WO2018203514A1 - 画像解析評価方法、コンピュータプログラム、画像解析評価装置 - Google Patents

画像解析評価方法、コンピュータプログラム、画像解析評価装置 Download PDF

Info

Publication number
WO2018203514A1
WO2018203514A1 PCT/JP2018/017114 JP2018017114W WO2018203514A1 WO 2018203514 A1 WO2018203514 A1 WO 2018203514A1 JP 2018017114 W JP2018017114 W JP 2018017114W WO 2018203514 A1 WO2018203514 A1 WO 2018203514A1
Authority
WO
WIPO (PCT)
Prior art keywords
color
color information
image
variation
calculating
Prior art date
Application number
PCT/JP2018/017114
Other languages
English (en)
French (fr)
Inventor
克己 薮崎
Original Assignee
興和株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 興和株式会社 filed Critical 興和株式会社
Priority to CN201880028917.9A priority Critical patent/CN110603566B/zh
Priority to JP2019515714A priority patent/JP7171549B2/ja
Priority to US16/609,669 priority patent/US11200699B2/en
Priority to EP18794142.2A priority patent/EP3629286A4/en
Publication of WO2018203514A1 publication Critical patent/WO2018203514A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal

Definitions

  • the present invention relates to a method, an apparatus, and a computer program for analyzing and evaluating an image using color diversity existing in a still image.
  • the present invention has been made in view of the above-described conventional problems, and by evaluating variations in pixel color and brightness shading as a coefficient of variation, the surface of the sample, the internal structure, and the complexity of the color.
  • a method and an apparatus for evaluating the state of the above are provided.
  • An image analysis evaluation method, apparatus, and computer program include the following steps or means. (1) acquiring color information of each pixel in a predetermined region of a still image; calculating a numerical value indicating color diversity from the acquired color information; calculating an average value of the color information; And calculating a coefficient of variation based on the calculated numerical value indicating the color diversity and an average value of the color information, and using the coefficient of variation as an index for evaluating the surface state.
  • the color information is the luminance or brightness of a pixel
  • the numerical value indicating the color diversity is a variation in the brightness or brightness.
  • the luminance or brightness variation is a standard deviation of brightness or brightness.
  • the variation coefficient is a numerical value obtained by dividing a numerical value indicating the diversity of the color information by an average value of the color information.
  • the method includes a step of calculating a region area of the region indicated by the variation coefficient exceeding a threshold value, and a determination step of determining whether or not the region area exceeds the threshold value.
  • the present invention has the following effects.
  • determining the color diversity of the region based on the color information of the pixel included in the region in the image of interest, the surface of the object in the still image, or the state of the structure included in the interior, or The color complexity can be quantified. Therefore, the structure and color complexity can be objectively evaluated as numerical values regardless of the subjectivity and experience of the observer.
  • a still image is decomposed into countless areas, and numerical values related to color diversity are calculated for each area, or for each pixel or a small number of pixel groups, various colors for areas surrounding it are calculated.
  • numerical value related to the property it is possible to evaluate the planar (or spatial) distribution of the surface state. As a result, it is possible to easily and objectively know which part on the image is complicated in structure and color.
  • FIG. 4 is a diagram (left side) showing the digitized image, and a graph (right side) in which the complexity of the structure of the image is quantified by the standard deviation or variation coefficient of the image.
  • Non-alcoholic fatty liver (Nash model) specimens stained with pigments of oil droplets in the cross section of mouse liver (upper image) with various light sources (top), standard deviation of the image, and It is the table
  • the present invention acquires color information for all or a part of pixels in an entire area of a still image, or at least one area provided in the image, and at least two or more areas.
  • the present invention calculates the diversity of color information consisting of pixels, the structure of the object in the image, the brightness of the image with the complexity of the color, or the diversity of the color within the area Analyzes and evaluates the complexity of structure and color.
  • An apparatus for acquiring an image used in the present invention may be any apparatus that can record a captured image as digital data as image information, such as a digital camera system that enables coaxial illumination.
  • a conventionally known one may be used as appropriate.
  • the image acquisition device is physically or logically connected to the image analysis evaluation device according to the present invention.
  • the image analysis evaluation apparatus includes processing means for calculating and processing data, and storage means for storing still image data acquired by the image acquisition means.
  • the storage means is for implementing the present invention.
  • a computer program and predetermined data are stored, respectively, and the processing means processes data according to a predetermined command by the computer program or the like.
  • Color information is acquired from the image data obtained from the image acquisition device, the diversity of the color information is calculated, and used as an index for evaluating the state of the subject surface. Therefore, as the color information used in the present invention, a method using three color elements of red, green, and blue (numeric values in the RGB color space), which is a method used in many electronic image devices, will be described below. To do.
  • the color information of each pixel is the luminance or brightness of the red, green, and blue color elements of the pixel, and the luminance of at least one or more of the red, green, and blue color elements in the RGB color space. May be used as they are, or secondary numerical values calculated from the color information may be obtained and used.
  • a predetermined coefficient for example, red “0.298912”, green “0.586611”, blue, A method is known in which “0.114478” is multiplied and then added to calculate, but a grayscale gradation processed by a predetermined method as described above may be used.
  • any one of the luminances in each color element may be used alone, or may be calculated by combining two or more.
  • two or more color elements may be simply averaged or may be given by multiplying each element by a different predetermined weighting factor.
  • the coefficient of variation is calculated individually from the three color elements of red, green, and blue, and the maximum value, the minimum value, or the second largest value is used. May be.
  • the above is the image color information acquisition method using numerical values in the RGB color space.
  • the color information used in the present invention is defined by the HSV color space, HSB color space, HLS color space, or HSL color space. Luminance or brightness may be used.
  • a method for examining how much variation exists in an area for at least one element of color information will be described. It is obtained by examining the color information of the RGB color space for each pixel in a predetermined area in the image and evaluating how much the intensity of at least one color element of red, green, and blue varies within the area. .
  • a value obtained by dividing the variance value obtained from the value of each element by the average value of the luminance of the pixels in the area may be used, and a value (standard deviation, etc.) based on the deviation calculated therefrom is used in the area.
  • a value divided by the average value of the luminances of the pixels, that is, a variation coefficient may be used. These values may be arbitrarily selected and used as necessary.
  • ⁇ Target area for color diversity calculation in image> The diversity of the color information obtained in this way may be calculated for the entire image, or alternatively, the image may be arbitrarily divided into a grid and the color diversity for each area within the grid May be calculated.
  • each pixel in the image or some adjacent pixels may be grouped into a pixel area, and the diversity of color information may be obtained for the surrounding pixels or pixel area.
  • the diversity of the color information obtained in this way has the advantage that the resolution is higher than that of the above-described method for dividing the image into a grid pattern, and that the spatial position information completely matches the original still image.
  • the immediacy is low because of the large calculation cost. For this reason, it is preferable to use it when a detailed analysis is performed on an image once recorded.
  • the original still image may be enlarged or reduced as appropriate.
  • a method of enlargement a method of complementing the luminance of pixels filling the gap with a function such as a bilinear method, a bicubic method, a Lanczos method is preferable.
  • a reduction method any method such as nearest neighbor method, bilinear method, bicubic method, and Lanczos method may be used. These can be used as needed.
  • the color diversity obtained for each region such as a grid, pixel, or pixel set from a still image is an image that shows the state of structures and color complexity in the image by arranging in two dimensions. May be stored and displayed.
  • the image may be expressed in grayscale that increases or decreases the brightness depending on the diversity value, and is obtained based on the diversity value to make the difference easier to recognize.
  • a heat map color may be used, and in this way, it is possible to emphasize and display a complicated portion of the structure in the image.
  • Fig. 1 is a plot of the number of pixels for each luminance of the image pixels, taking a part of the plastic part with the surface processed with various exposure times.
  • FIG. 2 shows the standard deviation (SD) of the luminance of the color element of the pixel at this time and the coefficient of variation (CV (%)) obtained by dividing the standard deviation by the average value.
  • SD standard deviation
  • CV coefficient of variation
  • the liver of a mouse that developed non-alcoholic fatty liver was cross-sectioned, and the fat contained was stained with Oil-RedO and photographed under a microscope using illumination light sources of various brightness.
  • SD standard deviation
  • CV coefficient of variation
  • the standard deviation increased as the illumination light source was brightened as shown in the table in the figure.
  • the coefficient of variation has a constant value regardless of the brightness of the illumination light source. This indicates that the coefficient of variation can be used as a numerical value that is not easily affected by the brightness of the illumination light source.
  • the present invention relates to an organ constituting a living body, or an organ, and a tissue itself, or a cross section thereof, and a structure included in an image obtained by imaging biological and medical samples such as cultured cells.
  • Cosmetic evaluation such as wrinkle analysis of color complexity and surface condition of human skin and nails, evaluation of surface liquid layer state (oil film and moisturizing state) using interference fringes reflected in image data at the time of shooting, It is an image analysis method that can be applied to a wide range of applications, such as material distortion analysis, astronomical photography, and aerial photography.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

静止画像の被写体表面の状態の解析評価方法、装置およびコンピュータプログラムを提供する。 静止画像の所定領域における各画素の色情報を取得するステップと、取得した前記色情報から色の多様性を示す数値を算出するステップと、前記色情報の平均値を算出するステップと、算出された前記色の多様性を示す数値と前記色情報の平均値に基づいて変動係数を算出するステップとを含み、前記変動係数を物体表面状態の評価のための指標とする。

Description

画像解析評価方法、コンピュータプログラム、画像解析評価装置
　本発明は、特に静止画像中に存在する色の多様性を利用して画像を解析評価する方法、装置、コンピュータプログラムに関する。
　例えば顕微鏡などを利用して物体あるいは生体、ならびに、生体由来の試料を 撮影した静止画像の色や明るさの濃淡から試料の表面や内部の構造の複雑さ、あるいは、色の複雑さを解析することは様々な分野で広く行われている。例えば特許文献１および２に示すように肌の状態を定量化するための方法が試みられている。
特開平８－３０８６３４号公報 特開平９－３８０４５号公報
　しかしながら、撮影時の露光時間や照明光の明るさにより、画像の色や明るさの濃淡が変化してしまうため、複雑さが正しく評価できなくなる問題があった。
　本発明は以上のような従来の問題点に鑑みてなされたものであり、画素の色や明るさの濃淡のばらつきを変動係数として評価することにより試料の表面や内部の構造や色の複雑さの状態を評価する方法およびその装置を提供するものである。
　本発明に係る画像解析評価方法、装置およびコンピュータプログラムは、以下に示すステップまたは手段を備える。
（１）静止画像の所定領域における各画素の色情報を取得するステップと、取得した前記色情報から色の多様性を示す数値を算出するステップと、前記色情報の平均値を算出するステップと、算出された前記色の多様性を示す数値と前記色情報の平均値に基づいて変動係数を算出するステップとを含み、前記変動係数を表面状態の評価のための指標とする。
（２）上記（１）において、前記色情報とは、画素の輝度または明度であり、前記色の多様性を示す数値とは、前記輝度または明度のばらつきである。
（３）上記（２）において、前記輝度 または明度のばらつきとは輝度または明度の標準偏差である。
（４）上記（１）乃至（３）において、前記変動係数とは、前記色情報の多様性を示す数値を前記色情報の平均値で除算することにより得た数値である。
（５）上記（１）乃至（４）において、閾値を超える前記変動係数が示す領域の領域面積を算出するステップと、前記領域面積が閾値を超えるか否かを判定する判定ステップとを含む。
　本発明は、以下の効果を奏する。注目する画像中の領域に含まれる画素の色情報をもとにその領域の色の多様性を判断することにより、静止画像中の物体の表面、あるいは、内部に含まれる構造物の状態、あるいは、色の複雑さを数値化することができる。そのため、観察者の主観や経験等によらずに、客観的に構造や色の複雑さを数値として評価することができる。
　また、静止画像を無数の領域に分解して、各々の領域について色の多様性に係る数値を算出する、または、各画素、あるいは、少数の画素集団に対してそれを取り囲む領域について色の多様性に係る数値を算出するようにすることで、表面の状態の平面的（あるいは、空間的）な分布について評価することができる。これにより、画像上のどの部位で構造や色が複雑であるかを容易、かつ、客観的に知ることができる。
３種類の静止画像のＲＧＢ色空間要素の中から赤色の要素を取り出し、輝度ヒストグラムを示した図である。 しぼ加工が施されたプラスチック部品の一部を顕微鏡で様々な露光時間で静止画として撮影し、部品の画像の輝度の標準偏差、もしくは、標準偏差を輝度の平均値で除算した変動係数として画像化したものを示す図（左側）、ならびに、画像の構造の複雑さを画像の標準偏差、もしくは、変動係数で数値化したグラフ（右側）である。 非アルコール性脂肪肝（Ｎａｓｈモデル）のマウス肝臓のクロスセクション中の油滴を色素で染色した試料を様々な明るさの光源で顕微鏡撮影した画像（上側）、その画像が持つ標準偏差、ならびに、変動係数により染色性の複雑さを評価した表（下側）図である。
　以下、実施例を交えて本発明の実施の形態を説明する。本発明は静止画の画像全体領域、あるいは、画像中に設けられた少なくとも１つ以上の領域について、当該領域中のすべて、あるいは、一部の画素について色情報を取得し、少なくとも２つ以上の画素からなる色情報の多様性を算出することにより、画像内の物体の構造、あるいは、色の複雑さを画像が持つ明るさ、あるいは、色が当該領域内で持つ多様性をもとにして構造の複雑さや色の複雑さを解析、評価するものである。
＜画像の取得＞
　本発明に使用する画像を取得するための装置（以下、画像取得装置）については、撮影した画像を画像情報としてデジタルデータとして記録できるものであればよく、同軸照明を可能にしたデジタルカメラシステムなど、従来既知のものを適宜用いればよい。
　画像取得装置は、本発明に係る画像解析評価装置と物理的又は論理的に接続される。当該画像解析評価装置は、データを演算および処理する処理手段、画像取得手段により取得された静止画像データを記憶する記憶手段を備えるものであり、当該記憶手段には、本発明を実施するためのコンピュータプログラムや所定のデータがそれぞれ記憶されており、処理手段は、当該コンピュータプログラム等による所定の命令に従ってデータの処理を行うものである。
＜画像の色情報取得＞
　以下、画像解析評価装置の具体的な処理について述べる。画像取得装置から得られた画像データから色情報を取得し、その色情報の多様性を算出し、被写体表面の状態の評価の指標とするものである。そこで、本発明に使用する色情報としては、多くの電子画像機器で用いられている方式である、赤、緑、青の３色の色要素（ＲＧＢ色空間の数値）を用いる方法で以下説明する。
　具体的には、各画素の色情報とは、画素が持つ赤、緑、青の色要素の輝度または明度であり、ＲＧＢ色空間における赤、緑、青の少なくとも１つ以上の色要素の輝度をそのまま用いてもよいし、あるいは、色情報から算出される二次的な数値を求めて使用してもよい。例えば、ヒトの色覚にあったグレースケールを作成する方法として、赤、緑、青それぞれの輝度に対して、それぞれ所定の係数（例えば、赤「０．２９８９１２」、緑「０．５８６６１１」、青「０．１１４４７８」）を  掛け合わせた後に足し合わせて算出する方法が知られているが、このように所定の方法により処理してグレースケール階調にしたものを用いてもよい。
　また、それぞれの色要素における輝度のいずれかを単独で使用、あるいは、２つ以上を組み合わせて算出するようにしてもよい。例えば、平均値による場合、２つ以上の色要素を単に平均して算出してもよいし、各要素に対して異なる所定の重み付け係数をかけ合わせて与えてもよい。
　あるいは、赤、緑、青の３色の色要素から個別に変動係数を算出し、その中の最大の値を使用したり、最小の値を使用したり、２番目に大きい数値を使用したりしてもよい。
　以上がＲＧＢ色空間の数値を用いる画像の色情報取得方法であるが、本発明に使用する色情報としては、ＨＳＶ色空間、ＨＳＢ色空間、ＨＬＳ色空間、あるいはＨＳＬ色空間などで規定される輝度、あるいは、明度を使用してもよい。
＜色の多様性の算出＞
　前記のような方法により取得した色情報から色の多様性を算出する方法としては、例えば、前記の方法で取得した色情報の少なくとも１つ以上の要素について領域内でどれぐらいばらつきがあるかを算出する方法などを挙げることができる。
　色情報の少なくとも１つ以上の要素について領域内でどれぐらいばらつきがあるかを調べる方法について説明する。ＲＧＢ色空間の色情報を画像内の所定の領域内の各画素について調べ、赤、緑、青の少なくとも１つ以上の色要素の強度が領域内部でどれぐらいばらついているかを評価することにより得る。ばらつきに関しては、各要素の値から得られる分散値を領域内の画素の輝度の平均値で除算した値を用いてもよいし、そこから算出される偏差による値（標準偏差等）を領域内の画素の輝度の平均値で除算した値、即ち、変動係数を用いてもよい。これらの値は必要により任意に選択して用いればよい。
　ここで重要なのは算出された輝度のばらつきを輝度の平均値で除算していることである。例えば、照明が暗い状態で撮影しても明るい状態で撮影しても、あるいは、短い露光時間で撮影しても長い撮影時間で撮影しても、被写体そのものの構造が持つ物理的な複雑さは固有のものであり変化しない。しかし、画像の輝度等に係る色情報について標準偏差を算出して、その値を構造や色の複雑さを示す数値として使用した場合、明るい照明では標準偏差が大きく、暗い照明では標準偏差が小さくなってしまい、得られる複雑さが異なってしまう。ばらつきを平均値で除算した変動係数で評価すると明るい画像であっても暗い画像であっても複雑さが変化しにくく、一定の値が保たれるため正しい評価を行うことが可能である。
＜画像中における色の多様性算出の対象領域＞
　このように得られた色情報の多様性は画像全体に対して算出するようにしてもよいが、あるいは、画像を格子状に任意に区分して、それぞれの格子内の領域について色の多様性を算出するようにしてもよい。
　画像全体、または、区分された領域の面積が大きい場合、計算にかかるコストが低いため、複数の静止画像を即時的に解析し数値を表示することができる。
　一方、格子状に区分した領域の数を増やし、一つ一つの領域の面積の大きさを小さくすることによって、より微小領域における色の多様性を評価することが可能である。この場合、区分された領域の数が増加するにしたがって計算コストが増大するため、解析の即時性は失われていく。
　また、画像中の各画素、あるいは、いくつかの隣接する画素を一纏めにした画素領域とし、その周囲の画素、あるいは、画素領域について色情報の多様性を求めるようにしてもよい。このようにして求めた色情報の多様性は、画像を格子状に区分けする前述の方法よりもさらに解像度が高く、且つ、空間的位置情報が元の静止画像と完全に一致しているという利点がある一方、多大な計算コストがかかるため即時性は低い。そのため、一度記録した画像に対して詳細な解析を行う場合に用いるのがよい。
　なお、色情報の多様性を計算する際、元の静止画像を、適宜、拡大、または、縮小してもよい。拡大の方法としてはバイリニア法、バイキュービック法、Ｌａｎｃｚｏｓ法など間を埋める画素の輝度を関数で補完する方法が好ましい。拡大の効果としては部位によるより詳細な状態を取得できることにある。一方、縮小の方法としてはニアレストネイバー法、バイリニア法、バイキュービック法、Ｌａｎｃｚｏｓ法などいずれの方法を用いてもよく、縮小の効果として解析時間の短縮がある。これらは必要に応じて使い分ければよい。
　静止画像から、格子、あるいは、画素、または、画素集合などの領域ごとに得られた色の多様性は、２次元に配置することにより画像中の構造物や色の複雑さの状態を示す画像として保存、表示するようにしてもよい。画像化する際には多様性の値によって輝度を増加、あるいは、減少させるグレースケールで表現してもよいし、違いをより認知しやすくするために多様性の値をもとにして得られたヒートマップカラーを用いてもよく、このようにすることで、画像中の構造物の複雑な部分を強調して表示することが可能である。
　図１は、表面にしぼ加工が施されたプラスチックパーツの一部をさまざまな露光時間で撮影し、画像の画素の輝度ごとの画素の個数をプロットしたものである。
　このときの画素の色要素の輝度の標準偏差（ＳＤ）、ならびに、前記標準偏差を前記平均値で除算した変動係数（ＣＶ（％））を図２に示す。標準偏差は露光時間が増加するに従い数値が大きくなった。このことから、標準偏差を構造の複雑さを表す数値として使用するには決まった露光時間で撮影する必要があることが示される。一方、算出した標準偏差を画像の輝度の平均値で除算した変動係数は露光時間が増加しても一定の値を示したことから、撮影時間の影響を受けにくい構造の複雑さを表す数値として利用できることが示された。
　図３では非アルコール性脂肪肝を発症したマウスの肝臓をクロスセクションし、含まれる脂肪をＯｉｌ ＲｅｄＯで染色して種々の明るさの照明光源を用いて顕微鏡下で撮影を行った。このときの画像の染色の複雑さを標準偏差（ＳＤ）、ならびに、変動係数（ＣＶ（％））で評価したところ、図中の表のように照明光源を明るくするに従い標準偏差は増加したが、変動係数は照明光源の明るさに依存せず一定の値をとった。このことから、変動係数は照明光源の明るさの影響を受けにくい数値として利用できることが示された。
　以上本発明について説明してきたが、本発明は上述の実施の例に限定されず種々の変形した形での応用が可能なものである。
　本発明は生体を構成する器官、あるいは、臓器、ならびに、組織そのもの、もしくは、それらのクロスセクション、さらには、培養細胞などといった生物学的、ならびに、医学的試料を撮影した画像に含まれる構造物や色の複雑さの 解析や人の肌や爪の表面状態の評価などの美容的評価、撮影時の画像データに写る干渉縞を利用した表面の液層状態（油膜や保湿状態）の評価、材料の歪みの解析、天体写真や航空写真の解析、など幅広い応用が可能な画像解析方法である。

Claims (7)

  1. 　静止画像の所定領域における各画素の色情報を取得するステップと、
    　取得した前記色情報から色の多様性を示す数値を算出するステップと、
    　前記色情報の平均値を算出するステップと、
    　算出された前記色の多様性を示す数値と前記色情報の平均値に基づいて変動係数を算出するステップとを含み、
    　前記変動係数を画像の評価のための指標とすることを特徴とする画像解析評価方法。
  2. 　前記色情報とは、画素の輝度または明度であり、
    　前記色の多様性を示す数値とは、前記輝度または明度のばらつきである請求項１に記載の画像解析評価方法。
  3. 　前記輝度または明度のばらつきとは、輝度または明度の標準偏差である請求項２に記載の画像解析評価方法。
  4. 　前記変動係数とは、前記色情報の多様性を示す数値を前記色情報の平均値で除算することにより得た数値である請求項１乃至３のいずれか１項に記載の画像解析評価方法。
  5. 　閾値を超える前記変動係数が示す領域の領域面積を算出するステップと、
    　前記領域面積が閾値を超えるか否かを判定する判定ステップとを含む請求項１乃至４のいずれか１項に記載の画像解析評価方法。
  6. 　コンピュータに、請求項１乃至５のいずれか１項に記載の各ステップを実行させるためのコンピュータプログラム。
  7. 　静止画像の所定領域における各画素の色情報を取得する手段と、
    　取得した前記色情報から色の多様性を示す数値を算出する手段と、
    　前記色情報の平均値を算出する手段と、
    　算出された前記色の多様性を示す数値と前記色情報の平均値に基づいて変動係数を算出する手段とを含み、
    　前記変動係数を画像の評価のための指標とすることを特徴とする画像解析評価装置。
PCT/JP2018/017114 2017-05-01 2018-04-27 画像解析評価方法、コンピュータプログラム、画像解析評価装置 WO2018203514A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201880028917.9A CN110603566B (zh) 2017-05-01 2018-04-27 图像解析评价方法、计算机程序、图像解析评价装置
JP2019515714A JP7171549B2 (ja) 2017-05-01 2018-04-27 画像解析評価方法、コンピュータプログラム、画像解析評価装置
US16/609,669 US11200699B2 (en) 2017-05-01 2018-04-27 Image analysis evaluation method, computer program, and image analysis evaluation device
EP18794142.2A EP3629286A4 (en) 2017-05-01 2018-04-27 IMAGE ANALYSIS EVALUATION PROCESS, COMPUTER PROGRAM AND IMAGE ANALYSIS EVALUATION DEVICE

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-090950 2017-05-01
JP2017090950 2017-05-01

Publications (1)

Publication Number Publication Date
WO2018203514A1 true WO2018203514A1 (ja) 2018-11-08

Family

ID=64016103

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/017114 WO2018203514A1 (ja) 2017-05-01 2018-04-27 画像解析評価方法、コンピュータプログラム、画像解析評価装置

Country Status (5)

Country Link
US (1) US11200699B2 (ja)
EP (1) EP3629286A4 (ja)
JP (1) JP7171549B2 (ja)
CN (1) CN110603566B (ja)
WO (1) WO2018203514A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020003456A1 (ja) * 2018-06-28 2020-01-02 株式会社ニコン 装置、顕微鏡装置、方法およびプログラム
CN112837319B (zh) * 2021-03-29 2022-11-08 深圳大学 真实失真图像质量智能评价方法、装置、设备及介质
CN116151636B (zh) * 2023-04-23 2023-09-15 中铁建工集团建筑安装有限公司 一种动态线性移动的视觉观览的评价方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08308634A (ja) 1995-05-23 1996-11-26 Pola Chem Ind Inc 肌の評価装置
JPH0938045A (ja) 1995-05-23 1997-02-10 Pola Chem Ind Inc 肌の評価方法
JP2006141734A (ja) * 2004-11-19 2006-06-08 Olympus Corp 画像処理装置、画像処理方法、及び画像処理プログラム
JP2014104132A (ja) * 2012-11-27 2014-06-09 Kao Corp 肌画像分析装置及び肌画像分析方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3681956B2 (ja) 1999-05-31 2005-08-10 日本バイリーン株式会社 被測定物の状態評価方法および状態評価装置
JP2001128017A (ja) * 1999-10-27 2001-05-11 Fuji Xerox Co Ltd 画像評価装置および画像評価方法
CN1312939C (zh) * 2001-01-25 2007-04-25 株式会社尼康 图像处理方法、图像处理程序、图像处理装置
JP2005174133A (ja) * 2003-12-12 2005-06-30 Fuji Xerox Co Ltd 画像評価装置、画像評価方法およびプログラム
CN1604139A (zh) * 2004-10-28 2005-04-06 上海交通大学 图像融合评价***的构建方法
JP2006318181A (ja) * 2005-05-12 2006-11-24 Fuji Photo Film Co Ltd 画像評価方法、装置及びプログラム
JP2007208940A (ja) * 2006-02-06 2007-08-16 Canon Inc 色評価用カラーチャートデータの作成方法及びその情報処理装置
JP5119003B2 (ja) 2007-11-30 2013-01-16 大王製紙株式会社 使い捨ておむつ
CN101609500B (zh) * 2008-12-01 2012-07-25 公安部第一研究所 出入境数字人像相片质量评估方法
JP2010268426A (ja) * 2009-04-15 2010-11-25 Canon Inc 画像処理装置、画像処理方法およびプログラム
WO2013181127A1 (en) * 2012-05-30 2013-12-05 Clarient Diagnostic Services, Inc. Multiplexed assay method for lung cancer classification
JP5616989B2 (ja) * 2013-02-14 2014-10-29 東芝テリー株式会社 画像処理装置および閾値設定処理プログラム
JP6282123B2 (ja) * 2014-01-23 2018-02-21 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
KR102406215B1 (ko) * 2016-02-17 2022-06-08 삼성전자주식회사 컬러 프린지 보정 방법 및 이를 이용한 이미지 데이터의 프로세싱 방법
EP3466319A4 (en) * 2016-05-30 2020-02-12 Kowa Company, Ltd. METHOD AND DEVICE FOR ASSESSING LACRYMAL CONDITION
WO2018203515A1 (ja) * 2017-05-01 2018-11-08 京都府公立大学法人 涙液層の動態評価方法およびその装置
JP7010057B2 (ja) * 2018-02-26 2022-01-26 オムロン株式会社 画像処理システムおよび設定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08308634A (ja) 1995-05-23 1996-11-26 Pola Chem Ind Inc 肌の評価装置
JPH0938045A (ja) 1995-05-23 1997-02-10 Pola Chem Ind Inc 肌の評価方法
JP2006141734A (ja) * 2004-11-19 2006-06-08 Olympus Corp 画像処理装置、画像処理方法、及び画像処理プログラム
JP2014104132A (ja) * 2012-11-27 2014-06-09 Kao Corp 肌画像分析装置及び肌画像分析方法

Also Published As

Publication number Publication date
CN110603566B (zh) 2023-10-20
US11200699B2 (en) 2021-12-14
JPWO2018203514A1 (ja) 2020-03-12
CN110603566A (zh) 2019-12-20
EP3629286A4 (en) 2021-01-13
US20200151909A1 (en) 2020-05-14
JP7171549B2 (ja) 2022-11-15
EP3629286A1 (en) 2020-04-01

Similar Documents

Publication Publication Date Title
US7454046B2 (en) Method and system for analyzing skin conditions using digital images
US20200098105A1 (en) Methods and Systems for Assessing Cell Morphology
Ganesan et al. Segmentation and edge detection of color images using CIELAB color space and edge detectors
JP5544764B2 (ja) 画像処理装置および方法、並びにプログラム
US20080080766A1 (en) Apparatus and Method for Analyzing Skin Using L*a*b* Colorspace
Abd Halim et al. Nucleus segmentation technique for acute leukemia
Pech et al. Abundance estimation of rocky shore invertebrates at small spatial scale by high-resolution digital photography and digital image analysis
JP6814799B2 (ja) 涙液状態評価方法およびその装置
WO2018203514A1 (ja) 画像解析評価方法、コンピュータプログラム、画像解析評価装置
Yu et al. A false color image fusion method based on multi-resolution color transfer in normalization YCBCR space
Bautista et al. Improving the visualization and detection of tissue folds in whole slide images through color enhancement
US8559714B2 (en) Post processing for improved generation of intrinsic images
CN101523169A (zh) 用于使用L*a*b*色空间来分析皮肤的装置和方法
WO2019181072A1 (ja) 画像処理方法、コンピュータプログラムおよび記録媒体
JP2006507579A (ja) 核多形性の組織学的評価
US11210791B2 (en) Computer-implemented method for locating possible artifacts in a virtually stained histology image
Madooei et al. Detecting specular highlights in dermatological images
JP2017012384A (ja) シワ状態分析装置及びシワ状態分析方法
Bautista et al. Digital staining of unstained pathological tissue samples through spectral transmittance classification
JP5203159B2 (ja) 画像処理方法、画像処理システムおよび画像処理プログラム
JP5860970B2 (ja) 固有画像の生成を改良するための後処理
Sahidan et al. Local and global contrast stretching for color contrast enhancement on ziehl-neelsen tissue section slide images
Trongtirakul et al. New retinex model-based infrared image enhancement
Bautista et al. Multispectral enhancement towards digital staining
JP2011030592A (ja) 皮脂の分泌状態測定装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18794142

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019515714

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018794142

Country of ref document: EP

Effective date: 20191202

ENP Entry into the national phase

Ref document number: 2018794142

Country of ref document: EP

Effective date: 20191202