电子设备和图像处理方法

1.一种电子设备，包括：
图像输入单元，配置来输入包括YUV分量的彩色输入图像；以及
处理单元，配置来检测所述彩色输入图像中是否存在规定形状的对象，在检测出存在规定形状的对象的情况下，基于所述规定形状的对象的位置来确定所述彩色输入图像中的分析区域，并且计算所述分析区域中的、所对应的U分量值和V分量值分别落入第一范围和第二范围的像素的数目，在所对应的U分量值和V分量值分别落入第一范围和第二范围的像素的数目相对于所述分析区域中的所有像素的数目的比例大于第一阈值的情况下，将所述彩色输入图像的场景识别为食物场景。
2.如权利要求1所述的电子设备，其中，
所述处理单元检测在所述彩色输入图像中是否存在椭圆形状的对象，在检测出存在椭圆形状的对象的情况下，基于检测出的椭圆的中心点的位置来确定所述彩色输入图像中的分析区域。
3.如权利要求2所述的电子设备，其中，
在所述彩色输入图像中还包括深度分量，
所述处理单元在所述分析区域的像素中，确定所对应的深度分量值与位于椭圆的中心点的像素的深度分量值之间满足规定关系的像素，并且在所述分析区域中排除满足规定关系的像素所在的位置，从而重新确定分析区域。
4.如权利要求1所述的电子设备，其中，
所述处理单元基于多个彩色训练图像的U分量和V分量，确定所述第一范围和所述第二范围，
其中，所述彩色训练图像的场景为食物场景。
5.如权利要求4所述的电子设备，其中，
在所述多个彩色训练图像的各个彩色训练图像中，分别划定了存在食物的预设区域，所述处理单元对与各个彩色训练图像的预设区域中的像素对应的U分量值和V分量值进行统计，并且将与在所述多个彩色训练图像的预设区域中的像素对应的所有U分量值中取值概率大于第二阈值的范围设为所述第一范围，将与在所述多个彩色训练图像的预设区域中的像素对应的所有V分量值中取值概率大于第三阈值的范围设为所述第二范围。
6.一种图像处理方法，应用于电子设备，所述图像处理方法包括：
输入包括YUV分量的彩色输入图像；
检测在所述彩色输入图像中是否存在规定形状的对象；
在检测出存在规定形状的对象的情况下，基于所述规定形状的对象的位置来确定所述彩色输入图像中的分析区域；
计算所述分析区域中的、所对应的U分量值和V分量值分别落入第一范围和第二范围的像素的数目，在所对应的U分量值和V分量值分别落入第一范围和第二范围的像素的数目相对于所述分析区域中的所有像素的数目的比例大于第一阈值的情况下，将所述彩色输入图像的场景识别为食物场景。
7.如权利要求6所述的图像处理方法，其中，
在检测在所述彩色输入图像中是否存在规定形状的对象的步骤中，
检测在所述彩色输入图像中是否存在椭圆形状的对象，
在检测出存在规定形状的对象的情况下，基于所述规定形状的对象的位置来确定所述彩色输入图像中的分析区域的步骤中，
在检测出存在椭圆形状的对象的情况下，基于检测出的椭圆的中心点的位置来确定所述彩色输入图像中的分析区域。
8.如权利要求7所述的图像处理方法，其中，
在所述彩色输入图像中还包括深度分量，
在检测出存在规定形状的对象的情况下，基于所述规定形状的对象的位置来确定所述彩色输入图像中的分析区域的步骤中，
在所述分析区域的像素中，确定所对应的深度分量值与位于椭圆的中心点的像素的深度分量值之间满足规定关系的像素，并且在所述分析区域中排除满足规定关系的像素所在的位置，从而重新确定分析区域。
9.如权利要求6所述的图像处理方法，还包括：
基于多个彩色训练图像的U分量和V分量，确定所述第一范围和所述第二范围，其中，所述彩色训练图像的场景为食物场景。
10.如权利要求9所述的图像处理方法，其中，
在所述多个彩色训练图像的各个彩色训练图像中，分别划定了存在食物的预设区域，基于多个彩色训练图像的U分量和V分量，确定所述第一范围和所述第二范围的步骤中，
对与各个彩色训练图像的预设区域中的像素对应的U分量值和V分量值进行统计，并且将与在所述多个彩色训练图像的预设区域中的像素对应的所有U分量值中取值概率大于第二阈值的范围设为所述第一范围，将与在所述多个彩色训练图像的预设区域中的像素对应的所有V分量值中取值概率大于第三阈值的范围设为所述第二范围。

电子设备和图像处理方法\n技术领域\n[0001] 本发明涉及电子设备和应用于电子设备的图像处理方法。\n背景技术\n[0002] 在现有技术中，存在对输入图像的场景进行识别的技术。例如在手机、平板电脑、数码相机等的电子设备中，对要拍摄的照片的场景进行识别，从而进行与识别出的场景适应的处理(例如，补光、颜色调整等)。例如，若识别为要拍摄的照片是人物场景时，则进行与人物场景适应的处理，在识别为要拍摄的照片是风景场景，则进行与风景场景适应的处理，由此提高照片的成像质量。\n[0003] 但是，在现有技术中还不存在对食物场景进行有效识别的方法，因此无法对食物场景的输入图像进行适当的例如补光、颜色调整等的处理。由此，难以针对食物场景的输入图像，进行适当的处理，图像处理的效果不显著。\n发明内容\n[0004] 本发明鉴于上述问题而完成，其目的在于提供一种电子设备和图像处理方法，能够有效地对输入图像的食物场景进行识别，从而能够提高食物场景的输入图像的处理效果。\n[0005] 根据本发明的一个方面，提供一种电子设备。所述电子设备包括：图像输入单元，配置来输入包括YUV分量的彩色输入图像；以及处理单元，配置来检测所述彩色输入图像中是否存在规定形状的对象，在检测出存在规定形状的对象的情况下，基于所述规定形状的对象的位置来确定所述彩色输入图像中的分析区域，并且判断与所述分析区域中的像素对应的U分量值和V分量值是否满足规定的条件，在满足规定的条件的情况下，将所述彩色输入图像的场景识别为食物场景。\n[0006] 根据本发明的另一方面，提供一种应用于电子设备的图像处理方法。所述图像处理方法包括：输入包括YUV分量的彩色输入图像；检测在所述彩色输入图像中是否存在规定形状的对象；在检测出存在规定形状的对象的情况下，基于所述规定形状的对象的位置来确定所述彩色输入图像中的分析区域；判断与所述分析区域中的像素对应的U分量值和V分量值是否满足规定的条件，在满足规定的条件的情况下，将所述彩色输入图像的场景识别为食物场景。\n[0007] 根据本发明的电子设备和图像处理方法，在判断彩色输入图像的场景是否为食物场景时，通过对确定出的分析区域进行颜色分布分析，从而能够显著提高准确率。\n附图说明\n[0008] 图1是表示本发明的实施方式的电子设备的功能框图。\n[0009] 图2是表示本发明的实施方式的图像处理方法的流程图。\n具体实施方式\n[0010] 下面，参照附图来说明本发明的实施方式。提供以下参照附图的描述，以帮助对由权利要求及其等价物所限定的本发明的示例实施方式的理解。其包括帮助理解的各种具体细节，但它们只能被看作是示例性的。因此，本领域技术人员将认识到，可对这里描述的实施方式进行各种改变和修改，而不脱离本发明的范围和精神。而且，为了使说明书更加清楚简洁，将省略对本领域熟知功能和构造的详细描述。\n[0011] 参照图1来说明本发明的实施方式的电子设备1。图1是表示本发明的实施方式的电子设备1的功能框图。\n[0012] 如图1所示，电子设备1包括图像输入单元11和处理单元12。其中，电子设备1为诸如手机、平板电脑、笔记本电脑、数码相机等的电子设备，只要具备能够处理彩色输入图像的功能即可。\n[0013] 图像输入单元11配置来输入包括YUV分量的彩色输入图像。其中，图像输入单元的具体构成方式不受限定。例如，在图像输入单元11中，由拍摄模块采集彩色输入图像，若所采集的彩色输入图像为YUV格式，则直接将采集的彩色输入图像输入到处理单元12，若所采集的彩色输入图像不是YUV格式(例如为RGB格式)，则将所采集的彩色输入图像转换为YUV格式之后输入到处理单元12。再如，在图像输入单元11中，不采集彩色输入图像，而是将例如从其他电子设备接收的彩色输入图像(或者，本地存储器中存储的彩色输入图像)输入到处理单元12。同样，若彩色输入图像为YUV格式，则直接将该彩色输入图像输入到处理单元\n12，若彩色输入图像不是YUV格式(例如为RGB格式)，则将所采集的彩色输入图像转换为YUV格式之后输入到处理单元12。\n[0014] 此外，优选为，由图像输入单元11输入的彩色输入图像还包括深度分量，该深度分量例如能够体现彩色输入图像中的各对象之间在纵向上的远近关系。\n[0015] 处理单元12检测从图像输入单元接收的彩色输入图像中是否存在规定形状的对象。其中，规定形状可以是任意的形状，例如为椭圆形状、矩形形状等。例如，处理单元12检测从图像输入单元接收的彩色输入图像中是否存在椭圆形状的对象。通过检测是否存在椭圆形状的对象，由此能够判定彩色输入图像中是否存在盘子等的用于盛放食物的对象。由于用于盛放食物的对象不限定于椭圆形状，因此可以根据具体的用于盛放食物的对象，适当地设定规定形状。此外，根据具体的情形，可以设定多个规定形状。在彩色输入图像中检测规定形状的处理可以通过现有技术中的检测方法进行处理，因此不展开进行说明。\n[0016] 在检测出存在规定形状的对象的情况下，处理单元12基于规定形状的对象的位置来确定彩色输入图像中的分析区域。具体地，在检测出存在规定形状的对象的情况下，能够确认在彩色输入图像中存在用于盛放食物的对象，因此进一步根据该用于盛放食物的对象的位置，确定彩色输入图像中存在可能存在食物的分析区域。另外，在没有检测出存在规定形状的对象的情况下，处理单元12可以直接识别为彩色输入图像不是食物场景。\n[0017] 例如，在将食物盛放于盘子的情况下，在彩色输入图像中，食物所存在的区域以盘子的中心点为中心而被布置。因此，在检测出存在椭圆形状的对象的情况下，基于检测出的椭圆的中心点的位置来确定所述彩色输入图像中的分析区域。此外，在基于椭圆的中心点的位置来确定分析区域时，也可以参照椭圆的大小等信息，从而更加合理地确定出存在食物的可能性高的分析区域。\n[0018] 此外，在由图像输入单元11输入的彩色输入图像还包括深度分量的情况下，处理单元12在确定分析区域时也可以利用该深度分量。具体地，处理单元12在基于椭圆的中心点的位置来确定的分析区域的像素中，确定所对应的深度分量值与位于椭圆的中心点的像素的深度分量值之间满足规定关系的像素，并且在基于椭圆的中心点的位置来确定的分析区域中排除满足规定关系的像素所在的位置，从而重新确定分析区域。\n[0019] 例如，假设在墙前摆放了盛放了食物的盘子的情况下，椭圆的中心点的像素的深度分量值与食物存在的区域的像素的深度分量值之间差值相对小，但是椭圆的中心点的像素的深度分量值与墙存在的区域的像素的深度分量值之间差值相对大。因此，在基于椭圆的中心点的位置来确定的分析区域中存在墙存在的区域的情况下，能够利用深度分量值，从基于椭圆的中心点的位置来确定的分析区域中排除墙存在的区域。在具体的处理中，可以设定一个深度分量阈值，如果基于椭圆的中心点的位置来确定的分析区域中的像素的深度分量值与椭圆的中心点的像素的深度分量值的差值大于该深度分量阈\n[0020] 值，则从基于椭圆的中心点的像素的深度分量值中排除该像素。如上，通过利用深度分量来确定分析区域，从而能够排除在分析区域中不可能存在食物的区域，提高所确定的分析区域的精度。\n[0021] 通过如上的处理确定了存在食物的可能性高的分析区域之后，处理单元12利用食物存在的区域的像素的U分量值和V分量值呈一定规律的特性，针对分析区域进行判断，进而将彩色输入图像的场景识别为食物场景。因此，处理单元12判断与分析区域中的像素对应的U分量值和V分量值是否满足规定的条件，在满足规定的条件的情况下，将彩色输入图像的场景识别为食物场景。此外，在与分析区域中的像素对应的U分量值和V分量值不满足规定的条件的情况下，处理单元12将彩色输入图像的场景识别为非食物场景。\n[0022] 具体地，在YUV格式的彩色输入图像中，食物存在的区域的像素的U分量值与V分量值分别落入第一范围和第二范围的可能性很高。鉴于此，处理单元12计算所对应的U分量值与V分量值分别落入第一范围和第二范围的像素的比例，在计算出的比例大于第一阈值时，能够将彩色输入图像的场景识别为食物场景。在具体处理中，处理单元12计算分析区域中的、所对应的U分量值和V分量值分别落入第一范围和第二范围的像素的数目，在所对应的U分量值和V分量值分别落入第一范围和第二范围的像素的数目相对于分析区域中的所有像素的数目的比例大于第一阈值的情况下，将彩色输入图像的场景识别为食物场景。\n[0023] 例如，处理单元12针对分析区域中的各个像素，判断所对应的U分量值是否为大于a1小于a2，并且判断所对应的V分量值是否为大于b1小于b2，在某一像素的U分量值大于a1小于a2并且V分量值大于b1小于b2，则认为该像素满足规定条件。通过对分析区域中的每个像素进行判断，从而能够统计出满足规定条件的像素的数目。例如，满足规定的像素的数目为x个，分析区域中的全部像素的数目为y个，当比例(x/y)值大于第一阈值的情况下，将彩色输入图像的场景识别为食物场景。\n[0024] 优选为，处理单元12基于多个彩色训练图像的U分量和V分量，预先设定第一范围和第二范围。当然，为了保证所设定的第一范围和第二范围的有效性，选取食物场景的彩色训练图像。\n[0025] 具体地，在所选取的多个彩色训练图像的各个彩色训练图像中，分别划定了存在食物的预设区域。划定该预设区域的处理，例如通过手动划定的方式进行。如后所述，通过仅利用存在食物的预设区域进行训练，能够提高用于识别食物场景的第一范围和第二范围的准确性和实用性。\n[0026] 处理单元12对与各个彩色训练图像的预设区域中的像素对应的U分量值和V分量值进行统计。例如，在某一像素所对应的U分量值和V分量值分别为a和b的情况下，在U分量值＝a且V分量值＝b的像素的数目进行加1。通过对预设区域中的每个像素进行上述处理，从而得到与U分量值和V分量值的各个取值对应的像素的数目。在对与各个彩色训练图像的预设区域中的像素对应的U分量值和V分量值进行统计的结果，与在第一范围内的U分量值和第二范围内的V分量值对应的像素的数目明显多于其他的U分量值和V分量值。由此也可知，存在食物的区域的像素的U分量值和V分量值分别落入第一范围和第二范围的可能性高。此外，对预设区域中的像素的U分量值和V分量值，也可以采用其他的统计方法。\n[0027] 具体地，处理单元12将与在多个彩色训练图像的预设区域中的像素对应的所有U分量值中取值概率大于第二阈值的范围设为第一范围，将与在多个彩色训练图像的预设区域中的像素对应的所有V分量值中取值概率大于第三阈值的范围设为第二范围。其中，在U分量的取值范围为0-255时，所设定的第一范围例如为大于等于60小于120，在V分量的取值范围为0-255时，所设定的第二范围例如为大于等于50小于120。例如，处理单元12在与U分量值和V分量值的各个取值对应的像素的数目中，确定所对应的像素的数目相对于预设区域中的像素的总数目的比例超过所设定的阈值的U分量值和V分量值，并根据所确定的比例超过所设定的阈值的U分量值和V分量值，确定关于U分量值的第一范围和关于V分量值的第二范围。此外，也可以采用其他的方法来设定第一范围和第二范围，只要能够保证：所设定的第一范围为，在预设区域的像素中的U分量值取值概率大的范围，并且所设定的第二范围为，在预设区域的像素中的V分量值取值概率大的范围。\n[0028] 此外，在预设区域中的所有像素的总数目固定的情况下，在上述确定第一范围和第二范围的处理中，不利用取值概率或相对于所有像素的总数目的比例，而直接利用像素的数目即可。\n[0029] 如上所述，通过基于食物场景的多个彩色训练图像来设定用于判定彩色输入图像的场景的关于U分量值的第一范围和关于V分量值的第二范围，因此能够保证用于识别食物场景的第一范围和第二范围的实用性。\n[0030] 在通过上述处理，从而将彩色输入图像识别为食物场景之后，在后续的处理中，例如能够进行与食物场景相适应的处理(例如补光、颜色调整等的处理)，提高食物场景的输入图像的处理效果。\n[0031] 根据本发明的实施方式的电子设备1，基于检测出的规定形状的位置来确定分析区域之后，判断分析区域中的像素的颜色分布是否满足规定条件，从而将彩色输入图像的场景识别为食物场景。由此，能够有效地对输入图像的食物场景进行识别，提高识别的准确率，从而能够提高食物场景的输入图像的处理效果。例如，根据本发明的实施方式的电子设备1，能够有效避免例如将表示空盘的对象等的彩色输入图像的场景确定为食物场景。\n[0032] 下面，参照图2来说明本发明的实施方式的应用于电子设备的控制方法。图2是表示本发明的实施方式的控制方法的流程图。\n[0033] 图2的流程图所示的控制方法能够应用于图1所示的电子设备1。如图1所示，电子设备1包括图像输入单元11、和处理单元12。\n[0034] 在步骤S1中，输入包括YUV分量的彩色输入图像。具体地，由图像输入单元11输入包括YUV分量的彩色输入图像。例如，在图像输入单元11中，由拍摄模块采集彩色输入图像，若所采集的彩色输入图像为YUV格式，则直接将采集的彩色输入图像输入到处理单元12，若所采集的彩色输入图像不是YUV格式(例如为RGB格式)，则将所采集的彩色输入图像转换为YUV格式之后输入到处理单元12。再如，在图像输入单元11中，不采集彩色输入图像，而是将例如从其他电子设备接收的彩色输入图像(或者，本地存储器中存储的彩色输入图像)输入到处理单元12。同样，若彩色输入图像为YUV格式，则直接将该彩色输入图像输入到处理单元12，若彩色输入图像不是YUV格式(例如为RGB格式)，则将所采集的彩色输入图像转换为YUV格式之后输入到处理单元12。\n[0035] 此外，优选为，彩色输入图像还包括深度分量。该深度分量例如能够体现彩色输入图像中的各对象之间在纵向上的远近关系。\n[0036] 在步骤S2中，检测在彩色输入图像中是否存在规定形状的对象。其中，规定形状可以是任意的形状，例如为椭圆形状、矩形形状等。例如，处理单元12检测从图像输入单元11接收的彩色输入图像中是否存在椭圆形状的对象。通过检测是否存在椭圆形状的对象，由此能够判定彩色输入图像中是否存在盘子等的用于盛放食物的对象。此外，根据具体的情形，可以设定多个规定形状。\n[0037] 在步骤S3中，在检测出存在规定形状的对象的情况下，基于规定形状的对象的位置来确定彩色输入图像中的分析区域。\n[0038] 具体地，在检测出存在规定形状的对象的情况下，处理单元12基于规定形状的对象的位置来确定彩色输入图像中的分析区域。例如，在检测出存在规定形状的对象的情况下，能够确认在彩色输入图像中存在用于盛放食物的对象，因此进一步根据该用于盛放食物的对象的位置，确定彩色输入图像中存在可能存在食物的分析区域。另外，在没有检测出存在规定形状的对象的情况下，处理单元12可以直接识别为彩色输入图像不是食物场景。\n[0039] 优选为，在检测出存在椭圆形状的对象的情况下，基于检测出的椭圆的中心点的位置来确定彩色输入图像中的分析区域。此外，在基于椭圆的中心点的位置来确定分析区域时，也可以参照椭圆的大小等信息，从而更加合理地确定出存在食物的可能性高的分析区域。这是因为，例如在将食物盛放于盘子的情况下，在彩色输入图像中，食物所存在的区域以盘子的中心点为中心而被布置。\n[0040] 此外，在由图像输入单元11输入的彩色输入图像还包括深度分量的情况下，在步骤S3中确定分析区域时，也可以利用该深度分量。具体地，处理单元12在基于椭圆的中心点的位置来确定的分析区域的像素中，确定所对应的深度分量值与位于椭圆的中心点的像素的深度分量值之间满足规定关系的像素，并且在基于椭圆的中心点的位置来确定的分析区域中排除满足规定关系的像素所在的位置，从而重新确定分析区域。\n[0041] 例如，在基于椭圆的中心点的位置来确定的分析区域中存在墙存在的区域的情况下，能够利用深度分量值，从基于椭圆的中心点的位置来确定的分析区域中排除墙存在的区域。在具体的处理中，可以设定一个深度分量阈值，如果基于椭圆的中心点的位置来确定的分析区域中的像素的深度分量值与椭圆的中心点的像素的深度分量值的差值大于该深度分量阈值，则从基于椭圆的中心点的像素的深度分量值中排除该像素。如上，通过利用深度分量来确定分析区域，从而能够排除在分析区域中不可能存在食物的区域，提高所确定的分析区域的精度。\n[0042] 在步骤S4中，判断与分析区域中的像素对应的U分量值和V分量值是否满足规定的条件，在满足规定的条件的情况下，将彩色输入图像的场景识别为食物场景。此外，在与分析区域中的像素对应的U分量值和V分量值不满足规定的条件的情况下，将彩色输入图像的场景识别为非食物场景。\n[0043] 具体地，计算在步骤S3中确定的分析区域中的、所对应的U分量值和V分量值分别落入第一范围和第二范围的像素的数目，在所对应的U分量值和V分量值分别落入第一范围和第二范围的像素的数目相对于所述分析区域中的所有像素的数目的比例大于第一阈值的情况下，将彩色输入图像的场景识别为食物场景。这是因为，在YUV格式的彩色输入图像中，食物存在的区域的像素的U分量值与V分量值分别落入第一范围和第二范围的可能性很高，在计算出的像素数目的比例大于第一阈值时，能够将彩色输入图像的场景识别为食物场景。\n[0044] 例如，处理单元12针对分析区域中的各个像素，判断所对应的U分量值是否为大于a1小于a2，并且判断所对应的V分量值是否为大于b1小于b2，在某一像素的U分量值大于a1小于a2并且V分量值大于b1小于b2，则认为该像素满足规定条件。通过对分析区域中的每个像素进行判断，从而能够统计出满足规定条件的像素的数目。例如，满足规定的像素的数目为x个，分析区域中的全部像素的数目为y个，当比例(x/y)值大于第一阈值的情况下，将彩色输入图像的场景识别为食物场景。\n[0045] 在本发明的实施方式的控制方法中，优选为还包括：基于多个彩色训练图像的U分量和V分量，确定第一范围和第二范围。其中，彩色训练图像的场景为食物场景。此外，该用于确定第一范围和第二范围的步骤可以预先执行，从而预先确定出第一范围和第二范围。\n[0046] 具体地，在所选取的多个彩色训练图像的各个彩色训练图像中，分别划定了存在食物的预设区域。划定该预设区域的处理，例如通过手动划定的方式进行。如后所述，通过仅利用存在食物的预设区域进行训练，能够提高用于识别食物场景的第一范围和第二范围的准确性和实用性。\n[0047] 在基于多个彩色训练图像的U分量和V分量来确定第一范围和第二范围时，对与各个彩色训练图像的预设区域中的像素对应的U分量值和V分量值进行统计，并且将与在多个彩色训练图像的预设区域中的像素对应的所有U分量值中取值概率大于第二阈值的范围设为第一范围，将与在多个彩色训练图像的预设区域中的像素对应的所有V分量值中取值概率大于第三阈值的范围设为第二范围。其中，在U分量的取值范围为0-255时，所设定的第一范围例如为大于等于60小于120，在V分量的取值范围为0-255时，所设定的第二范围例如为大于等于50小于120。\n[0048] 例如，在某一像素所对应的U分量值和V分量值分别为a和b的情况下，在U分量值＝a且V分量值＝b的像素的数目进行加1。通过对预设区域中的每个像素进行上述处理，从而得到与U分量值和V分量值的各个取值对应的像素的数目。处理单元12在与U分量值和V分量值的各个取值对应的像素的数目中，确定所对应的像素的数目相对于预设区域中的像素的总数目的比例超过所设定的阈值的U分量值和V分量值，并根据所确定的比例超过所设定的阈值的U分量值和V分量值，确定关于U分量值的第一范围和关于V分量值的第二范围。此外，也可以采用其他的方法来设定第一范围和第二范围，只要能够保证：所设定的第一范围为，在预设区域的像素中的U分量值取值概率大的范围，并且所设定的第二范围为，在预设区域的像素中的V分量值取值概率大的范围。\n[0049] 此外，在预设区域中的所有像素的总数目固定的情况下，在上述确定第一范围和第二范围的处理中，不利用取值概率或相对于所有像素的总数目的比例，而直接利用像素的数目即可。\n[0050] 如上所述，通过基于食物场景的多个彩色训练图像来设定用于判定彩色输入图像的场景的关于U分量值的第一范围和关于V分量值的第二范围，因此能够保证用于识别食物场景的第一范围和第二范围的实用性。\n[0051] 在通过上述处理，从而将彩色输入图像识别为食物场景之后，在后续的处理中，例如能够进行与食物场景相适应的处理(例如补光、颜色调整等的处理)，提高食物场景的输入图像的处理效果。\n[0052] 根据本发明的实施方式的控制方法，基于检测出的规定形状的位置来确定分析区域之后，判断分析区域中的像素的颜色分布是否满足规定条件，从而将彩色输入图像的场景识别为食物场景。由此，能够有效地对输入图像的食物场景进行识别，提高识别的准确率，从而能够提高食物场景的输入图像的处理效果。例如，根据本发明的实施方式的控制方法，能够有效避免例如将表示空盘的对象等的彩色输入图像的场景确定为食物场景。\n[0053] 本领域普通技术人员可以意识到，结合在本发明的实施方式描述的各个单元和步骤，能够以电子硬件、计算机软件或者二者的结合来实现。并且软件模块可以置于任意形式的计算机存储介质中。为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。\n[0054] 在上面详细描述了本发明的各个实施方式。然而，本领域技术人员应该理解，在不脱离本发明的原理和精神的情况下，可对这些实施方式进行各种修改，组合或子组合，并且这样的修改应落入本发明的范围内。