JPH0461558A - 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、画像処理方法に係り、特にカラー画像データ
の色空間上での分布を１又は２以上のクラスタに分割す
る際に用いるのに好適な、画像処理方法に関する。

【従来の技術】

カラー画像データを取扱うに際して、当該画像データか
ら実体部を抽出するため切抜きマスクを作成したり、当
該画像データをデータ伝送のため圧縮符号化したりする
場合がある。このような画像データの取扱いに関して、
クラスタ分け（クラスタリング）により画像データを処
理し、２値化あるいは符号化することが考えられる。 画像データのクラスタ分けに関する技術の１つに、Ｋ平
均アルゴリズムあるいは非階層的クラスタリングと称さ
れるものがある（長尾真著「画像認識論」コロナ社、田
村秀行著「コンピュータ画像処理入門」総研出版）、即
ち、この技術は、はじめに分けるべきクラスタ数Ｋを決
めておいて、データが分布する色空間上に仮のクラスタ
中心としてに個の代表点を適当にばらまいておき、次い
で、データ分布の各点がどの代表点に近いかでクラスタ
分けし、分けられた各クラスタの平均点を改めて代表点
とし、この代表点で再びクラスタ分けするというような
手順を、反復による変化か起こらなくなる（収束する）
、ｔで反復して繰返し、クラスタリングする方法である
。 しかしながら、前記方法は、初期値の与え方が適切でな
いと精度の良い結果が得られないものであると共に、ク
ラスタ数Ｋか固定されているなめ、適切なりラスタ数が
当初かられかっている必要かあり、切抜き等の画像処理
に適合しないことがあった。 又、前記に平均アルゴリズム等の方法を改良した方法に
、クラスタの分割、併合を反復することによってクラス
タの個数をデータにあわせて可変とする自己収束型アル
ゴリズムがある（前記「画像認識論」め１２４頁に記載
される）。

【発明が解決しようとする課題１ しかしながら、前記に平均アルゴリズムあるいは自己収
束型アルゴリズのいずれの方法においても、クラスタ分
けの精度が、初期値の与え方に依存しているが、はじめ
にばらまく代表点のとり方によってクラスタ分けの結果
が変化するので、精度の良いクラスタ分けができるよう
に初期値を与えるのに困龍さかあるという問題点がある
。 又、本発明に関連した技術に、特開平１−２６４０９２
で示されたカラー画像の圧縮符号化方式がある。この方
式においては、カラー画像を小頭域に分割し、その各小
領域を、１つ又は２つのクラスタに分けて代表色で近似
するものである。しかしながらこの方式には、小領域を
かなり小さくとったとしても、いずれかの領域に３色以
上含む領域かでき易く、その領域内では復元画像に色の
欠落が生じる問題点かある。 本発明は、前記従来の問題点を解消するべくなされたも
ので、初期値の与え方によってデータ処理の結果が変化
せず、色空間における画像データの精度の良いクラスタ
分けを可能にする画像処理方法を提供することを課題と
する。 【課題を解決するための手段】 本第１発明は、カラー画像データの色空間上での分布を
２以上のクラスタに分割する画像処理方法において、与
えられた分布全体の初期状態を１つのクラスタと見做す
工程と、初期状態のクラスタ及び分割続行と判定された
クラスタを、当該クラスタの第１主成分軸上に２点をと
り、距離比較、平均計算及び収束判定を行うことによっ
て２つのクラスタに分割するクラスタ２分割工程と、分
割されたクラスタの拡がりの大きさを示す指数に基づい
て、クラスタの分割を続行するかあるいは終了するかを
判定する終了判定工程とを含み、分割された各々のクラ
スタを分割対象クラスタとし、全ての分割対象クラスタ
が分割終了と判定されるまで前記終了条件判定工程とク
ラスタ２分割工程とを繰返し行ってカラー画像データを
クラスタ分割することにより、前記課題を解決するもの
である。 又、本第２発明は、カラー画像データの色空間上での分
布を１以上のクラスタに分割する画像処理方法において
、与えられた分布全体の初期状態を１つのクラスタと見
做す工程と、クラスタの拡がりの大きさを示す指数に基
づいて、クラスタの分割を行うかあるいは終了するかを
判定する終了条件判定工程と、分割を行うと判定された
場合には、分割の対象となるクラスタの第１主成分軸上
に２点をとり、距離比較、平均計算及び収束判定を繰返
すことによって、分割対象クラスタを２つのクラスタに
分割するクラスタ２分割工程とを含み、分割された各々
のクラスタを分割対象クラスタとし、全ての分割対象ク
ラスタが分割終了と判定されるまで前記終了条件判定工
程とクラスタ２分割工程とを繰返し行って、カラー画像
データをクラスタ分割することにより、同じく前記課題
を解決するものである。 又、本第３発明は、カラー画像データの色空間上での分
布を２以上のクラスタに分割する画像処理方法において
、与えられた分布全体の初期状態を１つのクラスタと見
做す工程と、初期状態のクラスタ及び分割続行と判定さ
れたクラスタを対象として、色空間の各軸でヒストグラ
ムの判別分析を行い、その分析結果に基づいて、分離度
の最も高い軸を選択してその軸の閾値で分離することに
よって、２つのクラスタに分割するクラスタ２分割工程
と、分割されたクラスタの拡がりの大きさを示す指数に
基づいて、クラスタの分割を続行するかあるいは終了す
るかを判定する終了条件判定工程とを含み、分割された
各々のクラスタを分割対象クラスタとし、全ての分割対
象クラスタが分割終了と判定されるまで前記クラスタ２
分割工程と終了条件判定工程とを繰返し行って、カラー
画像データをクラスタ分割することにより、同じく前記
課題を解決するものである。 又、本第４発明は、カラー画像データの色空間上での分
布を１以上のクラスタに分割する画像処理方法において
、与えられた分布全体の初期状態を１つのクラスタと見
做す工程と、クラスタの拡がりの大きさを示す指数に基
づいて、クラスタの分割を行うかあるいは終了するかを
判定する終了条件判定工程と、分割を行うと判定された
場合には、分割の対象となるクラスタについて、色空間
の各軸でヒストグラムの判別分析を行い、その分析結果
に基づき、分離度の最も高い軸を選択してその軸の閾値
で分離することによって、２つのクラスタに分割するク
ラスタ２分割工程とを含み、分割された各々のクラスタ
を分割対象クラスタとし、全ての分割対象クラスタが分
割終了と判定されるまで前記終了条件判定工程とクラス
タ２分割工程とを繰返し行って、カラー画像データをク
ラスタ分割することにより、同じく前記課Ｕを解決する
ものである。

【作用】

本第１発明においては、カラー画像データの色空間上で
の分布を２以上のクラスタに分割する際に、先ず、与え
られたカラー画像データの分布全体の初期状態を１つの
クラスタと見做す。初期状態のクラスタ及び分割続行と
判定されたクラスタを、当該クラスタの第１土成分軸上
に２点をとり、距離比較、平均計算及び収束判定を行う
ことによって２つのクラスタに分割する０分割されたク
ラスタの拡がりの大きさを示す指数に基づいて、クラス
タの分割を続行するかあるいは終了するかを判定する０
分割された各々のクラスタを分割対象クラスタとし、全
ての分割対象クラスタが分割終了と判定されるまで前記
クラスタ２分割と終了条件の判定を行うことによってク
ラスタを細分化する。 又、本第２発明おいては、カラー画像データの色空間上
での分布を１以上のクラスタに分割する際に、初期状態
として与えられたカラー画像データの分布全体を、まず
１つのクラスタと見做す。 クラスタについて分割終了条件を判定して分割を行うと
判定したときに、そのクラスタの第１主成分軸上に２点
をとり、距離比較、平均計算及び収束判定を行うことに
よって２つのクラスタに分割する２分割された各々のク
ラスタを分割対象クラスタとして更に全ての分割対象ク
ラスタが分割終了と判定されるまで当該クラスタを２つ
に分割するという処理を繰返して行うことによって、ク
ラスタを細分化していく。 以上の第１発明、第２発明においては、最終的にいずれ
のクラスタも一定の大きさ以下の拡がりを持つように画
像データのクラスタ分割が完了する０分割完了後のクラ
スタの個数は元の画像データの分布に応じた数になり、
不定且つ可変である。 従って、元の画像データを構成する色の多寡に応じて適
切なりラスタ数が得られる。又、初期状態として元の画
像データの分布全体を１つのクラスタとしているため、
クラスタ分けの結果が初期値の与え方に依存せず、与え
られた１つ１つの画像に対しては、それぞれ−意に結果
が決まるため、信頼性が高い、又、クラスタ２分割工程
で、収束するまで反復処理を行うので、それぞれのクラ
スタの中心は、分布の密度の密集したところへ近づいて
いく傾向があり、代表色として好適なりラスタ中心が得
られる。各クラスタ間の境界面の形状は、この２分割工
程中で用いる距離の種類によって変わるが、例えばユー
クリッド距離を用いた場合には、ある傾きを持つ平面と
なり、マハラノビス距離を用いた場合には２次曲面とな
る。 なお、第１発明では初期クラスタを無条件に分割するた
め、最終的に２以上のクラスタとなり、これに対し、第
２発明では初期クラスタの終了条件を判定するなめ、最
終的に１以上のクラスタになる。又、前記特開平１−２
６４０９２で示された技術に対して、本発明においては
、分布の形状に応じてクラスタの個数が１以上に適当に
決まるため、前記技術で生じていた色の欠落という問題
を生じさせずにクラスタ分けすることができる。 本第３発明においては、初期状態として元の画像データ
の分布全体を１つのクラスタと見做し、初期状態のクラ
スタ及び分割続行と判定されたクラスタを対象として、
色空間の各軸でヒストグラムの判別分析を行って最も分
離度の良い閾値及びそのときの分離度を求め、これに基
づいて分離度の最も高い軸を選択してその軸の閾値で分
離することによって２つのクラスタに分割し、分割され
たクラスタの拡がりの大きさを示す指数に基づいてクラ
スタの分割を続行するかあるいは終了するかを判定し、
続行されたクラスタについては再び２分割を行い、これ
を繰返すことによって、最終的にいずれのクラスタも一
定の大きさ以下の拡がりを持つように画像データのクラ
スタ分けが完了する。 なお、第３発明では初期クラスタを無条件に分割するた
め、最終的に２以上のクラスタとなり、これに対し、第
４発明では初期クラスタの終了条件を判定するため、最
終的に１以上のクラスタになる。 前記第１及び第２発明において各クラスタ間の境界形状
が２分割工程中で用いる距離の種類によって変わってい
たか、これに対し、本第３及び第４発明においては、ク
ラスタ２分割工程で、１つの軸に着目して判別分析を行
うため、各クラスタ間の境界面は軸に垂直な平面になる
。本第３及び第４発明は、クラスタ中心をデータの密集
したところへ決めるのではなく、境界面をデータか過疎
なところへ立てるという考えに基づく、又、第１及び第
２の発明に比べ、境界面のとり方が制約されるため、ク
ラスタ分は精度は劣るが、反復計算を必要としないため
、計算量が少ない、又、各ビクセルがどのクラスタに属
するかを判定する際に、クラスタ中心との距離計算を必
要とせす、比較演Ｘたけで済むので、計算量が少ない。

【実施例】

以下、図面を参照して本発明の実施例を詳細に説明する
。 本発明の第１実施例は、第１図に示すような構成の切抜
きマスク作成装置である。この切抜きマスク作成装置を
機能から見た概念図を第２図に示す。 第１図及び第２図に示すように、この切抜きマスク作成
装置には、カラー透過原稿から、３原色（Ｙ、Ｍ、Ｃ）
の画像データを入力するための画像入力手段１０Ａであ
ると共に、処理後の画像データをフィルム上に出力する
ためのマスク出力手段１０Ｂであるスキャナ１０と、入
力画像又は出力画像を必要に応じて格納するための磁気
ディスク１２と、入力画像に本発明に従った処理を加え
て背景部又は実体部に分は背景部にマスクデータを作成
し、磁気ディスク１２やスキャナ１０に出力するための
、中央処理装置（ＣＰＵ）及びメモリ部１４と、該ＣＰ
Ｕ及びメモリ部１４にクラスタ分けの際のオン／オフ（
ｏｎｌｏｆｆ　）情報を入力するためのオン／オフ入力
手段１６Ａであると共に、トレーニングエリア又はカン
ティングエリアの位置情報を入力するための手段１６Ｂ
であるキーボード又はデジタイザ１６と、処理中の画像
データ又は処理後のマスクデータ又は各クラスタの代表
色を画面上に表示するための表示部１８とが備えられて
いる。 前記ＣＰＵ及びメモリ部１４は、第２図に示すように、
入力された画像データを格納するための画像データ格納
メモリ２０と、キーボード又はデジタイザ１６で入力さ
れたトレーニングエリアの位１情報を格納するためのト
レーニングエリア格納メモリ２２と、該キーボード又は
デジタイザ１６で入力されたカッティングエリアの位置
情報を格納するためのカッティングエリア格納メモリ２
４と、前記画像データ格納メモリ２０内の画像データの
うち、前記トレーニングエリア内のものについて、クラ
スタ分けし、分けられたクラスタ数及び各クラスタの情
報を示すクラスタ表を計算するだめのクラスタ分は計算
量Ｐｊ、２６と、計算されて求められたクラスタ表を格
納するためのクラスタ表格納メモリ２８と、前記画像デ
ータ格納メモリ２０内の画像データのうち、カッティン
グエリア中のものについて、クラスタ表格納メモリに基
づき２値化計算して、マスクデータを作成するための２
値化計算手段３０と、作成されたマスクデータを格納す
るためのマスクデータ格納メモリ３２とを備えている。 前記キーボード又はデジタイザ１６は、そのいずれかが
オン／オフ入力手段１６Ａ及び位置入力手段１６Ｂを兼
用するものでよく、又、その各々かオン／オフ入力手段
１６Ａ又は位１人力手段１６Ｂのいずれであってもよい
。 この第１実施例は、前記のように構成されているので、
次のような作用を有する。 第１実施例の切抜きマスク作成装置は、第３図に示す手
順に従って切抜きマスクの作成処理を実行する。 この手順が始動すると、まず、ステップ１０１において
、スキャナ１０″′Ｃ″読込んだ、あるいは予め磁気デ
ィスク１２に記録された画像データをＣＰＵ及びメモリ
部１４に入力（ロード）し、当該画像を表示手段１８に
表示する。 次いで、ステップ１０２に進み、キーボード又はデジタ
イザ１６による操作が、トレーニングエリア、あるいは
、カッティングエリアの位置指定を入力する操作か、又
はクラスタを背景領域又は実体領域のいずれかに選別す
る操作かを選択する。 但し、この手順の当初においては、まずトレーニングエ
リアを指定するため、ステップ１０３へのみしか進めな
い、又、トレーニングエリアを指定しステップ１０４、
ｌＯうの処理が終わった後には、少なくとも１回はステ
ップ１０６に進んでクラスタの選別を行わないうちは、
ステップ１０７へ進んでカッティングエリアの位置指定
ができない、なお、この手順においては、処理を進める
過程においてクラスタ選別の変更やトレーニングエリア
指定の変更が行える。 ステップ１０３に進んだ場合には、位置入力手段１６Ａ
からトレーニングエリアの位置指定を入力する。このト
レーニングエリアには、例えば第４図の符号Ｔ、Ａ、に
示すように、画像中の実体領域と背景領域とにまたかっ
た１箇所又は複数箇所を指定する。 次いで、ステップ１０４に進み、入力された１箇所又は
複数箇所のトレーニングエリアを１つの領域とみなして
、これをパラメータ空間（実施例ではＹ、Ｍ、Ｃ各軸の
色空間）上でクラスタ分けする。このクラスタ分けの詳
細は第５図の流れ図に示す手順で行い、その結果として
クラスタ表を出力する。この第５図の手順については後
に詳述する。 出力されたクラスタ表には、クラスタ数及び各クラスタ
の情報が格納される。各クラスタの情報はそのクラスタ
に属するデータの平均（ベクトル）、共分散行列、デー
タ数（ピクセル数ン、及びそのクラスタが背景領域又は
実体領域のいずれに属するかを示すフラグ（例えば、フ
ラグ＝’ｌ」でＶｒ景領領域属し、フラグ−「０」で背
景領域に属さないことを示す）によって構成される。但
し、このフラグの値については、このステップ１０４で
は決定されず、後のステップ１０６でオペレータが決め
るものである。 又、クラスタ分けの過程では、クラスタ分は計算手段２
６内部で一時的にラベル画像を用いる。 このラベル画像は、トレーニングエリア内画素データが
いずれのクラスタに属するがを示すため、各クラスタに
付けられた番号を画素データに対応させて格納しておく
ための記憶領域のことである。 画素データがあるクラスタに属すると判断したら、その
クラスタの番号をその画素データのラベル画像とする。 ここで、トレーニングエリア内の画素データについて、
クラスタ分けする計算処理の詳細な手順を、第５区に従
って説明する。第５図（Ａ）はクラスタ分けのメインル
ーチンで、同図（Ｂ）はそのメインルーチン中でクラス
タ２分割するためのルーチンである。 クラスタ分けの際には、第５図（Ａ）に示すように、ま
す、ステップ２０１において、トレーニングエリアに属
する画素データについて、クラスタ分は前の初期状態の
分布全体を１つのクラスタ（以下、初期クラスタという
）とみなし、そのクラスタのデータの平均、共分散行列
を計算して、クラスタ表を埋める。即ちクラスタ表を初
期化する。なお、この際、初期クラスタの数は１である
。 次いで、ステップ２０２に進み、ラベル画像を初期クラ
スタの番号（例えば１）で埋めつくして初期化する。 次いでステップ２０３に進んで、第５図（Ｂ）に示す、
元のクラスタを２分割するためのルーチン（クラスタ２
分割ルーチン）を呼び出す、なお、このクラスタ２分割
ルーチンは、そのルーチン中でそのルーチン自身を再帰
呼び出しする（　ｒｅｃｕｒｓ−１ｖｅ　ｃａｌｌ　）
種類のルーチンであるため、この２分割ルーチンからメ
インルーチンに戻ってきたときには、クラスタは２つ以
上のいくつかのクラスタに分割される。 この２分割ルーチンを呼び出した際には、まずステップ
３０１で１分割してできる２つの新たなりラスタ（新ク
ラスタ）についてクラスタ中心の初期値を決める。この
２つのクラスタの各中心は、例えば第６図に示すように
、当初のクラスタ（旧クラスタ）の第１主成分軸上に乗
っていて、しかも、この２中心の平均値が旧クラスタの
平均値（中心）に一致するように適当にとる。なお、こ
の第１主成分軸は、色空間上において、旧クラスタの平
均、即ち中心を通り、共分散行列の最大固有値に対応す
る固有ベクトルを方向ベクトルとする直線であり、旧ク
ラスタのクラスタ表を元に算出するものである。 次いで、ステップ３０２に進み、旧クラスタに属してい
た各画素データを２つの新クラスタべ類別し、ラベル画
像を、例えば１から１と２とに分ける如く更新する。こ
の類別は、各画素データに対して、各クラスタとのある
種の距離を計算する演算式を用い、計算された距離を比
較して当該距離が一番小さいクラスタへ画素データを類
別（ラベル付）する。 データとクラスタとの距ａｄの計算法としては、次の（
１）〜（ｉＶ）等が考えられる。 （ｉ）パラメータ空間上で次式（１）のように求めたユ
ークリッド距離を前記距離ｄとする。 ｄ（ｘ、ｋ）’＝Σ（Ｘｉ　　Ｃｋｉ）’但し、Ｎ：パ
ラメータ空間の次元、 ｋ；クラスタ番号、 Ｘ　”　（ｘｉ　）、２１　　；データ、Ｃｋ　＝　（
Ｃｋ　ｉ　）ｉ、、　　；第にクラスタのクラスタ中心
（平均） である。 このユークリッド距離を用いることは、２つの新クラス
タ中心の垂直三等分面を境界面として分けることに相当
する。 （ｉｉ　）マハラノビス距離を、次式（２）のように、
前記距Ｍｄとする。 ・　Ｃ０Ｖｂ　　（＋　　、Ｊ　　） （ｘ４−Ｃｋｉ）　・・・　（２） 但し、ＣＯＶ、　（＋　、ｊ　）　；第にクラスタの共
分散行列の逆行列の（ｉ　、　ｊ　）成分である。なお
、第１回目のループでは、 共分散行列ＣＯＶは定まらないので、 ２回目ループから用いられる。 （ｉｉｉ　）各軸方向の距離の相を、次式（３）のよう
に、前記距離ｄとする。 ｄ−（ｘ、ｋ）＝ΣＩＸ　ｉ　　Ｃｋ　ｒ　ｌ・・（３
）（ｉＶ）各軸方向の距離の最大値を次式（４）のよう
に前記距離ｄとする。 ｄ　　（ｘ　、　ｋ　）−ｎａｘ　ｌｘ　１−Ｃｋ　１
１・（４）次いでステップ３０３に進み、新クラスタの
クラスタ中心の位置を更新する。この更新は、それぞれ
の新クラスタに類別された画素データの平均値をそのク
ラスタの新しい中心とすることにより行う。 次いでステップ３０４に進み、前記新クラスタへの画素
データの類別が不充分であり、クラスタ分けの処理を反
復して行う必要があるか否かの判定（収束判定）を行う
、この場合には、先のステップ３０３で更新したクラス
タ中心の、更新前のクラスタ中心（仮中心）に対する移
動量を算出し、該移動量が一定値未満に収束しているな
らば類別になるクラスタ分は処理を一旦終了し、ステッ
プ３０５に進む、一方、該移動量が一定値以上であるな
らば、クラスタ別の処理を反復して行うものと判断して
、ステップ３０２へ戻ってクラスタ分けを繰返す。 ステップ３０５においては、クラスタ表の更新を行う、
この更新は、クラスタ数を１増やし、旧クラスタの情報
を新クラスタのうちの一方の情報で置き換え、新たに追
加したクラスタ情報の澗にもう一方の新クラスタの情報
を書込むことにより行う。 次いでステップ３０６に進み、一方の新クラスタについ
てクラスタ分は終了条件の判定を行う。 この判定は、クラスタの拡がりの大きさを示す指数に基
づき行う、この指数には、例えば共分散行列Ｃｏｖの行
列式ｄａｔ　　（Ｃｏｖ）やクラスタ内データ数を用い
ることができ、例えばＳ、Ｔを定数とし、ｄａｔ　（Ｃ
ｏｙ）　＜　Ｓが成立してクラスタ内の広がりが小さい
場合、又は（クラスタ内データ数）＜Ｔが成立してデー
タ数が小さい場合を終了条件とする。 なお、このように終了条件判定のため、クラスタの拡が
りを示す指数にｄａｔ　（Ｃｏｖ）を用いる意味は次の
ようなものである。 即ち、三次元の画像データの分布について、マハラノビ
ス距離ｄが一定値ｄｏになるような楕円体を考えると、
当該楕円体の各軸の長さは、ＦＴｔ　・　ｄｏ、ｒτ２
　・　ｄｏ　、ＦＸゴ・　ｄｏとなる。 この楕円体の＃ＭＶは次式（５）のようになる。 Ｖ＝　（４／３　）　ｙｒ　（ｒτ＋・ｄｏ）×（ＦＸ
・ｄｏ　）（Ｆｘ可・ｄｏ　）＝（４／３）πｒτゴＡ
２Ａ３−ｄ０３＝（４／３）πＦ１１「乙（丁、ｄ、３
＝　（４／３）ｙｒ　　　ｅｔ（ＰＡＰ−’　ｉｄｏ　
３＝（４／３）πＦゴ研Ｔて０Ｖ）−ｄｏ３・・−・・
・・・・（５） ここに、λ丁、λ２、λ３は、ＣＯｖの固有値、Ａは、
λ４、λ２、＾３を対角成分とする対角行列、Ｐはｃｏ
ｙを対角化するなめに用いる正規直交行列とする。 従って、ｄｅｔ　（ＣＯＶ）はｖ２に比例する。よって
、ｄａｔ　（Ｃｏｖ）はデータ分布の拡がりの大きざを
表わしている。 判定の結果、前記終了条件が成立していないならば、そ
の新クラスタは未だ大きく、クラスタ分の余地があると
判断して、ステップ３０７に進み、クラスタ２分割ルー
チンを再帰呼び出しし、更にクラスタ分けを行う。 一方、前記終了条件が成立したならば、ステップ３０８
に進み、他方の新クラスタについて、クラスタ分は終了
条件の判定をステップ３０６と同様に行う４この終了条
件か成立していないならば、ステップ３０９に進み、ス
テップ３０７と同様にクラスタ２分割ルーチンの再帰呼
び出しを行い更にクラスタ分けを行う、一方、クラスタ
分は終了条件が成立しなならば、第５図（Ａ＞示す、ク
ラスタ分けのメインルーチンへ戻る。 以上のようにしてクラスタ分けが終了する。クラスタ分
けが終了したならば、第３図のステップ１０５に進む。 このステップ１０５においては、分けられた各クラスタ
を代表色で表示部１８に表示する０代表色としてはクラ
スタ中心（平均）の色を用いる。 このステップ１０５が終了した後には、ステップ１０２
に戻り、ステップ１０６に進む、このステップ１０６で
は、表示部１８で表示された各クラスタの代表色と原画
像とを見比べて、その代表色が背景部又は実＃部のいず
れの色であるかをオン／オフ入力手段１６Ａで指定する
ことにより、各クラスタが背景部あるいは実体部のいず
れに属するかを指定し、クラスタ表内のフラグを決定す
る。 次いでステップ１０７に進み、カッティングエリアの入
力を行う０次いでステップ１０８に進み、前記クラスタ
表を用いてカッティングエリアの２値化を行いマスクデ
ータを作成する。 即ち、カッティングエリアの各画素に対して、当該画素
の色（画素データ）と各クラスタ中心ととの距離を例え
ば前記（１）〜（４）式〈評価間数に相当）から計算し
、その距離が最小となるクラスタを選びだし、そのクラ
スタか背景部に属するか実体部に属するかを求める。そ
のクラスタが背景部に属すれば当該画素に対するマスク
データをｏｎにし、実体部に属すれば当該画素に対する
マスクデータをｏｆｆにする。但し、ステップ３０２で
用いた計算式と同じ計算式で距Ｍｄを算出する必要はな
く、異なるもの、同じもの、あるいは、（１）〜（４）
式以外の評価式から画素のマスクのｏｎ／　ｏｆｆを計
算できる。 次いでステップ１０９に進んで、作成されたマスクデー
タの表示を行い、ステップ１１０で、このマスクデータ
を格納メモリ３２に格納する。 ところで、１つの画像を切抜く手順としては、まず、ト
レーニングエリアの入力を行い、次に、各クラスタのオ
ン／オフ（ｏｎｌｏｆｆ　）の入力を行い、そして、カ
ッティングエリアを輪郭線に沿って次々に入力してマス
クを作成していくことが考えられる、切抜き対象画像の
周囲を１周するまて・の間には様々の色か現れることが
考えられる。例えば、ある箇所では背景領域に属してい
た色が、別の箇所では実体領域に属するということが起
こり得る。このような場合に対処するために、カッティ
ングエリアを１回入力する毎に、各クラスタのｏｎ、１
０ｆｆを変更することができる。 カッティングエリアを次々に入力していく際、重なり部
分の各ビクセルのマスクのｏｎ／　ｏｆｆの決定は、例
えば第１表のように原則として、後がら計算されたもの
が優先されるようにできる。この場合には、所望の輪郭
線が得られない場合、クラスタのｏｎ／　ｏｆｆを変更
した後に、カッティングエリアを収り直すと、修正でき
る。なお、この重なり部分での決定規則は、必要に応じ
て、例えば第２表の如きＯＲ規則、第３表の如きＡＮＤ
規則に変更することもできる。第１表〜第３表において
、Ｘは既に書込まれていたマスクの値、ｙは新たに計算
されたマスクの値、２は新たに書込まれるマスクの値で
ある。 又、クラスタのｏｎ／　ｏｆｆの変更によって、所望の
マスクが得られない場合には、トレーニングエリアを取
り直すことができる６例えはトレーニングエリアをカッ
ティングエリアの近くに取り直すことで、品質の向上を
図ることができる。 以上のようにしても切抜けない箇所、例えば極端なハイ
ライト部又はシャドウ部等、もともと軸郭線が現れてい
ないような箇所については、手動による加筆修正ができ
る。修正方法としてはキーボードデジタイサ、マウス等
の位置入力手段から修正すべき位置を指定し、その位置
を中心とするある大きさの領域をマスクｏｎとして塗り
足す方法、同様に指定された領域をマスクｏｆｆとして
消していく方法、２点位置を指定してその２点間をマス
クｏｎの線分でつなぐ方法等が考えられ、そのいずれを
も用いてマスクを作成することかできる。 以上の処理の終了により、切抜き対象となる絵柄の周囲
をマスクで取り囲んだものかできる。マスクが作成され
た外側の未処理部分については、塗り潰し処理を施して
、マスクで埋めることかて゛きる。 又、輪郭線のギザつきに対しては、必要に応じて、スム
ージング処理を施すことができる。 マスクデータの出力には、マスクデータを集版装置へ転
送して他の絵柄と共に集版する方法、マスクデータをス
キャナに転送してフィルムに露光してマスク版とする方
法、輪郭線データをベクタデータ化し、該輪郭線データ
をカッティング・プロッタへ転送してビール・コートフ
ィルムをカントすることにより、マスク版を得る方法等
が考えられる。 前記第１実施例においては、画像データのパラメータ空
間（色空間）としてＣ−Ｍ−Ｙの空間を例示していたか
、本発明を実施する際に考慮する空間はこれに限定され
ず、この空間の他、赤（Ｒ）、緑（Ｇｉ青（Ｂ）の色空
間やその池に乙、各色版の微分値の組や、輝度Ｙ、色度
Ｉ、Ｑの座標、色相Ｈ５明度■、彩度Ｃの座標のような
演算や変換を施したもので実施することができる。 次に、本発明の第２実８！例を説明する。 この第２実施例は本発明を採用してカラー画像データを
符号化する符号化装置と符号化されたデータを復元する
符号化装置である。符号化装置は、第７図に示すような
構成を有し、色空間例えば、Ｃ，Ｍ、Ｙに分布するカラ
ー画像の全体領域、あるいはそれをいくつかの小領域に
分割した各小領域を対象として、その領域内の色空間上
の画素の分布を１以上のクラスタに分け、各クラスタに
含まれる画素の色を、その画素が属するクラスタの代表
色で置換えで符号化することにより、カラー画像データ
量を減らすものである。又、復号化装置は、第８図に示
すような構成を有し、符号化されたデータを元の画像デ
ータに復元する復号化装置である。 第７図に示すように前記符号化装置には、例えばカラー
透過又は反射原稿からカラー画像データを入力するスキ
ャナからなる画像入力手段４０と、入力された画像デー
タを格納するための画像データ格納メモリ４２と、格納
された画像データ中の符号化対象領域をクラスタ分けし
て、各クラスタを代表色で示した表（クラスタ表）を生
成するためのクラスタ分は計算手段４４と、画像データ
全体を代表色で示したインデックス画像を生成するため
のインデックス画像生成手段４６と、クラスタ表とイン
デックス画像を保存するためのクラスタ表・インデック
ス画像格納メモリ４８とか備えられる。なお、この格納
メモリ４８内のクラスタ表とインデックス画像データは
必要に応じて符号化装置に伝送される。 又、第８図に示すように、前記復号化装置には、前記伝
送されたクラスタ表とインデックス画像データとを読込
んで記憶するためのクラスフ表・インデックス画像デー
タメモリ５０と、このインデックス画像の各画素につい
てクラスタ表を参照してカラー画像を生成するためのカ
ラー画像データ生成手段５２とが備えられる。 次に、第２実施例の作用を説明する。 この第２実施例においては、符号化装置で第９図に示す
手順により、又、復号化装置で第１０図に示す手順によ
り画像データの符号化又は復号化を行っている。符号化
に際しては、第９図の手順を始動し、まず、カラー画像
データの符号化対象領域をクラスタ分けし、代表色によ
るクラスタ表を生成する。このクラスタ分けは、大きく
見て前出第５図＜Ａ）に示した手順と同様の手順で行う
か（ステップ４０１．４０２．４０３）＋第１１図に示
すように、クラスタ２分割ルーチン（ステップ４０３）
において前出第５図（Ｂ）に示すものと相違がある。即
ち、クラスタ２分割ルーチン（ステップ４０３）が始動
するとステップ６０１において、クラスタ分は前におい
て与えられたカラー画像の色空間上での分布全体の初期
状態を１つのクラスタと見做して−そのクラスタがクラ
スタ分は終了条件となっているか否かを判定する。 この判定は、前出第５図（Ｂ）のステップ３０６．３０
９と同様にクラスタの拡がりの大きさの指数を見て行い
、その詳細は前述の切抜きマスク作成と同様である。 この終了条件か成立していると判断されるならば、クラ
スタ２分割ルーチンは終了し、このルーチンを呼出した
ルーチンへ戻る。一方、終了条件が成立していなければ
、ステップ６０２〜６０６の手順を実行する。このステ
ップ６０２〜６０６の手順では前記第５図（Ｂ）に示し
たステップ３０１〜３０５と同様のクラスタ２分割処理
を行いクラスタ分けする０次いで、２分割された一方の
新クラスタについて前記クラスタ２分割処理を再起呼出
ししクラスタ分けを行う（ステップ６０７）、次いで、
他方の新クラスタについてクラスタ２分割処理を再起呼
出しクラスタ分けを行う（ステップ６０８）、その後、
このルーチンを呼出したルーチンへ戻る。 以上のようにしてクラスタ分けされた対象領域内のカラ
ー画像データに対し、各画素か属するクラスタを指標と
なる代表色に置換えて、この代表色からなるインデック
ス画像を生成する（ステップ５０２）、即ち、多数の画
素データをその画素が属するクラスタの代表色に置換え
て画像データを符号化し圧縮する。 次いで、クラスタ表とインデックス画像をメモリ内に格
納して保存する（ステップ５０３）、このクラスタ表と
インデックス画像により原画像のカラー画像データを圧
縮符号化した形で保存できる。このクラスタ表とインデ
ックス画像は、必要に応じて出力する。 次に前記復号化装置において行う、符号化された画像デ
ータの復号化について説明する。この復号化は、第１０
図に示す手順に従って行う。 即ち、ます、前記符号化装置でカラー画像データから生
成したクラスタ表とインデックス画像を読込む（ステッ
プ７０１）、次いで、読込まれた各インデックス画像に
基づいて、各画素におけるクラスタ代表色を参照しカラ
ー画像を生成する（ステップ７０２）。このようにして
符号化データを原画像に復元する。 次に、第３実施例について説明する。 この第３実施％Ｊは、前記第１実施例と略同様の切抜き
マスク作成装置において、切抜きマスク作成のために行
うトレーニングエリア内の画素データを２以上のクラス
タにクラスタ分けする（ステップ１０４）際に、第１実
施例とは異なり、色空間の各軸でヒストグラムの判別分
析を行って最も分離度の良い閾値及びそのときの分離度
を求め、これに基づいて分に度の最も高い軸を選択して
その軸の閾値で分離することによって２つのクラスタに
分割するものである。なお、この第３実施例においては
、全体的な装置構成は第１図、第２図と同様であり、切
抜きマスク作成手順は、第３図のステップ１０４のクラ
スタ分は手順以外の部分は同様であるため、その詳細は
省略する。 ここで、前記クラスタ分はルーチンの詳細について説明
する。このクラスタ分けは第１２図の手順（クラスタ分
は手順）に従って行う、なお、このクラスタ分は手順中
の判別分析ルーチンを第１３図に、クラスタ２分割ルー
チンを第１４図に示す。 このクラスタ分は手順においては、第１５図に示すよう
なりラスタ表を出力する。このクラスタ表には、クラス
タ番号、各クラスタのイエＯ（Ｙ＞、マゼンタ（Ｍ）、
シアン（Ω）の画素値の範囲等の情報が持たせられてい
る。 第１２図のクラスタ分は手順か始動すると、まず、ステ
ップ８０１で、前記クラスタ表をクリアして初期値とし
、クラスタ表の１番目（クラスタ番号Ａ）の欄に色空間
全体の範囲を１つのクラスタ（初期クラスタ）として書
き込むと共に、次クラスタ番号を初期化する。なお、次
クラスタ番号は、現在データを入れて埋めている欄の次
に埋めるべき欄の番号であり、第１５図ではクラスタ番
号Ｂを書き込む。 次いで、ステップ８０２に進んで、ラベル画１象（トレ
ーニングエリア内の各画素に対応し、それぞれ内画素か
属するクラスタの番号からなる画像）の全画素を番号Ａ
のクラスタの番号で初期化する。 次いでステップ８０３に進み、判別分析のルーチンを呼
び出す、この判別分析のルーチンは第１３図に示すよう
になっており、まず、ステップ９０４で、全画像データ
について、Ｙ−Ｍ、Ｃの各色軸のヒストグラムを取り、
適切な判別分析法により、Ｙ、Ｍ、旦各色の最適な閾値
ぶＹ、β−１βＣ１分離度（クラスタの分離の良さを示
す評価関数の値）ηＹ、ηＨ５ηＣを求める（ステップ
３０４Ａ〜３０４Ｃ）、次いで、ステップ９０５に進み
、各色軸のうち最も分離度の高い軸を判別し、その色軸
の色（Ｃｏｆｏｒ）　、分離度（η）、及び閾値（１）
の情報をクラスタ分は手順に返す。 なお、判別分析法には、例えば文献（電子通信学界論文
誌１９８０年発行のｖｏｌＪ６３−ＪのＮＣＬ４、大漂
展之著「判別及び最小二乗基準に基づく自動間値選定法
Ｊ）に記載されたものがある。 次いで、ステップ８０４に進んで、クラスタ２分割ルー
チンでクラスタを２群に分類する。 前記ステシブ８０４におけるクラスタ２分割のルーチン
は、詳細には第１４図に示されるようになっている。 第１４図のクラスタ２分割のルーチンにおいては、まず
ステップ８０４Ａで、前記判別分析ルーチンで返された
色Ｃｏ１ｏｒ、閾値βの情報に基づき、語間＠ぶにより
原色の軸方向にクラスタの領域を２群に分類（クラスタ
２分割）する９次いで、ステシブ８０４Ｂで、闇値以下
の領域のクラスタには、元のクラスタ番号（ｆｉ初はＡ
）を当て、闇値を超える領域のクラスタには、次クラス
タ番号Ｂを当て、クラスタ番号Ａ及びＢとも各クラスタ
のデータを入力してクラスタ表を更新する。この際、次
クラスタ番号には次の番号（Ｂの次はＣ）を当てて更新
する。 次いでステップ８０４Ｃに進んで、番号Ａのクラスタに
含まれる画素データに対して、第１３図に示した判別分
析のルーチンを実行し、分離度ηと閾値ぶと分離する色
Ｃｏ１ｏｒの軸を求める。ここで分類条件（例えば分離
度ηがある値を超えている場合）が成立した場合には、
クラスタ２分割ルーチン自身を再帰的に呼び出し、番号
Ａのクラスタに含まれる画素についてのクラスタ分けが
全て終了するまで、この２分割ルーチンを繰り返す（ス
テップ８０４Ｄ、８０４Ｅ）。 一方、分類条件が成立しない場合には、ステップ８０４
Ｄに進んで、番号Ｂのクラスタに含まれる画素に対して
ステップ８０４０〜８０４Ｅと同様の判別分析からクラ
スタの分類に至るまでの処理を行う（ステップ８０４Ｆ
〜８０４Ｈ）。 以上のようにして、分布上の画素データは２以上のクラ
スタに分割される。 ここで、第３実施例のクラスタ分けを、例えば第１６図
の色立体に基づき説明する。第１６図に示す色立体は、
横軸がＹ、縦軸がＭ、高さ軸がＣである色空間に存在す
るものとする。 まず、色立体量＃、（図中符号Ｗで示す）について判別
分析を行ったところ、Ｙ軸の分離度が高いため、Ｙ軸の
閾値ａで分類してＡとＢのクラスタに分け、次クラスタ
番号をＣとす為。 番号Ａのクラスタについてクラスタ分けを行う（図に符
号１で示す）０番号Ａクラスタを判別分析したところ、
Ｃ軸の分離度ηか最大となり、分割条件を満しているの
でその閾ｆＩｉλ以下の領域内のクラスタを番号Ａのク
ラスタに更新し、閾値を越える領域のクラスタの番号を
、前記次クラスタ番号より、Ｃとする。次クラスタ番号
を更新してＤとする。 クラスタ分け（ｉ）後における番号Ａのクラスタは分類
条件を満しているので、例えばＹ軸で番号ＡとＤのクラ
スタに分ける。次クラスタ番号をＥとする（図に符号ｉ
ｉで示す）。 クラスタ分け（ｉｉ　）後における番号Ａのクラスタは
分類条件を越えているので、例えばＭ軸で番号ＡとＥと
のクラスタに分ける９次クラスタ番号はＦとする（図に
符号ｉｉｉで示す）、この場合、クラスタ分け＜　ｉｉ
ｉ　）後における、番号Ａ、Ｅ、Ｄのクラスタは分類条
件を満たさないので、そのままとし、これ以上分類しな
い。 図の符号ｉに示すように分類された番号Ｃのクラスタは
分類条件を満しているので、Ｍ軸で番号ＣとＦのクラス
タに分ける９次クラスタ番号をＧとする（図に符号ｉＶ
で示す）、この場合、番号ＣとＦのクラスタは分類条件
を満たさないのでこのままとし、これ以上分割しない。 前記番号Ｂのクラスタは、分類条件を満すため、Ｍ軸で
番号ＢとＧのクラスタに分ける０次クラスタ番号をＨと
する（図に符号Ｖで示す）。 クラスタ分は後の番号Ｂのクラスタは分類条件を満すた
め、ｑ軸で番号ＢとＨに分類し、次クラスタ番号をＩと
する（図に符号Ｖｉで示す）。 この場合、番号ＢとＨのクラスタは分類条件が成立しな
いのでこのママとし、これ以上分類しない 番号Ｇのクラスタは、分類条件を満すため、Ｃ軸で番号
ＧとＩにクラスタ分けする０次クラスタ番号をＪとする
（図に符号ｖｉｉで示す）。 この場合Ｇと■は分類条件が成立しないのでそのままと
し５分類しない。 以上で色立体全体についてのクラスタ分けが終了し−こ
れらクラスタ分は後の番号Ａ〜Ｉのクラスタについて、
色立体を組合わせれば、元の色立体Ｗは、第１６図に符
号Ｘで示すように、クラスタ番号ＡからＩまでの９個の
クラスタに分けられたことになる。 次に、第４実施例について説明するに の第４実施例は、前記第２実施例と略同様の符号化装置
及び復号化装置において、符号化装置が分割対象領域内
の画素分布を１以上のクラスタにクラスタ分けする際に
、第２実施例とは異なり、色空間の各軸でヒストグラム
の判別分析を行って最も分離度の良い閾値及びそのとき
の分離度を求め、これに基づいて分離度の最も高い軸を
選択してその軸の閾値で分離することによって２つのク
ラスタに分割するものである。この第４実施例において
は、全体的な装置構成は、第２実施例第７図、第８図等
と同様であり、符号化手順は第９図のクラスタ分は手順
（ステップ５０１）以外の部分は同様であるため、それ
らの詳細は省略する。 ここで、第４実施例におけるステップ５０１のクラスタ
分は手順は、前記第１２図、第１３図に示した判別分析
によるクラスタ分けを行い（ステップ８０１〜８０４、
ステップ３０４Ａ〜３０５）、クラスタ２分割ルーチン
（ステップ８０４Ａ〜８０４Ｈ）を行う、但し、ステッ
プ２分割ルーチンは、第１７図に示すようにクラスタ２
分割の前に前記第１１図のステップ６０１と同機に元の
クラスタ（初期クラスタ）について、クラスタ分は終了
条件が成立しているか否かを判断しくステ・７ブ１００
１）、条件成立の初期クラスタのみクラスタ２分割を行
う（ステップ１００２〜１００９）なお、このクラスタ
分けにおいては、初期クラスタとしてクラスタ分けの対
象となる画素データの分布全体に対してもクラスタ分は
終了判定を行うため、分割後には分布は２以上ではなく
１以上のクラスタに分かれることになる。

【発明の効果】

以上説明した通り、本発明によれば、カラー画像データ
を精度良くクラスタに分割してカラー画像データの切抜
きマスク作成や符号化による圧縮を行うことかできると
いう優れた効果か得られる。

【図面の簡単な説明】

第１図は、本発明の第１実施例に隔る切抜き装置の構成
を示す一部斜視図を含む正面図、第２図は、前記装置の
概念的な構成を示すブロック図、 第３図は、前記実施例のマスクテータ作成手順を示す流
れ図、 第４図は、画像中のトレーニングエリアの指示の例を示
す平面図、 第５図は、クラスタ分けの詳細な処理手順を示す流れ図
、 第６図は、クラスタ中心の求め方の例を示す線図、 第７図は、本発明の第２実施例に係る符号化装置の構成
を示すブロック図、 第８図は、同じく、復号化装置の構成を示すブロック図
、 第９図は、第２実施例の作用を説明するための符号化手
順を示す流れ図、 第１０図は、同じく復号化手順を示す流れ区、第１１図
は、前記符号化手順中のクラスタ分け２分割ルーチンを
詳細に示す流れ図、 第１２図は、本発明の第３実施例の作用を説明するため
の、クラスタ分は手順を示す流れ図、第１３図は、同じ
く、判別分析の処理ルーチンを示す流れ図、 第１４図は、同じく、クラスタ２分割ルーチンを示す流
れ図、 第１５図は、同じく、クラスタ表の例を示す線図、 第１６図は、同じく、クラスタ分けの処理概念を説明す
るための色ブロツク分割の例を示す斜視図、 第１７図は、本発明の第４実！例の作用を説明するため
の、クラスタ２分割ルーチンを示す流れ図である。 １０・・・スキャナ、 １０Ａ・・・画像入力手段、 ＯＢ・・・画像出力手段、 ２・・・磁気ディスク、 ４・・・中央処理ユニｖト（ＣＰＵ）及びメモリ部、６
・・・キーボード又はデジタイザ、 ６Ａ・・・オン／オフ入力手段、 ６Ｂ・・・位置入力手段、 ８・・・モニタ（表示手段）、 Ｏ・・・画像データ格納メモリ、 ２・・・トレーニングエリア格納メモリ、４・・・力ｙ
ティングエリア格納メモリ、６・・・クラスタ分は計算
手段、 ８・・・クラスタ表格納メモリ、 ０・・・２値化計算手段、 ２・・・マスクデータ格納メモリ、 Ｏ・・・画像データ入力手段、 ２・・・画像データ格納メモリ、 ４・・・クラスタ分は計算手段、 ６・・・インデックス画像生成手段、 ８・・・クラスタ表・インデックス画像格納メモリ、０
・・・クラスタ表・インデックス画像データメモリー ・・カラー画像データ生成手段。

Claims (4)

【特許請求の範囲】
1. （１）カラー画像データの色空間上での分布を２以上の
   クラスタに分割する画像処理方法において、与えられた
   分布全体の初期状態を１つのクラスタと見做す工程と、 初期状態のクラスタ及び分割続行と判定されたクラスタ
   を、当該クラスタの第１主成分軸上に２点をとり、距離
   比較、平均計算及び収束判定を行うことによって２つの
   クラスタに分割するクラスタ２分割工程と、 分割されたクラスタの拡がりの大きさを示す指数に基づ
   いて、クラスタの分割を続行するかあるいは終了するか
   を判定する終了条件判定工程とを含み、 分割された各々のクラスタを分割対象クラスタとし、全
   ての分割対象クラスタが分割終了と判定されるまで前記
   クラスタ２分割工程と終了条件判定工程とを繰返し行つ
   て、カラー画像データをクラスタ分割することを特徴と
   する画像処理方法。
2. （２）カラー画像データの色空間上での分布を１以上の
   クラスタに分割する画像処理方法において、与えられた
   分布全体の初期状態を１つのクラスタと見做す工程と、 クラスタの拡がりの大きさを示す指数に基づいて、クラ
   スタの分割を行うかあるいは終了するかを判定する終了
   条件判定工程と、 分割を行うと判定された場合には、分割の対象となるク
   ラスタの第１主成分軸上に２点をとり、距離比較、平均
   計算及び収束判定を行うことによつて、分割対象クラス
   タを２つのクラスタに分割するクラスタ２分割工程とを
   含み、 分割された各々のクラスタを分割対象クラスタとし、全
   ての分割対象クラスタが分割終了と判定されるまで前記
   終了条件判定工程とクラスタ２分割工程とを繰返し行っ
   て、カラー画像データをクラスタ分割することを特徴と
   する画像処理方法。
3. （３）カラー画像データの色空間上での分布を２以上の
   クラスタに分割する画像処理方法において、与えられた
   分布全体の初期状態を１つのクラスタと見做す工程と、 初期状態のクラスタ及び分割続行と判定されたクラスタ
   を対象として、色空間の各軸でヒストグラムの判別分析
   を行い、その分析結果に基づいて、分離度の最も高い軸
   を選択してその軸の閾値で分離することによって、２つ
   のクラスタに分割するクラスタ２分割工程と、 分割されたクラスタの拡がりの大きさを示す指数に基づ
   いて、クラスタの分割を続行するかあるいは終了するか
   を判定する終了条件判定工程とを含み、 分割された各々のクラスタを分割対象クラスタとし、全
   ての分割対象クラスタが分割終了と判定されるまで前記
   クラスタ２分割工程と終了条件判定工程とを繰返し行っ
   て、カラー画像データをクラスタ分割することを特徴と
   する画像処理方法。
4. （４）カラー画像データの色空間上での分布を１以上の
   クラスタに分割する画像処理方法において、与えられた
   分布全体の初期状態を１つのクラスタと見做す工程と、 クラスタの拡がりの大きさを示す指数に基づいて、クラ
   スタの分割を行うかあるいは終了するかを判定する終了
   条件判定工程と、 分割を行うと判定された場合には、分割の対象となるク
   ラスタについて、色空間の各軸でヒストグラムの判別分
   析を行い、その分析結果に基づき、分離度の最も高い軸
   を選択してその軸の閾値で分離することによって、２つ
   のクラスタに分割するクラスタ２分割工程とを含み、 分割された各々のクラスタを分割対象クラスタとし、全
   ての分割対象クラスタが分割終了と判定されるまで前記
   終了条件判定工程とクラスタ２分割工程とを繰返し行っ
   て、カラー画像データをクラスタ分割することを特徴と
   する画像処理方法。