JP2844749B2 - テクスチャ特徴を用いた画像処理方式 - Google Patents
テクスチャ特徴を用いた画像処理方式Info
- Publication number
- JP2844749B2 JP2844749B2 JP1303945A JP30394589A JP2844749B2 JP 2844749 B2 JP2844749 B2 JP 2844749B2 JP 1303945 A JP1303945 A JP 1303945A JP 30394589 A JP30394589 A JP 30394589A JP 2844749 B2 JP2844749 B2 JP 2844749B2
- Authority
- JP
- Japan
- Prior art keywords
- texture
- image
- unit
- contour
- area
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Description
【発明の詳細な説明】 〔概要〕 ディジタル画像データの効率的な圧縮復元方式に関
し， 画像をテクスチャ特徴がほぼ均一なテクスチャ領域に
分割し，分割されたテクスチャ領域の輪郭の情報と，テ
クスチャ特徴のみを持つことにより，データ量の削減を
実現する事を目的とし， 画像を一様な特徴を持つ領域に分割して処理する画像
処理方式において，画像をディジタル画像に変換して格
納する画像入力部と，入力した画像の各画素の濃度や各
画素間の濃度の相関係数等を表すテクスチャ特徴を用い
て，隣接する同一テクスチャの画素を統合する事で入力
画像を複数領域に分割する領域分割部と，分割されたテ
クスチャ領域の輪郭を抽出する輪郭抽出部と，分割され
たテクスチャ領域内のテクスチャ特徴を抽出するテクス
チャ特徴抽出部と，上記輪郭抽出部より得られたデータ
と，テクスチャ特徴抽出部より得られたデータを対応さ
せて画像データを作成する画像データ作成部を有するよ
うに構成する。
し， 画像をテクスチャ特徴がほぼ均一なテクスチャ領域に
分割し，分割されたテクスチャ領域の輪郭の情報と，テ
クスチャ特徴のみを持つことにより，データ量の削減を
実現する事を目的とし， 画像を一様な特徴を持つ領域に分割して処理する画像
処理方式において，画像をディジタル画像に変換して格
納する画像入力部と，入力した画像の各画素の濃度や各
画素間の濃度の相関係数等を表すテクスチャ特徴を用い
て，隣接する同一テクスチャの画素を統合する事で入力
画像を複数領域に分割する領域分割部と，分割されたテ
クスチャ領域の輪郭を抽出する輪郭抽出部と，分割され
たテクスチャ領域内のテクスチャ特徴を抽出するテクス
チャ特徴抽出部と，上記輪郭抽出部より得られたデータ
と，テクスチャ特徴抽出部より得られたデータを対応さ
せて画像データを作成する画像データ作成部を有するよ
うに構成する。
本発明は，ディジタル画像データの効率的な圧縮復元
方式に関する。
方式に関する。
近年，画像のデータベース化が要求されており，それ
に伴って画像を効率的に圧縮する技術が要求されてい
る。従来の画像のデータベース化の方法としては，原画
像と寸分違わないような高品質の復元画像を復元させる
方法があった。これは，医用画像の圧縮復元等に代表さ
れ，ハフマン符号化，変換符号化などが提案されてい
る。
に伴って画像を効率的に圧縮する技術が要求されてい
る。従来の画像のデータベース化の方法としては，原画
像と寸分違わないような高品質の復元画像を復元させる
方法があった。これは，医用画像の圧縮復元等に代表さ
れ，ハフマン符号化，変換符号化などが提案されてい
る。
ところが，例えばファミコンのキャラクタの動きをデ
バッグしたり，絵入りの地図情報を表示したりする場合
のように，原画像の位置関係さえ正確であればよく，各
物体の大体の特徴がわかれば原画像そのものを復元させ
なくとも良いという要望及び需要があった。
バッグしたり，絵入りの地図情報を表示したりする場合
のように，原画像の位置関係さえ正確であればよく，各
物体の大体の特徴がわかれば原画像そのものを復元させ
なくとも良いという要望及び需要があった。
従来の画像圧縮方式においては，原画像と同じ画像を
復元することに主眼が置かれていた。以下に従来の代表
的な圧縮技術である変換符号化について述べる。
復元することに主眼が置かれていた。以下に従来の代表
的な圧縮技術である変換符号化について述べる。
第７図に変換符号化の概略を示す。図中,71は入力画
像である。72は分割画像であり，入力画像71をブロック
に分割したものである。73は変換データであり，各ブロ
ックの画像を直交変換したデータである。
像である。72は分割画像であり，入力画像71をブロック
に分割したものである。73は変換データであり，各ブロ
ックの画像を直交変換したデータである。
上図の構成で，まず，原画像を複数の小さな矩形領域
に分割する。この矩形領域が圧縮を行う最小の単位であ
る。画像を小さな領域に分割するのは，大きな領域で取
るとボケてしまうような画像中の局所的な変化を捕らえ
るためである。次に各矩形領域に対して直交変換を施
す。直交変換とは各画素の濃度値に対して離散コサイン
変換を施すもので，離散コサイン変換されたものは周波
数の関数になる。またその絶対値をエネルギーという。
画像は隣接画素間の相関が高いので，直交変換により低
周波数成分にエネルギーが集中する。
に分割する。この矩形領域が圧縮を行う最小の単位であ
る。画像を小さな領域に分割するのは，大きな領域で取
るとボケてしまうような画像中の局所的な変化を捕らえ
るためである。次に各矩形領域に対して直交変換を施
す。直交変換とは各画素の濃度値に対して離散コサイン
変換を施すもので，離散コサイン変換されたものは周波
数の関数になる。またその絶対値をエネルギーという。
画像は隣接画素間の相関が高いので，直交変換により低
周波数成分にエネルギーが集中する。
第８図に直交変換によって低周波成分にエネルギーが
集中する様子を示す。図中，濃い色で示した部分にエネ
ルギーが集まっている。原画像の濃度レベルが８ビット
256階調だとして，直交変換を施した後，各周波数成分
の値を比較すると，エネルギーが集まった部分では，−
250〜250といった大きな値をとり，エネルギーが集まっ
ていない部分では，−１〜１といった小さな値をとる。
これらの値を量子化して表現するのに，すべてにもとの
８ビットを用意する必要はない。エネルギーが集まった
部分では８ビット，エネルギーが集まっていない部分で
は１ビットというようにエネルギーの大きさに従ってビ
ットを割り当てていけばよい。
集中する様子を示す。図中，濃い色で示した部分にエネ
ルギーが集まっている。原画像の濃度レベルが８ビット
256階調だとして，直交変換を施した後，各周波数成分
の値を比較すると，エネルギーが集まった部分では，−
250〜250といった大きな値をとり，エネルギーが集まっ
ていない部分では，−１〜１といった小さな値をとる。
これらの値を量子化して表現するのに，すべてにもとの
８ビットを用意する必要はない。エネルギーが集まった
部分では８ビット，エネルギーが集まっていない部分で
は１ビットというようにエネルギーの大きさに従ってビ
ットを割り当てていけばよい。
第９図にビットの割り当ての図を示す。
第９図の例では，−256〜256の間に８ビットを割り当
ててあれば，これらの値を２レベル間隔で細かに表現す
ることが可能である。一方，−１〜１の範囲であれば１
ビットを割り当てればよい。このようにして，割り当て
られたビット数に従って量子化を行なうことによりデー
タ量の削減を行なう。第９図の例では，一つの矩形領域
は162ビットが必要なだけとなる。
ててあれば，これらの値を２レベル間隔で細かに表現す
ることが可能である。一方，−１〜１の範囲であれば１
ビットを割り当てればよい。このようにして，割り当て
られたビット数に従って量子化を行なうことによりデー
タ量の削減を行なう。第９図の例では，一つの矩形領域
は162ビットが必要なだけとなる。
復元側では，割り当てられたビット数に対して，量子
化された値がいくつになるかをあらかじめ定めておく。
例えば,8ビットを割り当てた時の11111111は256であり,
00000000は−256であるとし,1ビットを割り当てた時の
１は0.7であり,0は−0.7であるとする。こうして復元さ
れた周波数成分の値はほぼ元の値を得る。そして，それ
を逆変換すれば，元の画像を復元することができる。
化された値がいくつになるかをあらかじめ定めておく。
例えば,8ビットを割り当てた時の11111111は256であり,
00000000は−256であるとし,1ビットを割り当てた時の
１は0.7であり,0は−0.7であるとする。こうして復元さ
れた周波数成分の値はほぼ元の値を得る。そして，それ
を逆変換すれば，元の画像を復元することができる。
従来方式においては，基本的に原画像と同一の画像を
復元しようとするため，画素単位に近いレベルで情報を
持たなければならなかったので，大量のデータ量を必要
とした。また，画像の特徴に関係なく画像が矩形領域に
分割してしまうので，一つの矩形領域内の異なったテク
スチャの輪郭がボケてしまった。
復元しようとするため，画素単位に近いレベルで情報を
持たなければならなかったので，大量のデータ量を必要
とした。また，画像の特徴に関係なく画像が矩形領域に
分割してしまうので，一つの矩形領域内の異なったテク
スチャの輪郭がボケてしまった。
本発明は，画像をテクスチャ特徴がほぼ均一なテクス
チャ領域に分割し，分割されたテクスチャ領域の輪郭の
情報と，テクスチャ特徴のみを持つことにより，データ
量の削減を実現する事を目的とする。
チャ領域に分割し，分割されたテクスチャ領域の輪郭の
情報と，テクスチャ特徴のみを持つことにより，データ
量の削減を実現する事を目的とする。
それと同時にテクスチャ領域の輪郭の情報を持たせる
ことで，輪郭のボケを防ぐことができる。テクスチャと
は要素がある種の規則に従って配列されてできる繰り返
しのパターンであり，テクスチャ領域を解析することに
より，各テクスチャに固有のテクスチャ特徴を抽出する
ことができる。テクスチャ特徴はテクスチャを記述し，
領域の属性を記述するものであり，このテクスチャ特徴
から原画像と同じテクスチャを生成することができる。
ことで，輪郭のボケを防ぐことができる。テクスチャと
は要素がある種の規則に従って配列されてできる繰り返
しのパターンであり，テクスチャ領域を解析することに
より，各テクスチャに固有のテクスチャ特徴を抽出する
ことができる。テクスチャ特徴はテクスチャを記述し，
領域の属性を記述するものであり，このテクスチャ特徴
から原画像と同じテクスチャを生成することができる。
〔課題を解決するための手段〕 第１図は，本発明の原理説明図（１）である。
図中,1は画像入力部であり，画像をディジタル化して
計算機に入力する。２は領域分割部であり，入力画像を
同一テクスチャ領域に分割する。３は輪郭抽出部であ
り，テクスチャ領域の輪郭を抽出する。４はテクスチャ
特徴抽出部であり，テクスチャ領域のテクスチャ特徴を
抽出する。５は画像データ作成部であり，輪郭抽出部３
とテクスチャ特徴抽出部４から圧縮画像データを作成す
る。
計算機に入力する。２は領域分割部であり，入力画像を
同一テクスチャ領域に分割する。３は輪郭抽出部であ
り，テクスチャ領域の輪郭を抽出する。４はテクスチャ
特徴抽出部であり，テクスチャ領域のテクスチャ特徴を
抽出する。５は画像データ作成部であり，輪郭抽出部３
とテクスチャ特徴抽出部４から圧縮画像データを作成す
る。
上記の構成で，画像入力部１で画像を読み込み，次に
領域分割部２で読み込んだ画像データを同一テクスチャ
領域に分割し，各テクスチャ領域に関して輪郭抽出部３
とテクスチャ特徴抽出部４から輪郭とテクスチャ特徴を
抽出し，画像データ作成部５で該輪郭とテクスチャ特徴
から圧縮画像データを作成する。
領域分割部２で読み込んだ画像データを同一テクスチャ
領域に分割し，各テクスチャ領域に関して輪郭抽出部３
とテクスチャ特徴抽出部４から輪郭とテクスチャ特徴を
抽出し，画像データ作成部５で該輪郭とテクスチャ特徴
から圧縮画像データを作成する。
第２図は，本発明の原理説明図（２）である。
図中,6は輪郭復元部であり，チェーンコードに従っ
て，各テクスチャ領域の輪郭線を復元する。７はテクス
チャ生成部であり，入力されたテクスチャ特徴からテク
スチャを生成する。８は画像再構成部であり，領域分割
画像の各領域の内部に，対応するテクスチャをあてはめ
る。９は画像出力部であり，復元された画像を出力す
る。
て，各テクスチャ領域の輪郭線を復元する。７はテクス
チャ生成部であり，入力されたテクスチャ特徴からテク
スチャを生成する。８は画像再構成部であり，領域分割
画像の各領域の内部に，対応するテクスチャをあてはめ
る。９は画像出力部であり，復元された画像を出力す
る。
以上の構成で，圧縮画像データから輪郭復元部６で輪
郭が復元され，テクスチャ生成部からテクスチャが生成
され，以上のデータを画像再構成部８に入力して，画像
が復元される。復元された画像は画像出力部９で出力さ
れる。
郭が復元され，テクスチャ生成部からテクスチャが生成
され，以上のデータを画像再構成部８に入力して，画像
が復元される。復元された画像は画像出力部９で出力さ
れる。
入力されたディジタル画像データのテクスチャ特徴
（濃度ヒストグラム，自己相関係数，同時生起行列，パ
ワースペクトル等）を用いて同一テクスチャ特徴を持つ
領域により画像を分割し，テクスチャ領域の輪郭とテク
スチャ特徴とを抽出して，圧縮画像データを作成する。
（濃度ヒストグラム，自己相関係数，同時生起行列，パ
ワースペクトル等）を用いて同一テクスチャ特徴を持つ
領域により画像を分割し，テクスチャ領域の輪郭とテク
スチャ特徴とを抽出して，圧縮画像データを作成する。
ここで，同一テクスチャとは全く同一の画像ではな
く，細部は異なっているが，同じ物にみえる画像であ
る。例えば，芝生は芝生として復元できればよく，芝の
一本一本まで原画像と同じでなくとも良いという考え方
である。この方法により画像データの各画素の情報を処
理することなく，芝生といった領域毎の情報があればよ
いので，大幅に圧縮率を向上させる事ができる。
く，細部は異なっているが，同じ物にみえる画像であ
る。例えば，芝生は芝生として復元できればよく，芝の
一本一本まで原画像と同じでなくとも良いという考え方
である。この方法により画像データの各画素の情報を処
理することなく，芝生といった領域毎の情報があればよ
いので，大幅に圧縮率を向上させる事ができる。
第３図は，本発明の一実施例の構成図である。
図中，第１図と同一のものは説明を省略する。21は画
像圧縮部であり，画像の圧縮をする。22は画像分割部で
あり，原画像を複数の小さな矩形領域（ブロック）に分
割する。23は特徴抽出部であり，上記の各ブロック毎に
テクスチャ特徴を抽出する。24は領域統合部であり，同
一テクスチャのブロックを統合する。25は輪郭追跡部で
あり，輪郭分割部２で得られた各テクスチャ領域の輪郭
線をチェーンコードを用いてコード化し圧縮する。26は
コード生成部であり，輪郭追跡部25で得られた座標値か
らチェーンコードを生成する。27は画像データベースで
あり，圧縮された画像データが格納されている。28は画
像復元部であり，圧縮画像を復元する。29は圧縮データ
解析部であり，圧縮データを領域分割情報とテクスチャ
特徴に分ける。
像圧縮部であり，画像の圧縮をする。22は画像分割部で
あり，原画像を複数の小さな矩形領域（ブロック）に分
割する。23は特徴抽出部であり，上記の各ブロック毎に
テクスチャ特徴を抽出する。24は領域統合部であり，同
一テクスチャのブロックを統合する。25は輪郭追跡部で
あり，輪郭分割部２で得られた各テクスチャ領域の輪郭
線をチェーンコードを用いてコード化し圧縮する。26は
コード生成部であり，輪郭追跡部25で得られた座標値か
らチェーンコードを生成する。27は画像データベースで
あり，圧縮された画像データが格納されている。28は画
像復元部であり，圧縮画像を復元する。29は圧縮データ
解析部であり，圧縮データを領域分割情報とテクスチャ
特徴に分ける。
以上の構成で，以下に具体的な各部の処理過程を説明
する。
する。
まず，画像は画像入力部１でディジタル画像に変換さ
れ，領域分割部２に送られる。ここで，領域分割部２の
具体的な処理を以下に処理する。
れ，領域分割部２に送られる。ここで，領域分割部２の
具体的な処理を以下に処理する。
まず，画像分割部22が原画像を複数の小さな矩形領域
（ブロック）に分割する。次に，特徴抽出部23が，各ブ
ロック毎にテクスチャ特徴を抽出する。ここで，テクス
チャ特徴としては，ブロック内の濃度レベルの平均，分
散，時系列モデルのモデルパラメータとする。時系列モ
デルはテクスチャの周期性を利用してテクスチャを表現
したものであり，ある画素の濃度レベルを，それ以前の
１周期の画素の値と白色雑音の線形結合で表す。モデル
パラメータとはこの線形結合の係数であり，これはテク
スチャの２次統計量を表す。
（ブロック）に分割する。次に，特徴抽出部23が，各ブ
ロック毎にテクスチャ特徴を抽出する。ここで，テクス
チャ特徴としては，ブロック内の濃度レベルの平均，分
散，時系列モデルのモデルパラメータとする。時系列モ
デルはテクスチャの周期性を利用してテクスチャを表現
したものであり，ある画素の濃度レベルを，それ以前の
１周期の画素の値と白色雑音の線形結合で表す。モデル
パラメータとはこの線形結合の係数であり，これはテク
スチャの２次統計量を表す。
次に，領域統合部24はブロックの統合を行ない，テク
スチャ領域を形成する。ブロックの統合は隣接するブロ
ックのテクスチャ特徴を比較することによって行なう。
隣接するブロックの全てのテクスチャ特徴の差が閾値以
下ならばその２つのブロックは同じテクスチャであると
考えて同じ領域とする。テクスチャ特徴の差が閾値より
大きければ，異なるテクスチャと考えてブロックの統合
は行わない。
スチャ領域を形成する。ブロックの統合は隣接するブロ
ックのテクスチャ特徴を比較することによって行なう。
隣接するブロックの全てのテクスチャ特徴の差が閾値以
下ならばその２つのブロックは同じテクスチャであると
考えて同じ領域とする。テクスチャ特徴の差が閾値より
大きければ，異なるテクスチャと考えてブロックの統合
は行わない。
第４図に領域分割情報の例を示す。
図中,41は入力画像で,42は領域分割した画像である。
43は領域の番号で,44は領域分割情報の各画素の値で,45
はテクスチャ特徴の内平均濃度を示している。
43は領域の番号で,44は領域分割情報の各画素の値で,45
はテクスチャ特徴の内平均濃度を示している。
次に，領域分割部２で得られた各テクスチャ領域の情
報を輪郭抽出部３とテクスチャ特徴抽出部４に渡す。輪
郭抽出部３は輪郭追跡部25とコード生成部26から成り以
下にその処理を説明する。
報を輪郭抽出部３とテクスチャ特徴抽出部４に渡す。輪
郭抽出部３は輪郭追跡部25とコード生成部26から成り以
下にその処理を説明する。
輪郭追跡部25は，各テクスチャ領域の輪郭線を追跡し
ながらその座標値を調べていく。この時，同時に輪郭線
が領域の外周か内周かの区別を行なう。コード生成部26
は輪郭追跡部25で得られた座標値からチェーンコードを
生成する。
ながらその座標値を調べていく。この時，同時に輪郭線
が領域の外周か内周かの区別を行なう。コード生成部26
は輪郭追跡部25で得られた座標値からチェーンコードを
生成する。
第５図にチェーンコードの説明図を示す。
51は８方向コードである。52はチェーンコードの例で
ある。
ある。
チェーンコードは，基本的には視点の座標と方向変化
を表現する８個の方向コードで輪郭線を表現するもので
ある。
を表現する８個の方向コードで輪郭線を表現するもので
ある。
テクスチャ特徴抽出部４はテクスチャ領域内のテクス
チャ特徴を抽出する。テクスチャ特徴としては，領域分
割に使用したものと同じで，領域内の濃度レベルの平
均，分散，時系列モデルのモデルパラメータである。こ
れらのテクスチャ特徴によってテクスチャ領域内のテク
スチャを記述するのである。
チャ特徴を抽出する。テクスチャ特徴としては，領域分
割に使用したものと同じで，領域内の濃度レベルの平
均，分散，時系列モデルのモデルパラメータである。こ
れらのテクスチャ特徴によってテクスチャ領域内のテク
スチャを記述するのである。
以上のようにして得られた領域の輪郭線から成る領域
分割情報とテクスチャ特徴は，画像データ作成部５に送
られる。画像データ作成部５はこれらを一つにまとめて
圧縮データを作成する。
分割情報とテクスチャ特徴は，画像データ作成部５に送
られる。画像データ作成部５はこれらを一つにまとめて
圧縮データを作成する。
第６図に圧縮データの一例を示す。
図中,61はヘッダであり，テクスチャ領域名と外周，
内周を示す情報が格納されている。62はコード部であ
り,8方向を３ビットづづで記述してある。63はチェーン
コードである。64はテクスチャ領域の濃度レベルの平
均，分散を示す情報が格納されている。65はモデルパラ
メータを示す情報が格納されている。66はテクスチャ特
徴であり，ある領域のテクスチャ特徴を示す情報が格納
されている。
内周を示す情報が格納されている。62はコード部であ
り,8方向を３ビットづづで記述してある。63はチェーン
コードである。64はテクスチャ領域の濃度レベルの平
均，分散を示す情報が格納されている。65はモデルパラ
メータを示す情報が格納されている。66はテクスチャ特
徴であり，ある領域のテクスチャ特徴を示す情報が格納
されている。
次に，画像復元部28の処理について説明する。
画像データベース27から呼び出された圧縮データは圧
縮データ解析部29に送られる。圧縮データ解析部29は，
圧縮データを領域分割情報とテクスチャ特徴に分ける。
チェーンコードで表された各領域の輪郭である領域分割
情報は，輪郭復元部６に送られる。輪郭復元部６は，チ
ェンコードに従って，各テクスチャ領域の輪郭線を復元
し，領域分割画像を作成する。一方，テクスチャ特徴は
テクスチャ生成部７に送られる。
縮データ解析部29に送られる。圧縮データ解析部29は，
圧縮データを領域分割情報とテクスチャ特徴に分ける。
チェーンコードで表された各領域の輪郭である領域分割
情報は，輪郭復元部６に送られる。輪郭復元部６は，チ
ェンコードに従って，各テクスチャ領域の輪郭線を復元
し，領域分割画像を作成する。一方，テクスチャ特徴は
テクスチャ生成部７に送られる。
ここでテクスチャ生成部７の処理を説明する。テクス
チャ生成部７は，入力されたテクスチャ特徴からテクス
チャを生成する。テクスチャの生成は，白色雑音のフー
リエ変換画像に対して，モデルパラメータのフーリエ変
換を線形フィルタとして作用させ，結果を逆フーリエ変
換することによって得られる。
チャ生成部７は，入力されたテクスチャ特徴からテクス
チャを生成する。テクスチャの生成は，白色雑音のフー
リエ変換画像に対して，モデルパラメータのフーリエ変
換を線形フィルタとして作用させ，結果を逆フーリエ変
換することによって得られる。
以上のことによって得られた領域分割画像と，生成さ
れたテクスチャは画像再構成部８に送られる。画像再構
成部８は領域分割画像の各領域の内部に，対応するテク
スチャをあてはめる。このようにして画像が復元され
る。復元された画像は画像出力部９で外部に表示され
る。
れたテクスチャは画像再構成部８に送られる。画像再構
成部８は領域分割画像の各領域の内部に，対応するテク
スチャをあてはめる。このようにして画像が復元され
る。復元された画像は画像出力部９で外部に表示され
る。
以上説明したように，本発明によれば原画像からラフ
なスケッチのようなそれほど正確さを要求されない画像
を，大まかなテクスチャ特徴により画像分割して復元生
成させる事で，画像データを大幅に圧縮することがで
き，かつ原画像の「雰囲気」を残した画像を復元するこ
とが可能である。
なスケッチのようなそれほど正確さを要求されない画像
を，大まかなテクスチャ特徴により画像分割して復元生
成させる事で，画像データを大幅に圧縮することがで
き，かつ原画像の「雰囲気」を残した画像を復元するこ
とが可能である。
第１図は本発明の原理説明図（１）であり， 第２図は本発明の原理説明図（２）であり， 第３図は本発明の一実施例の構成図であり， 第４図は領域分割情報の例であり， 第５図はチェーンコードの説明図であり， 第６図は圧縮データの一例であり， 第７図は変換符号化の概略図であり， 第８図は直交変換によるエネルギーの集中を示す図であ
り， 第９図はビットの割り当ての図である。 第１図，第２図中， １は画像入力部であり， ２は領域分割部であり， ３は輪郭抽出部であり， ４はテクスチャ特徴抽出部であり， ５は画像データ作成部であり， ６は輪郭復元部であり， ７はテクスチャ生成部であり， ８は画像再構成部であり， ９は画像出力部である。
り， 第９図はビットの割り当ての図である。 第１図，第２図中， １は画像入力部であり， ２は領域分割部であり， ３は輪郭抽出部であり， ４はテクスチャ特徴抽出部であり， ５は画像データ作成部であり， ６は輪郭復元部であり， ７はテクスチャ生成部であり， ８は画像再構成部であり， ９は画像出力部である。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 後藤 敏行 神奈川県川崎市中原区上小田中1015番地 富士通株式会社内 (56)参考文献 特開 平１−191273（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) G06T 9/00 - 9/40 H04N 1/41 - 1/419
Claims (2)
- 【請求項１】画像を一様な特徴を持つ領域に分割して処
理する画像処理方式において， 画像をディジタル画像に変換して格納する画像入力部
（１）と， 入力した画像の各画素の濃度や各画素間の濃度の相関係
数等を表すテクスチャ特徴を用いて，隣接する同一テク
スチャの画素を統合する事で入力画像を複数領域に分割
する領域分割部（２）と， 分割されたテクスチャ領域の輪郭を抽出する輪郭抽出部
（３）と， 分割されたテクスチャ領域内のテクスチャ特徴を抽出す
るテクスチャ特徴抽出部（４）と， 上記輪郭抽出部（３）より得られたデータと，テクスチ
ャ特徴抽出部（４）より得られたデータを対応させて画
像データを作成する画像データ作成部（５）を有する事
を特徴とするテクスチャ特徴を用いた画像処理方式。 - 【請求項２】上記画像データ作成部（５）によって作成
された圧縮画像データからテクスチャ領域の輪郭を復元
する輪郭復元部（６）と， 上記圧縮画像データのテクスチャ特徴からテクスチャ領
域内のテクスチャを生成するテクスチャ生成部（７）
と， 上記輪郭復元部（６）で得られたテクスチャ領域の輪郭
内部に上記テクスチャ生成部（７）で生成されたテクス
チャの内，対応するテクスチャをあてはめる画像再構成
部（８）と， 該画像再構成部（８）によって得られた画像を出力する
画像出力部（９）とを有する事を特徴とする請求項第１
項記載の画像処理方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1303945A JP2844749B2 (ja) | 1989-11-22 | 1989-11-22 | テクスチャ特徴を用いた画像処理方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1303945A JP2844749B2 (ja) | 1989-11-22 | 1989-11-22 | テクスチャ特徴を用いた画像処理方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03164876A JPH03164876A (ja) | 1991-07-16 |
| JP2844749B2 true JP2844749B2 (ja) | 1999-01-06 |
Family
ID=17927182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1303945A Expired - Fee Related JP2844749B2 (ja) | 1989-11-22 | 1989-11-22 | テクスチャ特徴を用いた画像処理方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2844749B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2684829A1 (fr) * | 1991-12-04 | 1993-06-11 | Philips Electronique Lab | Methodes de synthese de signaux de texture et de transmission et/ou stockage de tels signaux, ainsi que dispositifs et systemes pour leur mise en óoeuvre. |
| JPH0660182A (ja) * | 1992-08-04 | 1994-03-04 | Komatsu Ltd | テクスチャ解析を用いた領域分割方法及び装置 |
| WO1995029462A1 (en) * | 1994-04-22 | 1995-11-02 | Sony Corporation | Method and device for encoding image signal and image signal decoding device |
| JP3772185B2 (ja) * | 1995-07-28 | 2006-05-10 | 独立行政法人情報通信研究機構 | 画像符号化方式 |
| JP6697537B1 (ja) * | 2018-12-20 | 2020-05-20 | ゼネラル・エレクトリック・カンパニイ | 医用画像装置及びその制御プログラム |
-
1989
- 1989-11-22 JP JP1303945A patent/JP2844749B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH03164876A (ja) | 1991-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6002794A (en) | Encoding and decoding of color digital image using wavelet and fractal encoding | |
| CA2062965C (en) | Method and apparatus for compression and decompression of digital data | |
| Landy et al. | HIPS: A Unix-based image processing system | |
| Dony | Karhunen-loeve transform | |
| Starck et al. | Astronomical image compression based on noise suppression | |
| US7031538B2 (en) | Method and apparatus for feature-based quantization and compression of data | |
| JP2844749B2 (ja) | テクスチャ特徴を用いた画像処理方式 | |
| CN114596374A (zh) | 一种图像压缩方法及装置 | |
| Sadkhan | A proposed image compression technique based on DWT and predictive techniques | |
| Khashman et al. | Comparison criteria for optimum image compression | |
| Kwon et al. | Segmentation-based image compression | |
| JP2679769B2 (ja) | 画像信号の符号化装置 | |
| Wickerhauser | Fast approximate factor analysis | |
| Starck | Nonlinear multiscale transforms | |
| JP2743208B2 (ja) | 画像補完符号化装置 | |
| Salih et al. | Fast Joint Image Compression-Encryption Algorithm used for 3D Reconstruction | |
| Acar et al. | Image coding using a weak membrane model of images | |
| CN113221835A (zh) | 面审视频的场景分类方法、装置、设备及存储介质 | |
| Borusyak et al. | Development of an algorithm for adaptive compression of indexed images using contextual simulation | |
| JP2005531862A (ja) | トポロジーのイメージモデル | |
| EP1365357A1 (en) | Device for creating image feature from image having any shape | |
| Schmalz et al. | Data compression techniques for underwater imagery | |
| WO1999010838A1 (en) | System and method for processing digital image information | |
| Pulles | Extensions to Neural Texture Synthesis | |
| Kadim et al. | Lossless Biometric Signal Compression. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |