CN102111527B - 图像处理装置和图像处理方法 - Google Patents

Abstract

本发明提供一种图像处理装置和图像处理方法。所述图像处理装置包括第一半色调处理器、第一滤波处理器、第二滤波处理器以及评估器。所述第一半色调处理器使用阈值由输入图像数据生成第一半色调图像数据。所述第一滤波处理器使用具有对应于所述阈值的周期的大小的第一滤波器来平滑所述第一半色调图像数据。第二滤波处理器使用具有对应于所述第一滤波器的特性的第二滤波器来平滑所述输入图像数据。所述评估器基于由所述第一滤波处理器平滑的所述第一半色调图像数据和由所述第二滤波处理器平滑的所述输入图像数据之间的差分，来评估所述第一半色调图像数据中产生的云纹。

Description

图像处理装置和图像处理方法

技术领域

本发明大体上涉及图像处理装置、图像处理方法、程序和存储介质。更具体地说，本发明涉及适用于检测由于半色调(halftone)处理而引起的云纹(moirés)的技术。

背景技术

近年来，经常打印由个人计算机(PC)处理的图像数据。然而，打印机或者显示器中可用的表示各像素的图像数据的灰度级数可能少于PC中可用的灰度级数。因此，在图像数据被输出至打印机或者显示器之前，通常针对图像数据执行用于将具有较多灰度级的图像数据转换为具有较少灰度级的图像数据的半色调处理。

然而，半色调处理可能引起云纹，并最终引起图像质量的劣化。有序抖动方法是一种可用的半色调处理。在有序抖动方法中，基于周期性重复的阈值与各像素值之间的比较来决定输出值。在具有接近阈值的频率分量的特定频率分量的输入图像中，有序抖动方法引起对应于空间频率之差的云纹。作为半色调处理的其他类型，误差扩散法也是可用的。已知误差扩散法在具有给定色浓度的平滑输入图像的输出图像中，引起具有重复特性图案的云纹。

作为检测这种云纹的产生的技术之一，日本专利特开平9-238259号公报提出了一种基于输入的图像数据和半色调处理后得到的图像数据之间的差分的云纹检测方法。更具体地说，在该方法中，确定输入的图像数据和半色调处理后得到的图像数据的差分数据。然后对差分数据执行带通滤波处理。以此方式提取云纹分量。

也可用另一种云纹检测方法，例如日本专利特开2001-86355号公报公开了一种方法，针对半色调处理后得到的图像数据执行基于视觉特性的滤波处理，以检测云纹的产生。更具体地说，在该方法中，将输入图像数据在相位上偏移半相位。针对经历了半色调处理的输入图像数据和经历了半色调处理的相位偏移的图像数据执行基于视觉特性的滤波处理。评估滤波结果之间的差分。

根据相关领域的现有方法，当输入图像数据包括接近于云纹分量的频率分量的频率分量时，难以确定频率分量是由于半色调处理而产生的云纹分量还是输入图像数据中原本包括的频率分量。经历了半色调处理的图像数据的打印图像可能被复印或者可能被用扫描器扫描、进行处理然后打印。在这种情况下，由于复印机和扫描器输入的数据的分辨率劣化，因此，上述相关领域的现有方法也难以精确检测云纹。因此，在相关领域中，在半色调处理之前，执行图案检测以检测点并针对检测了点的部分执行平滑处理。

另外，在使用基于视觉特性的滤波处理的方法中，根据输出设备的分辨率改变滤波处理。

发明内容

鉴于上述缺点，本发明能够简单且高精度地评估云纹。

一种图像处理装置，所述图像处理装置包括第一半色调处理器、第一滤波处理器、第二滤波处理器以及评估器。所述第一半色调处理器使用阈值由输入图像数据生成第一半色调图像数据。所述第一滤波处理器使用具有对应于所述阈值的周期的大小的第一滤波器来平滑所述第一半色调图像数据。第二滤波处理器使用具有对应于所述第一滤波器的特性的第二滤波器来平滑所述输入图像数据。所述评估器基于由所述第一滤波处理器平滑的所述第一半色调图像数据和由所述第二滤波处理器平滑的所述输入图像数据之间的差分，来评估所述第一半色调图像数据中产生的云纹。

通过下面参照附图的示例性实施例的说明，本发明的其他特征将变得清楚。

附图说明

包括在说明书中并构成说明书的一部分的附图，例示了本发明的示例性实施例和特征，其与文字说明一起用于解释本发明的至少一些原理。

图1是描述根据示例性实施例的图像处理装置的结构的示例的框图。

图2是描述有序抖动中使用的阈值表的示例的图表。

图3是描述输入图像数据的示例的图表。

图4是描述由有序抖动得到的半色调图像数据的示例的图表。

图5是描述包括目标像素的4×4区域的示例的图表。

图6是描述在半色调图像数据的端部增加像素数据的示例的图表。

图7是描述由第一滤波处理得到的图像数据的示例的图表。

图8是描述由第二滤波处理得到的图像数据的示例的图表。

图9是描述差分图像数据的示例的图表。

图10是描述云纹评估数据的示例的图表。

图11是描述没有产生云纹的输入图像数据的示例的图表。

图12是描述没有云纹的差分图像数据的示例的图表。

图13是描述用于检测云纹的步骤的示例的流程图。

图14是描述由第二滤波处理得到的图像数据的另一示例的图表。

图15是描述误差扩散中的误差分配比率的示例的图表。

图16是描述由误差扩散得到的半色调图像数据的示例的图表。

图17是描述由第一滤波处理得到的图像数据的另一示例的图表。

图18是描述差分图像数据的另一示例的图表。

图19是描述云纹评估数据的另一示例的图表。

图20是描述有序抖动中使用的阈值的组合的另一示例的图表。

图21是描述包括图20所示的组合的阈值数据的图表。

图22是描述具有8行8列周期性重复的周期的阈值的组合的示例的图表。

图23是描述经历针对目标像素计算像素值的和的区域的另一示例的图表。

图24A和24C是描述经历滤波处理的区域的示例的图表，而图24B和24D是描述相应的滤波系数的示例的图表。

图25是描述超元胞(supercell)阈值表的示例的图表。

具体实施方式

现在，参照附图详细说明本发明的优选实施例。

第一示例性实施例

图1是描述根据第一示例性实施例的图像处理装置10的结构的示例的框图。半色调是一种可以通过使用大小和/或空间上不同的点来模拟连续色调成像的复制技术。云纹包括当在数字成像过程中两个栅格互相重叠时出现的非计划的和/或不期望的干涉图案。抖动可以包括有意施加来用于随机量化误差、以防止图像中产生大规模令人反感的图案的形式。

参照图1，图像处理装置10包括半色调处理单元11、云纹检测处理单元12以及云纹减少处理单元13。半色调处理单元11包括用作第一半色调处理器的第一半色调处理器14。第一半色调处理器14针对输入图像数据执行基于有序抖动的半色调处理以生成半色调图像数据。

云纹检测处理单元12包括第一滤波处理器15、第二滤波处理器16以及差分评估器17。第一滤波处理器15计算半色调处理单元11生成的半色调图像数据中的目标像素的像素值、以及与目标像素相邻的预定像素的像素值之和。第二滤波处理器16计算输入图像数据的目标像素的像素值、以及与经历了由第一滤波处理器15执行的计算总和的预定相邻像素相对应的预定相邻像素的像素值之和。第一滤波处理器15和第二滤波处理器16均用作有限脉冲响应(FIR，Finite Impulse Response)滤波器，其中各FIR滤波器可作为离散时间滤波器工作，离散时间滤波器对Kronecker delta输入的响应是脉冲响应，且因为在采样间隔的有限次数中该脉冲响应稳定为0，因此其是有限的。

差分评估器17评估第一滤波处理器15的处理结果和第二滤波处理器16的处理结果之间的差分，以检测云纹的产生。此时，为了抵消由于半色调处理单元11的半色调处理而减少灰度级数的影响，差分评估器17分别正规化第一滤波处理器15和第二滤波处理器16的处理结果，然后计算差分。如果所计算的差分的绝对值超出预定阈值，则差分评估器17输出云纹检测信号。预定阈值可以是提前确定的表示所标记的水平或者点的值。

云纹减少处理单元13包括用作第二半色调处理器的第二半色调处理器18和输出选择器19。在由于半色调处理单元11的第一半色调处理器14的半色调处理而产生云纹的情况下，第二半色调处理器18执行具有不同特性的半色调处理。该示例性实施例采用误差扩散法，但是不限于误差扩散法。例如，可以使用基于不同于第一半色调处理器14使用的有序抖动的阈值周期的有序抖动。

基于差分评估器17确定的云纹检测结果，输出选择器19选择性地输出第一半色调处理器14的半色调处理的结果和第二半色调处理器18的半色调处理的结果之一。更具体地说，如果差分评估器17没有检测到云纹，则输出选择器19选择第一半色调处理器14的半色调处理结果(即，第一半色调图像数据)。相反，如果差分评估器17检测到云纹，则输出选择器19选择第二半色调处理器18的半色调处理结果(即，第二半色调图像数据)。

在根据本示例性实施例的图像处理装置10中，如果云纹检测处理单元12检测到云纹，则云纹减少处理单元13将半色调处理单元11的半色调处理结果替换成其他半色调处理结果。这样，图像处理装置10可以提供比起由半色调处理单元11单独执行的半色调处理更不易引起云纹的半色调处理。

下面详细说明各分量。

构成半色调处理单元11的第一半色调处理器14将使用256灰度级表示的输入图像数据(即，包括各自具有范围为0至255的像素值的像素的输入图像数据)，转换为使用范围为0至2的3灰度级表示的半色调图像数据。在输入图像数据中，像素值“0”表示黑，而像素值“255”表示白。在半色调图像数据中，像素值“0”表示黑，而像素值“2”表示白。

尽管在本示例性实施例中给出了将256灰度级的图像数据转换成3灰度级的半色调图像数据的示例的说明，但是可以使用不同灰度级的图像数据。另外，该示例性实施例可以通过对各颜色分量执行类似处理而应用于彩色图像数据。

第一半色调处理器14根据对应于输入图像数据中的像素的位置的行号和列号分别除以4所得的余数，选择图2所示的阈值表的行和列，以获得阈值对。更具体地说，给定阈值用于第0行和第4行，而另一阈值用于第1行和第5行。列也是同样。更具体地说，给定阈值用于第0列和第4列，而另一阈值用于第1列和第5列。因此，图2所示的阈值每4行和4列重复一次。

第一半色调处理器14将各输入像素值和两个阈值进行比较。如果输入像素值比两个阈值都小，则第一半色调处理器14输出半色调像素值“0”。如果输入像素值等于或者大于一个阈值而小于另一个阈值，则第一半色调处理器14输出半色调像素值“1”。如果输入像素值等于或者大于两个阈值两者，则第一半色调处理器14输出半色调像素值“2”。

图3是描述输入图像数据的示例的图表。由于在图3所示的输入图像数据中，像素值每3个像素重复一次，因此，使用图2所示的每4个像素重复一次的阈值的抖动处理产生云纹。

例如，第0行、第6列的像素31具有像素值“255”。由于将行号和列号除以4得到的余数分别是“0”和“2”，因此第一半色调处理器14将第0行、第2列的阈值对“20，148”与像素值“255”进行比较，输出半色调像素值“2”。

另外，第0行、第7列的像素32具有像素值“191”。第一半色调处理器14将第0行、第3列的阈值对“116，244”与像素值“191”进行比较，输出半色调像素值“1”。

第一半色调处理器14针对各像素位置执行上述抖动处理，以从图3所示的输入图像数据获得图4所示的半色调图像数据。尽管在本示例性实施例中给出了使用具有4行和4列的周期(即4×4周期)的阈值以输出3个值的示例的说明，但是具有除4×4周期之外的周期的阈值也可以用于第一半色调处理器14执行的抖动处理中。由抖动处理得到的灰度级数并不限于3。

现在说明云纹检测处理单元12执行的处理的内容。

针对由第一半色调处理器14的半色调处理得到的半色调图像数据的各像素，第一滤波处理器15计算包括如图5所示的目标像素的、由4行和4列构成的区域(即4×4的区域)中的半色调像素值之和。此时，处理目标区域的大小被设置为等于第一半色调处理器14使用的阈值的周期，即4×4区域。通过将区域的大小设置为等于阈值的周期，来设置行和列方向上的周期的整数倍的滤波阶数。

例如，如当图4中第0行、第1列处的像素41被设置为目标像素时，包括图5所示的目标像素的4×4区域可能超出半色调图像数据的区域。在这种情况下，如图6所示，通过反射围绕半色调图像数据的端部的像素值来增加半色调图像数据之外的像素值。

图6是描述将反射的图像数据(即，点线部分)增加到图4所示的左上部分(即，实线部分)处的半色调图像数据的示例的图表。例如，针对半色调图像数据之外的像素61，使用相对于位于半色调图像数据的端部的像素63与像素61对称的像素65的半色调像素值。类似地，针对半色调图像数据之外的像素62，使用相对于位于半色调图像数据的端部的像素63与像素62对称的像素64的半色调像素值。

以此方式，当图4中的位于第0行、第1列的像素41被设置为目标像素时，第一滤波处理器15计算粗线框66的区域中的半色调像素值的和。第一滤波处理器15以上述方式针对各目标像素计算半色调像素值的和，以平滑图4所示的半色调图像数据并获得图7所示的由第一滤波处理得到的图像数据(下文中称为“第一滤波处理图像数据”)。

第二滤波处理器16针对输入图像数据的各像素计算包括目标像素的4×4区域中的像素值的和。除了处理目标是输入图像数据而不是半色调图像数据之外，由第二滤波处理器16执行的处理类似于第一滤波处理器15执行的处理。第二滤波处理器16以上述方式针对各目标像素计算像素值之和，以平滑图3所示的输入图像数据并获得图8所示的由第二滤波处理得到的图像数据(以下称为“第二滤波处理图像数据”)。

差分评估器17评估第一滤波处理图像数据和第二滤波处理图像之间的差分。第一滤波处理图像数据中得到的半色调图像数据的灰度级数为3(最小值和最大值分别等于0和2)，而第二滤波处理图像数据中得到的输入图像数据的灰度级数为256(最小值和最大值分别等于0和255)。因此，差分评估器17正规化第一滤波处理图像数据和第二滤波处理图像数据以使最大值等于510。更具体地说，将第一滤波处理图像数据的各元素乘以255(510÷2＝255)，而将第二滤波处理图像数据的各元素乘以2(510÷255＝2)。在执行正规化之后，差分评估器17计算第一滤波处理图像数据和第二滤波处理图像数据之间的差分，以获得图9所示的差分图像数据。在图9所示的差分图像数据中，具有相对大的绝对值的负值和正值(-260和250左右的值)周期性出现。因此，与输入图像数据相比，具有高色浓度的部分和具有低色浓度的部分在半色调图像数据中周期性重复。在视觉上，这种色浓度上的改变被识别为云纹。

如果差分图像数据中的对应元素具有等于或者大于预定阈值的绝对值，则差分评估器17确定对于像素产生了云纹，并将云纹评估数据设置为等于“1”。在本实例性实施例中，将云纹检测中使用的阈值设置为等于200。差分评估器17基于图9所示的差分图像数据获得图10所示的云纹评估数据。

图11描述了没有产生由使用图2所示的4像素周期的阈值的抖动处理而引起的云纹的输入图像数据的示例。基于针对图11所示的输入图像数据执行的前述处理最终得到图12所示的差分图像数据。参照图12，尽管相对大的值，即170左右的值出现在端部，但是大多数数据中出现小的值。由图6所示的反射处理的影响而得到端部处的相对大的值。如上所述，根据本示例性实施例的云纹检测处理单元12可以检测云纹。

下面说明云纹减少处理单元13。

如上所述，第二半色调处理器18针对输入图像数据执行基于误差扩散的半色调处理，以获得误差扩散图像数据。输出选择器19根据由差分评估器17生成的云纹评估数据选择输出像素值。更具体地说，如果云纹评估数据中目标像素的值等于“1”，则输出选择器19选择由第二半色调处理器18获得的误差扩散图像数据中的像素值。如果云纹评估数据中的目标像素的值等于“0”，则输出选择器19选择由第一半色调处理器14获得的半色调图像数据的像素值。

通过上述结构，图像处理装置10根据半色调处理中使用的阈值的周期，来平滑半色调图像数据，以获得由半色调处理周期表示的色浓度。类似地，图像处理装置10根据半色调处理中使用的阈值的周期，来平滑输入图像数据，以获得由半色调处理周期表示的色浓度。图像处理装置10计算两个色浓度值之间的差，以确定由半色调处理引起的色浓度改变的量，并将确定的色浓度改变的量视为云纹强度。以此方式，图像处理装置10可以使用简单的方法精确检测云纹强度，而不使用网屏(screen)线数或者分辨率。因此，图像处理装置10能够获得比具有半色调处理单元11而没有云纹检测处理单元12和云纹减少处理单元13的结构更好的半色调处理结果。

尽管在本示例性实施例中使用了具有图2所示的周期的阈值，但是可以将第一半色调处理器14使用的8个阈值“a-h”设置在，例如，图20所示的没有四角的矩形中。图20所示的单元格也可如图21所示来填充平面。

图21中所示的数据包括图22所示的8×8区域的重复。在图22中的阴影区域中，8个阈值“a-h”各出现一次。类似地，8个阈值“a-h”在图22中所示的各行或者各列分别出现一次。因此，图22所示的区域包括相同数量的阈值“a-h”。在这种情况下，当包括目标像素的1×8区域被设置为要经历图23所示的计算总和的区域时，8个阈值“a-h”在区域中各出现一次。因此，第一滤波处理器15和第二滤波处理器16可将图23所示的区域设置为滤波处理的对象而非图20所示的区域。

或者，如图24A所示，阴影目标像素周围的3×3矩形区域，即由双线框包围的区域，或者如图24C所示，阴影目标像素周围的5×5矩形区域，即由双线框包围的区域，可以经历滤波处理。

在3×3矩形区域中，阈值“a”出现两次，而其他阈值“b-h”各出现一次。当目标像素移动时，相同阈值位于目标像素的右上和左下，而不同阈值位于矩形区域的其他位置。因此，在第一滤波处理器15和第二滤波器16使用的空间滤波器中，如图24B所示的系数矩阵中所示，在相同阈值出现两次的位置设置权重“1/2”，而在其他位置设置权重“1”。由于不论目标像素的位置如何，使用图24B所示的系数矩阵的空间滤波处理得到滤波处理目标区域中的各阈值的恒定的平均值，因此可以从第一滤波处理图像数据和第二滤波处理图像数据中消除半色调阈值的影响。

在5×5的矩形区域中，阈值“a”出现4次，而其他各阈值“b-h”各出现3次。如图24D所示的系数矩阵中所示，基于阈值出现频率和到目标像素的距离设置第一滤波处理器15和第二滤波处理器16使用的空间滤波器的权重。

更具体地说，针对在矩形区域中出现4次的阈值“a”，在与目标像素相邻的两个位置设置权重“85”，在其他两个位置设置权重“43”，以使针对阈值“a”的权重的总和等于256。针对在矩形区域中出现三次的、除了阈值“a”之外的阈值“b-h”的各个，在目标像素的位置或者与目标像素相邻的位置设置权重“128”，并且在其他两个位置设置权重“64”，以使针对各阈值的权重的和与阈值“a”一样等于256。

也可使用超元胞方法，该超元胞方法通过结合短期变化和长期变化来设置抖动阈值。更具体地说，在超元胞方法中，使用包括如图21所示的短期变化和图25所示的长期变化的阈值。图25中阈值“a1-a9”的平均值设置为等于图21中的阈值“a”。对图25中的其他阈值“b1-b9”应用相同的处理。更具体地说，各平均值等于图21中的阈值“b-h”中相对应的一个。

通过忽略长期变化(设置振幅为0)，图25中阈值“a1-a9”可以由图21的阈值“a”(即量化代表阈值)表示。对图25中的其他阈值“b1-b9”应用相同的处理。使用图21所示的量化代表阈值代替图25所示的阈值，能够实现类似于上述处理的处理。

第二示例性实施例

下面描述第二示例性实施例。由于根据本示例性实施例的图像处理装置具有类似于图1所示的结构，因此省略对其的说明。在本示例性实施例中，第一半色调处理器14使用误差扩散法，将由256灰度级(即值的范围为0至255)表示的输入图像数据，转换成由2灰度级(即值0或1)表示的半色调图像数据。然后，云纹检测处理单元12检测半色调图像数据中产生的云纹。第二半色调处理器18使用有序抖动方法生成半色调图像数据。第二半色调处理器18可使用具有不同的量化误差分配系数的误差扩散，来替代有序抖动方法。

图13是描述根据本示例性实施例的用于检测云纹的步骤的示例的流程图。

在步骤S1301中，第二滤波处理器16针对输入图像数据的各像素执行第二滤波处理。更具体地说，第二滤波处理器16计算9个像素的像素值的和，这9个像素即目标像素以及在上、下、右、左以及斜方向上与目标像素相邻的8个像素。当由于目标像素位于输入图像数据的端部，目标像素在输入图像数据中不具有相邻像素时，假设相邻像素具有像素值“0”。

在本示例性实施例中，给出了由各自具有像素值“34”的16×16像素构成的输入图像数据的例子的说明。针对输入图像数据的第二滤波处理得到图14所示的第二滤波处理图像数据。尽管在本示例性实施例中计算了目标像素以及在上、下、右、左以及斜方向上与目标像素相邻的8个像素的9个像素值之和，但是第二滤波处理中可以使用与之不同的平滑滤波处理。

在步骤S1302中，第一半色调处理器14从输入图像数据的左上部至右下部依次将目标像素的像素值与从相邻像素分配的误差值的和、与预定阈值进行比较。在本示例性实施例中，阈值设置为等于128。如果目标像素的像素值和误差值之和等于或者大于阈值“128”，则第一半色调处理器14将相应的半色调图像数据的半色调像素值设置为等于“1”。如果像素值和误差值之和小于128，则半色调处理器14将相应的半色调图像数据的半色调像素值设置为等于“0”。

当半色调像素值等于“0”时，第一半色调处理器14还将目标像素的像素值与从邻近像素分配的误差值之和，设置为量化误差值。当半色调像素值等于“1”时，第一半色调处理器14将从像素值与误差值的和中减去255而得到的值，设置为量化误差值。根据对应于右、下以及右下方向上的相邻像素的位置的分配系数，分别将量化误差值分配给右、下以及右下方向上的相邻像素。图15示出了像素位置和量化误差值的分配系数之间的关系。这样，通过误差扩散法，可以基于输入图像数据得到图16所示的半色调图像数据。

返回参照图13，步骤S1301中的第二滤波处理之后执行步骤S1302的半色调处理。但是这些步骤没有互相依存关系，步骤可以调换或者并列执行。

在步骤S1303中，第一滤波处理器15执行第一滤波处理。更具体地说，第一滤波处理器15针对步骤S1302中生成的半色调图像数据执行与步骤S1301中类似的滤波处理。步骤S1301和S1303之间的差异在于处理目标从输入图像数据变成了半色调图像数据。通过步骤S1303的处理，基于图16所示的半色调图像数据生成图17所示的第一滤波处理图像数据。

在步骤S1304中，差分评估器17计算第一滤波处理图像数据和第二滤波处理图像数据之间的差分，然后比较差分与预定阈值来生成云纹评估数据。步骤S1304中，差分评估器17首先执行正规化以计算差分。更具体地说，为了将由具有像素值“0”或者“1”的半色调图像数据得到的第一滤波处理图像数据设置为等于由像素值范围为0至255的输入图像数据得到的第二滤波处理图像数据，第一滤波处理图像数据的各元素被乘以255。

在将图17所示的第一滤波处理图像数据正规化之后，差分评估器17计算正规化的图像数据与图14所示的第二滤波处理图像数据之间的差分，以得到图18所示的差分图像数据。

然后，差分评估器17执行图18所示的差分图像数据中的各像素的比较。如果目标像素的像素值等于或者大于阈值“256”，则差分评估器17将对应的云纹评估数据的像素值设置为等于“1”。如果目标像素的像素值小于256，则差分评估器17将对应像素值设置为等于“0”。差分评估器17对各像素执行这样的确定，以得到图19所示的云纹评估数据。尽管在本示例性实施例中，基于一个阈值生成了由0或者1表示的云纹评估数据，但是也可以使用多个阈值，根据云纹强度生成由3个或3个以上的等级表示的云纹评估数据。

如上所述，第二半色调处理器18针对输入图像数据执行基于有序抖动的半色调处理。输出选择器19根据差分评估器17生成的云纹评估数据，选择要输出的像素值。具体地说，如果云纹评估数据中的目标像素的值为“1”，则输出选择器19选择由第二半色调处理器18生成的半色调图像数据的像素值。如果云纹评估数据中的目标像素的值为“0”，则输出选择器19选择通过半色调处理器14生成的半色调图像数据的像素值。

利用前述结构，根据本示例性实施例的图像处理装置与仅具有半色调处理单元11而没有云纹检测处理单元12和云纹减少处理单元13的结构相比，能够提供更好的半色调处理结果。

其他实施例

中央处理单元(CPU)基于存储在计算机的随机存取存储器(RAM)或只读存储器(ROM)上的程序，来执行处理，由此实现构成图1中所示的根据上述示例性实施例的图像处理装置10的各处理单元、以及图13所示的流程图的各步骤。该程序以及存储程序的计算机可读存储介质也包括在本发明中。在一示例中，计算机可读介质或者计算机可读存储介质可存储使图像处理装置执行上述方法的程序。在另一示例中，CPU可被配置为控制上述方法或者装置中使用的至少一个单元。各装置可在CPU中实现、可以包括CPU来实现或者连接到CPU来实现，其中CPU连接至存储器并通过执行存储在存储器(例如ROM)中的各种应用程序来执行各种功能。ROM可存储诸如操作系统、各种应用、控制程序以及数据的信息。操作系统可以是控制诸如存储器、中央处理单元、磁盘空间、以及外围设备的硬件资源的分配和使用的软件。RAM可以临时存储从ROM加载的程序或数据。RAM还用作CPU执行各种程序的空间。

由于在不背离本发明的主旨和范围的情况下，可以产生很多明显广义上不同的实施例，因此应当理解，本发明并不局限于其特定实施例，除非所附的权利要求中限定。

虽然参照示例性实施例说明了本发明，但是应当理解本发明并不限于所公开的示例性实施例。应当对所附权利要求的范围给予最宽的解释，以使其涵盖所有的变形例、等同结构及功能。

Claims (11)

1.一种图像处理装置，该图像处理装置包括：

第一半色调处理器，其被配置为使用阈值由输入图像数据生成第一半色调图像数据；

第一滤波处理器，其被配置为使用具有对应于所述阈值的周期的大小的第一滤波器，来平滑所述第一半色调图像数据；

第二滤波处理器，其被配置为使用具有对应于所述第一滤波器的特性的第二滤波器，来平滑所述输入图像数据；以及

评估器，其被配置为基于由所述第一滤波处理器平滑的所述第一半色调图像数据和由所述第二滤波处理器平滑的所述输入图像数据之间的差分，来评估所述第一半色调图像数据中产生的云纹。

2.根据权利要求1所述的图像处理装置，该图像处理装置还包括：

第二半色调处理器，其被配置为根据不同于所述第一半色调处理器使用的方法的方法，由所述输入图像数据生成第二半色调图像数据；以及

选择器，其被配置为基于所述评估器的评估结果选择所述第一半色调图像数据或者所述第二半色调图像数据。

3.根据权利要求2所述的图像处理装置，其中，

所述第一半色调处理器使用抖动方法生成所述第一半色调图像数据，而所述第二半色调处理器使用作为不同于所述第一半色调处理器使用的方法的误差扩散法生成所述第二半色调图像数据。

4.根据权利要求1所述的图像处理装置，其中所述第一滤波器用作有限脉冲响应滤波器，所述有限脉冲响应滤波器的阶数等于所述阈值的所述周期的整数倍。

5.根据权利要求1所述的图像处理装置，其中，在所述第一滤波器中，针对所述阈值的各个的系数的和表示相同值。

6.根据权利要求5所述的图像处理装置，其中基于距目标像素的距离来设置所述第一滤波器中的所述系数。

7.根据权利要求1所述的图像处理装置，其中，所述第一滤波处理器使用包括互不相同的周期性重复的阈值的图像区域来平滑所述第一半色调图像数据，所述图像区域包括相同数量的阈值。

8.一种图像处理方法，该图像处理方法包括：

使用阈值由输入图像数据生成第一半色调图像数据；

使用具有对应于所述阈值的周期的大小的第一滤波器，来平滑所生成的第一半色调图像数据；

使用具有对应于所述第一滤波器的特性的第二滤波器，来平滑所述输入图像数据；以及

基于所平滑的第一半色调图像数据和所平滑的输入图像数据之间的差分，来评估所述第一半色调图像数据中产生的云纹。

9.根据权利要求8所述的图像处理方法，该图像处理方法还包括：

根据不同于用于生成所述第一半色调图像数据的方法的方法，由所述输入图像数据生成第二半色调图像数据；以及

基于评估结果选择所述第一半色调图像数据或所述第二半色调图像数据。

10.根据权利要求8所述的图像处理方法，其中，在所述第一滤波器中，针对所述阈值的各个的系数的和表示相同值。

11.根据权利要求10所述的图像处理方法，其中，基于距目标像素的距离来设置所述第一滤波器中的所述系数。

Images