログラム |
| JP2015201038A (ja) | 2014-04-08 | 2015-11-12 | 富士通株式会社 | 情報処理装置及び情報処理プログラム |
| JP2016015043A (ja) | 2014-07-02 | 2016-01-28 | トヨタ自動車株式会社 | 対象物認識装置 |
| JP2018092610A (ja) | 2016-11-28 | 2018-06-14 | キヤノン株式会社 | 画像認識装置、画像認識方法及びプログラム |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS517453B2 (ja) | 1972-02-28 | 1976-03-08 | ||
| JP4482778B2 (ja) * | 2000-09-11 | 2010-06-16 | ソニー株式会社 | 画像処理装置および画像処理方法、並びに記録媒体 |
| US7299424B2 (en) * | 2002-05-14 | 2007-11-20 | Microsoft Corporation | Lasso select |
| US8150121B2 (en) * | 2008-05-06 | 2012-04-03 | Carestream Health, Inc. | Information collection for segmentation of an anatomical object of interest |
| US8929635B2 (en) * | 2011-07-21 | 2015-01-06 | Carestream Health, Inc. | Method and system for tooth segmentation in dental images |
| JP6023058B2 (ja) | 2011-08-29 | 2016-11-09 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 画像処理装置、画像処理方法、プログラム、集積回路 |
| KR101618814B1 (ko) * | 2012-10-09 | 2016-05-09 | 에스케이텔레콤 주식회사 | 단일객체에 대한 기울기를 추정하는 영상을 감시하는 장치 및 방법 |
| US9626084B2 (en) * | 2014-03-21 | 2017-04-18 | Amazon Technologies, Inc. | Object tracking in zoomed video |
| KR20150118813A (ko) * | 2014-04-15 | 2015-10-23 | 삼성전자주식회사 | 햅틱 정보 운용 방법 및 이를 지원하는 전자 장치 |
| CN106663208B (zh) * | 2014-08-28 | 2019-04-23 | 高通股份有限公司 | 时间显著图 |
| GB2529671B (en) * | 2014-08-28 | 2017-03-08 | Canon Kk | Transformation of 3-D object for object segmentation in 3-D medical image |
| CN107369149B (zh) | 2016-05-11 | 2020-09-08 | 富士通株式会社 | 目标物体的检测装置及方法 |
| US11062176B2 (en) * | 2017-11-30 | 2021-07-13 | Kofax, Inc. | Object detection and image cropping using a multi-detector approach |
| US10762396B2 (en) * | 2017-12-05 | 2020-09-01 | Utac, Llc | Multiple stage image based object detection and recognition |
| US20220261601A1 (en) * | 2017-12-05 | 2022-08-18 | Uatc, Llc | Multiple Stage Image Based Object Detection and Recognition |
| US11120070B2 (en) * | 2018-05-21 | 2021-09-14 | Microsoft Technology Licensing, Llc | System and method for attribute-based visual search over a computer communication network |
| US11182972B2 (en) * | 2019-02-12 | 2021-11-23 | Qualcomm Incorporated | Virtual teleportation in fixed environments |
| US10964023B1 (en) * | 2019-03-26 | 2021-03-30 | Snap Inc. | Image segmentation system |
| US11468550B2 (en) * | 2019-07-22 | 2022-10-11 | Adobe Inc. | Utilizing object attribute detection models to automatically select instances of detected objects in images |
| US10769718B1 (en) * | 2020-02-19 | 2020-09-08 | Nicom Living LLC | Method, medium, and system for live preview via machine learning models |
-
2019
- 2019-09-19 JP JP2019170585A patent/JP7423951B2/ja active Active
-
2020
- 2020-03-27 US US16/832,049 patent/US11741665B2/en active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006033224A (ja) | 2004-07-14 | 2006-02-02 | Matsushita Electric Ind Co Ltd | 物体追跡装置および物体追跡方法 |
| JP2011053759A (ja) | 2009-08-31 | 2011-03-17 | Casio Computer Co Ltd | 画像処理装置、画像処理方法及びプログラム |
| JP2011077790A (ja) | 2009-09-30 | 2011-04-14 | Nikon Corp | 撮像装置、補正処理プログラム及び記録媒体 |
| JP5107453B1 (ja) | 2011-08-11 | 2012-12-26 | シャープ株式会社 | 情報処理装置、操作画面表示方法、制御プログラムおよび記録媒体 |
| JP2013077296A (ja) | 2011-09-14 | 2013-04-25 | Ricoh Co Ltd | 画像処理装置、画像処理方法およびプログラム |
| JP2015201038A (ja) | 2014-04-08 | 2015-11-12 | 富士通株式会社 | 情報処理装置及び情報処理プログラム |
| JP2016015043A (ja) | 2014-07-02 | 2016-01-28 | トヨタ自動車株式会社 | 対象物認識装置 |
| JP2018092610A (ja) | 2016-11-28 | 2018-06-14 | キヤノン株式会社 | 画像認識装置、画像認識方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US11741665B2 (en) | 2023-08-29 |
| US20210090324A1 (en) | 2021-03-25 |
| JP2021047705A (ja) | 2021-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10803338B2 (en) | Method and device for recognizing the character area in a image | |
| CN108960229B (zh) | 一种面向多方向的文字检测方法和装置 | |
| CN106940799B (zh) | 文本图像处理方法和装置 | |
| US8923559B2 (en) | Image processing apparatus, image processing method, and program | |
| WO2019114036A1 (zh) | 人脸检测方法及装置、计算机装置和计算机可读存储介质 | |
| WO2007055359A1 (ja) | クラスタリングシステム、及び、それを備える画像処理システム | |
| CN110189333B (zh) | 一种图片语义分割半自动标注方法及装置 | |
| US20170004628A1 (en) | Method and apparatus for segmenting object in image | |
| Schauwecker et al. | A new feature detector and stereo matching method for accurate high-performance sparse stereo matching | |
| CN103218600B (zh) | 一种实时人脸检测算法 | |
| US20210248729A1 (en) | Superpixel merging | |
| Asheghi et al. | A comprehensive review on content-aware image retargeting: From classical to state-of-the-art methods | |
| CN114168052A (zh) | 多图显示方法、装置、设备及存储介质 | |
| JP5006479B1 (ja) | 動き画像領域判定装置またはその方法 | |
| Oliveira et al. | A novel Genetic Algorithms and SURF-Based approach for image retargeting | |
| CN104268845A (zh) | 极值温差短波红外图像的自适应双局部增强方法 | |
| CN113449538A (zh) | 视觉模型的训练方法、装置、设备及存储介质 | |
| JP7423951B2 (ja) | 画像処理装置及び画像処理プログラム | |
| JP5783972B2 (ja) | 手書き文書処理装置、方法およびプログラム | |
| JP5192597B1 (ja) | 動き画像領域判定装置またはその方法 | |
| CN115564976A (zh) | 图像处理方法、装置、介质及设备 | |
| US20140212043A1 (en) | Character display apparatus, character display method, and computer readable medium | |
| Kulyukin et al. | An algorithm for mobile vision-based localization of skewed nutrition labels that maximizes specificity | |
| CN113033593B (zh) | 基于深度学习的文本检测训练方法及装置 | |
| CN110942419B (zh) | 一种全液晶仪表毛玻璃模糊处理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220704 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220829 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230530 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230707 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231020 |
|
| 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: 20231219 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240101 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7423951 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |