WO2013031418A1 - 線分および円弧検出装置 - Google Patents

Abstract

ハフ変換を利用して精度よく線分あるいは円弧を検出することを課題とする。ハフ変換部１４は、輝度画像データ１０２に対して輪郭抽出処理を実行し、輪郭画像データ１０３を生成する。輪郭画像データ１０３の各画素は０～２５５の画素値を有する。ハフ変換部１４は、輪郭画像データ１０３の各点に対してハフ変換を実行する。ハフテーブル１５には、輪郭画像データ１０３の各点の画素値、すなわち輪郭強度の値が加算値として集計される。検出部１６は、集計値に基づき、線分あるいは円弧を検出する。また、ハフ変換部１４は、第１～第３成分データ１０２Ａ～１０２Ｃに対して輪郭抽出処理を実行し、第１～第３輪郭データ１０３Ａ～１０３Ｃを生成する。第１～第３輪郭データ１０３Ａ～１０３Ｃの各画素は０～２５５の画素値を有する。ハフ変換部１４は、第１～第３輪郭データ１０３Ａ～１０３Ｃの各点に対してハフ変換を実行する。ハフテーブル１５には、第１～第３輪郭データ１０３Ａ～１０３Ｃの各点の画素値、すなわち輪郭強度の値が加算値として集計される。検出部１６は、各成分の集計値を総合評価し、線分あるいは円弧を検出する。

Description

線分および円弧検出装置

　本発明は、画像に含まれる線分あるいは円弧を検出する技術に関する。

　画像に含まれる線分を検出する技術として、ハフ（Ｈｏｕｇｈ）変換が用いられている。ＸＹ座標系を持つ画像の任意の点を通る直線（ｘｃｏｓθ＋ｙｓｉｎθ＝ρ）は、ハフ空間上の座標（θ、ρ）に変換される。ハフ空間の座標（θ、ρ）に変換される直線の数を２次元配列[θ][ρ]を用いて集計する。そして、２次元配列[θ][ρ]の中で所定の閾値を上回る集計値を有する座標（θ、ρ）から、ＸＹ座標系の直線を検出する。

　ＸＹ座標系を持つ画像の任意の点を通る円弧（（ｘ－ａ）^２＋（ｙ－ｂ）^２＝ｒ^２）は、ハフ空間上の座標（ａ、ｂ、ｒ）に変換される。ハフ空間の座標（ａ、ｂ、ｒ）に変換される円弧の数を３次元配列[ａ][ｂ][ｒ]を用いて集計する。そして、３次元配列[ａ][ｂ][ｒ]の中で所定の閾値を上回る集計値を有する座標（ａ、ｂ、ｒ）から、ＸＹ座標系の円弧を検出する。

　下記特許文献１においては、画像を局所領域に分割するために、ハフ変換を用いて画像中の線分を検出している。下記特許文献２においては、直線の長さに応じてハフ空間上のパラメータθ、ρのサンプリング間隔を最適化することを試みている。下記特許文献３においても画像の中に含まれる線分を検出するためにハフ変換が用いられている。

特開平１０－２８３４７６号公報 特開平１１－６６３０２号公報 特開２００６－１０７０３４号公報

　ハフ変換を用いた線分あるいは円弧の検出は、画像に存在する点の数に依存している。画像に存在する点は、実際に線分や円弧を構成する点以外にも様々な点が存在する。したがって、ノイズが強い場合には線分等を誤検出する場合がある。

　本発明の対象画像内の線分を検出する検出装置は、対象画像内のそれぞれの点の特徴量を求める特徴量算出部と、対象画像の基準点から対象画像内の任意の直線に下した垂線の長さρおよび垂線が基準点を通る基準軸となす角θを用いて、対象画像内の任意の直線を表現することにより、対象画像内の任意の点を通る直線をハフ空間内の座標（θ、ρ）に変換するハフ変換部と、対象画像内のそれぞれの点がハフ変換部によってハフ空間内の座標（θ、ρ）に変換されたとき、変換された座標（θ、ρ）に対応する記憶領域に、対象画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計部と、集計値が第１の閾値を超える座標（θ、ρ）を特定することにより、対象画像における線分を検出する検出部と、を備える。

　本発明の対象画像内の円弧を検出する検出装置は、対象画像内のそれぞれの点の特徴量を求める特徴量算出部と、対象画像の基準点に対して直交座標を定義し、対象画像内の任意の円弧を直交座標系における中心座標（ａ、ｂ）および半径ｒを用いて表現することにより、対象画像内の任意の点を通る円弧をハフ空間内の座標（ａ、ｂ、ｒ）に変換するハフ変換部と、対象画像内のそれぞれの点がハフ変換部によってハフ空間内の座標（ａ、ｂ、ｒ）に変換されたとき、変換された座標（ａ、ｂ、ｒ）に対応する記憶領域に、対象画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計部と、集計値が第１の閾値を超える座標（ａ、ｂ、ｒ）を特定することにより、対象画像における円弧を検出する検出部と、を備える。

　本発明の対象画像内の線分を検出する検出方法は、対象画像内のそれぞれの点の特徴量を求める特徴量算出工程と、対象画像の基準点から対象画像内の任意の直線に下した垂線の長さρおよび垂線が基準点を通る基準軸となす角θを用いて、対象画像内の任意の直線を表現することにより、対象画像内の任意の点を通る直線をハフ空間内の座標（θ、ρ）に変換するハフ変換工程と、対象画像内のそれぞれの点がハフ変換部によってハフ空間内の座標（θ、ρ）に変換されたとき、変換された座標（θ、ρ）に対応する記憶領域に、対象画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計工程と、集計値が第１の閾値を超える座標（θ、ρ）を特定することにより、対象画像における線分を検出する検出工程と、を備える。

　本発明の対象画像内の円弧を検出する検出方法は、対象画像内のそれぞれの点の特徴量を求める特徴量算出工程と、対象画像の基準点に対して直交座標を定義し、対象画像内の任意の円弧を直交座標系における中心座標（ａ、ｂ）および半径ｒを用いて表現することにより、対象画像内の任意の点を通る円弧をハフ空間内の座標（ａ、ｂ、ｒ）に変換するハフ変換工程と、対象画像内のそれぞれの点がハフ変換部によってハフ空間内の座標（ａ、ｂ、ｒ）に変換されたとき、変換された座標（ａ、ｂ、ｒ）に対応する記憶領域に、対象画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計工程と、集計値が第１の閾値を超える座標（ａ、ｂ、ｒ）を特定することにより、対象画像における円弧を検出する検出工程と、を備える。

　本発明の上記検出装置を用いることにより、ノイズの影響を抑制し、画像に含まれる線分あるいは円弧を精度よく検出することができる。

　本発明の一の色空間の対象画像内の線分を検出する検出装置は、対象画像から一の色空間における複数の成分画像を生成する生成部と、各成分画像内のそれぞれの点の特徴量を求める特徴量算出部と、各成分画像の基準点から各成分画像内の任意の直線に下した垂線の長さρおよび垂線が基準点を通る基準軸となす角θを用いて、各成分画像内の任意の直線を表現することにより、各成分画像内の任意の点を通る直線をハフ空間内の座標（θ、ρ）に変換するハフ変換部と、各成分画像内のそれぞれの点がハフ変換部によってハフ空間内の座標（θ、ρ）に変換されたとき、変換された座標（θ、ρ）に対応する記憶領域に、各成分画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計部と、全ての成分画像に対応する集計値を総合評価し、総合集計値を求める総合集計部と、総合集計値が第１の閾値を超える座標（θ、ρ）を特定することにより、対象画像における線分を検出する検出部と、を備える。

　本発明の一の色空間の対象画像内の円弧を検出する検出装置は、対象画像から一の色空間における複数の成分画像を生成する生成部と、各成分画像内のそれぞれの点の特徴量を求める特徴量算出部と、各成分画像の基準点に対して直交座標を定義し、各成分画像内の任意の円弧を直交座標系における中心座標（ａ、ｂ）および半径ｒを用いて表現することにより、各成分画像内の任意の点を通る円弧をハフ空間内の座標（ａ、ｂ、ｒ）に変換するハフ変換部と、各成分画像内のそれぞれの点がハフ変換部によってハフ空間内の座標（ａ、ｂ、ｒ）に変換されたとき、変換された座標（ａ、ｂ、ｒ）に対応する記憶領域に、各成分画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計部と、全ての成分画像に対応する集計値を総合評価し、総合集計値を求める総合集計部と、総合集計値が第１の閾値を超える座標（ａ、ｂ、ｒ）を特定することにより、対象画像における円弧を検出する検出部と、を備える。

　本発明の一の色空間の対象画像内の線分を検出する検出方法は、対象画像から一の色空間における複数の成分画像を生成する生成工程と、各成分画像内のそれぞれの点の特徴量を求める特徴量算出工程と、各成分画像の基準点から各成分画像内の任意の直線に下した垂線の長さρおよび垂線が基準点を通る基準軸となす角θを用いて、各成分画像内の任意の直線を表現することにより、各成分像内の任意の点を通る直線をハフ空間内の座標（θ、ρ）に変換するハフ変換工程と、各成分画像内のそれぞれの点がハフ変換部によってハフ空間内の座標（θ、ρ）に変換されたとき、変換された座標（θ、ρ）に対応する記憶領域に、各成分画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計工程と、全ての成分画像に対応する集計値を総合評価し、総合集計値を求める総合集計工程と、総合集計値が第１の閾値を超える座標（θ、ρ）を特定することにより、対象画像における線分を検出する検出工程と、を備える。

　本発明の一の色空間の対象画像内の円弧を検出する検出方法は、対象画像から一の色空間における複数の成分画像を生成する生成工程と、各成分画像内のそれぞれの点の特徴量を求める特徴量算出工程と、各成分画像の基準点に対して直交座標を定義し、各成分画像内の任意の円弧を直交座標系における中心座標（ａ、ｂ）および半径ｒを用いて表現することにより、各成分画像内の任意の点を通る円弧をハフ空間内の座標（ａ、ｂ、ｒ）に変換するハフ変換工程と、各成分画像内のそれぞれの点がハフ変換部によってハフ空間内の座標（ａ、ｂ、ｒ）に変換されたとき、変換された座標（ａ、ｂ、ｒ）に対応する記憶領域に、各成分画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計工程と、全ての成分画像に対応する集計値を総合評価し、総合集計値を求める総合集計工程と、総合集計値が第１の閾値を超える座標（ａ、ｂ、ｒ）を特定することにより、対象画像における円弧を検出する検出工程と、を備える。

　本発明の上記検出装置を用いることにより、画像を構成する各色成分を総合評価した上で、画像に含まれる線分あるいは円弧を精度よく検出することができる。たとえば、輝度の差は小さいが、色の変化によって生成されている線分等も精度よく検出することができる。

　本発明の目的は、高い精度で線分あるいは円弧を検出する技術を提供することである。

　この発明の目的、特徴、局面および利点は、以下の詳細な説明と添付図面によって、明白となる。

第１の実施の形態に係る検出装置のブロック図である。 輪郭画像データにおける直線の表現方法を示す図である。 ハフ空間を示す図である。 輪郭画像データにおける円弧の表現方法を示す図である。 画素値（輪郭強度）と加算値との関係を示す図である。 第２および第５の実施の形態に係る画素値（輪郭強度）と加算値との関係を示す図である。 第３の実施の形態に係る検出装置のブロック図である。 第７の実施の形態に係る画素値（輪郭強度）と加算値との関係を示す図である。

　｛第１の実施の形態｝
　＜１－１．処理の全体の流れ＞
　図１は、第１の実施の形態に係る検出装置１のブロック図である。検出装置１は、輝度画像生成部１１、輪郭抽出処理部１２、ハフ（Ｈｏｕｇｈ）変換部１４、ハフテーブル１５および線分検出部１６を備えている。

　本実施の形態の検出装置１は、線分あるいは円弧を検出することができる。

　本実施の形態においては、輝度画像生成部１１、輪郭抽出処理部１２、ハフ変換部１４および検出部１６は、ハードウェア回路により構成されている。しかし、これら機能部をＣＰＵおよびＣＰＵ上で動作するソフトウェアにより構成してもよい。

　輝度画像生成部１１は、カラー画像データ１０１を入力する。カラー画像データ１０１は、たとえば、図示せぬ撮像素子により取得された画像である。カラー画像データ１０１は、たとえば、ＹＣｂＣｒ色空間やＲＧＢ色空間の画像データである。輝度画像生成部１１は、カラー画像データ１０１から、輝度画像データ１０２を生成する。たとえば、カラー画像データ１０１がＹＣｂＣｒ色空間の画像データであれば、輝度画像生成部１１は、Ｙ信号を抽出することにより輝度画像データ１０２を生成する。

　輪郭抽出処理部１２は、輝度画像データ１０２を入力する。輪郭抽出処理部１２は、輝度画像データ１０２から輪郭画像データ１０３を生成する。本実施の形態においては、輪郭抽出処理部１２は、ソーベル（Ｓｏｂｅｌ）フィルタを利用して、輪郭抽出処理を行っている。ソーベルフィルタは、空間１次微分演算により、輪郭を検出するフィルタである。輪郭抽出処理部１２は、フィルタの出力の絶対値を輪郭強度（線分あるいは円弧の強度）として出力する。つまり、輪郭画像データ１０２の各画素の画素値は、輪郭強度を表している。用いるフィルタは特に限定されるものではない。たとえば、ラプラシアンフィルタを用いてもよい。

　ハフ変換部１４は、輪郭画像データ１０３を入力する。ハフ変換部１４は、輪郭画像データ１０３をハフ変換し、変換後の結果をハフテーブル１５に書き込む。具体的には、ハフ変換部１４は、線分を検出する場合には、変換後の結果を２次元配列[θ][ρ]に格納する。ハフ変換部１４は、円弧を検出する場合には、変換後の結果を３次元配列[ａ][ｂ][ｒ]に格納する。ハフ変換の処理の内容は後で詳しく説明する。

　検出部１６は、ハフテーブル１５を参照することで、輪郭画像データ１０３に含まれる線分あるいは円弧を検出する。検出部１６の処理の内容は後で詳しく説明する。

　＜１－２．ハフ変換（直線）＞
　ハフ変換部１４の処理内容について詳しく説明する。ハフ変換部１４は、輪郭画像データ１０３に含まれる任意の点について、各点を通る直線をハフ空間上の座標（θ、ρ）に変換する。

　図２は、輪郭画像データ１０３を示す図である。輪郭画像データ１０３には、図２に示すように、原点ＯとＸＹ座標が定義されている。図２には、輪郭画像データ１０３に含まれる点のうち一部の点５１～５５を図示している。輪郭画像データ１０３に含まれる各点は、様々な画素値を有する画素である。本実施の形態においては、輪郭画像データ１０３の画素値の分解能は８ビットである。つまり、輪郭画像データ１０３の各画素は、０～２５５のいずれかの画素値を有している。言い換えると、輪郭画像データ１０３の各画素は、０～２５５のいずれかの輪郭強度の情報を有している。点５１を通る直線６１は、θおよびρを用いて数１式のように表すことができる。

　数１式において、ρは、原点から直線６１に下した垂線６２の長さである。θは、垂線６２がＸ軸の正の方向となす角である。

　点５１を通る直線は、多数存在する。点５１を通る直線の数は、θおよびρのサンプリング間隔に基づいて決まる。したがって、輪郭画像データ１０３上の１つの点に対して、複数のハフ空間上の座標（θ、ρ）が対応付けられる。

　図２に示すように、点５１～点５３は、同一直線上に並んでいる。点５２および点５３を通る直線についても、それぞれ複数のハフ空間上の座標（θ、ρ）に変換される。そして、点５１～点５３の全ての点について、直線６１がハフ変換されて、同一の座標（θ、ρ）に対応付けられる。

　図３は、ハフ空間を示す図である。正弦曲線７１～７５は、それぞれ、点５１～点５５がハフ変換されることにより得られるハフ空間上の点の集合を示している。そして、正弦曲線７１～７３の交わる座標（θ１、ρ１）が直線６１に対応している。

　このように、輪郭画像データ１０３において同一の直線上に複数の点が存在する場合、輪郭画像上の複数の点がハフ空間上の同一の点に変換されることになる。ハフ空間上で各座標（θ、ρ）に変換される点を集計することで、直線を検出することができる。ハフテーブル１５は、２次元配列Ｔ[θ][ρ]を有している。つまり、輪郭画像データ１０３の全ての点についてハフ変換を行い、その結果が２次元配列Ｔ[θ][ρ]において集計される。

　＜１－３．ハフ変換（円弧）＞
　ハフ変換部１４は、輪郭画像データ１０３に含まれる任意の点について、各点を通る円弧（弦）をハフ空間上の座標（ａ、ｂ、ｒ）に変換する。

　図４は、輪郭画像データ１０３を示す図である。輪郭画像データ１０３には、図４に示すように、原点ＯとＸＹ座標が定義されている。図４には、輪郭画像データ１０３に含まれる点のうち一部の点８１～８５を図示している。上述したように、輪郭画像データ１０３の各画素は、０～２５５のいずれかの画素値を有している。言い換えると、輪郭画像データ１０３の各画素は、０～２５５のいずれかの輪郭強度の情報を有している。点８１を通る円弧９１は、ａ、ｂおよびｒを用いて数２式のように表すことができる。

　数２において、ａは、円弧９１の中心のＸ座標であり、ｂは、円弧９１の中心のＹ座標である。ｒは、円弧９１の半径である。

　点８１を通る円弧は、多数存在する。点８１を通る円弧の数は、ａ、ｂおよびｒのサンプリング間隔に基づいて決まる。したがって、輪郭画像データ１０３上の１つの点に対して、複数のハフ空間上の座標（ａ、ｂ、ｒ）が対応付けられる。

　図４に示すように、点８１～点８３は、同一円弧上に並んでいる。点８２および点８３を通る円弧についても、それぞれ複数のハフ空間上の座標（ａ、ｂ、ｒ）に変換される。そして、点８１～点８３の全ての点について、円弧９１がハフ変換されて、同一の座標（ａ、ｂ、ｒ）に対応付けられる。

　このように、輪郭画像データ１０３において同一の円弧上に複数の点が存在する場合、輪郭画像上の複数の点がハフ空間上の同一の点に変換されることになる。ハフ空間上で各座標（ａ、ｂ、ｒ）に変換される点を集計することで、円弧を検出することができる。ハフテーブル１５は、３次元配列Ｔ[ａ][ｂ][ｒ]を有している。つまり、輪郭画像データ１０３の全ての点についてハフ変換を行い、その結果が３次元配列Ｔ[ａ][ｂ][ｒ]において集計される。

　＜１－４．集計処理＞
　ハフ変換部１４における集計処理方法について説明する。上述したように、輪郭画像データ１０３の各画素は０～２５５の画素値を有している。ハフ変換部１４は、輪郭画像データ１０３のある点がハフ空間上のある座標（θ、ρ）に変換された場合、２次元配列Ｔ[θ][ρ]には、輪郭画像データ１０３上の点の画素値を加算する。言い換えると、２次元配列Ｔ[θ][ρ]には、輪郭画像データ１０３上の点の輪郭強度の値が加算される。

　たとえば、画素値が１０の画素がハフ空間上のある座標（θ、ρ）に変換された場合、対応する２次元配列Ｔ[θ][ρ]には、集計値に１０が加算される。画素値が２５５であれば、集計値に２５５が加算される。これにより、輪郭強度に応じた重みづけを行った上で、直線検出のための集計を行うことができる。

　画素値が０の点については、輪郭画像データ１０３において点として認識されない。したがって、輪郭画像データ１０３に含まれる画素値が０の点についてはハフ変換を行う必要はない。２次元配列Ｔ[θ][ρ]に加算される値は、１～２５５のいずれかの値である。ただし、理論的には、輪郭画像データ１０３に含まれる画素値０の点については、２次元配列Ｔ[θ][ρ]に０が加算されると拡張して考えてもよい。

　同様に、ハフ変換部１４は、輪郭画像データ１０３のある点がハフ空間上のある座標（ａ、ｂ、ｒ）に変換された場合、３次元配列Ｔ[ａ][ｂ][ｒ]には、輪郭画像データ１０３上の点の画素値を加算する。つまり、３次元配列Ｔ[ａ][ｂ][ｒ]に１～２５５のいずれかの値が加算される。言い換えると、３次元配列Ｔ[ａ][ｂ][ｒ]には、輪郭画像データ１０３上の点の輪郭強度の値が加算される。

　＜１－５．線分あるいは円弧検出処理＞
　検出部１６は、ハフテーブル１５を参照し、輪郭画像データ１０３に含まれる線分あるいは円弧を検出する。検出部１６は、ハフテーブル１５に格納されている２次元配列Ｔ[θ][ρ]の集計値を参照することで、線分の検出を行う。あるいは、検出部１６は、ハフテーブル１５に格納されている３次元配列Ｔ[ａ][ｂ][ｒ]の集計値を参照することで、円弧の検出を行う。

　検出部１６は、予め直線検出用の閾値あるいは円弧検出用の閾値を記憶している。検出部１６は、２次元配列Ｔ[θ][ρ]を参照し、直線検出用の閾値を超える集計値を有する座標（θ、ρ）を検出する。あるいは、検出部１６は、３次元配列Ｔ[ａ][ｂ][ｒ]を参照し、円弧検出用の閾値を超える集計値を有する座標（ａ、ｂ、ｒ）を検出する。検出部１６は、これら検出した座標から、線分あるいは円弧を検出する。検出部１６は、線分あるいは円弧の検出情報を出力する。

　図５は、輪郭画像データ１０３における各画素の輪郭強度と加算値との関係を示す図である。このように本実施の形態においては、各画素の画素値である輪郭強度をそのままハフテーブル１５に加算する。輪郭強度の小さい点については、線分あるいは円弧の検出に対する貢献度を低く評価できる。一方、輪郭強度の大きい点については、線分あるいは円弧の検出に対する貢献度が高く評価されるので、ノイズなどの影響を排除して、精度の高い線分あるいは円弧検出を行うことができる。

　｛第２の実施の形態｝
　次に、本発明の第２の実施の形態について説明する。第２の実施の形態における検出装置１の構成は図１で示した構成と同様である。第２の実施の形態では、ハフ変換部１４により集計方法が第１の実施の形態と異なる。第１の実施の形態においては、ハフ変換部１４は、輪郭画像データ１０３の各画素の輪郭強度をそのままハフテーブル１５に加算した。言い換えると、ハフ変換部１４は、輪郭画像データ１０３の各画素の画素値を、画素値の分解能を維持したままハフテーブル１５に加算した。

　第２の実施の形態においては、ハフ変換部１４は、輪郭画像データ１０３の各画素の輪郭強度を、画素値の分解能よりも低い分解能で量子化した上でハフテーブル１５に加算する。

　図６は、第２の実施の形態における各画素の輪郭強度と加算値との関係を示す図である。この例では、輪郭画像データ１０３の各画素の輪郭強度は、量子化により４段階の加算値に対応付けられている。

　具体的には、輪郭画像データ１０３の画素の画素値が１２８以下のときには、加算値０が対応付けられる。輪郭画像データ１０３の画素の画素値が１２９以上かつ１７０以下のときには、加算値１が対応付けられる。輪郭画像データ１０３の画素の画素値が１７１以上かつ２１２以下のときには、加算値２が対応付けられる。輪郭画像データ１０３の画素の画素値が２１３以上かつ２５５以下のときには、加算値３が対応付けられる。

　このように、本実施の形態においては、輪郭画像データ１０３の画素の輪郭強度に応じて、ハフ変換部１４は、ハフテーブル１５に１～３までの値を加算する。検出部１６の処理内容は第１の実施の形態と同様である。つまり、検出部１６は、予め直線検出用の閾値あるいは円弧検出用の閾値を記憶している。第１の実施の形態と異なり、加算値は量子化されているので、閾値は、量子化の程度に合わせて設定すればよい。検出部１６は、２次元配列Ｔ[θ][ρ]あるいは３次元配列Ｔ[ａ][ｂ][ｒ]を参照し、直線あるいは円弧検出用の閾値を超える集計値を有する座標を検出する。検出部１６は、これら検出した座標から、線分あるいは円弧を検出する。これにより、輪郭強度の値に応じて重みづけを行った上で、線分あるいは円弧の検出を行うことができる。また、第１の実施の形態に比べて、集計値のレンジを狭くすることにより演算量を削減することができる。

　図６で示した例では、加算値として０が割り当てられるのは画素値０～１２８であり、画素値の全体レンジの中で比較的広い範囲が加算値０に対応付けられている。これは、画素値が半分に満たないような点はノイズとみなし、線分あるいは円弧の検出には考慮に入れないという趣旨である。しかし、いずれの画素値の範囲を、いずれの加算値に割り当てるかなど、対応付けの設定は自由である。図６の例では、０～３の４段階の加算値に割り当てたが、加算値の段階も自由に設定することができる。たとえば、非常に鮮明な線分あるいは円弧だけを検出し、極力ノイズの影響を抑制したいのであれば、画素値０～２００までに加算値０を割り当て、画素値２０１以上の場合だけ加算値１を割り当てるといった方法をとってもよい。

　従来のハフ変換による線分あるいは円弧検出方法は、本願の実施の形態にあてはめると、画素値０に対して加算値０を割り当て、画素値１～２５５に対して加算値１を割り当てる、という形態になる。従来の方法では、あらゆる濃度の点を対等に評価してハフテーブルに対する集計を行っていたため、ノイズの影響を受けやすいという問題があった。これに対して、本実施の形態においては、画素値１～２５５の範囲内でも、濃度の違いによって加算値に重みづけをしている。これによって、ノイズの影響を抑制し、精度の高い線分あるいは円弧検出が可能となった。

　｛第３の実施の形態｝
　＜２－１．処理の全体の流れ＞
　図７は、第３の実施の形態に係る検出装置１Ａのブロック図である。検出装置１Ａは、成分画像生成部１７、輪郭抽出処理部１２、ハフ（Ｈｏｕｇｈ）変換部１４、ハフテーブル１５および検出部１６を備えている。

　本実施の形態の検出装置１Ａは、線分あるいは円弧を検出することができる。

　本実施の形態においては、成分画像生成部１１、輪郭抽出処理部１２、ハフ変換部１４および検出部１６は、ハードウェア回路により構成されている。しかし、これら機能部をＣＰＵおよびＣＰＵ上で動作するソフトウェアにより構成してもよい。

　成分画像生成部１７は、カラー画像データ１０１を入力する。カラー画像データ１０１は、たとえば、図示せぬ撮像素子により取得された画像である。カラー画像データ１０１は、たとえば、ＹＵＶ色空間、ＹＣｂＣｒ色空間あるいはＲＧＢ色空間などの画像データである。成分画像生成部１７は、カラー画像データ１０１から、第１成分データ１０２Ａ、第２成分データ１０２Ｂおよび第３成分データ１０２Ｃを生成する。

　たとえば、カラー画像データ１０１がＹＵＶ色空間の画像データであれば、成分画像生成部１７は、Ｙ信号を抽出することにより第１成分データ１０２Ａを生成する。また、成分画像生成部１７は、Ｕ信号を抽出することにより第２成分データ１０２Ｂを生成する。成分画像生成部１７は、Ｖ信号を抽出することにより第３成分データ１０２Ｃを生成する。

　あるいは、カラー画像データ１０１がＲＧＢ色空間の画像データであれば、成分画像生成部１７は、Ｇ信号を抽出することにより第１成分データ１０２Ａを生成する。成分画像生成部１７は、Ｒ信号あるいはＢ信号を抽出することにより第２あるいは第３成分データ１０２Ｂ、１０２Ｃを生成する。

　あるいは、成分画像生成部１７は、色空間の変換を行った上で成分画像を生成してもよい。たとえば、成分画像生成部１７は、ＲＧＢ色空間のカラー画像データ１０１を入力したとき、カラー画像データ１０１をＹＵＶ色空間の画像データに変換した後、第１～第３成分データ１０２Ａ～１０２Ｃを生成してもよい。

　以下の説明においては、カラー画像データ１０１がＹＵＶ色空間の画像データであって、第１成分データ１０２Ａは、Ｙ信号（輝度信号）の画像データ、第２成分データ１０２Ｂは、Ｕ信号（色差信号）の画像データ、第３成分データ１０２Ｃは、Ｖ信号（色差信号）の画像データである場合を例にとって説明する。

　輪郭抽出処理部１２は、第１～第３成分データ１０２Ａ～１０２Ｃを入力する。輪郭抽出処理部１２は、第１成分データ１０２Ａから第１輪郭データ１０３Ａを生成する。輪郭抽出処理部１２は、第２成分データ１０２Ｂから第２輪郭データ１０３Ｂを生成する。輪郭抽出処理部１２は、第３成分データ１０２Ｃから第３輪郭データ１０３Ｃを生成する。

　つまり、第１輪郭データ１０３Ａは、Ｙ信号から生成された輪郭抽出データである。第２輪郭データ１０３Ｂおよび１０３Ｃは、それぞれＵ信号およびＶ信号から生成された輪郭抽出データである。このように本実施の形態においては、輝度データおよび色成分データのそれぞれについて輪郭抽出データを生成する。

　本実施の形態においては、輪郭抽出処理部１２は、ソーベル（Ｓｏｂｅｌ）フィルタを利用して、輪郭抽出処理を行っている。ソーベルフィルタは、空間１次微分演算により、輪郭を検出するフィルタである。輪郭抽出処理部１２は、フィルタの出力の絶対値を輪郭強度（線分あるいは円弧の強度）として出力する。つまり、第１～第３輪郭データ１０３Ａ～１０３Ｃの各画素の画素値は、輪郭強度を表している。用いるフィルタは特に限定されるものではない。たとえば、ラプラシアンフィルタを用いてもよい。

　ハフ変換部１４は、第１～第３輪郭データ１０３Ａ～１０３Ｃを入力する。ハフ変換部１４は、第１～第３輪郭データ１０３Ａ～１０３Ｃをハフ変換し、変換後の結果をハフテーブル１５に書き込む。具体的には、ハフ変換部１４は、線分を検出する場合には、変換後の結果を２次元配列[θ][ρ]に格納する。ハフ変換部１４は、円弧を検出する場合には、変換後の結果を３次元配列[ａ][ｂ][ｒ]に格納する。

　検出部１６は、ハフテーブル１５を参照することで、第１～第３輪郭データ１０３Ａ～１０３Ｃに含まれる線分あるいは円弧を検出する。検出部１６の処理の内容は後で詳しく説明する。

　＜２－２．ハフ変換（直線）＞
　ハフ変換部１４は、第１～第３輪郭データ１０３Ａ～１０３Ｃに含まれる任意の点について、各点を通る直線をハフ空間上の座標（θ、ρ）に変換する。つまり、ハフ変換部１４は、第１～第３輪郭データ１０３Ａ～１０３Ｃに対して、それぞれ個別にハフ変換処理を行う。ハフ変換処理の詳細については、第１の実施の形態と同様であるので説明を省略する。

　上述したように、ハフ変換は、第１～第３輪郭データ１０３Ａ～１０３Ｃそれぞれに対して実行される。したがって、線分を検出するためにハフテーブル１５は、第１～第３輪郭データ１０３Ａ～１０３Ｃのそれぞれに対応した３種類の２次元配列Ｔ[θ][ρ]を有している。

　第１の２次元配列Ｔ[θ][ρ]には、第１輪郭データ１０３Ａがハフ変換された結果の集計値Ｃ１（θ、ρ）が格納される。第２の２次元配列Ｔ[θ][ρ]には、第２輪郭データ１０３Ｂがハフ変換された結果の集計値Ｃ２（θ、ρ）が格納される。第３の２次元配列Ｔ[θ][ρ]には、第３輪郭データ１０３Ｃがハフ変換された結果の集計値Ｃ３（θ、ρ）が格納される。

　本実施の形態においては、集計値Ｃ１は、輝度画像（Ｙ画像）に対するハフ変換の結果を集計した値である。集計値Ｃ２は、色画像（Ｕ画像）に対するハフ変換の結果を集計した値である。集計値Ｃ３は、色画像（Ｖ画像）に対するハフ変換の結果を集計した値である。

　ここでは、第１～第３輪郭データ１０３Ａ～１０３Ｃに対応して複数の配列を用いる場合を例に説明している。しかし、後で説明するように、単一の配列を用いてハフ変換の結果を集計してもよい。

　＜２－３．ハフ変換（円弧）＞
　ハフ変換部１４は、第１～第３輪郭データ１０３Ａ～１０３Ｃに含まれる任意の点について、各点を通る円弧（弦）をハフ空間上の座標（ａ、ｂ、ｒ）に変換する。つまり、ハフ変換部１４は、第１～第３輪郭データ１０３Ａ～１０３Ｃに対して、それぞれ個別にハフ変換処理を行う。ハフ変換処理の詳細については、第１の実施の形態と同様であるので説明を省略する。

　上述したように、ハフ変換は、第１～第３輪郭データ１０３Ａ～１０３Ｃそれぞれに対して実行される。したがって、円弧を検出するためにハフテーブル１５は、第１～第３輪郭データ１０３Ａ～１０３Ｃのそれぞれに対応した３種類の３次元配列Ｔ[ａ][ｂ][ｒ]を有している。

　第１の３次元配列Ｔ[ａ][ｂ][ｒ]には、第１輪郭データ１０３Ａがハフ変換された結果の集計値Ｃ１（ａ、ｂ、ｒ）が格納される。第２の３次元配列Ｔ[ａ][ｂ][ｒ]には、第２輪郭データ１０３Ｂがハフ変換された結果の集計値Ｃ２（ａ、ｂ、ｒ）が格納される。第３の３次元配列Ｔ[ａ][ｂ][ｒ]には、第３輪郭データ１０３Ｃがハフ変換された結果の集計値Ｃ３（ａ、ｂ、ｒ）が格納される。

　本実施の形態においては、集計値Ｃ１は、輝度画像（Ｙ画像）に対するハフ変換の結果を集計した値である。集計値Ｃ２は、色画像（Ｕ画像）に対するハフ変換の結果を集計した値である。集計値Ｃ３は、色画像（Ｖ画像）に対するハフ変換の結果を集計した値である。

　ここでは、第１～第３輪郭データ１０３Ａ～１０３Ｃに対応して複数の配列を用いる場合を例に説明している。しかし、後で説明するように、単一の配列を用いてハフ変換の結果を集計してもよい。

　＜２－４．集計処理＞
　ハフ変換部１４における集計処理方法について説明する。第１～第３輪郭データ１０３Ａ～１０３Ｃの各画素は０～２５５の画素値を有している。ハフ変換部１４は、第１～第３輪郭データ１０３Ａ～１０３Ｃのある点がハフ空間上のある座標（θ、ρ）に変換された場合、２次元配列Ｔ[θ][ρ]には、第１～第３輪郭データ１０３Ａ～１０３Ｃ上の点の画素値を加算する。言い換えると、２次元配列Ｔ[θ][ρ]には、第１～第３輪郭データ１０３Ａ～１０３Ｃ上の点の輪郭強度の値が加算される。そして、輪郭強度の加算値が集計値Ｃ１、Ｃ２およびＣ３として、第１～第３の２次元配列Ｔ[θ][ρ]に格納される。

　たとえば、画素値が１０の画素がハフ空間上のある座標（θ、ρ）に変換された場合、対応する２次元配列Ｔ[θ][ρ]には、集計値に１０が加算される。画素値が２５５であれば、集計値に２５５が加算される。これにより、輪郭強度に応じた重みづけを行った上で、直線検出のための集計を行うことができる。

　画素値が０の点については、第１～第３輪郭データ１０３Ａ～１０３Ｃにおいて点として認識されない。したがって、第１～第３輪郭データ１０３Ａ～１０３Ｃに含まれる画素値が０の点についてはハフ変換を行う必要はない。２次元配列Ｔ[θ][ρ]に加算される値は、１～２５５のいずれかの値である。ただし、理論的には、第１～第３輪郭データ１０３Ａ～１０３Ｃに含まれる画素値０の点については、２次元配列Ｔ[θ][ρ]に０が加算されると拡張して考えてもよい。

　同様に、ハフ変換部１４は、第１～第３輪郭データ１０３Ａ～１０３Ｃのある点がハフ空間上のある座標（ａ、ｂ、ｒ）に変換された場合、３次元配列Ｔ[ａ][ｂ][ｒ]には、輪郭画像データ１０３Ａ～１０３Ｃ上の点の画素値を加算する。つまり、３次元配列Ｔ[ａ][ｂ][ｒ]に１～２５５のいずれかの値が加算される。言い換えると、３次元配列Ｔ[ａ][ｂ][ｒ]には、輪郭画像データ１０３Ａ～１０３Ｃ上の点の輪郭強度の値が加算される。そして、輪郭強度の加算値が集計値Ｃ１、Ｃ２およびＣ３として、第１～第３の３次元配列Ｔ[ａ][ｂ][ｒ]に格納される。

　＜２－５．線分あるいは円弧検出処理＞
　検出部１６は、ハフテーブル１５を参照し、カラー画像データ１０１に含まれる線分あるいは円弧を検出する。検出部１６は、ハフテーブル１５に格納されている各成分に対応した３つの集計値Ｃ１～Ｃ３を総合評価することにより線分の検出を行う。あるいは、検出部１６は、ハフテーブル１５に格納されている各成分に対応した３つの集計値Ｃ１～Ｃ３を総合評価することにより円弧の検出を行う。

　検出部１６は、予め直線検出用の閾値あるいは円弧検出用の閾値を記憶している。検出部１６は、集計値Ｃ１～Ｃ３から算出された総合集計値Ｖと直線検出用の閾値を比較し、直線検出用の閾値を超える総合集計値Ｖを有する座標（θ、ρ）を検出する。あるいは、検出部１６は、集計値Ｃ１～Ｃ３から算出された総合集計値Ｖと円弧検出用の閾値を比較し、円弧検出用の閾値を超える総合集計値Ｖを有する座標（ａ、ｂ、ｒ）を検出する。

　具体的には、検出部１６は、数３式に示す演算を行い、総合集計値Ｖを算出する。数３式中、Ｃ１（θ、ρ）は、第１輪郭データ１０３Ａ上の点をハフ変換した結果、座標（θ、ρ）に変換された点の画素の集計値である。数３式中、Ｃ２（θ、ρ）は、第２輪郭データ１０３Ｂ上の点をハフ変換した結果、座標（θ、ρ）に変換された点の画素の集計値である。数３式中、Ｃ３（θ、ρ）は、第３輪郭データ１０３Ｃ上の点をハフ変換した結果、座標（θ、ρ）に変換された点の画素の集計値である。

　円弧の場合は、検出部１６は、数４式に示す演算を行い、総合集計値Ｖを算出する。数４式中、Ｃ１（ａ、ｂ、ｒ）は、第１輪郭データ１０３Ａ上の点をハフ変換した結果、座標（ａ、ｂ、ｒ）に変換された点の画素の集計値である。数４式中、Ｃ２（ａ、ｂ、ｒ）は、第２輪郭データ１０３Ｂ上の点をハフ変換した結果、座標（ａ、ｂ、ｒ）に変換された点の画素の集計値である。数３式中、Ｃ３（ａ、ｂ、ｒ）は、第３輪郭データ１０３Ｃ上の点をハフ変換した結果、座標（ａ、ｂ、ｒ）に変換された点の画素の集計値である。

　総合集計値Ｖは、Ｃ１、Ｃ２およびＣ３を加算した後、３で除算することにより求められる。つまり総合集計値Ｖは、Ｃ１、Ｃ２およびＣ３の平均値である。検出部１６は、総合集計値Ｖと直線検出用の閾値とを比較することにより、線分の検出を行う。あるいは、総合集計値Ｖと円弧検出用の閾値とを比較することにより、円弧の検出を行う。検出部１６は、線分あるいは円弧の検出情報を出力する。

　このように、本実施の形態においては、輝度画像だけでなく、色差画像についてもハフ変換を行い、それらを総合評価した上で線分あるいは円弧の検出を行う。これにより、輝度の変化は小さいが色の変化により生成されている線分や円弧についても精度よく検出することが可能である。

　以下、必要に応じて、第１～第３輪郭データ１０３Ａ～１０３Ｃを輪郭画像データ１０３と総称する。図５は、輪郭画像データ１０３における各画素の輪郭強度と加算値との関係を示す図である。このように本実施の形態においては、各画素の画素値である輪郭強度をそのままハフテーブル１５に加算する。輪郭強度の小さい点については、線分あるいは円弧の検出に対する貢献度を低く評価できる。一方、輪郭強度の大きい点については、線分あるいは円弧の検出に対する貢献度が高く評価されるので、ノイズなどの影響を排除して、精度の高い線分あるいは円弧検出を行うことができる。

　なお、本実施の形態においては、集計値Ｃ１、Ｃ２およびＣ３として、輪郭画像データ１０３の画素値をそのまま格納した。そして、検出部１６が各集計値を加算するとともに平均値を算出する処理を行った。別の方法として、ハフテーブル１５に単一の配列を持たせ、各画素値を単一の配列に格納するようにしてもよい。この場合であれば、検出部１６は、集計値を３で除算する処理のみを実行すればよい。あるいは、ハフテーブル１５に単一の配列を持たせ、各画素値を３で除算した結果を単一の配列に格納するようにしてもよい。この場合であれば、検出部１６は、閾値との比較処理のみを実行すればよい。

　｛第４の実施の形態｝
　次に、本発明の第４の実施の形態について説明する。第４の実施の形態における検出装置１Ａの構成は、図７で示した構成と同様である。第４の実施の形態においては、検出部１６における集計方法が第３の実施の形態と異なる。

　第４の実施の形態における検出部１６は、数５式に示す演算を行い、総合集計値Ｖを算出する。数５式中のＣ１（θ、ρ）、Ｃ２（θ、ρ）およびＣ３（θ、ρ）は、第１の実施の形態と同様である。数５式中、ｋ１は、集計値Ｃ１（θ、ρ）に乗算する重みづけ値、ｋ２は、集計値Ｃ２（θ、ρ）に乗算する重みづけ値、ｋ３は、集計値Ｃ３（θ、ρ）に乗算する重みづけ値である。３つの重みづけ値は、ｋ１＋ｋ２＋ｋ３＝１の関係を満たしている。

　円弧の場合は、検出部１６は、数６式に示す演算を行い、総合集計値Ｖを算出する。数６式中のＣ１（ａ、ｂ、ｒ）、Ｃ２（ａ、ｂ、ｒ）およびＣ３（ａ、ｂ、ｒ）は、第１の実施の形態と同様である。数６式中、ｋ１は、集計値Ｃ１（ａ、ｂ、ｒ）に乗算する重みづけ値、ｋ２は、集計値Ｃ２（ａ、ｂ、ｒ）に乗算する重みづけ値、ｋ３は、集計値Ｃ３（ａ、ｂ、ｒ）に乗算する重みづけ値である。３つの重みづけ値は、ｋ１＋ｋ２＋ｋ３＝１の関係を満たしている。

　総合集計値Ｖは、重みづけされた集計値Ｃ１、Ｃ２およびＣ３を加算することにより求められる。検出部１６は、総合集計値Ｖと直線検出用の閾値とを比較することにより、線分の検出を行う。あるいは、総合集計値Ｖと円弧検出用の閾値とを比較することにより、円弧の検出を行う。検出部１６は、線分あるいは円弧の検出情報を出力する。

　このように、輝度画像だけでなく、色差画像についてもハフ変換を行い、それらを総合評価した上で線分あるいは円弧の検出を行う。また、各集計値に重みづけ値を乗算するので、特定の色成分に重点をおいて線分あるいは円弧の検出を行うことができる。

　なお、本実施の形態においては、集計値Ｃ１、Ｃ２およびＣ３として、輪郭画像データ１０３の画素値をそのままハフテーブル１５に格納した。そして、検出部１６が各集計値に重みづけ値を乗算した上で加算する処理を行った。別の方法として、ハフテーブル１５には、各画素値の値に重みづけ値を乗算した結果を格納するようにしてもよい。この場合であれば、検出部１６は、各集計値を加算する処理のみを実行すればよい。あるいは、ハフテーブル１５に単一の配列を持たせ、重みづけされた値を単一の配列に格納するようにしてもよい。この場合であれば、検出部１６は、閾値との比較処理のみを実行すればよい。

　｛第５の実施の形態｝
　次に、本発明の第５の実施の形態について説明する。第５の実施の形態における検出装置１Ａの構成は、図７で示した構成と同様である。第５の実施の形態においては、ハフテーブル１５に対する集計値の格納方法、および、検出部１６における集計方法が第３あるいは第４の実施の形態と異なる。第３あるいは第４の実施の形態においては、ハフ変換部１４は、輪郭画像データ１０３の各画素の輪郭強度をそのままハフテーブル１５に加算した。言い換えると、ハフ変換部１４は、輪郭画像データ１０３の各画素の画素値を、画素値の分解能を維持したままハフテーブル１５に加算した。

　第５の実施の形態においては、ハフ変換部１４は、輪郭画像データ１０３の各画素の輪郭強度を、画素値の分解能よりも低い分解能で量子化した上でハフテーブル１５に加算する。

　図６は、第５の実施の形態における各画素の輪郭強度と加算値との関係を示す図である。この例では、輪郭画像データ１０３の各画素の輪郭強度は、量子化により４段階の加算値に対応付けられている。

　具体的には、輪郭画像データ１０３の画素の画素値が１２８以下のときには、加算値０が対応付けられる。輪郭画像データ１０３の画素の画素値が１２９以上かつ１７０以下のときには、加算値１が対応付けられる。輪郭画像データ１０３の画素の画素値が１７１以上かつ２１２以下のときには、加算値２が対応付けられる。輪郭画像データ１０３の画素の画素値が２１３以上かつ２５５以下のときには、加算値３が対応付けられる。

　検出部１６は、数７式に示す演算を行い、総合集計値Ｖを算出する。数７式中のＣ１（θ、ρ）、Ｃ２（θ、ρ）およびＣ３（θ、ρ）は、第１の実施の形態と同様である。数７式中、Ｑは、量子化関数を意味する。

　数７式における量子化値Ｑ（Ｃ１（θ、ρ））が、第１の２次元配列Ｔ[θ][ρ]に格納される。また、量子化値Ｑ（Ｃ２（θ、ρ））が、第２の２次元配列Ｔ[θ][ρ]に格納され、量子化値Ｑ（Ｃ３（θ、ρ））が、第２の２次元配列Ｔ[θ][ρ]に格納される。

　円弧の場合は、検出部１６は、数８式に示す演算を行い、総合集計値Ｖを算出する。数８式中のＣ１（ａ、ｂ、ｒ）、Ｃ２（ａ、ｂ、ｒ）およびＣ３（ａ、ｂ、ｒ）は、第１の実施の形態と同様である。数８式中、Ｑは、量子化関数を意味する。

　数８式における量子化値Ｑ（Ｃ１（ａ、ｂ、ｒ））が、第１の３次元配列Ｔ[ａ][ｂ][ｒ]に格納される。また、量子化値Ｑ（Ｃ２（ａ、ｂ、ｒ））が、第２の３次元配列Ｔ[ａ][ｂ][ｒ]に格納され、量子化値Ｑ（Ｃ３（ａ、ｂ、ｒ））が、第２の３次元配列Ｔ[ａ][ｂ][ｒ]に格納される。

　総合集計値Ｖは、集計値Ｃ１、Ｃ２およびＣ３をそれぞれ量子化した後、各量子化値を平均することにより求められる。検出部１６は、総合集計値Ｖと直線検出用の閾値とを比較することにより、線分の検出を行う。あるいは、総合集計値Ｖと円弧検出用の閾値とを比較することにより、円弧の検出を行う。第１の実施の形態と異なり、総合集計値は量子化されているので、閾値は、量子化の程度に合わせて設定すればよい。検出部１６は、線分あるいは円弧の検出情報を出力する。

　このように、本実施の形態においては、輝度画像だけでなく、色差画像についてもハフ変換を行い、それらを総合評価した上で線分あるいは円弧の検出を行う。また、本実施の形態においては、輪郭強度の値に応じて重みづけを行った上で、線分あるいは円弧の検出を行うことができる。また、第３の実施の形態に比べて、集計値のレンジを狭くすることにより演算量を削減することができる。

　図６で示した例では、加算値として０が割り当てられるのは画素値０～１２８であり、画素値の全体レンジの中で比較的広い範囲が加算値０に対応付けられている。これは、画素値が半分に満たないような点はノイズとみなし、線分あるいは円弧の検出には考慮に入れないという趣旨である。しかし、いずれの画素値の範囲を、いずれの加算値に割り当てるかなど、対応付けの設定は自由である。図６の例では、０～３の４段階の加算値に割り当てたが、加算値の段階も自由に設定することができる。たとえば、非常に鮮明な線分あるいは円弧だけを検出し、極力ノイズの影響を抑制したいのであれば、画素値０～２００までに加算値０を割り当て、画素値２０１以上の場合だけ加算値１を割り当てるといった方法をとってもよい。これら量子化の特性は、量子化関数Ｑにより調整することができる。

　従来のハフ変換による線分あるいは円弧検出方法は、本願の実施の形態にあてはめると、画素値０に対して加算値０を割り当て、画素値１～２５５に対して加算値１を割り当てる、という形態になる。従来の方法では、あらゆる濃度の点を対等に評価してハフテーブルに対する集計を行っていたため、ノイズの影響を受けやすいという問題があった。これに対して、本実施の形態においては、画素値１～２５５の範囲内でも、濃度の違いによって加算値に重みづけをしている。これによって、ノイズの影響を抑制し、精度の高い線分あるいは円弧検出が可能となった。

　なお、本実施の形態においては、集計値Ｃ１、Ｃ２およびＣ３を量子化した値を、第１～第３の２次元配列あるいは３次元配列に格納した。別の方法として、ハフテーブル１５に単一の配列を持たせ、各量子化値を単一の配列に格納するようにしてもよい。この場合であれば、検出部１６は、集計値を３で除算する処理のみを実行すればよい。あるいは、ハフテーブル１５に単一の配列を持たせ、各量子化値を３で除算した値を格納するようにしてもよい。この場合であれば、検出部１６は、閾値との比較処理のみを実行すればよい。

　｛第６の実施の形態｝
　次に本発明の第６の実施の形態について説明する。第６の実施の形態は第５の実施の形態の応用例である。第５の実施の形態は、第３の実施の形態の総合集計値を量子化した。第６の実施の形態においては、第４の実施の形態の総合集計値を量子化する。

　第６の実施の形態における検出部１６は、数９式に示す演算を行い、総合集計値Ｖを算出する。数９式中のＣ１（θ、ρ）、Ｃ２（θ、ρ）およびＣ３（θ、ρ）、並びにｋ１、ｋ２およびｋ３は、第２の実施の形態と同様である。Ｑは、量子化関数を意味する。

　円弧の場合は、検出部１６は、数１０式に示す演算を行い、総合集計値Ｖを算出する。数１０式中のＣ１（ａ、ｂ、ｒ）、Ｃ２（ａ、ｂ、ｒ）およびＣ３（ａ、ｂ、ｒ）、並びにｋ１、ｋ２およびｋ３は、第２の実施の形態と同様である。

　総合集計値Ｖは、各集計値Ｃ１、Ｃ２およびＣ３を量子化した後、各量子化値を重みづけ加算することにより求められる。検出部１６は、総合集計値Ｖと直線検出用の閾値とを比較することにより、線分の検出を行う。あるいは、総合集計値Ｖと円弧検出用の閾値とを比較することにより、円弧の検出を行う。検出部１６は、線分あるいは円弧の検出情報を出力する。

　なお、本実施の形態においては、集計値Ｃ１、Ｃ２およびＣ３を量子化した値を、第１～第３の２次元配列あるいは３次元配列に格納した。別の方法として、各量子化値に重みづけ値を乗算した値を各配列に格納してもよい。この場合であれば、検出部１６は、各集計値を加算する処理のみを行えばよい。あるいは、ハフテーブル１５に単一の配列を持たせ、各量子化値に重みづけ値を単一の配列に格納するようにしてもよい。この場合であれば、検出部１６は、閾値との比較処理のみを実行すればよい。

　｛第７の実施の形態｝
　次に、本発明の第７の実施の形態について説明する。第７の実施の形態は、第５の実施の形態の応用例である。第５の実施の形態においては、数７式あるいは数８式で示したように、集計値Ｃ１、Ｃ２およびＣ３を同じ量子化関数を用いて量子化を行った。第７の実施の形態においては、検出部１６は、集計値Ｃ１、Ｃ２およびＣ３に対してそれぞれ異なる量子化関数を用いて量子化を行う。数１１式は、第７の実施の形態における線分を検出するための総合集計値Ｖの算出方法を示す式である。

　数１１式中、Ｑ１、Ｑ２およびＱ３は、いずれも量子化関数を示す。数１１式に示すように、Ｃ１（θ、ρ）は量子化関数Ｑ１により量子化される。また、Ｃ２（θ、ρ）は量子化関数Ｑ２により量子化され、Ｃ３（θ、ρ）は量子化関数Ｑ３により量子化される。総合集計値Ｖは、それぞれ別の量子化関数で量子化された３つの集計値が加算されることによって求められる。

　数１２式は、円弧を検出するための総合集計値Ｖの算出方法を示す式である。数１２式に示すように、Ｃ１（ａ、ｂ、ｒ）は量子化関数Ｑ１により量子化される。また、Ｃ２（ａ、ｂ、ｒ）は量子化関数Ｑ２により量子化され、Ｃ３（ａ、ｂ、ｒ）は量子化関数Ｑ３により量子化される。総合集計値Ｖは、それぞれ別の量子化関数で量子化された３つの集計値が加算されることによって求められる。

　図８は、量子化関数Ｑ１～Ｑ３の例を示す図である。この例では、輝度データに対する量子化関数Ｑ１は、色差データに対する量子化関数Ｑ２およびＱ３と異なる特性としている。図８の例では、輝度画像に関する輪郭データについては、画素値１２８以下に対して加算値０を対応付けている。これに対して、色差画像に対する輪郭データについては、画素値１２８以下についても、画素値が６５以上のレンジについては加算値１を対応付けている。つまり、色の変化については高く評価して線分あるいは円弧を検出することを意図している。

　このように、第７の実施の形態においては、一の色空間の画像を構成する成分ごとに異なる量子化関数を用いる。色ごとに異なる特性で集計値を評価し、総合的な評価を行うことができる。さらに、第７の実施の形態に、第６の実施の形態の考え方を取り入れてもよい。つまり、集計値Ｃ１、Ｃ２およびＣ３に対してそれぞれ異なる量子化関数を用いて量子化を行うとともに、各量子化値に重みづけを行うようにしてもよい。

　｛変形例｝
　第１から第７の実施の形態においては、輪郭画像データ１０３の中心を原点として、輪郭画像データ１０３内の直線をθおよびρを用いて表現した。あるいは、輪郭画像データ１０３の中心を原点として、円弧の中心座標（ａ、ｂ）を定義した。しかし、原点は画像の任意の場所に設定することができる。あるいは、原点を輪郭画像データ１０３のフレームの外に設定してもよい。

　第１から第７の実施の形態においては、輪郭抽出処理を行った。輪郭抽出処理は、画像の特徴量を抽出する処理の一例である。他の方法によって画像の特徴量を抽出した後にハフ変換を行ってもよい。この場合にも、ハフテーブルに対する集計は、画像の特徴量を加味した上で加算値を決定すればよい。

　この発明を添付図面に示す実施態様について説明したが、この発明は、特に明記した部分を除いては、その詳細な説明の記載をもって制約しようとするものではなく、特許請求の範囲に記載する範囲において広く構成しようとするものである。

Claims (19)

1. 　対象画像内の線分を検出する検出装置であって、
   　前記対象画像内のそれぞれの点の特徴量を求める特徴量算出部と、
   　前記対象画像の基準点から前記対象画像内の任意の直線に下した垂線の長さρおよび前記垂線が前記基準点を通る基準軸となす角θを用いて、前記対象画像内の任意の直線を表現することにより、前記対象画像内の任意の点を通る直線をハフ空間内の座標（θ、ρ）に変換するハフ変換部と、
   　前記対象画像内のそれぞれの点が前記ハフ変換部によってハフ空間内の座標（θ、ρ）に変換されたとき、変換された座標（θ、ρ）に対応する記憶領域に、前記対象画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計部と、
   　集計値が第１の閾値を超える座標（θ、ρ）を特定することにより、前記対象画像における線分を検出する検出部と、
   を備える。
2. 　対象画像内の円弧を検出する検出装置であって、
   　前記対象画像内のそれぞれの点の特徴量を求める特徴量算出部と、
   　前記対象画像の基準点に対して直交座標を定義し、前記対象画像内の任意の円弧を直交座標系における中心座標（ａ、ｂ）および半径ｒを用いて表現することにより、前記対象画像内の任意の点を通る円弧をハフ空間内の座標（ａ、ｂ、ｒ）に変換するハフ変換部と、
   　前記対象画像内のそれぞれの点が前記ハフ変換部によってハフ空間内の座標（ａ、ｂ、ｒ）に変換されたとき、変換された座標（ａ、ｂ、ｒ）に対応する記憶領域に、前記対象画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計部と、
   　集計値が第１の閾値を超える座標（ａ、ｂ、ｒ）を特定することにより、前記対象画像における円弧を検出する検出部と、
   を備える。
3. 　請求項１または請求項２に記載の検出装置であって、
   　前記特徴量算出部は、輪郭抽出処理を実行することにより、前記対象画像内のそれぞれの点の特徴量として輪郭強度を求める。
4. 　請求項３に記載の検出装置であって、
   　前記集計部は、前記輪郭抽出処理後の前記対象画像内のそれぞれの点の輪郭強度を加算値として集計する。
5. 　請求項３に記載の検出装置であって、
   　前記集計部は、前記輪郭抽出処理後の前記対象画像内のそれぞれの点の輪郭強度を量子化した上で集計する。
6. 　請求項１または請求項２に記載の検出装置であって、
   　前記基準点は、前記対象画像内の任意の座標に設定される。
7. 　請求項１または請求項２に記載の線分検出装置であって、さらに、
   　前記対象画像がカラー画像である場合、ハフ変換が行われる前にカラー画像から輝度画像を生成する輝度画像生成部、
   を含む線分検出装置。
8. 　対象画像内の線分を検出する検出方法であって、
   　前記対象画像内のそれぞれの点の特徴量を求める特徴量算出工程と、
   　前記対象画像の基準点から前記対象画像内の任意の直線に下した垂線の長さρおよび前記垂線が前記基準点を通る基準軸となす角θを用いて、前記対象画像内の任意の直線を表現することにより、前記対象画像内の任意の点を通る直線をハフ空間内の座標（θ、ρ）に変換するハフ変換工程と、
   　前記対象画像内のそれぞれの点が前記ハフ変換部によってハフ空間内の座標（θ、ρ）に変換されたとき、変換された座標（θ、ρ）に対応する記憶領域に、前記対象画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計工程と、
   　集計値が第１の閾値を超える座標（θ、ρ）を特定することにより、前記対象画像における線分を検出する検出工程と、
   を備える。
9. 　対象画像内の円弧を検出する検出方法であって、
   　前記対象画像内のそれぞれの点の特徴量を求める特徴量算出工程と、
   　前記対象画像の基準点に対して直交座標を定義し、前記対象画像内の任意の円弧を直交座標系における中心座標（ａ、ｂ）および半径ｒを用いて表現することにより、前記対象画像内の任意の点を通る円弧をハフ空間内の座標（ａ、ｂ、ｒ）に変換するハフ変換工程と、
   　前記対象画像内のそれぞれの点が前記ハフ変換部によってハフ空間内の座標（ａ、ｂ、ｒ）に変換されたとき、変換された座標（ａ、ｂ、ｒ）に対応する記憶領域に、前記対象画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計工程と、
   　集計値が第１の閾値を超える座標（ａ、ｂ、ｒ）を特定することにより、前記対象画像における円弧を検出する検出工程と、
   を備える。
10. 　一の色空間の対象画像内の線分を検出する検出装置であって、
    　前記対象画像から前記一の色空間における複数の成分画像を生成する生成部と、
    　各成分画像内のそれぞれの点の特徴量を求める特徴量算出部と、
    　各成分画像の基準点から各成分画像内の任意の直線に下した垂線の長さρおよび前記垂線が前記基準点を通る基準軸となす角θを用いて、各成分画像内の任意の直線を表現することにより、各成分画像内の任意の点を通る直線をハフ空間内の座標（θ、ρ）に変換するハフ変換部と、
    　各成分画像内のそれぞれの点が前記ハフ変換部によってハフ空間内の座標（θ、ρ）に変換されたとき、変換された座標（θ、ρ）に対応する記憶領域に、各成分画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計部と、
    　全ての成分画像に対応する集計値を総合評価し、総合集計値を求める総合集計部と、
    　総合集計値が第１の閾値を超える座標（θ、ρ）を特定することにより、前記対象画像における線分を検出する検出部と、
    を備える。
11. 　一の色空間の対象画像内の円弧を検出する検出装置であって、
    　前記対象画像から前記一の色空間における複数の成分画像を生成する生成部と、
    　各成分画像内のそれぞれの点の特徴量を求める特徴量算出部と、
    　各成分画像の基準点に対して直交座標を定義し、各成分画像内の任意の円弧を直交座標系における中心座標（ａ、ｂ）および半径ｒを用いて表現することにより、各成分画像内の任意の点を通る円弧をハフ空間内の座標（ａ、ｂ、ｒ）に変換するハフ変換部と、
    　各成分画像内のそれぞれの点が前記ハフ変換部によってハフ空間内の座標（ａ、ｂ、ｒ）に変換されたとき、変換された座標（ａ、ｂ、ｒ）に対応する記憶領域に、各成分画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計部と、
    　全ての成分画像に対応する集計値を総合評価し、総合集計値を求める総合集計部と、
    　総合集計値が第１の閾値を超える座標（ａ、ｂ、ｒ）を特定することにより、前記対象画像における円弧を検出する検出部と、
    を備える。
12. 　請求項１０または請求項１１に記載の検出装置であって、
    　前記特徴量算出部は、輪郭抽出処理を実行することにより、各成分画像内のそれぞれの点の特徴量として輪郭強度を求める。
13. 　請求項１２に記載の検出装置であって、
    　前記集計部は、前記輪郭抽出処理後の各成分画像内のそれぞれの点の輪郭強度を加算値として集計する。
14. 　請求項１２に記載の検出装置であって、
    　前記集計部は、前記輪郭抽出処理後の各成分画像内のそれぞれの点の輪郭強度を量子化した上で集計する。
15. 　請求項１４に記載の検出装置であって、
    　前記集計部は、各成分画像に対してそれぞれ異なる量子化関数を用いて輪郭強度を量子化する。
16. 　請求項１０または請求項１１に記載の検出装置であって、
    　前記総合集計部は、各成分画像の集計値を重みづけ加算することにより総合集計値を求める。
17. 　請求項１０または請求項１１に記載の検出装置であって、
    　前記基準点は、各成分画像内の任意の座標に設定される。
18. 　一の色空間の対象画像内の線分を検出する検出方法であって、
    　前記対象画像から前記一の色空間における複数の成分画像を生成する生成工程と、
    　各成分画像内のそれぞれの点の特徴量を求める特徴量算出工程と、
    　各成分画像の基準点から各成分画像内の任意の直線に下した垂線の長さρおよび前記垂線が前記基準点を通る基準軸となす角θを用いて、各成分画像内の任意の直線を表現することにより、各成分像内の任意の点を通る直線をハフ空間内の座標（θ、ρ）に変換するハフ変換工程と、
    　各成分画像内のそれぞれの点が前記ハフ変換部によってハフ空間内の座標（θ、ρ）に変換されたとき、変換された座標（θ、ρ）に対応する記憶領域に、各成分画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計工程と、
    　全ての成分画像に対応する集計値を総合評価し、総合集計値を求める総合集計工程と、
    　総合集計値が第１の閾値を超える座標（θ、ρ）を特定することにより、前記対象画像における線分を検出する検出工程と、
    を備える。
19. 　一の色空間の対象画像内の円弧を検出する検出方法であって、
    　前記対象画像から前記一の色空間における複数の成分画像を生成する生成工程と、
    　各成分画像内のそれぞれの点の特徴量を求める特徴量算出工程と、
    　各成分画像の基準点に対して直交座標を定義し、各成分画像内の任意の円弧を直交座標系における中心座標（ａ、ｂ）および半径ｒを用いて表現することにより、各成分画像内の任意の点を通る円弧をハフ空間内の座標（ａ、ｂ、ｒ）に変換するハフ変換工程と、
    　各成分画像内のそれぞれの点が前記ハフ変換部によってハフ空間内の座標（ａ、ｂ、ｒ）に変換されたとき、変換された座標（ａ、ｂ、ｒ）に対応する記憶領域に、各成分画像内のそれぞれの点の特徴量の大きさによって重みづけされた値を加算する集計工程と、
    　全ての成分画像に対応する集計値を総合評価し、総合集計値を求める総合集計工程と、
    　総合集計値が第１の閾値を超える座標（ａ、ｂ、ｒ）を特定することにより、前記対象画像における円弧を検出する検出工程と、
    を備える。

Images