JPH08153201A - 画像領域抽出方法 - Google Patents

Abstract

(57)【要約】 【目的】本発明は、画像領域抽出方法について、クロマ
キー処理の精度を格段的に向上させる。 【構成】色情報を３次元状に配した色空間上に画像中の
所定単位毎の画素データの色情報を配して得られる色分
布を任意個数の３次元楕円体面で近似し、当該楕円体面
を用いて色空間を分割する。これにより、クロマキー処
理の精度を格段的に向上させることができる。

Description

【発明の詳細な説明】

【０００１】

【目次】以下の順序で本発明を説明する 産業上の利用分野 従来の技術 発明が解決しようとする課題 課題を解決するための手段 作用 実施例 （１）本発明の原理（図１〜図６） （２）クロマキー処理への適用（図７〜図１５） 発明の効果

【０００２】

【産業上の利用分野】本発明は画像領域抽出方法に関
し、例えば映像制作に関する作業のうち画像合成処理を
行うときに必要となるキー信号（マスク画像）を生成す
る際に適用し得る。

【０００３】

【従来の技術】従来、色情報を３次元状に配した色空間
上の空間分割によつて各画素を分類する画像領域分割方
法は、画像合成技術の１つであるクロマキーなどに応用
される技術である。一般にこのクロマキー処理は、色差
信号に注目した方法であり、色空間という観点からいえ
ば、輝度軸に垂直な面に投影した色分布をその面上の扇
形で分割しているに等しい。

【０００４】このクロマキーを用いた場合の利点は、第
１に、本来物体の色分布は輝度方向に広がる性質を有す
るので、輝度方向を投影することによつて色分布の形状
を単純かつコンパクトにできることである。第２に、扇
形のような単純な分割形状であれば、色分布が与えられ
たとき、これを囲むに十分な大きさ、位置をもつ形状を
自動的に計算できることである。

【０００５】またクロマキー処理は予め合成を目的とし
た均一な背景で撮影された画像に対して用いられ、予め
わかつている均一な背景の画素とそれ以外の画素とに分
類する。従つてこのような背景の均一性を仮定できる場
合に使用するという使用目的では、色空間の分割形状は
特に多様性、精度を追究する必要はなかつた。

【０００６】またクロマキー処理においても、背景色の
写り込み、背景色のばらつきを問題とする場合では、色
差信号だけでは対応できない輝度方向の差異を考慮する
必要がある。このためＲＧＢ空間上の多面体形状による
分割を行う方法が考案されている（「多面体スライスを
用いたクロマキーのソフトウエア」三島也寸志、NICOGR
RAPH論文集、1992年）この方法では、多面体の頂点数を
多くするほど色分布形状の多様性に対応できる。ここで
ＲＧＢ空間とは、赤（Ｒ）、緑（Ｇ）、青（Ｂ）の３色
の強度によつて色を表現する空間を言う。

【０００７】

【発明が解決しようとする課題】ところで種々の画像す
なわち任意背景の画像にクロマキーを適用するために
は、背景色と対象物色の多様な組合せに対応できる空間
分割方法を用いる必要がある。ところが従来のクロマキ
ーの空間分割方法では、色分布の３次元形状に合致しな
い形状に色空間を分割するため、輝度方向を無視するこ
とになり同系色で輝度差のある色の物体同士を分離する
ことができないという問題があつた。このような色の組
合せは、任意背景の画像では、同系色物体の重なり、写
り込みや影等で出現するので無視することはできない。

【０００８】また上述のようにＲＧＢ空間上の多面体形
状による分割方法を用いると、同系色で輝度差のある色
分布を分離することはできるが、多面体の頂点数が多
く、多面体形状を決定するパラメータである頂点座標を
色分布より一意に決めることが困難であるため、多面体
形状の決定が煩雑になるという問題があつた。さらに多
数の平面についてこれらの平面が多面体の内側か外側か
を判別しなければならず、この判別処理が煩雑であると
いう問題があつた。

【０００９】本発明は以上の点を考慮してなされたもの
で、クロマキー処理の精度を向上し得る画像領域抽出方
法を提案しようとするものである。

【００１０】

【課題を解決するための手段】かかる課題を解決するた
め本発明においては、画像中より所望の領域を抽出する
画像領域抽出方法において、色情報を３次元状に配した
色空間上に画像中の所定単位毎の画素データの色情報を
配して得られる色分布を任意個数の３次元楕円体面で近
似し、当該楕円体面を用いて色空間を分割することによ
り所望の領域を抽出する。

【００１１】

【作用】色情報を３次元状に配した色空間上に画像中の
所定単位毎の画素データの色情報を配して得られる色分
布を任意個数の３次元楕円体面で近似し、当該楕円体面
を用いて色空間を分割することにより所望の領域を抽出
する。これにより、クロマキー処理の精度を格段的に向
上させることができる。

【００１２】

【実施例】以下図面について、本発明の一実施例を詳述
する。

【００１３】（１）本発明の原理 本発明による画像領域抽出方法においては、色分布形状
を楕円体で近似し、この楕円体形状を分割形状として用
いて色空間を分割することにより、クロマキー処理の精
度を向上させるようになされている。以下、物体の色分
布形状が楕円体で近似できる形状であることを示し、次
に色分布情報より楕円体形状を決定するための計算方法
について説明する。

【００１４】まずＲＧＢ空間における物体の色分布例を
図１（参考図面１に対応）に示す。一般に単色の物体
は、輝度方向に延びる棒状の分布又は高輝度になるに従
つて屈曲するバナナ状の分布をなしている。次に物体の
部分領域の色分布例を図２（参考図面２に対応）に示
す。これらの分布形状は、楕円体で近似できるようなほ
ぼ真つ直ぐの棒状か又は小塊状である。図１及び図２
（参考図面１及び参考図面２）より、物体全体の色分布
はバナナ状に屈曲する場合があるが、物体を画像中で部
分領域に分割すれば楕円体で近似できる分布形状になる
ことがわかる。従つて楕円体の組合せで色分布を近似す
る方法は有効である。

【００１５】以下、画像中の与えられた領域の画素デー
タより楕円体形状を決定する方法について説明する。Ｒ
ＧＢ空間における楕円体面を図３に示す。楕円体面は次
式（１）及び（２）

【数１】

【数２】 によつて表すことができる。図３において、ｘ、ｙ、ｚ
は楕円体の軸に平行な座標値、ｃは楕円体の中心であ
る。またα、β、γは楕円体の３つの径の大きさの比率
を表し、ρは径の大きさを決める係数（以下スケール係
数と言う）である。

【００１６】（１）式及び（２）式より、楕円体の形状
を決定するには16個のパラメータを決定する必要がある
ことがわかる。このうち、スケール係数ρを除く15個の
パラメータの決定方法を図４に示す。まずステツプＳＰ
１より開始して、ステツプＳＰ２において、与えられた
領域の画素（画素数Ｎ）を用いて、３つの変数ｒ、ｇ、
ｂのそれぞれの平均値μと分散共分散行列とを作成す
る。

【００１７】次にステツプＳＰ３において、ステツプＳ
Ｐ２で得られた分散共分散行列の３つの固有値λと固有
ベクトルｌ、ｍ、ｎを計算し、ステツプＳＰ４におい
て、求めた値を次式（３）、（４）

【数３】

【数４】 のように当てはめて、ステツプＳＰ５において処理を終
了する。ここでスケール係数ρ＝３として、楕円体を決
定した例を図５（参考図面３に対応）に示す。図５にお
いて、ワイヤーフレームのダイヤモンド形状（参考図面
３において黄色で示す）が楕円体の軸の向きと各径の大
きさを示している。

【００１８】次に上述のようにして決定された楕円体の
形状を目的に応じて調節する楕円体形状の調節方法につ
いて説明する。楕円体面は２次曲面なので、画素が楕円
体の内側の領域に存在するか外側の領域に存在するかの
判別は（１）式を不等式にして、不等号の向きを判別す
ることにより行う。この判別を利用して、与えられた領
域中の楕円体の内側にあるべき画素と外側にあるべき画
素とを分離する楕円体面の決定方法について図６に示
す。

【００１９】まずステツプＳＰ１より開始して、ステツ
プＳＰ２において、画像中の与えられた領域において、
楕円体の内側にあるべき画素と外側にあるべき画素とを
それぞれ指定し、指定した全画素について内側にあるべ
き確率ｐを与える。次にステツプＳＰ３において、内側
にあるべき画素を用いて、図２で説明したパラメータ決
定方法によつてスケール係数ρ以外のパラメータを決定
する。次にステツプＳＰ４において、スケール係数ρの
値を変化させながら、次式（５）

【数５】 の評価式で求められるσを計算し、判別の結果をｑ（内
側の場合はｑ＝１、外側の場合はｑ＝０）とする。ステ
ツプＳＰ５において、σが最小となるスケール係数ρを
選択し、楕円体の大きさを決定する。

【００２０】（２）クロマキー処理への適用 図７に示すように、入力画像中の対象物領域を色によつ
て抽出するクロマキー処理において、上述のように決定
される楕円体形状を用いて色空間を分割し、マスク画像
を得る。この実施例では、楕円体形状を決定するために
参照画像の入力を必要とする。参照画像より、背景の色
分布情報、対象物の色分布情報又は背景及び対象物の両
方の色分布情報を得て、上述の方法を用いて楕円体形状
を決定する。

【００２１】ここで参照画像としては、入力画像に近い
色分布を示す画像を用いる。具体的には、（１）入力画
像そのもの、（２）入力画像に時間的に近い画像、
（３）入力画像の背景のみの画像、（４）入力画像の対
象物のみの画像を用いる。入力画像の背景のみの画像、
入力画像の対象物のみの画像を参照画像とする場合に
は、参照画像の全画素の色分布を背景又は対象物の色分
布として楕円体形状を決定し、入力画像において参照画
像にない色の画素を判別する従来のクロマキー処理に近
い処理方法を用いる。

【００２２】また入力画像そのもの、入力画像に時間的
に近い画像を参照画像とする場合には、参照画像中の背
景と対象物の領域とを指定することによつて、背景と対
象物とを最も適切に分離する楕円体形状を決定すること
ができる。この処理については後述する。

【００２３】この実施例で得られる出力画像は、対象物
領域を示す２値（マスク）画像である。出力画像は、画
素毎に対象物領域か否かの判別による画像領域分割処理
で得る。画素毎の判別は、（１）式を不等式にしたとき
の不等号の向きで判別することができる。（１）式を得
るために本発明を用いる。

【００２４】楕円体形状の決定処理の全体の流れを図８
に示す。図８に示すように、楕円体の形状は、色情報の
取得及び色分布の主成分分析による楕円体概形の決定
と、σ最小化によるスケール係数ρの決定との２つの処
理によつて決定される。ここでこの実施例では、楕円体
概形の決定とスケール係数ρの決定との２つの処理を自
動的に行うために、参照画像中の対象物領域を示すマス
ク画像を用いる。

【００２５】まず色情報の取得及び色分布の主成分分析
による楕円体概形の決定手順の概略的な流れを図９に示
す。図９に示すように、楕円体概形はデータ配列の生成
処理、平均値の算出及び分散共分散行列の作成、固有値
及び固有ベクトルの算出より決定される。ここで入力デ
ータは、参照画像中の画素の位置（ｘ，ｙ）における
Ｒ、Ｇ、Ｂの値Ｒ（ｘ，ｙ）、Ｇ（ｘ，ｙ）、Ｂ（ｘ，
ｙ）、参照画像中の画素の位置（ｘ，ｙ）に対応するマ
スク画像中の画素の位置mask（ｘ，ｙ）、フラグflag
（０又は１）、参照画像のｘ軸及びｙ軸における大きさ
ｘsize、ｙsizeとする。

【００２６】まずデータ配列生成の処理手順を図１０に
示す。ステツプＳＰ１より開始して、ステツプＳＰ２に
おいて、カウント数ｉを「０」に設定し、ステツプＳＰ
３において座標（ｘ，ｙ）を（０，０）に設定する。次
にステツプＳＰ４において、座標（ｘ，ｙ）が（ｘsize
−１、ｙsize−１）であるか否かを判定する。

【００２７】「真」である場合には、ステツプＳＰ５に
進んで参照画像中の画素の位置（ｘ，ｙ）に対応するマ
スク画像の画素の位置mask（ｘ，ｙ）にフラグが立つか
否か（「１」か「０」か）を判定する。「真」すなわち
フラグが立つ場合には、ステツプＳＰ６に進んで、現在
注目している画素についてのＲ（ｘ，ｙ）、Ｇ（ｘ，
ｙ）、Ｂ（ｘ，ｙ）をそれぞれｒ［ｉ］、ｇ［ｉ］、ｂ
［ｉ］に代入し、カウント数ｉをインクリメントしてス
テツプＳＰ７に進む。ステツプＳＰ５において「偽」す
なわちフラグが立たない場合には直接ステツプＳＰ７に
進む。

【００２８】ステツプＳＰ７において、画素の位置
（ｘ，ｙ）を次の位置（ｘ，ｙ）に設定した後ステツプ
ＳＰ４に戻る。このように参照画像の全ての画素につい
てステツプＳＰ４からステツプＳＰ７までの処理ループ
が終了すると、参照画像中のフラグが立つた画素の数す
なわちｉの数が分かり、このｉの数をステツプＳＰ８に
おいてデータ数datanum とし、ステツプＳＰ９において
処理を終了する。この結果得られる出力データはデータ
の数datanum （ｉ個）、ｉ個の画素についてのＲ、Ｇ、
Ｂの値ｒ［ｉ］、ｇ［ｉ］、ｂ［ｉ］となる。

【００２９】続いてデータ配列生成処理で得られたｒ
［ｉ］、ｇ［ｉ］、ｂ［ｉ］のそれぞれの平均値μと分
散共分散行列ベクトルＶとを求める。平均値μ及び分散
共分散行列ベクトルＶの計算手順を図１１に示す。まず
ステツプＳＰ１より開始して、ステツプＳＰ２におい
て、ｉ個の画素より得られたＲ、Ｇ、Ｂの値ｒ［ｉ］、
ｂ［ｉ］、ｇ［ｉ］のそれぞれの平均値ベクトルμｒ、
μｇ、μｂを求める。

【００３０】次にステツプＳＰ３において、ステツプＳ
Ｐ２で得られた平均値ベクトルμｒ、μｇ、μｂと、ｒ
［ｉ］、ｇ［ｉ］、ｂ［ｉ］、データ数datanum とに基
づいて分散共分散行列ベクトルＶを求め、ステツプＳＰ
４において処理を終了する。ここで例えば分散共分散行
列ベクトルＶの成分Ｖrgは図１１のステツプＳＰ３に示
す式によつて求めることができ、他の成分についても同
様である。

【００３１】続いて分散共分散行列ベクトルＶの固有値
の計算手順を図１２に示す。この実施例では、ヤコビ法
（Jacobi's method ）を用いて固有値を算出する。まず
ステツプＳＰ１より開始して、ステツプＳＰ２におい
て、ヤコビ法を用いて分散共分散行列ベクトルＶの固有
値λ１、λ２、λ３を求めると共に、固有ベクトルｌ、
ｍ、ｎを求め、ステツプＳＰ３において処理を終了す
る。

【００３２】以上のようにして楕円体の概形が決定する
と、次にスケール係数ρを決定する。このスケール係数
ρは（５）式で得られるσが最小となるときのスケール
係数ρに決定する。スケール係数ρの算出手順を図１３
に示す。ここで図８に示すようにマスク画像を楕円体の
内側にあるべき確率値を与える入力とし、この確率値を
用いてσ最小化を計算する。入力データは、上述の楕円
体概形の決定手順で求められたｒ［ｉ］、ｇ［ｉ］、ｂ
［ｉ］、平均値ベクトルμｒ、μｇ、μｂ、分散共分散
行列ベクトルＶ、固有値λ１、λ２、λ３、固有ベクト
ルｌ、ｍ、ｎ、データ数datanum である。

【００３３】まずステツプＳＰ１より開始して、ステツ
プＳＰ２において、スケール係数ρの最大値 maxρを計
算する。ここでスケール係数ρの最大値 maxρの算出手
順を図１４に示す。まずステツプＳＰ１より開始して、
ステツプＳＰ２において、カウント数ｉを「０」に設定
し、ステツプＳＰ３においてスケール係数ρを「０」に
設定する。次にステツプＳＰ４において、カウント数ｉ
がデータ数datanum より少ないか否かを判定する。

【００３４】「真」である場合には、ステツプＳＰ５に
進んで（４）式を用いてｉ番目の画素について座標値
ｘ、ｙ、ｚを求め、この座標値ｘ、ｙ、ｚを（３）式に
代入して一時的な変数としてのスケール係数 tmpρを求
める。次にステツプＳＰ６に進んでスケール係数 tmpρ
がステツプＳＰ３で設定されたスケール係数ρより大き
いか否かを判定する。「真」である場合にはステツプＳ
Ｐ７に進み、スケール係数ρにこの tmpρの値を代入す
る。次にステツプＳＰ８においてカウント数ｉをインク
リメントし、ステツプＳＰ４に戻る。このようにステツ
プＳＰ４からステツプＳＰ８までの処理ループを、カウ
ント数ｉがデータ数datanum に達するまで実行する。

【００３５】この結果ｉ個のスケール係数ρのうちスケ
ール係数ρが最大となるスケール係数 maxρが求まり、
ステツプＳＰ９においてスケール係数ρの最大値 maxρ
の平方根をスケール係数ρの最大値 maxρとして、ステ
ツプＳＰ１０において処理を終了する。

【００３６】図１３に戻り、ステツプＳＰ２においてス
ケール係数ρの最大値 maxρが得られると、ステツプＳ
Ｐ３に進んで tmpρにスケール係数ρの最大値 maxρを
代入する。次にステツプＳＰ４において、 tmpρがスケ
ール係数ρの最小値 minρよりも大きいか否かを判定す
る。「真」である場合には、ステツプＳＰ５に進んでσ
を計算する。ここでσの計算手順を図１５に示す。入力
データは、固有値λ１、λ２、λ３、固有値ベクトル
ｌ、ｍ、ｎ、平均値ベクトルμｒ、μｇ、μｂ、Ｒ
（ｘ，ｙ）、Ｇ（ｘ，ｙ）、Ｂ（ｘ，ｙ）、mask（ｘ，
ｙ）、ｘsise、ｙsiseである。

【００３７】まずステツプＳＰ１より開始して、ステツ
プＳＰ２において、誤差の合計sumerrorを「０」に設定
し、ステツプＳＰ３に進んで位置（ｘ，ｙ）を（０，
０）に設定する。次にステツプＳＰ４に進み、位置
（ｘ，ｙ）が（ｘsise−１、ｙsise−１）であるか否か
を判定する。「真」である場合には、ステツプＳＰ５に
進み、位置（ｘ，ｙ）におけるＲ、Ｇ、Ｂの値を（４）
式に代入して得られる座標値ｕ、ｖ、ｗを求める。次に
ステツプＳＰ６に進んで、 tmpρが、ステツプＳＰ５で
求められた座標値ｕ、ｖ、ｗを（３）式のｘ、ｙ、ｚに
代入して得られるスケール係数ρより大きいか否かを判
定する。

【００３８】「真」である場合にはステツプＳＰ７に進
んでｑを「１」に設定し、「偽」である場合にはステツ
プＳＰ８に進んでｑを「０」に設定する。次にステツプ
ＳＰ９において誤差の合計sumerrorに、参照画像とマス
ク画像の位置（ｘ，ｙ）の画素における誤差を２乗した
値を加算する。次にステツプＳＰ１０に進んで画素の位
置（ｘ，ｙ）を次の位置（ｘ，ｙ）に設定した後ステツ
プＳＰ４に戻る。このようにステツプＳＰ４からステツ
プＳＰ１０までの処理ループを実行することにより、参
照画像とマスク画像の対応する全ての画素についてそれ
ぞれ求められる誤差を２乗した値の合計sumerrorが求ま
る。

【００３９】このようにして全ての画素についての誤差
の合計sumerrorが求まると、ステツプＳＰ１１に進み、
誤差の合計sumerrorを画素数Ｎで除した値の平方根を求
める。すなわち（５）式よりσを求めてステツプＳＰ１
２で処理を終了する。

【００４０】このようにしてσが求まると、図１３のス
テツプＳＰ６に進んでステツプＳＰ５で求められたσが
σの最小値 minσより小さいか否かを判定する。「真」
である場合には、ステツプＳＰ７に進んでσの最小値 m
inσにステツプＳＰ５で求められたσを代入すると共
に、スケール係数ρに tmpρを代入してステツプＳＰ８
に進む。ステツプＳＰ６において「偽」となつた場合に
は直接ステツプＳＰ８に進む。

【００４１】ステツプＳＰ８において tmpρをΔρだけ
減らした後、ステツプＳＰ４に戻る。このように tmpρ
がスケール係数ρの最小値 minσ以下になるまでステツ
プＳＰ４からステツプＳＰ８までの処理ループを実行
し、 tmpρがスケール係数ρの最小値 minσ以下になつ
たときのスケール係数ρを得てステツプＳＰ９において
処理を終了する。

【００４２】以上のように求められたσが最小となつと
きのスケール係数ρを選択して、図９で求められた楕円
体の概形の大きさを決定する。この決定した楕円体形状
を分割形状としてクロマキー処理に適用することによ
り、クロマキー処理の精度を向上させることができる。

【００４３】以上の構成によれば、ＲＧＢ空間における
物体部分領域の示す色分布が棒状をなすことを利用して
これを内包する楕円体面を求め、この楕円体面によつて
色空間を分割したことにより、クロマキー処理の精度を
一段と向上させることができる。また上述の構成によれ
ば、色空間を分割する分割形状として２次曲面である楕
円体面を用いたことにより、１つの楕円体の判別計算を
格段的に簡素化することができる。

【００４４】また上述の構成によれば、色空間を分割す
る分割形状として、形状を決定するパラメータが16個の
楕円体を用い、またこれらのパラメータを画素値を分析
することにより一意に決定したことにより、楕円体の形
状を簡易に決定し得る。

【００４５】また上述の構成によれば、各画素について
楕円体の内側又は外側に存在すべき画素であるか否かの
情報を与えることによつて計算できる評価値によつて各
軸方向の径の比率に乗じるスケール係数を調節したこと
により、楕円体の形状を目的に応じて調節することがで
きる。

【００４６】なお上述の実施例においては、入力画像そ
のもの、入力画像に時間的に近い画像を参照画像として
用いた場合について述べたが、本発明はこれに限らず、
入力画像の背景のみの画像、入力画像の対象物のみの画
像を参照画像として用いてもよい。この場合、参照画像
の全画素の色分布を背景又は対象物の色分布として楕円
体形状を決定する。

【００４７】また上述の実施例においては、分散共分散
行列の固有値をジヤコビ法を用いて求めた場合について
述べたが、本発明はこれに限らず、他の方法で分散共分
散行列の固有値を求めるようにしてもよい。

【００４８】また上述の実施例においては、参照画像中
の対象物領域を示すマスク画像を用いた場合について述
べたが、本発明はこれに限らず、参照画像中の背景領域
又は対象物領域と背景領域の双方を示すマスク画像を用
いてもよい。

【００４９】

【発明の効果】上述のように本発明によれば、色情報を
３次元状に配してなる色空間上に画像中の所定単位毎の
画素データの色情報を配して得られる色分布を任意個数
の３次元楕円体面で近似し、当該楕円体面を用いて色空
間を分割して所望の領域を抽出することにより、クロマ
キー処理の精度を格段的に向上させることができる。

【図面の簡単な説明】

【図１】ＲＧＢ空間における物体の色分布を示す略線図
である。

【図２】ＲＧＢ空間における物体の部分領域の色分布を
示す略線図である。

【図３】ＲＧＢ空間における楕円体の形状を示す略線図
である。

【図４】楕円体形状の決定手順を示すフローチヤートで
ある。

【図５】本発明による画像領域抽出方法で求めた色分布
形状に合致した楕円体の軸方向と径の大きさをダイヤモ
ンド形で示す略線図である。

【図６】楕円体形状の調節方法の処理手順を示すフロー
チヤートである。

【図７】本発明の画像領域抽出方法により得られる楕円
体形状をクロマキー処理に用いた場合の処理の流れを示
すブロツク図である。

【図８】実施例における楕円体形状決定処理の説明に供
するブロツク図である。

【図９】色分布情報の取得から主成分分析までの処理手
順を示すフローチヤートである。

【図１０】データ配列生成の処理手順を示すフローチヤ
ートである。

【図１１】分散共分散行列の算出手順を示すフローチヤ
ートである。

【図１２】固有値の算出手順を示すフローチヤートであ
る。

【図１３】σ最小化の算出手順を示すフローチヤートで
ある。

【図１４】ρの最大値 maxρの算出手順を示すフローチ
ヤートである。

【図１５】σの算出手順を示すフローチヤートである。

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成７年４月１３日

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】図面の簡単な説明

【補正方法】変更

【補正内容】

【図面の簡単な説明】

【図１】ＲＧＢ空間における物体の色分布を示す写真で
ある

【図２】ＲＧＢ空間における物体の部分領域の色分布を
示す写真である。

【図３】ＲＧＢ空間における楕円体の形状を示す略線図
である。

【図４】楕円体形状の決定手順を示すフローチヤートで
ある。

【図５】本発明による画像領域抽出方法で求めた色分布
形状に合致した楕円体の軸方向と径の大きさをダイヤモ
ンド形で示す写真である。

【図６】楕円体形状の調節方法の処理手順を示すフロー
チヤートである。

【図７】本発明の画像領域抽出方法により得られる楕円
体形状をクロマキー処理に用いた場合の処理の流れを示
すブロツク図である。

【図８】実施例における楕円体形状決定処理の説明に供
するブロツク図である。

【図９】色分布情報の取得から主成分分析までの処理手
順を示すフローチヤートである。

【図１０】データ配列生成の処理手順を示すフローチヤ
ートである。

【図１１】分散共分散行列の算出手順を示すフローチヤ
ートである。

【図１２】固有値の算出手順を示すフローチヤートであ
る。

【図１３】σ最小化の算出手順を示すフローチヤートで
ある。

【図１４】ρの最大値ｍａｘρの算出手順を示すフロー
チヤートである。

【図１５】σの算出手順を示すフローチヤートである。

【手続補正２】

【補正対象書類名】図面

【補正対象項目名】図１

【補正方法】変更

【補正内容】

【図１】

【手続補正３】

【補正対象書類名】図面

【補正対象項目名】図２

【補正方法】変更

【補正内容】

【図２】

【手続補正４】

【補正対象書類名】図面

【補正対象項目名】図５

【補正方法】変更

【補正内容】

【図５】

Claims (3)

【特許請求の範囲】
1. 【請求項１】画像中より所望の領域を抽出する画像領域
   抽出方法において、 色情報を３次元状に配した色空間上に上記画像中の所定
   単位毎の画素データの色情報を配して得られる色分布を
   任意個数の３次元楕円体面で近似し、当該楕円体面を用
   いて上記色空間を分割することにより上記所望の領域を
   抽出することを特徴とする画像領域抽出方法。
2. 【請求項２】上記楕円体面の形状を、上記画像中の所定
   単位を構成する画素データの上記色情報のそれぞれの平
   均値と分散共分散行列とを求めると共に、当該得られた
   分散共分散行列の固有値と固有ベクトルとを求めること
   により決定するようにしたことを特徴とする請求項１に
   記載の画像領域抽出方法。
3. 【請求項３】上記楕円体面の径の大きさを決定する係数
   は、当該係数を変化させながら上記画素データについて
   上記楕円体面の内側に存在するか又は外側に存在するか
   を判定することによつて決定することを特徴とする請求
   項１又は請求項２に記載の画像領域抽出方法。