JPH01239683A - 線分の記述方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は任意の線分を記述する方法に関し、例えば、画
像認識において、原画像の編部または骨格をなす線画像
の解釈で用いる記述言語を与える方法に関する。

〔従来の技術〕

物体の形状や記録された図形が示す意味を自動認識でき
ると非常に便利なことが多い。例えば、種々の形状をし
た型板の仕分けや配列等の作業を完全に自動化すること
ができる。このため、物体の形状や図形を認識する画像
認識技術がさかんに研究されている。その１つに画像の
輪郭または骨格をなす線画像を所定フォーマットの言語
で記述して解釈する方法があり、特開昭５８−６２７６
７号公報および特開昭５８−６２７７１号公報には次の
ような技術が開示されている。

すなわち、２値画像の輪郭化を表わす線画像上の数点を
サンプリングして多角形近似を行ない。

その多角形の辺と角度により該線画像を記述して形状を
判定するという技術である。

〔発明が解決しようとする課題〕

これにおいて用いられている線画像の多角形近似による
記述法においては、原画像の点列と近似した多角形の辺
との間には、サンプリング密度に依存する誤差以外の保
証はなく、記述の精度は充分とはいえない。つまり、一
般に円弧や曲線等も多角形で近似されてしまうため、上
記公報に開示されているように、隣接する２線分が弧を
なすのかあるいは角を構成しているのかを判定するため
の処理が必要になる。

また、上記公報に開示された技術では、認識対称画像を
円弧および角の数により記述し、同じ方法で記載した基
準パターンと照合して認識を行なっているが、この種の
記述は図形が複雑になると容易ではない。

本発明は角や円弧の判定を直接必要とすることなく、充
分に高い精度で線分を記述する線分の記述方法を提供す
ることを目的とする。

〔３題を解決するための手段〕 上記目的を達成するために本発明においては、２次元的
な点の連結で表わされる線分に、始点と終点を設定して
その間の各点に逐次注目し、任意の自然数をｎとすると
き、注目している点およびそれに連結するｎ個の点の２
次元的な配置から、それらｎ＋１個の点列を直線に近似
するパラメータを求めて注目している点の特徴パラメー
タを設定し。

前記始点および終点の間の全点の特徴パラメータをクラ
スタリングした後、所定以上の大きさを有するクラスタ
を選択し。

選択したクラスタ毎に、そこに含まれる特徴パラメータ
を有する点の２次元的な連結でなる点列を前記線分の有
効成分に設定して該線分を記述する、ものとする。

〔作用〕

これによれば、注目点を含む複数個の点列を直線に近似
することにより、共通の属性を有する点の集合を抽出し
て線分を記述しているので、角と弧の分離等の煩雑な間
層は生じない。この場合、属性により特徴付けられてい
る領域、すなわちクラスタの大きさをその線分における
重要度として判断できるのでノイズや量子化による特異
点の影響を取り除くことができ、記述の精度は高いもの
となる。

本発明の他の目的および特徴は、以下の図面を参照した
実施例説明より明らかになろう。

〔実施例〕

第１図に、鋼板の打抜きによる型板の形状を求職し、そ
のデータを仕分作業ロボットに転送する、画像認識シス
テムのハードウェア構成を示す。

このシステムは、システム全体の動作制御を行なうコン
ピュータ１　、２５６　Ｘ　２５６画素の解像度で型板
を撮像するＩＴＶカメラ２、ＩＴＶカメラ２の出力信号
をデジタル変換して２５６階調の原画像データを生成す
るＡ／Ｄコンバータ２ａ、ｉｆ画像データを処理して型
板の形状を認識する画像処理プロセッサ３、原画像デー
タを始めとして種々の画像データがストアされる画像メ
モリ４、画像処理プロセッサ３の処理結果等を出方する
デイスプレィユニット５およびプリンタ６、画像処理プ
ロセッサ３の処理結果等を登録しておくフロッピーディ
スク７および、オペレータがコンピュータ１に対する指
示を入力するキーボードターミナル８等でなる。

コンピュータＩは、所定のプログラムに従ってＩＴＶカ
メラ２およびＡ／Ｄコンバータ２ａを制御して原画僅デ
ータを両僅メモリ４内にストアすると、画像処理プロセ
ッサ３に対して画像処理の実行を指示する。画像処理プ
ロセッサ３は、これに応答して第２図のフローチャート
で示される画像処理を実行する。以下、この画像処理に
ついて説明する。

画像処理プロセッサ３は電源投入後、Ｓｔ（フローチャ
ートに付したステップ番号を示す二以下同義）において
初期化を行なって、コンピュータｊより指示を待受けて
いるが、その指示があると８３において入力画像を読み
取り、Ｓ４において２値化する。２値化した画像（以下
２値画像という）の−例を第３ａ図に示したので参照さ
れたい。

Ｓ５においては、２値画碌の輪郭を抽出する。

輪郭抽出の手法はすでに公知であるので新ためて述べる
までもないが、ここでは、（既略で、第４図のように２
次元的に示される３×３画素マトリクスを用いて２値画
像領域内をラスクスキャンし、注目画素ＰＯが黒画素（
画像の成分画素）でその注目画素ＰＯが黒画素（画像の
成分画素）でその８近傍画素Ｐ１〜Ｐ８の少なくとも１
つが白画素（背景画素）のときに限りその注目画素を境
界画素として残して輪郭化する。第３ａ図に示した２値
画像から抽出した輪郭を第３ｂ図に示した。

輪郭化した画像、すなわち＋１１郭画像に分岐点がある
と以下の処理において特異値が現われるので、その場合
にはＳ７において分岐点の画像を消去し、また、第３ｂ
図に示した幅部画像のように閉じたループを形成してい
る場合には、Ｓ９においてラスクスキャンにより最初に
検出されるループ五の画像を消去し、ループを開口する
。

Ｓ１０においては１輪郭画像を形成する線分。

すなわち１分岐がなく開いた画素列で表わされる線分の
１つを処理対象の線分（以下対象線分という）にセット
し、Ｓｌｌにおいては線分の一方の端点画素に連結する
３つ目の画素をスタート画素をセットする。この理由に
ついては以下の説明で明らかになろう。

Ｓ１２においては、第４図に示した３×３画素マトリク
スにより線分を構成する画素をトレースし、注目画素と
、その前後に連結する各２つの画素の２次元的な配列を
近似する、 ｒ＝Ｘ−ｃＯ５Ｏ＋Ｙ−５ｉｎＯ・・・・・（１）なる
式で示される直線を得るパラメータｒ、０を求めその注
目画素の特徴パラメータに設定する（Ｘ、Ｙは画素アド
レス）。このパラメータｒ。

θは１例えば、第５図において注目画素をａとすれば、
ハツチングを施した画素の各画素アドレスを上記第（１
）式に代入し、最小２乗法に最も確からしい近似直線を
求めて決定する。

Ｓ１３においては特徴パラメータ毎の画素数をカウント
するテーブル（以下パラメータテーブルという）に書き
込みを行なう。

この後、Ｓ１５において注目画素を次の画素に更新して
上記処理を繰り返し、注目画素がエンド画素、すなわち
、対象線分の他方の端点画素の手前３つ目の画素になる
と３１４からこのループを抜ける。このとき、特徴パラ
メータ毎の頻度を表わすパラメータテーブルが完成し、
第３ｂ図に示した例であれば、その内容は次の第１表に
示すようになる（部分）。

Ｓ１６においては、第１表の内容に対してクラスタリン
グを行う。ここでは、第１表の非０点を個々の２次元配
列の微小要素とみなし、上下・、二右・斜めに連結する
非０点集合をクラスタとみなしラベルを付与してクラス
タテーブルを作成する。

次に示した第２表は上記第１表の内容にクラスタリング
を行なって作成したクラスタテーブルであり、表中の数
字はラベルを示す。

Ｓ１７においては、前述の第１表とこの第２表から各ク
ラスタの大きさ、すなわち画素数を求め、ノイズ除去を
行なう。これは、同一のクラスタに属する画素に共通の
属性が期待でき、原理的に、そのクラスタに属する画素
数が、対象線分しこおり）である共通の属性を有する部
分の長さを示すことに基づいている。例えば、上記第２
表のラベル６２のクラスタであれば、そこに所属する画
素数（以下所属画素数という）は第１表の各カラン１〜
値２５５，１７４，１０１，１３０．９８および５４を
加算した値８１２となるので、この値と所定の閾値を比
較する。ここでは、５０画素以下の長さの部位をノイズ
と見做しそいるので、所属画素数が５０以下のクラスタ
を消去してクラスタテーブルを完成している。

Ｓ１８において、再度この対象線分のスタート画素をセ
ットすると、８１９〜Ｓ２３でなるループにおいて、前
述した３１２〜Ｓ１５のループと同様にして各画素の特
徴パラメータを求める。ただし、この場合は、パラメー
タテーブルを作成する処理に代えて画素毎にラベルを付
与する処理を行なっている。これは、注目画素の特徴パ
ラメータが、クラスタテーブル内のクラスタにＪ属する
とき、その注目画素に対してそのクラスタのラベルを付
与する処理であり、Ｓ２０およびＳ２１においてなされ
る。このときラベルを付与した画素列により、対象線分
を特徴付ける成分が抽出される。

第３ｃ図は第３ｂ図に示した対象線分から抽出した成分
を示す。

Ｓ２４においては、同一のラベルを持ちながら途切れて
いる成分を接続する。この場合、その隔たりが直線近似
したときの画素列の長さ、すなわち、ここでは５画素以
下であることを接続条件としている。

Ｓ２５においては、接続した成分により対象線分を記述
する。

さらに処理を行なう線分があるときはＳＩＯに戻り、上
記を繰り返すが、そうでないときにはＳ２７においてマ
ツチング処理を行なう。この場合、原画碌の輪郭を形成
する線分のそれぞれが、共通の属性を有する成分の集合
として記述されているので、各成分毎のテンプレートマ
ツチングを行なう。

Ｓ２８においては、マツチングの結果をコンピュータ１
に転送し、Ｓ２に戻る。

なお、上記実施例の３１２〜Ｓ１５でなるループにおい
て、直線近似を行なって得たパラメータでパラメータテ
ーブルを作成するとともに、そのパラメータを画素アド
レスに対応材してメモリしておけば、Ｓ１９における直
線近似を省略することができる。

また、上述した画像処理プロセッサ３の処理をハードウ
ェア化することも可能である。第６図は画像処理プロセ
ッサ３を、制御部３０、前処理部３１、直線近似部３２
、パラメータテーブル３３、クラスタリング部３４、ク
ラスタテーブル３５、クラスタ選択部３６、成分クラス
タテーブル３７、成分抽出部３８および後処理部３９等
の要素を用いて構成した一例であり、これにおいて、細
矢印は制御ラインを、太矢印はデータラインをそれぞれ
示す。各要素は、制御部３０の制御の下に、以下のよう
に動作する。

前処理部３１は、前述した第２図のフローチャートにお
ける８４〜Ｓ９の処理を行ない、直線近似部３２に対し
分岐のない画素列のデータを与える。直線近似部３２で
は、スタート画素から逐次連結画素をトレースし、その
都度、注目画素とその前後各２画素、すなわち連結する
５画素を直線近似する特徴パラメータｒ、０を求め、パ
ラメータテーブル３３に格納する。

パラメータテーブル３３が完成すると、クラスタリング
部３４において、前述したクラスタリングを行なって属
性の近いパラメータどうしをクラスタ化し、クラスタテ
ーブル３５に格納する。

クラスタ選択部３６においては、パラメータテーブル３
３とクラスタテーブル３５とを照合しながら各クラスタ
の評価を行ない、所属画素数の多いクラスタを対象線分
の成分として選択し、成分クラスタテーブル３７に格納
する。

成分抽出部３８においては、直線近似部３２が出力する
パラメータと成分クラスタテーブル３７とを照合して対
象線分の成分の抽出を行う。このとき、直線近似部３２
は、パラメータテーブル書込み時と全く同じ順序で同じ
内容のパラメータを出力するが、データの宛先が異なる
。

成分抽出部３８において抽出された対象線分の成分に関
するデータは、成分の接続やマツチングを行なう後処理
部３９に与えられる。

〔発明の効果〕

以上説明したとおり、本発明によれば、注目点を含む複
数個の点列を直線に近似することにより、共通の属性を
有する点の集合を抽出して線分を記述しているので、角
と弧の分離等の煩雑な問題は生じない。この場合、属性
により特徴付けられている領域、すなわちクラスタの大
きさをその線分における重要度として判断できるのでノ
イズや量子化による特異点の影響を取り除くことができ
、記述の精度は高いものとなる。この記述は、実施例説
明で述べたような画像認識の他にも、検査パターンより
線分の検出を必要とする各種検査等に応用できる。

【図面の簡単な説明】

第１図は本発明を一態様で実施する画像認識システムの
ハードウェア構成を示すブロック図である。 第２図は第１図に示した画像処理プロセッサ３の動作を
示すフローチャートである。 第３ａ図、第３ｂ図、第３ｃ図および第３ｄ図は第１図
に示した画像処理プロセッサ３による処理例を示す平面
図である。 第４図は３Ｘ３画素マトリクスを説明するための説明図
である。 第５図は直線近似を説明するための説明図である。 第６図は第１図に示した画像処理プロセッサ３をハード
ウェアで構成したブロック図である。 １：コンピュータ ２：ＩＴＶカメラ　　　２ａ：Ａ／Ｄコンバータ３：画
像処理プロセッサ ４：画像メモリ ５：デイスプレィユニット ６：プリンタ　　　　　７：フロツピーデイスク８：キ
ーボードターミナル ３０：制御部　　　　　　３１：前処理部３２：直線近
似部　　　　３３：パラメータテーブル３４：クラスタ
リング部　３５：クラスタテーブル３６二クラスタ選択
部 ３７：成分クラスタテーブル ３８：成分抽出部　　　　３９：後処理部出願人　新口
木製鐵株式會社　他１名 代理人　弁理士　杉　信　　　興　°゛・声１　区 第３ａ図　　　　第３ｂ図

Claims (4)

【特許請求の範囲】
1. （１）２次元的な点の連結で表わされる線分に、始点と
   終点を設定してその間の各点に逐次注目し、任意の自然
   数をｎとするとき、注目している点およびそれに連結す
   るｎ個の点の２次元的な配置から、それらｎ＋１個の点
   列を直線に近似するパラメータを求めて注目している点
   の特徴パラメータを設定し、 前記始点および終点の間の全点の特徴パラメータをクラ
   スタリングした後、所定以上の大きさを有するクラスタ
   を選択し、 選択したクラスタ毎に、そこに含まれる特徴パラメータ
   を有する点の２次元的な連結でなる点列を前記線分の有
   効成分に設定して該線分を記述する、線分の記述方法。
2. （２）前記特徴パラメータは、前記線分を表わす各点の
   ２次元的な配置をＸ−Ｙ座標系で示すとき、前記注目し
   ている点およびそれに連結するｎ個の点の２次元的な配
   置を、 ｒ＝Ｘ・ｃｏｓθ＋Ｙ・ｓｉｎθ なる式で与られる直線に近似するパラメータｒ，θであ
   る、前記特許請求の範囲第（１）項記載の線分の記述方
   法。
3. （３）前記線分は、２次元的な点の連結で表わされる線
   画像から摘出した分岐のない点列である、前記特許請求
   の範囲第（１）項記載の線分の記述方法。
4. （４）前記線画像は、２次元的な点の集合で表わされる
   ２値画像を輪郭化または骨格化もしくは細線化したもの
   である、前記特許請求の範囲第（３）項記載の線分の記
   述方法。