画像処理装置及び方法
【課題】入力画像の特徴量と過去画像の特徴量及び調整量とに基づいて、調整量推定値を算出し得る画像処理装置及び方法を提供する。
【解決手段】画像を入力する入力部１４と、入力された画像を記憶する記憶部１５と、制御部１１と、を備え、制御部１１は、現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出し、算出された入力画像及び過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値（学習量）を算出する画像処理装置１０とする。
【解決手段】画像を入力する入力部１４と、入力された画像を記憶する記憶部１５と、制御部１１と、を備え、制御部１１は、現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出し、算出された入力画像及び過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値（学習量）を算出する画像処理装置１０とする。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、画像処理装置及び方法に関する。
【背景技術】
【０００２】
放射線画像を入力して各種画像処理を行う画像処理装置には、入力された放射線画像の撮影部位を自動で認識することができるものがある。
撮影部位には、例えば胸部正面、頭部、腹部等がある。
【０００３】
部位認識が可能な画像処理装置によれば、認識された撮影部位に予め対応付けて記憶されている画像処理条件が適用され、入力された放射線画像に対して最適な画像処理が行われる（特許文献１参照）。
【０００４】
画像処理条件には、例えば階調変換処理、周波数強調処理、ダイナミックレンジ圧縮処理、粒状抑制処理、拡大／縮小処理、表示位置調整処理、白黒反転処理等がある。
【０００５】
また、部位認識が可能な他の画像処理装置によれば、認識された部位又は適用される画像処理条件に予め対応付けられたユーザの好みを自動的に反映した画像処理パラメータが適用され、入力された放射線画像に対して最適な画像処理が行われる（特許文献２参照）。
【０００６】
画像処理パラメータには、例えば階調変換処理に用いる階調変換曲線（入力画素値と出力画素値との関係を定めた曲線）、正規化曲線の傾き（Ｇ値：コントラスト値）、正規化曲線のy切片（Ｓ値：濃度補正値）、周波数強調処理に用いる強調度、拡大／縮小処理の拡大率／縮小率等がある。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００１−２２４５７６号公報
【特許文献２】特開２００５−１１１２４９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかし、特許文献１及び特許文献２の画像処理装置によれば、通常、人（ヒト）の情報を基準にして部位認識されることから、入力された放射線画像が人以外の動物である場合には部位認識されない。
【０００９】
人以外の動物は大小様々で種類も数多く存在するため、全ての動物について部位認識する際の基準となる情報を記憶しておくことは困難である。
【００１０】
また、同じ人であっても、標準サイズから規格外のサイズまで様々である。よって、人の放射線画像であっても部位認識されない場合がある。
【００１１】
部位認識に基づいて最適な画像処理が行われる画像処理装置では、部位認識ができることを前提としているため、その前提である部位認識ができない場合にはユーザの好みが部位ごとに反映された最適な画像処理が行われないことになる。
【００１２】
本発明の課題は、入力画像の特徴量と過去画像の特徴量及び調整量とに基づいて、調整量推定値を算出し得る画像処理装置及び方法を提供することである。
【課題を解決するための手段】
【００１３】
本発明によれば、
画像を入力する入力部と、
前記入力された画像を記憶する記憶部と、
制御部と、を備え、
前記制御部は、現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出し、当該算出された前記入力画像及び前記過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値を算出する画像処理装置が提供される。
【００１４】
また、本発明によれば、
入力部により、画像を入力する工程と、
記憶部により、前記入力された画像を記憶する工程と、
制御部により、制御する工程と、を含み、
前記制御する工程は、
現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出する工程と、当該算出された前記入力画像及び前記過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値を算出する工程と、
を含む画像処理方法が提供される。
【発明の効果】
【００１５】
本発明によれば、撮影対象の種類やサイズにかかわらず、入力画像の特徴量と過去画像の特徴量及び調整量とに基づいて算出される調整量推定値により、部位ごとにユーザの好みを自動的に反映した最適な画像処理を行うことができる。
【図面の簡単な説明】
【００１６】
【図１】画像処理装置の機能的構成図である。
【図２】画像処理の概要を示すフロー図である。
【図３】学習量算出処理を示すフロー図である。
【図４】学習量算出処理の概念図である。
【図５】他の学習量算出処理を示すフロー図である。
【図６】kの値の最適化処理の概念図である。
【発明を実施するための形態】
【００１７】
本実施形態における画像処理装置の構成及び動作について、図面を用いて詳細に説明する。なお、本実施形態は本発明における実施形態の一例にすぎず、本発明はこれに限定されるものではない。
【００１８】
図１に、画像処理装置１０の機能的構成を示す。
画像処理装置１０は、制御部１１、操作部１２、表示部１３、入力部１４、記憶部１５等を備えて構成される。
【００１９】
制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）等を備えて構成される。
制御部１１は、記憶部１５に記憶されているプログラムとの協働により各種演算を行い、各部（１２〜１５）の動作を集中制御する。
【００２０】
操作部１２は、キーボードやマウス等を備えて構成される。
操作部１２は、ユーザの操作により操作信号を生成し、生成された操作信号を制御部１１に出力する。
【００２１】
表示部１３は、ディスプレイ等を備えて構成され、制御部１１の表示制御に従い各種操作画面や放射線画像を表示する。
【００２２】
なお、ここでは表示部１３は放射線画像を表示する、としているが表示対象は放射線画像に限定されず、一般的なデジタル画像を表示することもできる。以下の説明においても同様に、本発明は「放射線画像」に限定されない。
【００２３】
入力部１４は、通信用のインターフェイス等を備えて構成される。
入力部１４は、同一ネットワーク上に設置されている図示しない放射線撮影装置から放射線画像を入力する。
【００２４】
記憶部１５は、ＲＯＭ（Read Only Memory）等の不揮発性の半導体メモリを備えて構成される。
記憶部１５は、システムプログラムや各種処理プログラムを記憶し、各種処理により得られたデータ等を記憶する。また、記憶部１５は、入力部１４により入力された画像を記憶する。
【００２５】
図２を参照して、本実施形態における画像処理の概要について説明する。
制御部１１は、放射線撮影装置から出力される放射線画像を入力部１４により入力する（ステップＳ１）。
【００２６】
制御部１１は、入力された放射線画像（以下、「入力画像」）の特徴量を算出する（ステップＳ２）。
特徴量とは、撮影対象の大きさ（画素数）、撮影対象の中心線の形状、濃度ヒストグラムの形状、主走査又は副走査方向における1次微分値の分布等に基づいて算出される値である。
【００２７】
制御部１１は、算出された特徴量に基づいて、画像処理条件を決定する（ステップＳ３）。
画像処理条件には、例えば階調変換処理、周波数強調処理、ダイナミックレンジ圧縮処理、粒状抑制処理、拡大／縮小処理、表示位置調整処理、白黒反転処理等がある。
制御部１１は、上記何れの処理を行うかについてステップ３で決定する。
【００２８】
制御部１１は、調整量推定値（以下、「学習量」）を算出する（ステップＳ４）。
ここでいう学習量とは、過去に入力された画像（以下、「過去画像」）に基づいて（過去画像を学習して）、入力画像に対して算出される量である。ここでは、調整すべき入力画像の画像処理パラメータの補正量が学習量として算出される。
学習量は、具体的には図３の処理により算出される。
【００２９】
画像処理パラメータには、例えば階調変換処理に用いる階調変換曲線（入力画素値と出力画素値との関係を定めた曲線）、正規化曲線の傾き（Ｇ値：コントラスト値）、正規化曲線のy切片（Ｓ値：濃度補正値）、周波数強調処理に用いる強調度、拡大／縮小処理の拡大率／縮小率等がある。
【００３０】
本実施形態では、上記画像処理パラメータのうち、ユーザにより通常調整されるコントラスト値又は濃度補正値が学習量として算出される場合を想定して説明する。
【００３１】
図３を参照して、学習量算出処理について説明する。
制御部１１は、過去に入力された画像（過去画像）の特徴量及び現在入力された画像（入力画像）の特徴量を記憶部１６から抽出する（ステップＳ４１）。
【００３２】
なお、過去画像の特徴量は、過去に入力された時点で算出されて記憶部１６に記憶されており、過去画像の調整量は、算出された特徴量と対応付けられて記憶部１６に記憶されている。また、過去画像の調整量とは、画像処理パラメータ確定時に操作部１２を介して調整された濃度補正値又はコントラスト値である。
【００３３】
入力画像の特徴量は、入力された時点で算出されて（ステップＳ２参照）記憶部１６に記憶される。
【００３４】
制御部１１は、過去画像の特徴量と入力画像の特徴量との類似度（以下、距離（ｄ））を算出する（ステップＳ４２）。
ここで算出される距離（ｄ）が小さい過去画像ほど、入力画像と類似度が高い画像であるといえ、入力画像と同一部位の可能性が高いといえる。
【００３５】
制御部１１は、算出された距離（ｄ）のうち、小さい順から予め定められた個数（k）の過去画像を抽出する（ステップＳ４３）。
【００３６】
制御部１１は、抽出されたk個の過去画像の調整量に1/kだけ重み付けをし、他の過去画像の調整量には０の重み付けをする（ステップＳ４４）。
【００３７】
制御部１１は、1/k又は０の重み付けをした過去画像の調整量の平均を算出し、算出された平均の調整量を学習量として決定して（ステップＳ４５）、学習量算出処理を終了する。
【００３８】
なお、後の処理で、制御部１１は算出された学習量に基づいて調整した濃度又はコントラストの入力画像を表示部１３に表示する。
【００３９】
図４に、学習量算出処理の概念図を示す。
Ｘ１は、入力画像の特徴量である。
Ａ１〜Ａ５は、Ｘ１から距離（d）が近い順で抽出されたk個（ここではk=5）の過去画像の調整量である。
【００４０】
学習量ＳＱは、Ａ１〜Ａ５にkの逆数で重み付けし、他の調整量に０の重み付けをした平均の調整量である。
つまり、k＝５の場合の学習量ＳＱは、ＳＱ＝（Ａ１＋Ａ２＋Ａ３＋Ａ４＋Ａ５）×１／５＋（残りの過去画像の調整量）×０、によって算出される。
【００４１】
図５を参照して、kの値の最適化処理について説明する。
ユーザによっては調整量に大きなばらつきが生じるため、kの値を固定して算出される学習量は必ずしも適切なものであるとは限らない。
kの値の最適化処理によれば、ユーザに応じてkの値を最適化することができ、学習量算出処理（図３、図４）により算出される学習量がユーザにとってより最適なものとなる。
【００４２】
制御部１１は、予め定められた分の複数のkの値のうち、何れか一を選択する（ステップＳ１１）。
ここでは、説明の便宜上、予め定められた分のkの値はk=５〜１０であるものとし、まず制御部１１はk=５を選択するものとして説明する。
【００４３】
制御部１１は、記憶部１６に記憶されている全ての過去画像を全画像枚数（ｎ）で割って、ｎ個のグループにグループ化する（ステップＳ１２）。
ここでは全画像枚数ｎで割ってグループ化しているため、各グループは、１枚の過去画像によって構成される。なお、全画像数をＮとし、ｎ個のグループにグループ化した場合、各グループはＮ／ｎ枚の過去画像で構成されることになる。
【００４４】
制御部１１は、ｎ-１個のグループと残りの１個のグループとに分け、ｎ-１個のグループを「過去画像グループ」、残りの１個のグループを「入力画像グループ」として分類する（ステップＳ１３）。
【００４５】
制御部１１は、入力画像グループの画像について、学習量を算出する（ステップＳ１４）。
ここでの学習量の算出方法は、上記図３、図４で説明した方法と同様である。
すなわち、（１）過去画像グループからk個の画像を抽出し、（２）k個の画像の調整量に1/kの重み付けを行い、過去画像グループの他の画像の調整量には０を重み付けを行い、（３）重み付けした調整量の平均を学習量として算出する。
【００４６】
k＝５の場合の学習量は、学習量ＳＱ１ｋ５=（Ａ１＋Ａ２＋Ａ３＋Ａ４＋Ａ５）/５、である（Ａ１〜Ａ５；抽出されたｋ＝５個の画像の調整量）。
【００４７】
制御部１１は、算出された学習量ＳＱ１ｋ５と実際の調整量（入力画像グループの画像の調整量）との誤差Ｅ１ｋ５を算出する（ステップＳ１５）。
【００４８】
制御部１１は、ｎ個のグループ全てについて、誤差を算出したか否か判断する（ステップＳ１６）。
つまり、制御部１１は、ｎ個の誤差（Ｅ１ｋ５〜Ｅｎｋ５）を算出したか否か判断する。
【００４９】
ｎ個の誤差を算出していない場合（ステップＳ１６；Ｎ）、制御部１１は、過去画像グループのうち、何れか一のグループと、これまで入力画像グループとして取り扱ってきたグループとを置き換える（ステップＳ１７）。
制御部１１は、置き換えた新たな入力画像グループについて、ステップＳ１４〜Ｓ１６を繰り返す。
【００５０】
ｎ個の誤差を算出した場合（ステップＳ１６；Ｙ）、制御部１１は、ｎ個の誤差の平均（ＥＡｋ５）を算出する（ステップＳ１８）。
ｎ個の誤差の平均ＥＡｋ５は、ＥＡｋ５＝（Ｅ１ｋ５＋Ｅ２ｋ５＋…Ｅｎｋ５）／ｎ、で算出される。
【００５１】
制御部１１は、予め定められた分の複数のkの値（k=5〜10）の全てについて、誤差の平均（ＥＡｋ５〜ＥＡｋ１０）を算出したか否か判断する（ステップＳ１９）。
つまり、予め定められた分の複数のkの値がk=５〜１０であれば、制御部１１は６個の誤差の平均（ＥＡｋ５〜ＥＡｋ１０）が算出されたか否か判断する。
【００５２】
予め定められた分の複数のkの値の全てについて誤差の平均を算出していない場合（ステップＳ１９；Ｎ）、制御部１１は、誤差の平均が算出されていない他のkの値を選択し（ステップＳ２０）、ステップＳ１２に移行する。
【００５３】
予め定められた分の複数のkの値の全てについて誤差の平均を全て算出した場合（ステップＳ１９；Ｙ）、制御部１１は、算出された誤差の平均（ＥＡｋ５〜ＥＡｋ１０）のうち、最も小さい誤差の平均に対応するkを選択する（ステップＳ２０）。
【００５４】
制御部１１は、選択されたkの値を学習量算出処理（図３、図４）で用いるkの値として決定し（ステップＳ２１）、kの値の最適化処理を終了する。
【００５５】
図６に、kの値の最適化処理の概念図を示す。
処理１は、kの値の最適化処理の前提として、まずkの値が１つ選択されることを示す。
処理２は、記憶部１６に記憶されている全ての過去画像がｎ個に分割されることを示す。分割数ｎ＝全画像数Ｎの場合、1つのグループはＮ／ｎ＝１枚の画像で構成される。
【００５６】
処理３は、ｎ−１個のグループが過去画像グループ、残り１個のグループが入力画像グループ、として分類されることを示す。
【００５７】
処理４は、入力画像グループの画像について、学習量ＳＱ１ｋ５が算出され、算出された学習量ＳＱ１ｋ５と実際の調整量との誤差Ｅ１ｋ５が算出されることを示す。
【００５８】
処理５は、過去画像グループのうちの何れか一を入力画像グループとし、これまで入力画像グループとして取り扱ってきたグループを過去画像グループとすることを示す。また、新たに置き換えた入力画像グループについて誤差（Ｅｎｋ５）が算出されることを示す。
【００５９】
処理６は、ｎ個のグループ全てについて誤差Ｅ１ｋ５〜Ｅｎｋ５が算出され、これらの平均ＥＡｋ５が算出されたことを示す。
【００６０】
処理７は、kの値を替えて、上記処理１〜処理６までを繰り返し行い、kの値ごとに誤差の平均ＥＡｋ５〜ＥＡｋ１０が算出されることを示す。
また、処理７は、算出された誤差の平均ＥＡｋ５〜ＥＡｋ１０のうち、最も小さい値の誤差の平均のkの値が学習量算出処理（図３、図４）で用いるkの値として決定されることを示す。
【００６１】
図２に戻り、制御部１１は、ステップＳ３、Ｓ４で決定／算出した画像処理条件及び学習量に基づいて、入力画像を画像処理する（ステップＳ５）。
【００６２】
制御部１１は、画像処理された画像を表示部１３により表示して（ステップＳ６）、全体処理を終了する。
【００６３】
以上のように、本実施形態によれば、入力画像の特徴量と過去画像の特徴量及び調整量とに基づいて調整量推定値（学習量）を算出することができる。過去画像で調整された傾向を学習して、適切な学習量を決定することができる。
【００６４】
また、入力画像の特徴量と過去画像の特徴量とが類似度（距離）に基づいて、入力画像に類似するｋ個の画像を過去画像から抽出することができる。算出される学習量の信頼性の確保を図ることができる。
【００６５】
また、ｋの値を最適化することができる。過去画像の調整量にばらつきが生じるユーザでも、ｋの値を最適化して学習量の信頼性を確保することができる。
【００６６】
また、過去画像の調整量を類似度に基づいた重み付けを行い、学習量を算出するとしてもよい。
【００６７】
また、重み付けは、入力画像に対する類似度の高い画像の個数（ｋ）については、その個数の逆数（１／ｋ）とし、その他の画像については０と定めてもよい。
【００６８】
また、過去画像の調整量及び算出される学習量は、コントラスト値又は濃度補正値である。なお、これ以外の画像処理パラメータ（拡大率／縮小率等）であってもよい。
【００６９】
また、算出された学習量に基づいて調整された入力画像を表示部１３に表示することができる。
【符号の説明】
【００７０】
１０ 画像処理装置
１１ 制御部
１２ 操作部
１３ 表示部
１４ 入力部
１５ 記憶部
【技術分野】
【０００１】
本発明は、画像処理装置及び方法に関する。
【背景技術】
【０００２】
放射線画像を入力して各種画像処理を行う画像処理装置には、入力された放射線画像の撮影部位を自動で認識することができるものがある。
撮影部位には、例えば胸部正面、頭部、腹部等がある。
【０００３】
部位認識が可能な画像処理装置によれば、認識された撮影部位に予め対応付けて記憶されている画像処理条件が適用され、入力された放射線画像に対して最適な画像処理が行われる（特許文献１参照）。
【０００４】
画像処理条件には、例えば階調変換処理、周波数強調処理、ダイナミックレンジ圧縮処理、粒状抑制処理、拡大／縮小処理、表示位置調整処理、白黒反転処理等がある。
【０００５】
また、部位認識が可能な他の画像処理装置によれば、認識された部位又は適用される画像処理条件に予め対応付けられたユーザの好みを自動的に反映した画像処理パラメータが適用され、入力された放射線画像に対して最適な画像処理が行われる（特許文献２参照）。
【０００６】
画像処理パラメータには、例えば階調変換処理に用いる階調変換曲線（入力画素値と出力画素値との関係を定めた曲線）、正規化曲線の傾き（Ｇ値：コントラスト値）、正規化曲線のy切片（Ｓ値：濃度補正値）、周波数強調処理に用いる強調度、拡大／縮小処理の拡大率／縮小率等がある。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００１−２２４５７６号公報
【特許文献２】特開２００５−１１１２４９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかし、特許文献１及び特許文献２の画像処理装置によれば、通常、人（ヒト）の情報を基準にして部位認識されることから、入力された放射線画像が人以外の動物である場合には部位認識されない。
【０００９】
人以外の動物は大小様々で種類も数多く存在するため、全ての動物について部位認識する際の基準となる情報を記憶しておくことは困難である。
【００１０】
また、同じ人であっても、標準サイズから規格外のサイズまで様々である。よって、人の放射線画像であっても部位認識されない場合がある。
【００１１】
部位認識に基づいて最適な画像処理が行われる画像処理装置では、部位認識ができることを前提としているため、その前提である部位認識ができない場合にはユーザの好みが部位ごとに反映された最適な画像処理が行われないことになる。
【００１２】
本発明の課題は、入力画像の特徴量と過去画像の特徴量及び調整量とに基づいて、調整量推定値を算出し得る画像処理装置及び方法を提供することである。
【課題を解決するための手段】
【００１３】
本発明によれば、
画像を入力する入力部と、
前記入力された画像を記憶する記憶部と、
制御部と、を備え、
前記制御部は、現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出し、当該算出された前記入力画像及び前記過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値を算出する画像処理装置が提供される。
【００１４】
また、本発明によれば、
入力部により、画像を入力する工程と、
記憶部により、前記入力された画像を記憶する工程と、
制御部により、制御する工程と、を含み、
前記制御する工程は、
現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出する工程と、当該算出された前記入力画像及び前記過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値を算出する工程と、
を含む画像処理方法が提供される。
【発明の効果】
【００１５】
本発明によれば、撮影対象の種類やサイズにかかわらず、入力画像の特徴量と過去画像の特徴量及び調整量とに基づいて算出される調整量推定値により、部位ごとにユーザの好みを自動的に反映した最適な画像処理を行うことができる。
【図面の簡単な説明】
【００１６】
【図１】画像処理装置の機能的構成図である。
【図２】画像処理の概要を示すフロー図である。
【図３】学習量算出処理を示すフロー図である。
【図４】学習量算出処理の概念図である。
【図５】他の学習量算出処理を示すフロー図である。
【図６】kの値の最適化処理の概念図である。
【発明を実施するための形態】
【００１７】
本実施形態における画像処理装置の構成及び動作について、図面を用いて詳細に説明する。なお、本実施形態は本発明における実施形態の一例にすぎず、本発明はこれに限定されるものではない。
【００１８】
図１に、画像処理装置１０の機能的構成を示す。
画像処理装置１０は、制御部１１、操作部１２、表示部１３、入力部１４、記憶部１５等を備えて構成される。
【００１９】
制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）等を備えて構成される。
制御部１１は、記憶部１５に記憶されているプログラムとの協働により各種演算を行い、各部（１２〜１５）の動作を集中制御する。
【００２０】
操作部１２は、キーボードやマウス等を備えて構成される。
操作部１２は、ユーザの操作により操作信号を生成し、生成された操作信号を制御部１１に出力する。
【００２１】
表示部１３は、ディスプレイ等を備えて構成され、制御部１１の表示制御に従い各種操作画面や放射線画像を表示する。
【００２２】
なお、ここでは表示部１３は放射線画像を表示する、としているが表示対象は放射線画像に限定されず、一般的なデジタル画像を表示することもできる。以下の説明においても同様に、本発明は「放射線画像」に限定されない。
【００２３】
入力部１４は、通信用のインターフェイス等を備えて構成される。
入力部１４は、同一ネットワーク上に設置されている図示しない放射線撮影装置から放射線画像を入力する。
【００２４】
記憶部１５は、ＲＯＭ（Read Only Memory）等の不揮発性の半導体メモリを備えて構成される。
記憶部１５は、システムプログラムや各種処理プログラムを記憶し、各種処理により得られたデータ等を記憶する。また、記憶部１５は、入力部１４により入力された画像を記憶する。
【００２５】
図２を参照して、本実施形態における画像処理の概要について説明する。
制御部１１は、放射線撮影装置から出力される放射線画像を入力部１４により入力する（ステップＳ１）。
【００２６】
制御部１１は、入力された放射線画像（以下、「入力画像」）の特徴量を算出する（ステップＳ２）。
特徴量とは、撮影対象の大きさ（画素数）、撮影対象の中心線の形状、濃度ヒストグラムの形状、主走査又は副走査方向における1次微分値の分布等に基づいて算出される値である。
【００２７】
制御部１１は、算出された特徴量に基づいて、画像処理条件を決定する（ステップＳ３）。
画像処理条件には、例えば階調変換処理、周波数強調処理、ダイナミックレンジ圧縮処理、粒状抑制処理、拡大／縮小処理、表示位置調整処理、白黒反転処理等がある。
制御部１１は、上記何れの処理を行うかについてステップ３で決定する。
【００２８】
制御部１１は、調整量推定値（以下、「学習量」）を算出する（ステップＳ４）。
ここでいう学習量とは、過去に入力された画像（以下、「過去画像」）に基づいて（過去画像を学習して）、入力画像に対して算出される量である。ここでは、調整すべき入力画像の画像処理パラメータの補正量が学習量として算出される。
学習量は、具体的には図３の処理により算出される。
【００２９】
画像処理パラメータには、例えば階調変換処理に用いる階調変換曲線（入力画素値と出力画素値との関係を定めた曲線）、正規化曲線の傾き（Ｇ値：コントラスト値）、正規化曲線のy切片（Ｓ値：濃度補正値）、周波数強調処理に用いる強調度、拡大／縮小処理の拡大率／縮小率等がある。
【００３０】
本実施形態では、上記画像処理パラメータのうち、ユーザにより通常調整されるコントラスト値又は濃度補正値が学習量として算出される場合を想定して説明する。
【００３１】
図３を参照して、学習量算出処理について説明する。
制御部１１は、過去に入力された画像（過去画像）の特徴量及び現在入力された画像（入力画像）の特徴量を記憶部１６から抽出する（ステップＳ４１）。
【００３２】
なお、過去画像の特徴量は、過去に入力された時点で算出されて記憶部１６に記憶されており、過去画像の調整量は、算出された特徴量と対応付けられて記憶部１６に記憶されている。また、過去画像の調整量とは、画像処理パラメータ確定時に操作部１２を介して調整された濃度補正値又はコントラスト値である。
【００３３】
入力画像の特徴量は、入力された時点で算出されて（ステップＳ２参照）記憶部１６に記憶される。
【００３４】
制御部１１は、過去画像の特徴量と入力画像の特徴量との類似度（以下、距離（ｄ））を算出する（ステップＳ４２）。
ここで算出される距離（ｄ）が小さい過去画像ほど、入力画像と類似度が高い画像であるといえ、入力画像と同一部位の可能性が高いといえる。
【００３５】
制御部１１は、算出された距離（ｄ）のうち、小さい順から予め定められた個数（k）の過去画像を抽出する（ステップＳ４３）。
【００３６】
制御部１１は、抽出されたk個の過去画像の調整量に1/kだけ重み付けをし、他の過去画像の調整量には０の重み付けをする（ステップＳ４４）。
【００３７】
制御部１１は、1/k又は０の重み付けをした過去画像の調整量の平均を算出し、算出された平均の調整量を学習量として決定して（ステップＳ４５）、学習量算出処理を終了する。
【００３８】
なお、後の処理で、制御部１１は算出された学習量に基づいて調整した濃度又はコントラストの入力画像を表示部１３に表示する。
【００３９】
図４に、学習量算出処理の概念図を示す。
Ｘ１は、入力画像の特徴量である。
Ａ１〜Ａ５は、Ｘ１から距離（d）が近い順で抽出されたk個（ここではk=5）の過去画像の調整量である。
【００４０】
学習量ＳＱは、Ａ１〜Ａ５にkの逆数で重み付けし、他の調整量に０の重み付けをした平均の調整量である。
つまり、k＝５の場合の学習量ＳＱは、ＳＱ＝（Ａ１＋Ａ２＋Ａ３＋Ａ４＋Ａ５）×１／５＋（残りの過去画像の調整量）×０、によって算出される。
【００４１】
図５を参照して、kの値の最適化処理について説明する。
ユーザによっては調整量に大きなばらつきが生じるため、kの値を固定して算出される学習量は必ずしも適切なものであるとは限らない。
kの値の最適化処理によれば、ユーザに応じてkの値を最適化することができ、学習量算出処理（図３、図４）により算出される学習量がユーザにとってより最適なものとなる。
【００４２】
制御部１１は、予め定められた分の複数のkの値のうち、何れか一を選択する（ステップＳ１１）。
ここでは、説明の便宜上、予め定められた分のkの値はk=５〜１０であるものとし、まず制御部１１はk=５を選択するものとして説明する。
【００４３】
制御部１１は、記憶部１６に記憶されている全ての過去画像を全画像枚数（ｎ）で割って、ｎ個のグループにグループ化する（ステップＳ１２）。
ここでは全画像枚数ｎで割ってグループ化しているため、各グループは、１枚の過去画像によって構成される。なお、全画像数をＮとし、ｎ個のグループにグループ化した場合、各グループはＮ／ｎ枚の過去画像で構成されることになる。
【００４４】
制御部１１は、ｎ-１個のグループと残りの１個のグループとに分け、ｎ-１個のグループを「過去画像グループ」、残りの１個のグループを「入力画像グループ」として分類する（ステップＳ１３）。
【００４５】
制御部１１は、入力画像グループの画像について、学習量を算出する（ステップＳ１４）。
ここでの学習量の算出方法は、上記図３、図４で説明した方法と同様である。
すなわち、（１）過去画像グループからk個の画像を抽出し、（２）k個の画像の調整量に1/kの重み付けを行い、過去画像グループの他の画像の調整量には０を重み付けを行い、（３）重み付けした調整量の平均を学習量として算出する。
【００４６】
k＝５の場合の学習量は、学習量ＳＱ１ｋ５=（Ａ１＋Ａ２＋Ａ３＋Ａ４＋Ａ５）/５、である（Ａ１〜Ａ５；抽出されたｋ＝５個の画像の調整量）。
【００４７】
制御部１１は、算出された学習量ＳＱ１ｋ５と実際の調整量（入力画像グループの画像の調整量）との誤差Ｅ１ｋ５を算出する（ステップＳ１５）。
【００４８】
制御部１１は、ｎ個のグループ全てについて、誤差を算出したか否か判断する（ステップＳ１６）。
つまり、制御部１１は、ｎ個の誤差（Ｅ１ｋ５〜Ｅｎｋ５）を算出したか否か判断する。
【００４９】
ｎ個の誤差を算出していない場合（ステップＳ１６；Ｎ）、制御部１１は、過去画像グループのうち、何れか一のグループと、これまで入力画像グループとして取り扱ってきたグループとを置き換える（ステップＳ１７）。
制御部１１は、置き換えた新たな入力画像グループについて、ステップＳ１４〜Ｓ１６を繰り返す。
【００５０】
ｎ個の誤差を算出した場合（ステップＳ１６；Ｙ）、制御部１１は、ｎ個の誤差の平均（ＥＡｋ５）を算出する（ステップＳ１８）。
ｎ個の誤差の平均ＥＡｋ５は、ＥＡｋ５＝（Ｅ１ｋ５＋Ｅ２ｋ５＋…Ｅｎｋ５）／ｎ、で算出される。
【００５１】
制御部１１は、予め定められた分の複数のkの値（k=5〜10）の全てについて、誤差の平均（ＥＡｋ５〜ＥＡｋ１０）を算出したか否か判断する（ステップＳ１９）。
つまり、予め定められた分の複数のkの値がk=５〜１０であれば、制御部１１は６個の誤差の平均（ＥＡｋ５〜ＥＡｋ１０）が算出されたか否か判断する。
【００５２】
予め定められた分の複数のkの値の全てについて誤差の平均を算出していない場合（ステップＳ１９；Ｎ）、制御部１１は、誤差の平均が算出されていない他のkの値を選択し（ステップＳ２０）、ステップＳ１２に移行する。
【００５３】
予め定められた分の複数のkの値の全てについて誤差の平均を全て算出した場合（ステップＳ１９；Ｙ）、制御部１１は、算出された誤差の平均（ＥＡｋ５〜ＥＡｋ１０）のうち、最も小さい誤差の平均に対応するkを選択する（ステップＳ２０）。
【００５４】
制御部１１は、選択されたkの値を学習量算出処理（図３、図４）で用いるkの値として決定し（ステップＳ２１）、kの値の最適化処理を終了する。
【００５５】
図６に、kの値の最適化処理の概念図を示す。
処理１は、kの値の最適化処理の前提として、まずkの値が１つ選択されることを示す。
処理２は、記憶部１６に記憶されている全ての過去画像がｎ個に分割されることを示す。分割数ｎ＝全画像数Ｎの場合、1つのグループはＮ／ｎ＝１枚の画像で構成される。
【００５６】
処理３は、ｎ−１個のグループが過去画像グループ、残り１個のグループが入力画像グループ、として分類されることを示す。
【００５７】
処理４は、入力画像グループの画像について、学習量ＳＱ１ｋ５が算出され、算出された学習量ＳＱ１ｋ５と実際の調整量との誤差Ｅ１ｋ５が算出されることを示す。
【００５８】
処理５は、過去画像グループのうちの何れか一を入力画像グループとし、これまで入力画像グループとして取り扱ってきたグループを過去画像グループとすることを示す。また、新たに置き換えた入力画像グループについて誤差（Ｅｎｋ５）が算出されることを示す。
【００５９】
処理６は、ｎ個のグループ全てについて誤差Ｅ１ｋ５〜Ｅｎｋ５が算出され、これらの平均ＥＡｋ５が算出されたことを示す。
【００６０】
処理７は、kの値を替えて、上記処理１〜処理６までを繰り返し行い、kの値ごとに誤差の平均ＥＡｋ５〜ＥＡｋ１０が算出されることを示す。
また、処理７は、算出された誤差の平均ＥＡｋ５〜ＥＡｋ１０のうち、最も小さい値の誤差の平均のkの値が学習量算出処理（図３、図４）で用いるkの値として決定されることを示す。
【００６１】
図２に戻り、制御部１１は、ステップＳ３、Ｓ４で決定／算出した画像処理条件及び学習量に基づいて、入力画像を画像処理する（ステップＳ５）。
【００６２】
制御部１１は、画像処理された画像を表示部１３により表示して（ステップＳ６）、全体処理を終了する。
【００６３】
以上のように、本実施形態によれば、入力画像の特徴量と過去画像の特徴量及び調整量とに基づいて調整量推定値（学習量）を算出することができる。過去画像で調整された傾向を学習して、適切な学習量を決定することができる。
【００６４】
また、入力画像の特徴量と過去画像の特徴量とが類似度（距離）に基づいて、入力画像に類似するｋ個の画像を過去画像から抽出することができる。算出される学習量の信頼性の確保を図ることができる。
【００６５】
また、ｋの値を最適化することができる。過去画像の調整量にばらつきが生じるユーザでも、ｋの値を最適化して学習量の信頼性を確保することができる。
【００６６】
また、過去画像の調整量を類似度に基づいた重み付けを行い、学習量を算出するとしてもよい。
【００６７】
また、重み付けは、入力画像に対する類似度の高い画像の個数（ｋ）については、その個数の逆数（１／ｋ）とし、その他の画像については０と定めてもよい。
【００６８】
また、過去画像の調整量及び算出される学習量は、コントラスト値又は濃度補正値である。なお、これ以外の画像処理パラメータ（拡大率／縮小率等）であってもよい。
【００６９】
また、算出された学習量に基づいて調整された入力画像を表示部１３に表示することができる。
【符号の説明】
【００７０】
１０ 画像処理装置
１１ 制御部
１２ 操作部
１３ 表示部
１４ 入力部
１５ 記憶部
【特許請求の範囲】
【請求項１】
画像を入力する入力部と、
前記入力された画像を記憶する記憶部と、
制御部と、を備え、
前記制御部は、現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出し、当該算出された前記入力画像及び前記過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値を算出する画像処理装置。
【請求項２】
前記制御部は、前記入力画像の特徴量と前記過去画像の特徴量との距離を算出することにより前記類似度を算出し、類似度の高い順からｋ個の過去画像を前記入力画像に類似する画像として前記過去画像から抽出する請求項１に記載の画像処理装置。
【請求項３】
前記制御部は、前記ｋの値を予め定められた範囲内で変更した場合の各ｋの値ごとに前記調整量推定値の誤差を算出し、当該算出された誤差のうち、最小の誤差に対応するｋの値を前記調整量推定値の算出に用いることを決定する請求項２に記載の画像形成装置。
【請求項４】
前記制御部は、前記過去画像の調整量に前記類似度に基づいた重み付けを行い、当該重み付けされた調整量の平均値を前記調整量推定値として算出する請求項１〜３の何れか一項に記載の画像処理装置。
【請求項５】
前記制御部は、前記過去画像の調整量のうち、前記入力画像に類似する画像として前記過去画像から抽出された画像の調整量には当該抽出された画像の数の逆数を掛け、抽出されなかった画像の調整量には０を掛けることにより、前記調整量に重み付けを行う請求項４に記載の画像処理装置。
【請求項６】
前記過去画像の調整量及び前記算出される調整量推定値は、コントラスト値又は濃度補正値である請求項１〜５の何れか一項に記載の画像処理装置。
【請求項７】
前記画像を表示する表示部を備え、
前記制御部は、前記算出された調整量推定値に基づいて前記入力画像のコントラスト値又は濃度補正値を調整し、当該調整された入力画像を前記表示部により表示する請求項１〜６の何れか一項に記載の画像処理装置。
【請求項８】
入力部により、画像を入力する工程と、
記憶部により、前記入力された画像を記憶する工程と、
制御部により、制御する工程と、を含み、
前記制御する工程は、
現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出する工程と、当該算出された前記入力画像及び前記過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値を算出する工程と、
を含む画像処理方法。
【請求項９】
表示部により、前記画像を表示する工程と、を更に含み、
前記制御部により、前記算出された調整量推定値に基づいて前記入力画像のコントラスト値又は濃度補正値を調整し、当該調整された入力画像を前記表示部により表示する工程と、
を含む請求項８に記載の画像処理方法。
【請求項１】
画像を入力する入力部と、
前記入力された画像を記憶する記憶部と、
制御部と、を備え、
前記制御部は、現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出し、当該算出された前記入力画像及び前記過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値を算出する画像処理装置。
【請求項２】
前記制御部は、前記入力画像の特徴量と前記過去画像の特徴量との距離を算出することにより前記類似度を算出し、類似度の高い順からｋ個の過去画像を前記入力画像に類似する画像として前記過去画像から抽出する請求項１に記載の画像処理装置。
【請求項３】
前記制御部は、前記ｋの値を予め定められた範囲内で変更した場合の各ｋの値ごとに前記調整量推定値の誤差を算出し、当該算出された誤差のうち、最小の誤差に対応するｋの値を前記調整量推定値の算出に用いることを決定する請求項２に記載の画像形成装置。
【請求項４】
前記制御部は、前記過去画像の調整量に前記類似度に基づいた重み付けを行い、当該重み付けされた調整量の平均値を前記調整量推定値として算出する請求項１〜３の何れか一項に記載の画像処理装置。
【請求項５】
前記制御部は、前記過去画像の調整量のうち、前記入力画像に類似する画像として前記過去画像から抽出された画像の調整量には当該抽出された画像の数の逆数を掛け、抽出されなかった画像の調整量には０を掛けることにより、前記調整量に重み付けを行う請求項４に記載の画像処理装置。
【請求項６】
前記過去画像の調整量及び前記算出される調整量推定値は、コントラスト値又は濃度補正値である請求項１〜５の何れか一項に記載の画像処理装置。
【請求項７】
前記画像を表示する表示部を備え、
前記制御部は、前記算出された調整量推定値に基づいて前記入力画像のコントラスト値又は濃度補正値を調整し、当該調整された入力画像を前記表示部により表示する請求項１〜６の何れか一項に記載の画像処理装置。
【請求項８】
入力部により、画像を入力する工程と、
記憶部により、前記入力された画像を記憶する工程と、
制御部により、制御する工程と、を含み、
前記制御する工程は、
現在入力された入力画像の特徴量と過去に入力されて現在は記憶されている過去画像の特徴量とを算出する工程と、当該算出された前記入力画像及び前記過去画像の特徴量に基づいて前記入力画像と前記過去画像との類似度を算出し、当該算出された類似度と前記過去画像に予め対応付けられている調整量とに基づいて調整量推定値を算出する工程と、
を含む画像処理方法。
【請求項９】
表示部により、前記画像を表示する工程と、を更に含み、
前記制御部により、前記算出された調整量推定値に基づいて前記入力画像のコントラスト値又は濃度補正値を調整し、当該調整された入力画像を前記表示部により表示する工程と、
を含む請求項８に記載の画像処理方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２０１０−２７３７６４（Ｐ２０１０−２７３７６４Ａ）
【公開日】平成２２年１２月９日（２０１０．１２．９）
【国際特許分類】
【出願番号】特願２００９−１２７５０６（Ｐ２００９−１２７５０６）
【出願日】平成２１年５月２７日（２００９．５．２７）
【出願人】（３０３０００４２０）コニカミノルタエムジー株式会社 (2,950)
【Ｆターム（参考）】
【公開日】平成２２年１２月９日（２０１０．１２．９）
【国際特許分類】
【出願日】平成２１年５月２７日（２００９．５．２７）
【出願人】（３０３０００４２０）コニカミノルタエムジー株式会社 (2,950)
【Ｆターム（参考）】
[ Back to top ]