專利名稱：圖像處理裝置以及圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及將圖像分割為多個(gè)區(qū)域的圖像處理裝置以及圖像處理方法。
背景技術(shù)：
一直以來(lái)，作為導(dǎo)入到患者等被檢體的體內(nèi)對(duì)管腔內(nèi)進(jìn)行非侵襲觀察的醫(yī)用觀察裝置，內(nèi)窺鏡得到廣泛普及。近年來(lái)，還使用了在膠囊型殼體內(nèi)部收納攝像裝置和通信裝置等并向體外無(wú)線發(fā)送由該攝像裝置拍攝的圖像數(shù)據(jù)的吞入型內(nèi)視鏡(膠囊型內(nèi)窺鏡)。通過(guò)這種醫(yī)用觀察裝置取得的圖像的觀察和診斷是需要較多的經(jīng)驗(yàn)和精力的困難的作業(yè)。尤其是，在膠囊型內(nèi)窺鏡的情況下，通過(guò)一次檢查取得的一系列圖像(管腔內(nèi)圖像)高達(dá)巨大的數(shù)量(幾萬(wàn)張以上)，因此進(jìn)行診斷的醫(yī)師的負(fù)擔(dān)也較大。因此，希望具有輔助醫(yī)師進(jìn)行診斷的醫(yī)療診斷支援功能。作為這種功能之一，提出了根據(jù)管腔內(nèi)圖像自動(dòng)檢測(cè)異常部等，示出應(yīng)重點(diǎn)診斷的圖像的圖像識(shí)別技術(shù)。 但是，在通過(guò)圖像識(shí)別檢測(cè)異常部等時(shí)，作為預(yù)處理，比較重要的是去除拍攝了殘?jiān)鹊牟恍枰^察的區(qū)域，并提取粘膜區(qū)域。作為與圖像的區(qū)域分割(segmentation)相關(guān)的技術(shù)，例如在日本特開(kāi)2007-172224號(hào)公報(bào)中公開(kāi)了如下方法根據(jù)構(gòu)成圖像的各像素的顏色信息和邊緣信息，提取具有預(yù)定特征的片段。更詳細(xì)地說(shuō)，在日本特開(kāi)2007-172224號(hào)公報(bào)中，根據(jù)表示像素?cái)?shù)據(jù)示出的顏色為預(yù)定片段內(nèi)的顏色的概率、和相互鄰接的像素的像素?cái)?shù)據(jù)的關(guān)系(在相鄰的像素之間是否存在邊緣)取得能量函數(shù)，并對(duì)該能量函數(shù)進(jìn)行最小化，從而提取出預(yù)定的片段。但是，在通過(guò)內(nèi)窺鏡取得的管腔內(nèi)圖像的情況下，除了想檢測(cè)的特定區(qū)域的輪廓(殘?jiān)鼌^(qū)域與粘膜區(qū)域的邊界)以外，還會(huì)檢測(cè)出粘膜的褶間的槽或陰影等作為邊緣。因此，在日本特開(kāi)2007-172224號(hào)公報(bào)所公開(kāi)的方法中，由于這些邊緣的影響，特定區(qū)域的檢測(cè)性能有可能降低。

發(fā)明內(nèi)容
本發(fā)明正是鑒于上述問(wèn)題而作出的，其目的在于提供在從管腔內(nèi)圖像分割殘?jiān)鼌^(qū)域等特定區(qū)域時(shí)，能夠抑制邊界的檢測(cè)性能降低的圖像處理裝置以及圖像處理方法。本發(fā)明的一個(gè)方式的圖像處理裝置將圖像分割為多個(gè)區(qū)域，其中，該圖像處理裝置具有概率值計(jì)算部，其根據(jù)包含在所述圖像中的像素的顏色特征量，計(jì)算所述像素屬于所述多個(gè)區(qū)域中的各個(gè)的概率；加權(quán)邊緣強(qiáng)度計(jì)算部，其根據(jù)包含在所述圖像中的像素和與該像素相鄰的像素的像素值以及顏色特征量，計(jì)算相鄰像素之間的加權(quán)邊緣強(qiáng)度；能量函數(shù)制成部，其使用所述概率和所述加權(quán)邊緣強(qiáng)度，制成將所述像素的區(qū)域判別結(jié)果作為變量的能量函數(shù)；以及區(qū)域分割部，其根據(jù)所述能量函數(shù)，將該圖像分割為所述多個(gè)區(qū)域。本發(fā)明的另一個(gè)方式的圖像處理方法是將圖像分割為多個(gè)區(qū)域的圖像處理裝置進(jìn)行的圖像處理方法，該圖像處理方法包含概率值計(jì)算步驟，根據(jù)包含在所述圖像中的像素的顏色特征量，計(jì)算所述像素屬于所述多個(gè)區(qū)域的各個(gè)的概率；加權(quán)邊緣強(qiáng)度計(jì)算步驟，根據(jù)包含在所述圖像中的像素以及與該像素相鄰的像素的像素值以及顏色特征量，計(jì)算相鄰像素之間的加權(quán)邊緣強(qiáng)度；能量函數(shù)制成步驟，使用所述概率和所述加權(quán)邊緣強(qiáng)度，制成將所述像素的區(qū)域判別結(jié)果作為變量的能量函數(shù)；以及區(qū)域分割步驟，根據(jù)所述能量函數(shù)，將該圖像分割為所述多個(gè)區(qū)域。如果將以下本發(fā)明的詳細(xì)說(shuō)明與附圖對(duì)照著進(jìn)行閱讀，則能夠進(jìn)一步理解以上所述的情況以及本發(fā)明的其它目的、特征、優(yōu)點(diǎn)和技術(shù)及產(chǎn)業(yè)上的意義。


圖I是示出本發(fā)明實(shí)施方式I的圖像處理裝置的結(jié)構(gòu)的框圖。圖2是示出圖I所示的圖像處理裝置的動(dòng)作的流程圖。圖3是示出作為圖像處理對(duì)象的管腔內(nèi)圖像的一例的示意圖。圖4是示出概率值計(jì)算部的動(dòng)作的流程圖。 圖5A是示出色調(diào)分布的直方圖。圖5B是示出粘膜區(qū)域和殘?jiān)鼌^(qū)域的色調(diào)分布的圖。圖6是示出加權(quán)邊緣強(qiáng)度計(jì)算部的動(dòng)作的流程圖。圖7是示出根據(jù)色調(diào)分布制成的權(quán)重分布的圖。圖8A是示出圖分害法中的有向圖的圖。圖8B是說(shuō)明賦予給各節(jié)點(diǎn)的成本的圖。圖8C是示出將有向圖分割為兩個(gè)集合后的狀態(tài)的圖。圖9是示出去除殘?jiān)鼌^(qū)域后的管腔內(nèi)圖像的示意圖。圖10是示出本發(fā)明實(shí)施方式2的圖像處理裝置的運(yùn)算部的結(jié)構(gòu)的框圖。圖11是示出圖10所示的運(yùn)算部的動(dòng)作的流程圖。圖12是示出作為圖像處理對(duì)象的管腔內(nèi)圖像的一例的示意圖。圖13是說(shuō)明邊緣強(qiáng)度圖像的制成方法的圖。圖14是示出強(qiáng)邊緣像素的圖像的示意圖。
具體實(shí)施例方式以下，參照

本發(fā)明的實(shí)施方式的圖像處理裝置以及圖像處理方法。另外，本發(fā)明不受這些實(shí)施方式限定。另外，在各附圖的記載中，對(duì)相同部分標(biāo)注相同標(biāo)號(hào)來(lái)示出。以下說(shuō)明的實(shí)施方式的圖像處理裝置是進(jìn)行如下處理的裝置將例如通過(guò)內(nèi)窺鏡或膠囊內(nèi)窺鏡等醫(yī)用觀察裝置拍攝被檢體的體內(nèi)(管腔內(nèi))而得的管腔內(nèi)圖像區(qū)域分割為特定區(qū)域和非特定區(qū)域。具體而言，例如將在醫(yī)療診斷中作為觀察對(duì)象的粘膜區(qū)域處理為特定區(qū)域，將不作為觀察對(duì)象的殘?jiān)鼌^(qū)域處理為非特定區(qū)域。所謂殘?jiān)鼌^(qū)域，是附著到粘膜上的殘?jiān)?、或與粘膜分離并浮游的殘?jiān)诠芮粌?nèi)圖像的畫面上與粘膜重疊(即比粘膜靠近跟前側(cè))并顯現(xiàn)的區(qū)域。此外，在以下的實(shí)施方式中實(shí)施了圖像處理的管腔內(nèi)圖像例如是在各像素中具有針對(duì)R(紅)、G(綠)、B(藍(lán))的各顏色成分的像素級(jí)(像素值)的彩色圖像。實(shí)施方式I
圖I是示出本發(fā)明實(shí)施方式I的圖像處理裝置的結(jié)構(gòu)的框圖。如圖I所示，圖像處理裝置I具有控制部10，其控制該圖像處理裝置I整體的動(dòng)作；圖像取得部11，其取得通過(guò)醫(yī)用觀察裝置拍攝的管腔內(nèi)圖像的圖像數(shù)據(jù)；輸入部12，其受理從外部輸入的輸入信號(hào)；顯示部13，其顯示包含管腔內(nèi)圖像和各種信息的畫面；記錄部14 ;以及運(yùn)算部15，其進(jìn)行對(duì)殘?jiān)鼌^(qū)域和粘膜區(qū)域相互進(jìn)行區(qū)域分割的運(yùn)算處理?？刂撇?0由CPU等硬件來(lái)實(shí)現(xiàn)，其通過(guò)讀入存儲(chǔ)在記錄部14中的各種程序，根據(jù)從圖像取得部11輸入的圖像數(shù)據(jù)和從輸入部12輸入的操作信號(hào)等，向構(gòu)成圖像處理裝置I的各個(gè)部分進(jìn)行指示或者數(shù)據(jù)傳送等，對(duì)圖像處理裝置I整體的動(dòng)作進(jìn)行統(tǒng)一控制。圖像取得部11根據(jù)包含醫(yī)用觀察裝置的系統(tǒng)的方式適當(dāng)構(gòu)成。例如，在醫(yī)用觀察裝置是膠囊型內(nèi)窺鏡，且使用可與醫(yī)用觀察裝置之間交換圖像數(shù)據(jù)的可移動(dòng)型記錄介質(zhì)的情況下，圖像取得部11由拆裝自如地安裝該記錄介質(zhì)并讀出已保存的管腔內(nèi)圖像的圖像數(shù)據(jù)的讀出裝置構(gòu)成。另外，在設(shè)置預(yù)先保存由醫(yī)用觀察裝置所拍攝的管腔內(nèi)圖像的圖像數(shù)據(jù)的服務(wù)器的情況下，圖像取得部11由與服務(wù)器連接的通信裝置等構(gòu)成，并與該服務(wù)器 進(jìn)行數(shù)據(jù)通信來(lái)取得管腔內(nèi)圖像的圖像數(shù)據(jù)?；蛘?，還可以由經(jīng)由電纜從內(nèi)窺鏡等醫(yī)用觀察裝置輸入圖像信號(hào)的接口裝置等構(gòu)成圖像取得部11。輸入部12通過(guò)例如鍵盤、鼠標(biāo)、觸摸面板及各種開(kāi)關(guān)等來(lái)實(shí)現(xiàn)，其將從外部接收到的輸入信號(hào)輸出到控制部10。顯示部13由IXD或EL顯示器等顯示裝置來(lái)實(shí)現(xiàn)。記錄部14由可更新記錄的閃存等ROM或RAM這樣的各種IC存儲(chǔ)器、內(nèi)置或者外裝的硬盤、或CD-ROM等信息記錄介質(zhì)及其讀取裝置等來(lái)實(shí)現(xiàn)。記錄部14除了存儲(chǔ)由圖像取得部11所取得的管腔內(nèi)圖像的圖像數(shù)據(jù)以外，還存儲(chǔ)用于使圖像處理裝置I動(dòng)作并使該圖像處理裝置I執(zhí)行各種功能的程序、以及在該程序的執(zhí)行中使用的數(shù)據(jù)等。例如，記錄部14存儲(chǔ)對(duì)殘?jiān)鼌^(qū)域和粘膜區(qū)域相互進(jìn)行區(qū)域分割的圖像處理程序141。運(yùn)算部15由CPU等硬件來(lái)實(shí)現(xiàn)，通過(guò)讀入圖像處理程序141，進(jìn)行用于處理管腔內(nèi)圖像的圖像數(shù)據(jù)，識(shí)別殘?jiān)鼌^(qū)域和粘膜區(qū)域并進(jìn)行區(qū)域分割的各種運(yùn)算處理。運(yùn)算部15具有概率值計(jì)算部16、加權(quán)邊緣強(qiáng)度計(jì)算部17、能量函數(shù)制成部18和區(qū)域分割部19。概率值計(jì)算部16根據(jù)包含在管腔內(nèi)圖像中的像素的顏色特征量，分別計(jì)算各像素屬于該圖像內(nèi)的殘?jiān)鼌^(qū)域的概率和屬于粘膜區(qū)域的概率。更詳細(xì)地說(shuō)，概率值計(jì)算部16具有分布估計(jì)部161，該分布估計(jì)部161根據(jù)像素的顏色特征量，估計(jì)屬于殘?jiān)鼌^(qū)域的像素的顏色特征量的分布、和屬于粘膜區(qū)域的像素的顏色特征量的分布，概率值計(jì)算部161根據(jù)估計(jì)出的兩個(gè)顏色特征量的分布(頻度)，計(jì)算各像素分別屬于殘?jiān)鼌^(qū)域和粘膜區(qū)域的概率。加權(quán)邊緣強(qiáng)度計(jì)算部17根據(jù)包含在管腔內(nèi)圖像中的像素和與該像素相鄰的像素(相鄰像素)的像素值和顏色特征量，計(jì)算相互鄰接的像素之間的加權(quán)邊緣強(qiáng)度。更詳細(xì)地說(shuō)，加權(quán)邊緣強(qiáng)度計(jì)算部17具有邊緣強(qiáng)度計(jì)算部171，其根據(jù)包含在管腔內(nèi)圖像中的像素及其相鄰像素的像素值計(jì)算邊緣強(qiáng)度；以及權(quán)重計(jì)算部172，其根據(jù)包含在該管腔內(nèi)圖像中的像素及其相鄰像素的顏色特征量，計(jì)算賦予給計(jì)算出的邊緣強(qiáng)度的權(quán)重。權(quán)重計(jì)算部172包含分布估計(jì)部172a，其根據(jù)包含在管腔內(nèi)圖像中的像素的顏色特征量，估計(jì)屬于殘?jiān)鼌^(qū)域的像素的顏色特征量的分布和屬于粘膜區(qū)域的像素的顏色特征量的分布；邊界檢測(cè)部172b，其檢測(cè)殘?jiān)鼌^(qū)域和粘膜區(qū)域的顏色特征量的分布的邊界；以及權(quán)重分布設(shè)定部172c，其設(shè)定使得權(quán)重的值在該分布的邊界處最大的權(quán)重分布，權(quán)重計(jì)算部172設(shè)定與所設(shè)定的權(quán)重分布對(duì)應(yīng)的函數(shù)作為權(quán)重函數(shù)。能量函數(shù)制成部18使用管腔內(nèi)圖像100內(nèi)的各像素分別屬于殘?jiān)鼌^(qū)域和粘膜區(qū)域的概率、和各像素與其相鄰像素之間的加權(quán)邊緣強(qiáng)度，制成利用各像素屬于哪一個(gè)區(qū)域的區(qū)域判別結(jié)果來(lái)表示的能量函數(shù)。更詳細(xì)地說(shuō)，能量函數(shù)制成部18具有第一能量函數(shù)制成部181，其制成基于對(duì)各像素計(jì)算出的概率的第一能量函數(shù)；以及第二能量函數(shù)制成部182，其制成基于相鄰像素之間的加權(quán)邊緣強(qiáng)度的第二能量函數(shù)，能量函數(shù)制成部18將這些第一和第二能量函數(shù)的和設(shè)定為能量函數(shù)。區(qū)域分割部19計(jì)算使上述能量函數(shù)最小化的區(qū)域判別結(jié)果，并將該管腔內(nèi)圖像分割為殘?jiān)鼌^(qū)域和粘膜區(qū)域。接著，參照?qǐng)D2和圖3來(lái)說(shuō)明圖像處理裝置I的動(dòng)作。圖2是示出圖像處理裝置I的動(dòng)作的流程圖。此外，圖3是示出由膠囊內(nèi)窺鏡拍攝、并由圖像處理裝置I處理的管腔 內(nèi)圖像的一例的不意圖。首先，在步驟SlO中，運(yùn)算部15從記錄部14取得處理對(duì)象的管腔內(nèi)圖像100。以下，作為一例，說(shuō)明針對(duì)圖3所示的管腔內(nèi)圖像100的處理。管腔內(nèi)圖像100包含殘?jiān)鼌^(qū)域101和粘膜區(qū)域102。另外，管腔內(nèi)圖像100的四角不包含與被檢體相關(guān)的有效信息，因此被預(yù)先遮蔽。在步驟Sll中，概率值計(jì)算部16根據(jù)包含在管腔內(nèi)圖像100中的像素的顏色特征量，計(jì)算管腔內(nèi)圖像100內(nèi)的各像素分別屬于殘?jiān)鼌^(qū)域和粘膜區(qū)域的概率。在實(shí)施方式I中，使用色調(diào)值作為顏色特征量。圖4是示出步驟Sll中的概率值計(jì)算部16的詳細(xì)動(dòng)作的流程圖。在步驟SllO中，概率值計(jì)算部16將管腔內(nèi)圖像100內(nèi)的各像素的RGB值轉(zhuǎn)換為色調(diào)值。作為向色調(diào)值的轉(zhuǎn)換方法，使用HSI轉(zhuǎn)換中的公知的轉(zhuǎn)換式即可(參考=CG-ARTS協(xié)會(huì)“數(shù)字圖像處理”，參照第64 67頁(yè))。在接下來(lái)的步驟Slll中，概率值計(jì)算部16根據(jù)各像素的色調(diào)值，生成將RGB值投影到由色調(diào)單軸構(gòu)成的特征空間(色調(diào)空間)的色調(diào)分布。圖5A是示出這樣生成的色調(diào)分布的直方圖。此處，通常殘?jiān)饕憩F(xiàn)為黃色，粘膜主要表現(xiàn)為紅色，因此在管腔內(nèi)圖像100內(nèi)存在殘?jiān)鼌^(qū)域101和粘膜區(qū)域102兩者的情況下，色調(diào)分布Dtot變?yōu)榫哂信c殘?jiān)闹行纳{(diào)Hy和粘膜的中心色調(diào)Hk對(duì)應(yīng)的兩個(gè)峰值(峰值I和峰值2)的雙峰形狀的可能性聞。在步驟SI 12中，分布估計(jì)部161通過(guò)將由兩個(gè)正態(tài)分布構(gòu)成的混合正態(tài)分布應(yīng)用到色調(diào)分布Dtot，來(lái)估計(jì)屬于殘?jiān)鼌^(qū)域101的像素的色調(diào)分布和屬于粘膜區(qū)域102的像素的色調(diào)分布。混合正態(tài)分布例如能夠使用EM算法等公知方法求出。所謂EM算法，是如下的運(yùn)算方法通過(guò)重復(fù)基于某個(gè)參數(shù)的模型的似然度的期望值的計(jì)算、和對(duì)計(jì)算出的期望值進(jìn)行最大化的參數(shù)的計(jì)算來(lái)估計(jì)參數(shù)。圖5B示出針對(duì)色調(diào)分布Dtqt估計(jì)出的各區(qū)域的色調(diào)分布(以下稱作估計(jì)分布)。其中，以色調(diào)值Hy’(Hy’ ^Hy)為平均的估計(jì)分布Dltes是被估計(jì)為屬于殘?jiān)鼌^(qū)域101的像素的色調(diào)分布。另一方面，以色調(diào)值H/(Hr’ ^Hr)為平均的估計(jì)分WDfa是被估計(jì)為屬于粘膜區(qū)域102的像素的色調(diào)分布。分布估計(jì)部161將這些估計(jì)分布Dk6s和Dfa記錄到記錄部14中。接著，概率值計(jì)算部16針對(duì)包含在管腔內(nèi)圖像100中的各像素，執(zhí)行循環(huán)A的處理。首先，在步驟S113中，概率值計(jì)算部16取得與各像素的色調(diào)值對(duì)應(yīng)的兩個(gè)估計(jì)分布DEes和Dfa中的頻度值。在接下來(lái)的步驟SI 14中，概率值計(jì)算部16根據(jù)所取得的頻度值的比率，計(jì)算各像素分別屬于殘?jiān)鼌^(qū)域101和粘膜區(qū)域102的概率。例如，在具有色調(diào)值Hu的像素u(u是識(shí)別各像素的索引)的情況下，估計(jì)分布Dltes中的頻度值為Zltes，估計(jì)分布Dfal中的頻度值為zMm。由此，像素u屬于殘?jiān)鼌^(qū)域101的概率Pu(Res)和屬于粘膜區(qū)域102的概率Pu(Mem)分別通過(guò)下式(I)和(2)給出。Pu(Res) = zEes/(zMem+zEes) (I)Pu(Mem) = zMem/ (zMem+zEes) (2) 在概率值計(jì)算部16針對(duì)管腔內(nèi)圖像100內(nèi)的所有像素執(zhí)行循環(huán)A的處理后，動(dòng)作返回主例程。在圖2的步驟S12中，加權(quán)邊緣強(qiáng)度計(jì)算部17根據(jù)管腔內(nèi)圖像100內(nèi)的各像素的像素值和顏色特征量，計(jì)算相互鄰接的像素之間(相鄰像素之間)的加權(quán)邊緣強(qiáng)度。此處，對(duì)相鄰像素之間的邊緣強(qiáng)度賦予權(quán)重的理由如下。即，在利用一般的索貝爾濾波器等計(jì)算邊緣強(qiáng)度的情況下，除了殘?jiān)鼌^(qū)域101和粘膜區(qū)域102的邊界(以下稱作殘?jiān)吔?103以外，表示粘膜間的槽104等的邊緣也被以較高的強(qiáng)度檢測(cè)出。因此，殘?jiān)吔?03的邊緣強(qiáng)度相對(duì)變?nèi)?，從而不能適當(dāng)檢測(cè)出殘?jiān)吔?03。因此，在本實(shí)施方式中，通過(guò)著眼于殘?jiān)鼌^(qū)域101和粘膜區(qū)域102的顏色差異，根據(jù)顏色特征量(在實(shí)施方式I中為色調(diào))對(duì)邊緣強(qiáng)度進(jìn)行加權(quán)，將表示殘?jiān)吔?03的邊緣設(shè)為比其他邊緣高的值來(lái)進(jìn)行強(qiáng)調(diào)。圖6是示出步驟S12中的加權(quán)邊緣強(qiáng)度計(jì)算部17的詳細(xì)動(dòng)作的流程圖。在步驟S120中，分布估計(jì)部172a根據(jù)管腔內(nèi)圖像100內(nèi)的像素的色調(diào)值，取得被估計(jì)為包含在殘?jiān)鼌^(qū)域101中的像素的色調(diào)分布、和被估計(jì)為包含在粘膜區(qū)域102中的像素的色調(diào)分布。在本實(shí)施方式中，已經(jīng)通過(guò)概率值計(jì)算部16進(jìn)行了估計(jì)處理，因此分布估計(jì)部172a從記錄部14取得已估計(jì)出的色調(diào)分布(即，圖5B所示的估計(jì)分布Dsfen^P DKes)。另外，在還沒(méi)有通過(guò)概率值計(jì)算部16進(jìn)行估計(jì)處理的情況下，分布估計(jì)部172a也可以通過(guò)與圖4的步驟SllO S112同樣的處理，估計(jì)殘?jiān)鼌^(qū)域101和粘膜區(qū)域102中的色調(diào)分布。在步驟S121中，邊界檢測(cè)部172b檢測(cè)頻度值在估計(jì)分布Dsfen^P Dltes中變?yōu)橄嗤潭鹊倪吔?以下稱作色調(diào)邊界)B0R(圖7)。這是因?yàn)?，?shí)際的圖像空間中的殘?jiān)吔?03的色調(diào)值變?yōu)榕c色調(diào)邊界BOR處的色調(diào)值Hmk相近的值的可能性高。另外，在將色調(diào)值Hbot作為閾值來(lái)將圖像空間分割為殘?jiān)鼌^(qū)域101和粘膜區(qū)域102的情況下，兩者的邊界不一定必須與實(shí)際的殘?jiān)吔?03 —致。在步驟S122中，權(quán)重分布設(shè)定部172c制成使得色調(diào)邊界BOR處的值最大的權(quán)重分布Dw,并將與該權(quán)重分布Dw對(duì)應(yīng)的函數(shù)設(shè)定為權(quán)重函數(shù)fw。如果權(quán)重分布Dw是在色調(diào)邊界BOR處取最大值、并且值(至少2值)根據(jù)在色調(diào)空間中的距色調(diào)邊界BOR的距離而變化的分布，則可以是任何分布。例如，可以是以色調(diào)值Hmk為平均的正態(tài)分布，可以是在色調(diào)邊界BOR處成為最大值的階段狀的分布，還可以是在色調(diào)邊界BOR處成為峰值的三角形狀的分布。在實(shí)施方式I中，如圖7所示，制成以色調(diào)值Hrai為平均的正態(tài)分布作為權(quán)重分布Dwo此時(shí)，關(guān)于權(quán)重分布Dw的方差，通過(guò)應(yīng)用估計(jì)分布Dltes和Dfal的方差的平均值等，根據(jù)估計(jì)分布Dltes和Dfa的方差來(lái)計(jì)算即可?；蛘?，也可以預(yù)先將任意的值決定為權(quán)重分布Dw的方差。此外，權(quán)重分布Dw可以是關(guān)于色調(diào)邊界BOR對(duì)稱的形狀、也可以是不對(duì)稱的形狀。在后者的情況下，例如制成如下那樣的分布以色調(diào)邊界BOR為邊界，在估計(jì)分布Dltes側(cè)，是平均值為色調(diào)值Hm，并且具有與估計(jì)分布Dltes的方差相等的方差的正態(tài)分布，在估計(jì)分布Dsieffl偵彳，是平均值為色調(diào)值Hm，并且具有與估計(jì)分布Dfa的方差相等的方差的正態(tài)分布?；蛘?，權(quán)重分布設(shè)定部172c也可以替代設(shè)定權(quán)重函數(shù)fw，而制成將色調(diào)值和權(quán)重對(duì)應(yīng)起來(lái)的數(shù)據(jù)表。
接著，加權(quán)邊緣強(qiáng)度計(jì)算部17針對(duì)包含在管腔內(nèi)圖像100中的各像素，執(zhí)行循環(huán)B的處理。首先，在步驟S123中，邊緣強(qiáng)度計(jì)算部171計(jì)算管腔內(nèi)圖像100內(nèi)的像素u與其相鄰像素V之間的R值的差分Diff (u，V) (V是識(shí)別相鄰像素的索引)。此處，計(jì)算R值的差分是因?yàn)?，殘?jiān)鼌^(qū)域101和粘膜區(qū)域102對(duì)于與R值對(duì)應(yīng)的波長(zhǎng)具有相互不同的吸光度，因此R值容易表現(xiàn)出這些區(qū)域的差異。在接下來(lái)的步驟S124中，邊緣強(qiáng)度計(jì)算部171計(jì)算像素u的色調(diào)值Hu與其相鄰像素V的色調(diào)值Hv的平均值Have。平均值Have通過(guò)式Have = (Hu+Hv) /2給出。在步驟S125中，權(quán)重計(jì)算部172根據(jù)權(quán)重函數(shù)fw計(jì)算與平均值Have對(duì)應(yīng)的權(quán)重Ku, V)，并使用該權(quán)重W(u，v)和差分Diff(u，V)，計(jì)算通過(guò)下式(3)給出的加權(quán)邊緣強(qiáng)度Edge (u, v) oEdge (U，v) = W(u, v) XDiff (u, v) (3)另外，在步驟S122中制成了數(shù)據(jù)表的情況下，權(quán)重計(jì)算部172也可以從該數(shù)據(jù)表提取權(quán)重W (U，V)。在加權(quán)邊緣強(qiáng)度計(jì)算部17針對(duì)管腔內(nèi)圖像100內(nèi)的所有像素執(zhí)行了循環(huán)B的處理后，動(dòng)作返回主例程。在圖2的步驟S13中，能量函數(shù)制成部18根據(jù)在步驟Sll中計(jì)算出的概率Pu(Res)和Pu(Mem)、以及在步驟S12中計(jì)算出的加權(quán)邊緣強(qiáng)度Edge (u，v)，制成能量函數(shù)E (X)。此處，能量函數(shù)E(X)是以針對(duì)管腔內(nèi)圖像100內(nèi)的所有像素的類別判別結(jié)果X為變量的函數(shù)。類別判別結(jié)果X表示判別各像素屬于殘?jiān)鼌^(qū)域101和粘膜區(qū)域102內(nèi)的哪一個(gè)的結(jié)果，在將管腔內(nèi)圖像100內(nèi)的像素?cái)?shù)設(shè)為n個(gè)的情況下，存在2"種組合。如下式(4)所示，能量函數(shù)E(X)用根據(jù)各像素包含在各區(qū)域中的概率計(jì)算出的第一能量函數(shù)El (X)、和根據(jù)各像素的加權(quán)邊緣強(qiáng)度計(jì)算出的第二能量函數(shù)E2 (X)的總和來(lái)表不。E(X) = a El (X)+B E2 ⑴(4)在式⑷中，a和B是任意的系數(shù)(常數(shù))。第一能量函數(shù)El (X)通過(guò)下式(5)給出。El(X) = ^I-ln(Pu (Xu))}
咖(5)
在式(5)的右邊，Xu表示針對(duì)像素u的類別判別結(jié)果，Pu(Xu)表示像素u為類別Xu的概率，U表示管腔內(nèi)圖像100內(nèi)的所有像素的集合。例如，在判別為像素u屬于殘?jiān)鼌^(qū)域101的情況下，Pu(Xu)與Pu(Res)相等。相反，在判別為像素u屬于粘膜區(qū)域102的情況下，Pu(Xu)與Pu(Mem)相等。由此，在判別為像素u屬于準(zhǔn)確度更高的區(qū)域時(shí)，式(5)的要素{-In(Pu(Xu)M變小。此處，準(zhǔn)確度更高的區(qū)域是指在概率Pu(Mem)、Pu(Res)中值大的一方的區(qū)域。因此，屬于準(zhǔn)確度更高的區(qū)域的像素?cái)?shù)越多，第一能量函數(shù)El (X)的總值越小。另一方面，第二能量函數(shù)E2 (X)通過(guò)下式(6)給出。
權(quán)利要求
1.ー種圖像處理裝置，其將圖像分割為多個(gè)區(qū)域，其中，該圖像處理裝置具有 概率值計(jì)算部，其根據(jù)包含在所述圖像中的像素的顔色特征量，計(jì)算所述像素屬于所述多個(gè)區(qū)域中的各個(gè)的概率； 加權(quán)邊緣強(qiáng)度計(jì)算部，其根據(jù)包含在所述圖像中的像素以及與該像素相鄰的像素的像素值和顏色特征量，計(jì)算相鄰像素之間的加權(quán)邊緣強(qiáng)度； 能量函數(shù)制成部，其使用所述概率和所述加權(quán)邊緣強(qiáng)度，制成將所述像素的區(qū)域判別結(jié)果作為變量的能量函數(shù)；以及 區(qū)域分割部，其根據(jù)所述能量函數(shù)，將該圖像分割為所述多個(gè)區(qū)域。
2.根據(jù)權(quán)利要求I所述的圖像處理裝置，其中， 所述概率值計(jì)算部具有分布估計(jì)部，該分布估計(jì)部根據(jù)包含在所述圖像中的像素的顏色特征量，計(jì)算屬于所述多個(gè)區(qū)域中的各個(gè)的像素的顔色特征量分布， 所述概率值計(jì)算部根據(jù)與所述多個(gè)區(qū)域?qū)?yīng)的多個(gè)所述顔色特征量分布的頻度計(jì)算所述概率。
3.根據(jù)權(quán)利要求2所述的圖像處理裝置，其中，所述分布估計(jì)部通過(guò)對(duì)包含在所述圖像中的像素的顔色特征量分布應(yīng)用混合正態(tài)分布，來(lái)估計(jì)所述多個(gè)顏色特征量分布。
4.根據(jù)權(quán)利要求I所述的圖像處理裝置，其中， 所述加權(quán)邊緣強(qiáng)度計(jì)算部具有 邊緣強(qiáng)度計(jì)算部，其根據(jù)包含在所述圖像中的像素以及與該像素相鄰的像素的像素值，計(jì)算相鄰像素之間的邊緣強(qiáng)度；以及 權(quán)重計(jì)算部，其根據(jù)包含在所述圖像中的像素以及與該像素相鄰的像素的顔色特征量，計(jì)算賦予給所述相鄰像素之間的邊緣強(qiáng)度的權(quán)重。
5.根據(jù)權(quán)利要求4所述的圖像處理裝置，其中，所述權(quán)重計(jì)算部根據(jù)包含在所述圖像中的像素的顔色特征量分布，制成表示該顏色特征量與所述權(quán)重的關(guān)系的權(quán)重函數(shù)，并使用所述權(quán)重函數(shù)計(jì)算所述權(quán)重。
6.根據(jù)權(quán)利要求5所述的圖像處理裝置，其中， 所述權(quán)重計(jì)算部具有 分布估計(jì)部，其根據(jù)包含在所述圖像中的像素的顔色特征量，計(jì)算屬于所述多個(gè)區(qū)域中的各個(gè)的像素的顔色特征量分布； 邊界檢測(cè)部，其檢測(cè)與所述多個(gè)區(qū)域?qū)?yīng)的多個(gè)所述顔色特征量分布中的相互鄰接的分布之間的邊界；以及 權(quán)重分布設(shè)定部，其設(shè)定使得在所述邊界處值最大的權(quán)重分布， 所述權(quán)重計(jì)算部將與所述權(quán)重分布對(duì)應(yīng)的函數(shù)設(shè)為權(quán)重函數(shù)。
7.根據(jù)權(quán)利要求6所述的圖像處理裝置，其中，所述權(quán)重分布設(shè)定部設(shè)定將所述邊界處的顏色特征量作為平均值的正態(tài)分布，作為所述權(quán)重分布。
8.根據(jù)權(quán)利要求6所述的圖像處理裝置，其中，所述權(quán)重分布設(shè)定部設(shè)定關(guān)于所述邊界不對(duì)稱的分布，作為所述權(quán)重分布。
9.根據(jù)權(quán)利要求4所述的圖像處理裝置，其中，所述權(quán)重計(jì)算部根據(jù)預(yù)先制成的表示顔色特征量與所述權(quán)重之間的關(guān)系的數(shù)據(jù)表，來(lái)計(jì)算所述權(quán)重。
10.根據(jù)權(quán)利要求4所述的圖像處理裝置，其中，所述加權(quán)邊緣強(qiáng)度計(jì)算部還具有 強(qiáng)邊緣區(qū)域檢測(cè)部，其根據(jù)包含在所述圖像中的像素的像素值，檢測(cè)由邊緣強(qiáng)度比預(yù)定閾值高的像素組構(gòu)成的強(qiáng)邊緣區(qū)域；以及 權(quán)重再計(jì)算部，其根據(jù)由所述權(quán)重計(jì)算部計(jì)算出的權(quán)重中的賦予給包含在所述強(qiáng)邊緣區(qū)域中的相鄰像素之間的邊緣強(qiáng)度的權(quán)重，重新計(jì)算賦予給該強(qiáng)邊緣區(qū)域內(nèi)的相鄰像素之間的邊緣強(qiáng)度的權(quán)重。
11.根據(jù)權(quán)利要求10所述的圖像處理裝置，其中， 所述強(qiáng)邊緣區(qū)域檢測(cè)部具有 邊緣強(qiáng)度圖像制成部，其根據(jù)所述相鄰像素之間的邊緣強(qiáng)度制成邊緣強(qiáng)度圖像；強(qiáng)邊緣像素檢測(cè)部，其從所述邊緣強(qiáng)度圖像中檢測(cè)邊緣強(qiáng)度比預(yù)定閾值高的像素即強(qiáng)邊緣像素；以及標(biāo)示部，其通過(guò)對(duì)所述強(qiáng)邊緣像素實(shí)施標(biāo)示處理，將相互接近的所述強(qiáng)邊緣像素彼此接合起來(lái)。
12.根據(jù)權(quán)利要求10所述的圖像處理裝置，其中，所述權(quán)重再計(jì)算部從賦予給包含在所述強(qiáng)邊緣區(qū)域中的相鄰像素之間的邊緣強(qiáng)度的權(quán)重中計(jì)算出最大值，并將該最大值設(shè)為賦予給包含在該強(qiáng)邊緣區(qū)域中的所有相鄰像素之間的邊緣強(qiáng)度的權(quán)重。
13.根據(jù)權(quán)利要求I所述的圖像處理裝置，其中， 所述能量函數(shù)是在包含在所述圖像中的像素屬于準(zhǔn)確度最高的區(qū)域時(shí)為最小的函數(shù)， 所述區(qū)域分割部通過(guò)使所述能量函數(shù)最小化，來(lái)對(duì)所述圖像進(jìn)行分割。
14.根據(jù)權(quán)利要求I所述的圖像處理裝置，其中， 所述能量函數(shù)制成部具有 第一能量函數(shù)制成部，其制成屬于所述多個(gè)區(qū)域內(nèi)的準(zhǔn)確度最高的區(qū)域的像素越多則值越小的第一能量函數(shù)；以及 第二能量函數(shù)制成部，其制成被判別為存在所述多個(gè)區(qū)域相互的邊界的相鄰像素之間的所述加權(quán)邊緣強(qiáng)度越高則值越小的第二能量函數(shù)。
15.根據(jù)權(quán)利要求I所述的圖像處理裝置，其中，所述顏色特征量為色調(diào)。
16.根據(jù)權(quán)利要求I所述的圖像處理裝置，其中，所述多個(gè)區(qū)域包含存在特定檢測(cè)對(duì)象的特定區(qū)域、和不存在所述特定檢測(cè)對(duì)象的非特定區(qū)域。
17.根據(jù)權(quán)利要求16所述的圖像處理裝置，其中，所述圖像為拍攝被檢體的體內(nèi)而得到的管腔內(nèi)圖像。
18.根據(jù)權(quán)利要求17所述的圖像處理裝置，其中，所述特定區(qū)域是在所述管腔內(nèi)圖像中與粘膜對(duì)應(yīng)的區(qū)域。
19.ー種圖像處理方法，由將圖像分割為多個(gè)區(qū)域的圖像處理裝置進(jìn)行，該圖像處理方法包含 概率值計(jì)算步驟，根據(jù)包含在所述圖像中的像素的顔色特征量，計(jì)算所述像素屬于所述多個(gè)區(qū)域的各個(gè)的概率； 加權(quán)邊緣強(qiáng)度計(jì)算步驟，根據(jù)包含在所述圖像中的像素以及與該像素相鄰的像素的像素值以及顔色特征量，計(jì)算相鄰像素之間的加權(quán)邊緣強(qiáng)度； 能量函數(shù)制成步驟，使用所述概率和所述加權(quán)邊緣強(qiáng)度，制成將所述像素的區(qū)域判別結(jié)果作為變量的能量函數(shù)；以及 區(qū)域分割步驟，根據(jù)所述能量函數(shù)，將該圖像分割為所述多個(gè)區(qū)域。
全文摘要
本發(fā)明提供一種圖像處理裝置和一種圖像處理方法。圖像處理裝置具有概率值計(jì)算部，其根據(jù)包含在圖像中的像素的顏色特征量，計(jì)算該像素分別屬于特定區(qū)域和非特定區(qū)域的概率；加權(quán)邊緣強(qiáng)度計(jì)算部，其根據(jù)包含在圖像中的像素以及與該像素相鄰的像素的像素值以及顏色特征量，計(jì)算相鄰像素之間的加權(quán)邊緣強(qiáng)度；能量函數(shù)制成部，其使用上述概率以及上述加權(quán)邊緣強(qiáng)度，制成利用像素的區(qū)域判別結(jié)果表示的能量函數(shù)；以及區(qū)域分割部，其根據(jù)該能量函數(shù)，將該圖像分割為多個(gè)區(qū)域。
文檔編號(hào)G06T7/00GK102737374SQ20121006694
公開(kāi)日2012年10月17日 申請(qǐng)日期2012年3月14日 優(yōu)先權(quán)日2011年3月16日
發(fā)明者北村誠(chéng), 弘田昌士, 松田岳博, 河野隆志, 神田大和 申請(qǐng)人:奧林巴斯株式會(huì)社