、Β的各个的亮度值。该亮度值例如是各 个区域的平均亮度值。图像处理部17获取段（1)的亮度值与区域AW及区域Β的平均亮 度值的差值。另外，图像处理部17获取段（2)~（4)的各段的亮度值与区域A的亮度值的 差值。并且，图像处理部17获取段（5)~（7)的各段的亮度值与区域B的亮度值的差值。 此外，在分离型中，对于画面上的检测部和非检测部的各区域，既可W由用户等预先设定其 范围，也可W使各区域根据仪表等的识别对象物的种类设定。
[0105] 图像处理部17对于例如图7(A)所示那样的R、G、B、H、S、I的各信道图像选择一 个通过上述的方法对于各段获取到的差值（亮度差）的合计较高的图像。此外，图像处理 部17在有多个差值的合计较高的图像的情况下，选择区域AW及区域B的非直方图部的亮 度的分散较小（区域内亮度的差较少）的一方的信道图像。
[0106] <混合型的情况> 阳107]另外，图像处理部17在如图7做所示那样检测部和非检测部是混杂型的情况下， 对于例如图7度）所示的R、G、B、H、S、I的各信道图像，求出按照每个像素得到的亮度的分 散，选择该分散较低的图像。所谓混合型是指因为在例如模拟仪表等中针在刻度、文字上移 动，而检测部（针）和非检测部（刻度、文字）重叠的情况，但并不局限于此。
[0108] 图像处理部17在如上述那样求出亮度的分散的情况下，也可W创建基于亮度值 的亮度直方图，使用所创建的亮度直方图来选择分散较低的图像。另外，图像处理部17也 可W使用进行了后述的遮蔽处理之后的图像来进行信道选择处理。 阳109] 图像处理部17通过上述的方法，例如在图7(A)的例子中选择了G成分图像，在图 7做的例子中选择了Η成分图像。此外，在上述的例子中，对于3、6、8、山5、1的各信道图 像进行了分离型和混合型中的处理，但在例如有被上述的信道评价排除的信道的情况下， 能够省略针对该信道图像的处理。因此，能够提高处理速度。
[0110] 在本实施方式中，如上所述，信道的选择方法通过分离型和混杂型而不同。因此， 图像处理部17也可W使用哪种方法进行信道选择由用户等设定。另外，图像处理部17能 够通过例如成为拍摄对象的仪表的种类（例如，数字仪表、模拟仪表）、形状等，来改变信道 选择方法、或者改变遮蔽图像。此外，仪表的种类例如既可W由用户（作业员）等设定，另 夕F，也可W图像处理装置10对图像中所包含的产品代码等进行文字识别，根据识别出的产 品代码确定出仪表的种类。 阳111] 另外，图像处理部17也可w根据识别对象物的拍摄时间，例如根据昼夜来使亮度 修正的系数变化。另外，图像处理部17调整阔值等使其与拍摄场所（设置位置）对应，在 该场所实际进行识别对象物的拍摄的情况下，也可W使用该阔值来拍摄。例如，在拍摄时间 是夜间的情况下，7段显示的亮度较强，产生渗出，所W图像处理部17能够通过信道选择来 使渗出较少的成分图像使用于识别。 阳112] <遮蔽处理>
[0113] 接下来，对上述的S15中的遮蔽处理的具体例进行说明。遮蔽处理通过使用预先 设定的遮蔽图像来进行与拍摄图像、射影变换图像的AND处理，来进行遮蔽不必要的图像 区域的遮蔽处理。此外，遮蔽图像根据作为识别对象物的仪表等的种类（形状、大小）等而 不同。因此，图像处理部17例如也可W预先将与识别对象物的种类（例如产品代码等）对 应的遮蔽图像存储到存储单元13等，使用与由用户等指示的种类对应的遮蔽图像。另外， 图像处理部17也可W通过使用了OCR等的文字识别来从图像读取识别对象物的产品代码 等，根据读取到的产品代码获取对应的遮蔽图像。另外，图像处理部17也可W根据从图像 得到的仪表的半径、中屯、自动创建遮蔽图像。
[0114]通过进行上述的遮蔽处理，能够删除不必要的部分的信息，减少噪声，所W能够更 适当地优化图像。
[0115] <边界强调处理>
[0116] 接下来，对上述的S16中的边界强调处理的具体例进行说明。图9是表示边界强 调处理的一个例子的图。图9(A)示出针对数字仪表的图像的边界强调的一个例子，图9度） 示出针对模拟仪表的图像的边界强调的一个例子。
[0117] 在图9(A)的例子中，通过上述的信道选择选择出的G成分图像70-1有可能由于 数值"4"上的光（户外光线等）所产生的噪声的影响而被误检测。因此，图像处理部17能 够通过针对G成分图像的模糊处理，生成模糊图像70-2,求出生成的模糊图像70-2与G成 分图像70-1的差的绝对值，从而数值"4"上的噪声消失，获取良好的强调图像70-3为认证 对象。此外，所谓模糊处理能够使用例如平滑滤波器、中位数滤波器、高斯滤波器等来生成， 但并不局限于此。
[011引另外，在图9度）的例子中，能够对于Η成分图像71-1，进行上述的模糊处理，通过 所得到的模糊图像71-2与Η成分图像71-1的差的绝对值，来获取强调了仪表的针的图像 71-3。
[0119] <优化处理的具体例>
[0120] 本实施方式中的图像的优化处理修正通过上述的方法获取到的射影变换图像，作 为适合图像识别（例如，仪表识别）的图像获取。优选本实施方式中的优化处理用于例如 在容易受到户外光线等的影响的屋外拍摄到的图像、影像等，但并不局限于此。 阳121] 作为本实施方式中的优化处理，除了上述的处理的W外，例如能够进行亮度修正、 清晰化修正等。 阳122] <亮度修正的具体例>
[0123]例如，若将src作为优化前图像，将dst作为优化后图像，则亮度修正能够定义为"dst=srcXNi+Nz"。运里，Ni表示换算系数，N2表示加法值系数。例如，图像处理部17在 拍摄仪表等的识别对象物的场所由于拍摄时间的关系而为较暗的图像的情况下，在将亮度 ο~128扩展到ο~255的情况下，能够设定为Ni= 2.0、Νζ= 0(其中，255w上全部为 255)。此外，设定内容并不局限于此。 阳124] <清晰化修正的具体例>
[0125]图像处理部17在清晰化修正的情况下，进行使用了3X3的矩阵的滤波处理，该 3 X 3的矩阵使用了预先设定的清晰化系数吨。 阳126]清晰化修正例如能够定义为"dst=MXsrc(3,3)"，此时的矩阵Μ能够如W下所示 的（1)式所示那样定义。 阳127][公式1] 阳12引
…(1)
[0129] 此外，在上述的（1)式中，吨是清晰化系数，例如在欲强调边缘的情况下，能够W 1. 0的方式设定任意的值，数越大边缘越被强调。
[0130] 另外，图像处理部17在上述的S16所示的边界强调处理中，能够通过例如成为 "dst=srcXN4+Ne"，来进行比例变换。运里，Ν4表示换算系数，Ne表示加法值系数。例如， 如上述的图9所示，在取得原始图像与模糊图像的差的绝对值的情况下，图像变暗，所W图 像处理部17均衡地扩展低亮度部分。此外，边界强调能够利用于例如文字或数值与其背景 的差较少的情况，但并不局限于此。 阳131] <关于上述的优化处理中的系数的决定方法>
[0132]在本实施方式中，准备多个上述的优化处理中的系数的组合，根据针对拍摄图像 的至少一个W上的信息，来决定上述的系数。作为决定的条件，例如有"识别对象物（仪表） 的种类"、"仪表的设置场所（位置信息）"、"拍摄时间"、"标记的原始颜色（已知的颜色）与 根据图像检测到的颜色（修正后的颜色）的差"、"标记与周边的边缘强度"等，但并不局限 于此。 阳133]此外，图像处理部17对于仪表的设置场所，例如既可W预先由用户等设定，也可W通过图像处理装置10所具备的位置信息获取部36等获取。另外，拍摄时间也可W从例 如图像处理装置10所具备的时刻部37获取时间信息。 阳134]第一实施例 阳135] 接下来，使用附图对上述的本实施方式中的图像处理的实施例来进行说明。图10 是用于对图像处理的第一实施例进行说明的图。此外，在图10的例子中，示出识别对象物 是数字仪表的情况下的图像处理的一个例子。在图10的例子中，图像处理装置10输入由 拍摄部14拍摄到的原始图像80,检测输入图像中的标记，获取基于检测到的标记的位置切 取标记区域的射影变换图像81。
[0136] 接下来，图像处理装置10通过图像处理部17对于射影变换图像81进行上述的信 道评价、信道选择等，获取与信道对应的颜色成分图像82-1~82-3。此外，在信道选择时， 例如也可W通过拍摄时间改变信道选择方法，另外，也可W根据将R成分图像二值化而得 到的图像等动态地改变信道选择方法，但并不局限于此。
[0137] 在图10的例子中，图像82-1表示R成分的图像，图像82-2表示G成分的图像，图 像82-3表示B成分的图像。在图10的例子中，示出了通过提取红色能够识别的7段显示， 但在夜间拍摄的情况下由于照射光和自动增益等的影响，成为红色渗出的图像，难w识别。 因此，在图10的例子中，通过上述的信道选择处理等使用G成分的图像82-2。在该情况下， 对于G成分的图像82-2,通过中位数滤波器、高斯滤波器生成模糊图像83,取出生成的模糊 图像与原始的G成分的图像82-2的亮度差，来生成用于图像识别部18进行识别的识别图 像84。
[013引此外，在图10的例子中，通过图像优化的信道选择仅使用了G成分的图像82-2,但 并不局限于此，也可W使用2个W上的图像来分别生成识别图像，将生成的多个识别图像 合成来生成最终的识别图像。 阳139] 第二实施例
[0140] 图11是用于对图像处理