CN100414565C - 复杂度测量方法、处理选择方法、图像处理方法及系统 - Google Patents

Abstract

本发明提供一种数字图像的复杂度测量方法，图像处理系统的图像处理部接受取得作为光栅图像被表现的图像，决定上述光栅图像中的各像素的内容种类，设定上述内容种类的区域的特征，计算图像复杂度测度。由此，实现更高品质的图像处理。

Description

复杂度测量方法、处理选择方法、图像处理方法及系统

技术领域

本发明涉及数字图像的复杂度测量方法、处理选择方法、图像处理方法以及图像处理系统。

背景技术

数字图像和文件(文书，document)保护多个要素(element)或者内容种类(contents type)，该要素或者内容种类包括文本、中间色调(half-tone)、图形、位标志(bit map)图像、它们的变形物(Variation)以及其他要素。这些要素分别在显示或者被再现(render)到打印机时，以相互不同的方法进行处理，使得被显示输出的品质最佳。该不同的处理需要将图像分割(segmentation)为要素或者内容种类。该分割处理典型的是根据文件的页的数字图像，通过运算所谓分割映射(segmentation map)来实现。在多数情况下，这归结为像素或者区域(region)分类的问题。因为要素种类或者内容种类的设定已被预见(a priori)得知。如果存在输入页的分割映射，则可以将各内容种类的区域根据其对应的要素或者内容种类所需要的条件来进行最佳的处理。

在多个已知的方法中，如图1所示，接受用于再现作业的目标数据(S10)，在S10中接受的数据，一般来说采用打印作业语言命令或者图像引擎再现命令(graphic engine rending command)(例如：HPGL命令、PCL命令、GDI命令或者其他等)形式。这些命令对定义的图形要素的内容种类进行识别。而且，为了识别文件中的内容种类(12)，该信息可以从上述S10接受的命令数据中简单地提取。在S12中，一旦内容种类被识别，则在S14中分析目标的结构，从而可以帮助决定文件的复杂度。根据该数据计算复杂度要素(complexity factors)(S16)。

而且，专利文献1(特开2000-22943号公报；公开日：2000年1月21日)中记载的方法，即使图像数据是配置了多个具有不同的图像属性的非矩形的图像区域的形态，为了对非矩形的图像区域按照每个图像属性高速并且正确地进行判断，具有以下的结构。即，将输入的图像数据分割为多个块，决定块的图像属性(网点、照片、文字、背景)，按照每个图像属性总结块，提取矩形区域。进而，提取两个不同的矩形之间重叠的区域，决定重叠的区域的图像属性，同时，根据重叠区域的图像属性形成块映射。

另一方面，专利文献2(特开2003-173442号公报，公开日：2003年6月20日)中，作为用于根据目标进行图像检索的新的图像分割算法，记录了以下方法。即，在根据目标进行图像检索中，分割图像时，计算彩色区域对的边界的复杂度，在彩色区域值大于规定的边界复杂度阈值，并且，区域对的色距离小于规定的距离阈值的情况下，合并区域对。而且，利用分级的群(cluster)分析在彩色区域合并以后，利用边界分析，合并彩色区域。而且，在彩色区域小，并且通过其他彩色区域而被定位的情况下，将小的彩色区域合并到包围它的彩色区域中，最后，将区域数据分配到各彩色区域。

而且，专利文献3(特开2003-223612号公报，公开日：2003年8月8日)中，为了谋求更高精度地除去文字的修饰的附带网纹，提高文字识别的精度等，记载了以下的方法。即，在判断有无附带网纹时，在检测出连接区域内的同色像素的被连结的外接矩形后，利用矩形的大小、纵横比、纵与横的大小的差分、对于上述同色或者被视为同色的像素数的矩形尺寸的面积比的各信息，判断网点矩形，计数网点矩形的数量。然后，将外接矩形的总数、被计数的网点矩形的数量与阈值进行比较，判断有无附带网纹。进而，识别网的大小，根据识别结果除去网。

但是，上述图1所示的技术虽然对基于目标的命令等的在命令结构中被区分的文件数据有效，但是对位标志数据、光栅(raster)数据、以及采用其他方式的非基于目标的数据无效。而且，可利用的方法没有和用于形成与算法相关联的复杂度要素的算法数据的处理进行组合。

而且，在上述技术中，没有对以下要点进行充分记载，即根据数字图像的复杂度，变更对该数据的图像处理的改善程度和方法，例如，追求进一步提高以进行用于改善画质的图像处理和压缩处理为首的各种图像处理的品质。

发明内容

本发明的目的是提供一种用于进一步提高图像处理的品质的复杂度测量方法、处理选择方法、图像处理方法以及图像处理系统。

为了达到上述目的，本发明的复杂度测量方法是一种数字图像的复杂度测量方法，包括：将图像作为非基于目标的图像表现的步骤a；决定所述非基于目标的图像中的各像素的属性的步骤b；以及根据所述属性计算图像复杂度测度的步骤c。

按照该结构，例如可以计算用于进一步提高以进行的用于改善画质的图像处理和压缩处理为首的各种图像处理的品质的图像的复杂度(复杂度测度)，所以通过进行基于该复杂度的图像处理，可以提高图像处理的品质。

另一方面，本发明的复杂度测量方法是数字图像的复杂度测量方法，为了达到上述目的，包括：将图像作为光栅图像表现的步骤a；决定上述光栅图像的属性的步骤b；决定与图像处理方法的复杂度相关联的特征的步骤c；以及根据所述属性以及所述特征来计算图像复杂度测度的步骤d。

按照该结构，与上述各方法一样，可以计算进一步提高各种图像处理的品质的图像的复杂度(复杂度测度)，所以通过进行基于该复杂度的图像处理，可以通过图像处理的品质。

进而，在上述结构中，在计算图像的复杂度测度时，不仅参照光栅图像的属性，而且还参照图像处理方法的复杂度关联特征，所以与不参照该复杂度关联特征来进行计算的结构不同，例如可以将可以在何种程度信赖分割映射，或者分割基础的区域特有的改善方法通过输入文件在何种程度合适等图像处理方法的特征也可以被反映在复杂度测度中，可以计算适合进一步提高图像处理的品质的复杂度测度。

而且，为了达到上述的目的，本发明的处理选择方法是用于处理数字图像的处理选择方法，包括将图像作为非基于目标的图像表现的步骤a；决定所述非基于目标的图像的属性的步骤b；为了进行包含第一过程和第二过程的多个处理，取得与图像复杂度相关联的处理性能数据的步骤c；根据所述属性和所述处理性能数据推定所述图像的复杂度的步骤d；如果所述复杂度超过阈值，则实施第一过程的步骤e；以及如果所述复杂度没有超过所述阈值，则实施第二过程的步骤f。

按照该结构，按照根据上述属性和上述处理性能数据推定的上述图像的复杂度，选择实施第一过程还是实施第二过程，所以与上述各方法相同，可以进一步提高各种图像处理的品质。

进而，为了达到上述目的，本发明的处理选择方法是用于处理数字图像的处理选择方法，包括：决定图像的复杂度关联属性的步骤a；取得用于根据分割进行画质改善处理的处理性能数据的步骤b；取得用于进行整体的画质改善处理的处理性能数据的步骤c；根据所述属性和所述性能数据计算图像复杂度测度的步骤d；如果所述复杂度超过阈值则实施整体的画质改善的步骤e；以及如果所述复杂度不超过所述阈值则实施基于分割的画质改善的步骤f。

按照上述结构，按照根据属性和上述性能数据计算的上述图像复杂度测度，实施整体的画质改善或者实施基于分割的画质改善，所以与仅进行基于分割的改善的结构不同，可以防止区域分割的失败引起的图像处理的品质的降低，同时与仅进行整体的图像处理的结构相比，可以进一步提高图像处理的品质。

另一方面，为了达到上述的目的，本发明的图像处理方法包括图像处理系统根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度的复杂度计算步骤；以及所述图像处理系统根据所述被计算的复杂度，决定以相同的方法对数字图像整体进行图像处理，或者用特有的方法对数字图像的每个区域进行图像处理的处理方法决定步骤。

按照上述结构，根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度，根据上述被计算的复杂度决定进行上述哪一种图像处理。其结果，与仅对每个区域进行特有的图像处理的结构不同，可以防止区域分割的失败引起的图像处理的品质降低，同时，与仅进行整体的图像处理的结构相比，可以提高图像处理的品质。

而且，为了达到上述目的，本发明的图像处理方法包括复杂度计算步骤，图像处理系统根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度；以及合成步骤，所述图像处理系统根据所述计算的复杂度，将以相同的方法对数字图像整体进行图像处理的结果，以及以特有的方法对数字图像的每个区域进行图像处理的结果进行组合。

在该结构中，根据上述被计算的复杂度将以相同的方法对数字图像整体进行图像处理的结果和以特有的方法对数字图像的每个区域进行图像处理的结果进行组合。其结果，与选择上述两种图像处理的一个的结构相同，与仅对每个区域进行特有的图像处理的结构不同，可以防止区域分割的失败引起的图像处理的品质降低，同时与仅进行整体的图像处理的结构相比，也可以提高图像处理的品质。

而且，为了达到上述目的，本发明的图像处理方法包括复杂度计算步骤，图像处理系统根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度；以及改善程度调整步骤，所述图像处理系统根据所述被计算的复杂度，调整对数字图像进行改善时的改善程度。

在该结构中，可以根据复杂度来调整改善数字图像时的改善程度，所以与始终以一定的改善程度来处理数字图像的结构相比，可以提高图像处理的品质。

而且，本发明的图像处理方法，为了达到上述目的，包括：复杂度概算步骤，图像处理系统根据统计处理了数字图像的图像特征，概算该数字图像的复杂度；以及处理方法决定步骤，所述图像处理系统根据所述被计算的复杂度，决定用相同的方法对数字图像整体进行图像处理，还是用特有的方法对数字图像的每个区域进行图像处理。

在上述结构中，根据统计处理了数字图像的图像特征，概算数字图像的复杂度，据此决定以相同的方法对数字图像整体进行图像处理，还是以特有的方法对数字图像的每个区域进行图像处理。但是，上述复杂度与根据包含表示数字图像的布局的信息的图像信息而计算的情况相同，与仅对每个区域进行特有的图像处理的结构不同，可以防止区域分割的失败引起的图像处理的品质的降低，同时与仅进行整体的图像处理的结构相比，可以提高图像处理的品质。

本发明的一种数字图像的图像处理系统，包括：属性决定部，决定非基于目标的图像中的各像素的属性；以及复杂度测量部，根据所述属性计算图像复杂度测度。

本发明的一种有选择地处理数字图像的图像处理方法，包括：决定非基于目标的图像的属性的步骤a；根据所述属性推定所述图像的复杂度的步骤b；以及在所述复杂度满足基准的情况下，处理所述图像的步骤c。

本发明的一种可变处理数字图像的图像处理方法，包括：决定非基于目标的图像数据组的属性的步骤a；根据所述属性，推定对于所述图像数据组的复杂度测度的步骤b；以及对所述图像数据组实施具有可与所述复杂度测度成比例地变化的效果的处理的步骤c。

本发明的一种混合处理数字图像的图像处理方法，包括步骤a，决定非基于目标的图像的属性；步骤b，根据所述属性推定所述图像的复杂度；步骤c，对所述图像实施多个处理；步骤d，混合所述多个处理的结果，以便所述多个处理的至少一个相对于所述结果具有可与所述复杂度成比例变化的效果，从而形成被混合处理的图像。

本发明的一种用于处理数字图像的处理选择方法，包括：步骤a，决定非基于目标的图像的属性；步骤b，取得用于分析处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述属性和所述分析处理性能数据，推定所述图像的复杂度；以及步骤d，如果所述复杂度满足基准，则根据所述分析处理对所述图像实施画质改善处理。

本发明的一种用于有选择地处理数字图像的图像处理装置，包括：a)图像分析器，用于决定非基于目标的图像的属性；b)推定器，用于根据所述属性推定所述图像的复杂度；c)处理器，在所述复杂度满足基准的情况下，对所述图像实施画质改善处理。

本发明的一种用于混合处理数字图像的图像处理装置，包括：a)图像分析器，用于决定对于图像的非基于目标的图像数据的属性；b)推定器，用于根据所述属性，推定所述图像的复杂度；c)处理器，用于对所述图像实施多个处理；d)混合器，用于混合所述多个处理结果，使得所述多个处理的至少一个对于所述多个处理的结果，具有可与所述复杂度成比例地变化的效果，形成被混合处理的图像。

本发明的一种用于可变处理数字图像的图像处理装置，包括：a)属性提取器，用于决定非基于目标的图像数据组的属性；b)推定器，用于根据所述属性，推定对于所述图像数据组的复杂度测度；以及c)处理器，用于对所述图像数据组实施具有可与所述复杂度测度成比例变化的效果的处理。

本发明的其他的目的、特征、以及优点通过以下的记载可以充分了解。而且，本发明的优点通过参照了附图的以下的说明可以明白。

附图说明

图1是表示现有技术的复杂度运算方法的图。

图2是表示随着图像复杂度增加，基于分割的改善波及图像品质的效果的曲线图。

图3表示本发明的实施方式，是表示基于光栅的复杂度决定方法的图。

图4表示本发明的实施方式，是表示利用了算法的特征的基于光栅的复杂度决定方法的图。

图5表示本发明的实施方式，是表示采用了变换区域数据的基于光栅的复杂度决定方法的图表。

图6表示本发明的实施方式，是表示利用了算法的特征的基于目标的复杂度决定方法的图。

图7表示本发明的实施方式，是表示决定基于分割的复杂度测度，为了控制图像改善而使用这些测度的系统的线图。

图8表示本发明的实施方式，是表示决定基于分割的复杂度测度，使用这些测度，以便控制画质改善，控制整体的改善和基于分割的改善的组合的线图。

图9表示本发明的实施方式，是表示为了决定复杂度测度而使用粗略的分割，之后，根据需要实施更高精度的分割的系统的线图。

图10表示本发明的实施方式，是表示决定用于连续的图像分割的基于分割的复杂度测度，为了控制画质改善，采用累积复杂度测度的系统的线图。

图11表示本发明的实施方式，是表示在决定复杂度时即使不进行分割，也根据与页相关联的特性决定复杂度测度的系统的线图。

图12是表示在决定复杂度时即使不进行分割，也根据与页相关联的特性决定复杂度测度，使用连续的图像分割来计算复杂度的系统的线图。

图13表示本发明的实施方式，是表示决定复杂度测度，使用这些测度作为改善处理中的增益控制的系统的线图。

图14是表示多个滤光器(filter)构成方法的表的图。

图15表示本发明的实施方式，是表示决定区域特有的复杂度测度的系统的线图。

图16表示本发明的实施方式，是表示使用多个分割方法而决定多个复杂度测度的系统的线图。

图17表示本发明的实施方式，是表示使用多个分割方法而决定多个复杂度测度，实施将多个被调整的改善组合在最终改善的图像中也可以的系统的线图。

图18表示本发明的实施方式，是表示使用多个初始的粗略的分割方法，决定多个复杂度测度的系统的流程图。

图19是对被计算的复杂度测度通过人间观察者进行主观复杂度决定，同时绘图后的图。

图20表示本发明的实施方式，是表示为了决定复杂度测度而使用粗略的分割，之后，如果有需要，则实施更高精度的(refined)分割以及高精度的复杂度决定的系统的流程图。

具体实施方式

本发明的实施方式包括用于进行基于图像复杂度推定(complexityestimation)和复杂度的图像处理的方法和系统，以及用于推定文件图像复杂度，将复杂度的推定作为图像处理决定(例如处理的选择)的基础来使用的系统和方法。在这些系统和方法中，包含复杂度推定以及基于复杂度的选择方法以及执行这些方法的系统。本发明的目的、特征(features)和优点如果考虑与附图相关联的以下的本发明的详细说明，则可以更简单地理解。

首先，最初在本说明书中对参照的附图进行简单地说明。即，

图1是表示现有技术的复杂度运算方法的图。

图2表示随着图像复杂度增加，基于分割的改善(segmentation-basedenhancement)波及图像品质的效果的曲线图。

图3表示本发明的实施方式，是表示基于光栅(raster-based)的复杂度决定方法的图。

图4表示本发明的实施方式，是表示利用了算法的特征(algorithmcharacteristics)的基于光栅的复杂度决定方法的图。

图5表示本发明的实施方式，是表示采用了变换区域数据的基于光栅的复杂度决定方法的图表。

图6表示本发明的实施方式，是表示利用了算法的特征的基于目标(object-based)的复杂度决定方法的图。

图7表示本发明的实施方式，是表示决定基于分割的复杂度测度，为了控制图像改善而使用这些测度的系统的线图。

图8表示本发明的实施方式，是表示决定基于分割的复杂度测度，使用这些测度，以便控制画质改善，控制整体的改善和基于分割的改善的组合的线图。

图9表示本发明的实施方式，是表示为了决定复杂度测度而使用粗略的分割，之后，根据需要实施更高精度(refined)的分割的系统的线图。

图10表示本发明的实施方式，是表示决定用于连续的图像分割的基于分割的复杂度测度，为了控制画质改善，采用累积复杂度测度的系统的线图。

图11表示本发明的实施方式，是表示在决定复杂度时即使不进行分割，也根据与页相关联的特性决定复杂度测度的系统的线图。

图12是表示在决定复杂度时即使不进行分割，也根据与页相关联的特性决定复杂度测度，使用连续的图像分割来计算复杂度的系统的线图。

图13表示本发明的实施方式，是表示决定复杂度测度，使用这些测度作为改善处理中的增益控制的系统的线图。

图14是表示多个(multiple)滤光器构成方法的表的图。

图15表示本发明的实施方式，是表示决定区域特有的(region-specific)复杂度测度的系统的线图。

图16表示本发明的实施方式，是表示使用多个分割方法而决定多个复杂度测度的系统的线图。

图17表示本发明的实施方式，是表示使用多个分割方法而决定多个复杂度测度，实施将多个被调整的改善组合在最终改善的图像中也可以的系统的线图。

图18表示本发明的实施方式，是表示使用多个初始的粗略的分割方法，决定多个复杂度测度的系统的线图。

图19是对被计算的复杂度测度通过人间观察者进行主观复杂度决定，同时绘图后的图。

图20表示本发明的实施方式，是表示为了决定复杂度测度而使用粗略的分割，之后，如果有需要，则实施更高精度的(refined)分割以及高精度的复杂度决定的系统的流程图。如果参照上述附图，可以最佳地理解本发明各实施方式的说明。而且，在上述的附图中，在整体中，对类似部分赋予类似的号码。而且，上述的附图确实地被包含于用于实施本发明的最佳实施方式的一部分中。

作为整体被说明的同时，本申请的图中所示的本发明的结构要素可以安排在广泛的各种不同的实施方式中进行设计的情况，可以被简单地理解。因此，对于本发明的方法和系统的实施方式的以下的更详细的说明不是限制本发明的范围，仅表示本发明的实施例。

在本说明书中说明的实施方式大多是来自复印(copying)以及图像复制(reprographics)领域的例子，在这些实施方式中，分割被使用于通过最佳化的页要素的有选择地改善来提供图像品质。但是，这些仅为实施例子，而决不是限制将本发明的范围扩展到利用分割主导型的(segmentation-guided)处理(例如，压缩、保管(archiving)、检索(retrieval)以及其他)其他领域(domam)。

本发明的各实施方式的要素也可以在硬件、固件和/或软件中实施。更具体来说，各实施方式的系统结构要素具有执行用于实现各功能的控制程序的命令的CPU(central processing unit)，存储了上述程序的ROM(read onlymemory)，展开上述程序的RAM(random access memory)，存储上述程序和各种数据的存储器等存储装置(记录媒体)等。然后，将计算机可读取地记录了实现上述的功能的软件的各实施方式的作为系统的结构要素的装置的控制程序的程序码(执行形式程序、中间码程序、源程序)的记录媒体提供给各实施方式的系统的结构要素的装置，该计算机(或者CPU和MPU)通过读出并执行记录在记录媒体中的程序码也可以达成本发明的目的。

作为上述的记录媒体，例如可以使用磁带系列、盘系列、卡系列或者半导体存储器系列等。在上述磁带系列的记录媒体中，包括磁带和录像带等。而且，作为盘系列的记录媒体可举出磁盘、或者光盘。更具体来说，作为上述磁盘，可举出软盘(注册商标)/硬盘等，作为上述光盘，可以举出CD-ROM、MO、MD、DVD、CD-R等。进而，作为所述卡系列的记录媒体，可以举出IC卡(包括存储卡)以及光卡等。而且，作为上述半导体存储器系列的记录媒体，可以举出掩模ROM、EPROM、EEPROM或者闪速ROM等。

而且，将各实施方式的作为系统的结构要素的装置与通信网络可连接地构成，经由通信网络提供上述程序码也可以。作为该通信网络，没有特别的限定，例如可以利用因特网，内部网、外部网(extra net)、LAN(Local AreaNetwork)，WAN(Wide Area Network)、ISDN(Integrated Service DigitalNetwork)、VAN(Value Added Network)、CATV(Cable Television)通信网、假想专用网(virtual Drivate network)、电话线网、移动通信网、卫星通信网等。而且，作为构成通信网络的传送介质，没有特别限定，例如可以利用IEEE1394、USB、电力线传输、电缆TV线、电话线、ADSL线等的有线方式，以及IrDA或者遥控器那样的红外线、Bluetooth(注册面标)、802.11无线、HDR、携带电话网、卫星线路、地面波数字网等的无线方式。而且，本发明通过在上述程序码被体现在电子传送中的插入在传送波中的计算机数据信号的方式也可以实现。

这里公开的实施例仅对这些实施方式之一进行说明，但是本技术领域的技术人员可以将这些要素在本发明的范围内作为这些实施方式的任意一个来实施。

对于决定分割处理是否为合适的情况的问题(换言之，对于分割的可靠性(reliability)和/或成本效率性)，并没有特别关心。

本发明的各实施方式涉及计算分割算法的可靠性和/或有益性(benefit)的问题，以及使继续的处理适当地配合的问题。在这些实施方式中，也存在对分割处理非常容易引起错误，或者为了完成而花费过多成本的例子进行明确地识别的实施方式。

在印刷、图像复制以及其他多种应用中，在文件的复杂度为中等的情况下，对于图像品质的分割的有益性最大(maximum)。如图2所示，在略点P2之前，随着分割的复杂度增加，有益性也增大。在其之后，分割错误的可能性变高，分割任务自身变得更困难，所以有益性降低。更具体来说，由于这样的错误，在很多情况下，人工生成物(artifacts)出现在输出页，这种情况可能否定通过分割得到的任何有益性。而且，所谓人工生成物是数字图像处理时输出的失真的总称。

图2中，以图像品质曲线和垂直线L4的交叉点表示被分割的改善的有益性低于“不被分割”或者整体的改善的有益性的概算点。该概算点依赖于页布局的复杂度和分割算法的正确的特质(nature)两者。一般来说，该点通过实验来决定。

为了将分割仅限定于存在有益性的情况，或者为了将分割调整为更好的处理，本发明的各实施方式也可以运算页布局的复杂度的测度。这样的测度可以决定包含了页布局的文件的页的整体的复杂度。

“页复杂度”、“页布局复杂度”以及“图像复杂度”的用语在本申请的说明书和权利要求的全体中作为同义词使用。所有这些用语，与文件的要素或者内容种类(例如：文本、图形、中间色调(halftone)要素、位标志要素以及其他的要素的区域)的量、尺寸、几何关系、以及其他属性(attributes)相关联(refer)，图形的复杂度测度根据这些特征和属性被计算。

即，作为计算复杂度时参照的图形的属性(图形的复杂度关联属性)被最佳使用的属性中，例如包含与分割有关的特征。而且，作为该与分割有关的特征，例如最好使用分割区域边界、分割区域形状、分割区域尺寸、分割区域的拓扑性质(segmentation area topological properties)、非矩形的被连接的结构要素的数量，中间色调要素数量相对于所有要素数量的比例，中间色调中的文本像素数量相对于所有像素数量的比例、非矩形区域中的中间色调的像素数量相对于所有像素数量的比例，背景区域的亮度统计、前景区域的亮度统计，背景区域的色度(chrominance)统计、或者它们的组合等。这里，根据搭载图形处理部的系统等的需要来适当选择利用哪个特征或属性来计算复杂度，在该系统中，使用用于判断为复杂所需要的特征或者属性就可以。

而且，作为表示分割区域的尺寸的信息，例如可以举出结构要素的尺寸、区域像素数量相对于所有像素数量的比例等。而且，作为表示上述分割区域的拓扑性质的信息，可以举出几何学的关系、区域的形状(regional geometry)，区域的连续性等，更详细地说，可举出哼声(humming)距离、被赋予的内容种类被结合的两个区域的重心间的距离等。而且，上述或者后述的非矩形地被连接的结构要素的数量、在前景中被连接的结构要素的数量、中间色调相对于所有像素数量的比率、非矩形区域中的中间色调的像素数量相对于所有像素数量的比例，以及中间色调中的文本的像素的数量相对于所有像素的数量的比率等也是与上述文件的要素或者内容种类的量有关的特征或者属性。而且，作为与上述的量有关的特征或者属性，例如最好可以使用：(1)由中间色调构成的矩形区域的数量，由连续灰度等级构成的矩形区域的数量，(2)由中间色调构成的非矩形区域的数量、由连续灰度等级区域构成的非矩形区域的数量，(3)中间色调像素相对于文件尺寸的比率，(4)非矩形区域中的中间色调像素相对于文件尺寸的比率，(5)基础中间色调、最好是上面的文字像素等。进而，上述背景区域的亮度统计、前景区域的亮度统计以及背景区域的色度统计也是与浓度有关的特征或者属性，作为表示它们的信息，例如可以举出存在文本区域的情况和/或者不存在的情况的背景区域的亮度统计的信息，存在文本区域的情况和/或者不存在的情况的前景区域的亮度统计的信息，以及存在文本区域的情况和/或者不存在的情况的背景区域的色度统计的信息等。

如果更详细地说明，则最好使用将上述分割区域的边界或者分割区域的形状以被预先确定的边界或者形状进行近似时的误差越高，或者近似时的近似程度越低，或者上述边界或形状的平滑度越低，则上述复杂度越高来进行计算的方法。而且，作为近似方法的一例，例如可以举出通过多项式和尺条(spline)近似区域的边界的方法，或者通过矩形化处理近似区域的方法。而且，作为上述平滑度的测度，例如最好可以使用上述误差等。进而，作为基于通过矩形化处理近似了区域时的近似程度来进行复杂度计算的方法，例如可以举出根据相对于各结构要素的矩形或者非矩形的特征，计数非矩形的结构要素，如果计数多，则将复杂度设定得大的方法等。而且，所谓复杂度大，意思是更复杂，以下，作为一例，举例说明复杂度越大，表示复杂度的值就越大的情况。

例如，如果上述误差大，或者上述区域的边界或形状不平滑，则将多毛的(shaggy)边界视为平滑，难以正确地扩展边界像素。因此，这时，例如最好通过多项式和仿样(spline)函数近似到实际的边界，实际的边界和被近似者之间的误差越高，则将复杂度设定得越高。

而且，在某些改善过程中，如果该区域不是凸状，则有时改善过程更难，在计算上也更困难。因此，这时，如果上述分割区域的边界或者分割区域的边界不是凸状，则可以适当地使用将上述复杂度更高地设定的方法。

另一方面，作为与上述分割区域的尺寸对应计算复杂度的方法，例如可以举出通过对于所有像素数，计数非矩形区域中的中间色调的像素数，计算非矩形区域中的中间色调的像素数相对于所有像素数的比例，比例越大，则将复杂度设定得越大的方法等。

而且，作为与上述分割区域的拓扑性质对应计算复杂度的方法，例如可以举出在横方向观察像素时，分割结果频繁变化者表示存在较多的结构要素，所以计数该变化次数，如果计数多，则将复杂度设定得较大的方法。而且，例如矩形的中间色调区域的布局大致等间隔地横向并排为一列时，作为文件的布局归入简单的部类。相反，如果不规则地分散，也考虑了文本的布局的情况下，被认为是复杂的文件布局。因此，还可以最佳使用计算各内容中的结构要素的布局的直线性和/或间隔，求取与直线或者等间隔的值的标准偏差的和，该和越大，则使复杂度越大的方法。

而且，作为根据上述量来计算复杂度的方法，举出随着被非矩形连接的结构要素的的数量和/或在前景中被连接的结构要素的数量的增大，使复杂度增大的方法。而且，最好还可以使用中间色调像素的数量相对于所有像素数量的比率和/或非矩形区域中的中间色调像素的数量相对于所有像素数量的比例越大，则使复杂度越大的方法。

同样，作为计算与中间色调中的文本像素的数量相对于上述所有像素的数量的比率相对应的复杂度的方法，例如可以举出相对于所有像素数，计数中间色调的文本像素数，计算中间色调上的文本像素数相对于所有像素数的比例，同时该比例越大，则使复杂度越大的方法。

进而，作为计算与上述浓度对应的复杂度的方法，例如可以举出亮度信息的标准偏差越高，则使复杂度的值越高的方法。例如，如果背景区域具有亮度的斜率，则标准偏差变得非常高，难以改善这样的背景区域。这样，有和/或无文本中的背景区域中的亮度值的标准偏差表示该区域中是否存在大的变化，所以最好使用在背景区域的亮度值的标准偏差高的情况下，将复杂度的值设为较高的方法。

另一方面，作为计算与上述浓度对应的复杂度的方法，可以举出根据亮度直方图来变更复杂度的值的方法。例如，在具有文本的背景区域的情况下，如果亮度直方图为双峰，则认为这意味着存在单一色彩文本字符。另一方面，如果该直方图同样分散，则可以得出在文件中存在多种不同的彩色文本的结论。因此，通过根据亮度直方图来计算复杂度的值，可以适当地算出文件的复杂度。

而且，为了测量该特性而可使用的一个特征是熵。这里，所谓熵，是由直方图测量的一个特征量，多个亮度(色度)级的像素存在越多，就越成为大的值。而且，该亮度的熵E在设亮度为L、设各亮度级的度数为P(L)的时候，可以通过E＝∑P(L)logP(L)计算。

而且，复杂度测度(complexity measure)，也可以考虑分割算法或者可能的算法的设定的替代处理技术(alternative processing techniques)的错误可能性(error likelihood)。一旦决定，可以将该测度用于决定“是否将分割等的处理步骤应用于后续的改善处理中”。其结果，避免增加人工生成物(enhancement artifacts)。也可以使用复杂度测度决定对于特定的应用而使用的处理的种类或者范围。而且，在该处理中，可以包含分割，也可以是其他的分析处理，但不限于此。而且，在测量或者推定复杂度测度时考虑的处理性能数据，可以是与上述错误可能性相关联者，也可以是与目视的错误的可能性相关联者，或者也可以是其他的处理性能数据。

“内容区域(region)”或者“区域”的用语，是指区域(area)或者包含单一的内容种类的区域的组。例如，中间色调区域可以包含图像的所有的中间色调要素。该所有的中间色调要素可以涵盖多个连接或者断续的区域而分布。

在本申请的说明书和权利要求的范围中使用的“光栅数据”、“位标志数据”以及“像素数据”的用语与基本的绘图元素(picture elements)或者像素(pixels)相关联而定义文件或者图像、指明文件或者图像。这些用语，以及更一般的用语的“非基于目标的(non-boject-based)数据”与在规定的布局中包含多个像素的目标相比，不如用来指示与基本的图像像素直接关联的图像或者文件数据。非基于目标的数据包括：与基于像素的图像或者文件相关联的流动数据、以及变换系数等变换区域数据。打印作业语言命令以及图像引擎再现命令是典型的基于目标的数据。

页分割等的图像处理技术的效果依赖于页和页的布局的复杂度、以及处理(例如分割)的算法的正确的特质两者。要素(factors)包含与时间和存储器有关的资源成本(resource costs)，以及分类任务自身的成功或者失败率。

但是，在分割的情况下，与特定的算法无关，只要布局复杂度达到某种水平，分割的有益性就减少。有益性的减少有时仅因为分类任务自身逐渐变得困难而产生。而且，边界人工生成物(boundary artifacts)使图像品质显著恶化，有益性的减少有时在分割区域边界数量较多的情况下产生。与减少收益(returns)的理由无关，随着页或者页布局的复杂性超过某水平而增加，分割的有益性开始减少。

因此，在分割算法或者算法的分组等被给予的处理中，根据页布局的复杂性的点，可以决定是特定的算法或者分组的应用变为有益的情况，还是不提高图像品质的情况。

参照图3，说明本发明的实施方式。该实施方式的系统是在上述的各领域中，用于上述各区域的图像处理的图像处理系统，该系统中包含的图像处理部接收并读入对于页或者部分(section)的非基于目标的(NOB)数据(例如光栅数据)(S20)。接着，上述图像处理部分析该NOB数据(光栅数据等)，识别内容种类，或者页或部分中内容种类存在的可能性(S22)。各种内容种类可以对最终的复杂度要因产生各种影响。在该步骤S22中，各种类或其存在的可能性被识别。进而，上述图像处理部决定各内容种类区域，决定各内容种类区域的特征(S24)。内容种类被识别，所以在上述S24中，上述图像处理部可以将各种类的要素与图像的区域附带关联，同时将为指定的内容种类积累的区域编成到内容种类区域。而且上述图像处理部可以将各种类的要素与图像的区域附带关联，将这些区域作为各内容种类区域。进而，在上述S24中，为了进行后述的S26中的图像复杂度测度的上述计算，根据上述光栅数据的属性以及使用与上述内容种类相关联的信息，从而识别上述光栅数据中的内容种类。而且，上述图像处理部可以通过这些区域的分析而决定各内容种类区域的特征。接着，在S26中，上述图像处理部根据区域特征以及其他数据来计算复杂度要因。

复杂度要因典型地与内容种类区域特征相关联。作为该内容种类区域特征，例如可以举出区域尺寸、形状、量、浓度、区域几何学、区域连续性以及其他区域特征等。而且，复杂度要因也可以与参照其他的页、部分或者图像的特征以及复杂度要因而选择或控制处理的特征相关联。有时将根据光栅数据计算的复杂度要因称为光栅关联复杂度要因。

这里，复杂度要因也可以与复杂度要因带来影响的处理或者算法相关联。图4表示关联的情况的实施方式。该实施方式的系统中包含的图像处理部读入光栅的页或者部分的数据(S30)，识别内容种类(S32)。而且，上述图像处理部识别内容区域，决定区域特征(S34)。进而，通过上述图像处理部，决定要受到复杂度要因的影响的算法或者处理的特征(S36)，该特征被使用于复杂度要因计算法(complexity factor calculus)。这些算法的特征也可以包含内容种类或者与种类相关的特定算法的可靠性，或者其他的数据。一旦决定了算法以及区域特征，上述图像处理部可以计算算法关联复杂度要因(S38)。

作为一例，检测网点上文字(例如印刷部的照片上的文字和地图的文字部等)的算法的可靠性依赖于文件内的网点区域的大小和数量。这时，例如，如一般的杂志等那样，在存在少量大的网点区域(印刷物的照片区域和上述被着色的区域(网点基础))的情况下，可以输出比较好的检测结果，另一方面，例如地图等那样，在存在较多小的网点区域的情况下，有误检测增多的危险。这里，如果对于良好的检测结果进行提高画质处理，则得到高画质的输出图像，但是如果对被误检测的结果进行提高画质的处理，则有反而导致画质恶化的危险。

这样的情况下，如果以该算法的可靠性的角度看，则网点区域很多的话，则通过该算法，成为处理复杂的文件。因此，在上述图像处理部中，将文件内的网点区域的数量作为一个特征使用，网点区域存在越多，则复杂度设定得越高，同时，根据该复杂度，例如通过判断是否进行利用了分割结果的画质提高处理等选择或者调节图像处理方法的做法，可以避免误检测导致的画质恶化，可以实施进一步提高画质的图像处理。

在本发明的其他实施方式中，如图5所示，将复杂度与变换区域数据(transform domain data)相关联来计算。作为变换数据关联特征的变换区域数据也可以包含变换系数或者关联数据。在图像处理中，一般进行的变换是离散余弦变换(Discrete Cosine Transform；DCT)，但也可以使用多种其他变换。例如，作为与离散余弦变换相关联的特征(上述变换区域数据)，可以举出DCT变换系数的高频部分等。

这里，例如在AC分类的高频数据存在较多的情况下，表示在该区域中存在细微的亮度和颜色的变换，在没有存在很多高频数据的情况下，表示亮度和颜色的变化少的区域。

因此，作为与变换区域数据相关联来计算上述复杂度的方法，例如可以适当地使用通过一边计数该高频数据，一边取得值的总和，判断该区域是否为复杂的数据，计数该判断结果，同时如果该计数多，则最好使用复杂度增大的方法等。

该实施方式的系统的图像处理部读入变换区域数据(S40)，使用该数据，识别内容种类(S42)。接着，图像处理部构成内容种类区域，决定区域特征(S44)。进而，图像处理部作为图像处理方法的复杂度关联特征，决定算法或者处理的特征(S46)。一旦决定区域特征，以及算法或者处理的特征，图像处理部利用这些特征计算复杂度要因(S48)。该复杂度要因与图4相同，是算法关联复杂要因。而且，在图5中，作为一例，与图4所示的实施方式相同，例示了实施用于决定算法或者处理特征的步骤(S46)的情况，但是也可以不设置该步骤，在上述S48中，根据与图2相同的区域特征以及其他数据来计算复杂度要因。而且，不管是否实施S46，有时也将利用变换区域数据来计算的复杂度要因称为变换数据关联复杂度要因。

而且，本发明的另一个实施方式的系统的图像处理部如图6所示，读出再现流目标数据(rendering stream object data)(S50)，识别内容种类，以便利用它执行已知的方法中的任意一种，或者在它们的组合中执行(S52)。进而，图像处理部使用该目标数据，决定内容区域特征(S54)。而且，图像处理部还根据复杂度要因决定受到影响的算法或者处理的特征(S56)。接看，图像处理部对依赖图像复杂度和算法或处理两者的复杂度要因进行计算(S58)。有时也将与图像复杂度、以及图像复杂度对于算法或处理的结果的影响两者相关联的复杂度要因称为处理效果复杂度要因。

与图7关联地说明本发明的另一个实施方式。本实施方式的系统的图像处理部如图7所示，包括：分割处理部110、复杂度测量部112、判定部114、整体改善处理部116、适合改善处理部118。

例如，上述分割处理部110一边接收输入文件图像I，一边读入等，上述分割处理部110如果接受输入文件图像I的输入，则该分割处理部110将输入文件图像在其结构要素的区域中进行分割。而且，在图7中，作为一例，例示了作为分割处理的结果，分割处理部110形成用于识别内容种类或者对于各像素的种类的分割映射的结构。接着，复杂度测量部112使用该映射，一边考虑表示了分割映射的布局，一边测试文件的复杂度。而且，上述复杂度测量部112也可以使可使用的特定的分割方法的特性(property)对复杂度推定产生影响。作为结果而产生的复杂度值(complexity value)通过输入文件Cx推定(estimate)分割映射在何种程度可以信赖，以及基于分割的基于分割中，区域特有的改善方法在何种程度合适。

而且，判定部114判断上述复杂度测量部112的测量的复杂度Cx是否超过规定的阈值σ，如果复杂度Cx超过规定的阈值σ，则分割映射被丢弃，整体改善处理部116为了避免输出图像中潜在的人工生成物，在文件中实施标准的整体的改善。在不是这样的情况下，适合改善处理部118根据分割映射改善文件。由此，对于各种内容种类进行被最佳化的处理。

参照图8说明本发明的另一个实施方式。该图8表示在基于分割的文件的改善中包含可利用的复杂度测量的实施例。该实施方式的系统的图像处理部可以独立地进行基于分割的改善以及整体的改善，将它们的结果根据被运算的文件的复杂度进行组合。

具体来说，上述图像处理部如图8所示，具有：分割处理部122、复杂度测量部130、整体改善处理部124、适合改善处理部126、组合处理部128。

分割处理部122使用分割算法处理输入图像I，形成分割映射125。适合改善处理部126使用该映射125，实施基于分割的改善。另一方面，整体改善处理部124通过实施整体的改善而直接处理输入图像I。而且，两个处理部124、126可以并行进行这些改善处理，也可以连续进行这些改善处理，或者以其他的做法来进行改善处理。

分割处理部122在形成了映射125以后，复杂度测量部130测量图像I的复杂度，计算复杂度值Cx。组合处理部128在文件的复杂度Cx低的情况下，将通过适合改善处理部126进行的基于分割的改善结果I”更重地加权。另一方面，对于复杂的文件，组合处理部128更强调整体改善处理部124的整体的改善结果I’。组合处理部128也可以将两个改善以各种方法进行组合。

例如，在复杂度测量Cx为标量(scalar)的情况下，可以采用以下公式等那样简单的线性组合的方法(linear combination method)

(1-Cx)·SegEnh+Cx·GlobalEnh

上述SegEnh和GlobalEnh分别表示通过适合改善处理部126进行的基于分割的改善结果I”和整体改善处理部124的整体的改善结果I’。

这样，组合处理部128作为上述组合方法，可以适用于以下方法中：将被改善的图像与它们的复杂度测度成比例地组合的方法；对各个上述被改善的图像赋予和与它们附带关联的复杂度测度成比例的加权系数，组合上述被改善的图像，以被加权的比例包含上述各被改善的图像，得到最终的被改善的图像的方法；将上述组合处理的可变参数与上述复杂度测度的至少一个成比例地变更的方法；或者混合上述多个处理的结果，使得具有上述多个处理的至少一个对于上述多个处理的结果可与上述复杂度成比例地改变的效果，形成被混合处理的图像的方法。而且，这时，本实施方式的组合处理部128、整体改善处理部124以及适合改善处理部126对上述图像上述具有可与上述复杂度成比例地变化的效果的处理。

或者组合处理部128也可以采用区域主导型(region-driven)的组合规则，即，用于根据分割以及改善算法的性能来检测以及提高内容的各种种类的组合规则。如果与页整体相比，不如将文件的复杂度对每个区域进行规定，则进行整体的改善、区域改善或者默认改善的方法在分割的确实性(segmentation confidence)低的区域较好。

如图9所示，在其他的实施方式中，还进行分割修正。在该实施方式中，在已知文件的复杂度低于规定的阈值σ的情况下，或者在已知文件的复杂度满足某些其他的基准的情况下，还进行分割的改善(refinement)步骤。在该方法中，由于可以将最初生成的用于复杂度分析的初期阶段的(initial)分割映射设为粗糙的(coarse)映射，所以可以减少为了实施所需要的运算请求(computation requirements；必要的运算能力)。

具体来说，本实施方式的系统的图像处理部如图9所示，具有分割处理部132、复杂度测量部136、判定部140、整体改善处理部142、高性能分割处理部144、适合改善处理部148。

在该实施方式中，输入图像I被处理。如果输入输入图像I，则上述分割处理部132实施初期阶段的分割，形成初期阶段的分割映射134。复杂度测量部136如其他实施方式中那样，测量图像I的复杂度，计算复杂度值Cx。进而，判定部140比较复杂度值和阈值σ，如果复杂度值Cx超过阈值σ，则整体改善处理部142对图像I实施整体的改善，形成被整体改善的图像I’。在复杂度值Cx低于阈值σ的情况下，高性能分割处理部144进行更精练的(高精度的)分割处理(finer segmentation process)。由此，形成高精度的分割映射(精练的分割映射)146。

作为一例，上述高性能分割处理部144改善初期阶段的分割映射134，更新该分割映射，形成上述高精度的分割映射146也可以。这时，上述初期阶段的分割映射134为了在画质改善处理中使用，被送到高性能分割处理部144。而且，作为代替的实施方式，上述高性能分割处理部144不使用初期阶段的分割映射，而单独进行高精度的处理也可以。

接着、适合改善处理部148根据上述高精度的分割映射146，进行基于分割的改善，改善图像I。由处理的该部分，通过高精度的基于分割的改善而形成被改善的图像I”。

而且，在上述中，例示了判定部140根据复杂度值Cx和阈值σ的比较结果，决定整体改善处理部142以及适合改善处理部148的哪一个进行改善处理的情况，但是判定部140也可以根据复杂度值Cx是否满足某些其他的基准来决定。

在本方面的实施方式中，如图20所示，也可以替代地使用高精度的分割近似。具体来说，本实施方式的系统的图像处理部如图20所示，分割处理部442具有：复杂度测量部446、判定部450、整体改善处理部452、高性能分割处理部454、复杂度再测量部458、再判定部462和适合改善处理部464。

在该实施方式中，处理输入图像I。如果输入图像I被输入，则上述分割处理部442上述初期阶段的分割处理，形成初期阶段的分割映射444。复杂度测量部446利用该初期阶段的映射444，测量图像I的复杂度值Cx，通过该处理决定复杂度值Cx。

进而，判定部450判定复杂度值Cx是否满足被提供的基准，如果复杂度值Cx满足被赋予的基准，则整体改善处理部452进行整体的改善。由此，作为结果，形成整体被改善的图像I’。

另一方面，在不满足上述基准的情况下，或者满足取代它们的基准时，高性能分割处理部454进行更精练的分割处理。高性能分割处理部454作为用于进行该高精度的处理的基础，可以使用上述初期阶段的分割映射445，或者与上述分割处理部442的初期阶段的分割处理独立地进行更精练的分割处理也可以。通过该高性能分割处理部454的更精练的分割处理，形成更高精度的分割映射456。

一旦形成高精度的映射456，复杂度再测量部458根据高精度的映射456再次测量图像复杂度。由此，决定高精度的复杂度值C’x。

进而，再判定部462判断例如该高精度的复杂度值C’x超过阈值σ’等，复杂度值C’x是否满足被提供的基准，在该高精度的复杂度值C’x满足基准的情况下，整体改善处理部452进行整体的改善。

另一方面，在该基准不被满足的情况下，或者满足取代它的基准的情况下，适合改善处理部464进行代替的改善处理，由此形成被改善的图像I”。

在已经说明的本发明的实施方式中，也可以使用文件图像整体的分割映射来运算复杂度测量。在以下中，作为其一例，参照图10，对使用图像部分或者带(strip)来计算复杂度测度，更新或者逐次累计的实施方式进行说明。

在本说明书和权利要求中，所谓“部分”的用语，是指以下任意的部分分割(sub-division)或者一部分，即，文件、文件图像，或者图像其中之一任意的部分分割(sub-division)或者一部分。也可以通过将图像进行几何学的分割、将图像通过色彩特征进行分割、将图像通过变换值(transform values)进行分割、或者将图像通过其他任意的方法进行分割，从而形成部分。所谓“带”的用语，是指图像的细长的(elongated)几何学的部分，典型的是，该部分从页的一端或者一侧延伸到相反的端或侧。所谓“带”的用语包含在所谓“部分”的更广范围的用语的含义中。

具体来说，本实施方式的系统的图像处理部如图10所示，具有：图像取得部160、部分分割处理部162、部分复杂度测量部164、复杂度更新部166、判定部170、整体改善处理部172、适合改善处理部174、页结束判定部176、分割映射更新部180。而且，一个部分可以由多个带构成，但以下，作为一例，对一个部分为一个带的情况进行说明。

上述实施方式的图像处理部对每个部分或者带渐增地(incrementally)处理输入图像I。在本实施方式中，该渐增的处理通过反复进行以下两个处理来实现：通过图像取得部160取得下一个图像部分，分析该图像部分(最初为第一部分)的处理；以及在其之后，通过部分分割处理部162进行分割的处理。

上述部分分割处理部162一旦对于一个部分实施了分割，上述部分分割处理部162作为分割处理的结果，形成部分分割映射182。部分复杂度测量部164根据分割处理的结果，还计算图像部分的复杂度，复杂度更新部166例如累计该复杂度等，将被累计的复杂度值或者复杂度测度Cx更新，确定(establish)复杂度值或者复杂度测度Cx。这里，在进行第一次处理时，复杂度值或者复杂度测度Cx不被累计，所以复杂度更新部166例如根据部分复杂度测量部164的计算了第一部分的复杂度等，确定复杂度值或者复杂度测度Cx。而且，在以下将复杂度值或者复杂度测度Cx简称为复杂度测度Cx。

判定部170比较复杂度测度Cx和阈值σ，如果复杂度测度Cx超过阈值σ，则上述部分分割处理部162的分割处理(更详细地说是上述重复处理)被结束，整体改善处理部172实施整体的改善。

通过实施判定部170的判定，如果复杂度测度Cx未达到阈值σ，则上述图像取得部160取得下一个图像部分，该其他的图像部分被处理。在分析后续的部分时，上述部分分割处理部162形成部分分割映射182，分割映射更新部180根据该部分分割映射182更新分割映射178。而且，部分复杂度测量部164计算对于该部分的复杂度测度，复杂度更新部166更新被累计的复杂度测度Cx，使得在新的部分中反映被集中的信息。通过上述判定部170的判定，在被累计的复杂度测度Cx超过阈值σ的情况下，整体改善处理部172实施整体的改善。另一方面，通过上述判定部170的判定，如果被累计的复杂度测度Cx仍然没有达到阈值σ，则处理其他的部分。该处理持续进行，直到复杂度测度Cx超过阈值σ，或者所有页被处理(例如，直到上述页结束判定部176检测到页结束)。如果没有超过阈值σ而所有页被处理，则适合改善处理部174通过被调整(tuned)的基于分割的改善，处理所有图像I。

而且，在本实施方式中，也可以使用包含n个列(但是n≥1)的非重复图像带。而且，上述图像取得部160取得部分或者带的顺序也可以是从页的开头到末尾的顺序，也可以是基于分割以前决定的初期阶段的复杂度推定的复杂度的顺序。

如图11所示，在本发明的其他实施方式中，以没有明确的分割映射来决定页复杂度。在该实施方式中，为了推定(estimate)文件的复杂度，利用直方图分析以及变换区域处理等(但不限于此)的从输入文件直接提取的其他的图像或者页的特性。接着，利用该初期阶段的分析和复杂度推定来决定是否存在进行分割映射的形成、以及实施对于该文件的被调整的改善的价值。

具体来说，如图11所示，本实施方式的系统的图像处理部包括：图像特性运算部184、复杂度测量部186、判定部190、整体改善处理部192、分割处理部194、适合改善处理部198。

该实施方式的图像特性运算部184处理并分析输入图像I，对图像或者页特性进行运算。复杂度测量部186根据这些特性推定页复杂度，计算复杂度测度Cx。进而判定部190比较复杂度测度Cx和阈值σ，在复杂度测度Cx超过阈值σ时，整体改善处理部192实施整体的改善。复杂度测度Cx低于阈值σ时，分割处理部194实施分割，形成分割映射196。接着适合改善处理部198根据该分割映射改善上述图像I。

参照图12说明本发明的另一个实施方式。在该实施方式中，输入图像I以带或者部分而被处理。而且，与上述实施方式相同，在以下，作为一例，对为一个部分或者一个带的情况进行说明，并且将部分的带称为部分。

具体来说，本实施方式的系统的图像处理部如图12所示，具有：图像取得部190’、部分复杂度测量部192’、复杂度更新部194’、判定部198’、整体改善处理部200、页结束判定部202、分割处理部204、适合改善处理部208。

图像取得部190’取得并分析输入图像I的下一个图像部分(最初为第一部分)，部分复杂度测量部192’使用从输入图像I提取的与页有关的特性来决定该部分的复杂度。本实施方式的与该页有关的特性例如包含直方图分析以及变换区域处理，但不限于此。复杂度更新部194’例如在初次存储来自部分复杂度测量部192’的复杂度等，存储累计页复杂度测度Cx。进而，判定部198’比较累计页复杂度测度Cx和阈值σ，如果累计页复杂度测度Cx超过阈值σ，则整体改善处理部200实施整体的画质改善。累计页复杂度测度Cx低于阈值σ，通过页结束判定部202的判定等，如果所有文件还未被处理，则重复部分的取得处理以后的处理，上述图像取得部190’分析下一个图像部分。进而，复杂度更新部194’使用通过部分复杂度测量部192’推定的部分的下一个图像带的复杂度，更新累计页复杂度测度Cx。判定部198’将该测度Cx再次与阈值σ比较。如果测度Cx超过阈值σ，则整体改善处理部200实施整体的画质改善。而且，对于该图像I整体的整体处理也可以马上实施。如果不超过阈值σ，或者还没有处理所有文件，则如上述那样处理其他的部分。

持续该反复处理，直到测度Cx超过阈值σ，或者通过页结束判定部202的判断等所有图像(文件)被处理。如果没有超过阈值σ而处理了所有图像，则分割处理部204对图像整体实施分割，适合改善处理部208通过基于分割的改善来改善图像I。而且，在本实施方式中，将由分割处理部204生产的分割映射206使用在该最终的基于分割的处理中。但是，如果复杂度测度Cx对于文件整体没有低于阈值σ，则分割处理部204不需要形成分割映射206。

在本发明的另一个实施方式中，也可以使用被推定的复杂度测度，调整适用于输入图像的改善的程度。这时，复杂度测度作为增益控制的一种来起作用，复杂度测度可以决定以何种程度积极地执行基于分割的改善。这时，与强行要求两种独立的改善(即，整体的改善和基于分割的改善)之间的分为两个的决定，还不如调节(regulate)改善的强度。该改善强度的调节可以连续地(on a continuous scale)，以及分阶段(step-wise basis)实施，或者通过其他的调整方法(adjustment scheme)实施。

参照图13来说明典型的实施方式。该实施方式的系统的图像处理部如图13所示，具有分割处理部220、复杂度测量部224、改善处理部228。

在上述实施方式中，如果输入输入图像I，则分割处理部220分析输入图像I，之后实施分割。其结果，形成分割映射222。接着，复杂度测量部224测量图像I的复杂度，决定复杂度测度Cx。根据该复杂度测度Cx，改善处理部228以根据复杂度测度Cx变化的改善程度实施被调整的改善。

基于分割的改善(上述被调整的改善)可以以各种方法进行调整。图14表示包含不同系数的多个滤光器种类的实施例。在该例中，如图所示，根据复杂度评价的值来利用这些滤光器和系数。这里，表示将小数点第三位四舍五入后的数值例。

具体来说，在图14的例子中，改善处理部228可以切换改善时使用的滤光器F1～F5。该滤波器F1～F5滤波的处理方法和系数不同。在图14的例子中，从复杂度测度Cx低者(不是很复杂者)依次使用滤波器F1～F5来设定，所以滤波器F1～F5的滤波的处理方法和系数例如被设定为，使得在更复杂的图像中使用，即使不能大幅度提高图像品质，也难以引起分割处理时的错误引起的画质降低(例如，更接近整体改善处理的处理等)，而且，在更简单的图像中使用者，只要分割处理结果正确，就可以以更高的改善程度提高图像品质(例如，更接近适合改善处理的处理等)。进而，在改善处理部228中，将可以取得复杂度测度Cx的范围根据各滤波器F1～F5而被预先分割，改善处理部228判断例子复杂度测量部224的复杂度测度Cx属于与哪一个滤光器对应的范围，使用与该范围对应的滤光器。

或者，也可以不是预先准备处理方法或者系数相互不同的滤光器，而是准备一个改善滤波器系数的组(set)，改善处理部228在复杂度测度Cx或者其评价值中间，根据复杂度测度Cx或者其评价值的值来修正同一改善滤光器系数的组。而且，在本说明书和权利要求的范围内，复杂度测度Cx以及其评价(estimate)的值也简称为复杂度测度Cx。例如，改善处理部228可以根据复杂度测度Cx调整滤光器的响应，使得变为随着文件的复杂度增加，滤光器的改善更受限的倾向。而且，在其他实施方式中，改善处理部228为了将改善滤波器系数或者改善结果对于各种区域种类(例如，文件、中间色调等)进行组合，也可以使用复杂度测度Cx，以确定不对输入图像应用过分积极的处理。作为一例，改善处理部228也可以对上述图像实施具有与上述复杂度测度Cx成比例的改变的效果的处理。

在本发明的上述各实施方式的几个中，为了图像整体而定义文件的复杂度，但是，也可以取代它而将复杂度测度设为多个值构成(multi-valued，多价)。例如，将复杂度测度Cx通过矢量表示。而且，该矢量的结构要素反映分割映射内的特定的内容区域的复杂度。如果存在映射，则对于各个区域、区域的组以及被检测到的区域，可以运算各个复杂度测度。接着，分析作为结果生成的多价复杂度测度Cx(1，2，…，M)，决定对于各区域实施的改善的种类和量就可以。

也可以在决定区域特有的复杂度测度时，使用不同组(set)的特性，运算复杂度，使得对于不同的区域有所不同。例如，在文件图像中，对于中间色调类型的区域的复杂度测度也可以基于区域中的文本像素的数量。另一方面，在连续灰度(contone)区域中，也可以使用熵状的特性(entropy-like feature)来决定。由此，对于可利用的区域种类，可以定义最合适的复杂度测度，可以更符合目的而应用基于分割的改善。

参考图15来说明进行区域特有的处理的实施方式。该实施方式的系统的图像处理部具有：分割处理部240、复杂度测量部244、改善处理部248。在该实施方式中，分割处理部240读入输入图像I，之后实施分割。其结果，形成分割映射242。复杂度测量部244使用该分割映射242，测量各区域特有的复杂度测度Cx。这些测量的结果，生成多价复杂度测度Cx(1，2，…，M)。接着，改善处理部248使用该多价复杂度测度Cx(1，2，…，M)控制并调整图像的区域特有的改善。

可是，在推定文件的复杂度时，有时也希望使用大于或等于一个的分割方法。采用多个分割算法的理由之一是，单一的分割方法可能不会对所以种类的输入数据进行良好的作用。例如，依赖于有色信息(chromatic information)的分割技术对于无色(achromatic)输入图像无效。可以正确地将页上的中间色调和文本区域进行分类，但在连续区域中产生错误的算法，用于分割扫描的照片则不是最佳的。同样，使用不合适的分割方法而运算的复杂度测度，得出对于应适用何种改善的错误的结论。

为了避免这样的问题，可以首先使用多个不同算法来分割输入图像。这些方法可以是：它们利用的数据的种类或者特性、它们实施(follow)的分割近似，或者这两个方面都不同。例如，也可以对各个输入图像的结构要素分别应用相同的分割算法。在其他实施方式中，也可以使用光栅化技术，区域扩大(region growing)技术，噬菌体(phage)分割方法，以及其他技术或方法，将输入图像在其分量区域中进行分割。通过分割模块形成了N个独立的分割映射后，对各映射运算复杂度测度。其结果，生成对于输入图像的N个复杂度推定。接着，根据这些复杂度测度，选择用于被提供的输入图像的最佳分割映射(以及分割方法)。

复杂度运算由于也可以考虑分割方法的错误可能性以及文件布局，所以作为结果生成的复杂度测度的组可以表示对于该图像怎样的分割技术最合适。该选择可以以各种方法实施。例如，为了进一步改善，可以选择生成最小复杂度推定的分割映射。

参照图16，对进行包含多个分割方法的处理的实施方式进行说明。该实施方式的系统的图像处理部具有：包含多个分割处理部252、254、256的分割处理模块250；包含与各分割处理部252、254、256对应的复杂度测量部262、264、266的复杂度测量模块(复杂度分析模块)260；判定部268；分割映射处理部258；以及改善处理部270。

在该实施方式中，如果接收输入图像I，则通过分割处理部252、254、256(分割处理模块250)，在图像I中实施多个分割方法。它们的结果，生成多个分割映射272～276。复杂度测量模块260(复杂度测量部262、264、266)使用这些映射272～276，与各分割处理部252、254、256的各个分割方法相关，决定图像I的复杂度。由此，与各分割方法相关联而决定多价的复杂度测度(C¹x，C²x，C^Nx)。判定部268分析这些复杂度测度(C¹x，C²x，C^Nx)，对于上述特定的图像I决定各分割处理部252、254、256的各分割方法的哪一个能更好地起作用。一旦选择分割方法，分割映射处理部258选择合适的分割映射，改善处理部270利用它对输入图像I实施被调整的改善。

而且，在上述中，作为一例，举例说明了分割映射处理部258选择分割映射的情况，但是，也可以取而代之，改善处理部270根据上述复杂度测度(C¹x，C²x，C^Nx)，或者通过判定部268选择的复杂度测度Cx，从来自上述各分割处理部252、254、256的分割映射中选择合适的分割映射。作为一例，改善处理部270也可以将基于被选择的分割映射的改善处理的可变参数，与其附带关联的复杂度测度(被选择的复杂度测度Cx)成比例地变更。

参照图17说明与利用了多个分割方法的近似有关的另一个实施方式。在该实施方式中，使用多个可代替的方法改善输入图像I，作为结果，组合生成的图像，形成单一的改善图像。

具体来说，实施方式的系统的图像处理部包括：包含多个分割处理部252、254、256的分割处理模块250；包含与各分割处理部252、254、256对应的复杂度测量部262、264、266的复杂度测量模块(复杂度分析模块)260；与各复杂度测量部262、264、266对应的改善处理部282、284、286；以及组合处理部288。而且，上述分割处理部252、复杂度测量部262以及改善处理部282、上述分割处理部254、复杂度测量部264以及改善处理部284、上述分割处理部256、复杂度测量部266以及改善处理部286中的任意一个，作为包含分割处理的图像分析处理，也可以进行整体的分析处理。

在该图像处理部中，如果接收输入图像I，则使用各分割处理部252、254、256的多个分割方法，处理该输入图像I。其结果，形成多个分割映射272～276。接着，复杂度测量模块260使用这些多重分割映射272～276，测量与各分割方法相关联的图像I的复杂度。其结果，形成多价的复杂度测度(C¹x，C²x，C^Nx)。接着，各改善处理部282、284、286根据各复杂度测度(C¹x，C²x，C^Nx)分别实施对应图像I的调整的改善。接着，组合处理部288组合由各改善处理部282、284、286实施的各调整的改善方法的结果，形成单一的改善图像。

上述实施方式的组合处理部288可以将在分割处理模块250(252、254、256)中得到的所有映射(272～276)用于形成最终的改善结果I’。而且，为了各个分割映射272～276而实施上述各改善处理部282、284、286的调整的改善。各改善处理部282、284、286也可以通过分别对应的复杂度推定的值(复杂度测度C¹x，C²x，C^Nx)来决定各个情况的改善的量和种类。接着，为了形成输出图像I，通过组合处理部288，改善结果被组合。组合处理部288的最终的合并步骤(merging step)也可以考虑各分割算法(分割方法)的复杂度推定(复杂度测度C¹x，C²x，C^Nx)，决定各改善结果对最终结果I有什么样的贡献。进而，组合处理部288为了利用各分割方法的长处，也可以在合并时考虑分割技术的特别的特性(paricular properties)。

如图18所示，另一个实施方式的系统的图像处理部具有：被设置在分割处理模块内的多个分割处理部300、302、304；被设置在复杂度测量模块(复杂度分析模块)中，与上述各分割处理部300、302、304对应的复杂度测量部306、308、310；计算部324；判定部326；整体改善处理部328；高性能分割处理部330；适合改善处理部334。

在该实施方式中，在上述各分割处理部300～304中得到的映射的多数，通过高性能分割处理部330被用于形成最终的分割映射。而且，根据基于多个分割方法结果算出的多价的复杂度测度，评价文件I的复杂度，通过其评价结果是否超过阈值来决定是进行整体的改善处理，还是进行调整的改善处理。

在该实施方式中，与图17所示的图像处理部相同，形成多个分割映射312～316，以及多价的复杂度测度(C¹x，C²x，C^Nx)。进而，计算部324使用函数F(Cx)组合各分割映射312～316用的复杂度推定(复杂度测度C¹x，C²x，C^Nx)。典型的，作为函数F(Cx)，选择最小(min(.))以及平均(mean(.))，但是应该明白，可以使用其他的函数。

判定部326比较上述函数F(Cx)的值和被提供的阈值σ，在上述函数F(Cx)的值超过该被提供的阈值σ的情况下，整体改善处理部328在输入图像I中应用整体的改善。在不是这样的情况下高性能分割处理部330组合上述各分割映射312～316，形成高精度分割映射332。而且，适合改善处理部334根据该最终的映射332，在输入图像I中应用基于分割的改善。

而且，计算部324可以仅合并具有较低的复杂度、最具有可靠性的分割映射，得到最终的分割。而且，为了决定基于分割的改善是否合适，也可以使用最终的分割结果，进一步追加再评价输入文件的复杂度的步骤(或者部件)。

在上述公开的实施例中，一般来说，有时也存在明显依赖于用于推定文件图像的复杂度的分割映射的情况。而且，也存在为了运算复杂度测度而不需要分割映射的实施方式。这些实施方式的图像处理部，可以利用从输入图像中直接提取的其他的特性。这些特性也可以是直方图等整体的图像特征，或者从进行了图像的统计处理的图像特征中导出的特征。例如，边缘量、图像直方图的平滑度(smoothness)或者均匀性(uniformity)可以作为文件的复杂度的单纯的指标(simple indicator)使用。或者包括像素附近(pixelneighborhoods)而运算的局部的特性(local features)可以提供必要的复杂度信息。这样的局部特性也可以包括由基于块的(block-based)方法决定的属性(例如高频变换DCT系数的振幅(magnitude)等)、均匀测量(例如局部分散)以及其他方法等。图像处理部在这之后，为了决定对应图像的复杂度推定(复杂度测度)，可以将这些属性组合。图像处理部为了对于文件、或者文件区域或文件的分割，决定并调整适用的改善的种类，也可以使用该复杂度测度。在这些实施方式中，改善不是分割主导型(segmentation-driven)也可以。即，图像处理部也可以将根据复杂度测度的值调整的相同种类的改善应用于随机图像整体。图像处理部可以用上述各实施方式中说明的各种方法来实施基于复杂度测度Cx的改善参数的调整。

图像处理部为了从该文件的分割映射推定该文件的复杂度，可以使用与各种文件特性以及分割有关的特性。图像处理部也可以根据分割时使用的特定的分割算法的属性以及应用的必要条件，变更复杂度推定时考虑的特定的特征的集合(set)。

某些内容种类在运算中花费成本，被提供的装置或者应用软件难以改善。进而，作为用户，在几个区域产生的改善错误是醒目的错误，其结果，明显存在不受欢迎的可能性。

例如，某装置虽然可能有效地处理并改善中间色调区域，但有时在同样提高连续灰度区域的能力上有所欠缺。为了这样的装置，显然考虑分割映射中的连续灰度区域的分布率(prevalence)的复杂度测度较合适。而且，图像处理部在计算复杂度时，不仅是上述属性，也可以根据装置的处理性能数据来推定上述图像的复杂度。

更详细地说，例如，如上所述，某装置虽然在网点区域中特殊的画质提高处理方面优秀，但是在连续推定区域(例如，银盐照片等相纸照片)中特殊的画质提高处理方面不优秀。这时，产生连续灰度区域存在越多，利用了分割结果的画质提高处理中，连续灰度的画质恶化越醒目的危险。

在这样的情况下，作为该装置，越是存在连续灰度区域多的文件，越难以进行利用了分割结果的处理，成为所谓复杂的文件。因此，在这样连续灰度区域存在较多的情况下，例如，如使整体的画质提高那样，不对结构要素进行特殊处理的方法，在提高文件整体的画质方面较好。

因此，在这样的情况下，上述图像处理部将连续灰度区域的数量作为一个特征来使用，连续灰度区域存在越多，将复杂度设定得越大，同时根据该复杂度，例如通过判断是否进行利用了分割结果的画质提高处理等，选择或者调节图像处理方法，从而可以避免误检导致的画质恶化，可以实施进一步提高画质的图像处理。

进而，图像处理部在分割时，也可以将一些像素分配为多个水平(level)(例如，在中间色调背景中存在文本文字的情况下，文本以及中间色调)。这样的像素的改善，作为改善算法，进行特别处理有时也存在困难。因此，复杂度分析作为存在可能性的特性，希望考虑通过分割方法形成的区域的多数的特征(例如，形状、区域、拓扑逻辑的特性等)。这样的特性可以包括：在前景中的被连接的结构要素的数量(number of foreground connectedcomponents)、非矩形地(non-rectangular)被连接的结构要素的数量、中间色调的像素的数量相对于所有像素的数量的比率、非矩形区域中的中间色调的像素的数量相对于所有像素的数量的比率、中间色调上的文本像素的数量相对于所有像素的数量的比率、存在文本区域的情况或者不存在的情况下的背景区域和/或前景区域的亮度和/或色度的统计等，但是不限于此。

上述被运算的特性fi，也可以接着用各种方法组合，形成用于文件整体的单一的复杂度测度Cx。作为一例，如以下式(1)那样：

Cx＝∑(ωi·fi)              …(1)

可以为了形成标量的复杂度测度Cx而使用加权合计(weighted sum)。而且，∑()表示一边使i在1～N变化，一边合计了()内的值的值。而且，ωi表示对特性加权，可以用各种方法(例如通过回归分析等实验性地)决定。

作为一例，本实施方式的图像处理部利用以下5个特征，即：(1)文件内的中间色调的总数，(2)文件内的非矩形的中间色调区域的总数，(3)中间色调区域相对于文件尺寸的比率，(4)非矩形中间色调区域相对于文件尺寸的比率，以及(5)文件内的中间色调的衬底上的文字(例如，在小册子和海报等中，在被着色的区域(中间色调衬底)上印刷的文字等)的像素数量，在计算复杂度测度Cx的情况下，该图像处理部在该处理上，将非矩形的中间色调区域的处理设为不理想的情况下，将上述(2)和(4)的权重设定得大于其他权重，复杂度测度容易受到非矩形的影响。由此，上述图像处理部将不理想的区域，即包含非矩形的中间色调区域的文件识别为更复杂的文件，上述图像处理部可以更恰当地选择或者调节在其之后的处理。而且，为了根据被运算的特性而得到复杂度测度Cx，也可以使用与上述不同的组合方法。

图19表示用于抽样组的文件的复杂度分析的实施例的结果。而且，在图19中，实线表示被运算的文件的复杂度测度，虚线表示通过人进行的主观地被分类的复杂度等级(Class Complexity)。在该实施例中，为了计算文件的复杂度而使用的特性是在前景中被连接的结构要素的数量、非矩形地被连接的结构要素的数量、中间色调像素的数量相对于所有像素的数量的比率、非矩形区域中的中间色调的像素数量相对于所有像素数量的比率、以及中间色调上的文本像素的数量相对于所有像素数量的比率。特性值在其之后使用加权合计而组合，形成对于该输入文件的单一色彩复杂度测度Cx。测试组中的文件通过人间观察者被分割为6组相等的复杂度，自动运算的复杂度测度与主观的顺序进行比较。由图19可知，被运算的复杂度测度严格地遵从主观的顺序，差异仅在于以等级边界(class boundaries)进行观察。

此前在说明书中使用的用语和表现，这里不是用于限定，而是被用于说明的用语，使用这样的用语和表现并没有排除图示和说明的特征的等同物，及其一部分的意思，通过权利要求的范围中的记载，定义并限制本发明的范围。

如上所述，本发明的复杂度测量方法，是数字图像的复杂度测量方法，包括：将图像作为光栅图像表现的步骤a；决定所述光栅图像中的各像素的属性的步骤b；以及根据所述属性计算图像复杂度测度的步骤c。

而且，在上述结构中，所述属性也可以是与分割有关的特征。而且，在上述结构中，所述特征也可以包含分割区域边界。而且，在上述结构中，所述特征也可以包含分割区域形状。进而，在上述结构中，所述特征也可以包含分割区域尺寸。而且，在上述结构中，所述特征也可以包含分割区域的拓扑性质。进而，在上述结构中，所述特征也可以包含被非矩形连接的结构要素。而且，在上述结构中，所述特征也可以包含中间色调像素的数量相对于所有像素数量的比率。而且，在上述结构中，所述特征也可以包含中间色调中的文本像素的数量相对于所有像素数量的比率。而且，在上述结构中，所述特征也可以包含背景区域的亮度统计。而且，在上述结构中，所述特征也可以包含前景区域的亮度统计。而且，在上述结构中，所述特征也可以包含背景区域的色度统计。而且，在上述结构中，所述属性也可以是与变换数据相关联的特征。

按照这些结构，可以计算用于进一步提高以用于改善画质的图像处理和压缩处理为首的各种图像处理的品质的图像的复杂度(复杂度测度)，所以通过进行基于该复杂度的图像处理，可以提高图像处理的品质。

另一方面，本发明的数字图像的复杂度测量方法是数字图像的复杂度测量方法，包括：将图像作为光栅图像表现的步骤a；决定上述光栅图像的属性的步骤b；决定与图像处理方法的复杂度相关联的特征的步骤c；以及根据所述属性以及所述特征来计算图像复杂度测度的步骤d。而且，在上述结构中，还包括：为了图像复杂度测度的所述计算，根据属性，以及使用与内容种类相关联的信息，对所述光栅图像中的所述内容种类进行识别的步骤。而且，在上述结构中，所述属性还可以是直方图特征。而且，在上述结构中，所述属性还可以是与变换数据相关联的特征。

按照这些结构，与上述各方法系统，可以计算用于进一步提高各种图像处理的品质的图像的复杂度(复杂度测度)，所以通过进行基于该复杂度的图像处理，可以提高图像处理的品质。

进而，在上述各结构中，在计算图像的复杂度测度时，不仅参照光栅图像的属性，还参照图像处理方法的复杂度关联特征，所以与不参照该复杂度关联特征而计算的结构不同，例如可以将可以在何种程度信赖分割映射，或者分割基础的区域特有的改善方法作为输入文件在何种程度合适等图像处理方法的特征也可以被反映在复杂度测度中，可以计算适合进一步提高图像处理的品质的复杂度测度。

而且，本发明的处理选择方法，如上所述那样，是用于处理数字图像的处理选择方法，包括将图像作为光栅图像表现的步骤a；决定所述光栅图像的属性的步骤b；取得用于进行包含第一处理和第二处理的多个处理的处理性能数据，即与图像复杂度相关联的处理性能数据的步骤c；根据所述属性和所述处理性能数据推定所述图像的复杂度的步骤d；如果所述复杂度超过阈值，则实施第一处理的步骤e；以及如果所述复杂度没有超过所述阈值，则实施第二处理的步骤f。

按照该结构，按照根据上述属性和上述处理性能数据推定的上述图像的复杂度，选择实施第一处理还是实施第二处理，所以与上述各方法相同，可以进一步提高各种图像处理的品质。

而且，在上述结构中，所述第一处理也可以是整体的画质改善(imageenhancement)，所述第二处理也可以是基于分割而进行的画质改善。而且，在上述结构中，所述阈值是表示基于分割的改善与整体的改善相比，不提供可目视程度的优势的条件。

这里，基于分割的画质改善，如果区域的分析正确，则可以用更合适的方法对被分割的各区域进行图像处理，另一方面，如果区域分析失败，则该部分的图像处理的品质大幅度降低，有使综合的图像处理的品质降低的危险。对此，整体的画质改善在区域分析正确的情况下，比基于分割的画质改善更难以提高图像处理的品质，另一方面，即使在区域的分析不正确的情况下，也不因为区域的分析而产生图像处理的品质降低。

按照上述各结构，根据基于上述属性和上述处理性能数据推定的上述图像的复杂度，决定是进行基于分割的改善还是进行整体的改善，所以其结果，与仅进行基于分割的改善的结构不同，可以防止区域分割的失败引起的图像处理的品质降低，同时，与仅进行整体的图像处理的结构相比，还可以提高图像处理的品质。

进而，本发明的处理选择方法，在上述结构中，是用于处理数字图像的处理选择方法，包括：决定图像的复杂度关联属性的步骤a；取得用于根据分割进行画质改善处理的处理性能数据的步骤b；取得用于进行整体的画质改善处理的处理性能数据的步骤c；根据所述属性和所述性能数据计算图像复杂度测度的步骤d；如果所述复杂度超过阈值则实施整体的画质改善的步骤e；以及如果所述复杂度不超过所述阈值则实施基于分割的画质改善的步骤f。

按照上述结构，根据基于属性和上述性能数据计算的图像复杂度测度，实施整体的画质改善或者基于分割的画质改善，所以与仅进行基于分割的改善的结构不同，可以防止区域分割的失败引起的图像处理的品质降低，同时，与仅进行整体的图像处理的结构相比，还可以提高图像处理的品质。

另一方面，本发明的图像处理方法，包括：图像处理系统根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度的复杂度计算步骤；以及所述图像处理系统根据所述被计算的复杂度，决定以相同的方法对数字图像整体进行图像处理，或者用特有的方法对数字图像的每个区域进行图像处理的处理方法决定步骤。而且，在上述结构中，表示上述数字图像的布局的信息也可以是将该数字图像进行区域分割时生成的分割映射。

这里，在对数字图像的每个区域以特有的方法进行图像处理时，如果区域的分析正确，则可以用更合适的方法对各区域进行图像处理。因此，例如是以提高画质为目的的图像处理，则可以进一步提高画质，例如是以提高压缩率为目的的图像处理，则可以进一步提高压缩率。

但是，这时，因为以特有的方法对区域进行图像处理，所以如果区域的分析失败，则在该部分中进行不合适的图像处理。由此，该部分的图像处理的品质反而大幅度降低，存在使综合的图像处理的品质降低的危险。而且，如果是以提高画质为目的的图像处理，则该品质降低表现为画质的降低，如果是以提高压缩率为目的的图像处理，则该品质降低表现为压缩率的降低。

另一方面，在用相同的方法对数字图像整体进行图像处理时，如果以各区域的每一个来观察，则与对上述每个区域的特有的图像处理相比，不能预见图像处理的品质提高。但是，由于不进行区域分割(分割)，所以不产生由于区域分割的失败引起的画质降低。

按照上述的结构，根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度，根据上述计算的复杂度来决定进行上述的哪一个图像处理。因此，例如，复杂度高，推测在区域分割中要失败的情况下，进行整体的图像处理，在复杂度低，推测难以产生区域分割的失败的情况下，对每个区域进行特有的图像处理等，可以进行对应于复杂度的图像处理。其结果，与仅对每个区域进行特有的图像处理的结构不同，可以防止区域分割的失败引起的图像处理的品质降低，同时，与仅进行整体的图像处理的结构相比，也可以提高图像处理的品质。

而且，在上述结构中，还包括：在所述复杂度计算步骤之前实施的分割步骤，该步骤是：所述图像处理系统以相互不同的多种方法对数字图像进行区域分割，分别形成表示其结果的分割映射，作为表示数字图像的布局的信息，所述复杂度计算步骤也可以分别计算基于所述各分割映射的每一个的复杂度，根据这些各复杂度，在所述处理方法处理步骤计算被使用的综合的复杂度。

在上述结构中，用相互不同的多个方法进行区域分割，根据它们的结果，计算综合的复杂度，所以与用单一的方法进行区域分割的结构相比，可以确实地判断上述哪一个处理合适。

进而，在上述结构中，还包括：在所述复杂度计算步骤之前实施的分割步骤该步骤是：所述图像处理系统对数字图像进行区域分割，形成表示其结果的分割映射，作为表示数字图像的布局的信息；以及在所述处理方法决定步骤中决定了以特有的方法对每个数字图像的区域进行图像处理的情况下实施的、所述图像处理系统进行所述分割映射的改善处理的映射改善步骤。

在上述结构中，分割映射的生成处理被分为在复杂度计算步骤之前进行的分割步骤，以及在上述处理方法决定步骤中，在决定了以特有的方法对数字图像的每一个进行图像处理的情况下实施的映射改善步骤。因此，可以以比用特有的方法对每个区域进行图像处理时所需要的程度还简单程度，将分割步骤中的分割映射的生成方法设为复杂度的计算所需要的程度的方法，可以减少实施该方法时的运算量。

而且，本发明的图像处理方法，包括：复杂度计算步骤，图像处理系统根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度；以及合成步骤，所述图像处理系统根据所述计算的复杂度，将以相同的方法对数字图像整体进行图像处理的结果，以及以特有的方法对数字图像的每个区域进行图像处理的结果进行组合。

在该结构中，根据上述被计算的复杂度，将用相同的方法对数字图像整体进行图像处理的结果和用特有的方法对数字图像的每个区域进行图像处理的结果进行组合，所以，例如，在复杂度高，推测区域分割要失败的情况下，较大地设定使整体的图像处理反映在合成结果中的程度，在复杂度低，推测难以产生区域分割的失败的情况下，较小地设定使整体的图像处理反映在合成结果中的程度等，可以根据复杂度合成上述两图像处理的结果。该结果与选择上述两图像处理的一方的结构相同，与仅对每个区域进行特有的图像处理的结构不同，可以防止区域分割的失败引起的图像处理的品质降低，同时，与仅进行整体的图像处理的结构相比，可以提高图像处理的品质。

而且，处理上述结构，所述复杂度计算步骤还可以包括：调整步骤，所述图像处理系统对于所述各区域的每一个，根据与特有的方法相关联而设定的该方法的可靠性，调整所述复杂度，使得可靠性越低，数字图像的复杂度越高。

在该结构中，在各区域中特有的方法的可靠性越低，即，区域分割的失败越容易使综合的图像处理的品质降低，调整上述复杂度，使得数字图像的复杂度变高。因此，不管各区域的每个中的特有的方法的可靠性，与设定数字图像的复杂度的结构比较，选择上述两种图像处理，并且合成上述两种图像处理时，可以更确实地选择或者计算可合成的复杂度。

进而，在上述结构中，所述复杂度计算步骤还可以包括：调整步骤，所述图像处理系统根据所述各区域的内容种类来调整所述复杂度。

在该结构中，例如，如果是被推测各区域的每一个中特有的方法的可靠性变低的内容种类，则使复杂度上升等，根据各区域的内容种类来调整复杂度。其结果，不管各区域的每个的内容种类，与设定数字图像的复杂度的结构比较，选择上述两种图像处理，同时合成上述两种图像时，可以更确实地选择或者计算可合成的复杂度。

而且，在上述结构中，所述复杂度计算步骤还可以包括：调整步骤，对于所述各区域的每一个，与特有的方法相关联设定，根据表示所述图像处理系统实施该方法时的处理能力的处理能力数据，所述图像处理系统调整所述复杂度。

在该结构中，例如在上述处理能力数据表示某装置可以有效地处理、改善特定的区域(例如中间色调区域等)时，根据表示上述图像处理系统实施该方法时的处理能力的处理能力数据，较低地调整与该区域相关联的复杂度等，调整上述复杂度，所以不管对于各区域的图像处理系统的处理能力，与设定数字图像的复杂度的结构比较，在选择上述两种图像处理，同时合成上述两种图像处理的时，可以更确实地选择或者计算可合成的复杂度。

而且，本发明的图像处理方法，如上所示，包括：复杂度计算步骤，图像处理系统根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度；以及改善程度调整步骤，所述图像处理系统根据所述被计算的复杂度，调整对数字图像进行改善时的改善程度。

在该结构中，例如，更复杂的数字图像，即，如果要以更高的改善程度(例如，基于分割的图像处理等)进行改善，就有产生错误改善而使综合的图像处理的品质降低的危险的数字图像，则可以以更低改善程度(例如整体的改善处理或者中间的图像处理等)进行改善等，根据复杂度来调整改善数字图像时的改善程度。其结果，与始终以一个的改善程度处理数字图像的结构相比，可以提高图像处理的品质。

而且，在上述结构中，也可以包括：在所述复杂度计算步骤之前实施的分割步骤，所述图像处理系统以相互不同的多种方法对数字图像进行区域分割，分别形成表示其结果的分割映射，作为表示数字图像的布局的信息，在所述复杂度计算步骤中，所述图像处理系统对包含所述各分割映射的图像信息，分别计算该数字图像的复杂度，从其中选择在所述改善程度调整步骤中使用的复杂度。

在该结构中，以相互不同的多种方法进行区域分割，通过根据其结果算出的复杂度的任意一个调整改善程度，所以与以单一的方法进行区域分割的结构相比，还可以更确实地判断上述哪一个处理合适。

进而，在上述结构中，还可以包括：在所述复杂度计算步骤之前实施的分割步骤，所述图像处理系统以相互不同的多种方法对数字图像进行区域分割，分别形成表示其结果的分割映射，作为表示数字图像的布局的信息，所述复杂度计算步骤和所述调整步骤对各分割映射的每个实施，同时，还包括：合成步骤，所述图像处理系统根据所述各分割映射和所述各复杂度的至少一方，将以对所述各分割映射的每一个进行了调整的改善程度实施的所述数字图像的改善处理的结果之间进行组合。

在该结构中，以相互不同的多个方法进行区域分割，根据其结果而被改善程度调整的改善处理结果之间，根据上述各分割映射和上述各复杂度中的至少一方进行合成。因此，与用单一的方法进行区域分割的结构相比，也可以提高图像处理的品质。

本发明的图像处理方法，如上所述那样，也可以包括：复杂度概算步骤，图像处理系统根据统计处理了数字图像的图像特征，概算该数字图像的复杂度；以及处理方法决定步骤，所述图像处理系统根据所述被计算的复杂度，决定用相同的方法对数字图像整体进行图像处理，还是用特有的方法对数字图像的每个区域进行图像处理。

在上述结构中，根据对数字图像进行统计处理的图像特征，概算数字图像的复杂度，与此对应，决定是用相同的方法对数字图像整体进行图像处理，还是用特有的方法对数字图像的每个区域进行图像处理。因此，上述复杂度与根据包含表示数字图像的布局的信息的图像信息而计算的情况相同，与仅对每个区域进行特有的图像处理的结构不同，可以防止由于区域分割的失败引起的图像处理的品质的降低，同时与仅进行整体的图像处理的结构相比，也可以提高图像处理的品质。

而且，本发明的图像处理系统，如上所述，是数字图像的图像处理系统，包括：属性决定部，决定光栅图像中的各像素的属性；以及复杂度测量部，根据所述属性计算图像复杂度测度。而且，在上述结构中，所述复杂度测量部也可以根据与图像处理方法相关联而预先设定的与复杂度相关联的图像处理方法的特征来调整所述复杂度。而且，在上述结构中，所述复杂度测量部也可以与第一和第二过程相关联，根据预先设定的与复杂度相关联的各过程的处理性能数据来调整所述复杂度，同时在所述图像处理系统中设置处理部，该处理部在所述复杂度超过阈值时，实施第一过程，没有超过时，实施第二过程。

进而，本发明的图像处理系统如上所述，是数字图像的图像处理系统，包括：属性决定部，决定所述数字图像的复杂度关联属性；处理性能数据取得部，取得基于分割的用于画质改善处理的处理性能数据，以及用于整体的画质改善处理的处理性能数据；复杂度计算部，根据所述复杂度关联属性和处理性能数据计算所述数字图像的复杂度测度；以及处理部，在所述复杂度超过阈值时，实施所述整体的画质改善处理，如果没有超过，则实施基于所述分割的画质改善处理。

而且，本发明的图像处理系统，如上所述，包括：复杂度计算部，根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度；以及处理方法决定部，根据所述被计算的复杂度，决定用相同的方法对数字图像整体进行图像处理，还是用特有的方法对数字图像的每个所有进行图像处理。

而且，本发明的图像处理系统，如上所述，包括：复杂度计算部，根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度；以及合成部，根据所述被计算的复杂度，组合用相同的方法对数字图像整体进行图像处理的结果，以及用特有的方法对数字图像的每个所有进行图像处理的结果。

进而，本发明的图像处理系统，如上所述，包括：复杂度计算部，根据包含表示数字图像的布局的信息的图像信息，计算该数字图像的复杂度；以及改善程度调整部，根据所述被计算的复杂度来对改善数字图像时的改善程度进行调整。

而且，本发明的图像处理系统，如上所述，包括：复杂度概算部，根据统计处理了数字图像的图像特征，概算该数字图像的复杂度；以及处理方法决定部，根据所述被计算的复杂度，决定用相同的方法对数字图像整体进行图像处理，还是用特有的方法对数字图像的每个所有进行图像处理。

上述各图像处理系统可以实施上述各方法中的任意一个，所以与各方法系统，可以计算用于提高图像处理的品质的复杂度，同时提高图像处理的品质。

而且，本发明的图像处理方法是有选择地处理数字图像的图像处理方法，包括：决定图像的属性的步骤a；取得用于分析处理的处理性能数据的、与图像复杂度相关联的处理性能数据的步骤b；根据所述属性以及所述分析处理性能数据，推定所述图像的复杂度的步骤c；以及仅在所述复杂度满足基准的情况下，根据所述分析处理来实施画质改善处理的步骤d。而且，在上述结构中，所述改善处理也可以是基于分割的画质改善。而且，在上述结构中，所述改善处理也可以是整体的画质改善。而且，在上述结构中，所述分析处理性能数据也可以与错误的可能性相关联。而且，在上述结构中，所述分析处理性能数据也可以与可目视的错误的可能性相关联。

进而，本发明的图像处理方法，是有选择地处理数字图像的图像处理方法，包括：决定非基于目标的图像的属性的步骤a；根据所述属性推定所述图像的复杂度的步骤b；以及在所述复杂度满足基准的情况下，处理所述图像的步骤c。而且，在上述结构中，所述属性也可以是与分割有关的特征。

而且，本发明的图像处理方法是可变处理数字图像的图像处理方法，包括：决定图像的属性的步骤a；取得用于处理的处理性能数据的、与图像复杂度相关联的处理性能数据的步骤b；根据所述属性和所述处理性能数据，推定对于所述图像的复杂度测度的步骤c；以及对所述图像实施具有可与所述复杂度测度成比例地变化的效果的处理的步骤d。而且，在上述结构中，所述处理可以是基于分割的画质改善。而且，在上述结构中，所述处理也可以是整体的画质改善。

进而，本发明的图像处理方法是可变处理数字图像的图像处理方法，包括：决定非基于目标的图像数据组的属性的步骤a；根据所述属性，推定对于所述图像数据组的复杂度测度的步骤b；以及对所述图像数据组实施具有可与所述复杂度测度成比例地变化的效果的处理的步骤c。而且，在上述结构中，所述属性也可以是与分割有关的特征，所述处理是基于分割的画质改善。而且，在上述结构中，所述特征也可以包含分割区域的边界。而且，在上述结构中，所述特征也可以包含分割区域的形状。而且，在上述结构中，所述特征包含分割区域尺寸。而且，在上述结构中，所述特征也可以包含分割区域的拓扑性质。而且，在上述结构中，所述特征也可以包含非矩形地连接的结构要素的数量。而且，在上述结构中，所述特征也可以是中间色调像素的数量相对于所有像素数的比率。而且，在上述结构中，所述特征也可以是中间色调中的文本像素的数量相对于所有像素数的比率。而且，在上述结构中，所述特征也可以包含背景区域的亮度统计。而且，在上述结构中，所述特征也可以包含前景区域的亮度统计。而且，在上述结构中，所述特征也可以包含背景区域的色度统计。

本发明的图像处理方法是可变处理数字图像的图像处理方法，包括：决定非基于目标的图像数据组的属性的步骤a；取得用于处理的处理性能数据的、与图像复杂度相关联的处理性能数据的步骤b；根据所述属性和所述处理性能数据，推定对于所述图像数据组的复杂度测度的步骤c；以及对所述图像数据组实施具有可与所述复杂度测度成比例地变化的效果的处理的步骤d。

本发明的图像处理方法是有选择地处理数字图像的图像处理方法，包括：对图像实施包含分割处理的、各自生成独立的结果的多个图像分析处理的步骤a；根据通过所述分析处理而形成的所述独立的结果，测量对于所述图像的多个复杂度测度的步骤b；根据与所述分割处理之一相关联的复杂度测度，选择所述分割处理之一的步骤c；以及根据所述被选择的分割处理，实施基于分割的画质改善的步骤d。

本发明的图像处理方法是有选择地处理数字图像的图像处理方法，包括：步骤a，对非基于目标的图像数据组实施用于各自形成独立的分割映射的多个分割处理；步骤b，根据通过所述分割处理而形成的各个所述独立的分割映射，测量对于所述图像的多个复杂度测度；步骤c，根据与所述分割处理之一相关联的复杂度测度，选择所述分割处理之一；以及步骤d，根据所述被选择的分割处理，实施基于分割的画质改善。

本发明的图像处理方法是有选择地处理数字图像的图像处理方法，包括：步骤a，取得用于多个分割处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤b，根据图像数据组的属性，所述分割处理和所述处理性能数据，测量对于非基于目标的图像数据组的多个复杂度测度；步骤c，根据与所述分割处理之一相关联的复杂度测度，选择所述分割处理之一；以及步骤d，根据所述被选择的分割处理，实施基于分割的图像数据组的画质改善。而且，在上述结构中，将所述被选择的改善处理的可变参数，和与其相关联的复杂度测度成比例地变更。而且，在上述结构中，所述属性也可以是与变换数据相关联的特征。而且，在上述结构中，所述属性也可以是直方图特征。

本发明的图像处理方法是有选择地处理数字图像的图像处理方法，包括：步骤a，对图像实施包含分割处理、各自形成独立的结果的多个图像分析处理；步骤b，根据通过所述分割处理形成的各个所述独立的结果，测量多样所述图像的多个复杂度测度；步骤c，对所述图像实施与所述各图像分析处理相关联的多个画质改善处理，形成多个画质被改善的图像；以及步骤d，组合所述被改善的图像，得到最终的被改善的图像。而且，在上述结构中，所述组合步骤，也可以包括将被改善的图像与它们的复杂度测度成比例而进行组合的步骤。而且，在上述结构中，所述图像分析处理的至少一个为整体的分析处理。而且，在上述结构中，所述图像也可以表示非基于目标的数据。而且，在上述结构中，所述复杂度测度也可以与用于进行与其附带关联的图像分析处理的处理性能数据相关联。而且，在上述结构中，所述复杂度测度也可以与分割区域边界相关联。而且，在上述结构中，所述复杂度测度也可以与分割区域形状相关联。而且，在上述结构中，所述复杂度测度也可以与分割区域的尺寸相关联。而且，在上述结构中，所述复杂度测度也可以与分割区域的拓扑连接特性相关联。而且，在上述结构中，所述复杂度测度也可以与非矩形地连接的结构要素的数量相关联。而且，在上述结构中，所述复杂度测度也可以与中间色调像素的数量相对于所有像素数的比率相关联。而且，在上述结构中，所述复杂度测度也可以与中间色调中的文本像素的数量相对于所有像素数的比率相关联。而且，在上述结构中，所述复杂度测度也可以与所述特征包含背景区域的亮度统计相关联。而且，在上述结构中，所述复杂度测度也可以与所述特征包含前景区域的亮度统计相关联。而且，在上述结构中，所述复杂度测度也可以与所述特征包含背景区域的色度统计相关联。

而且，本发明的图像处理方法是有选择地处理数字图像的图像处理方法，包括：步骤a，对非基于目标的图像数据组实施各自形成独立的分割映射的多个分割处理；步骤b，根据通过所述分割处理形成的各个所述独立的分割映射，推定对于所述图像数据组的多个复杂度测度；步骤c，对所述图像数据组实施与所述分割处理有关的多个画质改善处理，从而形成多个被改善的图像；以及步骤d，组合所述被改善的图像，得到最终的被改善的图像。而且，在上述结构中，也可以对各个所述被改善的图像赋予和与其附带关联的复杂度测度成比例的权重系数，组合所述被改善的图像，得到以被赋予的权重包含所述各被改善的图像的最终的被改善的图像。

本发明的图像处理方法是有选择地处理数字图像的图像处理方法，包括：步骤a，对图像实施包含分割处理的、各自形成独立的结果的多个图像分析处理；步骤b，取得用于所述图像分析处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据各个通过所述图像分析处理而形成的独立的结果和所述处理性能数据，测度对于所述图像的多个复杂度测度；步骤d，对所述图像实施与所述图像分析处理相关联的多个画质改善处理，形成多个被改善的图像；以及步骤e，组合所述被改善的图像，得到最终的被改善的图像。而且，在上述结构中，也可以将所述画质改善处理的各个可变参数和与其附带关联的复杂度测度成比例而变更。而且，在上述结构中，也可以将所述组合处理的可变参数和所述复杂度测度的至少一个成比例而变更。

而且，本发明的图像处理方法是混合处理数字图像的图像处理方法，包括：步骤a，决定图像的属性；步骤b，取得用于进行包含第一处理和第二处理的多个处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述属性和所述处理性能数据，推定所述图像的复杂度；步骤d，对所述图像实施所述第一处理；步骤e，对所述图像实施所述第二处理；步骤f，如果所述复杂度满足基准，则混合所述第一处理和所述第二处理的结果，使得所述第一处理的效果变得更大，形成被混合处理的图像；以及步骤g，如果所述复杂度不满足所述基准，则混合所述第一处理和所述第二处理的结果，使得所述第二处理的效果变得更大，形成被混合处理的图像。

进而，本发明的图像处理方法是混合处理数字图像的图像处理方法，包括：步骤a，决定图像的属性；步骤b，取得用于进行多个处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述属性和所述处理性能数据，推定所述图像的复杂度；步骤d，对所述图像实施所述多个处理；以及步骤e，混合所述多个处理，以便所述多个处理的至少一个相对于所述多个处理的结果具有可与所述复杂度成比例变化的效果，从而形成被混合处理的图像。

而且，本发明的图像处理方法是混合处理数字图像的图像处理方法，包括步骤a，决定非基于目标的图像数据组的属性；步骤b，对所述图像数据组实施所述第一处理；步骤c，对所述图像数据组实施所述第二处理；步骤d，如果所述复杂度复杂基准，则混合所述第一处理和所述第二处理的结果，使得所述第一处理的效果变得更大，形成被混合处理的图像数据组；以及步骤e，如果所述复杂度不满足所述基准，则混合所述第一处理和所述第二处理的结果，使得所述第二处理的效果变得更大，形成被混合处理的图像数据组。而且，在上述结构中，也可以所述第一处理是整体的画质改善，所述第二处理是基于分割的画质改善。而且，在上述结构中，也可以所述基准是表示基于分割的改善与整体的改善相比，不提供可目视程度的优势的条件。

本发明的图像处理方法是混合处理数字图像的图像处理方法，包括步骤a，决定非基于目标的图像的属性；步骤b，根据所述属性推定所述图像的复杂度；步骤c，对所述图像实施多个处理；步骤d，混合所述多个处理，以便所述多个处理的至少一个相对于所述结果具有可与所述复杂度成比例变化的效果，从而形成被混合处理的图像。

进而，本发明的图像处理方法是混合处理数字图像的图像处理方法，包括：步骤a，决定非基于目标的图像的属性；步骤b，取得用于进行包含第一处理和第二处理的多个处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述属性和所述处理性能数据，推定所述图像的复杂度；步骤d，对所述图像实施第一处理；步骤e，对所述图像实施第二处理；步骤f，如果所述复杂度超过阈值，则混合所述第一处理和所述第二处理的结果，以便所述第一处理的效果变得更大，形成被混合处理的图像；步骤g，如果所述复杂度不超过所述阈值，则混合所述第一处理和所述第二处理的结果，以便所述第二处理的效果变得更大，形成被混合处理的图像。

而且，本发明的图像处理方法是混合处理数字图像的图像处理方法，包括：步骤a，决定非基于目标的图像的属性；步骤b，取得用于进行包含第一处理和第二处理的多个处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述属性和所述处理性能数据，推定所述图像的复杂度；步骤d，对所述图像实施所述多个处理；步骤e，混合所述多个处理，使得所述多个处理的至少一个相对于所述结果，具有可与所述复杂度成比例变化的效果，形成被混合处理的图像。而且，在上述结构中，也可以所述多个处理的至少一个包含整体的画质改善。而且，在上述结构中，也可以所述多个处理的至少一个包含基于分割的画质改善。

而且，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，对非基于目标的图像数据组实施初期阶段的分割处理；步骤b，根据所述初期阶段的分割处理的结果，推定对于所述图像数据组的复杂度测度；以及步骤c，如果所述复杂度测度复杂基准，则对所述图像数据组实施高精度的分割处理。

进而，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，对图像实施初期阶段的分割处理；步骤b，取得用于进行高精度的分割处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述初期阶段的分割处理的结果和所述性能数据，推定对于所述图像的复杂度测度；以及步骤d，如果所述复杂度测度满足基准，则实施所述高精度的分割处理。而且，在上述结构中，如果所述复杂度测度满足所述基准，则使用所述高精度的分割处理的结果，实施基于分割的画质改善的步骤。而且，在上述结构中，如果所述复杂度测度满足代替基准，则实施整体的画质改善的步骤。

进而，本发明的图像处理方法是处理数字图像的图像处理方法，包括步骤a，对非基于目标的图像数据组实施初期阶段的分割；步骤b，取得用于进行高精度的分割处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述初期阶段的分割的结果和所述性能数据，对待对于所图像数据组的复杂度测度；以及步骤d，如果所述复杂度测度满足基准，则实施所述高精度分割处理，使用所述高精度分割处理的结果而实施基于分割的画质改善。而且，在上述结构中，如果所述复杂度测度不满足所述基准，则实施整体的画质改善的步骤。而且，在上述结构中，所述基准是表示基于分割的改善与整体的改善相比，不提供可目视程度的优势的条件。而且，在上述结构中，所述基准中，包含所述复杂度停留在未满足阈值的情况。

进而，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，对非基于目标的图像数据组实施初期阶段的分割处理；步骤b，根据所述初期阶段的分割处理的结果，推定对于所述图像数据组的初期阶段的复杂度测度；步骤c，如果所述初期阶段的复杂度测度满足初期阶段的测度基准，则实施高精度的分割处理；步骤d，根据所述高精度分割处理的结果，推定对于所述图像数据组的高精度的复杂度测度；以及步骤e，如果所述高精度的测度满足用于所述高精度的复杂度测度的测度基准，则根据所述高精度的分割处理，实施画质改善处理。而且，在上述结构中，所述高精度的复杂度测度如果满足高精度的代替测度基准，则实施整体的画质改善的步骤。而且，在上述结构中，如果所述初期阶段的复杂度测度满足初期阶段的代替测度基准，则实施整体的画质改善的步骤。

而且，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，对图像实施初期阶段的分割处理；步骤b，取得用于进行高精度的分割处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述初期阶段的分割处理的结果和所述性能数据，推定对于所述图像的初期阶段的复杂度测度；步骤d，如果所述初期阶段的复杂度测度满足初期阶段的测度基准，则实施高精度的分割处理；步骤e，根据所述高精度的分割处理的结果，推定对于所述图像的高精度的复杂度测度；以及步骤f，如果所述高精度的复杂度测度满足用于所述高精度的复杂度测度的测度基准，则实施基于所述高精度的分割处理的画质改善处理。

进而，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，对非基于目标的图像数据组实施初期阶段的分割处理；步骤b，取得用于高精度的分割处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述初期阶段的分割处理的结果和所述性能数据，推定对于所述图像数据组的初期阶段的复杂度测度；步骤d，如果所述初期阶段的复杂度测度满足初期阶段的测度基准，则实施高精度的分割处理；步骤e，根据所述高精度的分割处理的结果，推定对于所述图像数据组的高精度的复杂度测度；以及步骤f，如果所述高精度的复杂度测度复杂用于所述高精度的复杂度测度的测度基准，则实施基于所述高精度的分割处理的画质改善处理。而且，在上述结构中，也可以还包括：如果所述高精度的复杂度测度不满足用于所述高精度的复杂度测度的测度基准，则实施整体的画质改善处理的步骤。而且，在上述结构中，也可以还包括：如果所述初期阶段的复杂度测度不满足所述初期阶段的测度基准，则实施整体的画质改善处理。

而且，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，将非基于目标的图像数据组分割为多个部分；步骤b，对所述部分的每一个部分实施分割；步骤c，根据所述分割的结果，推定对于所述部分的复杂度测度；步骤d，决定用于表示已经被实施分割的部分组的复杂度的累计复杂度测度；步骤e，重复步骤b至步骤d，直到所有的部分被分割处理，或者所述累计复杂度测度满足基准；步骤f，如果所述累计复杂度测度满足所述基准，则结束所述步骤e，实施第一画质改善处理；以及步骤g，如果所述累计复杂度测度不满足所述基准，则实施第二画质改善处理。

进而，本发明的图像处理方法是处理数字图像的图像处理方法，包括步骤a，将数字图像分割为多个部分；步骤b，取得用于进行包括第一画质改善处理和第二画质改善处理的多个画质改善处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，对所述部分的某一个部分实施分割；步骤d，根据所述分割的结果和所述处理性能数据，推定对于所述部分的复杂度测度；步骤e，决定用于表示分割已经被实施的部分组的复杂度的累计复杂度测度；步骤f，重复步骤c至步骤e，直到所有的部分被分割处理或者所述累计复杂度测度满足基准；步骤g，如果所述累计复杂度测度满足所述基准，则结束所述步骤f，实施所述第一画质改善处理；以及步骤h，如果所述累计复杂度测度不满足所述基准，则实施所述第二画质改善处理。而且，在上述结构中，所述第二画质改善处理也可以是基于分割的画质改善。

而且，在上述结构中，也可以对所述各部分连续地实施用于实施分割的所述步骤、推定复杂度测度的所述步骤以及决定累计复杂度测度的所述步骤，使得一旦所述累计复杂度测度满足所述基准，也可以避免后续的部分所不需要的处理。

进而，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，将非基于目标的图像数据组分割为多个部分；步骤b，对所述部分的某一个部分实施分割；步骤c，取得用于进行包含第一画质改善处理和第二画质改善处理的多个画质改善处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤d，根据所述分割的结果和所述处理性能数据，推定对于所述部分的复杂度测度；步骤e，决定用于表示分割已经被实施的部分组的复杂度的累计复杂度测度；步骤f，重复步骤b至步骤e，直到所有部分被分割处理，或者所述累计复杂度测度满足基准；步骤g，如果所述累计复杂度测度满足所述基准，则结束所述步骤f，实施所述第一画质改善处理；以及步骤h，如果所述累计复杂度测度不满足所述基准，则实施所述第二画质改善处理。而且，本发明的图像处理方法是处理数字图像的图像处理方法，包括步骤a，将图像分割为多个部分；步骤b，推定对于所述部分的至少一个的复杂度测度；步骤c，决定用于表示已经实施了推定的部分组的累计复杂度的累计复杂度测度；步骤d，重复步骤c，直到所述累计复杂度测度满足基准，或者所述累计复杂度测度表示所述部分的所有累计复杂度；以及步骤e，如果所述累计复杂度测度满足所述基准，则实施第一画质改善处理。而且，在上述结构中，也可以对所述各部分连续地实施用于推定复杂度测度的所述步骤b以及决定累计复杂度测度的所述步骤c，使得一旦所述累计复杂度测度满足所述基准，也可以避免后续的部分所不需要的处理。

进而，本发明的图像处理方法是处理数字图像的图像处理方法，包括步骤a，将非基于目标的图像数据组分割为多个部分；步骤b，推定对于所述部分的至少一个的复杂度测度；步骤c，决定用于表示所述推定已经被实施的各部分的累计复杂度的累计复杂度测度；步骤d，重复步骤b和步骤c，直到所述累计复杂度测度满足基准，或者所述累计复杂度测度表示所述部分的所有的累计复杂度；以及步骤e，如果所述累计复杂度测度满足所述基准，则实施所述第一画质改善处理。

而且，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，将数字图像分割为多个部分；步骤b，取得用于进行至少一个第一画质改善处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，推定对于所述部分的至少一个的复杂度测度，即与所述处理性能数据相关联的复杂度测度；步骤d，决定用于表示所述推定已经被实施的各部分的复杂度的累计复杂度测度；步骤e，重复步骤c和步骤d，直到进行所有的部分的推定，或者所述累计复杂度测度满足基准；以及步骤f，如果所述累计复杂度测度满足所述基准，则实施所述第一画质改善处理。

而且，在上述结构中，也可以还包括：如果所述累计复杂度测度不满足所述基准，则实施第二画质改善处理的步骤。而且，在上述结构中，如果所述累计复杂度测度超过阈值，则满足所述基准也可以。而且，在上述结构中，所述第一画质改善处理也可以是整体的画质改善。而且，在上述结构中，所述第二画质改善处理也可以是基于分割的画质改善。而且，在上述结构中，也可以对所述各部分连续实施用于推定复杂度测度的所述步骤和决定累计复杂度测度的所述步骤，使得一旦所述累计复杂度测度满足所述基准，也可以避免后续的部分所不需要的处理。而且，在上述结构中，也可以以基于分割以前决定的初期阶段的复杂度推定的复杂度的顺序来处理所述部分。

而且，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，将非基于目标的图像数据组分割为多个部分；步骤b，取得用于进行包括第一画质改善处理和第二画质改善处理的多个画质改善处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述处理性能数据，推定对于所述部分之一的复杂度测度；步骤d，决定用于表示分割已经被实施的部分组的复杂度的累计复杂度测度；步骤e，重复步骤c和步骤d，直到进行了所有的部分的推定，或者所述累计复杂度测度满足基准；步骤f，如果所述累计复杂度测度满足所述基准，则实施所述第一画质改善处理；以及步骤g，如果所述累计复杂度测度不满足所述基准，则实施所述第二画质改善处理。

而且，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，对图像实施分割，将该图像在内容区域中分割；步骤b，对于各个所述区域，推定基于所述区域属性的复杂度测度；以及步骤c，仅在所述复杂度测度满足基准时，对区域实施画质改善处理。

而且，本发明的图像处理方法是有选择地处理数字图像的图像处理方法，包括：步骤a，对非基于目标的图像数据组实施分割，将该图像数据组在内容区域中分割；步骤b，取得用于处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，推定对于各个所述区域的复杂度，即与所述处理性能数据相关联的复杂度；以及步骤d，如果对于所述区域的所述复杂度测度满足基准，则对区域实施画质改善处理。而且，在上述结构中，也可以还包括：如果对于所述区域的所述复杂度测度不满足所述基准，则对所述区域实施代替画质改善处理的步骤。而且，在上述结构中，也可以还包括：如果对于所述区域的所述复杂度测度不满足所述基准，则对所述区域实施整体的画质改善处理的步骤。而且，在上述结构中，也可以还包括：如果对于多个所述区域的所述复杂度测度不满足所述基准，则对所述区域实施代替画质改善处理的步骤。而且，在上述结构中，也可以还包括：如果对于所述区域的所述复杂度测度满足第二基准，则对所述区域实施代替画质改善处理的步骤。

进而，本发明的图像处理方法是处理数字图像的图像处理方法，包括：步骤a，对图像实施分割，将该图像在内容区域中分割；步骤b，对各个所述区域，推定基于所述区域属性的复杂度测度；以及步骤c，对该区域实施可变的画质改善处理，使得所述画质改善处理的状态可与对于区域的所述复杂度测度成比例地改变。

而且，本发明的处理选择方法是用于处理数字图像的处理选择方法，包括：步骤a，决定非基于目标的图像的属性；步骤b，取得用于分析处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述属性和所述分析处理性能数据，推定所述图像的复杂度；以及步骤d，如果所述复杂度满足基准，则根据所述分析处理对所述图像实施画质改善处理。

而且，本发明的处理选择方法是用于处理数字图像的处理选择方法，包括：步骤a，决定非基于目标的图像的属性；步骤b，取得用于进行包括第一处理和第二处理的多个分析处理的处理性能数据，即与图像复杂度相关联的处理性能数据；步骤c，根据所述属性和所述分析处理性能数据，推定所述图像的复杂度；步骤d，如果所述复杂度超过阈值，则实施基于所述第一处理的画质改善；以及步骤e，如果所述复杂度没有超过所述阈值，则实施基于所述第二处理的画质改善处理。而且，在上述结构中，也可以所述第一处理是整体的画质改善，所述第二处理是基于分割的画质改善。而且，在上述结构中，也可以所述阈值表示基于分割的改善与整体的改善相比，不提供可目视程度的优势的条件。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：a)图像分析器，用于决定非基于目标的图像的属性；b)推定器，用于根据所述属性推定所述图像的复杂度；c)处理器，在所述复杂度满足基准的情况下，对所述图像实施画质改善处理。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：a)图像分析器，用于决定图像的属性；b)存储装置，存储用于分析处理的处理性能数据，即与图像复杂度相关联的处理性能数据；c)推定器，用于根据所述属性和所述分析处理性能数据，推定所述图像的复杂度；d)处理器，用于在所述复杂度满足基准的情况下，根据所述分析处理来实施画质改善处理。

而且，本发明的图像处理装置是用于混合处理数字图像的图像处理装置，包括：a)图像分析器，用于决定对于图像的非基于目标的图像的属性；b)推定器，用于根据所述属性，推定所述图像的复杂度；c)处理器，用于对所述图像实施多个处理；d)混合器，用于混合所述多个处理结果，使得所述多个处理的至少一个对于所述多个处理的结果，具有可与所述复杂度成比例地变化的效果，形成被混合处理的图像。

进而，本发明的图像处理装置是用于混合处理数字图像的图像处理装置，包括a)图像分析器，用于决定图像的属性；b)存储装置，存储用于处理的处理性能数据，即与图像复杂度相关联的处理性能数据；c)推定器，用于根据所述属性和所述处理性能数据，推定所述图像的复杂度；d)处理器，用于对所述图像实施多个处理；e)混合器，用于混合所述多个处理结果，使得所述多个处理的至少一个对于所述多个处理的结果，具有可与所述复杂度成比例地变化的效果，形成被混合处理的图像。

而且，本发明的图像处理装置是用于处理数字图像的图像处理装置，包括：a)初期阶段分割处理器，对表示图像的非基于目标的数据实施初期阶段的分割处理；b)推定器，用于根据所述初期阶段的分割处理的结果，推定对于所述图像的复杂度测度；c)高性能分割处理器，用于在所述复杂度测度满足基准的情况下，实施高精度的分割处理。而且，在上述结构中，也可以还包括：基于分割的改善处理器，在所述复杂度测度满足所述基准时，根据所述高精度的分割处理的结果，实施基于分割的画质改善。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：a)初期阶段分割处理器，对图像实施初期阶段的分割处理；b)存储装置，存储用于进行高精度的分割处理的处理性能数据，即与图像复杂度相关联的处理性能数据；c)推定器，用于根据所述初期阶段的分割的结果和所述性能数据，推定对于所述图像的复杂度测度；d)高性能分割处理器，用于在所述复杂度测度满足基准的情况下，实施高精度的分割处理；e)基于分割的改善处理器，如果所述复杂度测度满足所述基准，则结果所述高精度的分割处理，实施基于分割的画质改善。

而且，在上述结构中，也可以在所述基准中，包含所述复杂度测度停留在未复杂阈值的情况。

进而，本发明的图像处理装置是用于处理数字图像的图像处理装置，包括：分割器，用于将非基于目标的图像数据组分割为多个部分；分割处理器，对所述部分的某一个部分实施分割；推定器，用于根据所述分割的结果，推定对于所述部分的复杂度测度；以及累计器，用于决定表示被实施了分割的所有部分的复杂度的累计复杂度测度，所述分割处理器、所述推定器以及所述累计器对后续的部分实施各个处理，直到所有的部分被分割，或者所述累计复杂度测度满足基准，同时还包括：处理器，用于如果所述累计复杂度测度满足所述基准，则实施第一画质改善处理，如果所述累计复杂度测度不满足所述基准，则实施第二画质改善处理。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：分割器，用于将图像分割为多个部分；分割器，对所述部分的某一个部分实施分割；推定器，用于根据所述分割的结果，推定对于所述部分的复杂度测度；以及累计器，用于决定表示被实施了分割的所有部分的复杂度的累计复杂度测度，所述分割器、所述推定器以及所述累计器对后续的部分实施各个处理，直到所有的部分被分割，或者所述累计复杂度测度满足基准，同时还包括：处理器，用于如果所述累计复杂度测度满足所述基准，则结束所述分割器、所述推定器和所述累计器的处理，实施第一画质改善处理，如果所述累计复杂度测度不满足所述基准，则实施第二画质改善处理。

而且，本发明的图像处理装置是用于处理数字图像的图像处理装置，包括：分割器，用于将非基于目标的图像数据组分割为多个部分；推定器，推定对于所述部分的某一个部分的复杂度测度；累计器，用于决定表示所述推定已经被实施的部分组的累计复杂度，所述推定器以及所述累计器对后续的部分实施各个处理，直到所有的部分被推定，或者所述累计复杂度测度满足基准，同时还包括：处理器，用于如果所述累计复杂度测度满足所述基准，则实施第一画质改善处理，如果所述累计复杂度测度不满足所述基准，则实施第二画质改善处理。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：分割器，用于将图像分割为多个部分；推定器，用于推定对于所述多个部分的其中一个的复杂度测度；以及累计器，用于决定表示被所述推定被实施的所有部分的复杂度的累计复杂度测度，所述推定器以及所述累计器对后续的部分实施各个处理，直到部分被推定，或者所述累计复杂度测度满足基准，同时还包括：处理器，用于如果所述累计复杂度测度满足所述基准，则实施第一画质改善处理，如果所述累计复杂度测度不满足所述基准，则实施第二画质改善处理。

而且，本发明的图像处理装置是用于可变处理数字图像的图像处理装置，包括：a)属性提取器，用于决定图像的属性；b)存储装置，存储用于处理的处理性能数据，即与图像复杂度相关联的处理性能数据；c)推定器，根据所述属性和所述处理性能数据，推定对于所述图像的复杂度测度；以及d)处理器，用于对所述图像实施具有可与所述复杂度测度成比例变化的效果的所述处理。

而且，本发明的图像处理装置是用于可变处理数字图像的图像处理装置，包括：a)属性提取器，用于决定非基于目标的图像数据组的属性；b)推定器，用于根据所述属性，推定对于所述图像数据组的复杂度测度；以及c)处理器，用于对所述图像数据组实施具有可与所述复杂度测度成比例变化的效果的处理。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：a)处理器，用于对图像实施包含分割处理的、各自形成独立的结果的多个图像分析处理；b)测量器，用于根据通过所述分析处理而形成的各个所述独立的结果，推定对于所述图像的多个复杂度测度；c)选择器，用于根据与所述分割处理的其中之一附带关联的复杂度测度来选择该分割处理的其中之一；以及d)改善器，根据所述被选择的分割处理，实施基于分割的画质改善。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：处理器，用于对非基于目标的图像数据组实施各自形成独立的分割映射的多个分割处理；推定器，用于根据通过所述分割处理形成的各个所述独立的分割映射，推定对于所述图像数据组的多个复杂度测度；选择器，用于根据与所述分割处理的其中之一附带关联的复杂度测度来选择该分割处理的其中之一；以及处理器，根据所述被选择的分割处理，实施基于分割的画质改善。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：a)处理器，用于对图像实施包含各自形成独立的结果的多个图像分析；b)测量器，用于根据通过所述分割处理形成的各个所述独立的结果，推定对于所述图像的多个复杂度测度；c)改善器，用于对所述图像实施与所述图像分析处理相关联的多个图像改善处理；以及d)结合器，用于组合所述被改善的图像，成为最终被改善的图像。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：处理器，用于对非基于目标的图像数据组实施各自形成独立的分割映射的多个分割处理；测量器，用于根据通过所述分割处理而形成的所述独立的各个分割，测度对于所述图像数据组的多个复杂度测度；改善器，用于对所述图像数据组实施多个画质改善处理，形成多个被改善的图像；以及结合器，用于结合所述被改善的图像，得到最终被改善的图像。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：a)分割器，用于对图像实施分割，将该图像在内容区域中进行分割；b)推定器，用于对各个所述区域推定基于所述区域属性的复杂度测度；以及c)处理器，用于在所述复杂度测度满足基准的情况下，对区域实施画质改善处理。

而且，本发明的图像处理装置是用于有选择地处理数字图像的图像处理装置，包括：分割器，用于对非基于目标的图像数据组实施分割，将该图像在内容区域中进行分割；存储装置，存储用于处理的处理性能数据，即与图像复杂度相关联的处理性能数据；推定器，用于推定对于各个所述区域的复杂度测度，即与所述处理性能数据相关联的复杂度测度；以及处理器，在对于所述区域的所述复杂度测度复杂基准的情况下，对区域实施画质改善处理。

另外，上述图像处理系统可以以硬件实现，也可以通过使计算机执行程序来实现。具体来说，本发明的程序，是使计算机执行上述复杂度测量方法、处理选择方法或者通过图像处理系统实施的实施图像处理方法的其中之一的各步骤的程序，在本发明的记录媒体中，记录该程序。

如果通过计算机执行这些程序，则通过该计算机实施上述各方法。因此，与上述各方法相同，计算用于提高图像处理的品质的复杂度，可以提高图像处理的品质。

这样，按照本发明，例如在进行以用于改善画质的图像处理和运算处理为首的各种图像处理时，可以计算用于使图像处理的品质提高的复杂度，同时提高图像处理的品质。

而且，本发明可以广泛应用于以复印系统、图像形成系统、图像复制系统、或者压缩、存档或者检索图像的系统为首的进行各种图像处理的系统(装置)。

本发明的详细说明的项目中完成的具体的实施方式或者实施例，不过是使本发明的技术内容明了，而不应仅限定于这样的具体例子而进行狭义地解释，在本发明的精神和权利要求中记载的范围内，可以进行各种变更而实施。

Claims (51)

1 .一种数字图像的复杂度测量方法，包括：

将图像作为非基于目标的图像表现的步骤a；

决定所述非基于目标的图像中的各像素的属性的步骤b；以及

根据所述属性计算图像复杂度测度的步骤c。

2. 如权利要求1所述的复杂度测量方法，

所述属性是与分割有关的特征。

3. 如权利要求2所述的复杂度测量方法，

所述特征包含分割区域边界。

4. 如权利要求2所述的复杂度测量方法，

所述特征包含分割区域形状。

5. 如权利要求2所述的复杂度测量方法，

所述特征包含分割区域尺寸。

6. 如权利要求2所述的复杂度测量方法，

所述特征包含分割区域的拓扑性质。

7. 如权利要求2所述的复杂度测量方法，

所述特征包含被非矩形连接的结构要素的数量。

8. 如权利要求2所述的复杂度测量方法，

所述特征包含中间色调像素的数量相对于所有像素数量的比率。

9. 如权利要求2所述的复杂度测量方法，

所述特征包含中间色调中的文本像素的数量相对于所有像素数量的比率。

10. 如权利要求2所述的复杂度测量方法，

所述特征包含背景区域的亮度统计。

11. 如权利要求2所述的复杂度测量方法，

所述特征包含前景区域的亮度统计。

12. 如权利要求2所述的复杂度测量方法，

所述特征包含背景区域的色度统计。

13. 如权利要求1所述的复杂度测量方法，

所述属性是与变换数据相关联的特征。

14. 如权利要求1所述的复杂度测量方法，包括：

决定与图像处理方法的复杂度相关联的特征的步骤，

在所述步骤c中，根据所述属性以及所述特征来计算图像复杂度测度。

15. 如权利要求14所述的复杂度测量方法，还包括：

为了图像复杂度测度的所述计算，根据属性，以及使用与内容种类相关联的信息，对所述非基于目标的图像中的所述内容种类进行识别的步骤。

16. 如权利要求14所述的复杂度测量方法，

所述属性是直方图特征。

17. 如权利要求14所述的复杂度测量方法，

所述属性是与变换数据相关联的特征。

18. 一种用于处理数字图像的处理选择方法，包括：

将图像作为非基于目标的图像表现的步骤a；

决定所述非基于目标的图像的属性的步骤b；

取得用于进行包含第一处理和第二处理的多个处理的处理性能数据的步骤c，该处理性能数据与图像复杂度相关联；

根据所述属性和所述处理性能数据推定所述图像的复杂度的步骤d；

如果所述复杂度超过阈值，则实施第一处理的步骤e；以及

如果所述复杂度没有超过所述阈值，则实施第二处理的步骤f.

19. 一种数字图像的图像处理系统，包括：

属性决定部，决定非基于目标的图像中的各像素的属性；以及

复杂度测量部，根据所述属性计算图像复杂度测度。

20. 如权利要求19所述的图像处理系统，

所述复杂度测量部根据与图像处理方法相关联而预先设定的与复杂度相关联的图像处理方法的特征来调整所述复杂度。

21. 如权利要求19所述的图像处理系统，

所述复杂度测量部与第一和第二过程相关联，根据预先设定的与复杂度相关联的各过程的处理性能数据来调整所述复杂度，同时

在所述图像处理系统中设置处理部，该处理部在所述复杂度超过阈值时，实施所述第一过程，没有超过时，实施所述第二过程。

22. 一种有选择地处理数字图像的图像处理方法，包括：

决定非基于目标的图像的属性的步骤a；

根据所述属性推定所述图像的复杂度的步骤b；以及

在所述复杂度满足基准的情况下，处理所述图像的步骤c。

23. 如权利要求22所述的图像处理方法，

所述属性是与分割有关的特征。

24. 一种可变处理数字图像的图像处理方法，包括：

决定非基于目标的图像数据组的属性的步骤a；

根据所述属性，推定对于所述图像数据组的复杂度测度的步骤b；以及

对所述图像数据组实施具有可与所述复杂度测度成比例地变化的效果的处理的步骤c。

25. 如权利要求24所述的图像处理方法，

所述属性是与分割有关的特征，所述处理是基于分割的画质改善。

26. 如权利要求23或者25所述的图像处理方法，

所述特征包含分割区域边界。

27. 如权利要求23或者25所述的图像处理方法，

所述特征包含分割区域形状。

28. 如权利要求23或者25所述的图像处理方法，

所述特征包含分割区域尺寸。

29. 如权利要求23或者25所述的图像处理方法，

所述特征包含分割区域的拓扑性质。

30. 如权利要求23或者25所述的图像处理方法，

所述特征包含非矩形地连接的结构要素的数量。

31. 如权利要求23或者25所述的图像处理方法，

所述特征是中间色调像素的数量相对于所有像素数的比率。

32. 如权利要求23或者25所述的图像处理方法，

所述特征是中间色调中的文本像素的数量相对于所有像素数的比率。

33. 如权利要求23或者25所述的图像处理方法，

所述特征包含背景区域的亮度统计。

34. 如权利要求23或者25所述的图像处理方法，

所述特征包含前景区域的亮度统计。

35. 如权利要求23或者25所述的图像处理方法，

所述特征包含背景区域的色度统计。

36. 如权利要求24所述的图像处理方法，包括：

取得用于处理的处理性能数据的步骤，处理性能数据与图像复杂度相关联，

在所述步骤b中，根据所述属性和所述处理性能数据，推定对于所述图像数据组的复杂度测度。

37. 一种混合处理数字图像的图像处理方法，包括

步骤a，决定非基于目标的图像的属性；

步骤b，根据所述属性推定所述图像的复杂度；

步骤c，对所述图像实施多个处理；

步骤d，混合所述多个处理的结果，以便所述多个处理的至少一个相对于所述结果具有可与所述复杂度成比例变化的效果，从而形成被混合处理的图像。

38. 如权利要求37所述的图像处理方法，包括

根据所述属性推定所述图像数据组的复杂度的步骤，

在所述多个处理中包含第一处理和第二处理，

在所述步骤d中，如果所述复杂度满足基准，则混合所述第一处理和所述第二处理的结果，使得所述第一处理的效果变得更大，形成被混合处理的图像数据组，

如果所述复杂度不满足所述基准，则混合所述第一处理和所述第二处理的结果，使得所述第二处理的效果变得更大，形成被混合处理的图像。

39. 如权利要求38所述的图像处理方法，

所述第一处理是整体的画质改善，所述第二处理是基于分割的画质改善。

40. 如权利要求39所述的图像处理方法，

所述基准是表示基于分割的改善与整体的改善相比，不提供可目视程度的优势的条件。

41. 如权利要求37所述的图像处理方法，包括：

取得用于进行包含第一处理和第二处理的多个处理的处理性能数据，即与图像复杂度相关联的处理性能数据的步骤，

在所述步骤b中，根据所述属性和所述处理性能数据，推定所述图像的复杂度，

在所述多个处理中包含第一处理和第二处理，

在所述步骤d中，如果所述复杂度超过阈值，则混合所述第一处理和所述第二处理的结果，以便所述第一处理的效果变得更大，形成被混合处理的图像，

如果所述复杂度不超过所述阈值，则混合所述第一处理和所述第二处理的结果，以便所述第二处理的效果变得更大，形成被混合处理的图像。

42. 如权利要求37所述的图像处理方法，包括：

取得用于进行包含第一处理和第二处理的多个处理的处理性能数据，即与图像复杂度相关联的处理性能数据的步骤，

在所述步骤b中，根据所述属性和所述处理性能数据，推定所述图像的复杂度，

在所述步骤c中，对所述图像实施包括所述第一处理和所述第二处理的多个处理，

在所述步骤d中，混合所述多个处理的结果，使得所述多个处理的至少一个相对于所述结果，具有可与所述复杂度成比例变化的效果，形成被混合处理的图像。

43. 如权利要求37、41、42的其中一项所述的图像处理方法，

所述多个处理的至少一个包含整体的画质改善。

44. 如权利要求37、41、42的其中一项所述的图像处理方法，

所述多个处理的至少一个包含基于分割的画质改善。

45. 一种用于处理数字图像的处理选择方法，包括：

步骤a，决定非基于目标的图像的属性；

步骤b，取得用于分析处理的处理性能数据，即与图像复杂度相关联的处理性能数据；

步骤c，根据所述属性和所述分析处理性能数据，推定所述图像的复杂度；以及

步骤d，如果所述复杂度满足基准，则根据所述分析处理对所述图像实施画质改善处理。

46. 如权利要求45所述的处理选择方法，包括：

在所述步骤b中，取得用于进行包括第一处理和第二处理的多个分析处理的处理性能数据，即与图像复杂度相关联的处理性能数据，

在所述步骤d中，如果所述复杂度超过阈值，则实施基于所述第一处理的画质改善，

如果所述复杂度没有超过所述阈值，则实施基于所述第二处理的画质改善处理。

47. 如权利要求46所述的处理选择方法，

所述第一处理是整体的画质改善，所述第二处理是基于分割的画质改善。

48. 如权利要求47所述的处理选择方法，

所述阈值表示基于分割的改善与整体的改善相比，不提供可目视程度的优势的条件。

49. 一种用于有选择地处理数字图像的图像处理装置，包括：

a)图像分析器，用于决定非基于目标的图像的属性；

b)推定器，用于根据所述属性推定所述图像的复杂度；

c)处理器，在所述复杂度满足基准的情况下，对所述图像实施画质改善处理。

50. 一种用于混合处理数字图像的图像处理装置，包括：

a)图像分析器，用于决定对于图像的非基于目标的图像数据的属性；

b)推定器，用于根据所述属性，推定所述图像的复杂度；

c)处理器，用于对所述图像实施多个处理；

d)混合器，用于混合所述多个处理结果，使得所述多个处理的至少一个对于所述多个处理的结果，具有可与所述复杂度成比例地变化的效果，形成被混合处理的图像。

51. 一种用于可变处理数字图像的图像处理装置，包括：

a)属性提取器，用于决定非基于目标的图像数据组的属性；

b)推定器，用于根据所述属性，推定对于所述图像数据组的复杂度测度；以及

c)处理器，用于对所述图像数据组实施具有可与所述复杂度测度成比例变化的效果的处理。

Images