JPH0830787A - 画像領域分割方法及び画像領域統合方法 - Google Patents

Abstract

(57)【要約】 【目的】 少ない作業用のメモリーを用い短時間で大き
な画像の分割・統合処理を実現できるようにした画像領
域分割方法を提供すること。 【構成】 量子化された多階調画像データをその絵柄に
応じた領域に分割する領域分割に際し、多階調画像デー
タを複数の小矩形領域ＳＡと境界領域ＢＡに分割し、小
矩形領域ＳＡとその周囲の境界領域ＢＡを１組とし、こ
の組毎に領域分割を実施するとき、小領域ＳＡは一度の
分割処理を受け、境界領域ＢＡは２度以上の処理を受け
るようにする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、量子化された連続階調
画像を領域分割する画像領域分割方法及び分割された領
域を統合する画像領域統合方法に関する。

【０００２】

【従来の技術】読み込まれた画像を適切な領域に分割す
る処理は画像処理のさまざまな分野で前処理として利用
されている大切な技術である。たとえば、画像編集では
編集を行うべき領域を切り出す必要があり、その際に領
域分割が利用される。また、認識処理においても認識し
たい物をみつける前処理として、領域分割が利用されて
いる。この領域分割の性能の善し悪しがそのまま処理全
体の性能を左右することになるので、性能の高い領域分
割の方法が必要とされている。

【０００３】また、最近ではいろいろな画像処理で利用
される共通性の高い画像特徴を抽出し、整理する際に、
画像の領域ごとにまとめて次の画像処理で利用しやすく
することが、試みられているが、その際にも適切な画像
の領域分割が必要とされている。

【０００４】領域分割の手法としては、古くから知られ
ているＫ平均アルゴリズム（中谷他：「複数の領域分割
結果に基づく対象境界線検出」，電子情報通信学会論文
誌ＢＩ，Ｊ７６−Ｄ２，４，ｐｐ．９１４−９１６（１
９９３）等参照）があり、また、画像の赤（Ｒ），緑
（Ｇ）及び青（Ｂ）といった色成分に画像のｘ，ｙ座標
を加えた５次元でＫ平均アルゴリズムを実施する方法
（泉他：「色情報と位置情報とを併用したセグメンテー
ション手法の一検討」，電子情報通信学会春期全国大会
予稿集，Ｄ−６８０（１９９１）参照）などが提案され
ている。また、別のアプローチとしてＭＡＰ（最大事後
確率）推定を利用したものなども提案されている。

【０００５】

【発明が解決しようとする課題】従来、カラー画像に限
らず、画像の分割処理を行う場合、画像の全領域を作業
用のメモリーに取り込み処理を行わなければならなかっ
た。しかし、この方法では多量のメモリーを必要とし、
また分割作業に要する時間も、並列処理を実行できない
分割方法においては、領域分割数の二乗で増えるため、
非常に長いものになっていた。

【０００６】この問題を解決するために一度に大量のデ
ータを入力処理する代わりに、画像を複数の小領域に分
割し、それぞれ別々に処理できるようにすることは可能
であるが、その場合、不自然に小領域の外形線が分割領
域に残ったり、小領域の外形線近傍で不自然な分割が行
われることがあった。

【０００７】また、カラー画像を複数の小領域に分割す
る場合にも、適切な領域数を決定するのは難しく、一般
には分割数を多めにとっておき、領域分割後に多すぎた
領域を統合する方法が用いられる。しかし、分割数がい
くら多くても必要な所に必ず分割領域が現れるとは限ら
ず、局所的に分割領域が不足するという問題があった。
特に色情報だけでなく画素の位置情報も利用しながら領
域を分割する５次元のＫ−平均アルゴリズムの場合、こ
の現象は大きな問題であった。

【０００８】また、一般に物体は固有の色彩を持ってい
るので、色彩情報に重点を置いて処理を進めると物体同
士は区別しやすくなるが個々の物体が持つ特徴は無視さ
れがちになり、一方、明度情報に重点を置いて処理を進
めると物体が持つ特徴は良好に抽出されるが物体同士の
区別が困難になるという問題があった。

【０００９】本発明は、以上の技術的課題を解決するた
めに為されたものであって、少ない作業用のメモリーを
用い短時間で大きな画像の分割・統合処理を実現できる
よにした画像領域分割方法を提供することを目的とす
る。

【００１０】また本発明は、分割領域が適切な位置に存
在していない場合に、その位置に新たな分割領域を配置
し、しかも個々の物体がもつ特徴も抽出でき物体同士の
区別を良好に行なうことができる画像領域分割方法を提
供することを目的とする。

【００１１】また本発明は、領域分割の際に分割領域の
形状が過度に複雑になるのを防止することを目的とす
る。

【００１２】更に本発明は、分割された領域を統合する
画像領域統合方法を提供することを目的とする。

【００１３】

【課題を解決するための手段】本発明は、大きな画像
を、複数の小矩形領域と境界領域に分け、それぞれに画
像分割処理を実施する際、小矩形領域に隣接する境界領
域上の既分割領域の情報を利用することで、小矩形領域
に分割したために起こっていた分割上の問題を回避する
ことのできるアルゴリズムを示し、さらに分割領域に個
性的な特徴をもたせる方法を示したものである。

【００１４】図１は、本発明の画像領域分割方法を実現
するための基本的な構成を示すブロック図である。また
図２は、領域分割の基本単位となるとなる小矩形領域と
作業バッファーに書き込まれている情報と画像バッファ
ーに取り込まれる領域の関係を示した図である。

【００１５】いま、図２に示すように、大きな画像を、
複数の小矩形領域ＳＡと、この小矩形領域ＳＡを囲む枠
状の境界領域ＢＡに分け、ｗｘ，ｗｙを画像のｘ方向の
境界領域ＢＡの幅、ｙ方向の境界領域ＢＡの幅としたと
き、図１に示す画像領域装置は、小矩形領域ＳＡよりも
縦横それぞれ２×ｗｘ，２×ｗｙ画素分大きい画像バッ
ファー１と、小矩形領域ＳＡとその小矩形領域ＳＡに隣
接する境界領域ＢＡの分割処理を進めるに当たり、小矩
形領域ＳＡとその小矩形領域ＳＡに隣接する境界領域Ｂ
Ａ内に存在する分割領域に関する情報を保存しておく作
業バッファー２と、今までに分割された全分割領域の情
報が保存されている分割領域マップ６と、分割領域マッ
プ６と作業バッファー２の情報を利用して画像バッファ
ー１内の画像を適切に分割処理する画像領域分割手段３
とを領域分割処理部として備えている。

【００１６】ところで、入力画像は、多くの場合、ノイ
ズが含まれていたり、網点画像であったり、ある程度劣
化していることが普通である。また、領域分割を行うに
は解像度が高すぎるということもありうる。その場合
は、上記した画像バッファー１、作業バッファー２、画
像領域分割手段３、分割領域マップ６からなる領域分割
処理部の手前に、領域分割を行うために最適な画像を予
測し、それに合わせてデータを整形する画像予測手段４
及びデータ整形手段５が必要になる。

【００１７】最も単純な構成としては、入力画像が利用
される状況での画像の大きさと人間が鑑賞すると考えら
れる距離をもとに、ガウシアンとラプラシアンフィルタ
ーの最適値を画像予測手段４で計算し、その値に基づい
て設計されたフィルターをデータ整形手段５で入力画像
に適用とするという構成である。

【００１８】前記作業バッファー２と分割領域マップ６
に保存しておくべきデータとしては種々考えられるが、
最小限必要なのは、現在処理を行っている小矩形領域Ｓ
Ａに隣接し、既に分割の終わった分割領域に関する情報
で、その分割領域に含まれている画素数、その領域の平
均色、重心である。さらにその領域のテクチャーなどに
関する情報も持たせることができれば好ましい。

【００１９】また、前記画像領域分割手段３としては、
色空間に位置情報ｘ，ｙを加えた拡張空間でＫ−平均ア
ルゴリズムやＭＡＰ推定を利用した方法を用いることが
考えられる。

【００２０】図２は、画像バッファー１が保持している
画像の領域（太線枠で示す）と、画像領域分割手段３が
どの既分割領域の情報を分割領域マップ６の情報から利
用しているかを示している。図２（ａ）は、小矩形領域
ＳＡと境界領域ＢＡとの関係を示し、同図（ｂ）は、小
矩形領域ＳＡを分割するときに利用する作業バッファー
２に書き込まれる情報を示し、同図（ｃ）は、分割領域
マップ６に書き込まれる情報を示している。

【００２１】既に分割されている画素でも、境界領域Ｂ
Ａに存在する画素、つまり領域Ｃ₃，Ｃ₆ のうち境界領
域ＢＡに含まれている画素については、もう一度分割し
直すことになる。その際、分割領域マップ６に書き込ま
れているＣ₃ ，Ｃ₆ の情報が読み出され、作業バッファ
ー２にＣ₃ ，Ｃ₆ の情報が書き込まれ、画像領域分割手
段３による分割処理に利用される。

【００２２】

【作用】本発明の作用を、図１に示された画像領域分割
装置に基づいて説明する。図２に示すように、画像バッ
ファー１は、分割しやすいように整形された画像に対
し、小矩形領域ＳＡよりも縦２・ｗｙ画素、横２・ｗｘ
画素分大きい画像を保持し、画像領域分割手段３が扱う
画像を提供する。

【００２３】分割領域マップ６は、画像領域分割手段３
により分割された分割領域の特徴情報のうち少なくとも
その領域に含まれている画素数、その領域の平均色、重
心などを保存している。

【００２４】作業バッファー２は、画像領域分割手段３
で分割処理を行う際に、一時的に分割領域の情報を保持
しておくためのバッファーである。

【００２５】画像領域分割手段３は、画像バッファー１
にある画像データに対し、作業バッファー２と分割領域
マップ６に保存されている分割領域情報をもとにＫ−平
均アルゴリズムで領域の分割を行い、処理終了後、分割
された領域の持っている特徴情報を分割領域マップ６に
書き込む。

【００２６】入力された画像に網点などの種々の画像構
造があり画像分割に適切でない場合に、画像予測手段４
は、入力画像をどのように変更すれば領域分割に適切な
画像になるかを予測する。

【００２７】データ整形手段５は、画像予測手段４によ
り予測された画像に近いものになるように入力画像のデ
ータを整形する。

【００２８】

【実施例】以下、添付図面に示す実施例に基づいて本発
明を詳細に説明する。

【００２９】〔実施例１〕図３は、本発明を適用した画
像領域分割装置の実施例のブロック図である。基本的な
構成は、図１に示される構成と同様である。但し、画像
バッファー１と作業バッファー２が接続されている点、
及び、作業用メモリー７が画像領域分割手段３に接続さ
れている点が異なっている。

【００３０】図３に示す装置の動作を、実際のデータの
流れに従って説明していく。なお、ここでは縦横Ｌｘ，
Ｌｙ画素からなる画像データは、データ整形手段５によ
って好ましい形に整えられているものとする。

【００３１】整形されたデータは、Ｎ×Ｍ（Ｎは横方向
の分割数、Ｍは縦方向の分割数）の小矩形領域ＳＡとそ
の周囲の境界領域ＢＡに分けられる。

【００３２】Ｎ＝３、Ｍ＝５として、１５の小矩形領域
ＳＡに分割した場合を考えることにし、隣り合った小矩
形領域ＳＡの間に境界領域ＢＡを設ける（図２参照）。
一度に処理できるのは、画像バッファー１に含まれる画
像の領域である。図１に示されている画像バッファー１
に含まれる画像の領域（太線枠内の領域）から、初めて
領域分割される領域（点線枠内の領域）を除いた部分
は、既に領域分割されている。一つの小矩形領域ＳＡと
その周囲の境界領域ＢＡを処理する際に初めて領域分割
される領域中に、１６の領域中心を配置することにす
る。このｘ方向の境界領域ＢＡの幅はｗｘ画素、ｙ方向
の境界領域ＢＡの幅はｗｙ画素とする。また、ｗｘ＝小
矩形領域の幅／５、ｗｙ＝小矩形領域の高さ／５とす
る。画像バッファー１は、小矩形領域ＳＡと、上下左右
の境界領域ＢＡの画素を取り込める大きさが必要であ
る。ここではそのため、画像バッファー１の縦横の長さ
は、小矩形領域ＳＡの１．４倍の大きさが必要になる。
処理する小矩形領域ＳＡと境界領域ＢＡの組は、左上か
ら順に右に一つずつずらし、右端まできたら一段下に移
りまた左から順に処理を続けていくものとする。

【００３３】既にいくつかの小矩形領域ＳＡとその周囲
の境界領域ＢＡは領域分割が終わっているものとし、既
に処理の終わっている領域と今扱っている小矩形領域Ｓ
Ａとその周囲の境界領域ＢＡの様子を図４に示す。図４
（ａ）は、分割された領域を示し、同図（ｂ）は、小矩
形領域ＳＡを分割するときに利用する作業バッファー２
に書き込まれる情報を示し、同図（ｃ）は、分割領域マ
ップ６に書き込まれる情報を示している。領域分割に
は、ＲＧＢの３つの色に関する軸にｘ，ｙを加えた５次
元でのＫ−平均アルゴリズムを用いることにする。処理
は以下の手順で行う。

【００３４】〔手続き１−１〕 図４に示すように、初
めて領域分割される領域を４個の矩形領域に分け、それ
ぞれの中心に位置する画素を初期領域中心Ｃ₁₇，Ｃ₁₈，
Ｃ₁₉，Ｃ₂₀とする。それぞれの領域中心のＲＧＢＸＹの
値を作業用バッファー２に記憶させる。

【００３５】〔手続き１−２〕 既に分割されている領
域のうち、該当小矩形領域ＳＡに接する境界領域ＢＡ内
に存在しているものを抽出し、それに対応する画素数
Ｎ、平均色Ｃｒ、Ｃｇ、Ｃｂ、重心（Ｃｘ，Ｃｙ）を分
割領域マップ６から読み出す。本実施例では分割領域６
と１６が該当するので、それぞれＮ₆ 、Ｃｒ₆ 、Ｃ
ｇ₆、Ｃｂ₆ 、（Ｃｘ₆ ，Ｃｙ₆ ）、Ｎ₁₆、Ｃｒ₁₆、Ｃ
ｇ₁₆、Ｃｂ₁₆、（Ｃｘ₁₆，Ｃｙ₁₆）となる。

【００３６】〔手続き１−３〕 画像バッファー１に存
在する分割領域は、境界領域ＢＡにある既に分割されて
いる分割領域を加えて、６、１６、１７、１８、１９、
２０となる。そして、図５に示すように、分割領域６、
１６（同図（ａ）参照）に関しては、境界領域ＢＡに含
まれている画素だけで形成している部分と、それ以外の
画素で形成している部分の二つに分けて考え（同図
（ａ）参照）、境界領域ＢＡに含まれている画素だけで
形成している分割領域ｊ（ｊ＝６、１６）の領域中心を
ＣＯ_j とし、分割領域の情報である画素数ＮＯ_j 、平均
色ＣｒＯ_j 、ＣｇＯ_j 、ＣｂＯ_j 、重心（ＣｘＯ_j ，Ｃ
ｙＯ_j ）を画像バッファー１内の処理領域から計算し、
作業バッファー２に書き込む。それ以外の画素で形成し
ている分割領域（中心はＣＰ_j ）の情報、画素数Ｎ
Ｐ_j 、平均色ＣｒＰ_j 、ＣｇＰ_j 、ＣｂＰ_j 、重心（Ｃ
ｘＰ_j ，ＣｙＰ_j ）の値は、下式 ＮＰ_j ＝Ｎ_j −ＮＯ_j ＣｒＰ_j ＝（Ｃｒ_j ・Ｎ_j −ＣｒＯ_j ・ＮＯ_j ）／（Ｎ_j −ＮＯ_j ） ＣｇＰ_j ＝（Ｃｇ_j ・Ｎ_j −ＣｇＯ_j ・ＮＯ_j ）／（Ｎ_j −ＮＯ_j ） ＣｂＰ_j ＝（Ｃｂ_j ・Ｎ_j −ＣｂＯ_j ・ＮＯ_j ）／（Ｎ_j −ＮＯ_j ） ＣｘＰ_j ＝（Ｃｘ_j ・Ｎ_j −ＣｘＯ_j ・ＮＯ_j ）／（Ｎ_j −ＮＯ_j ） ＣｙＰ_j ＝（Ｃｙ_j ・Ｎ_j −ＣｙＯ_j ・ＮＯ_j ）／（Ｎ_j −ＮＯ_j ） で計算し、この値で分割領域マップ６の対応する値を書
き換える。作業バッファー２の値は、 ＮＯ₆ 、ＣｒＯ₆ 、ＣｇＯ₆ 、ＣｂＯ₆ 、（ＣｘＯ₆ ，ＣｙＯ₆ ） ＮＯ₁₆、ＣｒＯ₁₆、ＣｇＯ₁₆、ＣｂＯ₁₆、（ＣｘＯ₁₆，ＣｙＯ₁₆） Ｎ₁₇、Ｃｒ₁₇、Ｃｇ₁₇、Ｃｂ₁₇、（Ｃｘ₁₇，Ｃｙ₁₇） ・ ・ Ｎ₂₀、Ｃｒ₂₀、Ｃｇ₂₀、Ｃｂ₂₀、（Ｃｘ₂₀，Ｃｙ₂₀） となり、領域分割マップ６の値は、 Ｎ₁ 、Ｃｒ₁ 、Ｃｇ₁ 、Ｃｂ₁ 、（Ｃｘ₁ ，Ｃｙ₁ ） Ｎ₂ 、Ｃｒ₂ 、Ｃｇ₂ 、Ｃｂ₂ 、（Ｃｘ₂ ，Ｃｙ₂ ） ・ ・ Ｎ₅ 、Ｃｒ₅ 、Ｃｇ₅ 、Ｃｂ₅ 、（Ｃｘ₅ ，Ｃｙ₅ ） ＮＰ₆ 、ＣｒＰ₆ 、ＣｇＰ₆ 、ＣｂＰ₆ 、（ＣｘＰ₆ ，ＣｙＰ₆ ） Ｎ₇ 、Ｃｒ₇ 、Ｃｇ₇ 、Ｃｂ₇ 、（Ｃｘ₇ ，Ｃｙ₇ ） ・ ・ Ｎ₁₅、Ｃｒ₁₅、Ｃｇ₁₅、Ｃｂ₁₅、（Ｃｘ₁₅，Ｃｙ₁₅） ＮＰ₁₆、ＣｒＰ₁₆、ＣｇＰ₁₆、ＣｂＰ₁₆、（ＣｘＰ₁₆，ＣｙＰ₁₆） となる。

【００３７】〔手続き１−４〕 画像バッファー１にあ
る画素を、左上から右下まで順に走査していく。左上か
らｎ番目に位置する画素の色と座標をＲｎ、Ｇｎ、Ｂ
ｎ、Ｘｎ、Ｙｎとし、その画素に対し画素と作業バッフ
ァー２にある領域中心ｊとの距離Ｌ_j,n を以下の式にし
たがって計算する。

【００３８】 Ｌ_j,n,i ＝（（Ｃｒ_j,i −Ｒｎ）² ＋（Ｃｇ_j,i −Ｇｎ）² ＋（Ｃｂ_j,i −Ｂｎ）² ）＋ｍ（（Ｃｘ_j,i −Ｘｎ）² ＋（Ｃｙ_j,i −Ｙｎ）² ） ・・・ 式１ 但し、ｉは繰り返し計算した回数であり、初めて計算す
る場合にはｉ＝０である。

【００３９】ｍは任意の係数ここではｍ＝１とする。こ
のｍの値を大きくすれば位置の情報が色の情報より重視
されてた分割になる。

【００４０】境界領域ＢＡにある分割領域６、１６に関
しては、分割領域マップ６から読み出したＣｒＰ₆ 、Ｃ
ｇＰ₆ 、ＣｂＰ₆ 、ＣｘＰ₆ 、ＣｙＰ₆ とＣｒＰ₁₆、Ｃ
ｇＰ₁₆、ＣｂＰ₁₆、ＣｘＰ₁₆、ＣｙＰ₁₆の値と、作業バ
ッファー２の値ＣｒＯ₆ 、ＣｇＯ₆ 、ＣｂＯ₆ 、ＣｘＯ
₆ 、ＣｙＯ₆ と、ＣｒＯ₁₆、ＣｇＯ₁₆、ＣｂＯ₁₆、Ｃｘ
Ｏ₁₆、ＣｙＯ₁₆を用いて、まず以下の値を計算する。

【００４１】 Ｎ_{j ,i}＝ＮＰ_j ＋ＮＯ_j Ｃｒ_{j ,i}＝（ＣｒＰ_j ・ＮＰ_j ＋ＣｒＯ_j ・ＮＯ_j ）／（ＮＰ_j ＋ＮＯ_j ） Ｃｇ_{j ,i}＝（ＣｇＰ_j ・ＮＰ_j ＋ＣｇＯ_j ・ＮＯ_j ）／（ＮＰ_j ＋ＮＯ_j ） Ｃｂ_{j ,i}＝（ＣｂＰ_j ・ＮＰ_j ＋ＣｂＯ_j ・ＮＯ_j ）／（ＮＰ_j ＋ＮＯ_j ） Ｃｘ_{j ,i}＝（ＣｘＰ_j ・ＮＰ_j ＋ＣｘＯ_j ・ＮＯ_j ）／（ＮＰ_j ＋ＮＯ_j ） Ｃｙ_{j ,i}＝（ＣｙＰ_j ・ＮＰ_j ＋ＣｙＯ_j ・ＮＯ_j ）／（ＮＰ_j ＋ＮＯ_j ） 但し、ｊは本実施例では６，１６である。

【００４２】当然ながら、以上の計算を初めて行なった
とき（ｉ＝１）の結果は、書き換える前の分割領域マッ
プ６の値になる。

【００４３】これらの値を使って分割領域Ｃの領域中心
までの距離Ｌ_j,n,i （ただしｊは６，１６）を式１より
計算する。

【００４４】このようにして本実施例では、ｎ番目の画
素に対し、Ｌ_6,n,i ，Ｌ_16,n,i，Ｌ_17,n,i，Ｌ_18,n,i，
Ｌ_19,n,i，Ｌ_20,n,iが計算される。

【００４５】〔手続き１−５〕 計算したＬ_6,n,i ，Ｌ
_16,n,i，Ｌ_17,n,i，Ｌ_18,n,i，Ｌ_{19 ,n,i}，Ｌ_20,n,iの
内、最も小さい値を示した分割領域にその画素は属する
ものと考え、画像バッファー１と同じ範囲を記憶できる
作業用メモリー７上の当該画素に対応する位置、つまり
ｎ番目の画素のある位置に、その分割領域記号を記入す
る。

【００４６】〔手続き１−６〕 順次この作業を続けて
いき、右下の画素までたどりついた時点で、分割領域
６、１６、１７、１８、１９、２０の新たな領域が決ま
るので、それぞれの分割領域ごとに新しい画素数
Ｎ_i+1 、平均色Ｃｒ_i+1 、Ｃｇ_i+1 、Ｃｂ_i+1 、重心
（Ｃｘ_i+1 ，Ｃｙ_i+1 ）を求める。境界領域ＢＡ上にあ
る分割領域６、１６に関しては、変化したのは画像バッ
ファー１上にある部分だけなので、その部分だけで新た
に画素数ＮＯ_i+1 、平均色ＣｒＯ_i+1 、ＣｇＯ_i+1 、Ｃ
ｂＯ_i+1 、重心（ＣｘＯ_i+1 ，ＣｙＯ_i+1 ）を求める。

【００４７】〔手続き１−７〕 分割領域６，３の新し
い画素数と重心と平均色の値を、作業バッファー２に書
き込む。

【００４８】〔手続き１−８〕 ここで計算した新しい
重心（Ｃｘ_i+1 ，Ｃｙ_i+1 ）と平均色Ｃｒ_i+1 、Ｃｇ
_i+1 、Ｃｂ_i+1 を、古い重心（Ｃｘ_i ，Ｃｙ_i ）と平均
色Ｃｒ_i 、Ｃｇ_i 、Ｃｂ_i と比較する。もしすべての値
の新旧の差が一定値ｋ３以下であれば、作業バッファー
２の情報を分割領域マップ６に書き込む。そして、この
小矩形領域ＳＡでの処理を打切り、作業用メモリー７の
情報を図示されていない分割領域表示手段に受け渡す。
次の小矩形領域ＳＡに処理を移し、同様の処理を行う。
本実施例では、ｋ３＝１とし、もし新旧の値の差が一つ
でも大きいものがあれば、作業バッファー２にある古い
値を新しい値に書き換え、つまり、たとえば、領域ｊに
関しては、Ｎ_{j ,i+1}、Ｃｒ_{j ,i+1}、Ｃｇ_{j ,i+1}、Ｃｂ
_{j ,i+1}、Ｃｘ_{j ,i+1}、Ｃｙ_{j ,i+1}の値を、Ｎ_{j ,i}、Ｃｒ
_{j ,i}、Ｃｇ_{j ,i}、Ｃｂ_{j ,i}、Ｃｘ_{j ,i}、Ｃｙ_{j ,i}に代入
し、〔手続き１−４〕からの作業を繰り返す。

【００４９】この作業を画像の全領域に渡って行うこと
で、精度の高い画像の領域分割を実施することができ
る。図６に、当該小矩形領域ＳＡの領域分割結果を示
す。

【００５０】〔実施例２〕実施例１における式１の代わ
りに、以下の式２を用いる。

【００５１】 Ｌ_j,n,i ＝（ｍｒ（Ｃｒ_{j ,i}−Ｒｎ）² ＋ｍｇ（Ｃｇ_{j ,i}−Ｇｎ）² ＋ｍｂ（Ｃｂ_{j ,i}−Ｂｎ）² ）＋ｍ（ｍｘ（Ｃｘ_{j ,i}−Ｘｎ）² ＋ｍｙ（Ｃｙ_{j ,i}−Ｙｎ）² ） ・・・ 式２ ここで、ｍｒ，ｍｇ，ｍｂ，ｍｘ，ｍｙは任意の係数で
ある。

【００５２】ｍは、実施例１と同様に、距離計算の際に
色の情報と位置の情報の重視する割合を決める係数であ
るが、そのほかに、ｍｒ，ｍｇ，ｍｂを調整すること
で、Ｒ，Ｇ，Ｂのどの色の情報を中心に領域分割するか
を処理系に指示することができるようになる。また、ｍ
ｘ，ｍｙを調整することで、偏平な分割領域をつくるこ
とができる。

【００５３】〔実施例３〕実施例２におけるｍｒ，ｍ
ｇ，ｍｂ，ｍｘ，ｍｙをそれぞれ、色と位置すなわちＲ
ＧＢＸＹの関数として与える。たとえば、 ｍｒ＝１ ｍｇ＝１ ｍｂ＝１ ｍｘ＝ｋ｛（ｘ−ｘ_c ）² ＋（ｙ−ｙ_c ）² ｝＋ｍ_c ｍｙ＝ｋ｛（ｘ_f −ｘ_c ）² ＋（ｙ_f −ｙ_c ）² ｝ −ｋ｛（ｘ−ｘ_c ）² ＋（ｙ−ｙ_c ）² ｝ ＋ｍ_c ・・・ 式３ 但し、 （ｘ_c ，ｙ_c ）＝画像中の任意の一点のＸＹ座標 （ｘ_f ，ｙ_f ）＝（ｘ_c ，ｙ_c ）から最も離れた画素 ｍｃ，ｋ＝任意の定数 このような関数にすると、（ｘ_c ，ｙ_c ）の近傍ではｍ
ｘよりｍｙが大きいのでｘ方向に分割領域が広がり、
（ｘ_c ，ｙ_c ）を中心に離れるにしたがってｍｙよりｍ
ｘが大きくなりｙ方向に分割領域が広がる。このように
して分割領域の形にある程度の位置的な規則性を持たせ
装飾的な効果を出すことができるようになる。

【００５４】上述したように、画像の分割処理を行なう
に際して、５次元でのＫ−平均アルゴリズム処理を分割
して行なう本分割Ｋ−平均アルゴリズムを適用すること
により、小容量のメモリを使用して短時間に処理を行な
うことができる。

【００５５】〔実施例４〕次に、本分割Ｋ−平均アルゴ
リズムが適切に機能する条件と、分割領域に不整合が残
っている場合に、不整合を取り除くことのできる画像分
割方法について説明する。

【００５６】図７は、分割処理した画像の不自然さを取
り除くことができる画像領域分割装置の基本的な構成を
示すブロック図である。図７に示す画像領域分割装置
は、図１に示す画像領域分割装置と同様な構成を有して
いるが、図１に示す構成に加えて、一連の処理が終了し
た後で、分割領域マップ６の情報を利用して、画像に残
る不自然さを取り除く再配置処理部８を設けた点が異な
っている。

【００５７】図７に示す例では、大きな画像を、複数の
小矩形領域ＳＡとその周囲の境界領域ＢＡに分け（図２
参照）、それぞれに画像分割処理を実施する際、画像バ
ッファー１内に取り込まれた小矩形領域ＳＡとその周囲
にある境界領域ＢＡ上の既分割領域の画素情報、およ
び、分割領域マップ６に保存されている全ての既分割領
域の情報を利用することで、小矩形領域ＳＡ周辺で起こ
るいろいろな分割上の問題を回避するようにした分割Ｋ
−平均アルゴリズムが最適に機能する条件を示す。更
に、図７に示す例では、分割領域が絵柄とは一致しない
不自然な形をしている場合に、その不自然さを取り除く
ようにしている。

【００５８】先に図１〜図６を参照して説明した分割処
理によって得られる分割結果は、図２に示した各画像の
縦横の長さＬｘ，Ｌｙ、領域中心の数Ｎｉ，境界領域幅
ｗｘ，ｗｙ，分割領域ｊに含まれる画素のうち、分割領
域中心から最も離れた画素までの距離Ｌｊが以下のよう
な条件を満たした時に良好な結果を得ることができる。

【００５９】 条件１ Ｌｎ＜ｗｘ×５ Ｌｎ＜ｗｙ×５ Ｌｎ＝｛（Ｌｘ×Ｌｙ）／（Ｎｉ×π）｝^1/2 かつ 条件２ Ｌ_Max ＜（ｗｘ）×６ Ｌ_Max ＜（ｗｙ）×６ Ｌ_Max ＝Ｍａｘ（Ｌｊ） 以上の条件に基づいて、領域分割を行えなかった場合な
どの理由で、不自然さの残る分割領域が存在している場
合には、さらに再配置処理を行う。

【００６０】再配置処理は、一連の分割処理が一通り終
了した後で、再配置処理部８により行なう。再配置処理
は以下のような手続きで行なう。

【００６１】〔手続き２−１〕 不整合の残る分割領域
を構成する画素を抽出する。

【００６２】〔手続き２−２〕 その画素に対し分割領
域マップに記録されている全ての領域の特徴から特徴空
間上の距離を計算し直す。

【００６３】〔手続き２−３〕 最も距離の短かった領
域中心を持つ分割領域にその画素が所属する分割領域を
変更する。

【００６４】すなわち、不整合の残る分割領域を構成す
る画素すべてに対し、Ｋ−平均アルゴリズムで繰り返し
行う処理を、一度だけ行うことになる。

【００６５】図８は、本発明を適用した画像領域分割装
置の他の実施例のブロック図である。基本的な構成は図
１と同様である。

【００６６】実際のデータの流れに従って、具体的な値
を用いて、もう一度説明していく。まず、ここでは縦横
Ｌｘ，Ｌｙ画素からなる画像データはデータ整形手段に
よって好ましい形に整えられているものとする。

【００６７】整形されたデータは、Ｎ×Ｍ（Ｎは横方向
の分割数、Ｍは縦方向の分割数）の矩形の小領域に分け
られる。ここでは 条件１ Ｌｎ＜ｗｘ×５ Ｌｎ＜ｗｙ×５ Ｌｎ＝｛（Ｌｘ×Ｌｙ）／（Ｎｉ×π）｝^1/2 かつ 条件２ Ｌ_Max ＜（ｗｘ）×６ Ｌ_Max ＜（ｗｙ）×６ Ｌ_Max ＝Ｍａｘ（Ｌｊ） を満たすようにパラメータを決める。

【００６８】Ｎ＝３、Ｍ＝５として、１５の小矩形領域
ＳＡに分割した場合を考えることにし、隣り合った小矩
形領域ＳＡの間に境界領域ＢＡを設ける。一度に処理で
きるのは、画像バッファー１に含まれる画像の領域であ
る。図１に示されている画像バッファー１に含まれる画
像の領域（太線枠内の領域）から、初めて領域分割され
る領域（点線枠内の領域）を除いた部分は、既に領域分
割されている。一つの小矩形領域ＳＡとその周囲の境界
領域ＢＡを処理する際に初めて領域分割される領域中
に、１６の領域中心を配置することにする。このｘ方向
の境界領域ＢＡの幅はｗｘ画素、ｙ方向の境界領域ＢＡ
の幅はｗｙ画素とする。また、ｗｘ＝小矩形領域の幅／
５、ｗｙ＝小矩形領域の高さ／５とし、更に、ｗｘ＝ｗ
ｙとすると、 Ｌｘ＝ｗｘ・（３・５＋２）， Ｌｙ＝ｗｙ・（５・５＋４） になるので、 Ｌｎ＝｛ｗｘ² ・（３・５＋２）・（５・５＋４）／（１６・１５・π）｝^1/2 Ｌｎ＝ｗｘ・｛（３・５＋２）・（５・５＋４）／（１６・１５・π）｝^1/2 Ｌｎ＝ｗｘ・０．８０９ となり、条件１をみたす。

【００６９】条件２に関しては、分割後に計算されるも
のであるが、条件１を満たすだけの分割領域数と式１、
式２において適切なｍの値（ｍ＞１）を選ぶことで満足
することができる。画像バッファー１は、小矩形領域Ｓ
Ａと、その周囲の境界領域ＢＡの画素を取り込める大き
さが必要である。ここではそのため画像バッファー１の
縦横の長さは小矩形領域ＳＡの１．４倍の大きさが必要
になる。処理する小矩形領域ＳＡと境界領域ＢＡの組は
左上から順に右に一つずつずらし、右端まできたら一段
下に移りまた左から順に処理を続けていくものとする。

【００７０】すでにいくつかの小矩形領域ＳＡとその周
囲の境界領域ＢＡは領域分割が終わっているものとし、
すでに処理の終わっている領域と今扱っている小矩形領
域ＳＡとその周囲の境界領域ＢＡの様子を図４に示し
た。

【００７１】領域分割にはＲＧＢの３つの色に関する軸
にｘ，ｙを加えた５次元でのＫ−平均アルゴリズムを用
いることにする。処理は、先に説明した〔手続き１−
１〕〜〔手続き１−８〕の手順で行う。

【００７２】上述の作業を画像の全領域に渡って行なう
ことで、精度の高い画像の領域分割を実施することがで
きる。図５に当該小矩形領域ＳＡの領域分割結果を示し
た。

【００７３】以上の手続きで大きな画像も短時間で領域
分割することができるようになる。

【００７４】しかし、先に示した二つの条件を満たせな
かった場合には、図９に示すような画像に不自然な分割
領域が残ってしまうことになる。図９は、画像が五つの
分割領域Ａ，Ｂ，Ｃ，Ｄ，Ｅに分割されているが、矢印
Ｐで示す部分において、境界領域の境界が分割領域に残
ってしまった例を示している。このような不自然な領域
を解消するための方法について述べる。

【００７５】〔手続き３−１〕 まず不自然な領域をみ
つける。そのために、小矩形領域ＳＡの外形線である直
線で領域境界の一部が構成されていることを目安にする
などの方法を用いる。本実施例では、分割領域Ａと分割
領域Ｂに境界にそのような直線が現れている。

【００７６】〔手続き３−２〕 その領域を構成してい
る画素を一つずつ選び出し、その領域近傍の領域中心ま
たは、全ての領域中心との距離を求める。本実施例で
は、分割領域ＡとＢが不自然な領域にあたる。分割領域
Ｂに含まれている画素に注目し、その画素が属している
分割領域Ｂを含めて、周囲の分割領域の領域中心（つま
り分割領域Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆの領域中心）との距
離を式１で計算して領域中心との距離を求める。

【００７７】〔手続き３−３〕 最も距離の短い領域に
その画素を分割し直す。この処理により、図中の注目画
素については領域中心Ａの方がＢより距離が短ければ分
割領域Ａに分割し直される。

【００７８】〔手続き３−４〕 この作業を全ての不自
然な領域を構成している画素に対して行なうことで、図
１０に示すように、不自然な領域を解消することができ
る。

【００７９】〔実施例５〕上記例においては、再配置処
理をする際に不自然な外形線で囲まれている領域を抽出
した後で、その領域に含まれている画素に対してのみ再
配置処理を行ったが、この処理を行わず画像のすべての
画素に対し再配置処理を行なうことできる。この場合、
処理時間は長くなるが、一層元の画像の絵柄に忠実な領
域分割処理が行えるようになる。

【００８０】また、上記例においては、図３に示したよ
うに、境界領域ＢＡの幅はｗｘ、ｙ方向の境界領域ＢＡ
の幅はｗｙをｗｘ＝小矩形領域ＳＡの幅／５、ｗｙ＝小
矩形領域ＳＡの高さ／５としたが、前述した条件１をあ
えて満足しない条件ｗｘ＝０，ｗｙ＝０で分割処理を行
なうこともできる。このようにすると、処理時間は早く
なるものの、分割結果は分割領域に小矩形領域ＳＡの外
形線が残るため格子模様が現れてしまう。しかし、この
ような画像にも再配置処理を施すことで、格子模様は完
全に消え、見た目には不自然さはかなり解消される。

【００８１】〔実施例６〕次に、上述のようにして領域
分割された画像を領域統合する処理について説明する。

【００８２】先に説明したように、最近ではいろいろな
画像処理で利用される共通性の高い画像特徴を抽出し、
整理する際に、画像の領域ごとにまとめて次の画像処理
で利用しやすくすることが試みられているが、その際に
も適切な画像の領域分割が必要とされている。適切な領
域分割の一つの条件としては、領域分割数が分割画像の
利用目的にあっており、過不足ないことが挙げられる。

【００８３】領域分割の手法によっては初めから利用目
的に合わせた適切な分割ができず過分割になってしまう
ことがある。また、一般に初めから適切な分割数で分割
できることは少ない。

【００８４】そのため領域分割のあとで行なう領域統合
処理により、分割数を調節することはたいへん重要であ
る。

【００８５】領域分割と統合は、以上述べたように、利
用目的によって変わる難しい技術であり、最適な方法が
見つかっていない。統合する際に利用する情報は、それ
ぞれの分割領域の代表的な色などの情報とその分割領域
の位置の情報、また隣り合った分割領域の隣接する画素
の値を比較するなどの方法が考えられる。多くの方法に
おいては、領域統合に分割される前の入力画像データが
必要になる。しかし、入力画像データの画素を一つ一つ
処理するのでは処理時間が長く、また、処理が複雑にな
ってしまう。また、画像のところどころに見えるグラデ
ーションのかかった背景などは隣接する領域だけを統合
しても、色の近い領域を統合してもうまく統合されなか
った。

【００８６】そこで、以下に、少ない作業用のメモリー
を用い短時間で大きな画像の統合処理を実現でき、ま
た、必ずしも隣り合っていなくてもお互いが近くにあ
り、領域の特性が近いものが鎖がつながるように統合さ
れ最終的に一つになるような画像統合方法について説明
する。

【００８７】すなわち、この画像統合方法は、一度分割
された結果に対し、領域統合マップとすべての分割領域
の代表色と重心を用いることで、分割画像の利用目的に
合うように領域統合するための方法である。

【００８８】この領域統合するための方法を具現化する
装置を図１１に示す。領域情報抽出部３は、領域分割画
像２１と領域分割される前のオリジナル画像２２から、
分割領域ごとに少なくともその分割領域の代表色、重
心、更に望ましくは、分割領域のテクスチャー情報など
を計算して、分割領域マップ２７に書き込む。

【００８９】領域統合マップ作成手段２４では、分割領
域ごとにその領域中心と他の分割領域の領域中心との距
離を求め、距離の短い順に上位Ｎ個をリストアップし、
領域統合マップに書き込む（図１２（ａ）参照）という
作業をすべての分割領域に対して行う。そしてリストア
ップされたＮ個の分割領域に対し、領域統合マップ更新
手段５で距離計算の基準になった分割領域との色やテク
スチャーの類似度を計算し、類似度が基準値Ｋより大き
ければ、その分割領域は統合することにし領域統合マッ
プ２８に残すが、類似度が基準値Ｋより小さければ分割
領域は統合しないので領域統合マップ２８から削除する
（図１２（ｂ）参照）。

【００９０】この作業が終わった時点で、領域統合マッ
プ２８には、いくつもの重複した情報が存在しているの
で、それを整理する（図１２（ｃ）参照）。

【００９１】最後に、整理された領域統合マップ２８を
用いて領域分割画像２１の分割領域を統合し領域統合画
像２９を出力する。

【００９２】図１３は、本発明を適用した画像分割処理
装置の実施例のブロック図である。基本的な構成は、図
１１と同様であるが、画像領域分割手段３０に、色の要
素例えばＲＧＢに画素のｘｙ座標を加えた５次元でＫ平
均アルゴリズムを採用することにする。これにより、領
域分割が終了した時点で、すでに分割領域の代表色と重
心が記録されている分割領域マップ２７が作られている
ことになる。よって、領域統合処理は、分割領域マップ
２７の情報と領域分割画像２１のみを利用することで処
理できるようになる。

【００９３】図１４には、領域分割後の結果の一部分を
示した。そして、図１５に分割領域マップ２７を示し
た。この分割領域マップ２７には、分割領域処理で使わ
れた分割領域に含まれる画素数、分割領域の代表色、重
心の値が記録されている。まず、領域統合マップ作成手
段２４で分割領域マップ２７から分割領域１の重心の値
を取り出し、その値と他の分割領域とのユークリッド距
離を求め、距離の小さい順に上位８個をリストアップす
る。この作業をすべての分割領域に対して行なう（図１
６（ａ）参照）。次に、分割領域１の代表色と領域統合
マップにリストアップされた分割領域ｊとの色差Ｈ_1jを
下式で求める。

【００９４】 Ｈ_1j＝（Ｃｒ₁ −Ｃｒ_j ）² ＋（Ｃｇ₁ −Ｃｇ_j ）² ＋（Ｃｂ₁ −Ｃｂ_j ）² このＨ_1jが予め決められた値Ｋより小さい場合は、分割
領域ｊを領域統合マップ２８に残し、Ｋより大きい場合
は分割領域ｊを領域統合マップ２８から消す。この作業
をすべての分割領域に対して行なう（図（１６ｂ）参
照）。次に、領域統合マップ更新手段２５によって、重
複したデータを削除すると、図１６（ｃ）に示すように
なる。この更新された領域統合マップをもとに、図１４
の領域分割画像の一部を統合したのが図１７である。

【００９５】上述した領域統合処理によれば、多くの情
報を必要とせずに好ましい領域統合処理が行える。ま
た、統合する際に必ずしも隣り合っていなくてもお互い
が近くにあり、領域の特性が近いものであれば統合され
るので、画像のところどころに見えるグラデーションの
かかった背景などは、お互いが近くにある背景の領域が
鎖がつながるように統合され最終的に一つになるように
統合される。

【００９６】なお、この領域統合処理は、上述した画像
領域分割方法以外の方法で分割された画像に対しても適
用することができる。

【００９７】〔実施例７〕先に説明した画像領域分割方
法においては、領域の分割数は、操作者が画像の内容等
から判断して指定している。しかし、分割数がいくら多
くても、分割時には５次元で計算しているため同じ領域
の画素に含まれている画素の画素の色差が必ずしも小さ
くならず、つまり、必要な所に必ず分割領域が現れると
は限らず、局所的に分割領域が不足するという問題が生
じるおそれがある。また、領域を分割する際に、色彩情
報に重点を置いて処理を進めると物体同士は区別しやす
くなるが個々の物体が持つ特徴は無視されがちになり、
一方、明度情報に重点を置いて処理を進めると物体が持
つ特徴は良好に抽出されるが物体同士の区別が困難にな
る。完全に計算が終了してから領域を新たに増やして計
算し直せば、このような不都合はなくなるが、この場合
には長い計算時間が必要になってしまうという新たな不
都合が生じる。

【００９８】そこで、以下に示す実施例においては、予
め入力された分割数に従ってフルカラーの画像データを
領域分割し、分割された画像の領域数が不足していると
判断された場合は、その場所にその場所を代表する新た
な領域を増やし領域分割処理を続行するようにする。

【００９９】また、処理の際の表色系として、明度情報
と色彩情報に分かれている表色系、たとえば、ｘｙｚ空
間やＬ^* ａ^* ｂ^* 空間を用い、領域分割の際には明度情
報を重視して分割し、領域数の不足を判断する際には色
彩情報を重視して判断するようにする。

【０１００】以下、実施例７の動作原理について説明す
る。

【０１０１】図１８に示すように、入力画像が供給され
る画像バッファー３１は、Ｌ^* ａ^*ｂ^* のように明度情
報と色彩情報に分けられた色空間で記述されたフルカラ
ー画像を保持している。分割数入力手段３２は、操作者
から指示される初期分割数または予め用意しておいた初
期分割数を領域分割手段３３に渡す。領域分割手段３３
は、その初期分割数をもとに画像バッファー３１に保持
されているフルカラー画像を分割する。分割した結果
は、領域分割領域バッファー３４に分割領域ごとに蓄え
られる。判断手段３５は、画像バッファー３１のフルカ
ラー画像と分割領域バッファー３４に保存されている分
割領域の情報を比較することで分割領域が不足していな
いかどうかを調べ、もし不足していれば領域付加手段３
６に領域を付加することを命じる。領域付加手段３６に
より付加された分割領域が周りの分割領域と不整合がな
くなるように、領域分割手段３３で領域分割処理を行な
う。処理後、分割結果を領域分割領域バッファー３４に
書き込み、判断手段３５で分割領域の不足をチェックす
る。不足がなければ処理を終了する。不足があればまた
以上の処理を繰り返す。

【０１０２】図１８に示すブロックの動作の詳細につい
て説明する。

【０１０３】本実施例では、フルカラー画像としてＬ^*
ａ^* ｂ^* 空間で記述したものを用い、領域分割手段３３
では、領域分割手順としてＬ^* ａ^* ｂ^* にＸＹを加えた
５次元でのＫ−平均アルゴリズムを用いることにする。

【０１０４】以下、実際のデータの流れに従って説明し
ていく。まず、ここでは処理の対象となる画像が、縦Ｌ
ｘ画素、横Ｌｙ画素からなる画像データとして画像バッ
ファー３１に取り込まれているものとする。

【０１０５】画像バッファー３１から画像データを読み
出し、分割数入力手段２から与えられた分割数ｋに従っ
てｋ個の領域に分割し、各分割領域を任意の場所に配置
する。図１９（ａ）は、分割画像の一例を示しており、
曲線或いは直線で囲まれた一つの閉領域が一つの分割領
域を示している。それぞれの分割領域に対し、領域の重
心（Ｘ，Ｙ）と代表色（Ｌ，Ａ，Ｂ）を求め、それらを
領域中心と呼ぶことにする。図１９（ａ）において、領
域中心は符号×で示されている。

【０１０６】次に、画像の全画素を一つずつ順に注目し
ていく。（ｘ，ｙ）の位置にありＬ^* ，ａ^* ，ｂ^* の値
として（ｌ，ａ，ｂ）を持つ注目画素から、全ての領域
中心までの５次元ユークリッド距離を求め、最も距離の
短かった領域中心を持つ分割領域にその画素を含める。

【０１０７】５次元ユークリッド距離を求めるために以
下の式を用いる。

【０１０８】 Ｌ_i+1,n,j ＝ａ₁ （Ｘ_i,j −Ｘ_n ）² ＋ａ₂ （Ｙ_i,j −Ｙ_n ）² ＋ａ₃ （Ｌ_i,j −ｌ_n ）² ＋ａ₄ （Ａ_i,j −ａ_n ）² ＋ａ₅ （Ｂ_i,j −ｂ_n ）² ・・・ 式４ ここで、ａ₁ ，ａ₂ ，ａ₃ ，ａ₄ ，ａ₅ をａ₁ ＝ａ₂ ＝
Ｋｔ，ａ₃ ＞＝ａ₄ ，ａ₃ ＞＝ａ₅ とする。なお、ｉは
繰り返した処理の回数である。本実施例では、ａ₃ ＝
１．５，ａ₄ ＝１，ａ₅ ＝１とした。また、画像の大き
さに関係なく、Ｌ^* ，ａ^* ，ｂ^* の値は０から２５５の
値を取るが、Ｘ，Ｙの値は計算する全画像の大きさによ
り値域が変化する。そのため、同じ係数ａ₁ ，ａ₂ ，ａ
₃ ，ａ₄ ，ａ₅ を用いて計算しても、画像の大きさによ
って位置と色の情報のどちらを重視するかが変わってし
まう。その結果、分割画像も異なる。

【０１０９】この問題を解消するため、係数Ｋｃを３×
２５６² を画像の対角線の長さの自乗で割った値と定義
し、画像の大きさの影響をなくした。係数３×２５６²
は経験的に決めた。位置と色の情報の重視する割合をｍ
で表すことにし，ＫｔをＫｔ＝ｍ×Ｋｃと表現した。こ
こではｍ＝１とした。

【０１１０】上記の最も距離の短かった領域中心を持つ
分割領域にその画素を含めるという操作を全ての画素に
対して行なったあと、それぞれの分割領域毎に領域の重
心と代表色を求め、それを新たな領域中心とする。

【０１１１】次に、また元の注目画素に戻り，注目画素
と新たな領域中心全てとの５次元ユークリッド距離を求
めるという一連の処理を繰り返し、新たな領域中心と一
世代前の領域中心との差Ｄ_i+1,j を式５で計算し、その
値が一定の収束判定値（ここでは５０とする）に収束し
たところで処理を打ち切る。その時点の領域中心の値を
分割領域バッファー３４に書き込む。

【０１１２】 Ｄ_i+1,j ＝ａ₁ （Ｘ_i+1,j −Ｘ_i,j ）² ＋ａ₂ （Ｙ_i+1,j −Ｙ_i,j ）² ＋ａ₃ （Ｌ_i+1,j −Ｌ_i,j ）² ＋ａ₄ （Ａ_i+1,j −Ａ_i,j ）² ＋ａ₅ （Ｂ_i+1,j −Ｂ_i,j ）² ・・・ 式５ 次に、判断手段３５により画像バッファー３１の画素ｎ
の色情報，（Ｌ^* ，ａ^* ，ｂ^* ）＝（ｌ_n ，ａ_n ，
ｂ_n ）と、分割領域バッファー３４に記録されているそ
の画素が属している分割領域ｊの代表色（Ｌ^* ，ａ^* ，
ｂ^* ）＝ Ｌ_j ，Ａ_j ，Ｂ_j との差を式６で計算する。
分割処理は５次元で行なったため、同一領域内の色差は
充分小さくなっていないと考えられるので、色差の大き
い画素を検査するために、ここでは色情報のみを用い
る。

【０１１３】 Ｓ_n,j ＝ｄ₁ （Ｌ_j −ｌ_n ）² ＋ｄ₂ （Ａ_j −ａ_n ）² ＋ｄ₃ （Ｂ_j −ｂ_n ）² ・・・ 式６ ｄ₁ ，ｄ₂ ，ｄ₃ は、ｄ₁ ＜＝ｄ₂ ，ｄ₁ ＜＝ｄ₃ の関
係式を満たすように選ぶ。本実施例ではｄ₁ ＝１，ｄ₂
＝１．５，ｄ₃ ＝１．５とした。

【０１１４】全ての画素の中で一番大きなＳ_njを持つ画
素Ｐ（図１９（ａ）参照）を選び、その値を予め決めて
おいた最大許容色差Ｓｍａｘと判断手段３５により比較
する。一番大きなＳ_njがＳ_nj＜Ｓｍａｘであれば、収束
判定値を最終値の１にして繰り返しの計算を続け、最終
収束値１より小さくなった時点で処理を終了する。そう
でなければ、その画素を領域付加手段３６により新たな
領域中心として分割領域バッフアー３４に付加し、再
度、処理を繰り返す。このとき、収束判定値は、式５で
計算した（Ｄ_i+1,j の最大値）×０．８とする。但し、
（Ｄ_i+1,j の最大値）×０．８＜１．１となる場合は、
収束判定値を１．１とする。図１９（ｂ）は、画素Ｐを
新たな領域中心として付け加えて分割処理した結果を示
す説明図である。図において、斜線を付した領域が新た
に付け加えられた領域を示す。

【０１１５】このような処理を行なうことにより、分割
領域が適切な位置に存在していない場合には、その位置
に新たな分割領域を配置し、しかも個々の物体が持つ特
徴も抽出でき物体同士の区別も良好な領域分割結果を得
ることができ、しかも、単純に領域を増して処理をやり
直すより格段に処理時間が短くなる。

【０１１６】〔実施例８〕上記実施例７においては、領
域分割手段３３としてｋ−平均アルゴリズムを利用した
が、大きな画像を領域分割するにはｋ−平均アルゴリズ
ムは時間がかかりすぎるため適当ではない。そこで実施
例８では、領域分割手段３３として、分割ｋ−平均アル
ゴリズムを利用する。

【０１１７】分割ｋ−平均アルゴリズムでは、少ないメ
モリーと短い処理時間で大きな画像を分割できるのが特
徴であるが、画像セット毎に適切な領域数を与えられる
という特徴もある。実施例８では、分割ｋ−平均アルゴ
リズムを用いて、画像セット毎に不足した領域を増すこ
とで、よりきめ細かく必要な場所に必要な領域を配置す
ることが可能となる。

【０１１８】〔実施例９〕本実施例においては、分割ｋ
−平均アルゴリズムを使用して領域分割を行い、更に、
既に分割処理を１度終えている境界領域上の画像をもう
１度分割するに際し、小領域からの距離情報を利用して
領域分割を行なうことにより、分割領域の形状が複雑に
なるのを防止している。

【０１１９】実施例９では、実施例２で用いた式２の代
わりに位置ポテンシャルｐｏｔ（Ｘｎ，Ｙｎ）を導入し
た以下の式７を用いる。位置ポテンシャルｐｏｔ（Ｘ
ｎ，Ｙｎ）の意味については後述する。

【０１２０】 Ｌ_j,n,i ＝（ｍｒ（Ｃｒ_j,i −Ｒ_n ）² ＋ｍｇ（Ｃｇ_j,i −Ｇｎ）² ＋ｍｂ（Ｃｂ_j,i −Ｂｎ）² ＋ｍ（ｍｘ（Ｃｘ_j,i −Ｘｎ）² ＋ｍｙ（Ｃｙ_j,i ）−Ｙｎ）² ）＋ｍｐ・ｐｏｔ（Ｘ_n ，Ｙ_n ） ・・・ 式７ ｍｒ，ｍｇ，ｍｂ，ｍ，ｍｘ，ｍｙは、実施例２で用い
た定数である。また、ｍｐは、新たな任意の定数であ
り、この例では、ｍｐ＝１００とする。

【０１２１】図２０は、位置ポテンシャルｐｏｔ（Ｘ
ｎ，Ｙｎ）の意味を説明するための図である。位置ポテ
ンシャルｐｏｔ（Ｘｎ，Ｙｎ）の値は、画素の位置（Ｘ
ｎ，Ｙｎ）に応じて以下のように定義されている。

【０１２２】（Ｘｎ，Ｙｎ）が境界領域ａ，ｂ，ｃに含
まれていない場合： ｐｏｔ（Ｘｎ，Ｙｎ）＝０ （Ｘｎ，Ｙｎ）が境界領域ａに含まれている場合： ｐｏｔ（Ｘｎ，Ｙｎ）＝Ｍａｘ（（Ｘｎ−Ｘｂ）² ／（Ｘｂ−Ｘａ）² ， （Ｙｎ−Ｙｂ）² ／（Ｙｂ−Ｙａ）² ） （Ｘｎ，Ｙｎ）が境界領域ｂに含まれている場合： ｐｏｔ（Ｘｎ，Ｙｎ）＝（Ｙｎ−Ｙｂ）² ／（Ｙｂ−Ｙａ）² （Ｘｎ，Ｙｎ）が境界領域ｃに含まれている場合： ｐｏｔ（Ｘｎ，Ｙｎ）＝（Ｘｎ−Ｘｂ）² ／（Ｘｂ−Ｘａ）² ただし、Ｍａｘ（ａ，ｂ）は、ａ，ｂのうち大きい方を
とる関数である。

【０１２３】上記の例では２次関数でｐｏｔ（ ）関数
を表したが、単調増加関数であれば他の関数も利用でき
る。

【０１２４】〔実施例１０〕実施例２で用いた式２の代
わりに、隣接画素ポテンシャルｐｏｔ２を導入した以下
の式７を用いる。

【０１２５】 Ｌ_j,n,i ＝（ｍｒ（Ｃｒ_j,i −Ｒｎ）² ＋ｍｇ（Ｃｇ_j,i −Ｇｎ）² ＋ｍｂ（Ｃｂ_j,i −Ｂｎ）² ＋ｍ（ｍｘ（Ｃｘ_j,i −Ｘｎ）² ＋ｍｙ（Ｃｙ_j,i ）−Ｙｎ）² ） ＋ｍｐ・［Σｍ｛ｐｏｔ２（Ｘｎ，Ｘｍ，Ｙｎ，Ｙｍ）｝］² ・・・式７ Σｍ｛Ａｍ｝は、画素ｎに接する画素ｍについて式Ａｍ
を計算し、その和を求めたものである。ここで画素ｎに
接する画素ｍとは、例えば図２１の画素１，画素２，画
素３，画素４と定義することができる。

【０１２６】ｐｏｔ２（Ｘｎ，Ｘｍ，Ｙｎ，Ｙｍ）関数
は、以下のように定義されている。

【０１２７】画素ｍが画素ｎに接していない場合： ｐｏｔ２（Ｘｎ，Ｘｍ，Ｙｎ，Ｙｍ）＝０ 画素ｍが画素ｎに接しており、画素ｍが画素ｎと異なる
分割領域に属している場合： ｐｏｔ２（Ｘｎ，Ｘｍ，Ｙｎ，Ｙｍ）＝１ 画素ｍが画素ｎに接しており、画素ｍが画素ｎと同じ分
割領域に属している場合： ｐｏｔ２（Ｘｎ，Ｘｍ，Ｙｎ，Ｙｍ）＝０ このようにポテンシャルが決められていることで、分割
領域同志が相互に入り組み、領域が複雑になるのを防ぐ
ことができる。

【０１２８】

【発明の効果】少ないメモリーと少ない作業時間で画像
の絵柄に合った適切な分割領域を行なうことができる。
また、不満足な分割結果に対しても、再配置処理を実施
することで、高い改善効果が認められる。

【０１２９】また、分割領域が適切な位置に存在してい
ない場合には、その位置に新たな分割領域を配置し、し
かも個々の物体がもつ特徴も抽出でき、物体同士の区別
も良好な領域分割結果を得ることができ、高い改善効果
が認められる。

【０１３０】また、境界領域上の画像をもう１度分割す
るに際し、小領域からの距離情報を利用して領域分割を
行なうことにより、分割領域の形状が複雑になるのを防
止することができる。

【図面の簡単な説明】

【図１】 本発明の画像領域分割方法を実現するための
基本的な構成を示すブロック図である。

【図２】 領域分割の基本単位となるとなる小矩形領域
と作業バッファーに書き込まれている情報と画像バッフ
ァーに取り込まれる領域の関係を示した図である。

【図３】 本発明を適用した画像領域分割装置の実施例
のブロック図である。

【図４】 初期状態において、画像バッファーが保持し
ている画像領域と分割領域中心を示した図である。

【図５】 境界領域に存在している既に分割されている
分割領域を境界領域に含まれている画素だけで形成して
いる部分と、それ以外の画素で形成している部分の二つ
に分ける様子を説明した図である。

【図６】 画像バッファーが保持している画像領域が分
割された様子を示した図である。

【図７】 本発明が適用される領域分割装置の他の基本
構成を示すブロック図である。

【図８】 本発明を適用した画像領域分割装置の他の実
施例のブロック図である。

【図９】 領域分割の結果、不自然な分割領域が生じた
場合の分割領域を示した図である。

【図１０】 再配置処理した結果、不自然な分割領域が
解消した様子を示した図である。

【図１１】 領域統合装置の基本構成を示すブロック図
である。

【図１２】 領域統合マップが更新されていく様子を示
した図である。

【図１３】 領域統合装置の実施例を示すブロック図で
ある。

【図１４】 領域分割された画像を示した図である。

【図１５】 領域分割された画像に含まれている分割領
域の情報を記録した分割領域マップを示した図である。

【図１６】 領域統合マップが更新されていく様子を示
した図である。

【図１７】 領域統合した結果を示した図である。

【図１８】 領域分割の基本となるブロック図である。

【図１９】 実施例７において新たな領域が付け加えら
れる様子を示した図である。

【図２０】 位置ポテンシャルの意味を説明するための
図である。

【図２１】 隣接画素ポテンシャルの意味を説明するた
めの図である。

【符号の説明】

１…画像バッファー、２…作業バッファー、３…画像領
域分割手段、４…画像予測手段、５…データ整形手段、
６…分割領域マップ、７…作業用メモリー、８…再処理
配置部、２１…領域分割画像、２２…オリジナル画像、
２３…画像領域分割手段、２４…領域統合マップ作成手
段、２５…領域統合マップ更新手段、２６…領域統合手
段、２７…分割領域マップ、２８…領域統合マップ

Claims (12)

【特許請求の範囲】
1. 【請求項１】 量子化された多階調画像データをその絵
   柄に応じた領域に分割する領域分割に際し、多階調画像
   データを複数の小領域と境界領域に分割し、小領域とそ
   の周囲の境界領域を１セットとし、このセットごとに領
   域分割を実施するとき、小領域は一度の分割処理を受
   け、境界領域は２度以上の処理を受けるようにしてある
   ことを特徴とする画像領域分割方法。
2. 【請求項２】 請求項１記載の画像領域分割方法におい
   て、既に分割された分割領域のうち現在処理中の小領域
   の周囲にある境界領域内に存在する分割領域の情報を利
   用しながら分割処理することを特徴とする画像領域分割
   方法。
3. 【請求項３】 請求項２記載の画像領域分割方法におい
   て、既に分割された分割領域の情報として少なくとも、
   色の３要素と座標ｘ，ｙそれぞれの平均値と分割された
   分割領域に含まれる画素数を記憶していることを特徴と
   する画像領域分割方法。
4. 【請求項４】 請求項１記載の画像領域分割方法におい
   て、量子化された多階調画像データは色の３要素で表現
   されており、分割処理の手法として画像の３要素に画像
   上のｘ，ｙで表す２次元を加えた空間でＫ−平均アルゴ
   リズムを用いることを特徴とする画像領域分割方法。
5. 【請求項５】 請求項４記載の画像領域分割方法におい
   て、Ｋ平均アルゴリズムで用いる空間の距離Ｌを計算す
   る際に、画像上の２次元（ｘ，ｙ）の寄与率と色の３要
   素の寄与率の比を変えることのできる係数を用いること
   を特徴とする画像領域分割方法。
6. 【請求項６】 請求項１記載の画像領域分割方法におい
   て、多階調画像データの絵柄に応じた適切な領域分割が
   行える条件として、画像の縦横の長さＬｘ，Ｌｙ、領域
   中心の数Ｎｉ，ｘ方向の境界領域幅ｗｘ，ｙ方向の境界
   領域幅ｗｙ，分割領域ｊに含まれる画素のうち分割領域
   中心から最も離れた画素までの距離Ｌｊが以下の条件
   １，２を満たすように設定された画像領域分割方法。 条件１ Ｌｎ＜ｗｘ×５ Ｌｎ＜ｗｙ×５ Ｌｎ＝｛（Ｌｘ×Ｌｙ）／（Ｎｉ×π）｝^1/2 かつ 条件２ Ｌ_Max ＜（ｗｘ）×６ Ｌ_Max ＜（ｗｙ）×６ Ｌ_Max ＝Ｍａｘ（Ｌｊ）
7. 【請求項７】 請求項６記載の画像領域分割方法におい
   て、分割領域に不自然な外形線が生じた場合、少なくと
   もそのような不自然な分割領域に含まれる画素に対して
   は最近接領域中心を計算し直し、その画素を最近接領域
   中心を含む分割領域に再配置することで、不自然さを軽
   減する処理を施すことを特徴とする画像領域分割方法。
8. 【請求項８】 多階調画像データをその絵柄に応じた領
   域に分割する領域分割に際し、分割すべき数を入力し、
   入力された分割数に従って画像データを領域分割し、分
   割された画像の領域数が不足していないかを判断し、領
   域数が不足していた場合には色差の大きい画素を新たな
   領域中心として領域を増やし領域分割処理を続行するこ
   とを特徴とする画像領域分割方法。
9. 【請求項９】 請求項１記載の画像領域分割方法におい
   て、すでに分割処理が１度終わっている境界領域上の画
   像に関し、すでに分割が確定している小領域からの距離
   が短い画素ほど他の分割領域へ変更されにくくなるよう
   に領域判定をすることを特徴とする画像領域分割方法。
10. 【請求項１０】 請求項１記載の画像領域分割方法にお
    いて、注目画素に接している異なった分割領域に属す画
    素の数が少なくなるように領域判定をすることを特徴と
    する画像領域分割方法。
11. 【請求項１１】 多階調画像データをその絵柄に応じた
    領域に分割する領域分割に際し、領域分割手法として、
    Ｋ−平均アルゴリズム等の繰り返し計算によって収束さ
    せる手法を用いる場合は、完全に収束させる前に色差の
    大きな画素の有無を調べ、色差が大きい場合には、その
    場所にその場所を代表する領域を新たに増やし、更に繰
    り返し計算を続け、また、或る程度収束した時点で色差
    の大きな画素の有無を調べるという処理を繰り返すこと
    を特徴とする画像領域分割方法。
12. 【請求項１２】 絵柄に応じた領域に分割された多階調
    画像データの分割された領域を統合するための画像領域
    統合方法であって、領域分割画像と領域分割される前の
    オリジナル画像から、分割領域ごとにその分割領域の特
    徴情報を計算し、分割領域ごとにその領域中心と他の分
    割領域の領域中心との距離を求め、距離の短い順に上位
    所定個を選択して記憶する作業をすべての分割領域に対
    して行い、前記選択された所定個数の分割領域に対し前
    記距離計算の基準になった分割領域との特徴情報の類似
    度を計算し、類似度が基準値より大きい分割領域同士を
    統合することを特徴とする画像領域統合方法。