JPH02199586A - 形状情報を保存する画像２値化処理方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、画像より特定形状情報の抽出を行なう画像解
析システムに係り、特に多重分光画像から形状情報を保
存した２値化−像を得るの□に虹適な画像２値化処理方
法に関する。

〔従来の技術〕

従来の２値化処理方法としては、〔コンピュータ画像解
析処理入門」口材監修、総研出版（昭６０）ｐｐ６５〜
６９に記載のように画像の濃度ヒストグラムに現われる
谷に注目して、２値化のしきい値を求めるのが一般的で
ある。この方法は、濃度ヒストグラムが双峰性をなすこ
とを前提にした考え方であり、双峰性を満たさない入力
画像に対しては有効ではない。

厳密な双峰性を満たさない濃度ヒストグラムから谷を自
動検出する有効な方法として、〔判別および最小２乗規
準に基づく自動しきい値選定法〕電子通信学会論文誌、
Ｖｏ　１．Ｊ　６３−Ｄ、　Ｎａ４゜Ｐｐ３４９〜３５
６に記載の大津の方法がある。

上記従来技術における、しきい値の自動決定処理を改良
した方法であり、濃度ヒストグラムをあるクラスに分離
する場合、クラスの分離度を最大とする判別基準を用い
て最適し・きい値を求める方法である。しかし、結果と
して抽出対象物の意味ある対象部分を切り出せるか否か
について考慮されていない。

また、〔二値画像の複雑さと多値画像のしきい値処理に
関する考察〕電子情報通信学会論文誌、Ｖｏｌ、Ｊ７０
−Ｄ、＆１．．ｐｐ１６４〜１７３に記載の呑口の方法
は、２値化処理結果として抽出対象物の意味ある対象部
分を切り出すため背景と対象に関し、しきい値決定に画
像形状の複雑度の基準を導入している。しかし呑口の複
雑さの基準を用いても、衛星画像や医療画像等の濃度変
化が複雑な画像に対しては、意味ある形状情報を抽出す
ることは困難である。

以上のように、従来方法は、抽出対象物が背景に比較し
て小さく、輝度レベル値が背景と比較して著しく異なら
ない自然画の場合は、濃度ヒストグラムあるいは複雑さ
の情報だけでは、抽出対象物を高精度に２値化できない
。

〔発明が解決しようとする課題〕

本発明の処理対象とする画像は、文書及び図形のような
人工画に限らず、医用におけるＭＲＩ（マグネティク　
レゾナンス　イメージングＭａｇｎｅｔｉｃ　Ｒｅｇｏ
ｎａｒｉｃｅＩｍａｇｉｎｇ）　’画像、車番、交通標
識等を撮影した一般情景画像および衛星撮影画像等の自
然画を対象とする。

これら自然画に対し、上記従来技術は、以下の問題があ
った。

（Ｉ）シきい値の決定基準に、２値化処理後の抽出対象
物の形状について考慮されていない。このため、処理結
果では、形状情報の欠落を生じる。

（２）自然画における抽出対象物は、背景に比べ微小面
積および対象物と背景の輝度レベル分布が一義的に決ま
らない。このため、ヒストグラムにおける双峰性を前提
とするしきい値決定では、最適しきい値が求まらない。

本発明の目的は、上記問題を解決し、形状情報を保存し
た２値化処理のしきい値決定方法を提供することにある
。

〔課題を解決するための手段〕

上記の問題は、以下により達成される。

問題を解決する手段として以下の（Ｉ）に示す階層２値
化方式と（２）に示す領域拡張２値化方式がある。

（Ｉ）２値化処理後の形状情報を保存するために、対象
固有の特徴量を用いしきい値処理を行なう。

第２図に示すように画像中の明るさのダイナミックレン
ジに相当する輝度レベル、つまり、最大輝度レベルＩ−
ａ−９から最小輝度レベルｌ１１１゜１０にわたって各
輝度レベル毎に２値化を行なう。これを階層２値化１１
と呼ぶ。

第３図に示すように濃淡画像ｆ１２は、しきい値ｉ１’
３により２値化した場合、ｉ＝θＩＩＩＦ１ｘ１４セは
、すべで低輝度レベル、ｉ＝θｍ１ｎ１５では、すべて
高輝度レベルに２値化される。

よって、中間扉□度レベルθｍ’＆！　　１〜θｍｉｎ
＋１１６において最適しきい値が存在する。最適しきい
値が存在する区間について、各輝度レベル毎（階層）に
２値化処理を行なった結果の候補領域（高輝度レベル領
域）に対し形状等の対象固有の特徴量を用いてしきい値
の妥当性を判定する。つまり候補領域の特徴量が基準特
徴量の許容範囲を満たす場合のしきい値を最適しきい値
と判定する。以下、本手段による２値化方式を階層２値
化方式と呼ぶ。

（２０１）の代案として粗く候補点を求めてから領域を
拡張することで２値化する以下の方法がある。

第４図に示すように入力画像１７に対して濃度ヒストグ
ラム１８の谷を算出する。これを粗しきい値１９と呼ぶ
。この場合、対象の明るさについての先験情報、例えば
、″対象は背景に比べ明るいか暗いか”、を用いる。

粗しきい値１９を用い、例えば、既存の２値化方式、モ
ード法を用い背景の可能性の高い領域と対象が含まれる
可能性の高い領域に分割する。対象が含まれる可能性の
゛高い領域を粗候補領域（粗候補点）２０と呼ぶ。一方
、背景の可能性の高い領域を背景領域２１と呼ぶ。粗候
補領域については、再度、モード法を用い２値化処理を
行ない精候補点を求める。求めた精候補点の領域を拡張
する方向に輝度レベル値を変化させ求めた特徴量が、基
準となる特徴量の許容範囲を満たす場合、そのしきい値
を最適しきい値とする。

本手段による２値化方式を領域拡張２値化方式と以下呼
ぶ。

階層２値化および領域拡張２値化方式において最適しき
い値を決定するに際し、対象と背景を識別する対象固有
の特徴量を用いる。対象固有の特徴量としては形状や色
情報を用いる。例えば、候補領域の面積は基準の面積と
比・較して許容範囲内か否か、円形率は許容範囲内か否
か、あるいは、色情報は、許容範囲内か否かを判定する
。

また、上記に示す基準特徴量と算出特徴量の比較の他に
、順次算出する特徴量の変化率を用いて最適しきい値を
決める方法もある。例えば、階層２値化方式において、
領域の面積が急に大きく変化する輝度レベルを最適しき
い値とする。

〔作用〕

階層２値化および領域拡張２値化方式において、（Ｉ）
２値化処理後の抽出対象物の形状情報を保存するために
、第２図に示すように対象固有の特徴量８を用い輝度レ
ベル毎（階層毎）に２値化処理を行なう。あるいは、第
４図に示すように粗しきい値により求めた候補領域に対
し、対象（ｌＯ） 固有の特徴量８を用い領域拡張処理を行なう。

これにより、濃度ヒストグラム特性が双峰性を示さなく
ても任意Ｑ輝渡レベルに分布する対象物を検出できる。

（２）対象と背景を識別する特徴量として形状や色情報
を用いる。対象は、領域の色や１面積、円形率等の形状
に依存しているため、対象と背景を識別することが容易
になる。また、形状および色は、撮影条件変動、例えば
、衛星画像では大気効果、が生じても特徴量の変動は非
常に小さく、処理精度劣化の問題とならない。

階層２値化方式において、 （３）事前に画像量の明やさのダイナミックレンジを算
出しダイナミックレンジレｑ相当する輝度レベル、つま
り、第２図に示すように、最大輝度レベルＩｍａｘ９か
ら最小輝度レベルｌｍ１ｎｌＯの間のみ５各輝度レベル
毎に２値イレを行なう。これにより最適しきい値を含ま
ない輝度レベルにおける処理、つまり不必要なデータ処
理を行なわないため処理時間を節約できる。

領域拡張２値化方式において、 （４）粗しきい値１９により候補領域２０と背景領域２
１を分離し処理対象を候補領域２０に絞り、処理データ
量を減らし、粗候補点のみ処理時間のかかる対象固有の
特徴量を用いた２値化処耶をすることで処理時間の節約
が図れる。

〔実施例〕

以下、本発明の実施例を第１図から第２５図を用いて説
明する。

医療診断に有効なＭＲＩＲ像より病変部（腫瘍）を自動
検出する画像解析システムの４つの実施例について説明
する。

実施例１，２は階層２値化方式、実施例３は。

領域拡張２値化方式を示す。また、実施例１，３は対象
固有の特微量仁して形状情報を用い、実施例２は対象固
有の特徴量として、形状と色情報を用いた例を示す。

さらに実施例４では、実施例１〜３の利用方法について
示す。

実施例１ 医療診断に有効なＭＲＩＲ像を入力画像の一例とし、病
変部（腫瘍）を自動検出する画像解析処理システムを第
５図、に示す。

この画像解析処理システムは、ＭＲＩＲ像１を入力装置
２５によりデータ処理装置２６へ読み込み、記憶装置２
７に格納した基準データとの比較を行なうことにより病
変部の自動認識を行ない、結果を表示装置７に出力する
システムである。本発明の中心となるデータ処理装置に
おける処理の詳細を、第１図に示す画像認識処理図にて
説明する。

（Ｉ）前処理 ＭＲ工面画像１、第６図（ａ）に示すように、検出器の
感度特性により濃度歪を生じている。

各濃度値に・対して画像中におけるその濃度値をもつ画
素数を計数した濃度ヒストグラムは、同図（ｂ）のよう
にある輝度レベル付近に偏って存在し、画質の劣化を生
じる。

このため、以下に説明する２値化処理の精度が悪くなり
、病変部の検出精度が劣化し、濃度歪の補正が必要とな
る。

前処理２での濃度歪補正は、たとえば「コンピュータ画
像処理入門」口材秀行監修、総研出版、第９５〜９７頁
に記載の方法により容易に補正できる。

すなわち、第（Ｉ）式に示す輝度レベルの線形変換式に
より補正が可能である。

Ｙ　＝＝　ａ　ｘ　十ｂ　　　　　　　　　　・・・（
Ｉ）ここで、Ｙ：濃度歪補正画像の輝度レベル値Ｘ：濃
度歪未補正画像の輝度レベル値 ａ、ｂ：濃度歪補正係数 濃度歪補正画像を第６図（ｃ）に示す。濃度ヒストグラ
ムは同図（ｄ）のように広い輝度レベルにわたって存在
するため、画質は改善されている。

（２）特徴量ファイル 階層２値化処理に用いるため、基準パターンの特徴量を
第１の特徴量ファイル４に登録する。

基準パターンの特徴量として検出対象物の形状情報を用
いる。例えば、形状情報として病変部の面積（画素数）
を用いる。予め既知の代表的な病変部の面積を求めてお
き、基準パターンとして第１の特徴量ファイル４へ登録
しておく。

登録した基準パターンの面積の上限値をａ２、下限値を
ａｌとする。

（３）階層２値化処理 ＭＲＩ画像はＯ〜２５５輝度レベルの濃度を持つとする
。しかし、後段の解析処理では２５６輝度レベルの濃度
を必要とせず、２次元の形状情報だけを必要とする。よ
って、解析処理５に必要のない冗長情報の削減を行なう
。つまり病変部を高輝度レベルに病変部以外の背景を低
輝度レベルに設定する２値化処理を行なう。

２値化処理３は、第７図に示す階層２値化処理フローに
より行なう。

（、）最小、最大輝度レベル値算出処理第３図に示すよ
うに入力（原）画像ｆ１２の輝度レベルの分布は、０〜
２５５輝度レベルの全てにわたって存在しない場合があ
り、２５６輝度レベル全部に対し階層２値化処理３を行
なうことは無駄な処理を行なうことになる。よって、処
理対象とする輝度レベル値を明らかにするため、入力画
像１２のもつ輝度レベルのダイナミックレンジを事前に
算出（２９）する。この処理は、画像の全画素について
輝度レベル値をチエツクすればよい。

最大輝度レベル値をｌｌｌｌＬＸ％最小輝度レベル値を
ｌ１ｌｉｎとする。以下の処理は、Ｉ　ｗａｘ−１から
工、Ｉｉ１．＋１の範囲で行なう。

（ｂ）２値化処理 ここで、 θｘ”　Ｉ　１１＋　１　　　　　　　　　　　　　・
・・（２）θｚ＝Ｉｍａｘ　　　１　　　　　　　　　
　　　　・・・（３）とする。各輝度レベル値毎に以下
の処理を行なう。

（ｉ）輝度レベル判定処理 全画素について、輝度レベルθ２から０１へ順に１輝度
レベルづつ嘩げ、以下の２値化画像を得る。

ＤＯｉ＝　０２．　θ工 ｉｆ　ｆ＞ｉ　　ｔｈｅｎ　　ｂｉ　＝　１００ｅｌｓ
ｅ　ｂｉ＝　Ｏ−（４） ＮＤＤＯ ここで、第８図に示すようにｂｌは、ｆをしきい値ｉで
処理した場合の２値化画像である。ここで、２値化画像
は、対象を高輝度レベル、背景を低輝度レベルに設定し
た画像である。

例えば、高輝度レベル値として１００、低輝度レベル値
として０を設定する。また、第８図に示すように階層２
値化処理において、原データ画像ファイルｆ３、２値化
画像ファイルｂｉ　３６、および、ラベル画像ファイル
ｂｉ　　３７という３つのデータファイル構造をとる。

以下、ファイル名と画像基を同等に使う。例えば、ｂ、
は、２値化画像そのものを指す場合もあるし、また、画
像の格納されるファイル名を指す場合もある。

（ｉｉ）形状特徴量判定処理 形状特徴量処理は、ラベリング、面 積判定処理より構成される。まず、ラベリング処理３０
を行なう。

（イ）ラベリング処理 対象である高輝度レベルの領域につい て、各２値化画像ｂｉ毎にラベリング処理３０（第７図
）を行なう。

第８図に示すように、ラベリング処理 ３０により候補エリア算出結果に対して１から始まる番
号を割り当てる。番号の最大値をｋとする。ｋは候補エ
リア数に一致する。ラベリング処理３０は、隣接して存
在する高輝度レベルの画素に同番号を割り付けるという
［コンピュータ画°像処理入門］口材秀行監修、総研出
版、第７５〜７６頁に記載の公知の方法により行なう。

ラベリング処理３０後の画像をｂｉ ３７とする。

（ロ）面積判定処理 ラベリング処理画像ｂｔ’３７に対し各対象に対し特徴
量ＡＪを算出する。ここでは、対象固有の特徴量として
面積を用いる。ラベルｊの領域について面積処理３１を
行ないＡ、゛を求める。□事前に特徴量ファイル１４に
格納した特徴量ａ２ （面積上限値）、ａｚ（面積Ｆ限値）を基準として用い
、候補点にの数だけ以下の処理を行なう。

一つ前しきい値（ｘ　＝　０ｎ−１）による２値化結果
をｂｎ−１、呪しきい値（ｉ＝θ。）による２値化結果
をｂｎとする。

Ｄｏ　　　ｊ＝１．ｋ ｉｆａｚ≧ＡＪ≧ａｔ　　ｔｈｅｎ　　ｂｔ＝１００　
　　・・・（５）ｅｌｓｅ［ラベル画像照合処理］ ＮＤＤＯ （ハ）ラベル画像照合処理 ラベル画像照合処理３３は、以下のよ うに行なう。面積判定処理条件を満たさない場合は、２
値化画像ｂｎ−ｚａ８に含まれる候補エリアを２値化画
像ｂｎ２９に埋め込む処理を行なう。例えば、第８図の
２値化画像ｂｎ−ｚ２８の２値化結果４０．４１をラベ
ル画像ｂｎのラベル Ｌ２に対応する２値化画像３９の領域に埋め込む。

第９図に示すように、しきい値θ□−１およびθ。で処
理した画像の輝度分布をラベルそれぞれμｍ〜Ｑ４．Ｌ
ｌ〜Ｌ４の領域として示す。θ。−工およびθ１で求め
たラベル１１およびＬｌの領域を２値化すると、はとん
ど同じ面積である。

よって、この場合は、しきい値θ。で処理した結果Ｌ１
を２値化結果として採用する。ラベルＱ２（Ｌ２）とＱ
４（Ｌ２）については、しきい値により面積が異なる。

しきい値θ。における処理結果Ｌ２では、面積判定条件
を満たさない。このため、しきい値θ□−工による処理
結果うベルＱ２．０４を２値化結果とする。ラベルＱ３
（Ｌ３）については、面積判定条件ｏｎ−１では条件を
満たさず、θ□で満たす。よって、θ。のしきい値結果 Ｌ３を２値化結果とする。

（４）解析処理 ２値化画像ｂｉから解析処理５により特徴量を抽出する
。特徴量として、「コンピュータ画像処理入門」口材秀
打監蓚、総研出版、第８７頁に記載のフーリエ記述子を
用いる。フーリエ記述子は、大きさ、方向に依存しない
特徴量である□。また、フーリエ記述子の係数の次数を
適切に設定すれば、形状の概略から詳細まで表現できる
特徴量である。

第１０図に示すように閉曲面の境界線上の各頂点におけ
る偏角Δθを求め、偏角関数θ□をフーリエ変換すれば
、フーリエ記述子ａ（Ｉ）が求まる。　　　　□ に ここで、１に≦１≦ｌｋ÷１ ］ｅｔ＋ｚ　　　Ｘｓ　　　　　　　　Ｘｓ　　　Ｘｓ
−ｚａ（Ｉ）＝Ｐ（θ（Ｉ））　　　　　　　　　　　
　・・・（９）ここで、Ｐ（・）　；パワースペクトル
演算子。

（ｉ）特徴量ファイル 予め検出対象物のフーリエ記述子のパワースペクトルを
求め、第２の特徴量ファイル６に格納しておく。これを
Ａ（Ｉ）とする。（五）類似度判定処理 第２の特徴量ファイル６から読み込んだ検出対象物のフ
ーリエ記述子Ａ（Ｉ）と、２値化画像ｂｉから求めたフ
ーリエ記述子ａ（’ｌ）から類似度を求める。求めた類
似度から検出対象物か否かを判定する。ここで２各特微
量をベクトルで表現する。

つまり、Ａ（Ｉ）→Ａ、ａ（Ｌ）→ａとする。類似度と
して、相関係数ｒを用いる。

ａ　−Ａ ここで、・：内積 １１：ノルム演算 一１≦ｒ≦１ 相関係数ｒは、似ている場合は１に近い値になる、似て
いない場合は−１に近い値になる。また、しきい値θは
、実験的に求めておく。

検出対象物か否かを判定する方法は、しきい値θを満た
すか否か、第（Ｉ１）式により決める。

ｉｆ　ｒ≧＠　ｔｈｅｎ検出対象物 ｅｌｓｅ検出外対象物・・・（Ｉ１） 経験的には、θ＝０．８程度が妥当である。

第１１図に示すように、ＭＨＩ頭部撮影画像（ａ）より
病変部の検出結果（ｂ）を得ることができる。

本発明は、基準パターンの形状特徴量として、面積の代
わりに、周囲長、円形率等、あるいは、複数の特徴量を
組合せて用いる２値化処理も可能であり、形状特徴量が
多い程、より高精度に２値化が行なえる。さらに、類似
度判定処理における類似度として、相関係数の他にユー
クリッド距離、マハラノビス距離を用いてもよい。また
、実施例１において、解析処理５は行なわす２値化処理
により候補点を求め、久方画像上で候補点をマーキング
する処理構成も有効である。

また、本発明における面積判定処理、つまり、事前に登
録した面積しきい値を満たすか否か判定処理の代案とし
て、面積の変化率をしきい値として用いる方法も有効で
ある。例えば、輝度レベルｉでの候補領域のしきい値処
理後の面積がＡｉで輝度レベル値ｉ−１の面積がＡ　ｉ
　−ｘで、両者の面積の差（Ａ　＊　−ｔ　　Ａ　ｉ　
）が事前に設定した変化率εを越えた場合、輝度レベル
ｉを最適しきい値と決定する方法である。

以上により、本発明は、対象固有の特徴である形状情報
を用いしきい値を求め２値化処理を行なうので、対象の
形状を保存し、対象を高精度に検出することができる。

［実施例２］ 本実施例は、実施例１と同様、病変部（腫瘍）を自動検
出する第５図に示す画像解析処理システムに関する。本
発明の中心となる第５図のデータ処理装置２６における
処理の詳細を、第１２図に示す病変部検出のための画像
認識処理図にて説明する。

実施例１と異なる点は、対象固有の特徴量として、形状
情報に加え色情報も用いる点である。入力画像ともて複
数の緩和時間よりなるＭＲＩ画像のうち、輝度レベル相
関の小さい３つの画像を用いる。緩和時間の短い画像よ
り赤、青、緑の３原色に対応させる。

以下、実施例１と同様の内容は、説明を省略する。

（Ｉ）入力画像 入力画像として用いる画像は、異なる緩和時間よりなる
３つのＭＲＩ画像１３６を用いる。

３つの異なる緩和時間画像を、赤（ｒ）、緑（ｇ）。

青（ｂ）成分の画像とみなし、多重分光（バンド）画像
と呼ぶ。各成分に対応する多重分光画像を、ｆｒ（ｘ＋
　ｙＬ　ｆｇ（ｘ＋ｙＬ　ｆｂ（ｘ、ｙ）と表す。

ここで、ｆ’（ｘ＋ｙ）は、座標（ｘ、ｙ）の明るさ（
輝度レベル）ｆを意味する。以下、座標（ｘｔｙ）は省
略する。

（２）特徴量ファイル 色変換処理１３８および階層２値化処理１４０に用いる
ため、対象固有の特徴量を第１の特徴量ファイル１３９
に登録しておく。基準パターンの特徴量として検出対象
物の形状情報と色情報を用いる。例えば、形状情報とし
て病変部の面積、色情報として病変部の色相を用いる。

面積の上限値をａＱ、下限値をａｌ、色相の上限値をｈ
２．下限値をｈｌとする。

（３）前処理 ＭＲＩ画像１３６は、第６図（ａ）に示すよう検出器の
感度特性により濃度歪を生じている。

よって、実施例１と同様の方式により濃度歪補正による
前処理１３７を行なう。

次に、前処理済の画像に対し、第１３図に示す処理フロ
ーにより階層２値化処理１４０を行なう。階層２値化処
理１４０は、第１３図に示す処理フロー図によりなされ
る。以下処理フローに従い説明する。

（４）色変換処理 多重分光画像ｆｒ、ｆｇ、ｆｂは、赤（ｒ）、緑（ｇ）
、青（ｂ）（７）原色に対応した濃淡画像である。

以下、色の情報を用いて処理１４６を行なうため、ｆｒ
、ｆｇ、ｆｂの３画像から色相データ（色相画像）Ｈを
求める。

色相画像Ｈは、色相データ算出処理および輝度レベルシ
フト処理により求まる。

（、）色相データ算出処理 色相データＨの算出方法は、「コンピュータ画像処理入
門」口材秀行監修、総研出版、昭和６０年３月、第１４
１頁から第１４３頁、および第２４７頁から第２６２頁
に記載のように第（Ｉ２）式から第（Ｉ５）式により求
める。

ｆｒ≧ｆｇのとき Ｈ’＝−−＝−一　　　　　　　　　　　　・・・（Ｉ
２）ｆｒ（ｆｇのとき ｄ　＝　（ｆ　ｒ”＋　ｆ　ｇ”＋　ｆ　ｂ２）　　　
　　　　　　−（Ｉ５）ここで、π：円周率 （ｂ）輝度レベルシフト処理 色相データＨ′は、０〜３６０レベルで表され周期的特
性を持つ。

検出対象物（病変部）の色相データを最高輝度レベルで
表すため、第１４図に示す輝度レベルシフトを行なう。

ここで、検出対象物の色相データをｈｘ　　（特徴景フ
ァイル１３９に登録したデータの上限値）として、ｈｚ
が最高輝度（２５５輝度）レベルになるように色相デー
タＨを第（Ｉ６）式および第（Ｉ７）式により変換する
。

０≦Ｈ′≦ｈ２のとき ｈａ＜Ｈ’　＜３６０のとき Ｈを、ＭＨＩ画像ｆｒ、ｆｇ、ｆｂから算出した色相画
像と呼ぶ。

同様にしきい値ｈ　Ｚ、　ｈ　１を第（Ｉ６）式、第（
Ｉ７）式により色変換処理および輝度レベルシフト処理
する。処理後も同様に、ｈｚ、ｈｔにて表記する。

（５）階層２値化処理 実施例１と同様、色相画像に対し階層２値化処理１４０
を行なう。実施例２が実施例１と異なる点は、対象とな
る画像が、色変換処理画像であることである。

（、）最小、最大輝度レベル値算出処理実施例１と同様
、入力（色相）画像Ｈの輝度レベルの分布は、０〜２５
５輝度レベルの全てにわたって存在しない場合があり、
２５６輝度レベル全部に対し階層２値化処理を行なうこ
とは無駄な処理を行なうことになる。よって、処理対象
とする輝度レベル値を明らかにするため、入力画像Ｈの
もつ輝度レベルのダイナミックレンジを事前に算出する
。この処理は、画像の全画素について輝度レベル値をチ
エツクすればよい。

最大輝度レベル値をＨｍａｘ　、最小輝度レベル値をＨ
ｍ　ｔ　ｎとする。以下の処理は、θ２＝Ｈ−ａｘ　　
１からθｚ’＝Ｈｍ＋ｎ＋１の範囲で行なう。

（ｂ）２値化処理 各輝度レベル値毎に以下の処理を行なう。

ＤＯｉ＝０２，０１ ｉｆ　　Ｈ）　ｉ　　ｔｈｅｎ　ｂｉ＝　１００ｅｌｓ
ｅ　ｂｉ＝　０　　　−（Ｉ８）ＥＮＤＩ）０ ここで、ｂ、はＨをしきい値ｉで処理した場合の２値化
画像である。ここで、２値化画像は、対象を高輝度レベ
ル、背景を低輝度レベルに設定した画像である。

例えば、高輝度レベル値として１００、低輝度レベル値
として０を設定する。以下は、実施例１と同様である。

形状特徴量処理は、ラベリング、面積判定処理より構成
される。まず、ラベリング処理を行なう。実施例１と同
様であるため説明を省略する。

（イ）ラベリング処理 対象である高輝度レベルの領域につい て、各２値化画像ｂｉ毎にラベリング処理を行なう。

ラベリング処理後の画像をｌ、％とする。

（ロ）面積判定処理 ラベリング処理画像ｂｉ　に対し各対 象に対し特徴量Ａ４を算出する。ここで（３工） は、対象固有の特徴量として面積を用いる。ラベルｊの
領域について面積処理を行ないＡａ　を求める。事前に
特徴量ファイル１　（Ｉ３９）に格納した特徴量ａ２．
（面積上限値）、ａ、（面積下限値）詮基準として用い
、候補点にの数だけ以下の処理を行なう。一つ前しきい
値（ｉ＝θ、−１）による２値化結果をｂｎｉ、現しき
い値（ｉ＝０、）による２値化結果をｂｎとする。

１＝ｎ Ｄｏ　　ｊ＝１．ｋ ｉｆａｘ≧ＡＪ≧ａ　１　ｔｈｅｎ　ｂｉ＝１００　　
　　−（Ｉ９）ｅｌｓｅ［ラベル画像照合処理］ ＮＤＤＯ （ハ）ラベル画像照合処理 ラベル画像照合処理は、以下のように 行なう。面積判定処理条件を満たさない場合は、２値化
画像ｂ　ｎ−ｘに含まれる候補エリアを２値化画像ｂｎ
に埋め込む処理を行なう。

（６）解析処理　　　　　　　　□ ゛２値化画画像Ｂから特徴量を抽出する。特徴量として
フーリエ記述子を用いる。以下の処理は、実施例１と全
く同じであるため、説明を省略する。

（７）検出結果 第１′１図に示すように、以上の処理により病変部のみ
を検出した結果が得られる。

本発明は、色情報として（Ｉ２）式から（Ｉ５）式に示
す非線形変換による色相の代わりにＲ，Ｇ。

Ｂ３原色の線形変換である加重加算値を用いても有効で
ある。また、色変換処理を行ない２値化画像を得る代替
案として、多重分光画像ｆｒ。

ｆｇ、’ｆｂの各画素に対し、実施例１と同様の処理を
行ない、各２値化処理結果の地王する位置の画素どうし
ＡＮＤ論理処理を行なうことにより検出することも有効
である。例えば、対応画素の輝度レベルがすべて、高輝
度レベル値の場合は、高輝度レベル値、その他の場合は
、定期度レベル値と設定することにより多重分光画像に
対する２値化結果を得ることができる。

以上により、本発明は、対象の固有の特徴である形状お
よび色情報を用いしきい値を求め２値化処理を行なうの
で、対象の情報を保存し、対象を高精度に検出すること
ができる。

［実施例３］ 本実施例は、実施例１と同様、病変部（腫瘍）を自動検
出する第５図に示す画像解析処理システムに関する。

本実施例では候補領域を求め、候補領域拡張処理による
対象の形状情報を保存した２値化処理について説明する
。

本実施例の中心となる第５図におけるデータ処理部２６
の詳細を第１５図に示す病変部検出のための画像認識処
理図にて説明する。

以下、実施例１および実施例２と同様の内容は説明を省
略する。

（Ｉ）前処理 入力画像であるＭＨＩ画像１４６は第６図（ａ’）に示
すよう、検出器の感度特性により濃度歪を生じている。

このため、濃度歪補正が必要である。補正方法は実施例
１と同様である。よって、説明は省略する。濃度歪補正
画像を第６図（Ｃ・）に示す。

（２）特徴量ファイル 基準パターンの特徴量として検出対象物の形状情報を用
いる。例えば、形状情報として病変部の面積（画素数）
を用いる。これは以下に説明する２値化処理に用いるた
め、あらかじめ既知の病変部より求めておき、第１の特
徴量ファイル１５１へ登録しておく。登録する特徴量は
、病変部の面積の平均値αと許容範囲（誤差）εである
。

（３）領域拡張２値化処理 解析処理１５２では画像の２次元形状情報だけを必要と
し、２５６階調の輝度レベルを必要／としない−よって
、病変部を高輝度レベルに病変部以外の背景を低輝度レ
ベルに設定する２値化画像を求める。

領域拡張２値化処理１４８は、（Ａ）候補領域算出処理
１４９、および（Ｂ）領域拡張処理１５０の２段階処理
よりなる。

（Ａ）候補領域算出処理 第１７図に示す処理フローに従い行なう。

（ｉ）半値化処理 検出対象物である病変部と病変部以外の背景とを切り分
けるための濃度ヒストグラムのしきい値を求める。

画像中に存在する病変部の輝度レベルは、位置により異
なる値を持つ可能性がある。

このため、画像全体で１つの固定しきい値では対象を検
出することは困難である。よって、画像から病変部を含
む可能性が高い候補領域を求める。

候補領域算出の方法としては、「コンピュータ画像処理
入門」口材秀行監修、総研出版、第６６頁から第６９頁
に記載のモード法と呼ばれる公知の方法により行なう。

第１８図に示す濃度ヒストグラムでは、病変部５９は比
較的明るいものと仮定する。

しきい値６３以下の輝度レベルは病変部以外の背景６１
であるため、０輝度レベル等の低輝度レベルに設定し、
しきい値６３以上の候補領域６２は、もとの濃淡画像値
を設定する半値化処理５８を行ない第１６図（ａ）に示
す半値化画像ｂ６５を得る。

（…）ラベリング処理 第１６図（ａ）に示す半値化画像ｂ６５に対してラベル
リング処理６０を行ない。

′１から始まる番号を候補領域５６に割り当てる。番号
の最大値をｎとする。ｎは候補領域数に一致している。

ラベリング処理６０は、［コンピュータ画像処理入門］
口材秀行□監修、総研出版、第７５頁から第７６頁に記
載の公知の方法により行なう。

半値４ヒ謔像すをラベリングした結果をラベリング画像
ｂ′とする。例えば、第１６図（ｂ）におけるラベルＬ
１〜Ｌ３に対応する候補′領域数ｎは３となる。

（ｉ）候補類Ｖ数繰返し処理 候補領域数繰返し処理により１か６１づつｎまでカウン
トしこれをｉとするａ１番目の粗候補エリアに対して以
下の（ｉｖ）〜（元）の処理を行なう。（第１６図（ｂ
）のラベルＬＬ、Ｌ２．Ｌ３に対応する。）（ｉｖ）最
大最小輝度レベル値算出処理候補領域の輝度レベルの分
布は、実施例１と同様に０〜２５５輝度レベルの全てに
わたって存在しない。よって、処理区間を決定するため
画像のもつ輝度レベルの最大値ＩｍＪＬ、と最小値Ｉ　
ｍｔｎを求める。

（ｖ）濃度ヒストグラム算出処理 輝度レベルの最大値Ｉ　＋＋ａｘと最小値Ｉ　Ｗｉｎの
区間で、□各輝度の点数をカウントした濃度ヒストグラ
ムを求める。第１９図＜ａ＞に候補領域５６の濃度ヒス
トグラム６７の一例を示す６ （ｖｉ）面積算出処理 求、めた濃度ヒストグラムを用いて、輝度の最・小値Ｉ
　ｗｉｎから順番にヒストグラムの輝度レベル値を最大
値Ｉ　ｗａｘまで加算処理を行ない、輝度レベル毎にそ
の輝度レベルより明るい画素の面積を求める。そして、
登録した病変部の面積に一致する輝度レベルを検索すれ
ば、しきい値が求まる。

ここで、輝度レベル値Ｉ　ｗａｘに対する面積をＡ　ｗ
＋　ｔ　ｎ、輝度レベル値■ｌｌｉ。に対する面積をＡ
□８とする。第１９図（ｂ）に輝度・面積グラフ６９を
示す。実際の処理においては、濃度と面積の関係をテー
ブルとして設定する。

（■）輝度・面積テーブル算出処理７０輝度・面積テー
ブルを参照すればその輝度レベルに対する面積が求まり
、逆に面積を参照すればその面積に対する輝度が求まる
テーブルを求める。

第２０図に輝度・面積テーブル７１を示す。各輝度と面
積が対応付けられている。

例えば、輝度参照用と面積参照用の一次元配列をメモリ
上に確保する。そこで、輝度参照用ではＩ　ｌ１ｉｎ〜
Ｉ　＋ｍａＸの輝度レベル範囲に対するそれぞれの面積
をメモリに格納しておけば、輝度レベル範囲の中から１
つの輝度値を指定すればそれに対する面積を求めること
ができる。また、面積参照用でも同様に行なえる。

（ｖＭ　）面積判定処理 輝度・面積テニブルと基準パターンの面積αを用いてし
きい値が存在するか否か判定する。基準パターンの面積
αが第（２０）式を満たす場合は□、最適しきい値が存
在するとして、以下の（Ｌｘ）〜（罰）の処理私行なう
。

ｉｆ　Ａ、ａｘ＞α＞Ａｍｔｎ　ｔｈｅｎ　（（ｉｘ）
〜（ｉ））　　　−（２０）ｅｌｓｅ　［（ｉｆｆ）］ 第（２０）式を満起さない場合は、基準パターンの面積
に一致する最適しきい値はありえないと判断できる。よ
って、以下の（ｍ）〜（紬）の処理を行なわずに次の粗
候補領域に対して（ｉｎ）の処理に戻る。

（故）テーブル検索処理 第２０図に示す輝度・面積テーブル７１から基準パター
ンの面積α（７３）を参照すればしきい値Ｔ　（７４）
を検索できる。

基準パターンの面積αに一致する輝度がない場合は、基
準パターンの面積αとの絶対誤差が最小な面積に対する
輝度を検索する。

（ｘ）しきい値決定処理 検索した輝度をしきい値Ｔ（７４）とする。

ここでは、ｉ番目の候補領域におけるしきい値をＴｉと
定義する。

（ｘｔｉ）候補領域算出処理 しきい値Ｔｉ以下の輝度を０輝度レベルに、しきい値Ｔ
ｉ以上の輝度はもとの濃淡画像を設定する。

（Ｂ）領域拡張処理 （Ａ）候補領域算出処理７６により得た候補画像７７は
、第１６図（ｃ）に示すように、次の２通りが考えられ
る。

つまり、ケースＡ　（７８）は候補領域８ｏ内に候補点
８１が１つしかない場合、ケースＢ（７９）は候補領域
８２内に候補点８３が２つ以主ある場合である。ここで
、ケースＡの場合は、候補点８１の面積が、第１５図に
示す第１の特徴量ファイル１６１から読み込んだ病変部
の面積αに一蔽℃でいる。しかし、ケースＢの場合は、
候補領域８２内に□ある各候補点８３″の面積の合計値
が病変部の面精αに−致し、各候補点の面積は、登録し
た面積αより小さい。よって、ケースＢの場合、各候補
点８３についてさらに判定処理が必要で□ある。

判定処理は、輝度レベルを変化させた条件下で各候補点
の面積を拡張させ、その面積が登録した面積αを満たす
か否か判定する。

拡張処理は、先に求めたしきい値Ｔｉを変動させて、候
補点の境界領域を拡げることにより行なう。

具体的には、第２１図の領域拡張処理フローにて行なう
。

ラベル番号を１から１づつ候補領域数ｎまでカウントし
ながらこれを１として、ｉ番目の粗候補領域に対して、
以下の（ｉ）〜（ｉｉ）の処理を行なう。これにより、
各組候補領域に対した拡張処理を行なうことができる。

（ｉ）候、補点数算出処理 ケースＡ、ケースＢどちらの場合かを調べるため、候補
領域内にある高輝度レベル領域（候補点）の個数ｍを求
める。

（ｉｉ）拡張判定処理 もし候補卒数ｍが２つ以上、つまり、先に説明したケー
スＢの場合、以下の（ａ）〜（ｂ）の処理を行なう。そ
の他の場合は、ケースＡの場合であるので、拡張処理を
行なわない。よって、ラベル番号ｉをカウントアツプし
次の候補点に対しくｉ）の処理を行なう。

ｉｆ　ｍ≧２ｔｈｅｎ　　（（ａ）−（ｂ））　　　・
＝（２１）ｅｌｓｅ（（ｉ）） 次に１から１づつ候補点数ｍま“でカウントしながらこ
れをｊとして、ｊ番目の候補点に対して以下の処理を行
なう。これにより、各候補点に対して拡張処理を行なう
ことができる。

（ａ）候補点面積算出処理 基準パターンの面積αに一致させるため、初期値として
候補点の面積を求める。求めた候補点の面積をＡとする
。面積算出方法は、ラベル画像ｂ′から、ｊラベル値の
画素数をカウン小して求める。

（ｂ）最適しきい値算出処理 しきい値Ｔｉを１づつカウントダウンしながら、以下の
（イ）〜（ハ）の処理を候補点の面積が基準パターンの
面積αに一致するまで繰返す。

（Ａ）候補領域算出処理によるしきい値Ｔｉは、基準パ
ターンの面積αに相当する最適しきい値より大きな値で
ある。第１９図（ａ）に示すように最適しきい値Ｔｂに
よって区分される濃度ヒストグラムの斜線部分は、基準
パターンの面積αに一致する画素数である。しく４４） きい値Ｔｉは、最適し、きい値ｔｂと最大輝、度レベル
Ｉ　ｗａｘの間に存在している。よって、処理はしきい
値Ｔｉをカウントダウンしながら行なう。

１、（イ）境界線算出処理 以下の（ロ）の候補座標点算出処理では、候補点の境界
線の外周の各点に対して、輝度レベルを調べる。よって
、候補点の境界線を求める。境界線算出は文献の 「コンピュータ画像処理入門」口材秀行、監修、総研出
版、第８３頁から第８５頁に・・記載の公知の方法によ
り行なう。

第１６図（Ｑ）における候補点の拡大図を第２２図（ａ
）に示す。境界線となる画素は、斜線部分である。

境界線は始点座標（ｌｏ、Ｐｏ）とチエインコードで表
す。チエインコードは、着目画素の隣接する８方向の画
素に対し１から８の番号で表す。

（ロ）候・補座標点算出処理 基準パターンの面積αを満たす最適し きい値に対する候補（点）画素を求める。

第２２図を用いて具体的に説明する。第２２図（、）は
、候補領域算出処理４９で求めた候補点の拡大図である
。ここで、しきい値１゛ｉを１５０輝度レベルと仮定す
る。よって、候補点に対する入力画像は、１５０輝度レ
ベル以上の輝度レベルを持つ。このしきい値Ｔｉは、カ
ウントダウン（Ｔｉ←Ｔｉ−１）Ｌ、このＴｉを用いて
新たな２値化結果となる座標点を算出する。例えばＴｉ
←Ｔ　ｉ　−４＝１４９の場合の座標点算出方法を説明
する。境界線９１の外周において、１４９輝度レベルの
画素点の座標は以下のように求める。始点（ｉｏ、　ｐ
ｏ）から次の境界点、の座標チエインコードにより求め
、各境界点の８近傍領域に対する入力画像上の輝度レベ
ルを調べる。その輝度レベルが１４９ならば、求める座
標点である。

これにより、第２２図（ａ）に示す記号■で示す画素点
を算出できる。同様にして（ハ）拡張終了判定処理９３
の後しきい値をカラン１〜ダウン（Ｔ　ｉ　４−Ｔ　ｉ
　−１）させ第２２図（ａ）に示す■〜［相］の点を求
める。

（ハ）拡張終了判定処理 拡張終了判定処理９３は、第１９図を 用いて具体的に説明する。第１９図（ｂ）は候補点の輝
度・面積グラフ６９であり、（ｃ）は基準パターンの面
積αと候補点の面積Ａとの絶対誤差１α−Ａ１の関係を
示すグラフ９４である。この２つのグラフ６９．９４は
しきい値を下げることによる候補点の面積および絶対誤
差の変わり方を表している。

この絶対誤差グラフ９４から明らかな ように、最適しきい値は、絶対誤差の最小値に対する輝
度レベル値である。

ｉｆ　ｌ　ａ−（Ａ＋ａ）　ｌ≧Ｆ　ｔｈｅｎ［（ａ）
）　　　　　＝（２２）ｅｌｓｅ　［：　（Ｔｉ４−Ｔ
ｉ−１）、（イ）〕（Ａ４） 第（２２）式を満たす場合、ラベル番号ｊをカウントア
ツプし次の候補点に対し くａ）の処理に戻る。

第（２２）式を満たさない場合は、しきい値Ｔｉをカウ
ントダウン後（イ）の処理を行ない、候補点の領域を拡
張させる。

以上の処理により、第２２図（＆）の候補点が■〜［相
］へと拡がり、最終領域の面積が病変部の面積に一致し
形状を保存する最適しきい値による２値化画像Ｂが得ら
れる。

（４）特徴量ファイル 第２の特徴量ファイル１５３には、解析処理１５２に必
要な詳細形状特徴量を登録する。ここでは、フーリエ記
述子を帥細形状特微量として登録する。

（５）解析処理 ２値化画像Ｂから特徴量を抽出する。特徴量として、フ
ーリエ記述子を用いる。この処理は、実施例１と全く同
じ内容であるため、説明を省略する。

（６）検出結果 以上の処理により第６図（ｂ）に示すよう病変部のみを
検出した結果１５４を得ることがで年る・ 本実施例では、輝度・面積テーブルを用いて最適しきい
値を求めたが、輝度・面積テーブル算出処理７０、面積
判定処理、テーブル検索処理７２、およびしきい値決定
処理７５の代案としてテーブルを参照しないで収束計算
によりしきい値を求める方法がある。この方法を以下説
明する。

候補領域数繰返し処理により１から１づつｎまでカウン
トしこれをｉとし、１番目の候補領域に対し基準パター
ン面積情報αを用いしきい値Ｒｔ　を算出する。

以下、第２３図に示す処理フローにて、説明する。

（ｉ）輝度レベル値算出処理 最大輝度レベル値Ｒｍ　ａ　ｘ、最小輝度レベル値Ｒ１
１□、ポインタ輝度レベル値Ｒμを求める（Ｉ００）。

最大輝度レベル値Ｒｍ　ａ　ｘと最小輝度レベル値Ｒｍ
　ｓ　ｎは、画像の輝度レベル値を画素毎に調べればよ
い。ポインタ輝度レベル値Ｒｐは、第（２３）式より求
まる。ポインタ輝度レベル値Ｒｊｌの初期値として、平
均輝度レベル値Ｒ１１を用いる。

Ｒｐ　＝　（Ｒｍａｘ＋　Ｒｍｔｎ）　／　２　　　・
・・（２３）（ｊｉ）面積算出処理 次に最大面積Ａ　＊　ａ　ｘ、最小面積Ａ　ｍ　１　ｎ
、ポインタ面積値Ａμを求める（Ｉ０１）。

暫面’ｆａＡ−ａ−，Ａ□。、Ａμは、各々輝度レベル
Ｒｖａ　ａ　ｘ　ＨＲ＋ａ　ｔ　ｎ　ＨＲｐ　をしきい
値として、定的に２値化処理を行ない求める。２値化処
理は、前述のモード法を用いる。

（ｉｎ）判定処理 候補領域に対し第（２４）式の判定処理を行ない、最適
しきい値が存在するか否か判定する（Ｉ０２）。

ｉｆ　Ａｍａｘ＞　ａ　＞　ＡＩＩ（ｎ　ｔｈｅｎ　（
（ｖ　）、（ｖｊｉｉ））　　−（２４）ｅｌｓｅ　［
（ｉｖ）） （ｉｖ　）カウントアツプ処理 候補点番号ｉをカウントアツプする（Ｉ．０３）。

ｉ　＝　ｉ　＋　１　　　　　　　　　・・・（２５）
カウントアツプ処理後、（ｉ）の処理を行なう。

（ｖ）面積判定処理１０４ ポインタ面積Ａμと基準パターン面積αの比較処理を行
なう（Ｉ０４）。

ｉｆ　ＡＨ−ａ＜εｔｈｅｎ（（ｖｉ）］　　−（２６
）ｅｌｓｅ　（（ｖｉｉｉ　）　） ここで、ε：面積誤差の許容範囲。

第（２６）式が成立するならばＲＩＩが最適しきい値で
あり、（ｖｉ）Ｌきい値再設定処理１０５を行なう。

（ｖｉ）Ｌきい値再設定処理 Ｒ−が最適しきい値Ｒｔであるので、 ＲｔにＲ＃を設定する（Ｉ０５）。

Ｒｔ　４−　Ｒμ　　　　　　　　　　・・・（２７）
（煽）半値化処理 最適しきい値Ｒｔ以上の輝度レベル値を候補点とし高輝
度レベル（例えば、１００輝度レベル）に、またＲｔ以
下にはもとの濃淡画像を設定する（Ｉ０６）。

ｉｆ　ｆ　＞Ｒｔ　　ｔｈｅｎ　ｂ＝　１００ｅｌｓｅ
　ｂ＝　ｆ　　　　−（２８）（癲）ポインタ面積判定
処理 第（２６）式が成立しないならばポインタ面積の判定処
理を行なう１０７゜ ｉｆ　Ａｐ（ｃｚ　　ｔｈｅｎ　Ａ１１ｔｎ＝Ａ＃　・
−（ｚ９）ｅｌｓｅ　Ａ　ｗａｘ　＝　Ａ　Ｉ− 第（２９）式の処理後（ｉ）の処理に戻る。

本発明は、基準パターンの形状特徴量として、面積の他
に周囲長、円形率、フーリエ記述子等を用いて２値化処
理を行なうことも可能であり、処理に用いる形状特徴量
が多い程、より高精度に検出が行なえる。

以上により、本発明は、撮影条件変動の小さい特徴量で
ある形状特徴量を用いしきい値を求め２値化処理を行な
っている。このため、対象物の形状情報を高精度に保存
し検出することができる。

［実施例４］ 実施例１から３で述べた２値化処理の利用方法を第２４
図にて説明する。

入力画像は、ＭＲ■画像等の医用画像でも、リモートセ
ンシングに用いられる衛星画像でもよい。

ここでは、利用の２つの形態を述べる。

（Ｉ）対象物の自動抽出 入力画像中の対象物の存在の有無あるいは、位置が不明
の場合、コンソール２００より抽出したい対象物の種類
を指示する。例えば、面積、色等を指示する。指示に基
づき、既に登録された特徴量を特徴量ファイル１０８よ
り自動検索し、画像解析装置１０９により対象物を自動
抽出した結果画像１１０を得る。特徴量ファイル１０８
の内容および画像解析装置１０９における処理の内容は
、実施例１から３の方法に準する。

（２）候補対象物の指示による特徴量の自動針４１１予
め抽出したい対象を画像表示袋Ｍ１１１にて確認可能の
場合、トラックボール１１３により表示された画像上の
対象をカーソル１１６により指示する。指示された画素
の分光データ（色情報）を画像解析装置１０９に読み込
み実施例１から３の方法に準じ抽出処理を行なう。

あるいは、表示画像１１５の抽出候補のおおよその面積
をトラックボール１１３によりカーソル１１７を移動さ
せて指示する。指示にあたっては、カーソル１１７によ
り、抽出候補の周囲をかこむように指示する。読み取っ
た面積情報にて対象物の抽出処理を画像解析装置１０９
により行なう。以上のごとく指示された対象物の特徴量
をもとに画像中より該当する候補領域を抽出し、指示対
象についての情報、例えば、面積、長さ、モーメント等
を高精度に計測しコンソール２０１に表示する。

また、表示画像１１５の抽出候補を指示し、特徴量を測
定し、指示対象物と同様の特徴量をもつ対象物を自動抽
出する利用方法もある。

〔発明の効果〕

本発明によれば、背景と比較して抽出対象物の占有面積
が小さく、そして、背景と比較して対象の輝度レベル値
が著しく異ならない自然画の２値化処理において、色情
報、形状情報等、撮影条件に依存しない対象固有の特微
量をしきい値決定に用いることにより、対象の形状情報
を保存したａ°６精度検出が達成できる効果がある。

【図面の簡単な説明】

第１図は、本発明の第１の実施例である面積情報を用い
た階層２値化方式により病変部位を自動検出する画像解
析処理方式の機能ブロック図、第２図は、階層２値化方
式の概念図、第３図は、階層２値化処理の画像を用いた
説明図、第４図は、領域拡張による２値化力式の概念図
、第５図は、画像より対象物を自動検出するための画像
解析システムの装置構成のブロック図、第６図（ａ）は
、ＭＨＩ頭部撮影画像、（ｂ）はその濃度ヒストグラム
図、（、）は、濃度むら補正画像、（ｄ）は補正画像の
濃度ヒス１〜グラム図、第７図は、特微量として面積を
用いた階層２値化処理フロー図、第８図は、階層２値化
方式による処理画像説明図、第９図は、２値化判定処理
の原理説明図、第１０図は、フーリエ記述子の原理説明
図、第１１図（ａ）は、ＭＲＩ頭部撮影画像、（ｂ）は
、病変部検出結果画像、第１２図は、本発明の第２の実
施例である色相情報を用いた階層２値化方式による病変
部位を自動検出する画像解析処理方式の機能ブロック図
、第１３図は、特微量として色相を用いた階層２値化処
理フロー図、第１４図は、輝度レベルシフト処理の説明
図、第１５図は、本発明の第３の実施例である面積情報
を用いた領域拡張２値化方式により病変部位を自動検出
する画像解析処理方式の機能ブロック図、第１６図は、
領域拡張２値化処理の処理画像説明図、第１７図は、候
補領域算出処理フロー図、第１８図は、粗しきい値と最
適しきい値の関係を説明するための濃度ヒストグラム図
、第１９図は、最適しきい値決定処理を説明するための
（ａ）は、濃度ヒストグラム図、（ｂ）は、輝度・面積
グラフ、（ｃ）は、絶対誤差グラフ、第２０図は、輝度
・面積チー・プルを示す図、第２１図は、領域拡張処理
フロー図、第２２図（ａ）、（ｂ）は、領域拡張処理の
原理説明図、第２３図は、収束計算による最適しきい値
決定処理フロー図、第２４図は本発明の利用方法の一例
の説明図である。 １・・・ＭＲＩ画像、２・・・前処理、３・・・階層２
値化処理、４・・・特微量ファイル１．５・・・解析処
理、６・・特微量ファイル２．７・・・結果出力。

Claims (1)

1. 【特許請求の範囲】 １、画像入力処理部とデータ記憶部とデータ処理部と画
   像表示部よりなる画像処理システムにおいて、データ記
   憶部に抽出対象物固有の特徴量を設定し、データ処理部
   により２値化処理を行なうにあたり、該特徴量を用い最
   適しきい値を算出することを特徴とする形状情報を保存
   する画像２値化処理方法。 ２、請求項目１に記載の２値化処理は、抽出対象物固有
   の特徴量を事前に学習し、入力画像より測定したデータ
   と該学習データの比較を行なう画像２値化処理方法。 ３、請求項目２に記載の該特徴量として、形状情報を用
   いる画像２値化処理方法。 ４、請求項目２に記載の該特徴量の代案として、色情報
   を用いる画像２値化処理方法。 ５、請求項目２に記載の該特徴量として、形状情報およ
   び色情報等、複数の特徴量を用いる画像２値化処理方法
   。 ６、請求項目３に記載の形状情報としては、面積、円形
   率、周囲長等を用いる画像２値化処理方法。 ７、請求項目４に記載の色情報としては、赤（Ｒ）緑（
   Ｇ）青（Ｂ）３表色要素の加重加算値、あるいは、色相
   （Ｈ）彩度（Ｓ）明度（Ｉ）表色系の色相（Ｈ）を用い
   る画像２値化処理方法。 ８、請求項目２に記載の２値化処理の代案として、該学
   習データの条件を満たす画像データの候補点を求め、候
   補点より周囲の画素の特徴量の変化率を求め、該変化率
   が、予め学習した変化率の基準を満たすか否か判定する
   画像２値化処理方法。 ９、請求項目８に記載の変化率としては、請求項目６に
   示す形状情報の差分値を用いる画像２値化処理方法。 １０、請求項目９の変化率の代案としては、請求項目７
   の隣接画素間の色情報の差分値を用いる画像２値化処理
   方法。 １１、請求項目２に記載の２値化処理において、画像の
   輝度レベル分布範囲を算出し各輝度レベル毎に各候補点
   に対し事前に登録した学習データである対象固有の特徴
   量を用い最適しきい値を決定する画像２値化処理方法。 １２、請求項目２に記載の２値化処理において、濃度ヒ
   ストグラムの平均、分散等の統計値を用いて画像を粗く
   半値化を行なうことで候補点を算出し、各候補点に対し
   事前に登録した学習データである対象固有の特徴量を用
   い最適しきい値を決定する画像２値化処理方法。 １３、請求項目１２に記載の学習データは、対象固有の
   特徴量と輝度レベル値の関係をテーブルとして設定する
   画像２値化処理方法。 １４、請求項目２に記載の２値化処理おいて、半値化画
   像ファイル、ラベル画像ファイル、２値化画像ファイル
   等の複数ファイルにて構成した画像２値化処理方法。 １５、請求項目１に記載の２値化処理結果に対し、モー
   メントあるいは、フーリエ記述子等の詳細形状特徴量を
   用い事前に学習した詳細形状特徴量との類似度を判定す
   る形状識別処理により構成する画像認識処理システム。 １６、請求項目１に記載のデータ記憶部に事前に特徴量
   を格納し、抽出する対象物の種類を指定することで自動
   的に２値化処理を行なう処理モードと請求項目１に記載
   の画像表示部に画像を表示し、利用者がトラックボール
   等の入力装置により抽出対象物の形状および色情報の概
   略情報を入力する手動モードにて２値化処理を行なう画
   像認識処理システム。