JPH09134435A - 機械部品の画像における評価可能区域の自動検出方法 - Google Patents

Abstract

(57)【要約】 【課題】 機械的部品の画像の中のさまざまな区域を完
全に自動的に検出する方法を提供する。 【解決手段】 少なくとも一つの基準画像の区域が手作
業分割を用いて検出される第一段階（１）と、区域のマ
ーキングのパラメータが定義されて固定される第二段階
（２）と、第二段階中に定義され固定された区域のマー
キングのパラメータが、新しい画像の区域をマークする
ために使用される完全に自動的な第三段階（３）とを含
んでおり、第二段階で定義されたマーキングパラメータ
は単純化変換及び区域の分離の最良品質を得ることがで
きる基準画像のしきい間隔である。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、機械的部品の画像
における評価可能区域の自動検出方法に関する。本発明
は、とりわけＸ線による機械的部品の検査に応用され
る。

【０００２】一つの部品のＸ線検査は、一般に部品のさ
まざまな区域を調べることができる複数の角度によって
行われる。それぞれの角度について得られた画像は、多
くの場合、複数の区域を示す。いくつかの区域が非常に
明るい、あるいは非常に暗いグレイレベルで満たされて
いるとき、または欠陥の検出を可能にするのにコントラ
ストが十分でないとき、あるいは部品を表しているので
はないときには評価不可能といわれる。他の区域は、評
価可能といわれ、万一の欠陥を捜すために使用される。

【０００３】

【発明が解決しようとする課題】機械的部品の画像にお
いて評価可能な区域を決定する従来の方法は、一般に、
画像のさまざまな区域のマーキングを行い、さらに分水
界（ligne de partage des eaux）、略してＬＰＥとい
う名で知られている方法を利用することで区域の正確な
輪郭を決定することである。これらの方法の問題点は、
完全に自動的ではなく、画像の区域のマーキングを行う
ためにオペレータが必要となることである。マーカ（ma
rqueurs）の決定は、緻密な操作であり、画像分析に精
通したオペレータによって行われなければならない。手
動方法は、機械的部品の連続検査に適応されたり、さら
に同じ処理操作が、同一シーンを示し、かつさまざまな
場所に局在し、及び／または様々な形状を有することが
ある、対象物を含む一連の画像に適用されるといった良
くあるケースにおいては、特に時間がかかり手間がかか
る操作である。さらに、区域のマーキングを行うための
体系的な方法が存在しないために、画像の解釈を誤って
しまったり、部品の検査の信頼度が疑わしいものとなる
恐れがある。

【０００４】本発明の第一の目的は、機械的部品の画像
の中のさまざまな区域を完全に自動的に検出することが
可能な方法を実施することにある。本発明の別の目的
は、画像のそれぞれの区域に関連し、最適化された寸法
を有するマーカの組を自動的に決定することができる方
法を実施することにある。

【０００５】

【課題を解決するための手段】このため、本発明は、手
作業の分割段階とよばれる第一段階においては、分割す
る画像の代表的な一つまたは複数の基準画像を使用する
ことによって、分割する画像の記述を行うことからな
る。この第一段階中に、基準画像における区域の検出
が、オペレータによる手作業の分割によって行われる。

【０００６】マーキングパラメータの決定及び最適化と
呼ばれる第二段階においては、本発明は、二つまたは複
数の区域間のコントラストまたは違いを際立たせること
ができる基準画像の単純化変換を定義し、第一段階にお
いて検出された区域のマーカを得ることができるような
画像のしきい間隔（intervalles de seuillage）を決定
し、固定することからなる。各マーカは、画像の単一の
区域のサブアセンブリであり、画像の分割過程をより速
く行い、ノイズに対してより安定性をもたせるように最
適化された寸法を有する。

【０００７】さらに、第三段階においては、本発明は、
第二段階において定義された単純化変換をこれらの画像
に適用し、第二段階中に固定されたパラメータを使用す
ることによって新しい画像区域を自動的にマークするこ
とからなる。次に、分水界の名で知られている方法を使
用して区域の正確な輪郭を決定する。

【０００８】本発明によれば、機械的部品の一つの画像
において評価可能な区域の自動的検出方法は、画像のマ
ーキングを行い、分水界と呼ばれる方法を使用すること
によって区域の正確な輪郭を決定することからなり、区
域のマーキングを行うために以下のような段階を有する
ことを特徴とする。

【０００９】−第一段階（１）では、基準画像の区域を
検出するために、少なくとも一つの基準画像の手作業で
の分割を行う。

【００１０】−第二段階（２）では、基準画像に対し
て、少なくとも一つの単純化変換を定義して適用し、各
区域の特徴的なマーカを得ることができるような基準画
像の区域のしきい間隔を決定して最適化する。この単純
化変換は、アイデンティティ変換とすることができる。

【００１１】−最後に第三段階（３）では、新しい画像
に対して、第二段階中に固定された単純化変換としきい
間隔を次々に適用することによって、新しい画像の区域
の自動的マーキングを行う。

【００１２】添付の図面を参照して、限定的でなく例示
的なものとして、本発明の他の特徴と利点を以下に説明
する。

【００１３】

【発明の実施の形態】画像の分割は、一つの画像をいく
つかの区域に分けることであり、均質な外観の領域ある
いは対象物を認識することを可能にする。

【００１４】図１ａは、中実ブレード（aube pleine）
のＸ線画像を示している。この画像は、ブレードを示し
ている画像の真中の区域と、輝度増幅器の円形範囲によ
るブレードの周囲の区域と、撮影用カメラのマスクに対
応する黒い外側区域の三つの区域を有する。この画像を
分割し、ＬＰＥ法を用いてこれら三つの区域を認識する
ためには、画像の区域の特徴的なマーカの組、及びさま
ざまな区域の輪郭が明らかになっている本来の画像から
変換した画像を定義する必要がある。

【００１５】図１ｂは、マーカの組の選択例を示してお
り、その一つ一つは画像の単一の区域の特徴を示してい
る。三つの区域は、さまざまなグレイレベルの正方形に
よってマークされている。

【００１６】図１ｃは、各区域の輪郭が非常にはっきり
と白で現われている画像を示している。この画像は、本
来の画像に対して「形態グラジエント（gradient morph
ologique）」と呼ばれる変換を適用することによって得
られた。この形態グラジエント変換は、本来の画像に対
して、形態膨張（dilatation morphologique）、形態侵
食（erosion morphologique）、膨張された画像と侵食
された画像との差し引きを次々に行うことからなる。

【００１７】マーカの組と変換された画像が定義された
ので、ＬＰＥ法を用いて本来の画像の分割を行うことが
できる。

【００１８】ＬＰＥ法は、（画像を地形表面とみなすこ
とによって）変換された画像の起伏に沿ってマーカを拡
大し、画像における区域の正確な輪郭を決定することか
らなる。

【００１９】図１ｄは、マーカと、それぞれ図１ｂと図
１ｃに示されている変換された画像を使用して、ＬＰＥ
法の適用後に図１ａに示されている本来の画像を分割し
た結果を示す。

【００２０】図２は、本発明による機械的部品の画像に
おける区域の検出方法の三つの段階のフローチャートを
示す。

【００２１】最初の二つの段階１と２は、学習段階であ
る。段階１では、基準画像の各区域の記述を得ることが
できるように一つまたは複数の基準画像の手作業分割
が、行われる。段階２では、基準画像の区域のマーキン
グパラメータが決定され、最適化され、固定される。こ
れらのマーキングパラメータは、最も効率的な単純化変
換であり、画像のしきい間隔は基準画像の区域の分離に
ついて最良の品質を得ることのできるものである。これ
らの段階では、特に、基準画像の分割を行い、単純化変
換を定義するためにオペレータの存在が必要となる。最
適のしきい間隔の追求は自動的に行われる。

【００２２】第三段階は、新しい画像の区域をマークす
るために、第二段階中に定義され固定された区域のマー
キングパラメータを使用することからなる。この第三段
階は、画像の区域のマーキングを行うためにオペレータ
の存在を必要とせずに、大量生産の機械的部品を自動的
に検査することが可能である。次に、分水界ＬＰＥとい
う名で知られている方法を用いて、区域の正確な輪郭が
得られる。

【００２３】図３ａと図３ｂは、それぞれ、本発明によ
るマーキング方法の最初の二つの段階に対応する二つの
フローチャートを示している。図３ａは、学習ベース中
に格納された基準画像が、手作業分割方法によって各区
域に分割される、手作業分割段階とよばれる第一段階に
関するものである。この第一段階は、学習ベース中から
基準画像を選択する第一ステップ１０、オペレータが選
択された画像の中の区域数を指定するステップ１１、オ
ペレータがポインタを用いて画像上で区域を手作業でマ
ークするステップ１２、分水界ＬＰＥ法を使用すること
によって区域の正確な輪郭を決定するステップ１３を含
んでいる。こうして基準画像の手作業分割が終了し、学
習ベース中で使用可能なあらゆる画像が分割されたかど
うかを決定するために、ステップ１４でテストが行われ
る。テスト結果が否定的であった場合には、別の基準画
像が学習ベースから抽出され、この新しい基準画像でス
テップ１０から１４が繰り返される。テスト結果が肯定
的である場合には第一段階は終了する。

【００２４】図３ｂは、第一段階中に決定された基準画
像の区域が、最適化された寸法を有しマーカ間の交差が
ゼロのマーカを抽出できるように分析される、マーキン
グパラメータの決定及び最適化ステップと呼ばれる画像
中の区域のマーキング方法の第二ステップに関するもの
である。

【００２５】基準画像中の区域の位置が第一段階中に行
われた手作業分割によって知られているので、これらの
区域の各々において測定及び統計を行うことが可能であ
る。とりわけ、各区域におけるグレイレベルの分布につ
いて情報を与えるヒストグラムを計算するか、あるいは
各区域の形状を知ることができる粒度分布を計算するこ
とが可能である。

【００２６】本発明は、マーカを決定し最適化するため
にこれらの測定及びこれらの統計を利用する。このた
め、ステップ２０で、第一段階中に分割された画像が、
これらの画像の単純化変換ベースを作成するために使用
される。

【００２７】画像の単純化変換は、画像の二つあるいは
複数の区域間のコントラストまたは違いを強調できるよ
うにオペレータによって選択される。

【００２８】二つあるいは複数の区域間の違いは、たと
えば、形状、位置、構成（texture）等々の違いでよ
く、変換される画像中ではグレイレベルの違いとなって
表れ、しきい設定を行いながら関連区域のマーキングを
可能にする。

【００２９】たとえば、アイデンティティ変換（transf
ormation identite)、侵食、膨張、ラプラシアン、トッ
プハット（chapeau haut-de-forme）、コントラスト補
正、ハイパスフィルタ、ローパスフィルタ等々数多くの
画像の変換操作が存在する。これらの変換操作は互いに
組み合わせることもできる。あらゆる可能な操作の中か
ら、オペレータは、画像の特定の特徴を都合よく明らか
にし、その結果、求められる情報を引き出すことが可能
な操作を選択する。

【００３０】一般に、複数の画像の単純化変換を選択す
る必要がある。なぜなら、一つの変換が画像の中の違い
あるいはコントラストを増大させることができる時に
は、同様にノイズや擾乱も引き起こすからである。

【００３１】ノイズは、変換ごとにランダムに生じるも
のなので、変換されたあらゆる画像中に体系的に現われ
る情報のみを取り上げることによって除去することがで
きる。

【００３２】単一の変換で画像のあらゆる区域を区別す
ることができる場合には、オペレータは、変換ベースを
この単一変換に制限することができる。

【００３３】単純化変換ベースが作成されると、この方
法の手作業部分は終了し、以下に述べるステップに従っ
て、マーカの決定と最適化が完全に自動的に行われる。

【００３４】ステップ２１で、変換ベースから単純化変
換が抽出され、ステップ２２で基準画像のいずれか一つ
に適用される。

【００３５】ステップ２３で、変換された画像の区域の
内容が、たとえば、これらの区域のヒストグラムを計算
することによって分析され、二つの区域の交差部分が求
められる。

【００３６】ステップ２４で、区域を分離することがで
きるそれぞれ最小及び最大の二つのしきいの境界によっ
て定義されるしきい間隔を各区域ごとに決定するため
に、二つの区域の内容の分析結果が利用される。しきい
の境界は、区域間の分離品質が最適化できるように定義
される。しきいの境界の決定と最適化に関する詳細なス
テップは、図４に関して説明される。ステップ２５で、
あらゆる単純化変換が選択された基準画像に適用された
かどうかを決定するためにテストが行われる。テスト結
果が否定的であった場合には、別の単純化変換でステッ
プ２１から２４がもう一度行われる。テスト結果が肯定
的であった場合には、ステップ２６で、各単純化変換用
に得られ、しきいが定義された画像の交差部分が各区域
ごとに計算され、さらにステップ２７で、各区域に関連
する交差部分の結果が、選択された基準画像についてこ
れらの区域の最良のマーカが定義される。ステップ２０
から２７で定義されたマーキング操作の全体が、学習ベ
ースに属する基準画像の各々について実施され、選択さ
れた最終的マーカは、基準画像の各々について決定され
た対応するしきい間隔の交差部分を各マーカについて計
算することによって得られる。

【００３７】図４ａ、図４ｂ、図４ｃは、本発明による
二つの区域のしきい間隔の境界決定の例を示している。

【００３８】図４ａは、二つの区域ＡとＢを有する画像
を表す。図４ｂは、区域ＡとＢのヒストグラムｈＡとｈ
Ｂを表す。図４ｃは、図４ａに表されている画像のしき
い設定後に得られた二つのマーカの画像を表している。

【００３９】画像の二つの区域ＡとＢに対応する二つの
ヒストグラムは、二つの区域の間にゼロでない交差部分
が存在することを示している。二つのヒストグラムの共
通部分はｇとｄと記されたグレイレベル間に位置してお
り、ｇとｄは０から２５５の間であり、ｄがｇより大き
くなっている。

【００４０】この共通部分においては、ピクセルと呼ば
れる区域Ａの画像ポイントが存在するが、区域Ａのピク
セルは区域Ｂの特定のポイントより明るいのに対して、
全体的にみると区域Ａは区域Ｂより暗い。

【００４１】これら二つのヒストグラムはまた、０から
ｇまでのグレイレベルを有する画像ポイントがもっぱら
区域Ａに属し、ｄから２５５までのグレイレベルを有す
る画像ポイントがもっぱら区域Ｂに属することを示して
いる。したがってこの例においては、しきい間隔は単一
の区域の特徴を示し、できるだけ大きいマーカを定義す
ることができるしきい間隔は、区域Ａについては間隔
［０、ｇ］であり、区域Ｂについては［ｄ、２５５］で
あることを示している。

【００４２】各区域のマーカを定めるために、本発明
は、各区域においてグレイレベルの最大数を考慮に入
れ、二つの区域のグレイレベル間の交差部分ゼロを得る
ことができるしきいの境界ｇとｄを求めることからな
る。

【００４３】図５は、区域ＡとＢを有する画像のしきい
の境界の決定及び最適化の各段階のフローチャートを表
している。この図においては、区域Ａのマーキングに関
するステップだけが表されているが、区域Ｂのマーキン
グについても方法は同じである。

【００４４】しきいの境界の追求は、二つの区域ＡとＢ
のヒストグラムに基づいて、初期化ステップ４０の後
に、ステップ４１において区域Ａと区域Ｂの各ピクセル
について、このピクセルが、二つのしきいの境界ｘとｙ
との間に含まれ、ｙがｘより大きくなるグレイレベルを
もつための確率を計算することによって連続するアプロ
ーチによって行われる。ｘは区域Ａまたは区域Ｂを表し
ているので、この確率ＰＸ（ｘ、ｙ）は、区域Ｘに属
し、しきいの境界ｘとｙ間に含まれるグレイレベルを有
するピクセルｎのヒストグラムの和に等しくなり、０か
ら２５５までに含まれるグレイレベルに関係なくあらゆ
るピクセルｎのヒストグラムの和に付け加えられる。

【００４５】

【数１】

【００４６】区域Ａの特徴のみを示す大きなマーカを得
るために、本発明は、確率ＰＡ（ｘ、ｙ）が最大とな
り、ＰＢ（ｘ、ｙ）が最小となるしきいの境界ｘ、ｙの
値を求める。

【００４７】ｘ、ｙの値は、ステップ４２で、二つの確
率ＰＡ（ｘ、ｙ）とＰＢ（ｘ、ｙ）の間の偏差ＱＡ
（ｘ、ｙ）を考慮に入れて、連続的なアプローチによっ
て決定される。この偏差は、当該のしきいの間隔［ｘ、
ｙ］に対応する区域Ａと区域Ｂの分離品質の測定値であ
る。

【００４８】ステップ４３では、対象とならなかったし
きいの間隔が存在しているかどうかを決定するためにテ
ストが行われる。テスト結果が肯定的である場合には、
（ｘ、ｙ）の値は、ステップ４４の中で増分され、ステ
ップ４１から４３が新たに行われる。ステップ４５にお
いてテスト結果が否定的であった場合には、二つの確率
間の偏差ＱＡ（ｘ、ｙ）の最大値ＱＡが求められる。

【００４９】ステップ４６では、区域Ａのしきいの境界
の最良値が定められる。これらの最良値は、区域Ａのマ
ーキング品質の最大値ＱＡを得ることができる値であ
る。

【００５０】最大値ＱＡの式は以下の通りである。

【００５１】 ＱＡ＝ｓｕｐ［ＰＡ（ｘ、ｙ）−ｋＰＢ（ｘ、ｙ）］ ここで、ｋは区域Ａに対して区域Ｂの確率の大きさを増
大させ、区域ＡとＢの分離の安全性を増大させることが
できる重み係数である。

【００５２】図４ａ、図４ｂ、図４ｃに表された例にお
いては、ｘとｙは、それぞれ区域Ａについては０とｇ、
区域Ｂについてはｄと２５５に等しくなる。

【００５３】もっぱら区域Ａの特徴を示す大きなマーカ
を得ることができるｇの値は、当該のしきい間隔（０、
ｇ）に対応する区域ＡのマーカＺＡの品質に関連する二
つの確率ＰＡ（０、ｇ）とＰＢ（０、ｇ）間の偏差を考
慮に入れ、さらにｇの値に応じてこの偏差の最大値ＱＡ
を求めながら、連続的アプローチによって決定される。

【００５４】マーカＺＡの品質の最大値ＱＡの式は以下
の通りである。

【００５５】 ＱＡ＝ｓｕｐ［ＰＡ（０、ｇ）−ｋＰＢ（０、ｇ）］ 図４ａ、図４ｂ、図４ｃの例において、ｋの値は５０に
等しくなるように選択される。

【００５６】同様に、境界ｄの値は、ｇより大きくな
り、区域Ｂに関連するマーカＺＢの品質ＱＢのｄに応じ
た最大値を求めることによって得られる。ＱＢの式は以
下の通りである。

【００５７】ＱＢ＝ｓｕｐ［ＰＢ（ｄ、２５５）−ｋＰ
Ａ（ｄ、２５５）］ 図４ａ、図４ｂ、図４ｃ及び図５を参照して説明した例
は、二つの区域のマーキングに関するものである。本発
明によるマーキング方法は、同様の方法で、区域を二つ
ずつ処理することによって２より大きな区域数に一般化
される。

【００５８】マーカは、区域の各対について、これらの
区域のマーカの品質のパラメータの最適化によって区域
のしきいの境界を決定することによって、区域対の可能
なあらゆる組合わせについて定義される。

【００５９】一般に、一定の画像について、さまざまな
区域のしきいの境界は、当該の画像の複数の単純化変換
使用後に得られる変換されたさまざまな画像上で決定さ
れる。このとき区域ｉの最終的マーカＺｉは、区域ｉに
対応するしきい設定されたあらゆる画像の交差部分によ
って決定される。

【００６０】同一の変換が、画像の複数の区域を区別す
ることができる場合には、得られた変換画像中で複数の
しきい設定を行うことができ、各しきいは、決定された
一つの区域対を対象とする。この場合、当該のこの変換
画像については、一定の区域ｉのしきい境界は、区域ｉ
が関わっているあらゆるしきい間隔を考慮し、対応する
しきいの境界の最大値と最小値を計算することによって
得られる。

【００６１】学習ベースに属する基準画像のさまざまな
区域のすべてのマーカが定義されて最適化されると、し
きいの境界の値は凍結され、マーカの品質パラメータが
最も大きくなる最も効果的な単純化変換が選定される。
こうして学習段階は終了し、次いで、この方法の第三段
階で、選定された単純化変換と、学習ベースに属さない
機械的部品の新しい画像中で区域を完全に自動マーキン
グするために第二段階中に固定されたしきいの境界の値
を利用する。新しい画像における自動マーキングは、選
定されたさまざまな単純化変換と、第二段階中に境界が
固定されたさまざまなしきいを連続的に新しい画像に適
用することによって行われる。次に、同一の区域に対応
するしきい設定された画像の交差を行うことによって各
区域のマーカが得られる。

【００６２】マーキング操作の後、新しい画像が分水界
ＬＰＥ法を用いて分割される。

【図面の簡単な説明】

【図１ａ】三つの区域を有する機械的部品の画像を示す
図である。

【図１ｂ】図１ａの画像中のさまざまな区域を検出する
ために選択されるマーカの組の例を示す図である。

【図１ｃ】グラジエント変換を適用した後の機械的部品
の変換された画像を示す図である。

【図１ｄ】本発明によるＬＰＥ法の適用後に得られた、
図１ａの画像を三つの区域に分割した結果を示す図であ
る。

【図２】本発明による機械的部品の画像における区域の
検出方法のさまざまな段階を示すフローチャートであ
る。

【図３ａ】本発明による手作業分割段階といわれる第一
段階中のマーキング過程の諸段階を示すフローチャート
である。

【図３ｂ】本発明によるマーキングパラメータの決定と
最適化段階といわれる第二段階中のマーキング過程の諸
段階を示すフローチャートである。

【図４ａ】二つの区域ＡとＢを有する画像を示す図であ
る。

【図４ｂ】図３ａの画像の二つの区域ＡとＢのヒストグ
ラムｈＡとｈＢを示す図である。

【図４ｃ】本発明による図３ａに表されている画像のし
きい設定後に得られる、二つのマーカの画像を示す図で
ある。

【図５】本発明による二つの区域ＡとＢを有する画像の
しきいの境界の決定及び最適化段階を示すのフローチャ
ートである。

【符号の説明】

１ 第一段階 ２ 第二段階 ３ 第三段階 ２０ 単純化変換のベースの作成 ２１ 単純化変換 ２２ 変換された画像 ２３ 区域の内容の分析 ２４ 区域のしきい間隔の決定 ２５ 他の単純化変換 ２６ 同一区域に対応するしきい設定された画像の交差
部分 ２７ マーカ

フロントページの続き (72)発明者 ベロニク・エレーヌ・マリー・ピエール・ プレジヤン−ルフエブル フランス国、92330・ソー、リユ・ラカナ ル・４・ビス

Claims (6)

【特許請求の範囲】
1. 【請求項１】 画像の区域のマーキングを行い、分水界
   と呼ばれる方法を用いて区域の正確な輪郭を決定するこ
   とからなる機械部品の画像における評価可能区域の自動
   検出方法であって、前記区域のマーキングは、 前記基準画像の区域を検出するために少なくとも一つの
   基準画像の手作業分割を行う第一段階（１）と、 少なくとも一つの単純化変換を定義し、それを前記基準
   画像に適用し、各区域の特徴的なマーカを得ることが可
   能な基準画像の区域のしきい間隔を決定して最適化し、
   さらに最適化されたしきい間隔を固定する第二段階
   （２）と、 新しい画像に対して、前記単純化変換と第二段階中に固
   定されたしきい間隔を次々に適用することにより、前記
   新しい画像の区域の自動マーキングを行う第三段階
   （３）とからなることを特徴とする方法。
2. 【請求項２】 画像に適用される各単純化変換が、少な
   くとも二つの前記画像区域間のコントラストまたは違い
   を強調させるように選択されることを特徴とする請求項
   １に記載の方法。
3. 【請求項３】 所定の基準画像について、前記区域のし
   きい間隔が、各区域のヒストグラムに基づいて、各区域
   ごとに、この区域と前記基準画像の他の区域の各々との
   間の分離品質の代表的パラメータが最適化されるように
   決定されることを特徴とする請求項２に記載の方法。
4. 【請求項４】 前記区域のしきい間隔が、区域を二つず
   つ考慮に入れながら連続的アプローチによって決定され
   ることを特徴とする請求項３に記載の方法。
5. 【請求項５】 所定の区域Ａについて、該区域Ａと第二
   の区域Ｂとの間の分離品質の代表的パラメータが、区域
   Ａの画像ポイントが前記しきい間隔に属する確率と、区
   域Ｂの画像ポイントが当該しきい間隔に属さない確率と
   の間の偏差であることを特徴とする請求項４に記載の方
   法。
6. 【請求項６】 所定の基準画像について、さまざまな区
   域のしきい間隔が、複数の単純化変換の使用後に決定さ
   れ、各区域ごとに、当該区域の最終的マーカが、この区
   域に対応するしきい設定されたあらゆる画像の交差部分
   によって決定されることを特徴とする請求項５に記載の
   方法。