JPH0950530A - 境界検出装置 - Google Patents

Abstract

(57)【要約】 【課題】 パターン情報を構成する図形の形状に関係な
く、パターン情報の変化する任意形状の境界領域を検出
すること 【解決手段】 走査手段１１は、特定の大きさを持つマ
スクを用いて入力画像全体を走査し、画像の走査に用い
たマスクとそのマスクから一定距離離れた領域とを抽出
する。特徴量計算手段１２は抽出された領域を用いて特
徴量を求め、特徴量記憶手段１３に一時的に記憶する。
境界領域判定手段１４はその特徴量を基準値と比較し、
ある閾値以上異なっている場合は画像の走査に用いたマ
スクに対応する画素を境界領域であると判断する。画像
全体に対して、上記処理を行い、最終的に境界線のみで
構成される画像を得る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文書や図形などの２値
画像についての画像処理に関するもので、特にハッチン
グ等のパターン情報の変化する境界の検出をする境界検
出装置に関するものである。

【０００２】

【従来の技術】画像処理技術の発達とともに、地図やイ
ラスト等の線画を処理する技術が多く研究開発されてい
る。特に、描画された線画の中で他の部分と区別するた
めに多用されるハッチングについては、ハッチングを構
成する個々の図形パターンを独立に扱うのではなく、ハ
ッチングが描画されている領域として処理を行うことが
要求されている。これを解決するために、ハッチングは
多くの平行線の集合として表されることから、その境界
線はハッチングを構成する個々のパターンの方向と異な
る部分があることを利用して、２値画像をベクトル化
し、ハッチングを構成する個々のパターン間をリンクす
るようなベクトルを抽出し、その連結関係を調べること
でハッチングの領域を構成する外郭線を検出する手法が
提案されている（特開平４−１１７５７９号公報、特開
平４−１１７５８０号公報、特開平４−２３６６７８号
公報）。

【０００３】

【発明が解決しようとする課題】しかしながら、上記手
法ではハッチングパターンを構成する図形が点情報であ
るか、線情報であるのか、またその図形の間隔等の情報
をあらかじめ知る必要があった。そのため、上記手法で
はハッチング領域の内部を矩形により指定し、その矩形
情報内部の情報を解析することにより、上記のハッチン
グの構成要素の情報を得ることで問題を解決していた。
このような、手法では多くのハッチングが混在するよう
な場合には、指定領域が多くなり、自動的な画像処理の
実現は難しいと考えられる。本発明は、パターン情報を
構成する図形の形状に関係なく、パターン情報の変化す
る任意形状の境界領域を検出することができる境界検出
装置を提供することを目的とする。

【０００４】

【課題を解決するための手段】本発明は、所定の大きさ
の第１の領域の画素値群と第１の領域に対して所定の位
置関係にある所定の大きさの第２の領域の画素値群とを
画像から抽出する画素値抽出手段と、前記画素値抽出手
段により抽出された第１および第２の領域の画素値群を
用いて、それら領域の画素値群の類似性を表す特徴量を
計算する計算手段と、前記計算手段により計算された特
徴量に基づいて、画像中の境界を判定する判定手段とを
有する境界検出装置である。また、本発明は、所定の大
きさの領域を抽出するための所定の大きさを持つマスク
を用いて画像全体を走査する走査手段と、前記走査手段
により得られる領域群におけるある第１の領域の画素値
群と、その領域に対して所定の位置関係を有する他の第
２の領域の画素値群との類似性を表す特徴量を、画像全
体の領域群に対して計算する計算手段と、前記計算手段
により計算した特徴量を一時的に記憶する記憶手段と、
前記記憶手段に記憶した各特徴量をある基準値と比較
し、閾値以上異なっている場合に、その特徴量に対応す
る第１の領域の１つの画素を境界領域であると判定する
判定手段とを有する境界検出装置である。

【０００５】

【作用】本発明は、画像中に多くのパターン、例えばハ
ッチング、が混在しても、各パターンを構成する図形の
認識をすることなく、パターンの変化する境界を検出す
る。そのために、画像の局所的な特徴を解析し、その特
徴の変化によって境界線を検出するようにしている。す
なわち、画像の局所的な特徴を把握するために、画素値
抽出手段により、所定の大きさの第１の領域と第１の領
域に対して所定の位置関係にある所定の大きさの第２の
領域を画像から抽出し、計算手段によりそれらの領域間
の類似度を計算して特徴量を求める。判定手段は、その
特徴量を基準値と比較し、ある閾値以上異なっている場
合は、局所的な特徴が境界領域を示していると判定す
る。

【０００６】また、本発明において、走査手段は、特定
の大きさを持つマスクを用いて入力画像全体を走査し、
画像の走査に用いたマスクとそのマスクから一定距離離
れた領域とを抽出する。計算手段は抽出された領域を用
いて特徴量を求め、判定手段はその特徴量を基準値と比
較し、ある閾値以上異なっている場合は画像の走査に用
いたマスクに対応する画素を境界領域であると判断す
る。画像全体に対して、上記処理を行い、最終的に境界
線のみで構成される画像を得る。

【０００７】本発明によれば、パターン情報が同一のパ
ターンを持っている部分については、一定の値を取るよ
うな特徴量を採用しているために、パターン情報を構成
する図形要素の形状、図形間の間隔を知ることなく、ま
たパターン情報を構成する図形の種類によらずに、パタ
ーン情報の変化する境界線を検出することができる。

【０００８】

【実施例】以下、本発明の一実施例について説明する。
図１は本実施例の概略の構成を示す図である。この境界
検出装置は、特定の大きさを持つマスク４１によって画
像全体を走査するマスクによる画像走査手段１１と、画
像の走査に用いるマスク４１とそのマスクから一定距離
離れた領域とを用いて特徴量を計算する特徴量計算手段
１２と、計算された特徴量を一時的に記憶する特徴量記
憶手段１３と、特徴量と基準値とを比較して境界領域を
判定する境界領域判定手段１４を備えている。

【０００９】また、図２および図３は実施例全体の処理
を示すフローチャートであり、以後このフローチャート
を用いて順を追って説明する。まず、ステップＳ２０１
で画像の走査に用いるマスクの大きさｗとマスクＭ
（ｗ）、さらに特徴量を計算するためのマスクの移動量
Ｄを設定する。本実施例で使用するマスク４１は図４
（ａ）に示すような１辺がｗの長さである四角形状のマ
スクとする。しかし、マスクの形状は四角形状でなくて
もよく、直径がｗである円であってもよい。マスクの大
きさは、後に述べる特徴量の計算アルゴリズム上、画像
に書きこまれているパターン情報の１周期に近い値であ
ることが望ましい。移動量Ｄについては、マスクの大き
さｗより小さい値であることが条件である。後のステッ
プＳ２０８で計算される特徴量を記憶するための特徴量
記憶領域Ｓ１、Ｓ２、Ｓ３、Ｓ４が確保される。それぞ
れの記憶領域は、入力画像の画素数と同じ数の実数を記
憶するだけの容量を持ち、画像の各画素が２つの変数、
Ｘ座標とＹ座標で参照されるように、特徴量記憶領域の
各実数は２つの変数で参照される仕組みを持つ。これ
は、ちょうど各画素が実数で表現される画像として考え
ることができる。

【００１０】次にステップＳ２０２では、画像の走査開
始位置を指定する。ここでは、画像中のＸ座標がＩ＝ｗ
／２、Ｙ座標がＪ＝ｗ／２である画素としているが、こ
れはＩ＝０、Ｊ＝０の画素から始めると図４（ｂ）に示
すようにマスクが画像の外側にはみだし、マスク内の画
素値が不定となることを防ぐためである。しかし、画像
の外側にある一定の大きさのマージンを持たせ、マージ
ンの領域内の画素値はすべて０であるとすれば、Ｉ＝
０、Ｊ＝０の画素から画像の走査を始めても構わない。

【００１１】ステップＳ２０３〜Ｓ２０７では、特徴量
を計算するために、マスクの領域と図４（ｃ）に示す方
向にマスクを移動した時のマスク内の領域をそれぞれ作
業領域へコピーを行う。すなわち、ステップＳ２０３
で、画像の座標（Ｉ，Ｊ）を中心としてマスクＭ（ｗ）
をセットし、マスクＭ（ｗ）の内の画像を作業領域ＷＯ
ＲＫ１にコピーする。具体的には、処理対象の画像は図
示しない画像メモリに格納されており、マスクＭ（ｗ）
のセットでは、中心の座標（Ｉ，Ｊ）とマスクサイズを
基に画像メモリ上のマスク領域内の各画素位置のメモリ
アドレスを生成する。生成したメモリアドレスによって
マスク領域内の各画素を読み出して、作業領域ＷＯＲＫ
１に格納する。同様にして、ステップＳ２０４で、Ｘ座
標軸のプラス方向にステップＳ２０１でセットされた移
動量Ｄだけ移動した位置（Ｉ＋Ｄ，Ｊ）のマスク内の画
像を作業領域ＷＯＲＫ２にコピーする。ステップＳ２０
５で、Ｘ座標のマイナス方向に移動量Ｄだけ移動し、Ｙ
座標軸のプラス方向に移動量Ｄだけ移動した位置（Ｉ−
Ｄ，Ｊ＋Ｄ）のマスク内の画像を作業領域ＷＯＲＫ３に
コピーする。ステップＳ２０６で、Ｙ座標軸のプラス方
向に移動量Ｄだけ移動した位置（Ｉ，Ｊ＋Ｄ）のマスク
内の画像を作業領域ＷＯＲＫ４にコピーする。ステップ
Ｓ２０７で、ＸおよびＹ座標軸のプラス方向にそれぞれ
移動量Ｄだけ移動した位置（Ｉ＋Ｄ，Ｊ＋Ｄ）のマスク
内の画像を作業領域ＷＯＲＫ５にコピーする。本実施例
では、マスクの移動方向を４方向としている理由は、画
像を走査しながら境界領域を判定していくため、上方
向、あるいは左方向についての特徴量の変化はすでに判
定済となるため、効率的に処理を進めるためには、本実
施例で用いている４方向とする。マスクの領域とマスク
移動後の領域が５つの作業領域にコピーされ、以後各作
業領域内の各画素は、各作業領域の左上角を原点とする
座標系で参照される。

【００１２】ステップＳ２０８では、各作業領域を用い
て特徴量が計算される。ここでは、作業領域ＷＯＲＫ１
とＷＯＲＫ２、作業領域ＷＯＲＫ１とＷＯＲＫ３、作業
領域ＷＯＲＫ１とＷＯＲＫ４、さらに作業領域ＷＯＲＫ
１とＷＯＲＫ５の組合せで特徴量が計算され、その結果
４つの特徴量Ｐ１、Ｐ２、Ｐ３、Ｐ４が得られる。

【００１３】ここで、特徴量計算の手順を図５のフロー
チャートを用いて説明する。作業領域の各組合せでの特
徴量の計算方法は同じなので、図５では作業領域ＷＯＲ
Ｋ１とＷＯＲＫＸという記号で説明する。すなわち、Ｗ
ＯＲＫＸのＸは２〜５を表す。また、各作業領域の組合
せで計算される特徴量もＰＸとして表すが、同様にＰＸ
のＸは１〜４を表す。まず、特徴量を計算するために、
ステップＳ５０１で各変数の初期化を行う。ステップＳ
５０２では、作業領域ＷＯＲＫ１とＷＯＲＫＸのＸ座標
がＩ、Ｙ座標がＪである画素の画素値をそれぞれ変数Ａ
１とＡＸに格納する。この時、処理対象の画像は２値画
像なので変数Ａ１とＡＸは、それぞれ０あるいは１のい
づれかが格納されることになる。次の３つのステップＳ
５０３〜Ｓ５０５では、特徴量の計算に必要な各変数Ｎ
Ｎ、Ｎ０１、Ｎ１１の値が求められる。すなわち、ステ
ップＳ５０３では変数Ａ１の値が１のとき、変数ＮＮの
値に１を加える。ステップＳ５０４では、変数Ａ１と変
数ＡＸを掛け合わせた値が１である時に、変数Ｎ１１に
１を加え、ステップＳ５０５では変数Ａ１と変数ＡＸの
値を加えた値が１の時に、変数Ｎ０１に１を加える。こ
の演算過程から分かるように、作業領域全体の走査が終
了した時に、変数ＮＮは、作業領域ＷＯＲＫ１内の黒画
素数を表し、変数Ｎ１１は作業領域ＷＯＲＫ１とＷＯＲ
ＫＸにおいて、同じ座標位置で同時に画素値が１となる
画素数を表し、変数Ｎ０１は作業領域ＷＯＲＫ１とＷＯ
ＲＫＸにおいて、同じ座標位置で異なる画素値となる画
素数を表している。

【００１４】２つの作業領域全体に対して上記の処理を
終了した後、ステップＳ５１０において式ＰＸ＝（ＮＮ
−Ｎ１１）／Ｎ０１で特徴量ＰＸを計算する。この特徴
量は、一定のパターン情報内部においてはある一定値を
取ることを図６（ａ）を用いて説明する。図６（ａ）で
は、説明を簡単にするために、縦線からなるパターン情
報を用い、マスク内部の画像のみを示す。また、マスク
の大きさはパターン情報の周期に近い値に設定されるの
で、マスク内部には必ず図６（ａ）のようにパターン情
報を構成する図形要素を見ることができる。また、作業
領域ＷＯＲＫＸは、本実施例ではＷＯＲＫ２に相当する
作業領域となる。図６（ａ）から分かるように、作業領
域ＷＯＲＫＸはマスクを移動量Ｄだけずらした時の画像
を示しているので、作業領域ＷＯＲＫ１とＷＯＲＫＸと
の間で、同じ座標位置で画素値がいづれも１を取るよう
な領域の両側に、移動量と同じ幅を持って２つの作業領
域の同じ座標位置で異なる画素値を持つ領域があること
が分かる。したがって、マスク内の黒画素数から、２つ
の作業領域の同じ座標位置で画素値１をとる画素数を差
し引いた値は、２つの作業領域の同じ座標位置で異なる
画素値を取る画素数の１／２となる。これは、マスクを
移動する方向によらず、またパターンを構成する図形の
方向にも依存せずに成立する。さらに、パターンが点の
集合として表される場合においても、同様に特徴量ＰＸ
は１／２をとる。境界領域では、パターン情報の周期性
が壊れ、マスク内に境界線を包含したり、隣接するパタ
ーンを包含することになるので、ＰＸ＝１／２のは成立
しなくなる。この性質を利用して、図３のステップＳ２
１４では特徴量と１／２（以後、基準値と呼ぶ）を比較
して、境界領域を判定する。

【００１５】次に図３のステップＳ２０９では、ステッ
プＳ２０８で計算した特徴量を対応する特徴量記憶領域
に格納する。このとき、特徴量記憶領域Ｓ１には特徴量
Ｐ１が、特徴量記憶領域Ｓ２には特徴量Ｐ２が、特徴量
記憶領域Ｓ３には特徴量Ｐ３が、特徴量記憶領域Ｓ４に
は特徴量Ｐ４が記憶される。この時、各特徴量Ｐ１、Ｐ
２、Ｐ３、Ｐ４は、画像上におけるマスクの中心位置、
すなわちＸ座標を変数Ｉ、Ｙ座標を変数Ｊで表される画
像上の座標位置に対応する特徴量記憶領域上のアドレス
Ｓ１（Ｉ、Ｊ）、Ｓ２（Ｉ、Ｊ）、Ｓ３（Ｉ、Ｊ）、Ｓ
４（Ｉ、Ｊ）に格納される。以上のマスクによる特徴量
の計算を、画像全体に対してマスクを走査させながら
（ステップＳ２０３〜Ｓ２１３）、繰り返し行う。この
とき、画像の縁付近では、マスクを移動することで、マ
スクが画像の外側にはみ出し、画素値が不定となること
が考えられるが、画像の外側の一定の大きさのマージン
領域を設け、そのマージン領域内の画素値をすべて０と
することで画素値が不定となることを防ぐことができ
る。これまでの処理で、入力画像の各画素に対応する特
徴量が特徴量記憶領域Ｓ１、Ｓ２、Ｓ３、Ｓ４に記録さ
れている。

【００１６】ステップＳ２１４では、各記憶領域の値と
基準値を比較することで境界領域を判定する。その詳し
い処理を図７のフローチャートに沿って説明する。ステ
ップＳ７０１では、境界領域を判定するために使用する
変数の初期化を行う。画像のＸ座標とＹ座標を表す変数
ＩとＪをリセットする。この変数は、出力用の画像記憶
領域と特徴量を記録している４つの記憶領域Ｓ１，Ｓ
２，Ｓ３，Ｓ４内の値を参照するのに使用される。本ア
ルゴリズムでは、先に説明したように、一定のパターン
情報から別のパターン情報に移るような部分で特徴量は
基準値以外の値を取ることになるが、Ｘ座標Ｉ、Ｙ座標
Ｊで決まる画素の特徴量は、実際にはマスクの大きさと
移動量できまる値だけずれた部分の特徴を示している。

【００１７】このことを図６（ｂ）を用いて説明する。
今、境界線の近い部分に特徴量を計算するためのマスク
が位置しているとする。この時、マスクをＤだけ移動し
た領域には境界線が存在するために、ここで計算される
特徴量は基準値以外の値を取ることになる。しかし、マ
スクの位置する座標は（Ｉ、Ｊ）なので、特徴量記憶領
域の（Ｉ、Ｊ）に対応する部分にこの特徴量は記録され
ることになる。このずれ量は図６（ｂ）からも分かるよ
うに、マスクの大きさｗと移動量Ｄで決まる値ｗ／２＋
Ｄである。しかし、実際の画像は画像歪みやかすれなど
による変動があるため、それを考慮した重みαを加え、
ｗ／２＋Ｄ＋αの値で特徴量の位置の補正を行う。ま
た、逆に境界領域から一定のパターン情報にマスクが移
動してきた時も、特徴量が基準値を取りはじめる位置が
ずれるため、補正値ｗ／２＋αを用いて特徴量の位置を
補正する。この補正値をそれぞれ変数Ｔ１とＴ２に記憶
する。さらに、得られた境界領域を出力するための出力
用画像記憶領域ＯＵＴを生成する。この記憶領域は、入
力された画像を同じ大きさを持つ画像用の記憶領域であ
る。

【００１８】次のステップＳ７０２において、補正量Ｔ
１、Ｔ２を用いて境界領域の判定を行う。各特徴量記憶
領域に記憶されている特徴量は、特徴量を計算した時の
マスクの移動方向に直行する方向の境界に強く反応す
る。したがって、各特徴量を調べ、１つでも特徴量が基
準値から一定値ε以上異なる画素を境界領域とする。ま
た、各特徴量とも２つの補正量Ｔ１、Ｔ２で補正された
位置での特徴量がいずれも上記の条件を満たしている必
要がある。これは、補正量がそれぞれ境界領域の縁をそ
れぞれ入力画像の境界線の位置に合うことを基準として
決められているため、その縁に挟まれた領域を検出する
ためである。図８（ａ）では、マスクを横方向に移動し
て特徴量を計算した時の様子についてだけ説明している
が、各方向において同様の考え方で、特徴量の位置の補
正を説明することができる。以上の補正手段によって特
徴量の位置を補正して比較した結果、条件を満たしてい
る部分を境界領域としてその画素をセットする。以上の
処理を画像全体に対して行うことによって、出力用画像
記憶領域ＯＵＴには、境界領域を示す画像が形成され
る。図８（ｂ）には入力画像（１）と境界検出結果であ
る出力画像（２）の例が示されている。

【００１９】

【発明の効果】以上説明したように、本発明によればパ
ターン情報が同一のパターンを持っている部分について
は、一定の値を取るような特徴量を採用しているため
に、パターン情報を構成する図形の形状に関係なく、パ
ターン情報の変化する任意形状の境界領域を検出するこ
とができる。

【図面の簡単な説明】

【図１】 本発明の実施例の構成の概略を示す図

【図２】 実施例の全体の処理を示すフローチャート

【図３】 実施例の全体の処理を示すフローチャート
（図２の続き）

【図４】 （ａ）は画像の走査に用いるマスクとマスク
の大きさを説明した図、（ｂ）はＩ＝０、Ｊ＝０である
画素におけるマスクの状態を説明した図、（ｃ）はマス
クの移動方向を説明した図

【図５】 特徴量の計算手順を示したフローチャート

【図６】 （ａ）は特徴量の原理を説明した図、（ｂ）
は境界線とマスクの中心画素のずれを説明した図

【図７】 境界領域判定処理のフローチャート

【図８】 （ａ）は特徴量の位置の補正を説明した図、
（ｂ）は本実施例で用いられる入力画像と出力で得られ
る画像の例を示した図

【符号の説明】

１１…マスクによる画像走査手段、１２…特徴量計算手
段、１３…特徴量記憶手段、１４…境界領域判定手段、
４１…マスク。

Claims (4)

【特許請求の範囲】
1. 【請求項１】 所定の大きさの第１の領域の画素値群と
   第１の領域に対して所定の位置関係にある所定の大きさ
   の第２の領域の画素値群とを画像から抽出する画素値抽
   出手段と、 前記画素値抽出手段により抽出された第１および第２の
   領域の画素値群を用いて、それら領域の画素値群の類似
   性を表す特徴量を計算する計算手段と、 前記計算手段により計算された特徴量に基づいて、画像
   中の境界を判定する判定手段とを有することを特徴とす
   る境界検出装置。
2. 【請求項２】 所定の大きさの領域を抽出するための所
   定の大きさを持つマスクを用いて画像全体を走査する走
   査手段と、 前記走査手段により得られる領域群におけるある第１の
   領域の画素値群と、その領域に対して所定の位置関係を
   有する他の第２の領域の画素値群との類似性を表す特徴
   量を、画像全体の領域群に対して計算する計算手段と、 前記計算手段により計算した特徴量を一時的に記憶する
   記憶手段と、 前記記憶手段に記憶した各特徴量をある基準値と比較
   し、閾値以上異なっている場合に、その特徴量に対応す
   る第１の領域の１つの画素を境界領域であると判定する
   判定手段とを有することを特徴とする境界検出装置。
3. 【請求項３】 走査に用いるマスクとそのマスクを少な
   くとも異なる４方向に一定距離だけ移動して得られる領
   域との間で特徴量を計算し、そのうち少なくとも１つが
   基準値より閾値以上離れている場合に、マスクに対応す
   る画素を境界領域であると判定することを特徴とする請
   求項２記載の境界検出装置。
4. 【請求項４】 前記マスクの大きさと前記移動の距離と
   に基づいて境界領域の判定位置を補正することを特徴と
   する請求項３記載の境界検出装置。