Nothing Special   »   [go: up one dir, main page]

WO2013073167A1 - 画像処理装置、撮像装置および画像処理方法 - Google Patents

画像処理装置、撮像装置および画像処理方法 Download PDF

Info

Publication number
WO2013073167A1
WO2013073167A1 PCT/JP2012/007270 JP2012007270W WO2013073167A1 WO 2013073167 A1 WO2013073167 A1 WO 2013073167A1 JP 2012007270 W JP2012007270 W JP 2012007270W WO 2013073167 A1 WO2013073167 A1 WO 2013073167A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
segment
pixel
image processing
depth data
Prior art date
Application number
PCT/JP2012/007270
Other languages
English (en)
French (fr)
Inventor
育規 石井
Original Assignee
パナソニック株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニック株式会社 filed Critical パナソニック株式会社
Priority to CN201280019440.0A priority Critical patent/CN103493093B/zh
Priority to US14/113,114 priority patent/US9153066B2/en
Priority to JP2013544128A priority patent/JP5923713B2/ja
Publication of WO2013073167A1 publication Critical patent/WO2013073167A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Definitions

  • the present invention relates to an image processing device, an imaging device, and an image processing method that generate depth data using a first image and a second image taken from different viewpoints.
  • 3D displays for displaying 3D images have begun to spread widely.
  • 3D cameras that capture 3D images displayed on such 3D displays.
  • a stereo image is taken using two sets of lenses and sensors.
  • depth data can be generated by detecting corresponding points for each pixel in a stereo image and calculating a parallax value between the corresponding points. Then, various processes can be performed on the stereo image using the depth data generated in this way.
  • the present invention reduces the processing load while suppressing a decrease in accuracy of depth data when generating depth data using the first image and the second image taken from different viewpoints.
  • An image processing apparatus is an image processing apparatus that generates depth data using a first image and a second image taken from different viewpoints, and includes a part of the first image.
  • a parallax value calculating unit that calculates a parallax value of the representative pixel based on a positional relationship between the representative pixel and a pixel in the second image corresponding to the representative pixel for each of the plurality of representative pixels that are
  • a segmentation unit that divides the first image into a plurality of segments based on similarity of pixel values, and specifying, for each segment, a disparity value of the segment based on a disparity value of a representative pixel included in the segment
  • To a depth data generating unit that generates depth data indicating the depth corresponding to each segment.
  • the image processing device of one aspect of the present invention when the depth data is generated using the first image and the second image taken from different viewpoints, a decrease in accuracy of the depth data is suppressed. However, the processing load can be reduced.
  • FIG. 1 is a block diagram illustrating a functional configuration of the image processing apparatus according to the first embodiment.
  • FIG. 2 is a flowchart showing the processing operation of the image processing apparatus according to the first embodiment.
  • FIG. 3 is a diagram for explaining the processing operation of the image processing apparatus according to the first embodiment.
  • FIG. 4 is a block diagram illustrating a functional configuration of the image processing apparatus according to the second embodiment.
  • FIG. 5 is a flowchart showing the processing operation of the image processing apparatus according to the second embodiment.
  • FIG. 6 is a diagram showing an outline of the alignment processing according to the second embodiment.
  • FIG. 7 is a diagram for explaining an example of alignment processing according to the second embodiment.
  • FIG. 8 is a flowchart showing details of segmentation according to the second embodiment.
  • FIG. 1 is a block diagram illustrating a functional configuration of the image processing apparatus according to the first embodiment.
  • FIG. 2 is a flowchart showing the processing operation of the image processing apparatus according to the first embodiment.
  • FIG. 3 is
  • FIG. 9 is a diagram for explaining segmentation according to the second embodiment.
  • FIG. 10 is a diagram for explaining segmentation according to the second embodiment.
  • FIG. 11 is a diagram illustrating an example of a segmentation result according to the second embodiment.
  • FIG. 12 is a flowchart showing details of the segment combining process according to the second embodiment.
  • FIG. 13 is a diagram for explaining the segment combining process according to the second embodiment.
  • FIG. 14 is a flowchart showing details of the depth data generation processing according to the modification of the second embodiment.
  • FIG. 15 is a block diagram illustrating a configuration of an imaging apparatus according to an embodiment.
  • An image processing apparatus is an image processing apparatus that generates depth data using a first image and a second image taken from different viewpoints, and includes a part of the first image.
  • a parallax value calculating unit that calculates a parallax value of the representative pixel based on a positional relationship between the representative pixel and a pixel in the second image corresponding to the representative pixel for each of the plurality of representative pixels that are
  • a segmentation unit that divides the first image into a plurality of segments based on similarity of pixel values, and specifying, for each segment, a disparity value of the segment based on a disparity value of a representative pixel included in the segment
  • To a depth data generating unit that generates depth data indicating the depth corresponding to each segment.
  • depth data indicating the depth corresponding to each segment can be generated based on the parallax value of the representative pixel included in each segment. That is, in order to generate depth data, it is only necessary to detect pixels in the second image corresponding to each representative pixel, and it is not necessary to detect pixels in the second image corresponding to all of the pixels. Therefore, it is possible to reduce the processing load for generating depth data.
  • the first image is divided into a plurality of segments based on the similarity of pixel values, the possibility that a plurality of different subjects are included in one segment is reduced. That is, there is a high possibility that a region having a similar depth is divided as one segment.
  • the parallax value for each segment divided in this way it is possible to prevent the accuracy of the depth data indicating the depth corresponding to each segment from being lowered.
  • the image processing apparatus may further combine the empty segment and the segment adjacent to the empty segment when the plurality of segments include an empty segment that does not include a representative pixel. It is preferable that a segment combining unit is included, and the depth data generating unit generates the depth data based on the segments combined by the segment combining unit.
  • the empty segment and the adjacent segment can be combined into one. Therefore, when the first image is divided into a plurality of segments by the segmentation unit, it is not always necessary to divide the first image so as to include the representative pixel. That is, segmentation can be performed without considering the correspondence with the representative pixel. As a result, the segmentation and the parallax value calculation of the representative pixel can be processed in parallel, and the speed of the depth data generation process can be increased.
  • the segment combining unit may select at least one segment from the plurality of segments based on color similarity when the empty segment is adjacent to the plurality of segments, and the selected at least one segment Preferably, one segment and the empty segment are combined into one.
  • segments having similar colors can be combined into one. That is, since a region having a similar color is treated as one segment, there is a high possibility that a region having a similar depth becomes one segment.
  • depth data indicating the depth corresponding to each segment can be generated more accurately.
  • the depth data generation unit may identify a median value or an average value of the parallax values of the two or more representative pixels as the parallax value of the segment when the segment includes two or more representative pixels. It is preferable to do.
  • the median value or average value of the parallax values of the two or more representative pixels can be specified as the parallax value of the segment. Accordingly, the disparity value of the segment can be easily specified, and the processing load for generating the depth data can be reduced. In addition, an error between the disparity value of the segment and the disparity value of each pixel included in the segment can be made relatively small, and depth data can be generated more accurately.
  • the depth data generation unit is included in the segment by interpolating the disparity value of another pixel included in the segment using the disparity value of at least one representative pixel included in the segment for each segment. It is preferable that a parallax value of each pixel is calculated, and a depth map indicating the depth of each pixel is generated as the depth data based on the calculated parallax value of each pixel.
  • the parallax value of other pixels included in the segment can be interpolated using the parallax value of at least one representative pixel included in the segment. Therefore, the parallax value of each pixel can be obtained by interpolation, and depth data can be generated more accurately.
  • the segmentation unit divides the first image into a plurality of segments by clustering based on similarity defined using pixel values and pixel positions.
  • the first image can be divided into a plurality of segments by clustering based on similarity defined using pixel values and pixel positions. Therefore, the first image can be divided into a plurality of segments with high accuracy so that a plurality of different subjects are not included in one segment. As a result, depth data can be generated more accurately.
  • the clustering is preferably a k-means clustering method.
  • the first image can be divided into a plurality of segments by the k-average method. Therefore, the first image can be divided into a plurality of segments with higher accuracy so that a plurality of different subjects are not included in one segment. Furthermore, since segmentation is possible by relatively simple processing, it is possible to reduce the processing load for generating depth data.
  • the image processing apparatus further includes a feature point calculation unit that calculates a feature point of the first image as the representative pixel.
  • a feature point can be calculated as a representative pixel. Therefore, it becomes easy to detect the pixel in the second image corresponding to the representative pixel, and the processing load can be reduced.
  • the image processing apparatus further includes an alignment processing unit that performs an alignment process for parallelizing the first image and the second image using the feature points, and the parallax value calculating unit includes: It is preferable that a parallax value of the representative pixel is calculated using the first image and the second image on which the alignment process has been performed.
  • alignment processing for parallelizing the first image and the second image can be performed.
  • a multi-viewpoint image such as a stereo image
  • alignment processing of the multi-viewpoint image is performed.
  • feature points are calculated and corresponding points are detected.
  • the image processing apparatus further includes an image processing unit that separates the first image into a foreground area and a background area based on the depth data and performs a blurring process on the background area.
  • the first image can be separated into the foreground area and the background area based on the depth data, and the background area can be blurred.
  • the depth data for separating the foreground region and the background region is not necessarily high-definition depth data in units of pixels. Therefore, the depth data based on the disparity value of each segment can be used effectively.
  • the image processing apparatus further separates the first image into a foreground region and a background region based on the depth data, and the foreground region is different from the first image and the second image. It is preferable to include an image processing unit that synthesizes the three images.
  • the first image can be separated into the foreground area and the background area based on the depth data, and the foreground area and another image corresponding to the background area can be combined.
  • the depth data for separating the foreground region and the background region is not necessarily high-definition depth data in units of pixels. Therefore, the depth data based on the disparity value of each segment can be used effectively.
  • the image processing device may be configured as an integrated circuit.
  • an imaging apparatus includes the image processing apparatus and an imaging unit that captures the first image and the second image.
  • FIG. 1 is a block diagram illustrating a functional configuration of an image processing apparatus 10 according to the first embodiment.
  • the image processing apparatus 10 generates depth data of the first image using a first image and a second image (for example, a stereo image) taken from different viewpoints.
  • the first image and the second image are, for example, stereo images (left eye image and right eye image).
  • the image processing apparatus 10 includes a parallax value calculation unit 11, a segmentation unit 12, and a depth data generation unit 13.
  • the parallax value calculation unit 11 calculates the parallax value between the representative pixel and the corresponding pixel by detecting the corresponding pixel in the second image for each representative pixel in the first image. That is, the parallax value calculation unit 11 calculates the parallax value for some pixels in the first image.
  • the representative pixel is a part of the pixels included in the first image.
  • the representative pixel is a pixel that exists at a predetermined position in the image.
  • the corresponding pixel is a pixel corresponding to the representative pixel. That is, the corresponding pixel is a pixel in the second image that is similar to the representative pixel in the first image.
  • the two pixels of the representative pixel and the corresponding pixel are also called corresponding points. This corresponding pixel can be detected by, for example, a block matching method.
  • the parallax value between the representative pixel and the corresponding pixel is a value representing a deviation between the position of the representative pixel and the position of the corresponding pixel.
  • the distance (depth) from the imaging device to the subject can be calculated based on the principle of triangulation. Note that the parallax value between the representative pixel and the corresponding pixel is simply referred to as the parallax value of the representative pixel.
  • the segmentation unit 12 divides the first image into a plurality of segments based on the similarity of the pixel values. That is, the segmentation unit 12 divides the first image into a plurality of segments so that pixels having similar pixel values are included in one segment. In the present embodiment, the segmentation unit 12 divides the first image into a plurality of segments so that each segment includes at least one representative pixel.
  • segmentation corresponds to a partial area in the first image.
  • segmentation The process of dividing into a plurality of segments is also referred to as segmentation below.
  • the pixel value is a value that a pixel constituting the image has.
  • the pixel value is, for example, a value indicating the luminance, color, brightness, hue or saturation of the pixel, or a combination thereof.
  • the depth data generation unit 13 generates depth data for each segment by specifying the disparity value of the segment based on the disparity value of the representative pixel included in the segment. That is, the depth data generation unit 13 generates depth data based on the parallax value specified for each segment.
  • the depth data generated here indicates the depth corresponding to each segment.
  • the depth data may be data in which the segment depth value is associated with segment information indicating the position and size of the segment.
  • the depth data may be a depth map (depth image) having a depth value as a pixel value.
  • the depth data does not necessarily include the depth value, and may include data indicating the depth.
  • the depth data may include a parallax value as data indicating the depth.
  • FIG. 2 is a flowchart showing the processing operation of the image processing apparatus 10 according to the first embodiment.
  • FIG. 3 is a diagram for explaining an example of the processing operation of the image processing apparatus 10 according to the first embodiment.
  • the parallax value calculation unit 11 calculates the parallax value of each representative pixel (S101). For example, as illustrated in FIG. 3A, the parallax value calculation unit 11 detects a corresponding pixel in the second image 102 for each representative pixel at a predetermined position in the first image 101. Then, the parallax value calculation unit 11 calculates the parallax value of the representative pixel based on the positional relationship between the representative pixel and the corresponding pixel.
  • the segmentation unit 12 divides the first image 101 into a plurality of segments (S102). For example, as shown in FIG. 3B, the segmentation unit 12 divides the first image 101 into a plurality of segments each having a rectangular shape having a predetermined size. Here, in FIG. 3B, the first image 101 is divided so that one representative pixel is included in each segment.
  • the depth data generation unit 13 generates depth data based on the disparity value of each segment (S103). At this time, the depth data generation unit 13 specifies the disparity value of each segment based on the disparity value of the representative pixel included in the segment as illustrated in (c) of FIG.
  • depth data indicating the depth corresponding to each segment can be generated based on the parallax value of the representative pixel included in each segment. That is, in order to generate depth data, it is only necessary to detect pixels in the second image corresponding to each representative pixel, and it is not necessary to detect pixels in the second image corresponding to all of the pixels. Therefore, it is possible to reduce the processing load for generating depth data.
  • the image processing apparatus 10 since the first image is divided into a plurality of segments based on the similarity of pixel values, a plurality of different subjects can be included in one segment. Low. That is, there is a high possibility that a region having a similar depth is divided as one segment. By specifying the parallax value for each segment divided in this way, it is possible to prevent the accuracy of the depth data indicating the depth corresponding to each segment from being lowered.
  • the segmentation (S102) is performed after the parallax value calculation (S101), but it is not necessarily performed in this order. That is, parallax value calculation (S101) may be performed after segmentation (S102). In this case, for example, the parallax value calculation unit 11 may treat the pixel at the center of gravity of each segment divided by the segmentation unit 12 as a representative pixel.
  • parallax value calculation (S101) and the segmentation (S102) may be performed in parallel. As a result, the processing speed can be increased.
  • FIG. 4 is a block diagram illustrating a functional configuration of the image processing apparatus 20 according to the second embodiment.
  • the image processing apparatus 20 according to the present embodiment includes a feature point calculation unit 21, an alignment processing unit 22, a parallax value calculation unit 23, a segmentation unit 24, a segment combination unit 25, a depth data generation unit 26, An image processing unit 27.
  • the feature point calculation unit 21 calculates the feature points of the first image as representative pixels. Specifically, the feature point calculation unit 21 calculates a feature point using the feature amount extracted by the feature amount extraction method.
  • a feature amount extraction method for example, reference document 1 (David G. Lowe, “Distinctive image features from scale-invariant keypoints”, International Journal of Computer, p. 91, 602 p. The disclosed SIFT (Scale Invant Feature Transform) can be used.
  • Reference 2 Herbert Bay, Andreas Ess, Tinne Tuyterraars, Luc Van Golf, “SURF: Speeded Up Robust Features”, Computer Vision and VU. , Pp.346-359, 2008
  • SURF Speeded Up Robust Features
  • the alignment processing unit 22 performs an alignment process for performing the rectification of the first image and the second image using the calculated feature points. Specifically, the alignment processing unit 22 detects a point in the second image corresponding to the feature point based on the feature amount. Further, the alignment processing unit 22 performs alignment processing using the positional relationship between two points (corresponding points) between the detected point in the second image and the feature point.
  • the parallax value calculation unit 23 calculates the parallax value of the representative pixel using the first image and the second image on which the alignment processing has been performed. That is, the parallax value calculation unit 23 calculates the parallax value for each feature point using the positional relationship between the corresponding points.
  • the segmentation unit 24 divides the first image into a plurality of segments by clustering based on similarity defined using pixel values and pixel positions. Details of this clustering will be described later.
  • the segment combination unit 25 combines the empty segment and the segment adjacent to the empty segment into one when a plurality of segments includes an empty segment.
  • the empty segment is a segment that does not include a representative pixel.
  • bond part 25 repeats a coupling
  • the depth data generation unit 26 generates depth data based on the segments combined by the segment combination unit 25. Specifically, the depth data generation unit 26 specifies, for example, the parallax value of the representative pixel included in the segment as the parallax value of the segment. In addition, when the segment includes two or more representative pixels, the depth data generation unit 26 specifies, for example, the median value or average value of the parallax values of the two or more representative pixels as the segment parallax value. To do.
  • the image processing unit 27 performs image processing on at least one of the first image and the second image based on the generated depth data. For example, the image processing unit 27 separates the first image into a foreground area and a background area based on the depth data. Then, the image processing unit 27 performs a blurring process on the background area. For example, the image processing unit 27 may combine the foreground region with a third image different from the first image and the second image.
  • the depth data for separating the first image into the foreground area and the background area does not necessarily have to be high-definition depth data in pixel units. That is, the depth data based on the parallax value of each segment can be used effectively.
  • FIG. 5 is a flowchart showing the processing operation of the image processing apparatus 20 according to the second embodiment.
  • the feature point calculation unit 21 calculates a feature point of the first image as a representative pixel (S201).
  • the alignment processing unit 22 performs alignment processing for parallelizing the first image and the second image using the calculated feature points (S202).
  • the parallax value calculation unit 23 calculates the parallax value of the representative pixel using the first image and the second image on which the alignment processing has been performed (S203).
  • the segmentation unit 24 divides the first image into a plurality of segments by clustering based on the similarity defined using the pixel value and the pixel position (S204).
  • the segment combination unit 25 combines a plurality of segments so that each segment includes at least one representative pixel (S205).
  • the depth data generation unit 26 generates depth data based on the segments combined by the segment combination unit 25 (S206).
  • the image processing unit 27 performs image processing on at least one of the first image and the second image based on the generated depth data (S207).
  • FIG. 6 is a diagram showing an outline of the alignment processing according to the second embodiment.
  • stereo images taken with a stereo camera are often not parallel to each other. That is, the epipolar line is often not horizontal in each of the first image 101 and the second image 102.
  • the alignment processing unit 22 performs the first image 101 and the second image 102 so that the epipolar line is horizontal in each of the first image 101 and the second image 102. Perform parallelization.
  • FIG. 7 is a diagram for explaining an example of the alignment process according to the second embodiment. Specifically, FIG. 7 is based on the method disclosed in Reference 3 (“New Image Analysis Handbook” (supervised by Mikio Takagi and Yoko Shimoda, published by the University of Tokyo Press, September 2004, pages 1333 to 1337)). It is a figure for demonstrating the alignment process based on.
  • the image L and the image R are stereo images obtained by shooting the object P.
  • a point P′R on the image R corresponding to the point P′L on the image L includes a plane including the projection centers OL and OR of the two images and the point P′L on the image L, and the image R It exists on a straight line that intersects.
  • This line is called epipolar line.
  • a plane including the object P and the projection centers OL and OR of the two images is called an epipolar plane.
  • the line of intersection between the epipolar plane and the image projection planes of the two images L and R is an epipolar line.
  • the epipolar line is not parallel to the image scanning direction (here, the horizontal direction). Therefore, a two-dimensional search is required for matching corresponding points, and the amount of calculation increases. Therefore, in order to simplify the search, two stereo images are collimated by the following method.
  • the number of unknowns in these coordinate conversion formulas is five (by ′, bz ′) and ( ⁇ ′, ⁇ ′, ⁇ ′) related to the image R. These five unknowns are determined so as to satisfy the following coplanar conditional expression (Expression 3).
  • the image L ′ (u′L, v′L) and the image R ′ (u′L, v′L) after this coordinate conversion are rearranged along the epipolar line.
  • image L ′ and image R ′ the two images (image L ′ and image R ′), the v ′ coordinates of the corresponding points are equal to each other. That is, in the converted image, the corresponding points need only be searched in the horizontal direction, and the corresponding points can be easily searched. As a result, the image L is newly converted into an image L ′.
  • the parallax value calculation unit 23 searches for a pixel in the second image 102 corresponding to the representative pixel in the first image 101 using the first image 101 and the second image 102 that have been parallelized in this way. Thereby, the parallax value of each representative pixel can be easily calculated.
  • FIG. 8 is a flowchart showing details of segmentation according to the second embodiment.
  • FIG. 9 is a diagram for explaining segmentation according to the second embodiment.
  • FIG. 10 is a diagram for explaining segmentation according to the second embodiment.
  • FIG. 11 is a diagram illustrating an example of a segmentation result according to the second embodiment.
  • the segmentation unit 24 first converts the color space of the first image and the second image (S301). Specifically, the segmentation unit 24 converts the first image and the second image from the RGB color space to the Lab color space.
  • This Lab color space is a perceptually uniform color space. That is, in the Lab color space, when the color value changes by the same amount, the change that humans feel when they see it is also equal. Therefore, the segmentation unit 24 can divide the first image along the boundary of the subject perceived by a human by segmenting the first image in the Lab color space.
  • the segmentation unit 24 sets the center of gravity of k (k: an integer of 2 or more) initial clusters (S302).
  • the centroids of these k initial clusters are set so as to be evenly arranged on the first image, for example.
  • the centroids of the k initial clusters are set so that the interval between adjacent centroids is S (pixel).
  • the processes in steps S303 and S304 are performed on each pixel in the first image.
  • the segmentation unit 24 calculates a distance Ds with respect to the center of gravity of each cluster (S303).
  • This distance Ds corresponds to a value indicating similarity defined using the pixel value and the pixel position.
  • the smaller the distance Ds the higher the similarity of the pixel to the center of gravity of the cluster.
  • the segmentation unit 24 calculates the distance Ds of the target pixel i only with respect to the center of gravity Ck located within the distance calculation target range.
  • a position that is equal to or smaller than the center-of-gravity interval S of the initial cluster from the position of the target pixel i is set as the distance calculation target range. That is, the segmentation unit 24 calculates the distance to each of the centroids C2, C3, C6, and C7 for the target pixel i.
  • the distance calculation target range it is possible to reduce the calculation load as compared with the case where the distance is calculated for all the centroids.
  • the distance Ds of the target pixel i (pixel position (xi, yi), pixel value (li, ai, bi)) with respect to the center of gravity Ck (pixel position (xk, yk), pixel value (lk, ak, bk)) is as follows: It is calculated by the following equation (6).
  • m is a coefficient for balancing the influence of the distance dlab based on the pixel value and the distance dxy based on the pixel position on the distance Ds.
  • This coefficient m may be predetermined experimentally or empirically.
  • the segmentation unit 24 determines the cluster to which the target pixel i belongs using the distance Ds with respect to each centroid of the target pixel i in this way (S304). Specifically, the segmentation unit 24 determines the cluster having the center of gravity with the smallest distance Ds as the cluster to which the target pixel i belongs.
  • the cluster to which each pixel belongs is determined by repeating the processes in steps S303 and S304 for each pixel included in the first image.
  • the segmentation unit 24 updates the center of gravity of each cluster (S305). For example, as a result of determining the cluster to which each pixel belongs in step S304, as shown in FIG. 10, when the rectangular cluster changes to a hexagonal cluster, the pixel value and pixel position of the centroid C6 are updated.
  • the segmentation unit 24 calculates the pixel value (lk_new, ak_new, bk_new) and pixel position (xk_new, yk_new) of the new center of gravity according to the following Expression 7.
  • the segmentation unit 24 ends the process. That is, when there is no change in the center of gravity of each cluster before and after the update in step S305, the segmentation unit 24 ends the segmentation. On the other hand, when the centroids of the respective clusters have not converged (No in S306), the segmentation unit 24 repeats the processes in steps S303 to S305.
  • the segmentation unit 24 can divide the first image into a plurality of segments by clustering (here, k-average method) based on the similarity defined using the pixel value and the pixel position. Therefore, as shown in FIG. 11, the segmentation unit 24 can divide the first image into a plurality of segments according to the characteristics of the subject area included in the first image.
  • the segmentation unit 24 can divide the first image into a plurality of segments so that the same subject is included in one segment.
  • the accuracy of the disparity value specified for each segment can be improved. That is, the depth data can be generated more accurately.
  • the k-average method is a relatively simple clustering, the processing load for generating depth data can be reduced.
  • segment combination S205
  • S205 segment combination based on color similarity
  • FIG. 12 is a flowchart showing details of the segment combining process according to the second embodiment.
  • FIG. 13 is a diagram for explaining the segment combining process according to the second embodiment.
  • the segment combining unit 25 first selects an empty segment from a plurality of segmentations obtained by the division by the segmentation unit 24 (S401).
  • An empty segment is a segment that does not include any representative pixels.
  • the segment coupling unit 25 selects a segment adjacent to the selected empty segment (hereinafter also referred to as an adjacent segment) (S402).
  • the segment combination unit 25 selects at least one segment from the plurality of adjacent segments based on the similarity of colors. That is, the segment combination unit 25 selects an adjacent segment that is most similar in color to the empty segment as a segment to be combined.
  • this color similarity evaluation is preferably performed in the YUV color space or the RGB color space.
  • the segment coupling unit 25 does not necessarily need to select only one adjacent segment.
  • the segment combination unit 25 may select a plurality of adjacent segments whose color similarity values are greater than or equal to a threshold value.
  • the segment combination unit 25 combines the empty segment selected in step S401 and the adjacent segment selected in step S402 into one (S403). In other words, the segment combination unit 25 combines the selected empty segment and the selected adjacent segment to set one new segment.
  • the segment coupling unit 25 when there is an empty segment S2 and adjacent segments S1, S3, S4 adjacent to the empty segment S2, the segment coupling unit 25 includes a plurality of adjacent segments S1, S3. , S4, the adjacent segment S1 having the most similar color to the color of the sky segment S2 (for example, the average color) is selected. Then, as shown in FIG. 13B, the segment combination unit 25 combines the empty segment S2 and the selected adjacent segment S1, and sets a new segment SN.
  • the segment combination unit 25 determines whether there is an empty segment (S404). Here, if there is no empty segment (No in S404), the segment combining unit 25 ends the process. On the other hand, if there is an empty segment (Yes in S404), the segment combination unit 25 returns to step S401 and executes the process.
  • the depth data generation unit 26 generates depth data based on the segments combined in this way.
  • the image processing device 20 when an empty segment is included in a plurality of segments, the empty segment and the adjacent segment are combined until there is no empty segment. be able to. Therefore, when the first image is divided into a plurality of segments by the segmentation unit, it is not always necessary to divide the first image so as to include the representative pixel. That is, segmentation can be performed without considering the correspondence with the representative pixel. As a result, the segmentation and the parallax value calculation of the representative pixel can be processed in parallel, and the speed of the depth data generation process can be increased.
  • segments having similar colors can be combined into one. That is, since a region having a similar color is treated as one segment, there is a high possibility that a region having a similar depth becomes one segment.
  • depth data indicating the depth corresponding to each segment can be generated more accurately.
  • the image processing device 20 when two or more representative pixels are included in the segment, the median value or the average value of the parallax values of the two or more representative pixels is calculated. It can be specified as a parallax value. Accordingly, the disparity value of the segment can be easily specified, and the processing load for generating the depth data can be reduced. In addition, an error between the disparity value of the segment and the disparity value of each pixel included in the segment can be made relatively small, and depth data can be generated more accurately.
  • the image processing apparatus 20 it is possible to calculate a feature point as a representative pixel. Therefore, it becomes easy to detect the pixel in the second image corresponding to the representative pixel, and the processing load can be reduced.
  • the image processing apparatus 20 it is possible to perform alignment processing for parallelizing the first image and the second image.
  • alignment processing when a multi-viewpoint image such as a stereo image is captured, alignment processing of the multi-viewpoint image is performed.
  • feature points are calculated and corresponding points are detected.
  • the depth data generation unit 26 interpolates the parallax value of other pixels included in the segment using the parallax value of at least one representative pixel included in the segment. By doing so, the parallax value of each pixel included in the segment is calculated.
  • the depth data generation unit 26 generates a depth map indicating the depth of each pixel as depth data based on the calculated parallax value of each pixel.
  • FIG. 14 is a flowchart showing details of the depth data generation processing according to the modification of the second embodiment.
  • the depth data generation unit 26 selects one segment from a plurality of segments in the first image (S501). The depth data generation unit 26 determines whether or not the selected segment includes a plurality of representative pixels (S502).
  • the depth data generation unit 26 uses the parallax values of the plurality of representative pixels to determine the parallax values of other pixels included in the segment. Is interpolated to calculate the parallax value of each pixel included in the segment (S503). For example, the depth data generation unit 26 calculates the parallax value of other pixels by spline interpolation.
  • the depth data generation unit 26 determines the parallax value of other pixels included in the segment using the parallax value of the representative pixel. (S504). For example, the depth data generation unit 26 determines the parallax values of all the pixels included in the segment as the parallax values of the representative pixels.
  • the depth data generation unit 26 determines whether all segments have been selected (S505). If any segment is not selected (No in S505), the process returns to step S501.
  • the depth data generation unit 26 when all the segments are selected (Yes in S505), the depth data generation unit 26 generates a depth map (depth data) by converting the parallax value of each pixel into a depth value (S506). Note that the conversion from the parallax value to the depth value is performed based on, for example, the principle of triangulation.
  • the parallax value of another pixel included in the segment is interpolated using the parallax value of at least one representative pixel included in the segment. can do. Therefore, the parallax value of each pixel can be obtained by interpolation, and depth data can be generated more accurately.
  • the feature point calculation unit 21 may calculate the feature points as representative pixels so as not to exceed a predetermined number. For example, the feature point calculation unit 21 may calculate the feature points so that a plurality of feature points are not included in the segment. For example, the feature point calculation unit 21 may calculate the feature points so that the distance between the feature points does not become less than a predetermined distance. By calculating the feature points in this way, it is possible to prevent an increase in the load of detection processing for pixels corresponding to the representative pixels.
  • the segmentation unit 24 performs segmentation based on the k-means method.
  • the segmentation unit 24 may perform segmentation based on another clustering method.
  • the segmentation unit 24 may perform segmentation based on a mean displacement method (mean-shift clustering).
  • the segment combination unit 25 combines segments based on the similarity of colors.
  • the segments may be combined based on similarities other than colors.
  • the segment combination unit 25 may combine segments based on luminance similarity.
  • the components included in the image processing apparatuses 10 and 20 in the first or second embodiment may be configured by one system LSI (Large Scale Integration).
  • the image processing apparatus 10 may be configured by a system LSI having a parallax value calculation unit 11, a segmentation unit 12, and a depth data generation unit 13.
  • the system LSI is an ultra-multifunctional LSI manufactured by integrating a plurality of components on one chip. Specifically, a microprocessor, a ROM (Read Only Memory), a RAM (Random Access Memory), etc. It is a computer system comprised including. A computer program is stored in the ROM. The system LSI achieves its functions by the microprocessor operating according to the computer program.
  • system LSI may be called IC, LSI, super LSI, or ultra LSI depending on the degree of integration.
  • method of circuit integration is not limited to LSI's, and implementation using dedicated circuitry or general purpose processors is also possible.
  • An FPGA Field Programmable Gate Array
  • reconfigurable processor that can reconfigure the connection and setting of circuit cells inside the LSI may be used.
  • FIG. 15 is a block diagram illustrating a functional configuration of the imaging apparatus 30 according to an embodiment.
  • the imaging device 30 is, for example, a digital still camera or a digital video camera. As illustrated in FIG. 15, the imaging device 30 includes an imaging unit 31 that captures the first image and the second image from different viewpoints, and the image processing device 10 or 20 according to the first or second embodiment.
  • each component may be configured by dedicated hardware or may be realized by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • the software that realizes the image decoding apparatus of each of the above embodiments is the following program.
  • this program is an image processing method for generating depth data using a first image and a second image taken from different viewpoints on a computer, and a part of pixels in the first image.
  • a parallax value calculating step of calculating a parallax value of the representative pixel based on a positional relationship between the representative pixel and a pixel in the second image corresponding to the representative pixel for each of a plurality of representative pixels;
  • a segmentation step of dividing the first image into a plurality of segments based on the similarity of, and for each segment, specifying a disparity value of the segment based on a disparity value of a representative pixel included in the segment,
  • An image processing method including a depth data generation step of generating depth data indicating the depth corresponding to the segment is executed.
  • the present invention relates to an image processing apparatus capable of generating depth data using a first image and a second image taken from different viewpoints, and a digital still camera or a digital video camera provided with the image processing apparatus. It can be used as an imaging device.
  • Imaging unit 101 First 1 image 102 2nd image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Measurement Of Optical Distance (AREA)
  • Image Analysis (AREA)

Abstract

　互いに異なる視点から撮影された第１画像および第２画像を利用してデプスデータを生成する画像処理装置（１０）は、第１画像内の一部の画素である複数の代表画素の各々について、代表画素と代表画素に対応する第２画像内の画素との位置関係に基づいて代表画素の視差値を算出する視差値算出部（１１）と、画素値の類似性に基づいて第１画像を複数のセグメントに分割するセグメンテーション部（１２）と、セグメントごとに、セグメントに含まれる代表画素の視差値に基づいてセグメントの視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータを生成するデプスデータ生成部（１３）とを備える。

Description

画像処理装置、撮像装置および画像処理方法
　本発明は、互いに異なる視点から撮影された第１画像と第２画像とを用いてデプスデータを生成する画像処理装置、撮像装置および画像処理方法に関する。
　近年、３Ｄ画像を表示する３Ｄディスプレイが広く普及し始めている。そして、このような３Ｄディスプレイに表示される３Ｄ画像を撮影する３Ｄカメラのニーズも増加している。一般的な３Ｄカメラでは、２組のレンズおよびセンサを用いてステレオ画像が撮影される。
　このような３Ｄカメラによって撮影されたステレオ画像を用いて、ステレオ画像の奥行きを示すデプスデータを生成する方法が知られている。例えば、ステレオ画像において画素ごとに対応点を検出し、対応点間の視差値を算出することにより、デプスデータを生成することができる。そして、このように生成されたデプスデータを用いてステレオ画像に各種処理を施すことが可能となる。
特表２００７－５２０８２２号公報
　しかしながら、上記従来の方法では、デプスデータを生成するために画素ごとに対応点を検出する必要があり、処理負荷が高くなる。
　これに対し、画像を分割することにより得られるセグメントごとに、当該セグメントの大きさに基づいて奥行き値を割り当てる方法が開示されている（例えば、特許文献１を参照）。特許文献１の方法では、小さいセグメントほど小さい奥行き値が割り当てられる。しかしながら、セグメントが小さいほど、当該セグメントに対応する被写体が手前に存在するとは限らない。つまり、特許文献１の方法では、デプスデータを生成する際に、処理負荷を軽減できても、デプスデータの正確度が大きく低下してしまう。
　そこで、本発明は、互いに異なる視点から撮影された第１画像と第２画像とを用いてデプスデータを生成する際に、デプスデータの正確度の低下を抑制しつつ、処理負荷を軽減することができる画像処理装置、撮像装置および画像処理方法を提供する。
　本発明の一態様に係る画像処理装置は、互いに異なる視点から撮影された第１画像および第２画像を利用してデプスデータを生成する画像処理装置であって、前記第１画像内の一部の画素である複数の代表画素の各々について、前記代表画素と前記代表画素に対応する前記第２画像内の画素との位置関係に基づいて前記代表画素の視差値を算出する視差値算出部と、画素値の類似性に基づいて前記第１画像を複数のセグメントに分割するセグメンテーション部と、セグメントごとに、前記セグメントに含まれる代表画素の視差値に基づいて前記セグメントの視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータを生成するデプスデータ生成部とを備える。
　なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。
　本発明の一態様に係る画像処理装置によれば、互いに異なる視点から撮影された第１画像と第２画像とを用いてデプスデータを生成する際に、デプスデータの正確度の低下を抑制しつつ、処理負荷を軽減することができる。
図１は、実施の形態１に係る画像処理装置の機能構成を示すブロック図である。 図２は、実施の形態１に係る画像処理装置の処理動作を示すフローチャートである。 図３は、実施の形態１に係る画像処理装置の処理動作を説明するための図である。 図４は、実施の形態２に係る画像処理装置の機能構成を示すブロック図である。 図５は、実施の形態２に係る画像処理装置の処理動作を示すフローチャートである。 図６は、実施の形態２に係るアライメント処理の概要を示す図である。 図７は、実施の形態２に係るアライメント処理の一例を説明するための図である。 図８は、実施の形態２に係るセグメンテーションの詳細を示すフローチャートである。 図９は、実施の形態２に係るセグメンテーションを説明するための図である。 図１０は、実施の形態２に係るセグメンテーションを説明するための図である。 図１１は、実施の形態２に係るセグメンテーション結果の一例を示す図である。 図１２は、実施の形態２に係るセグメント結合処理の詳細を示すフローチャートである。 図１３は、実施の形態２に係るセグメント結合処理を説明するための図である。 図１４は、実施の形態２の変形例に係るデプスデータ生成処理の詳細を示すフローチャートである。 図１５は、一実施形態に係る撮像装置の構成を示すブロック図である。
　本発明の一態様に係る画像処理装置は、互いに異なる視点から撮影された第１画像および第２画像を利用してデプスデータを生成する画像処理装置であって、前記第１画像内の一部の画素である複数の代表画素の各々について、前記代表画素と前記代表画素に対応する前記第２画像内の画素との位置関係に基づいて前記代表画素の視差値を算出する視差値算出部と、画素値の類似性に基づいて前記第１画像を複数のセグメントに分割するセグメンテーション部と、セグメントごとに、前記セグメントに含まれる代表画素の視差値に基づいて前記セグメントの視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータを生成するデプスデータ生成部とを備える。
　この構成によれば、各セグメントに含まれる代表画素の視差値に基づいて、各セグメントに対応する奥行きを示すデプスデータを生成することができる。つまり、デプスデータを生成するために、各代表画素に対応する第２画像内の画素を検出すればよく、すべての画素の各々に対応する第２画像内の画素を検出する必要がない。したがって、デプスデータを生成するための処理負荷を軽減することが可能となる。
　さらに、この構成によれば、画素値の類似性に基づいて第１画像が複数のセグメントに分割されるので、１つのセグメントに互いに異なる複数の被写体が含まれる可能性が低くなる。つまり、奥行きが類似する領域が１つのセグメントとして分割される可能性が高くなる。このように分割されたセグメントごとに視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータの正確度が低下することを抑制することが可能となる。
　また、前記画像処理装置は、さらに、前記複数のセグメントの中に、代表画素が含まれていない空セグメントが含まれる場合に、前記空セグメントと、前記空セグメントに隣接するセグメントとを１つに結合するセグメント結合部を備え、前記デプスデータ生成部は、前記セグメント結合部によって結合されたセグメントに基づいて前記デプスデータを生成することが好ましい。
　この構成によれば、複数のセグメントの中に空セグメントが含まれる場合には、当該空セグメントと隣接セグメントとを１つの結合することができる。したがって、セグメンテーション部によって第１画像が複数のセグメントに分割される際に、必ず代表画素が含まれるように分割される必要がない。つまり、代表画素との対応関係を考慮せずにセグメンテーションを行うことができる。その結果、セグメンテーションと代表画素の視差値算出とを並行して処理することが可能となり、デプスデータ生成処理の高速化を図ることができる。
　また、前記セグメント結合部は、前記空セグメントが複数のセグメントと隣接する場合に、色の類似性に基づいて、前記複数のセグメントの中から少なくとも１つのセグメントを選択し、選択された前記少なくとも１つのセグメントと前記空セグメントとを１つに結合することが好ましい。
　この構成によれば、色が類似するセグメント同士を１つに結合することができる。つまり、色が類似する領域が１つのセグメントとして扱われるので、奥行きが類似する領域が１つのセグメントとなる可能性が高くなる。このように得られたセグメントごとに視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータをより正確に生成することが可能となる。
　また、前記デプスデータ生成部は、前記セグメントに２つ以上の代表画素が含まれている場合に、前記２つ以上の代表画素の視差値の中央値または平均値を前記セグメントの視差値として特定することが好ましい。
　この構成によれば、セグメントに２つ以上の代表画素が含まれている場合に、２つ以上の代表画素の視差値の中央値または平均値をセグメントの視差値として特定することができる。したがって、セグメントの視差値を簡易に特定することができ、デプスデータを生成するための処理負荷を軽減することが可能となる。また、セグメントの視差値と、セグメントに含まれる各画素の視差値との誤差を比較的小さくすることができ、より正確にデプスデータを生成することが可能となる。
　また、前記デプスデータ生成部は、セグメントごとに、前記セグメントに含まれる少なくとも１つの代表画素の視差値を用いて前記セグメントに含まれる他の画素の視差値を補間することにより、前記セグメントに含まれる各画素の視差値を算出し、算出された各画素の視差値に基づいて、各画素の奥行きを示すデプスマップを前記デプスデータとして生成することが好ましい。
　この構成によれば、セグメントごとに、当該セグメントに含まれる少なくとも１つの代表画素の視差値を用いて当該セグメントに含まれる他の画素の視差値を補間することができる。したがって、各画素の視差値を補間により得ることができ、より正確にデプスデータを生成することが可能となる。
　また、前記セグメンテーション部は、画素値および画素位置を用いて定義された類似性に基づくクラスタリングにより、前記第１画像を複数のセグメントに分割することが好ましい。
　この構成によれば、画素値および画素位置を用いて定義された類似性に基づくクラスタリングにより、第１画像を複数のセグメントに分割することができる。したがって、１つのセグメントに互いに異なる複数の被写体が含まれないように、第１画像を複数のセグメントに高精度に分割することができる。その結果、より正確にデプスデータを生成することが可能となる。
　また、前記クラスタリングは、ｋ平均法（ｋ－ｍｅａｎｓ　ｃｌｕｓｔｅｒｉｎｇ）であることが好ましい。
　この構成によれば、ｋ平均法により第１画像を複数のセグメントに分割することができる。したがって、１つのセグメントに互いに異なる複数の被写体が含まれないように、第１画像を複数のセグメントにさらに高精度に分割することが可能となる。さらに、比較的簡易な処理によりセグメンテーションが可能となるので、デプスデータを生成するための処理負荷を軽減することも可能となる。
　また、前記画像処理装置は、さらに、前記第１画像の特徴点を前記代表画素として算出する特徴点算出部を備えることが好ましい。
　この構成によれば、特徴点を代表画素として算出することができる。したがって、代表画素に対応する第２画像内の画素を検出することが容易となり、処理負荷を軽減することが可能となる。
　また、前記画像処理装置は、さらに、前記特徴点を用いて、前記第１画像と前記第２画像とを平行化するためのアライメント処理を行うアライメント処理部を備え、前記視差値算出部は、前記アライメント処理が行われた前記第１画像および前記第２画像を用いて、前記代表画素の視差値を算出することが好ましい。
　この構成によれば、第１画像と第２画像とを平行化するためのアライメント処理を行うことができる。一般的に、ステレオ画像などの多視点画像が撮影された場合には、多視点画像のアライメント処理が行われる。また、アライメント処理では、特徴点の算出および対応点の検出が行われる。つまり、アライメント処理で行われる特徴点の算出および対応点の検出結果を流用して、代表画素の視差値を算出することができるので、デプスデータを生成するための処理負荷を軽減することが可能となる。
　また、前記画像処理装置は、さらに、前記デプスデータに基づいて、前記第１画像を前景領域と背景領域とに分離し、前記背景領域にぼかし処理を施す画像処理部を備えることが好ましい。
　この構成によれば、デプスデータに基づいて第１画像を前景領域と背景領域とに分離し、背景領域にぼかし処理を施すことが可能となる。前景領域と背景領域とに分離するためのデプスデータは、必ずしも画素単位の高精細なデプスデータである必要はない。したがって、各セグメントの視差値に基づくデプスデータを有効に活用することができる。
　また、前記画像処理装置は、さらに、前記デプスデータに基づいて、前記第１画像を前景領域と背景領域とに分離し、前記前景領域を、前記第１画像および前記第２画像とは異なる第３画像と合成する画像処理部を備えることが好ましい。
　この構成によれば、デプスデータに基づいて第１画像を前景領域と背景領域とに分離し、前景領域と背景領域に相当する他の画像とを合成することが可能となる。前景領域と背景領域とに分離するためのデプスデータは、必ずしも画素単位の高精細なデプスデータである必要はない。したがって、各セグメントの視差値に基づくデプスデータを有効に活用することができる。
　また、前記画像処理装置は、集積回路として構成されてもよい。
　また、本発明の一態様に係る撮像装置は、上記画像処理装置と、前記第１画像および前記第２画像を撮影する撮像部とを備える。
　この構成によれば、上記画像処理装置と同様の効果を奏することができる。
　なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。
　以下、実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示す。つまり、以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置および接続形態、ステップ、ステップの順序などは、一例であり、請求の範囲を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　図１は、実施の形態１に係る画像処理装置１０の機能構成を示すブロック図である。画像処理装置１０は、互いに異なる視点から撮影された第１画像および第２画像（例えばステレオ画像）を利用して、第１画像のデプスデータを生成する。第１画像および第２画像は、例えば、ステレオ画像（左目用画像および右目用画像）である。
　図１に示すように、本実施の形態に係る画像処理装置１０は、視差値算出部１１と、セグメンテーション部１２と、デプスデータ生成部１３とを備える。
　視差値算出部１１は、第１画像内の代表画素ごとに、第２画像内の対応画素を検出することにより、代表画素と対応画素との間の視差値を算出する。つまり、視差値算出部１１は、第１画像内の一部の画素について視差値を算出する。
　ここで、代表画素とは、第１画像に含まれる画素のうちの一部の画素である。本実施の形態では、代表画素は、画像内の予め定められた位置に存在する画素である。
　また、対応画素とは、代表画素に対応する画素である。つまり、対応画素は、第１画像内の代表画素と類似する第２画像内の画素である。代表画素と対応画素との２つの画素は、対応点とも呼ばれる。この対応画素は、例えばブロックマッチング法により検出することができる。
　また、代表画素と対応画素との間の視差値とは、代表画素の位置と対応画素の位置とのずれを表す値である。この視差値を用いれば、三角測量の原理に基づいて、撮像装置から被写体までの距離（奥行き）を算出することができる。なお、この代表画素と対応画素との間の視差値を、単に代表画素の視差値と呼ぶ。
　セグメンテーション部１２は、画素値の類似性に基づいて、第１画像を複数のセグメントに分割する。つまり、セグメンテーション部１２は、画素値が互いに類似する画素が１つのセグメントに含まれるように、第１画像を複数のセグメントに分割する。本実施の形態では、セグメンテーション部１２は、各セグメントに少なくとも１つの代表画素が含まれるように、第１画像を複数のセグメントに分割する。
　ここで、セグメントとは、第１画像内の一部の領域に相当する。また、複数のセグメントに分割する処理を、以下においてセグメンテーションともいう。
　また、画素値とは、画像を構成する画素が有する値である。画素値は、例えば、画素の輝度、色、明度、色相もしくは彩度、またはそれらの組合せを示す値である。
　デプスデータ生成部１３は、セグメントごとに、当該セグメントに含まれる代表画素の視差値に基づいて当該セグメントの視差値を特定することによりデプスデータを生成する。つまり、デプスデータ生成部１３は、セグメントごとに特定された視差値に基づいてデプスデータを生成する。
　ここで生成されるデプスデータは、各セグメントに対応する奥行きを示す。例えば、デプスデータは、セグメントの位置および大きさを示すセグメント情報に、セグメントの奥行き値が対応付けられたデータであってもよい。また例えば、デプスデータは、画素値として奥行き値を有するデプスマップ（デプス画像）であってもよい。
　なお、デプスデータは、必ずしも奥行き値を含む必要はなく、奥行きを示すデータを含めばよい。例えば、デプスデータは、視差値を、奥行きを示すデータとして含んでもよい。
　次に、以上のように構成された画像処理装置１０の処理動作を説明する。
　図２は、実施の形態１に係る画像処理装置１０の処理動作を示すフローチャートである。図３は、実施の形態１に係る画像処理装置１０の処理動作の一例を説明するための図である。
　まず、視差値算出部１１は、各代表画素の視差値を算出する（Ｓ１０１）。例えば図３の（ａ）に示すように、視差値算出部１１は、第１画像１０１内の予め定められた位置にある代表画素ごとに第２画像１０２内の対応画素を検出する。そして、視差値算出部１１は、代表画素と対応画素との位置関係に基づいて、代表画素の視差値をそれぞれ算出する。
　次に、セグメンテーション部１２は、第１画像１０１を複数のセグメントに分割する（Ｓ１０２）。例えば図３の（ｂ）に示すように、セグメンテーション部１２は、第１画像１０１を、予め定められたサイズの矩形状をそれぞれ有する複数のセグメントに分割する。ここでは、図３の（ｂ）では、各セグメントに１つの代表画素が含まれるように、第１画像１０１が分割されている。
　最後に、デプスデータ生成部１３は、各セグメントの視差値に基づいてデプスデータを生成する（Ｓ１０３）。このとき、デプスデータ生成部１３は、図３の（ｃ）のように、各セグメントの視差値を、当該セグメントに含まれる代表画素の視差値に基づいて特定する。
　以上のように、本実施の形態に係る画像処理装置１０によれば、各セグメントに含まれる代表画素の視差値に基づいて、各セグメントに対応する奥行きを示すデプスデータを生成することができる。つまり、デプスデータを生成するために、各代表画素に対応する第２画像内の画素を検出すればよく、すべての画素の各々に対応する第２画像内の画素を検出する必要がない。したがって、デプスデータを生成するための処理負荷を軽減することが可能となる。
　さらに、本実施の形態に係る画像処理装置１０によれば、画素値の類似性に基づいて第１画像が複数のセグメントに分割されるので、１つのセグメントに互いに異なる複数の被写体が含まれる可能性が低くなる。つまり、奥行きが類似する領域が１つのセグメントとして分割される可能性が高くなる。このように分割されたセグメントごとに視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータの正確度が低下することを抑制することが可能となる。
　なお、図２において、視差値算出（Ｓ１０１）の後にセグメンテーション（Ｓ１０２）が行われていたが、必ずしもこの順番で行われる必要はない。すなわち、セグメンテーション（Ｓ１０２）の後に視差値算出（Ｓ１０１）が行われてもよい。この場合、視差値算出部１１は、例えば、セグメンテーション部１２によって分割された各セグメントの重心位置の画素を代表画素として扱えばよい。
　また、視差値算出（Ｓ１０１）とセグメンテーション（Ｓ１０２）とは並列に行われてもよい。これにより、処理の高速化を図ることができる。
　（実施の形態２）
　次に、実施の形態２について図面を参照しながら説明する。
　図４は、実施の形態２に係る画像処理装置２０の機能構成を示すブロック図である。本実施の形態に係る画像処理装置２０は、特徴点算出部２１と、アライメント処理部２２と、視差値算出部２３と、セグメンテーション部２４と、セグメント結合部２５と、デプスデータ生成部２６と、画像処理部２７とを備える。
　特徴点算出部２１は、第１画像の特徴点を代表画素として算出する。具体的には、特徴点算出部２１は、特徴量抽出手法により抽出される特徴量を用いて特徴点を算出する。特徴量抽出手法としては、例えば、参考文献１（Ｄａｖｉｄ　Ｇ．Ｌｏｗｅ，“Ｄｉｓｔｉｎｃｔｉｖｅ　ｉｍａｇｅ　ｆｅａｔｕｒｅｓ　ｆｒｏｍ　ｓｃａｌｅ－ｉｎｖａｒｉａｎｔ　ｋｅｙｐｏｉｎｔｓ”，Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，６０，２（２００４），ｐｐ．９１－１１０．）に開示されているＳＩＦＴ（Ｓｃａｌｅ　Ｉｎｖａｒｉａｎｔ　Ｆｅａｔｕｒｅ　Ｔｒａｎｓｆｏｒｍ）を用いることができる。また、特徴量抽出手法として、参考文献２（Ｈｅｒｂｅｒｔ　Ｂａｙ，　Ａｎｄｒｅａｓ　Ｅｓｓ，Ｔｉｎｎｅ　Ｔｕｙｔｅｌａａｒｓ，　Ｌｕｃ　Ｖａｎ　Ｇｏｏｌ，“ＳＵＲＦ：Ｓｐｅｅｄｅｄ　Ｕｐ　Ｒｏｂｕｓｔ　Ｆｅａｔｕｒｅｓ”，Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｉｍａｇｅ　Ｕｎｄｅｒｓｔａｎｄｉｎｇ（ＣＶＩＵ），Ｖｏｌ．１１０，Ｎｏ．３，ｐｐ．３４６－３５９，２００８）に開示されているＳＵＲＦ（Ｓｐｅｅｄｅｄ　Ｕｐ　Ｒｏｂｕｓｔ　Ｆｅａｔｕｒｅｓ）を用いることもできる。
　アライメント処理部２２は、算出された特徴点を用いて、第１画像と第２画像との平行化（ｒｅｃｔｉｆｉｃａｔｉｏｎ）を行うためのアライメント処理を行う。具体的には、アライメント処理部２２は、特徴量に基づいて、特徴点に対応する第２画像内の点を検出する。さらに、アライメント処理部２２は、検出された第２画像内の点と特徴点との２点（対応点）間の位置関係を利用してアライメント処理を行う。
　視差値算出部２３は、アライメント処理が行われた第１画像および第２画像を用いて、代表画素の視差値を算出する。つまり、視差値算出部２３は、特徴点ごとに、対応点間の位置関係を利用して視差値を算出する。
　セグメンテーション部２４は、画素値および画素位置を用いて定義された類似性に基づくクラスタリングにより、第１画像を複数のセグメントに分割する。なお、このクラスタリングの詳細については後述する。
　セグメント結合部２５は、複数のセグメントの中に空セグメントが含まれる場合に、当該空セグメントと、当該空セグメントに隣接するセグメントとを１つに結合する。ここで、空セグメントとは、代表画素が含まれていないセグメントである。
　なお、セグメント結合部２５は、結合されたセグメントに代表画素が含まれていない場合は、さらに隣接するセグメントとの結合を繰り返す。つまり、セグメント結合部２５は、各セグメントに少なくとも１つの代表画素が含まれるように、セグメントを結合する。
　デプスデータ生成部２６は、セグメント結合部２５によって結合されたセグメントに基づいてデプスデータを生成する。具体的には、デプスデータ生成部２６は、例えば、セグメントに含まれる代表画素の視差値をセグメントの視差値と特定する。また、セグメントに２つ以上の代表画素が含まれている場合には、デプスデータ生成部２６は、例えば、２つ以上の代表画素の視差値の中央値または平均値をセグメントの視差値と特定する。
　画像処理部２７は、生成されたデプスデータに基づいて、第１画像および第２画像の少なくとも一方に画像処理を施す。例えば、画像処理部２７は、デプスデータに基づいて、第１画像を前景領域と背景領域とに分離する。そして、画像処理部２７は、背景領域にぼかし処理を施す。また例えば、画像処理部２７は、前景領域を、第１画像および第２画像とは異なる第３画像と合成してもよい。
　このような第１画像を前景領域と背景領域とに分離するためのデプスデータは、必ずしも画素単位の高精細なデプスデータである必要はない。つまり、各セグメントの視差値に基づくデプスデータを有効に活用することができる。
　次に、以上のように構成された画像処理装置２０の処理動作を説明する。
　図５は、実施の形態２に係る画像処理装置２０の処理動作を示すフローチャートである。
　まず、特徴点算出部２１は、第１画像の特徴点を代表画素として算出する（Ｓ２０１）。アライメント処理部２２は、算出された特徴点を用いて、第１画像と第２画像とを平行化するためのアライメント処理を行う（Ｓ２０２）。
　視差値算出部２３は、アライメント処理が行われた第１画像および第２画像を用いて、代表画素の視差値を算出する（Ｓ２０３）。セグメンテーション部２４は、画素値および画素位置を用いて定義された類似性に基づくクラスタリングにより、第１画像を複数のセグメントに分割する（Ｓ２０４）。
　セグメント結合部２５は、各セグメントに少なくとも１つの代表画素が含まれるように、複数のセグメントを結合する（Ｓ２０５）。デプスデータ生成部２６は、セグメント結合部２５によって結合されたセグメントに基づいてデプスデータを生成する（Ｓ２０６）。最後に、画像処理部２７は、生成されたデプスデータに基づいて、第１画像および第２画像の少なくとも一方に画像処理を施す（Ｓ２０７）。
　以下に、このような画像処理装置２０の処理動作の詳細について図面を参照しながら説明する。まず、アライメント処理（Ｓ２０２）の詳細について図６および図７を用いて説明する。
　図６は、実施の形態２に係るアライメント処理の概要を示す図である。
　図６の（ａ）に示すように、ステレオカメラで撮影されたステレオ画像は、互いに平行でないことが多い。つまり、第１画像１０１および第２画像１０２の各々において、エピポーララインが水平とならないことが多い。
　そこで、アライメント処理部２２は、図６の（ｂ）に示すように、第１画像１０１および第２画像１０２の各々においてエピポーララインが水平となるように、第１画像１０１および第２画像１０２との平行化を行う。
　図７は、実施の形態２に係るアライメント処理の一例を説明するための図である。具体的には、図７は、参考文献３（「新編　画像解析ハンドブック」（高木幹夫・下田陽久監修、東京大学出版会刊、２００４年９月、頁１３３３－１３３７））に開示された方法に基づくアライメント処理を説明するための図である。
　画像Ｌおよび画像Ｒは、対象物Ｐが撮影されたステレオ画像である。画像Ｌ上の点Ｐ’Ｌに対応する画像Ｒ上の点Ｐ’Ｒは、２枚の画像の投影中心ＯＬおよびＯＲと画像Ｌ上の点Ｐ’Ｌとを含む平面と、画像Ｒとが交わる直線上に存在する。
　この直線をエピポーララインと呼ぶ。また、対象物Ｐと２枚の画像の投影中心ＯＬおよびＯＲを含む平面をエピポーラプレーンと呼ぶ。
　すなわち、エピポーラプレーンと２枚の画像Ｌ、Ｒのそれぞれの画像投影面との交線がエピポーララインとなる。このように平行化されていない画像では、エピポーララインは画像の走査方向（ここでは水平方向）と平行とならない。そのため、対応点のマッチングにおいて、２次元の探索が必要となり、計算量が増加する。そこで探索を簡単化するために、以下に示す方法で２枚のステレオ画像を平行化する。
　画像Ｌの投影中心ＯＬを原点とし、ｘ’軸、ｙ’軸がそれぞれＵＬ軸、ＶＬ軸と平行になる座標系（ｘ’、ｙ’、ｚ’）を考える。この座標系をモデル座標系と呼ぶ。モデル座標系では、画像Ｌのセンサの投影中心の位置が（０，０，０）、姿勢が（０，０，０）となり、また画像Ｒのセンサの投影中心の位置は（Ｂｘ’、Ｂｙ’，Ｂｚ’）、姿勢は（ω’、φ’、χ’）となる。Ｂｘ’を単位長さにして、ｂｙ’＝Ｂｙ’／Ｂｘ’、ｂｚ’＝Ｂｚ’／Ｂｘ’とすれば、このモデル座標系とそれぞれの仮想投影面座標系との間の座標変換は次の式１および式２のように表される。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
　これらの座標変換式における未知数は、画像Ｒに関する（ｂｙ’、ｂｚ’）、（ω’、φ’、χ’）の５個である。これらの５個の未知数は、次の共面条件式（式３）を満足するように決定される。
Figure JPOXMLDOC01-appb-M000003
　まず、２枚の画像上で、３次元座標における同一点が５点以上それぞれ選定される。そして、それらの仮想投影面座標が特定される。次に、特定された仮想投影面座標を用いて、式３に最小二乗法を適用することにより、（ｂｙ’、ｂｚ’）、（ω’、φ’、χ’）が決定される。
　次に、以下の式４および式５で与えられる座標変換を考える。
Figure JPOXMLDOC01-appb-M000004
Figure JPOXMLDOC01-appb-M000005
　この座標変換が行われた後の画像Ｌ’（ｕ’Ｌ，ｖ’Ｌ）および画像Ｒ’（ｕ’Ｌ，ｖ’Ｌ）は、エピポーララインに沿って再配列された画像である。これらの２枚の画像（画像Ｌ’および画像Ｒ’）上では、対応点のｖ’座標は互いに等しくなる。すなわち、変換後の画像では、対応点は横方向に探索すればよく、対応点の探索が簡単になる。これによって、画像Ｌは新たに画像Ｌ’へと変換される。
　つまり、視差値算出部２３は、このように平行化された第１画像１０１および第２画像１０２を用いて、第１画像１０１内の代表画素に対応する第２画像１０２内の画素を探索することにより、各代表画素の視差値を簡易に算出することができる。
　なお、図６では中心投影を仮定した解法について述べたが、透視投影、弱透視投影などの場合も、撮像系に応じた幾何モデルを用いて同様の処理が可能である。
　次に、セグメンテーション（Ｓ２０４）の詳細について、図８～図１１を用いて説明する。なお、ここでは、セグメンテーションの一例として、ｋ平均法（ｋ－ｍｅａｎｓ　ｃｌｕｓｔｅｒｉｎｇ）に基づくセグメンテーションについて説明する。
　図８は、実施の形態２に係るセグメンテーションの詳細を示すフローチャートである。図９は、実施の形態２に係るセグメンテーションを説明するための図である。図１０は、実施の形態２に係るセグメンテーションを説明するための図である。図１１は、実施の形態２に係るセグメンテーション結果の一例を示す図である。
　図８に示すように、セグメンテーション部２４は、まず、第１画像および第２画像の色空間を変換する（Ｓ３０１）。具体的には、セグメンテーション部２４は、第１画像および第２画像を、ＲＧＢ色空間からＬａｂ色空間に変換する。
　このＬａｂ色空間は、知覚的に均等な色空間である。つまり、Ｌａｂ色空間では、色の値が同じだけ変化したとき、人間がそれを見たときに感じられる変化も等しい。したがって、セグメンテーション部２４は、Ｌａｂ色空間において第１画像のセグメンテーションを行うことにより、人間が知覚する被写体の境界に沿って第１画像を分割することが可能となる。
　次に、セグメンテーション部２４は、ｋ個（ｋ：２以上の整数）の初期クラスタの重心を設定する（Ｓ３０２）。これらのｋ個の初期クラスタの重心は、例えば、第１画像上において均等に配置されるように設定される。ここでは、隣り合う重心間の間隔がＳ（画素）となるように、ｋ個の初期クラスタの重心が設定される。
　続いて、第１画像内の各画素に対してステップＳ３０３、Ｓ３０４の処理が行われる。具体的には、セグメンテーション部２４は、各クラスタの重心に対する距離Ｄｓを算出する（Ｓ３０３）。この距離Ｄｓは、画素値および画素位置を用いて定義された類似性を示す値に相当する。ここでは、距離Ｄｓが小さいほど、クラスタの重心に対する画素の類似性が高いことを示す。
　なお、図９に示すように、セグメンテーション部２４は、距離算出対象範囲内に位置する重心Ｃｋに対してのみ対象画素ｉの距離Ｄｓを算出する。ここでは、水平方向および垂直方向において、対象画素ｉの位置から初期クラスタの重心間隔Ｓ以下となる位置を距離算出対象範囲と設定する。つまり、セグメンテーション部２４は、対象画素ｉについては、重心Ｃ２、Ｃ３、Ｃ６、Ｃ７の各々に対する距離を算出する。このように、距離算出対象範囲が設定されることにより、すべての重心に対して距離を算出する場合よりも、計算負荷を軽減することが可能となる。
　重心Ｃｋ（画素位置（ｘｋ，ｙｋ）、画素値（ｌｋ，ａｋ，ｂｋ））に対する対象画素ｉ（画素位置（ｘｉ，ｙｉ）、画素値（ｌｉ，ａｉ，ｂｉ））の距離Ｄｓは、以下の式６によって算出される。
Figure JPOXMLDOC01-appb-M000006
　ここで、ｍは、画素値に基づく距離ｄｌａｂと、画素位置に基づく距離ｄｘｙとが距離Ｄｓに及ぼす影響のバランスを図るための係数である。この係数ｍは、実験的あるは経験的に予め定められればよい。
　次に、セグメンテーション部２４は、このように対象画素ｉの各重心に対する距離Ｄｓを用いて、対象画素ｉが所属するクラスタを決定する（Ｓ３０４）。具体的には、セグメンテーション部２４は、距離Ｄｓが最も小さい重心を有するクラスタを対象画素ｉの所属クラスタと決定する。
　このようなステップＳ３０３、Ｓ３０４の処理を第１画像に含まれる画素ごとに繰り返すことにより、各画素の所属クラスタが決定される。
　次に、セグメンテーション部２４は、各クラスタの重心を更新する（Ｓ３０５）。例えば、ステップＳ３０４において各画素の所属クラスタが決定された結果、図１０に示すように、矩形状のクラスタが六角形状のクラスタに変化した場合に重心Ｃ６の画素値および画素位置を更新する。
　具体的には、セグメンテーション部２４は、以下の式７に従って、新たな重心の画素値（ｌｋ＿ｎｅｗ，ａｋ＿ｎｅｗ、ｂｋ＿ｎｅｗ）および画素位置（ｘｋ＿ｎｅｗ，ｙｋ＿ｎｅｗ）を算出する。
Figure JPOXMLDOC01-appb-M000007
　ここで、各クラスタの重心が収束している場合（Ｓ３０６のＹｅｓ）、セグメンテーション部２４は、処理を終了する。つまり、ステップＳ３０５の更新前後において各クラスタの重心に変化がない場合に、セグメンテーション部２４は、セグメンテーションを終了する。一方、各クラスタの重心が収束していない場合（Ｓ３０６のＮｏ）、セグメンテーション部２４は、ステップＳ３０３～Ｓ３０５の処理を繰り返す。
　このように、セグメンテーション部２４は、画素値および画素位置を用いて定義された類似度に基づくクラスタリング（ここではｋ平均法）により、第１画像を複数のセグメントに分割することができる。したがって、図１１に示すように、セグメンテーション部２４は、第１画像に含まれる被写体領域の特徴に応じて、第１画像を複数のセグメントに分割することができる。
　つまり、セグメンテーション部２４は、１つのセグメントに同一の被写体が含まれるように第１画像を複数のセグメントに分割することが可能となる。その結果、各セグメント内の画素の視差値が類似するので、セグメントごとに特定される視差値の正確度を向上させることができる。つまり、デプスデータはより正確に生成されうる。さらに、ｋ平均法は、比較的簡易なクラスタリングであるので、デプスデータを生成するための処理負荷を軽減することも可能となる。
　次に、セグメント結合（Ｓ２０５）の詳細について、図１２および図１３を用いて説明する。なお、ここでは、セグメント結合の一例として、色の類似性に基づくセグメント結合について説明する。
　図１２は、実施の形態２に係るセグメント結合処理の詳細を示すフローチャートである。図１３は、実施の形態２に係るセグメント結合処理を説明するための図である。
　図１２に示すように、セグメント結合部２５は、まず、セグメンテーション部２４による分割によって得られた複数のセグメンテーションの中から空セグメントを選択する（Ｓ４０１）。空セグメントとは、代表画素が１つも含まれていないセグメントである。
　セグメント結合部２５は、選択された空セグメントに隣接するセグメント（以下、隣接セグメントともいう）を選択する（Ｓ４０２）。ここで、空セグメントが複数のセグメントと隣接する場合には、セグメント結合部２５は、色の類似性に基づいて、複数の隣接セグメントの中から少なくとも１つのセグメントを選択する。つまり、セグメント結合部２５は、空セグメントと最も色が類似する隣接セグメントを結合対象のセグメントとして選択する。
　なお、この色の類似性の評価は、ＹＵＶ色空間あるいはＲＧＢ色空間において行われることが好ましい。また、セグメント結合部２５は、必ずしも隣接セグメントを１つだけ選択する必要はない。例えば、セグメント結合部２５は、色の類似性を示す値が閾値以上である複数の隣接セグメントを選択してもよい。
　セグメント結合部２５は、ステップＳ４０１で選択された空セグメントと、ステップＳ４０２で選択された隣接セグメントとを１つに結合する（Ｓ４０３）。つまり、セグメント結合部２５は、選択された空セグメントと選択された隣接セグメントとを結合して１つの新たなセグメントを設定する。
　例えば、図１３の（ａ）に示すように、空セグメントＳ２と、その空セグメントＳ２に隣接する隣接セグメントＳ１、Ｓ３、Ｓ４が存在する場合、セグメント結合部２５は、複数の隣接セグメントＳ１、Ｓ３、Ｓ４の中から、空セグメントＳ２の色（例えば平均色）と最も色が類似する隣接セグメントＳ１を選択する。そして、図１３の（ｂ）に示すように、セグメント結合部２５は、空セグメントＳ２と選択された隣接セグメントＳ１とを結合して、新たなセグメントＳＮを設定する。
　次に、セグメント結合部２５は、空セグメントが存在するか否かを判定する（Ｓ４０４）。ここで、空セグメントが存在しなければ（Ｓ４０４のＮｏ）、セグメント結合部２５は処理を終了する。一方、空セグメントが存在すれば（Ｓ４０４のＹｅｓ）、セグメント結合部２５は、ステップＳ４０１に戻って処理を実行する。
　このように空セグメントが存在しなくなるまで、空セグメントと隣接セグメントとの結合が繰り返される。そして、デプスデータ生成部２６は、このように結合されたセグメントに基づいて、デプスデータを生成する。
　以上のように、本実施の形態に係る画像処理装置２０によれば、複数のセグメントの中に空セグメントが含まれる場合には、空セグメントがなくなるまで、空セグメントと隣接セグメントとの結合を行うことができる。したがって、セグメンテーション部によって第１画像が複数のセグメントに分割される際に、必ず代表画素が含まれるように分割される必要がない。つまり、代表画素との対応関係を考慮せずにセグメンテーションを行うことができる。その結果、セグメンテーションと代表画素の視差値算出とを並行して処理することが可能となり、デプスデータ生成処理の高速化を図ることができる。
　また、本実施の形態に係る画像処理装置２０によれば、色が類似するセグメント同士を１つに結合することができる。つまり、色が類似する領域が１つのセグメントとして扱われるので、奥行きが類似する領域が１つのセグメントとなる可能性が高くなる。このように得られたセグメントごとに視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータをより正確に生成することが可能となる。
　また、本実施の形態に係る画像処理装置２０によれば、セグメントに２つ以上の代表画素が含まれている場合に、２つ以上の代表画素の視差値の中央値または平均値をセグメントの視差値として特定することができる。したがって、セグメントの視差値を簡易に特定することができ、デプスデータを生成するための処理負荷を軽減することが可能となる。また、セグメントの視差値と、セグメントに含まれる各画素の視差値との誤差を比較的小さくすることができ、より正確にデプスデータを生成することが可能となる。
　また、本実施の形態に係る画像処理装置２０によれば、特徴点を代表画素として算出することができる。したがって、代表画素に対応する第２画像内の画素を検出することが容易となり、処理負荷を軽減することが可能となる。
　また、本実施の形態に係る画像処理装置２０によれば、第１画像と第２画像とを平行化するためのアライメント処理を行うことができる。一般的に、ステレオ画像などの多視点画像が撮影された場合には、多視点画像のアライメント処理が行われる。また、アライメント処理では、特徴点の算出および対応点の検出が行われる。つまり、アライメント処理で行われる特徴点の算出および対応点の検出結果を流用して、代表画素の視差値を算出することができるので、デプスデータを生成するための処理負荷を軽減することが可能となる。
　（実施の形態２の変形例）
　次に、実施の形態２の変形例について説明する。本変形例では、デプスデータ生成部２６の処理動作が実施の形態２と異なる。
　具体的には、本変形例に係るデプスデータ生成部２６は、セグメントごとに、当該セグメントに含まれる少なくとも１つの代表画素の視差値を用いて当該セグメントに含まれる他の画素の視差値を補間することにより、当該セグメントに含まれる各画素の視差値を算出する。そして、デプスデータ生成部２６は、算出された各画素の視差値に基づいて、各画素の奥行きを示すデプスマップをデプスデータとして生成する。
　このような本変形例に係るデプスデータ生成部２６の処理動作を、図１４を用いて説明する。図１４は、実施の形態２の変形例に係るデプスデータ生成処理の詳細を示すフローチャートである。
　まず、デプスデータ生成部２６は、第１画像内の複数のセグメントの中から１つのセグメントを選択する（Ｓ５０１）。デプスデータ生成部２６は、選択されたセグメントが複数の代表画素を含むか否かを判定する（Ｓ５０２）。
　ここで、選択されたセグメントが複数の代表画素を含む場合（Ｓ５０２のＹｅｓ）、デプスデータ生成部２６は、当該複数の代表画素の視差値を用いて当該セグメントに含まれる他の画素の視差値を補間することにより、当該セグメントに含まれる各画素の視差値を算出する（Ｓ５０３）。例えば、デプスデータ生成部２６は、スプライン補間により他の画素の視差値を算出する。
　一方、選択されたセグメントが代表画素を１つだけ含む場合（Ｓ５０２のＮｏ）、デプスデータ生成部２６は、代表画素の視差値を用いて当該セグメントに含まれる他の画素の視差値を決定する（Ｓ５０４）。例えば、デプスデータ生成部２６は、セグメントに含まれるすべての画素の視差値を代表画素の視差値と決定する。
　そして、デプスデータ生成部２６は、すべてのセグメントが選択されたか否かを判定する（Ｓ５０５）。ここで、いずれかのセグメントが選択されていない場合（Ｓ５０５のＮｏ）、ステップＳ５０１の処理に戻る。
　一方、すべてのセグメントが選択された場合（Ｓ５０５のＹｅｓ）、デプスデータ生成部２６は、各画素の視差値を奥行き値に変換することにより、デプスマップ（デプスデータ）を生成する（Ｓ５０６）。なお、視差値から奥行き値への変換は、例えば、三角測量の原理に基づいて行われる。
　以上のように、本変形例に係る画像処理装置によれば、セグメントごとに、当該セグメントに含まれる少なくとも１つの代表画素の視差値を用いて当該セグメントに含まれる他の画素の視差値を補間することができる。したがって、各画素の視差値を補間により得ることができ、より正確にデプスデータを生成することが可能となる。
　以上、１つまたは複数の態様に係る画像処理装置について、実施の形態に基づいて説明したが、本発明は、これらの実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したもの、あるいは異なる実施の形態における構成要素を組み合わせて構築される形態も、１つまたは複数の態様の範囲内に含まれる。
　例えば、上記実施の形態２において、特徴点算出部２１は、予め定められた数を超えないように特徴点を代表画素として算出してもよい。例えば、特徴点算出部２１は、セグメント内に複数の特徴点が含まれないように特徴点を算出してもよい。また例えば、特徴点算出部２１は、特徴点間の距離が予め定められた距離未満とならないように特徴点を算出いてもよい。このように特徴点を算出することにより、代表画素に対応する画素の検出処理の負荷が高くなることを防止することができる。
　また、上記実施の形態２において、セグメンテーション部２４は、ｋ平均法に基づいてセグメンテーションを行なっていたが、他のクラスタリング手法に基づいてセグメンテーションを行なってもよい。例えば、セグメンテーション部２４は、平均変位法（ｍｅａｎ－ｓｈｉｆｔ　ｃｌｕｓｔｅｒｉｎｇ）に基づいてセグメンテーションを行なってもよい。
　また、上記実施の形態２において、セグメント結合部２５は、色の類似性に基づいてセグメントを結合していたが、色以外のものの類似性に基づいてセグメントを結合しても構わない。例えば、セグメント結合部２５は、輝度の類似性に基づいてセグメントを結合してもよい。
　また、上記実施の形態１または２における画像処理装置１０、２０が備える構成要素の一部または全部は、１個のシステムＬＳＩ（Ｌａｒｇｅ　Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしてもよい。例えば、画像処理装置１０は、視差値算出部１１とセグメンテーション部１２とデプスデータ生成部１３とを有するシステムＬＳＩから構成されてもよい。
　システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）などを含んで構成されるコンピュータシステムである。前記ＲＯＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。
　なお、ここでは、システムＬＳＩとしたが、集積度の違いにより、ＩＣ、ＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、あるいはＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
　さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適用等が可能性としてありえる。
　また、このような画像処理装置は、撮像装置に備えられてもよい。図１５は、一実施形態に係る撮像装置３０の機能構成を示すブロック図である。撮像装置３０は、例えば、デジタルスチルカメラまたはデジタルビデオカメラである。図１５に示すように、撮像装置３０は、互いに異なる視点から第１画像および第２画像を撮影する撮像部３１と、上記実施の形態１または２に係る画像処理装置１０または２０とを備える。
　なお、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。ここで、上記各実施の形態の画像復号化装置などを実現するソフトウェアは、次のようなプログラムである。
　すなわち、このプログラムは、コンピュータに、互いに異なる視点から撮影された第１画像および第２画像を利用してデプスデータを生成する画像処理方法であって、前記第１画像内の一部の画素である複数の代表画素の各々について、前記代表画素と前記代表画素に対応する前記第２画像内の画素との位置関係に基づいて前記代表画素の視差値を算出する視差値算出ステップと、画素値の類似性に基づいて前記第１画像を複数のセグメントに分割するセグメンテーションステップと、セグメントごとに、前記セグメントに含まれる代表画素の視差値に基づいて前記セグメントの視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータを生成するデプスデータ生成ステップとを含む画像処理方法を実行させる。
　本発明は、互いに異なる視点から撮影された第１画像と第２画像とを用いてデプスデータを生成することができる画像処理装置、およびその画像処理装置を備える、デジタルスチルカメラまたはデジタルビデオカメラなどの撮像装置として利用可能である。
　１０、２０　　画像処理装置
　１１、２３　　視差値算出部
　１２、２４　　セグメンテーション部
　１３、２６　　デプスデータ生成部
　２１　　特徴点算出部
　２２　　アライメント処理部
　２５　　セグメント結合部
　２７　　画像処理部
　３０　　撮像装置
　３１　　撮像部
　１０１　　第１画像
　１０２　　第２画像

Claims (15)

  1. 　互いに異なる視点から撮影された第１画像および第２画像を利用してデプスデータを生成する画像処理装置であって、
    　前記第１画像内の一部の画素である複数の代表画素の各々について、前記代表画素と前記代表画素に対応する前記第２画像内の画素との位置関係に基づいて前記代表画素の視差値を算出する視差値算出部と、
    　画素値の類似性に基づいて前記第１画像を複数のセグメントに分割するセグメンテーション部と、
    　セグメントごとに、前記セグメントに含まれる代表画素の視差値に基づいて前記セグメントの視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータを生成するデプスデータ生成部とを備える
    　画像処理装置。
  2. 　前記画像処理装置は、さらに、
    　前記複数のセグメントの中に、代表画素が含まれていない空セグメントが含まれる場合に、前記空セグメントと、前記空セグメントに隣接するセグメントとを１つに結合するセグメント結合部を備え、
    　前記デプスデータ生成部は、前記セグメント結合部によって結合されたセグメントに基づいて前記デプスデータを生成する
    　請求項１に記載の画像処理装置。
  3. 　前記セグメント結合部は、前記空セグメントが複数のセグメントと隣接する場合に、
    　色の類似性に基づいて、前記複数のセグメントの中から少なくとも１つのセグメントを選択し、
    　選択された前記少なくとも１つのセグメントと前記空セグメントとを１つに結合する
    　請求項２に記載の画像処理装置。
  4. 　前記デプスデータ生成部は、前記セグメントに２つ以上の代表画素が含まれている場合に、前記２つ以上の代表画素の視差値の中央値または平均値を前記セグメントの視差値として特定する
    　請求項１～３のいずれか１項に記載の画像処理装置。
  5. 　前記デプスデータ生成部は、
    　セグメントごとに、前記セグメントに含まれる少なくとも１つの代表画素の視差値を用いて前記セグメントに含まれる他の画素の視差値を補間することにより、前記セグメントに含まれる各画素の視差値を算出し、
    　算出された各画素の視差値に基づいて、各画素の奥行きを示すデプスマップを前記デプスデータとして生成する
    　請求項１～３のいずれか１項に記載の画像処理装置。
  6. 　前記セグメンテーション部は、画素値および画素位置を用いて定義された類似性に基づくクラスタリングにより、前記第１画像を複数のセグメントに分割する
    　請求項１～５のいずれか１項に記載の画像処理装置。
  7. 　前記クラスタリングは、ｋ平均法（ｋ－ｍｅａｎｓ　ｃｌｕｓｔｅｒｉｎｇ）である
    　請求項６に記載の画像処理装置。
  8. 　前記画像処理装置は、さらに、
    　前記第１画像の特徴点を前記代表画素として算出する特徴点算出部を備える
    　請求項１～７のいずれか１項に記載の画像処理装置。
  9. 　前記画像処理装置は、さらに、
    　前記特徴点を用いて、前記第１画像と前記第２画像とを平行化するためのアライメント処理を行うアライメント処理部を備え、
    　前記視差値算出部は、前記アライメント処理が行われた前記第１画像および前記第２画像を用いて、前記代表画素の視差値を算出する
    　請求項８に記載の画像処理装置。
  10. 　前記画像処理装置は、さらに、
    　前記デプスデータに基づいて、前記第１画像を前景領域と背景領域とに分離し、前記背景領域にぼかし処理を施す画像処理部を備える
    　請求項１～９のいずれか１項に記載の画像処理装置。
  11. 　前記画像処理装置は、さらに、
    　前記デプスデータに基づいて、前記第１画像を前景領域と背景領域とに分離し、前記前景領域を、前記第１画像および前記第２画像とは異なる第３画像と合成する画像処理部を備える
    　請求項１～９のいずれか１項に記載の画像処理装置。
  12. 　前記画像処理装置は、集積回路として構成されている
    　請求項１～１１のいずれか１項に記載の画像処理装置。
  13. 　請求項１～１２のいずれか１項に記載の画像処理装置と、
    　前記第１画像および前記第２画像を撮影する撮像部とを備える
    　撮像装置。
  14. 　互いに異なる視点から撮影された第１画像および第２画像を利用してデプスデータを生成する画像処理方法であって、
    　前記第１画像内の一部の画素である複数の代表画素の各々について、前記代表画素と前記代表画素に対応する前記第２画像内の画素との位置関係に基づいて前記代表画素の視差値を算出する視差値算出ステップと、
    　画素値の類似性に基づいて前記第１画像を複数のセグメントに分割するセグメンテーションステップと、
    　セグメントごとに、前記セグメントに含まれる代表画素の視差値に基づいて前記セグメントの視差値を特定することにより、各セグメントに対応する奥行きを示すデプスデータを生成するデプスデータ生成ステップとを含む
    　画像処理方法。
  15. 　請求項１４に記載の画像処理方法をコンピュータに実行させるためのプログラム。
PCT/JP2012/007270 2011-11-17 2012-11-13 画像処理装置、撮像装置および画像処理方法 WO2013073167A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201280019440.0A CN103493093B (zh) 2011-11-17 2012-11-13 图像处理装置、摄像装置及图像处理方法
US14/113,114 US9153066B2 (en) 2011-11-17 2012-11-13 Image processing device, imaging device, and image processing method
JP2013544128A JP5923713B2 (ja) 2011-11-17 2012-11-13 画像処理装置、撮像装置および画像処理方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011-251944 2011-11-17
JP2011251944 2011-11-17

Publications (1)

Publication Number Publication Date
WO2013073167A1 true WO2013073167A1 (ja) 2013-05-23

Family

ID=48429263

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/007270 WO2013073167A1 (ja) 2011-11-17 2012-11-13 画像処理装置、撮像装置および画像処理方法

Country Status (4)

Country Link
US (1) US9153066B2 (ja)
JP (1) JP5923713B2 (ja)
CN (1) CN103493093B (ja)
WO (1) WO2013073167A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015173441A (ja) * 2014-03-03 2015-10-01 ノキア コーポレイション 立体画像の視差マップ推定のための方法，装置及びコンピュータプログラム製品
JP2018081672A (ja) * 2016-11-14 2018-05-24 株式会社リコー 深層畳み込みニューラルネットワークを用いる新ビュー合成
KR20200031169A (ko) * 2017-11-01 2020-03-23 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 이미지 처리 방법 및 장치
KR20200031689A (ko) * 2017-11-01 2020-03-24 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 이미지 처리 방법, 장치 및 기기
US11119201B2 (en) 2017-10-24 2021-09-14 Canon Kabushiki Kaisha Distance detecting apparatus, image capturing apparatus, distance detecting method, and storage medium
JP7566358B2 (ja) 2020-06-10 2024-10-15 ユーヴイアイ リミテッド 深度推定システム及び深度推定方法

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI498526B (zh) * 2013-06-05 2015-09-01 Nat Univ Chung Cheng Environment depth measurement method and its image acquisition device
IN2013CH05313A (ja) * 2013-11-18 2015-05-29 Nokia Corp
US9466118B2 (en) * 2014-01-17 2016-10-11 Htc Corporation Image segmentation device, image segmentation method, and depth map generating method
US9292926B1 (en) * 2014-11-24 2016-03-22 Adobe Systems Incorporated Depth map generation
US10158840B2 (en) * 2015-06-19 2018-12-18 Amazon Technologies, Inc. Steganographic depth images
US20190012789A1 (en) * 2015-07-21 2019-01-10 Heptagon Micro Optics Pte. Ltd. Generating a disparity map based on stereo images of a scene
US10122996B2 (en) * 2016-03-09 2018-11-06 Sony Corporation Method for 3D multiview reconstruction by feature tracking and model registration
US10212306B1 (en) 2016-03-23 2019-02-19 Amazon Technologies, Inc. Steganographic camera communication
US10523918B2 (en) 2017-03-24 2019-12-31 Samsung Electronics Co., Ltd. System and method for depth map
JP6986683B2 (ja) * 2018-01-05 2021-12-22 パナソニックＩｐマネジメント株式会社 視差値算出装置、視差値算出方法及びプログラム
EP3702985A1 (en) * 2019-02-28 2020-09-02 Accenture Global Solutions Limited Augmented reality enabled cargo loading optimization
US11800056B2 (en) 2021-02-11 2023-10-24 Logitech Europe S.A. Smart webcam system
US11800048B2 (en) 2021-02-24 2023-10-24 Logitech Europe S.A. Image generating system with background replacement or modification capabilities

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005165969A (ja) * 2003-12-05 2005-06-23 Canon Inc 画像処理装置、及び方法
JP2008084076A (ja) * 2006-09-28 2008-04-10 Toshiba Corp 画像処理装置、方法およびプログラム
JP2011203953A (ja) * 2010-03-25 2011-10-13 Nec System Technologies Ltd ステレオマッチング処理装置、ステレオマッチング処理方法、及び、プログラム
WO2011132404A1 (ja) * 2010-04-20 2011-10-27 パナソニック株式会社 ３ｄ映像記録装置及び３ｄ映像信号処理装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6301382B1 (en) * 1996-06-07 2001-10-09 Microsoft Corporation Extracting a matte of a foreground object from multiple backgrounds by triangulation
US20080260288A1 (en) 2004-02-03 2008-10-23 Koninklijke Philips Electronic, N.V. Creating a Depth Map
US7292257B2 (en) * 2004-06-28 2007-11-06 Microsoft Corporation Interactive viewpoint video system and process
JP4341564B2 (ja) * 2005-02-25 2009-10-07 株式会社豊田中央研究所 対象物判定装置
US8351646B2 (en) * 2006-12-21 2013-01-08 Honda Motor Co., Ltd. Human pose estimation and tracking using label assignment
US7911513B2 (en) * 2007-04-20 2011-03-22 General Instrument Corporation Simulating short depth of field to maximize privacy in videotelephony
CN101587586B (zh) * 2008-05-20 2013-07-24 株式会社理光 一种图像处理装置及图像处理方法
US8774512B2 (en) * 2009-02-11 2014-07-08 Thomson Licensing Filling holes in depth maps
KR101633620B1 (ko) * 2010-01-04 2016-06-27 삼성전자 주식회사 영상 기반의 위치 인식을 위한 특징점 등록 장치 및 그 방법
JP5772446B2 (ja) * 2010-09-29 2015-09-02 株式会社ニコン 画像処理装置及び画像処理プログラム
US8494285B2 (en) * 2010-12-09 2013-07-23 The Hong Kong University Of Science And Technology Joint semantic segmentation of images and scan data
US8884949B1 (en) * 2011-06-06 2014-11-11 Thibault Lambert Method and system for real time rendering of objects from a low resolution depth camera

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005165969A (ja) * 2003-12-05 2005-06-23 Canon Inc 画像処理装置、及び方法
JP2008084076A (ja) * 2006-09-28 2008-04-10 Toshiba Corp 画像処理装置、方法およびプログラム
JP2011203953A (ja) * 2010-03-25 2011-10-13 Nec System Technologies Ltd ステレオマッチング処理装置、ステレオマッチング処理方法、及び、プログラム
WO2011132404A1 (ja) * 2010-04-20 2011-10-27 パナソニック株式会社 ３ｄ映像記録装置及び３ｄ映像信号処理装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015173441A (ja) * 2014-03-03 2015-10-01 ノキア コーポレイション 立体画像の視差マップ推定のための方法，装置及びコンピュータプログラム製品
JP2018081672A (ja) * 2016-11-14 2018-05-24 株式会社リコー 深層畳み込みニューラルネットワークを用いる新ビュー合成
US11119201B2 (en) 2017-10-24 2021-09-14 Canon Kabushiki Kaisha Distance detecting apparatus, image capturing apparatus, distance detecting method, and storage medium
KR20200031169A (ko) * 2017-11-01 2020-03-23 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 이미지 처리 방법 및 장치
KR20200031689A (ko) * 2017-11-01 2020-03-24 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 이미지 처리 방법, 장치 및 기기
KR102266649B1 (ko) * 2017-11-01 2021-06-18 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 이미지 처리 방법 및 장치
KR102279436B1 (ko) * 2017-11-01 2021-07-21 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 이미지 처리 방법, 장치 및 기기
JP7566358B2 (ja) 2020-06-10 2024-10-15 ユーヴイアイ リミテッド 深度推定システム及び深度推定方法

Also Published As

Publication number Publication date
JPWO2013073167A1 (ja) 2015-04-02
US20140072205A1 (en) 2014-03-13
JP5923713B2 (ja) 2016-05-25
CN103493093B (zh) 2017-07-18
US9153066B2 (en) 2015-10-06
CN103493093A (zh) 2014-01-01

Similar Documents

Publication Publication Date Title
JP5923713B2 (ja) 画像処理装置、撮像装置および画像処理方法
CN111066065B (zh) 用于混合深度正则化的系统和方法
KR101802146B1 (ko) 화상처리장치 및 화상처리방법
EP3300022B1 (en) Image processing apparatus, image processing method, and program
JP6371553B2 (ja) 映像表示装置および映像表示システム
JP6043293B2 (ja) 画像処理装置、撮像装置および画像処理方法
US20120121166A1 (en) Method and apparatus for three dimensional parallel object segmentation
CN106488215B (zh) 图像处理方法和设备
JP5878924B2 (ja) 画像処理装置、撮像装置および画像処理方法
US9235879B2 (en) Apparatus, system, and method for temporal domain hole filling based on background modeling for view synthesis
US10818018B2 (en) Image processing apparatus, image processing method, and non-transitory computer-readable storage medium
JP7159384B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP7032871B2 (ja) 画像処理装置及び画像処理方法、プログラム、記憶媒体
JP2019114103A (ja) 物体認識処理装置、物体認識処理方法及びプログラム
JP2018151830A (ja) 画像処理装置、画像処理方法及びプログラム
US11189053B2 (en) Information processing apparatus, method of controlling information processing apparatus, and non-transitory computer-readable storage medium
Li et al. RGBD relocalisation using pairwise geometry and concise key point sets
US20100220893A1 (en) Method and System of Mono-View Depth Estimation
JP2013185905A (ja) 情報処理装置及び方法、並びにプログラム
US11256949B2 (en) Guided sparse feature matching via coarsely defined dense matches
San et al. Stereo matching algorithm by hill-climbing segmentation
JP5891751B2 (ja) 画像間差分装置および画像間差分方法
JP6818485B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP2018156544A (ja) 情報処理装置及びプログラム
van der Merwe et al. An examination of weighted cost aggregation methods for local stereo matching

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12849949

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2013544128

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14113114

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12849949

Country of ref document: EP

Kind code of ref document: A1