JP5786838B2 - 画像領域分割装置、方法、およびプログラム - Google Patents

Description

本発明は、画像内で指定された画像範囲内の主要被写体とそれ以外の背景を領域分割する装置、方法、およびプログラムに関する。

野山や道端で見かけた花の名前を知りたくなることがある。そこで、撮影等により得た花のディジタル画像より、クラスタリング法を用いて対象物である花の画像を抽出し、その抽出された花の画像より得られる情報を特徴量とする。単数または複数の特徴量を求め、その求められた特徴量と、あらかじめデータベースに登録してある各種の植物の特徴量とを統計的手法を用いて解析して野草の種類を判別する技術が提案されている（例えば特許文献１に記載の技術）。
また、主要被写体を含む画像をＧｒａｐｈ Ｃｕｔｓ法を用いて主要被写体領域と背景領域とに分割する従来技術が知られている（例えば非特許文献１、特許文献２に記載の技術）。領域分割を行う場合，主要被写体他と背景の関係によりその境界が不明確な部分が存在する可能性があり，最適な領域分割を行う必要がある。そこで、この従来技術では、領域分割をエネルギーの最小化問題としてとらえ、その最小化手法を提案している。この従来技術では，領域分割に適合するようにグラフを作成し、そのグラフの最小カットを求めることにより、エネルギー関数の最小化を行う。この最小カットは、最大フローアルゴリズムを用いることにより、効率的な領域分割計算を実現している。

特開２００２−２０３２４２号公報 特開２０１１−３５６３６号公報

Ｙ．Ｂｏｙｋｏｖ ａｎｄ Ｇ．Ｆｕｎｋａ−Ｌｅａ："Ｉｎｔｅｒａｃｔｉｖｅ Ｇｒａｐｈ Ｃｕｔｓ ｆｏｒ Ｏｐｔｉｍａｌ Ｂｏｕｎｄａｒｙ ＆ Ｒｅｇｉｏｎ Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ Ｏｂｊｅｃｔｓ ｉｎ Ｎ−Ｄ Ｉｍａｇｅｓ"，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ "Ｉｎｔｅｒｎａｔｉｏｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ"，Ｖａｎｃｏｕｖｅｒ，Ｃａｎａｄａ，ｖｏｌ．Ｉ，ｐ．１０５−１１２，Ｊｕｌｙ ２００１．

しかし、花などの同心円形状の画像を、背景領域から分割して切抜きを行う際、花の外側の背景部分に種々のパターンのエッジが存在し、背景領域を誤認しやすく、切り抜き精度が低下しやすいという問題点を有していた。
本発明は、主要被写体が円形物である場合に、主要被写体の中心から放射する方向の、切り抜き対象とは無関係のエッジの影響を排除して、主要被写体の切り抜き精度を上げることを目的とする。

態様の一例では、画像内で指定された画像範囲内の主要被写体とその主要被写体以外の背景を領域分割する装置であって、主要被写体が円形物であるか否かを判定する円形物判定手段と、画像範囲内の注目画素ごとに、主要被写体が円形物であると判定された場合に、画像範囲内の中央とその注目画素を結ぶ放射線に対して直交する方向のエッジを強調する処理を行ってその注目画素を出力し、主要被写体が円形物ではないと判定された場合に、その注目画素をそのまま出力するエッジ強調制御手段と、注目画素ごとにエッジ強調の制御を行った画像内で主要被写体と背景を領域分割する領域分割手段とを備える。

本発明によれば、主要被写体が円形物である場合に、主要被写体領域の中心から放射する方向の、切り抜き対象とは無関係のエッジの影響を排除して、主要被写体の切り抜き精度を上げることが可能となる。

本発明の一実施形態に係る画像領域分割装置のハードウェア構成例を示すブロック図である。 図１の画像領域分割装置の機能ブロック図である。 本実施形態の説明図である。 本実施形態による画像領域分割処理の全体動作を示すフローチャートである。 円形物判定処理の第１の実施形態を示すフローチャートである。 円形物判定処理の第１の実施形態の説明図である。 円形物判定処理の第２の実施形態を示すフローチャートである。 円形物判定処理の第２の実施形態の説明図である。 ゲイン算出処理の説明図である。 同心円強調フィルタ生成処理を示すフローチャートである。 重み付き有向グラフの説明図である。 ヒストグラムθの説明図である。 ｈ_uv（Ｘ_u ,Ｘ_v ）の特性図である。 ｔ−ｌｉｎｋとｎ−ｌｉｎｋを有するグラフと、領域ラベルベクトルＸおよびグラフカットとの関係を、模式的に示した図である。 領域分割処理を示すフローチャートである。

以下、本発明を実施するための形態について図面を参照しながら詳細に説明する。

図１は、本発明の一実施形態に係る画像領域分割装置１０１のハードウェア構成例を示すブロック図である。

この画像識別器生成装置１０１は例えば、いわゆるスマートフォンなどの携帯情報端末であるコンピュータシステム上に実現される。

画像領域分割装置１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：中央演算処理装置）１０２と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１０３と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０４を備える。また、画像領域分割装置１０１は、ソリッド記憶装置等の外部記憶装置１０５と、通信インタフェース１０６と、タッチパネルディスプレイ装置などの入力装置１０７および表示装置１０８を備える。さらに、画像領域分割装置１０１は、マイクロＳＤメモリカードやＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリカードなどの可搬記録媒体１１０をセット可能な可搬記録媒体駆動装置１０９を備える。撮像装置１１２は、静止画像やビデオ画像を撮像することのできるデジタルカメラ機構であり、レンズ、オートフォーカス駆動制御装置、露出制御装置、撮像センサ等を備える。上述の各機器１０２〜１０９および１１２は、バス１１１によって相互に接続される。

ＲＯＭ１０３には、スマートフォン全体の一般的な動作を制御するプログラムのほか、後述する図４、図５、図７、図１０、および図１５のフローチャートによって示される画像領域分割処理の制御プログラムが記憶されている。ＣＰＵ１０２は、ＲＯＭ１０３から、この制御プログラムを読み出し、ＲＡＭ１０４をワークメモリとして実行する。これにより、後述する図２の機能ブロックで示される画像領域分割機能が実現され、この結果、例えばユーザが、撮像装置１１２によって花などを撮像し、入力装置１０７で範囲してした画像範囲から、花などの主要被写体をそれ以外の背景から分割する画像領域分割処理が実行される。これにより得られた花などの主要被写体領域の画像データは、ユーザが例えば花の種類を検索するために、通信インタフェース１０６から特には図示しないインターネットを経由してインターネットに接続される画像検索サーバコンピュータに送信される。このコンピュータ上で、送られた主要被写体領域の花画像データに基づいて花のデータベースが検索される。その結果検索がヒットした花の図鑑情報が、その花の画像データとともにインターネットを経由して通信インタフェース１０６にて受信され、表示装置１０８に表示される。

なお、本実施形態による画像領域分割装置１０１は、携帯情報端末上ではなく、上記サーバコンピュータ上などに実現されてもよい。

図２は、図１の画像領域分割装置１０１の機能ブロック図である。

本実施形態における画像領域分割装置１０１は、画像内で例えばユーザによって矩形指定された画像範囲内で、花などの主要被写体とその主要被写体以外の背景を領域分割する装置として実現される。

円形物判定手段２０１は、主要被写体が円形物であるか否かを判定する。具体的には、この円形物判定手段２０１は、例えば画像内で主要被写体と背景を事前に領域分割する。次に、円形物判定手段２０１は、事前に領域分割された主要被写体が例えば矩形指定された画像範囲の境界線に接する率が第１の所定値に比較して小さいか否かを判定する。さらに、円形物判定手段２０１は、その接する率が第１の所定値に比較して小さいと判定された場合に、例えば矩形指定された画像範囲に内接する円の内側の領域をその円の中心とその円の円周上の複数の点とをそれぞれ結ぶ複数の線分によって複数の領域に分割し、それら複数の領域ごとに主要被写体に属する画素の数を計数する。そして、円形物判定手段２０１は、それら複数の領域ごとの計数の結果の最大値と最小値の差が第２の所定値に比較して小さい場合に、主要被写体が円形物であると判定する。あるいは、円形物判定手段２０１は、例えば矩形指定された画像範囲に内接する円内で支配的な色の分布状況が円形状であるか否かを判定することにより、主要被写体が円形物であるか否かを判定する。この場合、円形物判定手段２０１は、例えば矩形指定された画像範囲に内接する円の領域に属する画素値をサンプリングし、そのサンプリングされた画素値を２つのクラスタにクラスタリングし、そのクラスタリングされた大きい方のクラスタに属する画素を支配的な色に属する画素とする。そして、円形物判定手段２０１は、その支配的な色に属する画素について、画像上の分布の主成分分析を行い、その主成分分析で抽出された第１主成分の寄与率が例えば５０から６０％程度の範囲に入るときに、主要被写体が円形物であると判定する。ここで、寄与率とは、主成分分析における分散共分散行列の全ての固有値の和に対する第１固有値の割合を示す。

エッジ強調制御手段２０２は、円形物判定手段２０１によって主要被写体が円形物であると判定された場合に、画像範囲内の注目画素ごとに、画像範囲内の中央とその注目画素を結ぶ放射線に対して直交する方向のエッジを強調する処理を行ってその注目画素を出力する。また、エッジ強調制御手段２０２は、円形物判定手段２０１によって主要被写体が円形物ではないと判定された場合に、その注目画素をそのまま出力する。具体的には、エッジ強調制御手段２０２は、円形物判定手段２０１によって主要被写体が円形物であると判定された場合に、次の処理を実行する。まず、エッジ強調制御手段２０２は、例えばユーザによって矩形指定された画像範囲内の注目画素ごとに、画像範囲内の中央とその注目画素を結ぶ放射線に対してエッジ強調の微分演算を行う方向がなす角度に応じたゲインを算出する。より具体的には、このゲイン算出手段２０１は例えば、ゲインを、角度の余弦値の絶対値を１から減算して得た値に基づいて決定する。そして、エッジ強調制御手段２０２は、上記注目画素ごとに、エッジ強調の微分演算を行い、その微分演算の結果に、ゲイン算出手段２０１にてその微分演算を行う方向がなす角度に応じて算出されているゲインにより重み付けを行い、その重み付けがされた微分演算の結果に基づいて、注目画素に対してエッジを強調する処理を行って注目画素を出力する。

領域分割手段２０３は、注目画素ごとにエッジ強調の制御を行った画像内で主要被写体と背景を領域分割する。具体的には、領域分割手段２０３は、注目画素ごとにエッジ強調制御手段２０２にてエッジ強調の制御を行った画像範囲内の各画素に付与する主要被写体または背景を示す領域ラベル値を更新しながら、その領域ラベル値とエッジ強調の制御を行った画素値とに基づいて、主要被写体らしさまたは背景らしさと隣接画素間の画素値の変化を評価するエネルギー関数を定義し、その関数の最小化処理により画像内で主要被写体と前記背景を領域分割する。この領域分割手段２０３は例えば、Ｇｒａｐｈ Ｃｕｔｓ法によりエネルギー関数の最小化処理を実行する。

図２に示される本実施形態における画像領域分割装置１０１の機能構成により、主要被写体が花などの同心円形状の画像の切り抜きを行う際、花の外側の背景部分に種々のパターンのエッジが存在し、背景領域を誤認しやすい場合でも、円形物判定手段２０１により主要被写体が円形物であると判定され、その判定に基づいてエッジ強調制御手段２０２が、同心円のエッジを強調するフィルタ処理を実行することができる。この場合、エッジ強調制御手段２０２がエッジ強調処理を実行する際に、花の中心から放射する方向の切り抜き対象とは無関係のエッジ強調を弱め、逆に放射線と直交する同心円方向のエッジをより強調する処理を行う。この結果、その後に実行される領域分割手段２０３における領域分割処理において、背景領域を主要被写体領域と誤認識する等の割合が減少し、主要被写体領域と背景領域のエッジ境界部分における切り抜き精度を向上させることが可能となる。

例えば、図３のような花の画像の例において、３０１の部分ではエッジを強調し、３０２の部分では誤抽出を防ぐためにエッジを平滑化したい。このような場合に、本実施形態では、花の中心から同心円状に存在するエッジ３０１の部分をより強調し、エッジ３０２の部分は強調を弱めることができるため、例えば花の下の茎の部分を誤抽出するようなことを防ぐことが可能となる。

また、本実施形態では、主要被写体が円形物でない花や群生する花などの場合には、円形物判定手段２０１が主要被写体が円形物ではないと判定することにより、エッジ強調制御手段２０２によって不要なエッジ強調が行われないようにして、領域分割手段２０３における領域分割処理の精度を維持することが可能となる。

図４は、本実施形態による画像領域分割処理の全体動作を示すフローチャートである。このフローチャートの処理は、図５、図７、図１０および図１５の詳細処理を示すフローチャートの処理とともに、図１のＣＰＵ１０２が、ＲＯＭ１０３に記憶された制御プログラムを、ＲＡＭ１０４をワークメモリとして使用しながら実行する処理として実現される。

まず、矩形枠決定処理が実行される（図４のステップＳ４０１）。この処理では、ユーザが、例えば図１の撮像装置１１２にて撮像した画像に対して、認識したい物体（例えば花）が存在するおおよその領域に対して、例えばタッチパネル等の入力装置１０７を用いて、矩形枠を指定する。例えば、タッチパネル上での、いわゆる指によるピンチ動作である。

次に、円形物判定処理が実行される（図４のステップＳ４０２）。この処理は、図２の円形物判定手段２０１の機能を実現する。この処理の詳細は、図５〜図８で後述する。
ステップＳ４０２での円形物判定処理の結果、主要被写体が円形物であるか否かが判定される（図４のステップＳ４０３）。主要被写体が円形物であってステップＳ４０３の判定がＹＥＳならば、同心円エッジ強調フィルタ生成処理が実行される（図４のステップＳ４０４）。この処理では、同心円方向のエッジを強調するフィルタが適用される。この処理の詳細は、図９、図１０で後述する。主要被写体が円形物であってステップＳ４０３の判定がＮＯならば、ステップＳ４０４の同心円エッジ強調フィルタ生成処理はスキップされる。ステップＳ４０３とＳ４０４の処理は、図２のエッジ強調制御手段２０２の機能を実現する。

ステップＳ４０４の後またはステップＳ４０３の判定がＮＯとなった後、画像範囲内の各画素に対して、主要被写体と前記背景を領域分割する領域分割処理が実行される（図４のステップＳ４０５）。この処理は、図２の領域分割手段２０３の機能を実現する。この処理については、図１１〜図１５で後述する。

一度領域分割処理が終了した後、収束判定が行われる（図４のステップＳ４０６）。この収束判定は、以下のいずれかが満たされたときに、ＹＥＳの判定結果となる。
・繰り返し回数が一定以上になった
・前回前景とされた領域面積と今回前景とされた領域の差が一定以下

ステップＳ４０６の判定で収束せず、その判定がＮＯであった場合、前回のグラフカット処理の状況に応じて、ユーザが指定した矩形枠内の後述するコスト関数ｇ_v (Ｘ_v )が、次のようにして修正されてデータ更新される（図４のステップＳ４０７）。ステップＳ４０５のグラフカット処理によって主要被写体と判定された領域のヒストグラムと、事前に用意されている後述するヒストグラムθ（ｃ，０）が、カラー画素値ｃごとに混合（加算）される。これにより、新たな主要被写体らしさを示すヒストグラムθ（ｃ，０）が生成され、それに基づいて新たなコスト関数ｇ_v (Ｘ_v )が計算される（後述する数６、９、１０式等を参照）。

ステップＳ４０６の判定が収束し、その判定がＹＥＳになると、図４のフローチャートで示される領域分割処理は終了とし、現在得られている主要被写体領域が最終結果として出力される。

図４のステップＳ４０２の円形物判定処理の詳細について、以下に説明する。

図５および図６は、図４のステップＳ４０２の円形物判定処理の第１の実施形態を示すフローチャートおよびその説明図である。

まず、例えば入力されている画像内のユーザによって例えば矩形指定された画像範囲内で、主要被写体と背景が事前に領域分割される（図５のステップＳ５０１）。領域分割のアルゴリズムとしては、例えば図４のステップＳ４０５と同様の後述するＧｒａｐｈ Ｃｕｔｓ法を採用することができる。この領域分割の結果、例えば図６（ａ）に示される矩形の画像範囲６０１内で、主要被写体である花の領域６０２とその周囲の領域６０３が事前におおかまに領域分割される。

次に、事前に領域分割された主要被写体が例えば矩形指定された画像範囲の境界線に接する率（接着率）が一定値以下（第１の所定値に比較して小さい）か否かが判定される（図５のステップＳ５０２）。

接着率が一定値以下と判定されステップＳ５０２の判定がＹＥＳの場合、例えば矩形指定された画像範囲に内接する円の内側の領域が、その円の中心とその円の円周上の例えば８個の複数の点とをそれぞれ結ぶ例えば８本の複数の線分によって、例えば図６（ｂ）の８つの領域６０４（＃１）〜６０４（＃８）として示される複数の領域に分割される。そして、これらの複数の領域ごとに、主要被写体に属する画素の数が計数され、例えば図６（ｃ）の８つのビン値６０５（＃１）〜６０５（＃８）として示されるヒストグラムが作成される（以上、図５のステップＳ５０３）。

そして、ステップＳ５０３で作成されたヒストグラム中の例えば図６（ｃ）の８つのビン値６０５（＃１）〜６０５（＃８）のうち、最大値と最小値の差分が算出され、その差分が一定値以内（第２の所定値に比較して小さい）か否かが判定される（図５のステップＳ５０４）。

この結果、ステップＳ５０４の判定がＹＥＳの場合に、入力された画像中の主要被写体は円形物であると判定される（図５のステップＳ５０５）。

接着率が一定値以下ではないと判定されステップＳ５０２の判定がＮＯの場合、またはヒストグラム中の最大値と最小値の差分が一定値以内ではなくステップＳ５０４の判定がＮＯの場合には、入力された画像中の主要被写体は円形物ではないと判定される（図５のステップＳ５０６）。

以上の図５および図６で説明した円形物判定処理の第１の実施形態により、例えば矩形指定された画像範囲の内接円中で、放射状に広がる複数の領域６０４（＃１）〜６０４（＃８）に、主要被写体の画素がほぼ均一して分布しているか否かを判定することにより、画像範囲中の主要被写体が円形物であるか否かを判定することが可能となる。

図７および図８は、図４のステップＳ４０２の円形物判定処理の第２の実施形態を示すフローチャートおよびその説明図である。

まず、例えば入力されている画像内のユーザによって例えば矩形指定された画像範囲に内接する円の領域に属する画素値（例えばＲＧＢ値）がサンプリングされる（図７のステップＳ７０１）。例えば、図８（ａ）に示される矩形の画像範囲８０１に内接する内接円８０２の領域内の画素値がサンプリングされる。

次に、ステップＳ７０１でサンプリングされた画素値が、例えばＲＧＢの色空間上で２つのクラスタにクラスタリングされる。クラスタリングの手法としては、例えばｋ−ｍｅａｎｓ法を採用することができる。そして、クラスタリングされた大きい方のクラスタに属する画素が支配色（支配的な色）に属する画素とされる（以上、図７のステップＳ７０２）。

さらに、上述の支配色に属する画素が画像の内接円８０２の領域上にプロットされ、そのプロットの分布の主成分分析が実行される（図７のステップＳ７０３）。この結果、例えば図８（ｂ）に示されるように、画像上の内接円８０２の領域内の複数の黒丸で示されるプロットに対して主成分分析が実行され、例えば第１主成分８０３、第２主成分８０４が算出される。

そして、ステップＳ７０３での主成分分析で抽出された第１主成分の寄与率が例えば５０から６０％程度の範囲に入るか否かが判定される（図７のステップＳ７０４）。

第１主成分の寄与率が例えば５０から６０％程度の範囲に入りステップＳ７０４の判定がＹＥＳならば、主要被写体は円形物であると判定される（図７のステップＳ７０５）。

第１主成分の寄与率が例えば５０から６０％程度の範囲に入らずステップＳ７０４の判定がＮＯならば、主要被写体は円形物ではないと判定される（図７のステップＳ７０６）。

以上の図７および図８で説明した円形物判定処理の第２の実施形態により、例えば矩形指定された画像範囲の内接円中で、例えば第１主成分８０３と第２主成分８０４の寄与率がほぼ拮抗しているか否かにより主要被写体の支配色を有する画素がほぼ均一に分布しているか否かを判定することにより、画像範囲中の主要被写体が円形物であるか否かを判定することが可能となる。

次に、図４のステップＳ４０２およびＳ４０３で主要被写体が円形物であると判定されたときに実行される、図４のステップＳ４０４の同心円エッジ強調フィルタ生成処理の詳細について、以下に説明する。

本実施形態では、主要被写体が円形物であると判定された場合には、下記数１式に示される重み付け（Ｇａｉｎ）で、エッジ強調が行われる。

この数１式において、Ｐ（ｘｆ，ｙｆ）は、エッジ強調フィルタ処理がされる注目画素の座標（ｘｆ，ｙｆ）における画素値である。この画素値は例えば、ＲＧＢのカラー画像データからＹＵＶ変換により変換された輝度値である。次に、座標（ｘｄ，ｙｄ）は、注目画素（ｘｆ，ｙｆ）に対するエッジ演算対象画素のオフセット値であり、例えばｘｄ＝±１、ｙｄ＝±１である。エッジ強調が実行される際、例えば、注目画素に対して、注目画素と隣接画素の差分(エッジ成分)を加算する方法が一般的であるが、本実施形態では、そのエッジ成分を加算する際、数１式に示されるように、エッジの方向によって、重み付けＧａｉｎが、下記数２式に従って、変更される。

図９は、数２式に基づくゲイン算出処理の説明図である。数２式では、ユーザによって指定された画像範囲である矩形範囲９０１の中央９０２から注目画素９０３に向かう放射線９０４に対するエッジの微分方向９０５の角度φは、

によって算出される。そして、数２式では、角度φに対して余弦（コサイン）の絶対値を計算した値を１から引いている。そして、Ｇａｉｎは、数２式に示されるようにして、注目画素の座標（ｘｆ，ｙｆ）と、注目画素に対するエッジ演算対象画素のオフセット座標（ｘｄ，ｙｄ）によって算出することができる。簡単のため、定数ａ＝１，ｂ＝０で説明する。数２式のＧａｉｎは、エッジの微分方向９０５が放射線９０４と同じ方向（φ＝０）のときは、１−ｃｏｓ０＝１−１＝０となって、まったく強調されなくなる。エッジの微分方向９０５が放射線９０４と垂直方向の差分（φ＝π／２ラジアン＝９０度）のときには、Ｇａｉｎは、１−ｃｏｓ（π／２）＝１−０＝１となり、放射線９０４と直交する同心円の円周方向のエッジ微分値に重み付けすることが可能となる。

図１０は、図４のステップＳ４０４の同心円強調フィルタ生成処理を示すフローチャートである。

まず、前述した数２式および数３式により、ゲインが算出される（図１０のステップＳ１００１）。

次に、前述した数１式により、エッジ強調処理により、エッジ強調が実行される（図１０のステップＳ１００２）。

次に、図４のステップＳ４０５の領域分割処理について、説明する。
いま、

を、要素Ｘ_v がエッジ強調後の画像Ｖにおける画素ｖに対する領域ラベルを示す領域ラベルベクトルであるとする。この領域ラベルベクトルは、例えば、画素ｖが主要被写体領域内にあれば要素Ｘ_v ＝０、背景領域内にあれば要素Ｘ_v ＝１となるバイナリベクトルである。すなわち、

である。

本実施形態において実行される領域分割処理は、画像Ｖにおいて、次式で定義されるエネルギー関数Ｅ（Ｘ）を最小にするような数４式の領域ラベルベクトルＸを求める処理である。

エネルギー最小化処理が実行される結果、領域ラベルベクトルＸ上で領域ラベル値Ｘ_v ＝０となる画素ｖの集合として、主要被写体領域が得られる。本実施形態の例でいえば、矩形枠内の花の領域である。なお、領域ラベルベクトルＸ上で領域ラベル値Ｘ_v ＝１となる画素ｖの集合が、背景領域（矩形枠外も含む）となる。

数６式のエネルギーを最小化するために、次式および図１１で示される重み付き有向グラフ（以下「グラフ」と略す）を定義する。

ここで、Ｖはノード（ｎｏｄｅ）、Ｅはエッジ（ｅｄｇｅ）である。このグラフが画像の領域分割に適用される場合は、画像の各画素が各ノードＶに対応する。また、画素以外のノードとして、次式および図１１中に示される、

と呼ばれる特殊なターミナルが追加される。このソースｓを主要被写体領域、シンクｔを背景領域に対応付けて考える。また、エッジＥは、ノードＶ間の関係を表現している。周辺の画素との関係を表したエッジＥをｎ−ｌｉｎｋ、各画素とソースｓ（主要被写体領域に対応）またはシンクｔ（背景領域に対応）との関係を表したエッジＥをｔ−ｌｉｎｋと呼ぶ。

いま、ソースｓと各画素に対応するノードとを結ぶ各ｔ−ｌｉｎｋを、各画素がどの程度主要被写体領域らしいかを示す関係ととらえる。そして、その主要被写体領域らしさを示すコスト値を、数６式第１項に対応付けて、

と定義する。ここで、θ（ｃ、０）は、学習用に用意した複数枚（数百枚程度）の主要被写体領域画像から算出したカラー画素値ｃごとのヒストグラム（出現回数）を示す関数データであり、例えば図１２（ａ）に示されるように予め得られている。なお、θ（ｃ、０）の全カラー画素値ｃにわたる総和は１になるように正規化されているものとする。また、Ｉ（ｖ）は、エッジ強調制御（図４のステップＳ４０２〜Ｓ４０４の処理）の後の入力画像の各画素ｖにおけるカラー（ＲＧＢ）画素値である。数９式において、θ（Ｉ（ｖ）、０）の値が大きいほど、コスト値は小さくなる。これは、予め得られている主要被写体領域のカラー画素値の中で出現回数が多いものほど、数９式で得られるコスト値が小さくなって、画素ｖが主要被写体領域中の画素らしいことを意味し、数６式のエネルギー関数Ｅ（Ｘ）の値を押し下げる結果となる。

次に、シンクｔと各画素に対応するノードとを結ぶ各ｔ−ｌｉｎｋを、各画素がどの程度背景領域らしいかを示す関係ととらえる。そして、その背景領域らしさを示すコスト値を、数６式第１項に対応付けて、

と定義する。ここで、θ（ｃ、1）は、学習用に用意した複数枚（数百枚程度）の背景領域画像から算出したカラー画素値ｃごとのヒストグラム（出現度数）を示す関数データであり、例えば図１２（ｂ）に示されるように予め得られている。なお、θ（ｃ、１）の全カラー画素値ｃにわたる総和は１になるように正規化されているものとする。Ｉ（ｖ）は、数９式の場合と同様に、エッジ強調制御（図４のステップＳ４０２〜Ｓ４０４の処理）の後の入力画像の各画素ｖにおけるカラー（ＲＧＢ）画素値である。数９式において、θ（Ｉ（ｖ）、１）の値が大きいほど、コスト値は小さくなる。これは、予め得られている背景領域のカラー画素値の中で出現回数が多いものほど、数１０式で得られるコスト値が小さくなって、画素ｖが背景領域中の画素らしいことを意味し、数６式のエネルギー関数Ｅ（Ｘ）の値を押し下げる結果となる。

次に、各画素に対応するノードとその周辺画素との関係を示すｎ−ｌｉｎｋのコスト値を、数６式第２項に対応付けて、

と定義する。ここで、ｄｉｓｔ（ｕ，ｖ）は、画素ｖとその周辺画素ｕのユークリッド距離を示しており、κは所定の係数である。また、Ｉ（ｕ）およびＩ（ｖ）は、入力画像の各画素ｕおよびｖにおける各カラー（ＲＧＢ）画素値である。画素ｖおよびその周辺画素ｕの各領域ラベル値Ｘ_u およびＸ_v が同一（Ｘ_u ＝Ｘ_v ）となるように選択された場合における数１１式のコスト値は０とされて、エネルギーＥ（Ｘ）の計算には影響しなくなる。一方、画素ｖとその周辺画素ｕの各領域ラベル値Ｘ_u およびＸ_v が異なる（Ｘ_u ≠Ｘ_v ）ように選択された場合における数１１式のコスト値は、例えば図１３に示される特性を有する関数特性となる。すなわち、画素ｖおよびその周辺画素ｕの各領域ラベル値Ｘ_u およびＸ_v が異なっていて、かつ画素ｖおよびその周辺画素ｕのカラー画素値の差Ｉ（ｕ）−Ｉ（ｖ）が小さい場合には、数１１式で得られるコスト値が大きくなる。この場合には、数６式のエネルギー関数Ｅ（Ｘ）の値が押し上げられる結果となる。言い換えれば、近傍画素間で、カラー画素値の差が小さい場合には、それらの画素の各領域ラベル値は、互いに異なるようには選択されない。すなわち、その場合には、近傍画素間では領域ラベル値はなるべく同じになって主要被写体領域または背景領域はなるべく変化しないように、制御される。一方、画素ｖおよびその周辺画素ｕの各領域ラベル値Ｘ_u およびＸ_v が異なっていて、かつ画素ｖおよびその周辺画素ｕのカラー画素値の差Ｉ（ｕ）−Ｉ（ｖ）が大きい場合には、数１１式で得られるコスト値が小さくなる。この場合には、数６式のエネルギー関数Ｅ（Ｘ）の値が押し下げられる結果となる。言い換えれば、近傍画素間で、カラー画素値の差が大きい場合には、主要被写体領域と背景領域の境界らしいことを意味し、画素ｖとその周辺画素ｕとで、領域ラベル値が異なる方向に制御される。

以上の定義を用いて、入力画像の各画素ｖごとに、数９式によって、ソースｓと各画素ｖとを結ぶｔ−ｌｉｎｋのコスト値（主要被写体領域らしさ）が算出される。また、数１０式によって、シンクｔと各画素ｖとを結ぶｔ−ｌｉｎｋのコスト値（背景領域らしさ）が算出される。さらに、入力画像の各画素ｖごとに、数１１式によって、画素ｖとその周辺例えば８方向の各８画素とを結ぶ８本のｎ−ｌｉｎｋのコスト値（境界らしさ）が算出される。

そして、理論的には、数４式の領域ラベルベクトルＸの全ての領域ラベル値の０または１の組合せごとに、各領域ラベル値に応じて上記数９式、数１０式、および数１１式の計算結果が選択されながら数６式のエネルギー関数Ｅ（Ｘ）が計算される。そして、全ての組合せの中でエネルギー関数Ｅ（Ｘ）の値が最小となる領域ラベルベクトルＸを選択することにより、領域ラベルベクトルＸ上で領域ラベル値Ｘ_v ＝０となる画素ｖの集合として、主要被写体領域を得ることができる。

しかし実際には、領域ラベルベクトルＸの全ての領域ラベル値の０または１の組合せ数は、２の画素数乗通りあるため、現実的な時間でエネルギー関数Ｅ（Ｘ）の最小化処理を計算することができない。

そこで、Ｇｒａｐｈ Ｃｕｔｓ法では、次のようなアルゴリズムを実行することにより、エネルギー関数Ｅ（Ｘ）の最小化処理を現実的な時間で計算することを可能にする。

図１４は、上述した数９式、数１０式で定義されるｔ−ｌｉｎｋと数１１式で定義されるｎ−ｌｉｎｋを有するグラフと、領域ラベルベクトルＸおよびグラフカットとの関係を、模式的に示した図である。図１４では、理解の容易化のために、画素ｖは一次元的に示されている。

数６式のエネルギー関数Ｅ（Ｘ）の第１項の計算で、領域ラベルベクトルＸ中の領域ラベル値が０となるべき主要被写体領域中の画素では、数９式と数１０式のうち、主要被写体領域中の画素らしい場合により小さな値となる数９式のコスト値のほうが小さくなる。従って、ある画素において、ソースｓ側のｔ−ｌｉｎｋが選択されシンクｔ側のｔ−ｌｉｎｋがカットされて（図１４の１４０２のケース）、数９式を用いて数６式のＥ（Ｘ）の第１項が計算された場合に、その計算結果が小さくなれば、その画素の領域ラベル値としては０が選択される。そして、そのグラフカット状態が採用される。計算結果が小さくならなければ、そのグラフカット状態は採用されず、他のリンクの探索およびグラフカットが試みられる。

逆に、領域ラベルベクトルＸ中の領域ラベル値が１となるべき背景領域中の画素では、数９式と数１０式のうち、背景領域中の画素らしい場合により小さな値となる数１０式のコスト値のほうが小さくなる。従って、ある画素において、シンクｔ側のｔ−ｌｉｎｋが選択されソースｓ側のｔ−ｌｉｎｋはカットされて（図１４の１４０３のケース）、数１０式を用いて数６式のＥ（Ｘ）の第１項が計算された場合に、その計算結果が小さくなれば、その画素の領域ラベル値としては１が選択される。そして、そのグラフカット状態が採用される。計算結果が小さくならなければ、そのグラフカット状態は採用されず、他のリンクの探索およびグラフカットが試みられる。

一方、数６式のエネルギー関数Ｅ（Ｘ）の第１項の計算に係る上記グラフカット処理により、領域ラベルベクトルＸ中の領域ラベル値が０または１で連続すべき主要被写体領域内部または背景領域内部の画素間では、数１１式のコスト値が０となる。従って、数１１式の計算結果は、エネルギー関数Ｅ（Ｘ）の第２項のコスト値の計算には影響しない。また、その画素間のｎ−ｌｉｎｋは、数１１式がコスト値０を出力するように、カットされずに維持される。

ところが、エネルギー関数Ｅ（Ｘ）の第１項の計算に係る上記グラフカット処理により、近傍画素間で、領域ラベル値が０と１の間で変化した場合に、それらの画素間のカラー画素値の差が小さければ、数１１式のコスト値が大きくなる。この結果、数６式のエネルギー関数Ｅ（Ｘ）の値が押し上げられる。このようなケースは、同一領域内で第１項の値による領域ラベル値の判定がたまたま反転するような場合に相当する。従って、このようなケースでは、エネルギー関数Ｅ（Ｘ）の値が大きくなって、そのような領域ラベル値の反転は選択されない結果となる。また、この場合には、数１１式の計算結果が、上記結果を維持するように、それらの画素間のｎ−ｌｉｎｋは、カットされずに維持される。

これに対して、エネルギー関数Ｅ（Ｘ）の第１項の計算に係る上記グラフカット処理により、近傍画素間で、領域ラベル値が０と１の間で変化した場合に、それらの画素間のカラー画素値の差が大きければ、数１１式のコスト値が小さくなる。この結果、数６式のエネルギー関数Ｅ（Ｘ）の値が押し下げられる。このようなケースは、それらの画素部分が主要被写体領域と背景領域の境界らしいことを意味している。従って、このようなケースでは、これらの画素間で領域ラベル値を異ならせて、主要被写体領域と背景領域の境界を形成する方向に制御される。また、この場合には、境界の形成状態を安定化するために、それらの画素間のｎ−ｌｉｎｋがカットされて、数６式の第２項のコスト値が０にされる（図１４の１４０４のケース）。

以上の判定制御処理が、ソースｓのノードを起点にして、順次各画素のノードをたどりながら繰り返されることにより、図１４の１４０１で示されるようなグラフカットが実行され、エネルギー関数Ｅ（Ｘ）の最小化処理が現実的な時間で計算される。この処理の具体的な手法としては、例えば、非特許文献１に記載されている手法を採用することができる。

そして、各画素ごとに、ソースｓ側のｔ−ｌｉｎｋが残っていれば、その画素の領域ラベル値として０、すなわち主要被写体領域の画素を示すラベルが付与される。逆に、シンクｔ側のｔ−ｌｉｎｋが残っていれば、その画素の領域ラベル値として１、すなわち背景領域の画素を示すラベルが付与される。最終的に、領域ラベル値が０となる画素の集合として、主要被写体領域が得られる。

図１５は、上述した動作原理に基づく図４のステップＳ４０５の領域分割処理を示すフローチャートである。

まず、エッジ強調制御（図４のステップＳ４０２〜Ｓ４０４の処理）の後の画像から、カラー画素値Ｉ（Ｖ）が１つずつ読み込まれる（図１５のステップＳ１５０１）。

次に、ステップＳ１５０１で読み込まれた画素が、ユーザによって指定された矩形枠内の画素であるか否かが判定される（図１５のステップＳ１５０２）。

ステップＳ１５０２の判定がＹＥＳの場合には、前述した数９式、数１０式、および数１１式に基づいて、主要被写体領域らしさを示すコスト値、背景領域らしさを示すコスト値、および境界らしさを示すコスト値が、それぞれ算出される（図１５のステップＳ１５０３、Ｓ１５０４、およびＳ１５０５）。

一方、ステップＳ１５０２の判定がＮＯの場合には、矩形の枠外には主要被写体領域はないため、そこが主要被写体領域と判定されないようにするために、主要被写体領域らしさを示すコスト値ｇ_v (Ｘ_v )が、次式のように一定の大きな値Ｋとされる。

ここで、Ｋは、次式に示されるように、任意のピクセルの平滑化項の総和よりも大きい値を設定しておく（以上、図１５のステップＳ１５０６）。

また、矩形の枠外が必ず背景領域と判定されるようにするために、背景領域らしさを示すコスト値ｇ_v (Ｘ_v )が、次式のように０とされる（図１５のステップＳ１５０７）。

さらに、矩形の枠外は全て背景領域であるため、ｈ_uv（Ｘ_u ,Ｘ_v ）の値は０とされる（図１５のステップＳ１５０８）。

以上の処理の後、画像内に処理すべき画素が残っているか否かが判定される（図１５のステップＳ１５０９）。

処理すべき画素がありステップＳ１５０９の判定がＹＥＳならば、ステップＳ１５０１の処理に戻って、上記処理が繰り返される。

処理すべき画素がなくなりステップＳ１５０９の判定がＮＯになると、画像内の全ての画素について求まったコスト値を用いて、数６式のエネルギー関数Ｅ（Ｘ）が計算されながら、Ｇｒａｐｈ Ｃｕｔｓアルゴリズムが実行され、主要被写体と背景が領域分割される（ステップＳ１５１０）。

以上説明した実施形態では、円形物の判定アルゴリズムとして、図５および図６で説明した主要被写体の事前切抜きおよびヒストグラムのビン値の比較による第１の実施形態の手法、または支配色を有する画素分布の主成分分析に基づく第１主成分の寄与率の判定による第２の実施形態の手法を説明した。しかしながら、このほか画像範囲内の主要被写体が円形物であるか否かを判定する手法として、種々の手法を採用することが可能である。

また、上述の実施形態では、エッジ強調の実行時にエッジ強調フィルタのゲインが変動させられたが、平滑化フィルタｈ_uv（Ｘ_u ,Ｘ_v ）のゲインがエッジ強調フィルタの逆特性(放射方向のゲインを上げ、同心円方向のゲインを下げる)に変動させられる形態が採用されてもよい。

さらに、上述の実施形態では、数２式においてエッジ強調のゲインを算出するための係数ａが固定にされたが、図９における矩形範囲９０１の中央９０２と注目画素９０３との距離に比例させる方法により、遠い放射方向ほどゲインを下げるにしてもよい。

以上の実施形態に関して、更に以下の付記を開示する。
（付記１）
画像内で指定された画像範囲内の主要被写体と該主要被写体以外の背景を領域分割する装置であって、
前記主要被写体が円形物であるか否かを判定する円形物判定手段と、
前記画像範囲内の注目画素ごとに、前記主要被写体が円形物であると判定された場合に、前記画像範囲内の中央と該注目画素を結ぶ放射線に対して直交する方向のエッジを強調する処理を行って該注目画素を出力し、前記主要被写体が円形物ではないと判定された場合に、該注目画素をそのまま出力するエッジ強調制御手段と、
前記注目画素ごとに前記エッジ強調の制御を行った前記画像内で前記主要被写体と前記背景を領域分割する領域分割手段と、
を備えることを特徴とする画像領域分割装置。
（付記２）
前記画像範囲は矩形範囲であり、
前記円形物判定手段は、
前記画像内で前記主要被写体と前記背景を事前に領域分割し、
前記事前に領域分割された前記主要被写体が前記画像範囲の境界線に接する率が第１の所定値に比較して小さいか否かを判定し、
前記接する率が前記第１の所定値に比較して小さいと判定された場合に、前記画像範囲に内接する円の内側の領域を該円の中心と該円の円周上の複数の点とをそれぞれ結ぶ複数の線分によって複数の領域に分割し、
該複数の領域ごとに前記主要被写体に属する画素の数を計数し、
前記複数の領域ごとの前記計数の結果の最大値と最小値の差が第２の所定値に比較して小さい場合に、前記主要被写体が円形物であると判定する、
ことを特徴とする付記１に記載の画像領域分割装置。
（付記３）
前記画像範囲は矩形範囲であり、
前記円形物判定手段は、前記画像範囲に内接する円内で支配的な色の分布状況が円形状であるか否かを判定することにより、前記主要被写体が円形物であるか否かを判定する、
ことを特徴とする付記１に記載の画像領域分割装置。
（付記４）
前記円形物判定手段は、
前記画像範囲に内接する円の領域に属する画素値をサンプリングし、
該サンプリングされた画素値を２つのクラスタにクラスタリングし、
該クラスタリングされた大きい方のクラスタに属する画素を前記支配的な色に属する画素とし、
該支配的な色に属する画素について、前記画像上の分布の主成分分析を行い、
該主成分分析で抽出された第１主成分の寄与率に基づいて、前記主要被写体が円形物であるか否かを判定する、
ことを特徴とする付記３に記載の画像領域分割装置。
（付記５）
前記エッジ強調制御手段は、
前記画像範囲内の注目画素ごとに、前記主要被写体が円形物であると判定された場合に、前記画像範囲内の中央と該注目画素を結ぶ放射線に対してエッジ強調の微分演算を行う方向がなす角度に応じたゲインを算出するゲイン算出手段と、
前記注目画素ごとに、前記主要被写体が円形物であると判定された場合に、前記エッジ強調の微分演算を行い、該微分演算の結果に、該微分演算を行う方向がなす前記角度に応じて算出されている前記ゲインにより重み付けを行い、該重み付けがされた前記微分演算の結果に基づいて、前記注目画素に対して前記エッジを強調する処理を行って該注目画素を出力するエッジ強調手段と、
をさらに備えることを特徴とする付記１ないし４のいずれかに記載の画像領域分割装置。
（付記６）
前記ゲイン算出手段は、前記ゲインを、前記角度の余弦値の絶対値を１から減算して得た値に基づいて決定する、
ことを特徴とする付記５に記載の画像領域分割装置。
（付記７）
前記領域分割手段は、前記注目画素ごとに前記エッジ強調を行った前記画像範囲内の各画素に付与する前記主要被写体または前記背景を示す領域ラベル値を更新しながら、該領域ラベル値と前記エッジ強調を行った画素値とに基づいて、前記主要被写体らしさまたは前記背景らしさと隣接画素間の前記画素値の変化を評価するエネルギー関数を定義し、該関数の最小化処理により前記画像内で前記主要被写体と前記背景を領域分割する、
ことを特徴とする付記１ないし６のいずれかに記載の画像領域分割装置。
（付記８）
前記領域分割手段は、Ｇｒａｐｈ Ｃｕｔｓ法により前記エネルギー関数の最小化処理を実行する、
ことを特徴とする付記７に記載の画像領域分割装置。
（付記９）
画像内で指定された画像範囲内の主要被写体と該主要被写体以外の背景を領域分割する方法であって、
前記主要被写体が円形物であるか否かを判定する円形物判定ステップと、
前記画像範囲内の注目画素ごとに、前記主要被写体が円形物であると判定された場合に、前記画像範囲内の中央と該注目画素を結ぶ放射線に対して直交する方向のエッジを強調する処理を行って該注目画素を出力し、前記主要被写体が円形物ではないと判定された場合に、該注目画素をそのまま出力するエッジ強調制御ステップと、
前記注目画素ごとに前記エッジ強調の制御を行った前記画像内で前記主要被写体と前記背景を領域分割する領域分割ステップと、
を実行することを備えることを特徴とする画像領域分割方法。
（付記１０）
画像内で指定された画像範囲内の主要被写体と該主要被写体以外の背景を領域分割するコンピュータに、
前記主要被写体が円形物であるか否かを判定する円形物判定ステップと、
前記画像範囲内の注目画素ごとに、前記主要被写体が円形物であると判定された場合に、前記画像範囲内の中央と該注目画素を結ぶ放射線に対して直交する方向のエッジを強調する処理を行って該注目画素を出力し、前記主要被写体が円形物ではないと判定された場合に、該注目画素をそのまま出力するエッジ強調制御ステップと、
前記注目画素ごとに前記エッジ強調の制御を行った前記画像内で前記主要被写体と前記背景を領域分割する領域分割ステップと、
を実行させるためのプログラム。

１０１ 画像識別器生成装置
１０２ ＣＰＵ
１０３ ＲＯＭ
１０４ ＲＡＭ
１０５ 外部記憶装置
１０６ 通信インタフェース
１０７ 入力装置
１０８ 表示装置
１０９ 可搬記録媒体駆動装置
１１０ 可搬記録媒体
１１１ バス
１１２ 撮像装置
２０１ 円形物判定手段
２０２ エッジ強調制御手段
２０３ 領域分割手段

Claims (10)

1. 画像内で指定された画像範囲内の主要被写体と該主要被写体以外の背景を領域分割する装置であって、
   前記主要被写体が円形物であるか否かを判定する円形物判定手段と、
   前記主要被写体が円形物であると判定された場合に、前記画像範囲内の注目画素ごとに、前記画像範囲内の中央と該注目画素を結ぶ放射線に対して直交する方向のエッジを強調する処理を行って該注目画素を出力し、前記主要被写体が円形物ではないと判定された場合に、前記画像範囲内の各注目画素をそのまま出力するエッジ強調制御手段と、
   前記注目画素ごとに前記エッジ強調の制御を行った前記画像内で前記主要被写体と前記背景を領域分割する領域分割手段と、
   を備えることを特徴とする画像領域分割装置。
2. 前記画像範囲は矩形範囲であり、
   前記円形物判定手段は、
   前記画像内で前記主要被写体と前記背景を事前に領域分割し、
   前記事前に領域分割された前記主要被写体が前記画像範囲の境界線に接する率が第１の所定値に比較して小さいか否かを判定し、
   前記接する率が前記第１の所定値に比較して小さいと判定された場合に、前記画像範囲に内接する円の内側の領域を該円の中心と該円の円周上の複数の点とをそれぞれ結ぶ複数の線分によって複数の領域に分割し、
   該複数の領域ごとに前記主要被写体に属する画素の数を計数し、
   前記複数の領域ごとの前記計数の結果の最大値と最小値の差が第２の所定値に比較して小さい場合に、前記主要被写体が円形物であると判定する、
   ことを特徴とする請求項１に記載の画像領域分割装置。
3. 前記画像範囲は矩形範囲であり、
   前記円形物判定手段は、前記画像範囲に内接する円内で支配的な色の分布状況が円形状であるか否かを判定することにより、前記主要被写体が円形物であるか否かを判定する、
   ことを特徴とする請求項１に記載の画像領域分割装置。
4. 前記円形物判定手段は、
   前記画像範囲に内接する円の領域に属する画素値をサンプリングし、
   該サンプリングされた画素値を２つのクラスタにクラスタリングし、
   該クラスタリングされた大きい方のクラスタに属する画素を前記支配的な色に属する画素とし、
   該支配的な色に属する画素について、前記画像上の分布の主成分分析を行い、
   該主成分分析で抽出された第１主成分の寄与率に基づいて、前記主要被写体が円形物であるか否かを判定する、
   ことを特徴とする請求項３に記載の画像領域分割装置。
5. 前記主要被写体が円形物であると判定された場合に、前記エッジ強調制御手段は、
   前記画像範囲内の注目画素ごとに、前記画像範囲内の中央と該注目画素を結ぶ放射線に対してエッジ強調の微分演算を行う方向がなす角度に応じたゲインを算出し、
   前記注目画素ごとに、前記エッジ強調の微分演算を行い、該微分演算の結果に、該微分演算を行う方向がなす前記角度に応じて算出されている前記ゲインにより重み付けを行い、該重み付けがされた前記微分演算の結果に基づいて、前記注目画素に対して前記エッジを強調する処理を行って該注目画素を出力する、
   ことを特徴とする請求項１ないし４のいずれかに記載の画像領域分割装置。
6. 前記ゲインの算出において、前記ゲインを、前記角度の余弦値の絶対値を１から減算して得た値に基づいて決定する、
   ことを特徴とする請求項５に記載の画像領域分割装置。
7. 前記領域分割手段は、前記注目画素ごとに前記エッジ強調の制御を行った前記画像範囲内の各画素に付与する前記主要被写体または前記背景を示す領域ラベル値を更新しながら、該領域ラベル値と前記エッジ強調の制御を行った画素値とに基づいて、前記主要被写体らしさまたは前記背景らしさと隣接画素間の前記画素値の変化を評価するエネルギー関数を定義し、該関数の最小化処理により前記画像内で前記主要被写体と前記背景を領域分割する、
   ことを特徴とする請求項１ないし６のいずれかに記載の画像領域分割装置。
8. 前記領域分割手段は、Ｇｒａｐｈ Ｃｕｔｓ法により前記エネルギー関数の最小化処理を実行する、
   ことを特徴とする請求項７に記載の画像領域分割装置。
9. 画像内で指定された画像範囲内の主要被写体と該主要被写体以外の背景を領域分割する方法であって、
   前記主要被写体が円形物であるか否かを判定する円形物判定ステップと、
   前記主要被写体が円形物であると判定された場合に、前記画像範囲内の注目画素ごとに、前記画像範囲内の中央と該注目画素を結ぶ放射線に対して直交する方向のエッジを強調する処理を行って該注目画素を出力し、前記主要被写体が円形物ではないと判定された場合に、前記画像範囲内の各注目画素をそのまま出力するエッジ強調制御ステップと、
   前記注目画素ごとに前記エッジ強調の制御を行った前記画像内で前記主要被写体と前記背景を領域分割する領域分割ステップと、
   を実行することを備えることを特徴とする画像領域分割方法。
10. 画像内で指定された画像範囲内の主要被写体と該主要被写体以外の背景を領域分割するコンピュータに、
    前記主要被写体が円形物であるか否かを判定する円形物判定ステップと、
    前記主要被写体が円形物であると判定された場合に、前記画像範囲内の注目画素ごとに、前記画像範囲内の中央と該注目画素を結ぶ放射線に対して直交する方向のエッジを強調する処理を行って該注目画素を出力し、前記主要被写体が円形物ではないと判定された場合に、前記画像範囲内の各注目画素をそのまま出力するエッジ強調制御ステップと、
    前記注目画素ごとに前記エッジ強調の制御を行った前記画像内で前記主要被写体と前記背景を領域分割する領域分割ステップと、
    を実行させるためのプログラム。