JP2020122692A - 画像処理装置および画像処理方法 - Google Patents
画像処理装置および画像処理方法 Download PDFInfo
- Publication number
- JP2020122692A JP2020122692A JP2019013960A JP2019013960A JP2020122692A JP 2020122692 A JP2020122692 A JP 2020122692A JP 2019013960 A JP2019013960 A JP 2019013960A JP 2019013960 A JP2019013960 A JP 2019013960A JP 2020122692 A JP2020122692 A JP 2020122692A
- Authority
- JP
- Japan
- Prior art keywords
- image
- information
- plant
- area
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
【課題】物体の撮像画像を用いて該物体の状態を特定する。【解決手段】画像処理装置2は、物体の撮像により生成された画像から該物体のエッジ方向を示す第1の情報を取得し、第1の情報を用いて、画像のうち物体が特定の状態にある第1の領域および物体が特定の状態にない第2の領域のうち少なくとも一方を特定する。【選択図】図1
Description
本発明は、植物等の物体を撮像して得られた画像から物体の情報を取得する画像処理技術に関する。
水稲等の植物の栽培において、植物の生育状態を判断する指標として、葉の色を数値化した値である葉色値が用いられている。葉色値の測定方法には、葉色カラースケールを用いる方法と葉緑素計を用いる方法とがある。
これらの測定方法において、植物を撮像して得られた画像を用いることが提案されている。特許文献1には、水稲を撮像して得られた画像を用いて水稲の葉色値を正確に測定するために、撮像時の照明スペクトルの影響を補正する方法が開示されている。
しかしながら、特許文献1にて開示されたような方法を用いても、水稲が風で靡いてたり倒伏したりしていると、葉色値を正確に測定することができない場合がある。これは、風で靡いていたり倒伏したりしている水稲とそうではない水稲とでは、照明光のあたり方が異なるために、葉色値が異なる値として測定されてしまうからである。また、測定した葉色値から水稲が風で靡いている又は倒伏しているかを判別しようとしても、生育不良等の理由で部分的に葉色値が異なる場合との区別が難しい。
本発明は、物体の撮像画像を用いて該物体の状態を特定するのに有効な画像処理装置および画像処理方法を提供する。
本発明の一側面としての画像処理装置は、物体の撮像により生成された画像から該物体のエッジ方向を示す第1の情報を取得する第1の情報取得手段と、第1の情報を用いて、画像のうち物体が特定の状態にある第1の領域および物体が特定の状態にない第2の領域のうち少なくとも一方を特定する領域特定手段とを有することを特徴とする。
また、本発明の他の一側面としての画像処理方法は、物体の撮像により生成された画像から該物体のエッジ方向を示す第1の情報を取得するステップと、第1の情報を用いて、画像のうち物体が特定の状態にある第1の領域および物体が特定の状態にない第2の領域のうち少なくとも一方を特定するステップとを有することを特徴とする。
なお、コンピュータに上記画像処理方法に従う処理を実行させるコンピュータプログラムも、本発明の他の一側面を構成する。
本発明によれば、物体の撮像画像のうち該物体の状態に応じた領域を特定することができる。
以下、本発明の実施例について図面を参照しながら説明する。
本発明の実施例では、物体としての植物の撮像により生成された画像(以下、測定用画像という)からエッジ方向を示す情報としてのエッジ方向特徴量(第1の情報)を取得(計算)する。次に、該エッジ方向特徴量を用いて植物が風に靡いている又は倒伏している特定の状態(以下、靡き/倒伏状態という)にあるか否かを判定する。そして、測定用画像のうち植物が靡き/倒伏状態にある第1の領域および靡き/倒伏状態にない第2の領域のうち少なくとも一方を抽出(特定)する。第1または第2の領域としての画像領域を情報取得領域とし、該情報取得領域の画像情報から植物の生育状態を判断する指標となる植物情報である葉色値(第2の情報)を取得(測定)することが可能である。
まず、エッジ方向特徴量について説明する。図2のフローチャートは、エッジ方向特徴量を計算する処理を示す。エッジ方向特徴量の計算は、エッジ強調処理(S111)、二値化処理(S112)、エッジ画像生成処理(S113)およびエッジ方向計算処理(S114)の4つの処理により実行される。Sはステップを意味する。
前提として、エッジ方向特徴量を計算する対象となる入力画像としての測定用画像は、植物の撮像により得られるモノクロ画像I(x, y)を使用する。Iはモノクロ画像の各画素の輝度値を示す。植物の撮像により生成された画像がマルチバンド画像である場合は、モノクロ画像I(x, y)として、各バンド画像の重み付き和で計算された画像を用いるとよい。例えば、植物の撮像により生成された画像がRGB画像である場合には、Rバンド画像、Gバンド画像およびBバンド画像の重み付き和で計算されたグレースケール画像を用いるとよい。また、モノクロ画像I(x, y)として、マルチバンド画像のうち代表的なバンド画像を用いてもよい。例えば、植物の葉を撮像することで生成された画像がRGB画像である場合には、植物の葉の緑色をよく反映するGバンド画像をモノクロ画像I(x, y)として用いてもよい。なお、画像の横と縦の画素数をそれぞれNx, Nyとするとき、x=1, ...,Nxおよびy=1, ...,Nyとする。
エッジ強調処理(S111)では、モノクロ画像I(x, y)のエッジを強調したエッジ強調画像Ienhance(x, y)を生成する。具体的には、下記の式(1)および(2)により、エッジ強調画像エッジ強調画像Ienhance(x, y)を生成する。
ここで、Imean(x, y)はモノクロ画像I(x, y)を平滑化フィルタHmeanを用いて平滑化した平滑化画像であり、言い換えれば、各画素(x, y)を含む局所領域内の画素の平均輝度値を示す。記号*は畳み込み積分を意味する。すなわち、式(2)は、モノクロ画像I(x, y)の各画素(x, y)の輝度値Iを上記平均輝度値で除算することを意味する。
図3(a),(b)は、平滑化フィルタHmeanの例を示す。図3(a)はフィルタサイズn=3とした場合の平滑化フィルタを、図3(b)はフィルタサイズn=5とした場合の平滑化フィルタを示している。
上記エッジ強調処理(S111)を行うと、局所的な輝度差が小さい領域においてもエッジを強調することができる。この結果、後のエッジ画像生成処理(S113)において、検出すべきエッジを適切に検出することができる。
二値化処理(S112)では、下記の式(3)を用いて、エッジ強調処理により得られたエッジ強調画像Ienhance(x, y)から二値化画像Ibinary(x, y)を生成する。
この二値化処理(S112)を行うと、エッジ強調画像Ienhance(x, y)のエッジをさらに強調することができ、後のエッジ画像生成処理(S113)において、検出すべきエッジをより適切に検出することができる。
エッジ画像生成処理(S113)では、二値化処理により得られた二値化画像Ibinary(x, y)を少なくとも2方向に微分して該少なくとも2方向の微分画像を生成する。ここでは、x方向とy方向の微分画像Gx(x, y),Gy(x, y)を例として説明する。微分画像Gx(x, y),Gy(x, y)は下記の式(4)および(5)を用いて生成する。
ここで、Hxはx方向微分フィルタであり、Hyはy方向微分フィルタである。記号*は畳み込み積分を意味する。
図4(a)〜(c)は、y方向微分フィルタHyの例を示す。y方向微分フィルタHyとしては、図4(a)に示すPrewittフィルタを用いてもよいし、図4(b)に示すSobelフィルタを用いてもよい。また、図4(c)に示すような微分フィルタを用いてもよい。図4(c)に示すように、微分フィルタのフィルタサイズを大きくすると、エッジ方向計算処理(S114)において計算されるエッジ方向特徴量の階調を大きくすることができる。なお、x方向微分フィルタHxとしては、y方向微分フィルタHyを転置したフィルタを用いればよい。
エッジ方向計算処理(S114)では、下記の式(6)を用いてエッジ方向特徴量θ(x, y)を計算する。
ここで、エッジ方向特徴量θ(x, y)は、-90°≦ θ(x, y) ≦90°の範囲で変化する特徴量である。なお、エッジ画像生成処理(S113)とエッジ方向計算処理(S114)の説明では、x方向とy方向の微分画像Gx(x, y),Gy(x, y)を例に挙げたが、微分する2方向が互いに直交していればx方向とy方向に限られない。
本実施例におけるエッジ方向特徴量θ(x, y)の計算方法は、モノクロ画像I(x, y)に輝度分布がある場合やモノクロ画像I(x, y)のコントラストが低い場合でも、エッジをほぼ確実に検出し、検出エッジのエッジ方向特徴量θ(x, y)を正確に計算できるという特徴を有する。
そして、本実施例では、こうして計算されたエッジ方向特徴量θ(x, y)を用いて、撮像された植物の靡き/倒伏状態を判定する。エッジ方向特徴量θ(x, y)は、画像内の植物の輝度や色に依存しにくいという特徴を有する。このため、植物の輝度や色とは独立して、植物の靡き/倒伏状態を判定することができる。
本実施例によれば、生育不良等の理由で葉色値が異なる水稲と、靡き/倒伏状態にあるために葉色値が異なる水稲とを良好に区別することができる。
以下、具体的な実施例として、エッジ方向特徴量を用いて植物の靡き/倒伏状態を判定し、靡き/倒伏状態の情報を用いて測定用画像から葉色値を取得する情報取得領域を選択(設定)する植物情報取得システムについて説明する。
図11は、実施例1である植物情報取得システム100の構成を示している。植物情報取得システム100は、植物(水稲)を撮像して測定用画像を生成する撮像装置1と、該撮像装置1から測定用画像を取得する画素処理装置としてのパーソナルコンピュータ(PC)2とにより構成されている。
図1のフローチャートは、本実施例においてPC2が行う処理(画像処理方法)を示している。PC2は、内蔵されたコンピュータプログラムに従って、エッジ方向特徴量計算処理(S110)と、靡き/倒伏状態判定処理(S120)と、非靡き/非倒伏領域(情報取得領域)抽出処理(S130)とを行う。PC2は、第1の情報取得手段および領域取得手段として機能する。
PC2は、エッジ方向特徴量計算処理(S110)において、図2のフローチャートを用いて説明した処理を行ってエッジ方向特徴量θ(x, y)を計算する。
図5は、エッジ方向特徴量θ(x, y)を用いた水稲の靡き/倒伏状態の判定結果を示している。上段の3つの測定用画像は、同一地点から同一領域の水稲を互いに異なる時刻(t1,t2,t3)にて撮像することで生成されたRGB画像から生成されたグレースケール画像である。時刻t2の測定用画像において水稲の一部が風に靡いており、靡いている水稲の輝度値は高く、測定される葉色値は低くなっている。PC2は、これらの測定用画像に対して、エッジ方向特徴量計算処理(S110)によりエッジ方向特徴量θ(x, y)を計算する。
次にPC2は、靡き/倒伏状態判定処理(S120)において、特定の状態としての靡き/倒伏状態にある植物とそうではない(非靡き/非倒伏)状態の植物とのエッジ方向特徴量θ(x, y)の違いを利用して、測定用画像内の植物が靡き/倒伏状態か否かを判定する。具体的には、下記の判定式(7)を用いて判定する。
ここで、θthresholdは靡き/倒伏状態か非靡き/非倒伏状態かを判定するためにエッジ方向特徴量θ(x, y)と比較される閾値(所定値)である。本実施例では、非靡き/非倒伏状態ではエッジ方向特徴量θ(x, y)が0付近の値となり、靡き/倒伏状態になるにつれてエッジ方向特徴量θ(x, y)の絶対値が大きくなることを利用して靡き/倒伏状態か非靡き/非倒伏状態かを判定する。
図5の中段の3つの画像は、上述した3つの測定用画像のうち靡き/倒伏状態にあると判定された領域を示す画像であり、靡き/倒伏状態にある領域を1(白)、それ以外を0(黒)で表現している。これらの画像から、エッジ方向特徴量を用いて靡き/倒伏状態の領域を適切に判定することが分かる。また、図5の下段の3つの画像は、上述した3つの測定用画像のうち非靡き/非倒伏状態にあると判定された領域を示した画像であり、非靡き/非倒伏状態にある領域を1(白)、それ以外を0(黒)で表現している。
本実施例では、平滑化フィルタのサイズn=7とし、微分フィルタとして図4(c)に示したフィルタを使用している。また、閾値θthreshold=20°としている。閾値θthresholdは撮像する植物の種類や検出したい靡き/倒伏状態の程度に応じて選択することができる。水稲の場合は、閾値θthreshold=20°〜30°に設定するとよい。
さらにPC2は、非靡き/非倒伏領域抽出処理(S130)において、測定用画像から図5の下段に示した非靡き/非倒伏領域を抽出する。PC2は、抽出した非靡き/非倒伏領域をモニタに表示したりプリンタに出力したりしてもよい。
本実施例によれば、測定用画像内の植物が風に靡いたり倒伏したりしていても、正確な植物情報を取得可能な画像領域を抽出することができる。
次に実施例2について説明する。図6のフローチャートは、本実施例においてPC2が行う処理を示している。PC2は、エッジ方向特徴量計算処理(S210)と、靡き/倒伏状態判定処理(S220)と、非靡き/非倒伏領域抽出処理(S230)と、植物情報取得処理(S240)とを行う。S210〜S230は、実施例1で説明したS110〜S130と同じである。PC2は、第1の情報取得手段、領域特定手段および第2の情報取得手段として機能する。
植物情報取得処理(S240)では、PC2は、抽出された非靡き/非倒伏領域の画像情報から植物情報(物体情報)としての葉色値を測定する。
本実施例では、植物情報の取得に適さない靡き/倒伏状態の水稲が含まれない非靡き/非倒伏領域を抽出し、この非靡き/非倒伏領域の画像情報を用いて植物情報を取得するので、正確な植物情報を得ることができる。
なお、測定用画像から靡き/倒伏領域を抽出し、抽出された靡き/倒伏領域内の画像情報から植物情報を取得してもよい。
次に実施例3について説明する。図7のフローチャートは、本実施例においてPC2が行う処理を示している。PC2は、エッジ方向特徴量計算処理(S310)と、靡き/倒伏状態判定処理(S320)とを行う。S310,S320は、実施例1で説明したS110,S120と同じである。さらにPC2は、靡き/倒伏領域抽出処理(S330)と、靡き/倒伏領域面積計算処理(S340)と、閾値判定処理(S350)と、植物情報取得処理(S360)とを行う。S360は、実施例2で説明したS240と同じである。PC2は、第1の情報取得手段、領域特定手段、画像判定手段および第2の情報取得手段として機能する。
靡き/倒伏領域抽出処理(S330)では、PC2は、測定用画像から図5の中段に示した靡き/倒伏領域を抽出する。
次に靡き/倒伏領域面積計算処理(S340)では、PC2は、靡き/倒伏領域抽出処理(S330)により抽出された靡き/倒伏領域の面積を計算する。具体的には、PC2は、靡き/倒伏領域の面積をその画素数によりカウントする。図5に示した時刻t1,t2およびt3での靡き/倒伏領域の画素数を計算した結果を図8に示す。
続いて閾値判定処理(S350)では、PC2は、靡き/倒伏領域の面積が閾値Nthreshold以上か否かを判定する。靡き/倒伏領域の面積が閾値Nthreshold以上である場合は、測定用画像が靡き/倒伏状態の植物を撮像して得られたものであり、植物情報を取得するための測定用画像としては適さない画像であると判定する。図8においては、時刻t2の測定用画像の靡き/倒伏領域の面積が閾値Nthreshold以上であるので、この測定用画像は植物情報を取得するための画像としては適さないと判定される。
一方、靡き/倒伏領域の面積が閾値Nthresholdより小さい場合は、PC2は、測定用画像が植物情報を取得するために適した画像であると判定し、該測定用画像を用いて植物情報取得処理(S360)を行う。図8においては、時刻t1,t3の測定用画像の靡き/倒伏領域の面積が閾値Nthresholdより小さいので、これらの測定用画像は植物情報を取得するための画像として適すると判定される。
閾値Nthresholdは、測定用画像の総画素数、植物の植被率(所定の面積を植物が覆っている割合)等に応じて選択することができる。
本実施例によれば、植物情報の取得に適さない測定用画像を植物情報を取得する測定用画像として用いないことにより、植物情報を安定的に、かつ正確に測定することができる。
なお、非靡き/非倒伏領域の面積を、その画素数ではなく、実際の面積で表してもよい。また、靡き/倒伏領域の面積が閾値より小さいか否かで測定用画像が植物情報の取得に適しているか否かを判定する代わりに、非靡き/非倒伏領域の面積が閾値より大きいか否かで測定用画像が植物情報の取得に適しているか否かを判定してもよい。
次に実施例4について説明する。図9のフローチャートは、本実施例においてPC2が行う処理を示している。PC2は、同一地点から同一領域を互いに異なる時刻t1,t2で撮像することにより生成された測定用画像(以下それぞれ、t1画像およびt2画像という)を取得する処理として、t1画像入力処理(S411)とt2画像入力処理(S412)とを行う。そしてPC2は、t1画像およびt2画像のそれぞれに対して、エッジ方向特徴量計算処理(S421,S422)と、靡き/倒伏状態判定処理(S431,S432)と、靡き/倒伏領域抽出処理(S441,S442)とを行う。S411〜S432は実施例1で説明したS110〜S120と同じであり、S411,S442は実施例3で説明したS330と同じである。
さらにPC2は、差分計算処理(S450)と、靡き・倒伏判定処理(S460)とを行う。PC2は、第1の情報取得手段、領域特定手段および物体判定手段として機能する。
差分計算処理(S450)について、図10を用いて説明する。この差分計算処理では、PC2は、図10に示すように図5に示した時刻t1,t2での靡き/倒伏領域の画像の差分を計算して差分画像を生成する。具体的には、時刻t2での靡き/倒伏領域の画像から時刻t1での靡き/倒伏領域の画像を差し引く。
図10に示す差分画像では、時刻t2で靡き状態にある領域を+1(白)で、時刻t1,t2で共に靡き/倒伏状態または非靡き/非倒伏状態にある領域を0(灰)で、時刻t1で靡き状態にある領域を−1(黒)で表現している。
次に靡き・倒伏判定処理(S460)では、PC2は、差分画像に2を加えた画像に対して、時刻t1での靡き/倒伏領域の画像を乗じることで、図10の下段に示す時刻t1における靡き・倒伏判定画像を生成する。同様に、差分画像に2を加えた画像に対して、時刻t2での靡き/倒伏領域の画像を乗じて時刻t2における靡き・倒伏判定画像を生成する。
なお、靡き・倒伏判定処理において、差分画像に2を加えた画像に対して非靡き/非倒伏領域の画像を乗じて靡き・倒伏判定画像を生成してもよい。
そして、PC2は、これら時刻t1,t2における靡き・倒伏判定画像を比較することで、各時刻において植物が風に靡いている又は倒伏している状態か否かを判定する。具体的には、各靡き・倒伏判定画像において、+3(白)の領域は時刻t2において靡き状態にあることを示し、+2(灰)の領域は恒常的に植物が倒れている倒伏状態にあることを示す。また、+1(灰)の領域は時刻t1において靡き状態にあることを示す。さらに0(黒)の領域は、時刻t1,t2において非靡き/非倒伏状態にあることを示す。
本実施例によれば、同一地点から同一領域を互いに異なる時刻で撮像することで生成された測定用画像を用いることで、植物が風に靡いている状態か倒伏している状態かを判定することができる。
なお、互いに異なる時刻での撮像により生成された測定用画像は複数の画像であればよく、多くの測定用画像を用いるほど判定結果の信頼性を向上させることができる。
上記各実施例では、撮像対象の植物として水稲を例として挙げたが、小麦その他の植物を撮像対象としてもよく、さらに植物以外の物体を撮像対象としてもよい。また、植物情報として葉色値を例として挙げたが、葉色値とは異なる植物情報を取得してもよい。
(その他の実施例)
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
(その他の実施例)
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
以上説明した各実施例は代表的な例にすぎず、本発明の実施に際しては、各実施例に対して種々の変形や変更が可能である。
1 撮像装置
2 パーソナルコンピュータ
2 パーソナルコンピュータ
Claims (10)
- 物体の撮像により生成された画像から前記物体のエッジ方向を示す第1の情報を取得する第1の情報取得手段と、
前記第1の情報を用いて、前記画像のうち前記物体が特定の状態にある第1の領域および前記物体が前記特定の状態にない第2の領域のうち少なくとも一方を特定する領域特定手段とを有することを特徴とする画像処理装置。 - 前記第1の情報取得手段は、
前記画像の各画素の輝度値を前記各画素を含む局所領域内の画素の平均輝度値で除算してエッジ強調画像を生成する処理と、
前記エッジ強調画像から二値化画像を生成する処理と、
前記二値化画像を少なくとも2方向に微分して微分画像を生成する処理と、
前記微分画像から前記エッジ方向を求める処理とを行うことにより、前記第1の情報を取得することを特徴とする請求項1に記載の画像処理装置。 - 前記領域特定手段は、前記第1の情報と所定値とを比較して前記第1および第2の領域のうち少なくとも一方を特定することを特徴とする請求項1または2に記載の画像処理装置。
- 前記物体は植物であり、
前記特定の状態は、前記植物が風に靡いている状態および倒伏している状態のうち少なくとも一方であることを特徴とする請求項1から3のいずれか一項に記載の画像処理装置。 - 前記第1または第2の領域において、前記物体の情報として前記第1の情報とは異なる第2の情報を取得する第2の情報取得手段を有することを特徴とする請求項1から4のいずれか一項に記載の画像処理装置。
- 前記物体は植物であり、
前記第2の情報は、前記植物の葉色値であることを特徴とする請求項5に記載の画像処理装置。 - 前記第1または第2の領域の面積に応じて、前記画像から前記第2の情報を取得するか否かを判定する画像判定手段を有することを特徴とする請求項5または6のいずれか一項に記載の画像処理装置。
- 互いに異なる時刻での前記物体の撮像により生成された複数の画像を用いて、それぞれの前記時刻において前記物体が前記特定の状態にあるか否かを判定する物体判定手段を有することを特徴とする請求項1から7のいずれか一項に記載の画像処理装置。
- 物体の撮像により生成された画像から前記物体のエッジ方向を示す第1の情報を取得するステップと、
前記第1の情報を用いて、前記画像のうち前記物体が特定の状態にある第1の領域および前記物体が前記特定の状態にない第2の領域のうち少なくとも一方を特定するステップとを有することを特徴とする画像処理方法。 - コンピュータに、請求項9に記載の画像処理方法に従う処理を実行させることを特徴とするコンピュータプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019013960A JP2020122692A (ja) | 2019-01-30 | 2019-01-30 | 画像処理装置および画像処理方法 |
PCT/JP2019/051249 WO2020158286A1 (ja) | 2019-01-30 | 2019-12-26 | 画像処理装置および画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019013960A JP2020122692A (ja) | 2019-01-30 | 2019-01-30 | 画像処理装置および画像処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020122692A true JP2020122692A (ja) | 2020-08-13 |
Family
ID=71840550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019013960A Pending JP2020122692A (ja) | 2019-01-30 | 2019-01-30 | 画像処理装置および画像処理方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2020122692A (ja) |
WO (1) | WO2020158286A1 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4285640B2 (ja) * | 2002-07-30 | 2009-06-24 | 富士フイルム株式会社 | オブジェクト識別方法および装置ならびにプログラム |
JP4333165B2 (ja) * | 2003-03-04 | 2009-09-16 | トヨタ自動車株式会社 | 土壌状態判定方法 |
JP4712659B2 (ja) * | 2006-09-22 | 2011-06-29 | 富士フイルム株式会社 | 画像評価装置およびそのプログラム |
JP2014102805A (ja) * | 2012-11-22 | 2014-06-05 | Canon Inc | 情報処理装置、情報処理方法及びプログラム |
CN108169138B (zh) * | 2017-12-18 | 2020-10-30 | 扬州大学 | 一种利用热红外图像的水稻倒伏监测方法 |
-
2019
- 2019-01-30 JP JP2019013960A patent/JP2020122692A/ja active Pending
- 2019-12-26 WO PCT/JP2019/051249 patent/WO2020158286A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2020158286A1 (ja) | 2020-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4772839B2 (ja) | 画像識別方法および撮像装置 | |
US9251589B2 (en) | Depth measurement apparatus, image pickup apparatus, and depth measurement program | |
JP4813517B2 (ja) | 画像処理装置、画像処理プログラム、画像処理方法、および電子機器 | |
JP2019012426A5 (ja) | ||
JP6566768B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
TWI496105B (zh) | 影像合成裝置及用於影像合成之電腦程式 | |
TW201131512A (en) | Distance evaluation methods and apparatuses, and machine readable medium thereof | |
CN111220235B (zh) | 水位监测方法及装置 | |
JP6598850B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
JP5939962B2 (ja) | 画像処理装置、画像処理方法及びコンピュータプログラム | |
TW201702600A (zh) | 球狀體之旋轉之測定裝置、測定方法以及程式 | |
WO2022105276A1 (zh) | 投影区域确定方法、装置、投影设备及可读存储介质 | |
JP2013140428A (ja) | エッジ検出装置、エッジ検出プログラム、およびエッジ検出方法 | |
JP2016526182A (ja) | レンズ装着平面性の即時調整方法及び装置 | |
JP4831340B2 (ja) | 画像処理装置、画像処理方法、プログラム、および記録媒体 | |
JP2020122692A (ja) | 画像処理装置および画像処理方法 | |
JP6603709B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
JP5644655B2 (ja) | 食用果実の検査方法、検査装置およびプログラム | |
JP2020021314A (ja) | 画像処理装置及び画像処理方法 | |
JP6556033B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP2004134861A (ja) | 解像度評価方法、解像度評価プログラム、および光学機器 | |
JP5679312B2 (ja) | カラー画像に含まれる植生領域の判別方法、判別装置、判別システム、及び判別プログラム | |
JP6955147B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP5175670B2 (ja) | エッジ検出装置及びその方法 | |
JP2024080208A (ja) | 画像処理装置、画像処理方法及びプログラム |