輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラム
【課題】適切な初期輪郭を入力画像から生成し、生成した初期輪郭を用いて動的輪郭法で輪郭抽出を行う収束演算回数を減少し、抽出時間の高速化を行う輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラムを提供することを課題とする。
【解決手段】輪郭抽出装置１０は、外部設定値取り込み部１０１と、画像データ取り込み部１０２と、平滑化部１０３と、色空間分離部１０４と、色空間成分二値化部１０５と、初期輪郭生成部１０６と、画素値記憶部１０７と、グレースケール変換部１０８と、濃淡強調部１０９と、輪郭抽出部１１０と、輪郭抽出結果出力部１１１とを備える。また、輪郭抽出装置１０には、カメラ１１と、画像表示装置１３が接続されている。
【解決手段】輪郭抽出装置１０は、外部設定値取り込み部１０１と、画像データ取り込み部１０２と、平滑化部１０３と、色空間分離部１０４と、色空間成分二値化部１０５と、初期輪郭生成部１０６と、画素値記憶部１０７と、グレースケール変換部１０８と、濃淡強調部１０９と、輪郭抽出部１１０と、輪郭抽出結果出力部１１１とを備える。また、輪郭抽出装置１０には、カメラ１１と、画像表示装置１３が接続されている。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラムに関する。
【背景技術】
【０００２】
画像および映像から対象物のみを抽出する手法として、動的輪郭法の１手法であるｓｎａｋｅ法が、計算機の処理能力向上により、利用可能なアルゴリズムとして着目されている。このｓｎａｋｅ法は、２次元画像と線図形形状の照合を、一種のエネルギー最小化問題として処理する手法の１つで、画像中に存在する物体の輪郭を対象にして、線図形の初期パターン（初期輪郭）を動的に変形させながら形状を照合する（例えば、非特許文献１参照）。このｓｎａｋｅ法は、照合を収束したと判定するまで繰り返し行うため、輪郭を綺麗に抽出することが可能であるという特徴がある。図１２は、ｓｎａｋｅ法を用いた輪郭抽出の手順の概略を説明する図である。図１２（ａ）は、入力画像５０１であり、抽出対象物５１１を含んでいる。この入力画像５０１に対して、図１２（ｂ）のように対象物５１１全体を囲むように初期輪郭５２１を設定し、ｓｎａｋｅ法を用いて初期輪郭を動的に変形しながら、収束したと判定するまで演算を行う。これにより、図１２（ｃ）のように対象物５３１が抽出できる。
【０００３】
このｓｎａｋｅ法を用いた初期輪郭の設定手法としては、初期輪郭を手動で与える手法（例えば、特許文献１参照）、輪郭抽出装置の利用者が目視で初期輪郭を手動で設定する手法（例えば、特許文献２参照）がある。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特表２００４−５１６５８９号公報
【特許文献２】特開平１０−１８７９３６号公報
【非特許文献】
【０００５】
【非特許文献１】田村秀行、「コンピュータ画像処理」、オーム社、２００２年１２月２０日、Ｐ２６１−２６２
【発明の概要】
【発明が解決しようとする課題】
【０００６】
このようにｓｎａｋｅ法を用いた輪郭抽出手法においては、取得した画像に対して抽出する対象物を特定するための範囲として初期輪郭を設定する必要がある。この初期輪郭を抽出する対象物の形状に合わせて適切に設定していない場合、抽出の演算が収束するまでの処理回数が多くなり、抽出に要する時間が増大するという課題があった。図１３を用いて、初期輪郭の設定の違いによる収束回数の増減の一例を説明する。図１３（ａ）は、入力画像６０１の対象物６１１に対して、対象物６１１の全体を囲むような初期輪郭６２１を設定した例であり、図１３（ｃ）の状態のように輪郭６４１が収束するまでの演算数は、１０００回であった。一方、図１３（ｂ）は、対象物６２１に近似した形状の初期輪郭６３１を設定した例であり、図１３（ｃ）の状態のように輪郭６４１が収束するまでの計算回数は６０回であった。このように、ｓｎａｋｅ法においては、初期輪郭を適切に設定することが高速に抽出するために重要である。
【０００７】
しかしながら、初期輪郭を設定する手法として、特許文献１と特許文献２の手法では、初期輪郭を手動で与える必要があるという課題があった。また、この初期輪郭を自動的に生成する手法としては、一般的な形状（四角や丸）を、例えば図１２（ｂ）や図１３（ａ）のように生成して用いる手法があるが、この場合、すでに述べたように、収束演算回数が増大するという課題があった。
【０００８】
本発明は、上記の問題点に鑑みてなされたものであって、動的輪郭法を用いた輪郭抽出において、背景や対象物が異なっても適切な初期輪郭を入力画像から生成し、収束演算回数を減少し、抽出時間の高速化を可能にする輪郭抽出装置、輪郭抽出方法、およびプログラムを提供することを課題とする。
【課題を解決するための手段】
【０００９】
上記目的を達成するため、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、入力画像を複数の色空間成分に分離する色空間分離部と、前記色空間分離部が分離した各色空間成分を二値化する色空間成分二値化部と、前記色空間成分二値化部が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成部と、前記初期輪郭生成部が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出部とを備えることを特徴としている。
【００１０】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記初期輪郭生成部は、前記色空間成分二値化部が二値化した各色空間成分の画像中心部の画素が、白画素か黒画素かを判定し、黒画素と判定した場合、二値化後の前記各色空間成分の画像データを白黒反転した画像データに基づいて前記初期輪郭画像データを生成し、白画素と判定した場合、二値化後の前記各色空間成分の画像データに基づいて前記初期輪郭画像データを生成することを特徴としている。
【００１１】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記初期輪郭生成部は、前記色空間成分二値化部が二値化した各色空間成分の画像データのうち少なくとも１つを用いて前記初期輪郭画像を生成することを特徴としている。
【００１２】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記初期輪郭生成部は、前記色空間成分二値化部が二値化した各色空間成分の画像データを合成して前記初期輪郭画像データを生成することを特徴としている。
【００１３】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記初期輪郭生成部は、前記色空間成分二値化部が二値化した各色空間成分の画像データに対して色空間成分毎に重み付けした後、重み付けした前記色空間成分を合成して初期輪郭画像データを生成することを特徴としている。
【００１４】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記色空間分離部が色空間成分に分離する前に、前記入力画像に対して平滑処理を行う平滑処理部とをさらに備えることを特徴としている。
【００１５】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記入力画像をグレースケール化し、前記グレースケール化した画像データの各画素が背景を構成する画素か対象物を構成する画素かを前記初期輪郭生成部が生成した初期輪郭画像データに基づき判定し、判定した結果に基づき、背景の画素値を１以上の値で定数倍して画素を薄くし、あるいは対象物の画素値を１以下の値で定数倍して画素を濃くすることで濃淡強調を行い、濃淡強調画像データを生成する濃淡強調部とをさらに備え、前記輪郭抽出部は、前記濃淡強調部が生成した前記濃淡強調画像データから前記初期輪郭生成部が生成した期輪郭画像データを用いて前記入力画像の輪郭を抽出することを特徴としている。
【００１６】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記濃淡強調部は、背景の画素値を１以上の値で定数倍し、対象物の画素値に前記背景に乗じた値の逆数を乗じることを特徴としている。
【００１７】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記濃淡強調部は、前記グレースケール化した画像データから生成したヒストグラムに基づき、コントラストに応じて対象物の画素値および背景の画素値に乗じる値を設定することを特徴としている。
【００１８】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記入力画像をグレースケール化し、前記グレースケール化した画像データの各画素が背景を構成する画素か対象物を構成する画素かを前記初期輪郭生成部が生成した初期輪郭画像データに基づいて判定し、判定した結果に基づき、前記背景のすべての画素値の平均値と前記対象物のすべての画素値の平均値を算出して、算出した平均値を比較し、比較した結果に基づき背景と対象物のそれぞれの乗数を算出して、算出したそれぞれの乗数を用いて背景と対象物の濃淡強調を行い、濃淡強調画像データを生成する濃淡強調部とをさらに備え、前記輪郭抽出部は、前記濃淡強調部が生成した前記濃淡強調画像データから前記初期輪郭生成部が生成した期輪郭画像データを用いて前記入力画像の輪郭を抽出することを特徴としている。
【００１９】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置の輪郭抽出方法において、色空間分離部が、入力画像を複数の色空間成分に分離する色空間分離工程と、色空間成分二値化部が、前記色空間分離工程が分離した各色空間成分を二値化する色空間成分二値化工程と、初期輪郭生成部が、前記色空間成分二値化工程が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成工程と、輪郭抽出部が、前記初期輪郭生成工程が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出工程とを備えることを特徴としている。
【００２０】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置の輪郭抽出プログラムにおいて、コンピューターに、入力画像を複数の色空間成分に分離する色空間分離工程と、前記色空間分離工程が分離した各色空間成分を二値化する色空間成分二値化工程と、前記色空間成分二値化工程が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成工程と、前記初期輪郭生成工程が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出工程とを実行させることを特徴としている。
【発明の効果】
【００２１】
本発明によれば、背景や対象物が異なっても適切な初期輪郭を入力画像から生成し、生成した初期輪郭を用いて動的輪郭法で輪郭抽出を行う収束演算回数を減少し、抽出時間の高速化を行うことが可能になる。
【図面の簡単な説明】
【００２２】
【図１】本発明の実施形態に係る輪郭抽出装置の構成の一例を示すブロック図である。
【図２】同実施形態に係る画像素値記憶部１０７が記憶しているＲＧＢ成分の各画素値の構成の一例を示す図である。
【図３】同実施形態に係る輪郭抽出手順の概略の一例を説明する図である。
【図４】同実施形態に係る平滑化の優位性の一例を説明する図である。
【図５】同実施形態に係る平滑化の優位性の一例を説明する図である。
【図６】同実施形態に係る初期輪郭画像データの生成手順の概略を示す図である。
【図７】同実施形態に係る輪郭抽出手順を説明するフローチャーである。
【図８】同実施形態に係る初期輪郭画像データの生成手順のフローチャートである
【図９】同実施形態に係る初期輪郭画像データの生成手順のフローチャートである。
【図１０】同実施形態に係る各色空間成分のマスクデータ生成手順のフローチャートである。
【図１１】同実施形態に係る濃淡強調手順のフローチャートである。
【図１２】従来の実施形態に係るｓｎａｋｅ法を用いた輪郭抽出の手順の概略を説明する図である。
【図１３】従来の実施形態に係る初期輪郭の設定の違いによる収束回数の増減の一例を説明する図である。
【発明を実施するための形態】
【００２３】
以下、本発明の実施形態について、図１〜図１１を用いて説明する。なお、本発明は係る実施形態の構成に限定されず、本発明の技術思想の範囲内で種々の変更が可能である。
【００２４】
図１の輪郭抽出装置の構成の一例を示すブロック図を用いて、本実施形態における輪郭抽出装置の構成を説明する。輪郭抽出装置１０は、外部設定値取り込み部１０１と、画像データ取り込み部１０２と、平滑化部１０３と、色空間分離部１０４と、色空間成分二値化部１０５と、初期輪郭生成部１０６と、画素値記憶部１０７と、グレースケール変換部１０８と、濃淡強調部１０９と、輪郭抽出部１１０と、輪郭抽出結果出力部１１１とを備える。また、輪郭抽出装置１０には、カメラ１１と、画像表示装置１３が接続されている。
【００２５】
カメラ１１は、例えば受光レンズとＣＣＤカメラ等で構成され、対象物を含む入力画像を撮影し、撮影された入力画像を輪郭抽出装置１０に送信する。画像表示装置１３は、輪郭抽出装置１０から輪郭抽出結果の表示用の画像データを受信し、受信した画像データを表示する。
【００２６】
外部設定値取り込み部１０１は、外部から輪郭抽出処理に用いる各種の設定である外部設定値を取り込む。外部設定値は、平滑化部１０３が行う平滑化の各種パラメータ（処理手法、処理回数、処理を行う範囲、処理を行う形状、重み付け係数など）、色空間分離部１０４が行う色空間分離手法の種類（ＲＧＢ，ＣＭＹなど）、濃淡強調部１０９が行う濃淡強調処理のパラメータ（処理を行うか否かの設定、処理時の乗数など）、輪郭抽出部１１０が行う動的輪郭法の各種パラメータ（処理手法、計算回数など）等を備えている。また、外部設定値取り込み部１０１は、取り込んだ外部設定値を、平滑化部１０３と色空間分離部１０４と濃淡強調部１０９と輪郭抽出部１１０に出力する。
【００２７】
画像データ取り込み部１０２は、カメラ１１により撮影された対象物を含む入力画像を取り込み、取り込んだ入力画像の画像データ（以下、入力画像データという）を平滑化部１０３とグレースケール変換部１０８と輪郭抽出結果出力部１１１に出力する。
【００２８】
平滑化部１０３は、画像データ取り込み部１０２が取り込んだ入力画像データと、外部設定値取り込み部１０１が出力する外部設定値を取り込む。また、平滑化部１０２は、取り込んだ外部設定値から、平滑化手法の種類や平滑化の各種パラメータを読み出す。また、平滑化部１０２は、取り込んだ入力画像データを、読み出した平滑化手法の種類に基づき、例えばガウシアン・フィルタを用いて、取り込んだ外部設定値の回数の平滑化を行う。また、平滑化部１０３は、平滑化した画像データを色空間分離部１０４に出力する。
【００２９】
色空間分離部１０４は、平滑化部１０３が平滑化した平滑後画像データ（以下、平滑後画像データという）と外部設定値取り込み部１０１が出力する外部設定値を取り込む。また、色空間分離部１０４は、取り込んだ平滑後画像データを外部設定値の分離手法指示に基づき色空間成分の各チャンネルの画像データに分離する。色空間成分の分離手法は、ＲＧＢ（赤緑青）、ＣＭＹ（シアン、マゼンダ、イエロー）、ＨＳＶ（色相、彩度、明度）、ＹＣｂＣｒ（輝度、青信号色差、赤信号色差）、ＹＰｂＰｒ（輝度、青信号色差、赤信号色差）などである。また、色空間分離部１０４は、色空間成分に分離した各チャンネルの画像データを色空間成分二値化部１０５に出力する。
【００３０】
色空間成分二値化部１０５は、色空間分離部１０４が分離した各チャンネルの画像データを取り込む。また、色空間成分二値化部１０５は、取り込んだ各チャンネルの画像データを、例えば１９７９年に大津展之によって提案された閾値設定手法（以下、大津の閾値設定手法という）を用いて二値化する。また、色空間成分二値化部１０５は、二値化した各チャンネルの画像データを初期輪郭生成部１０６に出力する。
【００３１】
初期輪郭生成部１０６は、色空間成分二値化部１０５が二値化した各チャンネルの画像データ（以後、二値化画像データという）を取り込む。また、初期輪郭生成部１０６は、取り込んだ各チャンネルの二値化画像データの各画素値を画素値記憶部１０６に書き込んで記憶させる。また、初期輪郭生成部１０６は、取り込んだ各チャンネルの二値化画像データと二値化記憶部１０６に記憶した画素値を用いて、後述する手順で初期輪郭画像データを生成する。また、初期輪郭生成部１０６は、生成した初期輪郭画像データを濃淡強調部１０８と輪郭抽出部１１０に出力する。
【００３２】
画素値記憶部１０７は、各チャンネルの二値化画像データの各画素値を記憶する。図２は、画素値記憶部１０７が記憶しているＲＧＢ成分の各画素値の構成の一例を示す図である。色空間分離部１０３が、平滑後画像データをＲＧＢに分離した場合、図２のように、表形式のデータとして実現されており、画素１のＲチャンネルの画素値ＰＲ（１または０）、Ｇチャンネルの画素値ＰＧ（１または０）、Ｂチャンネルの画素値ＰＢ（１または０）の各データを有している。
【００３３】
グレースケール変換部１０８は、画像データ取り込み部１０２が取り込んだ入力画像を取り込む。また、グレースケール変換部１０８は、取り込んだ入力画像が、カラー画像データかグレースケール画像かを判定する。また、グレースケール変換部１０８は、入力画像をカラー画像と判定した場合、入力画像を一般的な手法でグレースケール画像データに変換する。また、グレースケール変換部１０８は、変換したグレースケール画像データを濃淡強調部１０９と輪郭抽出部１１０に出力する。
【００３４】
濃淡強調部１０９は、外部設定値取り込み部１０１が取り込んだ外部設定値と、初期輪郭生成部１０６が生成した初期輪郭画像データと、グレースケール変換部１０８が変換したグレースケール画像データとを取り込む。また、濃淡強調部１０９は、取り込んだ外部設定値から、濃淡強調処理を行うか否かの指示値や濃淡強調処理の各種パラメータを読み出す。また、濃淡強調部１０９は、読み出した外部設定値の濃淡強調処理を行うか否かの指示値や濃淡強調処理時の乗数と、初期輪郭画像データを用いて、後述する手法でグレースケール画像データの濃淡強調を行い、濃淡強調画像データを生成する。また、濃淡強調部１０９は、生成した濃淡強調画像データを輪郭抽出部１１０に出力する。
【００３５】
輪郭抽出部１１０は、外部設定値取り込み部１０１が出力する外部設定値と、初期輪郭生成部１０６が出力する初期輪郭画像データと、グレースケール変換部１０８が出力するグレースケール画像データと、濃淡強調部１０９が生成した濃淡強調画像データを取り込む。また、輪郭抽出部１１０は、取り込んだ外部設定値から動的輪郭法の手法の種類を示す情報や動的輪郭法の各種パラメータを読み出す。また、輪郭抽出部１１０は、初期輪郭画像データと、外部設定値の動的輪郭法の各種パラメータ（処理手法、計算回数など）とを用いて、動的輪郭法で濃淡強調画像データを入力画像データに用いて、濃淡強調画像データから対象物の輪郭データを抽出する。また、輪郭抽出部１１０は、抽出した輪郭データを輪郭抽出結果出力部１１１に出力する。
【００３６】
輪郭抽出結果出力部１１１は、画像データ取り込み部１０２が出力する入力画像と、輪郭抽出部１１０が抽出した対象物の輪郭データを取り込む。また、輪郭抽出結果出力部１１１は、取り込んだ入力画像から輪郭データを用いて、背景領域を除去した対象物の画像データを抽出する。また、輪郭抽出結果出力部１１０は、抽出した対象物の画像データを画像表示装置１３に出力する。
【００３７】
次に、図３を用いて、本実施形態における輪郭抽出手順の概略の一例を説明する。図３（ａ）のような入力画像２０１を取得し、取得した入力画像２０１にぼかし処理（平滑化）を行い、図３（ｂ）のような平滑後画像データ２０２を生成する。次に、ぼかし処理した平滑後画像データ２０２をＲＧＢの色空間成分に分離し、分離した各チャンネルの画像データを二値化する。二値化後、二値化画像データを用いて図３（ｃ）のような初期輪郭画像データ２０３を生成する。一方、取得した入力画像２０１をグレースケール化した後、濃淡強調を行い図３（ｄ）のような濃淡強調画像データ２０４を生成する。次に、初期輪郭画像データ２０３と濃淡強調画像データ２０４を用いて動的輪郭法で対象物２０５の輪郭データを抽出する。次に、輪郭データを用いて、図３（ｅ）のような入力画像から背景を除去した対象物２０５の画像データを抽出する。
【００３８】
次に、平滑化（ぼかし処理）を行う優位性の一例を、図４と図５を用いて説明する。図４（ａ）は、模様が複雑な対象物を含む入力画像の一例である。図４（ｂ）は、図４（ａ）を二値化処理で生成した初期輪郭画像データの一例である。図４（ａ）のように対象物の模様が複雑な場合、この画像データをそのまま一般的な二値化処理で初期輪郭画像データの生成を行うと図４（ｂ）のようになり、非常に多くのデータを含んでいる。図４（ｂ）の画像データを初期輪郭に用いてｓｎａｋｅ法で輪郭を抽出した場合、初期輪郭画像データに含まれる線分の総長が長いため、計算回数が増大し、結果として輪郭の抽出時間が増大する。
一方、図４（ａ）の入力画像にガウシアン・フィルタによる平滑化処理を３回行うと、図５（ａ）のように入力画像がぼける。この図５（ａ）の画像データから初期輪郭画像データを生成すると、図５（ｂ）のように図４（ｂ）に対して模様データを削減した初期輪郭画像データを生成することができる。また、このように入力画像をぼかした状態においても、図５（ｂ）のように初期輪郭画像データは、動的輪郭法で対象物の輪郭を抽出可能な対象物の輪郭を構成する成分の情報を含んでいる。この図５（ｂ）の初期輪郭画像データを用いて輪郭を抽出した方が、図４（ｂ）の初期輪郭画像データを用いて輪郭を抽出するより高速に処理を行える。
すなわち、入力画像に対して、適切な手法で適切な回数の平滑化を行うことで、輪郭抽出の演算量を削減でき、この結果、輪郭抽出を高速に行うことができる。
【００３９】
次に、輪郭抽出方法を図６の初期輪郭画像データの生成手順図と、図７〜図１１のフローチャートを用いて説明する。図６は、初期輪郭画像データの生成手順の概略を示す図である。図７は、輪郭抽出手順を説明するフローチャートであり、図８と図９は、初期輪郭画像データの生成手順のフローチャートであり、図１０は各色空間成分のマスクデータ生成手順のフローチャートであり、図１１は、濃淡強調手順のフローチャートである。本実施形態では、入力画像はカラー画像であり、外部設定値により、色空間分離手法はＲＧＢが指示され、平滑化手法はガウシアン処理が指示され、濃淡強調処理を行うように指示されている場合について説明する。
【００４０】
まず、外部設定値読み込み部１０１は、輪郭抽出処理に用いる各種の設定である外部設定値を取り込む（ステップＳ１）。また、外部設定値読み込み部１０１は、取り込んだ外部設定値を平滑化部１０３と色空間分離部１０４と濃淡強調部１０９と輪郭抽出部１１０に出力する。
【００４１】
次に、輪郭抽出装置１０は、初期輪郭画像データの生成処理を行う（ステップＳ２）。ステップＳ２の初期輪郭画像データの生成処理手順を、図８と図９のフローチャートと図６を用いて説明する。まず、画像データ取り込み部１０２は、カメラ１１が撮像した図６に示す入力画像３０１を取り込む（ステップＳ１０１）。また、画像データ取り込み部１０２は、取り込んだ入力画像３０１を平滑化部１０３とグレースケール変換部１０８と輪郭抽出結果出力部１１１に出力する。
【００４２】
平滑化部１０３は、画像データ取り込み部１０２が取り込んだ入力画像３０１と、外部設定値取り込み部１０１が取り込んだ外部設定値を取り込む。また、二値化部１０３は、取り込んだ外部設定値から平滑化手法や平滑化の各種パラメータを読み出す。読み出した外部設定値に基づき、平滑化部１０３は、入力画像３０１に対して、ガウシアン処理を外部設定値で設定されている回数、例えば３回行う（ステップＳ１０２〜Ｓ１０４）。
【００４３】
外部設定値の指示回数のガウシアン処理を終了した後、平滑化部１０３は、ガウシアン処理を行った図６に示す平滑後画像データ３１１を平滑部１０３に書き込んで記憶させる（ステップＳ１０５）。また、平滑化部１０３は、平滑後画像データ３１１を読み出し、色空間分離部１０４に出力する（ステップＳ１０５）。
【００４４】
次に、色空間分離部１０４は、平滑化部１０３が平滑化した平滑後画像データ３１１と外部設定値取り込み部１０１が取り込んだ外部設定値を取り込む。また、色空間分離部１０４は、取り込んだ外部設定値から色空間分離手法の種類を読み出す。また、色空間分離部１０４は、外部設定値に基づき、画像データ３１１を一般的な手法を用いてＲＧＢの各チャンネルの画像データに分離する（ステップＳ１０６）。また、色空間分離部１０４は、分離したＲＧＢの各チャンネルの図６に示す画像データ（３２１、３２２、３２３）を色空間成分二値化部１０５に出力する。
【００４５】
次に、色空間成分二値化部１０５は、色空間分離部１０４が分離したＲＧＢの各チャンネルの画像データ（３２１、３２２、３２３）を取り込む。また、色空間成分二値化部１０５は、取り込んだＲＧＢの各チャンネルの画像データ（３２１、３２２、３２３）に対して、チャンネルごとに輪郭マスク処理を行う（ステップＳ１０７〜Ｓ１０８）。
【００４６】
ステップＳ１０７〜Ｓ１０８のチャンネルごとの輪郭マスク処理について、図１０のフローチャートを用いて説明する。なお、ＲＧＢのチャンネルごとの輪郭マスク処理は、同一のステップＳ３０１〜Ｓ３０６の処理を行うため、重複する箇所の説明は省略する。
まず、Ｒチャンネルの輪郭マスク処理について説明する。色空間成分二値化部１０５は、取り込んだＲチャンネルの画像データ３２１のヒストグラムを生成する（ステップＳ３０１）。
【００４７】
次に、色空間成分二値化部１０５は、生成したヒストグラムを用いて、例えば大津の閾値判定手法を用いて、二値化の閾値を算出する（ステップＳ３０２）。
【００４８】
次に、色空間成分二値化部１０５は、算出した閾値を用いて、Ｒチャンネルの画像データ３２１を二値化する（ステップＳ３０３）。また、色空間成分二値化部１０５は、二値化した画像データを初期輪郭生成部１０６に出力する。
【００４９】
次に、初期輪郭生成部１０６は、色空間成分二値化部１０５が二値化した画像データ（以後、二値化画像データという）３２１を取り込む。また、初期輪郭生成部１０６は、取り込んだ二値化画像データの中心部の画素３３１が黒画素、すなわち画素値ＰＲ＝０であるか、白画素ＰＲ＝１であるか判定する（ステップＳ３０４）。
二値化画像データの中心部の画素３３１が黒画素（画素値ＰＲ＝０）と判定した場合（ステップＳ３０４；０）、初期輪郭生成部１０６は、二値化画素データ３２１のすべての画素値の０と１を入れ替えて、白黒を反転した画像データを生成する（ステップＳ３０５）。また、初期輪郭生成部１０６は、反転した二値化画像データを輪郭マスク画像データとして画素値記憶部１０７に書き込んで記憶させる。
また、二値化画像データの中心部の画素３２１が白画素（画素値ＰＲ＝１）と判定した場合（ステップＳ３０４；１）、初期輪郭生成部１０６は、二値化画素データの反転は行わず、そのまま二値化画像データを輪郭マスク画像データとして初期輪郭生成部１０６に書き込んで記憶させる。
Ｒチャンネルの画像データ３２１の場合、初期輪郭生成部１０６は、二値化画像データの中心部の画素３３１を白画素と判定し、二値化画素データの反転は行わず、そのまま二値化画像データを輪郭マスク画像データとして初期輪郭生成部１０６に書き込んで記憶させる。
【００５０】
Ｇチャンネルの画像データ３２２の場合、ステップ３０１〜ステップ３０６まで同様の処理が行われ、初期輪郭生成部１０６は、二値化画像データの中心部の画素３３２を白画素と判定し、二値化画素データの反転は行わず、そのまま二値化画像データを輪郭マスク画像データとして初期輪郭生成部１０６に書き込んで記憶させる。
【００５１】
Ｂチャンネルの画像データ３２３の場合、ステップ３０１〜ステップ３０６まで同様の処理が行われ、初期輪郭生成部１０６は、二値化画像データの中心部の画素３３３を黒画素と判定し、反転した二値化画像データを輪郭マスク画像データとして初期輪郭生成部１０６に書き込んで記憶させる。
【００５２】
二値化画像データの中心部の画素が黒画素か白画素かを判定して、二値化画像データの白黒反転を行う理由について図６を用いて説明する。図６において、ＲＧＢ各チャネルに分離後、二値化した画像データが、Ｒチャンネル画像データ３２１、Ｇチャンネル画像データ３２２、Ｂチャンネル画像データ３２３である。図６において、対象物の色は青色であるため、ＲＧＢ各チャネルに分離後、二値化すると、Ｂチャンネル画像データ３２３は背景だけではなく、対象物の画素値ＰＢも０、すなわち黒で表されてしまう。これらの画像データ３２１〜３２３を重ね合わせると、画像データ３４３のような画像になる。すなわち、対象物が画素値＝０（黒画素）で表され、対象物を抽出する初期輪郭画像データの生成が行いにくくなる。抽出する対象物は、入力画像の中心部に含まれていると仮定し、画像データの中心部の画素値が０の場合、二値化により対象物が黒画素に生成されていると判定し、画像データ全体の画素を白黒反転することで対象物の画素値を１に設定し直している。これらの処理により、ＲＧＢ各チャネルの画像データを重ね合わせても画像データ３４１のように対象物の画素値＝１を維持できる。
【００５３】
図８のフローチャートに戻り、初期輪郭生成部１０６は、記憶したＲＧＢ各チャネルの各輪郭マスク画像データを読み出し、読み出したＲＧＢの各輪郭マスク画像データを重ね合わせ、重ね合わせた画像データ３４１を生成する（ステップＳ１１０）。また、初期輪郭生成部１０６は、重ね合わせた画像データと、ＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）を画素値記憶部１０８に書き込んで記憶させる（ステップＳ１１１）。
分解したＲＧＢの各輪郭マスク画像データを重ねる理由は以下である。例えば、対象物の中心部のみが青（Ｂ）の場合、ステップＳ３０４の判定によりＢチャンネルの画像データ３２３全体の白黒反転が行われる。この場合、例えば、分解したＢチャンネルのみを使用して初期輪郭画像データを生成すると、初期輪郭画像データが適正に生成できない。このため、ＲＧＢの各輪郭マスク画像データを重ね合わせることで、１チャンネルのみで初期輪郭画像データを生成する誤検出を防ぐことができので、適正に初期輪郭画像データを生成できる。
【００５４】
次に、図９のフローチャートに移り、初期輪郭生成部１０６は、重ね合わせた画像データのすべての画素について、ＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）の合計値＝３か否かの判定を繰り返す（ステップＳ２０１〜Ｓ２０４）。
ＲＧＢ各チャネルの画素値の合計値＝３以外の場合（ステップＳ２０２；Ｎｏ）、その画素のＲＧＢ各チャネルの各画素値に０を代入し、すなわち黒画素にする（ステップＳ２０３）。すなわち、ＰＲ＝０、ＰＧ＝０、ＰＢ＝０を代入し、画素値記憶部１０８に記憶されている画素値を書き換える。
ＲＧＢ各チャネルの画素値の合計値＝３、すなわち、すべての画素が白画素の場合（ステップＳ２０２；Ｙｅｓ）、ＲＧＢ各チャネルの各画素値ＰＲ、ＰＧ、ＰＢの値は変更しない（ステップＳ２０３）。
【００５５】
すべての画像データについて画素値の処理が終了後、初期輪郭生成部１０６は、画素値記憶部１０７に記憶されているＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）を読み出して初期輪郭画像データを生成する。また、初期輪郭生成部１０６は、生成した初期輪郭画像データを初期輪郭生成部１０６に書いて記憶させる（ステップＳ２０５）。
初期輪郭画像データの生成は、ＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）のうち少なくとも１つが０、すなわち黒画素の場合、初期輪郭生成部１０６は、その画素の画素値を０にして、初期輪郭画像データを生成する。また、ＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）がすべて１、すなわち白画素の場合、初期輪郭生成部１０６は、その画素の画素値を１に設定して、初期輪郭画像データ３５１を生成する。
【００５６】
また、初期輪郭生成部１０６は、生成した初期輪郭画像データ３５１を濃淡強調部１０９と輪郭抽出部１１０に出力する（ステップＳ２０６）。
以上で、ステップＳ２の初期輪郭画像データの生成処理を終了する。
【００５７】
図７のフローチャートに戻り、濃淡強調部１０９は、濃淡強調処理を行う（ステップＳ３）。濃淡強調処理手順について、図１１のフローチャートを用いて説明する。
【００５８】
濃淡強調部１０９は、外部設定値取り込む部１０１が取り込んだ外部設定値を取り込む。また、濃淡強調部１０９は、取り込んだ外部設定値から濃淡強調処理を行うか否かの指示や濃淡強調処置の各種パラメータを読み込む。濃淡強調処理を行う指示の場合、読み込んだ濃淡設定のパラメータに基づき、ステップＳ４０１〜ステップＳ４１０の処理を行い、濃淡強調処理を行なわない指示の場合、濃淡強調処理は行わず、ステップＳ４に進む。
濃淡強調処理を行う指示の場合、グレースケール変換部１０８は、画像データ取り込む部１０２が取り込んだ入力画像を取り込み、取り込んだ入力画像が、カラー画像データかグレースケール画像データかを判定する。また、グレースケール変換部１０８は、入力画像をカラー画像データと判定した場合、入力画像を一般的な手法で２５６階調のグレースケール画像データに変換し、変換したグレースケール画像データをグレースケール変換部１０８に書き込んで記憶させる（ステップＳ４０１）。
【００５９】
次に、グレースケール変換部１０８は記憶するグレースケール画像データを濃淡強調部１０９に出力する（ステップＳ４０２）。さらに初期輪郭生成部１０６が生成した初期輪郭画像データを取り込む（ステップＳ４０２）。
【００６０】
次に、濃淡強調部１０９は、グレースケール変換部１０８が出力したグレースケール画像データと、取り込んだ初期輪郭画像データを用いて、グレースケール画像データのすべての画素についてステップＳ４０４〜ステップＳ４１０の処理を繰り返して濃淡強調を行い、濃淡強調した濃淡強調画像データを生成する。ステップＳ４０４〜ステップＳ４１０の処理は、濃淡強調処理の各種パラメータが、画素を濃くする（強調する）場合は画素値を１／２倍、画素を薄くする場合は画素値を２倍にする指示の例を説明する。
【００６１】
次に、濃淡強調部１０９は、読み出したグレースケール画像データの中から、まだ読み出していない１つの画素を読み出す。また、濃淡強調部１０９は、読み出した１つの画素を、取り込んだ初期輪郭画像データと比較して、背景か対象物かを判定する（ステップＳ４０５）。
具体的な例を、図３を用いて説明する。図３のように初期輪郭画像データ２０３において、背景２０６の画素は黒画素（画素値＝０）であり、対象物２０７の画素は白画素（画素値＝１）を有している。濃淡強調部１０９は、グレースケール画像データの各画素を初期輪郭画像データの同一位置の各画素と比較する。濃淡強調部１０９は、比較の結果、初期輪郭画像データの画素値が０であれば背景と判定し、初期輪郭画像データの画素値が１であれば対象物であると判定する。
【００６２】
ステップ４０５の判定の結果、読み出した画素が対象物であると判定した場合（ステップＳ４０５；１（対象物））、濃淡強調部１０９は、外部設定値に基づき、その画素の画素値を１／２倍することで画素値を薄くする（ステップＳ４０６）。
【００６３】
ステップ４０５の判定の結果、読み出した画素が背景であると判定した場合（ステップＳ４０５；０（背景））、濃淡強調部１０９は、外部設定値に基づき、その画素の画素値を２倍することで画素値を薄くする（ステップＳ４０７）。
【００６４】
また、濃淡強調部１０９は、ステップＳ４０７終了後、画素値が２５５より大きいか否かを判定する（Ｓ４０８）。
ステップＳ４０８の判定の結果、２５５以下であると判定した場合（ステップＳ４０７；ｆａｌｓｅ）、濃淡強調部１０９は、この画素の濃淡強調処理を終了し、まだ処理の終了していない画素があればすべての画素の濃淡強調処理が終了するまでステップＳ４０４〜ステップＳ４１０を繰り返す（ステップＳ４１０）。
ステップＳ４０８の判定の結果、２５５より大きいと判定した場合（ステップＳ４０７；ｔｒｕｅ）、濃淡強調部１０９は、この画素値に２５５を代入し、この画素の濃淡強調処理を終了する。また、濃淡強調部１０９は、まだ処理の終了していない画素があればすべての画素の濃淡強調処理が終了するまでステップＳ４０４〜ステップＳ４１０を繰り返す（ステップＳ４１０）。
本実施形態において、入力画像を２５６階調のグレースケール画像データに変換しているため、ステップＳ４０８〜ステップＳ４０９の処理で、２５５より大きな値はすべて２５５を代入し、すべての画素値が２５６階調に収まるようにしている。
【００６５】
すべての画素について濃淡強調処理が終了後、濃淡強調部１０９は、濃淡強調処理が終了した画素値を用いて、濃淡強調画像データを生成し、生成した濃淡強調画像データを輪郭抽出部１１０に出力する。
以上で、ステップＳ３の濃淡強調処理を終了し、図７に戻る。
【００６６】
次に、グレースケール変換部１０８は記憶するグレースケール画像データを輪郭抽出部１１０に出力する。また、輪郭抽出部１１０は、外部設定値取り込み部１０１が取り込んだ外部設定値と、初期輪郭生成部１０６が出力する初期輪郭画像データと、グレースケール変換部１０８が出力するグレースケール画像データと、濃淡強調部１０９が生成した濃淡強調画像データを取り込む。また、輪郭抽出部１１０は、取り込んだ外部設定値から動的輪郭手法の種類とｓｎａｋｅ処理の各種パラメータを読み出す。また、輪郭抽出部１１０は、読み出したｓｎａｋｅ処理の各種パラメータと、初期輪郭画像データを用いて、濃淡強調画像データから既知であるｓｎａｋｅ法で輪郭データの抽出を行う（ステップＳ４）。また、輪郭抽出部１１０は、抽出した輪郭データを輪郭抽出結果出力部１１１に出力する。
【００６７】
次に、輪郭抽出結果出力部１１１は、画像データ取り込み部１０２が取り込んだ入力画像と、輪郭抽出部１１０が抽出した輪郭データを取り込む。また、輪郭抽出結果出力部１１１は、取り込んだ入力画像から輪郭データを用いて、背景領域を除去した対象物の画像データを抽出する。また、輪郭抽出結果出力部１１０は、抽出した対象物の画像データを画像表示装置１３に出力する（ステップＳ４）。
【００６８】
画像表示装置１３は、輪郭抽出結果出力部１１１から取り込んだ輪郭抽出結果のデータを表示する。
以上で、入力画像から対象物の輪郭抽出処理を終了する。
【００６９】
以上のように、本実施形態によれば、入力画像に対して平滑化を行い、平滑化後に色空間成分に分離後に二値化し、二値化後の各色空間成分を合成して初期輪郭画像データを生成するようにした。さらに入力画像に対してグレースケール変換を行い、グレースケール変換後に初期輪郭画像データを用いて背景と対象物の濃淡強調処理を行い、濃淡強調処理により濃淡強調画像データを生成するようにした。そして、生成した初期輪郭画像データを用いて、濃淡強調画像データから動的輪郭法の１つであるｓｎａｋｅ法で入力画像から対象物の輪郭を抽出するようにしたので、背景や対象物が異なっても適切な初期輪郭を入力画像から生成できる。このため、動的輪郭法で輪郭抽出を行う収束演算回数を減少し、抽出時間の高速化を実現することができる。
また、取得した画像が不鮮明な場合においても、入力画像をグレースケールに変換し、グレースケール変換後に濃淡強調処理を行った後、濃淡強調処理後の画像データから初期輪郭を用いて輪郭データを抽出するようにしたので、動的輪郭法で輪郭抽出を行う収束演算回数を減少し、抽出時間の高速化を可能行うことが可能になる。
【００７０】
さらにまた、本実施形態によれば、予め対象物が写っていない背景画像を取得し、この背景画と入力画像を比較して初期輪郭を生成して対象物の輪郭を抽出しなくても、撮像した画像から適正な初期輪郭を自動的に生成することが可能になる。さらにまた、本実施形態によれば、予め取得してある対象物を正面から撮像した標準画像（背景無地か背景無し）、この標準画像から初期輪郭を生成して対象物の輪郭を抽出しなくても、撮像した画像から適正な初期輪郭を自動的に生成することが可能になる。
【００７１】
なお、本実施形態では、平滑化部１０３がガウシアン・フィルタを使って平滑化する例について説明したが、他の一般的なメディアン・フィルタ、バイラテラル・フィルタ、ブラー・フィルタ等を用いて平滑化を行っても良い。
【００７２】
また、本実施形態では、平滑化部１０３の平滑回数を外部設定値取り込み部１０１が取り込んだ外部設定値で指定する例について説明したが、予め設定しておいた回数でも良く、または入力画像や対象物に応じて回数を設定するようにしても良い。この場合、例えば、高周波成分の大小や、ヒストグラムにおける成分の分布度合いなどから入力画像の複雑さを判定して、複雑な画像データに対して平滑化回数を増やすようにしても良い。また、このようにして算出した結果、平均化回数が例えば１回であった場合、平均化処理を行わずに色空間分離を行うようにしても良い。
【００７３】
また、本実施形態では、平滑後画像データを平滑化部１０３に記憶する例について説明したが、図示しない輪郭抽出装置の図示しないＣＰＵ（中央演算装置）に接続されたＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）もしくはＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ） Ｉ／Ｆを介して接続されるＵＳＢメモリー等の記憶装置に書き込んで記憶させても良い。
【００７４】
また、本実施形態では、色空間成分二値化部１０５および初期輪郭生成部１０６をそれぞれ１つで行う例を説明したが、分離する色空間の手法に応じて、例えばＲＧＢに分離する場合、ＲＧＢそれぞれの色空間成分二値化部１０５、あるいはＲＧＢそれぞれの初期輪郭生成部１０６を有するようにしても良い。
【００７５】
また、本実施形態では、色空間成分二値化部１０５は、大津の閾値選定手法で設定する例について説明したが、他の一般的な閾値選定手法を用いても良い。
【００７６】
また、本実施形態では、初期輪郭生成部１０６は、ＲＧＢの各チャンネルの色空間成分に分離後、分離した画像データを二値化し、二値化した各チャンネルの画像データを合成して初期輪郭画像データを生成する例を説明したが、各チャンネルの合成手法は重み付けなどを用いても良い。図６のような場合、例えば、各チャンネルのヒストグラムを生成して、生成したヒストグラムに基づき、各成分の分離度合いが高いと思われるＲチャンネルの画像データ３２１の重み付けを一番高くして合成する。または、各チャンネルの画像データのうちどれか１つを用いて初期輪郭画像データを生成するようにしても良い。
【００７７】
また、本実施形態では、初期輪郭画像データをそのままｓｎａｋｅ法で輪郭抽出する例を説明したが、対象物の初期輪郭画像データに穴状の黒領域がある場合、例えば図６の黒画素による小領域３５２を、初期輪郭生成部１０６が一般的なラベリング処理の手法などにより抽出する。さらに、初期輪郭生成部１０６は、抽出した穴状の黒画素領域を白画素に変換することで、対象物内の周辺を白画素で囲まれた黒画素の小領域である穴状の黒画素を白画素で埋めることができ、さらに高速に輪郭抽出を行える初期輪郭を生成することができる。
【００７８】
また、周辺を黒画素で囲まれた白画素の小領域は、初期輪郭画像データからみればノイズであり、背景にこのようなノイズである場合、同様に初期輪郭生成部１０６が一般的なラベリング処理の手法などにより抽出する。さらに、初期輪郭生成部１０６は、抽出したノイズの白画素領域を黒画素に変換することで、背景のノイズとなる白画素を黒画素に変換することで除去することができ、さらに高速に輪郭抽出を行える初期輪郭を生成することができる。
【００７９】
また、本実施形態では、濃淡強調処理について、背景の画素を薄くし、対象物を濃くすることで濃淡強調を行う例について説明したが、この手法は背景が明るく対象物が暗い入力画像に有効である。このため、背景が暗く、対象物が明るい入力画像を考慮し、濃淡強調部１０９は、グレースケール画像データと初期輪郭画像データを用いて、グレースケール画像データで背景と判定した領域の画素値の平均値と、グレースケール画像データで対象物と判定した領域の画素値の平均値を算出する。次に、濃淡強調部１０９は、算出したそれぞれの画素値の平均値に基づき、背景か対象物のどちらの画素領域の方が明るいかを判定し、この判定結果に基づき、明るい方をより明るく（薄く）、暗い方をより暗く（濃く）する乗数を算出して濃淡強調処理を行うことで、さらに多様な条件での輪郭抽出が可能になる。
【００８０】
また、本実施形態では、色空間成分に分離した各チャンネルの二値化画像データについて、入力画像の中心部の画素値が黒画素か白画素かを判定して、各チャンネルの二値化画像データの白黒を反転する例について説明したが、判定に用いる中心部の画素は１画素でなくても中心付近の複数画素を用いて判定しても良い。また、二値化画像データの中心部は、二値化画像データの図心や重心でも良い。または二値化画像データに対してラベリング処理を行い、各ラベルの重心位置を求めて、重心位置が二値化画像データの画像中心にもっとも近い領域の画素値を抽出し、この画素値を１、すなわち白になるように白黒反転を行う判定を行うようにしても良い。
【００８１】
また、本実施形態では、画像データ取り込み部１０３が出力する入力画像に初期輪郭画像データを用いて濃淡強調処理を行って濃淡強調画像データを生成し、濃淡強調画像データから初期輪郭画像データを用いて輪郭データを抽出する例について説明したが、入力画像や対象物に応じて、入力画像から初期輪郭画像データを用いて輪郭抽出を行うようにしても良い。
【００８２】
また、本実施形態では、生成した初期輪郭画像データを動的輪郭法の１つであるｓｎａｋｅ法で用いて輪郭を抽出する例について説明したが、他の動的輪郭法を用いて輪郭抽出を行っても良く、また別の輪郭抽出方法を用いて輪郭抽出を行っても良い。さらにまた、生成した初期輪郭画像データを、例えば抽出したい対象物の範囲の限定に利用し、この初期輪郭画像データを図形認識における特徴点の抽出などを行う場合の領域指定に使用しても良い。
【００８３】
なお、実施形態の図１の各部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリーのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
【符号の説明】
【００８４】
１０・・・輪郭抽出装置
１１・・・カメラ
１３・・・画像表示装置
１０１・・・外部設定値取り込み部
１０２・・・画像データ取り込み部
１０３・・・平滑化部
１０４・・・色空間分離部
１０５・・・色空間成分二値化部
１０６・・・初期輪郭生成部
１０７・・・画素値記憶部
１０８・・・グレースケール変換部
１０９・・・濃淡強調部
１１０・・・輪郭抽出部
１１１・・・輪郭抽出結果出力部
【技術分野】
【０００１】
本発明は、輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラムに関する。
【背景技術】
【０００２】
画像および映像から対象物のみを抽出する手法として、動的輪郭法の１手法であるｓｎａｋｅ法が、計算機の処理能力向上により、利用可能なアルゴリズムとして着目されている。このｓｎａｋｅ法は、２次元画像と線図形形状の照合を、一種のエネルギー最小化問題として処理する手法の１つで、画像中に存在する物体の輪郭を対象にして、線図形の初期パターン（初期輪郭）を動的に変形させながら形状を照合する（例えば、非特許文献１参照）。このｓｎａｋｅ法は、照合を収束したと判定するまで繰り返し行うため、輪郭を綺麗に抽出することが可能であるという特徴がある。図１２は、ｓｎａｋｅ法を用いた輪郭抽出の手順の概略を説明する図である。図１２（ａ）は、入力画像５０１であり、抽出対象物５１１を含んでいる。この入力画像５０１に対して、図１２（ｂ）のように対象物５１１全体を囲むように初期輪郭５２１を設定し、ｓｎａｋｅ法を用いて初期輪郭を動的に変形しながら、収束したと判定するまで演算を行う。これにより、図１２（ｃ）のように対象物５３１が抽出できる。
【０００３】
このｓｎａｋｅ法を用いた初期輪郭の設定手法としては、初期輪郭を手動で与える手法（例えば、特許文献１参照）、輪郭抽出装置の利用者が目視で初期輪郭を手動で設定する手法（例えば、特許文献２参照）がある。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特表２００４−５１６５８９号公報
【特許文献２】特開平１０−１８７９３６号公報
【非特許文献】
【０００５】
【非特許文献１】田村秀行、「コンピュータ画像処理」、オーム社、２００２年１２月２０日、Ｐ２６１−２６２
【発明の概要】
【発明が解決しようとする課題】
【０００６】
このようにｓｎａｋｅ法を用いた輪郭抽出手法においては、取得した画像に対して抽出する対象物を特定するための範囲として初期輪郭を設定する必要がある。この初期輪郭を抽出する対象物の形状に合わせて適切に設定していない場合、抽出の演算が収束するまでの処理回数が多くなり、抽出に要する時間が増大するという課題があった。図１３を用いて、初期輪郭の設定の違いによる収束回数の増減の一例を説明する。図１３（ａ）は、入力画像６０１の対象物６１１に対して、対象物６１１の全体を囲むような初期輪郭６２１を設定した例であり、図１３（ｃ）の状態のように輪郭６４１が収束するまでの演算数は、１０００回であった。一方、図１３（ｂ）は、対象物６２１に近似した形状の初期輪郭６３１を設定した例であり、図１３（ｃ）の状態のように輪郭６４１が収束するまでの計算回数は６０回であった。このように、ｓｎａｋｅ法においては、初期輪郭を適切に設定することが高速に抽出するために重要である。
【０００７】
しかしながら、初期輪郭を設定する手法として、特許文献１と特許文献２の手法では、初期輪郭を手動で与える必要があるという課題があった。また、この初期輪郭を自動的に生成する手法としては、一般的な形状（四角や丸）を、例えば図１２（ｂ）や図１３（ａ）のように生成して用いる手法があるが、この場合、すでに述べたように、収束演算回数が増大するという課題があった。
【０００８】
本発明は、上記の問題点に鑑みてなされたものであって、動的輪郭法を用いた輪郭抽出において、背景や対象物が異なっても適切な初期輪郭を入力画像から生成し、収束演算回数を減少し、抽出時間の高速化を可能にする輪郭抽出装置、輪郭抽出方法、およびプログラムを提供することを課題とする。
【課題を解決するための手段】
【０００９】
上記目的を達成するため、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、入力画像を複数の色空間成分に分離する色空間分離部と、前記色空間分離部が分離した各色空間成分を二値化する色空間成分二値化部と、前記色空間成分二値化部が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成部と、前記初期輪郭生成部が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出部とを備えることを特徴としている。
【００１０】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記初期輪郭生成部は、前記色空間成分二値化部が二値化した各色空間成分の画像中心部の画素が、白画素か黒画素かを判定し、黒画素と判定した場合、二値化後の前記各色空間成分の画像データを白黒反転した画像データに基づいて前記初期輪郭画像データを生成し、白画素と判定した場合、二値化後の前記各色空間成分の画像データに基づいて前記初期輪郭画像データを生成することを特徴としている。
【００１１】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記初期輪郭生成部は、前記色空間成分二値化部が二値化した各色空間成分の画像データのうち少なくとも１つを用いて前記初期輪郭画像を生成することを特徴としている。
【００１２】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記初期輪郭生成部は、前記色空間成分二値化部が二値化した各色空間成分の画像データを合成して前記初期輪郭画像データを生成することを特徴としている。
【００１３】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記初期輪郭生成部は、前記色空間成分二値化部が二値化した各色空間成分の画像データに対して色空間成分毎に重み付けした後、重み付けした前記色空間成分を合成して初期輪郭画像データを生成することを特徴としている。
【００１４】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記色空間分離部が色空間成分に分離する前に、前記入力画像に対して平滑処理を行う平滑処理部とをさらに備えることを特徴としている。
【００１５】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記入力画像をグレースケール化し、前記グレースケール化した画像データの各画素が背景を構成する画素か対象物を構成する画素かを前記初期輪郭生成部が生成した初期輪郭画像データに基づき判定し、判定した結果に基づき、背景の画素値を１以上の値で定数倍して画素を薄くし、あるいは対象物の画素値を１以下の値で定数倍して画素を濃くすることで濃淡強調を行い、濃淡強調画像データを生成する濃淡強調部とをさらに備え、前記輪郭抽出部は、前記濃淡強調部が生成した前記濃淡強調画像データから前記初期輪郭生成部が生成した期輪郭画像データを用いて前記入力画像の輪郭を抽出することを特徴としている。
【００１６】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記濃淡強調部は、背景の画素値を１以上の値で定数倍し、対象物の画素値に前記背景に乗じた値の逆数を乗じることを特徴としている。
【００１７】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記濃淡強調部は、前記グレースケール化した画像データから生成したヒストグラムに基づき、コントラストに応じて対象物の画素値および背景の画素値に乗じる値を設定することを特徴としている。
【００１８】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、前記入力画像をグレースケール化し、前記グレースケール化した画像データの各画素が背景を構成する画素か対象物を構成する画素かを前記初期輪郭生成部が生成した初期輪郭画像データに基づいて判定し、判定した結果に基づき、前記背景のすべての画素値の平均値と前記対象物のすべての画素値の平均値を算出して、算出した平均値を比較し、比較した結果に基づき背景と対象物のそれぞれの乗数を算出して、算出したそれぞれの乗数を用いて背景と対象物の濃淡強調を行い、濃淡強調画像データを生成する濃淡強調部とをさらに備え、前記輪郭抽出部は、前記濃淡強調部が生成した前記濃淡強調画像データから前記初期輪郭生成部が生成した期輪郭画像データを用いて前記入力画像の輪郭を抽出することを特徴としている。
【００１９】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置の輪郭抽出方法において、色空間分離部が、入力画像を複数の色空間成分に分離する色空間分離工程と、色空間成分二値化部が、前記色空間分離工程が分離した各色空間成分を二値化する色空間成分二値化工程と、初期輪郭生成部が、前記色空間成分二値化工程が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成工程と、輪郭抽出部が、前記初期輪郭生成工程が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出工程とを備えることを特徴としている。
【００２０】
また、本発明は、動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置の輪郭抽出プログラムにおいて、コンピューターに、入力画像を複数の色空間成分に分離する色空間分離工程と、前記色空間分離工程が分離した各色空間成分を二値化する色空間成分二値化工程と、前記色空間成分二値化工程が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成工程と、前記初期輪郭生成工程が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出工程とを実行させることを特徴としている。
【発明の効果】
【００２１】
本発明によれば、背景や対象物が異なっても適切な初期輪郭を入力画像から生成し、生成した初期輪郭を用いて動的輪郭法で輪郭抽出を行う収束演算回数を減少し、抽出時間の高速化を行うことが可能になる。
【図面の簡単な説明】
【００２２】
【図１】本発明の実施形態に係る輪郭抽出装置の構成の一例を示すブロック図である。
【図２】同実施形態に係る画像素値記憶部１０７が記憶しているＲＧＢ成分の各画素値の構成の一例を示す図である。
【図３】同実施形態に係る輪郭抽出手順の概略の一例を説明する図である。
【図４】同実施形態に係る平滑化の優位性の一例を説明する図である。
【図５】同実施形態に係る平滑化の優位性の一例を説明する図である。
【図６】同実施形態に係る初期輪郭画像データの生成手順の概略を示す図である。
【図７】同実施形態に係る輪郭抽出手順を説明するフローチャーである。
【図８】同実施形態に係る初期輪郭画像データの生成手順のフローチャートである
【図９】同実施形態に係る初期輪郭画像データの生成手順のフローチャートである。
【図１０】同実施形態に係る各色空間成分のマスクデータ生成手順のフローチャートである。
【図１１】同実施形態に係る濃淡強調手順のフローチャートである。
【図１２】従来の実施形態に係るｓｎａｋｅ法を用いた輪郭抽出の手順の概略を説明する図である。
【図１３】従来の実施形態に係る初期輪郭の設定の違いによる収束回数の増減の一例を説明する図である。
【発明を実施するための形態】
【００２３】
以下、本発明の実施形態について、図１〜図１１を用いて説明する。なお、本発明は係る実施形態の構成に限定されず、本発明の技術思想の範囲内で種々の変更が可能である。
【００２４】
図１の輪郭抽出装置の構成の一例を示すブロック図を用いて、本実施形態における輪郭抽出装置の構成を説明する。輪郭抽出装置１０は、外部設定値取り込み部１０１と、画像データ取り込み部１０２と、平滑化部１０３と、色空間分離部１０４と、色空間成分二値化部１０５と、初期輪郭生成部１０６と、画素値記憶部１０７と、グレースケール変換部１０８と、濃淡強調部１０９と、輪郭抽出部１１０と、輪郭抽出結果出力部１１１とを備える。また、輪郭抽出装置１０には、カメラ１１と、画像表示装置１３が接続されている。
【００２５】
カメラ１１は、例えば受光レンズとＣＣＤカメラ等で構成され、対象物を含む入力画像を撮影し、撮影された入力画像を輪郭抽出装置１０に送信する。画像表示装置１３は、輪郭抽出装置１０から輪郭抽出結果の表示用の画像データを受信し、受信した画像データを表示する。
【００２６】
外部設定値取り込み部１０１は、外部から輪郭抽出処理に用いる各種の設定である外部設定値を取り込む。外部設定値は、平滑化部１０３が行う平滑化の各種パラメータ（処理手法、処理回数、処理を行う範囲、処理を行う形状、重み付け係数など）、色空間分離部１０４が行う色空間分離手法の種類（ＲＧＢ，ＣＭＹなど）、濃淡強調部１０９が行う濃淡強調処理のパラメータ（処理を行うか否かの設定、処理時の乗数など）、輪郭抽出部１１０が行う動的輪郭法の各種パラメータ（処理手法、計算回数など）等を備えている。また、外部設定値取り込み部１０１は、取り込んだ外部設定値を、平滑化部１０３と色空間分離部１０４と濃淡強調部１０９と輪郭抽出部１１０に出力する。
【００２７】
画像データ取り込み部１０２は、カメラ１１により撮影された対象物を含む入力画像を取り込み、取り込んだ入力画像の画像データ（以下、入力画像データという）を平滑化部１０３とグレースケール変換部１０８と輪郭抽出結果出力部１１１に出力する。
【００２８】
平滑化部１０３は、画像データ取り込み部１０２が取り込んだ入力画像データと、外部設定値取り込み部１０１が出力する外部設定値を取り込む。また、平滑化部１０２は、取り込んだ外部設定値から、平滑化手法の種類や平滑化の各種パラメータを読み出す。また、平滑化部１０２は、取り込んだ入力画像データを、読み出した平滑化手法の種類に基づき、例えばガウシアン・フィルタを用いて、取り込んだ外部設定値の回数の平滑化を行う。また、平滑化部１０３は、平滑化した画像データを色空間分離部１０４に出力する。
【００２９】
色空間分離部１０４は、平滑化部１０３が平滑化した平滑後画像データ（以下、平滑後画像データという）と外部設定値取り込み部１０１が出力する外部設定値を取り込む。また、色空間分離部１０４は、取り込んだ平滑後画像データを外部設定値の分離手法指示に基づき色空間成分の各チャンネルの画像データに分離する。色空間成分の分離手法は、ＲＧＢ（赤緑青）、ＣＭＹ（シアン、マゼンダ、イエロー）、ＨＳＶ（色相、彩度、明度）、ＹＣｂＣｒ（輝度、青信号色差、赤信号色差）、ＹＰｂＰｒ（輝度、青信号色差、赤信号色差）などである。また、色空間分離部１０４は、色空間成分に分離した各チャンネルの画像データを色空間成分二値化部１０５に出力する。
【００３０】
色空間成分二値化部１０５は、色空間分離部１０４が分離した各チャンネルの画像データを取り込む。また、色空間成分二値化部１０５は、取り込んだ各チャンネルの画像データを、例えば１９７９年に大津展之によって提案された閾値設定手法（以下、大津の閾値設定手法という）を用いて二値化する。また、色空間成分二値化部１０５は、二値化した各チャンネルの画像データを初期輪郭生成部１０６に出力する。
【００３１】
初期輪郭生成部１０６は、色空間成分二値化部１０５が二値化した各チャンネルの画像データ（以後、二値化画像データという）を取り込む。また、初期輪郭生成部１０６は、取り込んだ各チャンネルの二値化画像データの各画素値を画素値記憶部１０６に書き込んで記憶させる。また、初期輪郭生成部１０６は、取り込んだ各チャンネルの二値化画像データと二値化記憶部１０６に記憶した画素値を用いて、後述する手順で初期輪郭画像データを生成する。また、初期輪郭生成部１０６は、生成した初期輪郭画像データを濃淡強調部１０８と輪郭抽出部１１０に出力する。
【００３２】
画素値記憶部１０７は、各チャンネルの二値化画像データの各画素値を記憶する。図２は、画素値記憶部１０７が記憶しているＲＧＢ成分の各画素値の構成の一例を示す図である。色空間分離部１０３が、平滑後画像データをＲＧＢに分離した場合、図２のように、表形式のデータとして実現されており、画素１のＲチャンネルの画素値ＰＲ（１または０）、Ｇチャンネルの画素値ＰＧ（１または０）、Ｂチャンネルの画素値ＰＢ（１または０）の各データを有している。
【００３３】
グレースケール変換部１０８は、画像データ取り込み部１０２が取り込んだ入力画像を取り込む。また、グレースケール変換部１０８は、取り込んだ入力画像が、カラー画像データかグレースケール画像かを判定する。また、グレースケール変換部１０８は、入力画像をカラー画像と判定した場合、入力画像を一般的な手法でグレースケール画像データに変換する。また、グレースケール変換部１０８は、変換したグレースケール画像データを濃淡強調部１０９と輪郭抽出部１１０に出力する。
【００３４】
濃淡強調部１０９は、外部設定値取り込み部１０１が取り込んだ外部設定値と、初期輪郭生成部１０６が生成した初期輪郭画像データと、グレースケール変換部１０８が変換したグレースケール画像データとを取り込む。また、濃淡強調部１０９は、取り込んだ外部設定値から、濃淡強調処理を行うか否かの指示値や濃淡強調処理の各種パラメータを読み出す。また、濃淡強調部１０９は、読み出した外部設定値の濃淡強調処理を行うか否かの指示値や濃淡強調処理時の乗数と、初期輪郭画像データを用いて、後述する手法でグレースケール画像データの濃淡強調を行い、濃淡強調画像データを生成する。また、濃淡強調部１０９は、生成した濃淡強調画像データを輪郭抽出部１１０に出力する。
【００３５】
輪郭抽出部１１０は、外部設定値取り込み部１０１が出力する外部設定値と、初期輪郭生成部１０６が出力する初期輪郭画像データと、グレースケール変換部１０８が出力するグレースケール画像データと、濃淡強調部１０９が生成した濃淡強調画像データを取り込む。また、輪郭抽出部１１０は、取り込んだ外部設定値から動的輪郭法の手法の種類を示す情報や動的輪郭法の各種パラメータを読み出す。また、輪郭抽出部１１０は、初期輪郭画像データと、外部設定値の動的輪郭法の各種パラメータ（処理手法、計算回数など）とを用いて、動的輪郭法で濃淡強調画像データを入力画像データに用いて、濃淡強調画像データから対象物の輪郭データを抽出する。また、輪郭抽出部１１０は、抽出した輪郭データを輪郭抽出結果出力部１１１に出力する。
【００３６】
輪郭抽出結果出力部１１１は、画像データ取り込み部１０２が出力する入力画像と、輪郭抽出部１１０が抽出した対象物の輪郭データを取り込む。また、輪郭抽出結果出力部１１１は、取り込んだ入力画像から輪郭データを用いて、背景領域を除去した対象物の画像データを抽出する。また、輪郭抽出結果出力部１１０は、抽出した対象物の画像データを画像表示装置１３に出力する。
【００３７】
次に、図３を用いて、本実施形態における輪郭抽出手順の概略の一例を説明する。図３（ａ）のような入力画像２０１を取得し、取得した入力画像２０１にぼかし処理（平滑化）を行い、図３（ｂ）のような平滑後画像データ２０２を生成する。次に、ぼかし処理した平滑後画像データ２０２をＲＧＢの色空間成分に分離し、分離した各チャンネルの画像データを二値化する。二値化後、二値化画像データを用いて図３（ｃ）のような初期輪郭画像データ２０３を生成する。一方、取得した入力画像２０１をグレースケール化した後、濃淡強調を行い図３（ｄ）のような濃淡強調画像データ２０４を生成する。次に、初期輪郭画像データ２０３と濃淡強調画像データ２０４を用いて動的輪郭法で対象物２０５の輪郭データを抽出する。次に、輪郭データを用いて、図３（ｅ）のような入力画像から背景を除去した対象物２０５の画像データを抽出する。
【００３８】
次に、平滑化（ぼかし処理）を行う優位性の一例を、図４と図５を用いて説明する。図４（ａ）は、模様が複雑な対象物を含む入力画像の一例である。図４（ｂ）は、図４（ａ）を二値化処理で生成した初期輪郭画像データの一例である。図４（ａ）のように対象物の模様が複雑な場合、この画像データをそのまま一般的な二値化処理で初期輪郭画像データの生成を行うと図４（ｂ）のようになり、非常に多くのデータを含んでいる。図４（ｂ）の画像データを初期輪郭に用いてｓｎａｋｅ法で輪郭を抽出した場合、初期輪郭画像データに含まれる線分の総長が長いため、計算回数が増大し、結果として輪郭の抽出時間が増大する。
一方、図４（ａ）の入力画像にガウシアン・フィルタによる平滑化処理を３回行うと、図５（ａ）のように入力画像がぼける。この図５（ａ）の画像データから初期輪郭画像データを生成すると、図５（ｂ）のように図４（ｂ）に対して模様データを削減した初期輪郭画像データを生成することができる。また、このように入力画像をぼかした状態においても、図５（ｂ）のように初期輪郭画像データは、動的輪郭法で対象物の輪郭を抽出可能な対象物の輪郭を構成する成分の情報を含んでいる。この図５（ｂ）の初期輪郭画像データを用いて輪郭を抽出した方が、図４（ｂ）の初期輪郭画像データを用いて輪郭を抽出するより高速に処理を行える。
すなわち、入力画像に対して、適切な手法で適切な回数の平滑化を行うことで、輪郭抽出の演算量を削減でき、この結果、輪郭抽出を高速に行うことができる。
【００３９】
次に、輪郭抽出方法を図６の初期輪郭画像データの生成手順図と、図７〜図１１のフローチャートを用いて説明する。図６は、初期輪郭画像データの生成手順の概略を示す図である。図７は、輪郭抽出手順を説明するフローチャートであり、図８と図９は、初期輪郭画像データの生成手順のフローチャートであり、図１０は各色空間成分のマスクデータ生成手順のフローチャートであり、図１１は、濃淡強調手順のフローチャートである。本実施形態では、入力画像はカラー画像であり、外部設定値により、色空間分離手法はＲＧＢが指示され、平滑化手法はガウシアン処理が指示され、濃淡強調処理を行うように指示されている場合について説明する。
【００４０】
まず、外部設定値読み込み部１０１は、輪郭抽出処理に用いる各種の設定である外部設定値を取り込む（ステップＳ１）。また、外部設定値読み込み部１０１は、取り込んだ外部設定値を平滑化部１０３と色空間分離部１０４と濃淡強調部１０９と輪郭抽出部１１０に出力する。
【００４１】
次に、輪郭抽出装置１０は、初期輪郭画像データの生成処理を行う（ステップＳ２）。ステップＳ２の初期輪郭画像データの生成処理手順を、図８と図９のフローチャートと図６を用いて説明する。まず、画像データ取り込み部１０２は、カメラ１１が撮像した図６に示す入力画像３０１を取り込む（ステップＳ１０１）。また、画像データ取り込み部１０２は、取り込んだ入力画像３０１を平滑化部１０３とグレースケール変換部１０８と輪郭抽出結果出力部１１１に出力する。
【００４２】
平滑化部１０３は、画像データ取り込み部１０２が取り込んだ入力画像３０１と、外部設定値取り込み部１０１が取り込んだ外部設定値を取り込む。また、二値化部１０３は、取り込んだ外部設定値から平滑化手法や平滑化の各種パラメータを読み出す。読み出した外部設定値に基づき、平滑化部１０３は、入力画像３０１に対して、ガウシアン処理を外部設定値で設定されている回数、例えば３回行う（ステップＳ１０２〜Ｓ１０４）。
【００４３】
外部設定値の指示回数のガウシアン処理を終了した後、平滑化部１０３は、ガウシアン処理を行った図６に示す平滑後画像データ３１１を平滑部１０３に書き込んで記憶させる（ステップＳ１０５）。また、平滑化部１０３は、平滑後画像データ３１１を読み出し、色空間分離部１０４に出力する（ステップＳ１０５）。
【００４４】
次に、色空間分離部１０４は、平滑化部１０３が平滑化した平滑後画像データ３１１と外部設定値取り込み部１０１が取り込んだ外部設定値を取り込む。また、色空間分離部１０４は、取り込んだ外部設定値から色空間分離手法の種類を読み出す。また、色空間分離部１０４は、外部設定値に基づき、画像データ３１１を一般的な手法を用いてＲＧＢの各チャンネルの画像データに分離する（ステップＳ１０６）。また、色空間分離部１０４は、分離したＲＧＢの各チャンネルの図６に示す画像データ（３２１、３２２、３２３）を色空間成分二値化部１０５に出力する。
【００４５】
次に、色空間成分二値化部１０５は、色空間分離部１０４が分離したＲＧＢの各チャンネルの画像データ（３２１、３２２、３２３）を取り込む。また、色空間成分二値化部１０５は、取り込んだＲＧＢの各チャンネルの画像データ（３２１、３２２、３２３）に対して、チャンネルごとに輪郭マスク処理を行う（ステップＳ１０７〜Ｓ１０８）。
【００４６】
ステップＳ１０７〜Ｓ１０８のチャンネルごとの輪郭マスク処理について、図１０のフローチャートを用いて説明する。なお、ＲＧＢのチャンネルごとの輪郭マスク処理は、同一のステップＳ３０１〜Ｓ３０６の処理を行うため、重複する箇所の説明は省略する。
まず、Ｒチャンネルの輪郭マスク処理について説明する。色空間成分二値化部１０５は、取り込んだＲチャンネルの画像データ３２１のヒストグラムを生成する（ステップＳ３０１）。
【００４７】
次に、色空間成分二値化部１０５は、生成したヒストグラムを用いて、例えば大津の閾値判定手法を用いて、二値化の閾値を算出する（ステップＳ３０２）。
【００４８】
次に、色空間成分二値化部１０５は、算出した閾値を用いて、Ｒチャンネルの画像データ３２１を二値化する（ステップＳ３０３）。また、色空間成分二値化部１０５は、二値化した画像データを初期輪郭生成部１０６に出力する。
【００４９】
次に、初期輪郭生成部１０６は、色空間成分二値化部１０５が二値化した画像データ（以後、二値化画像データという）３２１を取り込む。また、初期輪郭生成部１０６は、取り込んだ二値化画像データの中心部の画素３３１が黒画素、すなわち画素値ＰＲ＝０であるか、白画素ＰＲ＝１であるか判定する（ステップＳ３０４）。
二値化画像データの中心部の画素３３１が黒画素（画素値ＰＲ＝０）と判定した場合（ステップＳ３０４；０）、初期輪郭生成部１０６は、二値化画素データ３２１のすべての画素値の０と１を入れ替えて、白黒を反転した画像データを生成する（ステップＳ３０５）。また、初期輪郭生成部１０６は、反転した二値化画像データを輪郭マスク画像データとして画素値記憶部１０７に書き込んで記憶させる。
また、二値化画像データの中心部の画素３２１が白画素（画素値ＰＲ＝１）と判定した場合（ステップＳ３０４；１）、初期輪郭生成部１０６は、二値化画素データの反転は行わず、そのまま二値化画像データを輪郭マスク画像データとして初期輪郭生成部１０６に書き込んで記憶させる。
Ｒチャンネルの画像データ３２１の場合、初期輪郭生成部１０６は、二値化画像データの中心部の画素３３１を白画素と判定し、二値化画素データの反転は行わず、そのまま二値化画像データを輪郭マスク画像データとして初期輪郭生成部１０６に書き込んで記憶させる。
【００５０】
Ｇチャンネルの画像データ３２２の場合、ステップ３０１〜ステップ３０６まで同様の処理が行われ、初期輪郭生成部１０６は、二値化画像データの中心部の画素３３２を白画素と判定し、二値化画素データの反転は行わず、そのまま二値化画像データを輪郭マスク画像データとして初期輪郭生成部１０６に書き込んで記憶させる。
【００５１】
Ｂチャンネルの画像データ３２３の場合、ステップ３０１〜ステップ３０６まで同様の処理が行われ、初期輪郭生成部１０６は、二値化画像データの中心部の画素３３３を黒画素と判定し、反転した二値化画像データを輪郭マスク画像データとして初期輪郭生成部１０６に書き込んで記憶させる。
【００５２】
二値化画像データの中心部の画素が黒画素か白画素かを判定して、二値化画像データの白黒反転を行う理由について図６を用いて説明する。図６において、ＲＧＢ各チャネルに分離後、二値化した画像データが、Ｒチャンネル画像データ３２１、Ｇチャンネル画像データ３２２、Ｂチャンネル画像データ３２３である。図６において、対象物の色は青色であるため、ＲＧＢ各チャネルに分離後、二値化すると、Ｂチャンネル画像データ３２３は背景だけではなく、対象物の画素値ＰＢも０、すなわち黒で表されてしまう。これらの画像データ３２１〜３２３を重ね合わせると、画像データ３４３のような画像になる。すなわち、対象物が画素値＝０（黒画素）で表され、対象物を抽出する初期輪郭画像データの生成が行いにくくなる。抽出する対象物は、入力画像の中心部に含まれていると仮定し、画像データの中心部の画素値が０の場合、二値化により対象物が黒画素に生成されていると判定し、画像データ全体の画素を白黒反転することで対象物の画素値を１に設定し直している。これらの処理により、ＲＧＢ各チャネルの画像データを重ね合わせても画像データ３４１のように対象物の画素値＝１を維持できる。
【００５３】
図８のフローチャートに戻り、初期輪郭生成部１０６は、記憶したＲＧＢ各チャネルの各輪郭マスク画像データを読み出し、読み出したＲＧＢの各輪郭マスク画像データを重ね合わせ、重ね合わせた画像データ３４１を生成する（ステップＳ１１０）。また、初期輪郭生成部１０６は、重ね合わせた画像データと、ＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）を画素値記憶部１０８に書き込んで記憶させる（ステップＳ１１１）。
分解したＲＧＢの各輪郭マスク画像データを重ねる理由は以下である。例えば、対象物の中心部のみが青（Ｂ）の場合、ステップＳ３０４の判定によりＢチャンネルの画像データ３２３全体の白黒反転が行われる。この場合、例えば、分解したＢチャンネルのみを使用して初期輪郭画像データを生成すると、初期輪郭画像データが適正に生成できない。このため、ＲＧＢの各輪郭マスク画像データを重ね合わせることで、１チャンネルのみで初期輪郭画像データを生成する誤検出を防ぐことができので、適正に初期輪郭画像データを生成できる。
【００５４】
次に、図９のフローチャートに移り、初期輪郭生成部１０６は、重ね合わせた画像データのすべての画素について、ＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）の合計値＝３か否かの判定を繰り返す（ステップＳ２０１〜Ｓ２０４）。
ＲＧＢ各チャネルの画素値の合計値＝３以外の場合（ステップＳ２０２；Ｎｏ）、その画素のＲＧＢ各チャネルの各画素値に０を代入し、すなわち黒画素にする（ステップＳ２０３）。すなわち、ＰＲ＝０、ＰＧ＝０、ＰＢ＝０を代入し、画素値記憶部１０８に記憶されている画素値を書き換える。
ＲＧＢ各チャネルの画素値の合計値＝３、すなわち、すべての画素が白画素の場合（ステップＳ２０２；Ｙｅｓ）、ＲＧＢ各チャネルの各画素値ＰＲ、ＰＧ、ＰＢの値は変更しない（ステップＳ２０３）。
【００５５】
すべての画像データについて画素値の処理が終了後、初期輪郭生成部１０６は、画素値記憶部１０７に記憶されているＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）を読み出して初期輪郭画像データを生成する。また、初期輪郭生成部１０６は、生成した初期輪郭画像データを初期輪郭生成部１０６に書いて記憶させる（ステップＳ２０５）。
初期輪郭画像データの生成は、ＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）のうち少なくとも１つが０、すなわち黒画素の場合、初期輪郭生成部１０６は、その画素の画素値を０にして、初期輪郭画像データを生成する。また、ＲＧＢ各チャネルの画素値（ＰＲ，ＰＧ，ＰＢ）がすべて１、すなわち白画素の場合、初期輪郭生成部１０６は、その画素の画素値を１に設定して、初期輪郭画像データ３５１を生成する。
【００５６】
また、初期輪郭生成部１０６は、生成した初期輪郭画像データ３５１を濃淡強調部１０９と輪郭抽出部１１０に出力する（ステップＳ２０６）。
以上で、ステップＳ２の初期輪郭画像データの生成処理を終了する。
【００５７】
図７のフローチャートに戻り、濃淡強調部１０９は、濃淡強調処理を行う（ステップＳ３）。濃淡強調処理手順について、図１１のフローチャートを用いて説明する。
【００５８】
濃淡強調部１０９は、外部設定値取り込む部１０１が取り込んだ外部設定値を取り込む。また、濃淡強調部１０９は、取り込んだ外部設定値から濃淡強調処理を行うか否かの指示や濃淡強調処置の各種パラメータを読み込む。濃淡強調処理を行う指示の場合、読み込んだ濃淡設定のパラメータに基づき、ステップＳ４０１〜ステップＳ４１０の処理を行い、濃淡強調処理を行なわない指示の場合、濃淡強調処理は行わず、ステップＳ４に進む。
濃淡強調処理を行う指示の場合、グレースケール変換部１０８は、画像データ取り込む部１０２が取り込んだ入力画像を取り込み、取り込んだ入力画像が、カラー画像データかグレースケール画像データかを判定する。また、グレースケール変換部１０８は、入力画像をカラー画像データと判定した場合、入力画像を一般的な手法で２５６階調のグレースケール画像データに変換し、変換したグレースケール画像データをグレースケール変換部１０８に書き込んで記憶させる（ステップＳ４０１）。
【００５９】
次に、グレースケール変換部１０８は記憶するグレースケール画像データを濃淡強調部１０９に出力する（ステップＳ４０２）。さらに初期輪郭生成部１０６が生成した初期輪郭画像データを取り込む（ステップＳ４０２）。
【００６０】
次に、濃淡強調部１０９は、グレースケール変換部１０８が出力したグレースケール画像データと、取り込んだ初期輪郭画像データを用いて、グレースケール画像データのすべての画素についてステップＳ４０４〜ステップＳ４１０の処理を繰り返して濃淡強調を行い、濃淡強調した濃淡強調画像データを生成する。ステップＳ４０４〜ステップＳ４１０の処理は、濃淡強調処理の各種パラメータが、画素を濃くする（強調する）場合は画素値を１／２倍、画素を薄くする場合は画素値を２倍にする指示の例を説明する。
【００６１】
次に、濃淡強調部１０９は、読み出したグレースケール画像データの中から、まだ読み出していない１つの画素を読み出す。また、濃淡強調部１０９は、読み出した１つの画素を、取り込んだ初期輪郭画像データと比較して、背景か対象物かを判定する（ステップＳ４０５）。
具体的な例を、図３を用いて説明する。図３のように初期輪郭画像データ２０３において、背景２０６の画素は黒画素（画素値＝０）であり、対象物２０７の画素は白画素（画素値＝１）を有している。濃淡強調部１０９は、グレースケール画像データの各画素を初期輪郭画像データの同一位置の各画素と比較する。濃淡強調部１０９は、比較の結果、初期輪郭画像データの画素値が０であれば背景と判定し、初期輪郭画像データの画素値が１であれば対象物であると判定する。
【００６２】
ステップ４０５の判定の結果、読み出した画素が対象物であると判定した場合（ステップＳ４０５；１（対象物））、濃淡強調部１０９は、外部設定値に基づき、その画素の画素値を１／２倍することで画素値を薄くする（ステップＳ４０６）。
【００６３】
ステップ４０５の判定の結果、読み出した画素が背景であると判定した場合（ステップＳ４０５；０（背景））、濃淡強調部１０９は、外部設定値に基づき、その画素の画素値を２倍することで画素値を薄くする（ステップＳ４０７）。
【００６４】
また、濃淡強調部１０９は、ステップＳ４０７終了後、画素値が２５５より大きいか否かを判定する（Ｓ４０８）。
ステップＳ４０８の判定の結果、２５５以下であると判定した場合（ステップＳ４０７；ｆａｌｓｅ）、濃淡強調部１０９は、この画素の濃淡強調処理を終了し、まだ処理の終了していない画素があればすべての画素の濃淡強調処理が終了するまでステップＳ４０４〜ステップＳ４１０を繰り返す（ステップＳ４１０）。
ステップＳ４０８の判定の結果、２５５より大きいと判定した場合（ステップＳ４０７；ｔｒｕｅ）、濃淡強調部１０９は、この画素値に２５５を代入し、この画素の濃淡強調処理を終了する。また、濃淡強調部１０９は、まだ処理の終了していない画素があればすべての画素の濃淡強調処理が終了するまでステップＳ４０４〜ステップＳ４１０を繰り返す（ステップＳ４１０）。
本実施形態において、入力画像を２５６階調のグレースケール画像データに変換しているため、ステップＳ４０８〜ステップＳ４０９の処理で、２５５より大きな値はすべて２５５を代入し、すべての画素値が２５６階調に収まるようにしている。
【００６５】
すべての画素について濃淡強調処理が終了後、濃淡強調部１０９は、濃淡強調処理が終了した画素値を用いて、濃淡強調画像データを生成し、生成した濃淡強調画像データを輪郭抽出部１１０に出力する。
以上で、ステップＳ３の濃淡強調処理を終了し、図７に戻る。
【００６６】
次に、グレースケール変換部１０８は記憶するグレースケール画像データを輪郭抽出部１１０に出力する。また、輪郭抽出部１１０は、外部設定値取り込み部１０１が取り込んだ外部設定値と、初期輪郭生成部１０６が出力する初期輪郭画像データと、グレースケール変換部１０８が出力するグレースケール画像データと、濃淡強調部１０９が生成した濃淡強調画像データを取り込む。また、輪郭抽出部１１０は、取り込んだ外部設定値から動的輪郭手法の種類とｓｎａｋｅ処理の各種パラメータを読み出す。また、輪郭抽出部１１０は、読み出したｓｎａｋｅ処理の各種パラメータと、初期輪郭画像データを用いて、濃淡強調画像データから既知であるｓｎａｋｅ法で輪郭データの抽出を行う（ステップＳ４）。また、輪郭抽出部１１０は、抽出した輪郭データを輪郭抽出結果出力部１１１に出力する。
【００６７】
次に、輪郭抽出結果出力部１１１は、画像データ取り込み部１０２が取り込んだ入力画像と、輪郭抽出部１１０が抽出した輪郭データを取り込む。また、輪郭抽出結果出力部１１１は、取り込んだ入力画像から輪郭データを用いて、背景領域を除去した対象物の画像データを抽出する。また、輪郭抽出結果出力部１１０は、抽出した対象物の画像データを画像表示装置１３に出力する（ステップＳ４）。
【００６８】
画像表示装置１３は、輪郭抽出結果出力部１１１から取り込んだ輪郭抽出結果のデータを表示する。
以上で、入力画像から対象物の輪郭抽出処理を終了する。
【００６９】
以上のように、本実施形態によれば、入力画像に対して平滑化を行い、平滑化後に色空間成分に分離後に二値化し、二値化後の各色空間成分を合成して初期輪郭画像データを生成するようにした。さらに入力画像に対してグレースケール変換を行い、グレースケール変換後に初期輪郭画像データを用いて背景と対象物の濃淡強調処理を行い、濃淡強調処理により濃淡強調画像データを生成するようにした。そして、生成した初期輪郭画像データを用いて、濃淡強調画像データから動的輪郭法の１つであるｓｎａｋｅ法で入力画像から対象物の輪郭を抽出するようにしたので、背景や対象物が異なっても適切な初期輪郭を入力画像から生成できる。このため、動的輪郭法で輪郭抽出を行う収束演算回数を減少し、抽出時間の高速化を実現することができる。
また、取得した画像が不鮮明な場合においても、入力画像をグレースケールに変換し、グレースケール変換後に濃淡強調処理を行った後、濃淡強調処理後の画像データから初期輪郭を用いて輪郭データを抽出するようにしたので、動的輪郭法で輪郭抽出を行う収束演算回数を減少し、抽出時間の高速化を可能行うことが可能になる。
【００７０】
さらにまた、本実施形態によれば、予め対象物が写っていない背景画像を取得し、この背景画と入力画像を比較して初期輪郭を生成して対象物の輪郭を抽出しなくても、撮像した画像から適正な初期輪郭を自動的に生成することが可能になる。さらにまた、本実施形態によれば、予め取得してある対象物を正面から撮像した標準画像（背景無地か背景無し）、この標準画像から初期輪郭を生成して対象物の輪郭を抽出しなくても、撮像した画像から適正な初期輪郭を自動的に生成することが可能になる。
【００７１】
なお、本実施形態では、平滑化部１０３がガウシアン・フィルタを使って平滑化する例について説明したが、他の一般的なメディアン・フィルタ、バイラテラル・フィルタ、ブラー・フィルタ等を用いて平滑化を行っても良い。
【００７２】
また、本実施形態では、平滑化部１０３の平滑回数を外部設定値取り込み部１０１が取り込んだ外部設定値で指定する例について説明したが、予め設定しておいた回数でも良く、または入力画像や対象物に応じて回数を設定するようにしても良い。この場合、例えば、高周波成分の大小や、ヒストグラムにおける成分の分布度合いなどから入力画像の複雑さを判定して、複雑な画像データに対して平滑化回数を増やすようにしても良い。また、このようにして算出した結果、平均化回数が例えば１回であった場合、平均化処理を行わずに色空間分離を行うようにしても良い。
【００７３】
また、本実施形態では、平滑後画像データを平滑化部１０３に記憶する例について説明したが、図示しない輪郭抽出装置の図示しないＣＰＵ（中央演算装置）に接続されたＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）もしくはＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ） Ｉ／Ｆを介して接続されるＵＳＢメモリー等の記憶装置に書き込んで記憶させても良い。
【００７４】
また、本実施形態では、色空間成分二値化部１０５および初期輪郭生成部１０６をそれぞれ１つで行う例を説明したが、分離する色空間の手法に応じて、例えばＲＧＢに分離する場合、ＲＧＢそれぞれの色空間成分二値化部１０５、あるいはＲＧＢそれぞれの初期輪郭生成部１０６を有するようにしても良い。
【００７５】
また、本実施形態では、色空間成分二値化部１０５は、大津の閾値選定手法で設定する例について説明したが、他の一般的な閾値選定手法を用いても良い。
【００７６】
また、本実施形態では、初期輪郭生成部１０６は、ＲＧＢの各チャンネルの色空間成分に分離後、分離した画像データを二値化し、二値化した各チャンネルの画像データを合成して初期輪郭画像データを生成する例を説明したが、各チャンネルの合成手法は重み付けなどを用いても良い。図６のような場合、例えば、各チャンネルのヒストグラムを生成して、生成したヒストグラムに基づき、各成分の分離度合いが高いと思われるＲチャンネルの画像データ３２１の重み付けを一番高くして合成する。または、各チャンネルの画像データのうちどれか１つを用いて初期輪郭画像データを生成するようにしても良い。
【００７７】
また、本実施形態では、初期輪郭画像データをそのままｓｎａｋｅ法で輪郭抽出する例を説明したが、対象物の初期輪郭画像データに穴状の黒領域がある場合、例えば図６の黒画素による小領域３５２を、初期輪郭生成部１０６が一般的なラベリング処理の手法などにより抽出する。さらに、初期輪郭生成部１０６は、抽出した穴状の黒画素領域を白画素に変換することで、対象物内の周辺を白画素で囲まれた黒画素の小領域である穴状の黒画素を白画素で埋めることができ、さらに高速に輪郭抽出を行える初期輪郭を生成することができる。
【００７８】
また、周辺を黒画素で囲まれた白画素の小領域は、初期輪郭画像データからみればノイズであり、背景にこのようなノイズである場合、同様に初期輪郭生成部１０６が一般的なラベリング処理の手法などにより抽出する。さらに、初期輪郭生成部１０６は、抽出したノイズの白画素領域を黒画素に変換することで、背景のノイズとなる白画素を黒画素に変換することで除去することができ、さらに高速に輪郭抽出を行える初期輪郭を生成することができる。
【００７９】
また、本実施形態では、濃淡強調処理について、背景の画素を薄くし、対象物を濃くすることで濃淡強調を行う例について説明したが、この手法は背景が明るく対象物が暗い入力画像に有効である。このため、背景が暗く、対象物が明るい入力画像を考慮し、濃淡強調部１０９は、グレースケール画像データと初期輪郭画像データを用いて、グレースケール画像データで背景と判定した領域の画素値の平均値と、グレースケール画像データで対象物と判定した領域の画素値の平均値を算出する。次に、濃淡強調部１０９は、算出したそれぞれの画素値の平均値に基づき、背景か対象物のどちらの画素領域の方が明るいかを判定し、この判定結果に基づき、明るい方をより明るく（薄く）、暗い方をより暗く（濃く）する乗数を算出して濃淡強調処理を行うことで、さらに多様な条件での輪郭抽出が可能になる。
【００８０】
また、本実施形態では、色空間成分に分離した各チャンネルの二値化画像データについて、入力画像の中心部の画素値が黒画素か白画素かを判定して、各チャンネルの二値化画像データの白黒を反転する例について説明したが、判定に用いる中心部の画素は１画素でなくても中心付近の複数画素を用いて判定しても良い。また、二値化画像データの中心部は、二値化画像データの図心や重心でも良い。または二値化画像データに対してラベリング処理を行い、各ラベルの重心位置を求めて、重心位置が二値化画像データの画像中心にもっとも近い領域の画素値を抽出し、この画素値を１、すなわち白になるように白黒反転を行う判定を行うようにしても良い。
【００８１】
また、本実施形態では、画像データ取り込み部１０３が出力する入力画像に初期輪郭画像データを用いて濃淡強調処理を行って濃淡強調画像データを生成し、濃淡強調画像データから初期輪郭画像データを用いて輪郭データを抽出する例について説明したが、入力画像や対象物に応じて、入力画像から初期輪郭画像データを用いて輪郭抽出を行うようにしても良い。
【００８２】
また、本実施形態では、生成した初期輪郭画像データを動的輪郭法の１つであるｓｎａｋｅ法で用いて輪郭を抽出する例について説明したが、他の動的輪郭法を用いて輪郭抽出を行っても良く、また別の輪郭抽出方法を用いて輪郭抽出を行っても良い。さらにまた、生成した初期輪郭画像データを、例えば抽出したい対象物の範囲の限定に利用し、この初期輪郭画像データを図形認識における特徴点の抽出などを行う場合の領域指定に使用しても良い。
【００８３】
なお、実施形態の図１の各部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリーのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
【符号の説明】
【００８４】
１０・・・輪郭抽出装置
１１・・・カメラ
１３・・・画像表示装置
１０１・・・外部設定値取り込み部
１０２・・・画像データ取り込み部
１０３・・・平滑化部
１０４・・・色空間分離部
１０５・・・色空間成分二値化部
１０６・・・初期輪郭生成部
１０７・・・画素値記憶部
１０８・・・グレースケール変換部
１０９・・・濃淡強調部
１１０・・・輪郭抽出部
１１１・・・輪郭抽出結果出力部
【特許請求の範囲】
【請求項１】
動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、
入力画像を複数の色空間成分に分離する色空間分離部と、
前記色空間分離部が分離した各色空間成分を二値化する色空間成分二値化部と、
前記色空間成分二値化部が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成部と、
前記初期輪郭生成部が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出部と、
を備えることを特徴とする輪郭抽出装置。
【請求項２】
前記初期輪郭生成部は、
前記色空間成分二値化部が二値化した各色空間成分の画像中心部の画素が、白画素か黒画素かを判定し、黒画素と判定した場合、二値化後の前記各色空間成分の画像データを白黒反転した画像データに基づいて前記初期輪郭画像データを生成し、白画素と判定した場合、二値化後の前記各色空間成分の画像データに基づいて前記第一初期輪郭画像データを生成する
ことを特徴とする請求項１に記載の輪郭抽出装置。
【請求項３】
前記初期輪郭生成部は、
前記色空間成分二値化部が二値化した各色空間成分の画像データのうち少なくとも１つを用いて前記初期輪郭画像データを生成する
ことを特徴とする請求項１または請求項２に記載の輪郭抽出装置。
【請求項４】
前記初期輪郭生成部は、
前記色空間成分二値化部が二値化した各色空間成分の画像データを合成して前記初期輪郭画像データを生成する
ことを特徴とする請求項１から請求項３のいずれか１項に記載の輪郭抽出装置。
【請求項５】
前記初期輪郭生成部は、
前記色空間成分二値化部が二値化した各色空間成分の画像データに対して色空間成分毎に重み付けした後、重み付けした前記色空間成分を合成して初期輪郭画像データを生成する
ことを特徴とする請求項１から請求項４のいずれか１項に記載の輪郭抽出装置。
【請求項６】
前記色空間分離部が色空間成分に分離する前に、前記入力画像に対して平滑処理を行う平滑処理部と、
をさらに備えることを特徴とする請求項１から請求項５のいずれか１項に記載の輪郭抽出装置。
【請求項７】
前記入力画像をグレースケール化し、前記グレースケール化した画像データの各画素が背景を構成する画素か対象物を構成する画素かを前記初期輪郭生成部が生成した初期輪郭画像データに基づき判定し、判定した結果に基づき、
背景の画素値を１以上の値で定数倍して画素を薄くし、あるいは対象物の画素値を１以下の値で定数倍して画素を濃くすることで濃淡強調を行い、濃淡強調画像データを生成する濃淡強調部と、
をさらに備え、
前記輪郭抽出部は、
前記濃淡強調部が生成した前記濃淡強調画像データから前記初期輪郭生成部が生成した期輪郭画像データを用いて前記入力画像の輪郭を抽出する
ことを特徴とする請求項１から請求項６のいずれか１項に記載の輪郭抽出装置。
【請求項８】
前記濃淡強調部は、
背景の画素値を１以上の値で定数倍し、対象物の画素値に前記背景に乗じた値の逆数を乗じる
ことを特徴とする請求項７に記載の輪郭抽出装置。
【請求項９】
前記濃淡強調部は、
前記グレースケール化した画像データから生成したヒストグラムに基づき、コントラストに応じて対象物の画素値および背景の画素値に乗じる値を設定する
ことを特徴とする請求項７または請求項８に記載の輪郭抽出装置。
【請求項１０】
前記入力画像をグレースケール化し、前記グレースケール化した画像データの各画素が背景を構成する画素か対象物を構成する画素かを前記初期輪郭生成部が生成した初期輪郭画像データに基づいて判定し、判定した結果に基づき、前記背景のすべての画素値の平均値と前記対象物のすべての画素値の平均値を算出して、算出した平均値を比較し、比較した結果に基づき背景と対象物のそれぞれの乗数を算出して、算出したそれぞれの乗数を用いて背景と対象物の濃淡強調を行い、濃淡強調画像データを生成する濃淡強調部と、
をさらに備え、
前記輪郭抽出部は、
前記濃淡強調部が生成した前記濃淡強調画像データから前記初期輪郭生成部が生成した期輪郭画像データを用いて前記入力画像の輪郭を抽出する
ことを特徴とする請求項１から請求項６のいずれか１項に記載の輪郭抽出装置。
【請求項１１】
動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置の輪郭抽出方法において、
色空間分離部が、入力画像を複数の色空間成分に分離する色空間分離工程と、
色空間成分二値化部が、前記色空間分離工程が分離した各色空間成分を二値化する色空間成分二値化工程と、
初期輪郭生成部が、前記色空間成分二値化工程が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成工程と、
輪郭抽出部が、前記初期輪郭生成工程が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出工程と、
を備えることを特徴とする輪郭抽出方法。
【請求項１２】
コンピューターに、
入力画像を複数の色空間成分に分離する色空間分離工程と、
前記色空間分離工程が分離した各色空間成分を二値化する色空間成分二値化工程と、
前記色空間成分二値化工程が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成工程と、
前記初期輪郭生成工程が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出工程と、
を実行させるための輪郭抽出プログラム。
【請求項１】
動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置において、
入力画像を複数の色空間成分に分離する色空間分離部と、
前記色空間分離部が分離した各色空間成分を二値化する色空間成分二値化部と、
前記色空間成分二値化部が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成部と、
前記初期輪郭生成部が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出部と、
を備えることを特徴とする輪郭抽出装置。
【請求項２】
前記初期輪郭生成部は、
前記色空間成分二値化部が二値化した各色空間成分の画像中心部の画素が、白画素か黒画素かを判定し、黒画素と判定した場合、二値化後の前記各色空間成分の画像データを白黒反転した画像データに基づいて前記初期輪郭画像データを生成し、白画素と判定した場合、二値化後の前記各色空間成分の画像データに基づいて前記第一初期輪郭画像データを生成する
ことを特徴とする請求項１に記載の輪郭抽出装置。
【請求項３】
前記初期輪郭生成部は、
前記色空間成分二値化部が二値化した各色空間成分の画像データのうち少なくとも１つを用いて前記初期輪郭画像データを生成する
ことを特徴とする請求項１または請求項２に記載の輪郭抽出装置。
【請求項４】
前記初期輪郭生成部は、
前記色空間成分二値化部が二値化した各色空間成分の画像データを合成して前記初期輪郭画像データを生成する
ことを特徴とする請求項１から請求項３のいずれか１項に記載の輪郭抽出装置。
【請求項５】
前記初期輪郭生成部は、
前記色空間成分二値化部が二値化した各色空間成分の画像データに対して色空間成分毎に重み付けした後、重み付けした前記色空間成分を合成して初期輪郭画像データを生成する
ことを特徴とする請求項１から請求項４のいずれか１項に記載の輪郭抽出装置。
【請求項６】
前記色空間分離部が色空間成分に分離する前に、前記入力画像に対して平滑処理を行う平滑処理部と、
をさらに備えることを特徴とする請求項１から請求項５のいずれか１項に記載の輪郭抽出装置。
【請求項７】
前記入力画像をグレースケール化し、前記グレースケール化した画像データの各画素が背景を構成する画素か対象物を構成する画素かを前記初期輪郭生成部が生成した初期輪郭画像データに基づき判定し、判定した結果に基づき、
背景の画素値を１以上の値で定数倍して画素を薄くし、あるいは対象物の画素値を１以下の値で定数倍して画素を濃くすることで濃淡強調を行い、濃淡強調画像データを生成する濃淡強調部と、
をさらに備え、
前記輪郭抽出部は、
前記濃淡強調部が生成した前記濃淡強調画像データから前記初期輪郭生成部が生成した期輪郭画像データを用いて前記入力画像の輪郭を抽出する
ことを特徴とする請求項１から請求項６のいずれか１項に記載の輪郭抽出装置。
【請求項８】
前記濃淡強調部は、
背景の画素値を１以上の値で定数倍し、対象物の画素値に前記背景に乗じた値の逆数を乗じる
ことを特徴とする請求項７に記載の輪郭抽出装置。
【請求項９】
前記濃淡強調部は、
前記グレースケール化した画像データから生成したヒストグラムに基づき、コントラストに応じて対象物の画素値および背景の画素値に乗じる値を設定する
ことを特徴とする請求項７または請求項８に記載の輪郭抽出装置。
【請求項１０】
前記入力画像をグレースケール化し、前記グレースケール化した画像データの各画素が背景を構成する画素か対象物を構成する画素かを前記初期輪郭生成部が生成した初期輪郭画像データに基づいて判定し、判定した結果に基づき、前記背景のすべての画素値の平均値と前記対象物のすべての画素値の平均値を算出して、算出した平均値を比較し、比較した結果に基づき背景と対象物のそれぞれの乗数を算出して、算出したそれぞれの乗数を用いて背景と対象物の濃淡強調を行い、濃淡強調画像データを生成する濃淡強調部と、
をさらに備え、
前記輪郭抽出部は、
前記濃淡強調部が生成した前記濃淡強調画像データから前記初期輪郭生成部が生成した期輪郭画像データを用いて前記入力画像の輪郭を抽出する
ことを特徴とする請求項１から請求項６のいずれか１項に記載の輪郭抽出装置。
【請求項１１】
動的輪郭法を用いて輪郭抽出を行う輪郭抽出装置の輪郭抽出方法において、
色空間分離部が、入力画像を複数の色空間成分に分離する色空間分離工程と、
色空間成分二値化部が、前記色空間分離工程が分離した各色空間成分を二値化する色空間成分二値化工程と、
初期輪郭生成部が、前記色空間成分二値化工程が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成工程と、
輪郭抽出部が、前記初期輪郭生成工程が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出工程と、
を備えることを特徴とする輪郭抽出方法。
【請求項１２】
コンピューターに、
入力画像を複数の色空間成分に分離する色空間分離工程と、
前記色空間分離工程が分離した各色空間成分を二値化する色空間成分二値化工程と、
前記色空間成分二値化工程が二値化した各色空間成分の画像データに基づいて、初期輪郭画像データを生成する初期輪郭生成工程と、
前記初期輪郭生成工程が生成した初期輪郭画像データを用いて前記入力画像中に含まれる図形の輪郭を動的輪郭法で抽出する輪郭抽出工程と、
を実行させるための輪郭抽出プログラム。
【図１】
【図２】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図３】
【図４】
【図５】
【図６】
【図１２】
【図１３】
【図２】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図３】
【図４】
【図５】
【図６】
【図１２】
【図１３】
【公開番号】特開２０１１−７６３０２（Ｐ２０１１−７６３０２Ａ）
【公開日】平成２３年４月１４日（２０１１．４．１４）
【国際特許分類】
【出願番号】特願２００９−２２６０８９（Ｐ２００９−２２６０８９）
【出願日】平成２１年９月３０日（２００９．９．３０）
【出願人】（３９７０６５４８０）エヌ・ティ・ティ・コムウェア株式会社 (187)
【Ｆターム（参考）】
【公開日】平成２３年４月１４日（２０１１．４．１４）
【国際特許分類】
【出願日】平成２１年９月３０日（２００９．９．３０）
【出願人】（３９７０６５４８０）エヌ・ティ・ティ・コムウェア株式会社 (187)
【Ｆターム（参考）】
[ Back to top ]