CN102291522A - 图像处理设备和图像处理方法 - Google Patents

Abstract

本发明涉及一种图像处理设备和图像处理方法。将输入的图像数据转换成亮度成分，以获得该亮度成分和阈值之间的差。基于所获得的差确定计数变化量，并且使用计数器来跟随和改变该阈值。使用通过跟随和改变所获得的阈值，以通过执行信号转换处理执行各像素中的背景颜色去除处理。

Description

图像处理设备和图像处理方法

(本申请是申请日为2009年6月25日、申请号为200910148680.0、发明名称为“图像处理设备和图像处理方法”的申请的分案申请。)

技术领域

本发明涉及一种图像处理设备、图像处理方法、计算机程序和存储介质，例如涉及用于执行图像的背景颜色去除处理的图像处理。

背景技术

通常，在数字彩色复印机的复制处理中执行用于忠实再现由扫描器所读取的原稿的各种图像处理。原稿的纸张颜色或背景部分通常不是纯白色的，而在大多数情况下是浅色的。因此，在执行复制处理时，即使是背景部分也使用色料得以忠实再现，这导致色料的浪费等各种不利效果。

同时，作为与原稿图像中包括的背景颜色相对应的最佳图像处理，已知如下处理。首先创建由扫描器读取的图像的亮度直方图，并且基于该亮度直方图检测原稿图像的背景的信号水平(以下称为“背景水平”)。然后，通过从图像信号减去背景水平，执行用于从图像去除背景的处理。

通常，根据包括该处理的系统结构，可以将背景颜色去除处理大体分成两种处理。

图3示出第一种背景颜色去除处理的系统结构的例子。在图3中，扫描器等的图像读取单元101读取原稿图像。扫描图像处理单元301对由图像读取单元101所读取的原稿图像应用未示出的阴影校正处理、滤波处理和输入颜色校正处理等图像处理。存储单元103-31存储扫描器图像处理之后的原稿图像的一页的连续色调(contone)图像信息。打印图像处理单元302执行背景颜色去除处理以及未示出的输出颜色校正处理和半色调处理等的图像处理。存储单元103-32存储打印图像处理之后的原稿图像的一页的半色调图像信息。打印机等的图像输出单元105输出存储在存储区域中的图像信息。将所读取的原稿的连续色调图像信息临时存储在存储区域103-31中，并且背景颜色去除处理单元303基于所存储的原稿的整个表面的图像信息，执行背景颜色去除处理。

与该结构有关的传统背景颜色去除处理技术的例子包括日本特开平06-253135号公报和日本特开平08-307722号公报。在日本特开平06-253135号公报中，从读取自原稿的图像检测背景水平，同时将所读取的图像存储在存储单元中，根据检测到的背景水平创建最佳伽玛校正表，并且执行伽玛校正以去除所读取的图像的背景。

在日本特开平08-307722号公报中，创建原稿的直方图，使用该信息检测背景水平，并且使用检测到的背景水平来执行背景颜色去除处理，从而执行适合于原稿类型的背景颜色去除处理。

图4示出第二种背景颜色去除处理的系统结构的例子。在图4中，扫描器等的图像读取单元101读取原稿图像。扫描图像处理单元301对由图像读取单元101所读取的原稿图像应用未示出的阴影校正处理、滤波处理和输入颜色校正处理等的图像处理。打印图像处理单元302执行背景颜色去除处理以及未示出的输出颜色校正处理和半色调处理等的图像处理。存储单元103-41存储打印图像处理之后的原稿图像的一页的半色调图像信息。打印机等的图像输出单元105输出存储在存储区域中的图像信息。与上述图3所示的第一系统结构相比，由于不需要连续色调图像的一页的存储区域，因而可以以较低成本实现该结构。换句话说，在图4的结构中，不包括在图像处理中间存储连续色调图像信息的存储单元。因此，在进行读取时，可以顺序执行背景处理。

背景颜色去除处理的其它例子包括日本特开平06-197216号公报和日本特开2008-060839号公报。在日本特开平06-197216号公报中，将从读取的原稿所读取的像素顺序分成亮度/色差信息，根据亮度成分改变白色水平，并且对于色差成分使用阈值，以试图压缩颜色值。这样，背景颜色近似于非彩色(achromatic color)。

在日本特开2008-060839号公报中，将从读取的原稿所读取的像素分成亮度成分和色差成分，判断亮度成分和阈值中哪一个较大，并且计数判断出的像素的数量，以跟随和改变该阈值。还判断色差成分和阈值中哪一个较大，并且计数判断出的像素的数量，以跟随和改变该阈值。

然而，在日本特开平06-253135号公报和日本特开平08-307722号公报中，对于背景颜色去除方法使用原稿的直方图。因此，存在下面的问题：这些方法仅能在如图3所示的可以存储原稿的一页的连续色调图像信息的系统结构上实现。近年来，存储装置所需的容量随着原稿的读出分辨率的提高而趋于增大。在成本降低的竞争紧张的打印机/复合机领域，存储装置的容量是影响成本的重要因素之一，并且使用本系统结构阻碍了降低成本。

在日本特开平06-197216号公报中，除非通过颜色分解进行亮度成分和色差成分的分离、根据背景区域的颜色标准化亮度成分以及利用阈值压缩色差成分来分离背景区域和前景，否则前景颜色的亮度成分也变高。因此，可以预料该图像整体上模糊不清。

在日本特开2008-060839号公报中，通过颜色分解进行亮度成分和色差成分的分离，并且针对各成分跟随和改变阈值。尽管对于亮度成分和色差成分，比较输入值和阈值之间的差，但是背景区域和前景的亮度以相同方式影响阈值估计。换句话说，在日本特开2008-060839号公报中，计数器变化量不根据差值而改变。因此，在具有较少背景区域和较多前景区域的读取原稿中，前景极大地影响整个原稿，并且可能去除原稿的前景区域的浓度。在使用处理各种类型的读取原稿的复印机时，存在根据读取原稿的类型错误地去除原稿的前景区域的浓度的问题。

发明内容

本发明的目的是通过基于图像数据的目标像素的亮度确定各像素的影响背景水平的估计的计数变化量(countvariation)，与读取原稿的类型无关地执行稳定的背景颜色去除处理。

本发明提供一种图像处理设备，包括：转换单元，用于将输入的图像数据转换成亮度成分；计算单元，用于计算由所述转换单元转换得到的亮度成分和预定的阈值之间的差；确定单元，用于根据所述差确定所述图像数据的各像素的计数变化量；阈值改变单元，用于基于所述图像数据中的所述计数变化量的累积结果，改变所述阈值；以及处理单元，用于执行将由所述阈值改变单元生成的新的阈值设置为背景水平以去除所述图像数据的背景的处理。

本发明提供一种图像处理方法，包括：转换步骤，用于将输入的图像数据转换成亮度成分；计算步骤，用于计算在所述转换步骤中转换得到的亮度成分和预定的阈值之间的差；确定步骤，用于根据所述差确定所述图像数据的各像素的计数变化量；阈值改变步骤，用于基于所述图像数据中的所述计数变化量的累积结果，改变所述阈值；以及处理步骤，用于执行将在所述阈值改变步骤中生成的新的阈值设置为背景水平以去除所述图像数据的背景的处理。

本发明提供另一种图像处理设备，用于基于输入的图像数据的背景水平进行背景颜色去除处理，其中，所述图像数据的各像素的所述背景水平不同，所述图像处理设备包括：变化量确定单元，用于根据所述图像数据中的目标像素和所述目标像素的相邻像素的亮度成分，确定所述目标像素相对于所述相邻像素的背景水平变化量；以及背景确定单元，用于基于由所述变化量确定单元确定出的所述背景水平变化量，确定所述目标像素的所述背景水平，其中，与所述目标像素和所述相邻像素的所述亮度成分大于预定值时相比，当所述目标像素和所述相邻像素的所述亮度成分小于所述预定值时，所述变化量确定单元使所述目标像素的所述背景水平变化量较小。

本发明提供另一种图像处理方法，用于基于输入的图像数据的背景水平进行背景颜色去除处理，其中，所述图像数据的各像素的所述背景水平不同，所述图像处理方法包括以下步骤：根据所述图像数据中的目标像素和所述目标像素的相邻像素的亮度成分，确定所述目标像素相对于所述相邻像素的背景水平变化量；以及基于确定出的所述背景水平变化量，确定所述目标像素的所述背景水平，其中，与所述目标像素和所述相邻像素的所述亮度成分大于预定值时相比，当所述目标像素和所述相邻像素的所述亮度成分小于所述预定值时，使所述目标像素的所述背景水平变化量较小。

根据本发明，通过基于图像数据的目标像素的亮度确定各像素的影响背景水平的估计的计数变化量，与读取原稿的类型无关地执行稳定的背景颜色去除处理。可以通过基于图像数据的亮度成分和预定阈值(背景水平)之间的差确定跟随和改变该阈值的计数器变化量，来判断目标像素是否看上去接近背景，并且根据与背景的接近度逐渐切换对阈值估计的影响。

本发明的目的是提供一种新功能。为了实现该目的，根据下面的说明书和附图，本发明的权利要求和其它特征将变得明显。

通过以下参考附图对典型实施例的说明，本发明的其它特征将变得明显。

附图说明

包含在说明书中并构成说明书一部分的附图示出了本发明的实施例，并与说明书一起用来解释本发明的原理。

图1是根据本实施例的图像形成设备的示意性结构的框图；

图2是根据本实施例的图像形成设备的概观图；

图3是传统图像形成设备的示意性结构的详细框图；

图4是根据本实施例的图像形成设备的示意性结构的详细框图；

图5是本实施例的背景颜色去除处理的流程图；

图6是确定计数变化量所使用的区域分割例子；

图7是确定计数变化量所使用的表的例子；

图8是阈值改变处理的流程图；

图9是信号转换处理的流程图；

图10示出通过信号转换处理所获得的背景颜色去除效果；

图11是确定计数变化量所使用的另一区域分割例子；

图12是确定计数变化量所使用的表的另一例子；

图13是根据第三实施例的平滑处理的流程图；

图14是确定平滑滤波器所使用的区域分割例子；

图15是确定平滑滤波器所使用的表的例子；

图16是根据第四实施例的平滑处理的流程图；

图17是确定平滑滤波器所使用的表的另一例子；

图18是根据第五实施例的平滑处理的流程图；

图19是确定平滑滤波器所使用的表的另一例子。

具体实施方式

现在将参考附图说明本发明的典型实施例。

图1是根据本实施例的图像形成设备的示意性结构的框图。

如图1所示，根据本实施例的图像形成设备包括图像读取单元101、图像处理单元102、存储单元103、CPU 104和图像输出单元105。在本实施例中，将包括图像处理单元102、存储单元103和CPU 104的设备称为图像处理设备。

图像读取单元101读取原稿的图像，并且输出图像数据。图像读取单元101的例子是扫描器。

图像处理单元102对包括从图像读取单元101或PC外部地输入的图像数据的打印信息应用图像处理。更具体地，如图4所示，将图像处理单元102分成扫描图像处理单元301和打印图像处理单元302。扫描图像处理单元301对读取的原稿图像应用未示出的阴影校正处理、滤波处理和输入颜色校正处理等的图像处理。打印图像处理单元302执行背景颜色去除处理以及未示出的输出颜色校正处理和半色调处理等的图像处理。

在阴影校正处理中，以附加至图像读取单元101的白色基准作为绝对白色水平进行标准化。然而，如果所读取原稿的背景的亮度低于白色基准，则背景的亮度有剩余，并且留有所读取原稿的背景。在打印中再现留下的背景，这导致输出图像质量下降。背景颜色去除处理单元303通过跳过在阴影校正处理中未能去除的背景的信号值，实现图像质量的进一步提高。后面将说明背景颜色去除处理单元303的细节。

将由图像处理单元102处理后的图像数据存储在存储单元103中。存储单元103包括ROM、RAM和硬盘(HD)等。ROM存储由CPU 104所执行的各种控制程序和图5所示的图像处理程序。RAM和HD用作CPU 104用以存储数据和各种类型的信息的参考区域和工作区域。

图像输出单元105在记录纸张等的记录介质上形成并输出彩色图像。图像输出单元105的例子是如下所述的电子照相打印机。

图2是根据本实施例的图像形成设备的概观图。

在图2中，将图像读取用原稿204放置在图像读取单元101中的平板玻璃203和原稿压板202之间。当灯205的光照射在原稿204上时，将来自原稿204的反射光引导至反射镜206和207，并且透镜208在3线传感器210上形成图像。红外线截止滤波器231被配置在透镜208上。未示出的电动机在箭头方向上，以速度V移动包括反射镜206和灯205的反射镜单元，并以速度V/2移动包括反射镜207的反射镜单元。因此，反射镜单元在相对于3线传感器210的电子扫描方向(主扫描方向)垂直的方向(副扫描方向)上移动，以扫描原稿204的整个表面。

由3线CCD组成的3线传感器210包括接收红光R的CCD210-1、接收绿光G的CCD 210-2和接收蓝光B的CCD 210-3。利用这一结构，将输入的光信息的颜色分离，以读取全色信息红色R、绿色G和蓝色B的颜色成分。构成3线传感器210的各CCD210-1～210-3均包括8000像素的光接收元件。CCD 210-1～210-3可以以600DPI的分辨率在A3大小的原稿的短边方向(297mm)上进行读取，A3大小的原稿是可以放置在平板玻璃203上的最大尺寸的原稿。

标准白色板211校正由3线传感器210的CCD 210-1～210-3所读取的数据。标准白色板211是在可见光中具有基本均一反射特性的白色板。

图像处理单元102电处理从3线传感器210输入的图像信号，以生成品红色M、青色C、黄色Y和黑色K的颜色成分信号，并且将所生成的MCYK颜色成分信号传送至图像输出单元105。

图像输出单元105将从图像读取单元101传送来的M、C、Y和/或K图像信号传送至激光驱动器212。激光驱动器212根据输入的图像信号，调制并驱动半导体激光元件213。从半导体激光元件213输出的激光束通过多面镜214、fθ透镜215和反射镜216扫描感光鼓217，以在感光鼓217上形成静电潜像。

显影装置包括品红色显影装置219、青色显影装置220、黄色显影装置221和黑色显影装置222。四个显影装置交替接触感光鼓217，以利用相应颜色的调色剂显影在感光鼓217上所形成的静电潜像，从而形成调色剂图像。从记录纸盒225所提供的记录纸张缠绕转印鼓223，并且将感光鼓217上的调色剂图像转印至记录纸张。

顺序转印了四种颜色M、C、Y和K的调色剂图像的记录纸张通过定影单元226。结果，定影调色剂图像，并且将记录纸张排出至该设备外部。

现在将说明根据本实施例的背景颜色去除处理的细节。对本处理的输入是从图像读取单元101和从外部其中之一输入的图像数据，并且图像处理单元102的打印图像处理单元302中的背景颜色去除处理单元303执行该处理。

图5示出根据本实施例的背景颜色去除处理的流程图。CPU104读取并执行存储在ROM 103中并用于执行图5的流程图的程序，以执行图5所示的处理。

本处理设想这样的顺序处理，在该处理中，按照读取顺序以像素为单位输入由图像读取单元101读取的原稿数据，并且相应地逐一输出像素。将参考图5的流程图说明这些处理的细节。

在S501，当输入目标像素的RGB信息时，背景颜色去除处理单元303将RGB信息转换成亮度成分。亮度成分为例如亮度成分L，并且通过下面的表达式来计算L。

$L=\frac{(R+2\×G+B)}{4}$

然而，该计算仅是例子。该计算不局限于此，并且可以使用其它计算。

亮度成分可以是CIE Lab空间的L、YUV空间的Y、Luv空间的L或YCbCr空间的Y。

在S502，背景颜色去除处理单元303基于包括目标像素的多个周围像素的值，平滑在S501转换后的亮度成分。使用目标像素的亮度成分和目标像素的周围像素的亮度成分来执行实现平滑效果的平均计算等的滤波处理。

可以根据所需的系统结构确定进行平滑所使用的滤波器的大小和形状。例如，如果可以使用多线的延迟缓冲器，则可以使用围绕目标对象的N×N滤波器，并且，如果不能使用线缓冲器，则可以使用目标像素位于顶部的N×1滤波器。然而，该方法仅是例子，并且滤波器的大小和形状不局限于这些。

与在没有改变的情况下使用目标像素的成分值时相比，平滑亮度成分提高了如下所述的计数变化量确定单元(S504)的精度。结果，实现更稳定的背景水平估计。

具体地，平滑目标像素的亮度成分可以防止具有半色调点的区域等级(area gradation)所表示的图像数据和具有噪声的图像数据之一的输入值由于噪声成分而改变。

在S503，背景颜色去除处理单元303计算在S502平滑后的预定成分和阈值之间的差。这里的阈值是与以像素为单位所确定出的预定成分相对应的阈值，并且是基于前一像素处理的结果所确定出的值。在某一像素中所确定出的阈值用作该像素的背景水平。阈值或背景水平以像素为单位而改变。在开始第一像素的处理之前，设置适当值(初始值)。

假定该差为Dif，输入值为L_in，并且阈值为level_L，则Dif＝L_in-level_L成立。假定输入的最大值为MAX，则差Dif的可能范围在-MAX和MAX之间。由于即使读取的原稿的类型和特性之一不同，或者阈值随着处理进行而改变，也基于与阈值的距离的相对一致的标准进行计算，因而使用输入值和阈值之间的差允许执行稳定处理。总体上，亮读取原稿的阈值大，而暗读取原稿的阈值小。如果使用输入值的绝对量作为判断的标准，则难以在亮读取原稿的前景和暗读取原稿的背景区域之间进行区分。结果，不能考虑读取原稿的特性，并且该处理可能失败，而且可能不能根据读取原稿实现想要的效果。同时，读取原稿的改变阈值是在前一目标像素的像素之前所估计的背景水平，并且该阈值表示目标像素的读取原稿的特性。使用输入值和阈值之间的差相当于排除了读取原稿的特性。因此，亮读取原稿的前景和暗读取原稿的背景区域具有不同值，并且可以加以区别。因此，可以执行基于相对一致标准的稳定处理。

基于S503中计算出的差，背景颜色去除处理单元303确定下面所述的阈值改变单元(S505)所使用的计数变化量(S504)。该“计数变化量”是引起图8所示的阈值改变处理中的阈值改变的变化量。连续累积计数变化量，并且当计数变化量超过上限时，如稍后所述将使阈值增大1。图6和图7是说明本实施例中用于确定计数变化量的方法的图。将该差的可能范围分成任意多个区域，并且判断目标像素中的差Dif属于哪一区域。图6示出将该范围分成六个区域的例子：

当0＜Dif≤threL1时，区域L1；

当threL1＜Dif≤threL2时，区域L2；

当threL2＜Dif≤MAX时，区域L3；

当threL3≤Dif＜0时，区域L4；

当threL4≤Dif＜threL3时，区域L5；以及

当-MAX≤Dif＜threL4时，区域L6。

图7是示出对图6中分割的区域所设置的计数变化量的表的例子。在图7的例子中，假定当该差较小时，目标像素形成背景的可能性较高，并且将计数变化量设置得较大。

还假定当该差较大时，目标像素不形成背景的可能性较高，并且将计数变化量设置得较小。例如，当该差在目标像素中小并且在图6所示的区域L1内时，参考图7的表，计数变化量为4。当该差在目标像素中大并且在图6所示的区域L3内时，参考图7的表，计数变化量为1。在该例子中，属于区域L1的像素与背景的接近度看上去是区域L3的像素的四倍，并且在该处理中考虑与背景的接近度。

如果在具有大的差的像素(例如黑色像素)连续之后，具有小的差的像素(例如背景)变成要处理的像素，则累积大的计数变化量，并且阈值立即改变。结果，可以降低具有大的差的像素(例如黑色像素)对阈值变化的影响，并且可以执行背景区域的背景颜色去除处理。

如果如日本特开2008-060839号公报的传统技术一样，不根据输入值和阈值之间的差，而根据输入值是大于还是小于阈值来确定计数变化量，则在黑色像素连续的区域中，阈值非常小。与连续的黑色像素区域相邻的灰色像素的亮度值(例如，亮度180左右)变得大于阈值，并且错误地将这些像素判断为背景区域。存在对灰色像素执行背景颜色去除处理的问题。

为了解决该问题，在本发明中，根据输入值和阈值之间的差确定计数变化量。因此，由于即使具有小的输入值的区域或黑色像素区域连续，该差也大，因而计数变化量的增减小。结果，在连续的黑色像素区域中，阈值变化不大，并且可以防止错误跳过与黑色像素区域相邻的灰色像素区域的背景。

如果输入值的亮度值大大小于阈值的像素(黑色像素)连续，并且在其后接近背景水平的像素连续，则可以在黑色像素和背景水平的像素的边界处，将阈值复位为初始值。

在本实施例中，根据输入值和阈值之间的差确定计数变化量。然而，可以基于输入值而不使用该差来确定计数变化量。例如，可以将接近背景水平(亮度200左右)的输入值的计数变化量设置得大，并且可以将具有低亮度的像素(黑色像素)和具有高亮度的像素(白色像素)之一的计数变化量设置得小。

差的分割区域的数量和计数变化量表的值不局限于这些。可以通过根据要设计的图像读取单元101的特性调整所设置的值来实现适于各设备的背景颜色去除处理。当Dif＝0时，由于输入值和阈值是平衡的，因而不设置计数变化量。下面将说明细节。

然后，背景颜色去除处理单元303使用在S503计算出的差和在S 504确定出的计数变化量来执行用于改变阈值的处理(S505)。图8示出本实施例中的阈值改变处理的流程。将在S504确定出的计数变化量称为CNT，将计数器变量称为Count_L，将计数器变量的上限称为LIMITUP，将下限称为LIMITDWN，并且将阈值的跟随限制称为BLACK。BLACK是背景水平的下限值。设计者预先指定LIMITUP、LIMITDWN和BLACK。在本实施例中，将level_L的初始值称为MAX，并且Count_L的初始值为0。

判断差Dif是正还是负(S801)。结果，如果差Dif大于0(在S801为“＞0”)，则通过相加计数变化量CNT来更新计数器变量Count_L(S802)。当累积像素的计数变化量时，更新计数器变量Count_L。然后比较更新后的Count_L和计数器变量的上限LIMITUP(S803)。结果，如果Count_L大于LIMITUP(预定计数值)(在S803为“是”)，则将Count_L清除为0(S804)，并且将阈值level_L增大1(S805)。另一方面，如果Count_L小于LIMITUP(在S803为“否”)，则处理在不进行步骤S804和S805的情况下前进。

同时，如果差Dif小于0(在S801中为“＜0”)，则通过相加计数变化量CNT来更新计数器变量Count_L(S806)。然后比较更新后的Count_L和计数器变量的下限LIMITDWN(S807)。结果，如果Count_L 小于LIMITDWN(在S807为“是”)，则将Count_L清除为0(S808)，并且将阈值level_L减小1(S809)。另一方面，如果Count_L大于LIMITDWN(在S807为“否”)，则处理在不进行步骤S808和S809的情况下前进。

同时，如果差Dif为0(在S801为“0”)，则可以认为输入值和阈值平衡。因此，不需要影响计数变化，并且处理在不改变计数器变量和阈值的情况下继续。如图6所示，当Dif＝0时不设置计数器变化量的原因是计数器在这种情况下不改变。

在接着的步骤中比较阈值level_L和MAX(S810)。如果阈值level_L大于MAX(在S810为“是”)，则将阈值取成MAX的值(S811)。如果阈值level_L 小于MAX(在S810为“否”)，并且小于BLACK(在S812为“是)，则将阈值level_L取成BLACK的值(S813)。这可以防止阈值溢出，并且可以防止结果失败。还可以通过避免阈值小于跟随限制BLACK，防止跳过图像。

将通过上述步骤计算出的阈值level_L确定为目标像素中的背景水平(S814)。

可以在具有大的差的像素(例如黑色像素)连续了多于预定像素(例如，100个像素)之后，将阈值level_L返回成初始值MAX。

基于在S 505确定出的阈值，背景颜色去除处理单元303将输入RGB信息信号转换成应用了背景颜色去除处理的输出RGB信息信号(S506)。已知用于使用阈值以获得背景颜色去除效果的多个表达式，并且在本发明中可以使用任一表达式。在本实施例中，使用下面的表达式作为例子。将输入RGB信息信号称为R_in、G_in和B_in，并且将输出RGB信息信号称为R_out、G_out和B_out。

$R\_\mathrm{out}=R\_\mathrm{in}\×\frac{\mathrm{MAX}}{\mathrm{level}\_L}$

$G\_\mathrm{out}=G\_\mathrm{in}\×\frac{\mathrm{MAX}}{\mathrm{level}\_L}$

$B\_\mathrm{out}=B\_\mathrm{in}\×\frac{\mathrm{MAX}}{\mathrm{level}\_L}$

图9是根据本实施例的信号转换的流程图。尽管对于各RGB信号执行该处理，但是图9是R信号的流程图。尽管未示出，但是对于G信号和B信号执行相同处理。这里作为代表性的例子，说明R信号的处理。基于输入信号R_in和在S505所确定出的阈值level_L，使用背景颜色去除表达式计算输出信号R_out(S901)。

在接着的步骤(S902)，将输出信号R_out和MAX进行比较。如果输出信号R_out大于MAX(在S902为“是”)，则将输出信号取成MAX的值(S903)。如果输出信号R_out小于MAX(在S902为“否”)，并且小于0(在S906为“是”)，则将输出信号R_out取成0(S906)。

将通过这些步骤转换后的输出信号R_out确定为目标像素中的输出R信号(S904)。

图10示出通过信号转换所获得的背景颜色去除处理的效果(S506)。背景颜色去除处理之后的输出亮度相对于输入亮度水平的斜率改变，从而输出亮度水平在阈值(背景水平)处为MAX。

最后，在S507判断处理完成的目标像素是否是最后一个像素，并且如果目标像素不是最后一个像素(在S507为“否”)，则将目标像素改变成下一像素(S508)，并且处理返回到开始。如果处理完成的目标像素是最后一个像素(在S507为“是”)，则结束整个处理。

如果S507为“否”，则该处理可以返回到S503的差计算单元。在这种情况下，在S501和S502，对图像数据的所有像素进行成分转换和平滑。

根据本实施例，基于平滑后的输入成分和阈值之间的差确定计数器变化量，以判断目标像素是否看上去接近背景，从而逐渐切换对阈值估计的影响。这样，不管读取原稿的类型如何，都实现了稳定的背景颜色去除处理。

第二实施例

尽管在第一实施例中，背景颜色去除处理单元303使用平滑后的亮度成分和阈值之间的差来确定计数器变化量(S504)，但是除在判断中使用该差以外，还可以通过使用色度(chroma)成分更精确地估计该阈值。

将参考图5的流程图说明处理的细节。

在S501，背景颜色去除处理单元303如第一实施例中一样计算亮度L，并且还计算色度成分S。通过例如下面的表达式计算色度成分S。

S＝MAX(R，G，B)-MIN(R，G，B)

然而，该计算仅是例子，并且不局限于此。可以使用其它计算，只要表示颜色成分即可。

在S502的平滑单元中，如第一实施例中一样，背景颜色去除处理单元303基于包括目标像素的多个周围像素的值，平滑亮度成分。还可以利用相同的单元平滑色度成分。

在S503的差计算单元中，如第一实施例中一样，背景颜色去除处理单元303计算亮度成分和阈值之间的差。

在S504的计数变化量确定单元中，背景颜色去除处理单元303使用亮度成分差和色度成分。图6、11和12是用于说明本实施例中的计数变化量确定方法的图。目标像素中的差Dif的区域判断如图6所示，并且与第一实施例中的相同。如对差Dif的判断方法一样，将色度S的可能范围分成任意多个区域，并且判断目标像素中的色度S属于哪一区域。图11示出例子。色度S的可能范围如下，在0和MAX之间：

当0≤S≤threS1时，区域S1；

当threS1＜S≤threS2时，区域S2；以及

当threS2＜S≤MAX时，区域S3。

图12是示出向分割差和色度的区域所设置的计数变化量的表的例子。在图12的例子中，假定当差较小且色度较小时，目标像素形成背景的可能性较高，并且将计数变化量设置得较大。还假定当差较大且色度较大时，目标像素形成背景的可能性较低，并且将计数变化量设置得较小。例如，当该差在目标像素中小且在图6所示的区域L1内，并且色度小且在图11所示的区域S1内时，参考图12的表，计数变化量为10。当该差在目标像素中为中且在图6所示的区域L2内，并且色度为中且在图11所示的区域S2内时，参考图12的表，计数变化量为3。当该差在目标像素中大且在图6所示的区域L3内，并且色度大且在图11所示的区域S3内时，参考图12的表，计数变化量为0。在该例子中，属于区域L1和区域S1的像素看上去最接近背景，并且其与背景的接近度看上去是区域L2和区域S2的像素的三倍。假定属于区域L3和区域S3的像素是不在背景中的区域，并且不计数该像素以避免影响阈值改变。差的分割区域的数量和计数变化量表的值不局限于这些。可以根据要设计的图像读取单元101的特性调整所设置的值，以实现适合于各图像处理设备的背景颜色去除处理。

S505之后的处理与第一实施例中的相同，并且不再重复进行说明。

根据本实施例，使用差和色度成分这二者来确定计数变化量，从而可以更精确地估计阈值。结果，可以进行具有少量失败图像的稳定背景颜色去除处理。

第三实施例

在第一实施例和第二实施例中，背景颜色去除处理单元303使用S502的平滑单元，以基于包括目标像素的多个周围像素的值进行平滑。可以通过设计平滑单元，更精确地确定计数变化量。

将参考图13～15详细说明本实施例中的处理。

图13是本实施例中的平滑单元的流程图。对本流程图的输入是在S501转换后的目标像素的亮度成分。背景颜色去除处理单元303首先在S1301计算输入值和阈值之间的差。这里的阈值与第一实施例中所述的阈值相同，并且该阈值是作为前一像素处理的结果所确定出的背景水平。

假定差为Dif，输入值为L_in，并且阈值为level_L，则Dif＝L_in-level_L成立。假定输入的最大值为MAX，则差Dif的可能范围在-MAX和MAX之间。

基于在S_1301计算出的差，背景颜色去除处理单元303确定平滑用滤波器的大小和形状(S1302)。图14和图15是说明本实施例中用于确定滤波器的方法的图。首先将差的可能范围分成任意多个区域，并且判断目标像素中的差Dif属于哪一区域。图14示出将该范围分成5个区域的例子：

当threL7≤Dif≤threL5时，区域L7；

当threL5＜Dif≤threL6时，区域L8；

当threL6＜Dif≤MAX时，区域L9；

当threL8≤Dif＜threL7时，区域L10；以及

当-MAX≤Dif＜threL8时，区域L11。

图15是示出应用于图14中分割的区域的滤波器大小的表的例子。在图15的例子中，假定当该差小时，目标像素形成背景的可能性高，并且应用最大区域的7×7滤波器。还假定当该差较大时，目标像素形成背景的可能性较低，并且将所应用的滤波器大小逐渐设置得较小(3×3滤波器、1×1滤波器)。显然，不仅可以设置滤波器大小，而且还可以设置滤波器形状。差的分割区域的数量以及滤波器大小和滤波器形状的值不局限于这些。

不仅平滑目标像素的值而且还平滑周围像素值的目的是为了获得稳定的输入值，以避免受读取原稿的特性或噪声的影响。因此，通常，如果滤波器大小较大，则稳定性应该提高。然而，如果在所有像素中应用大的滤波器大小，则当在字符和照片等具有许多频率成分的区域中进行平滑时，精度可能相当低。因此，根据在S1301计算出的差来判断目标像素与背景的接近度，对于具有许多低频成分和背景的可能性高的像素使用大的滤波器大小，并且对于具有许多高频成分和背景的可能性低的像素使用小的滤波器大小。这样，可以根据目标像素与背景的接近度，实现精确的平滑。

然后，背景颜色去除处理单元303基于在S1302确定出的滤波器的大小和形状进行平滑(S1303)。平滑方法的例子包括用于获得根据所选择的滤波器大小内的所有像素值计算出的亮度成分的平均值的方法。还可以设置滤波器的系数，从而可以改变平滑的强度。平滑的方法不局限于此，并且可以使用其它方法，只要可以获得平滑效果即可。

S503之后的处理与第一实施例和第二实施例中的处理相同，并且不再重复进行说明。

根据本实施例，基于差来切换平滑单元中所应用的滤波器的大小和形状，以根据与背景的接近度实现精确的平滑。结果，可以进行更稳定的背景水平的估计。

第四实施例

尽管在第三实施例中，背景颜色去除处理单元303中的S502的平滑单元使用亮度成分和阈值之间的差来确定平滑用滤波器大小，但是还可以使用属性信息。这里的属性信息是通过属性判断处理形成为标志的信息，其中，该属性判断处理是在扫描图像处理单元301中执行的未示出的处理中的一个处理，并且用于判断所读取的原稿数据的像素是字符区域还是半色调点区域。使用属性信息允许根据区域应用未示出的颜色转换处理和锐度调整处理等的各图像处理，从而提高图像质量。

将参考图16和图17详细说明本实施例的处理。

图16是本实施例中的平滑单元的流程图。向本流程图的输入与第三实施例中的相同。

背景颜色去除处理单元303首先在S 1601获取属性信息，以基于所获取的属性信息确定平滑用滤波器的大小和形状。图17是示出适用于属性信息的滤波器大小的表的例子。在图17的例子中，对于字符区域应用1×1滤波器，对于照片区域应用3×3滤波器，并且对于背景区域和半色调点区域应用7×7滤波器。根据属性信息切换滤波器大小的原因与第三实施例中的原因相同。在字符和照片等的具有许多高频成分的区域中使用小的滤波器大小，并且对于背景等的具有许多低频成分的区域使用大的滤波器大小。由于通过区域等级表示半色调点区域的等级，因而设置大的滤波器大小允许平滑的结果接近于实际想要表现的原稿的亮度成分。还存在防止输入值在半色调点的短周期内波动的优点，并且随后的处理变得稳定。显然，不仅可以设置滤波器大小，而且还可以设置滤波器形状。属性信息的分类以及要应用的滤波器的大小和形状的值不局限于此。

然后，背景颜色去除处理单元303基于在S 1601确定出的滤波器大小和形状进行平滑(S1602)。平滑单元与第三实施例中的相同。

S503之后的处理与第一实施例和第二实施例中的处理相同，并且不再重复进行说明。

根据本实施例，根据属性信息切换平滑单元中所使用的滤波器的大小和形状，以根据区域实现精确的平滑。结果，可以进行更稳定的背景水平的估计。

第五实施例

尽管在第四实施例中，背景颜色去除处理单元303中的S502的平滑单元使用属性信息来确定平滑用滤波器大小，但是还可以使用原稿类型。这里的原稿类型例如为用户通过图像处理设备的UI所设置的、或通过图像处理中的自动判断所指定的原稿类型。原稿类型的例子包括字符、照片和打印纸照片，并且原稿类型是以作业为单位或以页为单位而不是以像素为单位指定的信息。

将参考图18和图19详细说明本实施例中的处理。

图18是本实施例中的平滑单元的流程图。向本流程图的输入与第三实施例中的相同。

背景颜色去除处理单元303首先在S1801获取原稿类型信息，并且基于所获取的原稿类型信息确定平滑用滤波器的大小和形状。图19是示出适用于原稿类型信息的滤波器大小的表的例子。在图19的例子中，对于字符类型应用1×1滤波器，并且对于打印纸照片类型和照片类型应用3×3滤波器。对于页和作业之一唯一地设置原稿类型的信息，并且不能以像素为单位切换该信息。因此，使用一个确定的滤波器执行用于平滑输入图像数据的所有像素的滤波处理。对于包括高频成分的字符类型原稿设置小的滤波器大小，并且由于预测出打印纸照片类型和照片类型不包括如字符类型中那么多的高频成分，因而对于打印纸照片类型和照片类型设置中等滤波器大小。显然，不仅可以设置滤波器大小，而且还可以设置滤波器形状。原稿类型信息的分类以及要应用的滤波器的大小和形状的值不局限于这些。

然后，背景颜色去除处理单元303基于在S1801所确定出的滤波器的大小和形状进行平滑(S1802)。平滑的方法与第三实施例中的方法相同。

S503之后的处理与第一实施例和第二实施例中的处理相同，并且不再重复进行说明。

根据本实施例，平滑单元基于原稿类型信息切换所应用的滤波器的大小和形状，以根据具有不同特性的原稿类型实现精确的平滑。结果，可以进行更稳定的背景水平的估计。在无需属性判断单元的廉价系统中，通过仅基于原稿类型信息的精确平滑，就可以实现降低成本和出色的图像质量这二者。

其它实施例

通过执行下面的处理也可以实现本发明的目的。更具体地，在该处理中，向系统和设备中的一个提供记录用于实现这些实施例的功能的软件的程序代码的存储介质，并且该系统和设备中的一个的计算机(或CPU或MPU)读取存储在该存储介质中的程序代码。在这种情况下，从存储介质读取的程序代码本身实现这些实施例的功能，并且该程序代码和存储该程序代码的存储介质构成了本发明。

尽管已经参考典型实施例说明了本发明，但是应该理解，本发明不局限于所公开的典型实施例。所附权利要求书的范围符合最宽的解释，以包含所有这类修改、等同结构和功能。

Claims (4)

1.一种图像处理设备，用于针对输入的图像数据的各像素根据该像素的亮度成分改变该像素的背景水平，并且基于改变后的背景水平对各像素进行背景去除处理，所述图像处理设备包括：

确定单元，用于计算所述图像数据的目标像素的亮度成分和预定的阈值之间的差，并且确定所述目标像素的背景水平，以使得随着计算出的差变大，所述目标像素的背景水平相对于所述目标像素的相邻像素的背景水平的变化量变小。

2.根据权利要求1所述的图像处理设备，其特征在于，所述确定单元针对各像素确定计数变化量，以使得随着计算出的差变大，针对所述目标像素的计数变化量变小，并且其中，在针对包括所述目标像素的多个像素的计数变化量的累积结果超过预定计数值的情况下，所述确定单元根据所述相邻像素的背景水平来改变超过所述预定计数值的像素的背景水平。

3.根据权利要求1所述的图像处理设备，其特征在于，所述预定的阈值是所述相邻像素的背景水平。

4.一种在图像处理设备中执行的图像处理方法，用于针对输入的图像数据的各像素根据该像素的亮度成分改变该像素的背景水平，并且基于改变后的背景水平对各像素进行背景去除处理，所述图像处理方法包括以下步骤：

确定步骤，用于计算所述图像数据的目标像素的亮度成分和预定的阈值之间的差，并且确定所述目标像素的背景水平，以使得随着计算出的差变大，所述目标像素的背景水平相对于所述目标像素的相邻像素的背景水平的变化量变小。

Images