图像处理装置、图像处理方法及程序与流程

1.本发明的实施方式涉及图像处理装置、图像处理方法及程序。


背景技术：

2.在通常的类似图像检索中，通过提取表示查询图像的特征的特征量并将其与注册图像的特征量进行比较，检索类似图像。另外，在包含部分类似的图像的检索的类似图像检索中，对查询图像和注册图像双方提取部分区域，在所提取的部分区域之间也进行比较，由此，可检索仅部分类似的图像。
3.但是，在布料及蕾丝面料等在平面上描绘的设计中，有的设计是使某个图案的设计重复且在纵向及横向中的任一方向上或双方上排列而形成的。在包含这种设计的图像的类似图像检索中，期望检测出重复的图案(以下为重复图案)，且将重复图案彼此比较。
4.现有技术文献
5.非专利文献
6.非专利文献1：harshit agrawa等，“detection and segmentation of approximate repetitive patterns in relief images(中文参考译名：起伏图像中的近似重复图案的检测与分割)”,icvgip'12:proceedings of the eighth indian conference on computer vision,graphics and image processing(中文参考译名：第八届印度计算机视觉、图形和图像处理会议纪要)2012年12月文献编号：46第1-8页
7.非专利文献2：louis lettry等，“repeated pattern detection using cnn activations(中文参考译名：使用cnn激活的重复图案检测)”,2017ieee winter conference on applications of computer vision(中文参考译名：2017年ieee计算机视觉应用冬季会议)(wacv)


技术实现要素：

8.发明所要解决的课题
9.但是，在现有技术中，有时不能高精度地检测重复图案。
10.用于解决课题的手段
11.实施方式的图像处理装置具备获取部、第一检测部、第二检测部和输出控制部。获取部获取图像。第一检测部从图像中检测第一重复图案。第二检测部检测第一重复图案中所包含的目标。输出控制部将目标作为第二重复图案输出。
附图说明
12.图1是表示第一实施方式的图像处理装置的构成的一例的框图。
13.图2是表示第一实施方式的检测处理的一例的流程图。
14.图3是用于说明特征点匹配的具体例的图。
15.图4是表示根据图像计算的相对坐标的一例的图。
16.图5是用于对相对坐标的投票进行说明的图。
17.图6是表示重复图案的一例的图。
18.图7是表示重复图案的分割例的图。
19.图8是说明特征点匹配及相对坐标的投票的具体例的图。
20.图9是表示从布料(蕾丝面料)的图像中检测重复图案的例子的图。
21.图10是表示确定旋转角度的处理的例子的图。
22.图11是说明确定尺度比的处理的例子的图。
23.图12是表示检测产生多余区域的重复图案的图像的例子的图。
24.图13是表示基于错位量的部分图像的校正的例子的图。
25.图14是表示基于错位量的部分图像的校正的例子的图。
26.图15是表示在横向上排列的重复图案的例子的图。
27.图16是表示重复图案的一例的图。
28.图17是表示第二实施方式的图像处理装置的构成的一例的框图。
29.图18是表示第二实施方式的检测处理的一例的流程图。
30.图19是表示第二实施方式的重复图案pa的检测处理的例子的图。
31.图20是表示目标的检测处理的例子的图。
32.图21是表示目标提取处理的例子的图。
33.图22是表示第一或第二实施方式的图像处理装置的硬件构成例的说明图。
具体实施方式
34.下面，参照附图详细说明本发明的图像处理装置的优选的实施方式。
35.如上所述，在现有技术中，有时不能高精度地检测出重复图案。例如，在平面上描绘的设计中，也存在不是将某个图案简单地排列、而是将旋转了180度的图案交替地排列的设计、将左右或上下反转的图案交替地排列的设计、以及将图案沿倾斜方向而非沿纵向及横向排列的设计。在现有技术中，能够将例如包含某个图案pat-a和将图案pat-a进行旋转或反转而得的图案pat-b的部分图像作为重复图案检测出来，但例如不能将图案pat-a、pat-b分别作为重复图案检测出来。
36.例如，作为检测重复图案的技术，可考虑如下技术(检测技术ta)：在进行了密集的特征点提取和特征点匹配之后，进行补丁级别的匹配和分组来检测重复图案。但是，这种技术是以重复图案的形状和姿态相同为前提，因此若重复图案发生了反转或旋转则不能进行检测。
37.作为检测重复图案的另一项技术，可考虑如下技术(检测技术tb)：使用cnn(convolutional neural network：卷积神经网络)的中间层的输出值的相对坐标来检测重复图案。但是，因为cnn的输出值在网格上排列，所以仅能够检测重复图案在纵向或横向上排列的情况。另外，若重复图案发生了反转或旋转，则不能检测出重复图案。
38.因此，即使以使用由这种技术检测到的重复图案的方式构成类似图像检索，有时也不能精度良好地检索类似的图像。此外，使用检测到的重复图案的技术并不限于类似图像检索。例如，作为从图像中检测的多个重复图案相互类似的技术，还可以应用于学习机械学习模型的技术以及生成用于学习机械学习模型的学习数据的技术等。
39.《第一实施方式》
40.第一实施方式的图像处理装置更高精度地检测出重复图案。例如，本实施方式的图像处理装置可以将使某个图案反转或旋转而得的图案以及在图像内沿倾斜方向排列的图案作为重复图案检测出来。
41.图1是表示第一实施方式的图像处理装置100的构成的一例的框图。如图1所示，图像处理装置100具备获取部101、检测部110(第一检测部)、检测部120(第二检测部)、输出控制部102和存储部131。
42.获取部101获取成为重复图案检测对象的图像等的由图像处理装置100处理的各种数据。获取部101的数据获取方法可以是任何方法。例如，能够应用经由网络从外部装置(服务器装置等)获取数据的方法以及通过读出存储于存储介质的数据而获取的方法等。网络可以是任何形式，例如为因特网及lan(局域网)等。另外，网络可以是有线，也可以是无线。
43.检测部110从图像中检测重复图案(第一重复图案)。检测部110具备特征点提取部111和匹配部112。
44.特征点提取部111从由获取部101获取的图像中提取多个特征点。例如，特征点提取部111从图像中提取旋转不变的特征点，并计算表示特征点的特征的局部特征量。特征点的提取及局部特征量的计算采用例如sift(scale-invariant feature transform：尺度不变特征转换)那样的尺度不变、旋转不变的方法。此外，特征点的提取及局部特征量的计算的方法不限于此，例如也可以采用surf(speeded-up robust features：加速稳健特征)及akaze(accelerated kaze：加速kaze)等其它方法。
45.此外，旋转不变的特征点的局部特征量包含表示角度(方向)的信息。表示角度的信息例如能够在求得角度差小于阈值(角度差的阈值)的特征点的对(pair)时使用。
46.匹配部112进行由特征点提取部111提取的特征点间的匹配。例如，匹配部112对多个特征点分别进行与其它特征点的匹配(特征点匹配)，检测作为类似的一个以上的特征点的对应点。特征点匹配是基于各特征点的局部特征量的距离(类似度)使多个特征点相关联的处理。例如，匹配部112对于所提取的各特征点，在其它特征点中按照局部特征量的距离由小到大的顺序将前m个(m为2以上的整数)检测为对应点。匹配部112也可以将局部特征量的距离小于阈值(距离的阈值)或局部特征量的类似度大于阈值(类似度的阈值)的特征点检测为对应点。
47.检测部110基于检测到的对应点和对应的特征点的相对位置关系检测重复图案。以下，有时将由检测部110检测出的重复图案称为重复图案pa。关于检测部110对重复图案的检测方法的细节，详见后述。
48.检测部120从重复图案pa中检测作为更详细的重复图案的目标。以下，有时将由检测部120检测出的目标的重复图案称为重复图案pb。检测部120具备分割部121、图像处理部122、匹配部123和判定部124。
49.分割部121将重复图案pa分割成多个部分图像。例如，分割部121将重复图案pa在轴向上分割成n个(n为2以上的整数)部分图像。所谓轴，是表示重复图案pa排列的方向的轴。在重复图案pa在图像内沿横向或纵向排列的情况下，轴即为横向或纵向。
50.轴既有一个的情况，也有两个的情况。例如，在重复图案pa在图像内沿横向及纵向
双方排列的情况下，轴为两个。另一方面，在重复图案pa在图像内沿横向及纵向中的一方排列的情况下，轴为一个。
51.分割份数(部分图像的个数n)可以任意确定。例如，分割部121可以构成为：在最初的分割处理中设为n＝2，在没有得到重复图案pb的情况下，增大n来进一步重复执行分割处理。另外，在轴为两个的情况下，在哪个轴的方向上进行分割是可以任意确定的。例如，分割部121可以构成为：在一个轴的方向上进行分割，在没有得到重复图案pb的情况下，在另一个轴的方向上进一步重复执行分割处理。
52.图像处理部122对于通过分割得到的多个部分图像中所包含的部分图像ia(第一部分图像)执行图像处理，输出图像处理后的图像(处理后图像)。图像处理包含将部分图像ia上下反转的处理、将部分图像ia左右反转的处理以及将部分图像ia旋转的处理中的至少一项。
53.匹配部123进行多个部分图像中所包含的部分图像中的不应用图像处理的部分图像ib(第二部分图像)中所包含的特征点与处理后图像的特征点的匹配。例如，匹配部123对部分图像ib中所包含的多个特征点分别进行与处理后图像中所包含的特征点的特征点匹配，检测作为类似的一个以上的特征点的对应点。特征点匹配的方法能够应用与匹配部112同样的方法。
54.匹配部123能够使用由检测部110内的特征点提取部111提取出的特征点的信息进行匹配。也可以构成为，在检测部120内具备进行与特征点提取部111同样的处理的特征点提取部，匹配部123参照该特征点提取部的提取结果。
55.判定部124基于通过特征点匹配检测到的对应点和对应的特征点的相对位置关系，判定部分图像ia及ib是否为重复图案。关于由判定部124进行的判定处理的细节，详见后述。
56.检测部120在判定为部分图像ia及ib不是重复图案的情况下，变更分割份数(n)，重复进行分割处理以后的处理。检测部120将判定为是重复图案的部分图像ia及ib检测出来作为重复图案pa中所包含的目标，并送出至输出控制部102。
57.输出控制部102控制图像处理装置100的各种数据的输出。例如，输出控制部102将由检测部120检测到的目标作为重复图案pb输出。
58.输出控制部102的重复图案pb的输出目的地可根据用途而变更。例如，输出控制部102可以向使用重复图案执行类似图像检索的外部检索装置输出重复图案pb。另外，输出控制部102也可以向使用重复图案执行学习或学习数据生成的外部装置(学习装置、学习数据生成装置等)输出重复图案pb。图像处理装置100也可以具备外部装置执行的功能。
59.上述各部(获取部101、检测部110、检测部120及输出控制部102)例如由一个或多个处理器实现。例如，上述各部可以通过使cpu(central processing unit：中央处理器)等处理器执行程序、即通过软件来实现。上述各部也可以通过专用的ic(integrated circuit：集成电路)等处理器即硬件实现。上述各部也可以并用软件及硬件实现。在使用多个处理器的情况下，各处理器可以实现各部中的一个，也可以实现各部中的两个以上。
60.存储部131存储在由图像处理装置100进行的各处理中使用的各种数据。例如，存储部131存储由获取部101获取到的图像以及经过分割的部分图像。存储部131能够由闪存存储器、存储卡、ram(random access memory：随机存取存储器)、hdd(hard disk drive：硬
盘驱动器)及光盘等通常利用的所有的存储介质构成。
61.接着，对由这样构成的第一实施方式的图像处理装置100进行的重复图案的检测处理进行说明。图2是表示第一实施方式的检测处理的一例的流程图。
62.获取部101获取作为重复图案的检测对象的图像(步骤s101)。特征点提取部111从所获取的图像中提取旋转不变的特征点(步骤s102)。特征点提取部111例如使用sift进行特征点的提取及局部特征量的计算。
63.匹配部112执行特征点匹配，对于各特征点，检测出一个以上的对应点(步骤s103)。例如，匹配部112将与相对于特征点的局部特征量的距离较近的局部特征量对应的前20个作为对应点检测出来。以下，将一个特征点和一个对应点的组合设为一个对。
64.图3是用于说明特征点匹配的具体例的图。图像301表示重复图案的检测对象的图像。图3表示对图像301内的一个特征点311匹配了相同图像301内的其它特征点中的距离较近的前20个对应点的例子。此外，图3中，为了便于说明，将相同图像301左右排列表示，仅表示匹配的所有对内的100对。特征点311和右侧的图像301内的对应点通过线段进行关联。对左侧的图像301内的所有特征点执行这种关联(特征点匹配)。在图3的例子中，求得图像301内的特征点的个数
×
20个的对。
65.返回图2，检测部110基于各对中所包含的对应点及特征点之间的相对位置关系检测重复图案pa(步骤s104)。以下，说明由检测部110进行的重复图案pa的检测处理的细节。
66.首先，检测部110对于多个对中的特征点和对应点的角度差小于阈值(角度差的阈值)的对，计算从特征点到对应点的表示在图像内的相对位置关系的相对坐标。所谓角度差，表示特征点的局部特征量中所包含的角度和对应点的局部特征量中所包含的角度的差值。相对坐标例如在以图像的左上为原点且采用图像的右侧方向及下侧方向的两个坐标轴的坐标系中相当于特征点的坐标和对应点的坐标的差值。
67.此外，也可以构成为使匹配部112对角度差小于阈值的对不作匹配，以此来代替由检测部110排除角度差小于阈值的对。
68.接着，检测部110求得各相对坐标的投票数。投票数相当于相对坐标的每个值的、算出该值的对的个数。图4是表示根据图3那样的图像计算的相对坐标的一例的图。图4的轴411、412表示用于表示相对坐标的坐标轴。相对坐标401～405、421分别是投票数多的相对坐标的一例。相对坐标401～405存在于轴411或412上，而相对坐标421不存在于轴411、412上。
69.图5是用于对相对坐标的投票进行说明的图。图像301内的线段501a～505a是表示构成某个对的特征点和对应点的关联的线。另外，该线段的两端点的坐标之差相当于相对坐标。当对这样求得的相对坐标进行投票时，得到图5的下部所示那样的投票结果。相对坐标501b～505b分别是与线段501a～505a对应的相对坐标。
70.接着，检测部110求得投票数多的相对坐标中的不位于轴411、412上且最接近原点的相对坐标。投票数多的相对坐标例如是投票数大于阈值(投票数的阈值)的相对坐标。图4中相对坐标421相当于这样求得的相对坐标，图5中相对坐标503b相当于这样求得的相对坐标。然后，检测部110将以求得的相对坐标的轴411方向的值为高度且以轴412方向的值为宽度的图像作为重复图案pa检测出来。图6是表示这样检测出的重复图案pa的一例的图。图像601相当于检测出的重复图案pa。
71.此外，所谓使用角度差小的对，是指不考虑旋转等地求得重复图案pa，换言之，是指以比考虑旋转等最终求得的重复图案pb大的单位检测重复图案pa。
72.通过将与最接近原点的相对坐标对应的图像设为重复图案pa，能够得到该阶段中的最小的重复图案。虽然将重复图案pa的起始点设为原点，但也可以将特征点或对应点中最接近原点的点设为起始点。
73.作为检测重复图案的技术，例如还有基于对图像的频率分析的结果的技术。但是，在这种技术中，有可能检测出细小的线绳图案。例如，在从布料等的图像中检测重复图案的情况下，有可能将细小的线绳图案、而非能够由人作为设计识别出的那种较大的图案作为重复图案检测出来。在检测部110的检测处理中，由于是基于从图像中提取的特征点检测重复图案，因此能够将期望作为设计而识别出的更大的图案、而非细小的线绳图案作为重复图案检测出来。即，即使仅通过检测部110进行检测处理，与现有技术相比，也能够检测出更高精度的重复图案。
74.在本实施方式中，利用检测部120从重复图案pa之中进一步检测可成为重复图案的目标。返回图2，说明检测部120的处理。
75.检测部120中所包含的分割部121将重复图案pa在横向或纵向上分割成n个部分图像(步骤s105)。图7是表示重复图案pa的分割例的图。图7表示将图6中得到的图像601(重复图案pa)在横向上分割成两个(n＝2)部分图像701、702的例子。此外，在图7的例子中，部分图像701相当于不应用图像处理的部分图像ib，部分图像702相当于应用图像处理的部分图像ia。
76.返回图2，图像处理部122对部分图像中的一方进行180度旋转、左右反转及上限反转等图像处理(步骤s106)。在图7中，图像711、712、713分别表示将部分图像702进行180度旋转、左右反转及上下反转之后的图像(处理后图像)。旋转角度例如使用先预设定的值。旋转角度不限于一个，也可以是多个(例如，45度、90度、180度、270度中的两个以上)。图像处理部122可以执行这种图像处理中的一部分，也可以执行全部。
77.返回图2，匹配部123进行不应用图像处理的部分图像701中所包含的特征点和处理后图像的特征点的匹配，将处理后图像内的类似的一个以上的特征点作为对应点检测出来(步骤s107)。
78.判定部124计算表示通过特征点匹配而检测出的对应点和对应的特征点的相对位置关系的相对坐标(步骤s108)。判定部124根据算出的相对坐标的投票结果，判定所分割的部分图像是否为重复图案。例如，判定部124判定是否有投票数为阈值以上的相对坐标(步骤s109)。
79.在有投票数为阈值以上的相对坐标的情况下(步骤s109：是)，检测部120将包含与该相对坐标对应的特征点的部分图像701及702作为重复图案pa中所包含的目标检测检测出来，并送出至输出控制部102。输出控制部102将接收到的目标作为重复图案pb输出(步骤s112)，结束检测处理。
80.图8是说明特征点匹配及相对坐标的投票(步骤s107～步骤s109)的具体例的图。图8表示与图7所示的处理后图像即图像711、712、713的特征点匹配以及投票结果的例子。在图8的例子中，通过部分图像701和图像711以及部分图像701和图像713的特征点匹配，计算出投票数多的相对坐标。因此，判定部124判定为部分图像701及702是重复图案。
81.返回图2，在没有投票数为阈值以上的相对坐标的情况下(步骤s109：否)，检测部120增加部分图像的分割份数(步骤s110)。检测部120判定分割份数是否达到了预先设定的上限值(步骤s111)。在达到了上限值的情况下(步骤s111：是)，检测部120结束检测处理。在未达到上限值的情况下(步骤s111：否)，分割部121根据新的分割份数分割图像，并重复处理(步骤s105)。
82.此外，例如，也可以通过步骤s105以后的重复处理的次数判定结束，以此来代替通过分割份数判定结束。
83.图9是表示从布料(蕾丝面料)的图像中检测重复图案的例子的图。图像901相当于拍摄蕾丝面料而得的图像。从图像901得到投票结果902所示那样的相对坐标的投票结果。根据投票结果902，将图像911作为重复图案pa检测出来。
84.分割部121将图像911分割成两个部分图像921、922。图像处理部122对部分图像922分别应用旋转、上下反转及左右反转这些图像处理，并输出处理后图像931、932、933。在图9的例子中，上限反转的处理后图像932与部分图像921类似，因此将部分图像921、922作为重复图案pb检测出来。此外，处理后图像932为相对于部分图像921以相当于投票数多的相对坐标的量在上下方向上错开的图像。
85.这样，根据本实施方式，从布料等的图像中也能够更高精度地检测出重复图案。
86.此外，由检测部110进行的重复图案的检测方法不限于此前说明的方法，可以是任何方法。例如，检测部110也可以通过上述检测技术ta、tb检测重复图案。在本技术中，检测部120从由检测部110检测到的重复图案中进一步检测成为重复图案的目标。因此，无论检测部110的检测方法是何种方法，都能够通过检测部120的检测处理更高精度地检测出重复图案。
87.《变形例1》
88.在上述实施方式中，图像处理部122根据预先设定的旋转角度使图像旋转。旋转角度也可以根据通过由匹配部112进行的特征点匹配得到的对中所包含的特征点和对应点之间的角度差的信息来确定。例如，图像处理部122对各对计算角度差，得到角度差的分布。图像处理部122将频率高的角度差确定为旋转角度。
89.图10是表示这样确定旋转角度的处理的例子的图。匹配对表示将图像601(重复图案pa)内的特征点及对应点建立了关联的对。图像1011、1021、1031是包含特征点的图像的例子。图像1012、1022、1032分别是包含与图像1011、1021、1031建立了关联的对应点的图像的例子。这些匹配对的角度差均为180度。因此，图像处理部122通过将旋转角度确定为180度并将部分图像702旋转180度而输出图像711。
90.《变形例2》
91.在上述实施方式中，分割部121以分割后的多个部分图像间的尺度的比率一致的方式进行分割。在重复图案pa中所包含的多个目标的大小为同等程度的情况下，通过这种分割方法也能够适当检测出可成为重复图案pb的目标。但是，在重复图案pa中所包含的多个目标的大小之差大的情况下，如果根据差适当确定分割的位置，则可能检测不出目标。
92.因此，在变形例2中，对于将重复图案pa内的特征点及对应点建立了关联的对，使用局部特征量中所包含的尺度的比率，确定所要分割的部分图像间的大小的比率(尺度比)。因此，在变形例2中，应用sift、surf及akaze等提取尺度不变的特征点的方法。尺度不
变的特征点的局部特征量包含表示尺度的信息。
93.图11是说明确定尺度比的处理的例子的图。图像1101是包含尺度比不同的多个目标的重复图案pa的例子。例如，分割部121对于将图像1101内的特征点及对应点建立了关联的对，分别计算局部特征量中所包含的尺度的比率即尺度比。在图11的例子中，对于3个对，均计算出“3：1”的尺度比。分割部121以算出的尺度比确定所要分割的多个部分图像的尺度比，以确定的尺度比分割重复图案pa并输出部分图像1111、1112。
94.《变形例3》
95.有时对以在任一轴的方向上逐渐错开的方式配置有多个目标的重复图案pa进行检测。在这种情况下，将重复图案pa简单分割而得的部分图像以错位的大小包含多余区域。因此，也可以将以删除多余区域的方式进行了校正的部分图像作为重复图案pa内的目标检测出来。
96.在重复图案pa在图像内沿倾斜方向排列的情况下，可能产生这种状况。为了应对这种状况，例如，检测部110也可以具备计算错位量的功能。
97.图12是表示检测产生多余区域的重复图案的图像1201的例子的图。投票结果1202是从图像1201得到的投票结果的例子。箭头1211表示重复图案pa排列的方向。例如，检测部110根据不处于在原点处通过的纵向和横向的轴上的、最接近原点的相对坐标的值，计算错位量1221。在图12中，说明了在纵向上逐渐错开的例子，在沿横向逐渐错开的情况下，也能够以同样的顺序计算横向的错位量。
98.图13及图14是表示基于错位量的部分图像的校正的例子的图。重复图案1301是从图像1201中检测出的重复图案pa的例子。在重复图案1301内的左侧的区域的下部，包含与错位量1221相当的多余区域1321。在重复图案1301内的右侧的区域的上部及下部，分别包含与错位量1221的一半的长度1312相当的多余区域1322、1323。
99.因此，如图14所示，例如，图像处理部122生成部分图像1401，该部分图像1401从将重复图案1301一分为二而得到的两个部分图像中的左侧的部分图像中删除了区域1321。另外，图像处理部122生成部分图像1402，该部分图像1402从两个部分图像中的右侧的部分图像中删除了区域1322、1323。
100.《变形例4》
101.在上述实施方式中，主要说明了重复图案pa在图像内沿横向及纵向双方排列的情况(轴为两个的情况)。如上所述，重复图案pa有时也会在图像内沿横向及纵向中的一方排列。在变形例4中，说明重复图案pa在图像内沿横向排列的例子。就沿纵向排列的重复图案而言，也能够以同样的顺序进行检测。
102.图15是表示沿横向排列的重复图案的例子的图。图15所示的图像1501是重复图案pa为带状而非矩形的图像的例子。当对这种图像1501进行投票时，投票数多的相对坐标分布在横向的轴上。
103.在像这样相对坐标仅位于轴上的情况下，检测部110判定为是沿一个方向排列的重复图案，求得投票数多的相对坐标中的最接近原点的相对坐标。相对坐标1511是这样得到的相对坐标。检测部110以求得的相对坐标的轴向的值为宽度，将与图像1501相同的高度的图像作为重复图案pa检测出来。图16是表示这样检测出的重复图案pa的一例的图。图像1601相当于检测出的重复图案pa。
104.分割部121将重复图案pa分割成多个部分图像。例如，分割部121将重复图案pa在轴向上分割成n个(n为2以上的整数)部分图像。在图16中，示出了在横向上一分为二而得到部分图像1611、1612的例子。图像处理部122将部分图像1612进行例如上下反转，生成处理后图像1621。在该例子中，部分图像1611和处理后图像1621类似，因此将部分图像1611、1612作为重复图案pa中所包含的目标检测出来。
105.如上，第一实施方式的图像处理装置将从图像中检测出的重复图案分割，对分割而得到的部分图像执行旋转或反转等图像处理，并参照图像处理后的图像，进一步检测出重复图案中所包含的、更详细的重复图案。由此，能够更高精度地检测出重复图案。
106.《第二实施方式》
107.第二实施方式的图像处理装置检测图像中所包含的目标(图形)，并参照检测结果，从自图像中检测出的重复图案中，进一步检测可成为详细的重复图案的目标。
108.图17是表示第二实施方式的图像处理装置100-2的构成的一例的框图。如图17所示，图像处理装置100-2具备获取部101、检测部110、检测部120-2、输出控制部102和存储部131。
109.在第二实施方式中，检测部120-2的功能与第一实施方式有所不同。其它的构成及功能由于与第一实施方式的图像处理装置100的框图即图1相同，因此标注相同的附图标记，并省略在此处的说明。
110.检测部120-2具备目标检测部125-2、分类部126-2和目标提取部127-2。
111.目标检测部125-2从由获取部101获取的图像中检测多个目标。例如，目标检测部125-2对图像执行提取处理，求得不包含于其它轮廓的内侧的轮廓(最外轮廓)。轮廓提取方法可以是任何方法，例如能够应用使用了边缘检测技术的方法。目标检测部125-2将由所求得的最外轮廓包围的区域作为目标检测出来。
112.分类部126-2将检测出的多个目标分类成组。例如，分类部126-2以相互类似的多个目标属于相同组的方式将多个目标分类成一个以上的组。类似的判定方法可以是任何方法，例如能够应用以轮廓的类似度进行判定的方法以及以各目标的图像特征量的类似度进行判定的方法等。
113.目标提取部127-2从重复图案pa中提取被分类成组的目标。
114.检测部120-2将由目标提取部127-2提取出的目标作为重复图案pa中所包含的目标，输出至输出控制部102。
115.接着，使用图18对这样构成的第二实施方式的图像处理装置100-2的检测处理进行说明。图18是表示第二实施方式的检测处理的一例的流程图。
116.步骤s201～步骤s204由于是与第一实施方式的图像处理装置100中的步骤s101～步骤s104同样的处理，因此省略其说明。
117.图19是表示本实施方式的重复图案pa的检测处理的例子的图。通过步骤s204以前的处理，从图像1901中检测出重复图案1911。
118.返回图18，目标检测部125-2从由获取部101获取的图像中检测出多个目标(步骤s205)。图20是表示目标的检测处理的例子的图。如图20所示，通过对图像1901执行轮廓提取处理，检测出包含目标2001、2002在内的合计18个目标。
119.返回图18，分类部126-2将检测出的多个目标分类成组(步骤s206)。在图20的例子
中，将多个目标(在图20的例子中是18个目标)分类成与目标2001同样的形状的组以及与目标2002同样的形状的组这两个组。
120.分类部126-2也可以将个数少(例如个数小于下限值)的目标废弃而不分类成组。由此，能够避免检测出不构成重复图案的目标。
121.目标提取部127-2从重复图案pa中提取被分类成组的目标(步骤s207)。图21是表示目标提取处理的例子的图。图21示出了从重复图案1911中提取与目标2001相当的目标2101以及与目标2002相当的目标2102的例子。
122.返回图18，检测部120-2判定是否提取出了目标(步骤s208)。在未提取出的情况下(步骤s208：否)，输出控制部102将重复图案pa(步骤s209)原样输出。在提取出了的情况下(步骤s208：是)，输出控制部102将所提取的目标作为重复图案pb输出(步骤s210)，结束检测处理。
123.这样，在第二实施方式的图像处理装置中，检测出图像中所包含的目标且将其分类成组，将经过分类的目标中的重复图案中所包含的目标进一步作为可成为详细的重复图案的目标检测出来。由此，能够更高精度地检测出重复图案。
124.接着，使用图22对第一或第二实施方式的图像处理装置的硬件构成进行说明。图22是表示第一或第二实施方式的图像处理装置的硬件构成例的说明图。
125.第一或第二实施方式的图像处理装置具备cpu(central processing unit：中央处理器)51等控制装置、rom(read only memory：只读存储器)52、ram(random access memory：随机存取存储器)53等存储装置、与网络连接而进行通信的通信i/f54和连接各部的总线61。
126.第一或第二实施方式的图像处理装置中执行的程序是被预先安装于rom52等中来提供的。
127.第一或第二实施方式的图像处理装置中执行的程序可以构成为：以可安装形式或可执行形式的文件记录于cd-rom(compact disk read only memory：光盘只读存储器)、软盘(fd)、cd-r(compact disk recordable：可刻录光盘)、dvd(digital versatile disk：数字多功能光盘)等可由计算机读取的记录介质中而作为计算机程序产品提供。
128.而且，也可以构成为将第一或第二实施方式的图像处理装置中执行的程序储存于与因特网等网络连接的计算机上，通过经由网络进行下载而提供。另外，也可以构成为将第一或第二实施方式的图像处理装置中执行的程序经由因特网等网络提供或发布。
129.第一或第二实施方式的图像处理装置中执行的程序可使计算机作为上述的图像处理装置的各部发挥作用。该计算机的cpu51能够将程序从计算机可读取的存储介质读出到主存储装置上执行。
130.对本发明的一些实施方式进行了说明，但这些实施方式是作为例子而提出的，并不意图限定发明的范围。这些新的实施方式能够以其它的各种方式实施，能够在不脱离发明的主旨的范围内进行各种省略、置换、变更。这些实施方式及其变形包含于发明的范围及主旨中，并且包含于权利要求书所记载的发明及其等同的范围内。