Устройство и способ обработки изображений и программа

Устройство и способ обработки изображений и программа

Иллюстрации

Показать все

Реферат

Область техники, к которой относится изобретение

Настоящее изобретение относится к устройству и способу обработки изображений и программе и, в частности, относится к устройству и способу обработки изображений и программе, которые способны более подходящим образом оценивать для зафиксированного изображения состояния фиксации изображения.

Уровень техники

До настоящего времени существовала известная технология для вычисления значения оценки, указывающего оценку того, удовлетворительно или нет было зафиксировано изображение, получаемое путем выполнения фиксации изображения с использованием устройства фиксации изображения, то есть характеризующую для изображения оценку состояния фиксации изображения.

Пример технологии для вычисления значения оценки состояния фиксации изображения представляет собой технологию, при которой из всего изображения извлекается количественное значение для каждой характеристики, для каждой характеристики изображения получают оценку, и оценки для каждой из этих характеристик суммируются, посредством чего вычисляется суммарная оценка (см., например, NPL1). В частности, в технологии, раскрытой в NPL1, в качестве оценки для каждой характеристики вычисляется оценка, основанная на сложности контура, размере ограничивающего прямоугольника, степени размытости и тому подобном.

Список цитируемых документов

Непатентная литература

NPL1: Yan Kе, Xiaoou Tang, Feng Jing "The Design of High-Level Features for Photo Quality Assessment" ("Разработка характеристик высокого уровня для оценки качества фотографии", [публикация в сети "Интернет"], [поиск 3 июня 2009 г.], унифицированный указатель информационного ресурса в сети "Интернет": <URL:http://www.cs.cmu.edu/кyke/photoqual/cvpr06photo.pdf*search='The Design of HighLevel Features for Photo Quality Assessments'>

Раскрытие изобретения

Техническая задача

Однако в вышеупомянутой технологии, было трудно надлежащим образом оценивать для изображения состояние фиксации изображения. То есть в технологии, раскрытой в NPL1, из всего изображения извлекается количественное значение каждой характеристики и выполняется вычисление значения оценки. Следовательно, в зависимости от характеристики, используемой для оценки изображения, становится невозможным вычислить надлежащее значение оценки.

Например, обычно изображение, в котором участок, занимаемый задним планом, является простым, то есть изображение, в котором контур не является сложным на участке, занимаемым задним планом, считается зафиксированным удовлетворительным образом, и признается изображением, имеющим высокую оценку. При этом предполагается, что имеется типичное изображение, имеющее высокую оценку, в котором площадь участка, занимаемого объектом, на изображении является большой, и участок, занимаемый объектом, имеет сложный контур, но контур на участке, занимаемом задним планом, не является сложным. В этом случае, если в качестве одной характеристики из изображения извлекается контрастность контура и получают оценку, основанную на сложности контура, контур считается сложным по всему изображению, полученное значение оценки становится оценкой, более низкой, чем оценка, которая должна была бы быть получена изначально.

Настоящее изобретение было сделано ввиду такого рода обстоятельств и имеет своей целью позволить более подходящим образом оценивать для изображения состояния фиксации изображения.

Решение задачи

Устройство обработки изображений, соответствующее одному аспекту настоящего изобретения, включает в себя: средство вычисления первого значения оценки для извлечения количественного значения первой характеристики из всего входного изображения и для вычисления первого частичного значения оценки, характеризующего оценку входного изображения на основе первой характеристики на основе количественного значения первой характеристики; средство вычисления второго значения оценки для извлечения количественного значения второй характеристики из заданной области входного изображения и для вычисления второго частичного значения оценки, характеризующего оценку входного изображения на основе второй характеристики на основе количественного значения второй характеристики; и средство вычисления суммарного значения оценки для вычисления суммарного значения оценки, характеризующего для входного изображения оценку состояния фиксации изображения на основе первого частичного значения оценки и второго частичного значения оценки.

Средство вычисления второго частичного значения оценки может включать в себя средство идентификации области, занимаемой объектом, для извлечения из соответствующих областей входного изображения количественного значения третьей характеристики, которой обладает область объекта на входном изображении, таким образом, чтобы идентифицировать область объекта на входном изображении, и средство вычисления для извлечения количественного значения второй характеристики из области объекта, в которой на входном изображении содержится объект, и/или области заднего плана, в которой на входном изображении объект не содержится, и для вычисления второго частичного значения оценки.

Средство вычисления может быть выполнено с возможностью извлекать, в качестве количественного значения второго признака, значение яркости соответствующих областей области объекта на входном изображении, и вычислять второе частичное значение оценки на основе распределения значений яркости в области объекта.

Средство вычисления может быть выполнено с возможностью извлекать в качестве количественного значения второго признака, контрастность контура в соответствующих областях области заднего плана на входном изображении и вычислять второе частичное значение оценки на основе сложности контура в области заднего плана.

Средство вычисления первого значения оценки может быть выполнено с возможностью вычислять первое частичное значение оценки на основе по меньшей мере одной характеристики из степени размытости, распределения цвета, среднего значения насыщенности цвета и дисперсии насыщенности цвета на всем входном изображении.

Средство вычисления суммарного значения оценки может быть выполнено с возможностью суммировать значение, которое заранее определено в отношении первого частичного значения оценки, и значение, которое заранее определено в отношении второго частичного значения оценки, для вычисления суммарного значения оценки.

Значение, которое заранее определено в отношении значения первого частичного значения оценки, может быть определено на основе первого частичного значения оценки для множества изображений, имеющих различные оценки состояний фиксации изображения, причем эти оценки получены заранее, и при этом значение, которое заранее определено в отношении значения второго частичного значения оценки, может быть определено на основе второго частичного значения оценки для множества изображений, имеющих различные оценки состояния фиксации изображения, причем эти оценки получены заранее.

Способ или программа обработки изображений согласно одному аспекту настоящего изобретения включает в себя этапы, на которых: извлекают количественное значение первой характеристики из всего входного изображения и вычисляют первое частичное значения оценки, характеризующее оценку входного изображения, основанную на первой характеристике, на основе количественного значения первой характеристики; извлекают количественное значение второй характеристики из заданной области входного изображения и вычисляют второе частичное значение оценки, характеризующее оценку входного изображения, основанную на второй характеристике, на основе количественного значения второй характеристики; и вычисляют суммарное значение оценки, характеризующее оценку состояния фиксации изображения для входного изображения, на основе первого частичного значения оценки и второго частичного значения оценки.

В одном аспекте настоящего изобретения количественное значение первой характеристики извлекается из всего входного изображения. Первое частичное значение оценки, характеризующее оценку входного изображения, основанную на первой характеристике, вычисляется на основе количественного значения первой характеристики. Количественное значение второй характеристики извлекается из заданной области входного изображения. Второе частичное значение оценки, характеризующее оценку входного изображения, основанную на втором признаке, вычисляется на основе количественного значения второй характеристики. Суммарное значение оценки, характеризующее оценку состояния фиксации изображения для входного изображения, вычисляется на основе первого частичного значения оценки и второго частичного значения оценки.

Полезные результаты изобретения

В соответствии с первым аспектом настоящего изобретения имеется возможность более надлежащим образом оценивать для изображения состояние фиксации изображения.

Краткое описание чертежей

Фиг.1 иллюстрирует пример конфигурации варианта реализации устройства обработки изображений, к которому применимо настоящее изобретение.

Фиг.2 иллюстрирует пример конфигурации модуля вычисления количественного показателя степени размытости.

Фиг.3 иллюстрирует пример конфигурации модуля вычисления количественного показателя яркости.

Фиг.4 иллюстрирует пример конфигурации модуля извлечения объекта.

Фиг.5 иллюстрирует пример конфигурации модуля извлечения информации о яркости.

Фиг.6 иллюстрирует пример конфигурации модуля извлечения информации о цвете.

Фиг.7 иллюстрирует пример конфигурации модуля извлечения информации о контурах.

Фиг.8 иллюстрирует пример конфигурации модуля извлечения информации о лице.

Фиг.9 иллюстрирует пример конфигурации модуля вычисления количественного показателя контура.

Фиг.10 иллюстрирует пример конфигурации модуля вычисления количественного показателя распределения цвета.

Фиг.11 иллюстрирует пример конфигурации модуля вычисления количественного показателя насыщенности цвета.

Фиг.12 представляет собой блок-схему алгоритма, иллюстрирующую процесс отображения слайд-шоу (демонстрации слайдов).

Фиг.13 иллюстрирует пример таблицы преобразования количественных показателей степени размытости.

Фиг.14 иллюстрирует способ определения количественного показателя степени размытости.

Фиг.15 представляет собой блок-схему алгоритма, иллюстрирующую процесс вычисления степени размытости.

Фиг.16 иллюстрирует создание карты контуров.

Фиг.17 иллюстрирует создание локального максимума.

Фиг.18 иллюстрирует пример контура.

Фиг.19 представляет собой блок-схему алгоритма, иллюстрирующую процесс вычисления количественного показателя яркости.

Фиг.20 представляет собой блок-схему алгоритма, иллюстрирующую процесс создания карты объекта.

Фиг.21 представляет собой блок-схему алгоритма, иллюстрирующую процесс извлечения информации о яркости.

Фиг.22 представляет собой блок-схему алгоритма, иллюстрирующую процесс извлечения информации о цвете.

Фиг.23 представляет собой блок-схему алгоритма, иллюстрирующую процесс извлечения информации о контурах.

Фиг.24 представляет собой блок-схему алгоритма, иллюстрирующую процесс извлечения информации о лице.

Фиг.25 представляет собой блок-схему алгоритма, иллюстрирующую процесс вычисления количественного показателя контура.

Фиг.26 представляет собой блок-схему алгоритма, иллюстрирующую процесс вычисления количественного показателя распределения цветов.

Фиг.27 представляет собой блок-схему алгоритма, иллюстрирующую процесс вычисления количественного показателя насыщенности.

Фиг.28 иллюстрирует приводимую в качестве примера конфигурацию компьютера.

Описание вариантов реализации изобретения

Ниже со ссылкой на чертежи будет дано описание вариантов реализации, в которых применено настоящее изобретение.

Конфигурация устройства обработки изображений

Фиг.1 иллюстрирует пример конфигурации варианта реализации устройства обработки изображений, в котором применимо настоящее изобретение.

Это устройство 11 обработки изображений вычисляет в отношении входного изображения, полученного путем фиксации изображения с использованием устройства фиксации изображения, такого как, например, фотокамера, значение оценки (в дальнейшем именуемое суммарным количественным показателем), характеризующее оценку в отношении того, было ли входное изображение зафиксировано удовлетворительным образом, то есть состояние фиксации изображения, для этого входного изображения (внешний вид входного изображения). Предполагается, что чем ближе входное изображение к изображению, зафиксированному более профессиональным фотографом, тем выше будет оценка входного изображения и тем меньше будет значение суммарного количественного показателя для этого входного изображения. Таким образом, предполагается, что чем меньше значение суммарного количественного показателя, тем более удовлетворительно было зафиксировано изображение.

Устройство 11 обработки изображений включает в себя записывающий модуль 21, получающий модуль 22, модуль 23 вычисления количественного показателя степени размытости, модуль 24 вычисления количественного показателя яркости, модуль 25 вычисления количественного показателя контура, модуль 26 вычисления количественного показателя распределения цветов, модуль 27 вычисления количественного показателя насыщенности, модуль 28 вычисления суммарного количественного показателя, модуль 29 управления отображением и модуль 30 отображения.

Записывающий модуль 21 образован жестким магнитным диском или тому подобным и имеет записанное на нем множество входных изображений, введенных пользователем с использованием устройства фиксации изображения. Например, предполагается, что входное изображение представляет собой изображение, в котором каждый пиксель имеет в качестве значения пикселя значение R (красной), G (зеленой) и В (синей) составляющих. Получающий модуль 22 получает входное изображение от записывающего модуля 21 и предоставляет его модулям: от модуля 23 вычисления количественного показателя степени размытости до модуля 27 вычисления количественного показателя насыщенности, и модулю 29 управления отображением.

Из входного изображения, предоставляемого получающим модулем 22, модули от модуля 23 вычисления количественного показателя степени размытости до модуля 27 вычисления количественного показателя насыщенности извлекают количественное значение заранее определенной характеристики и вычисляют количественный показатель каждой характеристики, характеризующей оценку входного изображения на основе этого признака.

А именно, модуль 23 вычисления количественного показателя степени размытости извлекает из входного изображения в качестве количественного значения заранее определенной характеристики контрастность контура изображения и вычисляет на основе этой контрастности контура изображения количественный показатель степени размытости, характеризующий степень размытости входного изображения. Модуль 24 вычисления количественного показателя яркости извлекает из входного изображения в качестве количественного значения заранее определенной характеристики значение яркости и вычисляет на основе этого значения яркости количественный показатель яркости, характеризующий оценку, основанную на распределении значений яркости на участке объекта (участке переднего плана) входного изображения.

Модуль 25 вычисления количественного показателя контура извлекает из входного изображения в качестве количественного значения заранее определенной характеристики контрастность контура изображения и вычисляет на основе этой контрастности контура изображения количественный показатель контура, характеризующий оценку, основанную на степени сложности контура на участке заднего плана на входном изображении. Модуль 26 вычисления количественного показателя распределения цвета извлекает из входного изображения в качестве количественного значения заранее определенной характеристики, составляющие каждого цвета и вычисляет на основе составляющей цвета количественный показатель распределения цвета, характеризующий оценку, основанную на распределении цвета на входном изображении.

Модуль 27 вычисления количественного показателя насыщенности цвета извлекает из входного изображения в качестве количественного значения заранее определенной характеристики насыщенность цвета и вычисляет на основе насыщенности цвета количественный показатель насыщенности цвета, характеризующий оценку, основанную на среднем и дисперсии распределения насыщенности цвета на входном изображении. Модули от модуля 23 вычисления количественного показателя степени размытости до модуля 27 вычисления количественного показателя насыщенности цвета, предоставляют вычисленные количественный показатель степени размытости, количественный показатель яркости, количественный показатель контура, количественный показатель распределения цвета и количественный показатель насыщенности цвета модулю 28 вычисления суммарного количественного показателя.

В дальнейшем, когда нет особой необходимости различать между собой количественный показатель степени размытости, количественный показатель яркости, количественный показатель контура, количественный показатель распределения цвета и количественный показатель насыщенности цвета, они также будут просто именоваться как количественный показатель некоторой характеристики.

Модуль 28 вычисления суммарного количественного показателя вычисляет суммарный количественный показатель на основе количественного показателя по отдельно взятым признакам, предоставляемого модулями от модуля 23 вычисления количественного показателя степени размытости до модуля 27 вычисления количественного показателя насыщенности цвета, и предоставляет суммарный количественный показатель модулю 29 управления отображением. На основе суммарного количественного показателя, поступающего из модуля 28 вычисления суммарного количественного показателя, модуль 29 управления отображением выбирает из числа входных изображений, предоставляемых из получающего модуля 22, несколько входных изображений, имеющих высокую оценку. Кроме того, модуль 29 управления отображением предоставляет выбранное входное изображение модулю 30 отображения таким образом, чтобы управлять отображением этого входного изображения. Модуль 30 отображения выполнен, например, из жидкокристаллического дисплея, и отображает входное изображение под управлением модуля 29 управления отображением.

Конфигурация модуля вычисления количественного показателя степени размытости

Кроме того, модуль 23 вычисления количественного показателя степени размытости, показанный на фиг.1, если описать его более подробно, сконфигурирован так, как это показано на фиг.2.

А именно, модуль 23 вычисления количественного показателя степени размытости включает в себя модуль 61 создания карты контуров, модуль 62 определения динамического диапазона, модуль 63 настройки параметра вычисления, модуль 64 генерирования локальных максимумов, модуль 65 извлечения точек контура, модуль 66 определения объема извлечения, модуль 67 анализа контура и модуль 68 определения степени размытости.

На основе входного изображения, предоставляемого из получающего модуля 22, модуль 61 создания карты контуров определяет контрастность контура (контурную контрастность) входного изображения в единицах блоков трех типов имеющих размеры, отличающиеся друг от друга, и создает карту контуров, в которой значением пикселя является эта контрастность контура, которую определили. Эта карта контуров создается для каждого размера блока, и, начиная по порядку с малого блока, карты контуров задаются как карты контуров в масштабах: с масштаба SC 1 по масштаб SC 3. Модуль 61 создания карты контуров предоставляет эти созданные три карты контуров модулю 62 определения динамического диапазона и модулю 64 генерирования локальных максимумов.

Модуль 62 определения динамического диапазона, используя карту контуров, поступающую из модуля 61 создания карты контуров, определяет динамический диапазон, который представляет собой разность между максимальным значением и минимальным значением контрастности контура входного изображения, и предоставляет результат этого определения модулю 63 настройки параметра вычисления.

На основе результата определения, предоставляемого из модуля 62 определения динамического диапазона, модуль 63 настройки параметра вычисления настраивает параметр вычисления, используемый для извлечения точки контура, таким образом, чтобы количество извлечений точки контура (в дальнейшем также именуемое как извлекаемое количество точки контура), используемое для определения степени размытости входного изображения, приняло надлежащее значение. При этом термин "точка контура" относятся к пикселю, формирующему контур на изображении.

Кроме того, этот параметр вычисления содержит опорное значение для извлечений, используемое для определения того, является ли надлежащим опорное значение для контура, используемое для определения того, является ли точка контура точкой контура, и того, является ли надлежащим количество извлечений точки контура. Модуль 63 настройки параметра вычисления предоставляет опорное значение для контура модулю 65 извлечения точек контура и модулю 66 определения количества извлечений и предоставляет опорное значение для извлечений модулю 66 определения количества извлечений.

Модуль 64 генерирования локальных максимумов делит каждую из карт контуров, предоставляемых из модуля 61 создания карты контуров, на блоки, каждый из которых имеет заданный размер, и извлекает максимальное значение для значения пикселя каждого блока, генерируя, таким образом, локальный максимум. Локальный максимум генерируется для каждого масштаба карты контуров и предоставляется из модуля 64 генерирования локальных максимумов модулю 65 извлечения точек контура и модулю 67 анализа контура. В дальнейшем локальные максимумы, сгенерированные на основе карт контуров в масштабах от масштаба SC 1 до масштаба SC 3 будут именоваться, соответственно, локальными максимумами: от локального максимума LM 1 до локального мксимума LM 3.

Модуль 65 извлечения точек контура извлекает точку контура из входного изображения, основываясь на опорном значении для контура, поступающем из модуля 63 настройки параметра вычисления, и локальных максимумах, поступающих из модуля 64 генерирования локальных максимумов. Кроме того, модуль 65 извлечения точек контура генерирует таблицу точек контура, указывающую информацию об извлеченной точке контура, и предоставляет эту таблицу точек контура модулю 66 определения количества извлечений. Между тем, таблицы точек контура, полученные на основе локальных максимумов: от локального максимума LM 1 до локального максимума LM 3, будут, соответственно, именоваться таблицами точек контура: соответственно, от таблицы (ЕТ 1) точек контура до таблицы (ЕТ 3) точек контура.

Модуль 66 определения количества извлечений определяет, основываясь на таблице точек контура, поступающих из модуля 65 извлечения точек контура, и опорном значении для извлечений, поступающем из модуля 63 настройки параметра вычисления, действительно ли количество извлечений точек контура является надлежащим. В случае, при котором количество извлечений точек контура не является надлежащим, модуль 66 определения количества извлечений уведомляет модуль 63 настройки параметра вычисления о том факте, что количество извлечений точек контура не является надлежащим. В случае, при котором количество извлечений точек контура является надлежащим, модуль 66 определения количества извлечений предоставляет опорное значение для контура и таблицу точек контура модулю 67 анализа контура.

Модуль (247) анализа контура выполняет, основываясь на таблицах точек контура, поступающих из модуля 66 определения количества извлечений, анализ точки контура входного изображения, и предоставляет результат этого анализа модулю 68 определения степени размытости. На основе результата анализа и точки контура модуль 68 определения степени размытости определяет степень размытости, которая является показателем, указывающим степень размытости входного изображения, и предоставляет эту степень размытости в качестве количественного показателя степени размытости модулю 28 вычисления суммарного количественного показателя.

Конфигурация модуля вычисления количественного показателя яркости

Кроме того, модуль 24 вычисления количественного показателя яркости, показанный на фиг.1, если описать его более подробно, сконфигурирован так, как это показано на фиг.3.

А именно, модуль 24 вычисления количественного показателя яркости образован модулем 91 извлечения объекта, модулем 92 умножения, модулем 93 генерирования гистограммы, модулем 94 нормирования и модулем 95 вычисления количественного показателя. Входное изображение, поступающее из получающего модуля 22, предоставляется модулю 21 извлечения объекта и модулю 92 умножения.

На основе входного изображения, предоставленного из получающего модуля 22, модуль 91 извлечения объекта создает карту объекта для извлечения области на входном изображении, содержащей объект, и предоставляет эту карту объекта модулю 92 умножения.

Например, значение пикселя для пикселя на карте объекта устанавливается в "1" в случае, при котором согласно оценке область входного изображения, находящаяся в том же самом месте, что и область этого пикселя, является областью, содержащей объект, и устанавливается в "0" в случае, при котором согласно оценке область входного изображения, находящаяся в том же самом месте, что и область этого пикселя, является областью, в которой объект не содержится. Кроме того, как предполагается, упоминаемый здесь объект является целевым предметом на входном изображении, на который обращает внимание пользователь в случае, когда пользователь бросает быстрый взгляд на входное изображение, то есть, целевым предметом, на который пользователь, согласно оценке, обращает внимание. Следовательно, термин "объект" не обязательно ограничен человеком.

Умножая значение пикселя для пикселя входного изображения, поступающего из получающего модуля 22, на значение пикселя для пикселя карты объекта, поступающей из модуля 91 извлечения объекта, модуль 92 умножения генерирует изображение объекта, которое является изображением области объекта, на входном изображении, и предоставляет изображение объекта модулю 93 генерирования гистограммы. На изображении объекта значение пикселя для пикселя участка, занимаемого объектом, принимает то же самое значение, что и значение пикселя для пикселя входного изображения, находящегося в том же самом месте, что и этот пиксель. На изображении объекта значение пикселя для пикселя участка, занимаемого задним планом, не содержащего объект, устанавливается в "0". Таким образом, процесс умножения в модуле 92 умножения позволяет идентифицировать (извлечь) область объекта на входном изображении, и генерируется изображение объекта, сформированное из участка объекта.

На основе изображения объекта, поступающего из модуля 92 умножения, модуль 93 генерирования гистограммы генерирует гистограмму значений яркости изображения объекта, и предоставляет эту гистограмму модулю 94 нормирования. Модуль 94 нормирования нормирует гистограмму, поступающую из модуля 93 генерирования гистограммы, и предоставляет ее модулю 95 вычисления количественного показателя. Кроме того, на основе гистограммы, предоставляемой из модуля 94 нормирования, модуль 95 вычисления количественного показателя вычисляет количественный показатель яркости и предоставляет его модулю 28 вычисления суммарного количественного показателя.

Конфигурация модуля извлечения объекта

При этом модуль 91 извлечения объекта, показанный на фиг.3, если описать его более подробно, сконфигурирован так, как это показано на фиг.4.

А именно, модуль 91 извлечения объекта образован модулем 121 извлечения информации о яркости, модулем 122 извлечения информации о цвете, модулем 123 извлечения информации о контурах, модулем 124 извлечения информации о лице и модулем 125 создания карты объекта. Кроме того, входное изображение, поступающее из получающего модуля 22, предоставляется модулям от модуля 121 извлечения информации о яркости до модуля 124 извлечения информации о лице, входящих в состав модуля 91 извлечения объекта.

Модули от модуля 121 извлечения информации о яркости до модуля 124 извлечения информации о лице извлекают количественное значение характеристик, которыми обладает область объекта, из входного изображения, предоставляемого из получающего модуля 22, и создают карту информации, указывающую вероятность того, что область является объектом в соответствующих областях входного изображения.

В частности, модуль 121 извлечения информации о яркости извлекает из входного изображения значение яркости, создает карту информации о яркости, указывающую информацию, касающуюся яркости в соответствующих областях входного изображения, и предоставляет карту информации о яркости модулю 125 создания карты объекта. Модуль 122 извлечения информации о цвете извлекает из входного изображения составляющие предварительно заданного цвета, создает карту информации о цвете, указывающую информацию, касающуюся цвета в соответствующих областях входного изображения, и предоставляет карту информации о цвете модулю 125 создания карты объекта.

Модуль 123 извлечения информации о контурах извлекает из входного изображения контрастность контуров, создает карту информации о контурах, указывающую информацию, касающуюся контура в соответствующих областях входного изображения, и предоставляет карту информации о контурах модулю 125 создания карты объекта. Модуль 124 извлечения информации о лице извлекает количественное значение характеристики, которой обладает лицо человека, из входного изображения, создает карту информации о лице, указывающую информацию, касающуюся лица человека как объекта в соответствующих областях входного изображения, и предоставляет карту информации о лице модулю 125 создания карты объекта.

Между тем, далее, в случае, при котором не требуется индивидуальным образом отличать друг от друга карты от карты информации о яркости до карты информации о лице, которые выводятся из модулей от модуля 121 извлечения информации о яркости до модуля 124 Извлечения информации о лице, они будут также именоваться просто информационной картой. Информация, содержащаяся в этих информационных картах, представляет собой информацию, указывающую количественное значение характеристик, которые содержатся в большей степени в области, в которой содержится объект, и эта информация, которая размещена таким образом, чтобы соответствовать соответствующим областям входного изображения, выполнена в виде информационной карты. Таким образом, можно сказать, что информационная карта представляет собой информацию, указывающую значение характеристики в соответствующих областях входного изображения.

Следовательно, область входного изображения, соответствующая области, имеющей больший объем информации, то есть область, имеющая большие количественные значения характеристики, представляет собой область, имеющую более высокую вероятность содержания в ней объекта, что делает возможным идентифицировать на базе каждой информационной карты область, в которой на входном изображении содержится объект.

Модуль 125 создания карты объекта линейным образом объединяет информационные карты, предоставляемые из модулей от модуля 121 извлечения информации о яркости до модуля 124 извлечения информации о лице, для создания карты объекта. А именно информация (количественное значение характеристики) соответствующих областей для карт от карты информации о яркости до карты информации о лице подвергается взвешенному суммированию для каждой области, расположенной в одном и том же месте, формируя карту объекта. Модуль 125 создания карты объекта предоставляет созданную карту объекта модулю 92 умножения.

Конфигурация модуля извлечения информации о яркости

Далее со ссылкой на фиг.5-8 будет описана более детализированная конфигурация модулей от модуля 121 извлечения информации о яркости до модуля 124 извлечения информации о лице, показанные на фиг.4.

Фиг.5 иллюстрирует пример более детализированной конфигурации модуля 121 извлечения информации о яркости.

Модуль 121 извлечения информации о яркости образован модулем 151 генерирования изображения яркости, модулем 152 генерирования пирамидного изображения, модулем 153 вычисления разности и модулем 154 создания карты информации о яркости.

Модуль 151 генерирования изображения яркости генерирует, используя входное изображение, предоставляемое из получающего модуля 22, изображение яркости, в котором пиксельное значение для пикселя представляет собой значение яркости пикселя входного изображения, и предоставляет это изображение яркости модулю 152 генерирования пирамидного изображения. При этом значение пикселя для произвольного пикселя изображения яркости указывает значение яркости пикселя входного изображения, расположенного в том же самом месте, что и место расположения этого произвольного пикселя.

Модуль 152 генерирования пирамидного изображения генерирует, используя изображение яркости, предоставляемое из модуля 151 генерирования изображения яркости, множество изображений яркости, имеющих разрешения, отличающиеся друг от друга, и предоставляет эти изображения яркости, в качестве пирамидных изображений яркости, модулю 153 вычисления разности.

Например, генерируются пирамидные изображения L1-L8 иерархических представлений восьми разрешений с уровня L1 по уровень L8. Пирамидное изображение L1 уровня L1 имеет самое высокое разрешение, и предполагается, что разрешения пирамидных изображений заданы таким образом, чтобы быть последовательно убывающими по порядку от уровня L1 до уровня L8.

В этом случае, изображение яркости, сгенерированное модулем 151 генерирования изображения яркости, задается как пирамидное изображение уровня L1. Кроме того, среднее значение значений пикселей для четырех примыкающих друг к другу пикселей в пирамидном изображении уровня Li (где 1≤i≤7) задается как значение пикселя для одного пикселя пирамидного изображения на уровне L(i+1), соответствующего этим пикселям. Следовательно, пирамидное изображение уровня L(i+1) станет изображением, имеющим размер, который по горизонтали и вертикали составляет половину (округленно, если не делится нацело) размера пирамидного изображения уровня Li.

Модуль 153 вычисления разности выбирает два пирамидных изображения различных иерархических представлений из числа множества пирамидных изображений, предоставляемых из модуля 152 генерирования пирамидного изображения, и получают разность выбранных пирамидных изображений таким образом, чтобы сгенерировать изображение разности яркости. Между тем, поскольку размеры (количество пикселей) пирамидных изображений каждого иерархического представления отличаются друг от друга, то при генерировании изображений разности меньшее пирамидное изображение подвергается повышающему преобразованию в соответствии с большим пирамидным изображением.

Когда модуль 153 вычисления разности сгенерирует предварительно указанное количество изображений разности яркости, модуль 153 вычисления разности нормирует эти сгенерированные изображения разности и предоставляет их модулю 154 создания карты информации о яркости. Модуль 154 создания карты информации о яркости создает, основываясь на изображениях разности, предоставляемых из модуля 153 вычисления разности, карту информации о яркости, и предоставляет эту карту информации о яркости модулю 125 создания карты объекта.

Конфигурация модуля извлечения информации о цвете

Фиг.6 иллюстрирует пример более детализированной конфигурации модуля 122 извлечения информации