特許 7590734 画像処理装置、及び、画像処理方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-11-19

(45)【発行日】2024-11-27

(54)【発明の名称】画像処理装置、及び、画像処理方法

(51)【国際特許分類】

   G06T 5/92 20240101AFI20241120BHJP

   G06T 7/00 20170101ALI20241120BHJP

【ＦＩ】

G06T5/92

G06T7/00 350B

【請求項の数】 10

(21)【出願番号】P 2021030975

(22)【出願日】2021-02-26

(65)【公開番号】P2022131826

(43)【公開日】2022-09-07

【審査請求日】2023-10-11

(73)【特許権者】

【識別番号】000237592

【氏名又は名称】株式会社デンソーテン

(73)【特許権者】

【識別番号】304020292

【氏名又は名称】国立大学法人徳島大学

(74)【代理人】

【識別番号】110002860

【氏名又は名称】弁理士法人秀和特許事務所

(72)【発明者】

【氏名】荻島 葵

(72)【発明者】

【氏名】岡田 康貴

(72)【発明者】

【氏名】山田 浩

(72)【発明者】

【氏名】寺田 賢治

(72)【発明者】

【氏名】高名 智也

【審査官】岡本 俊威

(56)【参考文献】

【文献】国際公開第２０１９／１９４２５６（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｔ ５／００－ ５／９４

Ｇ０６Ｔ ７／００

(57)【特許請求の範囲】

【請求項1】

第１条件で撮影された第１画像に対して、画像処理を行うことにより、変換された画像を生成する画像処理部を備え、
前記画像処理部は、前記変換された画像に基づいて算出される第１値と、前記第１条件と異なる第２条件で撮影された複数の第２画像に基づいて算出される第２値との差分の絶対値が、閾値未満となるまで、前記画像処理を行い、
前記第１値は前記変換された画像に含まれるすべての画素の輝度の平均値であり、前記第２値は前記複数の第２画像に含まれるすべての画像の輝度の平均値であり、前記画像の輝度は当該画像に含まれるすべての画素の輝度の平均値である、
画像処理装置。

【請求項2】

前記画像処理は、前記第１画像の各画素の輝度を、前記複数の第２画像の各画素の輝度に基づいて補正する処理を含む、
請求項１に記載の画像処理装置。

【請求項3】

前記画像処理は、前記第１画像の各画素を、Ｒ値、Ｇ値、Ｂ値によるＲＧＢ色空間で表した場合に、Ｒ値、Ｇ値、Ｂ値のうちＲ値が最大である画素のＲ値を、Ｇ値とＢ値との平均値に置き換える処理を含む、
請求項１又は２に記載の画像処理装置。

【請求項4】

前記画像処理は、前記第１画像の各画素の輝度から各画素の照明光成分の輝度と反射率成分の輝度とを算出し、前記照明光成分の輝度を前記複数の第２画像の各画素の輝度に基づいて補正し、補正された前記照明光成分の輝度と前記反射率成分の輝度とから前記第１画像の各画素の輝度を補正する処理を含む、
請求項１から３のいずれか１項に記載の画像処理装置。

【請求項5】

前記画像処理は、前記第１画像の各画素の輝度から各画素の照明光成分の輝度と反射率
成分の輝度とを算出し、前記第１画像の各画素の輝度を前記反射率成分の輝度に置き換える処理を含む、
請求項１から４のいずれか１項に記載の画像処理装置。

【請求項6】

前記第１条件は撮影時刻が夜の時間帯であることであり、前記第２条件は撮影時刻が昼の時間帯であることである、
請求項１から５のいずれか１項に記載の画像処理装置。

【請求項7】

コンピュータが、
第１条件で撮影された第１画像に対して、画像処理を行うことにより、変換された画像を生成し、
前記変換された画像に基づいて算出される第１値と、前記第１条件と異なる第２条件で撮影された複数の第２画像に基づいて算出される第２値との差分の絶対値が、閾値未満となるまで、前記画像処理を行う際、
前記第１値は前記変換された画像に含まれるすべての画素の輝度の平均値であり、前記第２値は前記複数の第２画像に含まれるすべての画像の輝度の平均値であり、前記画像の輝度は当該画像に含まれるすべての画素の輝度の平均値である、
画像処理方法。

【請求項8】

前記画像処理は、前記第１画像の各画素を、Ｒ値、Ｇ値、Ｂ値によるＲＧＢ色空間で表した場合に、Ｒ値、Ｇ値、Ｂ値のうちＲ値が最大である画素のＲ値を、Ｇ値とＢ値との平均値に置き換える処理を含む、
請求項７に記載の画像処理方法。

【請求項9】

推定モデルにおける教師データの教師画像生成方法であって、
コンピュータが、
第１条件で撮影された第１画像に対して、画像処理を行うことにより、変換された画像を生成し、
前記変換された画像に基づいて算出される第１値と、前記第１条件と異なる第２条件で撮影された複数の第２画像に基づいて算出される第２値との差分の絶対値が、閾値未満となるまで、前記画像処理を施して前記教師データとする際、
前記第１値は前記変換された画像に含まれるすべての画素の輝度の平均値であり、前記第２値は前記複数の第２画像に含まれるすべての画像の輝度の平均値であり、前記画像の輝度は当該画像に含まれるすべての画素の輝度の平均値である、
ことを特徴とする教師画像生成方法。

【請求項10】

コンピュータが、
第１条件で撮影された第１画像に対して、画像処理を行うことにより、変換された画像を生成し、
前記変換された画像に基づいて算出される第１値と、前記第１条件と異なる第２条件で撮影された複数の第２画像に基づいて算出される第２値との差分の絶対値が、閾値未満となるまで、前記画像処理を施して教師データとする際、
前記第１値は前記変換された画像に含まれるすべての画素の輝度の平均値であり、前記第２値は前記複数の第２画像に含まれるすべての画像の輝度の平均値であり、前記画像の輝度は当該画像に含まれるすべての画素の輝度の平均値であり、
前記教師データを用いて機械学習した推定モデルにより、物体推定を行うことを特徴とする物体推定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、画像処理装置、及び、画像処理方法に関する。

【背景技術】

【0002】

深層学習等の機械学習を用いた、画像に対する物体検出技術がある。当該技術では、例えば、画像と当該画像に含まれる物体の名称との組を教師データとして用いて学習した、画像から当該画像に含まれる物体を推定する推定モデルを生成する。様々な環境条件で撮影された画像に対応する、性能の高い推定モデルを生成するには、教師データとして、様々な環境条件で撮影された画像が含まれていることが望ましい。また、性能の高い推定モデルを生成するには、より多くの画像を教師データとすることが望ましい。環境条件として、例えば、画像を撮影する際の時間帯、場所、天候、画角などによる条件が挙げられる。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２０－１８７３６０号公報

【文献】特開２０２０－９１４５３号公報

【文献】特開２００７－３３３４５８号公報

【文献】特開２００９－２８９１８９号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、様々な環境条件で撮影された画像を網羅的に収集するには、大きなコストがかかる。例えば、同じ位置で撮影された屋外の昼の画像と夜の画像とでは、画像に映り込んでいる物体（道路標識、車両、建物などの人工物、植物、動物、人、地形、岩などの自然物等）の形状等が同じであっても、物体の色や明度などが異なることがある。物体の形状が同じであっても、物体の色や明度が異なると、正確に物体を検出できないことがある。したがって、推定モデルの生成の際には、色や明度が異なる大量の物体の画像を教師データとして用意して学習することが求められる。

【0005】

また、一般に、ある特定の環境条件（例えば、昼の時間帯）で撮影された画像のみを教師データとして使用した推定モデルでは、当該特定の環境条件で撮影された画像に対しては、様々な環境条件で撮影された画像を教師データとした推定モデルよりも、性能が高くなる。しかし、ある特定の環境条件で撮影された画像のみを教師データとして使用した推定モデルでは、他の環境条件（例えば、夜の時間帯）で撮影された画像に対して推定を行うことは難しい。よって、この場合、様々な環境条件で撮影された画像に対応するには、環境条件ごとに推定モデルを用意することになり、コストがかかる。そこで、様々な環境条件で撮影された画像を、性能の高い１つ（あるいはより少ない数）の特定の環境条件に対応する推定モデルで推定することが求められる。

【0006】

本発明は、画像を特定の条件で撮影された画像に変換する画像処理装置、及び、画像処理方法を提供することを目的とする。

【課題を解決するための手段】

【0007】

上記課題を解決するため、本発明は、以下の手段を採用する。
即ち、第１の態様は、
第１条件で撮影された第１画像に対して、画像処理を行うことにより、変換された画像
を生成する画像処理部を備え、
前記画像処理部は、前記変換された画像に基づいて算出される第１値と、前記第１条件と異なる第２条件で撮影された複数の第２画像に基づいて算出される第２値との差分の絶対値が、閾値未満となるまで、前記画像処理を行う、
画像処理装置。

【0008】

開示の態様は、プログラムが情報処理装置によって実行されることによって実現されてもよい。即ち、開示の構成は、上記した態様における各手段が実行する処理を、情報処理装置に対して実行させるためのプログラム、或いは当該プログラムを記録した情報処理装置が読み取り可能な記録媒体として特定することができる。また、開示の構成は、上記した各手段が実行する処理を情報処理装置が実行する方法をもって特定されてもよい。開示の構成は、上記した各手段が実行する処理を行う情報処理装置を含むシステムとして特定されてもよい。なお、情報処理装置は、例えば、コンピュータである。コンピュータは、パソコンや、サーバと呼ばれることもある。

【発明の効果】

【0009】

本発明によれば、画像を特定の条件で撮影された画像に変換する画像処理装置、及び、画像処理方法を提供することができる。

【図面の簡単な説明】

【0010】

【図1】図１は、実施形態の画像処理装置の構成例を示す図である。

【図2】図２は、情報処理装置のハードウェア構成例を示す図である。

【図3】図３は、実施形態の画像処理装置の画像処理の全体の動作フローの例を示す図である。

【図4】図４は、第１画像処理の動作フローの例を示す図である。

【図5】図５は、第２画像処理の動作フローの例を示す図である。

【図6】図６は、第３画像処理の動作フローの例を示す図である。

【図7】図７は、第４画像処理の動作フローの例を示す図である。

【発明を実施するための形態】

【0011】

以下、図面を参照して本発明の実施形態について説明する。以下の実施形態の構成は例示であり、本発明は実施形態の構成に限定されない。

【0012】

〈実施形態〉
（構成例）
図１は、本実施形態の画像処理装置の構成例を示す図である。画像処理装置１００は、画像処理部１０２、入力部１０４、出力部１０６、通信部１０８、記憶部１１０を有する。画像処理装置１００は、画像（元画像）を、ある特定の環境条件で撮影された画像に変換する画像処理を行う。環境条件として、例えば、画像を撮影する際の時間帯、場所、天候、画角、道路の混雑（渋滞）状況などによる条件が挙げられる。環境条件は、これらの組み合わせであってもよい。環境条件は、これらに限定されるものではない。環境条件は、条件の一例である。画像処理の対象となる元画像は、例えば、道路を走行する車両などに搭載されるカメラによって撮影された画像である。

【0013】

元画像は、例えば、当該特定の環境条件以外の環境条件で撮影された画像である。変換された画像は、例えば、当該特定の環境条件で撮影された画像を含むデータを教師データとして学習（機械学習）される推定モデルを生成する際の、教師データの画像として使用され得る画像である。推定モデル（学習済み推定モデル）は、例えば、所定の環境条件で撮影された画像と当該画像に含まれる物体との組を教師データとして学習された、画像から当該画像に含まれる物体の名称を推定する推定モデルである。また、変換された画像は
、例えば、当該推定モデルにより当該画像に含まれる物体の名称を推定される画像（推定対象の画像）として使用され得る。特定の環境条件は、例えば、撮影時刻が昼の時間帯であることである。このとき、特定の環境条件以外の環境条件は、例えば、撮影時刻が夜の時間帯であることである。

【0014】

画像処理装置１００は、特定の環境条件以外の環境条件で撮影された画像を、特定の環境条件で撮影された画像と当該画像に含まれる物体の名称との組を教師データとして用いて学習（機械学習）した推定モデルの教師データに含まれる当該画像と同等の画像に、変換する。すなわち、画像処理装置１００は、特定の環境条件以外の環境条件で撮影された画像を、推定モデルの教師データに含まれる画像の画像特性（特定の環境条件で撮影された画像の画像特性）に近づける画像処理を行う。機械学習として、周知の機械学習が適用され得る。ここで、推定モデルは、例えば、特定の環境条件で撮影された画像から当該画像に含まれる物体を推定するモデルとする。ここでの推定モデルは、特定の環境条件で撮影された画像を教師データとして用いて学習した推定モデルであればよい。当該推定モデルを、対象の推定モデルともいう。画像特性は、例えば、画像の画素の輝度、画像の画素のＲＧＢ色空間のＲ値などの画像に基づいて算出される値である。ここでは、画像処理装置１００は、特定の環境条件以外の環境条件で撮影された画像を、対象の推定モデルの教師データに含まれる画像（特定の環境条件で撮影された画像）と同等の画像に変換する。例えば、変換された画像と対象の推定モデルとを利用して、変換された画像に含まれる物体の名称を推定することができる。また、変換された画像は、対象の推定モデルの性能を向上させるための教師データとして使用されてもよい。すなわち、画像処理装置１００は、推定モデルにする対象の撮影データ（撮影された画像）に対して、教師データの撮影条件（特定の環境条件）で撮影された画像の画像特性に近づける画像処理を施して教師データとする画像を生成する。これにより、画像処理装置１００は、特定の環境条件以外の環境条件で撮影された画像に対して所定の画像処理をすることで、画像処理された画像を、特定の環境条件で撮影された画像を教師データとする推定モデルの教師データの画像として、使用することができる。また、画像処理装置１００は、推定モデルにおける教師データの画像特性に近づける画像処理を施した撮影データ（撮影された画像）を用いて、推定モデルによる物体推定（画像に含まれる物体の名称の推定）を行ってもよい。これにより、画像処理装置１００は、特定の環境条件以外の環境条件で撮影された画像について、特定の環境条件で撮影された画像を教師データとした推定モデルを使用して、物体推定を行うことができる。

【0015】

ここでは、画像処理装置１００は、夜の時間帯（特定の環境条件以外の環境条件）において撮影された画像を、昼の時間帯（特定の環境条件）において撮影された画像と同等の画像（単に、昼の時間帯において撮影された画像ともいう）に変換する画像処理を行う。例えば、夜の時間帯は、日没時刻から日出時刻まで、昼の時間帯は、日出時刻から日没時刻までである。また、夜の時間帯は、日没時刻の所定時間（例えば、２時間）後から日出時刻の所定時間（例えば、２時間）前まで、昼の時間帯は、日出時刻の所定時間（例えば、２時間）後から日没時刻の所定時間（例えば、２時間）前までとしてもよい。また、日出時刻、日没時刻によらず、昼の時間帯を１０時から１６時まで、夜の時間帯を２０時から翌朝４時までなどとしてもよい。また、夜の時間帯は、昼の時間帯以外のすべての時間帯であってもよい。夜の時間帯、昼の時間帯は、ここに挙げたものに限定されるものではない。また、夜の時間帯の終了時刻から朝の時間帯の開始時刻までを朝方の時間帯、昼の時間帯の終了時刻から夜の時間帯の開始時刻までを夕方の時間帯としてもよい。

【0016】

画像処理部１０２は、記憶部１１０に格納される画像を取得する。画像処理部１０２は、取得した画像に対して、特定の環境条件の画像と同等の画像（単に、特定の環境条件で撮影された画像ともいう）に変換するための画像処理を行う。特定の環境条件が昼の時間帯に撮影されることである場合、例えば、画像処理は、明度正規化、赤色低減などである
。

【0017】

画像は、画像内の各画素がＲＧＢ（Red Green Blue）色空間による画素値によって表されるものとする。画像は、横方向にＸ個、縦方向にＹ個の画素を有しているとする。例えば、画像内の座標（ｘ，ｙ）で示される各画素が、赤を表すＲ値、緑を表すＧ値、青を表すＢ値によって表される。ｘ、ｙは、例えば、それぞれ、１以上Ｘ以下の整数、１以上Ｙ以下の整数である。Ｒ値、Ｇ値、Ｂ値は、画素値の例である。Ｒ値、Ｇ値、Ｂ値は、例えば、０以上２５５以下の整数で表される。また、画像は、画像内の各画素がＲＧＢ色空間による画素値に変換され得る他の形式（色空間）の画素値で表されてもよい。他の形式（色空間）として、例えば、ＹＣｂＣｒ色空間、ＨＳＶ色空間、ＨＬＳ色空間、ＣＭＹＫ色空間などが挙げられる。

【0018】

入力部１０４は、利用者等による情報の入力を受け付ける入力手段である。入力部１０４は、キーボード、ポインティングデバイス等の入力装置である。

【0019】

出力部１０６は、利用者等に対する情報の表示等の出力を行う出力手段である。出力部１０６は、例えば、ディスプレイ等の表示装置である。出力部１０６は、画像処理によって変換された画像等を表示する。

【0020】

通信部１０８は、通信ネットワーク等を介して他の情報処理装置などと通信をする通信インタフェースである。通信部１０８は、他の情報処理装置などから、画像などを受信し、記憶部１１０に格納する。

【0021】

記憶部１１０は、画像と当該画像が撮影された日時とを対応付けて格納する。画像が撮影されるときに画像が生成されるとみなして、画像が撮影された日時を画像が生成された日時としてもよい。画像には、当該画像が撮影された際の環境条件（撮影日時、撮影場所、撮影時の天候、撮影時の画角など）が対応付けられてもよい。記憶部１１０は、画像処理の対象となる画像である、特定の環境条件以外の環境条件で撮影された画像を格納する。また、記憶部１１０は、画像処理装置１００で使用される各種データ、値、情報等を格納する。また、記憶部１１０は、対象の推定モデルの教師データに含まれる画像（特定の環境条件で撮影された画像）、または、当該画像に関する情報（特定の環境条件で撮影された画像の輝度値（Ｙ値）の平均値、標準偏差など）などを格納する。対象の推定モデルの教師データに含まれる画像は、少なくとも２以上の画像である。記憶部１１０に格納される画像等は、例えば、通信部１０８を介して、他の情報処理装置などから取得される。記憶部１１０は、画像処理部１０２で算出された値、データ、生成された画像等を格納する。

【0022】

図２は、情報処理装置のハードウェア構成例を示す図である。図２に示す情報処理装置は、一般的なコンピュータの構成を有している。画像処理装置１００は、図２に示すような情報処理装置９０によって実現される。図２の情報処理装置９０は、プロセッサ９１、メモリ９２、記憶部９３、入力部９４、出力部９５、通信制御部９６を有する。これらは、互いにバスによって接続される。メモリ９２及び記憶部９３は、コンピュータ読み取り可能な記録媒体である。コンピュータのハードウェア構成は、図２に示される例に限らず、適宜構成要素の省略、置換、追加が行われてもよい。

【0023】

情報処理装置９０は、プロセッサ９１が記録媒体に記憶されたプログラムをメモリ９２の作業領域にロードして実行し、プログラムの実行を通じて各構成部等が制御されることによって、所定の目的に合致した機能を実現することができる。

【0024】

プロセッサ９１は、例えば、ＣＰＵ（Central Processing Unit）やＤＳＰ（Digital S
ignal Processor）である。

【0025】

メモリ９２は、例えば、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）を含む。メモリ９２は、主記憶装置とも呼ばれる。

【0026】

記憶部９３は、不揮発性記憶媒体を備える。記憶部９３に備わる不揮発性記憶媒体は、例えば、ＥＰＲＯＭ（Erasable Programmable ROM）、ハードディスクドライブ（ＨＤＤ
、Hard Disk Drive）である。また、記憶部９３は、リムーバブルメディア、即ち可搬記
録媒体を含むことができる。リムーバブルメディアは、例えば、ＵＳＢ（Universal Serial Bus）メモリ、あるいは、ＣＤ（Compact Disc）やＤＶＤ（Digital Versatile Disc）のようなディスク記録媒体である。記憶部９３は、二次記憶装置とも呼ばれる。

【0027】

記憶部９３は、各種のプログラム、各種のデータ及び各種のテーブルを読み書き自在に記録媒体に格納する。記憶部９３には、オペレーティングシステム（Operating System :ＯＳ）、各種プログラム、各種テーブル等が格納される。記憶部９３に格納される情報は、メモリ９２に格納されてもよい。また、メモリ９２に格納される情報は、記憶部９３に格納されてもよい。

【0028】

オペレーティングシステムは、ソフトウェアとハードウェアとの仲介、メモリ空間の管理、ファイル管理、プロセスやタスクの管理等を行うソフトウェアである。オペレーティングシステムは、通信インタフェースを含む。通信インタフェースは、通信制御部９６を介して接続される他の外部装置等とデータのやり取りを行うプログラムである。外部装置等には、例えば、他のコンピュータ、外部記憶装置等が含まれる。

【0029】

入力部９４は、キーボード、ポインティングデバイス、ワイヤレスリモコン、タッチパネル等を含む。また、入力部９４は、カメラのような映像や画像の入力装置や、マイクロフォンのような音声の入力装置を含むことができる。

【0030】

出力部９５は、ＬＣＤ（Liquid Crystal Display）、ＥＬ（Electroluminescence）パ
ネル、ＣＲＴ（Cathode Ray Tube）ディスプレイ、ＰＤＰ（Plasma Display Panel）等の表示装置、プリンタ等の出力装置を含む。また、出力部９５は、スピーカのような音声の出力装置を含むことができる。

【0031】

通信制御部９６は、他の装置と接続し、情報処理装置９０と他の装置との間の通信を制御する。通信制御部９６は、例えば、ＬＡＮ（Local Area Network）インタフェースボード、無線通信のための無線通信回路、有線通信のための通信回路である。ＬＡＮインタフェースボードや無線通信回路は、インターネット等のネットワークに接続される。

【0032】

画像処理装置１００を実現するコンピュータは、プロセッサが補助記憶装置に記憶されているプログラムを主記憶装置にロードして実行することによって、画像処理部１０２、入力部１０４、出力部１０６、通信部１０８としての機能を実現する。一方、記憶部１１０は、主記憶装置または補助記憶装置の記憶領域に設けられる。

【0033】

（動作例）
〈全体の動作〉
図３は、本実施形態の画像処理装置１００の画像処理の全体の動作フローの例を示す図である。ここでは、対象の推定モデルは、昼の時間帯（特定の環境条件）において撮影された画像を含む教師データを用いて学習した推定モデルとする。画像処理装置１００は、昼の時間帯以外の時間帯（特定の環境条件以外の環境条件、ここでは、夜の時間帯とする）において撮影された画像を、所定の画像処理により、対象の推定モデルの教師データに
含まれる画像と同等の画像（昼の時間帯において撮影された画像）に変換する。ここでは、画像処理装置１００の記憶部１１０には、画像処理の対象となる、夜の時間帯において撮影された画像（画像処理の対象となる画像）が格納されているとする。

【0034】

Ｓ１０１では、画像処理装置１００の画像処理部１０２は、画像処理の対象となる画像（夜の時間帯において撮影された画像）を、記憶部１１０から取得する。

【0035】

Ｓ１０２では、画像処理部１０２は、画像の各画素において、ＲＧＢ色空間におけるＲ値、Ｇ値、Ｂ値のうちＲ値が最大である画素を抽出する。ここでの画像は、Ｓ１０１からＳ１０２に進んだ場合、Ｓ１０１で取得した画像であり、Ｓ１０９からＳ１０２に進んだ場合は、Ｓ１０９の直前の画像処理で変換された画像である。当該画像を元画像とする。画像処理部１０２は、抽出した画素の数を計数する。画像処理部１０２は、元画像のすべての画素の数に対する計数した画素の数の割合を算出する。画像処理部１０２は、算出した割合が第１閾値以上であるか否かを判定する。第１閾値は、あらかじめ、記憶部１１０に格納されている。算出した割合が第１閾値以上である場合（Ｓ１０２；ＹＥＳ）、処理がＳ１０３にすすむ。算出した割合が第１閾値未満である場合（Ｓ１０２；ＮＯ）、処理がＳ１０４にすすむ。

【0036】

Ｓ１０３では、画像処理部１０２は、元画像に対して、元画像の赤色を低減する第２画像処理を行い、変換する。第２画像処理については、のちに説明する。

【0037】

Ｓ１０４では、画像処理部１０２は、元画像の各画素において、ＹＣｂＣｒ色空間のＹ値を算出する。ＲＧＢ色空間からＹＣｂＣｒ色空間への変換は、周知の変換式（計算式）により行われる。ＹＣｂＣｒ色空間は、Ｙ値（輝度）、Ｃｂ値、Ｃｒ値で表される。画像処理部１０２は、算出したＹ値のうち、最大のＹ値と最小のＹ値を抽出する。画像処理部１０２は、最大のＹ値と最小のＹ値との差分を算出する。画像処理部１０２は、算出した差分が第２閾値以上であるか否かを判定する。第２閾値は、あらかじめ、記憶部１１０に格納されている。算出した差分が第２閾値以上である場合（Ｓ１０４；ＹＥＳ）、処理がＳ１０５にすすむ。算出した差分が第２閾値未満である場合（Ｓ１０４；ＮＯ）、処理がＳ１０６にすすむ。

【0038】

Ｓ１０５では、画像処理部１０２は、元画像に対して、元画像の照明光成分を明度正規化する第３画像処理を行い、変換する。第３画像処理については、のちに説明する。

【0039】

Ｓ１０６では、画像処理部１０２は、元画像の画素において、ＹＣｂＣｒ色空間のＹ値が第３閾値未満である画素を抽出する。第３閾値は、あらかじめ、記憶部１１０に格納されている。画像処理部１０２は、抽出した画素の数を計数する。画像処理部１０２は、元画像のすべての画素の数に対する計数した画素の数の割合を算出する。画像処理部１０２は、算出した割合が第４閾値以上であるか否かを判定する。第４閾値は、あらかじめ、記憶部１１０に格納されている。算出した割合が第４閾値以上である場合（Ｓ１０６；ＹＥＳ）、処理がＳ１０７にすすむ。算出した割合が第４閾値未満である場合（Ｓ１０６；ＮＯ）、処理がＳ１０８にすすむ。

【0040】

Ｓ１０７では、画像処理部１０２は、元画像に対して、元画像の反射率成分を明度正規化する第４画像処理を行い、変換する。第４画像処理については、のちに説明する。

【0041】

Ｓ１０８では、画像処理部１０２は、元画像に対して、元画像全体を明度正規化する第１画像処理を行い、変換する。第１画像処理については、のちに説明する。

【0042】

Ｓ１０９では、画像処理部１０２は、元画像に対して各種の画像処理を行って変換され
た画像と、記憶部１１０に格納される対象の推定モデルの教師データに含まれる画像（昼の時間帯において撮影されたすべての画像）とを比較することにより、変換された画像が昼の時間帯に撮影された画像と同等の画像であるか否かを判定する。昼の時間帯に撮影された画像と同等の画像とは、画像の画素値が昼の時間帯に撮影された画像の画素値と類似している画像である。

【0043】

画像処理部１０２は、例えば、昼の時間帯に撮影された各画像（画像ａ、画像ｂ、画像ｃ、・・・）について、当該画像のすべての画素のＹＣｂＣｒ色空間のＹ値の平均値（画像ａの平均値Ｙａ、画像ｂの平均値Ｙｂ、画像ｃの平均値Ｙｃ、・・・）を算出する。さらに、画像処理部１０２は、画像毎に算出されたＹ値の平均値（Ｙａ、Ｙｂ、Ｙｃ、・・・）の、平均値ＡＶＧ１（Ｙａ、Ｙｂ、Ｙｃ、・・・の平均値（昼の時間帯に撮影されたすべての画像のＹ値の平均値））及び標準偏差σＹ（Ｙａ、Ｙｂ、Ｙｃ、・・・の標準偏差）を算出する。また、画像処理部１０２は、変換された画像のすべての画素のＹＣｂＣｒ色空間のＹ値の平均値ＡＶＧ２を算出する。画像処理部１０２は、変換された画像のＹ値の平均値ＡＶＧ２と昼の時間帯に撮影されたすべての画像のＹ値の平均値ＡＶＧ１との差分の絶対値（ＡＶＧ２－ＡＶＧ１の絶対値）を算出する。算出された差分の絶対値（ＡＶＧ２－ＡＶＧ１の絶対値）が算出した標準偏差σＹ未満である場合、変換された画像の画素値は昼の時間帯に撮影された画像の画素値と類似している。よって、画像処理部１０２は、算出された差分の絶対値（ＡＶＧ２－ＡＶＧ１の絶対値）が算出した標準偏差σＹ未満である場合、変換された画像が、昼の時間帯に撮影された画像と同等の画像であると判定する。一方、画像処理部１０２は、算出された差分の絶対値（ＡＶＧ２－ＡＶＧ１の絶対値）が算出した標準偏差σＹ以上である場合、変換された画像が、昼の時間帯に撮影された画像と同等の画像でないと判定する。閾値としての標準偏差σＹの代わりに、標準偏差σＹのＸ倍（例えば、０＜Ｘ＜３）の値や、所定の固定値が閾値として使用されてもよい。

【0044】

画像処理部１０２は、昼の時間帯に撮影された各画像のＹ値の平均値（Ｙａ、Ｙｂ、Ｙｃ、・・・）、Ｙ値の平均値の平均値ＡＶＧ１、標準偏差σＹを、あらかじめ算出しておき、記憶部１１０に格納しておいてもよい。また、画像処理部１０２は、昼の時間帯に撮影された各画像のＹ値の平均値（Ｙａ、Ｙｂ、Ｙｃ、・・・）、Ｙ値の平均値の平均値ＡＶＧ１、標準偏差σＹを、通信部１０８を介して、他の情報処理装置等から取得し、記憶部１１０に格納しておいてもよい。このとき、画像処理部１０２は、Ｓ１０９の処理の際に、記憶部１１０から、昼の時間帯に撮影された各画像のＹ値の平均値（Ｙａ、Ｙｂ、Ｙｃ、・・・）、Ｙ値の平均値の平均値ＡＶＧ１、標準偏差σＹを、取得する。

【0045】

ＹＣｂＣｒ色空間のＹ値の代わりに、他の画素値（例えば、ＲＧＢ色空間のＲ値、Ｇ値、Ｂ値）、Ｒ値とＧ値とＢ値との和などが使用されてもよい。また、複数の値が使用されてもよい。すなわち、例えば、複数の値（指標の値）についての差が、すべて閾値未満である場合に、変換された画像が昼の時間帯に撮影された画像（対象の推定モデルの教師データに含まれる画像）と同等の画像であると判定する。また、画像処理部１０２は、他の方法により、変換された画像が昼の時間帯に撮影された画像（対象の推定モデルの教師データに含まれる画像）と同等の画像であるか否かを判定してもよい。輝度、赤色、緑色、青色などは、指標の例である。Ｙ値、Ｒ値、Ｇ値、Ｂ値、Ｒ値とＧ値とＢ値との和などは、指標の値の例である。

【0046】

変換された画像が昼の時間帯に撮影された画像と同等の画像でないと判定された場合（Ｓ１０９；ＮＯ）、処理がＳ１０２に戻る。変換された画像が昼の時間帯に撮影された画像と同等の画像であると判定された場合（Ｓ１０９；ＹＥＳ）、処理が終了する。これにより、夜の時間帯に撮影された画像が昼の時間帯に撮影された画像と同等の画像に変換される。また、変換された画像が、昼の時間帯に撮影された画像と同等の画像になるまで、
処理が繰り返される。

【0047】

Ｓ１０２、Ｓ１０４、Ｓ１０６のステップのうち、１乃至３のステップが省略されてもよい。Ｓ１０２が省略された場合、処理がＳ１０４に進む。Ｓ１０４が省略された場合、処理がＳ１０６に進む。Ｓ１０６が省略された場合、処理がＳ１０８に進む。Ｓ１０２、Ｓ１０４、Ｓ１０６のステップの順序が入れ替わってもよい。

【0048】

〈第１画像処理の動作〉
図４は、第１画像処理の動作フローの例を示す図である。第１画像処理は、図３の動作フローのＳ１０８の処理である。第１画像処理は、元画像の画像全体の明度を正規化する処理である。

【0049】

Ｓ１１０１では、画像処理装置１００の画像処理部１０２は、元画像の各画素を、ＲＧＢ色空間からＨＳＶ色空間に変換する。ＲＧＢ色空間からＨＳＶ色空間への変換は、周知の変換式（計算式）により行われる。ＨＳＶ色空間は、色相（Hue（Ｈ値））、彩度（Saturation・Chroma（Ｓ値））、明度（Value・Brightness（Ｖ値））で表される。ここで、元画像の座標（ｘ，ｙ）の画素のＶ値を、Ｉ（ｘ，ｙ）とする。明度は、輝度ともいう。

【0050】

Ｓ１１０２では、画像処理部１０２は、元画像のすべての画素のＶ値の平均値Ｉ_a、標
準偏差σ_Ｉを算出する。

【0051】

Ｓ１１０３では、画像処理部１０２は、Ｉ（ｘ，ｙ）、Ｉ_a、σ_Ｉを用いて、元画像の
すべての画素について、補正後のＶ値を算出する。座標（ｘ，ｙ）の画素の補正されたＶ値を、Ｉ′（ｘ，ｙ）とする。座標（ｘ，ｙ）の補正されたＶ値Ｉ′（ｘ，ｙ）は、次のように表される。

【数1】

【0052】

ここで、Ｎ_ａは、昼の時間帯に撮影された各画像（画像ａ、画像ｂ、画像ｃ、・・・）についてのすべての画素のＨＳＶ色空間のＶ値の平均値（画像ａの平均値Ａａ、画像ｂの平均値Ａｂ、画像ｃの平均値Ａｃ、・・・）の平均値（Ａａ、Ａｂ、Ａｃ、・・・の平均値）である。σ_Ｎは、昼の時間帯に撮影された各画像（画像ａ、画像ｂ、画像ｃ、・・・）についてのすべての画素のＨＳＶ色空間のＶ値の平均値（画像ａの平均値Ａａ、画像ｂの平均値Ａｂ、画像ｃの平均値Ａｃ、・・・）の標準偏差（Ａａ、Ａｂ、Ａｃ、・・・の標準偏差）である。

【0053】

Ｓ１１０４では、画像処理部１０２は、各画素を、元画像の各画素のＨ値、Ｓ値、補正後のＶ値Ｉ′（ｘ，ｙ）を用いて、ＲＧＢ色空間に変換する。ＨＳＶ色空間からＲＧＢ色空間への変換は、周知の変換式（計算式）により行われる。画像処理部１０２は、変換された各画素のＲＧＢ色空間の画素値に基づいて、変換された画像を生成し、記憶部１１０に格納する。これにより、元画像の各画素の明度の正規化が行われる。一般に、夜の時間帯に撮影された画像は、昼の時間帯に撮影された画像に比べて暗い（Ｙ値が小さい）。そこで、明度の正規化をすることにより、夜の時間帯に撮影された画像を、昼の時間帯に撮影された画像に近づけることができる。

【0054】

〈第２画像処理の動作〉
図５は、第２画像処理の動作フローの例を示す図である。第２画像処理は、図３の動作フローのＳ１０３の処理である。第２画像処理は、元画像の赤色を低減したのち画像全体の明度を正規化する処理である。

【0055】

Ｓ１２０１では、画像処理装置１００の画像処理部１０２は、画像の各画素において、ＲＧＢ色空間におけるＲ値、Ｇ値、Ｂ値のうちＲ値が最大である画素を抽出する。画像処理部１０２は、抽出した画素のＲ値を、Ｇ値とＢ値との平均値（（Ｇ値＋Ｂ値）／２）に置き換える。

【0056】

Ｓ１２０２では、画像処理部１０２は、Ｓ１２０１で置き換えた画素について、置き換えたＲ値（＝（Ｇ値＋Ｂ値）／２）、及び、元のＧ値、Ｂ値を用いて、ＨＳＶ色空間のＨ値を算出する。

【0057】

Ｓ１２０３では、画像処理部１０２は、Ｓ１２０１で置き換えた画素について、元のＲ値、Ｇ値、Ｂ値（置き換える前のＲ値、Ｇ値、Ｂ値）を用いて、ＨＳＶ空間のＳ値、Ｖ値を算出する。

【0058】

Ｓ１２０４では、画像処理部１０２は、Ｓ１２０１で置き換えた画素について、Ｓ１２０２で算出されたＨＳＶ色空間のＨ値、Ｓ１２０３で算出されたＨＳＶ空間のＳ値、Ｖ値を用いて、ＲＧＢ色空間のＲ値、Ｇ値、Ｂ値に変換する。また、Ｓ１２０１で置き換えなかった画素については、元のＲ値、Ｇ値、Ｂ値とする。画像処理部１０２は、Ｓ１２０１で置き換えた画素の変換されたＲ値、Ｇ値、Ｂ値、Ｓ１２０１で置き換えなかった画素の元のＲ値、Ｇ値、Ｂ値を用いて、新たな画像を生成し、記憶部１１０に格納する。

【0059】

Ｓ１２０５からＳ１２０８まででは、画像処理部１０２は、Ｓ１２０４で生成した新たな画像に対して、明度正規化処理を行う。Ｓ１２０５からＳ１２０８までの処理は、図４のＳ１１０１からＳ１１０４までの処理と同様であるため、説明を省略する。画像処理部１０２は、変換された画像を記憶部１１０に格納する。これにより、元の画像の色相を維持した状態で赤色を低減し、明度の正規化を行うことができる。これにより、画像に含まれる車両の赤色ライトの影響を低減できる。車両の赤色ライトは、夜の時間帯に点灯されるが、昼の時間帯には点灯されないため、赤色ライトの影響を低減することで、画像を昼の時間帯に撮影された画像に近づけることができる。

【0060】

〈第３画像処理の動作〉
図６は、第３画像処理の動作フローの例を示す図である。第３画像処理は、図３の動作フローのＳ１０５の処理である。第３画像処理は、元画像の照明光成分の明度を正規化する処理である。

【0061】

Ｓ１３０１では、画像処理装置１００の画像処理部１０２は、元画像の各画素の画素値（Ｒ値、Ｇ値、Ｂ値）をＹＣｂＣｒ色空間の画素値（Ｙ値、Ｃｂ値、Ｃｒ値）に変換する。

【0062】

Ｓ１３０２では、画像処理部１０２は、ＳＳＲ（Single Scale Retinex）理論に基づき、各画素について、ＹＣｂＣｒ色空間のＹ値から、照明光成分のＹ値Ｌ、反射率成分のＹ値Ｒを算出する。ここで、座標（ｘ，ｙ）のＹ値をＩ（ｘ，ｙ）、照明光成分のＹ値をＬ（ｘ，ｙ）、反射率成分のＹ値をＲ（ｘ，ｙ）とすると、次のように表される。

【数2】

【0063】

これらの式から、各画素の照明光成分のＹ値Ｌ、反射率成分のＹ値Ｒを求めることができる。

【0064】

Ｓ１３０３では、画像処理部１０２は、各画素の照明光成分のＹ値Ｌの平均値Ｉ_a、標
準偏差σ_Ｉを算出する。

【0065】

Ｓ１３０４では、画像処理部１０２は、Ｉ（ｘ，ｙ）、Ｉ_a、σ_Ｉを用いて、元画像の
すべての画素について、補正後の照明光成分のＹ値Ｌを算出する。座標（ｘ，ｙ）の画素の補正された照明光成分のＹ値Ｌを、Ｉ′（ｘ，ｙ）とする。座標（ｘ，ｙ）の画素の補正された照明光成分のＹ値Ｌは、次のように表される。

【数3】

【0066】

ここで、Ｎ_ａは、昼の時間帯に撮影された各画像（画像ａ、画像ｂ、画像ｃ、・・・）についてのすべての画素のＹＣｂＣｒ色空間のＹ値の平均値（画像ａの平均値Ａａ、画像ｂの平均値Ａｂ、画像ｃの平均値Ａｃ、・・・）の平均値（Ａａ、Ａｂ、Ａｃ、・・・の平均値）である。σ_Ｎは、昼の時間帯に撮影された各画像（画像ａ、画像ｂ、画像ｃ、・・・）についてのすべての画素のＹＣｂＣｒ色空間のＹ値の平均値（画像ａの平均値Ａａ、画像ｂの平均値Ａｂ、画像ｃの平均値Ａｃ、・・・）の標準偏差（Ａａ、Ａｂ、Ａｃ、・・・の標準偏差）である。なお、ＨＳＶ色空間のＶ値と、ＹＣｂＣｒ色空間のＹ値とは、同じ値である。ここで、照明光成分に対して補正を行うのは、画像の局所的コントラストを保つためである。

【0067】

Ｓ１３０５では、画像処理部１０２は、Ｓ１３０４で算出された、補正された照明光成分のＹ値（Ｉ′（ｘ，ｙ））と、Ｓ１３０２で算出された反射率成分のＹ値Ｒ（ｘ，ｙ）を用いて、補正されたＹ値を算出する。座標（ｘ，ｙ）の画素の補正されたＹ値は、Ｉ′（ｘ，ｙ）・Ｒ（ｘ，ｙ）によって算出される。

【0068】

Ｓ１３０６では、画像処理部１０２は、各画素を、Ｓ１３０１で算出されたＣｂ値、Ｃｒ値、Ｓ１３０５で算出された補正されたＹ値を用いて、ＲＧＢ色空間に変換する。ＹＣｂＣｒ色空間からＲＧＢ色空間への変換は、周知の変換式（計算式）により行われる。画像処理部１０２は、変換された各画素のＲＧＢ色空間の画素値に基づいて、変換された画像を生成し、記憶部１１０に格納する。これにより、元画像の各画素の照明光成分の明度の正規化が行われる。第３画像処理により、高輝度のネオンや街灯などの照明光が強い個
所を抑制することができる。第３画像処理は、夜の時間帯に、街灯の多い街中などで撮影された画像を、昼の時間帯に撮影された画像に近づけることができる。

【0069】

〈第４画像処理の動作〉
図７は、第４画像処理の動作フローの例を示す図である。第３画像処理は、図３の動作フローのＳ１０７の処理である。第４画像処理は、元画像の輝度を反射率成分へ変換をする処理である。

【0070】

Ｓ１４０１では、画像処理装置１００の画像処理部１０２は、元画像の各画素の画素値（Ｒ値、Ｇ値、Ｂ値）をＹＣｂＣｒ色空間の画素値（Ｙ値、Ｃｂ値、Ｃｒ値）に変換する。

【0071】

Ｓ１４０２では、画像処理部１０２は、ＳＳＲ（Single Scale Retinex）理論に基づき、各画素について、ＹＣｂＣｒ色空間のＹ値から、照明光成分のＹ値Ｌ、反射率成分のＹ値Ｒを算出する。照明光成分のＹ値Ｌ、反射率成分のＹ値Ｒの算出は、Ｓ１３０２と同様である。画像処理部１０２は、反射率成分のＹ値を変換される画像の輝度とする。

【0072】

Ｓ１４０３では、画像処理部１０２は、各画素を、Ｓ１４０２で算出された輝度（＝反射率成分のＹ値）、Ｓ１４０１で算出されたＣｂ値、Ｃｒ値を用いて、ＲＧＢ色空間に変換する。ＹＣｂＣｒ色空間からＲＧＢ色空間への変換は、周知の変換式（計算式）により行われる。画像処理部１０２は、変換された各画素のＲＧＢ色空間の画素値に基づいて、変換された画像を生成し、記憶部１１０に格納する。これにより、元画像の各画素の輝度の反射率成分への変換が行われる。第４画像処理により、元画像の輪郭情報を強調した画像を生成することができる。第４画像処理により生成された画像は、昼の時間帯に撮影された画像に第４画像処理を施した画像を教師データとする推定モデルの教師データの画像、推定対象の画像として使用されてもよい。

【0073】

（その他）
ここでは、特定の環境条件を昼の時間帯としているが、特定の環境条件は、これに限定されず、例えば、夜の時間帯、天候が晴れ、天候が雨、天候が曇り、撮影場所がトンネル内、撮影場所が屋外などであってもよい。特定の環境条件として、複数の環境条件が組み合わされてもよい。

【0074】

（実施形態の作用、効果）
画像処理装置１００は、特定の環境条件以外の環境条件で撮影された画像を、特定の環境条件で撮影された画像と当該画像に含まれる物体の名称との組を教師データとして用いて学習（機械学習）した推定モデルの教師データに含まれる当該画像と同等の画像に、変換する。推定モデルは、例えば、昼の時間帯に撮影された画像と当該画像に含まれる物体の名称との組を教師データとして学習した、画像から画像に含まれる物体の名称を推定する推定モデルである。画像処理装置１００は、昼の時間帯以外の時間帯（例えば、夜の時間帯）に撮影された画像を、昼の時間帯に撮影された画像と同等の画像に変換する。変換された画像は、推定モデルの教師データの画像や、推定モデルで物体の名称を推定される画像（推定対象の画像）として、使用され得る。画像処理装置１００によれば、夜の時間帯に撮影された画像を昼の時間帯に撮影された画像に変換することで、昼の時間帯に撮影された画像を用いて学習した推定モデルで、夜の時間帯に撮影された画像を教師データの画像や推定対象の画像として使用することができる。特定の環境条件で撮影された画像を用いて学習した推定モデルは、様々な環境条件で撮影された画像を用いて学習した推定モデルよりも性能が高くなる。画像処理装置１００によれば、特定の環境条件以外で撮影された画像を特定の環境条件で撮影された画像に変換することで、より性能の高い推定モデルを利用できるようになる。

【0075】

画像処理装置１００は、元画像（夜の時間帯に撮影された画像）の状態に応じて、明度正規化処理、赤色低減後の明度正規化処理、照明光成分の明度正規化処理、輝度を反射率成分に変換する処理を行う。画像処理装置１００は、元画像の状態に応じて、適切な画像変換処理を行い、昼の時間帯に撮影された画像に変換することができる。画像処理装置１００は、Ｒ値、Ｇ値、Ｂ値のうちＲ値がもっとも大きい画素の割合が閾値以上の画像について、赤色低減を行い、明度正規化処理を行う。これにより、夜の時間帯に撮影された画像に含まれる車両のブレーキランプ等の赤色を低減し、明度の補正を行うことができる。画像処理装置１００は、輝度（Ｙ値）の最大値と最小値との差が閾値以上である画像について、照明光成分を抽出し、明度正規化処理を行う。これにより、夜の時間帯に撮影された画像に含まれる照明光の強い個所（高輝度のネオンや街灯）の明るさを抑えることができる。画像処理装置１００は、輝度（Ｙ値）が閾値よりも小さい画素の割合が閾値以上である画像について、輝度を反射率成分の輝度に置き換える処理をする。これにより、輪郭情報を強調した画像を生成することができる。

【0076】

従来、夜の時間帯に撮影された画像について推定モデルを用いて推定するには、夜の時間帯に撮影された画像を教師データとして学習した推定モデルを用意することが求められていた。また、昼の時間帯に撮影された画像について推定モデルを用いて推定するには、昼の時間帯に撮影された画像を教師データとして学習した推定モデルを用意することが求められていた。すなわち、特定の環境条件ごとに、推定モデルを用意することが求められていた。また、夜の時間帯に撮影された画像について、昼の時間帯に撮影された画像を教師データとして学習した推定モデルを用いて、推定すると、推定精度が低いという問題があった。さらに、１つの推定モデルで、夜の時間帯に撮影された画像にも、昼の時間帯に撮影された画像にも対応するには、夜の時間帯に撮影された画像および昼の時間帯に撮影された画像を教師データとして学習した推定モデルを用意することが求められていた。本実施形態の画像処理装置１００は、夜の時間帯に撮影された画像を昼の時間帯に撮影された画像に変換する。これにより、変換された画像を用いることで、昼の時間帯に撮影された画像を教師データとして学習した推定モデルを使用して、夜の時間帯に撮影された画像について、推定精度を低下させることなく、推定することができる。画像処理装置１００によれば、昼の時間帯に撮影された画像を教師データとして学習した推定モデルを用意すれば、夜の時間帯に撮影された画像でも、昼の時間帯に撮影された画像でも、推定することができる。当該推定モデルを学習する際も、昼の時間帯に撮影された画像を含む教師データを用意すればよく、夜の時間帯及び昼の時間帯に対応する推定モデルに比べ、教師データのデータ量を減らすことができる。つまり、教師データの種類やバリエーションを減らすことができる。

【0077】

〈コンピュータ読み取り可能な記録媒体〉
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。

【0078】

ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体内には、ＣＰＵ、メモリ等のコンピュータを構成する要素を設け、そのＣＰＵにプログラムを実行させてもよい。

【0079】

また、このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ／Ｗ、ＤＶＤ、ＤＡＴ、８ｍｍテープ、メモリカード等がある。

【0080】

また、コンピュータ等に固定された記録媒体としてハードディスクやＲＯＭ等がある。

【0081】

以上、本発明の実施形態を説明したが、これらはあくまで例示にすぎず、本発明はこれらに限定されるものではなく、特許請求の範囲の趣旨を逸脱しない限りにおいて、当業者の知識に基づく種々の変更が可能である。

【符号の説明】

【0082】

１００ 画像処理装置
１０２ 画像処理部
１０４ 入力部
１０６ 出力部
１０８ 通信部
１１０ 記憶部
９０ 情報処理装置
９１ プロセッサ
９２ メモリ
９３ 記憶部
９４ 入力部
９５ 出力部
９６ 通信部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】