JPH04170685A - 画像処理装置及び画像処理方法 - Google Patents

画像処理装置及び画像処理方法

Info

Publication number
JPH04170685A
JPH04170685A JP2297180A JP29718090A JPH04170685A JP H04170685 A JPH04170685 A JP H04170685A JP 2297180 A JP2297180 A JP 2297180A JP 29718090 A JP29718090 A JP 29718090A JP H04170685 A JPH04170685 A JP H04170685A
Authority
JP
Japan
Prior art keywords
fractal dimension
image
block
calculating
dividing
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.)
Pending
Application number
JP2297180A
Other languages
English (en)
Inventor
Takeo Tsuruoka
建夫 鶴岡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Olympus Corp
Original Assignee
Olympus Optical Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Olympus Optical Co Ltd filed Critical Olympus Optical Co Ltd
Priority to JP2297180A priority Critical patent/JPH04170685A/ja
Publication of JPH04170685A publication Critical patent/JPH04170685A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

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。
JP2297180A 1990-11-05 1990-11-05 画像処理装置及び画像処理方法 Pending JPH04170685A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2297180A JPH04170685A (ja) 1990-11-05 1990-11-05 画像処理装置及び画像処理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2297180A JPH04170685A (ja) 1990-11-05 1990-11-05 画像処理装置及び画像処理方法

Publications (1)

Publication Number Publication Date
JPH04170685A true JPH04170685A (ja) 1992-06-18

Family

ID=17843213

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2297180A Pending JPH04170685A (ja) 1990-11-05 1990-11-05 画像処理装置及び画像処理方法

Country Status (1)

Country Link
JP (1) JPH04170685A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6055335A (en) * 1994-09-14 2000-04-25 Kabushiki Kaisha Toshiba Method and apparatus for image representation and/or reorientation
JP2011070681A (ja) * 2009-09-25 2011-04-07 Sony Corp L1距離測度に基づいて局所画像相似性を測定する方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6055335A (en) * 1994-09-14 2000-04-25 Kabushiki Kaisha Toshiba Method and apparatus for image representation and/or reorientation
US6275615B1 (en) 1994-09-14 2001-08-14 Kabushiki Kaisha Toshiba Method and apparatus for image representation and/or reorientation
JP2011070681A (ja) * 2009-09-25 2011-04-07 Sony Corp L1距離測度に基づいて局所画像相似性を測定する方法

Similar Documents

Publication Publication Date Title
US5805745A (en) Method for locating a subject's lips in a facial image
US6333993B1 (en) Method and device of object detectable and background removal, and storage media for storing program thereof
US5430810A (en) Real time implementation of the hough transform
CN102426649B (zh) 一种简单的高准确率的钢印数字自动识别方法
US7970212B2 (en) Method for automatic detection and classification of objects and patterns in low resolution environments
US5625704A (en) Speaker recognition using spatiotemporal cues
US7460732B2 (en) Method and system for object recognition using fractal maps
CN112819772B (zh) 一种高精度快速图形检测识别方法
EP1229493A2 (en) Multi-mode digital image processing method for detecting eyes
US20150302607A1 (en) Image processing apparatus and method
EP0663094B1 (en) Method and apparatus for identifying an object using an ordered sequence of boundary pixel parameters
JPH05174183A (ja) 文書画像傾き検出方式
Várkonyi-Kóczy et al. Gradient-based synthesized multiple exposure time color HDR image
CN113449606B (zh) 一种目标对象识别方法、装置、计算机设备及存储介质
CN117764986B (zh) 基于图像处理的钛板表面缺陷检测方法
JP2840347B2 (ja) 基板実装検査装置
JPH04170685A (ja) 画像処理装置及び画像処理方法
US20100061656A1 (en) Noise reduction of an image signal
CN112085683B (zh) 一种显著性检测中的深度图可信度检测方法
RU2580074C1 (ru) Способ автоматической сегментации полутоновых сложноструктурированных растровых изображений
CN113052833A (zh) 一种基于红外热辐射的非视域成像方法
CN112183383A (zh) 一种复杂化环境下测量人脸图像的信息处理方法和装置
JP2924693B2 (ja) 画像におけるテクスチャ領域の抽出方法
US7577277B2 (en) Method of binarizing images containing linear structures
CN112862708B (zh) 图像噪声的自适应识别方法、传感器芯片以及电子设备