JP3030126B2 - 画像処理方法 - Google Patents
画像処理方法Info
- Publication number
- JP3030126B2 JP3030126B2 JP3173909A JP17390991A JP3030126B2 JP 3030126 B2 JP3030126 B2 JP 3030126B2 JP 3173909 A JP3173909 A JP 3173909A JP 17390991 A JP17390991 A JP 17390991A JP 3030126 B2 JP3030126 B2 JP 3030126B2
- Authority
- JP
- Japan
- Prior art keywords
- area
- color
- candidate area
- candidate
- image
- 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)
- Image Analysis (AREA)
Description
【0001】
【産業上の利用分野】本発明は、入力された画像に含ま
れる特定の情報を示す領域内で色を変換する画像処理方
法に関する。
れる特定の情報を示す領域内で色を変換する画像処理方
法に関する。
【0002】
【従来の技術】従来、画像から特定の情報の候補領域、
例えば、人間の顔の候補領域を選び出す方法としては、
まず、入力された画像情報を肌色であるか否かで、肌色
であるなら1、肌色でないなら0というように2値化
し、2値化された画像情報の隣接する画素の値が1であ
るならば、領域を成長させ、値が1である画素のかたま
りを形成する方法がある。また、顔画像をモザイク化
し、ニューラルネットに入力して多人数の顔を識別する
といった技術が1990年電子情報通信学会秋季全国大
会講演論文集P6−409に開示されている。さらに、
1990年電子情報通信学会秋季全国大会講演論文集P
6−415には、入力された顔画像から特徴を抽出する
ことにより人物を検索する技術が開示されている。
例えば、人間の顔の候補領域を選び出す方法としては、
まず、入力された画像情報を肌色であるか否かで、肌色
であるなら1、肌色でないなら0というように2値化
し、2値化された画像情報の隣接する画素の値が1であ
るならば、領域を成長させ、値が1である画素のかたま
りを形成する方法がある。また、顔画像をモザイク化
し、ニューラルネットに入力して多人数の顔を識別する
といった技術が1990年電子情報通信学会秋季全国大
会講演論文集P6−409に開示されている。さらに、
1990年電子情報通信学会秋季全国大会講演論文集P
6−415には、入力された顔画像から特徴を抽出する
ことにより人物を検索する技術が開示されている。
【0003】
【発明が解決しようとする課題】上記従来の技術では、
あらかじめ特定の情報の候補領域として顔画像が入力さ
れることが分かっており、顔を含む画像か否かの判断は
前もって人間が行わなければならず、さらに、顔の候補
領域を選び出す時に使用される領域成長法は、候補領域
の形状が任意の形状に成長し、形状が限定されていない
ため、このような方法では任意の画像に対して自動的に
特定の情報である人物の顔を認識することは不可能であ
った。
あらかじめ特定の情報の候補領域として顔画像が入力さ
れることが分かっており、顔を含む画像か否かの判断は
前もって人間が行わなければならず、さらに、顔の候補
領域を選び出す時に使用される領域成長法は、候補領域
の形状が任意の形状に成長し、形状が限定されていない
ため、このような方法では任意の画像に対して自動的に
特定の情報である人物の顔を認識することは不可能であ
った。
【0004】
【課題を解決するための手段】入力された画像情報をモ
ザイク化するステップと、モザイク化された画像情報に
基ずき、画像情報を特定色と特定色以外の色に判別する
ことにより2値化するステップと、2値化されたデータ
に基ずき候補領域を成長させるステップと、候補領域を
特定の形状に限定するステップと、候補領域が特定の情
報を示しているか否かを判定するステップと、特定の情
報であると判定された領域内で色を変換する画像処理を
行うステップとにより画像処理を行う。また、特定の形
状を長方形とし、候補領域が特定の情報を示しているか
否かをニューラルネットワークを用いて判定し、特定の
情報であると判定された領域内で特定の情報が好ましく
見えるような色に変換する。
ザイク化するステップと、モザイク化された画像情報に
基ずき、画像情報を特定色と特定色以外の色に判別する
ことにより2値化するステップと、2値化されたデータ
に基ずき候補領域を成長させるステップと、候補領域を
特定の形状に限定するステップと、候補領域が特定の情
報を示しているか否かを判定するステップと、特定の情
報であると判定された領域内で色を変換する画像処理を
行うステップとにより画像処理を行う。また、特定の形
状を長方形とし、候補領域が特定の情報を示しているか
否かをニューラルネットワークを用いて判定し、特定の
情報であると判定された領域内で特定の情報が好ましく
見えるような色に変換する。
【0005】
【作用】本発明によれば、入力された画像情報に含まれ
る特定の情報を示す領域内で色を変換することができ
る。
る特定の情報を示す領域内で色を変換することができ
る。
【0006】
【実施例】本発明の実施例は、入力された画像情報から
特定の情報を示す領域として人物の顔のみを抽出し、顔
の肌色を好ましく見せるように色変換するものである。
以下に本発明の実施例を図面を用いて説明する。
特定の情報を示す領域として人物の顔のみを抽出し、顔
の肌色を好ましく見せるように色変換するものである。
以下に本発明の実施例を図面を用いて説明する。
【0007】図1に本発明の実施例におけるフローチャ
ートを示す。まず、ビデオカメラ、スキャナ等からR、
G、B各8ビット信号として入力された画像情報は、本
実施例の場合、一般的な高解像度ディスプレイに対応し
た1280ドット×1024ラインを想定しており、約
4メガバイトである。この画像情報をステップ1で10
0ドット×100ラインにモザイク化する処理を行う。
これでデータ量(画素)が約1/131になり処理が高
速化される。
ートを示す。まず、ビデオカメラ、スキャナ等からR、
G、B各8ビット信号として入力された画像情報は、本
実施例の場合、一般的な高解像度ディスプレイに対応し
た1280ドット×1024ラインを想定しており、約
4メガバイトである。この画像情報をステップ1で10
0ドット×100ラインにモザイク化する処理を行う。
これでデータ量(画素)が約1/131になり処理が高
速化される。
【0008】次に、ステップ2で、ステップ1でモザイ
ク化された画像情報のR、G、B値から肌色を選択し、
画素を2値化する。画素の2値化には、
ク化された画像情報のR、G、B値から肌色を選択し、
画素を2値化する。画素の2値化には、
【0009】
【数1】
【0010】により決定され、これに該当するものを
1、該当しないものを0とする。
1、該当しないものを0とする。
【0011】次に、ステップ3では、ステップ2で肌色
と判定され2値化された値が1である画素があればステ
ップ4に進み、なければステップ13に進む。
と判定され2値化された値が1である画素があればステ
ップ4に進み、なければステップ13に進む。
【0012】次に、ステップ4で、肌色と判定された画
素を単純領域拡張法に基ずき拡張させ、候補領域とす
る。
素を単純領域拡張法に基ずき拡張させ、候補領域とす
る。
【0013】ここで、図2を用いてステップ4での単純
領域拡張法を説明すると、ステップ41で画像でどの領
域にも属していない2値化された値が1である画素を探
す。
領域拡張法を説明すると、ステップ41で画像でどの領
域にも属していない2値化された値が1である画素を探
す。
【0014】次にステップ42では、新たに2値化され
た値が1である画素があるか否かを判定する。新たに2
値化された値が1である画素があれば、ステップ43に
進み、なければステップ44に進み領域を拡張する処理
を終了する。
た値が1である画素があるか否かを判定する。新たに2
値化された値が1である画素があれば、ステップ43に
進み、なければステップ44に進み領域を拡張する処理
を終了する。
【0015】次に、ステップ43では、その画素の2値
化された値1と、その近傍で、どの領域にもまだ属して
いない画素の2値化された値を比較し、値が1である画
素があればステップ45に進む。なければステップ41
に戻る。
化された値1と、その近傍で、どの領域にもまだ属して
いない画素の2値化された値を比較し、値が1である画
素があればステップ45に進む。なければステップ41
に戻る。
【0016】ステップ45では、ステップ43で探し出
された画素を1つの領域として統合しラベルを付加し、
ステップ46に進む。
された画素を1つの領域として統合しラベルを付加し、
ステップ46に進む。
【0017】次に、ステップ46では、ステップ45で
新たに統合された画素に注目する。そして、ステップ4
3に戻り、ステップ43での操作を繰り返す。新たに統
合する画素がなければ、ステップ41に戻って新たな画
素を探す。このようにして、どの領域にも属していない
2値化された値が1である画素がなくなるまで処理を繰
り返し、肌色と判定された領域を拡張し、候補領域とす
る。
新たに統合された画素に注目する。そして、ステップ4
3に戻り、ステップ43での操作を繰り返す。新たに統
合する画素がなければ、ステップ41に戻って新たな画
素を探す。このようにして、どの領域にも属していない
2値化された値が1である画素がなくなるまで処理を繰
り返し、肌色と判定された領域を拡張し、候補領域とす
る。
【0018】以上のようにしてステップ4で得られた候
補領域が顔を示す領域であるか否かを判定するためにニ
ューラルネットワークに入力するのであるが、このまま
では得られた候補領域の形状が任意の形状でありニュー
ラルネットワークに入力できない。そこで、ステップ5
で、候補領域の形状を長方形に限定する。その具体例を
図3を用いて説明する。図において、○で示された領域
が領域拡張法により得られた候補領域である。この候補
領域に対して、所定の割合(ここでは75%)以上重合
する最も大きな斜線で示す長方形を選んだ。即ち、長方
形の画素数をn、長方形内に含まれる候補領域の画素数
をPとした場合、顔を示す領域であるか否かを判定され
る候補領域は、
補領域が顔を示す領域であるか否かを判定するためにニ
ューラルネットワークに入力するのであるが、このまま
では得られた候補領域の形状が任意の形状でありニュー
ラルネットワークに入力できない。そこで、ステップ5
で、候補領域の形状を長方形に限定する。その具体例を
図3を用いて説明する。図において、○で示された領域
が領域拡張法により得られた候補領域である。この候補
領域に対して、所定の割合(ここでは75%)以上重合
する最も大きな斜線で示す長方形を選んだ。即ち、長方
形の画素数をn、長方形内に含まれる候補領域の画素数
をPとした場合、顔を示す領域であるか否かを判定され
る候補領域は、
【0019】
【数2】
【0020】により決定される。
【0021】次に、ステップ5で得られた候補領域が顔
を示す領域であるか否かを判定するためにニューラルネ
ットワークに候補領域のデータを入力するのであるが、
候補領域のデータを入力する際に以下の条件を設けた。
即ち、ステップ6で、候補領域の一辺の画素数が10画
素未満であれば顔を示す領域ではないと判断してステッ
プ7に進み、10画素以上であればステップ8に進む。
を示す領域であるか否かを判定するためにニューラルネ
ットワークに候補領域のデータを入力するのであるが、
候補領域のデータを入力する際に以下の条件を設けた。
即ち、ステップ6で、候補領域の一辺の画素数が10画
素未満であれば顔を示す領域ではないと判断してステッ
プ7に進み、10画素以上であればステップ8に進む。
【0022】ステップ7では、新たな候補領域に注目
し、新たな候補領域があればステップ5に戻り、なけれ
ばステップ9に進む。
し、新たな候補領域があればステップ5に戻り、なけれ
ばステップ9に進む。
【0023】ステップ9では、顔を示す領域と判断さ
れ、フラグが立てられている領域があればステップ12
に進み、なければステップ13に進む。
れ、フラグが立てられている領域があればステップ12
に進み、なければステップ13に進む。
【0024】ステップ8では、候補領域の長方形の一辺
の画素数が10画素以上ならRGB8ビットデータから
明度8ビット値に変換後、線形補間により10画素に正
規化することにより、候補領域を10×10画素に正規
化し、ステップ9でニューラルネットワークに入力す
る。
の画素数が10画素以上ならRGB8ビットデータから
明度8ビット値に変換後、線形補間により10画素に正
規化することにより、候補領域を10×10画素に正規
化し、ステップ9でニューラルネットワークに入力す
る。
【0025】ここで、ステップ10で候補領域のデータ
が入力されるニューラルネットワークについて説明す
る。ニューラルネットワークは、10×10=100画
素の8ビット明度値(白黒データ)が入力され、顔を示
す領域であるか否かを示す係数f(0≦f≦1)を出力
する3層構造バックプロパゲ−ションニューラルネット
ワークとした。この3層構造バックプロパゲ−ションニ
ューラルネットワークの学習は、あらかじめ標準的な数
種の顔のデータを教師信号として入力し、教師信号との
二乗誤差が最小となるように3層構造バックプロパゲ−
ションニューラルネットワークの内部係数を修正したも
のである。従って、学習済みのニューラルネットワーク
は、100入力1出力のブラックボックスとして使用で
きる。
が入力されるニューラルネットワークについて説明す
る。ニューラルネットワークは、10×10=100画
素の8ビット明度値(白黒データ)が入力され、顔を示
す領域であるか否かを示す係数f(0≦f≦1)を出力
する3層構造バックプロパゲ−ションニューラルネット
ワークとした。この3層構造バックプロパゲ−ションニ
ューラルネットワークの学習は、あらかじめ標準的な数
種の顔のデータを教師信号として入力し、教師信号との
二乗誤差が最小となるように3層構造バックプロパゲ−
ションニューラルネットワークの内部係数を修正したも
のである。従って、学習済みのニューラルネットワーク
は、100入力1出力のブラックボックスとして使用で
きる。
【0026】ステップ10では、以上のように説明した
3層構造バックプロパゲ−ションニューラルネットワー
クに10×10の候補領域のデータを入力し出力fが得
られるが、候補領域が顔を示す領域であるか否かの最終
判断は設定した閾値と比較して行う。即ち、閾値をTh
としたとき、
3層構造バックプロパゲ−ションニューラルネットワー
クに10×10の候補領域のデータを入力し出力fが得
られるが、候補領域が顔を示す領域であるか否かの最終
判断は設定した閾値と比較して行う。即ち、閾値をTh
としたとき、
【0027】
【数3】
【0028】で候補領域が顔を示す領域か否かが決定さ
れ、候補領域が顔を示す領域と判断されればステップ1
1に進み、顔を示す領域と判断されなければ、ステップ
7に戻り、新たな候補領域に注目する。
れ、候補領域が顔を示す領域と判断されればステップ1
1に進み、顔を示す領域と判断されなければ、ステップ
7に戻り、新たな候補領域に注目する。
【0029】次に、ステップ11では、顔を示す領域と
判断された領域にフラグを立てる。そして、ステップ7
に進む。
判断された領域にフラグを立てる。そして、ステップ7
に進む。
【0030】次に、ステップ7で、新たに注目する候補
領域がなければステップ9に進み、ステップ9で、フラ
グが立てられている領域があればステップ12に進み、
なければステップ13に進む。
領域がなければステップ9に進み、ステップ9で、フラ
グが立てられている領域があればステップ12に進み、
なければステップ13に進む。
【0031】ステップ12では、フラグが立てられてい
る領域について、肌色が好ましく見えるような画像処理
を行う。そして、ステップ13に進み、画像処理を終了
する。
る領域について、肌色が好ましく見えるような画像処理
を行う。そして、ステップ13に進み、画像処理を終了
する。
【0032】その後、ビデオプリンタ、複写機、あるい
はテレビ受像機などから画像を出力する。
はテレビ受像機などから画像を出力する。
【0033】以上のような画像処理を行うことによっ
て、特定の情報を示す領域(実施例では人物の顔)を画
像から選びだし、その特定の情報を示す領域の色を変換
(例えば、特定の情報が好ましく見えるような色)する
画像処理をし、ビデオプリンタ、複写機、あるいはテレ
ビ受像機などから画像を出力することができる。
て、特定の情報を示す領域(実施例では人物の顔)を画
像から選びだし、その特定の情報を示す領域の色を変換
(例えば、特定の情報が好ましく見えるような色)する
画像処理をし、ビデオプリンタ、複写機、あるいはテレ
ビ受像機などから画像を出力することができる。
【0034】
【発明の効果】本発明によれば、入力された画像情報か
ら、特定の情報を示す領域を画像から選びだし、その特
定の情報を示す領域の色を変換する画像処理をすること
ができる。さらに、色の変換を特定の情報が好ましく見
える色に変換することによって画像処理後の画像がより
良く見えるようになる。
ら、特定の情報を示す領域を画像から選びだし、その特
定の情報を示す領域の色を変換する画像処理をすること
ができる。さらに、色の変換を特定の情報が好ましく見
える色に変換することによって画像処理後の画像がより
良く見えるようになる。
【図1】本発明の実施例を説明するためのフローチャー
トである。
トである。
【図2】本発明の実施例における領域拡張法を説明する
ためのフロ−チャ−トである。
ためのフロ−チャ−トである。
【図3】本発明の実施例における候補領域の形状の限定
を説明するための図である。
を説明するための図である。
1 画像をモザイク化するステップ 2 画素を2値化するステップ 4 候補領域を成長させるステップ 5 候補領域を特定の形状に限定するステップ 10 候補領域が特定の情報を示しているか否かを判定
するステップ 12 色を変換する画像処理を行うステップ
するステップ 12 色を変換する画像処理を行うステップ
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平1−277061(JP,A) 小杉、”ニューラルネットを用いた顔 画像識別の検討”1990年電子情報通信学 会秋期全国大会、特許庁資料館平成2年 9月受入、分冊6 p409 (58)調査した分野(Int.Cl.7,DB名) G06T 7/00 G06T 1/00 G06T 5/00 JICSTファイル(JOIS)
Claims (1)
- 【請求項1】 入力されたカラー画像情報をモザイク化
するステップと、モザイク化されたカラー画像情報に基
ずき、前記カラ−画像情報を特定色と前記特定色以外の
色に判別することにより2値化するステップと、前記2
値化されたデータに基ずき候補領域を成長させるステッ
プと、前記候補領域を特定の形状に限定するステップ
と、前記候補領域が特定の情報を示しているか否かをニ
ューラルネットワークを用いて判定するステップと、特
定の情報であると判定された領域の色を変換する画像処
理を行うステップとからなる画像処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3173909A JP3030126B2 (ja) | 1991-07-15 | 1991-07-15 | 画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3173909A JP3030126B2 (ja) | 1991-07-15 | 1991-07-15 | 画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0520455A JPH0520455A (ja) | 1993-01-29 |
JP3030126B2 true JP3030126B2 (ja) | 2000-04-10 |
Family
ID=15969331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3173909A Expired - Fee Related JP3030126B2 (ja) | 1991-07-15 | 1991-07-15 | 画像処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3030126B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3483039B2 (ja) * | 1993-09-30 | 2004-01-06 | 博文 松尾 | 画像信号による識別装置 |
US6292574B1 (en) * | 1997-08-29 | 2001-09-18 | Eastman Kodak Company | Computer program product for redeye detection |
JP5911165B2 (ja) | 2011-08-05 | 2016-04-27 | 株式会社メガチップス | 画像認識装置 |
-
1991
- 1991-07-15 JP JP3173909A patent/JP3030126B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
Title |
---|
小杉、"ニューラルネットを用いた顔画像識別の検討"1990年電子情報通信学会秋期全国大会、特許庁資料館平成2年9月受入、分冊6 p409 |
Also Published As
Publication number | Publication date |
---|---|
JPH0520455A (ja) | 1993-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6556711B2 (en) | Image processing apparatus and method | |
EP0564201B1 (en) | Image processing apparatus and method | |
JP4667062B2 (ja) | 画像解析装置、画像解析方法、及びブロブ識別装置 | |
US6347156B1 (en) | Device, method and storage medium for recognizing a document image | |
JP3373008B2 (ja) | 画像像域分離装置 | |
US6226400B1 (en) | Defining color borders in a raster image by identifying and breaking contrast ties | |
US7170647B2 (en) | Document processing apparatus and method | |
JP4077094B2 (ja) | カラー文書画像認識装置 | |
US7620246B2 (en) | Method and apparatus for image processing | |
JPS58220563A (ja) | 文字図形画像抽出方式 | |
JP3030126B2 (ja) | 画像処理方法 | |
US6324300B1 (en) | Defining color borders in a raster image | |
JPH10271326A (ja) | 画像処理装置 | |
JP2005275854A (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよびこのプログラムを記憶した記録媒体 | |
US6983077B2 (en) | Image processor | |
JP2000357226A (ja) | 濃淡画像の2値化方法および濃淡画像の2値化プログラムを記録した記録媒体 | |
JP2775122B2 (ja) | イラストデータの自動輪郭抽出ベクトル化処理方法,及びそれに使用する処理装置 | |
JPH0656618B2 (ja) | 画像情報の文字・図形分離方法 | |
JP3647071B2 (ja) | 画像処理装置およびその方法 | |
JP3045555B2 (ja) | 多階調画像情報の2値化処理方法 | |
JP4228905B2 (ja) | 画像処理装置及びプログラム | |
JPH11136505A (ja) | 画像処理装置およびその方法 | |
JP2000067244A (ja) | カラー画像の領域統合方法およびプログラム記憶媒体 | |
Levachkine et al. | Color image segmentation using false colors and its applications to geo-images treatment: Alphanumeric character recognition | |
JPH0660220A (ja) | 文書画像の領域抽出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
LAPS | Cancellation because of no payment of annual fees |