JP6700873B2 - 画像処理装置、画像処理方法、及びプログラム - Google Patents

Description

本発明は、入力画像を処理する画像処理装置、画像処理方法、及びプログラムに関する。

従来、被写体等を撮像した画像内の各画素が、線を構成している画素であるかどうかを判定し、線を構成していると判定された各画素の輝度値を平滑化することで、画像内の被写体像の形状を保ちつつ、その画像のノイズを低減可能にする方法が知られている。線を構成する画素であるか否かを判定する技術としては、様々な公知技術がある。例えば、非特許文献１には、画像に対して線領域と背景領域を設定し、それら領域ごとに、画素の輝度値の平均値を求め、線領域の平均値が背景領域の平均値と大きく異なる場合、線領域の各画素は線を構成する画素であると判定する技術が開示されている。非特許文献１に記載の技術では、線領域を複数方向に設定して、それら各設定方向について、線領域の平均値が背景領域の平均値と大きく異なるかどうかを見ることにより、様々な方向の線を検出可能としている。

Ｇ．Ｊ．ＶａｎｄｅｒＢｒｕｇ、"Ｌｉｎｅ Ｄｅｔｅｃｔｉｏｎ Ｉｎ Ｓａｔｅｌｌｉｔｅ Ｉｍａｇｅｒｙ"、［平成２８年２月１７日検索］、インターネット＜ＵＲＬ：http://docs.lib.purdue.edu/lars_symp/55/＞

前述した従来の技術の場合、画像から例えば線領域のような所定の形状性（線形性）を有する領域を判定する際に用いる画像領域が、例えば３×３画素程度の小さい画像領域であれば、画像処理の実行時間は短時間で済む。しかしながら、線等の領域の判定精度を高めるために例えば画像領域を大きくすると、その画像領域内の各画素の輝度値の平均値を求めるための計算量が増大してしまい、画像処理の実行時間が長くなってしまう。

そこで、本発明は、画像処理に用いる領域の大きさによらず、所定の形状性を有する領域を判定する画像処理を、短時間に実行可能にすることを目的とする。

本発明は、入力画像を回転させた回転画像を生成し、入力画像の各画素値を積分した積分画像と回転画像の各画素値を積分した積分画像とを生成し、入力画像の注目画素の近傍領域に対応する積分画像の領域から算出される積分値に基づいて、線領域を特定することを特徴とする。

本発明によれば、画像処理に用いる領域の大きさによらず、所定の形状性を有する領域を判定する画像処理を、短時間に実行可能となる。

実施形態の画像処理装置の機能構成を示す図である。 積分画像の説明に用いる図である。 線領域及び背景領域の設定例を示す図である。 画像処理装置における画像処理のフローチャートである。 入力画像の積分画像から線形性を求める処理のフローチャートである。 回転画像の積分画像から線形性を求める処理のフローチャートである。 入力画像と回転画像の関係及び座標の説明に用いる図である。 太さが異なる線領域と背景領域の設定例を示す図である。 長さが異なる線領域と背景領域の設定例を示す図である。

以下、本発明の実施形態について、図面を参照しながら説明する。
＜画像処理装置の構成例（並列処理の構成例）＞
図１（Ａ）は、本実施形態の画像処理装置１００の機能構成を示すブロック図である。本実施形態の画像処理装置１００の図１（Ａ）に示した各部は、ハードウェア構成として形成されていてもよいし、ＣＰＵ等が本実施形態の画像処理プログラムを実行することにより実現されてもよい。

画像処理装置１００は、例えば被写体が撮影されて得られた画像信号等が、入力画像１０１として供給され、その入力画像１０１に対してノイズ低減処理等の画像処理を行って生成した画像信号を、出力画像１０２として出力する装置である。なお、入力画像１０１は、撮像装置が被写体を撮影している画像信号に限定されず、記録媒体から読み出された画像信号、通信路等を経由して供給された画像信号など、様々な経路を介した画像信号の何れであってもよい。本実施形態の画像処理装置１００は、線領域決定部１０３と線領域処理部１０４とを有して構成されている。

線領域決定部１０３は、入力画像１０１内に、所定形状の領域の一例である線領域が存在するか判定し、線領域が存在する場合には、その線領域が、どの位置に在り、その線の向きが何れの方向であるかを検出する。具体的には、線領域決定部１０３は、それぞれ複数の、画像回転部、積分画像生成部、線形性算出部を有し、また、一つの線形性最大領域選択部を有している。画像回転部は回転手段の一例であり、積分画像生成部は生成手段の一例であり、線形性算出部及び線形性最大領域選択部は特定手段の一例である。なお、図１（Ａ）の例では、線領域決定部１０３内の構成として、複数の画像回転部１０５Ｂ〜１０５Ｄ、複数の積分画像生成部１０６Ａ〜１０６Ｄ、複数の線形性算出部１０７Ａ〜１０７Ｄのみ、及び一つの線形性最大領域選択部１０８を図示している。

画像回転部１０５Ｂ〜１０５Ｄは、入力画像１０１を傾けるようにそれぞれ異なる回転角度に回転させた複数の回転画像を生成する。例えば、画像回転部１０５Ｂは、入力画像１０１を、例えば２２．５度回転させてリサンプリングする回転処理を行って、回転画像を生成する。同様に、画像回転部１０５Ｃは入力画像１０１を例えば４５度回転、画像回転部１０５Ｄは入力画像１０１を例えば６７．５度回転して、それぞれリサンプリングする回転処理を行ってそれぞれ回転画像を生成する。これら回転角度は一例である。各回転角度は、入力画像１０１から検出したい線の方向（画像の水平（ｘ軸）又は垂直（ｙ軸）に対する角度）に応じて任意に設定可能である。入力画像１０１に対する回転角度を前述の２２．５度、４５度、６７．５度よりも更に細かく設定する場合、画像回転部は、それら設定される角度に応じて図１（Ａ）の例よりも多く設けられる。なおこの場合、画像回転部に対応させて、後段の積分画像生成部、線形性算出部についても同様に設けられることになる。また、本実施形態では、回転処理のリサンプリング時に線形補間を用いるが、リサンプリング時の補間方法は他の公知の補間方法が用いられてもよい。各画像回転部１０５Ｂ〜１０５Ｄは、それぞれ回転画像の信号を出力するとともに、回転処理の際の画像の回転角度（回転量）の情報と、入力画像１０１の各画素の座標情報をも出力する。画像回転部１０５Ｂ〜１０５Ｄからそれぞれ出力された回転画像の信号、回転角度の情報、入力画像１０１の各画素の座標情報は、それぞれ対応した積分画像生成部１０６に送られる。

積分画像生成部１０６Ａは、入力画像１０１から積分画像を生成する。また、積分画像生成部１０６Ｂ〜１０６Ｄは、各々対応した画像回転部１０５Ｂ〜１０５Ｄより供給された回転画像から、それぞれ積分画像を生成する。

以下、図２（Ａ）〜図２（Ｃ）を参照して積分画像について説明する。なお、図２（Ａ）〜図２（Ｃ）において点線で区切られた各四角はそれぞれ画素を表している。図２（Ａ）は、入力画像１０１の左上角の画素ｐ１１を原点とした場合に、原点及びその近傍の各画素ｐ１１〜ｐ１３，・・・，ｐ２１〜ｐ２３，・・・，ｐ３１〜ｐ３３，・・・と、それら各画素の各輝度値（図中の各数値は輝度値を表す。）の例を示している。また、図２（Ｂ）は、図２（Ａ）の画像から算出される積分画像を示している。図２（Ｂ）の積分画像の各画素Ｐ１１〜Ｐ１３，・・・，Ｐ２１〜Ｐ２３，・・・，Ｐ３１〜Ｐ３３，・・・の数値は、それぞれ積分値を表している。これら図２（Ｂ）の各画素Ｐ１１〜Ｐ３３の各積分値は、図２（Ａ）の原点画素ｐ１１から、注目画素までの間の、水平，垂直方向の各画素からなる矩形領域に含まれる各輝度値を積分した値となっている。なお、本実施形態において、注目画素とは、画像を構成する全画素のうち、ある画素に注目して説明を行う際に用いる表記であり、画像内の全ての画素がそれぞれ注目画素であるとする。

ここで、積分画像の生成の際、入力画像１０１に対し、例えば水平方向の行の左端から右端へ走査がなされ、右端に到達した後は一行分だけ垂直方向に下がって再び水平方向の行の左端から右端への走査がなされるとする。この場合、注目画素の積分値は、その注目画素の行内において注目画素から左側の各画素の輝度値と、既に積分値算出済みの行において注目画素に対して垂直方向に隣接した画素の積分値とを、加算することにより算出される。例えば、図２（Ａ）の画素ｐ３３を注目画素とし、図２（Ｂ）内で図２（Ａ）の注目画素ｐ３３に対応した画素Ｐ３３の積分値を求める場合には以下のようにして算出される。注目画素ｐ３３の行内において、注目画素ｐ３３の左側の各画素ｐ３１，ｐ３２と注目画素ｐ３３の各輝度値は「３，１，５」である。また、積分値算出済みの行において、注目画素ｐ３３に対して垂直方向に隣接した画素の積分値は、図２（Ｂ）の画素Ｐ２０の積分値「２０」である。このため、注目画素ｐ３３の行内の各画素ｐ３１，ｐ３２，ｐ３３の輝度値「３，１，５」と、積分値計算済みの行で注目画素ｐ３３に隣接した画素Ｐ２０の積分値「２０」とを加算することにより、図２（Ｂ）の画素Ｐ３３の積分値「２９」が算出される。このように、積分画像の生成処理は画素当たりの計算量が一定であり、積分画像は画像全体を一度走査するだけで生成可能である。

また、積分画像を用いれば、その積分画像の任意の矩形領域内の各画素の輝度値の合計、つまり矩形領域の積分値は、その矩形領域の大きさに関わらず一定の計算量で算出することができる。例えば、図２（Ｃ）に示す入力画像１０１において、図中の太線で示した矩形領域２２０内の各画素の輝度値合計、つまり矩形領域２２０の積分値を求める場合には、以下のようにして求めることができる。矩形領域２２０の積分値は、矩形領域２２０の角の丸（○）で示した隣接画素２０１〜２０４の各積分値を積分画像から読み出し、隣接画素２０１と２０４の積分値の加算値から、隣接画素２０２と２０３の積分値の加算値を減算することで求められる。

図１に説明を戻す。
積分画像生成部１０６Ａは、積分画像の画像信号と、入力画像１０１の回転角度（入力画像１０１は回転されていないため回転角度は０度）の情報と、入力画像１０１の各画素の座標情報とを、線形性算出部１０７Ａに対して出力する。なお、入力画像１０１の回転角度は０度であるため、積分画像生成部１０６Ａは、入力画像１０１の回転角度の情報については出力を行わないようにしてもよい。また、積分画像生成部１０６Ｂ〜１０６Ｄは、各々が生成した積分画像の画像信号を、画像回転部１０５Ｂ〜１０５Ｄからの回転角度情報及び入力画像１０１の各画素の座標情報と共に、各々対応した線形性算出部１０７Ｂ〜１０７Ｄに出力する。

線形性算出部１０７Ａは、積分画像生成部１０６Ａにて生成された積分画像と回転角度情報及び入力画像１０１の各画素の座標情報とに基づいて、入力画像１０１の各画素（各注目画素）について所定の形状性を表す値を算出する。具体的には、線形性算出部１０７Ａは、入力画像１０１の各画素を各々注目画素とした場合、注目画素の近傍領域に対応した積分画像領域を所定の形状性を表す値を算出するための判定領域として設定し、各判定領域の注目画素について形状性を表す値を算出する。本実施形態の場合、線形性算出部１０７Ａは、所定の形状性を表す値として、画像の線形状性（以下、「線形性」と表記する。）を表す値を算出する。また、本実施形態において、線形性算出部１０７Ａでは、判定領域（積分画像領域）として、第１の領域と第２の領域との少なくとも二つの領域から形成される矩形の判定領域を設定する。判定領域と線形性及びその線形性を表す値の詳細については後述する。

同様に、線形性算出部１０７Ｂ〜１０７Ｄは、各々対応した積分画像生成部１０６Ｂ〜１０６Ｄより供給された積分画像と、回転角度情報及び入力画像１０１の各画素の座標情報とに基づいて、入力画像１０１の各画素に対応した線形性を表す値を算出する。線形性算出部１０７Ｂ〜１０７Ｄは、入力画像１０１の注目画素ごとに設定される判定領域を用いて、注目画像ごとに線形性を表す値を算出する。

以下、線形性算出部１０７Ａを例に挙げて、判定領域について説明する。線形性算出部１０７Ａは、入力画像１０１の注目画素を例えば中心にした判定領域を設定する。図３（Ａ），図３（Ｂ）は、一例としての判定領域３００，３１０を示している。

図３（Ａ）は、注目画素ｐｔが、入力画像１０１内で横方向（水平方向）の線を構成する画素である可能性が高いかどうかを検出するための判定領域３００を示している。判定領域３００は、注目画素ｐｔを中心とした９×９画素の矩形領域である。判定領域３００には、第１の領域として、横方向の線領域３０１が設定され、第２の領域として、線領域以外の背景領域３０２が設定さる。背景領域３０２は、線領域３０１を挟むようにして設定される。また、図３（Ａ）に示す判定領域３００は、それら線領域３０１と背景領域３０２の縦方向における幅の割合が１：８に設定されている。前述のように、これら線領域３０１と背景領域３０２はそれぞれ矩形領域となされている。したがって、本実施形態では、入力画像１０１の積分画像を用いることにより、それら矩形領域の線領域３０１の積分値と背景領域３０２の積分値が、その矩形領域の大きさに関わらず一定の計算量で算出可能である。

図３（Ｂ）は、注目画素ｐｔが、入力画像１０１内で縦方向（垂直方向）の線を構成する画素である可能性が高いかどうかを検出するための判定領域３１０を示している。判定領域３１０は、注目画素ｐｔを中心とした９×９画素の矩形領域であり、第１の領域として、縦方向の線領域３１１が設定され、第２の領域として、線領域３１１を挟む背景領域３１２が設定された領域である。また、図３（Ｂ）に示す判定領域３１０は、それら線領域３１１と背景領域３１２の横方向における幅の割合が１：８に設定されている。図３（Ａ）の場合と同様に、これら線領域３１１と背景領域３１２はそれぞれ矩形領域となされている。したがって、入力画像１０１の積分画像を用いることにより、それら矩形領域の線領域３１１の積分値と背景領域３１２の積分値は、その矩形領域の大きさに関わらず一定の計算量で算出可能である。

線形性算出部１０７Ａは、注目画素ｐｔに対して、前述のような図３（Ａ）の判定領域３００と図３（Ｂ）の判定領域３１０を設定する。そして、線形性算出部１０７Ａは、図３（Ａ）の判定領域３００の線領域３０１の積分値と背景領域３０２の積分値とに基づいて、注目画素ｐｔが入力画像１０１内で横線を構成する画素である可能性の高さを表す値、すなわち線形性を表す値を算出する。同様に、線形性算出部１０７Ａは、図３（Ｂ）の判定領域３１０の線領域３１１の積分値と背景領域３１２の積分値とに基づいて、注目画素ｐｔが入力画像１０１内で縦線を構成する画素である可能性の高さを表す線形性の値を算出する。線形性及びその値の算出処理の詳細については後述する。

線形性算出部１０７Ｂ〜１０７Ｄは、それぞれ対応した積分画像生成部１０６Ｂ〜１０６Ｄより供給された積分画像に対して、前述同様の判定領域を設定する。ただし、この場合の判定領域は、回転画像から生成された積分画像内において、入力画像１０１の注目画素に対応した画素（以下、この画素も注目画素と表記する。）を中心にした領域として設定される。そして、線形性算出部１０７Ｂ〜１０７Ｄは、回転画像から生成された積分画像に設定された判定領域内の注目画素について線形性の値を算出する。これら線形性算出部１０７Ｂ〜１０７Ｄにおいて行われる判定領域の設定処理と線形性の値算出の詳細については後述する。線形性算出部１０７Ａ〜１０７Ｄは、判定領域ごとに算出した注目画素の線形性の値を、それぞれの回転角度情報及び座標情報と共に、線形性最大領域選択部１０８に対して出力する。

線形性最大領域選択部１０８は、各線形性算出部１０７Ａ〜１０７Ｄで算出された線形性の値の中で最も大きい値の線形性の注目画素に対応した判定領域を選択し、その選択した判定領域に基づいて入力画像１０１の線領域を特定する。ここで、本実施形態において、線形性最大領域選択部１０８にて選択される判定領域は、入力画像１０１（回転角度が０度）、２２．５度、４５度、６７．５度の各回転画像の何れかで設定された判定領域である。したがって、線形性最大領域選択部１０８は、例えば４５度の回転画像の判定領域を選択した場合、入力画像１０１の中で、４５度の回転画像の判定領域に対応した位置に、４５度傾いた線領域が在ることを検出できる。なお、詳細は後述するが、判定領域の選択が行われない場合もある。そして、線形性最大領域選択部１０８は、選択された判定領域の線領域に対応した注目画素の線形性の値と、回転角度情報及び座標情報とを、線領域処理部１０４の線領域平滑化部１０９に出力する。

線領域処理部１０４の線領域平滑化部１０９は、平滑手段の一例である。線領域平滑化部１０９には、入力画像１０１も供給されている。線領域平滑化部１０９は、線領域決定部１０３にて選択された判定領域の線領域に対応した注目画素の線形性の値と、回転角度情報及び座標情報とに基づいて、入力画像１０１の中の線領域を識別して、その線領域に対する平滑化処理を行う。そして、線領域平滑化部１０９は、平滑化処理後の線領域を用いて、入力画像１０１の線領域を更新する。線領域平滑化部１０９における平滑化処理は、例えば、線領域の各画素の平均値を求め、その平均値により線領域の各画素値を更新する処理となされている。なお、本実施形態では、線領域の各画素の平均値により、線領域の各画素値を更新するような平滑化を行うが、これは一例であり、他の平滑化処理が行われてもよい。平滑化された線領域による更新後の画像信号は、画像処理装置１００によるノイズ低減後の出力画像１０２として、図示しない例えば表示装置に表示、又は記録装置により記録媒体へ記録、又は印刷装置により印刷、又は通信装置により通信等される。

図４（Ａ）は、図１（Ａ）の画像処理装置１００における画像処理の処理手順を示したフローチャートである。図４（Ａ）のフローチャートは、図１（Ａ）の線領域決定部１０３にて実行される処理である。また、図４（Ｂ）は線領域処理部１０４が実行する処理のフローチャートである。これら図４（Ａ）と図４（Ｂ）のフローチャートの処理は、図示しないＣＰＵ等がＲＯＭに保存されている本実施形態の画像処理プログラムを実行することにより実現されてもよい。以下の説明において、フローチャート内の各ステップについては、各参照符号のＳ１０５Ｂ〜Ｓ１０５Ｄ、Ｓ１０６Ａ〜１０６Ｄ、Ｓ１０７Ａ〜Ｓ１０７Ｄ等のみで表記し、これは後述する他のフローチャートにおいても同様とする。

先ず、図４（Ａ）に示した画像処理のフローチャートから説明する。
図４（Ａ）のＳ１０６Ａは積分画像生成部１０６Ａにて行われる処理であり、Ｓ１０７Ａは線形性算出部１０７Ａにて行われる処理である。また、Ｓ１０５Ｂは画像回転部１０５Ｂ、Ｓ１０６Ｂは積分画像生成部１０６Ｂ、Ｓ１０７Ｂは線形性算出部１０７Ｂにて行われる処理である。同様に、Ｓ１０５Ｃは画像回転部１０５Ｃ、Ｓ１０６Ｃは積分画像生成部１０６Ｃ、Ｓ１０７Ｃは線形性算出部１０７Ｃ、Ｓ１０５Ｄは画像回転部１０５Ｄ、Ｓ１０６Ｄは積分画像生成部１０６Ｄ、Ｓ１０７Ｄは線形性算出部１０７Ｄにて行われる処理である。

図４（Ａ）のフローチャートにおいて、入力画像１０１が供給されることで線領域決定部１０３の処理が開始する。線領域決定部１０３の処理が開始すると、Ｓ１０６Ａ〜Ｓ１０７Ａと、Ｓ１０５Ｂ〜Ｓ１０７Ｂと、Ｓ１０５Ｃ〜Ｓ１０７Ｃと、Ｓ１０５Ｄ〜Ｓ１０７Ｄとの各処理が、並列に実行される。

以下、Ｓ１０６ＡとＳ１０７Ａの処理から説明する。
Ｓ１０６Ａでは、積分画像生成部１０６Ａは、入力画像１０１の積分画像を生成する。Ｓ１０６Ａの後、線領域決定部１０３の処理は、線形性算出部１０７Ａにて行われるＳ１０７Ａに進む。Ｓ１０７Ａでは、線形性算出部１０７Ａは、積分画像生成部１０６Ａにて生成された積分画像に対して、前述したような判定領域を設定する。そして、線形性算出部１０７Ａは、前述したように判定領域に対応した注目画素における線形性の値を算出する。

図５は、線形性算出部１０７Ａが図４（Ａ）のＳ１０７Ａにて行う判定領域設定から線形性算出までの詳細な処理のフローチャートである。図５のフローチャートの処理は、入力画像１０１の各画素（つまり各注目画素）についてそれぞれ行われる処理である。

線形性算出部１０７Ａは、Ｓ３０１において、入力画像１０１の注目画素を例えば中心にした前述の図３（Ａ）と図３（Ｂ）の判定領域３００と３１０を設定する。Ｓ３０１の領域設定処理の後、線形性算出部１０７Ａの処理は、Ｓ３０２に進む。

Ｓ３０２では、線形性算出部１０７Ａは、Ｓ３０１で設定した図３（Ａ）の判定領域３００について、線領域３０１の積分値（線領域３０１内の各画素の輝度値合計）と、背景領域３０２の積分値（背景領域３０２内の各画素の輝度値合計）とを算出する。同様に、線形性算出部１０７Ａは、図３（Ｂ）の判定領域３１０について、線領域３１１の積分値と、背景領域３１２の積分値とを算出する。Ｓ３０２の積分値算出処理の後、線形性算出部１０７Ａの処理は、Ｓ３０３に進む。

Ｓ３０３では、線形性算出部１０７Ａは、判定領域３００について、線領域３０１の積分値をその領域内の画素数で割って平均値を算出し、背景領域３０２の積分値をその領域内の画素数で割って平均値を算出する。同様に、線形性算出部１０７Ａは、判定領域３１０について、線領域３１１の平均値を算出し、背景領域３１２の平均値を算出する。Ｓ３０３の平均値算出処理の後、線形性算出部１０７Ａの処理は、Ｓ３０４に進む。

Ｓ３０４では、線形性算出部１０７Ａは、判定領域３００の線領域３０１の平均値と背景領域３０２の平均値との比を算出する。同様に、線形性算出部１０７Ａは、判定領域３１０の線領域３１１の平均値と背景領域３１２の平均値との比を算出する。ここで、判定領域３００において線領域３０１と背景領域３０２の両平均値の差が大きく、それら平均値の比が大きな値であるほど、その判定領域３００の注目画素ｐｔは、入力画像１０１内で横（水平）方向の線を構成する画素である可能性が高いと言える。また、判定領域３１０において線領域３１１と背景領域３１２の両平均値の差が大きく、それら平均値の比が大きな値であるほど、判定領域３１０の注目画素ｐｔは、入力画像１０１内で縦（垂直）方向の線を構成する画素である可能性が高いと言える。このように、Ｓ３０４で算出される比の値は、注目画素ｐｔが線を構成する画素である可能性の高さを表す値、すなわち線形性を表す値となっている。線形性算出部１０７Ａは、Ｓ３０４で算出した比の値を、注目画素ｐｔにおける線形性を表す値として算出する。

図４（Ａ）のフローチャートに説明を戻し、Ｓ１０５Ｃ〜Ｓ１０７Ｃの処理について説明する。なお、Ｓ１０５Ｂ〜Ｓ１０７Ｂ、Ｓ１０５Ｄ〜Ｓ１０７Ｄの各処理は、回転画像の回転角度が異なっていること以外、Ｓ１０５Ｃ〜Ｓ１０７Ｃの処理と同じであるため、それらの説明は省略する。

Ｓ１０５Ｃにおいて、画像回転部１０５Ｃは、前述したように入力画像１０１を４５度回転させてリサンプリングする回転処理を行って、回転画像を生成する。Ｓ１０５Ｃの後、線領域決定部１０３の処理は、積分画像生成部１０６Ｃにて行われるＳ１０６Ｃに進む。Ｓ１０６Ｃでは、積分画像生成部１０６Ｃは、画像回転部１０５Ｃから供給された回転画像から積分画像を生成する。Ｓ１０６Ｃの後、線領域決定部１０３の処理は、線形性算出部１０７Ｃにて行われるＳ１０７Ｃに進む。

図６は、線形性算出部１０７Ｃが図４（Ａ）のＳ１０７Ｃにて行う処理の詳細なフローチャートである。図６のフローチャートの処理は、入力画像１０１を４５度回転させた回転画像の積分画像のうち、入力画像１０１の各注目画素に対応した画素について行われる処理である。線形性算出部１０７Ｃは、図４（Ａ）のＳ１０７Ｃの処理に進むと、先ずＳ５０１の処理を行う。Ｓ５０１〜Ｓ５０６は、入力画像１０１の注目画素ごとに対応させて行われる処理である。

Ｓ５０１では、線形性算出部１０７Ｃは、積分画像生成部１０６Ｃから送られてきた注目画像の座標（つまり入力画像１０１の注目画素の座標値）を、Ｓ１０５Ｃにて４５度回転処理された回転画像の座標系の座標に変換する。なお、座標情報の変換処理は、Ｓ１０５Ｃで画像回転の際に用いられる処理と同様である。

ここで、図７（Ａ）〜図７（Ｃ）を用いて、入力画像１０１と回転画像の各画素の関係を詳細に説明する。図７（Ａ）は入力画像１０１の一部を示し、図中の点線で区切られた各四角は画素であるとする。図７（Ｂ）と図７（Ｃ）は入力画像１０１が４５度回転された後の回転画像７００の一部を示しており、図中の実線で区切られた各四角は回転画像７００の各画素であるとする。また、図７（Ｂ）と図７（Ｃ）の図中の枠７０１で囲われた範囲は、図７（Ａ）の大きさの入力画像１０１に対応しているとする。なお、図７（Ｂ）と図７（Ｃ）は、回転画像７００との対応関係を判り易くするために入力画像１０１も示している。

図７（Ｂ）に示したように、入力画像１０１の各画素の座標（中心座標）と、回転画像７００の各画素の座標（中心座標）とは、それぞれ一致せず、異なっていることが容易にわかる。また、図７（Ｃ）は、入力画像１０１の注目画素ｐｔと、その注目画素ｐｔに対応した回転画像７００内の近傍画素との関係を示している。この図７（Ｃ）に示すように、入力画像１０１の注目画素ｐｔは、回転画像７００の太枠７１０の中の例えば四つの近傍画素から補間して求めることができる。このため、Ｓ５０１において、線形性算出部１０７Ｃは、入力画像１０１の注目画素ｐｔの座標から、回転画像７００の各近傍画素の座標を算出するような座標変換を行う。Ｓ５０１の後、線形性算出部１０７Ｃの処理は、Ｓ５０２に進む。

Ｓ５０２〜Ｓ５０５は、回転画像７００の近傍画素ごとに行われる処理である。Ｓ５０２〜Ｓ５０５は、前述の図５のフローチャートにおける注目画素が近傍画素になされること以外は前述のＳ３０１〜Ｓ３０４と同様の処理であるため、これらＳ５０２〜Ｓ５０５の詳細な説明は省略する。Ｓ５０５の後、線形性算出部１０７Ｃの処理は、Ｓ５０６に進む。

Ｓ５０６では、線形性算出部１０７Ｃは、Ｓ５０２〜Ｓ５０５で近傍画素ごとに求められた線形性の値から、例えば線形補間により、入力画像１０１の注目画素に対応した線形性の値を算出する。なお、ここでは線形補間を用いたが、他の公知の補間方法により注目画素の線形性の値を求めてもよい。

図４（Ａ）のフローチャートに説明を戻す。Ｓ１０７Ａ〜Ｓ１０７Ｄにて線形性算出部１０７Ａ〜１０７Ｄがそれぞれ算出した各判定領域の注目画素に対応した線形性の値は、前述したように、各々対応した回転角度情報及び座標情報と共に、線形性最大領域選択部１０８に送られる。そして、線領域決定部１０３の処理は、線形性最大領域選択部１０８にて行われるＳ１０８に進む。なお、線領域決定部１０３では、線形性最大領域選択部１０８に対して、線形性算出部１０７Ａ〜１０７から線形性の値や回転角度情報及び座標情報が供給されるタイミングを合わせようにもなされている。タイミング合わせは、例えば、積分画像生成部１０６Ａ〜１０６Ｄの積分画像、又は、線形性算出部１０７Ａ〜１０７による線形性の値や回転角度情報及び座標情報を、図示しないメモリ等に一時的に蓄積して読み出しタイミングを合わせることにより行う。

Ｓ１０８では、線形性最大領域選択部１０８は、Ｓ１０７Ａ〜Ｓ１０７Ｄにてそれぞれ求められた線形性の値のうち、最も大きい値の線形性を有する注目画素に対応した判定領域を選択して、入力画像１０１の中の線領域を特定する。ただし、本実施形態では、線形性最大領域選択部１０８は、最も大きい線形性の値が、所定の閾値以下であれば、線形性の値を用いた判定領域の選択そのものを行わないようにする。本実施形態の場合、線形性最大領域選択部１０８は、前述した判定領域の線領域の平均値が背景領域の平均値の倍となる場合の比の値を、所定の閾値として用いる。なお、所定の閾値は予め設定した閾値等の他の閾値を用いてもよいし、判定領域選択の際には所定の閾値を用いないようにしてもよい。所定の閾値を用いない場合には、前述のように、最も大きい値の線形性を有する注目画素に対応した判定領域が選択される。Ｓ１０８の後、線領域決定部１０３は、図４（Ａ）のフローチャートの処理を終了する。そして、線形性最大領域選択部１０８からは、特定した線領域を表す情報として、その線領域に対応した注目画素の線形性の値と、その注目画素に対応した回転角度情報及び座標情報とが、線領域処理部１０４の線領域平滑化部１０９に送られる。

図４（Ｂ）は、線領域処理部１０４の線領域平滑化部１０９にて行われる処理のフローチャートである。図４（Ｂ）のフローチャートの処理は、図４（Ａ）のＳ１０８の処理が終了したことで開始される。図４（Ｂ）のフローチャートの処理が開始されると、Ｓ１０９において、線領域平滑化部１０９は、線領域の平滑化処理を行い、その平滑化後の線領域を用いて入力画像１０１を更新する。

Ｓ１０９では、線領域平滑化部１０９は、線領域決定部１０３で特定された線領域に対応した注目画素の線形性の値と、注目画素の回転角度情報及び座標情報とに基づいて、入力画像１０１の中の線領域を識別して、その線領域の平滑化と更新を行う。Ｓ１０９の後、線領域処理部１０４の処理は終了する。

以上説明したように、本実施形態の画像処理装置１００は、入力画像１０１とその入力画像１０１を各々異なる回転角度で回転させた複数の回転画像とから、それぞれ積分画像を生成し、その積分画像に対して線領域を検出するための所定の判定領域を設定する。そして、画像処理装置１００は、所定の判定領域の積分値に基づいて、判定領域ごとに線形性の値を算出し、線形性の値が最も大きくなっている判定領域に応じて、入力画像１０１の線領域を検出している。このように本実施形態の画像処理装置１００によれば、積分画像の積分値を用いているため、線領域の検出に用いる判定領域の大きさに関わらず、画素当たりの計算量が一定になり、様々な方向の線領域を高速に検出することが可能となっている。また、画像処理装置１００は、入力画像１０１と複数の回転画像に対する処理を並列に行っているため、高速処理が可能となる。これにより、本実施形態の画像処理装置１００は、高速に線領域のノイズ低減処理を行うことができる。

＜画像処理装置の他の構成例（逐次処理の構成例）＞
図１（Ａ）は、回転角度０度の入力画像１０１から各々異なる回転角度の回転画像を並列に生成し、それら入力画像１０１と各回転画像について並列に、積分画像の生成及び線形性の値の算出を行う例を挙げたが、それら各処理は逐次処理で行われてもよい。図１（Ｂ）は、回転画像の生成、積分画像の生成、線形性の値の算出の各処理を、画像回転を行うごとに逐次処理する場合の画像処理装置１２０の構成例を示している。図１（Ｂ）の画像処理装置１２０の各部は、ハードウェア構成として形成されていてもよいし、ＣＰＵ等が画像処理プログラムを実行することにより実現されてもよい。図１（Ｂ）に示す画像処理装置１２０は、線領域決定部１３０と線領域処理部１０４とを有して構成されている。なお、図１（Ｂ）において、前述の図１（Ａ）に示した各部と同じものには、同一の参照符号を付して、それらの説明は省略する。

図１（Ｂ）の構成例の場合、線領域決定部１３０は、保持部１３１と、制御部１３２と、それぞれ一つの画像回転部１０５、積分画像生成部１０６、線形性算出部１０７、線形性最大領域選択部１０８と、を有して構成されている。

保持部１３１は、入力画像１０１を保持する。保持部１３１に保持された入力画像１０１は、制御部１３２による制御の下、画像回転部１０５に送られる。画像回転部１０５は、制御部１３２により画像回転角度が逐次設定される。本実施形態では、制御部１３２は、保持部１３１から入力画像１０１を読み出すごとに、画像回転部１０５に対して、回転角度０度、２２．５度、４５度、６７．５度のように、画像回転角度を逐次変更するように設定する。これにより、画像回転部１０５からは、回転角度０度の入力画像１０１、２２．５度、４５度、６７．５度の各回転画像が逐次出力される。なお、回転処理により画質劣化が生じないのであれば、画像回転部１０５にて回転処理された後の画像を、画像回転部１０５にフィードバックして更に回転処理することで、各回転画像を生成してもよい。

画像回転部１０５から逐次出力された画像信号は、積分画像生成部１０６に送られる。積分画像生成部１０６は、画像回転部１０５から逐次供給される回転角度０度、２２．５度、４５度、６７．５度の各画像から、逐次、積分画像を生成する。積分画像生成部１０６にて生成された各積分画像は、逐次、線形性算出部１０７に送られる。

線形性算出部１０７は、積分画像生成部１０６で逐次生成された各積分画像と、各積分画像に各々対応した回転角度情報及び入力画像１０１の各画素（各注目画素）の座標情報とに基づいて、入力画像１０１の注目画素に対応した線形性の値を逐次算出する。なお、回転角度情報と座標情報は、前述の図１（Ａ）の場合と同様、画像回転部１０５から積分画像生成部１０６を経て線形性算出部１０７に供給されてもよいが、図１（Ｂ）の例では制御部１３２が生成して線形性算出部１０７に供給する例を挙げている。線形性算出部１０７は、前述の図１（Ａ）の線形性算出部１０７Ａ〜１０７Ｄの場合と同様に、入力画像１０１の注目画素ごとに対応させて所定の判定領域を設定し、それら各判定領域の注目画素に対応した線形性の値を算出する。そして、線形性算出部１０７は、入力画像１０１の注目画素ごとに対応して算出した線形性の値と、その注目画素の回転角度情報及び座標情報とを、線形性最大領域選択部１０８に対して出力する。

線形性最大領域選択部１０８と、線領域処理部１０４の線領域平滑化部１０９とは、前述の図１（Ａ）と同様のものである。これにより、図１（Ｂ）の画像処理装置１２０からは、ノイズ低減後の出力画像１０２が得られることになる。

図４（Ｃ）は、逐次処理により線領域を決定する図１（Ｂ）の画像処理装置１２０における画像処理の処理手順を示したフローチャートである。図４（Ｃ）のフローチャートは、図１（Ｂ）の線領域決定部１３０にて実行される処理であり、制御部１３２により回転角度が逐次設定されるごとに行われる処理である。図４（Ｃ）のフローチャートの処理は、図示しないＣＰＵ等がＲＯＭに保存されている本実施形態の画像処理プログラムを実行することにより実現されてもよい。

図４（Ｃ）のフローチャートにおいて、画像回転部１０５は、制御部１３２により回転角度が逐次設定されるごとに、その設定された回転角度により、入力画像１０１を回転処理して回転画像を生成する。例えば、Ｓ１０５にて画像回転部１０５から回転角度０度の画像（入力画像１０１）が出力されると、線領域決定部１３０の処理は、積分画像生成部１０６にて行われるＳ１０６に進む。

Ｓ１０６では、積分画像生成部１０６は、前述の図１（Ａ）の積分画像生成部１０６Ａ〜１０６Ｄと同様に、画像回転部１０５より供給される回転画像から積分画像を逐次生成する。Ｓ１０６では、例えば画像回転部１０５から回転角度０度の画像（入力画像１０１）が供給された場合、その画像から積分画像を生成する。そして、Ｓ１０６の後、線領域決定部１０３の処理は、線形性算出部１０７にて行われるＳ１０７に進む。

Ｓ１０７では、線形性算出部１０７は、前述の図１（Ａ）の線形性算出部１０７Ａ〜１０７Ｄと同様に、積分画像生成部１０６より供給される積分画像から線形性の値を逐次算出する。Ｓ１０７では、例えば積分画像生成部１０６から回転角度０度の画像（入力画像１０１）の積分画像が供給された場合、その積分画像から線形性の値を算出する。

Ｓ１０７の処理が終わるとＳ１０５の処理に戻り、画像回転部１０５は、制御部１３２により次の回転角度に設定される。前述したように回転角度が０度に設定されていた場合、次の回転角度は例えば２２．５度に設定される。なお、この回転角度の設定は一例であり、別の回転角度に設定されてもよい。このように、Ｓ１０５〜Ｓ１０７の処理が、回転角度が逐次設定されるごとに行われる。

そして、制御部１３２による回転角度の設定が終わり、Ｓ１０７において、それら回転角度ごとに算出された各線形性の値が、線形性最大領域選択部１０８に出力されると、図４（Ｃ）のフローチャートの処理は終了する。

図１（Ｂ）及び図４（Ｃ）の逐次処理を行う画像処理装置１２０は、前述した並列処理を行う画像処理装置１００よりも多少処理時間は長くなるが、高速に線領域のノイズ低減処理を行うことができる。一方、逐次処理を行う画像処理装置１２０は、並列処理を行う画像処理装置１００の構成よりも小型化が可能になる。例えば、前述した並列処理を行う画像処理装置１００の場合、回転処理の回転角度を細かく設定すると、画像回転部、積分画像生成部、線形性算出部の数が多くなる。これに対し、逐次処理を行う画像処理装置１２０の場合は、画像回転部、積分画像生成部、線形性算出部がそれぞれ一つで済むため、構成の小型化とコストの低減が可能となる。また、逐次処理を行う画像処理装置１２０の場合は、制御部１３２が回転角度の設定を制御するため、回転角度の設定変更が非常に容易である。

＜判定領域の他の例＞
前述の例では、所定の判定領域として図３（Ａ）の判定領域３００と図３（Ｂ）の判定領域３１０を用い、入力画像１０１から縦方向と横方向の２方向、２２．５度、４５度、６７．５度の各回転画像からそれぞれ同じく２方向の線判定が行われる。このように前述の例では合計で８方向の線を検出可能となされているが、回転角度を更に細かく設定すれば、より多くの方向の線を検出することも可能となる。

また、前述の例では、所定の判定領域として図３（Ａ）の判定領域３００と図３（Ｂ）の判定領域３１０を挙げているが、判定領域はこれらの例に限定されない。例えば、図３（Ｃ）に示すような判定領域が設定されてもよい。図３（Ｃ）は、図３（Ａ）と同様に、注目画素ｐｔに対応した横（水平）方向の線を検出するため判定領域３２０の設定例である。図３（Ｃ）の判定領域３２０は、線領域３２１に対して、線領域３２１を直径とする円に近似するように背景領域３２２，３２３が設定されている。例えば、判定領域３２０内の端部等に縦方向の線３２４が存在した場合、前述の図３（Ａ）の例を用いたとすると、線領域３０１と背景領域３０２の平均値の比の値が、線３２４の存在により低い値（線形性の値が低い値）になる可能性がある。これに対し、図３（Ｃ）の例の場合、判定領域３２０内の端等に縦方向の線３２４が存在した場合であっても、線領域３２１と背景領域３２２の平均値の比の値は、線３２４により低い値になることはなく、線形性の値として高い値が得られる。このため、図３（Ｃ）の判定領域３２０を用いれば、検出したい横線以外の線が端部等に存在していたとしても、横線の線形性の値を精度良く求めることができる。

他の例として、図３（Ｄ）に示すような判定領域３３０が設定されてもよい。図３（Ｄ）の判定領域３３０は、横（水平）方向の線領域３３１と縦（垂直）方向の線領域３３２とが注目画素ｐｔで直交するように設定され、それら線領域３３１，３３２以外が背景領域３３３として設定されている。この図３（Ｄ）の判定領域３３０を用いれば、直交する横（水平）方向の線と縦（垂直）方向の線の線形性の値を検出することができるようになる。これら図３（Ｃ）や図３（Ｄ）の例以外にも、矩形領域の組み合わせにより様々な判定領域を設定することができる。

さらに他の例として、例えば図８（Ａ）の判定領域８００、図８（Ｂ）の判定領域８１０、図８（Ｃ）の判定領域８２０、図９（Ａ）の判定領域９００、図９（Ｂ）の判定領域９１０、図９（Ｃ）の判定領域９２０のような各判定領域が設定されてもよい。

図８（Ａ）〜図８（Ｃ）は、様々な太さの線に対する線形性の値を算出可能にする判定領域の例を示している。図８（Ａ）の判定領域８００は、線領域８０１と背景領域８０２の縦方向における幅の割合が１：６となるように設定された例である。図８（Ｂ）の判定領域８１０は、線領域８１１と背景領域８１２の縦方向における幅の割合が３：４となるように設定された例である。図８（Ｃ）の判定領域８２０は、線領域８２１と背景領域８２２の縦方向における幅の割合が５：２となるように設定された例である。これら図８（Ａ）〜図８（Ｃ）の判定領域例によれば、それぞれ異なる太さの線領域を検出することが可能となる。なお、図８（Ａ）〜図８（Ｃ）の例は横の線領域を判定する判定領域を挙げたが、各線領域を縦方向に設定すれば、様々な太さの縦線に対する線形性の値を算出することも可能になる。

図８（Ａ）〜図８（Ｃ）の例によれば、様々な太さの線を検出する場合であっても、画像処理装置は、判定に用いる判定領域の大きさに関わらず、画素あたりの計算量を一定に抑えることができ、様々な方向と様々な太さの線判定を高速に行うことができる。

図９（Ａ）〜図９（Ｃ）は、様々な長さの線に対する線形性の値を算出可能にする判定領域の例を示している。図９（Ａ）の判定領域９００は、線領域９０１と背景領域９０２の縦方向における幅の割合が１：２となるように設定された例であり、図９（Ｂ）の判定領域９１０は、図９（Ａ）の設定例に対して線領域９１１の長さが５／３倍に拡大された設定例である。また、図９（Ｃ）の判定領域９２０は、線領域９２１の長さが図９（Ａ）の例に対して７／３倍に拡大された設定例である。これら図９（Ａ）〜図９（Ｃ）の判定領域例によれば、それぞれ異なる長さの線領域を検出することが可能となる。なお、図９（Ａ）〜図９（Ｃ）の例は横の線領域を判定する判定領域を挙げたが、各線領域を縦方向に設定すれば、様々な長さの縦線に対する線形性の値を算出することも可能になる。

図９（Ａ）〜図９（Ｃ）の例によれば、様々な長さの線を検出する場合であっても、画像処理装置は、判定に用いる判定領域の大きさに関わらず、画素あたりの計算量を一定に抑えることができ、様々な方向と様々な長さの線判定を高速に行うことができる。

＜変形例＞
前述の実施形態では、線領域処理部１０４は、線領域の平均化により平滑化を行う例を挙げたが、例えば線領域ごとに平滑化の強さを表すパラメータを設定し、そのパラメータを変更することにより、線領域ごとに平滑化の強さを異ならせることも可能である。一例として、ガウシアンフィルタを用いて線領域の平滑化を行う場合、ガウシアンフィルタのパラメータであるシグマ（分散値）を変更することで、平滑化の強さを変更して、線領域のボケ具合を変えること等が可能となる。より具体的には、線形性の値が大きい（線形性が強い）と判定された線領域に対しては、弱めに平滑化を行うことが望ましい場合もあり、このような場合にパラメータを変更すれば、容易に平滑化の強さを変更することができる。

また、前述の実施形態では、ノイズ低減処理を例に挙げたが、前述したような線領域の算出処理は、例えばパターンマッチングにおける特徴量の算出など、様々な用途に容易に応用することも可能である。例えば、特徴量の算出例では、線形性の値が画像の特徴量として求められ、その線形性の値で表される特徴量に基づいてパターンマッチングを行うことができる。

また、前述の実施形態では、線領域を判定する例を挙げたが、例えば前述した線領域と背景領域などの領域の設定を変更すれば、例えばエッジの判定、平坦領域の判定などにも適用可能である。例えば、エッジの判定では、画像に対して第１の領域と第２の領域の二つを設定し、それら第１、第２の領域について前述のような積分値の平均値を求め、それら第１、第２の領域の差（比率）が大きければ、エッジであると判定可能である。また例えば、平坦領域については、第１、第２の領域の差（比率）が殆どなければ、平坦領域であると判定可能となる。

さらに、前述した実施形態のような線領域の判定、前述したエッジの判定、平坦領域の判定などをそれぞれ行い、それら複数の判定結果に応じて、後段でそれぞれ異なる処理を行うような画像処理も可能となる。

また、前述した線領域の判定は、例えば入力画像を生成する撮像デバイスの撮像面上のキズ領域等（塵等による塵領域も含む）の検出にも適用可能である。そして、線領域の判定に基づいてキズ領域等を検出した場合、後段の処理では、その検出されたキズ領域に対して所定の注意喚起画像（例えばキズ領域を囲む丸印アイコン画像など）を入力画像に重畳表示させるようなことを行う。また、この例の場合、線形性の値は、キズ領域である可能性があるかどうかを表す値として用いることができ、例えばその線形性の値に応じて、所定の注意喚起画像の表示形態を変更することも可能となる。一例として、線形性の値が大きければキズである可能性が高いとして注意喚起画像を赤色表示にするような表示形態例が考えられる。

前述の実施形態では、全ての画素が注目画素になされる例を挙げたが、注目画素は、例えば所定の間隔ごとの画素であってもよい。このように、注目画素を所定の間隔ごとの画素にした場合、間隔を空けて線判定が行われることになって、線判定の実行時間の短縮が可能になり、また必要十分な検出精度を得ることも可能になるため、実行時間と検出精度のバランスをとることができる。

その他、前述の実施形態では、二次元画像を扱ったが、三次元画像の画像処理も可能である。この場合、三次元画像についてそれぞれ回転した三次元画像を生成して、その三次元画像について前述のような領域設定を行って、例えば線領域やエッジ、平坦領域等の判定を行えばよい。

＜その他の実施形態＞
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

上述の実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。即ち、本発明は、その技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

１００，１２０ 画像処理装置、１０３，１３０ 線領域決定部、１０４ 線領域処理部、１０５Ｂ〜１０５Ｄ，１０５ 画像回転部、１０６Ａ〜１０６Ｄ，１０６ 積分画像生成部、１０７Ａ〜１０７Ｄ，１０７ 線形性算出部、１０８ 線形性最大領域選択部、１０９ 線領域平滑化部

Claims (17)

1. 入力画像を回転させた回転画像を生成する回転手段と、
   前記入力画像の各画素値を積分した積分画像と前記回転画像の各画素値を積分した積分画像とを生成する生成手段と、
   前記入力画像の注目画素の近傍領域に対応する前記積分画像の領域から算出される積分値に基づいて、線領域を特定する特定手段と、
   を有することを特徴とする画像処理装置。
2. 前記特定手段は、
   前記入力画像の注目画素の近傍領域に対応する前記積分画像の領域として、前記積分画像の中に第１の領域と第２の領域とにより形成される判定領域を設定して、前記第１の領域の積分値と前記第２の領域の積分値とに基づいて、前記線領域の形状性である線形状性を表す値を算出し、
   前記算出された線形状性を表す値に基づいて、前記入力画像の中で線領域を特定することを特徴とする請求項１に記載の画像処理装置。
3. 入力画像を回転させた回転画像を生成する回転手段と、
   前記入力画像の各画素値を積分した積分画像と前記回転画像の各画素値を積分した積分画像とを生成する生成手段と、
   前記入力画像の中で線領域を特定する特定手段と、を有し
   前記特定手段は、
   前記入力画像の注目画素に対応させて、前記積分画像の中に第１の領域と第２の領域とにより形成される判定領域を設定し、前記第１の領域の積分値と前記第２の領域の積分値とに基づいて、前記線領域の形状性である線形状性を表す値を算出し、
   前記入力画像の注目画素に対応させて前記算出された線形状性を表す値に基づいて、前記入力画像の中で線領域を特定することを特徴とする画像処理装置。
4. 前記回転手段は、前記入力画像をそれぞれ異なる回転角度に回転させた複数の回転画像を生成し、
   前記生成手段は、前記回転画像ごとに前記積分画像を生成し、
   前記特定手段は、
   前記積分画像ごとに前記入力画像の注目画素に対応させて前記判定領域を設定して、前記線形状性を表す値を算出し、
   前記積分画像ごとに前記入力画像の注目画素に対応させて前記算出された、複数の前記線形状性を表す値に基づいて、前記入力画像の中で前記線領域を特定することを特徴とする請求項２又は３に記載の画像処理装置。
5. 前記回転手段は、前記複数の回転画像を並列に生成し、
   前記生成手段は、前記回転画像ごとに並列に前記積分画像を生成し、
   前記特定手段は、
   前記並列に生成された前記積分画像ごとに、並列に、前記入力画像の注目画素に対応した前記判定領域を設定して、前記入力画像の注目画素に対応した前記線形状性を表す値を算出し、
   前記並列に算出された複数の前記線形状性を表す値に基づいて、前記入力画像の中で前記線領域を特定することを特徴とする請求項４に記載の画像処理装置。
6. 前記回転手段は、前記入力画像に対する回転角度を逐次変更して回転させることにより前記複数の回転画像を生成し、
   前記生成手段は、前記回転画像の生成がなされるごとに前記積分画像を逐次生成し、
   前記特定手段は、
   前記積分画像の生成がなされるごとに、前記入力画像の注目画素に対応した前記線形状性を表す値を逐次算出し、
   前記逐次算出された複数の前記線形状性を表す値に基づいて、前記入力画像の中で前記線領域を特定することを特徴とする請求項４に記載の画像処理装置。
7. 前記特定手段は、
   前記第１の領域の積分値の平均値と前記第２の領域の積分値の平均値との比の値を、前記入力画像の注目画素に対する前記線形状性を表す値として算出し、
   前記算出された前記複数の線形状性を表す値が最大の値となった判定領域に基づいて、前記入力画像の中で前記線領域を特定することを特徴とする請求項４乃至６の何れか１項に記載の画像処理装置。
8. 前記特定手段は、前記算出された前記複数の線形状性を表す値の最大の値が、所定の閾値以下である場合には、前記線領域の前記特定を行わないことを特徴とする請求項７に記載の画像処理装置。
9. 前記特定手段は、前記第１の領域の積分値の平均値が、前記第２の領域の積分値の平均値の倍になる場合の前記比の値を、前記所定の閾値に設定することを特徴とする請求項８に記載の画像処理装置。
10. 前記特定手段は、
    前記線領域を前記第１の領域とし、前記線領域以外の背景領域を前記第２の領域とした前記判定領域を設定し、
    前記算出された前記複数の線形状性を表す値が最大の値となった判定領域に基づいて、前記入力画像の中で前記線領域を特定することを特徴とする請求項７乃至９の何れか１項に記載の画像処理装置。
11. 前記特定手段は、前記判定領域の前記線領域の幅と前記背景領域の幅との割合を設定することを特徴とする請求項１０に記載の画像処理装置。
12. 前記特定手段は、前記判定領域の前記線領域、及び前記背景領域の長さを設定することを特徴とする請求項１０に記載の画像処理装置。
13. 前記特定された前記線領域を表す情報に基づいて、前記入力画像の中の前記線領域を識別して、前記識別した線領域を平滑化し、前記平滑化した後の線領域により前記入力画像を更新する平滑手段を有することを特徴とする請求項１乃至１２の何れか１項に記載の画像処理装置。
14. 前記特定手段は、前記特定された前記線領域を表す情報として、少なくとも、前記入力画像の注目画素の座標情報と、前記回転画像の回転角度の情報とを、前記平滑手段に出力し、
    前記平滑手段は、前記入力画像の注目画素の座標情報と前記回転画像の回転角度の情報とに基づいて、前記入力画像の中の前記線領域を識別して前記平滑化と前記更新を行うことを特徴とする請求項１３に記載の画像処理装置。
15. 前記特定手段は、前記特定された前記線領域を表す情報として更に、前記線領域の形状性である線形状性を表す値を前記平滑手段に出力し、
    前記平滑手段は、前記線形状性を表す値に応じて、前記平滑化の強さを変更することを特徴とする請求項１４に記載の画像処理装置。
16. 入力画像から線形状性を有する線領域を検出する画像処理装置が実行する画像処理方法において、
    入力画像を回転させて回転画像を生成し、
    前記入力画像の各画素値を積分した積分画像と前記回転画像の各画素値を積分した積分画像とを生成し、
    前記入力画像の注目画素の近傍領域に対応する前記積分画像の領域から算出される積分値に基づいて、前記線領域を特定する
    ことを特徴とする画像処理方法。
17. コンピュータを、請求項１乃至１５の何れか１項に記載の画像処理装置の各手段として機能させるためのプログラム。

Images