CN102065202B - 图像处理装置、图像形成装置和图像处理方法 - Google Patents

Abstract

本发明涉及图像处理装置、图像形成装置和图像处理方法。局部浓度计算部根据以输入图像的注目点为中心的所需要大小的像素区域内的像素值，计算像素区域的浓度。混合比计算部对应于局部浓度计算部计算出的局部浓度值，生成由α和β所表示的系数组，并将生成的系数α、β输出到加权处理部。加权处理部对将输入图像由第一滤波运算部运算后的结果乘以系数α，对将输入图像由第二滤波运算部运算后的结果乘以系数β，再将两个乘法计算的结果相加，将该加法计算的结果作为空间滤波处理部的处理结果输出。

Description

图像处理装置、图像形成装置和图像处理方法

本案是申请日为2008年11月7日、申请号为200810176502.4、发明名称为图像处理装置、图像形成装置和图像处理方法的专利申请的分案申请。

技术领域

本发明涉及能够防止由滤波处理所引起的画质下降的图像处理方法和图像处理装置，以及包括该图像处理装置的图像形成装置。

背景技术

在由扫描仪或数码相机等图像输入装置输入图像，到由显示器或打印机等图像输出装置输出图像之间，对输入的图像数据组合实施多种图像处理。作为扫描仪或数码相机等光学输入设备的摄像元件，使用CCD(Charge Coupled Device：电荷耦合元件)影像传感器、CMOS(Complementary Metal Oxide Semiconductor：互补金属氧化膜半导体)影像传感器、CIS(Contact Image Sensor：接触型影像传感器)等。而且，在扫描仪或数码相机等中，是将通过透镜而聚集的光，由摄像元件经光电变换而变换为电信号，并对电信号进行A/D变换处理得到摄影图像作为数字数据之后，在数字数据上实施图像处理，变换为与图像输出装置相合的形式输出。

例如，以设置有作为图像输入装置的以一维CCD传感器作为摄像元件使用的扫描仪、和作为图像输出装置的喷墨方式或激光方式的打印机的、被称为多功能打印机或数码复印机的装置为例，如日本专利第3472479号公报所记载，在将扫描仪所读取的原稿的摄影图像输出到打印机为止的期间，实施多种图像处理。一般地，在使用输入的摄影图像进行图像处理的情况下，例如，实施能见度校正处理和滤波处理等。

能见度校正处理是为了使摄影图像的数字数据值与人的视觉特性相合而进行。通过摄影元件和A/D变换处理的图像的变换特性，通常是线性特性，数字数据值随着对摄像元件的光亮增加而成比例地增加。与此相对，已知人的视觉特性是对于入射光线的光量具有对数的特性。因此，能见度校正处理是以通过将A/D变换后的数字数据值变换为与人的视觉特性相合的数字数据值，由此使后面的图像处理能够容易地进行为目的而实施。滤波处理以各种目的实施，作为一个例子，列举由光学输入设备使用的光学透镜的MTF(Modulation Transfer Function：调制传递函数)特性来改善摄影图像的空间频率特性劣化的目的，一般地，对于摄影图像，将进行过能见度校正后的数字数据作为输入图像。例如，在日本专利特开昭61-157169号公报中，公开有将对图像的边缘增强处理结果与平滑(smoothing)结果由边缘判定结果进行混合的空间滤波处理。而且，在日本专利特开平10-271340号公报中，公开有将对图像的滤波运算结果与原图像按照从对比度计算的混合比进行混合的图像滤波器。而且，在日本专利特开平7-288768号公报中，公开有使用对象像素与周围像素的像素差值进行平滑处理的内容切换的图像滤波器。

在从光学输入设备输出的摄影图像的数字数据中，包含有噪音。该噪音有摄影元件所引起的，也有A/D变换处理所引起的。摄影元件所引起的噪音大体可以分为：依存于输出电信号的噪音(光量依存噪音)，和不依存于输出电信号的噪音(非光量依存噪音)。此外，A/D变换处理所引起的噪音，基本上不依存于数字输出值。

光量依存噪音是由光电变换的电子数的偏差所引起，与光量的1/2次方成比例。光量非依存噪音与A/D变换处理所引起的噪音是由放大电路的随机噪音、摄影元件的元件间偏差或A/D变换器的变换误差等产生。一般地从成本上讲，由于随机噪音的降低对策存在极限，所以作为合计噪音量，不依存于数字值的随机噪音的大小起到支配作用。结果是，在摄影图像的数字数据中，在数据值的全部区域重叠相同程度的噪音量。

如上所述，能见度校正处理对摄影图像的数字数据值进行非线性变换。图1是表示现有的能见度校正处理的输入值与输出值的关系的一个例子的说明图。在图1中，横轴表示输入值，纵轴表示输出值。由0～1023的值所表现的10位值的R(红)、G(绿)、B(蓝)数字数据(输入值)变换为由0～255的值所表现的R、G、B各8位值输出。如图1所示，RGB数字数据低的区域、即高浓度部(暗部)，与RGB数字数据高的区域、即低浓度部(亮部)相比，输出值的变化相对于输入值的变化大。

图2是表示现有的能见度校正处理的输出值相对于输入值的变化量的说明图。图2是图1的例中的输出值的变化量，表示输入值从100变化为120的情况(输入值的变化量为20)、输入值从900变化为920的情况(输入值的变化量为20)的输出值的变化量。括号内是表示对于输入与输出完全成比例(线性)的情况下的斜率为0.25(＝256/1024)的放大率(增益)。如图2所示，对于输入值的变化量同样为20，高浓度部的100～120的变化中，输出值进行从3.4倍到4.0倍的范围的放大，低浓度部的900～920的变化中，输出值进行从0.2倍到0.4倍的范围的衰减。结果是，在能见度校正处理的输出中，高浓度部的噪音被放大，低浓度部的噪音衰减。

因此，在能见度校正处理后的滤波处理中，是高浓度部的噪音大、低浓度部的噪音是不引人注意的状态的数字数据作为输入图像输入。在滤波处理中，虽然为了MTF特性改善进行具有增强特性的滤波处理，但是增强特性的铝箔处理会使高浓度附近放大的噪音进一步放大。

图3是表示具有增强特性的滤波处理前后图像数据的一个例子的说明图。在图3中，横轴表示像素位置，纵轴表示图像数据的数据值(浓度值)。图3是表示对于从低浓度(主要是基底区域)向高浓度(主要是实心区域(ベタ領域)转移的滤波处理的输入图像数据，实施过具有增强特性的滤波处理后的结果的一个例子。如图3所示，低浓度区域的输入图像数据的噪音影响小，输入值的偏差也小，与此相对，高浓度区域(实心区域)受到噪音的影响其输入值的偏差大。进行具有增强特性的滤波处理后的结果，存在有高浓度的噪音进一步放大，滤波处理后的数据值的偏差增大的课题。

另一方面，由于滤波处理前后的数字数据值是由0～255的8位的整数所构成，所以作为运算结果，0以下的滤波处理结果会被箝位于0。由于噪音波高的负的部分受到限制，所以在计算出图3的C所示的像素位置(像素区域)的滤波处理前的数字数据值与滤波处理后的数字数据值的平均值的情况下，例如滤波处理前的平均值为5.3，而滤波处理后的平均值为9.0，存在有由滤波处理而使平均浓度增高的问题。

上述课题中发生的对画质的影响，特别是在图像的高浓度区域且输入值为一定的实心部尤为显著，在图像的高浓度区域产生浓淡，图像会发生粗糙感。而且，由于滤波处理后的浓度值变高，所以图像的浓度变淡(更明亮)，对比度下降。为了排除这样的问题，进行不具有增强特性而是具有平滑特性的滤波处理是有效的。但是，反过来讲，在进行具有平滑特性的滤波处理的情况下，由于特别会损害边缘部的尖锐度，会对画质方面产生不良影响。因此，在现有的技术中，主要着眼于边缘部的保存，检测边缘部或对比度差大的部分，通过抑制边缘部或对比度差大的部分的平滑特性，而达到避免上述问题的目的。但是，在使用边缘部或对比度差而保存边缘时，虽然对于淡的文字能够保存边缘，但是对于与淡的文字具有同等程度的浓度差的高浓度区域(主要是实心区域)，未能抑制噪音导致产生浓淡，并不能解决上述2个问题。

发明内容

本发明是鉴于上述问题而提出，其目的在于提供一种能够防止由滤波处理引起画质下降的图像处理方法和图像处理装置，以及包括该图像处理装置的图像形成装置。

本发明的图像处理装置，其用于对输入图像数据进行图像处理，其包括：浓度计算单元，其根据由输入图像的多个像素所构成的像素区域的像素值，计算像素区域的浓度；第一处理单元，其对输入图像数据实施平滑化处理；第二处理单元，其对输入图像数据实施与第一处理单元不同的处理；权重系数设定单元，其对应于由浓度计算单元计算出的浓度，设定用于对第一处理单元处理过的图像数据进行加权的第一系数、和用于对第二处理单元处理过的图像数据进行加权的第二系数；加权处理单元，其使用权重系数设定单元设定的第一系数对第一处理单元处理过的图像数据进行加权，使用权重系数设定单元设定的第二系数对第二处理单元处理过的图像数据进行加权，并将分别进行过加权的图像数据相加并输出。

本发明的图像处理装置还包括区域图像判定单元，其根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像是否为属于文字边缘区域的图像，在由区域图像判定单元判定为不是属于文字边缘区域的图像，且由浓度计算单元计算出的浓度大于规定的浓度阈值的情况下，权重系数设定单元以对输入图像数据实施平滑化处理的方式设定第一系数和第二系数。

本发明的图像处理装置还包括区域图像判定单元，其根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像是否为属于文字边缘区域的图像，在由区域图像判定单元判定为属于文字边缘区域的图像的情况下，权重系数设定单元以对输入图像数据实施第二处理单元的处理的方式设定第一系数和第二系数。

本发明的图像处理装置，其用于对输入图像数据进行数字滤波运算处理，其包括：第一存储单元，其存储用于对输入图像数据进行平滑化处理的第一滤波系数；第二存储单元，其存储用于对输入图像数据进行与平滑化处理不同的处理的第二滤波系数；浓度计算单元，其根据由输入图像的多个像素所构成的像素区域的像素值，计算像素区域的浓度；权重系数设定单元，其对应于浓度计算单元计算出的浓度，设定用于对第一滤波系数进行加权的第一系数，和用于对第二滤波系数进行加权的第二系数；运算单元，其对于输入图像数据，至少使用第一滤波系数或第二滤波系数进行滤波运算；和加权处理单元，其使用权重系数设定单元设定的第一系数对第一滤波系数进行加权，使用权重系数设定单元设定的第二系数对第二滤波系数据进行加权，并将分别进行过加权的滤波系数相加作为新的滤波系数，输出到运算单元。

本发明的图像处理装置还包括区域图像判定单元，其根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像是否为属于文字边缘区域的图像，在由区域图像判定单元判定为不是属于文字边缘区域的图像，且由浓度计算单元计算出的浓度大于规定的浓度阈值的情况下，权重系数设定单元设定第一系数和第二系数，使得运算单元使用第一滤波系数对输入图像数据进行滤波运算。

本发明的图像处理装置还包括区域图像判定单元，其根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像是否为属于文字边缘区域的图像，在由区域图像判定单元判定为属于文字边缘区域的图像的情况下，权重系数设定单元设定第一系数和第二系数，使得运算单元使用第二滤波系数对输入图像数据进行滤波运算。

本发明的图像处理装置，其浓度计算单元以根据多个特定颜色各自的像素区域的像素值计算浓度的方式构成，权重系数设定单元对应于浓度计算单元计算出的浓度，设定第一系数和第二系数，对各个特定颜色实施共同的加权处理。

本发明的图像形成装置包括上述任意一个图像处理装置和进行该图像处理装置处理过的图像的形成的图像形成单元。

本发明的计算机程序是用于由计算机实现上述图像处理装置的控制程序。

本发明的计算机可读取的记录介质记录有上述计算机程序。

在本发明中，根据由输入图像的多个像素所构成的像素区域的像素值，计算该像素区域的浓度。像素区域例如可以是以注目点为中心的5像素×5像素的区域。而且计算出的浓度例如可以是浓度值的平均值。而且，分别对于对输入图像数据实施平滑化处理所得到的图像数据，和对输入图像数据实施与平滑化处理不同的处理所得到的图像数据，对应于像素区域的浓度实施加权处理，将实施过加权处理的各个数据相加。例如，如果使对平滑化处理后的图像数据的权重系数为α，对与平滑化处理不同的处理后的图像数据的权重系数为β，则在像素区域的浓度为高浓度(暗部)的情况下，使α＝1，β＝0；在像素区域的浓度为低浓度(亮部)的情况下，使α＝0，β＝1，对应于像素区域的浓度从低浓度向高浓度变化，能够使α从0增加到1，同时β从1减少到0。通过使权重系数(混合比)α、β随着像素区域的浓度从低浓度一侧向高浓度一侧转移而连续变化，即使在输入图像的浓度变化的情况下，也能够抑制输出图像浓度发生急剧变化，能够防止画质的劣化。

而且，在本发明中，在根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像不是属于文字边缘区域的图像，且像素区域是高浓度区域(计算出的浓度大于规定的浓度阈值)的情况下，对输入图像数据(例如实心区域等的图像数据)实施平滑化处理。由此，能够抑制高浓度区域的噪音，同时能够抑制由噪音引起的滤波处理后的平均浓度的增加，能够防止画质劣化。而且，在实施平滑化处理的情况下通过将文字边缘区域除外，能够防止文字边缘的劣化，同时能够在平滑化处理中抑制高浓度区域所放大的噪音，能够防止画质的下降。

而且，在本发明中，在根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像是属于文字边缘区域的图像的情况下或者判定像素区域是低浓度区域的情况下，对输入图像数据实施与平滑化处理不同的处理。在这种情况下，与平滑化处理不同的处理，例如可以是增强处理、增强处理与平滑化处理的混合处理、或者强的平滑化处理与弱的平滑化处理的组合。由此，对于文字边缘区域、或作为文字边缘区域以外的区域的低浓度区域(例如基底区域等亮部)，能够保存边缘，防止边缘的劣化。

而且，在本发明中，根据由输入图像的多个像素构成的像素区域的像素值，计算该像素区域的浓度。像素区域例如可以是以注目点为中心的5像素×5像素的区域。而且，计算出的浓度可以是例如浓度值的平均值。而且，分别对第一滤波系数与第二滤波系数，对应于像素区域的浓度实施加权处理，使用将加权后的各个滤波系数相加而得到的滤波系数，由运算单元对输入图像数据进行滤波运算。例如，如果使对第一滤波系数的权重系数为α，对第二滤波系数的权重系数为β，则在像素区域的浓度为高浓度(暗部)的情况下，使α＝1，β＝0，在像素区域的浓度为低浓度(亮部)的情况下，使α＝0，β＝1，对应于像素区域的浓度从低浓度向高浓度变化，能够使α从0增加到1，同时β从1减少到0。通过使权重系数(混合比)α、β随着像素区域的浓度从低浓度一侧向高浓度一侧转移而连续变化，即使在输入图像的浓度变化的情况下，也能够抑制输出图像的浓度发生急剧变化，能够防止画质的劣化。

而且，在本发明中，在根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像不是属于文字边缘区域的图像，且像素区域是高浓度区域(计算出的浓度大于规定的浓度阈值)的情况下，运算单元使用用于进行平滑化处理的第一滤波系数对输入图像数据进行滤波运算。由此，能够抑制高浓度区域的噪音，同时抑制由噪音引起的滤波处理后的平均浓度的增加，能够防止画质劣化。而且，在实施平滑化处理的情况下通过将文字边缘区域除外，能够防止文字边缘的劣化，同时能够在平滑化处理中抑制高浓度区域所放大的噪音，能够防止画质下降。

而且，在本发明中，在根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像是属于文字边缘区域的图像的情况下或者判定像素区域是低浓度区域的情况下，运算单元使用与用于进行平滑化处理的第一滤波系数不同的第二滤波系数对输入图像数据进行滤波运算。在这种情况下，使用第二滤波系数的滤波运算例如可以是增强处理运算、增强处理运算与平滑化处理运算的混合处理运算、或者是强的平滑化处理运算与弱的平滑化处理运算的组合。由此，对于文字边缘区域、或作为文字边缘区域以外的区域的低浓度区域(例如基底区域等亮部)，能够保存边缘，防止边缘的劣化。而且，由于使运算单元共同化，能够对应于像素区域的浓度选择滤波运算中使用的滤波系数，所以与例如对应于像素区域的浓度设置多个运算处理部，由各个运算处理部进行处理的情况相比，能够减少处理量。特别是在滤波器的尺寸(滤波矩阵的尺寸)大的情况下，能够进一步减少处理量。而且，在滤波系数的系数值的种类少的情况下，能够优化处理量。

此外，在本发明中，根据多个特定颜色，例如R(红)、G(绿)、B(蓝)各个像素区域的像素值，判定像素区域的浓度，对应于判定的浓度，对各个特定颜色实施共同的加权处理。例如，将权重系数(混合比)α、β对各个特定颜色使用相同值。通过使用共同的权重系数，能够对全部的颜色实施共同的滤波处理或滤波运算，能够防止混色时与单色时的处理或运算的不均匀性。

而且，在本发明中，通过进行由图像处理装置进行过处理的图像的形成，能够形成防止画质劣化的图像。

如以上所述，在本发明中，能够抑制高浓度区域的噪音，同时能够抑制噪音所引起的滤波处理后的平均浓度的增加，能够防止画质劣化。而且，对属于文字边缘区域的图像也能够防止边缘的劣化。

附图说明

图1是表示现有的能见度校正处理的输入值与输出值的关系的一个例子的说明图。

图2是表示现有的能见度校正处理中的输出值相对于输入值的变化量的说明图。

图3是表示具有增强特性的滤波处理前后的图像数据的一个例子的说明图。

图4是表示包括本发明的图像处理装置的图像形成装置的结构的框图。

图5是表示空间滤波处理部的结构的一个例子的框图。

图6是表示像素区域的局部浓度计算的一个例子的说明图。

图7是表示为了进行滤波运算的参照像素区域的一个例子的说明图。

图8是表示空间滤波核的结构例的说明图。

图9是表示第一滤波运算部中使用的滤波系数的一个例子的说明图。

图10是表示第二滤波运算部中使用的滤波系数的一个例子的说明图。

图11是表示权重系数的一个例子的说明图。

图12是表示图像处理部的空间滤波处理顺序的一个例子的流程图。

图13是表示包括实施方式2的图像处理装置的图像形成装置的结构的框图。

图14是表示区域分离处理部的结构的框图。

图15是表示实施方式2的空间滤波处理部的结构的框图。

图16是表示具有增强特性的滤波系数的一个例子的说明图。

图17是表示权重系数的设定的一个例子的说明图。

图18是表示实施方式2的图像处理部的空间滤波处理顺序的一个例子的流程图。

图19是表示实施方式3的空间滤波处理部的结构的一个例子的框图。

图20是表示空间滤波核的结构例的说明图。

图21是表示实施方式3的图像处理部的空间滤波处理顺序的一个例子的流程图。

图22是表示实施方式4的空间滤波处理部的结构的一个例子的框图。

图23是表示实施方式4的图像处理部的空间滤波处理顺序的一个例子的流程图。

图24是表示权重系数的另一个例子的说明图。

图25是表示具有平滑特性的滤波系数的一个例子的说明图。

图26是表示实施方式6的空间滤波处理部的结构的一个例子的框图。

图27是表示各色空间滤波部的结构的一个例子的框图。

图28是表示实施方式7的空间滤波处理部的结构的一个例子的框图。

图29是表示滤波系数的选择方法的一个例子的说明图。

图30是表示第一滤波系数的一个例子的说明图。

图31是表示第二滤波系数的一个例子的说明图。

图32是表示第三滤波系数的一个例子的说明图。

图33是表示实施方式7的图像处理部的空间滤波处理顺序的一个例子的流程图。

具体实施方式

下面基于表示相应实施方式的附图详细说明本发明。

实施方式1

图4是表示包括本发明的图像处理装置的图像形成装置的结构的框图。图像形成装置(例如数码彩色复印机)包括：作为图像处理装置的图像处理部100、图像输入部110、图像输出部120、和操作面板130等。

图像输入部110包括对原稿照射读取用的光的光源和CCD线传感器等(均未图示)，将从原稿反射的光变换为被分解成R(红)、G(绿)、B(蓝)色的电信号，取得彩色图像信号(RGB反射率信号)。由于以线传感器作为摄影元件，所以光源与CCD线传感器在线传感器的长边方向(主扫描方向)与短边方向(副扫描方向)上扫描，读取二维图像。对生成的电信号实施A/D变换处理，变换为数字数据，作为图像数据输出到后段的图像处理部100。

图像处理部100对输入的图像数据实施后述的各处理后，进行向图像输出部120的输出图像的输出。图像输出部120包括电子照片方式的打印部、或喷墨方式等的打印部，由打印部在打印纸、OHP膜等薄片上形成图像，输出图像。操作面板130由用于设定数码复印机的动作模式的设定按钮、数字键、液晶显示器等显示装置构成。

图像处理部100包括A/D变换部10、黑点校正部(shading correctionsection)20、能见度校正部30、空间滤波处理部50、变倍处理部60、颜色校正部70、和中间灰度输出灰度等级处理部80。

黑点校正部20对于由A/D变换部10进行A/D变换后的反射率信号，实施黑点校正处理。黑点校正处理是为了去除由图像输入部110的照明系统、成像系统和摄像系统的结构所引起在图像信号中产生的各种畸变而进行。能见度校正部30是为了校正作为摄像元件的CDD线传感器的灵敏度特性与人的能见度特性的差异，进行将与按照各R、G、B信号分别设置的LUT(Look Up Table：查找表)存储器的输入值相当的数据值读出作为输出值的处理。LUT存储器中例如存储有图1所示的具有变换特性的数据。

空间滤波处理部50对输入的图像数据实施空间滤波处理。其详细内容后面叙述。

变倍处理部60是为了吸收图像输入部110与图像输出部120的解析度的不同，使以依存于图像输入部110的解析度和图像尺寸输入的图像数据与图像输出部120相合，进行图像解析度与图像尺寸的变更。颜色校正部70将R、G、B信号变换为C(青绿)、M(品红)、Ye(黄)、K(黑)的浓度信号，并且为了实现图像输出部120的色再现的忠实化，对C、M、Ye、K的浓度信号实施颜色校正处理。具体地，颜色校正处理是将基于分别包括不要吸收成分的C、M、Ye、K色材的分光特性的杂色，从C、M、Ye、K的浓度信号中去除的处理。

中间灰度输出灰度等级处理部80对C、M、Ye、K图像数据实施灰度等级校正处理和中间灰度生成处理。中间灰度生成处理是将图像分割为多个像素并能够再现灰度等级的处理，可以使用2值或多值抖动(dither)法、误差扩散法等。而且，中间灰度输出灰度等级处理部80也能够进行将图像数据的浓度值变换为图像输出部120的特性值的网点面积率的处理。由中间灰度输出灰度等级处理部80所处理的浓度信号被输出到图像输出部120。

图像处理部100的动作例如可以由未图示的CPU(CentralProcessing Unite：中央处理单元)所控制。而且，图像形成装置并不限于数码复印机，例如也可以是具有复印功能、打印功能、传真发送功能、和扫描至电子邮件(scan to e-mail)功能等的数码彩色复合机。数码彩色复合机还可以进一步包括由例如调制解调器或网卡构成的通信装置。在发送传真的情况下，用调制解调器进行与对方地址的发送手续，确保是可发送状态时，将以规定形式压缩的图像数据(由扫描仪读取的图像数据)从存储器中读出，实施压缩形式的变更等必要的处理，通过通信线路依次发送给对方地址。此外，在接收传真的情况下，CPU在进行通信手续的同时接收从对方地址发送来的图像数据输入到图像处理部100，图像处理部100由压缩/解压处理部(未图示)对取得的图像数据实施解压处理。解压的图像数据根据需要进行旋转处理或解析度变换处理，在实施输出灰度等级校正处理、灰度等级再现处理等之后，输出到图像输出部120。此外，还能够通过网卡或LAN电缆等与连接于网络的计算机或其它数码复合机进行数据通信。而且，并不限于彩色复合机，也可以是黑白复合机。

图5是表示空间滤波处理部50的结构的一个例子的框图。空间滤波处理部50包括局部浓度计算部51、混合比计算部52、第一滤波运算部53、第二滤波运算部54、和加权处理部55等，加权处理部55包括乘法器551、552、加法器553。

空间滤波处理部50将以R、G、B的各8位数据作为1个像素的数据的图像数据，作为输入图像数据，在规定的滤波处理运算后，输出以R、G、B的各8位数据作为1个像素的数据的图像数据。空间滤波处理部50对R、G、B分别独立地进行滤波处理运算，在各色各自的运算中，不参照其他色的数据。以下表示单一平面色(R、G、B中任意一个)的处理内容。对其他色的处理内容也是同样。局部浓度计算部51基于以输入图像的注目点(注目像素)为中心的所需要大小的像素区域内的像素值，计算出像素区域的浓度。

图6是表示像素区域的局部浓度计算的一个例子的说明图。如图6所示，像素区域是由输入图像的主扫描方向即CCD线传感器的像素列方向的(2H+1)像素、与图像的副扫描方向即CCD线传感器的扫描方向的(2V+1)像素所构成，例如，具有(2H+1)＝5像素、(2V+1)＝5像素的大小。

局部浓度计算部51对包含注目点的25像素的各像素值乘以1，将乘法计算的结果除以像素区域的大小(25像素)。由此，局部浓度计算部51计算出像素区域内的平均浓度值。在输入图像的像素值为0～255(8位)的情况下，局部浓度计算部51计算出从255减去计算的平均浓度值的值作为最终的像素区域的局部浓度值(浓度)。

空间滤波处理部50的运算由于使用R、G、B信号，所以浓度值越接近0越是高浓度一侧，浓度值越接近255越是低浓度一侧。由于局部浓度值是从255减去计算出的浓度值，所以局部浓度值越接近0越是低浓度(亮部)，而局部浓度值越接近255越是高浓度(暗部)。

而且，在使用C、M、Y信号或C、M、Y、K信号作为图像数据的情况下，浓度值越接近0越是低浓度一侧，浓度值越接近255越是高浓度一侧。由于局部浓度值是从255减去计算出的浓度值，所以局部浓度值越接近255越是低浓度(亮部)，而局部浓度值越接近0越是高浓度(暗部)。

局部浓度值的计算也不限于基于像素区域的平均浓度而计算的结构，局部浓度只要是能够抑制输入图像中包含的噪音的影响求出代表注目点(注目像素)的浓度即可。例如，也能够使用参照的像素(像素区域内的像素)中，除去特定数目的浓度值高的像素与特定数目的浓度值低的像素的、具有中央值的多个像素的浓度平均值(或唯一的像素浓度值)作为局部浓度值。或者也能够在参照的像素中，仅除去特定数目的浓度值低的像素，仅使用浓度值高的像素的浓度平均值作为局部浓度值。或者，虽然在图6的例子中像素区域内的各像素全部的权重都相同，但是也可以使用注目点的权重大，越离开注目点权重越小的加权浓度平均值。

而且，包含注目点的周围像素的参照位置或参照像素数也不限于此。例如，在输入图像的主扫描方向与副扫描方向的解析度不同的情况下，也可以改变主扫描方向与副扫描方向的参照像素数。而且，例如参照的位置，也可以从离开注目点一定像素间距离的观点出发，例如作为参照像素除了参照以注目点为中心的正方形(或长方形)之外，还可以采取圆形的参照范围(像素区域)。而且，为了减少计算的计算量，例如还可以仅以包含注目点的同一线上的多个像素与包含注目点的同一列上的多个像素作为参照像素。

第一滤波运算部53对于输入的图像数据，使用规定的滤波运算用的滤波系数，进行滤波运算。图7是表示用于滤波运算的参照像素区域的一个例子的说明图。如图7所示，以输入图像的主扫描方向即CCD线传感器的像素列方向的(2H+1)像素、与图像的副扫描方向即CCD线传感器的扫描方向的(2V+1)像素的区域(参照像素区域)内的像素作为参照像素进行参照，使用参照像素与后述的空间滤波核进行运算。运算结果作为对参照像素区域的中间位置的注目点(x，y)(注目像素)的结果而输出。

图8是表示空间滤波核的结构例的说明图。如图8所示，空间滤波核具有与参照像素区域相对应的大小，具有滤波运算用的滤波系数K(-H，-V)、…、K(0，0)、…、K(H，V)。第一滤波运算部53进行式(1)的卷积运算。

$O(x,y)=\frac{{\mathrm{\Σ}}_{j=-V}^{+V}{\mathrm{\Σ}}_{i=-H}^{+H}\{K(i,j)\·I(i,j)\}}{{\mathrm{\Σ}}_{j=-V}^{+V}{\mathrm{\Σ}}_{i=-H}^{+H}K(i,j)}......\left(1\right)$

式中，O(x，y)表示对于注目点(x，y)的滤波运算结果，I(i，j)是参照像素的坐标。

第一滤波运算部53通过使用上述滤波运算用的滤波系数K，对输入图像数据进行平滑化处理。图9是表示第一滤波运算部53中使用的滤波系数的一个例子的说明图。如图9所示，空间滤波核(滤波系数)的大小与7像素×7像素的参照像素区域相对应，具有49个滤波系数K。对于各参照像素，使用具有正系数的系数组实施卷积运算。由此，能够得到具有使用7×7像素的宽范围的参照像素的平滑特性的滤波处理结果。

第二滤波运算部54具有与第一滤波运算部53同样的结构。但是，第二滤波运算部54中所使用的滤波运算用的滤波系数K与第一滤波运算部53中所使用的滤波系数K不同。图10是表示第二滤波运算部54中使用的滤波系数的一个例子的说明图。如图10所示，空间滤波核的大小与7像素×7像素的参照像素区域相对应，具有49个滤波系数K。对于各参照像素，使用具有正负混合系数的系数组，实施卷积运算。由此，能够得到兼具有增强特性与平滑特性的特性的滤波处理结果。而且，作为具有2个不同特性的例子，并不限于此，可以是仅增强处理，或者是强的平滑化处理与弱的平滑化处理的组合。

混合比计算部52对应于局部浓度计算部51所计算的局部浓度值，生成权重系数(混合比)α、β，并将生成的权重系数α、β输出到加权处理部55。加权处理部55对于第一滤波运算部53运算的结果，用乘法器551乘以权重系数α，对于第二滤波运算部54运算的结果，用乘法器552乘以权重系数β，再对由乘法器551、552分别乘法计算的值用加法器553相加，作为空间滤波处理部50的处理结果输出。

图11是表示权重系数α、β的一个例子的说明图。在图11中，横轴是由局部浓度计算部51所计算的局部浓度值，纵轴是权重值。如图11所示，在局部浓度值小的区域(低浓度区域)，权重系数α为0，权重系数β为1。在这种情况下，空间滤波处理结果与第二滤波运算部54的输出相同，即，成为如图10所例示的兼具有增强特性与平滑特性的混合特性的滤波处理结果。

此外，在局部浓度值大的区域(高浓度区域)，权重系数α为1，权重系数β为0。在这种情况下，空间滤波处理结果与第一滤波运算部53的输出相同，即，成为如图9的所例示的具有平滑特性的滤波处理结果。在局部浓度值从低浓度一侧向高浓度一侧转移的区域，权重系数α、β能够以例如α+β＝1的方式连续变化。

如图11所示，在局部浓度值为D1处，权重系数α从0开始增加。作为该局部浓度值D1，例如可以估计为，与能见度校正部30的输出值相对于输入值的放大率(增益)为1以上的输出值相比，更靠高浓度一侧。例如，在图1的例中所示特性的情况下，如果使放大率为1以上的输出值大体为150，则通过将D1的值设定为105(255-150)，例如能够通过平滑化而消除由能见度校正部30放大混入的噪音。另一方面，由于平滑化会使文字与文字背景的边界(文字边缘部)产生钝化，有可能出现使文字变得不鲜明的不良影响，所以如果考虑到这一点，优选权重系数α从0开始增加的点接近高浓度一侧。因此，为了抑制由噪音引起的画质下降和由平滑化引起的文字边缘部的钝化两者，能够将局部浓度值D1设定为105～255之间。

另一方面，在局部浓度值为D2处，权重系数α为1。作为该局部浓度值D2，例如可以设定为文字边缘部不产生的高浓度值，例如250等值。这是由于文字边缘部是基底浓度与图像区域的浓度存在的区域，所以局部浓度值不能取250等高浓度值的缘故。

在局部浓度值从D1到D2之间，权重系数α、β以满足α+β＝1的关系的方式变化。由此，即使是在输入值连续变化的情况下，也能够使输出值不发生急剧的变化，并且能够通过实施具有平滑特性的滤波运算而抑制高浓度区域的噪音，同时能够通过对高浓度区域以外的浓度区域实施混合特性的滤波运算，得到保持边缘的良好的图像处理结果。

通过使用图9的例中的滤波系数由第一滤波运算部53进行的运算，用于抑制高浓度区域(暗部)的放大噪音的平滑特性，并不限于上述的例子。例如，在以主扫描方向和副扫描方向作为分别正交的轴的二维的各基本周期而以频率成分表示图像内的像素的情况下，由于从外部混入的噪音的频率特性分布至于更低次(低频)的频率，所以只要是具有使这些噪音的频带衰减的滤波特性，则可以使用各种滤波系数。

而且，在上述例子中，作为滤波运算，列举的是使用主扫描方向为7像素、副扫描方向为7像素的合计49像素的FIR(Finite ImpulseResponse：有限脉冲响应)型的卷积运算的滤波处理方式，但是作为用于得到所需要的平滑特性、或仅放大特定频带的增强特性、或特定的频带减衰即具有平滑特性而别的特定频带放大即具有增强特性的混合特性的滤波运算，并不限于此。例如，也可以采用IIR(Infinite ImpulseResponse：无限脉冲响应)型的滤波运算形式。作为该IIR型的滤波运算形式，例如可以列举出使用前段运算完成的滤波处理结果与输入图像数据，构成反馈滤波器的例子。在FIR型的滤波运算的情况下，包含注目点的周围像素的参照位置和参照像素数也不限于如上述的例子，主扫描方向为7像素、副扫描方向为7像素的合计49像素，例如，在输入图像的主扫描方向与副扫描方向的解析度不同的情况下，也能够改变进行卷积运算时的主扫描方向和副扫描方向各自的参照像素数和系数组。如果作为对象的频带宽，则主扫描方向的参照像素数和副扫描方向的参照像素数增加。该参照像素的参照位置、参照像素数和滤波处理的方式，可以鉴于用于获得作为目的的滤波特性的实际安装成本(运算量、电路规模)和效果的权衡，而决定适当的结构。

接着对图像处理部100的动作进行说明。图12是表示图像处理部100的空间滤波处理顺序的一个例子的流程图。空间滤波处理部50计算出注目像素的局部浓度值(S11)，决定对应于局部浓度值的权重系数(混合比)α、β(S12)。空间滤波处理部50由第一滤波运算部53对输入图像数据进行滤波运算(S13)，由第二滤波运算部54对输入图像数据进行滤波运算(S14)。

而且，步骤S11、S12的处理、步骤S13的处理和步骤S 14的处理可以作为并列处理。空间滤波处理部50对第一滤波运算部53的运算结果乘以系数α(S15)，对第二滤波运算部54的运算结果乘以系数β(S16)，将乘以系数α的运算结果与乘以系数β的运算结果相加(S17)，结束处理。

如以上的说明，能够在抑制高浓度区域的噪音的同时通过抑制噪音抑制由噪音引起的滤波处理后的平均浓度的增加，能够防止画质劣化。而且，对于低浓度区域(例如基底区域等亮部)能够防止边缘的劣化。而且，通过使权重系数(混合比)α、β随着像素区域的浓度(局部浓度值)从低浓度一侧向高浓度一侧转移而连续地变化，即使是在输入图像浓度变化的情况下，也能够抑制输出图像的浓度发生急剧变化，能够防止画质的劣化。

实施方式2

在实施方式1中，是基于由局部浓度计算部51所计算的局部浓度值，由混合比计算部52计算出权重系数(混合比)α、β，对第一滤波运算部53和第二滤波运算部54的运算结果进行加权的结构，但是也可以基于表示输入图像或由多个像素构成的像素块的区域属性的区域分离信号，计算权重系数(混合比)。

图13是表示包括实施方式2的图像处理装置的图像形成装置的结构的框图。图像处理部100还包括区域分离处理部(区域图像判定部)40。区域分离处理部40根据从能见度校正部30输出的R、G、B信号，将输入图像中的各像素分离为文字边缘区域、网点区域、其他区域中的任一个。区域分离处理部40基于分离结果，将表示像素是属于哪个区域的区域分离信号A输出到空间滤波处理部50、颜色校正部70和中间灰度输出灰度等级处理部80，并且将能见度校正部30所输出的输入信号原封不动地输出到后段的空间滤波处理部50。

由区域分离处理部40分离为文字的区域，特别是为了提高文字的再现性，在空间滤波处理部50进行鲜锐增强处理，在颜色校正部70进行黑文字的黑色生成量增多的处理。而且，在中间灰度输出灰度等级处理部80选择适合于高频再现的2值或多值抖动法或者误差扩散法。

由区域分离处理部40分离为网点的区域，在空间滤波处理部50根据像素的局部浓度值，实施平滑化处理、兼具增强特性和平滑特性的滤波处理、平滑特性与兼具增强特性和平滑特性的特性混合的处理。然后，在中间灰度输出灰度等级处理部80进行使用重视灰度等级再现性的2值或多值抖动法或者误差扩散法的处理。

图14是表示区域分离处理部40的结构的框图。区域分离处理部40包括最小浓度值计算部41、最大浓度值计算部42、最大浓度差计算部43、总和浓度繁杂度计算部44、基底印相纸照片/文字网点判定部45、最大浓度差阈值设定部46、总和浓度繁杂度阈值设定部47和文字边缘区域判定部48等。

最小浓度值计算部41计算出包含注目像素的n×m的像素块(例如15×15像素)的最小浓度值，最大浓度值计算部42计算出包含注目像素的n×m的像素块(例如15×15像素)的最大浓度值。最大浓度差计算部43计算出作为计算的最大浓度值与最小浓度值的差的最大浓度差。

总和浓度繁杂度计算部44计算出包含注目像素的n×m的像素块(例如15×15像素)中邻接像素的浓度差的绝对值的总和，即总和浓度繁杂度。

在基底区域的浓度分布中，由于浓度变化小，所以最大浓度差和总和浓度繁杂度都非常小。而且，印相纸照片区域(例如将印相纸照片这种连续灰度等级区域称为印相纸照片区域)的浓度分布呈圆滑的浓度变化，最大浓度差和总和浓度繁杂度都很小，且比基底区域大一些。即，基底区域和印相纸照片区域(其他区域)中，最大浓度差和总和浓度繁杂度都是很小的值。

在网点区域的浓度分布中，虽然最大浓度差会因网点而多种多样，但是由于总和浓度繁杂度仅因网点的数目存在浓度变化，所以总和浓度繁杂度相对于最大浓度差的比例增大。因此，在总和浓度繁杂度大于最大浓度差与规定的文字/网点判定阈值之积的情况下，能够判别为网点像素。

在文字边缘区域的浓度分布中，虽然最大浓度差大，与此相伴总和浓度繁杂度也增大，但是由于与网点区域相比，浓度变化少，所以与网点区域相比，总和浓度繁杂度变小。因此，在总和浓度繁杂度小于最大浓度差与规定的文字/网点判定阈值之积的情况下，能够判别为文字边缘像素。

基底印相纸照片/文字网点判定部45进行所计算的最大浓度差与由最大浓度差阈值设定部46设定的最大浓度差阈值的比较，以及所计算的总和浓度繁杂度与由总和浓度繁杂度阈值设定部47设定的总和浓度繁杂度阈值的比较。基底印相纸照片/文字网点判定部45在最大浓度差小于最大浓度差阈值且总和浓度繁杂度小于总和浓度繁杂度阈值的情况下，判定注目像素为其他区域(基底/印相纸照片区域)，而在最大浓度差大于最大浓度差阈值，或总和浓度繁杂度大于总和浓度繁杂度阈值的情况下，判定注目像素为文字/网点区域。

文字边缘区域判定部48在由基底印相纸照片/文字网点判定部45判断出注目像素为文字/网点区域的情况下，进行所计算的总和浓度繁杂度与最大浓度差乘以文字/网点判定阈值的值的比较，在总和浓度繁杂度小的情况下判定为文字边缘区域，如果总和浓度繁杂度大，则判定为网点区域，输出判定信号(区域分离信号)A。通过以上的处理，能够将注目像素分离为文字边缘区域、网点区域、其他区域。

图15是表示实施方式2的空间滤波处理部50的结构的一个例子的框图。其中，由于局部浓度计算部51、第一滤波运算部53、加权处理部55都与实施方式1相同，所以其说明予以省略。

系数组选择部56存储有具有图10的例中所示的增强特性与平滑特性的混合特性的滤波系数、和后述的具有增强特性的滤波系数等。系数组选择部56选择与区域分离信号A相对应的滤波系数，将所选择的滤波系数输出到第二滤波运算部54。例如，在区域分离信号A是文字边缘区域的情况下选择具有增强特性的滤波系数，在区域分离信号A是网点区域或其他区域(即文字边缘区域以外)的情况下选择具有增强特性与平滑特性的混合特性的滤波系数。

图16是表示具有增强特性的滤波系数的一个例子的说明图。具有增强特性或鲜锐化特性的滤波系数是为了防止由于与低空间频率成分相比，高空间频率成分弱化导致在文字边缘部发生模糊，而用于增强较高空间频率成分的系数。其中，图16的滤波系数仅是一个例子，并不限于此。

混合比计算部52基于局部浓度计算部51计算的局部浓度值与区域分离信号A，设定权重系数(混合比)α、β，将设定的权重系数α、β输出到加权处理部55。

图17是表示权重系数α、β设定的一个例子的说明图。如图17所示，混合比计算部52在区域分离信号A是文字边缘区域的情况下，与局部浓度值无关，设定如权重系数α＝0，权重系数β＝1。在区域分离信号A是文字边缘区域的情况下，由于系数组选择部56选择具有增强特性的滤波系数，所以空间滤波处理结果与第二滤波运算部54的输出相同，即得到增强特性的滤波处理结果。即，输出文字边缘被增强的图像数据。

在区域分离信号A是网点或其他区域(即文字边缘区域以外)，且局部浓度值大(例如局部浓度值为250以上)的情况下，混合比计算部52设定如权重系数α＝1，权重系数β＝0。在这种情况下，空间滤波处理结果与第一滤波运算部53的输出相同，即得到已平滑化处理的图像数据。

在区域分离信号A是网点或其他区域(即文字边缘区域以外)，且局部浓度值小(例如局部浓度值为105以下)的情况下，混合比计算部52设定如权重系数α＝0，权重系数β＝1。在区域分离信号A是网点或其他区域的情况下，由于系数组选择部56选择具有增强特性与平滑特性的混合特性的滤波系数，所以进行兼具有增强特性与平滑特性的滤波处理。

在区域分离信号A是网点或其他区域(即文字边缘区域以外)，且局部浓度值为中间值(例如局部浓度值为105～250)的情况下，混合比计算部52设定如权重系数α＝1-a，权重系数β＝a(0＜a＜1)。在区域分离信号A是网点或其他区域的情况下，由于系数组选择部56选择兼具增强特性与平滑特性的滤波系数，所以对应于浓度值，进行由第二滤波运算部54基于兼具增强特性与平滑特性的滤波系数的滤波运算，与由第一滤波运算部53基于具有平滑特性的滤波系数的运算结果相混合的处理。

如上所述，在网点区域或其他区域，根据局部浓度值，切换滤波处理的方法，由此在网点区域或其他区域的高浓度区域实施平滑化处理，抑制输入图像数据中包含的噪音的放大，在网点区域或其他区域的低浓度区域，通过进行兼具增强特性与平滑特性的滤波处理，能够改善相对于低频成分的MTF特性，并且去除不要的高频成分。

接着对实施方式2的图像处理部100的动作进行说明。图18是表示实施方式2的图像处理部100的空间滤波处理顺序的一个例子的流程图。空间滤波处理部50计算出注目像素的局部浓度值(S21)，设定对应于局部浓度值和区域分离信号的权重系数(混合比)α、β(S22)。

空间滤波处理部50由第一滤波运算部53对输入图像数据进行滤波运算(S23)，基于区域分离信号选择滤波系数(S24)，使用所选择的滤波系数，由第二滤波运算部54对输入图像数据进行滤波运算(S25)。其中，步骤S21、S22的处理、步骤S23的处理和步骤S24、S25的处理可以作为并列处理。空间滤波处理部50对第一滤波运算部53的运算结果乘以系数α(S26)，对第二滤波运算部54的运算结果乘以系数β(S27)，将乘以系数α的运算结果与乘以系数β的运算结果相加(S28)，结束处理。

如以上的说明，在实施平滑化处理的情况下，通过将文字边缘区域除外，能够防止文字边缘的劣化，同时由平滑化处理抑制高浓度区域放大的噪音，并且能够防止画质的下降。而且，通过对文字边缘区域实施具有增强特性的滤波处理，或者对文字边缘区域以外的区域且根据局部浓度值实施兼具增强特性与平滑特性的滤波处理，能够保存边缘，防止边缘的劣化。而且，通过使权重系数(混合比)α、β随着像素区域的浓度(局部浓度值)从低浓度一侧向高浓度一侧转移而连续变化，即使是在输入图像的浓度变化的情况下，也能够抑制输出图像的浓度发生急剧变化，能够进一步防止画质的劣化。

实施方式3

在上述实施方式1、2中，空间滤波处理部50是包括第一滤波运算部53和第二滤波运算部54这2个滤波运算部的结构，但是，空间滤波处理部50的结构并不限于此，也可以将多个滤波系数混合生成一个滤波系数，通过使用生成的滤波系数，使滤波运算部共同化为一个。

图19是表示实施方式3的空间滤波处理部50的结构的一个例子的框图。在实施方式3中，空间滤波处理部50包括局部浓度计算部51、混合比计算部52、第一系数组供给部57、第二系数组供给部58、加权处理部59、滤波运算部501等。加权处理部59包括乘法器591、592、加法器593。其中，由于局部浓度计算部51、混合比计算部52与实施方式1、2相同，所以其说明予以省略。

第一系数组供给部57存储具有平滑特性的滤波系数，第二系数组供给部58存储与第一系数组供给部57存储的滤波系数不同的滤波系数，例如具有增强特性与平滑特性的混合特性的滤波系数。加权处理部59对从第一系数组供给部57取出的滤波系数乘以由混合比计算部52计算出的权重系数α，对从第二系数组供给部58取出的滤波系数乘以由混合比计算部52计算出的权重系数β，并对分别乘以权重系数α、β的滤波系数相加，生成一个滤波系数(混合滤波系数)，将生成的滤波系数输出到滤波运算部501。滤波运算部501使用将两种滤波系数混合生成的滤波系数，进行与输入图像数据的卷积运算。

这里对滤波系数的混合方法进行说明。图20是表示空间滤波核的结构例的说明图。如图20所示，空间滤波核具有与参照像素区域相对应的大小，具有滤波运算用的系数L(-H，-V)、…、L(0，0)、…、L(H，V)。使进行混合的2个滤波系数的结构为例如在上述图8的例子和图20的例子，对输入图像数据I(i，j)，以α∶β(α+β＝1)的比率使用滤波系数进行滤波处理。如果O(x，y)是相对于注目像素的滤波处理结果，则O(x，y)可以由式(2)表示。

$O(x,y)=\frac{{\mathrm{\Σ}}_{j=-V}^{+V}{\mathrm{\Σ}}_{i=-H}^{+H}\mathrm{\α}\·\{K(i,j)\·I(i,j)\}}{{\mathrm{\Σ}}_{j=-V}^{+V}{\mathrm{\Σ}}_{i=-H}^{+H}K(i,j)}+\frac{{\mathrm{\Σ}}_{j=-V}^{+V}{\mathrm{\Σ}}_{i=-H}^{+H}\mathrm{\β}\{L(i,j)\·I(i,j)\}}{{\mathrm{\Σ}}_{j=-V}^{+V}{\mathrm{\Σ}}_{i=-H}^{+H}L(i,j)}...\left(2\right)$

${\mathrm{\Σ}}_{j=-V}^{+V}{\mathrm{\Σ}}_{i=-H}^{+H}K(i,j)={\mathrm{\Σ}}_{j=-V}^{+V}{\mathrm{\Σ}}_{i=-H}^{+H}L(i,j)=Z...\left(3\right)$

$O(x,y)=\frac{1}{Z}\left[{\mathrm{\Σ}}_{j=-V}^{+V}{\mathrm{\Σ}}_{i=-H}^{+H}\right\{\mathrm{\α}\·K(i,j)+\mathrm{\β}\·L(i,j)\}\·I(i,j)]...\left(4\right)$

这里，在以满足式(3)的方式预先使滤波系数标准化的情况下，O(x，y)可以由式(4)表示。对于输入图像数据I(i，j)，以α∶β(α+β＝1)的比率使用滤波系数进行滤波处理的处理，与将滤波系数以α∶β混合生成新的滤波系数，而使用生成的滤波系数进行滤波处理的情况等效。

接着对图像处理部100的动作进行说明。图21是表示实施方式3的图像处理部100的空间滤波处理顺序的一个例子的流程图。空间滤波处理部50计算出注目像素的局部浓度值(S31)，对应于局部浓度值设定权重系数(混合比)α、β(S32)。空间滤波处理部50对从第一系数组供给部57取出的滤波系数乘以系数α(S33)，对从第二系数组供给部58取出的滤波系数乘以系数β(S34)。空间滤波处理部50将乘以系数α的滤波系数与乘以系数β的滤波系数相加(S35)，使用相加后的滤波系数对输入图像数据进行滤波运算(S36)，结束处理。

如以上的说明，由于是使用一个滤波运算部(共同化)，对应于像素区域的浓度(局部浓度值)，将多个滤波系数混合生成一个滤波系数，所以与例如设置多个滤波运算部，由各个滤波运算部进行处理的情况相比，能够减少处理量。特别是在滤波器的尺寸(滤波器矩阵的尺寸)大的情况下能够进一步降低处理量。而且，在滤波系数的系数值的种类少的情况下，能够优化处理量。

实施方式4

在上述实施方式3中，第二系数组供给部58是存储与第一系数组供给部57存储的具有平滑特性的滤波系数不同的滤波系数的结构，但并不限于此，也可以是由第二系数组供给部58存储有多个滤波系数，对应于区域分离信号A，从存储的滤波系数中选择一个滤波系数，并且对应于区域分离信号A设定由混合比计算部52计算的权重系数(混合比)α、β。

图22是表示实施方式4的空间滤波处理部50的结构的一个例子的框图。空间滤波处理部50的结构虽然与实施方式3的情况相同，但是区域分离信号A向混合比计算部52和第二系数组供给部58输出这点不同。混合比计算部52基于从局部浓度计算部51输出的局部浓度值和区域分离信号A，计算出权重系数(混合比)α、β。其中，计算方法与实施方式2相同。

第二系数组供给部58与实施方式2(图15)的系数组选择部56相同，存储图10的例中所示的具有增强特性与平滑特性的混合特性的滤波系数、图16的例中所示的具有增强特性的滤波系数等。第二系数组供给部58选择与区域分离信号A相对应的滤波系数，将所选择的滤波系数输出到加权处理部59。例如，在区域分离信号A是文字边缘区域的情况下，选择具有增强特性的滤波系数，在区域分离信号A是网点区域或其他区域(即文字边缘区域以外)的情况下，选择具有增强特性与平滑特性的混合特性的滤波系数。由于第一系数组供给部57、加权处理部59、滤波运算部501都与实施方式3相同，所以其说明予以省略。

接着对图像处理部100的动作进行说明。图23是表示实施方式4的图像处理部100的空间滤波处理顺序的一个例子的流程图。空间滤波处理部50计算出注目像素的局部浓度值(S41)，对应于局部浓度值和区域分离信号设定权重系数(混合比)α、β(S42)。

空间滤波处理部50对从第一系数组供给部57取出的滤波系数乘以系数α(S43)，与区域分离信号相对应地选择第二系数组供给部58的滤波系数(S44)，对从第二系数组供给部58取出的滤波系数乘以系数β(S45)。空间滤波处理部50将乘以系数α的滤波系数与乘以系数β的滤波系数相加(S46)，使用相加后的滤波系数，对输入图像数据进行滤波运算(S47)，结束处理。

如以上的说明，在进行平滑化处理的情况下通过将文字边缘区域除外，能够防止文字边缘的劣化，同时由平滑化处理抑制高浓度区域放大的噪音，并且能够防止画质的下降。而且，通过对文字边缘区域实施具有增强特性的滤波处理，或者对文字边缘区域以外的区域且根据局部浓度值实施兼具增强特性与平滑特性的滤波处理，能够保存边缘，防止边缘的劣化。而且，通过使权重系数(混合比)α、β随着像素区域的浓度(局部浓度值)从低浓度一侧向高浓度一侧转移而连续变化，即使是在输入图像的浓度变化的情况下，也能够抑制输出图像的浓度发生急剧变化，能够进一步防止画质的劣化。

实施方式5

在上述实施方式中，在局部浓度值为D2处，由混合比计算部52计算的权重系数(混合比)α、β是α＝1，β＝0的结构，但并不限于此。

图24是表示权重系数α、β的另一个例子的说明图。在图24中，横轴是由局部浓度计算部51所计算的局部浓度值，纵轴是权重值。如图24所示，在局部浓度值为D2处，权重系数α＜1，权重系数β＞0。由此，作为平滑化处理结果的第一滤波运算部53的运算或使用第一系数组供给部57的滤波系数的滤波运算的处理结果，与第二滤波运算部54的运算或使用第二系数组供给部58的滤波系数的滤波运算的处理结果的混合输出即使在最大浓度也进行。作为该实施方式5的结构的优点，可以列举以下这点：存在能够使第一滤波运算部53的运算或使用第一系数组供给部57的滤波系数的滤波运算简化的情况。

图25是表示具有平滑特性的滤波系数的一个例子的说明图。在图25所示的滤波系数的情况下，滤波系数的值仅是1，0，系数值的种类少。因此，能够减少滤波运算所需要的处理量。通过将使用图25的例中具有强力平滑特性的滤波系数的第一滤波运算部53的运算或使用第一系数组供给部57的如图25的例中的滤波系数的滤波运算的处理结果，与第二滤波运算部54的运算或使用第二系数组供给部58的滤波系数的滤波运算的处理结果进行混合，由此弱化强力平滑化结果，能够得到适度的平滑化结果。

实施方式6

在上述的实施方式中，是对R、G、B的各色计算出局部浓度值，计算权重系数(混合比)α、β的结构，但并不限于此，也可以是计算R、G、B的多个色的局部浓度值，基于计算出的局部浓度值计算各色共同的权重系数α、β的结构。

图26是表示实施方式6的空间滤波处理部50的结构的一个例子的框图，图27是表示各色空间滤波部504、505、506的结构的一个例子的框图。如图26所示，实施方式6的空间滤波处理部50包括共同局部浓度计算部502、共同混合比计算部503、各色空间滤波部504、505、506等。

如图6的例子所示，共同局部浓度计算部502对于5像素×5像素的像素区域，使用全部赋予相同权重系数(图6的例中为1)的系数组对每个色进行卷积运算后，再对每个色添加权重，计算加权平均值，计算出局部浓度值。例如，在R、G、B三色的情况下，R、G、B各色的权重分别为0.30、0.58、0.12进行加权平均，由此不是得到每个色的浓度，而是得到与光量相对应的浓度值。

共同混合比计算部503对应于共同局部浓度计算部502所计算出的局部浓度值和区域分离信号A，计算出对于各色共同的权重系数(混合比)α、β，将计算出的权重系数α、β输出到各色空间滤波部504、505、506。各色空间滤波部504包括第一滤波运算部53、第二滤波运算部54、系数组选择部56、加权处理部55。第一滤波运算部53、第二滤波运算部54、系数组选择部56、加权处理部55的结构由于与图15的例子相同，所以其说明予以省略。而且，各色空间滤波部505、506具有与各色空间滤波部504相同的结构。

根据以上的结构，能够通过对各色使用共同的权重系数(混合比)α、β，对全色实施共同的滤波处理。由此，不是在混色时对每个色实施不同的滤波处理，能够防止混色时与非混色时的画质的差异。

实施方式7

在上述的实施方式中，是第一滤波运算部53与第二滤波运算部54并联设置，输入相同的图像数据而分别进行运算的结构，但并不限于此，也可以将第一滤波运算部53与第二滤波运算部54串联设置。

图28是表示实施方式7的空间滤波处理部50的结构的一个例子的框图。实施方式7的空间滤波处理部50包括局部浓度计算部51、第一系数组选择部561、第二系数组选择部562、第一滤波运算部53、第二滤波运算部54等。第一系数组选择部561预先存储有多组滤波系数，对应于局部浓度计算部51计算出的局部浓度值和区域分离信号A选择滤波系数，将所选择的滤波系数输出到第一滤波运算部53。

图29是表示滤波系数的选择方法的一个例子的说明图，图30是表示第一滤波系数的一个例子的说明图，图31是表示第二滤波系数的一个例子的说明图，图32是表示第三滤波系数的一个例子的说明图。如图29所示，第一系数组选择部561在区域分离信号A是网点或其他区域(即文字边缘区域以外)的情况下，对应于局部浓度值选择平滑特性的平滑化程度不同的第一滤波系数(参照图30)、第二滤波系数(参照图31)、第三滤波系数(参照图32)、第四滤波系数(参照图9)中的任意一个。由此，例如能够与局部浓度值的增大(高浓度)相对应，提高平滑化的程度。这样，能够抑制高浓度区域的噪音，同时抑制由噪音引起的滤波处理后的平均浓度的增加，能够防止画质的劣化。

此外，第一系数组选择部561在区域分离信号A是文字边缘区域的情况下，与局部浓度值无关，选择第一滤波系数(参照图30)，不实施平滑化处理。第二系数组选择部562在区域分离信号A是网点或其他区域(即文字边缘区域以外)的情况下，选择图10所示的用于进行具有混合特性的滤波处理的滤波系数，在区域分离信号A是文字边缘区域的情况下，选择图16所示的用于进行具有增强特性的滤波处理的滤波系数，将所选择的滤波系数输出到第二滤波运算部54。

第一滤波运算部53使用第一系数组选择部561所选择的滤波系数，对输入图像数据进行滤波运算，将运算后的图像数据输出到第二滤波运算部54。第二滤波运算部54使用第二系数组选择部562所选择的滤波系数，对从第一滤波运算部53输出的图像数据进行滤波运算。

如上所述，第一系数组选择部561根据局部浓度值和区域分离信号A从具有平滑特性的多个滤波系数中选择一个滤波系数，第二系数组选择部562根据区域分离信号A从具有增强特性与平滑特性的混合特性的多个滤波系数中选择一个滤波系数。由此，能够由作为前段的滤波处理部的第一滤波运算部53去除一定程度频率以上的噪音之后，由第二滤波运算部54进行与特定的图像区域相对应的最佳滤波处理。其中，也可以将第一滤波运算部53与第二滤波运算部54替换变更处理的顺序。

接着对实施方式7的图像处理部100的动作进行说明。图33是表示实施方式7的图像处理部100的空间滤波处理顺序的一个例子的流程图。空间滤波处理部50计算出注目像素的局部浓度值(S51)，对应于局部浓度值和区域分离信号选择第一系数组的滤波系数(S52)。空间滤波处理部50使用所选择的滤波系数由第一滤波运算部53进行运算(S53)，将运算结果输出到第二滤波运算部54。空间滤波处理部50对应于区域分离信号选择第二系数组的滤波系数(S54)，使用所选择的滤波系数对第一滤波运算部53的运算结果由第二滤波运算部54进行运算(S55)，结束处理。

实施方式8

在上述的实施方式中，构成数码彩色复印机(或复合机)所具备的空间滤波处理部50和控制部(未图示)的各部(各功能块)也可以使用CPU等处理器由软件来实现。即，数码复印机(或复合机)包括执行实现各功能的控制程序的命令的CPU(central processing unit：中央处理单元)、存储上述程序的ROM(read only memory：只读存储器)、展开上述程序的RAM(random access memory：随机存储器)、和存储上述程序和各种数据的存储器等存储装置(记录介质)等。

本发明能够通过以下方式达成：将以计算机可读取的方式记录有作为实现上述功能的软件的数码复印机(或复合机)的控制程序的程序代码(执行格式程序、中间代码程序、源程序)的记录介质供给到数码复印机(或复合机)，该计算机(或CPU、MPU等)读出并执行记录介质中记录的程序代码。

作为上述记录介质，例如可以使用磁带、盒式磁带等带类；软盘或硬盘等磁盘、包括CD-ROM/MO/MD/DVD/CD-R等光盘的盘类；IC卡(包括存储卡)/光卡等卡类；或者掩模ROM/EPROM/EEPROM/闪存ROM等半导体存储器类等。

此外，也可以使数码复印机(或复合机)是可与通信网络连接的结构，通过通信网络供给上述程序代码。作为该通信网络，并无特别的限制，例如可以利用国际互联网络、企业内部网络、外联网、LAN、ISDN、VAN、CATV通信网、虚拟专用网(virtual private network)、电话线路网、移动体通信网、卫星通信网等。而且，作为构成通信网络的传输介质，也没有特别的限制，例如可以使用IEEE1394、USB、电力线输送、有线电视线路、电话线、ADSL线路等有线的形式，而且，也可以利用IrDA或遥控等紫外线、蓝牙(Bluetooth，注册商标)、802.11无线、HDR、便携式电话网、卫星线路、地上波数字网等无线的形式。

而且，本发明还可以由上述程序代码以电子传送而实现的、放入载波的计算机数据信号的形式实现。而且，数码复印机(或复合机)的各功能块，也不限于使用软件而实现，也可以通过硬件逻辑构成，也可以将进行一部分处理的硬件与执行用于进行该硬件的控制、残余处理的软件的运算单元组合。

本发明还可以由以下构成：平板扫描仪、胶片扫描仪、数码相机等图像输入装置；通过装载规定的程序而进行上述各处理的计算机；显示计算机处理结果的CRT显示器或液晶显示器等图像显示装置；和将计算机处理结果输出到纸等的打印机等图像形成装置。而且，还可以包括作为用于通过网络与服务器等连接通信单元的网卡或调制解调器等。

上述实施方式中所示的滤波系数，仅是一个例子，并不限于此，也可以适当使用具有不同系数值的滤波系数、不同尺寸的滤波系数。

Claims (7)

1.一种图像处理装置，其对输入图像数据进行图像处理，其特征在于，包括：

浓度计算单元，其根据由输入图像的多个像素构成的像素区域的像素值，计算出所述像素区域的浓度；

区域图像判定单元，其根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像是否为文字边缘区域图像；和

第一处理单元，其在由所述区域图像判定单元判定为不是文字边缘区域图像、并且由所述浓度计算单元计算出的浓度大于规定的第一浓度阈值的情况下，对输入图像数据实施平滑化处理，

包括第二处理单元，其在由所述区域图像判定单元判定为是文字边缘区域图像的情况下或者由所述浓度计算单元计算出的浓度小于规定的第二浓度阈值的情况下，对输入图像数据进行增强处理、将增强处理与平滑化处理组合的处理和将强的平滑化处理与弱的平滑化处理组合的处理中的任一种处理。

2.根据权利要求1所述的图像处理装置，其特征在于：

包括加权处理单元，其根据由所述浓度计算单元计算出的浓度，对由所述第一处理单元和第二处理单元各自处理后的图像数据实施加权处理。

3.根据权利要求2所述的图像处理装置，其特征在于：

所述浓度计算单元根据多个特定颜色各自的像素区域的像素值计算出浓度，

所述加权处理单元根据由所述浓度计算单元计算出的浓度，对各个所述特定颜色实施共同的加权处理。

4.一种图像处理装置，其对输入图像数据进行数字滤波运算处理，其特征在于，包括：

存储单元，其存储用于对输入图像数据进行平滑化处理的第一滤波系数；

浓度计算单元，其根据由输入图像的多个像素构成的像素区域的像素值，计算出所述像素区域的浓度；

区域图像判定单元，其根据由包含注目像素的多个像素构成的像素块内的像素值，判定输入图像是否为文字边缘区域图像；和

运算单元，其在由所述区域图像判定单元判定为不是文字边缘区域图像、并且由所述浓度计算单元计算出的浓度大于规定的第一浓度阈值的情况下，使用所述第一滤波系数对输入图像数据进行滤波运算，

包括存储单元，其存储用于对输入图像数据进行增强处理、将增强处理与平滑化处理组合的处理和将强的平滑化处理与弱的平滑化处理组合的处理中的任一种处理的第二滤波系数，

所述运算单元，在由所述区域图像判定单元判定为是文字边缘区域图像的情况下或者由所述浓度计算单元计算出的浓度小于规定的第二浓度阈值的情况下，使用所述第二滤波系数对输入图像数据进行滤波运算。

5.根据权利要求4所述的图像处理装置，其特征在于：

包括加权处理单元，其根据由所述浓度计算单元计算出的浓度，对所述第一滤波系数和第二滤波系数各自实施加权处理。

6.根据权利要求5所述的图像处理装置，其特征在于：

所述浓度计算单元根据多个特定颜色各自的像素区域的像素值计算出浓度，

所述加权处理单元根据由所述浓度计算单元计算出的浓度，对各个所述特定颜色实施共同的加权处理。

7.一种图像形成装置，其特征在于，包括：

权利要求1～6中任一项所述的图像处理装置；和

形成由所述图像处理装置处理后的图像的图像形成单元。

Images