JPH08227458A - 全順序方向付け装置 - Google Patents

Abstract

(57)【要約】 【課題】 記録済み画像の全順序の方向付けを、人手を
煩わすことなく自動的に決定する機構を提供する。 【解決手段】 一連の記録済み画像の方向付けを決定す
るために、その記録済み画像はスキャナー１４で走査さ
れる。この走査の実施により、別々の記録済み画像中に
非対称に分布する少なくとも１つのシーン特性について
情報が得られる。処理装置１６において少なくとも１つ
のシーン特性が得られる記録済み画像のそれぞれの方向
付けに関する確率推定値は、シーン特性の分布の非対称
の関数として決定される。その連の記録済み画像につい
ての方向付けの確率は、その連の記録済み画像のそれぞ
れの方向付けに関する確率推定値から決定される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、画像処理の分野に
関し、特に記録済み画像の一順序の方向付けを自動的に
確認するための機構に関する。

【０００２】

【従来の技術】写真をＣＤ（コンパクト・ディスク）に
作製したり、ＣＤにインデックスプリントを作製した
り、自動的にアルバムページをデジタル印刷するなどの
自動的なデジタル画像化の応用法においては、最終的な
出力画像フォーマットへの生成に先立ち、画像を正しく
方向付ける必要がある。現在は、こうした自動化手順に
おいては、熟練したオペレータが割り込んで、手動で縦
の画像（肖像）もしくは上下逆の画像といった方向付け
のミスを訂正しなければならなかった。上下逆もしくは
反転した画像は、３５ｍｍカメラや、右側装填式フィル
ム送り装置を使用するほとんどの使い捨てカメラの場合
に生じる。こうしたタイプのカメラでは、「通常」配置
のカメラと異なり、フイルムをフィルムゲートの反対側
に装填する。こうしたカメラの作り出す画像は、露光済
みフィルムを反転であると識別しない限り、最終的な出
力画像フォーマットにおいて反転になる。処理する前に
手動でフィルムを分類することは不可能である。そのカ
メラが逆巻きも可能なタイプかどうかを確定する方法は
ないからである。ＳＵＣを分類することはできるが、そ
うしたプロセスには時間もコストも掛かる。

【０００３】

【発明が解決しようとする課題】シーンの画像方向付け
の知識は、通常の光学印刷にも応用される。例えば、自
動露光決定と、光学印刷機に使用される対象分類アルゴ
リズムとの収率（販売可能製品に対する受理可能製品の
百分率）は、画像方向付け情報が利用できれば、増加す
る。

【０００４】このように、全顧客順序に利用する際、左
側装填式カメラで撮影したフィルム画像を、右側装填式
カメラで撮影した画像から識別できる機構が現在必要に
なっている。同様に、処理中の記録済み画像の全順序の
方向付けを、人手を煩わすことなく自動的に決定する機
構も必要である。

【０００５】

【課題を解決するための手段】本発明に関し、必要とさ
れる上述の事柄は、一連の記録済み画像の方向付けを決
定するのに効力を発揮する画像処理機構により、複数の
記録済み画像を走査することで達成できる。この画像走
査は、少なくとも１つのシーン特性で、別個の記録済み
画像中に非対称に分布する特性に関する情報を得るため
に行われる。少なくとも１つのシーン特性が得られる記
録済み画像それぞれの方向付け確率推定値は、そのシー
ン特性分布の非対称の関数として決定されるものであ
る。その一連の記録済み画像について、次に、方向付け
の確率がその連の各記録済み画像の方向付けに関する確
率推定値から決定される。

【０００６】本発明は、シーンの記録済み画像の一連
（もしくは「一順序」）の方向付けを、画像の長い２辺
に沿って各シーンの特性を調べることにより決定する。
これらの辺は、「風景」方向付けの上部と下部を表す。
この発明の目的のために、特性は風景画像群のどこかの
部分で見つかるものとし、非対称に上部から下部まで分
布しているものと仮定する。例えば、緑の草の色は大抵
はシーンの下部に沿って見つかり、同じシーンでは、上
部に沿って見つかることはまれである。こうした論理に
よれば、上部と下部のどちら側にも緑の草の色のないシ
ーンと同様に、その両部に緑の草の色のあるシーンはこ
の特定の特性については確定できないことになる。

【０００７】例えば、一定の彩度を越える緑色が１シー
ンの一方の側沿いの全域に見つかり、もう一方の側には
見つからなければ、画像群の９０％以上において、緑の
側はシーンの下部にある。その結果、この特性が後で他
のもう１枚の画像で見つかれば、緑の側が下部にある確
率は、やはり、およそ０．９０であると期待できる。活
用できる分布の非対称について、シーン中で見つかると
予想される特性とは別のもう１つの特性は、シーンの上
部に沿う空の色である。

【０００８】特性を限定する差異の大きさは、分布の非
対称の程度を決定する重要な要因である。その上、画像
全体を通して、特性の差異が繰り返される場合を見つけ
ることも、分布の非対称を増加させるだろうと予想され
る。分布の非対称は、そのシーンに対する方向付けを正
しく決定する確率の直接の基準である。例えば、特性の
差異について大きさが小さく、見つかる特性の場合の数
も少ない仮定の特性を使用すると、上部から下部まで発
生の分布は比較的一様である。大きさと場合の数とが共
に大きいときは、事は正反対になる。この例では、こう
した事の多くがこの仮定の特性に対し画像の上部で発生
する。

【０００９】本発明に関しては、写真ＣＤ、インデック
スプリント、写真ＣＤアルバムページを含む自動的なデ
ジタル方式で生み出される応用法では、正しく画像の方
向付けを行うのに、オペレータの介入を必要としない。
発明のもう１つの利点は、方向付け処理装置へ情報を提
供するために現行のシーン平衡アルゴリズムが利用でき
る点である。次に、画像方向付け処理装置から得られた
情報が、今度は、シーン平衡アルゴリズムの作業を改良
するのに使用できる。

【００１０】本発明には、多数の異なる技術から得られ
る低解像度走査データを、画像方向付けを決定するのに
使用できるという利点がある。同様に、１シーンだけか
らの信頼できる目安でも、全順序の方向付けを決定する
のに十分である。だが、個々のシーンから信頼できる目
安が得られなくても、いくつかの画像からの多数の証拠
が、全順序の方向付けを決定するのに、やはり十分であ
る。

【００１１】

【発明の実施の形態】記録済み画像の一順序の方向付け
を本発明に従い自動的に決定するために改良を加えられ
た新たな機構について詳細に述べる前に、本発明が本来
前述のデジタル画像処理技術に事実上属することを指摘
しなければならない。このデジタル画像処理技術は、従
来のデジタル信号処理回路を使って行うことができる。
もしくは、デジタル画像処理応用ソフト中に記憶させる
ことも可能である。シーンの画像はそれぞれこのデジタ
ル画像処理用ワークステーションを介して処理される。

【００１２】従って、そうした画像を走査し、デジタル
画像処理装置に掛ける手法は、図中に容易に分るブロッ
クダイアグラム形式で図示してある。このブロックダイ
アグラムは、本発明に直接関係のある特有な詳細のみを
示し、ここに記述した内容があれば当業者には直ぐに明
らかになるような詳細を述べて開示を曖昧にすることの
ないよう心掛けた。このように、ブロックダイアグラム
図解は、本来、都合よく機能的グループ分けをした場合
のシステムの主要な構成要素を図示する目的を持ったも
のであり、それにより本発明をもっと理解し易くするこ
とができる。

【００１３】さて、図１を参照すると、本発明の方法を
行うのに使用される装置の実施形態のブロックダイアグ
ラムが概略図で示してある。本発明の「全順序」方向付
け法は、大容量スキャナーを通過する連続した一本のネ
ガからの事前走査データを使用して作動する。連続した
一本のネガ１０は、複数の個々の記録済み画像、もしく
は「フレーム」１２を含む。スキャナー１４はフレーム
１２に含まれた情報をデジタル化し、このデジタル化済
み情報を処理装置１６へ提供する。処理装置１６は本発
明の方向付け処理装置１８と通常の画像処理装置２０と
を備える。画像処理装置２０は、画質向上、引き伸し、
トリミングなどの画像処理を更に行うための装置であ
る。画像処理装置２０は、処理した画像を収納装置２２
と画像再生装置２４の双方へ、もしくはいずれか一方へ
提供する。画像再生装置２４は、例えば、サーマルプリ
ンターでよい。

【００１４】スキャナー１４が提供するデータは画素列
１２８個の連続した流れである。１９２列のグループ
は、通常のフレーム列検出アルゴリズムにより集められ
て、個々の画像を成す。このアルゴリズムは本発明の方
向付け法を使用して平行にデータを収集し、方向付けプ
ロセスの少し前に終了する。代わりになるべきものとし
ては、列のグループを前々走査フィルムノッチャーが集
める。この前々フィルムノッチャーはフレームの境界を
検出して、そこに印を付ける。こうしたデータ列のバッ
ファー作用を可能な限り限定し、また、最初に走査デー
タを通過する際、必要な情報をすべて収集することは有
利である。

【００１５】図２は、典型的な抽出標本の概略図を示
す。画像データは６画素×６列型のブロック群に分解さ
れる。１２８×１９２列は、結局、２１×３２個の標本
抽出領域群から成る１つの格子となる（１２８＝２１×
６（＋２）；１９２＝３２×６）。これは、一般に使用
される２４×３６型の標本抽出格子を使用のシーン平衡
アルゴリズムに匹敵する。本発明の典型的な実施形態で
は、各列の最初と最後の画素は除いてある。

【００１６】図３（ａ）は、各ブロックの画素を２×２
を併せて平均し、副標本の３×３型の配列にすることを
示す。平均化は、対数露光空間で行われるが、これは、
シーン平衡アルゴリズムについての通常の手順である。
９個の２×２の平均値は、数々の方法で利用できる。１
つの方法は、２１×３２型の標本抽出格子中のその点の
画像を代表する値を生み出すことである。図３（ｂ）
は、代わりとなる、副標本のグループ分けを示す。こう
した副標本を併せて平均して、その代表値を生み出すこ
とができる。本発明の好ましい実施形態では、「Ｘ」標
本パターン（参照数字は図３（ｂ）の２６）が、その後
の計算のすべてに使用される。このパターンは、通常、
他に挙げてあるどの選択肢よりも優れた、もしくは少な
くとも同等の結果を収める。

【００１７】非対称に分布した特性を標本に抽出し、ま
た検出するために、方向付け処理装置１８は、２つの標
本抽出領域を画像のそれぞれの側に沿って限定する。こ
うした（上部、および下部）領域は図４に示してある。
図示のように、この実施形態では、各領域は深度が「標
本」６個である。もっとも、好ましい実施形態では、他
の領域深度も使用している。標本はそれぞれ、図２
（ｂ）にある「Ｘ］パターン２６の５個の副標本から成
る。これらの副標本は、元の画素２×２のそれぞれの平
均値である。分布中で位置の非対称を有する所望の各シ
ーン特性を個別に観測することが、一枚の画像の３２列
のそれぞれにおいて行われる。画像を通して処理が進行
するとき、非対称を定義する既定限度を越えることが分
かる特性のそれぞれについて正味総数が記録される。特
性値の数値が一方向で高ければ、計数器は増加を示す。
反対方向で高ければ、計数器は減少を示す。その場合、
異なる特性のそれぞれについての正味総数は、下部（も
しくは上部）が特定の側にあるとする確率と関係のあり
得る基準である。

【００１８】個々の画像が、実際に肖像方向付けになっ
ている場合であれば、非対称は、消失する。特性が、上
部と下部の双方で同等に評価されるか、もしくは無作為
に評価されるかどちらかだからである。こうしたことか
ら、位置の非対称基準が結果的に０になりがちなのであ
る。

【００１９】一定のシーン特性は、他のものよりも非対
称に分布している。従って、他のシーン特性よりもその
連の画像（全順序）の真の方向付けを更によく予測する
ものである。各シーンにおいて、一個、もしくはそれよ
り多数の高度に信頼できる特性を見つけ得るとすると、
こうしたアプローチは個々のシーンの方向付けを決定す
るのに使用可能であるが、目下のところ、そうした特性
は知られていない。しかし、本発明により解決される全
順序方向付け問題に関しては、各画像の便利な特性を見
つけ出す必要はない。極端に偶然で風変わりな場合を除
いては、全順序中の全画像の風景方向付けは、一方の側
が上向きか、もしくは他方の側が上向きかどちらかであ
る。このように、一順序中の一枚の画像でもそこに信頼
できる目安を見つけることで、本発明を使用して、その
全順序の風景方向付けを決定することができる。その
上、どの単独の画像からの結果も決定的なものではなく
とも、いくつかの画像から得られる多数の証拠が、やは
りその順序についての方向付けの信頼できる目安たり得
る。

【００２０】全順序方向付け法の成功は、理に適って信
頼のできる特性をほとんどの順序で度々見つけ、各順序
の（もしくは一連の画像の）方向付けが十分に行える程
であることに掛かっている。また、一順序中の各画像か
らの方向付け証拠（もしあれば）を結合する方法を有す
ることにも左右される。本発明の実施形態においては、
証拠を結合する方法は、ベイズの確率伝播モデルを使用
して、一順序（一連の画像）の各フレーム中に見出され
る結果を合計する。下の等式はベイズの公式を示す。

【００２１】

【数１】 ここにおいて、 １． Ｐ_o は、画像を調査する前に、その順序について
正しい方向付けを知る確率である。これは、例えば、一
定の場所で処理される右側装填式カメラ対左側装填式カ
メラの混合比を基にすることができる。

【００２２】２． Ｐ_lastは、現行の画像を調査するに
先立ち、その順序について正しい方向付けを知る確率で
ある。

【００２３】３． Ｐ_frame は、現行の画像でその画像
についてなされた観測結果を与えられた画像について、
正しい方向付けを知る確率である。

【００２４】４． Ｐ_current は、現行の画像に対して
なされた観測結果を含む順序について、正しい方向付け
を知る確率である。

【００２５】ベイズの定理には、確率が、相互排反的、
かつ網羅的な一連の選択肢に当てはまることが必要であ
る。本応用においては、相互排反的な選択肢は、わずか
２つあるのみである。即ち、全順序は、「正しい向き」
か、もしくは「上下逆」であるかいずれかである。もし
Ｐ群が、全順序は「右側が上向き」である確率に当ては
まるならば、（１−Ｐ）は、それが「上下逆」である確
率である。

【００２６】ベイズの公式には数々の有利な特徴があ
る。第一に、個々の画像から証拠が集積されるにつれ
て、全順序について得点をつける簡単な方法を提供して
くれる。現行の画像中に役立つ証拠が見つからないとき
は、Ｐ_frame ＝０．５を使うと、結果として、Ｐ
_current には変化を及ぼさない。第二に、この公式は、
交換可能である（即ち、Ｐ_lastとＰ_frame とを交換して
も、Ｐ_current の値は変化しない）ことはすぐに分か
る。更に重要なことには、ベイズの公式は結合の性質も
備えている。それは、ひと続きの画像からの最終的計算
結果が、その行われる順序に左右されないという意であ
る。このように、一順序中の画像から証拠を全て集積す
ることができて、しかも純粋にその証拠に基づく方向付
けの確率が、カメラの混合比（即ち、左側装填式、対、
右側装填式）の効果を導入する前に算出可能である。こ
れは、単に、一時的にＰ_o を各順序の始めに０．５に決
めるだけで行うことができる。結局、この混合比の効果
（即ち、当初の事前確率）は最後には含むことが可能で
ある。その値は、各ユーザのもとで、独立のパラメータ
として調整できるのである。

【００２７】本発明の作用する度合いに影響を及ぼす数
々の要因がある。次に挙げるのがそうした要因のリスト
である。

【００２８】１． 一定の特性が正しく真の方向付けを
予測する確率。

【００２９】２． 消費者画像が典型的に混ざり合った
中でその一定の特性に出合う確率。 ３． 顧客順序の内で、その一定の特性に継続的に出会
う出会いの間の相関関係。

【００３０】４． その順序中の画像の数。

【００３１】５． 利用可能な異なる特性の数。

【００３２】６． 単独の画像中に見つかる複合的特性
からの証拠を結合する方法。

【００３３】本発明に従って、単独画像中に２つ、もし
くはそれより多数の特性が見つかるときは、方向付けを
正しく予測するための同時確率は推定されない。その代
わりに、最も信頼できる特性に関する確率を使用する。
こうした場合には、その後の調査に、方向付け確率を指
定するための異なる方法を行うことができる。しかし、
そうした同時確率の推定値を提供することは可能であ
る。

【００３４】一定の特性が真の方向付けを正しく予測す
る確率は、風景型の画像についてのその特性の「確から
しさ」だけによるのではなくて、その特性が肖像型の画
像中で間違って見つけられる場合の相対的割合にも左右
される。一定の特性は肖像型の画像中ではまれにしか見
つからないが、これは他の特性には無いことである。こ
うしたことのため、また、風景型と肖像型の混合比が、
ユーザによりまちまちであったり、あるいは一定のユー
ザであっても時と共にゆっくりと変わることもあり得る
ということもあって、各特性についての未処理の風景確
率は、このような事実を踏まえて調整されなければなら
ない。等式（２）は必要な補正を与えてくれる。この等
式は、肖像フレーム中に運悪く非対称基準がみつかった
場合、その基準は、その場合の半分が正解を与え、後の
半分が誤答を与える、とする仮定に基づいている。

【００３５】

【数２】 ここにおいて、 １． Ｐ_T は、特性（基準）「Ｍ］が、風景と肖像が混
在する一定のものに対して、正しい方向付けをする確率
である。

【００３６】２． Ｐ_M は、特性「Ｍ］が、風景画像だ
けのものに対して、正しい方向付けをする確率である。

【００３７】３． Ｆ_L は、風景型である全画像の割合
である。

【００３８】４． Ｆ_P/L は、特性「Ｍ］が見つかる風
景型画像に対する、肖像型画像の比率である。

【００３９】特性は、「確からしさ」がその発生の頻度
にやや逆比例して変化するのが観測できるということが
確認されている。このことからいずれのトレードオフが
上策かという問題が生じる。即ち、比較的多数の画像中
に比較的信頼性の低い特性を見つけるか、それとも、比
較的少数の画像中に比較的信頼性の高い特性を見つける
かという問題である。本発明の発明者による２つの異な
る特性の「見つかる」画像に関する実験では、比較的信
頼性の高い特性に関連する確率を使用した。確率が高い
ほど、一定の特性が正しく方向付けを予測する率も高く
なることが分かった。理に適って信頼できる特性が見つ
かる頻度が高いほど、証拠の弱い、もしくは無い、順序
は少なくなる。しかし、甚だしく間違った証拠を持つ順
序が見つかる率もまた高くなる（甚だしく間違った証拠
とは、大きさの間違いが甚だしいためにその順序が不当
に方向付けられるのを防ぐ妥当な事前確率が無いような
方向付け確率を生み出すもの、と定義される）。順序中
に画像が少なければ少ないほど、結果は（予想通りに）
不十分なものになる。これまでに見つかっている特性の
信頼性のレベルを考慮すると、少なくとも２４枚の画像
を有する順序から、優れた結果が得られるはずである。
もし１つの順序に１つの特性を見つけることにより、そ
の順序（順序内の相関シーン内容）中でその特性をまた
見つける確率が増すなら、多数の順序に及ぼす全体的な
成果はそれほど変化しないが、甚だしく間違った証拠を
有する順序は確かに増加する。２つの特性のうちいずれ
か一方、もしくは双方共が見つかる場合は、信頼性の低
いほうの特性の成果は甚だしい間違いを生み出すことに
支配的であるだろう。だが、同時に、証拠のほとんど無
い、もしくは全く無いような順序が存在することもまれ
になる。

【００４０】全順序方向付け法が実行可能であるには、
それが最も一般的な順序の大きさに作用するのでなけれ
ばならないが、その大きさは、画像２４枚である。シュ
ミレーションの結果が暗示するところによると、必要な
のは、十分に大きな一群の特性であって、少なくとも８
０％の成功率を有する一群がほとんどの画像中で見つか
る程の大きさであるか、もしくは、９０％の成功率を有
する比較的小さな一群であって、全画像の約４０％で見
つけ得る程度であるか、いずれかである。更に、シュミ
レーションの示すところによれば、３、４「片」の画像
フィルムの方向付けを予測するには、全画像群の９０％
以上で見つかり、そのほとんどが９０％を越える成功率
を収めるような一群の特性が必要である。

【００４１】多数の画像を眺めると、シーンの上部で、
比較的頻繁に生じる特性もあれば、下部で比較的頻繁に
生じる特性もあることが分かる。草の色と空の色がその
例である。偶然の観察が示すそうした特性は、非対称を
有しているので、問題点は少なくなり、まず、そうした
特性について、正確な基準を限定し、次にその正確な基
準が正しくシーン方向付けを識別する確率を推定するこ
とになる。しかし、他に役立つ特性も存在し、以下で述
べることに加えて、使用することもできる。

【００４２】本発明の典型的実施形態は、シーン特性を
使用するが、そのシーン特性は、上部から下部まで非対
称に分布する。こうした特性は、色彩とテクスチャ（の
欠如）の双方を含む。まず、色彩の面から述べることに
する。色の軸は、規準化された原色の単純な差異を挙げ
ることにより限定できるし、色相範囲は値を単純に比較
することで限定できる。こうした制約を設けるだけで
も、１２の色軸を限定できる（即ち、色の差異の印は、
それぞれの独自の色軸の限定に含まれている）。各色軸
について、３つの色相範囲を限定することも可能であ
る。各色軸は、６０度、１２０度、もしくは１８０度の
範囲で囲むことができる。色軸は、色相範囲の中心に置
く必要はない。それらに値を割り当てるために、色相範
囲の色は色軸へ投射される。図５は、こうした色軸と色
相範囲とを図示している。原色の色軸により限定される
色相境界線についての検査は、２色の間の比較であるこ
とが示されている。色の差異の軸によって限定される色
相境界線についての検査は示されていないが、それら
は、原色がポジかネガのいずれであるか単に調べる検査
にすぎない。

【００４３】非対称に分布する草の色と空の色とが見つ
かるのは、画像群全体のほんの一部である。その上、飽
和度に達した赤と青は、上部よりは画像の下部のほうが
比較的高い頻度で発生するのが見つかる。これは、赤と
青とが人の使う品物に関連していて、画像の比較的低い
部分に重力により人が拘束される傾向と結び付いている
せいかも知れない。予想外であるが、赤の色の非対称
は、緑と青の色の非対称を併せたものとほとんど同じ頻
度で発生する。典型的な画像の記憶済みのデータベース
に関する実験では、（各画像中で可能性のある３２例の
うちから）赤の非対称の比較的数少ない例を、役立つ方
向付け確率を示すために多数観察しなければならなかっ
た。

【００４４】それぞれの色の非対称を限定するのに最適
の色軸と最適の色相範囲とが、図６で典型的な画像に関
して図示してある。草については、黄緑の軸のほうが、
純粋な緑の軸（即ち、純粋な緑はＧ−（Ｒ＋Ｂ）／２で
与えられる）より多少好ましかった。

【００４５】等式（３）は、三色を標本に抽出し、算定
する方法を述べている。原色はそれぞれ、発明の一定の
実施形態において、シーン平衡アルゴリズムからの対応
する値により規準化される。これは、各原色が本発明の
方法中で実際に使われる彩度信号を限定するため使用さ
れるのに先立って、行われる。

【００４６】

【数３】 ここにおいて、 １． Ｒ_UL、Ｒ_UR、Ｒ_CTR 、Ｒ_LL、Ｒ_LRは、５個の
「Ｘ］副標本の値である。 ２． Ｒ_X 、Ｇ_X 、およびＢ_X は、２１×３２型の標本
抽出格子中の各位置に割り当てられた値である。

【００４７】３． Ｒ（ハット）、Ｇ（ハット）、およ
びＢ（ハット）は、シーン平衡アルゴリズムモジュール
からの推定目標値である。

【００４８】４． ＲＤＭＧ₁₈₀ は、赤色の特性を限定
する赤マゼンタの彩度値である。

【００４９】５． ＹＬＧＲ₁₈₀ は、（シーン中の草に
関連する）緑色の特性を限定する黄緑の彩度値である。

【００５０】６． ＢＬＵ₁₂₀ は、（シーン中の青空に
関連する）青色の特性を限定する青の彩度値である。

【００５１】使用される彩度値は、その特性の一つの見
方にすぎない。他の特性は、彩度値の分布とそれらの変
化とを含む。等式（４）は、使用される純粋な赤、純粋
な緑、および純粋な青を限定する。等式が示すように、
３つの基準は全て、６個の標本中で、画像の上部と下部
において見つかる２つの最大量の差が一定の閾値を越え
る正味の回数の計算に基づいている（「上部」と「下
部」という語は、画像の向かい合う側に関連している。
単に名前を示す語であって、例えば、左側装填式カメラ
システムに関連する走査方向に基づく）。

【００５２】等式（４）、およびその後に続く等式は、
範囲の深度が標本６個（図４）の場合の例証となってい
る。範囲の深度が標本６個より多いか、もしくは少ない
ときは、等式を明白な方法で修正しなければならない。

【００５３】

【数４】 ここにおいて、 １． ＲＤＭＧ^top _max 、ＲＤＭＧ^bttm _max は、各標本
抽出列の上部と下部で見つかるＲＤＭＧ₁₈₀ の最大値で
ある。

【００５４】２． ＹＬＧＲ^top _max 、ＹＬＧＲ^bttm
_max は、各標本抽出列の上部と下部で見つかるＹＬＧＲ
₁₈₀ の最大値である。

【００５５】３． ＢＬＵ^top _max 、ＢＬＵ
^bttm _max は、各標本抽出列の上部と下部で見つかるＢＬ
Ｕ₁₂₀ の最大値である。

【００５６】４． ＢＬＵ^top _ave 、ＢＬＵ
^bttm _ave は、各標本抽出列の上部と下部で見つかるＢＬ
Ｕ₁₂₀ の平均値である。

【００５７】５． Ｔｈｒｅｓｈ_RDMG、Ｔｈｒｅｓｈ
_YLGR、Ｔｈｒｅｓｈ_BLU は、画像の一方の側の対応する
彩度値が、潜在する非対称を限定するために、画像の他
方の側の彩度値より越えねばならない閾値の程度であ
る。

【００５８】６． ＲＤＭＧ_cnt 、ＹＬＧＲ_cnt 、ＢＬ
Ｕ_cnt は、非対称が見つかった場合、非対称を信号で知
らせる色の基準である。それらは、対応する彩度値が画
像の予想される側で閾値を越える正味の回数を表わす。

【００５９】比較される彩度値は、正の大きさか、もし
くは０だけを持つと限定されるから、例えば、ＢＬＵ
_cnt の増加、もしくは減少が、一方が他方よりも黄が淡
いだけの２つの黄色の標本によって示されることはあり
得ない、等である。

【００６０】画像のデータベースについての異なる特性
に関する実験結果によると、赤の特性は、分布の役立つ
非対称を信号で知らせるために必要とする正味総数が緑
の特性よりもずっと少ない。事実、純粋な緑は、役立つ
非対称を有するためには、実際にほぼその画像全体を通
して見つからなければならない。しかし、それが見つか
れば、正しい方向付けを知る確率は非常に素晴らしい
（約９５％）。図７は、非対称の見つかる列の数が増す
につれて、確率が増加する傾向にあることを図示してい
る。更に、閾値を上げるにつれて、確率も一般に増加す
る。図８（ａ）は、純粋な緑色について、それが標本抽
出列３２列の全てに見つかる場合のこの旨を図示してい
る。残念ながら、当然、そうした差異の程度を有する画
像の数は、図８（ｂ）に示されるように、減少する。

【００６１】下の表１は、「赤」の特性の正確な定義に
ついて決定を下すために使用される結果のうちで典型的
な結果の抽出標本を示している。表１は、画像群の割合
と、赤の特性のいくつかの可能な定義についての確率と
を示す。これには、様々な閾値の範囲について結果を併
せ、１つは粗い、そして１つは比較的きめの細かいヒス
トグラムセルにまとめることで得られる結果を使用して
いる。

【００６２】赤の特性は、次のように定義される。

【００６３】１． ＲＤＭＧ₁₈₀ は、上に定義された赤
の特性（即ち、Ｒ−Ｇ軸に投射される赤の特性）であ
る。

【００６４】２． ＲＤＭＧ₁₂₀ は、Ｒ−Ｇ軸を囲む１
２０色相範囲に制約されることを除いては、ＲＤＭＧ
₁₈₀ と同じ定義である。

【００６５】３． ＲＤＭＧ_rd120 は、Ｒ−（Ｇ＋Ｂ）
／２軸に中心を置く１２０色相範囲に制約されることを
除いては、ＲＤＭＧ₁₈₀ と同じ定義である。

【００６６】４． ＲＥＤ_ry120 は、Ｒ−（Ｇ＋Ｂ）／
２軸に投射され、またＲ−Ｂ軸に中心を置く１２０色相
範囲に制約される、赤の特性である。

【００６７】赤の定義には、閾値の範囲と正味総数の全
ての組み合わせについて、結果が最良の成果（最も高い
確率を有する画像の最も高い百分率）になるものは１つ
もない。だが、ＲＤＭＧ₁₈₀ は、概して、表に挙げられ
た全範囲のうちでは最良の部類に入る。本発明では、方
向付けの決定に使用されることになる特性のそれぞれに
ついて、同様の判断が下される。

【００６８】

【表１】 典型的な消費者画像で観測できるもう１つの非対称は、
未調節領域がシーンの上部で見つかる頻度は下部よりも
高い傾向にあるということである。等式（５）は、こう
した非対称を捕まえようとする特性を限定する。各標本
抽出格子内の緑の対数露光値に基づく一様特性を限定す
るのである。この際は、色は論点ではないので、シーン
の規準化は必要ではない。

【００６９】

【数５】 ここにおいて、 １． Ｇ_kxは、標本抽出列の上部、もしくは下部からの
「Ｘ］副標本の５つの各構成要素についての平均緑対数
露光値である。

【００７０】２． ΔＧ_kxは、標本抽出列の上部、もし
くは下部からの「Ｘ］副標本の５つの各構成要素につい
ての、それらの平均値からの各成分の絶対偏差値であ
る。

【００７１】３． ΔＧⁱ _ave は、標本抽出列の上部、
もしくは下部からの「Ｘ］副標本のそれぞれにおける平
均偏差値である。

【００７２】４． ΔＧ^top _max 、ΔＧ^top _min 、ΔＧ
^bttm _max 、ΔＧ^bttm _min は、標本抽出列の上部と下部で
見つかる最大平均差分、および最小平均差分である。

【００７３】５． ΔＧ^top _ave ，Ｇ^bttm _ave は、標本
抽出列の上部と下部で見つかる平均差分の平均値であ
る。

【００７４】６． ＸＮＲは、ΔＧ^top _ave ，およびＧ
^bttm _ave を作り上げている値の分布のゆがみの（規準化
された）基準である。ＸＮＲは、−１から１までの範囲
である。

【００７５】７． ΔＧ^top _adjave、ΔＧ
^bttm _adjaveは、標本抽出列の上部と下部で見つかる過度
の非対称度に対する調整後の平均差分の平均値である。

【００７６】８． Ｇ_lowlimは、低反射率物体の露光不
足に起因する画像値を多少越える画像値である。

【００７７】９． Ｔｈｒｅｓｈ₁ は下部閾値であり、
Ｔｈｒｅｓｈ₂ は、潜在的な非対称を平滑化して限定す
る上部閾値である。

【００７８】１０． ΔＧ_cnt は、非対称が見つかると
その非対称を信号で知らせる平滑基準である。それは、
平滑領域が画像の予想される側で見つかった正味回数を
表す。

【００７９】低調節により領域を限定する方法は、ほと
んど無限に存在する。上の等式では、ＸＮＲと呼ばれる
パラメータを使用して調整が行われる。これは、既知の
シーン平衡アルゴリズムで長年使われている統計値であ
る。特に、低調節された雪のシーンを検出する。そうし
たシーンは、以前は、オートメーション化された印刷機
で長年印刷されたが、出来上がりが暗過ぎた。等式
（６）は、異常に大きな１つの値の影響を、他の点では
ｎと同様の平均値から減少させるか、もしくは取り除く
かするために、ＸＮＲの使用法を更に例証している。Ｘ
ＮＲは、もともと限定があって、−（ｎ−２）／ｎから
（ｎ−２）／ｎまで値を変動できる。本発明では、ＸＮ
Ｒは、−１から１までの値に規準化されている。１列６
個の標本が本質的に一様な領域にありながら、しかもそ
の領域が一方の端か他方の端で調節領域に接するか、も
しくは検出力列のような小調節域を横切るかする場合に
は、その効果は高まる。このような場合には、この調整
により、紛らわしい調節を割り引く。こうしたタイプの
調整は、次に述べるような他のいくつかの基準を限定す
る場合にも行われる。

【００８０】

【数６】 において、 １． ＸＮＲ_std は、調整される可能性のある値の分布
のゆがみを規準化した基準である。

【００８１】２． Ｖ_max ，Ｖ_min ，Ｖ_ave は、調整さ
れる可能性のある値の分布の最大値、最小値、平均値で
ある。

【００８２】３． ｎは、標本を作り上げている値の数
である。

【００８３】４． Ｖ_adj は、過度の正のゆがみに対し
て調整されるＶ_ave の値である。この調整は、明らか
に、Ｖ_max を含む平均値とＶ_max を除いた平均値との間
の直線の補間法である。

【００８４】単純一様特性へ戻ると、その平滑の限定
は、一様な傾きのため識別できないことがある。そうし
た傾きは、広がった一様な面を照らす点光源、もしくは
口径食の激しいレンズにより生じる類いの傾きである。
最後に述べる特性は、一様な直線の傾きが認められるよ
うデザインした。図９は、こうしたコンセプトを図示し
ている。各標本抽出列の上部と下部との双方に６個の
「Ｘ］標本がある。ギリシア語のアルファベットのキー
（即ち、Ｘ）型に正方形を並べたような検査が、副標本
の値は直線の傾きの上に存在するという仮定を検査する
ために行われる。１８個の予想されるレベルが、最初と
最後の「Ｘ］の中央により限定される２終点間で、直線
の補間法（補外法）によって限定される。これら２つの
中央に割り当てられた期待値は、その位置の「Ｘ］標本
を作り上げている５つの値の平均値にすぎない。等式
（７）は、滑らかな傾きの基準を限定する。

【００８５】

【数７】 ここにおいて、 １． Ｇ^strt0 _aim ，Ｇ^strt15 _aim は、各列の上部と下
部の初めにある５個の副標本の平均値である。

【００８６】２． Ｇ^top _grad，Ｇ^bttm _gradは、各列の
上部区分と下部区分の初めと終りの間の目標とする傾き
である。

【００８７】３． Ｇ^topj _x の２乗、Ｇ^bttmj _x の２乗
は、予想される直線の傾きからの実際のデータの偏差基
準である。

【００８８】４． Ｔｈｒｅｓｈ_Δ1 、Ｔｈｒｅｓｈ
_Δ2 は、直線の傾きからの偏差値に関する閾値であっ
て、この直線の傾きは、滑らかで一様な傾きの領域の非
対称を限定するものである。

【００８９】５． Ｇ_lowlimは、露光不足に起因する画
像値を多少越える画像値である。

【００９０】６． Ｇ_x の２乗_cnt は、非対称が見つか
るとその非対称を信号で知らせる滑らかで、一様な傾き
の基準である。それは、比較的滑らかで一様な傾きが画
像の予想される側に見つかる正味の回数を表す。

【００９１】表２は、本発明の典型的な実施形態中に使
用される基準を表示する。この表は、閾値と、分布の非
対称を信号で知らせる総数と、標本中の領域深度と、こ
の基準が風景画像中の正しい方向付けを予測する確率
と、この基準を風景画像中で見つける確率と、この基準
を風景画像中で見つける確率に対する、肖像画像中で見
つける確率の比と、を示す。特性Ｇ_smth、およびＧ_grad
は、等式（４）からのＢＬＵ（１２０）_ave の値に左右
される２つの範疇に分けられる。総数の限度と結び付け
られた閾値の範疇により、基準の型に独特の範疇が生じ
る。正しい方向付けの予測が０．８０を下回る風景確率
を有する基準は使用されない。

【００９２】

【表２】 以下に述べた本発明者による検査には、２つのデータベ
ースを使用した。第一のデータベース（データベース
１）は、一連のネガの実際の事前走査（１２８×１９
２）から作り出され、２１８３枚の画像を含む。全デー
タの組は、３つのファイル（赤画素ファイル、緑画素フ
ァイル、青画素ファイル）に納められている。第二のデ
ータベース（データベース２）は、平均して１３０８×
１９３２から１２８×１９２へ縮小することにより作り
出され、３５ｍｍ範囲配列スキャナーにより走査された
２６９７枚の個々の画像からのデータである。それは、
約２９０の異なる顧客順序から（通常）９枚の画像を標
本抽出することで集められた。このデータは、データベ
ース１に使用されるのと同じシーン対数露光測定規準に
変換されて、いくつかの赤、緑、および青の画素データ
ファイルに集められた。

【００９３】本発明者により行われた、画像の標本デー
タベースに関する本発明の検査では、発明の方法で使用
された特性が、独自に役立つものであるか否かを明らか
にした。特性は、大部分、独自に役に立つことが分かっ
た。

【００９４】表３は、そうした問題を扱うための試行で
ある。表３には、データベース１とデータベース２に関
する別々の欄があり、異なる画像の組を表している。

【００９５】２つのデータベースについては、結果に類
似点がある。数字の配列はそれぞれ、配列の左端の基準
がそれらの特定画像の方向付けを予測するのに使用され
る基準である場合、その結果を表す。各行は、そうした
同じ基準（＊＊の目印が付けられている）に対するか、
もしくはそのほかの基準に対する結果を表す。その他の
基準は、たまたま同じ画像中に同様に見つけられたが、
実際は、そうした特定の画像中の方向付けの比較的信頼
度の低い目安を表していたのである。最初の列（第０
列）は、その基準が見つかった画像の総数であり、その
後に続く列は、表２に限定されるその基準の各領域に対
する画像の数である。表２の最終列は、その領域と関連
する表３の列の番号を示す。例えば、データベース１の
分類ＲＤＭＧ₁₈₀ に対する配列では、ＲＤＭＧ₁₈₀ がそ
の画像の方向付けを予測するために使用される特性であ
るような画像は２１０枚あった。更に、表２に（正しい
方向付けを示す確率は０．８４９と）限定された第一の
基準が使用された基準であったのは７５回、表２の第二
の基準が使用されたのは２６回、など。このようにし
て、２１０＝７５＋２６＋３５＋１５＋２２＋２７＋１
０である。他の信頼度が比較的低い基準もこうした２１
０枚の画像中のいくつかに見つけられた。例えば、基準
Ｇ_smthも１５回見つかった。しかし、この１５回のいず
れの場合も全て、こうした基準と関連した確率は、使用
された基準ＲＤＭＧ₁₈₀ の確率と比較すると低かった。

【００９６】表３に示される結果は、２つの考察を示す
のに使用できる。第一は、本発明の方向付け法に使用さ
れる基準のそれぞれの実用的な有効性である。表３の示
すところによると、基準のほとんどの場合、その基準が
方向付けの唯一の目安であるような画像も存在した。例
えば、Ｇ_smthの場合を考えてみよう。低い確率の基準が
使えたはずのほかの場合を全て差し引いた後でも、まだ
少なくとも１２８枚の画像がデータベース１中に存在し
（１２８＝６２０−５１−４４−０−３９７）、データ
ベース２には、他に何も基準の見つからなかった画像が
少なくとも１３枚は（１３＝３７１−４１−２６−０−
２９１）存在するのである。

【００９７】

【表３】 第二の考察は、各画像中の特性の発生は、独立事象か否
かということである。Ｇ_smthやＧ_gradといったいくつか
の特性については、それらが独立事象でないことは明ら
かである。全画像を通して独立して分布する基準を限定
するのは有用ではあるのだが、そうしたことは一般的に
は可能ではない。必要なことは、各基準が方向付け検出
プロセスへ十分に特有な情報を与え、その計算の手間を
正当化できるようにすることである。

【００９８】本発明の典型的な実施形態を、方向付けの
決定に役立つ特別なシーン特性の使用に関して述べてき
たが、個々のシーンの方向付けと、こうした全順序の決
定に対して、発明の範囲内で他に同じように有効なアプ
ローチを取ることも可能である。例えば、もし人の顔を
認めることができれば、画像の中のその方向付けは、シ
ーンの方向付けの非常に信頼できる指標となる。代わり
になるべきものとしては、エッジの頻発内容の垂直対水
平のどんな非対称でも検出することが可能である。

【００９９】本発明は、風景型のシーンの上部から下部
へ非対称に分布するシーン特性を探すことにより、全顧
客順序の方向付けを決定する方法と装置とを提供する。
分布の非対称は、それが見つかる各シーンの方向付けに
関する推定値を確率に変換する。各順序に関する方向付
けの確率は、ベイズの確率伝播モデルを使用して、各フ
レームに対する方向付けの確率から算出される。望むと
ころは、各順序の十分なシーン中に非対称に分布する特
性を検出し、ベイズの確率伝播モデルがその順序に関し
て高い信頼度で方向付けを予測するようにすることであ
る。

【０１００】本発明は、画像処理構成要素を使用する
が、そうした構成要素は、普通の当業者にも周知のもの
であり、本発明の方法を実行するために普通の当業者が
容易にプログラムに組むことが可能である。

【０１０１】本発明を詳細に述べ、図示したが、こうし
たことは、図解や例として挙げたものであり、制約する
ものと見做されるべきものでないことは明白である。本
発明の精神とその範囲とは、添えてあるクレームの用語
によってのみ制約されるべきである。

【図面の簡単な説明】

【図１】 本発明の実施形態に従って組み立てられた画
像処理装置の構成ブロック図を示す。

【図２】 画像のための典型的な標本抽出格子（グリッ
ド）の説明図である。

【図３】 ６×６の画素配列を３×３に変換する説明図
である。

【図４】 標本に取り得る画像の領域の例を示す説明図
である。

【図５】 色軸と、色の定義を決定すための色相領域と
を示す説明図である。

【図６】 典型的な最適軸と、色の定義の決定に使用さ
れる色相領域とを示す説明図である。

【図７】 特性が画像中で見つかる平均回数に対する、
正しい方向付け確率の関係を示すグラフ図である。

【図８】 閾値、フレーム数と確率の関係を示すグラフ
図である。

【図９】 一様密度の傾きのモデルを示す説明図であ
る。

【符号の説明】

１０ ネガ、１２ フレーム、１４ スキャナー、１６
処理装置、１８ 方向付け処理装置、２０ 画像処理
装置、２２ 画像収納装置、２４ 画像再生装置、２６
「Ｘ］標本パターン。

Claims (3)

【特許請求の範囲】
1. 【請求項１】 記録済みの画像を走査し、前記記録済み
   画像を表わすデジタル信号を供給するスキャナーと、 前記デジタル信号を受信するために前記スキャナーに連
   結されている方向付け処理装置と、 を含み、 前記処理装置は、前記記録済み画像中の少なくとも１つ
   のシーン特性の非対称の分布を決定し、かつ前記一連の
   記録済み画像についての方向付け確率を前記少なくとも
   １つのシーン特性の決定済み非対称分布の関数として決
   定することを特徴とする一連の個々の記録済み画像の方
   向付け決定装置。
2. 【請求項２】 請求項１に記載の装置において、前記方
   向付け処理装置は、前記少なくとも１つのシーン特性の
   非対称分布の関数として少なくとも１つのシーン特性が
   得られた個々の記録済み画像のそれぞれの方向付け確率
   推定値を決定することにより前記方向付け確率を決定す
   ることを特徴とする装置。
3. 【請求項３】 請求項２に記載の装置において、前記方
   向付け処理装置は、ベイズの確率伝播モデルに従い、個
   々の記録済み画像のそれぞれの前記決定された方向付け
   確率推定値を用いて前記一連の記録済み画像に対する方
   向付け確率を決定することを特徴とする装置。