JPS5811562B2 - イロブンカイソウチ - Google Patents

Description

【発明の詳細な説明】 本発明はあいまいさを含む色彩情報の識別装置に関する
もので色彩パターンの統計的性質の特徴抽出手段の改良
とこれを利用した実用的な色認識処理装置を提供するこ
とを目的とする。

従来印刷・染色・カラー写真などの色彩パターンからの
測色データを分析し、色分離カラーマツチングなどの処
理を行う場合には、たとえば色見本（標準色）との比較
が行われる。

この場合基準となる色見本と被検定サンプルとの類似性
を、分光スペクトル分布を相互に比較するかあるいは色
度図上での色差によって比較するなどの方法で求め、い
ずれの色見本に最も近いかが判定される。

具体的にはＲ（赤）、Ｇ（緑）、Ｂ（青）の３色分解系
などがよく用いられることは周知の通りである。

第１図はそのような色分離システムの一例である。

１００は被検定サンプルであり、照射光学系１０１によ
って照らされた画面上の光点からの反射光線を読み取り
光学系１０２によって色分離用干渉フィルター１０３に
導き、Ｒ，Ｇ、Ｂ３原色成分に分解して、それぞれの光
電変換素子１０４へ入射させる。

電気信号に変換されたＲ、Ｇ、Ｂ信号は増幅器１０５と
ゲイン調整器１０６を経て比較判別回路１０７の一方の
入力となる。

他方分離すべき基準となる色見本のＲ，Ｇ、Ｂ値に相当
する信号が色見本信号発生器１０８で作られ比較判別回
路１０７に加えられる。

ゲイン調整器１０６および色見本信号発生器１０８はそ
れぞれ適切な値に調整される。

比較判別回路１０７はゲイン調整器１０６からの入力を
色見本信号発生器１０８の基準値と比較して、その誤差
があるレベル以下になるとき、被検定色は色見本に一致
したと判別して端子１０９に出力信号をだす。

この場合、提示されるサンプルがたとえば経験的に調合
された染料サンプル、絵具で描かれた図案パターンなど
の場合には明度・色相・彩度いずれにおいても塗りむら
、重色部分、材質の不均一性などのあいまいさが含まれ
るので誤判別を生じやすい。

そこで判別のために色見本からのずれ（偏差）をどの程
度まで許容するかということが問題となるが、第１図の
ような例では、あらかじめ色見本について、たとえばＲ
，Ｇ、Ｂの値を測定しこれを基準値として一旦記憶させ
ておく。

つぎにこの基準値に対して適量のあいまい域を設定し、
被検定色のＲ９Ｇ、Ｂデータの組がこのあいまい域内に
含まれる場合にはこれをその色見本のクラスとして判別
する。

ところが通常このあいまい域の設定はほとんど経験的に
行われており、提示される色彩パターンの質および分光
特性の偏りの程度を人間が判断してその都度設定値を変
更していた。

このため操作が難しくかつ汎用性に欠けるなどの欠点が
あり、また識別能力も不十分であった。

従来の方式による第２の問題点は提示される色彩パター
ンについての統計的な性質が知られていないことである
。

たとえば多色の印刷パターン、デザイン図などの場合に
は、使用される色調と各色がパターンの中で占める割合
は、一つ一つの図案ごとに全く異なりこれを先験的に知
ることは容易でないからである。

このため従来、色彩パターンの統計的・確率的な性質を
積極的に利用した色認識装置あるいは色分解装置として
実用に供し得るものは残念ながら開発されていない。

統計的・確率的な認識手法を用いると誤識別の危険性を
最小限に抑えることが可能であり、装置の性能を向上す
ることが期待できる。

この場合よい識別を行うためには少くともつぎの２つの
変量が測定されなければならない。

その一つは提示された色彩パターンの中で色見本（標準
色）に該当する色がどのような割合で発生するかという
色のクラスの先験的生起確率である。

いま一つは識別しようとする測定点の色の観測値がある
色見本に属することがわかっているという条件の下で、
どれ位のばなつきを示すかという観測値の条件付確率分
布関数である。

この二つの量のうち、一般に後者の方は扱うべき色彩パ
ターンがある程度同品質（使用されている絵具、基材な
どの画材が限定されている）のときには色彩パターンの
内容（パターンの中で赤や青がどのような割合で使われ
ているかということや、パターンの形状）にはよらず、
どのパターンについてもほとんど普遍性があると考えて
差し支えないであろう。

したがって観測値に対する条件付確率分布関数は、あら
かじめ多数のサンプルについて測定しておけば求まるも
のであり、これを不偏推定量として実際の観測パターン
の識別に適用することができる。

ところが前者の量、すなわち出現色の先験的生起確率の
方は、提示されるパターンの内容によって当然具なる。

したがってあらかじめこの量を知るためには、測定点の
近傍もしくは画面の全体について、その都度前取ってそ
の生起分布を測定する必要がある。

しかしながら、通常の色分解装置に見られる光点走査方
式などでは実用的な装置としての具体化が困難でありか
つ処理速度は著るしく低下するであろう。

すなわち、注目する画面のある領域について前走査によ
って各測定点の色彩データを計測し、統計量として積算
されたデータを分析したのち、あらためて観測点の測色
データを識別関数によって判定せねばならないからであ
る。

本発明は、このよう女問題点を改良するもので、観測パ
ターン中に現われる出現色の先験的生起確率を即座に求
める手段を提供するものである。

この結果得られたデータはただちに観測点の色の識別に
利用することができる。

統計的な識別手法として、最もよく研究されているのは
統計的決定理論の分野である。

これは識別すべきクラス（カテゴリー）Ｃ１（ｉ＝１，
２゜・・・・・・、ｎ）について、Ｃ１に属するパター
ンが出現する確率を用いて、未知パターンがどのクラス
に属するかを“最適”に決定する方法である。

このような識別規則として １）Ｂａｙｅｓの識別規則 ２）ミニ・マックス識別規則 ３）Ｎｅｙｍａｎ−Ｐｅａｓｏｎ識別規則などが原理的
にすぐれた方法であることが知られている。

この場合、２）、３）の識別規則は、パターンクラスの
出現する先験的確率が未知である場合にも適用できるが
、原理的には１）と比較すれば識別能力は劣る。

すなわち、１）のＢａｙｅｓ識別規則が最も有効である
が、これを用いるためには、あらかじめパターンクラス
の出現確率が知られていなければならないという制約が
ある。

実際の認識処理過程では、このパターンクラスの先験的
出現確率は、当然実測によって標本サンプル値より推定
される訳である。

本発明においては観測される標本サンプル値は提示され
た色彩パターンの濃度色情報であるが、これはたとえば
第２図に示すような分光反射分布として与えられる。

この分光分布は光の波長λに対して連続的な分布関数で
あっても勿論よいが適当な波長間隔毎にサンプリングさ
れた離散値の組で十分である。

いま第３図のような多色の色彩図案を想定しよう。

この図案がＣ１、Ｃ２、・・・・・・、Ｃｎのｎ色の相
異なる色で描かれているとし、３００は使用されている
絵具の色見本である。

図案は人の手によって描かれているために塗りむらや重
色部分など不均一さを含んでいるが色見本はその平均的
な代表値（標準値）を示すものを添付しておく。

実際の画面中ではこれらＣ１〜Ｃｎに属する色が図案の
各部分で確率的に出現するのであるが、Ｃ１に属する色
が現われる確率をＰ（Ｃｉ）と表わすことにする。

そして色信号は第２図に示すような１個の波長λ１．λ
２．・・・・・・、λｒに対する分光反射率の組（ｘ１
、ｘ２、・・・・・・、ｘｒ）を要素とするｒ次元の分
光反射ベクトルｘとして観測されるものとしよう。

実際に観測される色信号ｘは塗りむらなどのためにバラ
ツキがありある平均値（すなわち色見本）のまわりに分
布する確率変数と考えなければならない。

そこでＣｉに属するｘの条件付確率密度関数をＰ（ｘｌ
ｃｉ）としよう。

す々わちＣｉに属する色信号の観測値はＰ（ｘｌｃｉ）
にしたがってＸの値が分布しているのである。

またクラスＣｉに属する色信号ベクトルをｘ（ｉ）とか
くことにする。

各ｘ（ｉ）はｒ次元のベクトル であり、ｘ（ｉ）の平均ペルトルを とあられそう。

この平均ベクトルすなわち標準の分光反射分布をもつも
のが色見本として添付されるのであり、実際の観測値ｘ
（ｉ）はこのμ（ｉ）のまわりに確率分布をしているの
である。

この様子は１個の標本波長点においてたとえば第４図の
ように描かれるであろう。

このような場合、任意の観測値ｘがどのクラスＣｉに属
するかをＢａｙｅｓの識別規則ではつぎのように決定す
るのである。

すなわち、観測される色信号の値がｘでありかつそれが
Ｃｉに属するという結合確率密度（ｘでかつＣｉに属す
る同時生起確率密度）をｐ（ｘ、Ｃｉ）とかけばベイズ
の定理より ｐ（ｘ、Ｃ１）＝Ｐ（Ｃｉ）ｐ（ｘｌｃｉ）（３）とな
る。

そこで観測される色信号ｘに対して Ｐ（Ｃｉ）ｐ（ｘｌｃｉ）をｉ＝１．２、・・・・・・
、ｎについて計算しこれが最大となるＣｉを見い出した
とする。

つまりｍａｘＰ（Ｃｉ）ｐ（ｘｌｃｉ）＝Ｐ（Ｃｋ）ｐ
（ｘｌｃｋ）（４）となるｉ＝ｋを求めたときｘはクラ
スＣｋに属する“可能性が最も高い”と考えてｘはＣｋ
に属するすなわちｘ〜Ｃｋと決定するのである。

このような識別法を適用すれば平均として誤りを最少限
に抑えられることが知られている。

さて、第３図に示すような実際の被検定パターンについ
ては上記Ｐ（Ｃｉ）は提示される図案ごとに異り予測す
ることが難かしい。

本発明は、この先験的出現確率Ｐ（Ｃｉ）を提示された
図案から簡単かつ迅速に求める手段を提供するものであ
る。

第３図のようなパターンについて言えば、もし図案がＣ
ｉの絵具で色分けされて塗られておれば、Ｃｉに属する
色信号の出現確率Ｐ（Ｃｉ）は平均として色見本Ｃｉと
等色で塗られた図形が全画面中に占める面積比に相当す
るであろう。

そこで画面全体を色分解系で走査して各Ｃｉに属する色
が占める割合を算定すれば、これはＰ（Ｃｉ）を求めた
ことになる。

しかしながら、このような走査とＰ（Ｃｉ）の算定手段
は現実にはなかなか容易なことではない。

第５図は、本発明の一実施例を図示したものである。

第５図において５００はｎ色からなる色彩画像、５０１
は観測点の局所的な色信号を抽出するための読取り光学
系、５０２は光学系５０１の抽出した光信号を色分離す
るだめの色分解用フィルタ一群、５０３は色分解用フィ
ルター５０２によって分解された光信号を電気信号に変
換するための光電変換素子群、５０４は増幅回路群、５
０５は光源系５０１によって抽出された観測点の光信号
を分光反射ベクトルへ変換する変換回路である。

一方５０６は色彩画像５００の全画面からの色信号を集
めるための集電用光学系、５０７，５０８゜５０９はそ
れぞれ５０２，５０３，５０４と同等の機能を有する色
分解フィルタ一群、光電変換素子群および増幅回路群で
ある。

さらに、５１０はマトリクス演算装置、５１１は記憶素
子群、５１２は色見本に関する基準色信号を加えるだめ
の入力端子群、５１３は色認識演算装置、５１４はマト
リクス演算装置５１０の出力信号線、５１５は多色図案
に関する統計的確率分布データの入力端子、５１６は変
換回路５０５の出力信号線、５１７は認識された色弁別
信号の出力端子である。

本実施例では、基本的に２つの色分解光学系が用いられ
ている。

第１の光学系５０１は観測点のみに注目した局所的な色
信号を読みとるためのものであり、第２の光学系は全画
面に注目した大局的な色信号を読みとるために付加され
ている。

本例では、第１の光学系５０１は画面上を所望の分解能
で点走査するごとく構成されているが、第２の光学系５
０６は静止系である。

５０１〜５０４で構成される第１の色分解系は一般にカ
ラースキャナとよばれる色分解装置に用いられるものと
原理的には全く同じものであるが、図案が相異なるｎ色
からなるときには、少くともｎ本の分光スペクトルに分
解するようにｎ組の色分解フィルタ一群が装備されてい
る点が異なる。

したがって、５０１〜５０４は目的とする観測点につい
て、波長λ１．λ２．・・・・・・、λｎに対するｎ本
の分光反射率ｘ１、ｘ２、・・・・・・、ｘｎを電気信
号として抽出し、変換回路５０５へ導く。

変換回路５０５はこの色信号ベクトルｘ＝（ｘ１、ｘ２
、・・・・・・。

ｘｎ）を数値演算が便利なようにたとえばゲイジタル化
した形で表現し出力線５１６へ出力する。

他方、５０６〜５０９で構成される第２の色分解系は光
学系５０６が画面全体にわたる光信号を受光するほかは
、上記第１の色分解系と同様の構成をもつ。

したがって５０６〜５０９は画面全体について波長λ１
．λ２．・・・・・・、λｎに対するｎ本の全分光反射
スペクトルＸ１、Ｘ２、・・・・・・、Ｘｎを電気信号
として計測しマトリクス演算装置５１０へ導く。

ここでつぎの関係が成り立つことが明らかであろう。

すなわち、Ｘ１は画面全体について、各観測点のｘ１を
積算したものに等しい筈であるからＸ１＝ｆｓｘ１ｄｓ
（５） ｓは面積積分をあられす。

Ｘ２〜Ｘｎについても同様に考えることができ、一般に Ｘｊ＝ｆｓｘｊｄｓ；ｊ＝１．２、・・・・・・、ｎ（
６）である。

さて、いま提示された多色図案について、色見本Ｃ１（
ｉ＝１．２、・・・・・・、ｎ）に属する色（絵具）が
使われている割合をＰ（Ｃｉ）とすれば、任意の観測点
の色信号ベクトルＸ中に、Ｃ１に相当する分光スペクト
ルが含まれる確率はＰ（Ｃｉ）であるから、観測値ｘｊ
は平均として なる色信号を含む筈である。

ここに、μ（ｉ）はクラスＣｉに属する色見本の分光反
射ベクトルすなわち平均ベクトルでありさきの（２）式
で与えられる。

ただしこの場合ｒ＝ｎであるから となる。

そこで（７）式のｘはやはりｎ次元のベクトルであり、
その要素をｘ１、ｘ２．・・・・・・、ｘｎとするとｘ
＝（ｘ１、ｘ２、・・・・・・、ｘｎ）（９）であり、
これらは画面全体について測定されたＸｉに比例する。

すなわち、観測値ｘを単位面積当りの分光反射値であら
れせば全面積をＳとして であり一般に となるからｘｊをＳで規格化して単位面積当りの換算値 であられせば、（７）、 （８）、 （９）式よりが得
られる。

行列で表現すると これよりＰ（Ｃ１）、Ｐ（Ｃ２）、・・・・・・、Ｐ（
Ｃｎ）は（１４）と求められる。

以上から、提示された図案に関するパターンクラスＣｉ
の先験的出現確率Ｐ（Ｃｉ）が、色見本についての分光
反射ベクトルμ（ｉ）と、第２の色分解系によって観測
された全画面に関する全分光反射ベクトルＸ＝（Ｘｌ、
Ｘ２、・・・・・・、Ｘｎ）とによって一意的に求めら
れることが示された。

ここで一意的にという意味は（１３）式のｎ組の連立方
程式が１次独立と考えてよいからである。

すなわち、色見本に関する分光反射ベクトル群の配列（
μ（ｉ））は正則であるという条件を満たすように選ん
でおけばよい。

を色見本の分光反射行列または平均分光 反射行列とよぶことにする。

ここで注意すべき点はＰ（Ｃｉ）が完全に定められるた
めにはｎ組の一次独立な連立方程式が必要であるから、
ｎ色の図案に対しては、少くともｎ個の波長についての
分光反射率を求めねばならないということである。

したがって色分解用のフィルタはｎ組準備しなければな
らない。

さて、第５図に戻ると、端子群５１２には色見本に関す
る分光反射率データが入力され、（μｊ（ｉ））に関す
る値があらかじめ記憶素子５１１に記憶される。

マトリクス演算装置５１０では、この記憶された（μｊ
（ｉ））の逆行列を観測に先立って計算しておき、つぎ
に増幅回路５０９より入力される全分光反射ベクトルＸ
の観測値によって、（１５）式の行列演算が行われる。

この演算の結果求められたＰ（Ｃｉ）は信号線５１４へ
送られる。

−勇者観測点に関する局所的な色信号データは変換回路
５０５より分光反射ベクトルｘとして色認識演算装置５
１３の他の入力端子５１６に導かれ、さらに端子５１５
にはあらかじめ測定された各クラスＣｉに関するｘの統
計的な確率分布データｐ（ｘｌｃｉ）が入力されている
。

色認識演算装置５１３はこれらのデータをもとに、刻々
観測されるｘについて、さきのＢａｙｅｓ識別法則（４
）式を計算し、Ｘが属するパターンクラスＣｋを決定シ
テ端子５１７へその結果を出力する。

もし特定のパターンクラスにのみ属する色信号ｘだけを
出力するように構成しておけば、各クラス毎に色分解さ
れた色分解画をうろことができる。

ｐ（ｘｌｃｉ）に関するデータは図案の内容には無関係
で、図案の描かれている基材の材質、絵具の種類、デザ
イナ−の塗りむらなどの精度、など主として画像の単位
エレメント（画素）に関する統計的なあいまいさによっ
て決定されるものである。

したがって多数の標本サンプルをもとに統計的手法によ
って事前に不偏推定を行うことが可能な量である。

これらは一旦測定されればほとんど固定的に用いること
ができる場合も多いので処理速度上の支障とはならない
。

第６図は第５図についての観測結果の説明を助ける意味
で図示したものである。

すなわち、第６図ａは、色見本に関する分光反射率（平
均ベクトル）の観測データで横軸は波長、縦軸は分光反
射率の振幅値をあられしている。

同すは、各クラス毎に全画面中に該当する色見本に属す
るパターンが出現する割合Ｐ（Ｃｉ）を掛は合わせたも
のを示している。

そしてｃは、各波長毎に、ｂ図を全クラスについて加算
したものを示し、たとえば波長λｊについて言えば をあられしている。

この図を前述の第５図の説明と対照してみれば、ｃ図は
全分光反射ベクトルＸに対応することが明らかであろう
。

ところで、第５図の実施例は、第２の光学系が画面全体
を覆うように構成されたが、これは、第７図のごとく観
測点を中心として部分領域のみを含むものでもよい。

７０１が第１の光学系、７０６が部分領域７０２の光信
号を集光する第２の光学系である。

光源７１３は所望の部分領域７０２のみをスポットライ
ト状に照らしている。

勿論この場合、全画面７００を均一に照射しておいて、
光学系７０６で部分領域７０２のみを集光するようにし
てもよい。

全画面７００についての平均的なＰ（Ｃｉ）を知りたい
場合には、この部分領域７０２の大きさで画面全体を粗
走査すればよい。

ただし、このときには、各部分領域毎の観測値Ｘを積算
するための積分器をマトリクス演算装置５１０の前段に
付加しなければならない。

領域７０２の大きさを適当に選ぶならば、全画面ではな
く、部分的にいま着目している観測点の近傍におけるＣ
ｉの先験的出現確率Ｐ（Ｃｉ）を知ることができるであ
ろう。

このようにすれば、もし提示された図案サイズが大きす
ぎる場合や、図案中の各クラスの色の現われ方が場所に
より著るしく偏っているときには、注目する領域内で、
より正確にＰ（ＣＬ）を予測することが期待される。

第８図は通常よく用いられるドラム走査式色分解装置に
本発明を適用した例であり、８０１が第１の光学系、８
０６が第２の光学系である。

また８１８は部分領域８０２を照射するように調整され
た光源を示している。

第２の光学系８０６と光源８１８は一体として副走査方
向に移動できるように構成されている。

第９図は、色分解系を共通に使用することにより経済化
を図る場合の例を示したものである。

すなわち、第１の光学系９０１と第２の光学系９０６だ
けを別個に用意しておき、色分解系９０７にこれらを切
り換えて接続するように構成する。

この場合提示された図案に対してまず第２の光学系９０
６を接続して画面全体を粗走査することによりＰ（Ｃｉ
）を決定するのに必要な情報を収集する。

つぎに光学系を第１の光源系９０１に切り換えて、観測
点に関する点走査を行い逐次色の識別を行おうとするも
のである。

さらに光学系自体も共通にして、第２の光学系として用
いるときには、たとえば中間レンズを焦点ボケとなるよ
うに移動して点走査から部分領域走査へと変換すること
も可能である。

以上の説明から理解されるように、画面の全面もしくは
部分領域に関する色信号を積算した形でとらえる第２の
色分解光学系を付加しこれによって得られた全分光反射
ベクトルと使用色の色見本に関する平均分光反射行列を
用いることによって、提示された色彩パターンのパター
ンクラスに関する先験的出現確率を即座に知ることがで
きる。

この結果、たとえばＢａｙｅｓの統計的な識別規則を容
易に適用しうろことに々す、あいまいさを含むパターン
の色認識の精度を向上することができる。

上記第２の光学系は、また従来の色分解装置を若干改造
するのみで容易に付加できるものである。

【図面の簡単な説明】

第１図は従来の色分解装置の構成図、第２図は光信号の
分光反射分布特性図、第３図は色彩画像説明図、第４図
は色彩画像および色見本からの光信号の分光反射分布特
性図、第５図は本発明による色分解装置の実施例を示す
構成図、第６図に本発明の詳細な説明するための光信号
分光分布特性図、第７図、第８図、第９図は本発明の他
の実施例の要部斜視図である。 ５００・・・・・・色彩画像、５０１，５０６・・・・
・・光学系、５０２，５０７・・・・・・色分解用フィ
ルター、５０３．５０８・・・・・・光電変換素子、５
０４，５０９・・・・・・増幅回路、５０５・・・・・
・変換回路、５７０・・・・・・マトリクス演算装置、
５１１・・・・・・記憶装置、５１３・・・・・・色認
識演算装置。

Claims (1)

1. 【特許請求の範囲】 １ 色彩画像の観測点に対応する局所に視野を有するよ
   う配され、画像面を走査可能な第１の光学系と、第１の
   光学系で抽出された光信号を複数の分光スペクトラムに
   分解する第１の色分解系と、色彩画像の全面または第１
   の光学系の観測点を含む部分領域に視野を有するよう配
   された第２の光学系と第２の光学系で抽出された光信号
   を複数の分光スペクトラムに分解する第２の色分解系と
   、前記色彩画像を構成する色の色見本の分光データを記
   憶させる記憶装置と、前記記憶装置の出力と前記第２の
   色分解系の出力との演算を行なう演算装置とを具備し、
   この演算装置の出力を用いて前記第１の色分解系の出力
   信号の色弁別を行なうことを特徴とする色分解装置。 ２ 色彩画像の観測点に対応する局所に視野を有するよ
   う配され画像面を走査可能な第１の光学系と、色彩画像
   の全面または第１の光学系の観測点を含む部分領域に視
   野を有するよう配された第２の光学系と、第１の光学系
   で抽出された光信号と第２の光学系で抽出された光信号
   とを選択的に切換えて受信し、受信した光信号を複数の
   分光スペクトラムに分解する第１の光学系と第２の光学
   系により共有された色分解系と、前記色彩画像を構成す
   る色の色見本の分光データを記憶させる記憶装置と、こ
   の記憶装置の出力と前記色分解系から得られた第２の光
   学系からの光信号に対応する分光スペクトラムとの演算
   を行なう演算装置とを具備し、前記演算装置の出力を用
   いて前記色分解系から得られる第１の光学系からの光信
   号に対応した出力の色弁別を行なうことを特徴とする色
   分解装置。