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 |