JP2024154477A - 画像処理方法、画像処理装置、画像処理システム、及びプログラム - Google Patents

Abstract

【課題】画像から被写体に含まれる物質の濃度を高精度かつ高速に取得可能な画像処理方法を提供すること。
【解決手段】画像処理方法は、被写体を含む画像における画素ごとの色データの数に関する情報を取得するステップと、色データの数に関する情報に応じて、被写体に含まれる物質の濃度に関する情報を取得するステップとを有する。
【選択図】図４

Description

本発明は、画像から被写体に含まれる物質の濃度に関する情報を取得する画像処理方法に関する。

近年、農作業の効率化や省力化を目的として、リモートセンシング技術を用いて葉色指標を取得する方法が提案されている。特許文献１には、植物により反射された光の分光計測結果からＳＰＡＤ（Ｓｏｉｌ＆Ｐｌａｎｔ Ａｎａｌｙｚｅｒ Ｄｅｖｅｌｏｐｍｅｎｔ）値を取得する方法が開示されている。また、特許文献２には、最適化演算を用いてＳＰＡＤ値を取得する方法が開示されている。

特開２００２－１６８７７１号公報 特開２０２０－１９３８５６号公報

特許文献１では、受光部に到達する光は、植物により反射された光のみであると想定されているが、植物の葉は半透明物体であるため、実際には、植物の葉で反射された反射光に加えて、植物の葉を透過した透過光も受光部に到達する。反射光と透過光の混合比率は、天候（晴天や曇天等）や太陽位置（高度や方位）に応じて変化する。そのため、特許文献１の方法では、天候や太陽位置が変化した場合に反射光と透過光の混合比率が変化し、高精度に物質の濃度（葉色値やＳＰＡＤ値）を取得することは困難である。

また、特許文献２の方法では、最適化演算を使用するため、一つの画像から物質の濃度を取得するまでの時間が長くなってしまう。また、最適化計算に用いる初期値の設定に応じて解の内容が異なり、想定している解とは別の解が採用されてしまう可能性があるため、実測値をもとにした初期値のチューニングが必要である。

本発明は、画像から被写体に含まれる物質の濃度を高精度かつ高速に取得可能な画像処理方法を提供することを目的とする。

本発明の一側面としての画像処理方法は、被写体を含む画像における画素ごとの色データの数に関する情報を取得するステップと、色データの数に関する情報に応じて、被写体に含まれる物質の濃度に関する情報を取得するステップとを有することを特徴とする。

本発明によれば、画像から被写体に含まれる物質の濃度を高精度かつ高速に取得可能な画像処理方法を提供することができる。

実施例１の画像処理システムのブロック図である。 実施例１の画像処理システムを用いて屋外環境光下にて被写体を撮像する様子を示す図である。 実施例１の画像処理方法で用いられる入力画像を生成する方法を示すフローチャートである。 実施例１の画像処理方法を示すフローチャートである。 実施例１のマスク処理の一例を示す図である。 実施例１のヒストグラムの平滑化処理の一例を示す図である。 実施例１の被写体の色に関するモデルのデータベースの一例を示す図である。 実施例１の平滑化されたヒストグラムと被写体の色に関するモデルのデータベースを併記した例を示す図である。 実施例１の葉色相関値の分布の一例を示す図である。 実施例１の時間経過に伴う葉色相関値の分布の変化の一例を示す図である。 実施例２の画像処理方法を示すフローチャートである。

以下、本発明の実施例について、図面を参照しながら詳細に説明する。各図において、同一の部材については同一の参照番号を付し、重複する説明は省略する。
［実施例１］
本実施例では、撮像部を有するカメラ（ＲＧＢカメラ）により取得された画像（分光画像）から、被写体に含まれている物質の濃度に相関がある数値情報（物質の濃度に関する情報）を取得する画像処理方法について説明する。被写体に含まれている物質の濃度は、例えば葉色値やＳＰＡＤ値に相関があるものである。物質とは、例えば植物の葉に含まれる葉緑素のことである。以下の説明では、「被写体に含まれる物質の濃度に相関がある数値情報」のことを「葉色相関値」とも呼ぶ。また、本実施例では、被写体が稲の葉である場合について説明するが、本発明はこれに限定されない。例えば、稲の茎、穂、花、及び果実であってもよい。また、稲以外の植物（例えば、小麦）であってもよい。

図１は、画像処理システム１００のブロック図である。画像処理システム１００は、撮像部１０１、画像処理部（画像処理装置）１０２、制御部１０３、記憶部１０４、通信部１０５、表示部１０６、及び環境光情報取得部１１０を有する。撮像部１０１は、撮像光学系１０１ａ及び撮像素子１０１ｂを備える。撮像素子１０１ｂは、撮像光学系１０１ａを介して形成された光学像（被写体像）を光電変換して、画像処理部１０２に画像（画像データ）を出力する。

なお、画像処理システム（撮像システム）１００は、カメラの内部に設けられてもよい。また、画像処理部１０２等の一部の機能を、カメラから離れたコンピュータ（ユーザＰＣ）やクラウドコンピューティング上で実現するように構成してもよい。この場合、カメラは、画像処理システム１００のうち撮像部１０１を含む一部のみの機能を有する。

図２は、画像処理システム１００を用いて屋外環境光下にて被写体１４０を撮像する様子を示す図である。環境光情報取得部１１０は、被写体１４０に入射する光の照度を所定の波長ごとに取得する環境光センサ１１１を備える。環境光センサ１１１が取得可能な波長範囲は、可視光の波長範囲であり、具体的には４００ｎｍ～７００ｎｍ程度の波長範囲（青色光、緑色光、及び赤色光の波長範囲）である。環境光センサ１１１は、例えば、ＣＣＤやＣＭＯＳセンサ等の光電変換素子上に赤、緑、及び青のカラーフィルターを設けたものでよい。図２中の点線で示した範囲は、撮像部１０１の画角範囲１７１である。

以下、図３を参照して、本実施例の画像処理方法で用いられる入力画像を生成する方法について説明する。図３は、本実施例の画像処理方法で用いられる入力画像を生成する方法を示すフローチャートであり、具体的には撮像部１０１で撮影した画像の情報から環境光の影響を補正するフローである。環境光とは、太陽等の外光のことである。環境光は撮影する時間や天候によって光源の色のバランス（又は色温度）が変化する可能性があるため、被写体１４０の正確な色情報を得るためには環境光の影響を補正する（ホワイトバランスを補正する）ことが好ましい。

ステップＳ２０１では、撮像部１０１は、制御部１０３からの信号に応じて、被写体１４０を撮像してＲＧＢ画像を取得する。画像処理部１０２は、撮像部１０１により撮像された画像を取得する。

ステップＳ２０２では、環境光情報取得部１１０（環境光センサ１１１）は、制御部１０３からの信号に応じて、画像を撮像した際の環境光情報（環境光データ）を取得（検出）する。本実施例では、環境光情報は、周囲の光源（主に太陽光）による光の色のバランス（又は色温度）に関する情報である。環境光センサ１１１は、撮像部１０１と同じ分光感度特性を有するようにあらかじめキャリブレーションされている。

なお、ステップＳ２０１とステップＳ２０２の処理は略同時に実施される。

ステップＳ２１０では、画像処理部１０２は、ステップＳ２０１で得られた画像と、ステップＳ２０２で得られた環境光情報に基づいて、環境光補正処理を行う。本ステップで環境光補正処理（ホワイトバランス補正処理）をされた画像が本実施例の画像処理方法で用いられる入力画像となる。

以下、図４を参照して、図３のフローで生成された入力画像を用いて葉色相関値を取得する画像処理方法について説明する。図４は、本実施例の画像処理方法を示すフローチャートである。

ステップＳ３０１では、画像処理部１０２は、図３のフローで生成された画像（以下、入力画像）を取得する。

ステップＳ３０２では、画像処理部１０２は、マスク処理を行うことで入力画像から特定の領域を抽出する。マスク処理は、後段に続く処理において入力画像の全体を処理するのではなく、入力画像の特定の領域を処理するために行われる。このような処理を行うことで、本フローにかかる時間を短縮することができるため好ましい。また、本来処理を行う必要のない土や障害物等の不要なものを排除することができ、葉色相関値の取得精度を向上させることができるため好ましい。また、画像処理部１０２は、マスク処理を行い、入力画像から特定の色を抽出してもよい。

図５は、マスク処理の一例を示す図である。図５（Ａ）は、被写体１４０の入力画像である。図５（Ｂ）は、図５（Ａ）の黒枠で囲まれた部分だけを抽出したものである。図５（Ｃ）は、図５（Ｂ）から葉の領域のみを抽出するためのマスク画像である。画像処理部１０２は、図５（Ｂ）の画像から図５（Ｃ）のマスク画像の白く示した領域のみを抽出する処理を行う。領域抽出は多段階的に行われてもよいし、入力画像の段階で画素数が非常に多い場合は入力画像に対して縮小処理を行った後、領域抽出処理やマスク処理を行っても構わない。このように本来必要な領域のみを残すマスク処理を行うことで、高速化と高精度化を実現可能であるため好ましい。

ステップＳ３０３では、画像処理部１０２は、第１取得部として機能し、ステップＳ３０２で抽出した領域の画素ごとの色データのヒストグラムを取得する。入力画像は、カラー画像であり、ＲＧＢの３チャネルが存在するため、そのままヒストグラムを形成すると３次元となる。３次元のままでは解析しづらいため、ヒストグラムを２次元化し、色データに基づくビンからなる平面のヒストグラムを取得することが好ましい。ここで、「ビン」とは、区間や階級とも呼ばれるもので、ヒストグラムのグラフの１本の柱（棒）が有する数値範囲のことである。ヒストグラムの高さ方向は、ビンに含まれるデータがいくつあるかを示す度数である。画像処理部１０２は、例えば、ＧチャネルでＲチャネルとＢチャネルを規格化した、横軸をＢ／Ｇ（緑色成分の階調値に対する青色成分の階調値）、縦軸をＲ／Ｇ（緑色成分の階調値に対する赤色成分の階調値）とした２次元ヒストグラムを取得してもよい。これにより、葉の緑色に対して、赤色の成分が多いのか、青色の成分が多いのかを切り分けることができ、解析が容易になるため好ましい。

なお、本実施例では２次元ヒストグラムの横軸をＢ／Ｇ、縦軸をＲ／Ｇとした場合について説明したが、本発明はこれに限定されない。例えば、撮像部１０１が赤外（ＩＲ）領域までの情報を取得である場合、縦軸をＩＲ／Ｇ等としても構わない。赤外領域を使用すると葉緑素だけでなく水分量を解析する上でも有用であるため好ましい。

なお、本ステップにおいて、画像処理部１０２は、本実施例ではヒストグラムを取得するが、色データの数に関する情報を取得できればよく、例えば、色データと色データの数とを関連付けたテーブルデータを取得してもよい。

ステップＳ３０４では、画像処理部１０２は、ステップＳ３０３で取得したヒストグラムに対して平滑化処理を行う。ステップＳ３０３で取得したヒストグラムは、入力画像によっては、ピークが複数存在したり、平坦すぎてピークが判別しづらかったりする場合がある。後述するように葉色相関値はヒストグラムの代表値を用いて取得されるが、上記場合に取得した葉色相関値の精度は低くなってしまう。本ステップにおいて平滑化処理を行うことは、葉色相関値の取得精度の低下を抑制可能であるため好ましい。具体的には所定の係数のガウシアンフィルタやメディアンフィルタをかけることで、ヒストグラムを平滑化することができるが、本発明はこれに限定されない。

ステップＳ３０５では、画像処理部１０２は、ステップＳ３０４で平滑化されたヒストグラムから代表値を取得する。外れ値の影響を抑制するため、画像処理部１０２は、ヒストグラムで最も頻度（度数）が多い値（最頻値）やヒストグラムの度数分布の中央値をとる座標の値を代表値として取得することが好ましい。

図６は、ヒストグラムの平滑化処理の一例を示す図である。図６（Ａ）は、マスク処理を行った後の入力画像における各画素のＲＧＢ値の頻度に関する２次元ヒストグラムを示している。図６（Ａ）において、横軸はＢ／Ｇ、縦軸はＲ／Ｇである。図６（Ｂ）は、図６（Ａ）の二次元ヒストグラムに対してメディアンフィルタをかけて平滑化処理を行った結果を示している。図６（Ａ）や図６（Ｂ）において、明るい色（白に近い色）であるほど度数が大きいことを示している。図６（Ｃ）は、図６（Ａ）の２次元ヒストグラムをＢ／Ｇ軸（横軸）に射影して示した図である。図６（Ｄ）は、図６（Ｂ）の２次元ヒストグラムをＢ／Ｇ軸（横軸）に射影して示した図である。図６（Ｃ）や図６（Ｄ）において、縦軸（高さ方向）は度数を表している。

図６（Ｂ）に示される〇は、最頻値となる座標を示している。図６（Ｂ）では、最頻値が複数存在する。●は、中央値をとる座標を示している。▲は、最頻値となる座標（Ｂ／Ｇ，Ｒ／Ｇ）を平均化した座標を示している。画像処理部１０２は、ヒストグラムの代表値として、●で示される中央値をとる座標、または▲で示される最頻値となる座標を平均化した座標を取得すればよい。

ステップＳ３０６では、画像処理部１０２は、第２取得部として機能し、取得したヒストグラムの代表値に応じて入力画像に対する葉色相関値を取得する。なお、画像処理部１０２は、ヒストグラムの代表値だけでは葉色相関値を取得することはできないため、被写体の色に関するモデル（情報）のデータベース（以下、モデルデータベース）も使用する。ここで、「色」とは「植物の葉の色」のことである。

図７は、モデルデータベースの一例を示す図である。モデルデータベースとは、図７に示されるように、それぞれが、葉色計（ＳＰＡＤ計）で実際の稲の葉を測定したＳＰＡＤ値と、測定された葉を撮像部１０１で撮影したときのＲＧＢ値に基づいて決められた、複数の関数（関数群）からなる。図７では、見やすいようにＳＰＡＤ値が１０，２０，３０，４０，５０，６０に対応する関数を示している。ただし、葉色相関値の取得精度を向上させるために、１．０刻みや０．１刻み等で関数を増やしても構わない。

モデルデータベースは、必ずしも被写体１４０と全く同じ被写体（植物の葉）から抽出されたものでなくてもよい。同じ植物の範囲内で、葉の生育特性が大きく異ならなければ品種が異なっていても構わない。

モデルデータベースは、横軸をＢ／Ｇ、縦軸をＲ／Ｇ、横軸の正の方向を右方向、縦軸の正の方向を上方向として平面で表した場合、葉色相関値を取得する際に使用される評価領域内において上に凸の形状を有する関数を含む。上に凸の形状を有する関数とは、具体的には、グラフ上の二点を結んだ線分が常にグラフの下側にある関数である。関数の形状は葉の状態を表すため非常に重要であるが、関数そのものは限定されない。例えば、ＳＰＡＤ値等の実測値に基づいて多項式、対数、指数関数、又はこれらの組み合わせ等を使用してもよい。なお、関数は、全ての数値範囲で微分可能な関数（上に凸な凹関数）である必要はなく、傾きと切片が異なる直線同士とを繋ぎ合わせたものでもよい。また、評価領域は、被写体の種類、具体的には植物が元来持つ葉の色の濃さによって変化し、例えば稲の一般的な品種の場合は横軸が０．４以上１．０以下、縦軸が０．７以上１．３以下となる範囲である。評価範囲の外側に関しては、関数の形状はどのような形であってもよい。

図８は、平滑化されたヒストグラムと色に関するモデルデータベースを併記した例を示す図である。図８（Ａ）を参照して、本実施例の葉色相関値の取得方法について説明する。画像処理部１０２は、複数の関数のうちヒストグラムの最頻値や中央値の座標に最も近い（距離が最小である）関数のＳＰＡＤ値を葉色相関値として取得する。図８（Ａ）では不図示のＳＰＡＤ値が３５．５の関数が最頻値の座標に最も近いため、画像処理部１０２は葉色相関値を３５．５として決定する。

また、モデルデータベースは、関数群ではなく、評価領域での格子状のデータテーブルであってもよい。具体的には、前述したヒストグラムと同じ次元において所定の大きさの単位で区切られたデータテーブルであってもよい。例えば、図８（Ｂ）に示されるように、データテーブルをＢ／Ｇが０．４以上１．０以下、Ｒ／Ｇが０．７以上１．３以下となる範囲で、０．０１ピッチで構成する。評価領域は、被写体の種類によって変化させてもよい。ここでは、それぞれが、葉色計（ＳＰＡＤ計）で実際の稲の葉を測定したＳＰＡＤ値と、測定された葉を撮像部１０１で撮影したときのＲＧＢ値に基づいて決められた、データである。格子状の各座標には特定のＳＰＡＤ値が割り当てられており、最頻値となる座標に最も近い座標に対応するＳＰＡＤ値が葉色相関値として取得されてもよい。

以上説明したように、本実施例の構成によれば、葉色相関値を取得可能であるが、入力画像中にどのくらいの範囲で葉色相関値が分布しているかを示す葉色相関値の分布を示すことも可能である。葉色相関値の分布を示すことで、入力画像の精度の信頼性や、実際の植物の成長バラツキ等を評価することができるため好ましい。

以下、葉色相関値の存在範囲（代表値の度数に対して所定の割合以上となる度数に対応する葉色相関値の分布）を示す方法の一例について説明する。図９は、葉色相関値の分布の一例を示す図である。図９では、ヒストグラムとモデルデータベースの関数群に加えて、ヒストグラムの最頻値の度数を１としたときに度数が０．８５以上のヒストグラム上の値を●で示している。なお、図９には、１０刻みの関数しか表示されていないが、実際には不図示の０．１刻みの関数も含まれているものとする。各ヒストグラム上の値に最も近い関数のＳＰＡＤ値の最小値と最大値が葉色相関値の最小値と最大値として取得される。具体的には、最小値は３０．７、最大値は３８．３である。上述したように、葉色相関値の最小値と最大値を取得することで、入力画像における葉色相関値を１つの代表値だけでなく、最小値から最大値までの幅を持って示すことができるため好ましい。

図１０は、時間経過に伴う葉色相関値の分布の変化の一例を示す図である。図１０では、横軸は栽培時期の日付であり、縦軸は葉色相関値である。図１０に示されるように、葉色相関値の最小値から最大値までの幅は、栽培時期を通して同じではなく、ばらつきがある。
このような幅のばらつきを取得することで、例えば、幅が広い期間は、農作物の成長にムラがある、又は天候等の外的要因で入力画像の精度が低くなっている等と推測できるため、好ましい。

なお、本実施例では、被写体１４０の一例として稲の葉について説明したが、稲の穂等であってもよい。画像処理部１０２は、稲の穂が水田内に写っている入力画像から抽出された穂の領域の画素ごとの色データのヒストグラムを取得し、取得したヒストグラムと色に関するモデルデータベースとを用いて稲の穂に含まれる物質の濃度に相関がある数値情報を取得する。なお、稲の穂に含まれる物質の濃度に相関がある数値情報とは、稲の穂の葉緑素濃度等である。また、画像処理部１０２は、水分量に相関がある数値情報等も取得可能である。また、モデルデータベースとは、稲の穂の色が緑色から黄色や茶色に変化していく様子を集めたデータベースであり、色と水分量の相関値やどの色になったときに収穫適期か、という情報を含んでいる。

以上説明したように、本実施例の構成によれば、画像から被写体に含まれる物質の濃度を高精度かつ高速に取得可能である。
［実施例２］
実施例１ではヒストグラムの代表値に基づいて葉色相関値を取得するが、本実施例ではヒストグラムのゼロではないビンが存在する座標に対応する葉色相関値のヒストグラムに基づいて葉色相関値を取得する。

なお、本実施例の画像処理システムの基本的な構成は、実施例１の画像処理システムと同様である。本実施例では、実施例１と異なる構成についてのみ説明し、同様の構成については説明を省略する。

以下、図１１を参照して、図３のフローで生成された入力画像を用いて葉色相関値を取得する画像処理方法について説明する。図１１は、本実施例の画像処理方法を示すフローチャートである。

ステップＳ４０１乃至ステップＳ４０４の処理はそれぞれ、図４のステップＳ３０１乃至ステップＳ３０４の処理と同様であるため、説明を省略する。

ステップＳ４０５では、画像処理部１０２は、ステップＳ３０４で平滑化されたヒストグラムに基づいて、複数の葉色相関値を取得する。画像処理部１０２は、実施例１で説明したようにモデルデータベースを用いて葉色相関値を取得する。ここで、ヒストグラムを取得する際に使用しているデータ点全てにおいて葉色相関値を取得するわけではなく、同じビンに含まれるデータについては、１つは葉色相関値を取得するために使用され、他は度数を数えるために使用される。なお、ビンが複数の葉色相関値にまたがる場合、ビンに対応する葉色相関値を複数の葉色相関値の平均値等で表せばよい。

ステップＳ４０６では、画像処理部１０２は、ステップＳ４０５で取得した葉色相関値のヒストグラムに応じて葉色相関値を取得する。取得方法は、実施例１で説明した方法と同じで構わない。ヒストグラムの最頻値や中央値等でビンに対応する葉色相関値を取得すればよい。

以上説明したように、本実施例の構成によれば、画像から被写体に含まれる物質の濃度を高精度かつ高速に取得可能である。
［その他の実施例］
本発明は、上述の実施例の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。

本実施形態の開示は、以下の構成及び方法を含む。
（構成１）
被写体を含む画像における画素ごとの色データの数に関する情報を取得するステップと、
前記色データの数に関する情報に応じて、前記被写体に含まれる物質の濃度に関する情報を取得するステップとを有することを特徴とする画像処理方法。
（構成２）
前記被写体に含まれる物質の濃度に関する情報は、前記色データの数に関する情報と前記被写体の色データに関するデータベースとを用いて取得されることを特徴とする構成１に記載の画像処理方法。
（構成３）
前記データベースは、横軸を緑色成分の階調値に対する青色成分の階調値、縦軸を緑色成分の階調値に対する赤色成分の階調値、横軸の正の方向を右方向、縦軸の正の方向を上方向とする平面で表した場合、上に凸の形状を有する関数を含むことを特徴とする構成２に記載の画像処理方法。
（構成４）
前記データベースは、植物の色データに関するデータベースであることを特徴とする構成２又は３に記載の画像処理方法。
（構成５）
前記データベースは、植物の葉の色データに関するデータベースであることを特徴とする構成２乃至４の何れか一つの構成に記載の画像処理方法。
（構成６）
前記色データの数に関する情報は、前記色データに関するヒストグラムであることを特徴とする構成１乃至５の何れか一つの構成に記載の画像処理方法。
（構成７）
前記ヒストグラムは、前記色データに基づくビンからなる平面のヒストグラムであることを特徴とする構成６に記載の画像処理方法。
（構成８）
前記ヒストグラムは、緑色成分の階調値に対する赤色成分の階調値を表す第１軸と緑色成分の階調値に対する青色成分の階調値を表す第２軸とからなる平面のヒストグラムであることを特徴とする構成６又は７に記載の画像処理方法。
（構成９）
前記被写体に含まれる物質の濃度に関する情報は、前記色データの数に関する情報と前記色データに関するデータベースとを用いて取得され、
前記データベースは、前記ヒストグラムと同じ次元において所定の大きさの単位で区切られたデータテーブルであることを特徴とする構成６に記載の画像処理方法。
（構成１０）
前記被写体に含まれる物質の濃度に関する情報は、前記ヒストグラムの代表値に応じて取得されることを特徴とする構成６乃至９の何れか一つの構成に記載の画像処理方法。
（構成１１）
前記ヒストグラムの代表値は、前記ヒストグラムの最頻値であることを特徴とする構成１０に記載の画像処理方法。
（構成１２）
前記ヒストグラムの代表値は、前記ヒストグラムの中央値であることを特徴とする構成１０に記載の画像処理方法。
（構成１３）
前記被写体に含まれる物質の濃度に関する情報は、前記代表値の度数に対して所定の割合以上となる度数に対応する値に応じて取得されることを特徴とする構成１０に記載の画像処理方法。
（構成１４）
前記ヒストグラムに平滑化処理を施すステップを更に有し、
前記被写体に含まれる物質の濃度に関する情報は、前記平滑化処理を施された後の前記ヒストグラムに応じて取得されることを特徴とする構成６乃至１３の何れか一つの構成に記載の画像処理方法。
（構成１５）
前記画像は、少なくともＲＧＢの３チャネルを有するカメラを用いて取得される植物の画像であることを特徴とする構成１乃至１４の何れか一つの構成に記載の画像処理方法。
（構成１６）
前記画像から特定の領域を抽出するステップを更に有し、
前記色データの数に関する情報は、前記特定の領域における画素ごとに取得されることを特徴とする構成１乃至１５の何れか一つの構成に記載の画像処理方法。
（構成１７）
前記画像から特定の色成分を抽出するステップを更に有し、
前記色データの数に関する情報は、前記画素ごとの前記特定の色成分に基づくことを特徴とする構成１乃至１６の何れか一つの構成に記載の画像処理方法。
（構成１８）
被写体を含む画像における画素ごとの色データの数に関する情報を取得する第１取得部と、
前記色データの数に関する情報に応じて、前記被写体に含まれる物質の濃度に関する情報を取得する第２取得部とを有することを特徴とする画像処理装置。
（構成１９）
被写体を撮像する撮像部と、
構成１８に記載の画像処理装置とを有することを特徴とする画像処理システム。
（構成２０）
構成１乃至１７の何れか一つの構成に記載の画像処理方法をコンピュータに実行させることを特徴とするプログラム。

以上、本発明の好ましい実施形態について説明したが、本発明はこれらの実施形態に限定されず、その要旨の範囲内で種々の変形及び変更が可能である。

１００ 画像処理システム
１０１ 撮像部
１０２ 画像処理部

Claims (20)

1. 被写体を含む画像における画素ごとの色データの数に関する情報を取得するステップと、
   前記色データの数に関する情報に応じて、前記被写体に含まれる物質の濃度に関する情報を取得するステップとを有することを特徴とする画像処理方法。
2. 前記被写体に含まれる物質の濃度に関する情報は、前記色データの数に関する情報と前記被写体の色データに関するデータベースとを用いて取得されることを特徴とする請求項１に記載の画像処理方法。
3. 前記データベースは、横軸を緑色成分の階調値に対する青色成分の階調値、縦軸を緑色成分の階調値に対する赤色成分の階調値、横軸の正の方向を右方向、縦軸の正の方向を上方向とする平面で表した場合、上に凸の形状を有する関数を含むことを特徴とする請求項２に記載の画像処理方法。
4. 前記データベースは、植物の色データに関するデータベースであることを特徴とする請求項２に記載の画像処理方法。
5. 前記データベースは、植物の葉の色データに関するデータベースであることを特徴とする請求項２に記載の画像処理方法。
6. 前記色データの数に関する情報は、前記色データに関するヒストグラムであることを特徴とする請求項１又は２に記載の画像処理方法。
7. 前記ヒストグラムは、前記色データに基づくビンからなる平面のヒストグラムであることを特徴とする請求項６に記載の画像処理方法。
8. 前記ヒストグラムは、緑色成分の階調値に対する赤色成分の階調値を表す第１軸と緑色成分の階調値に対する青色成分の階調値を表す第２軸とからなる平面のヒストグラムであることを特徴とする請求項６に記載の画像処理方法。
9. 前記被写体に含まれる物質の濃度に関する情報は、前記色データの数に関する情報と前記色データに関するデータベースとを用いて取得され、
   前記データベースは、前記ヒストグラムと同じ次元において所定の大きさの単位で区切られたデータテーブルであることを特徴とする請求項６に記載の画像処理方法。
10. 前記被写体に含まれる物質の濃度に関する情報は、前記ヒストグラムの代表値に応じて取得されることを特徴とする請求項６に記載の画像処理方法。
11. 前記ヒストグラムの代表値は、前記ヒストグラムの最頻値であることを特徴とする請求項１０に記載の画像処理方法。
12. 前記ヒストグラムの代表値は、前記ヒストグラムの中央値であることを特徴とする請求項１０に記載の画像処理方法。
13. 前記被写体に含まれる物質の濃度に関する情報は、前記代表値の度数に対して所定の割合以上となる度数に対応する値に応じて取得されることを特徴とする請求項１０に記載の画像処理方法。
14. 前記ヒストグラムに平滑化処理を施すステップを更に有し、
    前記被写体に含まれる物質の濃度に関する情報は、前記平滑化処理を施された後の前記ヒストグラムに応じて取得されることを特徴とする請求項６に記載の画像処理方法。
15. 前記画像は、少なくともＲＧＢの３チャネルを有するカメラを用いて取得される植物の画像であることを特徴とする請求項１又は２に記載の画像処理方法。
16. 前記画像から特定の領域を抽出するステップを更に有し、
    前記色データの数に関する情報は、前記特定の領域における画素ごとに取得されることを特徴とする請求項１又は２に記載の画像処理方法。
17. 前記画像から特定の色成分を抽出するステップを更に有し、
    前記色データの数に関する情報は、前記画素ごとの前記特定の色成分に基づくことを特徴とする請求項１又は２に記載の画像処理方法。
18. 被写体を含む画像における画素ごとの色データの数に関する情報を取得する第１取得部と、
    前記色データの数に関する情報に応じて、前記被写体に含まれる物質の濃度に関する情報を取得する第２取得部とを有することを特徴とする画像処理装置。
19. 被写体を撮像する撮像部と、
    請求項１８に記載の画像処理装置とを有することを特徴とする画像処理システム。
20. 請求項１又は２に記載の画像処理方法をコンピュータに実行させることを特徴とするプログラム。