JPH0998295A

JPH0998295A - カラー画像のデータ圧縮方法

Info

Publication number: JPH0998295A
Application number: JP7252685A
Authority: JP
Inventors: Masao Aizu; 昌夫会津; Mikio Takagi; 幹雄高木
Original assignee: Dai Nippon Printing Co Ltd
Current assignee: Dai Nippon Printing Co Ltd
Priority date: 1995-09-29
Filing date: 1995-09-29
Publication date: 1997-04-08

Abstract

(57)【要約】【課題】カラー画像を色空間上で適切に領域分割する
と共に、領域毎に物体色を取り出して画像処理が可能な
圧縮データを作成する。【解決手段】物体の反射モデルから推定される色空間
上での分布の特徴を、「黒」から「物体色」を通り
「白」へ至る曲線としてモデル化し、該曲線を区別する
パラメータ空間上へ各画素を写像することにより、同一
領域の画素同士が特定の場所に局在するような分布を
得、領域分割部３０でその色空間上でクラスタリングを
行うことにより領域分割を行い、分割された各領域を、
クラスタリングにより作成されるラベル画像で特定する
と共に、その領域毎にＬ＊u ＊v ＊画像を３次元ベクト
ル量子化してデータ圧縮する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、画像を構造的に記
述し、特定領域の抽出や色修正等、様々な画像の処理、
加工を効率良く行う際に適用して好適な、カラー画像の
データ圧縮方法に関するものである。

【０００２】

【従来の技術】膨大な情報量を持った画像データの冗長
度を削減し、データ量を圧縮して、伝送・蓄積コストを
低減させると共に、圧縮データから画像を復元すること
が行われている。

【０００３】従来、このようなデータ圧縮は、原画像全
体に対して行っているため、復元画像中の一部の物体、
例えばリンゴを取り出して画像合成等の処理を行う場合
には、リンゴの部分だけを切り出す必要があるため面倒
である。このような不都合を解消するためには、リンゴ
等の物体の領域毎にデータ圧縮することが重要になる。

【０００４】このような領域毎のデータ圧縮を行う上で
要となる技術は、色空間上でのクラスタリングによる領
域分割法である。従来の領域分割法は、図１に示す如
く、画像平面内の画素を色空間（例えばＲＧＢ色空間）
に写像し、その空間上でのクラスタ重心からの距離に応
じて設定したクラスタ境界を用いたクラスタリングによ
り、各画素の分類及び１、２、３等のラベル付けを行
い、画像平面に逆写像することにより領域分割画像を得
て、領域分割を行う方法である。

【０００５】

【発明が解決しようとする課題】この従来法は、同一領
域の画素が、色空間上で常に特定の場所に局在している
場合には旨く領域分割ができるが、実際の画像ではそう
でない場合も多い。従って、同一領域であるにもかかわ
らず、複数の領域に分割されたり、異なる領域が１つの
領域と見做されたり、単独で用いるには問題の多い手法
であった。

【０００６】本発明は、前記従来の問題点を解決するべ
くなされたもので、カラー画像を色空間上で適切に領域
分割すると共に、分割された領域毎に物体色を取り出し
て容易に画像処理が可能な圧縮画像データを作成するこ
とができるカラー画像のデータ圧縮方法を提供すること
を課題とする。

【０００７】

【課題を解決するための手段】本発明は、物体の反射モ
デルから推定される色空間上での分布の特徴を、「黒」
から「物体色」を通り「白」へ至る曲線としてモデル化
し、該曲線を区別するパラメータ空間上へ各画素を写像
することにより、同一領域の画素同士が特定の場所に局
在するような分布を得、その空間上でクラスタリングを
行うことにより領域分割を行い、分割された各領域に対
して、それぞれ別個にデータ圧縮を行うことにより、前
記課題を解決したものである。

【０００８】即ち、上記空間上でクラスタリングするこ
とにより適切な領域分割を可能にすると共に、適切に分
割された領域毎にデータ圧縮するようにしたので、作成
される圧縮データから希望する領域毎の物体色を取り出
して種々の画像処理を容易且つ迅速に行うことが可能と
なる。

【０００９】

【発明の実施の形態】以下、図面を参照して、本発明の
実施の形態を詳細に説明する。

【００１０】まず、本実施形態の前提となる領域分割の
基本技術について説明する。なお、この技術について
は、本出願人により特開平６−１１１０１６に既に提案
してある。

【００１１】通常、画像は三次元的な拡がりを持った物
体に照明光を当て、反射光を適切なレンズ系に通し、二
次元平面にマッピングすることによって撮影が行われ
る。

【００１２】ある１つの物体は同一の分光反射率を持
ち、つまり、同一の色を持っていて、照明光と物体表面
の角度と視点の位置の関係により、様々なグラデーショ
ンが生じる。しかし、このグラデーションは、色空間上
である種の曲線に沿って変化する。何故ならば、影にな
り照明光が届かない部分は黒くなり、物体の表面に対し
て、照明光が入射したときの入射角で決まる出射角と物
体への視線が近い物体表面の領域では、多くの場合鏡面
反射状態となり、いわゆるキャッチライトの場所とな
る。この部分は、照明光がある反射率で全ての波長の光
が反射するので、照明光と同じ“白”となり、その中間
の部分は物体表面が拡散反射をし、視線角度に対し反射
率が分布を持つので、同一領域（同一物体）の画素は、
色空間（例えばＬ＊u ＊v ＊空間）上では、図２のよう
に、黒→物体色→白という曲線上に集中して分布する傾
向があると考えられ、実際にもそのように分布している
ことが確認できる。ここで、Ｌ＊は明度、u ＊v ＊平面
内でＬ＊軸からの距離は彩度、回転角は色相を表わす。

【００１３】従って、画像全体で見ると、図２のような
楕円体を屈曲させたようなバナナ状の分布が、図３に示
す如く、領域の数（物体の数）だけ複数存在することに
なる。

【００１４】ところが上述した方法では、これらのこと
が全く考慮されていないため、図４に破線で示す如く、
同一領域（物体）であるにもかかわらず、複数の領域に
分割されたり、図５に破線で示す如く、異なる領域（物
体）が１つの領域と見做されたりすることがあり、この
クラスタリング手法は、領域分割法としては不完全なも
のであった。

【００１５】そこで、本実施形態では、前述した分布の
モデルに基づき、各領域に対応した複数の屈曲楕円体状
分布を分離するようにクラスタリングを行って、上記問
題点を解決している。

【００１６】以下、本実施形態で採用する、上記問題点
が解決されたクラスタリング手法について詳細に説明す
る。

【００１７】今、図６のように、色空間（例えばＬ＊u
＊v ＊空間）上の「黒」を表わす点Ａと、「白」を表わ
す点Ｂを通る曲線群を考える。すると、任意の画素は、
色空間上で１点として表わされるが、それは必ず曲線群
の中の１つの曲線に属する。即ち、１つの画素に対して
１つの曲線が対応する。

【００１８】各々の曲線を区別するパラメータは２つで
十分であるので、各画素を二次元のパラメータ空間上の
１点にマッピングして表現できる。例えば、この曲線群
として、図７のように、点Ａと点Ｂを通る半楕円の集合
を考え、明度軸上の原点の位置をＬ＝Ｌ＊−５０ ………（１）に従い移動して、Ｌ＊のとり得る範囲を０≦Ｌ＊≦１０
０に正規化する。

【００１９】ここで、１つの半楕円がＬ＝０平面と交わ
る面は一意的に決まるので、半楕円曲線群は、この交点
の（u ＊、v ＊）座標値（μ、ν）によってパラメータ
化することができる。

【００２０】従って、各画素は、半楕円に沿った一種の
射影操作によって、Ｌ＝０平面上にマッピングすること
ができる。

【００２１】実際の画像の色空間上での分布が、例えば
図８のようになっているとき、このようなマッピングに
よって、（μ、ν）平面上では、図９のような分布にな
り、領域毎に局在した分布を得ることができる。このよ
うにして、特徴空間にマッピングしておいてから、通常
のクラスタリング手法を用いることによって、効率の良
い領域分割が行える。

【００２２】本実施形態では、上記のようにして分割さ
れた各領域に対してそれぞれ別個にデータ圧縮を行うよ
うにしている。

【００２３】又、その際、分割された各領域を、クラス
タリングにより作成されるラベル画像で特定すると共
に、特定された領域毎に３次元ベクトル量子化してデー
タ圧縮するようにしている。

【００２４】更に、その際、ラベル画像をデータ圧縮し
て出力すると共に、領域毎の３次元ベクトル量子化によ
り作成されるコードワードをデータ圧縮し、コードブッ
クと共に出力するようにしている。

【００２５】以下、図面に基づいて、より具体的な実施
の形態の例を詳細に説明する。

【００２６】本実施形態を実施するための装置は、図１
０に示す如く、色空間変換部１０と、特徴空間への変換
部２０と、領域分割部３０と、３次元ベクトル量子化部
４０と、圧縮部５０Ａ、５０Ｂとを含んでいる。

【００２７】前記色空間変換部１０は、入力画像信号、
例えばＲＧＢ信号をＬ＊u ＊v ＊信号に変換する。ＲＧ
ＢからＸＹＺ座標系の３刺激値ＸＹＺ、同ＸＹＺからＬ
＊u＊v ＊への変換は確立されており、ＲＧＢからＸＹ
Ｚへの変換は、次式によって定義される（宮原誠「系統
的画像符号化」（株）アイピーシーの１３４頁参照）。

【００２８】

【数１】

【００２９】又、ＸＹＺからＬ＊u ＊v ＊への変換は、
次式で定義される（高木幹雄、下田陽久監修「画像解析
ハンドブック」東京大学出版会の１０７頁−１０８頁参
照）。

【００３０】

【数２】

【００３１】ここで、（Ｘ0 、Ｙ0 、Ｚ0 ）は、標準光
源下における完全拡散白色面についての（Ｘ、Ｙ、Ｚ）
の値であり、標準光源Ｃ（色温度６７７４Ｋ）の場合、（Ｘ0 、Ｙ0 、Ｚ0 ）＝（９８．０７２、１００．０
０、１１８．２２５）である。

【００３２】本実施形態では、色空間としてＬ＊u ＊v
＊表色系を用いているが、Ｌ＊a ＊b ＊表色系等、他の
色空間でも「黒→物体色→白」を通るような適当な曲線
群を考えることにより、同等の効果が期待できる。

【００３３】前記特徴空間への変換部２０は、（Ｌ＊、
u ＊、v ＊）を領域分割に適した特徴空間上の点（Ｌ、
μ、ν）に変換する。図１１から、変換式は代数幾何学
的に求まり、以下のようになる。

【００３４】

【数３】

【００３５】前記領域分割部３０は、全画像に対してサ
ンプリングを行って、各画素に対する（μ、ν）の値か
らトレーニングデータを作り、ＩＳＯＤＡＴＡ（Ｉtera
tiveＳelf Ｏrganizing Ｄata Ａnalysis Ｔechniques
）法により二次元のクラスタリングを行う（高木幹
雄、下田陽久監修「画像解析ハンドブック」東京大学出
版会の６４８頁−６５１頁参照）。

【００３６】前記ＩＳＯＤＡＴＡ法は、初期状態として
適当なクラスタを与え、そのメンバを組替えて少しずつ
「より良いクラスタ」を求めていくもので、非階層的ク
ラスタリング（再配置法）を代表する手法として、古く
から知られた手法である。

【００３７】このＩＳＯＤＡＴＡ法の手順を図１２に示
す。

【００３８】このＩＳＯＤＡＴＡ法では、まずステップ
１００で、再配置の収束条件、微小クラスタ、孤立デー
タの判定条件、分裂・融合の分岐条件等のパラメータを
設定する。

【００３９】次いで、ステップ１０２で、初期クラスタ
の重心を決定する。例えば、初期クラスタの数を１とし
て全平均を用いることができる。

【００４０】次いで、ステップ１０４乃至１０８で、再
配置法を実施する。具体的には、まずステップ１０４
で、各データとクラスタ重心との距離を計算し、それぞ
れのデータを、距離が最小となるクラスタに配置する。
次いでステップ１０６に進み、再配置されたクラスタ内
で、各クラスタの重心を再計算して修正する。次いで、
ステップ１０８に進み、各データとクラスタ重心の距離
の平均が、再配置・重心の修正の結果、変化しなけれ
ば、収束したと見做し、それ以外はステップ１０４に戻
って繰返す。

【００４１】再配置法終了後、ステップ１１０に進み、
データの数が著しく少ない微小クラスタと、他のクラス
タから著しく離れた孤立データを、以後のクラスタリン
グから除外する。

【００４２】次いでステップ１１２に進み、クラスタ重
心間の距離の最小値が、ある閾値以上あり、且つ、クラ
スタの分散の最大値が、ある閾値以下であるとき、クラ
スタリングは収束したとして、終了する。それ以外はス
テップ１１４及び／又は１１６に進む。

【００４３】クラスタ重心間の距離の最小値が、ある閾
値以下である場合には、ステップ１１４に進んで、その
クラスタ対を統合し、新しいクラスタ重心を計算する。

【００４４】一方、クラスタの分散の最大値が、ある閾
値以上である場合には、ステップ１１６に進んで、クラ
スタ分散の最大値が閾値以下になるまでクラスタを分裂
させ、新しいクラスタ重心を計算する。

【００４５】ステップ１１４による統合又はステップ１
１６による分裂が終了した後、再びステップ１０４に戻
って、処理を繰返す。

【００４６】このようにして、図１３に示すような、ク
ラスタ分割（クラスタ境界を破線で示す）と、クラスタ
代表点１、２、３（○印で示す）が得られる。

【００４７】発明の作用の項で説明したように、この各
々の代表点１、２、３が、図１４に示す如く、領域を代
表する半楕円１本に相当するので、このように分割を行
った後、各画素がどの半楕円に属するかを判断し、半楕
円を表わす代表点（クラスタ重心）（μ₀，ν₀）を、
その画素の値とし、ラベル付けを行って、領域分割を終
了する。このように得られた画像がラベル画像であり、
前記図１に示した領域分割画像に対応するものである。

【００４８】上記領域分割部３０で作成されたラベル画
像は、前記３次元ベクトル量子化部４０に出力される。
このベクトル量子化部４０には、前記色空間変換部１０
で作成された均等色空間のデータＬ＊ｕ＊ｖ＊が入力さ
れるようになっており、ここでは、領域分割部３０から
入力されるラベル画像で特定される領域毎に、即ちラベ
ル番号を同じくする領域毎に、Ｌ＊ｕ＊ｖ＊画像の３次
元ベクトル量子化を行い、コードブックとコードワード
を作成する。ここで実行する３次元ベクトル量子化につ
いては、例えば特開平３−１９５２６８に説明されてい
る。

【００４９】今、ラベル画像が、前記図１の右上に示し
た領域分割画像と同一であるとして説明すると、ラベル
番号１のラベル画像については、各画素に対して表１に
示すようなＬ＊ｕ＊ｖ＊の各値ａ１、ｂ１、ｃ１等で規
定されるカラーテーブルが作成される。

【００５０】

【表１】

【００５１】上記表１のカラーテーブルにあたるのが上
記コードブックであり、各画素がどの番号の色であるか
を、同一のラベル画像に対応させて表わしたものがコー
ドワードであり、これは図１５に示したように、１番の
ラベル画像と同一の領域に、各画素毎に、コードブック
にあるそれぞれの色の番号を対応させて表示したものに
相当する。なお、この図１５では、１番のラベル画像以
外は全て数値が０である。

【００５２】従って、前記図１に示したように、１〜３
の番号で規定されるラベル画像で構成されている画像の
場合は、各ラベル画像毎にコードブックとコードワード
がセットで作成される。

【００５３】このようにラベル画像で特定される領域毎
に、それぞれ作成されたコードブックとコードワード
は、ラベル画像とセットで出力される。その際、ラベル
画像はビットプレーンに分割され、各ビットプレーン毎
に圧縮部５０ＡでＪＢＩＧ法により圧縮された後、又、
コードワードは１から精々１０位までの数字で構成され
たラベル画像と同様のデータ形式を有しているものであ
ることから、圧縮部５０Ｂで同様にＪＢＩＧ法で圧縮さ
れた後、それぞれが対応づけられた状態で出力され、デ
ータベースに蓄積したり、伝送したりする。そして、必
要に応じて復号化し、復元画像の作成や画像合成等の処
理が行われる。

【００５４】以上詳述した如く、本実施形態において
は、ＣＭＹＫの形で入力された画像データをノイゲバウ
アー方程式を用いて均等色空間Ｌ＊ｕ＊ｖ＊のデータに
変換すると共に、更に、特徴空間μνに変換した２次元
データにＩＳＯＤＡＴＡ法を適用して領域分割を行い、
分割された領域毎に３次元ベクトル量子化法を適用して
データ圧縮するようにした。従って、従来、圧縮データ
から画像を復元する場合、復元した後に領域毎に、即ち
物体や背景毎に切り出す処理が必要であったのに対し、
本実施形態によれば、圧縮データから領域毎（物体毎）
に画像を復元することが可能となるため、復元時間を短
縮でき、迅速な画像処理を行うことが可能となる。

【００５５】又、本実施形態では、同系色の領域毎にデ
ータ圧縮しているため、数少ない代表ベクトルで表現で
きることから、データの圧縮率を大幅に向上することが
できる。

【００５６】又、この方法には、画像物体領域毎の性質
の似たデータのみでベクトル量子化を行うので、代表ベ
クトルの配置や色空間の他の領域のデータに影響を受け
難いという特徴もある。

【００５７】以上、本発明について具体的に説明した
が、本発明は、前記実施形態に示したものに限られるも
のでなく、その要旨を逸脱しない範囲で種々変更可能で
ある。

【００５８】例えば、データ圧縮方法としては、前記実
施形態に示したＪＢＩＧ法の代わりに、Ｑ−Ｃｏｄｅ
ｒ、ＭＭＲ、ＭＨ等の、他の可逆圧縮法を採用してもよ
い。

【００５９】

【発明の効果】以上説明した通り、本発明では、物体の
反射モデルから推定さので色空間上での分布の特徴を
「黒」から「物体色」を通り「白」へ至る曲線としてモ
デル化し、曲線を区別するパラメータ空間上でクラスタ
リングを行っているため、同一領域の画素は、パラメー
タ空間上では特定の場所に局在し易くなるため、適切な
領域分割が可能になる。従って、本発明によれば、カラ
ー画像を色空間上で適切に領域分割すると共に、分割さ
れた領域毎に物体色を取り出して容易に画像処理が可能
な圧縮画像データを作成することができる。

【図面の簡単な説明】

【図１】従来のＲＧＢ色空間上でのクラスタリング手法
を説明する線図

【図２】本発明の原理を説明するための、Ｌ＊u ＊v ＊
空間上における一物体の物体色の分布の一例を示す線図

【図３】同じく、画像全体における複数の物体の物体色
の分布の例を示す線図

【図４】従来のクラスタリング手法による分割結果の一
例をＬ＊u ＊v ＊空間上に示した線図

【図５】同じく他の例をＬ＊u ＊v ＊空間上に示した線
図

【図６】本発明のクラスタリング手法を説明するため
の、Ｌ＊u ＊v ＊空間上の「黒」を表わす点と、「白」
を表わす点を通る曲線群を示す線図

【図７】同じく、Ｌ＊のとり得る範囲を正規化した状態
を示す線図

【図８】実際の画像の色空間上での分布の例を示す線図

【図９】同じく、マッピングによって得られる（μ、
ν）平面上での分布を示す線図

【図１０】本発明の実施形態を実施するための装置の全
体構成を示すブロック線図

【図１１】前記実施形態の特徴空間への変換部で用いら
れている変換式を説明するための線図

【図１２】前記実施形態の領域分割部で用いられている
二次元クラスタリング手法の一例を説明するための流れ
図

【図１３】前記実施形態により得られるクラスタ分割と
クラスタ代表点を示す線図

【図１４】図１３のクラスタ代表点を含むＬ＊u ＊v ＊
空間上の領域を示す線図

【図１５】３次元量子化法により作成されるコードワー
ドを示す説明図

【符号の説明】

１０…色空間変換部２０…特徴空間への変換部３０…領域分割部４０…３次元ベクトル量子化部５０Ａ、５０Ｂ…圧縮部

Claims

【特許請求の範囲】

【請求項１】物体の反射モデルから推定される色空間上
での分布の特徴を、「黒」から「物体色」を通り「白」
へ至る曲線としてモデル化し、該曲線を区別するパラメータ空間上へ各画素を写像する
ことにより、同一領域の画素同士が特定の場所に局在す
るような分布を得、その空間上でクラスタリングを行うことにより領域分割
を行い、分割された各領域に対して、それぞれ別個にデータ圧縮
を行うことを特徴とするカラー画像のデータ圧縮方法。
【請求項２】請求項１において、分割された各領域を、クラスタリングにより作成される
ラベル画像で特定すると共に、特定された領域毎に３次
元ベクトル量子化してデータ圧縮することを特徴とする
カラー画像のデータ圧縮方法。
【請求項３】請求項２において、ラベル画像をデータ圧縮して出力すると共に、領域毎の
３次元ベクトル量子化により作成されるコードワードを
データ圧縮し、コードブックと共に出力することを特徴
とするカラー画像のデータ圧縮方法。