CN101404713B - 图像处理设备、图像记录设备及图像处理方法 - Google Patents

Abstract

本发明提供一种图像处理设备、图像记录设备、程序、及记录介质。该图像处理设备，通过使用多级误差扩散方法和多级平均误差最小方法之一，来把M灰度级的多级图像数据量化为N级的图像数据，其中M＞N＞2，以通过使用与在N级图像数据中包含的各个像素相对应的点来形成图像，所述图像处理设备包括各种图像处理单元，用来基于目标像素的邻接像素的误差值来求出校正值，存储邻接像素的量化状态以设定阈值，比较阈值和校正值以确定N级图像数据，对随着N级图像数据的生成所生成的误差加权并向目标像素的邻接像素扩散。图像处理设备还包括用来执行N级处理的N级处理单元、及配置为按照点类型来执行2值化处理的2值化处理单元，以及所述图像处理设备使用权重矩阵。

Description

图像处理设备、图像记录设备及图像处理方法

技术领域

本发明涉及一种用于以高清晰度且高灰度来对多级图像数据进行打印处理的图像处理设备、图像记录设备(图像形成设备)、程序、及记录介质。 

背景技术

存在把由扫描器及数字照相机等等的输入设备读取的多级图像数据输出至打印机及显示器等等的输出设备的图像输入输出系统。此情况下，存在作为模拟地表现连续灰度的方法的伪中间灰度处理，即把由输入设备读取的多级(例如，8比特精度情况下为256灰度)的图像数据转换为输出设备能够输出的灰度级的图像数据。 

其中，在输出设备只能够表现点的仅仅显现/消去2值的情况下，按照以往的方式进行2值化处理。存在此2值化处理的过程中在解像性和灰度性方面均优异的误差扩散方法及平均误差最小方法。误差扩散方法及平均误差最小方法仅仅在何时执行误差的扩散操作方面不同，理论上是等价的。下面说明误差扩散方法。 

然而，误差扩散方法和平均误差最小方法在能否以像素为单位切换误差矩阵方面不同。按照专利文件6的记载，误差扩散方法的情况下，由于使某像素量化的误差扩散，因此即使以像素为单位切换误差矩阵，在某像素所参照的量化误差的合计不从1改变，因此能够自由地切换。与之相对，平均误差最小方法的情况下，由于参照周边像素的量化误差，因此在图像的量化过程中，中途切换误差矩阵，则取决于像素的所参照的量化误差的合计为0.95或1.21那样不为1的情况会发生，因此在图像整体不能进行灰度级保存。 

存在按照误差扩散方法而进行的量化不仅适用于2值的灰度级而且能够适用于3值以上的灰度级的处理。与2值化相同，能够是在灰度性和解像性方 面优异的处理。 

然而，电子照片处理的情况下，从感光体的MTF(Modulation TransferFunction：调制传递函数)开始，曝光、显影、转印、定影等各个处理中空间频率响应劣化，因而造成即使在输入存在孤立点的图像构造作为记录信号的情况下，再现性散乱，不能进行充分的灰度再现。特别是，在能够进行3值(大、小点)、4值(大、中、小点)的多级写入的电子照相处理中，极难在从低灰度级区域到中灰度级区域保持小点的孤立点的再现性。 

而且，误差扩散方法的情况下，输出点时，通过把量化误差向周边像素扩散，能够相应于浓度来进行点分散的中间色调处理。从而，在从低灰度级区域到中灰度级区域，生成很多孤立点。而且，单纯3值误差扩散通过小点和点消去(dot-off)执行灰度表现，在由小点填满之后，通过小点和大点执行灰度表现。在电子照片的情况下，不希望如此多地使用再现性差的小点。 

电子照片中，如果要求稳定性，则希望2值写入，然而，通过把2值变为3值、4值来改善纹理。而且，2值误差扩散所造成的1点和3值、4值误差扩散所造成的大点同一，然而，所知的是，如果使3值、4值误差扩散的大点与小、中点邻接来形成集群，则2值误差扩散的1点也不会造成孤立，因此稳定。 

如此，在电子照相处理中，即使执行3值、4值等等的多级写入，也能够获得再现性良好的灰度处理。有如下所述的作为致力于这样的课题的技术。 

[专利文件1]特开2001-177722号公报 

[专利文件2]特许第3480924号公报 

[专利文件3]特开2000-99718号公报 

[专利文件4]特开2004-112198号公报 

[专利文件5]特开2005-198067号公报 

[专利文件6]特许第3240803号公报 

发明内容

本发明要解决的技术问题 

针对上述问题，在专利文件1中，公开了如下技术，把点集中型的抖动噪声重叠在阈值，通过误差扩散而量化的各个点按照重叠在阈值的点集中型 的抖动的方式来聚集。然而，由于在对比文件1的情况下，不必然保证不会生成小点，因而造成取决于图像种类而生成不稳定的点图案的问题。 

而且，在专利文件2中，公开了m级的多灰度图像的输入数据通过误差扩散方法而量化为n级(3≤n＜m)的图像形成方法，即，前述的输入数据在预定级别以上时，把多个阈值的间隔变窄，小点的发生概率变低。在专利文件2中，在高灰度级区域，不使用小点，得到与2值误差扩散相同的图像，成为稳定的图像。然而，由于在低灰度级区域，孤立小点来使用，因而是不希望的。 

专利文件3至5的方法是参照目标像素周边的量化状态来判断是否成为稳定的点图案。 

专利文件3公开了在变得不稳定的小点与主扫描方向邻接的情况下，把目标像素位置的输出值变更到小点以外的点的误差扩散。如果采用专利文件3，则能够抑制变得不稳定的像素在主扫描方向连续并使用，然而，由于在低灰度级区域，不保证小点不孤立，因此，在采用电子照相的情况下，存在成为不稳定图像的可能性。 

专利文件4公开的抑制了误差扩散的方法是，在多级误差扩散中，小点在主扫描方向中只在夹在点消去之间的状态下被输出。如果采用专利文件4，由于小点在主扫描方向中在夹在点消去之间的状态下在不能表现的灰度级的灰度下小点变得不能出现，因此，在中高灰度级区域，成为稳定的图像。然而，在低灰度级区域中，小点必然在主扫描方向中变得孤立，从低灰度级区域到中灰度级区域，在副扫描方向，仅仅在小点邻接的情况下稳定，生成不适合电子照片的点图案。 

在专利文件5中，公开了通过与目标像素附近的量化状态相应地设定阈值来使点容易形成集群的技术。如果采用专利文件5，则在2值误差扩散的中高灰度级区域，点容易聚集，形成稳定的图像。然而，在专利文件5用于3值、4值误差扩散的情况下，在低灰度级区域中由小点形成集群，在由小点填满之后使用中点，在低灰度级区域形成非常不稳定的图像。 

因此，在电子照片处理中，即使执行3值、4值等等的多级写入，仍然能够获得再现性良好的灰度处理，然而存在很多使用电子照片那样的绘制器的 情况、以及在低灰度级区域中不适合的情况等等。 

鉴于所涉及的问题点而作出本发明，本发明提供一种能够解决在可以进行多级输出的电子照片中产生的再现性的由不希望的点造成的图像质量劣化问题的图像处理设备、图像记录设备、程序、及记录介质。 

解决技术问题所采用的技术手段 

本发明中，在多级误差扩散中，通过与目标像素附近的量化数据相应地控制阈值群，来控制点的易生度，因而，再现性的所不希望的点也可以稳定并使用。由此，使图像质量劣化不显著，输出良好图像质量的输出图像结果。而且，与大点相比，更使小点与大点邻接来使用。而且，与大点相比，更使小点在从高亮部分到中灰度级区域与大点邻接来使用。 

本发明的技术效果 

根据本发明，在多级误差扩散中，通过与目标像素附近的量化数据相应地控制阈值群，来控制点的易生度，因此，再现性的所不希望的点也可以稳定并使用，使图像质量劣化不显著，能够获得良好图像质量的输出图像结果。 

而且，与目标像素的图像数据相应地得到的历史系数在低灰度级区域为高值，在高灰度级区域为低值，由于容易控制点的易聚集度，因此能够获得良好图像质量的输出图像结果。 

而且，与目标像素的图像数据相应地得到的可变阈值在中低灰度级区域分开为N-1个阈值，随着成为高灰度级区域，N-1个阈值变为接近的值，由于在高灰度级区域N-1个阈值为同一值，因此，在高灰度级区域获得与2值误差扩散同等的图像质量稳定性。 

附图说明

对本公开及其许多伴生的优点的更完整的领会，在当与附图相关联地考虑时参照随后的示例性实施例的详细描述将变得更好理解的情况下，将容易地获得，其中： 

图1示出采用本发明的图像处理设备所构成的图像输入输出系统的结 构； 

图2示出应用了本发明的图像记录设备的结构； 

图3示出激光光学系统单元的结构例子； 

图4示出采用PWM信号所再现的大点和小点。 

图5示出本发明的实施例1的图像处理设备的结构； 

图6示出误差扩散系统的例子； 

图7示出本发明的实施例2的图像处理设备的结构； 

图8示出与输入值相应的第一、第二可变阈值； 

图9示出本发明的实施例3的图像处理设备的结构； 

图10示出参照系数的例子； 

图11示出本发明的实施例4的图像处理设备的结构； 

图12示出与输入值相应的历史系数； 

图13示出本发明的实施例5的图像处理设备的结构； 

图14示出用于本发明的实施例的多级误差扩散处理的扩散系数的一个例子； 

图15示出用于本发明的实施例的多级误差扩散处理的扩散系数的一个例子； 

图16示出用于本发明的实施例的多级误差扩散处理的扩散系数的一个例子； 

图17是本发明的实施例8的图像处理设备的框图；以及 

图18是本发明的实施例9的图像处理设备的框图。 

附图意图描绘本公开的示例性实施例，不应当被理解为限制其范围。除非有明确说明，否则附图不应被考虑为按比例绘制。 

具体实施方式

在描述图中图示的示例性实施例的过程中，出于清楚说明的缘故而采用特定的术语。然而，本专利说明书的公开不意图限制于如此选择的特定术语，应当理解，每个具体元件包括以类似方式操作并实现类似结果的所有技术上的等同物。 

下面，按照附图详细说明本发明的实施方式。 

实施例1： 

图1示出采用本发明的图像处理设备所构成的图像输入输出系统10的结构。图2示出应用了本发明的图像记录设备3的结构。图5示出本发明的实施例1的图像处理设备的结构。在图1中，图像输入设备1示出扫描器及数字照相机等等的输入器件，关于输入图像，例如，在8比特精度情况下，作为256灰度的图像数据而被读入。此多级图像数据输入到本发明的图像处理设备2。 

在图像处理设备2中，针对从图像输入设备1输入的256灰度的图像数据，执行将其转换为后段的图像记录设备(图像输出设备)3能够输出的灰度级的处理。在此灰度级转换处理中，还可以使用多级误差扩散及多级平均误差最小方法。由图像处理设备2量化的图像数据传送至图2所示的图像记录设备(图像形成设备、图像输出设备)3。而且，图像记录设备3即使在采用喷墨方式及凹版印刷等等来进行图像记录(图像形成)等等的情况下也能够应用本发明的处理方法。 

在图2中，形成图像所应当用的纸设置在本体托盘11或手动进纸托盘12中，用纸的搬送利用进纸辊13从托盘11或12开始。在进纸辊13进行用纸的搬送之前，感光体(感光体鼓)14旋转，感光体14的表面由清洁刮片15清洁，然后，由充电辊16一致地充电。在此，来自激光光学系统单元17的根据图像信号来调制的激光被曝光，由显影辊18显影，附着调色剂，取此定时，从进纸辊13进行用纸的进纸。从进纸辊13进纸的用纸夹在感光体鼓14和转印辊19之间来被搬送，与此同时，调色剂图像转印到用纸。转印后剩余在感光体14上的调色剂再次利用清洁刮片15刮掉。在清洁刮片15之前，设置调色剂灰度级传感器20，能够由调色剂浓度传感器20来测定在感光体14上形成的调色剂图像的浓度。而且，承载有调色剂图像的用纸按照搬送路径，搬送至定影单元21，在定影单元21中调色剂图像定影在用纸上。所打印的用纸最后经由排纸辊22，记录面在下方，按照页顺序排出。 

然而，在激光光学系统单元17中，视频控制部分24和LD驱动电路25连接，关于视频控制部分24，其控制来自个人计算机及工作站的图像信号等等，或者，生成在内部保持的评价图表(测试图案)信号等等。而且，显影辊18中， 由偏压电路23施加高偏置电压，通过在偏压电路23中控制偏压，来控制图像整体的浓度。 

图3示出激光光学系统单元的结构例子，示出图2的激光光学系统单元和作为被写入出射光束的潜像承载体的感光体鼓之间的位置关系的一个例子。 

在图3中，31和32是激光二极管(半导体激光器)，33和34是准直透镜，35是用于光路合成的光学材料，36是1/4波长板，37和38是光束整形光学系统。这些从31至38的光学元素构成激光光源部分(光束光源)Sou。从激光光源部分Sou出射的2束光束P1通过准直透镜33、34而成为平行光束，引导至构成扫描光学系统的一部分的多面镜39，利用多面镜39的各个面40a至40f而反射偏转至主扫描方向Q1。 

反射偏转的光束引导至构成fθ光学系统的一部分的反射镜41、42，由反射镜42反射偏转的光束穿过fθ光学系统43引导至倾斜设置的反射镜44，由该倾斜设置的反射镜44引导至作为潜像承载体的感光体鼓14的表面14a。感光体鼓14的表面14a被它的光束P1在主扫描方向Q1线性扫描。该表面14a是光束P1的被扫描面，该被扫描面被执行写入。 

激光光学系统单元17中，在反射镜44的较长的方向的两侧(光束的主扫描方向Q1)设置同步传感器45、46。同步传感器45用于确定写入开始定时，同步传感器46用于确定写入终止定时。 

此时，图1所示的图像输出设备(图像记录设备)3采用如图4所示的PWM(脉冲宽度调制)信号，通过使脉冲占空比可变，来再现大点和小点，把大点、小点的灰度级分别设置为255和128。 

而且，图1的系统10的结构中，相应于处理来作为独立部分分别示出各个设备，不限于此，还可以有图像处理设备2的功能存在于图像输入设备1中的形式、或者存在于图像输出设备3中的形式等等。 

图5示出图1所示的图像处理设备2的结构。输入端子101被从图像输入设备1输入多级图像数据。由此，为了表示2维图像数据，表示为In(x，y)(x表示图像的主扫描方向的地址，y表示副扫描方向的地址)。 

然后，此输入数据In(x，y)输入至加法器102。加法器102把输入数据In(x，y)和从误差存储器106输入的误差成份E(x，y)相加，计算校正数据 C(x，y)，把校正数据C(x，y)输出至比较判断部分103和减法器105。 

比较判断部分103基于从加法器102输入的校正数据C(x，y)和从阈值设定部分108输入的阈值群T(x，y)按照下述(1)来确定输出值Out(x，y)。阈值群T(x，y)是包含第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群，第一阈值T1(x，y)是进行点消去和小点的输出判断的阈值，第二阈值T2(x，y)是进行小点和大点的输出判断的阈值。 

If(C(x，y)＜T1) 

   then Out(x，y)＝0 

Else If(C(x，y)＜T2) 

   then Out(x，y)＝128 

Else 

   then Out(x，y)＝255    (1) 

此Out(x，y)从输出端子104向图像记录设备3输出。 

而且，输出值Out(x，y)输入到量化存储器109和减法器105。减法器105根据校正数据C(x，y)和输出值Out(x，y)按照下式(2)来进行减法运算，计算出在该像素所产生的误差e(x，y)。 

e(x，y)＝C(x，y)-Out(x，y)   (2) 

下面，误差扩散部分107基于预先设定的扩散系数来分配误差e(x，y)并将其加到在误差存储器106中存储的误差E(x，y)中。由此，例如，在使用图6所示的系数来作为扩散系数的情况下，误差扩散部分107按照下面的(3)至(6)来执行处理。 

E(x+1，y)＝E(x+1，y)+e(x，y)×7/16       (3) 

E(x-1，y+1)＝E(x-1，y+1)+e(x，y)×5/16   (4) 

E(x，y+1)＝E(x，y+1)+e(x，y)×3/16       (5) 

E(x+1，y+1)＝E(x+1，y+1)+e(x，y)×1/16   (6) 

而且，量化存储器109针对存储的输出值进行操作，把汇总了目标像素周边的多个量化状态的量化群q(x，y)输出至阈值设定部分108。由此，量化存储器109把与目标像素(x，y)邻接的像素(x-1，y)和(x，y-1)这两个像素的输出值Out(x-1，y)和Out(x，y-1)作为量化群q(x，y)来输出。 

阈值设定部分108使用从量化存储器109输入的量化群q(x，y)即像素(x-1，y)和(x，y-1)这两个像素的输出值Out(x-1，y)和Out(x，y-1)，如下面(7)所示来设定包含目标像素位置的第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群T(x，y)，把阈值群T(x，y)输出至比较判断部分103。 

If(Out(x-1，y)＝255) 

   then T1(x，y)＝64， 

     T2(x，y)＝127 

Else If(Out(x，y-1)＝255) 

  then T1(x，y)＝64， 

    T2(x，y)＝127 

Else     

  then T1(x，y)＝127， 

    T2(x，y)＝127  (7) 

如上所示，根据图5的结构，进行图像处理部分中的多级误差扩散处理。 

下面说明这样的处理有效果的原因。如式(7)所示，第一阈值T1(x，y)根据与目标像素邻接的像素的输出值Out(x-1，y)和Out(x，y-1)因而T1(x，y)＝64或127有所不同。在与目标像素邻接的两个像素中，在两个像素的输出值不是大点的情况下，第一阈值T1(x，y)和第二阈值T2(x，y)为同一值(127)，与2值误差扩散相同的是，仅仅输出点消去或大点，不输出孤立的小点。而且，与目标像素邻接的两个像素中，至少一个输出值为255，即，仅仅在大点的情况下，第一阈值T1(x，y)成为与第二阈值T2(x，y)不同的值。此时，在邻接像素中，由于输出大点，因此由于负的误差的传播，点变得难以输出，然而，如果累积了充分的误差，则能够输出小点。虽然在低灰度级区域困难，但是在从中灰度级区域到高灰度级区域，能够使小点与大点相邻接并输出。 

关于阈值设定部分108，使用与目标像素邻接的像素的输出值Out(x-1，y)和Out(x，y-1)，然而，可以与输出器的稳定性相应地改变设定。具体地，在不仅仅使得在主副扫描方向邻接而且使得在右倾斜、左倾斜方向也连续的稳定的输出器的情况下，也可以参照目标像素的右上、左上的输出值 Out(x+1，y-1)和Out(x-1，y-1)来变更。 

本实施例的情况下，虽然以3值误差扩散来说明，然而4值误差扩散也可以。第一阈值T1(x，y)是进行点消去和小点的输出判断的阈值，第二阈值T2(x，y)是进行小点和中点的输出判断的阈值，第三阈值T3(x，y)是进行中点和大点的输出判断的阈值，以此作为4值误差扩散中使用的3个阈值。如果把式(7)按照以下所示来修改，则关于目标像素附近的输出值，在任何像素中未输出大点的情况下，成为2值误差扩散，3个阈值全部相同，在附近像素中输出大点的情况下，3个阈值可以是不同的值。 

If(Out(x-1，y)＝255) 

  then T1(x，y)＝43， 

    T2(x，y)＝128， 

    T3(x，y)＝213 

Else If(Out(x，y-1)＝255) 

  then T1(x，y)＝43， 

    T2(x，y)＝128， 

    T3(x，y)＝213 

Else 

  then T1(x，y)＝127， 

    T2(x，y)＝127， 

    T3(x，y)＝127 

通过如此参照目标像素附近的量化状态来设定阈值，所谓小点、中点的比大点小的点与大点邻接来输出，在中高灰度级区域中，能够改善纹理且得到再现性好的图像。 

实施例2： 

图7示出本发明的实施例2的图像处理设备的结构。 

输入端子201被从图像输入设备1输入多级图像数据。由此，为了表示2维图像数据，表示为In(x，y)(x表示图像的主扫描方向的地址，y表示副扫描方向的地址)。 

然后，此输入数据In(x，y)输入至加法器202和可变阈值设定部分208。 加法器202把输入数据In(x，y)和从误差存储器206输入的误差成份E(x，y)相加，计算校正数据C(x，y)，把校正数据C(x，y)输出至比较判断部分203和减法器205。 

而且，输入数据In(x，y)输入至可变阈值设定部分208。可变阈值设定部分208中，相应于图8所示的输入数据In(x，y)来设定包含第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的可变阈值群To(x，y)，并输出至阈值设定部分209。 

比较判断部分203基于从加法器202输入的校正数据C(x，y)和从阈值设定部分209输入的阈值群T(x，y)按照式(1)来确定输出值Out(x，y)。此Out(x，y)被从输出端子204向图像记录设备3输出。 

而且，输出值Out(x，y)输入到量化存储器210和减法器205。减法器205根据校正数据C(x，y)和输出值Out(x，y)按照式(2)所示来进行减法运算，计算出在该像素所产生的误差e(x，y)。 

下面，误差扩散部分207按照式(3)至式(6)所示来分配误差e(x，y)并将其加到在误差存储器206中存储的误差数据E(x，y)中。 

而且，量化存储器210针对存储的输出值进行操作，把汇总了目标像素周边的多个量化状态的量化群q(x，y)输出至阈值设定部分209。由此，量化存储器210把像素(x-1，y)和(x，y-1)这两个像素的输出值Out(x-1，y)和Out(x，y-1)作为量化群q(x，y)来输出。 

阈值设定部分209使用从量化存储器210输入的量化群q(x，y)即像素(x-1，y)和(x，y-1)这两个像素的输出值Out(x-1，y)和Out(x，y-1)与包含从可变阈值设定部分208输入的第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的可变阈值群To(x，y)，如下面(8)所示来设定包含目标像素位置的第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群T(x，y)，把阈值群T(x，y)输出至比较判断部分203。 

If(Out(x-1，y)＝255) 

  then T1(x，y)＝To1(x，y)， 

    T2(x，y)＝To2(x，y) 

Else If(Out(x，y-1)＝255) 

  then T1(x，y)＝To1(x，y)， 

    T2(x，y)＝To2(x，y) 

Else 

  then T1(x，y)＝To2(x，y)， 

    T2(x，y)＝To2(x，y)     (8) 

如上所示，根据图7的结构，执行图像处理部分中的多级误差扩散处理。 

下面说明这样的处理有效果的原因。如图8所示，第一可变阈值To1(x，y)相应于输入数据In(x，y)而成为不同的值。首先，灰度级0时第一可变阈值To1(x，y)的值为64，在灰度级191以下，随着输入值上升，第一可变阈值To1(x，y)也变大，在灰度级192以后，成为与第二可变阈值To2(x，y)相同的值127。而且，第二可变阈值To2(x，y)不取决于输入值，而是固定值(127)。 

根据式(8)，实施例2与实施例1相同，在与目标像素邻接的两个像素中，在两个像素的输出值不是大点的情况下，第一阈值T1(x，y)和第二阈值(x，y)成为同一值，与2值误差扩散相同，仅仅输出点消去或大点，不输出孤立的小点。 

而且，在与目标像素邻接的两个像素中，至少一个的输出值为255，即，仅仅在大点的情况下，第一阈值T1(x，y)和第二阈值(x，y)成为不同的值。在灰度值1的情况下，第一可变阈值To1(x，y)为大约64的低值，因此，在邻接像素中，由于输出大点，因此即使由于负的误差的传播因而难以输出点，也变得容易输出小点，小点容易与大点邻接。而且，在灰度级191附近，第一可变阈值To1(x，y)为126的程度，与第二可变阈值To2(x，y)的差仅仅是很小的程度，因此，由于累积误差，有不输出小点而是输出大点的情况。而且，灰度级在192以上的情况下，第一可变阈值To1(x，y)和第二可变阈值To2(x，y)成为同一值，因此，与2值误差扩散相同，仅仅输出点消去或大点，不输出孤立的小点。 

在实施例1中，在低灰度级区域中，如同2值误差扩散，成为大点离散的点图案，然而，在实施例2中，即使在低灰度级区域，小点也容易与大点邻接，因此低灰度级区域的图像再现性良好。而且，在高灰度级区域的情况下，与2值误差扩散相同，通过大点和点消去来执行灰度表现，由于不使用小点， 因此图像再现性变得良好。与之相比，在实施例1的情况下，在高灰度级区域，通过混合形成大点和小点来执行灰度表现，产生到处是小点被大点包围的点图案。理论上，与通过大点和点消去所进行的灰度表现相比，从纹理的图像质量的观点来看，希望利用大点和小点所进行的灰度表现。但是，根据电子照片，会造成小点被大点包围的图案与利用大点填满的图案同样地显影的情况。在利用这样的打印机来输出的情况下，希望实施例2的方式。 

而且，在高灰度级区域，如果以2值误差扩散方式来进行灰度表现，可以不采用图8所示的可变阈值，而是可以仅仅在某灰度对第一可变阈值To1(x，y)和第二可变阈值To2(x，y)进行不同/相同的切换。但是，在此情况下，在比切换的灰度级更低的灰度级中，采用点消去、小点、大点，然而，在此以后的灰度级的情况下，由于成为点消去和大点，因此点增益不同，发生色调跳跃，如果输出灰度级图像，则以切换处理的灰度产生模拟轮廓。 

与之相比，如图8所示，在第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的差逐渐消失的情况下，在即将成为同一灰度之前，第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的差几乎不存在，因此仅仅输出极少的小点，难以发生色调跳跃即模拟轮廓。 

实施例3： 

图9示出本发明的实施例3的图像处理设备的结构。 

输入端子301被从图像输入设备1输入多级图像数据。然后，此输入数据In(x，y)输入至加法器302。加法器302把输入数据In(x，y)和从误差存储器306输入的误差成份E(x，y)相加，计算校正数据C(x，y)，把校正数据C(x，y)输出至比较判断部分303和减法器305。 

比较判断部分303基于从加法器302输入的校正数据C(x，y)和从阈值设定部分308输入的阈值群T(x，y)按照式(1)来确定输出值Out(x，y)，此Out(x，y)被从输出端子304向图像记录设备3输出。 

而且，输出值Out(x，y)输入到量化存储器309和减法器305。减法器305根据校正数据C(x，y)和输出值Out(x，y)按照式(2)所示来进行减法运算，计算出在该像素所产生的误差e(x，y)。 

下面，误差扩散部分307按照式(3)至式(6)所示来分配误差e(x，y) 并将其加到在误差存储器306中存储的误差数据E(x，y)中。 

而且，量化存储器309针对所存储的输出值进行操作，把汇总了在量化参照部分311所必需的目标像素周边的多个量化状态的量化群q(x，y)输出至量化参照部分311和阈值设定部分308。由此，量化存储器309把图10所示的像素(x-1，y)和(x，y-1)这两个像素的输出值Out(x-1，y)和Out(x，y-1)作为量化群q(x，y)来输出。 

而且，在量化参照部分311，针对从量化存储器309输入的量化群q(x，y)，即在此的输出值Out(x-1，y)和Out(x，y-1)，基于预先设定的参照系数，对目标像素周边的量化状态加权，并输出所参照的加权平均值Q(x，y)。在此，例如，在把图10所示的系数用作参照系数的情况下，在量化参照部分311，执行下式(9)的处理。把此加权平均值Q(x，y)输出至历史值计算部分310。 

Q(x，y)＝Out(x-1，y)×1/2+Out(x，y-1)×1/2        (9) 

历史值计算部分310根据从量化参照部分311输出的加权平均值Q(x，y)和预先设定的历史系数h，按照式(10)所示来计算历史值R(x，y)，并向阈值设定部分308输出。在此，把历史系数h设为0.5。 

R(x，y)＝h×Q(x，y)    (10) 

阈值设定部分308使用从量化存储器309输入的量化群q(x，y)即像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)与从历史值计算部分310输入的历史值R(x，y)，如下式(11)所示，设定包含目标像素位置的第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群T(x，y)，把阈值群T(x，y)输出至比较判断部分303。 

If(Out(x-1，y)＝255) 

  then T1(x，y)＝64-R(x，y)， 

    T2(x，y)＝127-R(x，y) 

Else If(Out(x，y-1)＝255) 

  then T1(x，y)＝64-R(x，y)， 

    T2(x，y)＝127-R(x，y) 

Else 

  then T1(x，y)＝127-R(x，y)， 

T2(x，y)＝127-R(x，y)      (11) 

如上所示，根据图9的结构，来执行图像处理部分中的多级误差扩散处理。 

下面说明这样的处理有效果的原因。实施例3与实施例1不同，在历史值计算部分310中，对目标像素周边的量化状态加权，使用所参照的加权平均值Q(x，y)，与历史值R(x，y)相应地来修改阈值。在式(1)中，在与目标像素邻接的两个像素的输出值Out(x-1，y)和Out(x，y-1)共255的情况下，根据式(9)，加权平均值Q(x，y)输出255。如果历史系数h为0.5，则根据式(10)，历史值R(x，y)为127。对式(11)中在实施例1中所使用的第一阈值T1(x，y)和第二阈值T2(x，y)执行减去该历史值，因此，如果在与目标像素邻接的像素位置输出大点和小点，则把阈值设定得比实施例1中更低，即使误差未充分地累积，点也容易邻接。特别是，在低灰度级区域中的点的易邻接度能够得到比实施例1更希望的结果，关于希望即使是大点也不使之孤立且以大点和小点形成集群的输出器，实施例3的方式能够得到希望的结果。 

在上述情况下，把历史系数h设为0.5来说明，然而，由于历史系数h越大，则第一阈值T1(x，y)和第二阈值T2(x，y)变得充分地低，因此即使有邻接像素造成的负的误差，也容易输出小点。可以与输出器的稳定性相应地设定历史系数h。 

而且，以图10所示的像素位置和系数来求加权平均值Q(x，y)，然而，也可以按照输出器的稳定性来扩大参照的像素位置。具体地，在不仅仅使得在主副扫描方向邻接而且使得在右倾斜、左倾斜方向也连续的稳定的输出器的情况下，也可以参照目标像素的右上、左上的输出值Out(x+1，y-1)和Out(x-1，y-1)来变更。 

实施例4： 

图11示出本发明的实施例4的图像处理设备的结构。输入端子401被从图像输入设备1输入多级图像数据。然后，此输入数据In(x，y)输入至加法器402。加法器402把输入数据In(x，y)和从误差存储器406输入的误差成份E(x，y)相加，计算校正数据C(x，y)，把校正数据C(x，y)输出至比较判断部分403和减法器405。 

而且，输入数据In(x，y)输入至历史系数设定部分410。在历史系数设定部分410，设定与图12所示的输入数据In(x，y)相应的历史系数h(x，y)，并将其输出至历史值计算部分411。 

比较判断部分403基于从加法器402输入的校正数据C(x，y)和从阈值设定部分408输入的阈值群T(x，y)按照式(1)来确定输出值Out(x，y)，此Out(x，y)被从输出端子404向图像记录设备3输出。 

而且，输出值Out(x，y)输入到量化存储器409和减法器405。减法器405根据校正数据C(x，y)和输出值Out(x，y)按照式(2)所示来进行减法运算，计算出在该像素所产生的误差e(x，y)。 

下面，误差扩散部分407按照式(3)至式(6)所示来分配误差e(x，y)并将其加到在误差存储器406中存储的误差数据E(x，y)中。 

而且，量化存储器409针对所存储的输出值进行操作，把汇总了在量化参照部分412所必需的目标像素周边的多个量化状态的量化群q(x，y)输出至量化参照部分412和阈值设定部分408。由此，量化存储器409把图10所示的像素(x-1，y)和(x，y-1)这两个像素的输出值Out(x-1，y)和Out(x，y-1)作为量化群q(x，y)来输出。 

而且，在量化参照部分412，针对从量化存储器409输入的量化群q(x，y)，即在此的输出值Out(x-1，y)和Out(x，y-1)，基于预先设定的参照系数，对目标像素周边的量化状态加权，并输出所参照的加权平均值Q(x，y)。在此，例如，在把图10所示的系数用作参照系数的情况下，在量化参照部分412，执行式(9)的处理。把此加权平均值Q(x，y)输出至历史值计算部分411。 

历史值计算部分411根据从量化参照部分412输出的加权平均值Q(x，y)和从历史系数设定部分410输出的历史系数h(x，y)，按照式(12)所示来计算历史值R(x，y)，并向阈值设定部分408输出。 

R(x，y)＝h(x，y)×Q(x，y)   (12) 

阈值设定部分408使用从量化存储器409输入的量化群q(x，y)即像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)与从历史值计算部分411输入的历史值R(x，y)，如式(11)所示，设定包含目标像素位置的第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群T(x，y)，把阈值群 T(x，y)输出至比较判断部分403。 

如上所示，根据图11的结构，来执行图像处理部分中的多级误差扩散处理。 

下面，说明这样的处理有效果的原因。实施例4与实施例3不同之处在于，采用与输入数据In(x，y)相应的历史系数h(x，y)。如果如同实施例3那样历史系数固定，则在中灰度级区域，有点过于集中的倾向。如果图10所示的像素位置的输出值Out(x-1，y)和Out(x，y-1)同为大点，则历史值为大值，目标像素位置的第一阈值T1(x，y)和第二阈值T2(x，y)为低值。但是，如果输出值Out(x-1，y)和Out(x，y-1)同为大点，则在目标像素位置，负的误差累积得较多。由于在目标像素位置输出大点和小点，因此包含周边误差和输入值的校正值比阈值大。即使根据历史值来降低阈值，从周边获得的误差仍为负，在此情况下，只要输入值不大，就不会输出大点和小点。在低灰度级区域，由于输入值小，因此点没有过度地邻接，然而，在中高灰度级区域，由于输入值成为大值，因此即使周边像素的误差为负，校正值仍成为相应的值。在根据历史值因而变得比预定阈值更低的情况下，输出大点和小点。如此，如果历史值固定，则在中高灰度级区域，邻接的点的数目变多，虽然变得稳定，然而作为颗粒性及纹理等等的图像设计，则是不希望的情况。这种情况下，可以如实施例4那样采用与输入数据In(x，y)相应的历史系数h(x，y)。 

实施例5： 

图13示出本发明的实施例5的图像处理设备的结构。 

输入端子501被从图像输入设备1输入多级图像数据。然后，此输入数据In(x，y)输入至加法器502、历史系数设定部分511、和可变阈值设定部分508。加法器502把输入数据In(x，y)和从误差存储器506输入的误差成份E(x，y)相加，计算校正数据C(x，y)，把校正数据C(x，y)输出至比较判断部分503和减法器505。 

而且，输入数据In(x，y)输入至历史系数设定部分511。在历史系数设定部分511，设定与图12所示的输入数据In(x，y)相应的历史系数h(x，y)，并将其输出至历史值计算部分512。 

而且，输入数据In(x，y)输入至可变阈值设定部分508。可变阈值设定部 分508中，相应于图8所示的输入数据In(x，y)来设定包含第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的可变阈值群To(x，y)，并输出至阈值设定部分509。 

比较判断部分503基于从加法器502输入的校正数据C(x，y)和从阈值设定部分509输入的阈值群T(x，y)按照式(1)来确定输出值Out(x，y)，此Out(x，y)被从输出端子504向图像记录设备3输出。 

而且，输出值Out(x，y)输入到量化存储器510和减法器505。减法器505根据校正数据C(x，y)和输出值Out(x，y)按照式(2)所示来进行减法运算，计算出在该像素所产生的误差e(x，y)。 

下面，误差扩散部分507按照式(3)至式(6)所示来分配误差e(x，y)并将其加到在误差存储器506中存储的误差数据E(x，y)中。 

而且，量化存储器510针对所存储的输出值进行操作，把汇总了在量化参照部分513所必需的目标像素周边的多个量化状态的量化群q(x，y)输出至量化参照部分513和阈值设定部分509。由此，量化存储器510把图10所示的像素(x-1，y)和(x，y-1)这两个像素的输出值Out(x-1，y)和Out(x，y-1)作为量化群q(x，y)来输出。 

而且，在量化参照部分513，针对从量化存储器510输入的量化群q(x，y)，即在此的输出值Out(x-1，y)和Out(x，y-1)，基于预先设定的参照系数，对目标像素周边的量化状态加权，并输出所参照的加权平均值Q(x，y)。在此，例如，在把图10所示的系数用作参照系数的情况下，在量化参照部分510，执行式(9)的处理。把此加权平均值Q(x，y)输出至历史值计算部分512。 

历史值计算部分512根据从量化参照部分513输出的加权平均值Q(x，y)和从历史系数设定部分511输出的历史系数h(x，y)，按照式(12)所示来计算历史值R(x，y)，并向阈值设定部分509输出。 

阈值设定部分509使用从量化存储器510输入的量化群q(x，y)即像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)、从历史值计算部分512输入的历史值R(x，y)、和包含从可变阈值设定部分508输入的第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的可变阈值群To(x，y)，如下式(13)所示，设定包含目标像素位置的第一阈值T1(x，y)和第二阈值 T2(x，y)的阈值群T(x，y)，把阈值群T(x，y)输出至比较判断部分503。 

If(Out(x-1，y)＝255) 

  then T1(x，y)＝To1(x，y)-R(x，y)， 

    T2(x，y)＝To2(x，y)-R(x，y) 

Else If(Out(x，y-1)＝255) 

  then T1(x，y)＝To1(x，y)-R(x，y)， 

    T2(x，y)＝To2(x，y)-R(x，y) 

Else 

  then T1(x，y)＝To2(x，y)-R(x，y)， 

    T2(x，y)＝To2(x，y)-R(x，y)   (13) 

如上所示，根据图13的结构，来执行图像处理部分中的多级误差扩散处理。 

下面，说明这样的处理有效果的原因。实施例5通过合成实施例2和实施例4来构成。实施例4的情况下，与实施例1相同的是，在高灰度级区域，通过混合形成大点和小点来执行灰度表现，产生到处是小点被大点包围的点图案。根据电子照片，会造成小点被大点包围的图案与利用大点填满的图案同样地显影的情况，因此，可以如实施例2及实施例5那样，使用与输入数据In(x，y)相应的第一可变阈值To1(x，y)和第二可变阈值To2(x，y)。 

实施例6 

图1是示出使用本发明实施例的图像处理设备的图像输入输出系统的整体图。其中包含图像输入设备1、图像处理设备2、图像记录设备3。在图1的情况下，独立地示出分别与各个处理相应的设备，然而，本发明的范围不限于此，还可以考虑图像处理设备2的功能存在于图像输入设备1中的实施例、及存在于图像记录设备3中的实施例等等。 

图像输入设备1示出扫描器及数字照相机等等的输入器件，关于输入图像，例如，在8比特精度情况下，作为256灰度的图像数据而被读入。此多级图像数据输入到本实施例的图像处理设备2。 

关于图像处理设备(也称为图像处理部分)2，针对从图像输入设备1输入的256灰度的图像数据，执行将其转换为后段的图像输出设备3能够输出 的灰度级的处理。在此灰度级转换处理中，还可以使用多级误差扩散及多级平均误差最小方法。由图像处理设备2量化的图像数据传送至图2所示的结构的图像记录设备(也称为图像形成设备、图像输出设备)3。 

在图2中，形成图像所应当用的纸设置在本体托盘11或手动进纸托盘12中，用纸的搬送利用进纸辊13从托盘11或12开始。在进纸辊13进行用纸的搬送之前，感光体(感光体鼓)14旋转，感光体14的表面由清洁刮片15清洁，然后，由充电辊16一致地充电。在此，来自激光光学系统单元17的根据图像信号来调制的激光被曝光，由显影辊18显影，附着调色剂，取此定时，从进纸辊13进行用纸的进纸。 

从进纸辊13进纸的用纸夹在感光体鼓14和转印辊19之间来被搬送，与此同时，调色剂图像转印到用纸。转印后剩余在感光体14上的调色剂再次利用清洁刮片15刮掉。在清洁刮片15之前，设置调色剂浓度传感器20，能够由调色剂浓度传感器20来测定在感光体14上形成的调色剂图像的灰度级。而且，承载有调色剂的用纸按照搬送路径，搬送至定影单元21，在定影单元21中调色剂图像定影在用纸上。所打印的用纸最后经由排纸辊22，记录面在下方，按照页顺序排出。 

然而，在激光光学系统单元17中，视频控制部分24和LD驱动电路25连接，关于视频控制部分24，其控制来自个人计算机及工作站的图像信号等等，或者，生成在内部保持的评价图表(测试图案)信号等等。 

而且，显影辊18中，由偏压电路施加高偏置电压，通过在偏压电路中控制偏压，来控制图像整体的灰度级。 

图3是示出与作为从图2的激光光学系统单元17(图3中的标号1)出射的光束被写入的潜像承载体的感光体鼓之间的位置关系的一个例子的斜视图。在图3中，31和32是激光二极管(半导体激光器)，33和34是准直透镜，35是用于光路合成的光学材料，36是1/4波长板，37和38是光束整形光学系统。这些各个光学元素31至38构成激光光源部分(光束光源)Sou。从激光光源部分Sou出射的2束光束P1通过准直透镜33、34而成为平行光束，引导至构成扫描光学系统的一部分的多面镜39，利用该多面镜39的各个面40a至40f而反射偏转至主扫描方向Q1。 

该反射偏转的光束引导至构成fθ光学系统的一部分的反射镜41、42，由反射镜42反射偏转的光束穿过fθ光学系统43引导至倾斜设置的反射镜44，由该倾斜设置的反射镜44引导至作为潜像承载体的感光体鼓14的表面14a。感光体鼓14的表面14a被它的光束P1在主扫描方向Q1线性扫描。该表面14a是光束P1的被扫描面，该被扫描面被执行写入。 

激光光学系统单元17中，在反射镜44的较长的方向的两侧(光束的主扫描方向Q1)设置同步传感器45、46。同步传感器45用于确定写入开始定时，同步传感器46用于确定写入终止定时。 

而且，图像记录设备3即使在使用喷墨方式或凹版印刷等等来进行图像记录(图像形成)等等的情况下，也能够应用本发明的处理方法。 

此时，图2所示的图像记录设备3采用如图4所示的PWM(脉冲宽度调制)信号，通过使脉冲占空比(duty)可变，来再现大点和小点，把大点、小点的灰度级分别设置为255和128。 

图5是图1所示的图像处理设备2的框图。输入端子101被从图像输入设备1输入多级图像数据。由此，为了表示2维图像数据，表示为In(x，y)。其中x表示图像的主扫描方向的地址，而y表示副扫描方向的地址。 

然后，此输入数据In(x，y)输入至加法器102。加法器102把输入数据In(x，y)和从误差存储器106输入的误差成份E(x，y)相加，计算校正数据C(x，y)，把校正数据C(x，y)输出至比较判断部分103和减法器105。 

比较判断部分103基于从加法器102输入的校正数据C(x，y)和从阈值设定部分108输入的阈值群T(x，y)，按照下文所述来确定输出值Out(x，y)。阈值群T(x，y)是包含第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群，第一阈值T1(x，y)是进行点消去和小点的输出判断的阈值，第二阈值T2(x，y)是进行小点和大点的输出判断的阈值。 

If(C(x，y)＜T1) 

  then Out(x，y)＝0 

Else If(C(x，y)＜T2) 

  then Out(x，y)＝128 

Else 

then Out(x，y)＝255        (14) 

此Out(x，y)从输出端子104对于图像记录设备3输出。 

而且，输出值Out(x，y)输入到量化存储器109和减法器105。减法器105根据校正数据C(x，y)和输出值Out(x，y)按照下式来进行减法运算，计算出在该像素所产生的误差e(x，y)。 

e(x，y)＝C(x，y)-Out(x，y)  (15) 

下面，误差扩散部分607基于预先设定的扩散系数来分配误差e(x，y)并将其加到在误差存储器106中存储的误差数据E(x，y)中。由此，例如，在使用图14所示的系数来作为扩散系数的情况下，误差扩散部分607执行下述的处理。 

E(x+1，y)＝E(x+1，y)+e(x，y)×(-3)/16 

E(x+2，y)＝E(x+2，y)+e(x，y)×7/16 

E(x-2，y+1)＝E(x-2，y+1)+e(x，y)×2/16 

E(x-1，y+1)＝E(x-1，y+1)+e(x，y)×(-1)/16 

E(x，y+1)＝E(x，y+1)+e(x，y)×(-3)/16 

E(x+1，y+1)＝E(x+1，y+1)+e(x，y)×(-1)/16 

E(x+2，y+1)＝E(x+2，y+1)+e(x，y)×2/16 

E(x-2，y+2)＝E(x-2，y+2)+e(x，y)×5/16 

E(x-1，y+2)＝E(x-1，y+2)+e(x，y)×2/16 

E(x，y+2)＝E(x，y+2)+e(x，y)×3/16 

E(x+1，y+2)＝E(x+1，y+2)+e(x，y)×2/16 

E(x+2，y+2)＝E(x+2，y+2)+e(x，y)×1/16(16) 

而且，量化存储器109针对存储的输出值进行操作，把汇总了目标像素周边的多个量化状态的量化群q(x，y)输出至阈值设定部分108。由此，量化存储器109把像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)作为量化群q(x，y)来输出。 

阈值设定部分108使用从量化存储器109输入的量化群q(x，y)即像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)，如下所示来设定包含目标像素位置的第一阈值T1(x，y)和第二阈值T2(x，y)的阈值 群T(x，y)，把阈值群T(x，y)输出至比较判断部分103。 

If(Out(x-1，y)＝255) 

  then T1(x，y)＝64， 

    T2(x，y)＝127 

Else If(Out(x，y-1)＝255) 

  then T1(x，y)＝64， 

    T2(x，y)＝127 

Else 

  then T1(x，y)＝127， 

    T2(x，y)＝127(17) 

如上所示，根据图5的结构，进行图像处理部分中的多级误差扩散处理。 

下面说明这样的处理有效果的原因。如式(17)所示，第一阈值T1(x，y)根据与目标像素邻接的像素的输出值Out(x-1，y)和Out(x，y-1)因而T1(x，y)＝64或127有所不同。在与目标像素邻接的两个像素中，在两个像素的输出值不是大点的情况下，第一阈值T1(x，y)和第二阈值T2(x，y)为同一值，与2值误差扩散相同的是，仅仅输出点消去或大点，不输出孤立的小点。而且，与目标像素邻接的两个像素中，至少一个输出值为255，即，仅仅在大点的情况下，第一阈值T1(x，y)成为与第二阈值T2(x，y)不同的值。 

通常的误差扩散的情况下，当输出点时，通过把量化误差扩散到周边像素，能够与灰度级相应地来分散点。例如，在采用图6所示的系数来作为扩散系数的情况下，当在高亮部分在目标像素位置输出大点时，在目标像素位置产生的误差e(x，y)为负，且负的误差扩散至周边像素。从而，在周边像素，难以生成点。 

与此相对，在图14所示的目标像素附近的系数以负的系数来误差扩散的情况下，当在目标像素位置输出大点时，在目标像素位置产生的误差e(x，y)为负，然而，因为目标像素附近的系数为负，因此，由负和负的积产生的正的误差扩散至目标像素附近，负的误差扩散至周边像素。因此，由于负的误差未扩散至目标像素附近，因此小点及大点邻接，容易输出，也容易形成集群。而且，由于该集群确保与大点邻接，因此，与在高亮度部分输出孤立的 大点的情况相比，成为更稳定的图像。 

通过改变邻接的点数，即改变集群尺寸，能够得到与输出器相应的稳定性。希望把集群尺寸变大的情况下，通过按照图14的系数来把靠近目标像素的像素的系数负向变大，或者通过把靠近目标像素的具有某负系数的像素数目变多，能够增大集群尺寸。 

在通常的程序及电路设计中，负系数的乘法运算具有在执行速度方面所不希望的情况。可以不使用图14那样的负系数，而是如图15所示，把与目标像素位置邻接的系数设为0。 

在按照如图15所示的系数来进行误差扩散的情况下，当在目标像素位置输出大点时，在目标像素位置产生的误差e(x，y)为负，然而，由于目标像素附近的系数为0，因此由于负的误差不向邻接像素扩散，因而小点及大点邻接，容易输出，也容易形成集群。 

在实施例6中，虽然以误差扩散方法来进行说明，然而，也能够由平均误差最小方法来实施。误差扩散方法和平均误差最小方法仅仅在何时执行误差的扩散操作方面不同，仅仅替换图5的误差存储器106和误差扩散部分107即可。在平均误差最小方法的情况下，可以是以图16所示的目标像素为中心，以图14的系数为点对象的结构。 

本实施例的情况下，虽然以3值误差扩散来说明，然而4值误差扩散也可以。第一阈值T1(x，y)是进行点消去和小点的输出判断的阈值，第二阈值T2(x，y)是进行小点和中点的输出判断的阈值，第三阈值T3(x，y)是进行中点和大点的输出判断的阈值，以此作为4值误差扩散中使用的3个阈值。如果把式(20)按照以下所示来修改，则关于目标像素附近的输出值，在任何像素中未输出大点的情况下，成为2值误差扩散，3个阈值全部相同，在附近像素中输出大点的情况下，3个阈值可以是不同的值。 

If(Out(x-1，y)＝255) 

  then T1(x，y)＝43， 

    T2(x，y)＝128， 

    T3(x，y)＝213 

Else If(Out(x，y-1)＝255) 

  then T1(x，y)＝43， 

    T2(x，y)＝128， 

    T3(x，y)＝213 

Else 

  then T1(x，y)＝127， 

    T2(x，y)＝127， 

    T3(x，y)＝127(18) 

通过如此参照目标像素附近的量化状态来设定阈值，所谓小点、中点的比大点小的点与大点邻接来输出，在中高灰度级区域中，能够改善纹理且得到再现性好的图像。 

而且，本发明针对误差扩散处理，然而，也能够同样地适用于平均误差最小方法。 

实施例7： 

说明本发明的第七实施例。图7是本实施例的图像处理设备的框图。输入端子201被从图像输入设备输入多级图像数据。由此，为了表示2维图像数据，表示为In(x，y)。其中x表示图像的主扫描方向的地址，而y表示副扫描方向的地址。 

然后，此输入数据In(x，y)输入至加法器202和可变阈值设定部分208。加法器202把输入数据In(x，y)和从误差存储器206输入的误差成份E(x，y)相加，计算校正数据C(x，y)，把校正数据C(x，y)输出至比较判断部分203和减法器205。 

而且，输入数据In(x，y)输入至可变阈值设定部分208。可变阈值设定部分208中，相应于图8所示的输入数据In(x，y)来设定包含第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的可变阈值群To(x，y)，并输出至阈值设定部分209。 

比较判断部分203基于从加法器202输入的校正数据C(x，y)和从阈值设定部分209输入的阈值群T(x，y)按照式(14)来确定输出值Out(x，y)。 

此Out(x，y)被从输出端子204向图像输出设备3输出。 

而且，输出值Out(x，y)输入到量化存储器210和减法器205。减法器205 根据校正数据C(x，y)和输出值Out(x，y)按照式(15)所示来进行减法运算，计算出在该像素所产生的误差e(x，y)。 

下面，误差扩散部分707按照式(16)所示来分配误差e(x，y)并将其加到在误差存储器206中存储的误差数据E(x，y)中。 

而且，量化存储器210针对存储的输出值进行操作，把汇总了目标像素周边的多个量化状态的量化群q(x，y)输出至阈值设定部分209。由此，量化存储器210把像素(x-1，y)和(x，y-1)这两个像素的输出值Out(x-1，y)和Out(x，y-1)作为量化群q(x，y)来输出。 

阈值设定部分209使用从量化存储器210输入的量化群q(x，y)即像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)与包含从可变阈值设定部分208输入的第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的可变阈值群To(x，y)，如下所示来设定包含目标像素位置的第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群T(x，y)，把阈值群T(x，y)输出至比较判断部分203。 

If(Out(x-1，y)＝255) 

  then T1(x，y)＝To1(x，y)， 

    T2(x，y)＝To2(x，y) 

Else If(Out(x，y-1)＝255) 

  then T1(x，y)＝To1(x，y)， 

    T2(x，y)＝To2(x，y) 

Else 

  then T1(x，y)＝To2(x，y)， 

    T2(x，y)＝To2(x，y)  (19) 

如上所示，根据图7的结构，执行图像处理部分中的多级误差扩散处理。 

下面说明这样的处理有效果的原因。如图8所示，第一可变阈值To1(x，y)相应于输入数据In(x，y)而成为不同的值。首先，灰度值0时第一可变阈值To1(x，y)的值为64，在灰度级191以下，随着输入值上升，第一可变阈值To1(x，y)也变大，在灰度级192以后，成为与第二可变阈值To2(x，y)相同的值127。而且，第二可变阈值To2(x，y)不取决于输入值，而是固定值。根据 式(19)，实施例7与实施例6相同，在与目标像素邻接的两个像素中，在两个像素的输出值不是大点的情况下，第一阈值T1(x，y)和第二阈值T2(x，y)成为同一值，与2值误差扩散相同，仅仅输出点消去或大点，不输出孤立的小点。 

而且，如式(16)所示，在目标像素附近的系数以负的系数来误差扩散的情况下，当在目标像素位置输出大点时，在目标像素位置产生的误差e(x，y)为负，然而，因为目标像素附近的系数为负，因此，由负和负的积产生的正的误差扩散至目标像素附近，因此，小点或大点容易输出，也容易形成集群。而且，由于该集群确保与大点邻接，因此，与在高亮度部分输出孤立的大点的情况相比，成为更稳定的图像。 

而且，在灰度级191附近，第一可变阈值To1(x，y)为126的程度，与第二可变阈值To2(x，y)的差仅仅是很小的程度，因此，由于累积误差，有不输出小点而是输出大点的情况。而且，灰度级在192以上的情况下，第一可变阈值To1(x，y)和第二可变阈值To2(x，y)成为同一值，因此，与2值误差扩散相同，仅仅输出点消去或大点，不输出孤立的小点。 

在实施例6中，在低灰度级区域中，如同2值误差扩散，成为大点离散的点图案，然而，在实施例7中，即使在低灰度级区域，小点也容易与大点邻接，因此低灰度级区域的图像再现性良好。而且，在高灰度级区域的情况下，与2值误差扩散相同，通过大点和点消去来执行灰度表现，由于不使用小点，因此图像再现性变得良好。与之相比，在实施例6的情况下，在高灰度级区域，通过混合形成大点和小点来执行灰度表现，产生到处是小点被大点包围的点图案。理论上，与通过大点和点消去所进行的灰度表现相比，从纹理的图像质量的观点来看，希望利用大点和小点所进行的灰度表现。但是，根据电子照片，会造成小点被大点包围的图案与利用大点填满的图案同样地显影的情况。在利用这样的打印机来输出的情况下，希望实施例7的方式。 

而且，在高灰度级区域，如果以2值误差扩散方式来进行灰度表现，则可以不采用图8所示的可变阈值，而是可以仅仅在某灰度对第一可变阈值To1(x，y)和第二可变阈值To2(x，y)进行不同/相同的切换。但是，在此情况下，在比切换的灰度级更低的灰度级中，采用点消去、小点、大点，然而， 在此以后的灰度级的情况下，由于成为点消去和大点，因此点增益不同，发生色调跳跃，如果输出灰度级图像，则以切换处理的灰度产生模拟轮廓。与之相比，如图8所示，在第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的差逐渐消失的情况下，在即将成为同一灰度之前，第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的差几乎不存在，因此仅仅输出极少的小点，难以发生色调跳跃即模拟轮廓。 

而且，本实施例针对误差扩散处理，然而，也能够同样地适用于平均误差最小方法。 

实施例8 

下面，说明本发明的第八实施例。图17是关于本实施例的图像处理设备的框图。输入端子801被从图像输入设备输入多级图像数据。然后，此输入数据In(x，y)输入至加法器802。加法器802把输入数据In(x，y)和从误差存储器806输入的误差成份E(x，y)相加，计算校正数据C(x，y)，把校正数据C(x，y)输出至比较判断部分803和减法器805。 

比较判断部分803基于从加法器802输入的校正数据C(x，y)和从阈值设定部分809输入的阈值群T(x，y)按照式(14)来确定输出值Out(x，y)。阈值群T(x，y)是包含第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群，第一阈值T1(x，y)是进行点消去和小点的输出判断的阈值，第二阈值T2(x，y)是进行小点和大点的输出判断的阈值。 

此Out(x，y)被从输出端子804向图像输出设备3输出。 

而且，输出值Out(x，y)输入到量化存储器810、误差扩散系数设定部分808、和减法器805。减法器805根据校正数据C(x，y)和输出值Out(x，y)按照式(15)所示来进行减法运算，计算出在该像素所产生的误差e(x，y)。 

误差扩散系数设定部分808使用从比较判断部分803输入的输出值Out(x，y)，如下式(20)所示，来设定目标像素位置的扩散系数矩阵M(x，y)，并向误差扩散部分807输出。在此，M1为图14所示的扩散系数矩阵，M2为图6所示的扩散系数矩阵。 

If(Out(x，y)＝255) 

    then M(x，y)＝M1 

Else 

    then M(x，y)＝M2     (20) 

误差扩散部分807基于从误差扩散系数设定部分808输入的扩散系数矩阵M(x，y)，来分配误差e(x，y)，并将其加到在误差存储器806中存储的误差数据E(x，y)中。在此，在扩散系数矩阵M(x，y)为M1的情况下，执行式(16)所示的处理，在为M2的情况下，如下所示来进行处理。 

E(x+1，y)＝E(x+1，y)+e(x，y)×7/16 

E(x-1，y+1)＝E(x-1，y+1)+e(x，y)×5/16 

E(x，y+1)＝E(x，y+1)+e(x，y)×3/16 

E(x+1，y+1)＝E(x+1，y+1)+e(x，y)×1/16  (21) 

而且，量化存储器810针对所存储的输出值进行操作，把汇总了在目标像素周边的多个量化状态的量化群q(x，y)输出至阈值设定部分809。由此，量化存储器810把像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)作为量化群q(x，y)来输出。 

阈值设定部分809使用从量化存储器810输入的量化群q(x，y)即像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)，如式(17)所示，设定包含目标像素位置的第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群T(x，y)，把阈值群T(x，y)输出至比较判断部分803。 

如上所示，根据图17的结构，来执行图像处理部分中的多级误差扩散处理。下面，说明这样的处理有效果的原因。实施例8与实施例6不同之处在于，由误差扩散系数设定部分808相应于目标像素位置的量化状态来设定扩散系数矩阵。如果使用图14所示的扩散系数矩阵，则容易形成集群。然而，形成集群的位置与输出大点的像素邻接。希望该集群相应于输入值来分散，然而，图14所示的扩散系数矩阵是容易形成集群的扩散系数矩阵，不是集群容易分散的扩散系数矩阵。与之相比，图6所示的靠近目标像素位置的系数在正方向较大，随着成为周边而取小值的通常的误差扩散中所使用的扩散系数矩阵被设计为点分散。通过上述式(20)，分别在不输出大点时使用通常的扩散系数矩阵，输出大点时使用容易形成集群的扩散系数矩阵，由此，改进集群的分散性。 

实施例8与实施例6和实施例7不同之处在于，仅仅在误差扩散方法下可以使用。在误差扩散方法的情况下，对于在目标像素位置产生的误差尚未量化的周边像素，进行误差加权并扩散，因此，如果扩散系数矩阵的系数的合计为1，则随时切换任何的扩散系数矩阵，均能够保存图像的浓度，因此均可行。与之相对，在平均误差最小方法的情况下，根据目标像素周边的已经量化完毕的像素，来对量化误差加权并参照。在此情况下，以像素为单位，随机地切换与扩散系数矩阵相应的加权参照矩阵，因而，取决于像素，发生所参照的误差的合计超过1，及不到1的情况，无法保证保存图像整体的浓度。因此，为了执行实施例8，希望误差扩散方法的构成，与实施例6及实施例7相比，能够获得集群的分散性良好，且稳定的图像。 

实施例9 

下面说明本发明的第九实施例。图18是示出本实施例的图像处理设备的框图。 

输入端子901被从图像输入设备输入多级图像数据。在此，二维的图像数据表示为In(x，y)。其中x为图像的主扫描方向的地址，而y为副扫描方向的地址。 

然后，此输入数据In(x，y)输入至加法器902、和可变阈值设定部分909。加法器902把输入数据In(x，y)和从误差存储器906输入的误差成份E(x，y)相加，计算校正数据C(x，y)，把校正数据C(x，y)输出至比较判断部分903和减法器905。 

而且，输入数据In(x，y)输入至可变阈值设定部分909。可变阈值设定部分909中，相应于图8所示的输入数据In(x，y)来设定包含第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的可变阈值群To(x，y)，并输出至阈值设定部分910。 

比较判断部分903基于从加法器902输入的校正数据C(x，y)和从阈值设定部分910输入的阈值群T(x，y)按照式(14)来确定输出值Out(x，y)。 

此Out(x，y)被从输出端子904向图像记录设备3输出。而且，输出值Out(x，y)输入到量化存储器911、减法器905、和误差扩散系数设定部分908。减法器905根据校正数据C(x，y)和输出值Out(x，y)按照式(15)所示来进行减法运算，计算出在该像素所产生的误差e(x，y)。 

误差扩散系数设定部分908使用从比较判断部分903输入的输出值Out(x，y)，如式(20)所示，来设定目标像素位置的扩散系数矩阵M(x，y)，并向误差扩散部分907输出。 

误差扩散部分907基于从误差扩散系数设定部分908输入的扩散系数矩阵M(x，y)，来分配误差e(x，y)，并将其加到在误差存储器906中存储的误差数据E(x，y)中。在此，在扩散系数矩阵M(x，y)为M1的情况下，执行式(16)所示的处理，在为M2的情况下，执行式(21)所示的处理。 

而且，量化存储器911针对所存储的输出值进行操作，把汇总了目标像素周边的多个量化状态的量化群q(x，y)输出至阈值设定部分910。由此，量化存储器911把像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)作为量化群q(x，y)来输出。 

阈值设定部分910使用从量化存储器911输入的量化群q(x，y)即像素(x-1，y)和(x，y-1)这两个像素中的输出值Out(x-1，y)和Out(x，y-1)、和包含从可变阈值设定部分909输入的第一可变阈值To1(x，y)和第二可变阈值To2(x，y)的可变阈值群To(x，y)，如式(19)所示，设定包含目标像素位置的第一阈值T1(x，y)和第二阈值T2(x，y)的阈值群T(x，y)，把阈值群T(x，y)输出至比较判断部分903。 

如上所示，根据图18的结构，来执行图像处理部分中的多级误差扩散处理。 

下面，说明这样的处理有效果的原因。实施例9按照与实施例7相同的方式来执行阈值设定。由此，与实施例7相同，在高灰度级区域，执行与2值误差扩散同样的利用大点和点消去进行的灰度表现，由于不使用小点，因此图像再现性良好。 

而且，实施例9与实施例8相同的是，按照目标像素位置的量化状态来设定扩散系数矩阵。由此改进集群的分散性。而且，实施例9与实施例8相同的是，希望在误差扩散方法中使用。 

而且，虽然本发明针对误差扩散处理，然而，也能够同样地适用于平均误差最小方法。而且，本发明可以适用于多个装置(例如，主计算机、接口装置、读取器、打印机等等 ) 构成的系统，也可以适用于一个装置形成的设备 ( 例如，复印机、传真机设备等等 ) 。 

而且，本发明向系统或设备提供记录有实现前述实施例的功能的软件的程序代码的记录介质，其系统或设备的计算机(CPU及MPU)通过读取在记录介质中存储的程序代码并实施来实现。在此情况下，从记录介质读取的程序代码本身实现前述的实施例的功能。 

作为用来提供程序代码的记录介质，例如，能够使用软盘、硬盘、光盘、磁光盘、磁带、非易失性存储卡、ROM等等。而且，不仅通过计算机实施所读取的程序代码来实施前述实施例的功能，而且还包括如下情况，即，基于其程序代码的指令，在计算机上运行的OS(操作系统)等等执行实际处理的一部分或全部，根据该处理，实施前述实施例的功能。而且，还包括如下情况，即，从记录介质读取的程序代码，在写入配备于在计算机中插入的功能扩展板或与计算机连接的功能扩展单元的存储器之后，基于其程序代码的指令，配备于其功能扩展板或功能扩展单元的CPU等等执行实际的处理的一部分或全部，根据该处理，实施前述实施例的功能。 

示例性实施例如此描述，在阅读本说明书后，对于本领域技术人员应当显而易见的是，例子和实施例可以以多种方式变化。这样的变化不应被认为偏离了本发明的精神和范围，这样的修改不应从所附权利要求的范围中排除。 

Claims (19)

1.一种图像处理设备，配置为通过使用多级误差扩散方法和多级平均误差最小方法之一，来把M灰度级的多级图像数据量化为N级的图像数据，其中M＞N＞2，以由图像记录设备通过使用与在N级图像数据中包含的各个像素相对应的点来形成图像，

所述图像处理设备包括：

加法器，配置为把已经被量化的邻接像素的误差值加权所得之积的和加到目标像素的多级图像数据，以输出校正值；

量化存储器，配置为存储目标像素的邻接像素的量化状态；

阈值设定单元，配置为按照在量化存储器中存储的量化状态，来设定阈值；

比较判断单元，配置为比较阈值和校正值，并确定N级图像数据；

减法器，配置为求出随着N级图像数据的生成所生成的误差；

误差扩散单元，配置为对误差加权并向目标像素的邻接像素扩散；以及

误差存储器，配置为存储加权并扩散的误差。

2.按照权利要求1所述的图像处理设备，还包括可变阈值设定单元，配置为按照目标像素的多级图像数据来设定可变阈值，

所述阈值设定单元根据量化状态和可变阈值来设定阈值。

3.按照权利要求2所述的图像处理设备，其中，根据目标像素的多级图像数据所求出的可变阈值包括N-1个阈值，

所述N-1个阈值在低和中灰度级区域不同，随着灰度级变高而逐渐变得相互接近，在高灰度级区域变得相互相等。

4.按照权利要求1所述的图像处理设备，还包括：

量化参照单元，配置为输出通过目标像素的邻接像素的量化状态的积之和而求出的加权平均值；以及

历史值计算单元，配置为基于加权平均值来计算历史值，

所述阈值设定单元根据量化状态和历史值来设定阈值。

5.按照权利要求4所述的图像处理设备，还包括历史系数设定单元，配置为根据目标像素的多值图像数据来设定历史系数，

所述历史值计算单元基于加权平均值和历史系数来计算历史值。

6.按照权利要求5所述的图像处理设备，还包括可变阈值设定单元，配置为根据目标像素的多级图像数据来设定可变阈值，

所述阈值设定单元根据量化状态、历史值、和可变阈值来设定阈值。

7.按照权利要求5所述的图像处理设备，其中，根据目标像素的图像数据所求出的历史系数在图像数据的低浓度区域高，在图像数据的高浓度区域低。

8.一种图像形成系统，包括：

按照权利要求1所述的图像处理设备；

图像输入设备，配置为把目标像素的多级图像数据输入到图像处理设备；以及

图像记录设备，配置为形成N级图像数据，

其中，所述图像处理设备包含在图像输入设备和图像记录设备中的一个之中。

9.一种图像处理设备，配置为通过使用多级误差扩散方法和多级平均误差最小方法之一，来把M灰度级的多级图像数据量化为N级的图像数据，其中M＞N＞2，

所述图像处理设备包括：

N级处理单元，配置为当在与目标像素邻接的像素的位置输出大点时，执行N级处理；以及

2值化处理单元，配置为当在与目标像素邻接的像素的位置输出除大点之外的点时，执行2值化处理，

其中，所述图像处理设备当执行误差扩散时使用权重矩阵。

10.按照权利要求9所述的图像处理设备，其中，所述权重矩阵包括在目标像素的邻接像素的位置为0或更低的系数。

11.按照权利要求9所述的图像处理设备，其中，当通过2值化处理而输出大点时，使用包含在目标像素的邻接像素的位置为0或更低的系数的权重矩阵，以及当通过2值化处理而输出点消去时或者当执行N级处理时，使用通常的权重矩阵。

12.按照权利要求10所述的图像处理设备，其中，使用多级误差扩散方法来把多级图像数据量化为N级的图像数据，其中M＞N＞2，以由图像记录设备通过使用与在N级图像数据中包含的各个像素相对应的点来形成图像，

所述图像处理设备还包括：

加法器，配置为把已经被量化的邻接像素的误差值加权所得之积的和加到目标像素的多级图像数据，以输出校正值；

量化存储器，配置为存储目标像素的邻接像素的量化状态；

阈值设定单元，配置为按照在量化存储器中存储的量化状态，来设定阈值；

比较判断单元，配置为比较阈值和校正值，并确定N级图像数据；

减法器，配置为求出随着N级图像数据的生成所生成的误差；

误差扩散单元，配置为通过使用包含在目标像素的邻接像素的像素位置为0或更小的系数的权重矩阵，对误差加权并向目标像素的邻接像素扩散；以及

误差存储器，配置为存储加权并扩散的误差。

13.按照权利要求9所述的图像处理设备，其中，使用多级误差扩散方法来把多级图像数据量化为N级的图像数据，其中M＞N＞2，以由图像记录设备通过使用与在N级图像数据中包含的各个像素相对应的点来形成图像，

所述图像处理设备还包括：

加法器，配置为把已经被量化的邻接像素的误差值加权所得之积的和加到目标像素的多级图像数据，以输出校正值；

量化存储器，配置为存储目标像素的邻接像素的量化状态；

阈值设定单元，配置为按照在量化存储器中存储的量化状态，来设定阈值；

比较判断单元，配置为比较阈值和校正值，并确定N级图像数据；

减法器，配置为求出随着N级图像数据的生成所生成的误差；

误差扩散系数设定单元，配置为根据目标像素的邻接像素的量化状态及N级图像数据，来从多个权重矩阵中选择一个权重矩阵；

误差扩散单元，配置为通过使用所选择的权重矩阵来对误差加权并向目标像素的邻接像素扩散；以及

误差存储器，配置为存储加权并扩散的误差。

14.按照权利要求11所述的图像处理设备，其中，使用多级误差扩散方法来把多级图像数据量化为N级的图像数据，其中M＞N＞2，以由图像记录设备通过使用与在N级图像数据中包含的各个像素相对应的点来形成图像，

所述图像处理设备还包括：

加法器，配置为把已经被量化的邻接像素的误差值加权所得之积的和加到目标像素的多级图像数据，以输出校正值；

量化存储器，配置为存储目标像素的邻接像素的量化状态；

可变阈值设定单元，配置为根据目标像素的多级图像数据来设定可变阈值；

阈值设定单元，配置为根据在量化存储器中存储的量化状态、及可变阈值，来设定阈值；

比较判断单元，配置为比较阈值和校正值，并确定N级图像数据；

减法器，配置为求出随着N级图像数据的生成所生成的误差；

误差扩散单元，配置为通过使用包含在目标像素的邻接像素的像素位置为0或更小的系数的权重矩阵，来对误差加权并向目标像素的邻接像素扩散；以及

误差存储器，配置为存储加权并扩散的误差。

15.按照权利要求14所述的图像处理设备，其中，根据目标像素的多级图像数据所求出的可变阈值包括N-1个阈值，

所述N-1个阈值在低和中灰度级区域不同，随着灰度级变高而逐渐变得相互接近，在高灰度级区域变得相互相等。

16.按照权利要求11所述的图像处理设备，其中，使用多级误差扩散方法来把多级图像数据量化为N级的图像数据，其中M＞N＞2，以由图像记录设备通过使用与在N级图像数据中包含的各个像素相对应的点来形成图像，

所述图像处理设备还包括：

加法器，配置为把已经被量化的邻接像素的误差值加权所得之积的和加到目标像素的多级图像数据，以输出校正值；

量化存储器，配置为存储目标像素的邻接像素的量化状态；

可变阈值设定单元，配置为根据目标像素的多级图像数据来设定可变阈值；

阈值设定单元，配置为根据在量化存储器中存储的量化状态、及可变阈值，来设定阈值；

比较判断单元，配置为比较阈值和校正值，并确定N级图像数据；

减法器，配置为求出随着N级图像数据的生成所生成的误差；

误差扩散系数设定单元，配置为根据目标像素的邻接像素的量化状态及N级图像数据，来从多个权重矩阵中选择一个权重矩阵；

误差扩散单元，配置为通过使用所选择的权重矩阵来对误差加权并向目标像素的邻接像素扩散；以及

误差存储器，配置为存储加权并扩散的误差。

17.按照权利要求11所述的图像处理设备，其中，从多个权重矩阵中选择的一个权重矩阵是包含在目标像素的邻接像素的位置为0或更小的系数的矩阵，而多个权重矩阵中的另一权重矩阵是包含在目标像素的邻接像素的像素位置系数为大的正误差的矩阵，随着远离目标像素，所述系数逐渐变小。

18.一种图像形成系统，包括：

按照权利要求9所述的图像处理设备；

图像输入设备，配置为把目标像素的多级图像数据输入到图像处理设备；以及

图像记录设备，配置为形成N级图像数据，

其中，所述图像处理设备包含在图像输入设备和图像记录设备中的一个之中。

19.一种图像处理方法，所述图像处理方法包括：

把已经被量化的邻接像素的误差值加权所得之积的和加到目标像素的多级图像数据，以输出校正值；

存储目标像素的邻接像素的量化状态；

按照在存储的量化状态，来设定阈值；

比较阈值和校正值，并确定N级图像数据；

求出随着N级图像数据的生成所生成的误差；

对误差加权并向目标像素的邻接像素扩散；以及

存储加权并扩散的误差。

Images