JPH04170685A - 画像処理装置及び画像処理方法 - 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、画像処理装置及び画像処理方法に係り、特に
、入力画像の条件に左右されない安定したパターンの分
類・識別の自動化に関する。

［従来の技術］ 近年、画像処理の分野に於いて、画像中のある種の特徴
量を検出し、これに基づきパターンの分類や識別等を行
なう試みが成されている。

例えば、画像内のエツジ成分を利用して分類を行なう方
法が知られている。この方法は、背景と物体が異なる濃
度値を持つことを前提としているものである。このよう
に背景と物体が異なる濃度値を持つ画像に関し、この方
法は、例えば次式に示す２次微分を行なう。

２ｆ、（ｉ、ｊ）−ｆ　（ｉ＋１．ｊ）＋ｆ　（ｉ−１
，ｊ） ＋ｆ　（ｉ、　　ｊ＋１） ＋ｆ　（ｉ、　　ｊ−１） 一４ｆ　（ｉ、ｊ） （但し、（ｉ、ｊ）はｉ行ｊ列の画素を表わし、ｆは画
素の濃度値を表わす。） この処理により、濃度差の存在する部分、即ち境界領域
を抽出することができる。背景と物体を分離する場合に
は、適切な濃度値を利用して閾値処理を行なえば良い。

また、画像の局所的性質の急変する部分を検出し、これ
に基づき画像を分割する方法として、可変差分法（Ａ、
Ｒｏｓｅｎｆ’ｅｌｄ、　−Ｅｄｇｅ　ａｎｄ　ｃｕｒ
ｖｅｄｅｔｅｃｔｉｏｎ　ｆｏｒｖｉｓｕａｌ　５ｃｅ
ｎｅ　ａｎａｌｙｓｉｓ＋、　ＩＢＩＤ、。

ｖｏｌ、ｃ２０．　ｐｐ、５Ｂ２−５６９．１９７１　
）がある。これは、画像を所定のサイズのブロックへ分
割し、各ブロック内で局所的特徴（例えば、濃度、エツ
ジ強度１等）の平均値を求め、ブロック間で差分を行な
う。局所的性質が均一な領域ではこの差分値は０に近く
、局所的性質が急変する部分ては大きな値となる。この
特性から、パターンの抽出・識別を行なう。

［発明が解決しようとする課題］ しかしながら、上記２次微分に基づく方法では、背景と
物体間の濃度値の差が少ない場合や、ノイズが含まれる
場合、完全な分離は非常に困難になるという問題点があ
った。例えば、第７図（−ａ）に示すような胸部Ｘ線写
真画像を２次微分により抽出用と試みた場合、同図（ｂ
）に示すように、ノイズの影響により、肺部と共に背景
領域も抽出されてしまう。

一方、可変差分法の場合は、ブロックのサイズにより得
られる結果が異なるという問題がある。

つまり、ブロックのサイズが大きいと領域の境界が明瞭
に抽出されず、逆に小さいと局所的な変動に敏感になり
過ぎる。このため、適切なブロックサイズの選択を行な
う必要があるが、これは経験的に行なわれてきた。また
、成る画像に対して適切なブロックサイズであっても、
別の画像に関しては不適切である場合も生じ、処理に安
定性がない。第７図（ｃ）及び（ｄ）はそれぞれ、可変
差分法により、同図（ａ）の胸部Ｘ線写真画像から肺部
を抽出した結果を示すもので、同図（ｃ）は大サイズの
ブロックによる場合であり、同図（ｄ）は小サイズのブ
ロックによる場合である。これらの図より理解されるよ
うに、ブロックのサイズにより、得られる結果は著しく
異なる。

このように、従来の画像処理方法では、対象となる入力
画像に関し十分な先験的情報がある場合のみ、パターン
の抽出・識別を行なうことができる。これは、任意の入
力画像に関しては安定した処理結果が得られないという
ことを意味している。

本発明は以上の点に鑑みて成されたもので、任意の入力
画像に関して安定且つ高精度な処理結果を得られるよう
にすることを目的とするものである。

また本発明は、可変差分法に於けるブロックのサイズの
ように、処理に際して調整作業を必要とせずに、自動的
な処理を可能とすることを目的とするものである。

［課題を解決するための手段］ 上記のような目的を達成するために、本発明の画像処理
装置では、量子化及び標本化された入力画像を複数の領
域に分割する画像処理装置に於いて、上記入力画像をそ
れぞれ第１の所定のブロックに区切られた第１のブロッ
ク画像へ分解する第１の分解手段と、上記第１の分解手
段により分解された上記第１のブロック画像毎にフラク
タル次元を算出する第１の演算手段と、上記第１の演算
手段で算出されたフラクタル次元に基づいて、第２の所
定のブロックを選択する選択手段と、上記選択手段によ
り選択された上記第２の所定のブロックにより区切られ
た第２のブロック画像へ上記入力画像を分解する第２の
分解手段と、上記第２の分解手段により分解された上記
第２のブロック画像のそれぞれに関してフラクタル次元
を算出し、この算出されたフラクタル次元に基づき出力
画像を形成する第２の演算手段とを備えている。

また、本発明の画像処理装置は、量子化及び標本化され
た入力画像を複数の領域に分割する画像処理装置に於い
て、上記入力画像を記憶する第１の記憶手段と、上記第
１の記憶手段に記憶された上記入力画像を所定の第１の
領域に分割する第１の分割手段と、上記第１の分割手段
により分割された上記第１の領域毎にフラクタル次元を
算出する第１のフラクタル次元算出手段と、上記第１の
フラクタル次元算出手段により算出されたフラクタル次
元に基づいて、上記所定の第１の領域よりも大きな所定
の第２の領域に分割領域を設定する第２の分割手段と、
上記第２の分割手段により設定された上記第２の領域内
の分散を算出する分散算出手段と、上記分散算出手段に
より算出された分散値に応じて、上記第１の記憶手段に
記憶された上記入力画像を第３の領域に分割する第３の
分割手段と、上記第３の分割手段により分割された上記
第３の領域毎にフラクタル次元を算出する第２のフラク
タル次元算出手段と、上記第２のフラクタル次元算出手
段により算出されたフラクタル次元に基づいて出力画像
を形成する出力画像形成手段と、−上記出力画像形成手
段により形成された出力画像を記憶する第２の記憶手段
とを備えている。

さらに、本発明の画像処理方法は、量子化及び標本化さ
れた入力画像を複数の領域に分割する画像処理方法に於
いて、上記入力画像を所定の第１の領域に分割する工程
と、上記分割された第１の領域毎にフラクタル次元を算
出する工程と、上記算出されたフラクタル次元に基づい
て、上記所定の第１の領域よりも大きな所定の第２の領
域に分割領域を設定する工程と、上記設定された第２の
領域内の分散を算出し、この算出された分散値に応じて
、上記入力画像を第３の領域に分割する工程と、上記分
割された第３の領域毎に再度フラクタル次元を算出し、
この算出されたフラクタル次元の最大値及び最小値に応
じて画像信号を正規化して出力画像を形成する工程とを
備えている。

［作　用］ 本発明の画像処理装置及び画像処理方法では、画像パタ
ーンの分類・識別を行なうための基本特徴量として、フ
ラクタル次元（Ｂ、Ｂ、Ｍａｎｄｅｌｂｒｏｔ。

Ｔｈｅ　Ｆｒａｃｔａｌ　ＧｅｏＩｌｅｔｒｙ　ｏｆ　
Ｎａｔｕｒｅ’″、　Ｐｒｅｅｍａｎｎ。

１９８”２　）を用いる。フラクタル次元は、画像の複
雑性に関し人間の視覚的な判断と良好な相関を有する。

即ち、平坦な画像に於けるフラクタル次元の値は小さく
、複雑な画像に於けるその値は大きい。

フラクタル次元を用いることは、画像の複雑性の観念か
らパターンを分類することを意味し、複雑なパターンの
画像に対しても安定した結果が得られる。

フラクタル次元を算出するために、可変差分法と同様に
画像をブロックへ分解する必要がある。

本発明の画像処理装置及び画像処理方法では、固定され
たブロックによりフラクタル次元を算出し、その後、フ
ラクタル次元の変化の割合に基づき再度ブロックを割り
当てて、再度フラクタル次元を算出するという適応型の
アルゴリズムを採用する。

これにより、フラクタル次元の変化の割合の少ない領域
では大きなサイズのブロックが割り当てられ、微細な変
動による誤認識を減少させ処理速度を向上させ得る。一
方、フラクタル次元の変化の割合か大きい領域では、小
さなサイズのブロックが割り当てられ、領域の境界を高
精度に識別し得る。これにより、任意の入力画像に対し
ても自動的な処理を行なうことかできる。

［実施例］ 以下、図面を参照して本発明の詳細な説明する。

第１図（ａ）はその構成を示す機能ブロック図であり、
同図（ｂ）は実際のハードウェア構成を示すブロック図
である。

本実施例の画像処理装置は、画像入力装置１１及びＡ／
Ｄコンバータ１２により構成される画像入力部１０、画
像メモリ２０、制御プロセッサ３０、画像処理プロセッ
サ４０、Ｄ／Ａコンバータ５１及び画像出力装置５２で
構成される画像出力部５０、画像データバス６０、及び
システムバス７０で構成されている。

上記画像メモリ２０は、第１画像メモリ２１及び第２画
像メモリ２２を有している。

上記制御プロセッサ３０は、４×４ブロック領域抽出部
３１、第１作業用メモリ３２．１６×１６ブロツク領域
抽出部３３、分散値算出部３４、ブロック領域設定部３
５、第２作業用メモリ３６、最大値最小値算出部３７、
及び正規化処理部３８を有している。

上記画像処理プロセッサ４０は、第１フラクタル次元算
出部４１及び第２フラクタル次元算出部４２を有してい
る。

上記画像入力装置１１は、被写体となる画像を電気信号
に変換してＡ／Ｄコンバータ１２に供給する。Ａ／Ｄコ
ンバータ１２は、供給された信号を、ある量子化レベル
（例えば、８ビツト）でディジタル化する。このディジ
タル化された映像信号は、制御プロセッサ３０の制御に
より、画像データバス６０を経由して画像メモリ２０へ
転送され、記憶される。画像メモリ２０は、入出力が独
立しており、入力と出力をそれぞれ独自のタイミングで
行なうことかできる。画像メモリ２０上の映像信号は、
制御プロセッサ３０の制御により、画像データバス６０
を経由してＤ／Ａコンバータ５１へ転送され、画像出力
装置５２上に表示される。また、画像メモリ２０上の映
像信号は、必要に応じて制御プロセッサ３０及び画像処
理プロセッサ４０へ転送され、所定の画像処理がなされ
る。

以下、第２図のフローチャートをも参照しながら、動作
を詳細に説明する。

入力画像は、画像入力部１０を構成する画像入力装置１
１及びＡ／Ｄコンバータ１２を経由し７て、画像メモリ
２０の第１画像メモリ２１中の作業用の配列Ｉｍａｇｅ
　（Ｘ　　５ｉｚｅ、Ｙ　　５ｉｚｅ）に転送される（
ステップＳｌ）。ここで、Ｘ　　５ｉｚｅ、Ｙ　　５ｉ
ｚｅは、それぞれｘ、　　ｙ方向の画像サイズを表わす
。

以後の処理は、制御プロセッサ３０と画像処理プロセッ
サ４０において行なわれる。即ち、制御プロセッサ３０
の４Ｘ４ブロツク領域抽出部３１は、第１画像メモリ２
１中の配列Ｉｍａｇｅから重複しないように４Ｘ４画素
サイズのブロック画像を抽出する。その後、画像処理プ
ロセッサ４０の第１フラクタル次元算出部４１は、４Ｘ
４ブロツク領域抽出部３１て抽出された各ブロック毎に
フラクタル次元を算出する（ステップＳ２）。

ここで、第３図（ａ）乃至（ｄ）を参照して、フラクタ
ル次元の算出につき簡単に説明する。同図（ａ）に示す
ように、画像の濃度面を厚さ２ｅの「ブランケット」で
覆うことを考える。覆ったブランケットの上限面をｕ　
（ｅ、ｉ、ｊ）、下限面をｂ　（ｅ、ｉ、ｊ）、そして
画像濃度レベルの関数をｇ（ｉ、ｊ）とする。ここで、 １≦ｉ≦Ｘ　　５ｉｚｅ １≦ｊ≦Ｙ　　５ｉｚｅ ｕ　（０，ｉ、ｊ）−ｂ　（０，ｉ、ｊ）−ｇ　（ｉ、
ｊ） である。ｅ−１，２，３，・・・に対して、各ブランケ
ット面は、次式のように定められる。

ｕ（ｅ、　’ｒ　、　ｊ）　−ｍａｘ［ｕ（ｅ−１、ｉ
　、　ｊ）＋１　。

ｍａｘｆｕ（ｅ−１，ｍ、ｎ）ｌコ ｂ（ｅ、ｉ、ｊ）　−ｍｉｎ［ｂ（ｅ−１，ｉ、ｊ）−
１゜ｍｊｎ（ｂ（ｅ−１，ＩＩＩ、ｎ）ｌコここで、ｍ
とｎは ｌ　　（ｍ、ｎ）−（ｉ、　　ｊ）　　ｌ−１を満たす
もので、同図（ｂ）に斜線のノー・ソチングで示すよう
に、（ｉ、ｊ）から距離１にある４つの隣接画素点にな
る。同図（Ｃ）に、１次元的な断面図を示す。このよう
に、ｅ−０力・ら順次ブランケットの厚さｅを増加して
いく。各ブランケットの体積ｖ　（ｅ）は、ｕ（ｅ、１
１　　Ｊ）とｂ　（ｅ、ｉ、ｊ）から、以下のように算
出される。

ｖ　（ｅ）−Σ　ｉｌｌ　（ｅ、　　ｉ、　　ｊ）−ｂ
　（ｅ、ｉ、ｊ）１ また、各ブランケットの面積ａ　（ｅ）は、以下ノよう
に算出される。

ｖ　（ｅ）　−ｖ　（ｅ　　１） ａ　　（ｅ）　＝ フラクタル次元は、ブランケットの厚さｅに対するブラ
ンケットの面積ａ　（ｅ）の変化の割合として定められ
る。厚さｅと面積ａ　（ｅ）との関係は、以下のように
示される。

ａ　（ｅ）−Ｃｅ２−Ｄ ここで、Ｃは定数、Ｄはフラクタル次元である。

ａ　（ｅ）対ｅを両対数軸上にプロットすると、同図（
ｄ）に示すように、傾き２−Ｄの直線が得られる。この
直線の傾きＳを、最小二乗法により算出することで、フ
ラクタル次元Ｄ−２−ｓが定まる。

このようにして、４Ｘ４画素サイズの全てのブロック画
像のフラクタル次元を算出する。この場合、算出された
フラクタル次元は、画像処理プロセッサ４０の第１フラ
クタル次元算出部４１から制御プロセッサ３０へ転送さ
れ、第１作業用メモリ３２に一時的に記憶される。

こうして全てのブロック画像のフラクタル次元が算出さ
れたならば（ステップＳ３）、次に、制御プロセッサ３
０の１６Ｘ１６ブロツク領域抽出部３３が起動され、こ
の１６Ｘ１６ブロツク領域抽出部３３により、第４図（
ａ）に示すように４Ｘ４画素のブロックを重複しないよ
うに区切られて、同図（ｂ）に示すように１６Ｘ１６画
素のブロックか設定される。即ち、この１６Ｘ１６画素
のブロックは、４Ｘ４画素のブロックを１６個包含する
ことになる。その後、制御プロセッサ３０の分散値算出
部３４か起動されて、この分散値算出部３４により、同
図（ｃ）乃至（ｆ）に示すように、サイズが１６Ｘ１６
から８Ｘ８までの■〜■の９個のブロックに於いて、上
記４Ｘ４画素ブロックのフラクタル次元の分散が算出さ
れる（ステップＳ４）。

そして、制御プロセッサ３０のブロック領域設定部３５
は、上記■〜■の９個のブロックの内、上記分散値算出
部３４にて算出された分散が最小となるブロックを選択
する（ステップＳ５）。これは、フラクタル次元の変化
の割合の少ない領域に大サイズのブロックが割り当てら
れ、微細な変動による誤認識を減少させ、処理速度を向
上させるということを意味する。一方、フラクタル次元
の変化の割合か大きい領域には小サイズのブロックが割
り当てられ、領域の境界を高精度に識別し得る。

こうして画像全体につき新たなブロックが選択されたな
らば（ステップＳ６）、次にこのブロック領域設定部３
５は、それらの選択されたブロックに対応する画像デー
タを画像メモリ２０の第１画像メモリ２１から抽出し、
画像処理プロセッサ４０へ転送する。画像処理プロセッ
サ４０は、この転送されてきた画像データに対し第２フ
ラクタル次元算出部４２により再度フラクタル次元を算
出する（ステップＳ７）。算出されたフラクタル次元は
、制御プロセッサ３０に転送され、第２作業用メモリ３
６に一時的に保存される。

こうして画像全体につきフラクタル次元か算出されたな
らば（ステップＳ８）、制御プロセッサ３０の最大値最
小値算出部３７か起動され、第２作業用メモリ３６に保
存されたフラクタル次元の最大値と最小値が求められる
（ステップＳ９）。

これらの算出された最大値及び最小値は、正規化処理部
３８に供給される。この正規化処理部３８は、供給され
た最大値と最小値を用いてフラクタル次元の正規化を行
なう。例えば、量子化レベルか８ビツトであるならば、
最小値をＯに最大値を２５５へ割り当てる。このように
して正規化することにより、出力画像が形成される（ス
テップ５１０）。

こうして形成された出力画像は、画像メモリ２０の第２
画像メモリ２２に転送され記憶される。

そして、必要に応じて、Ｄ／Ａコウバータ５１及び画像
出力装置５２で構成される画像出力部５０にて処理され
、表示される。

以上のような画像処理を、例えば第５図（ａ）に示すよ
うな胸部のＸ線写真画像に対して行なうと、上記ステッ
プＳ５にて選択されるブロックは、同図（ｂ）のように
なる。そして、同図（Ｃ）に示すような出力画像か得ら
れる。必要に応じて、この出力画像を二値化処理するこ
とにより、容易に背景と対象物の分離ができる。

次に、本発明の第２の実施例につき説明する。

この第２の実施例は、前述した第１の実施例と同様の構
成で実施される。上記第１の実施例では、選択されたブ
ロックが違いに重複しないものであったが、本第２の実
施例に於いては、これらのブロックが重複するようにし
たものである。

即ち、注目画素８０をｆ　（ｉ、ｊ）としく但し１≦ｌ
≦Ｘ５ｉｚｅ、ｌ≦ｊ≦Ｙ　　５ｉｚｅ）、第６図（ａ
）乃至（ｃ）に示すように、その周囲に５種類のブロッ
クを設定する。これら各ブロックに於いて、上艶第１の
実施例と同様にフラクタル次元を算出する。そして、得
られたフラクタル次元の中で、最小のフラクタル次元を
注目画素ｆ　（ｉ、ｊ）に割り当てる。これは、上下左
右の４方向に於いてフラクタル次元が大きい、即ち境界
部等の変動している領域を避けてブロックを設定すると
いうことを意味する。このため、境界部に対する感度を
高めることができる。そして、上記のブロック選択を、
同図（ｄ）に示すように、注目画素ｆ　（ｉ、ｊ）をｘ
、ｙ方向に１画素毎移動しながら、全画面で行なう。な
おこの場合、ブロックか原画像を逸脱する周辺領域に対
しては処理を行なわないようにしている。

このような画像処理方法によると、第５図（ｄ）に示す
ような処理結果が得られる。本第２の実施例では、上記
第１の実施例（第５図（Ｃ））と比較して、ブロックに
よる影響か少なく、境界部に対する感度を高めることか
できる。

しかし、処理時間は、上記第１の実施例の数倍を要する
ため、必要に応じて、どちらかの処理を選択可能にして
も良い。

なお、上記第１及び第２の実施例に於いては、白黒のＸ
線写真画像を処理対象としたが、本発明は、カラー画像
に関しても同様に適用可能である。

例えば、ＲＧＢ信号からなる映像信号に関して次式のよ
うに輝度信号Ｙを算出して、この信号に関して処理を行
なうことができる。

Ｙ　−０，２９９Ｒ＋　　０．５８７Ｇ　＋　　０．１
１４Ｂまた、ＲＧＢ別個に領域を算出することも可能で
ある。

以上のように、画像パターンの分類・識別を行なうため
の基本特徴量としてフラクタル次元を用い、画像の複雑
性に基づきパターンを分類し、また、算出に於いて画像
をブロックへ分解する必要があるが、フラクタル次元の
変動に応じ適応的にブロックのサイズを変えるようにし
ている。これにより、パターン領域の境界を高精度に識
別することができ、また、任意の入力画像に対しても自
動的な処理を行なうことができるようになる。

［発明の効果］ 以上詳述したように本発明によれば、任意の入力画像に
関して安定且つ高精度な処理結果を得られるようにする
ことができる。

また、本発明によれば、可変差分法に於けるブロックの
サイズのように、処理に際して調整作業を必要とせずに
、自動的な処理を可能とすることができる。

【図面の簡単な説明】

第１図（ａ）は実施例の構成を示す機能ブロック図、同
図（ｂ）は実際のハードウェア構成を示すブロック図、
第２図は実施例の動作を説明するためのフローチャート
、第３図（ａ）乃至（ｄ）はそれぞれフラクタル次元算
出方法を説明するための図で、同図（ａ）はブロック画
像の画像濃度面を覆う厚さ２ｅのブランケットを示す図
、同図（ｂ）は隣接画像を説明するための図、同図（ｃ
）は１次元的な断面図、同図（ｄ）はフラクタル次元を
求めるために利用されるブランケットの面積対厚さを両
対数軸上にプロットした線図、第４図（ａ）乃至（ｆ）
はそれぞれ最適ブロック選択方法を説明するための図で
、同図（ａ）は４×４画素のブロックを示す図、同図（
ｂ）は１６Ｘ１６画素のブロックを示す図、同図（ｃ）
乃至（ｆ）はそれぞれフラクタル次元の分散の算出に用
いられる９種類のブロックを示す図、第５図（ａ）は処
理対象画像としての胸部Ｘ線写真画像を示す図、同図（
ｂ）は選択されたブロックを示す図、同図（ｃ）は第１
の実施例により形成された出力画像を示す図、同図（ｄ
）は第２の実施例により形成された出力画像を示す図、
第６図（ａ）乃至（ｄ）はそれぞれ第２の実施例に於け
る最適ブロック選択方法を説明するための図で、同図（
ａ）乃至（Ｃ）はそれぞれフラクタル次元を算出すべき
５種類のブロックを示す図、同図（ｄ）はブロック選択
を行なう注目画素の移動を説明するための図、第７図（
ａ）乃至（ｄ）はそれぞれ従来の画像処理方法を説明す
るための図で、同図（ａ）は処理対象画像としての胸部
Ｘ線写真画像を示す図、同図（ｂ）は２次微分による領
域の抽出結果を示す図、同図（Ｃ）は小サイズのブロッ
クを用いた場合の可変差分法による領域の抽出結果を示
す図、同図（ｄ）は大サイズのブロックを用いた場合の
可変差分法による領域の抽出結果を示す図である。 ２１・・・第１画像メモリ、２２・・・第２画像メモリ
、３１・・・４×４ブロック領域抽出部、３２・・・第
１作業用メモリ、３３・・・１６Ｘ１６ブロツク領域抽
出部、３４・・・分散値算出部、３５・・・ブロック領
域設定部、３６・・・第２作業用メモリ、３７・・・最
大値最小値算出部、３８・・・正規化処理部、４１・・
・第１フラクタル次元算出部、４２・・・第２フラクタ
ル次元算出部。 出願人代理人　弁理士　坪井　　淳 第１図（ｂ） 第４はａ）　　　　　　　第４図（ｂ）第４図（Ｃ）　
　　　　　　　第４図（ｄ）第４図（ｅ）　　　　　第
４はｆ） 第５図＜ａ）　　　　　　　箪５図（ｂ）箸７図　（ａ
）　　　　　　＊７ｉ　　（ｂ）＠７図　（０事７図　
（ｄ） 図（ｂ） 第６　［ｃ） 手続補正書（放） 平成３年３月７日 特許庁長官　植　松　　　敏　殿 １、事件の表示 特願平２−２９７１８０号 ２、発明の名称 画像処理装置及び画像処理方法 ３、補正をする者 事件との関係　　特許出願人 （０３７）　　オリンパス光学工業株式会社４、代理人 東京都千代田区霞が関３丁目７番２号 平成３年２月１２日 ６、補正の対象 明細書の「図面の簡単な説明Ｊの欄１フチ〕す°゛−２
−ζ゛＼ ７、補正の内容 （１）　　明細書第２４頁第１７行目乃至第２０行目に
「同図（ｂ）は・・・示す図」とあるを「同図（ｂ）は
同図（ａ）の画像より形成されたブロック化された模擬
的な胸部Ｘ線写真画像を示す図、同図（、ｃ）は第１の
実施例により同図（ａ）の画像より形成された模擬的な
胸部Ｘ線写真画像を示す図、同図（ｄ）は第２の実施例
により同図（ａ）の画像より形成された模擬的な胸部Ｘ
線写真画像を示す図」と訂正する。 （２）同じく第２５頁第８行目乃至第１３行目に「同図
（ｂ）は・・・示す図Ｊとあるを［同図（ｂ）は同図（
ａ）の画像に対して２次微分による領域の抽出を行なっ
て形成された模擬的な胸部Ｘ線写真画像を示す図、同図
（Ｃ）は同図（ａ）の画像に対して小サイズのブロック
を用いた可変差分法による領域の抽出を行なって形成さ
れた模擬的な胸部Ｘ線写真画像を示す図、同図（ｄ）は
同図（ａ）の画像に対して大サイズのブロックを用いた
可変差分法による領域の抽出を行なって形成された模擬
的な胸部Ｘ線写真画像を示す図」と訂正する。

Claims (3)

【特許請求の範囲】
1. （１）量子化及び標本化された入力画像を複数の領域に
   分割する画像処理装置に於いて、上記入力画像をそれぞ
   れ第１の所定のブロックに区切られた第１のブロック画
   像へ分解する第１の分解手段と、 上記第１の分解手段により分解された上記第１のブロッ
   ク画像毎にフラクタル次元を算出する第１の演算手段と
   、 上記第１の演算手段で算出されたフラクタル次元に基づ
   いて、第２の所定のブロックを選択する選択手段と、 上記選択手段により選択された上記第２の所定のブロッ
   クにより区切られた第２のブロック画像へ上記入力画像
   を分解する第２の分解手段と、上記第２の分解手段によ
   り分解された上記第２のブロック画像のそれぞれに関し
   てフラクタル次元を算出し、この算出されたフラクタル
   次元に基づき出力画像を形成する第２の演算手段と、を
   具備することを特徴とする画像処理装置。
2. （２）量子化及び標本化された入力画像を複数の領域に
   分割する画像処理装置に於いて、上記入力画像を記憶す
   る第１の記憶手段と、上記第１の記憶手段に記憶された
   上記入力画像を所定の第１の領域に分割する第１の分割
   手段と、上記第１の分割手段により分割された上記第１
   の領域毎にフラクタル次元を算出する第１のフラクタル
   次元算出手段と、 上記第１のフラクタル次元算出手段により算出されたフ
   ラクタル次元に基づいて、上記所定の第１の領域よりも
   大きな所定の第２の領域に分割領域を設定する第２の分
   割手段と、上記第２の分割手段により設定された上記第
   ２の領域内の分散を算出する分散算出手段と、上記分散
   算出手段により算出された分散値に応じて、上記第１の
   記憶手段に記憶された上記入力画像を第３の領域に分割
   する第３の分割手段と、上記第３の分割手段により分割
   された上記第３の領域毎にフラクタル次元を算出する第
   ２のフラクタル次元算出手段と、上記第２のフラクタル
   次元算出手段により算出されたフラクタル次元に基づい
   て出力画像を形成する出力画像形成手段と、 上記出力画像形成手段により形成された出力画像を記憶
   する第２の記憶手段と、 を具備することを特徴とする画像処理装置。
3. （３）量子化及び標本化された入力画像を複数の領域に
   分割する画像処理方法に於いて、上記入力画像を所定の
   第１の領域に分割する工程と、 上記分割された第１の領域毎にフラクタル次元を算出す
   る工程と、 上記算出されたフラクタル次元に基づいて、上記所定の
   第１の領域よりも大きな所定の第２の領域に分割領域を
   設定する工程と、 上記設定された第２の領域内の分散を算出し、この算出
   された分散値に応じて、上記入力画像を第３の領域に分
   割する工程と、 上記分割された第３の領域毎に再度フラクタル次元を算
   出し、この算出されたフラクタル次元の最大値及び最小
   値に応じて画像信号を正規化して出力画像を形成する工
   程と、 を具備することを特徴とする画像処理方法。