CN101325644A - 图像处理器和图像处理方法 - Google Patents

Abstract

一种图像处理器，具有：用于对由M个灰度(M≥3)的像素表示的输入图像数据执行转换处理，将输入数据转换为由两个灰度的子像素表示的输出图像数据的单元；以及用于输出该输出数据的单元，其中，该转换处理包括：用于根据通过将校正值加到所关注像素的灰度值上而获得的校正灰度值，确定与输入数据中所关注像素相对应的子像素的填充模式的处理；并且该模式包括核心模式和增长模式，所述核心模式构成一网点的核心，所述增长模式增长一网点，所述校正值包括扩散误差，并且通过对被确定为是核心模式的像素的误差进行加权而获得的扩散误差的至少一部分没有被包括在所述校正值中。

Description

图像处理器和图像处理方法

技术领域

本发明涉及一种图像处理器，以及一种图像处理方法。

背景技术

将由多值像素表示的输入图像数据转换为由二值像素表示的图像数据的技术是已知的。

JP 2003-348347A公开了一种图像处理技术，用于借助于误差扩散处理(error diffusion process)将由多值像素表示的输入图像数据转换为由二值子像素表示的图像数据。

在一个处理中，由M个灰度(M≥3)的像素所表示的输入图像数据被转换为由具有两个灰度且尺寸比该像素小的子像素所表示的输出图像数据，其中，与一个所关注像素相对应的一组子像素的填充模式依据该所关注像素的灰度值和来自周边像素的扩散误差来确定，且该填充模式至少包括用于构成网点(dot)的核心的模式和用于增长该网点的模式，在执行该处理时，例如，从印刷过程中图像颗粒性等的观点来看，希望借助于该核心模式的网点的核心尺寸不要太大。另一方面，例如，从印刷过程中图像再现性等的观点来看，又希望该网点的尺寸大到一定程度。因此，在上述处理中，希望得到一种结构，其中易于增长该网点，且当该网点增长时扩大该网点的尺寸。

发明内容

本发明的优点是提供一种图像处理器，在该图像处理器中，在上述处理中易于增长网点。

根据本发明的一个方面，提供了一种图像处理器，具有：转换单元，其对由M个灰度(M≥3)的像素表示的输入图像数据执行预定的转换处理，将所述输入图像数据转换为由具有两个灰度且尺寸比所述像素小的子像素所表示的输出图像数据；以及输出单元，其输出借助于所述转换单元而获得的所述输出图像数据，其中，所述转换处理包括：用于根据通过将预定校正值加到所述输入图像数据中所关注像素的灰度值上而获得的校正灰度值，来确定所述输出图像数据中与所述所关注像素相对应的一组子像素的填充模式的处理；以及用于计算在所述校正灰度值与由所述填充模式所表示的灰度值之间的误差，作为所述所关注像素的误差的处理，所述填充模式至少包括核心模式和增长模式，在所述核心模式中，预定数量的多个子像素被填充，且所述核心模式构成一网点的核心，在所述增长模式中，一定数量的子像素被填充，该数量与所述校正灰度值相对应，且所述增长模式增长一相邻网点，所述校正值是这样的数值：其包括通过用误差扩散系数对所述所关注像素的周边像素的误差进行加权而获得的扩散误差，并且通过用所述误差扩散系数对在所述周边像素之中被确定为是所述核心模式的像素的误差进行加权而获得的扩散误差的至少一部分没有被包括在所述校正值中，并且其被分配给包括所述所关注像素在内的、与所述所关注像素临近的像素。

根据本发明的这个方面，在将由M个灰度(M≥3)的像素表示的输入图像数据转换为由具有两个灰度且尺寸比该像素小的子像素所表示的输出图像数据的处理中，网点易于被增长，其中，与所关注像素相对应的一组子像素的填充模式是根据所述所关注像素的灰度值以及来自周边像素的扩散误差来确定的，并且该填充模式至少包括用于构成一网点的核心的模式以及用于增长该网点的模式。

根据本发明的另一方面，通过用所述误差扩散系数对被确定为是所述核心模式的像素的误差进行加权而获得的扩散误差可以全部都不包括在所述校正值中，且所有所述扩散误差可以全部被分配给包括所述所关注像素在内的、与所述所关注像素临近的像素。

根据本发明的这个方面，与通过用误差扩散系数对被确定为是核心模式的像素的误差进行加权而获得的扩散误差的一部分没有被包括在校正值中的情况相比，该处理可以被简化。

根据本发明的另一方面，通过用所述误差扩散系数对被确定为是所述核心模式的像素的误差进行加权而获得的扩散误差的至少一部分，可以被单独分配给所述所关注像素。

根据本发明的这个方面，与将通过用误差扩散系数对被确定为是核心模式的像素的误差进行加权而获得的扩散误差的至少一部分分配给多个像素的情况相比，该处理可以被简化。

根据本发明的另一方面，提供了一种用于转换图像数据的方法，所述方法包括：对由M个灰度(M≥3)的像素表示的输入图像数据执行预定的转换处理，将所述输入图像数据转换为由具有两个灰度且尺寸比所述像素小的子像素所表示的输出图像数据；并且输出转换后的输出图像数据，其中，所述转换处理包括：用于根据通过将预定校正值加到所述输入图像数据中所关注像素的灰度值上而获得的校正灰度值，来确定所述输出图像数据中与所述所关注像素相对应的一组子像素的填充模式的处理；以及用于计算在所述校正灰度值与由所述填充模式所表示的灰度值之间的误差，作为所述所关注像素的误差的处理，所述填充模式至少包括核心模式和增长模式，在所述核心模式中，预定数量的多个子像素被填充，且所述核心模式构成一网点的核心，在所述增长模式中，一定数量的子像素被填充，该数量与所述校正灰度值相对应，且所述增长模式增长一相邻网点，所述校正值是这样的数值：其包括通过用误差扩散系数对所述所关注像素的周边像素的误差进行加权而获得的扩散误差，以及，通过用所述误差扩散系数对在所述周边像素之中被确定为是所述核心模式的像素的误差进行加权而获得的扩散误差的至少一部分没有被包括在所述校正值中，并且其被分配给包括所述所关注像素在内的、与所述所关注像素临近的像素。

根据本发明的这个方面，在将由M个灰度(M≥3)的像素表示的输入图像数据转换为由具有两个灰度且尺寸比该像素小的子像素所表示的输出图像数据的处理中，网点易于被增长，其中，与所关注像素相对应的一组子像素的填充模式是根据所关注像素的灰度值和来自周边像素的扩散误差来确定的，并且该填充模式至少包括用于构成一网点的核心的模式以及用于增长该网点的模式。

附图说明

参照以下的附图将详细说明本发明的示例性实施例，其中：

图1是示出根据本发明的示例性实施例的图像处理器的结构的框图；

图2是示出在本发明示例性实施例中的转换处理实例的流程图；

图3是示出一个所关注像素的多个周边像素的误差实例的图；

图4是示出一个所关注像素的多个周边像素的误差扩散系数实例的图；

图5是示出一个所关注像素的多个周边像素的填充模式实例的图；

图6是示出黑色核心模式的实例的图；

图7是示出白色核心模式的实例的图；

图8是示出第一确定映射的图；

图9是示出第二确定映射的图；

图10是示出在与一个所关注像素相邻的三个参考像素中不存在黑色核心模式的情况的实例的图；

图11是示出在与一个所关注像素相邻的三个参考像素中不存在白色核心模式的情况的实例的图；

图12是示出当在所关注像素的左上方处存在黑色核心模式时，所关注像素被转换为黑色增长模式的实例的图；

图13是示出当在所关注像素的左上方处存在白色核心模式时，所关注像素被转换为白色增长模式的实例的图；以及

图14是示出在示例性实施例和对比实例中的二值化处理结果的实例的图。

具体实施方式

现在将参照附图对本发明的示例性实施例加以说明。

图1是示出根据本发明的示例性实施例的图像处理器10的结构的框图。图像处理器10将由M个灰度(M≥3)的像素所表示的输入图像数据转换为由具有两个灰度且尺寸比该像素小的子像素所表示的输出图像数据。

在一种结构中，图像处理器10可以通过硬件与软件资源的协作来实现。例如，图像处理器10的功能可以通过图像处理程序来实现，该程序记录在诸如ROM(只读存储器)之类的记录介质上，被读入主存储器中，并由CPU(中央处理单元)执行。图像处理程序可以以在诸如CD-ROM之类的记录介质上的记录形式来提供，或者可以作为数据信号通过通信来提供。在另一种结构中，图像处理器10可以单独由硬件来实现。

如图1所示，图像处理器10具有接收单元11、转换单元12和输出单元13。

接收单元11接收由M个灰度(M≥3)的像素所表示的输入图像数据的输入。更具体而言，该输入图像数据包括多个像素，每一个像素都具有拥有M个值的灰度值。该输入图像数据也被称为由多值表示的图像数据。接收单元11借助于例如RAM(随机存取存储器)，接收输入图像数据。

转换单元12对由接收单元11所接收的输入图像数据执行预定的转换处理，将该输入图像数据转换为由具有两个灰度且尺寸比该输入图像数据的像素小的子像素所表示的输出图像数据。稍后将更详细的说明上述预定转换处理。

输出单元13将由转换单元12所获得的输出图像数据输出到外部(其它装置和软件模块)。例如，输出单元13将该输出图像数据输出到RAM。

现在将说明由转换单元12执行的转换处理。

由转换单元12执行的转换处理包括：(a)填充模式确定处理，根据通过将预定校正值加到输入图像数据的所关注像素的灰度值上而获得的校正灰度值，确定输出图像数据中的与该所关注像素相对应的一组子像素的填充模式；以及(b)误差计算处理，计算在该校正灰度值与由所确定的填充模式表示的灰度值之间的误差，作为该所关注像素的误差。

接下来，将详细说明(a)填充模式确定处理。

“所关注像素”是在输入图像数据中的要被处理的像素。在输入图像数据中的像素被顺序地设定为所关注像素。例如，在像素以矩阵形式沿主要扫描方向和次要扫描方向排列的输入图像数据中，所关注像素以预定顺序沿主要扫描方向和次要扫描方向移动。

“子像素组”是与输入图像数据中的像素相对应的多个子像素的集合，例如，其是以矩阵形式排列的多个子像素。

“一组子像素的填充模式”是表示在该子像素组中的每个子像素是否要被填充的模式。填充的子像素也被称为着色的子像素、ON子像素、或黑色子像素，并且是具有例如灰度值“1”的子像素。同时，未填充的子像素也被称为未着色的子像素、OFF在像素或白色子像素，并且是具有例如灰度值“0”的子像素。在以下说明中，填充状态被称为“黑色”，未填充状态被称为“白色”。

填充模式至少包括核心模式和增长模式，在核心模式中，预定数量的多个子像素被填充，并且核心模式构成网点的核心，在增长模式中，一定数量的子像素被填充，该数量与校正灰度值相对应，并且增长模式增长相邻网点。

由于上述的核心模式构成了黑色网点的核心，因此在以下说明中，该核心模式被称为“黑色核心模式”。更具体而言，黑色核心模式是这样一种模式：在该模式中，在预定位置的预定数量的子像素被填充，其它子像素不被填充。例如可以考虑到印刷过程中的图像的再现性和颗粒性，来设定在黑色核心模式中要被填充的子像素的数量和位置。

因为上述增长模式增长相邻黑色网点，因此在以下说明中，该增长模式被称为“黑色增长模式”。更具体而言，黑色增长模式是这样一种模式：在该模式中，与校正灰度值相对应的一个或多个子像素被填充，其它子像素不被填充，从而使得相邻黑色网点的尺寸被增大。

从在低浓度区域中执行较好的处理的观点来看，填充模式可以包括全白色模式，在该模式中没有子像素被填充。

从在高浓度区域中执行较好的处理的观点来看，填充模式可以包括用于构成白色网点的核心的白色核心模式，以及用于增大该白色网点的白色增长模式。白色核心模式是这样一种模式：在该模式中，预定数量的多个子像素不被填充。更具体而言，白色核心模式是这样一种模式：在该模式中，在预定位置的预定数量的子像素不被填充，而其它子像素被填充。白色增长模式是这样一种模式：在该模式中，一定数量的子像素不被填充，该数量与校正灰度值相对应。更具体而言，白色增长模式是这样一种模式：在该模式中，与校正灰度值相对应的一个或多个子像素不被填充，而其它子像素被填充，从而使得相邻白色网点的尺寸被增大。

从在高浓度区域中执行较好的处理的观点来看，填充模式可以包括全黑色模式，在该模式中所有子像素都被填充。

黑色核心模式的黑色子像素与黑色增长模式的黑色子像素的集合构成了黑色网点，白色核心模式的白色子像素与白色增长模式的白色子像素的集合构成了白色网点。这个集合有时被称为“群集”。

“校正值”是这样的值：其包括通过用误差扩散系数对在所关注像素周边的像素(在下文中称为“周边像素”)的误差进行加权而获得的扩散误差。在此，误差扩散系数是基于在该所关注像素与该周边像素之间的相对位置而设定的系数，在一个结构中，误差扩散系数被设定为使得权重随着该周边像素的相对位置更为接近该所关注像素而增大。例如，可以考虑到图像的再现性等来适当地确定误差扩散系数，因此，误差扩散系数可以是在相关技术的误差扩散处理中所使用的系数或者是新设定的系数。

如果N个(N≥1)周边像素P_n(n＝1，2，…N)的误差是E_n(n＝1，2，…N)，且与周边像素P_n相对应的误差扩散系数是D_n(n＝1，2，…N)，则，一种误差扩散方法是简单的将周边像素的误差的加权总和设定为校正值A’，如以下的等式(1)所示。

$A^{\′}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{D}_n\·E_n\·\·\·\left(1\right)$

然而在上述方法中，被确定为是黑色核心模式的像素的具有相对较大绝对值的负误差，会阻止在低浓度区域中的黑色网点的增长。

与上述方法相比，在该示例性实施例中，从更易于增长黑色网点的观点来看，即从促进黑色网点的增长的观点来看，通过用误差扩散系数对被确定为是黑色核心模式的像素的误差进行加权而获得的扩散误差的至少一部分没有被包括在所述校正值中。

在一个结构中，从简化该处理的观点来看，通过用误差扩散系数对被确定为是黑色核心模式的像素的误差进行加权而获得的扩散误差全部都不包括在所述校正值中。根据该结构，例如，所述校正值是通过用误差扩散系数对除被确定为是黑色核心模式的像素之外的多个周边像素的误差进行加权而获得的扩散误差的总和。

在另一个结构中，通过用误差扩散系数对被确定为黑色核心模式的像素的误差进行加权而获得的扩散误差的预定部分被包括在校正值中，而剩余部分没有被包括在校正值中。该预定部分是，例如，与预定比率相对应的量。在该结构中，所述校正值是，例如，通过用误差扩散系数对除被确定为是黑色核心模式的像素之外的周边像素的误差进行加权而获得的扩散误差的总和与通过用误差扩散系数对被确定为是黑色核心模式的像素的误差进行加权而获得的扩散误差的预定部分的总和之和。

在该示例性实施例中，校正值A由例如以下等式(2)来表示。在等式(2)中，F_n(n＝1，2，…N)是与周边像素P_n(n＝1，2，…N)相对应的系数。对于被确定为是除黑色核心模式之外的填充模式的像素，F_n是“1”，对于被确定为是黑色核心模式的像素，是“0”或“小于1的正数”。

$A^{\′}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{F}_n\·D_n\·E_n\·\·\·\left(2\right)$

在该示例性实施例中，从在整个图像上保持浓度的观点来看，在通过用误差扩散系数对被确定为是黑色核心模式的像素的误差进行加权而获得的扩散误差之中，没有被包括在校正值中的扩散误差被分配给与所关注像素临近的像素，包括所关注像素。

在本发明的一个结构中，从简化处理的观点来看，没有被包括在所述校正值中的扩散误差只被分配给所关注像素。在这个结构中，例如，没有被包括在所述校正值中的扩散误差被叠加到所关注像素的误差上。换句话说，没有被包括在所述校正值中的扩散误差被加到在所关注像素的校正灰度值与由确定的填充模式表示的灰度值之间的误差上，如此获得的误差被设定为所关注像素的误差。

可替换的，没有被包括在所述校正值中的扩散误差可以被分配给除所关注像素之外的一个或多个临近像素，或者可以被分配给所关注像素及除所关注像素之外的一个或多个临近像素。在此，除所关注像素之外的临近像素是未处理的像素。

当没有被包括在所述校正值中的扩散误差要被分配给除所关注像素之外的临近像素时，没有被包括在所述校正值中的扩散误差例如可以被附属作为被分配了扩散误差的像素的误差，即在误差扩散处理中扩散到像素的周边像素的误差，或者其可以被加到分配了扩散误差的像素的灰度值上。

分配了扩散误差的所关注像素的临近范围是这样的范围：在该范围中，与所有扩散误差都被包括在所述校正值中的情况相比，可以获得网点更易于增长的优势，更具体而言，其在考虑到图像质量等的情况下可以更适当的被确定。在一个实例结构中，除所关注像素之外的临近像素是与所关注像素相邻的像素。

可替换的，不包括通过用误差扩散系数对被确定为是黑色核心模式的像素的误差进行加权而获得的扩散误差的至少一部分，且将扩散误差的该部分分配给包括所关注像素在内的与所关注像素临近的像素的处理，可以仅用于与低浓度区域相对应的预定灰度区域中，而不用于其它灰度区域中。换句话说，对于除低浓度区域之外的区域，通过用误差扩散系数对被确定为是黑色核心模式的像素的误差进行加权而获得的全部扩散误差可以被包括在所述校正值中。即，周边像素的误差的加权总和可以简单地设定为如上述等式(1)所述的校正值。

所述校正值可以包括除扩散误差之外的值，并且可以是例如通过将随机数加到基于扩散误差的一个数值上而获得的值。

图2是示出在示例性实施例中的转换处理实例的流程图。现在将参照图2说明转换处理的一个实例。

在图2中，在步骤S1，转换单元12获得输入图像数据中所关注像素的灰度值Cin。在所示出的结构中，输入图像数据具有256个灰度，且灰度值大于或等于0并小于或等于255。

在步骤S2，转换单元12计算校正值A。在该实例结构中，如下计算校正值A。

如图1所示，图像处理器10具有误差存储单元21，其存储每个像素的误差；扩散系数存储单元22，其存储误差扩散系数；以及填充模式存储单元23，其存储与每个像素相对应的填充模式。例如，误差存储单元21和填充模式存储单元23是行存储器(line memory)。

转换单元12计算通过将除被确定为是黑色核心模式的像素之外的周边像素的误差乘以误差扩散系数而获得的扩散误差的总和，作为校正值A，其中，所述误差扩散系数是基于存储在存储单元21-23中的值的。

例如，当所关注像素P的多个周边像素的误差如图3中所示，所关注像素P的多个周边像素的误差扩散系数如图4中所示，所关注像素P的多个周边像素的填充模式如图5中所示时，如下来计算校正值A。在图5中，值“0”表示黑色核心填充模式，值“1”表示除黑色核心模式之外的填充模式。A＝10×2/64+2×3/64+2×3/64+20×3/64+30×6/64+5×12/64+10×6/64+10×3/64+10×6/64≈7.5

再次参照图2，在步骤S3，基于通过将校正值A加到所关注像素的灰度值Cin上而获得的校正灰度值Ca(＝Cin+A)，转换单元12确定与所关注像素相对应的一组子像素的填充模式。

在示例性实施例中，填充模式被确定为全白色模式、全黑色模式、黑色核心模式、白色核心模式、黑色增长模式和白色增长模式中的一种。与输入图像数据的某个像素相对应的子像素组是4×4矩阵形式的一组子像素。如图6所示，黑色核心模式是在子像素组中右下角的8个子像素被填充的模式。如图7所示，白色核心模式在子像素组中右下角的8个子像素没有被填充的模式。

另外，在该示例性实施例中，以下面基于图8所示的第一确定映射和图9所示的第二确定映射所述的方式来确定填充模式。在以下说明中，与所关注像素相邻的并在所关注像素左、上和左上方的被处理的像素将被称为“参考像素”。

如图10所示，当在与所关注像素P相邻的三个参考像素中不存在黑色核心模式，且所关注像素P的校正灰度值Ca大于或等于下阈值Th1_Low并小于中心阈值Th_Center时，填充模式被确定为是黑色核心模式。

如图10所示，当在与所关注像素相邻的三个参考像素中不存在黑色核心模式，且校正灰度值Ca小于下阈值Th1_Low时，填充模式被确定为是全白色模式。

如图11所示，当在与所关注像素P相邻的三个参考像素中不存在白色核心模式，且所关注像素P的校正灰度值Ca大于或等于中心阈值Th_Center并小于上阈值Th1Hi_High时，填充模式被确定为是白色核心模式。

如图11所示，当在与所关注像素P相邻的三个参考像素中不存在白色核心模式，且校正灰度值Ca大于或等于上阈值Th1_High时，填充模式被确定为是全黑色模式。

当在与所关注像素P相邻的三个参考像素中的任何一个中存在黑色核心模式，且所关注像素P的校正灰度值Ca小于中心阈值Th_Center时，填充模式被确定为是黑色增长模式。要被填充的黑色子像素的数量根据图9的第二确定映射并基于校正灰度值Ca来确定，并且其随着校正灰度值Ca的增大而增大。图12示出了一个实例，其中当在所关注像素P的左上方存在黑色核心模式时，所关注像素P被转换为黑色增长模式。

当在与所关注像素P相邻的三个参考像素中的任何一个中存在白色核心模式，且所关注像素P的校正灰度值Ca大于或等于中心阈值Th_Center时，填充模式被确定为是白色增长模式。不被填充的白色子像素的数量根据图9的第二确定映射并基于校正灰度值Ca来确定，并且其随着校正灰度值Ca的减小而增大。图13示出了一个实例，其中当在所关注像素P的左上方存在白色核心模式时，所关注像素P被转换为白色增长模式。

再次参照图2，在步骤S4，转换单元12通过用所关注像素的校正灰度值Ca减去由所关注像素的填充模式所表示的灰度值，计算所关注像素的误差E0。更具体而言，由填充模式所表示的灰度值是基于黑色子像素与全组子像素的面积的比值的灰度值。

在图3-5所示的结构中，如果采用所关注像素P的填充模式进行填充的数量是k(0≤k≤16)，则所关注像素的误差E0就为E0＝Ca-16×k≈(7.5+Cin)-16×k。

于是，在步骤S5，转换单元12将在步骤S4所获得的所关注像素的误差E0上，叠加通过用误差扩散系数对被确定为是黑色核心模式的所关注像素的周边像素的误差进行加权而获得的扩散误差。

更具体而言，转换单元12通过将被确定为是黑色核心模式的所关注像素的周边像素的误差乘以误差扩散系数而根据存储在存储单元21-23中的值确定扩散误差的总和，并将上述扩散误差总和加到所关注像素的误差E0上，从而计算所关注像素的误差E。转换单元12在误差存储单元21中存储所关注像素的误差E。

在图3-5所示的结构中，所关注像素的误差E是E＝E0+(-30×6/64-20×2/64-40×12/64)≈(7.5+Cin)-16×k+(-10.9)。

于是，在步骤S6，转换单元12在填充模式存储单元23中存储表明在步骤S3确定的填充模式的信息。更具体而言，当在步骤S3中填充模式被确定为是黑色核心模式时，转换单元12存储数值“0”，否则就存储数值“1”。

接下来，在步骤S7，转换单元12移动所关注像素，并将处理返回到步骤S1。

作为对比实例，在图3和4的实例中，当周边像素的误差加权总和被简单地设定为如等式(1)的校正值时，将按如下来计算校正值A’。A’＝10×2/64+2×3/64-30×6/64+2×3/64-20×2/64+20×3/64+30×6/64+5×12/64+10×6/64+10×3/64+10×6/64-40×12/64≈-3.4。

基于校正灰度值Ca’(＝Cin+A’)来确定填充模式。当采用所关注像素的填充模式进行填充的数量是k’(0≤k’≤16)时，所关注像素的误差E’为E’＝Ca’-16×k’≈(-3.4+Cin)-16×k’。

当借助于根据参照图2所述的示例性实施例的图像转换处理，将表示灰度图像(gradation image)的多值输入图像数据进行二值化时，获得在图14右侧所示的输出图像数据，其中，在所述灰度图像中浓度逐渐由0％变为50％。

与此相反，当借助于上述对比实例的图像转换处理，将表示灰度图像的多值输入图像数据进行二值化时，获得在图14左侧所示的输出图像数据。

在图14中，与依据在左侧所示的对比实例的图像相比较，由于通过黑色核心模式而被加到黑色网点的核心上的黑色增长模式，使得根据在右侧所示的示例性实施例的图像具有更大数量的黑色子像素，导致了较大的黑色网点和黑色网点的较低的密度。

根据上述示例性实施例，可以获得以下的优势。

在该示例性实施例中，因为通过用误差扩散系数对在所关注像素的周边像素之中被确定为是核心模式的像素的误差进行加权而获得的扩散误差的至少一部分没有被包括在校正值中，因此易于增长该网点。换句话说，根据该示例性实施例，能够促进网点的增长并能够扩大网点的尺寸。采用此结构，例如，能够改进印刷过程中的图像再现性。

更具体而言，当周边像素的误差的加权总和被简单地设定为校正值时，被确定为是核心模式的像素的负误差很大程度上影响所关注像素的校正灰度值，并会阻止增长模式造成的该网点的增长，尤其在低浓度区域中。在该示例性实施例中，另一方面，因为由于被确定为是核心模式的像素的误差而得到的扩散误差的至少一部分没有被包括在校正值中，因此能够促进网点的增长。

在电子摄影中，由于感光材料的MTF(调制传递函数)中的和在包括曝光、显影、转印和定影在内的各种处理中的空间频率响应降低，对于在其中散布着小网点的图像而言难以获得较好的再现性，因此，希望网点的尺寸大到一定程度。另一方面，由于随着核心模式造成的网点的核心尺寸被增大，颗粒性被减小，就希望通过促进网点的增长来增大网点的尺寸。因此，在一个结构中，根据该示例性实施例的图像处理被用于改善再现性，且不会降低电子摄影中的颗粒性。

在该示例性实施例中，由于没有被包括在校正值中的扩散误差被分配给包括所关注像素在内的与所关注像素临近的像素，输入图像数据的灰度在输出图像数据中基本上被保持。更具体而言，可以减小或避免在整个图像的浓度中的扰动，其是由于扩散误差的至少一部分没有被包括在校正值中而出现的。

为了解释和说明的目的提供了本发明的示例性实施例的前述说明。但并不是想要详尽无遗漏的或将本发明限于所公开的准确形式。显然，对于本领域技术人员来说，明显存在许多修改和变化。选择并说明这些实施例，以便于最好的解释本发明的原理及其实际应用，从而使本领域其它技术人员能够针对适于预期特定用途的各种实施例连同各种修改来理解本发明。其意图是本发明的范围由附带的权利要求及其等价物来规定。

Claims (4)

1、一种图像处理器，包括：

转换单元，其对由M个灰度(M≥3)的像素表示的输入图像数据执行预定的转换处理，将所述输入图像数据转换为由具有两个灰度且尺寸比所述像素小的子像素所表示的输出图像数据；以及

输出单元，其输出借助于所述转换单元而获得的所述输出图像数据，其中

所述转换处理包括：

用于根据通过将预定校正值加到所述输入图像数据中所关注像素的灰度值上而获得的校正灰度值，来确定所述输出图像数据中与所述所关注像素相对应的一组子像素的填充模式的处理；以及

用于计算在所述校正灰度值与由所述填充模式所表示的灰度值之间的误差，作为所述所关注像素的误差的处理，

所述填充模式至少包括核心模式和增长模式，在所述核心模式中，预定数量的多个子像素被填充，且所述核心模式构成一网点的核心，在所述增长模式中，一定数量的子像素被填充，该数量与所述校正灰度值相对应，且所述增长模式增长一相邻网点，

所述校正值是这样的数值：其包括通过用误差扩散系数对所述所关注像素的周边像素的误差进行加权而获得的扩散误差，并且

通过用所述误差扩散系数对在所述周边像素之中被确定为是所述核心模式的像素的误差进行加权而获得的扩散误差的至少一部分没有被包括在所述校正值中，并且其被分配给包括所述所关注像素在内的、与所述所关注像素临近的像素。

2、根据权利要求1的图像处理器，其中

通过用所述误差扩散系数对被确定为是所述核心模式的像素的误差进行加权而获得的扩散误差全部都不包括在所述校正值中，且所有所述扩散误差全部被分配给包括所述所关注像素在内的、与所述所关注像素临近的像素。

3、根据权利要求1或2的图像处理器，其中

通过用所述误差扩散系数对被确定为是所述核心模式的像素的误差进行加权而获得的扩散误差的至少一部分，被单独分配给所述所关注像素。

4、一种用于转换图像数据的方法，所述方法包括：

对由M个灰度(M≥3)的像素表示的输入图像数据执行预定的转换处理，将所述输入图像数据转换为由具有两个灰度且尺寸比所述像素小的子像素所表示的输出图像数据；并且

输出转换后的输出图像数据，其中

所述转换处理包括：

用于根据通过将预定校正值加到所述输入图像数据中所关注像素的灰度值上而获得的校正灰度值，来确定所述输出图像数据中与所述所关注像素相对应的一组子像素的填充模式的处理；以及

用于计算在所述校正灰度值与由所述填充模式所表示的灰度值之间的误差，作为所述所关注像素的误差的处理，

所述填充模式至少包括核心模式和增长模式，在所述核心模式中，预定数量的多个子像素被填充，且所述核心模式构成一网点的核心，在所述增长模式中，一定数量的子像素被填充，该数量与所述校正灰度值相对应，且所述增长模式增长一相邻网点，

所述校正值是这样的数值：其包括通过用误差扩散系数对所述所关注像素的周边像素的误差进行加权而获得的扩散误差，并且

通过用所述误差扩散系数对在所述周边像素之中被确定为是所述核心模式的像素的误差进行加权而获得的扩散误差的至少一部分没有被包括在所述校正值中，并且其被分配给包括所述所关注像素在内的、与所述所关注像素临近的像素。

Images