JP2002190018A - 画像領域分類装置および画像領域分類方法 - Google Patents

Abstract

(57)【要約】 【課題】 カラー分類を行うにあたり、オペレータの意
図に合ったクラスタ分類を迅速に行うこと。 【解決手段】 本発明は、複数の色成分から構成される
画像に基づき、各色成分を軸とした色空間内の格子点に
おける前記画像のヒストグラムを作成するヒストグラム
作成部２と、ヒストグラム作成部２で作成されたヒスト
グラムをヒストグラム値に応じた大きさのオブジェクト
で表示するヒストグラム表示部５と、ヒストグラム作部
２段で作成されたヒストグラムの全格子点を複数個の代
表値で分類するクラスタ分類部３とを備えている。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えばフルカラー
画像を一定個数の代表色に分類する画像領域分類装置お
よび画像領域分類方法に関する。

【０００２】

【従来の技術】カラー写真等のフルカラー画像は、スキ
ャナ等の画像入力装置で読み取る場合、１画素あたりＲ
（赤）、Ｇ（緑）、Ｂ（青）各８ビット、合計２４ビッ
トでデジタル化させることが多い。この場合、各画素は
２の２４乗＝１６７７万色の中の任意の１色を表現して
いることになる。

【０００３】しかし、比較的少数の色を用いた印刷物等
をデジタル化して利用する場合には、類似色を１つの代
表色にまとめて、画像全体を少数の代表色で表現すれ
ば、格納メモリの容量や通信量を大幅に節約できること
になる。

【０００４】例えば、フルカラー画像を１６種類の代表
色に置き換えた場合は、各画素は４ビットの色番号で表
現され、これによって画像データの量は、当初の６分の
１に削減される。色数を削減したことにより、画像中の
領域が単一色で塗られるので、さらに画像データ量を圧
縮することも可能となる。また、得られた画像は、濃度
のばらつきを除去した画像処理の結果でもあるので、こ
れを用いて領域解析や文字認識に利用することも可能で
ある。

【０００５】ここで、画像データを代表色に変換してＣ
ＲＴ等の表示装置に表示するには、代表色の色番号と対
応する色データをルックアップテーブル（ＬＵＴ）にし
ておき、ＣＲＴ等に読み出すたびにＬＵＴを参照して表
示するようにしている。

【０００６】このため、フルカラー画像が与えられたと
きには、ＬＵＴに格納すべき代表色を選定する処理が必
要となる。この代表色の選定処理は、カラー空間でのク
ラスタ分類、あるいはカラー分類とも呼ばれ、一般的な
クラスタ分類アルゴリズムが適用されている。

【０００７】図１２は、カラー分類を行う従来の画像領
域分類装置を説明する図である。図１２（ａ）に示すよ
うに、この画像領域分類装置は、画像入力部１、ヒスト
グラム作成部２、クラスタ分類部３、画像出力部４を備
えている。

【０００８】画像入力部１は、図１２（ｂ）に示すよう
なフルカラー画像（図では白黒）を入力画像として取り
込む部分である。また、ヒストグラム作成部２は、入力
画像から同一のＲＧＢ値をもつ画素の度数の分布（ヒス
トグラム）を、３次元色空間内で定義された非負整数の
スカラー関数として求める。

【０００９】クラスタ分類部３は、ヒストグラム値が大
きく、ＲＧＢ色空間内で互いに近い点（色）の集団を求
める処理（クラスタ分類アルゴリズム）を行う。これら
の色の集団は類似色のクラスタを表しているので、同一
の色番号と代表色を与える。最終的には、ヒストグラム
値が０でない格子点全体もしくは色空間全体をＮ個のク
ラスタに分類する。

【００１０】画像出力部４は、クラスタ分類部３での分
類結果を画像空間で再構成し、入力画像の全ての画素が
いずれかの色番号（例えば、Ｎ個のクラスタの場合に
は、０からＮ−１）に分類されるよう、画像データと代
表色とのルックアップテーブルを出力する。

【００１１】ここで、クラスタ分類部３で適用されるク
ラスタ分類アルゴリズムとしては、「画像認識論」、コ
ロナ社発行、長尾真著の１２０頁から１２６頁に記載さ
れる「最大距離アルゴリズム」、「Ｋ平均アルゴリズ
ム」、「自己収束アルゴリズム」などが挙げられる。ま
た、代表色の選び方としては、各クラスタのヒストグラ
ムの重心とする場合が多い。

【００１２】

【発明が解決しようとする課題】しかしながら、このよ
うなクラスタ分類アルゴリズムを用いた画像領域分類に
は次のような問題がある。すなわち、クラスタの個数が
ヒストグラムの分布にマッチせず、オペレータの意図と
異なる分類結果になることがある。また、同種の色のセ
ットを用いた複数の入力画像がある場合でも、各入力画
像についてクラスタ分類処理を初めからから行うため、
多くの処理時間を必要としている。

【００１３】

【課題を解決するための手段】本発明は、このような課
題を解決するために成されたものである。すなわち、本
発明の画像領域分類装置は、複数の色成分から構成され
る画像に基づき、各色成分を軸とした色空間内の格子点
における前記画像のヒストグラムを作成するヒストグラ
ム作成手段と、ヒストグラム作成手段で作成されたヒス
トグラムをヒストグラム値に応じた大きさのオブジェク
トで表示するヒストグラム表示手段と、ヒストグラム作
成手段で作成されたヒストグラムの全格子点を複数個の
代表値で分類するクラスタ分類手段とを備えている。

【００１４】また、本発明の画像領域分類方法は、複数
の色成分から構成される画像に基づき、各色成分を軸と
した色空間内の格子点における前記画像のヒストグラム
を作成し、このヒストグラムの全格子点を複数個の代表
値で分類して複数のクラスタ領域を生成する方法におい
て、ヒストグラムをヒストグラム値に応じた大きさのオ
ブジェクトで表示する方法である。

【００１５】このような本発明では、分類対象の画像に
基づき、各色成分を軸とした色空間内の格子点における
画像のヒストグラムを作成し、このヒストグラムを、ヒ
ストグラム値に応じた大きさのオブジェクトで表示する
ことから、色空間内でのヒストグラム値を視覚的に認識
できるようになる。また、この表示されたオブジェクト
を参照してオペレータが自分の意図に合ったクラスタ分
類を容易に設定できるようになる。

【００１６】

【発明の実施の形態】以下、本発明の実施の形態を図に
基づいて説明する。図１は、第１実施形態に係る画像領
域分類装置を説明する図で、（ａ）は構成図、（ｂ）は
ヒストグラム表示例を示している。

【００１７】すなわち、本実施形態の画像領域分類装置
は、画像入力部１、ヒストグラム作成部２、クラスタ分
類部３、画像出力部４を備えるとともに、ヒストグラム
表示部５および操作入力部６を備えている。

【００１８】画像入力部１は、フルカラー画像を入力画
像として取り込む部分である。また、ヒストグラム作成
部２は、入力画像から同一のＲＧＢ値をもつ画素の度数
の分布（ヒストグラム）を、３次元色空間内で定義され
た非負整数のスカラー関数として求める。

【００１９】クラスタ分類部３は、ヒストグラム値が大
きく、ＲＧＢ色空間内で互いに近い点（色）の集団を求
める処理（クラスタ分類アルゴリズム）を行う。これら
の色の集団は類似色のクラスタを表しているので、同一
の色番号と代表色を与える。最終的には、ヒストグラム
値が０でない格子点全体もしくは色空間全体をＮ個のク
ラスタに分類する。

【００２０】画像出力部４は、クラスタ分類部３での分
類結果を画像空間で再構成し、入力画像の全ての画素が
いずれかの色番号（例えば、Ｎ個のクラスタの場合に
は、０からＮ−１）に分類されるよう、画像データと代
表色とのルックアップテーブルを出力する。

【００２１】ヒストグラム表示部５は、ヒストグラム作
成部２で作成したヒストグラムを、ヒストグラム値に応
じた大きさのオブジェクトで表示する処理を行う。例え
ば、図１（ｂ）に示すように、Ｒ（赤）、Ｇ（緑）、Ｂ
（青）の各色成分を軸とした３次元の色空間を表示し、
その色空間内の各格子点における画像のヒストグラム
を、ヒストグラム値に応じた大きさのオブジェクト（図
の例では円）で表示する。

【００２２】また、操作入力部６は、クラスタ分類部３
に対して所定のクラスタ分類条件を指示するとともに、
ヒストグラム表示部５に対して３次元色空間で示される
ヒストグラムの視点位置を指示する部分である。視点位
置を指示することで、オペレータは３次元色空間を所望
の視点位置から参照できるようになる。

【００２３】次に、図２のフローチャートに基づき第１
実施形態の画像領域分類方法を説明する。なお、以下の
説明で図２に示されない符号は図１を参照するものとす
る。

【００２４】先ず、ステップＳ１０で示すように、画像
入力部１によりフルカラー画像を入力する。入力画像の
サイズは、水平（ｘ軸）方向にＷ画素、垂直（ｙ軸）方
向にＨ画素の、計Ｗ×Ｈ画素とする。

【００２５】次に、ステップＳ１１で示すように、ヒス
トグラム作成部２にてＲＧＢ色空間における入力画像の
ヒストグラムを求める。すなわち、ＲＧＢ色空間を、例
えば１６×１６×１６＝４０９６の格子点で離散化し、
入力画像の各画素のＲＧＢ値各８ビットの例えば上位各
４ビットを取って、これら格子点に写像し、格子点ごと
に写像された回数（画素個数）を求めた結果が色ヒスト
グラムである。

【００２６】次いで、ステップＳ１２からステップＳ２
０まではＮ回反復されるクラスタ選定処理を行う。この
処理は後述する。その後、ステップＳ２１でＮ分類した
出力画像とカラールックアップテーブル（ＬＵＴ）を出
力する。Ｎの値は、２、８、１６、２５６等に予め決め
ておいても、また入力画像の内容によってオペレータが
選定してもよい。

【００２７】ここで、ステップＳ１２からステップＳ２
０までの処理を説明する。１回のクラスタ選定処理は、
ステップＳ１２でクラスタ分類の対象領域として、最初
はＲＧＢ色空間の全体が設定され、以降はクラスタ領域
が決定する度に、そのクラスタ領域を除去した残りの部
分空間で更新される。

【００２８】ステップＳ１３からステップＳ１８まで
は、ステップＳ１９でクラスタ額域を決定する前に、オ
ペレータがヒストグラムの分布状況を反復して表示・確
認し、クラスタ領域を試験的に設定するプロセスであ
る。

【００２９】ヒストグラムは、３次元のＲＧＢ色空間に
分布する非負整数のスカラー量であるから、このスカラ
ー量を円や正方形（立方体）のオブジェクト（小物体、
図形）の大きさで表現し、その全オブジェクトの分布状
態を示す３次元画像によってヒストグラムを把握する。
この場合、オペレータが任意に指定する閾値以上のヒス
トグラム値を持つ格子点上のオブジェクトのみを選択的
かつ動的に表示できるようになっている。

【００３０】図３は、この３次元ヒストグラムの閾値を
４通りに変えた表示例を示す図である。図３（ａ）は、
ステップＳ１３（図２参照）で第１のヒストグラム閾値
としてＴＨＬ＝１０００を設定した場合である。この場
合、ステップＳ１４（図２参照）でヒストグラム値が１
０００以上となる全ての格子点位置に、そのヒストグラ
ム値の対数に比例した大きさの円を配置し、ステップＳ
１５（図２参照）で指定した視点位置から眺めた画像を
ステップＳ１６（図２参照）で３次元画像として生成
し、ヒストグラム表示部５の画面に表示したものであ
る。

【００３１】また図３（ｂ）は、第２の閾値としてＴＨ
Ｌ＝２５０を設定した場合、図３（ｃ）は、第３の閾値
としてＴＨＬ＝５０を設定した場合、図３（ｄ）は、第
４の閾値としてＴＨＬ＝１０を設定した場合の３次元画
像を同様に生成したものである。このヒストグラム閾値
は、オペレータが操作入力部６を通じて入力する。

【００３２】図３（ａ）のように閾値を大きくとると、
クラスタの代表点として選択されるヒストグラムの極大
点の位置と極大値とが分かり、また図３（ｄ）のように
閾値を小さくとると、クラスタの裾野の広がりとその値
を確認できる。この広がりは画素濃度のノイズ成分やそ
の画素数を示すと考えられる。

【００３３】こうして複数の閾値について生成した複数
の３次元画像は、閾値を任意に変化させて時系列的に表
示することもできる。ステップＳ１７でクラスタ領域を
試験的に設定すると、そのクラスタ領域に含まれるオブ
ジェクトの集合を強調表示することができる。以上の操
作の結果、ステップＳ１８でループを抜け、ステップＳ
１９でクラスタ領域と代表色を正式に決定する。

【００３４】代表色は、クラスタ領域のヒストグラムの
重心として、演算処理により求める。この計算は、クラ
スタ分類処理部３で実行する。

【００３５】ヒストグラム表示部５の動作を説明する。
本実施形態では、オペレータがヒストグラムの分布形状
を十分に理解できるように、操作に追随して絶えず更新
される３次元画像を生成する。

【００３６】ステップＳ１６の３次元画像の生成では、
以下の点を考慮した。 （１）閾値を任意に変更した画像を生成することによ
り、クラスタ分布の位置、大きさをオペレータに把握さ
せる。 （２）視点を任意に変更した画像を表示することによ
り、クラスタ間の遮蔽関係に妨害されない画像が得られ
る。 （３）色空間の分布を理解し易いように、Ｂ軸を画面の
上方にするなど、視野変換の自由度を決めておく。

【００３７】図４は、色空間座標系Ｏ−ＲＧＢと、視点
座標系Ｏ−ｘｙｚとの関係（視野変換）を示す図であ
る。ヒストグラム表示部５は、操作入力部６からの指示
により、以下に示す座標変換式を用いて視野変換を行
う。

【００３８】視点位置：ＯＥ＝（Ｒｅ，Ｇｅ，Ｂｅ） 投影面：ＯＥをｚ軸とし、これに垂直なｘ−ｙ平面に投
影する。Ｂ軸をｙ軸に投影する。

【００３９】ｘ軸方向：Ｂ軸とＯＥの外積方向、ｘ軸単
位ベクトルｉ＝（−Ｇｅ／Ｔｅ，Ｒｅ／Ｔｅ，０） ｙ軸方向：ＯＥとｘ軸の外積方向、ｙ軸単位ベクトルｊ
＝（−ＢｅＲｅ／ＳｅＴｅ、−ＢｅＧｅ／ＳｅＴｅ、Ｔ
ｅ／Ｓｅ） ｚ軸方向：ＯＥ方向、ｚ軸単位ベクトルｋ＝（Ｒｅ／Ｓ
ｅ，Ｇｅ／Ｓｅ、Ｂｅ／Ｓｅ）

【００４０】点Ｐ（Ｒ，Ｇ，Ｂ）のｘ，ｙ，ｚ座標を
（ｘｐ，ｙｐ，ｚｐ）とすると、 ｘｐ＝ＯＰ・ｉ＝（−ＧｅＲ＋ＲｅＧ）／Ｔｅ ｙｐ＝ＯＰ・ｊ＝（−ＢｅＲｅＲ−ＢｅＧｅＧ＋ＴｅＴ
ｅＢ）／ＳｅＴｅ ｚｐ＝ＯＰ・ｋ＝（ＲｅＲ＋ＧｅＧ＋ＢｅＢ）／Ｓｅ

【００４１】点ｐの投影点をＱ（ｘｄ，ｙｄ，０）とす
るとＥＱ＝（ｘｄ，ｙｄ，−Ｓｅ）とＥＰ＝（ｘｐ，ｙ
ｐ，ｚｐ−Ｓｅ）は同一方向であるから、ｘｄ／ｘｐ＝
ｙｄ／ｙｐ＝−Ｓｅ／（ｚｐ−Ｓｅ）＝ｋｐよリ、ｘｄ
＝ｘｐｋｐ、ｙｄ＝ｙｐｋｐが求められる。

【００４２】ただし、Ｓｅ＝ｓｑｒｔ（ＲｅＲｅ＋Ｇｅ
Ｇｅ＋ＢｅＢｅ）、Ｔｅ＝ｓｑｒｔ（ＲｅＲｅ＋ＧｅＧ
ｅ）は視点決定時に求める。ｘｐ，ｙｐ，ｚｐおよびｋ
ｐ＝−ＳｅＳｅ／（ＲｅＲ＋ＧｅＧ＋ＢｅＢ−ＳｅＳ
ｅ）は座標変換時に求める。

【００４３】次に、ステップＳ１７でクラスタ領域を試
験的に設定する方法を説明する。例えば、図３（ｂ）に
示す例では、７個程度のクラスタの存在が確認できるか
ら、図５に示すように、その１つのオブジェクト集合２
６を囲む直方体を指定する場合を例とする。

【００４４】先ず、図５（ａ）に示す立体画像表示で、
マウス装置等によりＲＧＢ立方体の１つの面上、例えば
Ｒ＝２５５の面上で左上点２２から右下点２３までドラ
ッグして矩形を指定する。その結果、表示画面には、こ
の矩形だけでなく、この矩形をＲ軸方向にＲ＝０の面ま
で平行移動した直方体が表示され、この直方体に含まれ
る全てのオブジェクトが強調して表示されることにな
る。

【００４５】この強調方法としては、例えばオブジェク
トの輝度や色相を変更したり、オブジェクトを点滅させ
るようにしてもよい。これにより、オブジェクト集合２
６の全部とオブジェクト集合２７の一部が強調されるこ
とになる。

【００４６】こうして目的のオブジェクト集合をＢ−Ｇ
座標で囲んだなら、次に図５（ｂ）に示すＲ座標の区間
を指定して、目的のクラスタ領域を示す直方体とする。
これには、最初の直方体のＲ軸に平行な辺上の２点間を
マウスでドラッグして指定する。例えば点２４と点２５
を指定すると、今度は、目的の直方体とそれに含まれる
オブジェクト集合２６のみが強調表示された画像とな
る。

【００４７】次に、この目的の直方体をクラスタ領域と
して決定するかどうかをオペレータに判断させるため
に、ヒストグラム閾値および視点位置の変更を可能にす
る。ヒストグラム閾値を変更すれば直方体に含まれるオ
ブジェクト、すなわち強調表示されるオブジェクトの個
数が増減し，視点位置を変更すれば直方体とオブジェク
トの位置関係が様々な角度から把握できる。この直方体
の位置・大きさを変更して、クラスタ領域として最適に
なるようにする。以上の動作は、図２に示すステップＳ
１３からステップＳ１７までを反復実行するループで実
現している。

【００４８】こうして、この直方体をクラスタ領域とし
て使用すべく確認入力を行う。すると、ステップＳ１８
からステップＳ１９に進んでクラスタ領域と代表色とが
決定される。

【００４９】なお、クラスタ領域はこの直方体に含まれ
る全ての格子点の集合であって、表示されたオブジェク
トのみではないことに注意する。代表色は、これらの格
子点にヒストグラム度数で重み付けした重心としたり、
あるいはオペレータが指定する色として求める。求めら
れた代表色の位置にクラスタを代表する位置と大きさを
もつ新規のオブジェクトを表示してもよい。

【００５０】以上で１個のクラスタ領域が決まったの
で、ステップＳ１２に戻り、ヒストグラムデータからこ
のクラスタ領域のデータを０に消去してヒストグラムを
更新し、新たなヒストグラムを３次元表示して第２、第
３のクラスタ領域を繰り返し指定する。

【００５１】Ｎ回のクラスタ領域指定で、どれにも属さ
ない色空間部分が生じた場合は、それを適当に分割して
既定クラスタ領域に追加するか、その空間部分の格子点
を最も距離の近い代表色のクラスタに所属させてもよ
い。

【００５２】このように、本実施形態では、色ヒストグ
ラムをオブジェクトの集合として３次元ＲＧＢ色空間内
に表示し、その表示結果をオペレータに提示して、クラ
スタ分布を正確に把握させ、オペレータが直接クラスタ
領域を指定するので、オペレータの望む最適なカラー分
類結果を得ることができるようになる。

【００５３】また、ヒストグラム閾値と立体表示の視点
とを任意に変更した画像を生成することにより、クラス
タ分布の位置、大きさを的確に把握でき、小さなクラス
タや分散するクラスタも見逃すことなく確認できるよう
になる。

【００５４】次に、第２実施形態の説明を行う。第２実
施形態では、オペレータがＮ個の仮の代表色である初期
クラスタ中心を指定した後、クラスタリングの自動計算
を実行する点に特徴がある。クラスタリングの自動計算
としては、例えばＫ平均アルゴリズムを適用しており、
クラスタ中心位置が収束するまで計算を繰り返す。

【００５５】図６は、第２実施形態に係る画像領域分類
方法を説明するフローチャートである。先ず、ステップ
Ｓ３０に示すように、画像入力部１でフルカラー画像を
入力し、ステップＳ３１に示すように、ヒストグラム作
成部２でＲＧＢ色空間における入力画像のヒストグラム
を求める。

【００５６】次に、ステップＳ３２からステップＳ３６
まではＮ回反復される仮のクラスタ中心指定処理であ
り、ステップＳ３２、ステップＳ３３でヒストグラム閾
値の設定または変更と、オブジェクトの表示属性変更、
ステップＳ３４で視点位置の設定または変更と３次元画
像生成表示を行う。

【００５７】ステップＳ３５では、クラスタ中心を指定
するが、これは第１実施形態と同様に、クラスタ中心の
試験的な設定と、ヒストグラム閾値および視点位置の変
更による再確認のプロセスを含んでいるものとする。

【００５８】こうしてＮ個のクラスタ中心を指定すると
ステップＳ３６でループを抜け、その後、ステップＳ３
７のクラスタ分類とステップＳ３８のクラスタ中心更新
処理を繰り返す。クラスタ中心が収束したらステップＳ
３９でループを抜け、ステップＳ４０に進む。ステップ
Ｓ４０では、カラー空間における格子点の分類結果から
色番号に変換された画像とカラーＬＵＴを出力する。

【００５９】次に、第２実施形態における具体的な動作
を説明する。先ず、ステップＳ３１で求めたヒストグラ
ム分布ＨＧＭ［１６］［１６］［１６］がステップＳ３
４の処理で画像表示され、仮に７個の主要クラスタをも
つことが確認されたとする。

【００６０】オペレータはステップＳ３５でＮ＝７個の
クラスタ中心を指定して、配列ＰＢ［７］、ＰＧ
［７］、ＰＲ［７］に入力する。ここで、ＰＢ［ｍ］、
ＰＧ［ｍ］ＰＲ［ｍ］は、色番号がｍの代表色を示して
いる。（ｍ＝０〜Ｎ−１とする）

【００６１】上記のように、オペレータによって仮のク
ラスタ中心が指定された後は、クラスタ分類部３によっ
て次のような処理を実行する。

【００６２】（ａ）先ず、ヒストグラムの各点（全格子
点）を最も距離の近いクラスタ中心のクラスタに所属さ
せる。分類結果をＩＤＸ［１６］［１６］［１６］に格
納する。ＩＤＸは０，１，２，３，４,５，６（クラス
タ番号）である。

【００６３】すなわち、各々のｍについて、クラスタ中
心までの距離である、（ｂ−ＰＢ［ｍ］）（ｂ−ＰＢ
［ｍ］）＋（ｇ−ＰＧ［ｍ］）（ｇ−ＰＧ［ｍ］）＋
（ｒ−ＰＲ［ｍ］）（ｒ−ＰＲ［ｍ］）を最小にするｍ
を、ＩＤＸ［ｂ］［ｇ］［ｒ］の値とする。

【００６４】（ｂ）次に、各クラスタ中心を、当該クラ
スタに所属するヒストグラム点の重心に変更する。すな
わち、各々のｍについて、ＩＤＸ［ｂ］［ｇ］［ｒ］＝
ｍとなる全てのｂ，ｇ，ｒについて、（ＣＢ［ｍ］，Ｃ
Ｇ［ｍ］，ＣＲ［ｍ］）＝Σ｛ＨＧＭ［ｂ］［ｇ］
［ｒ］×（ｂ，ｇ，ｒ）｝／Σ｛ＨＧＭ［ｂ］［ｇ］
［ｒ］｝を計算する。

【００６５】（ｃ）そして、収束検査を行う。すなわ
ち、全てのｍについて、（ＣＢ［ｍ］，ＣＧ［ｍ］，Ｃ
Ｒ［ｍ］）＝（ＰＢ［ｍ］，ＰＧ［ｍ］，ＰＲ［ｍ］）
なら収束とする。

【００６６】収束した場合、カラー分類結果ＩＤＸ［１
６］［１６］［１６］をイメージ空間に逆写像する。

【００６７】つまり、入力画像をＢ［Ｈ］［Ｗ］、Ｇ
［Ｈ］［Ｗ］、Ｒ［Ｈ］［Ｗ］とすると、出力画像＝Ｉ
ＤＸ［Ｂ［ｙ］［ｘ］，Ｇ［ｙ］［ｘ］，Ｒ［ｙ］
［ｘ］、ｙ＝０，…，Ｈ−１、ｘ＝０，…，Ｗ−１

【００６８】また、カラーＬＵＴとして、ＰＢ［ｍ］，
ＰＧ［ｍ］，ＰＲ［ｍ］、ｍ＝０，…，６を出力する。

【００６９】一方、収束しない場合は、全てのｍについ
て、（ＣＢ［ｍ］，ＣＧ［ｍ］，ＣＲ［ｍ］）を（ＰＢ
［ｍ］，ＰＧ［ｍ］，ＰＲ［ｍ］）に代入して、再び上
記（ａ）、（ｂ）、（ｃ）を実行する。

【００７０】図７は、クラスタ分類部の処理における処
理の数値例の一例を示す図である。図７（ａ）は、ヒス
トグラムの断面ＨＧＭ［２］［ｇ］［ｒ］を示す。この
中の２点が初期クラスタ中心に指定されている。

【００７１】図７（ｂ）は、空間をクラスタ分類した結
果を示し、図７（ｃ）は、再計算されたクラスタ中心を
示す。この２点（ｍ＝０およびｍ＝３）の位置は変化し
ていない。

【００７２】このような第２実施形態では、色ヒストグ
ラムをオブジェクトの集合として３次元ＲＧＢ色空間内
に表示し、その表示結果をオペレータに提示して、クラ
スタ分布を正確に把握させ、オペレータが直接代表色な
いしはクラスタ中心を仮指定するので、それを用いてク
ラスタ分類を自動計算すれば、短時間で収束し、オペレ
ータの望む最適なカラー分類結果を迅速に得ることが可
能となる。また、仮のクラスタ中心が移動して収束して
行く仮定や、クラスタ分類の途中経過がオブジェクトの
色分けされた画像により、視覚的に把握できるようにな
る。

【００７３】次に、第３実施形態の説明を行う。第３実
施形態では、同一の色のセットを用いて作成された複数
の画像データを対象とし、最初の画像に対するカラー分
類において指定されたクラスタ領域の境界データを、引
き続くどの入力画像の分類にも適用できるようにする点
に特徴がある。

【００７４】図８は、第３実施形態に係る画像領域分類
方法を説明するフローチャートである。先ず、ステップ
Ｓ５０で最初のフルカラー画像を入力し、ステップＳ５
１でそのヒストグラムを求める。

【００７５】ステップＳ５２からステップＳ５５まで
は、第１実施形態のステップＳ１２からステップＳ２１
までの処理を簡単に示したものである。ステップＳ５６
では、クラスタ領域の形状と代表色のＬＵＴを、以後の
同種の入力画像に対して反復して使用できるように、そ
のデータを保存する。

【００７６】ステップＳ５７からステップＳ６０まで
は、２番目以降の画像データに対するカラー分類処理を
示し、ステップＳ５９で、オペレータがクラスタ領域を
指定する代わりに、保存された形状データをロードして
用いている。

【００７７】次に、形状データの保存および再利用につ
いて説明する。形状データを保存して再利用するため
に、この形状が、１個以上の平面で仕切られた空間、Ｒ
ＧＢ座標軸に平行に置かれた直方体、球内部等の数式で
表現できる空間であるとする。

【００７８】例えば、傾斜する細長い立体を指定する場
合は、６枚の平面で仕切られた６個の半空間の共通部分
として表現できる平行６面体が適している。ＲＧＢ座標
軸に平行に置かれた直方体はその特殊なケースである。
球は、簡単に指定できることと、解析的に処理できるの
で、唯一使用可能な曲面である。共通部分のほか、和集
合演算も許すものとする。

【００７９】以上のように、解析的、論理的に表現すれ
ば、指定したクラスタ領域をデータとして再利用するこ
とができる。クラスタ空間を残さず簡単に分類するに
は、座標軸に平行な平面で階層的に２分割して行くのが
よい。図９のデータは、ＲＧＢ色立方体を３個の座標軸
に関する閾値から、最も単純に８分割した場合の境界面
データを示す図である。

【００８０】なお、形状データによるクラスタ領域の代
表色は、ヒストグラム重心でなく、その空間の幾何学的
中心、彩度の最大点、ないしはオペレータが指定した色
でもよい。

【００８１】このような第３実施形態では、複数の入力
画像のうち、最初の画像だけ、オペレータが介入してク
ラスタ分類を指示するが、その他の入力画像については
保存した形状データに基づき初期のクラスタ分類を設定
することができ、自動的にカラー分類を実行できるよう
になる。また、クラスタ分類のための形状データとし
て、境界面を数式で与えるので、距離計算を多用するこ
となく、迅速にクラスタ分類を行うことが可能となる。

【００８２】次に、第４実施形態の説明を行う。第４実
施形態では、ヒストグラム表示部における表示方法に特
徴がある。

【００８３】図１０は、第４実施形態における表示方法
を説明する図である。ヒストグラム表示では、これまで
説明した表示方法を含めて、以下のように表示方法を変
化させることができる。

【００８４】（ａ）オブジェクトの形状を円または正方
形または点表示にする。 （ｂ）オブジェクトをＲＧＢ色空間の格子点位置の色で
表示する。 （ｃ）ヒストグラム値がＲＧＢ色空間内で極大となるオ
ブジェクトを他と区別する色で表示する。 （ｄ）配置されたオブジェクトを両眼立体視する２個の
画像で表示する。 （ｅ）視点位置を連続的に移動した動画像で表示する。 これらは、それぞれ既知の画像生成手法で実現できる。

【００８５】図１０（ａ）に示すように、オブジェクト
をＲＧＢ色空間の格子点固有の色、すなわち原画像の画
素と同じ色で表示することにより、以下のような認識効
果を得ることができる。

【００８６】（１）原画像の各画像領域と色空間のクラ
スタとが同じ色で対応しているので、ヒストグラムの意
味・構造が予備知識無しに理解できる。 （２）クラスタの確認、およびクラスタの境界をどこに
すべきかの判断を容易にすることができる。 （３）画像中で使用されている色の、色空間内での位
置、色間の距離などが認識しやすい。 （４）形状を正方形にすることにより、元の画像を切り
刻んで色空間に散乱したような視覚効果がある。

【００８７】また、図１０（ｂ）に示すように、オブジ
ェクトを点表示することにより、以下のような認識効果
を得ることができる。

【００８８】（１）ヒストグラム閾値、視点、クラスタ
領域の変更操作に追随して、画像を素早く更新すること
ができる。 （２）指定したクラスタ領域に属する、強調表示された
格子点の個数が容易に分かる。

【００８９】また、図１（ｂ）に示したように、配置さ
れたオブジェクトを両眼立体視するための２個の画像で
表示することにより、全オブジェクトまでの距離が同時
に認識できる。

【００９０】また、上記説明したどの表示方法において
も、視点位置を連続的に移動して動画像を表示すること
により、全オブジェクトの相対的な動きから、前後関係
や分布形状を容易に認識できるようになる。

【００９１】このように、オブジェクトの形状、大き
さ、色の表現方法を変更することで、クラスタの分布を
多面的に把握し、適切なクラスタ領域の設定を行うこと
が可能となる。また、両眼立体視、または視点の連続的
変更により、複数のクラスタが視覚的に明瞭に判別で
き、クラスタの形状を詳細に観測することを可能とな
る。

【００９２】次に、第５実施形態の説明を行う。図１１
は、第５実施形態を説明する図である。先に説明した実
施形態では、ヒストグラムをオブジェクトとして表示す
る空間がＲＧＢを座標軸とする色空間であったが、第５
実施形態では、ＲＧＢ色空間から、色相（Ｈ）・彩度
（Ｓ）・輝度（Ｉ）を座標軸とするＨＳＩ色空間内にオ
ブジェクトを座標変換した画像を表示する点に特徴があ
る。なお、図１１では、色立方体の外面が双６角錐に変
形しているが、その１２個の辺のみを表示した図となっ
ている。

【００９３】ヒストグラム表示部５は、ＲＧＢ色空間か
らＨＳＩ色空間へ以下の変換式を用いて座標変換を行
う。

【００９４】ＲＧＢ座標系…（Ｒ，Ｇ，Ｂ）値は０〜２
５５ 輝度Ｉの最大値と最小値…Ｉｍａｘ＝Ｍａｘ（Ｒ，Ｇ，
Ｂ）、Ｉｍｉｎ＝Ｍｉｎ（Ｒ，Ｇ，Ｂ） 輝度Ｉの中央値…Ｉ＝（Ｉｍａｘ＋Ｉｍｉｎ）／２ 彩度Ｓ…Ｉ≦１２８の時、Ｓ＝２５６×（Ｉｍａｘ−Ｉ
ｍｉｎ）／（Ｉｍａｘ＋Ｉｍｉｎ）、Ｉ＞１２８の時、
Ｓ＝２５６×（Ｉｍａｘ−Ｉｍｉｎ）／（５１２−Ｉｍ
ａｘ＋Ｉｍｉｎ） 色相Ｈ…Ｒ＝Ｉｍａｘの時、Ｈ＝（Ｇ−Ｂ）／（Ｉｍａ
ｘ−Ｉｍｉｎ）×（π／３）、Ｇ＝Ｉｍａｘの時、Ｈ＝
（Ｂ−Ｒ）／（Ｉｍａｘ−Ｉｍｉｎ）×（π／３）＋２
π／３、Ｂ＝Ｉｍａｘの時、Ｈ＝（Ｒ−Ｇ）／（Ｉｍａ
ｘ−Ｉｍｉｎ）×（π／３）＋４π／３ ＨＳＩ座標系…（Ｓ×ｃｏｓＨ，Ｓ×ｓｉｎＨ，Ｉ）

【００９５】このようなＨＳＩ色空間では、黒と白とを
結ぶＩ軸の上方から見ると、色相がＩ軸の回りの回転角
として理解できる。また、彩度の大小は、Ｉ軸に密着し
ているか、離れているかにより判断できる。

【００９６】第５実施形態では、輝度・色相・彩度を座
標軸とするＨＳＩ色空間内にオブジェクトを座標変換し
て表示することにより、色相を基準とする構造が明瞭に
なり、クラスタ分類の方策が立てやすくなる。

【００９７】なお、第５実施形態では、ＲＧＢ色空間か
らＨＳＩ色空間への変換を例としたが、本発明はこれに
限定されず、例えば、ＲＧＢ色空間からＹ（黄）Ｍ（マ
ゼンタ）Ｃ（シアン）から成るＹＭＣ色空間、Ｌ^*ａ^*ｂ
^*色空間、ＸＹＺ色空間など、他の色空間へ変換する場
合であっても同様である。

【００９８】

【発明の効果】以上説明したように、本発明によれば次
のような効果がある。すなわち、分類対象の画像に基づ
き、各色成分を軸とした色空間内の格子点における画像
のヒストグラムを作成し、このヒストグラムを、ヒスト
グラム値に応じた大きさのオブジェクトで表示すること
から、色空間内でのヒストグラム値を視覚的に認識でき
るようになる。これにより、表示されたオブジェクトを
参照してオペレータが自分の意図に合ったクラスタ分類
を設定でき、的確かつ迅速なカラー分類を行うことが可
能となる。

【図面の簡単な説明】

【図１】第１実施形態に係る画像領域分類装置を説明す
る図である。

【図２】第１実施形態に係る画像領域分類方法を説明す
るフローチャートである。

【図３】３次元ヒストグラムの閾値を４通りに変えた表
示例を示す図である。

【図４】視野変換を示す図である。

【図５】立体画像表示を用いたオブジェクト集合の指定
を説明する図である。

【図６】第２実施形態に係る画像領域分類方法を説明す
るフローチャートである。

【図７】クラスタ分類部の処理における処理の数値例の
一例を示す図である。

【図８】第３実施形態に係る画像領域分類方法を説明す
るフローチャートである。

【図９】ＲＧＢ色立方体を８分割する場合の境界面デー
タを示す図である。

【図１０】第４実施形態における表示方法を説明する図
である。

【図１１】第５実施形態を説明する図である。

【図１２】カラー分類を行う従来の画像領域分類装置を
説明する図である。

【符号の説明】

１ 画像入力部 ２ ヒストグラム作成部 ３ クラスタ分類部 ４ 画像出力部 ５ ヒストグラム表示部 ６ 操作入力部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 樋口 浩一 東京都港区虎ノ門１丁目７番12号 沖電気 工業株式会社内 Ｆターム(参考） 5B057 AA11 BA02 CA01 CA12 CA16 CB01 CB12 CB16 CC01 CE17 DA16 DC19 DC25 5L096 AA02 CA14 DA04 FA37 GA40 GA41 JA22

Claims (10)

【特許請求の範囲】
1. 【請求項１】 複数の色成分から構成される画像に基づ
   き、各色成分を軸とした色空間内の格子点における前記
   画像のヒストグラムを作成するヒストグラム作成手段
   と、 前記ヒストグラム作成手段で作成されたヒストグラムを
   ヒストグラム値に応じた大きさのオブジェクトで表示す
   るヒストグラム表示手段と、 前記ヒストグラム作成手段で作成されたヒストグラムの
   全格子点を複数個の代表値で分類するクラスタ分類手段
   とを備えることを特徴とする画像領域分類装置。
2. 【請求項２】 前記オブジェクトを表示するヒストグラ
   ム値の閾値を前記ヒストグラム表示手段に指示する操作
   入力手段を備えることを特徴とする請求項１記載の画像
   領域分類装置。
3. 【請求項３】 前記操作入力手段は、前記オブジェクト
   の配置状態を表示する基点となる視点位置を前記ヒスト
   グラム表示手段に指示することを特徴とする請求項２記
   載の画像領域分類装置。
4. 【請求項４】 前記ヒストグラム表示手段は、前記オブ
   ジェクトとして円または正方形または点を用いることを
   特徴とする請求項１記載の画像領域分類装置。
5. 【請求項５】 前記ヒストグラム表示手段は、前記オブ
   ジェクトを前記色空間内の格子点における色で表示する
   ことを特徴とする請求項１記載の画像領域分類装置。
6. 【請求項６】 前記ヒストグラム表示手段は、前記ヒス
   トグラム値が最大となるオブジェクトを他のオブジェク
   トと区別して表示することを特徴とする請求項１記載の
   画像領域分類装置。
7. 【請求項７】 前記ヒストグラム表示手段は、前記オブ
   ジェクトを両眼立体視するための２個の画像で表示する
   ことを特徴とする請求項１記載の画像領域分類装置。
8. 【請求項８】 前記ヒストグラム表示手段は、視点位置
   を連続的に移動した動画像で前記オブジェクトを表示す
   ることを特徴とする請求項１記載の画像領域分類装置。
9. 【請求項９】 複数の色成分から構成される画像に基づ
   き、各色成分を軸とした色空間内の格子点における前記
   画像のヒストグラムを作成し、このヒストグラムの全格
   子点を複数個の代表値で分類して複数のクラスタ領域を
   生成する画像領域分類方法において、 前記ヒストグラムをヒストグラム値に応じた大きさのオ
   ブジェクトで表示することを特徴とする画像領域分類方
   法。
10. 【請求項１０】 前記複数個の代表値で分類した各クラ
    スタ領域の形状データを記憶しておき、他の画像でクラ
    スタ領域の分類を行う際に前記形状データを読み出して
    再利用することを特徴とする請求項９記載の画像領域分
    類方法。