太田研 公開用Wiki

ハッチングを用いた色覚異常者のための画像変換手法

研究背景

 色覚異常とは, 網膜内の色を感じ取る視細胞の一種である「錐体」に異常があることにより, 色が正常とされるものと異なって認識されることである.

 色覚正常者にとって別の色として識別できる色が,色覚異常者にとっては同じ色として混同されてしまう場合もあり, 日常生活や就労など様々な面でデメリットを抱えてきた.

 色覚異常者の数は日本人では男性で5 %, 女性で0.2 %と少なくは無く, バリアフリー社会の推進, またQOL の観点からより一層の理解と補助が求められている.

本研究では特に,書類やWebページ等で用いられるグラフや表の改善を対象として取り扱う。

研究目的

 本来であれば、予め色覚異常者にとっても識別しやすいカラーユニバーサルデザイン(CUD)を準拠した画像作成を行うことが理想であるが, 色覚異常への理解や対応が十分行われていないことから, 改善の必要がある画像が殆どである. よって本研究ではプログラムを用いて, 改善の必要のある画像に対して処理を行い, 色覚正常者, 色覚異常者の両者にとって識別容易な画像を自動的に生成することを目指す.

 本研究では両者にとって見やすい画像を作るという観点から模様掛けの手法を用い,さらに明瞭な色領域に対して特に有効であるハッチングを用いる.

 それに関して、先行研究として存在する「処理領域の選別を用いた手法」の検証及び改良を行う.

問題点

   図1のように,全ての色領域に対してハッチングを適用すると画像が煩雑となり,視認性が低下する.よって真にハッチングを掛けるべき領域を選別し,本当に必要な部分にのみハッチングを適用する必要がある。

example_k3.jpg
図1 ハッチングの適用

処理領域の選別

 処理領域選別の条件は下の3つである.

1.グラデーションのような連続的な色の変化が無いこと

2.十分な面積を持つこと

3.色覚異常者にとってのみ識別困難となる色の組であること

ラべリング

 画像に対しラべリングを行い,色に基づく領域分割を行う.

 図2の右側の画像では,同色の領域に同一のラベルが割り当てられている.グラデーションのような連続的な色の変化がある領域は,色の変化に伴って異なったラベル番号が割り当てられ,微細な領域として分割される.

label1.jpg
図2 ラベル画像の生成

小領域除去

 ハッチングの間隔や太さの都合上,ある程度の面積が無ければハッチングを視認することが出来ない。ここでは同一ラベルを割り当てられた領域の画素数を面積とし,150未満の領域を破棄する. 図3で黒く変化した部分が破棄された領域となる.

 連続的な色の変化がある領域は微細な領域として分割されているため,この段階で破棄されることとなる.

label2.jpg
図3 小領域除去後のラベル画像

色差に基づく除去

 画像内に他に混同してしまう色が無ければハッチングを適用する必要は無いと考え,現段階で残っている色全ての組み合わせをRGB空間上での距離から比較する.

 また, 混同してしまう色があったとしても, 両者にとって識別不可能な色同士はハッチングを掛ける必要は無いと判断する.

 結果として,残すべき色の組み合わせは「色覚正常者にとっては識別可能,かつ色覚異常者にとっては識別困難な組み合わせ」となる。

 色差に基づく除去を行った結果,図4のようなマスク画像が生成される.

mask.jpg
図4 色に基づく領域選別とマスク画像

ハッチングの作成

角度

 画像上のx 軸正方向からの角度をθと定義し,ハッチングの角度(傾き)を決定する. 本手法では色覚異常者及び色覚正常者の体が受ける刺激値の差から,下の式を用いて決定する.(第一色盲の場合)

θ =π/2+π/4(7.1(L - L1))

間隔

 ディスプレイ上におけるハッチングの波長をおよそ20px/cycleとする. 画像の左下端を原点とし,水平方向をx軸,垂直方向をy 軸としてとったとき, 直線y = (tanθ)x を計算し,この直線と現在着目している画素の距離を計算し, ハッ チングの明部にあたる部分か暗部にあたる部分かを判断する.

手法適用例および問題点

 領域選別手法を適用した結果を図5に示す.

example1.jpg
図5 領域選別手法適用例

 処理領域の選別を用いた手法は,図5のように概ね良好な結果を得られることが多いが,図6のように,角度による表現のみでは未だ識別が容易になったとは言い切れない部分もある.

 そこで,新たにハッチングの濃度という指標を用い,視認性の向上を試みた.

example_k1.jpg
図6 領域選別手法適用例2

提案手法

濃度変化

 本来, 色覚異常者, 色覚正常者両者にとって見える色が等しい色についてはハッチングを適用する必要は無いと考えられ, 逆に両者で見える色の差が大きい程, ハッチングを適用する必要性が高いと考えられる.

 このことから, ハッチングの必要度に応じて濃度を変化させ, 両者にとって見える色の差が小さい程薄く, 大きい程濃くするよう処理を加えた.

 下の式はハッチングの濃度変化に関する式である.

α= 0.5 * | π/2 - θ |
RGB′= RGB * (1 - α)

 αは濃度に関する係数であり, はハッチングの角度を表す. π/2( 90 °) との差の絶対値を取ることにより, 角度が横に傾く程αの値は大きくなる.

 RGB は色領域の画素値であり,RGB ’はハッチングの縞模様部分に該当する画素値となる.

 RGB 表色系では,3つの値が全て0を取るとき黒となるため,RGB に1-αを掛けることによりαの値が大きくなる程RGBの値は小さくなり, 縞部分の濃度が強くなっていく. 特に, 角度が90 度をとった時は濃度αが0 となり,ハッチングが掛かっていない状態を表現できる.

 結果として傾きが横に傾くほど濃度が濃くなり,90 °に近づくほど濃度は薄くなる.

提案手法適用例

 図7は上から順に色覚正常者が見た場合, 色覚異常者が見た場合, 従来手法でハッチングをかけた場合, 提案手法である濃度変化を付加した場合のそれぞれの視点によるものの5パターンである.

gradation.jpg
図7 濃度変化処理の適用例

 図8に濃度変化処理を加えた結果を図7に示す.

example_k2.jpg
図8 濃度変化処理の適用結果

 濃度変化を付加することにより, ピンク色の道路のハッチングが濃くなったことがわかる. これは色覚正常者と色覚異常者で見える色が大きく異なるためである.

 また, 逆に一般道路の部分は両者にとって見える色の差が少ないため, ハッチング濃度が薄くなっている.結果としてピンク色の道路の部分と一般道路の部分のコントラストが強調され, 濃度変化処理適用前より視認性が向上したといえる.

まとめ

 本研究では, 色覚異常者にとって識別困難な色に対してハッチングと呼ばれる模様掛けを用いることによって識別の補助を行った. 従来の手法ではすべての色領域に対してハッチングを行っていたために画像が全体として煩雑となっていたが, 処理領域の選別を用いることによって可能な限り適用範囲を絞り込み, 概ね複雑さを解消した処理結果を得ることが出来た. その上, 更に濃度変化処理を加えることによって, 必要度に応じたハッチングの抑止を行い, より視認性を向上させた.

 今後の展開として, グラデーションへの対応, 均等色空間を用いた色差の評価および色差評価方法の見直し, 色覚正常者, 色覚異常者に対するアンケートの実施等が挙げられる. また, 本研究の大きな目的である, 領域ごとの多様なテクスチャの使い分けを目指し, 対象の領域に対してどのテクスチャを適用するのが最も効果的であるかという基準の考察を行い, ハッチング以外の手法との統合を進めていく.


添付ファイル: fileexample_k2.jpg 491件 [詳細] filegradation.jpg 457件 [詳細] fileexample_k1.jpg 492件 [詳細] fileexample1.jpg 487件 [詳細] filemask.jpg 494件 [詳細] filelabel2.jpg 470件 [詳細] filelabel1.jpg 481件 [詳細] fileexample_k3.jpg 516件 [詳細]

トップ   編集 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2017-03-21 (火) 13:22:53