專利名稱：圖像處理設(shè)備、圖像處理方法和圖像處理程序的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于從部分地包括對象物體的圖像的圖像中檢測對象物體的圖像處理設(shè)備、圖像處理方法和圖像處理程序。
背景技術(shù)：
近年來，正在研究用于從包括背景和對象物體的圖像(例如，通過拍攝在制備的載玻片上的樣本獲得的圖像)檢測包括對象物體的區(qū)域的技術(shù)。如果可以從圖像沒有疏漏地檢測包括對象物體的區(qū)域，可以僅在檢測的圖像區(qū)域上進(jìn)行圖像處理，這在減少操作量、 處理時間等方面是有利的。例如，日本專利申請公開第2008-93172號(第W066]段，圖3 ；在下文中，被稱為專利文件1)公開了使用在區(qū)域檢測中的相鄰像素中的像素值的改變量的“圖像處理設(shè)備”。在專利文件1中公開的圖像處理設(shè)備計算在同一圖像內(nèi)的特定像素和周圍像素的像素值改變量并且計算在該周圍像素中是否存在偏差。然后，該圖像處理設(shè)備根據(jù)考慮周圍像素的偏差的周圍像素的像素值改變量，檢測相比于周圍的像素存在像素值改變的區(qū)域。

發(fā)明內(nèi)容
然而，通過如專利文件1中所公開的檢測方法，在對象物體的亮度與背景的亮度接近，即，對象物體的圖像是模糊的情形中，設(shè)備通過提取對象物體的亮度與背景的亮度之間的差檢測對象物體可能是困難的。在這種情形中，可能需要用戶微細(xì)地調(diào)節(jié)檢測參數(shù)。此外，在整個圖像的亮度均勻的情形中，能夠有利于檢測對象物體的參數(shù)可能集中在很小的范圍內(nèi)，使得用戶難以調(diào)節(jié)該參數(shù)。對于上述情況，需要能夠準(zhǔn)確地從背景中檢測出對象物體的圖像處理設(shè)備、圖像處理方法和圖像處理程序。根據(jù)本發(fā)明的實施方式，提供了一種圖像處理設(shè)備，其包括邊緣檢測處理部、細(xì)分區(qū)域設(shè)定部、指標(biāo)值計算部和對象物體判定部。該邊緣檢測處理部被配置成對檢測對象圖像進(jìn)行邊緣檢測處理來生成邊緣圖像， 其中要從該檢測對象圖像中檢測對象物體。該細(xì)分區(qū)域設(shè)定部被配置成將邊緣圖像分割成多個細(xì)分區(qū)域。該指標(biāo)值計算部被配置成為所述多個細(xì)分區(qū)域中的每個計算表示包括在每個細(xì)分區(qū)域中的邊緣成分的量的邊緣成分指標(biāo)值。該對象物體判定部被配置成根據(jù)邊緣成分指標(biāo)值判定在每個細(xì)分區(qū)域中是否存在對象物體的圖像。通過邊緣檢測處理部對檢測對象圖像進(jìn)行邊緣檢測處理，包括在檢測對象圖像中的像素之間的亮度梯度被強(qiáng)調(diào)，并且像素被二值化為邊緣像素和非邊緣像素。因此，即使在細(xì)分區(qū)域中存在微小的亮度梯度，該亮度也被反應(yīng)在由指標(biāo)值計算部計算的邊緣成分指標(biāo)值上，因此對象物體判定部可將細(xì)分區(qū)域判定為對象物體存在的細(xì)分區(qū)域。因此，即使在對象物體和背景之間具有小亮度差的圖像的情況下，包括對象物體的細(xì)分區(qū)域也可被精確地檢測。該邊緣檢測處理部可以在邊緣檢測處理中使用檢測對象圖像的亮度梯度。在標(biāo)準(zhǔn)圖像處理中的邊緣檢測處理中，不檢測作為邊緣的微小亮度梯度的檢測參數(shù)被用于調(diào)節(jié)。然而，在本發(fā)明中，由于邊緣檢測處理部檢測微小亮度梯度作為邊緣，所以即使具有與背景相比小的亮度差的對象物體影響邊緣成分指標(biāo)值，使得對象物體可通過對象物體檢測部檢測。該邊緣檢測處理部可根據(jù)定義被檢測為邊緣的亮度梯度水平的檢測參數(shù)進(jìn)行邊緣檢測處理，該檢測參數(shù)由用戶指示。根據(jù)本發(fā)明，通過用戶指示邊緣檢測處理部使用將即使微小的亮度梯度檢測為邊緣的檢測參數(shù)，對象物體檢測部檢測可檢測與背景相比具有較小亮度差的對象物體。該邊緣檢測處理部可使用坎尼算法(Canny algorithm)作為邊緣檢測處理的算法。該坎尼算法是根據(jù)相鄰像素上的信息將難以確定的像素確定為邊緣像素和非邊緣像素中的一個的算法，并且使用該算法比使用其他算法可更明確地提取邊緣像素。換言之，通過邊緣檢測處理部在邊緣檢測處理中使用坎尼算法，對象可被精確地檢測。根據(jù)本發(fā)明的另一實施方式，提供了一種圖像處理方法，包括由邊緣檢測處理部對檢測對象圖像進(jìn)行邊緣檢測處理來生成邊緣圖像，其中要從該檢測圖像中檢測對象物體。該細(xì)分區(qū)域設(shè)定部將邊緣圖像分割成多個細(xì)分區(qū)域。該指標(biāo)值計算部為該多個細(xì)分區(qū)域中的每個計算表示包括在每個細(xì)分區(qū)域中的邊緣成分的量的邊緣成分指標(biāo)值。該對象物體判定部根據(jù)邊緣成分指標(biāo)值判定在每個細(xì)分區(qū)域中是否存在對象物體的圖像。根據(jù)本發(fā)明的另一個實施方式，提供一種圖像處理程序，該圖像處理程序使得計算機(jī)具有邊緣檢測處理部、細(xì)分區(qū)域設(shè)定部、指標(biāo)值計算部和對象物體判定部的功能。該邊緣檢測處理部被配置成對檢測對象圖像進(jìn)行邊緣檢測處理來生成邊緣圖像， 其中要從該檢測對象圖像中檢測對象物體。該細(xì)分區(qū)域設(shè)定部被配置成將邊緣圖像分割成多個細(xì)分區(qū)域。該指標(biāo)值計算部被配置成為該多個細(xì)分區(qū)域中的每個計算表示包括在每個細(xì)分區(qū)域中的邊緣成分的量的邊緣成分指標(biāo)值。該對象物體判定部被配置成根據(jù)邊緣成分指標(biāo)值判定在每個細(xì)分區(qū)域中是否存在對象物體的圖像。根據(jù)本發(fā)明的實施方式，可提供可從背景中準(zhǔn)確檢測出對象物體的圖像處理設(shè)備、圖像處理方法和圖像處理程序。本發(fā)明的這些和其他目標(biāo)，特征和優(yōu)點將通過本發(fā)明的最佳模式實施方式的以下詳細(xì)描述變得更顯而易見，如附圖所示。


圖1是示出根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的結(jié)構(gòu)的框圖；圖2是示出根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的操作的流程圖；圖3是根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的原始圖像采集部采集的原始圖像的實例；圖4是根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的檢測對象圖像選擇部選擇的檢測對象圖像的實例；圖5是根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的邊緣檢測處理部生成的邊緣圖像的實例；圖6是根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的細(xì)分區(qū)域設(shè)定部在其中設(shè)定細(xì)分區(qū)域的邊緣圖像的實例；圖7是在其中顯示根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的對象物體判定部判定的檢測區(qū)域的邊緣圖像的實例；圖8是在其中顯示根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的對象物體判定部判定的檢測區(qū)域的檢測對象圖像的實例；圖9是根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的檢測結(jié)果輸出部輸出的檢測區(qū)域存在分布圖的實例；圖10是示出根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的邊緣檢測處理的細(xì)節(jié)的流程圖；圖11是用于說明根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的邊緣檢測處理的梯度計算的示圖；圖12是用于說明在根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備的邊緣檢測處理中的邊緣細(xì)化(thinning)處理的示圖；圖13A至圖13D是示出使用邊緣參數(shù)的邊緣圖像的影響的概念圖；圖14是示出圖13A至圖13D中所示的每個圖像的邊緣參數(shù)的表；圖15是示出實施方式和比較例之間的處理差異的示圖；圖16A和圖16B是示出實施方式和比較例的檢測結(jié)果的實例的示圖；圖17A和圖17B是示出根據(jù)實施方式和比較例的每個細(xì)分區(qū)域的標(biāo)準(zhǔn)差的實例的示圖；圖18A至圖18C是示出根據(jù)比較例調(diào)節(jié)判定參數(shù)的結(jié)果的示圖；圖19A至圖19C是示出根據(jù)該實施方式調(diào)節(jié)判定參數(shù)的結(jié)果的示圖；圖20A至圖20C是示出根據(jù)該實施方式調(diào)節(jié)判定參數(shù)的結(jié)果的示圖；圖21A至圖21C是示出根據(jù)該實施方式調(diào)節(jié)判定參數(shù)的結(jié)果的示圖；圖22是用于比較基于根據(jù)該實施方式和比較例的判定參數(shù)的檢測區(qū)域的變化的示圖；圖23A和圖2 是根據(jù)該實施方式拍攝通過熒光染色法染色的樣本得到的原始圖像和通過改變該原始圖像的顏色得到的圖像的實例；圖24A和圖24B是根據(jù)該實施方式拍攝通過熒光染色法染色的樣本得到的原始圖像和通過改變該原始圖像的顏色得到的圖像的實例；圖25A和圖25B是根據(jù)該實施方式拍攝通過熒光染色法染色的樣本得到的原始圖像和通過改變該原始圖像的顏色得到的圖像的實例；圖26A和圖26B是根據(jù)該實施方式拍攝通過熒光染色法染色的樣本得到的原始圖像和通過改變該原始圖像的顏色得到的圖像的實例；以及圖27A和圖27B是根據(jù)該實施方式拍攝通過熒光染色法染色的樣本得到的原始圖像和通過改變該原始圖像的顏色得到的圖像的實例。
具體實施例方式在下文中，將參照附圖描述本發(fā)明的實施方式。(圖像處理設(shè)備的結(jié)構(gòu))圖1是示出根據(jù)本發(fā)明的實施方式的圖像處理設(shè)備1的結(jié)構(gòu)的框圖。如圖所示，圖像處理設(shè)備1包括運算處理部2、用戶接口(在下文中稱為用戶 IF) 3、內(nèi)存4、網(wǎng)絡(luò)接口(在下文中稱為網(wǎng)絡(luò)IF) 6和存儲器17，這些經(jīng)由內(nèi)部總線5相互連接。用戶IF 3連接內(nèi)部總線5和外部設(shè)備。諸如鍵盤和鼠標(biāo)的輸入操作部7和用于顯示圖像的顯示部8連接至用戶IF 3。內(nèi)存4例如是ROM(只讀存儲器)和RAM(隨機(jī)存取存儲器)并且存儲要處理的圖像數(shù)據(jù)、程序等。網(wǎng)絡(luò)IF 6連接外部網(wǎng)絡(luò)和內(nèi)部總線5。能夠拍攝圖像的圖像拍攝系統(tǒng)9連接至網(wǎng)絡(luò)IF 6。在該實施方式中，通過圖像拍攝系統(tǒng)9獲取圖像，并且經(jīng)由網(wǎng)絡(luò)IF 6和內(nèi)部總線5將獲取的圖像存儲在存儲器17中。運算處理部2是例如微處理器并且執(zhí)行稍后描述的運算處理。運算處理部2在功能上包括原始圖像采集部10、檢測對象圖像選擇部11、邊緣檢測處理部12、細(xì)分區(qū)域設(shè)定部13、指標(biāo)值計算部14、對象物體判定部15和檢測結(jié)果輸出部16的模塊。通過存儲在運算處理部2內(nèi)部或外部的程序?qū)崿F(xiàn)這些模塊。(關(guān)于模塊)原始圖像采集部10采集存儲在存儲器17中的“原始圖像”并將它存儲在內(nèi)存4 中。檢測對象圖像選擇部11從原始圖像中選擇將成為檢測對象的“檢測對象圖像”。邊緣檢測處理部12對檢測對象圖像進(jìn)行“邊緣檢測處理”并且生成邊緣圖像。細(xì)分區(qū)域設(shè)定部 13在邊緣圖像中設(shè)定“細(xì)分區(qū)域”。指標(biāo)值計算部14計算表示包括在每個細(xì)分區(qū)域中的邊緣成分的量的“邊緣成分指標(biāo)值”。對象物體判定部15根據(jù)邊緣成分指標(biāo)值判定每個細(xì)分區(qū)域是否包括對象物體的圖像。判定結(jié)果輸出部16例如以文本圖的形式輸出對象物體判定部15的判定結(jié)果。(圖像處理設(shè)備的操作)將描述圖像處理設(shè)備1的操作。該實施方式的圖像處理設(shè)備1在已經(jīng)通過圖像拍攝系統(tǒng)9獲得并且存儲在存儲器 17中的“原始圖像”上進(jìn)行圖像處理以檢測存在對象物體的圖像的區(qū)域。示意地，原始圖像采集部10從存儲器17采集原始圖像，并且檢測對象圖像選擇部11 一旦接收用戶指令的輸入就選擇“檢測對象圖像”。接著，邊緣檢測處理部12對檢測對象圖像進(jìn)行邊緣檢測處理并且生成“邊緣圖像”。接著，細(xì)分區(qū)域設(shè)定部13在邊緣圖像中設(shè)定“細(xì)分區(qū)域”，并且指標(biāo)值計算部14為每個細(xì)分區(qū)域計算邊緣成分指標(biāo)值(在該情況中為亮度值的標(biāo)準(zhǔn)差)。對象物體判定部15根據(jù)邊緣成分指標(biāo)值判定每個細(xì)分區(qū)域是否包括對象物體的圖像，并且判定結(jié)果輸出部16輸出判定結(jié)果。圖2是示出圖像處理設(shè)備1的操作的流程圖。圖2逐步示出圖像處理設(shè)備1的操作(在下文中，標(biāo)記為M)。當(dāng)用戶輸入開始處理的指令時，原始圖像采集部10經(jīng)由用戶IF 3采集原始圖像 (St 101)。圖3示出了原始圖像的實例。這里，將通過拍攝放置在制備的載玻片上的病理組織(對象物體)獲得的圖像用作原始圖像。應(yīng)當(dāng)注意，盡管圖3中所示的照片是黑白圖像，但該圖像可以是彩色圖像。例如，可將通過拍攝已經(jīng)過蘇木精-伊紅染色(HE染色)的樣本得到的圖像用作原始圖像。此外，原始圖像采集部10可采集已經(jīng)經(jīng)過稍后描述的“顏色變換處理”的圖像作為原始圖像。接著，對象圖像選擇部11從原始圖像中選擇“檢測對象圖像”(在下文中稱為“剪裁圖像”)(St 102)。如圖3所示，當(dāng)在原始圖像中存在明顯不存在對象物體的區(qū)域時(在圖3中的制備的載玻片外部的區(qū)域)，圖像處理設(shè)備1對除該區(qū)域之外的檢測對象圖像進(jìn)行檢測處理。圖4示出了從原始圖像選擇的剪裁圖像。作為具體的選擇操作，當(dāng)用戶指定點ρ (坐標(biāo)lx，Iy)、寬度w和高度h時，檢測對象圖像選擇部11選擇4個坐標(biāo)(lx, ly)、(lx+w, ly)、(lx, ly+h)和(lw+w, ly+h)包圍的區(qū)域選擇為剪裁圖像。此外，當(dāng)在原始圖像中不存在要排除的區(qū)域時，圖像處理設(shè)備1選擇整個原始圖像作為剪裁圖像。應(yīng)當(dāng)注意，圖像處理設(shè)備1可以生成不同于原始圖像的圖像作為剪裁圖像，或處理原始圖像中假想指定的區(qū)域作為剪裁圖像。再參照圖2，邊緣檢測處理部12對剪裁圖像進(jìn)行邊緣檢測處理并且生成邊緣圖像 (St 103)。圖5示出了從圖4中所示的剪裁圖像生成的邊緣圖像的實例。如圖5所示，邊緣圖像是像素被二值化成與剪裁圖像的邊緣對應(yīng)的像素(這里，邊緣指亮度值的邊界并且沒有必要指物體的輪廓)(用白色示出)和除此之外的像素(用黑色示出)的圖像。稍后將給出邊緣檢測處理的細(xì)節(jié)。接下來，細(xì)分區(qū)域設(shè)定部13在邊緣圖像中設(shè)定“細(xì)分區(qū)域”(St 104)。圖6示出了在其中設(shè)定細(xì)分區(qū)域的邊緣圖像的實例。在圖中被白線分割的區(qū)域是細(xì)分區(qū)域。如圖所示，細(xì)分區(qū)域是通過在縱向和橫向方向上將邊緣圖像分割成多個區(qū)域獲得的區(qū)域。細(xì)分區(qū)域的尺寸都是相同的，并且用戶可根據(jù)分辨率指定尺寸。再參照圖2，指標(biāo)值計算部14為每個細(xì)分區(qū)域計算“邊緣成分指標(biāo)值”(St 105)。 邊緣成分指標(biāo)值是表示多少個與邊緣對應(yīng)的像素包括在每個細(xì)分區(qū)域中的指標(biāo)值。作為指標(biāo)值，可使用像素值(亮度)的標(biāo)準(zhǔn)差，在細(xì)分區(qū)域中與邊緣對應(yīng)的像素的含有率等。應(yīng)當(dāng)注意，在該實施方式中，將給出關(guān)于像素值(亮度)的標(biāo)準(zhǔn)差用作指標(biāo)值的情況的描述。接著，對象物體判定部15判定對象物體存在/不存在(St 106)。對象物體判定部 15將每個細(xì)分區(qū)域的邊緣成分指標(biāo)值與用戶指定的用于判定的參數(shù)(在下文中，稱為判定參數(shù))比較。邊緣成分指標(biāo)值等于或大于判定參數(shù)的細(xì)分區(qū)域被判定為存在對象物體的細(xì)分區(qū)域(在下文中稱為檢測區(qū)域)，并且邊緣成分指標(biāo)值小于判定參數(shù)的細(xì)分區(qū)域被判定為不存在對象物體的細(xì)分區(qū)域(在下文中稱為非檢測區(qū)域)。盡管稍后將給出細(xì)節(jié)，但此時，通過用戶調(diào)節(jié)判定參數(shù)，對象物體被判定為存在的區(qū)域變動。圖7示出了顯示檢測區(qū)域的邊緣圖像。在圖中，只有檢測區(qū)域被示為被白線分割的區(qū)域。圖8示出了顯示檢測區(qū)域的剪裁圖像。如圖所示，在剪裁圖像中，存在對象物體的區(qū)域被判定為檢測區(qū)域，并且不存在對象物體的區(qū)域被判定為非檢測區(qū)域。再參照圖2，判定結(jié)果輸出部16輸出步驟106的檢測結(jié)果(St 107)。如圖9所示， 判定結(jié)果輸出部16制作將檢測區(qū)域表示為1并且將非檢測區(qū)域表示為0的存在分布圖，并且輸出該分布圖。如上所述，存在對象物體的區(qū)域和不存在對象物體的區(qū)域在剪裁圖中都被檢測到。通過使用檢測結(jié)果，可將區(qū)域縮小至存在對象物體的區(qū)域，使得在那些區(qū)域上可進(jìn)行更具體的圖像分析等。(邊緣檢測處理的細(xì)節(jié))將描述邊緣檢測處理的細(xì)節(jié)(上述步驟10 。圖10是具體示出邊緣檢測處理的流程圖。在該實施方式的邊緣檢測處理中使用坎尼算法(Canny algorithm)。應(yīng)當(dāng)注意，可使用其他的算法進(jìn)行邊緣檢測處理。首先，邊緣檢測處理部12將剪裁圖像變換成灰度圖像(St 201)。在圖4所示的剪裁圖像本來為彩色圖像但被變換成灰度圖像，這是必要的步驟。可通過下面的表達(dá)式進(jìn)行灰度變換。Y = -0. 299R+0. 587G+0. 114B (表達(dá)式 1)Y 像素值，R 紅色成分，G 綠色成分，B 藍(lán)色成分接著，邊緣檢測處理部12對灰度圖像進(jìn)行圖像平滑處理(St 202)。邊緣檢測處理部12為平滑化將濾波器(具體地，高斯濾波器)應(yīng)用至灰度裁剪圖像并且生成噪聲抑制圖像。結(jié)果，可抑制在稍后描述的梯度計算中產(chǎn)生的“混亂”。接下來，邊緣檢測處理部12進(jìn)行“梯度計算”(St 203)。梯度計算用于計算在特定的像素和相鄰像素之間的亮度值的程度差。在下面的描述中，將描述在梯度計算中的具體計算方法。當(dāng)在步驟202中平滑化的剪裁圖像的特定像素(坐標(biāo)(a，b))的亮度值表示為f (a，b)時，使用下面所示的表達(dá)式[公式1]計算所有像素的梯度矢量。邊緣檢測處理部12將梯度矢量存儲作為與像素坐標(biāo)有關(guān)的梯度圖(gradient map)。[公式1]
^yv ,、 ( (a, b)Vf(a, b) = jy^ J, ^v'
^ ox dy J梯度矢量是表示在特定像素和相鄰像素之間亮度值的程度差的物理量。基于[公式2]中所示的梯度矢量的χ成分的值和[公式3]中所示的梯度矢量的y成分的值，通過 [公式4]中所示的表達(dá)式可計算梯度矢量的方向Θ。[公式2]
_ ▽/ )=
V ox J[公式 3][公式 4]
8
權(quán)利要求
1.一種圖像處理設(shè)備，所述圖像處理設(shè)備包括邊緣檢測處理部，被配置成通過對檢測對象圖像進(jìn)行邊緣檢測處理來生成邊緣圖像， 其中要從所述檢測對象圖像中檢測對象物體；細(xì)分區(qū)域設(shè)定部，被配置成將所述邊緣圖像分割成多個細(xì)分區(qū)域； 指標(biāo)值計算部，被配置成為所述多個細(xì)分區(qū)域中的每個計算邊緣成分指標(biāo)值，所述邊緣成分指標(biāo)值表示包括在每個細(xì)分區(qū)域中的邊緣成分的量；以及對象物體判定部，被配置成根據(jù)所述邊緣成分指標(biāo)值判定在每個細(xì)分區(qū)域中是否存在所述對象物體的圖像。
2.根據(jù)權(quán)利要求1所述的圖像處理設(shè)備，其中，所述邊緣檢測處理部在所述邊緣檢測處理中使用所述檢測對象圖像的亮度梯度。
3.根據(jù)權(quán)利要求2所述的圖像處理設(shè)備，其中，所述邊緣檢測處理部根據(jù)定義作為邊緣而檢測出的亮度梯度水平的檢測參數(shù)進(jìn)行所述邊緣檢測處理，所述檢測參數(shù)由用戶指示。
4.根據(jù)權(quán)利要求3所述的圖像處理設(shè)備，其中，所述邊緣成分指標(biāo)值是包括在每個細(xì)分區(qū)域中的像素的亮度的標(biāo)準(zhǔn)差。
5.根據(jù)權(quán)利要求4所述的圖像處理設(shè)備，其中，所述邊緣檢測處理部使用坎尼算法作為所述邊緣檢測處理的算法。
6.一種圖像處理方法，包括由邊緣檢測處理部通過對檢測對象圖像進(jìn)行邊緣檢測處理來生成邊緣圖像，其中要從所述檢測對象圖像中檢測對象物體；由細(xì)分區(qū)域設(shè)定部將所述邊緣圖像分割成多個細(xì)分區(qū)域；由指標(biāo)值計算部為所述多個細(xì)分區(qū)域中的每個計算表示包括在每個細(xì)分區(qū)域中的邊緣成分的量的邊緣成分指標(biāo)值；以及由對象物體判定部根據(jù)所述邊緣成分指標(biāo)值判定在每個細(xì)分區(qū)域中是否存在所述對象物體的圖像。
7.一種圖像處理程序，使得計算機(jī)具有以下功能邊緣檢測處理部，被配置成通過對檢測對象圖像進(jìn)行邊緣檢測處理來生成邊緣圖像， 其中要從所述檢測對象圖像中檢測對象物體；細(xì)分區(qū)域設(shè)定部，被配置成將所述邊緣圖像分割成多個細(xì)分區(qū)域；指標(biāo)值計算部，被配置成為所述多個細(xì)分區(qū)域中的每個計算表示包括在每個細(xì)分區(qū)域中的邊緣成分的量的邊緣成分指標(biāo)值；以及對象物體判定部，被配置成根據(jù)所述邊緣成分指標(biāo)值判定在每個細(xì)分區(qū)域中是否存在所述對象物體的圖像。
全文摘要
本發(fā)明提供了圖像處理設(shè)備、圖像處理方法和圖像處理程序。該圖像處理設(shè)備包括邊緣檢測處理部，被配置成通過對檢測對象圖像進(jìn)行邊緣檢測處理來產(chǎn)生邊緣圖像，其中要從該檢測對象圖像中檢測對象物體；細(xì)分區(qū)域設(shè)定部，被配置成將邊緣圖像分割成多個細(xì)分區(qū)域；指標(biāo)值計算部，被配置成為多個細(xì)分區(qū)域中的每個計算邊緣成分指標(biāo)值，該邊緣成分指標(biāo)值表示包括在每個細(xì)分區(qū)域中的邊緣成分的量；以及對象物體判定部，被配置成根據(jù)邊緣成分指標(biāo)值判定在每個細(xì)分區(qū)域中是否存在對象物體的圖像。
文檔編號G06T7/00GK102393959SQ20111016803
公開日2012年3月28日 申請日期2011年6月21日 優(yōu)先權(quán)日2010年6月28日
發(fā)明者木島公一朗, 福士岳步 申請人:索尼公司