JPS63153682A - 濃淡画像の処理方法 - 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、濃淡画像処理に係り、特に複雑な背景や明る
さむらなどを有する画像に対しても適用可能な濃淡画像
の処理方法及び装置に関する。

〔従来の技術〕

画像処理装置を用いて文字などを認識する場合、一般に
は、テレビカメラなどで撮影した画像データをあるしき
い値レベルで′０″と′１′の２値データに圧縮して処
理することが多い。たとえば、文字を′１′、背景をｉ
　０　＋のレベルに２値化し、その′１′のデータにつ
いて認識処理を行う。

ところで、白紙に黒く書かれた文字を認識する場合のよ
うに、かなり鮮明な画像を対象とするときは、上述のし
きい値レベルは予め簡単に決定することが可能（たとえ
ば、平均濃度をしきい値とする）である、しかし、更に
難しいアプリケーションに対応するためには、上述のよ
うな単純な２値化処理では良好な結果が得られないこと
が多い。

このアプリケーションの例を示すと、例えば次のような
ものが揚げられる。

（１）柄のあるダンボールの箱から文字を抽出する。

（２）　、ｌ外の看板等から文字を抽出する。

（３）プリント基板上から文字を抽出する。

このような対象は、文字の背景が複雑かつ、明るさの変
動が激しいため単純な２値化は適用できない、そこで、
これらの対象でも良好な文字等を抽出する２値化の手法
を考案する必要があるが。

その従来例として、たとえば、「情景画像中からの文字
抽出法の検討」　（情報処理学会全国大会講演論文集：
’８６．３３大谷著）に記載のように、複雑あるいは低
コントラストの画像から文字を抽出する方法が提案され
ている。

これは、第２図のように、テレビカメラなどから入力し
た濃淡画像１４０の１画面を複数のサブブロック１４１
に分割し、このブロック内で最適な２値化のしきい値レ
ベルθｈａを決める（第２図）。

このときのしきい値θｉ、は、サブブロック１４１内で
白黒２つのクラスに分離する２クラス問題としてとらえ
、最もクラス間分散が最大となる値としている。更に、
サブブロック１４１間の連続性を保つために、第３図に
示すようにθ目を用いて画素ごとの補間を行い、この結
果のしきい値θ工１１、すなわち各画素ごとのしきい値
θ。、ｙを予め決定し、入力画像を２値化する方法であ
る。

又、特開昭６１−７４０６号公報では、形状の欠陥検出
を行う場合であるが、あらかじめ基準画像を記憶してお
き、その基準画像と被検査対象物との比較（たとえば差
分）を行い欠陥を検出する方法も提案されている。

〔発明が解決しようとする問題点〕

上記従来技術の問題点は、前者では、°サブブロック内
のしきい値θＮ、の決定のために濃度ヒストグラム（各
濃度レベルの頻度をサブブロック内で求める）を用いて
、２次元の画像データを１次元のデータに変換している
ため、明るさの位置情報を考慮できず、最適なしきい値
が決定できない。

又、各画素に対し、θｉ−を用いて補間法でしきい値θ
Ｉｌｌ？を求めているため、真のしきい値とは異ってし
まう、更に、上記の各処理は処理時間がかかり、リアル
タイムでの文字抽出ができないなどがあげられる。　　
　” 一方、後者のように濃淡両像そのものをあらかじめ記憶
している基準画像と比較する方法は、常に明るさ９位置
、大きさなどが一定であれば、シェーディングの影響な
どが除去でき、かつ高速に処理可能であるが、現実には
明るさの変動は除去できず、このため、複雑な画像や明
るさのむらがりアルタイムに変化するような対象には適
用できない欠点があった。

本発明の目的は、上記した従来技術の欠点に鑑み、複雑
な画像あるいは、明るさのむらなどが時時刻々と変化す
る環境下であっても、処理対象画像の中から高速かつ鮮
明に文字等の目標画像を抽出することにある。

〔問題点を解決するための手段〕

ところで、複雑な対象画像、あるいは明るさ変化のある
対象画像から目標画像を抽出しにくい理由は、所定の領
域にわたって目標画像を抽出するためのしきい値が求め
難い、また明るさの変化によってこのしきい値も影響を
受けるからと考えられる。

しかし１例えば、文字等が黒いという意味は、その文字
等がＲＨに比べて暗いということであり。

絶対値で明るいか暗いかではない、すなわち、目標画像
の明るさと周囲の画像の明るさとのコントラストによっ
て目標画像を認識することができ、この場合、明るさの
変化の影響を受けにくいと考えられる。

本発明はこの点に着目したもので、前記目的は。

数階間の明るさを有する処理対象画像を入力し、この入
力した処理対象画像から背景画像を作成し、この背景画
像と上記処理対象画像とで画像間演算、例えば比較演算
によって目標画像を抽圧することにより達成され、この
思想を利用することでさらに高度な処理等が達成される
。

ここで、目標画像とは、抽出したい画像のことである。

また、背景画像とは、処理対象画像から目標画像を除い
た画像であって、この目標画像の影響を完全に除いた画
像の外、目標画像の影響を軽減した画像をも含むもので
ある。

〔作用〕

本発明では、入力した処理対象画像を基に、その背景画
像を作成している。よって、この背景画像は、そのとき
の対象画像の内容、あるいは明るさの変化をも反映して
いる。

したがって、この背景画像と前記入力した処理対象画像
との間で演算し、対象画像の中から背景画像を除けば、
目標とする画像を抽出することができる。この場合、背
景画像は、処理対象画像から作成するので予め設定する
必要がなく、そのときの明るさ等も反映しているので、
高速かつ鮮明に画像抽出することができるわけである。

なお、この背景画像の具体的作成方法等については、以
下の説明で各種例を挙げて詳述する。

〔実施例〕

先ずここで、背景画像の作成方法及び、コントラスト画
像作成方法の概要について、−次元の画像の例を挙げて
簡単に説明する。

第３図（１）は入力画像ｆｓであり、このうちＡ−Ａ’
の１ラインだけを横軸に位置、縦軸に明るさとして表わ
したのが第２図のｇ＾である。ここで、文字を抽出した
いとすると、予め設定したしきい値ＴＨで、これより明
るい部分を′０′。

暗い部分を１１′とする２値化を行うこともできる。し
かし、このしきい値ＴＨは絶対的な値であるため、処理
対象画像すなわち入力画像の明るさむらや、複雑な背景
が生じると、Ｔｓを決定するのが難しくなる。

そこで、背景画像を作成し、差をとる方法を用いる。入
力画像に対し、たとえば第４図のように３画素ｆ１ｒ　
ｆｚ　、ｆｓのフィルタを設け、このフィルタでａ＋ａ
ｘ（ｆ　ｔ）　　ｉ　＝　１〜３を求め、これをｆｚの
位置に書込む処理を、ラスクスキャンして今、第３図（
１）の文字幅が５画素とすると、上記処理を３回繰り返
すと、第４図のように、文字の暗い部分が完全に周囲の
背景画像データに置き換わる。すなわち、文字幅に応じ
た処理を行えば。

背景画像が容易に作成できる。この背景画像（δ） ｇ＾　と入力画像ｇ＾との差をとると、第５図のように
明るさが１０′　レベルを基準として文字部だけが鮮明
になる。この差分画像すなわち目標画像は、抽出したい
領域のコントラストから得られるものであり、画面全体
の明るさが変化しても、はとんど一定している。したが
って、このような入力画像から１例えば文字等を取り出
す場合の２値化しきい値は、複雑な演算を用いなくとも
容易に設定することができる。

以上は、暗い文字の抽出を示したが、明るい文字抽出の
場合は、前記したフィルタの演算をｗｉｎ（ｆ　＋）ｉ
　＝　１〜３として、入力画像から背景画像を差し引け
ばよい。

ところで、実際の画像では、第３図のような鮮明な入力
画像だけでなく、第１図のように明るさの傾き（むら）
をもった対象が多い、このような画像に対し、上述の処
理だけを行うと、第１図（４）のように傾きのある背景
部分（図中斜線部）まで抽出されてしまう。そこでこの
ような場合、第１図（３）の画像（ｗａｘ（ｆｔ）ｉ＝
１〜３の結果をｎ回実行した画像）を更に、今度はｗｉ
ｎ（ｆｔ）ｉ＝１〜３を同じ回数だけ繰り返す処理を行
うことも出来る。この処理により、一度埋まった明るさ
の凹部の領域はそのままで、傾斜部だけが入力画像と同
じ明るさにもどる。したがって、この画像と入力画像と
差分をとれば、文字部だけが抽出できることになる。こ
のような、背景画像を作成して入力画像との差分を求め
、２値化する方法を、以下、背景画像差分法と称す。

ここで、ｗａｘ（ｆｔ）ｉ＝１〜ｎの値をｆｌのフィル
タの中心に与える処理を局所最大値フィルタ処理、一方
、ｗｉｎ（ｆ　ｔ）　ｉ　＝　ｌ　〜ｎの場合を局所最
小値フィルタ処理と称す。

なお、第１図にシェーディングのある画像であるが、一
般にシェーディング補正は、あらかじめ白い紙を撮影し
て、その得られた画像のむらを計算し、各画素ごとの補
正値を記憶する。オンライン時は１次々と得られる処理
対象画像の各画素に対し、上記で記憶した補正値で各画
素の濃度を補正することが行われる。しかし、このよう
な補正法は、常にシェーディングの状態が一定であり、
又、全体の明るさも一定でなければ効果がないが、上述
した本発明の背景画像差分法では、得られる入力画像か
ら直接背景画像を作成するので、シェーディング状態や
、明るさの変動に対しても有効に対処可能である。

以下、本発明の具体的一実施例を１図を用いて説明する
。第５図は本発明の一構成を示す図であり、テレビカメ
ラ１０．Ａ／Ｄ変換器１１９画像メモリ１２９局所最大
値フィルタ回路１３９局所最小値フィルタ回路１４１９
画像間演算回路１５゜２値化回路１６．ＣＰＵ１７．Ｄ
／Ａ変換ｉｌｌ　８゜モニタ１９からなっている。

このような構成において、テレビカメラ１０などによっ
て撮影された画像信号はＡ／Ｄ変換器１１によって例え
ば１２８階調の濃度データに変換されて画像メモリ１２
に記憶される。ここで画像メモリ１２は、たとえば２５
６Ｘ２５６画素の濃淡画像メモリかに枚０１〜Ｇｋｍわ
っており、又。

必要に応じて２値画像メモリがＱ枚８１〜Ｂｍ備わって
いる。

ところで、前述した局所最大値、最小値フィルタ処理の
説明は、−次元のフィルタを用いたが、実際の画像は２
次元であるため、該フィルタ処理も第６図のように３×
３画素ｆｔ　、ｆ２・・・ｆｌｌの中から最大値や最小
値を取り出し、その値をＦとして格納対象濃淡画像に埋
込む処理とする。

さて、上記フィルタの大きさを通常用いられる３×３画
素のフィルタとして、背景に比べ暗い文。

字を抽出する処理手順を以下示す。

第７図に手順に示すが、入力した濃淡画像Ｇｌを局所最
大値フィルタ処理回路１３でフィルタ処理してＧ２の濃
淡画像メモリへ格納しく９１）、このＧｚの画像に対し
て同じく最大値フィルタ処理して再びＧ２＾格納する（
９３）、この最大値フィルタ処理は１文字幅が埋まる程
度繰り返し処理する。ここではトータルｍ回施す（９２
）、更にこの０２画像を局所最小値フィルタ処理回路１
４でフィルタ処理して、再び０２画像へ格納する（９５
）。この処理をｎ回繰り返す（９４）−。

このｎは通常はｎ＝ｍである。

最終的に得られたａＳ画像は、入力画像Ｇ１に対し１ｍ
回局所最大値フィルタ処理とｎ回局所最小値フィルタ処
理を施した画像であり、この画像Ｇ２が背景画像となる
。ここでは、背景に比べ暗い文字を抽出するために、明
るさの凹部を埋めた背景画像となる。この画像Ｇｔと入
力画像Ｇ１と画像間演算回路でたとえば画素ごとの差分
をとれば（９６）、この例では暗い文字領域だけが明る
くなって周囲の背景はほとんど１０ルベルとなる（Ｇａ
画像）。

この画像Ｇ８から２値化して文字を抽出する場合は、あ
らかじめ決められたしきい値レベルより明るい画素を取
り出す２値化を２値化回路１６で行ったり、あるいは、
この差分画像Ｇ８の濃度レベルをもとに、たとえば最大
濃度と最小濃度の平均値や全体の平均濃度などをしきい
値レベルとして２値化してもよい、いずれにしても、し
きい値レベルは簡単に求まる（９７）。

また、上記倒置外に２背景画像に対し一定値を加えた画
像と入力画像との差分を求め、このコントラスト画像を
、０以上を抽出する２値化を行うと、コントラスト画像
の固定２値化が同様に可能であり、更に入力画像と背景
画像との差分画像を１／２あるいは１／３といったスケ
ールで割っておいて、この画像を２値化すれば、ノイズ
の発生が少なくなる等の変形も容易である。

ここで、ｍやｎの回数は抽出したい文字の幅によって一
意に決まり、たとえば文字幅が５画素程度なら、ｍやｎ
は３回程度となる。なお、第８図に処理結果例を示す、
１０１は入力画像Ｇ１．１０２は局所最大値フィルタ処
理結果、１０３は１０２を更に局所最小値フィルタ処理
した結果であり、１０４は１０３から１０１の入力画像
Ｇ１を差し引いた画像である。この図では、細い文字領
域を取り出すための処理となるよう上記ｍ、　ｎの回数
を設定しており、文字の周囲に存在する物体は同じ暗い
領域であるにもかかわらず抽出されない利点がある。

以上の処理を第９図のようなシェーディング（明るさの
むら）がかかったような対象画像に適用すると、一般に
は文字部てを抽出する２値化のしきい値レベルは決定し
にくい（第２図参照）。

しかし、前述の手法を用いると第４図のように文字部の
コントラストを抽出することにより、明るさのむらを除
去することができ、文字を抽出する２値化は容易となる
。

第１０図のは、入力画像、■は背景画像を作成した結果
、■は入力画像から背景画像（包絡面画像）を差し引い
た結果を、夫々３次元表示したものである。なお、この
例は文字が背景に比べ明るい場合であり、背景画像の作
成は局所最小値フィルタ局所最大値フィルタの手順とな
り、明るさの凸部を削った背景画像を作成することにな
る。

なお、このような背景画像差分法は、第１１図のような
物体の欠け（ａ）あるいは突起物検出にも有効である。

第１図は入力画像、第２図は局所最小値フィルタｎ回１
局所最小値フィルタｍ回を施した背景画像、第３図は第
１図〜第２図の差分画像である。

ところで、以上の説明は３×３画素の局所フィルタで実
行したため１文字の幅がたとえば５画素とすると３回程
度局所フィルタ処理を繰り返し実行する必要があるが１
局所フィルタの大きさが５×５画素なら２回、７×７画
素なら１回の局所フィルタ処理で実行できる。したがっ
て、前述した小さな局所フィルタで繰り返し実行する方
法と、抽出したい文字幅に相当する大きさをもったフィ
ルタで１回の実行をすることでも同様な効果が得られる
。尚、この背景画像差分法は、明るさにむらがない場合
は、第３図のように、局所最大値あるいは局所最小値フ
ィルタだけで背景画像を作成してもよく、また、精度を
要求されない場合は常に最大値あるいは最小値フィルタ
だけでもよい。

くキズや汚れ検出への応用〉 キズや汚れなどを検出する場合、白い汚れ、黒い汚れな
どがあり、又、大きさも種々雑多である。

このような対象から汚れなどを検出するために、前述し
た手法を用いると、シェーディングの除去はできても、
白及び黒の汚れ両者の検出はできず、又、あらかじめ設
定した局所最大値フィルタ処理などの回数で検出できな
い極めて大きな汚れには適用できない、逆に検出しよう
とすると前述した繰り返し回数だけ増加し、処理時間が
膨大となる。

そこで、キズや汚れ検出は、形は正確に抽出できなくて
も、そこに有るか否かが重要であるため、小さな汚れは
全て検出して、大きな汚れは輪郭だけを検出するように
すれば、処理時間も高速となる。

本発明はこのような場合にも応用できる。すなわち、第
１２図のように、小さな黒い汚れ１２１、小さな白い汚
れ１２２、大きな黒い汚れ１２３がある対象として、た
とえば小さな黒い汚れ（幅５画素とする）は全と検出す
るものとする。この時の入力画像は第１図で、局所最大
値フィルタ処理を３回実行すると、第２図、局所最小値
フィルタ処理を２回実行すると第３図のようになる。こ
の背景画像から入力画像を差し引くと第４図のように５
画素以下の黒の汚れは全て検出でき、その他の汚れは、
輪郭が抽出できる（５）　、　Ｌ、たがって、このよう
に１局所最大値フィルタ処理と局所最小値フィルタ処理
の繰り返し回数を異なるよう設定すると、所定の大きさ
以上の汚れや白、黒画者の汚れの有無も検出可能である
。

なお、上記処理例は、局所最大値フィルタ処理→局所最
小値フィルタ処理→背景画像から入力画像を引く、であ
るが、逆に、局所最小値フィルタ処理→局所最大値フィ
ルタ処理→入力画像から背景画像を引くの手順でも同様
な効果が表われる。

又、繰り返し回数についても、最大、ａ、Ｊ＝それぞれ
の回数が異っていればよく、上述のように１回の差をも
たせることに限定はされない。

また、第５図の処理結果に対し、穴うめ処理を行えば、
汚れの形も容易にＶ＆識することができる。

〈任意の幅だけを抽出するための応用〉文書画像などに
おいては５文字の幅が太いもの細いものなどが混在する
。このような対象から、たとえば太い文字だけを取り出
すためには、次の手順をとるのが一般的と考える。

（１）２値化・・・・・・文字全てを鮮明に抽出する。

（２）各文字の領域を決める （３）上記領域内の文字幅を特徴量などを用いて測定す
る。

（４）所定の値を満足する線幅なら抽出する。

このような処理を実行すると１文字の数が多くなるにつ
れ、処理時間が膨大となる。そこで、これまで述べた背
景画像差分法を応用すると、比較的容易に特定線幅の抽
出が可能となる。すなわち、上記処理は、局所フィルタ
の処理回数あるいは局所フィルタの大きさによって抽出
される文字幅が限定されるが、これを用いて、たとえば
太い文字だけを抽出する場合であれば、まず太い文字以
下が抽出できる局所フィルタの回数の背景画像差分法を
実行して太い文字以下全てを抽出する。そして、今度は
細い文字だけが抽出できる局所フィルタ処理の回数で背
景画像差分法を実行して細い文字以下を抽出する。この
両者の差分画像を求めれば、太い文字だけのコントラス
ト画像を抽出することができる。

具体的に第１３図を用いて示すと、線幅が３の細い文字
１３１と線幅９画素の太い文字１３２の混在する画像の
中から、太い文字１３２だけを抽出する場合は、まず、
太い文字、ａい文字全てが抽出できるよう、局所最大値
フィルタ処理を５回、と入力画像ｇ＾との差分Ｂを求め
ると、細い文字。

太い文字のコントラスト画像（第３図）が作成できる。

一方、細い文字だけを抽出するために、局（第４図）を
作成する。この画像と入力画像ｇ＾との差分Ｃを求める
と、細い文字だけのコントラスト画像（第５図）が作成
できる。更に、この２つのコントラスト画像ＢとＣの差
分を求めるとＤのように太い文字だけのコントラスト画
像（第６図）が作成できる。この画像を２値化すれば太
い文字だけを鮮明に抽出可能となる。

又、上記手法は２つのコントラスト画像の差分で求めた
が、他の手法として、第３図の画像をある値で２値化し
、更に第５図の画像を２値化して、この２つの２値画像
の排他的論理和処理を行うと、同様に太い文字だけを抽
出できる。

く白い文字、黒い文字の抽出〉 文字認識の対象には、一般に白い紙に黒い文字が書かれ
ていることが多いが、たとえば車のナンバープレートは
、第１４図のように、白地に緑文字（ａ）、緑地に白文
字（ｂ）といったようにさまざまな色がある。このよう
な対象に対して背景画像差分法を用いる場合、あらかじ
めナンバープレートの色が機知であればどの局所フィル
タ処理を先に実行するかが決まるが、オンラインで次々
と走行する車のナンバープレートから文字を抽出する場
合には、その都度抽出したい文字が背景に比べ暗いか明
るいかを判定する必要がある。このための処理として、
第１６図を用いて説明する。

ナンバープレートの領域をある手段（たとえば特開昭６
０−１６８４８５号記載）で決定すると（１６１）、そ
のナンバープレート領域の濃度ヒストグラムは第１５図
の（ａ）か（ｂ）のパターンとなる。すなわち、ナンバ
ープレートの背景の方が文字に比べ面積は大きいから、
第１４図の（ａ）のナンバープレートなら第１５図の（
ａ）のように明るい濃度の方が頻度が高くなる。逆に第
１４図（ｂ）のようなナンバープレートなら第１５図（
ｂ）のパターンとなる。したがって濃度ヒストグラムを
求めれば、文字色を判定することができる（１６１）。

この判定結果を用いて、背景に比べ文字が明るいか暗い
かでどのフィルタ処理を先に実行するかを決めればよい
、すなわち、背景に比べ明るければ、第１６図１６４の
ように局所最小値フィルタを先に、暗ければ局所最大値
フィルタを先に処理する背景画像差分法を実行すればよ
い（１６５）、このように文字色判定を追加することに
より明るい文字、暗い文字いずれも抽出可能となる。又
、第１６図以外の簡易な方法としては、常に明るい場合
、暗い場合両者の処理を実行し、それぞれの文字抽出結
果画像の中に文字らしき領域があるかないかを特徴量（
たとえば面積１周囲長など）を用いて判定し、文字があ
る側の処理結果画像をその後の処理に用いる方法もある
。

ところで、暗い文字及び、明るい文字が混在するような
対象から両者を抽出する方法を以下示す。

第１７図に入力画像の１ライン成分をｇ＾とじて示すが
、これを一方は、局所最大値フィルタ→局し引き、第３
図のＢの画像を作成する。他方、入を作成し、これと入
力画像との差分から第５図のＣの画像を作成する。これ
ら２つのコントラスト画像ＢとＣの和を求める画像間演
算（Ｂ＋Ｃ）や、２つの画像の各画素の最大値を求れる
画像間演算ＭＡＸ（Ｂ、Ｃ）、差を求め絶対値をとる画
像間演算ＩＢ−Ｃｌのいずれかの処理を行うと、暗い文
字（ｊ）の回数をｇ＾とｆ＾で異るように設定すると、
暗い文字の抽出される幅と明るい文字の抽出される幅を
別にすることもできる。又、特定の線幅抽出の項で述べ
たように、各々のコントラスト画像ＢとＣをまず２値化
して排他的論理和（ＸＯＲ）処理を実行する方法もある
。いずれにしても、明るいあるいは暗い文字を抽出する
ための背景画像差分法をそれぞれ実行して、両者で得ら
れた画像での画像間演算を行うことにより白、黒を意識
せずに文字のコントラスト画像が作成できる。

また、他の方法として第１８図に示す手法もある。すな
わち、入力画像の１ライン成分をｇ＾とすると、これを
局所最大値フィルタ→局所最小値ｇ＾　　　と、逆に局
所最小値フィルタ→局所最大値フィルタの順に処理した
第３図の背景画像明るい文字と暗い文字の両者のコント
ラスト画像が作成でき、上述した手法と同様な効果が得
られる。

く連結性を考慮した処理〉 以上説明した手法は、２次元の３×３画素フィルタやｎ
×ｎ画素でのフィルタ処理を単に繰り返すだけであるが
、実際には連結性を考慮した方が、より鮮明に文字幅の
抽出はできる。そこで、次の処理とする。３×３画素の
場合は、２値画像処理で通常知られている４連結、８連
結の連結性があるので、第１９図のようし；×印の位置
は使用しない（Ｄｏｎ’ｔ　Ｃａｒｅ）で（ａ）を４連
結用、すなわち＋ａａｘ（ｆ＋）はｉ＝１．２，４，６
．８にライて処理し、（ｂ）は８連結用（これまで述べ
た３×３画素全てを用いる）として前述した局所フィル
タ処理を実行するにのとき、たとえば局所最大値フィル
タを繰り返すときは４連結→８連結→４連結（あるいは
、この逆）といった具合に順次連結性を変えて繰り返せ
ばよい、また、５×５画素のフィルタであ九ば第２０図
のようなＯ印だけを用いるフィルタで繰り返せばよい。

一般的に、ｎ×ｎ画素のフィルタであれば、円形のフィ
ルタ形状とすれば背景画像作成時良好な画像が得られる
。

く背景画像作成を１回のフィルタ処理で実行する方法〉 以上説明した処理は、背景画像を局所最大値フィルタ、
局所最小値フィルタを各々数回繰り返して実行する手法
であるが、次のようなフィルタを作成すれば１回のラス
タスキャンの実行で同じ効果が得られる。

たとえば、３×３画素のフィルタで局所最大値フィルタ
と局所最小値フィルタ処理をそれぞれ実行するのに、第
２１図のフィルタを作成する。中心の３×３画素のフィ
ルタをｆ＾、その周囲（中心画素Ｃの周囲）の３×３画
素のフィルタをｆＢ。

ｆｃ　＋　ｆｎ　ｒ　ｆｅとすると、次の演算を実行す
れば局所最大値フィルタ→局所最小値フィルタ処理それ
ぞれ１回ずつ、計２回のラスタスキャンを１回のラスタ
スキャンで実行できる。

すなわち、　　ａ＝ＭＡＸ（ｆ＾（＋））ｉ＝１〜９ｂ
　＝ＭＡＸ（ｆ　Ｂ（＋））　　ｉ　＝　’−〜９ｃ＝
ＭＡＸ（ｆｃ（＊））ｉ＝１〜９ ｄ＝ＭＡＸ（ｆ−（ｔ））ｉ＝１〜９ ａ　＝ＭＡ　Ｘ（ｆ　ｅ（ｔ））　　ｉ　＝　１〜９ｆ
＝Ｍｉｎ　　（ｂ、Ｃ１ｄ、ｅ） ｇ＝Ｍｉｎ　　（ａ＋　　ｆ） このｇを第２１図のフィルタ出力としてラスクスキャン
すると３Ｘ３画素のフィルタで局所最大フィルタ→局所
最小フィルタを行う処理と等価となる。

局所最大値フィルタ２回９局所最小値フィルタ２回の処
理であれば、基本のフィルタを５×５画素として、第２
１図のようなフィルタを作成して上述と同様な演算を行
えばよい、このように、背景画像差分法は、ハードウェ
アの制約が許す範囲でフィルタの大きさを変えれば、全
て１回の走査で処理可能である。

く平滑化処理の追加〉 ところで、背景画像を作成し、入力画像と差分を求める
と、実際には微小なノイズ成分が発生する。このような
ノイズは、処理対象によっては問題とならない場合もあ
るが、微小なキズ検査を行う場合などには問題となる可
能性がある。このノイズの原因は、局所最大値フィルタ
、局所最小値フィルタ処理が隣接画素との明るさの連続
性を失う処理であるため、入力画像と差分をとると、上
記連続性を失った画素の位置に明るい値が発生するから
である。このような状態は、前述した４連結、８連結な
どの連結性を考慮した処理にすると多水減少するが、更
にノイズを除去するためには、平滑化処理を追加すれば
よい、すなわち、第２２図のように平滑化処理を実行す
る積和演算回路１２０を設けて（第２２図の記号で第５
図と同じ記号は処理回路も同じである）、これまで述べ
た背景画像に対し平滑化処理（たとえば第２３図のフィ
ルタを用いる）を行い、上記不連続な画素を滑らかにす
る。この画像と入力画像との差分をとれば、前記微小ノ
イズは発生しにくい。

又、第２４図及び第２５図には入力画像そのものにノイ
ズが多い場合の処理を示すが、明るさの凹部を抽出する
ためにこれまで述べた背景画像差分法を実行すると、局
所最大値フィルタを１同突行すると第２４図（２）のよ
うに、ｎ回実行すると第３図のように、更にこの画像と
入力画像と差分をとると第４図のようになる。尚この例
では明るさの傾きがないので局所最小値フィルタは実行
していない１図のようにコントラスト画像は、入力画像
のノイズ成分も明るい値として抽出されるため、２値化
する場合のしきい値は、このノイズ成分より高い値とし
て設定する必要がある。このようなことを意識せずに実
行するためには、第２５図（１）のように、まず入力画
像第２４図（１）に対して局所最小値フィルタ処理を数
回実行し、この画像について局所最大値フィルタを実行
すればノイズ成分は′０ルベルよりも小さな値として、
コントラスト画像が作成できる。逆に明るさの凸部を抽
出したい場合は、まず局所最大値フィルタ処理を数回実
行してから同様に行えばよい、また、入力画像を前記平
滑化処理を行ってから背景画像差分法を実行しても同様
な効果が得られる。

〔発明の効果〕

本発明によれば、複雑な画像あるいは、明るさむらなど
が時々刻々と変化する環境であっても、目標画像を高速
かつ鮮明に抽出することができる。

したがって、濃淡画像から２値画像へ変換する画像の前
処理としても有効であり、また、照明などを特に工夫せ
ずに処理することも可能となるので、文字認識や形状識
別、更にはキズ検査等に限らず、多くの分野に適用する
ことができる。

【図面の簡単な説明】

第１図及び第３図は本発明の詳細な説明する画像処理図
、第２図は従来技術の説明図、第４図は局所最大値、最
小値フィルタ説明図、第５図は本発明の一実施例の構成
を示す図、第６図は２次元での局所最大値フィルタ説明
図、第７図は本発明の一処理手順を示すフローチャート
、第８図は本発明での処理結果を示す図、第９図、第１
０図。 第１１図は本発明の効果を示す図、第１２図は汚れ検出
の応用例を示す図、第１３図は文書画像の応用例を示す
図、第１４図はナンバープレートの種別を示す図、第１
５図はナンバープレートの濃度ヒストグラムを示す図、
第１６図はナンバープレートから文字を抽出するフロー
チャート、第１７図と第１８図は白、黒画者を抽出する
概要を示す画像処理図、第１９図と第２０図は連結性を
考慮するフィルタの形状を示す図、第２１図は１回のフ
ィルタ走査で背景画像を作成するフィルタ形状を示す図
、第２２図は本発明の他の実施例の構成を示す図、第２
３図は平滑化を示す図、第２４図と第２５図は本発明の
他の実施例による画像処理図である。 １２・・・画像メモリ、１３・・・局所最大値フィルタ
回路、１４・・・局所最小値フィルタ回路、１５・・・
画像間演算回路、１６・・・２値化回路、１７・・・Ｃ
Ｐ’Ｕ、１９・・・モニタ、１２０・・・平滑化回路。

Claims (1)

1. 【特許請求の範囲】 １、数階調の明るさを有する処理対象画像を入力し、こ
   の処理対象画像に含まれている目標画像を抽出するもの
   において、上記入力した処理対象画像から背景画像を作
   成し、当該背景画像と上記処理対象画像との画像間演算
   により、上記目標画像を抽出することを特徴とする濃淡
   画像の処理方法。 ２、特許請求の範囲第１項において、前記背景画像は、
   前記処理対象画像を入力したとき、当該対象画像に含ま
   れる明るさの凹部を埋めて作成することを特徴とする濃
   淡画像の処理方法。 ３、特許請求の範囲第１項において、前記背景画像は、
   前記処理対象画像を入力したとき、当該対象画像に含ま
   れる明るさの凸部を削つて作成することを特徴とする濃
   淡画像の処理方法。 ４、特許請求の範囲第１項において、前記背景画像は、
   前記処理対象画像を入力したとき、当該対象画像の明る
   さを平滑化して作成することを特徴とする濃淡画像の処
   理方法。 ５、特許請求の範囲第１項において、前記背景画像の作
   成は、ｍ×ｎ画素中の最大値を出力する局所最大値フィ
   ルタ処理を実行して、当該対象画像中の明るさの凹部を
   埋め、ｍ×ｎ画素中の最小値を出力する局所最小値フィ
   ルタ処理を実行して、当該対象画像中の明るさの凸部を
   削るようにしたことを特徴とする濃淡画像の処理方法。 ６、特許請求の範囲第５項において、前記局所最大値フ
   ィルタ処理をＭ回実行した後、当該処理画像に対して最
   小値フィルタ処理をＮ回施し、また、前記最小値フィル
   タ処理をＭ回実行した後、当該処理画像に対して最大値
   フィルタ処理をＮ回施すようにしたことを特徴とする濃
   淡画像の処理方法。 ７、特許請求の範囲第６項において、前記Ｍ回及びＮ回
   の繰り返し処理は、連結性を持たせて実行することを特
   徴とする濃淡画像の処理方法。 ８、特許請求の範囲第５項において、少なくとも前記明
   るさの凹部を埋めた画像と前記処理対象画像との画像間
   演算で第１の途中画像を作成し少なくとも前記明るさの
   凸部を削つた画像と前記処理対象画像との画像間演算で
   第２の途中画像を作成し、前記第１の途中画像と前記第
   ２の途中画像との画像間演算で前記目標画像を抽出する
   ことを特徴とする濃淡画像の処理方法。 ９、数階調の明るさを有する処理対象画像を入力し、こ
   の処理対象画像に含まれている目標画像を抽出するもの
   において、上記入力した処理対象画像から第１及び第２
   の背景画像を作成し、当該第１の背景画像と前記処理対
   象画像との画像間演算で第１の目標画像を抽出し、前記
   第２の背景画像と前記処理対象画像との画像間演算で第
   ２の目標画像を抽出し、上記第１及び第２の目標画像の
   画像間演算で第３の目標画像を抽出することを特徴とす
   る濃淡画像の処理方法。 １０、特許請求の範囲第９項において、前記第１の背景
   画像は、少なくともｍ×ｎ画素中の最大値を出力する局
   所最大値フィルタ処理を実行して作成し、前記第２の背
   景画像は、少なくともｍ×ｎ画素中の最小値を出力する
   局所最小値フィルタ処理を実行して作成することを特徴
   とする濃淡画像の処理方法。 １１、数階調の明るさを有する処理対象画像を入力し、
   この処理対象画像に含まれている目標画像を抽出するも
   のにおいて、上記目標画像の領域とその他の領域との明
   るさを比較し、上記目標画像領域の方が暗いときは、上
   記入力した処理対象画像から第１の背景画像を作成し、
   上記目標画像領域の方が明るいときは、上記入力した処
   理対象画像から第２の背景画像を作成し、当該作成した
   第１又は第２の背景画像と上記処理対象画像との画像間
   演算により、上記目標画像を抽出することを特徴とする
   濃淡画像の処理方法。 １２、特許請求の範囲第１１項において、前記第１の背
   景画像は、前記処理対象画像中の暗い部分を埋めること
   により作成し、前記第２の背景画像は、前記処理対象画
   像中の明るい部分を削ることにより作成することを特徴
   とする濃淡画像の処理方法。 １３、所定の領域から目標物の画像を抽出するものにお
   いて、上記所定領域を撮像するカメラと、該カメラから
   の撮像信号を濃淡画像データに変換する変換手段と、該
   濃淡画像データを入力し、上記所定領域の背景画像デー
   タを作成する背景画像作成手段と、該背景画像データと
   上記濃淡画像データとを比較演算して上記目的物の画像
   を抽出する画像間演算手段とを備えたことを特徴とする
   濃淡画像の処理装置。 １４、特許請求の範囲第１項において、上記背景画像抽
   出手段は、ｍ×ｎ画素中の最大値を出力する局所最大値
   フィルタ回路、及びｍ×ｎ画素中の最小値を出力する局
   所最小値フィルタ回路とから構成したことを特徴とする
   濃淡画像の処理装置。