特開 2023-179311 染毛シミュレーションを実行するためのコンピュータプログラムとシミュレーション装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023179311

(43)【公開日】2023-12-19

(54)【発明の名称】染毛シミュレーションを実行するためのコンピュータプログラムとシミュレーション装置

(51)【国際特許分類】

   A45D 44/00 20060101AFI20231212BHJP

   G06T 1/00 20060101ALI20231212BHJP

   G06T 7/00 20170101ALI20231212BHJP

【ＦＩ】

A45D44/00 A

G06T1/00 340Z

G06T7/00 660Z

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2022092566

(22)【出願日】2022-06-07

(71)【出願人】

【識別番号】000113274

【氏名又は名称】ホーユー株式会社

(71)【出願人】

【識別番号】320005501

【氏名又は名称】株式会社電通

(74)【代理人】

【識別番号】110000110

【氏名又は名称】弁理士法人 快友国際特許事務所

(72)【発明者】

【氏名】川原 翔

(72)【発明者】

【氏名】今野 佳洋

(72)【発明者】

【氏名】住吉 美弥

(72)【発明者】

【氏名】伊藤 圭実

(72)【発明者】

【氏名】児玉 拓也

(72)【発明者】

【氏名】鈴木 初美

(72)【発明者】

【氏名】トゥメンバヤル オドエルデネ

(72)【発明者】

【氏名】小林 駿太郎

【テーマコード（参考）】

5B057

5L096

【Ｆターム（参考）】

5B057BA02

5B057CA01

5B057CA08

5B057CA12

5B057CA16

5B057CB01

5B057CB07

5B057CB12

5B057CB16

5B057CD05

5B057CE17

5B057CE18

5B057DA12

5B057DB02

5B057DB06

5B057DB09

5B057DC40

5L096AA02

5L096AA06

5L096CA02

5L096EA03

5L096HA11

5L096KA04

(57)【要約】

【課題】従来とは異なる手法を利用して、ヒトの毛髪に対する染毛シミュレーションを実行する技術を提供すること。
【解決手段】シミュレーション装置は、ヒトを撮影することによって得られる対象画像に含まれる毛髪領域を複数の髪色に対応する複数の髪色領域に分類する分類部と、前記複数の髪色領域のそれぞれに対して特定の染毛剤による染毛に対応する第１の着色処理を実行して、前記複数の髪色領域に対応する複数の第１の処理済領域を含む第１の着色済画像を生成する第１の生成部であって、前記複数の髪色領域のそれぞれに対する前記第１の着色処理の着色量は互いに異なる、前記第１の生成部と、前記第１の着色済画像を表示部に表示させる第１の表示制御部と、を備える。
【選択図】図７

【特許請求の範囲】

【請求項1】

ヒトの毛髪に対する染毛シミュレーションを実行するためのコンピュータプログラムであって、
コンピュータを、以下の各部、即ち、
前記ヒトを撮影することによって得られる対象画像に含まれる毛髪領域を複数の髪色に対応する複数の髪色領域に分類する分類部と、
前記複数の髪色領域のそれぞれに対して特定の染毛剤による染毛に対応する第１の着色処理を実行して、前記複数の髪色領域に対応する複数の第１の処理済領域を含む第１の着色済画像を生成する第１の生成部であって、前記複数の髪色領域のそれぞれに対する前記第１の着色処理の着色量は互いに異なる、前記第１の生成部と、
前記第１の着色済画像を表示部に表示させる第１の表示制御部、
として機能させる、コンピュータプログラム。

【請求項2】

前記複数の髪色領域は、第１の画素値範囲によって特定される第１の髪色に対応する第１の髪色領域と、前記第１の画素値範囲とは異なる第２の画素値範囲によって特定される第２の髪色に対応する第２の髪色領域と、を含み、
前記第１の髪色領域に対する前記第１の着色処理は、前記第１の髪色領域を構成する各画素の画素値を第１の固定値だけ変化させることを含み、
前記第２の髪色領域に対する前記第１の着色処理は、前記第２の髪色領域を構成する各画素の画素値を前記第１の固定値とは異なる第２の固定値だけ変化させることを含む、請求項１に記載のコンピュータプログラム。

【請求項3】

前記コンピュータプログラムは、前記コンピュータを、さらに、
前記第１の着色済画像に含まれる前記複数の第１の処理済領域のそれぞれに対して前記特定の染毛剤による２回目の染毛に対応する第２の着色処理を実行して、前記複数の第１の処理済領域に対応する複数の第２の処理済領域を含む第２の着色済画像を生成する第２の生成部であって、前記複数の第１の処理済領域のそれぞれに対する前記第２の着色処理の着色量は互いに異なる、前記第２の生成部と、
前記第２の着色済画像を表示部に表示させる第２の表示制御部と、
として機能させる、請求項１に記載のコンピュータプログラム。

【請求項4】

前記複数の髪色領域のうちの特定の髪色領域に対する前記第１の着色処理の着色量と、前記複数の第１の処理済領域のうちの前記特定の髪色領域に対応する特定の第１の処理済領域に対する前記第２の着色処理の着色量と、は異なる、請求項３に記載のコンピュータプログラム。

【請求項5】

前記コンピュータプログラムは、前記コンピュータを、さらに、
前記第２の着色済画像に含まれる前記複数の第２の処理済領域のそれぞれに対して前記特定の染毛剤による３回目の染毛に対応する第３の着色処理を実行して、前記複数の第２の処理済領域に対応する複数の第３の処理済領域を含む第３の着色済画像を生成する第３の生成部であって、前記複数の第２の処理済領域のそれぞれに対する前記第３の着色処理の着色量は互いに異なり、前記特定の髪色領域に対する前記第１の着色処理の着色量と、前記特定の第１の処理済領域に対する前記第２の着色処理の着色量と、前記複数の第２の処理済領域のうちの前記特定の第１の処理済領域に対応する特定の第２の処理済領域に対する前記第３の着色処理の着色量と、は異なる、前記第３の生成部と、
前記第３の着色済画像を表示部に表示させる第３の表示制御部と、
として機能させる、請求項４に記載のコンピュータプログラム。

【請求項6】

前記特定の染毛剤は、白髪染め剤であり、
前記第１の着色処理は、白髪染め処理である、請求項１に記載のコンピュータプログラム。

【請求項7】

前記分類部は、複数の学習データを利用したディープラーニングであって、前記毛髪領域に含まれるツヤ領域を白髪に対応する髪色領域と判定しないための前記ディープラーニングに従って、前記毛髪領域を前記複数の髪色領域に分類する、請求項６に記載のコンピュータプログラム。

【請求項8】

ヒトの毛髪に対する染毛シミュレーションを実行するためのコンピュータプログラムであって、
コンピュータを、以下の各部、即ち、
前記ヒトを撮影することによって得られる対象画像に含まれる毛髪領域を複数の髪色に対応する複数の髪色領域に分類する分類部と、
前記対象画像を利用して、特定の染毛剤によるＮ回（前記Ｎは２以上の整数）の染毛に対応するＮ回の着色処理を実行して、Ｎ個の着色済画像を生成する生成部と、
前記Ｎ個の着色済画像のうちの少なくとも１個の着色済画像を表示部に表示させる表示制御部、
として機能させ、
前記生成部は、前記対象画像に対して１回目の着色処理を実行すると共に、（Ｎ－１）回目の着色処理によって生成される（Ｎ－１）個目の着色済画像に対してＮ回目の着色処理を実行し、
前記Ｎ回の着色処理のいずれにおいても、前記複数の髪色領域に対応する複数の処理対象領域のそれぞれに対する着色量は互いに異なる、コンピュータプログラム。

【請求項9】

（Ｎ－１）回目の着色処理とＮ回目の着色処理とでは、前記複数の髪色領域のうちの特定の髪色領域に対応する処理対象領域に対する着色量は異なる、請求項８に記載のコンピュータプログラム。

【請求項10】

ヒトの毛髪に対する染毛シミュレーションを実行するシミュレーション装置であって、
前記ヒトを撮影することによって得られる対象画像に含まれる毛髪領域を複数の髪色に対応する複数の髪色領域に分類する分類部と、
前記複数の髪色領域のそれぞれに対して特定の染毛剤による染毛に対応する第１の着色処理を実行して、前記複数の髪色領域に対応する複数の第１の処理済領域を含む第１の着色済画像を生成する第１の生成部であって、前記複数の髪色領域のそれぞれに対する前記第１の着色処理の着色量は互いに異なる、前記第１の生成部と、
前記第１の着色済画像を表示部に表示させる第１の表示制御部と、
を備える、シミュレーション装置。

【請求項11】

ヒトの毛髪に対する染毛シミュレーションを実行するシミュレーション装置であって、
前記ヒトを撮影することによって得られる対象画像に含まれる毛髪領域を複数の髪色に対応する複数の髪色領域に分類する分類部と、
前記対象画像を利用して、特定の染毛剤によるＮ回（前記Ｎは２以上の整数）の染毛に対応するＮ回の着色処理を実行して、Ｎ個の着色済画像を生成する生成部と、
前記Ｎ個の着色済画像のうちの少なくとも１個の着色済画像を表示部に表示させる表示制御部と、
を備え、
前記生成部は、前記対象画像に対して１回目の着色処理を実行すると共に、（Ｎ－１）回目の着色処理によって生成される（Ｎ－１）個目の着色済画像に対してＮ回目の着色処理を実行し、
前記Ｎ回の着色処理のいずれにおいても、前記複数の髪色領域に対応する複数の処理対象領域のそれぞれに対する着色量は互いに異なる、シミュレーション装置。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書は、ヒトの毛髪に対する染毛シミュレーションを実行する技術に関する。

【背景技術】

【0002】

非特許文献１には、ヒトの毛髪に対する染毛シミュレーションを実行するウェブサーバが開示されている。

【先行技術文献】

【非特許文献】

【0003】

【非特許文献1】“髪色シミュレーション”、［ｏｎｌｉｎｅ］、ブローネ、花王株式会社、［令和４年５月１６日検索］、インターネット＜ＵＲＬ：ｈｔｔｐｓ：//ｖｉｒｔｕａｌ－ｃｏｓｍｅ.ｎｅｔ/ｊｐ/ｂｌａｕｎｅ/＞

【特許文献】

【0004】

【特許文献1】特開２０２０－１９９００９号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

本明細書では、従来とは異なる手法を利用して、ヒトの毛髪に対する染毛シミュレーションを実行する技術を提供する。

【課題を解決するための手段】

【0006】

本明細書によって開示される第１の態様は、ヒトの毛髪に対する染毛シミュレーションを実行するためのコンピュータプログラムである。当該コンピュータプログラムは、コンピュータを、以下の各部、即ち、前記ヒトを撮影することによって得られる対象画像に含まれる毛髪領域を複数の髪色に対応する複数の髪色領域に分類する分類部と、前記複数の髪色領域のそれぞれに対して特定の染毛剤による染毛に対応する第１の着色処理を実行して、前記複数の髪色領域に対応する複数の第１の処理済領域を含む第１の着色済画像を生成する第１の生成部であって、前記複数の髪色領域のそれぞれに対する前記第１の着色処理の着色量は互いに異なる、前記第１の生成部と、前記第１の着色済画像を表示部に表示させる第１の表示制御部と、として機能させてもよい。この構成によると、コンピュータは、分類済みの各髪色領域に応じた異なる着色量を利用するので、ヒトの実際の髪色に応じた染毛シミュレーションを適切に実行することができる。

【0007】

本明細書によって開示される第２の態様では、上記の第１の態様において、前記複数の髪色領域は、第１の画素値範囲によって特定される第１の髪色に対応する第１の髪色領域と、前記第１の画素値範囲とは異なる第２の画素値範囲によって特定される第２の髪色に対応する第２の髪色領域と、を含み、前記第１の髪色領域に対する前記第１の着色処理は、前記第１の髪色領域を構成する各画素の画素値を第１の固定値だけ変化させることを含み、前記第２の髪色領域に対する前記第１の着色処理は、前記第２の髪色領域を構成する各画素の画素値を前記第１の固定値とは異なる第２の固定値だけ変化させることを含んでもよい。この構成によると、コンピュータは、分類済みの各髪色領域に応じた異なる着色量を利用することができる。

【0008】

本明細書によって開示される第３の態様では、上記の第１又は第２の態様において、前記コンピュータプログラムは、前記コンピュータを、さらに、前記第１の着色済画像に含まれる前記複数の第１の処理済領域のそれぞれに対して前記特定の染毛剤による２回目の染毛に対応する第２の着色処理を実行して、前記複数の第１の処理済領域に対応する複数の第２の処理済領域を含む第２の着色済画像を生成する第２の生成部であって、前記複数の第１の処理済領域のそれぞれに対する前記第２の着色処理の着色量は互いに異なる、前記第２の生成部と、前記第２の着色済画像を表示部に表示させる第２の表示制御部と、として機能させてもよい。この構成によると、コンピュータは、１回目の染毛シミュレーション結果（即ち第１の着色済画像）に含まれる各第１の処理済領域に応じた異なる着色量を利用するので、２回目の染毛シミュレーションを適切に実行することができる。

【0009】

本明細書によって開示される第４の態様では、上記の第３の態様において、前記複数の髪色領域のうちの特定の髪色領域に対する前記第１の染毛処理の着色量と、前記複数の第１の処理済領域のうちの前記特定の髪色領域に対応する特定の第１の処理済領域に対する前記第２の着色処理の着色量と、は異なってもよい。この構成によると、コンピュータは、１回目の染毛シミュレーション結果の髪色に応じた着色量を利用して、２回目の染毛シミュレーションを実行することができる。

【0010】

本明細書によって開示される第５の態様では、上記の第４の態様において、前記コンピュータプログラムは、前記コンピュータを、さらに、前記第２の着色済画像に含まれる前記複数の第２の処理済領域のそれぞれに対して前記特定の染毛剤による３回目の染毛に対応する第３の着色処理を実行して、前記複数の第２の処理済領域に対応する複数の第３の処理済領域を含む第３の着色済画像を生成する第３の生成部であって、前記複数の第２の処理済領域のそれぞれに対する前記第３の着色処理の着色量は互いに異なり、前記特定の髪色領域に対する前記第１の着色処理の着色量と、前記特定の第１の処理済領域に対する前記第２の着色処理の着色量と、前記複数の第２の処理済領域のうちの前記特定の第１の処理済領域に対応する特定の第２の処理済領域に対する前記第３の着色処理の着色量と、は異なる、前記第３の生成部と、前記第３の着色済画像を表示部に表示させる第３の表示制御部と、として機能させてもよい。この構成によると、コンピュータは、２回目の染毛シミュレーション結果（即ち第２の着色済画像）に含まれる各第２の処理済領域に応じた異なる着色量を利用するので、３回目の染毛シミュレーションを適切に実行することができる。特に、コンピュータは、２回目の染毛シミュレーション結果の髪色に応じた着色量を利用して、３回目の染毛シミュレーションを実行することができる。

【0011】

本明細書によって開示される第６の態様では、上記の第１～第５の態様のいずれか１つの態様において、前記特定の染毛剤は、白髪染め剤であり、前記第１の着色処理は、白髪染め処理であってもよい。この構成によると、コンピュータは、ヒトの実際の髪色に応じた白髪染めシミュレーションを適切に実行することができる。

【0012】

本明細書によって開示される第７の態様では、上記の第６の態様において、前記分類部は、複数の学習データを利用したディープラーニングであって、前記毛髪領域に含まれるツヤ領域を白髪に対応する髪色領域と判定しないための前記ディープラーニングに従って、前記毛髪領域を前記複数の髪色領域に分類してもよい。この構成によると、コンピュータは、ツヤ領域を白髪に対応する髪色領域と判定しないので、ヒトの実際の髪色に応じた白髪染めシミュレーションを適切に実行することができる。

【0013】

本明細書によって開示される第８の態様は、ヒトの毛髪に対する染毛シミュレーションを実行するためのコンピュータプログラムである。当該コンピュータプログラムは、コンピュータを、以下の各部、即ち、前記ヒトを撮影することによって得られる対象画像に含まれる毛髪領域を複数の髪色に対応する複数の髪色領域に分類する分類部と、前記対象画像を利用して、特定の染毛剤によるＮ回（前記Ｎは２以上の整数）の染毛に対応するＮ回の着色処理を実行して、Ｎ個の着色済画像を生成する生成部と、前記Ｎ個の着色済画像のうちの少なくとも１個の着色済画像を表示部に表示させる表示制御部と、として機能させてもよい。前記生成部は、前記対象画像に対して１回目の着色処理を実行すると共に、（Ｎ－１）回目の着色処理によって生成される（Ｎ－１）個目の着色済画像に対してＮ回目の着色処理を実行し、前記Ｎ回の着色処理のいずれにおいても、前記複数の髪色領域に対応する複数の処理対象領域のそれぞれに対する着色量は互いに異なってもよい。この構成によると、コンピュータは、Ｎ回の着色処理のいずれにおいても、分類済みの各髪色領域に応じた異なる着色量を利用するので、ヒトの実際の髪色に応じた染毛シミュレーションを適切に実行することができる。

【0014】

本明細書によって開示される第９の態様では、上記の第８の態様において、（Ｎ－１）回目の着色処理とＮ回目の着色処理とでは、前記複数の髪色領域のうちの特定の髪色領域に対応する処理対象領域に対する着色量は異なってもよい。この構成によると、コンピュータは、（Ｎ－１）回目の染毛シミュレーション結果の髪色に応じた着色量を利用して、Ｎ回目の染毛シミュレーションを実行することができる。

【0015】

上記のコンピュータプログラムを記憶するコンピュータ可読記憶媒体も新規で有用である。上記のコンピュータプログラムによって実現されるシミュレーション装置、当該シミュレーション装置によって実行される方法、及び、当該シミュレーション装置と他の装置とを備える通信システムも新規で有用である。

【図面の簡単な説明】

【0016】

【図1】通信システムの構成を示す。

【図2】シミュレーションサーバによって実行されるシミュレーション処理のフローチャートを示す。

【図3】撮影用画面と撮影画像とリサイズ画像の一例を示す。

【図4】毛髪領域を確定する処理を説明するための図を示す。

【図5】ツヤ領域を特定する処理を説明するための図を示す。

【図6】毛髪領域を複数の髪色領域に分類する処理を説明するための図を示す。

【図7】３回の着色処理によって生成される３個の着色済画像の一例を示す。

【発明を実施するための形態】

【0017】

（通信システム２の構成：図１）
図１に示されるように、通信システム２は、シミュレーションサーバ１０（以下では単に「サーバ１０」と記載する）と携帯端末１００とを備える。サーバ１０及び携帯端末１００は、インターネット６に接続されており、インターネット６を介して相互に通信可能である。

【0018】

（サーバ１０の構成）
本実施例では、サーバ１０は、白髪染め剤を製造及び販売するメーカによってインターネット上６に設置され、携帯端末１００によって撮影されたヒトの画像に含まれる毛髪領域に対する白髪染めシミュレーションを実行する。サーバ１０は、通信インターフェース１２と制御部３０とを備える。各部１２，３０は、バス線（符号省略）に接続されている。通信インターフェース１２は、インターネット６に接続されている。

【0019】

制御部３０は、ＣＰＵ３２とメモリ３４とを備える。ＣＰＵ３２は、メモリ３４に格納されているプログラム３６，３８に従って、様々な処理を実行する。メモリ３４は、揮発性メモリ、不揮発性メモリ等によって構成される。ＯＳプログラム３６は、サーバ１０の基本的な動作を実現するためのプログラムである。各アプリケーションプログラム３８は、白髪染めシミュレーションに関する各種処理を実行するためのプログラムである。各アプリケーションプログラム３８は、既存のＬｉｂｒａｒｙ又は既存のＭｏｄｅｌによって実現されたプログラムと、上記のメーカによって独自に開発されたプログラムと、を含む。

【0020】

メモリ３４は、プログラム３６，３８に加えて、学習データ４０と２種類の変換テーブル４２，４４とを記憶する。学習データ４０は、毛髪領域及びツヤ領域を特定するためのディープラーニングに利用されるデータである。ＲＧＢ→Ｌａｂ変換テーブル４２は、ＲＧＢ色空間の画素値をＬａｂ色空間の画素値に変換するためのテーブルである。Ｌａｂ→ＲＧＢ変換テーブル４４は、Ｌａｂ色空間の画素値をＲＧＢ色空間の画素値に変換するためのテーブルである。

【0021】

（携帯端末１００の構成）
携帯端末１００は、タブレットＰＣ、スマートフォン等の可搬型のユーザ端末である。変形例では、携帯端末１００に代えて、デスクトップＰＣ等の据置型のユーザ端末が利用されてもよい。携帯端末１００は、通信インターフェース１１２と操作部１１４と表示部１１６とカメラ１１８と制御部１３０とを備える。各部１１２～１３０は、バス線（符号省略）に接続されている。

【0022】

通信インターフェース１１２は、インターネット６に接続されている。操作部１１４は、ユーザによって操作されることに応じて、ユーザからの指示を受け付けるボタンを備える。表示部１１６は、様々な情報を表示するためのディスプレイである。表示部１１６は、いわゆるタッチパネルとして機能する。即ち、表示部１１６は、ユーザによって操作される操作部としても機能する。カメラ１１８は、静止画又は動画を撮影するためのデバイスであり、本実施例では、ヒトの静止画を撮影するために利用される。

【0023】

制御部１３０は、ＣＰＵ１３２とメモリ１３４とを備える。ＣＰＵ１３２は、メモリ１３４に格納されているプログラム１３６，１３８に従って、様々な処理を実行する。メモリ１３４は、揮発性メモリ、不揮発性メモリ等によって構成される。ＯＳプログラム１３６は、携帯端末１００の基本的な動作を実現するためのプログラムである。ブラウザプログラム１３８は、ウェブサーバ（例えばサーバ１００）にアクセスして様々な画像を表示部１１６に表示させるためのプログラムである。

【0024】

（シミュレーション処理：図２）
図２を参照して、サーバ１０のＣＰＵ３２がプログラム３６，３８に従って実行するシミュレーション処理の内容を説明する。なお、以下では、携帯端末１００の動作を詳しく説明しないが、携帯端末１００は、ブラウザプログラム１３８に従ってサーバ１０にアクセスして画像を表示部１１６に表示させる。

【0025】

Ｓ１０において、サーバ１０のＣＰＵ３２は、携帯端末１００からのアクセスを受け付けることを監視する。携帯端末１００のブラウザプログラム１３８が起動されている状態において、サーバ１０のＵＲＬ（ＵｎｉｆｏｒｍＲｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒの略）が携帯端末１００に入力される場合に、ＣＰＵ３２は、携帯端末１００からアクセス要求を受信する。この場合、ＣＰＵ３２は、Ｓ１０でＹＥＳと判断してＳ１２に進む。

【0026】

Ｓ１２において、ＣＰＵ３２は、撮影用画面２００を表わす撮影用画面データを携帯端末１００に送信する。この結果、図３に示されるように、撮影用画面２００が携帯端末１００の表示部１１６に表示される。撮影用画面２００は、撮影を促すメッセージ２０２と、カメラ１１８によって現在撮影されている画像を表示するための表示領域２０４と、を含む。表示領域２０４は、顔の位置の基準を示す円領域２０６と、撮影ボタン２０８と、を含む。ユーザによって撮影ボタン２０８が選択されると、撮影画像２１０がメモリ１３４に記憶される。撮影画像２１０は、ＲＧＢ色空間の画素値によって表現される複数個の画素を含む。ＲＧＢ色空間の画素値は、本実施例では０～２５５の範囲内の値であるが、変形例では上限が２５５以外である範囲内の値であってもよい。

【0027】

Ｓ１４において、ＣＰＵ３２は、携帯端末１００から、撮影画像２１０を表わす撮影画像データを受信する。これにより、ＣＰＵ３２は、撮影画像２１０を読み込んで、様々な処理を実行することができる。ＣＰＵ３２は、例えば、Ｐｉｌｌｏｗ Ｉｍａｇｉｎｇ Ｌｉｂｒａｒｙによって実現されるアプリケーションプログラム３８を利用して、撮影画像２１０を読み込む。当該Ｌｉｂｒａｒｙの詳細は、例えば、ＵＲＬ「ｈｔｔｐｓ：//ｊａ.ｗｉｋｉｐｅｄｉａ.ｏｒｇ/ｗｉｋｉ/Ｐｙｔｈｏｎ＿Ｉｍａｇｉｎｇ＿Ｌｉｂｒａｒｙ」に開示されている。

【0028】

Ｓ１６において、ＣＰＵ３２は、撮影画像２１０に対するリサイズ処理を実行する。ＣＰＵ３２は、例えば、ＯｐｅｎＣＶと呼ばれるＬｉｂｒａｒｙによって実現されるアプリケーションプログラム３８を利用して、リサイズ処理を実行する。当該Ｌｉｂｒａｒｙの詳細は、例えば、ＵＲＬ「ｈｔｔｐｓ：//ｊａ.ｗｉｋｉｐｅｄｉａ.ｏｒｇ/ｗｉｋｉ/ＯｐｅｎＣＶ」に開示されている。具体的には、ＣＰＵ３２は、撮影画像２１０の高さ方向及び幅方向の少なくとも一方の画素数が１２００より大きい場合には、高さ方向及び幅方向のどちらの画素数も１２００になるように、撮影画像２１０を縮小してリサイズ画像２２０を生成する。一方、ＣＰＵ３２は、撮影画像２１０の高さ方向及び幅方向のいずれの画素数も１２００以下である場合には、撮影画像２１０をリサイズしない。ただし、以下では、便宜上、このようにリサイズされなかった画像のことも「リサイズ画像２２０」と記載する。なお、リサイズのための画素数の閾値は、１２００に限られず、１２００より大きくてもよいし小さくてもよい。

【0029】

Ｓ２０において、ＣＰＵ３２は、リサイズ画像２２０に含まれる背景領域、顔領域、及び、毛髪領域のそれぞれを特定する。各領域を特定するためのアプリケーションプログラム３８は異なる。具体的には、背景領域を特定するためのアプリケーションプログラム３８は、ＭＯＤＮｅｔ Ｍｏｄｅｌによって実現される。当該Ｍｏｄｅｌの詳細は、例えば、ＵＲＬ「ｈｔｔｐｓ：//ｇｉｔｈｕｂ.ｃｏｍ/ＺＨＫＫＫｅ/ＭＯＤＮｅｔ」に開示されている。また、当該Ｍｏｄｅｌの詳細を示す論文をＵＲＬ「ＵＲＬ：ｈｔｔｐｓ：//ａｒｘｉｖ.ｏｒｇ/ａｂｓ/２０１１．１１９６１ｖ４」からダウンロードすることができる。当該論文の執筆者、大学名、題名は、それぞれ、Ｚｈａｎｇｈａｎ Ｋｅ他４名、Ｃｏｒｎｅｌｌ Ｕｎｉｖｅｒｓｉｔｙ、“ＭＯＤＮｅｔ：Ｒｅａｌ－Ｔｉｍｅ Ｔｒｉｍａｐ－Ｆｒｅｅ Ｐｏｒｔｒａｉｔ Ｍａｔｔｉｎｇ ｖｉａ Ｏｂｊｅｃｔｉｖｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ”である。顔領域を特定するためのアプリケーションプログラム３８は、Ｆａｃｅ Ｔｏｏｌｂｏｘと呼ばれるＬｉｂｒａｒｙによって実現される。当該Ｌｉｂｒａｒｙの詳細は、例えば、ＵＲＬ「ｈｔｔｐｓ：//ｇｉｔｈｕｂ.ｃｏｍ/ｓｈａｏａｎｌｕ/ｆａｃｅ＿ｔｏｏｌｂｏｘ＿ｋｅｒａｓ」に開示されている。毛髪領域を特定するためのアプリケーションプログラム３８は、ＰｙＴｏｒｃｈ－ｈａｉｒ－ｓｅｇｍｅｎｔａｔｉｏｎと呼ばれるＬｉｂｒａｒｙによって実現される。当該Ｌｉｂｒａｒｙの詳細は、例えば、ＵＲＬ「ｈｔｔｐｓ：//ｇｉｔｈｕｂ.ｃｏｍ/ＹＢＩＧＴＡ/ｐｙｔｏｒｃｈ－ｈａｉｒ－ｓｅｇｍｅｎｔａｔｉｏｎ」に開示されている。

【0030】

図４に示されるように、ＭＯＤＮｅｔ Ｍｏｄｅｌによって実現されるアプリケーションプログラム３８は、膨大な数のヒトの画像を表わす学習データ４０のうち、背景領域を示すアノテーションを含む学習データ４０Ａを利用したディープラーニングを実行する。図４では、学習データ４０Ａにおける背景領域を示すアノテーションがハッチングで表現されている。ＣＰＵ３２は、当該アプリケーションプログラム３８によって実現されるディープラーニングに従って、リサイズ画像２２０に含まれる背景領域２２０Ａを特定する。

【0031】

Ｆａｃｅ Ｔｏｏｌｂｏｘによって実現されるアプリケーションプログラム３８は、学習データ４０のうち、顔領域を示すアノテーションを含む学習データ４０Ｂを利用したディープラーニングを実行する。図４では、学習データ４０Ｂにおける顔領域を示すアノテーションがハッチングで表現されている。ＣＰＵ３２は、当該アプリケーションプログラム３８によって実現されるディープラーニングに従って、リサイズ画像２２０に含まれる顔領域２２０Ｂを特定する。

【0032】

ＰｙＴｏｒｃｈ－ｈａｉｒ－ｓｅｇｍｅｎｔａｔｉｏｎによって実現されるアプリケーションプログラム３８は、学習データ４０のうち、毛髪領域を示すアノテーションを含む学習データ４０Ｃを利用したディープラーニングを実行する。図４では、学習データ４０Ｃにおける毛髪領域を示すアノテーションがハッチングで表現されている。ＣＰＵ３２は、当該アプリケーションプログラム３８によって実現されるディープラーニングに従って、リサイズ画像２２０に含まれる毛髪領域２２０Ｃを特定する。

【0033】

Ｓ２２において、ＣＰＵ３２は、Ｓ２０で特定された各領域を利用して、リサイズ画像２２０に含まれる毛髪領域を確定する。本発明者らの研究の結果、Ｓ２０で毛髪領域を特定する処理では、実際には背景又は顔である領域が毛髪として誤って認識される可能性があることがわかった。このため、Ｓ２２において、ＣＰＵ３２は、Ｓ２０で特定された毛髪領域２２０ＣとＳ２０で特定された背景領域２２０Ａとの間に重複部分（即ち画素）が存在する場合には、毛髪領域２２０Ｃから当該重複部分を除外すると共に、Ｓ２０で特定された毛髪領域２２０ＣとＳ２０で特定された顔領域２２０Ｂとの間に重複部分（即ち画素）が存在する場合には、毛髪領域２２０Ｃから重複部分を除外する。これにより、ＣＰＵ３２は、リサイズ画像２２０に含まれる毛髪領域２２２を確定することができる。なお、ＣＰＵ３２は、例えば、ｐｙｍａｔｔｉｎｇと呼ばれるＬｉｂｒａｒｙによって実現されるアプリケーションプログラム３８を利用して、Ｓ２２の処理を実行してもよい。当該Ｌｉｂｒａｒｙの詳細は、例えば、ＵＲＬ「ｈｔｔｐｓ：//ｇｉｔｈｕｂ.ｃｏｍ/ｐｙｍａｔｔｉｎｇ/ｐｙｍａｔｔｉｎｇ」に開示されている。このように、本実施例のサーバ１０は、異なるアプリケーションプログラムを利用して、背景領域２２０Ａ、顔領域２２０Ｂ、及び、毛髪領域２２０Ｃを特定し、背景領域２２０Ａ及び顔領域２２０Ｂに含まれる部分を毛髪領域２２０Ｃから除外するので、毛髪領域２２２を適切に確定（即ち抽出）することができる。

【0034】

Ｓ２４において、ＣＰＵ３２は、Ｓ２２で確定された毛髪領域２２２を含むリサイズ画像２２０に対して色空間変換処理を実行する。具体的には、ＣＰＵ３２は、リサイズ画像２２０に含まれる複数個の画素のそれぞれについて、ＲＧＢ→Ｌａｂ変換テーブル４２を利用して、ＲＧＢ色空間の画素値をＬａｂ色空間の画素値に変換する。これにより、ＣＰＵ３２は、Ｌａｂ色空間の画素値によって表現される複数個の画素を含むＬａｂ画像２３０（図５参照）を生成することができる。Ｌａｂ画像２３０は、リサイズ画像２２０内の毛髪領域２２２に対応する毛髪領域２３２を含む。Ｌａｂ色空間の画素値のうちのＬ値は明度を示し、Ｌ値が小さい程、色が黒に近くなり、Ｌ値が大きい程、色が白に近くなる。Ｌａｂ色空間の画素値は、本実施例では０～２５５の範囲内の値であるが、変形例では上限が２５５以外である範囲内の値であってもよい。また、変形例では、ＲＧＢ→Ｌａｂ変換テーブル４２が利用されずに、上記のＯｐｅｎＣＶと呼ばれるＬｉｂｒａｒｙによって実現されるアプリケーションプログラム３８が利用されて、Ｓ２４の色空間変換処理が実行されてもよい。この点は、後述のＳ３６の色空間変換処理でも同様である。

【0035】

Ｓ３０において、ＣＰＵ３２は、Ｌａｂ画像２３０に含まれるツヤ領域を特定する。ツヤ領域は、光が毛髪に当たることに応じて白色に見えるツヤに対応する領域である。ツヤ領域を特定するためのアプリケーションプログラム３８は、本実施例では、サーバ１０を設置したメーカによって開発されたものであるが、変形例では、既存のＭｏｄｅｌ又はＬｉｂｒａｒｙによって実現されるものでもよい。図５に示されるように、ツヤ領域を特定するためのアプリケーションプログラム３８は、学習データ４０のうち、ツヤ領域を示すアノテーションを含む学習データ４０Ｄを利用したディープラーニングを実行する。図５では、学習データ４０Ｄにおけるツヤ領域を示すアノテーションがハッチングで表現されている。ＣＰＵ３２は、当該アプリケーションプログラム３８によって実現されるディープラーニングに従って、Ｌａｂ画像２３０に含まれるツヤ領域２３４を特定する。

【0036】

Ｓ３２において、ＣＰＵ３２は、Ｌａｂ画像２３０に含まれる毛髪領域２３２を複数の髪色に対応する複数の髪色領域に分類する。本実施例では、複数の髪色は、黒色、白色、明るい茶色、及び、暗い茶色の４色である。ＣＰＵ３２は、毛髪領域２３２に含まれる各画素を、ａ値及びｂ値に関わらず、Ｌ値のみによって、複数の髪色領域に分類する。具体的には、ＣＰＵ３２は、０～４１の範囲内のＬ値を有する各画素を黒色領域として決定し、４２～９０の範囲内のＬ値を有する各画素を暗い茶色領域として決定し、９１～１３９の範囲内のＬ値を有する各画素を明るい茶色領域として決定し、１４０～２５５の範囲内のＬ値を有する各画素を白色領域（即ち白髪を示す領域）として決定する。これにより、ＣＰＵ３２は、毛髪領域２３２を４つの髪色領域に分類することができる。ただし、ＣＰＵ３２は、Ｓ３０で特定されたツヤ領域２３４を構成する各画素を白色領域として決定しない。即ち、ツヤ領域２３４は、複数の髪色領域のいずれにも分類されない。

【0037】

図６の例では、ヒトが黒髪及び白髪のみを有しているので、ＣＰＵ３２は、毛髪領域２３２を黒色領域２３６及び白色領域２３８に分類する。そして、ＣＰＵ３２は、ツヤ領域２３４をどちらの領域２３６，２３８にも分類しない。なお、複数の髪色領域に分類するためのＬ値の数値範囲は上記に限られず、他の範囲が採用されてもよい。また、ＣＰＵ３２は、ａ値及びｂ値の数値範囲も考慮して、複数の髪色領域に分類してもよい。

【0038】

Ｓ３４において、ＣＰＵ３２は、Ｓ３２で特定された各髪色領域２３６，２３８に対して特定の白髪染め剤に対応する着色処理を実行して、着色済画像を生成する。具体的には、ＣＰＵ３２は、Ｌａｂ画像２３０を利用して３回の着色処理を実行して、３個の着色済画像を生成する。ＣＰＵ３２は、Ｌａｂ画像２３０に対して１回目の着色処理を実行して、第１の着色済画像２４０（図７参照）を生成する。次いで、ＣＰＵ３２は、第１の着色済画像２４０に対して２回目の着色処理を実行して、第２の着色済画像２５０を生成する。最後に、ＣＰＵ３２は、第２の着色済画像２５０に対して２回目の着色処理を実行して、第３の着色済画像を生成する。このように、ＣＰＵ３２は、同じヒトが複数回に亘って白髪染め剤を利用することに対応する複数回のシミュレーション結果（即ち着色済画像２４０，２５０，２６０）を生成する。

【0039】

１回目の着色処理において、ＣＰＵ３２は、Ｌａｂ画像２３０に含まれる各髪色領域２３６，２３８を構成する各画素の画素値を、図７の「１回目」の下方に示される固定値だけ変化させる。なお、当該固定値は、上記の特定の白髪染め剤による白髪染めの効果に対応する値である。以下の２回目及び３回目で利用される固定値も同様である。例えば、ＣＰＵ３２は、Ｌａｂ画像２３０に含まれる黒色領域２３６を構成する各画素について、ａ値及びｂ値を変更せず、Ｌ値を４減らす。また、ＣＰＵ３２は、Ｌａｂ画像２３０に含まれる白色領域２３８を構成する各画素について、Ｌ値を１４減らし、ａ値を２増やし、ｂ値を１減らす。これにより、ＣＰＵ３２は、黒色領域２３６に対応する第１の処理済領域２４６と、白色領域２３８に対応する第１の処理済領域２４８と、を含む第１の着色済画像２４０を生成する。なお、例えば、Ｌａｂ画像２３０が暗い茶色（又は明るい茶色）に対応する領域を含む場合には、ＣＰＵ３２は、当該領域を構成する各画素について、Ｌ値を９（又は１１）減らし、ａ値を１増やし、ｂ値を１減らす。このように、ＣＰＵ３２は、分類済みの各髪色領域に応じた異なる着色量を利用するので、ヒトの実際の髪色に応じた１回目の白髪染めシミュレーションを適切に実行することができる。

【0040】

なお、本実施例のように毛髪領域を各髪色領域に分類せずに、毛髪領域を構成する画素の画素値毎に異なる着色量を利用する比較例が考えられる。この比較例では、毛髪領域を構成する画素の画素値毎に着色量を計算する必要があるので、着色処理に長時間を要し得る。これに対し、本実施例では、ＣＰＵ３２は、髪色領域の分類を実行し、髪色領域に応じた固定値を利用して着色処理を実行するので、毛髪領域を構成する画素の画素値毎に着色量を計算せずに済む。従って、比較例と比べると、着色処理を迅速に実行し得る。

【0041】

特に、１回目の着色処理において、ＣＰＵ３２は、ツヤ領域２３４を構成する各画素の画素値を変化させない。従って、第１の着色済画像２４０は、Ｌａｂ画像２３０内のツヤ領域２３４と同じ色を有するツヤ領域２３４を含む。同様に、後述の２回目及び３回目の着色処理でも、ツヤ領域２３４に対する着色処理は実行されない。このように、ＣＰＵ３２は、ツヤ領域２３４を白色と判定せず、白色領域２３８に対応する着色処理をツヤ領域２３４に対して実行しないので、ヒトの実際の髪色に応じた白髪染めシミュレーションを適切に実行することができる。変形例では、ＣＰＵ３２は、ツヤ領域２３４を、黒色、暗い茶色、及び、明るい茶色のいずれかに分類し、分類に応じた着色処理をツヤ領域２３４に対して実行してもよい。一般的に言うと、ＣＰＵ３２は、ツヤ領域２３４を白色と判定しなければよい。

【0042】

２回目の着色処理において、ＣＰＵ３２は、第１の着色済画像２４０に含まれる各第１の処理済領域２４６，２４８を構成する各画素の画素値を、図７の「２回目」の下方に示される固定値だけ変化させる。例えば、ＣＰＵ３２は、黒色領域２３６に対応する第１の処理済領域２４６を構成する各画素について、ａ値及びｂ値を変更せず、Ｌ値を５減らす。また、ＣＰＵ３２は、白色領域２３８に対応する第１の処理済領域２４８を構成する各画素について、Ｌ値を１５減らし、ａ値を２増やし、ｂ値を１減らす。これにより、ＣＰＵ３２は、第１の処理済領域２４６に対応する第２の処理済領域２５６（即ち黒色領域２３６に対応する第２の処理済領域２５６）と、第１の処理済領域２４８に対応する第２の処理済領域２５８（即ち白色領域２３８に対応する第２の処理済領域２５８）と、を含む第２の着色済画像２５０を生成する。このように、ＣＰＵ３２は、１回目の白髪染めシミュレーション結果（即ち第１の着色済画像２４０）に含まれる各第１の処理済領域２４６，２４８に応じた異なる着色量を利用するので、２回目の白髪染めシミュレーションを適切に実行することができる。

【0043】

特に、白色領域２３８に対応する１回目の着色処理の着色量（即ちＬ値マイナス１４）と、第１の処理済領域２４８に対応する２回目の着色処理の着色量（即ちＬ値マイナス１５）と、が異なる。このように、ＣＰＵ３２は、１回目の白髪染めシミュレーション結果の髪色に応じた着色量を利用して、２回目の白髪染めシミュレーションを実行することができる。

【0044】

３回目の着色処理において、ＣＰＵ３２は、第２の着色済画像２５０に含まれる各第２の処理済領域２５６，２５８を構成する各画素の画素値を、図７の「３回目」の下方に示される固定値だけ変化させる。例えば、ＣＰＵ３２は、黒色領域２３６に対応する第２の処理済領域２５６を構成する各画素について、ａ値及びｂ値を変更せず、Ｌ値を６減らす。また、ＣＰＵ３２は、白色領域２３８に対応する第２の処理済領域２５８を構成する各画素について、Ｌ値を１６減らし、ａ値を２増やし、ｂ値を１減らす。これにより、ＣＰＵ３２は、第２の処理済領域２５６に対応する第３の処理済領域２６６（即ち黒色領域２３６に対応する第３の処理済領域２６６）と、第２の処理済領域２５８に対応する第３の処理済領域２６８（即ち白色領域２３８に対応する第３の処理済領域２６８）と、を含む第３の着色済画像２６０を生成する。このように、ＣＰＵ３２は、２回目の白髪染めシミュレーション結果（即ち第２の着色済画像２５０）に含まれる各第２の処理済領域２５６，２５８に応じた異なる着色量を利用するので、３回目の白髪染めシミュレーションを適切に実行することができる。

【0045】

特に、第１の処理済領域２４８に対応する２回目の着色処理の着色量（即ちＬ値マイナス１５）と、第２の処理済領域２５８に対応する３回目の着色処理の着色量（即ちＬ値マイナス１６）と、が異なる。このように、ＣＰＵ３２は、２回目の白髪染めシミュレーション結果の髪色に応じた着色量を利用して、３回目の白髪染めシミュレーションを実行することができる。

【0046】

なお、上記の着色処理で利用される固定値は、上記の特定の白髪染め剤による白髪染めの効果に対応する値である。従って、仮に、上記の特定の白髪染め剤とは異なる染毛剤に対応する染毛シミュレーションが実行される場合には、当該異なる染毛剤による染毛の効果に対応する値が上記の固定値として利用される。当該異なる染毛剤は、上記の特定の白髪染め剤とは異なる白髪染め剤と、白髪染めとは異なる染毛のための染毛剤と、を含む。

【0047】

図２のＳ３６において、ＣＰＵ３２は、Ｓ３４で生成された３個の着色済画像２４０，２５０，２６０に対して色空間変換処理を実行する。具体的には、ＣＰＵ３２は、第１の着色済画像２４０に含まれる複数個の画素のそれぞれについて、Ｌａｂ→ＲＧＢ変換テーブル４４を利用して、Ｌａｂ色空間の画素値をＲＧＢ色空間の画素値に変換する。これにより、ＣＰＵ３２は、ＲＧＢ色空間の画素値によって表現される複数個の画素を含む第１のシミュレーション画像を生成することができる。同様に、ＣＰＵ３２は、第２の着色済画像２５０から第２のシミュレーション画像を生成し、第３の着色済画像２６０から第３のシミュレーション画像を生成する。

【0048】

Ｓ４０において、ＣＰＵ３２は、Ｓ３６で生成された３つのシミュレーション画像を表わす３個のシミュレーション画像データを携帯端末１００に送信する。これにより、ＣＰＵ３２は、３個のシミュレーション画像（即ち３個の着色済画像２４０，２５０，２６０）を携帯端末１００の表示部１１６に表示させる。ユーザは、３個のシミュレーション画像を見ることによって、３回の白髪染め剤の利用によって白髪がどのように染毛されていくのかを知ることができる。

【0049】

なお、ＣＰＵ３２は、シミュレーション画像を表示部１１６に表示させる際に、さらに、おすすめの染毛剤の商品名等を表示部１１６に表示させてもよい。ここで、おすすめの染毛剤がシミュレーション結果に応じて変わる構成を採用してもよい。

【0050】

（対応関係）
アプリケーションプログラム３８、サーバ１０が、それぞれ、「プログラム」、「シミュレーション装置」の一例である。携帯端末１００の表示部１１６が、「表示部」の一例である。Ｌａｂ画像２３０が、「対象画像」の一例である。黒色、白色が、それぞれ、「第１の髪色」、「第２の髪色」の一例である。Ｌ値の範囲０～４１、範囲１４０～２５５が、それぞれ、「第１の画素値範囲」、「第２の画素値範囲」の一例である。第１の着色処理における黒色領域のＬ値マイナス４が、「第１の固定値」の一例である。第２の着色処理における白色領域のＬ値マイナス１４、ａ値プラス２、及び、ｂ値マイナス１が、「第２の固定値」の一例である。白色領域２３８、第１の処理済領域２４８、第２の処理済領域２５８が、それぞれ、「特定の髪色領域」、「特定の第１の処理済領域」、「特定の第２の処理済領域」の一例である。領域２３６，２３８が１回目の着色処理の「処理対象領域」の一例であり、領域２４６，２４８が２回目の着色処理の「処理対象領域」の一例であり、領域２５６，２５８が３回目の着色処理の「処理対象領域」の一例である。

【0051】

図２のＳ３０，Ｓ３２の処理が、「分類部」によって実行される処理の一例である。Ｓ３４の処理が、「第１の生成部」、「第２の生成部」、及び、「第３の生成部」（又は「生成部」）によって実行される処理の一例である。Ｓ４０の処理が、「第１の表示制御部」、「第２の表示制御部」、及び、「第３の表示制御部」（又は「表示制御部」）によって実行される処理の一例である。

【0052】

以上、本発明の具体例を詳細に説明したが、これらは例示にすぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には以上に例示した具体例を様々に変形、変更したものが含まれる。上記の実施例の変形例を以下に列挙する。

【0053】

（変形例１）第１～第３の着色処理は、白髪染め処理でなくてもよく、ヘアカラー、ヘアブリーチ、ヘアマニキュア、カラートリートメント等の他の種類の染毛に対応する処理であってもよい。

【0054】

（変形例２）上記の実施例の技術は、サーバ１０によって実現されなくてもよく、例えば、携帯端末１００にインストールされるアプリケーションプログラムによって実現されてもよい。この場合、図２のＳ１２～Ｓ１４に代えて、撮影用画面を表示部１１６に表示させる処理が実行され、Ｓ４０に代えて、３個のシミュレーション画像を表示部１１６に表示させる処理が実行される。本変形例では、上記のアプリケーションプログラムが、「コンピュータプログラム」の一例である。

【0055】

（変形例３）図２のＳ１４において、ＣＰＵ３２は、静止画を表わす撮影画像データを受信する代わりに、動画を表わす撮影画像データを受信してもよい。この場合、ＣＰＵ３２は、動画に対してＳ１６以降の処理を実行してもよい。一般的に言うと、「対象画像」は、静止画及び動画の双方を含む。

【0056】

（変形例４）２回目及び３回目の着色処理が実行されなくてもよい。即ち、サーバ１０は、１回の着色処理のみを実行してもよい。本変形例では、「第２の生成部」、「第２の表示制御部」、「第３の生成部」、及び、「第３の表示制御部」を省略可能である。

【0057】

（変形例５）図２のＳ３０の処理が実行されなくてもよい。一般的に言うと、「分類部」は、ツヤ領域を白髪に対応する領域と判定しないための処理を実行しなくてもよい。

【0058】

（変形例６）図２のＳ３６において、ＣＰＵ３２は、例えば、第２の着色済画像２５０から第２のシミュレーション画像を生成しなくてもよい。この場合、ＣＰＵ３２は、Ｓ４０において、第１及び第３のシミュレーション画像のみを携帯端末１００の表示部１１６に表示させる。また、別の変形例では、図２のＳ３６において、ＣＰＵ３２は、例えば、第１及び第２の着色済画像２４０，２５０から第１及び第２のシミュレーション画像を生成しなくてもよい。この場合、ＣＰＵ３２は、Ｓ４０において、第３のシミュレーション画像のみを携帯端末１００の表示部１１６に表示させる。一般的に言うと、「表示制御部」は、Ｎ個の着色済画像のうちの少なくとも１個の着色済画像を表示部に表示させればよい。なお、さらに別の変形例では、ＣＰＵ３２は、４回目以降の着色処理をさらに実行してもよい。一般的に言うと、「生成部」は、Ｎ回（Ｎは２以上の整数）の着色処理を実行して、Ｎ個の着色済画像を生成すればよい。

【0059】

（変形例７）複数の髪色は、上記の実施例の４つの髪色（即ち、黒色、暗い茶色、明るい茶色、白色）に限定されない。例えば、暗い茶色と明るい茶色が１つの茶色として処理されてもよい。同様に、黒色と茶色が１つの色として処理されてもよいし、茶色と白色が１つの色として処理されてもよい。なお、複数の髪色領域に分類するためのＬ値の数値範囲は、０～２５５の範囲で任意に設定可能であるが、以下であってもよい。例えば、黒色に分類されるＬ値の上限値は、４１に限られず、２１～６１好ましくは３１～５１のいずれかであってもよい。白色に分類されるＬ値の下限値は、１４０に限られず、１２０～１６０好ましくは１３０～１５０のいずれかであってもよい。暗い茶色及び明るい茶色をまとめた茶色に分類されるＬ値の下限値、上限値は、それぞれ、４２、１３９に限られず、２２～６２好ましくは３２～５２のいずれか、１１９～１５９好ましくは１２９～１４９のいずれかであってもよい。なお、後述の変形例８のようにＬａｂ色空間とは異なる色空間内で髪色領域の分類が実行される場合には、上記のＬ値の範囲を変換することによって得られる当該異なる色空間内の範囲が利用されてもよい。この変形例も、上記のＬ値の範囲を利用することに等しい。

【0060】

（変形例８）図２のＳ２４において、ＣＰＵ３２は、ＲＧＢ→Ｌａｂ変換テーブル４２を利用せずに、例えば数式を利用して、ＲＧＢ色空間からＬａｂ色空間への色空間変換処理を実行してもよい。この場合、ＣＰＵ３２は、例えば、第１の数式を利用してＲＧＢ色空間からＸＹＺ色空間への第１の色変換処理を実行し、その後、第２の数式を利用してＸＹＺ色空間からＬａｂ色空間への第２の色変換処理を実行してもよい。また、別の変形例では、ＣＰＵ３２は、Ｓ２４の処理を実行せずに、ＲＧＢ色空間においてＳ３０～Ｓ３４の処理を実行してもよい。この場合、Ｓ３６の処理も省略することができる。

【0061】

（変形例９）図２のＳ２０及びＳ２２において、ＣＰＵ３２は、ディープラーニングを利用せずに毛髪領域を特定してもよい。例えば、ＣＰＵ３２は、リサイズ画像２２０に含まれる各画素を走査して、ヒトの両目に対応する２つの領域を特定する。目は、主に、白目と黒目によって構成されるので、ＣＰＵ３２は、白色の画素とその近傍の黒色の画素とをサーチすることによって、ヒトの両目に対応する２つの領域を特定することができる。次いで、ＣＰＵ３２は、当該２つの領域の近傍の肌色の画素をサーチすることによって、ヒトの顔の肌に対応する領域を特定する。次いで、ＣＰＵ３２は、当該領域の近傍の黒色の画素をサーチすることによって、ヒトの毛髪に対応する毛髪領域を特定する。ここに記載された処理はあくまで例示であり、毛髪領域を特定するための処理は特に限定されない。

【0062】

（変形例１０）図２のＳ３０の処理に注目すると、上記の実施例には以下の技術が記載されていると言える。ヒトの毛髪に対する染毛シミュレーションを実行するためのコンピュータプログラムであって、コンピュータを、以下の各部、即ち、複数の学習データを利用したディープラーニングに従って、前記ヒトを撮影することによって得られる対象画像に含まれる毛髪領域をツヤ領域と非ツヤ領域とに分類する分類部と、前記非ツヤ領域に対する着色処理を実行して着色済画像を生成する生成部であって、前記着色処理と同じ処理は前記ツヤ領域に対して実行されない、前記生成部と、前記着色済画像を表示部に表示させる表示制御部と、として機能させる、コンピュータプログラム。

【0063】

（変形例１１）上記の実施例では、ＣＰＵ３２がプログラム３８を実行することによって、図２の各処理が実現される。これに代えて、図２のいずれかの処理は、論理回路等のハードウェアによって実現されてもよい。

【0064】

また、本明細書または図面に説明した技術要素は、単独であるいは各種の組合せによって技術的有用性を発揮するものであり、出願時請求項記載の組合せに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成するものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。

【符号の説明】

【0065】

２：通信システム、６：インターネット、１０：シミュレーションサーバ、１２：通信インターフェース、３０：制御部、３２：ＣＰＵ、３４：メモリ、３６：ＯＳプログラム、３８：アプリケーションプログラム、４０：学習データ、４２：ＲＧＢ→Ｌａｂ変換テーブル、４４：Ｌａｂ→ＲＧＢ変換テーブル、１００：携帯端末、１１２：通信インターフェース、１１４：操作部、１１６：表示部、１１８：カメラ、１３０：制御部、１３２：ＣＰＵ、１３４：メモリ、１３６：ＯＳプログラム、１３８：ブラウザプログラム、２１０：撮影画像、２２０：リサイズ画像、２３０：Ｌａｂ画像、２４０～２６０：着色済画像

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】