CN102615972B - 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。为了根据像素位置改变用于进行误差扩散处理的阈值，准备被配置成具有多个行和列的阈值矩阵。在这种情况下，排列阈值矩阵中的数据，以使得各个行的平均值和各个列的平均值大致为相同值。如果使用该阈值矩阵进行误差扩散处理，则不会因为矩阵的周期而出现点的疏密，因此可以抑制误差扩散所特有的图案或扫成堆现象。

Description

图像处理设备和图像处理方法

技术领域

本发明涉及一种图像处理方法。本发明尤其涉及一种即使进行误差扩散处理、也可以对不会出现误差扩散处理所特有的图案或扫成堆现象(sweeping phenomenon)的图像进行打印的图像处理方法。

背景技术

在通过点的打印或不打印来打印图像的打印设备中，需要如下的量化处理：将多值浓度数据转换成表示打印(1)或不打印(0)的二值数据。另外，作为这类量化处理，通常使用误差扩散处理。

图1是用于说明一般的误差扩散处理的结构的框图。通过加法器101将输入多值图像数据(In)与来自周边像素的扩散误差(dIn)相加，从而变成输入校正值(In+dIn)。然后，通过比较器102将输入校正值(In+dIn)与预定阈值进行比较，以输出被二值化成打印和不打印的其中任一的值。例如，在输入多值图像数据(In)的值为0～255并且阈值是128的情况下，满足[输入校正值(In+dIn)≥128]的像素的输出值(Out)为255(打印)。另一方面，满足[输入校正值(In+dIn)＜128]的像素的输出值(Out)为0(不打印)。此时，比较器计算输入校正值和输出值之间的差(误差)dOut＝(In+dIn)-128，并且在应用预定权重的同时，将结果存储在误差缓冲器103中。当对位于周边的未处理像素进行二值化处理时，使用以该方式所存储的误差作为上述扩散误差(dIn)。

如上所述，误差扩散处理将输入多值图像数据与预定阈值进行比较以确定是打印还是不打印，并且特征在于将在该确定时发生的误差分布(扩散)至位于周边的未处理像素。

然而，在如图1所示的简单误差扩散方法中，由于阈值恒定，因而在二值化后的图像中可能识别出特有图案或扫成堆现象。对此，例如，日本特开2001-333277公开了如下方法：将随机数成分与固定阈值相加以准备多个不同阈值作为如图2所示的阈值矩阵，并且重复使用该矩阵。另外，日本特开2004-120133公开了一种不是以简单重复的方式而是以循环方式使用如日本特开2001-333277所准备的阈值矩阵的方法。

然而，在日本特开2001-333277所公开的方法中，重复使用所准备的阈值矩阵，因此，在输出图像中，有时会识别出依赖于阈值矩阵的大小的周期性图案。为了使这类周期性图案不明显，增大阈值矩阵的大小是有效的，然而，在这种情况下，会发生用于存储阈值矩阵的存储器容量增大这一问题。

另一方面，根据日本特开2004-120133所公开的方法，不是以简单重复的方式使用阈值矩阵，因此即使在使用相对小的阈值矩阵的情况下，在图像中也不大可能出现阈值矩阵的周期。因此，在不影响存储器容量的情况下，可以获得与增大矩阵大小的情况相同的效果。另外，即使对于多种颜色墨使用相同阈值矩阵，通过针对各颜色改变循环的量或方向，也可以避免彩色图像中的周期性不均匀。

然而，在日本特开2004-120133所公开的方法中，由于阈值矩阵的循环，因而读取阈值矩阵的次数增加，由此增大了循环处理的负荷。结果，图像处理速度降低，由此导致打印设备的打印速度降低。

另外，在对于利用上述阈值矩阵进行量化的图像采用多遍打印方法的情况下，由于多遍打印所使用的掩码图案和阈值矩阵之间的同步，因而有时还会识别出发生周期性的点的疏密。在这种情况下，即使进行多遍打印，有时也不大可能出现多遍打印的效果，或者多遍打印时的打印位置的微小偏移使得上述疏密明显，由此导致图像劣化。

发明内容

本发明是为了解决上述问题而作出的，并且本发明的目的是提供一种进行量化处理的图像处理方法，其中，该量化处理在不增加图像处理的存储器容量或负荷的情况下，利用相对简单的结构，避免误差扩散所特有的图案或扫成堆现象、或者多遍打印时的点的疏密。

根据本发明的一方面，提供了一种图像处理方法，用于通过误差扩散处理进行将多值图像数据量化成较低水平的N值的量化处理，其中，N是等于或大于2的整数，所述图像处理方法包括以下步骤：获得步骤，用于将来自周边像素的误差与所述多值图像数据相加以获得校正值；设置步骤，用于从配置成在行方向和列方向上排列有不同值的阈值矩阵中，根据所述多值图像数据的像素位置来选择一个值，以设置用于与所述校正值进行比较的阈值；量化步骤，用于根据将所述设置步骤中所设置的阈值与所述获得步骤中所获得的校正值进行比较的结果，输出N值数据；以及扩散步骤，用于将所述校正值和所述N值数据之间的与所述量化步骤相关联地发生的误差扩散至尚未进行所述量化步骤的周边像素位置并进行存储，其中，在所述阈值矩阵中，各个行的平均值和各个列的平均值大致为相同的值。

根据本发明的另一方面，提供了一种图像处理方法，用于通过误差扩散处理进行将多值图像数据量化成较低水平的N值的量化处理，其中，N是等于或大于2的整数，所述图像处理方法包括以下步骤：获得步骤，用于将来自周边像素的误差与所述多值图像数据相加以获得校正值；设置步骤，用于从配置成在行方向和列方向上排列有不同值的阈值矩阵中，根据所述多值图像数据的像素位置来选择一个值，以设置用于与所述校正值进行比较的阈值；量化步骤，用于根据将所述设置步骤中所设置的阈值与所述获得步骤中所获得的校正值进行比较的结果，输出N值数据；以及扩散步骤，用于将所述校正值和所述N值数据之间的与所述量化步骤相关联地发生的误差扩散至尚未进行所述量化步骤的周边像素位置并进行存储，其中，在所述阈值矩阵中，各个行的平均值和各个列的平均值包含在它们的平均值的±15％的范围内。

根据本发明的另一方面，提供了一种图像处理方法，用于通过误差扩散处理进行将多值图像数据量化成较低水平的N值的量化处理，其中，N是等于或大于2的整数，所述图像处理方法包括以下步骤：获得步骤，用于将来自周边像素的误差与所述多值图像数据相加以获得校正值；设置步骤，用于从配置成在行方向和列方向上排列有不同值的阈值矩阵中，根据所述多值图像数据的像素位置来选择一个值，以设置用于与所述校正值进行比较的阈值；量化步骤，用于根据将所述设置步骤中所设置的阈值与所述获得步骤中所获得的校正值进行比较的结果，输出N值数据；以及扩散步骤，用于将所述校正值和所述N值数据之间的与所述量化步骤相关联地发生的误差扩散至尚未进行所述量化步骤的周边像素位置并进行存储，其中，在所述阈值矩阵中，与生成随机数以准备所述不同值的情况相比，各个行的平均值之间的偏差和各个列的平均值之间的偏差保持较低。

根据本发明的另一方面，提供了一种图像处理设备，用于通过误差扩散处理进行将多值图像数据量化成较低水平的N值的量化处理，其中，N是等于或大于2的整数，所述图像处理设备包括：获得单元，用于将来自周边像素的误差与所述多值图像数据相加以获得校正值；设置单元，用于从配置成在行方向和列方向上排列有不同值的阈值矩阵中，根据所述多值图像数据的像素位置来选择一个值，以设置用于与所述校正值进行比较的阈值；量化单元，用于根据将所述设置单元所设置的阈值与所述获得单元所获得的校正值进行比较的结果，输出N值数据；以及扩散单元，用于将所述校正值和所述N值数据之间的与所述量化单元的量化处理相关联地发生的误差扩散至尚未进行所述量化单元的量化处理的周边像素位置并进行存储，其中，在所述阈值矩阵中，各个行的平均值和各个列的平均值大致为相同的值。

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

图1是用于说明一般误差扩散处理的结构的框图；

图2是示出一般阈值矩阵的图；

图3是用于说明第一实施例的误差扩散处理的结构的框图；

图4是示出扩散系数矩阵的一个例子的图；

图5是以2遍为例说明多遍打印方法的示意图；

图6是示出日本特开2001-333277所公开的阈值矩阵的图；

图7是示出使用图6的阈值矩阵进行二值化处理的结果的图；

图8是示出对图7的打印数据进行2遍打印的情况下的点数据的图；

图9是示出第一实施例所使用的阈值矩阵的图；

图10是示出使用图9的基本阈值矩阵进行二值化处理的结果的图；

图11是示出对图10中的打印数据进行2遍打印的情况下的点数据的图；

图12是用于说明生成本发明的阈值矩阵的方法的流程图；

图13是示意性示出第二实施例的数据转换的图；

图14是示出第二实施例所使用的阈值矩阵的图；

图15是示出第二实施例所使用的点图案的图；

图16A和16B是示出使用索引图案进行二值化的结果的图；

图17是示出利用传统方法准备的阈值矩阵的一个例子的图；

图18A和18B是示出使用索引图案进行二值化的结果的图；

图19是用于说明生成阈值矩阵的方法的另一例子的流程图；

图20是根据图19的流程图所准备的阈值矩阵的一个例子；

图21是示出在以2遍为例的多遍打印中可应用的掩码图案的另一例子的图；以及

图22是示出利用图21的掩码图案进行2遍打印的情况下的点数据的图。

具体实施方式

图3是用于说明本实施例的误差扩散处理的结构的框图。与作为传统例子示出的图1的结构的不同点在于：作为用于确定量化各像素时所使用的阈值的单元，准备了基本阈值矩阵104和阈值选择部105。如图9所示，本实施例的阈值矩阵104被配置成：对于包括主扫描方向32个像素×副扫描方向16个像素的各像素区域，预先设置不同的阈值。后面将说明本实施例的阈值矩阵的详细内容和效果。

在本实施例中，多值图像数据(In)的值为以8位表示的0～255。通过比较器102将利用加法器101相加来自周边像素的扩散误差(dIn)所得的输入校正值(In+dIn)与通过阈值选择部105从基本阈值矩阵104所选择的一个阈值(阈值)进行比较。然后，输出该结果作为被二值化成打印(255)和不打印(0)的其中任一的值。比较器计算输入校正值和输出值之间的差(误差)，并且在根据预定扩散系数向周边像素应用权重的同时，将结果存储在误差缓冲器103中。作为扩散系数，还可以使用如图3的误差缓冲器103中所列出的值，或者还可以使用图4中所列出的值。在对位于周边的未处理像素进行二值化处理时，使用以该方式所存储的误差作为上述扩散误差(dIn)。

图5是用于说明本实施例所采用的串行型喷墨打印设备的以2遍为例的多遍打印方法的示意图。在该附图中，P001表示从各个喷射口喷出墨滴的打印头。这里，为了简化说明，示出具有16个喷射口(以下还称为喷嘴)的打印头。在以2遍为例的多遍打印的情况下，如该附图所示，可以认为将16个喷嘴分割成各自包括8个喷嘴的第一喷嘴组和第二喷嘴组。

P002表示对于以2遍为例的多遍打印可使用的掩码图案的例子，并且对于各喷嘴，分别由黑色和白色表示允许打印的像素和不允许打印的像素。分别用于第一喷嘴组和第二喷嘴组的掩码图案相互具有互补关系。

当进行实际打印时，在该附图的x方向上进行移动的同时，打印头P001根据打印数据喷出墨。通过在利用上述量化处理所输出的二值图像数据和上述掩码图案的二值数据之间进行逻辑加法运算，来确定这类打印数据。在完成一次打印主扫描之后，在该附图的y方向上将打印介质输送等于8个喷嘴(一个喷嘴组)的长度量。重复打印头P001的这种打印主扫描和长度量等于8个喷嘴的打印纸张的输送操作，从而在对应于8个喷嘴的打印纸张的单位区域中，通过分别与相互具有互补关系的两个掩码图案相对应的两次打印主扫描来完成图像。在该附图中，P003和P004示出通过第一扫描和第二扫描形成图像的状况。

在该例子中，示出了每隔一个像素排列打印可允许像素的掩码图案的例子。在使用这种掩码图案的打印中，每一喷嘴不会连续两次进行喷射，因此打印头可以以等于或高于喷嘴可实现的喷射频率的速度在主扫描方向上进行移动。结果，与普通掩码图案相比，可以提高打印速度。通常，在多遍打印中，与一遍打印相比，打印主扫描的次数增大，因此打印速度趋于降低。然而，如果使用图5所示的掩码图案，则可以最大限度地抑制打印速度的降低。

下面说明本实施例的阈值矩阵的特征和效果。

图6是用于与本实施例所使用的阈值矩阵104相比较的日本特开2001-333277所公开的阈值矩阵。在这种情况下，该阈值矩阵在x方向(主扫描方向)上具有32个像素区域，并且在y方向(副扫描方向)上具有16个像素区域。在将上述阈值矩阵104与图像数据(In)的像素位置相关联时，图3所述的阈值选择部105针对每一输入像素从阈值矩阵104顺次选择一个阈值。然后，在选择了阈值矩阵104中的所有阈值之后，使阈值选择部105再次返回到阈值矩阵的开头以顺次与阈值相关联。

在日本特开2001-333277所公开的阈值矩阵中，将中间信号值128与随机数成分相加以设置各个阈值。在该附图中，在右侧和下侧示出各行的x方向的平均值和各列的y方向的平均值。可以认为这些平均值中的每一个都与各行或各列中的点的打印概率相对应。也就是说，对于阈值的平均值低的行(列)，输入校正值可能大于阈值，因此该行(列)是相对可能打印点的行(列)。另一方面，对于阈值的平均值高的行(列)，输入校正值可能小于阈值，因此该行(列)是相对不可能打印点的行(列)。在图6的情况下，简单生成随机数成分，从而设置各个阈值，因此，行或列中的阈值不会具有任何相互关系。结果，行或列中的平均值随机变化。

图7是示出使用图6的阈值矩阵进行二值化处理的结果的图。在二值化处理之后的打印数据中，发生了由于使阈值矩阵重复相关联而导致的周期性图案。这是因为：在阈值矩阵中，点的打印概率存在偏倚，这导致出现点的疏密，并且该疏密重复，由此被识别为图案。

图8是在使用图5所示的掩码图案对图7的打印数据进行2遍打印的情况下、分别示出第一遍所打印的点数据和第二遍所打印的点数据的图。在这些点数据中，将比图7更强的点的疏密识别为垂直条纹。这是因为：在图6的阈值矩阵中，各个列的平均值之间的偏差大，这导致出现可能打印点的列和不可能打印点的列，并且这些列的排列导致出现垂直条纹。此外，在利用图8所示的点数据进行多遍打印的情况下，如果在打印扫描之间，发生打印位置的微小偏移或各点的着落位置的偏移，则该疏密被进一步强调，并且在打印图像中，识别出明显的垂直条纹。

另一方面，图9示出本实施例所使用的阈值矩阵104。在本实施例所使用的阈值矩阵中，对于所有列，y方向上的各个列的平均值都是128。另一方面，x方向上的各个行的平均值在127.254～128.75内微小变化。也就是说，本实施例的阈值矩阵中的各个行和各个列的平均值不像传统例子的图6的阈值矩阵那样变化。

图10是示出使用图9的基本阈值矩阵进行二值化处理的结果的图。在二值化处理之后的打印数据中，即使使阈值矩阵重复相关联，也几乎不会识别出周期性图案。这是因为：点的打印概率在基本阈值矩阵中没有发生偏移，因此不会出现点的疏密，因而即使重复相同图案，也不可能将相应的周期识别为图案。

图11是在使用图5所示的掩码图案对图10所示的打印数据进行2遍打印的情况下、分别示出第一遍所打印的点数据和第二遍所打印的点数据的图。在本实施例的这些点数据中，没有识别出在图8所识别到的点的疏密。这是因为：在图9的阈值矩阵中，各个列的平均值不存在变化，因此不会出现可能打印点的列和不可能打印点的列。因此，即使在利用图11所示的点数据进行多遍打印的情况下，在打印扫描之间，打印位置的微小偏移或各点的着落位置的偏移也不会引起垂直条纹，因此可以输出均匀的打印图像。

图12是用于说明生成本实施例所使用的阈值矩阵的方法的流程图。当开始该处理时，首先，在步骤1，准备32×16初始矩阵。利用通过向基准阈值128赋予9等级的噪声值(-32，-24，-16，-8，0，+8，+16，+24，+32)所获得的值来准备该初始矩阵。具体地，从上述9种类型的值中，对于各列选择16个阈值，以使得各列中总共16个数据的平均值为128。

然后，在步骤2，在使各列的组合固定的状态下，垂直移动(拖动)各列的值以改变各行的组合。随后，获得各行的平均值和基准值(128)之间的差，以计算总共16行的差的总和。

在步骤3，判断步骤2获得的总和是否是最小值，并且如果该总和是最小的，则流程进入步骤4，以完成使当前阈值位置固定的矩阵。另一方面，如果步骤2获得的差不是最小的，则流程返回到步骤2，在步骤2，再次进行垂直移动以获得下一组合的平均值以及差的总和。重复这种阈值移动和平均值判断，直到所述差的总和变得等于最小值为止。在这种情况下，上述最小值是在步骤1准备初始矩阵时确定的。具体地，将通过对初始矩阵的总共16行各自的平均值进行进一步平均化所获得的值与基准值128之间的差用作上述最小值。这样，可以生成如图9所示的阈值矩阵。

根据上述本实施例，通过利用将行方向的平均值和列方向的平均值设置成几乎相同的值的阈值矩阵进行误差扩散处理，可以使用相对简单的结构来输出不具有误差扩散所特有的图案或扫成堆现象的图像或者不具有多遍打印时的点的疏密的图像。

注意，在本实施例中，将通过使9等级的噪声值(-32，-24，-16，-8，0，+8，+16，+24，+32)相加到基准阈值128所获得的值设置为阈值；然而，本实施例的阈值矩阵不局限于这种阈值组合。优选根据图4所示的扩散系数矩阵、打印设备的打印模式、或点大小等来优化设置噪声值的范围和步长(step size)。另外，在使用分别具有多种颜色的墨的情况下，可以针对各墨颜色准备适当的阈值矩阵。

用于生成阈值矩阵的方法不局限于图12所示的方法。例如，以上使用了如下方法：准备了在列方向上具有相同平均值的初始矩阵以使行方向上的平均值大体均等；然而，如下的方法也是可以的：首先准备了在行方向上具有相同平均值的初始矩阵以使列方向上的平均值大体均等。如果在完成的阈值矩阵中，行方向的平均值和列方向的平均值是几乎相同的值，则即使利用任意方法生成阈值矩阵，也可以获得本实施例的效果。根据本发明人的检验，如果行方向和列方向这两者的平均值的偏差落在平均值的±10％的范围内，则确认为由于阈值矩阵的周期而出现的图案并不明显。另外，如果行方向和列方向这两者的平均值的偏差落在平均值的±15％的范围内，则确认为很难注意到多遍打印时出现的条纹。

第二实施例

在本实施例中，说明如下的情况下的图像处理：通过多值误差扩散处理对多值(例如，256值)图像数据进行量化以获得较低水平的多值数据(例如，4值)，然后使用所准备的点图案将该较低水平的多值数据转换成二值数据。

图13是示意性示出本实施例的数据转换的图。首先通过多值误差扩散处理，将具有8位/256灰度级的600dpi(点/英寸)的图像数据401转换成具有2位/4灰度级的600dpi的图像数据402。然后，通过点图案化处理，将图像数据402转换成具有1位/2灰度级的1200dpi的二值数据403。如果采用这种数据转换，则与打印设备的打印分辨率(1200dpi)相比，可以以更低分辨率(600dpi)进行诸如误差扩散处理等的图像处理，因此可以缩短处理时间。

同时，在多值误差扩散处理中，为了进行量化处理，需要多个阈值。例如，在多值误差扩散处理是N值化处理(N是2以上的整数)的情况下，需要(N-1)个阈值。在本实施例中，为了进行N值误差扩散处理(其中，N大于3)，准备(N-1)等级的基准阈值和一个阈值矩阵。对于(N-1)等级的基准阈值，例如，在对0～255的信号值进行四值化的情况下，可以设置64、128和192这三个等级。

图14是示出本实施例所使用的阈值矩阵的一个例子的图。在本实施例中，将以0为中心的噪声成分存储在矩阵中。在该附图中，在阈值矩阵的右侧和下侧，示出了各行的x方向的平均值和各列的y方向的平均值。如第一实施例一样，可以认为这些平均值的偏差分别与各行和各列的点打印概率的偏差相对应。在本实施例中，各个列的y方向的平均值都是0。另一方面，各个行的x方向的平均值在以0为中心的1.25～-1.25内微小变化。通过使用这种矩阵，可以抑制各基准阈值的行方向和列方向的点打印概率的偏差。

另外，即使在本实施例中，如第一实施例一样，也可以采用图3所示的框图。在这种情况下，在阈值矩阵104中，仅存储图14所示的噪声成分值。在进行量化时，阈值选择部105将从阈值矩阵104所选择的一个噪声成分与三个基准阈值(64、128和192)分别进行相加以准备三个阈值，然后将这三个阈值传送给比较器102。比较器102将这三个阈值与输入校正值进行比较以输出0～3的任一值。

在本实施例中，之后将通过多值误差扩散处理所输出的具有0～3的4值数据的600dpi的图像数据转换成设置打印(1)或不打印(0)的1200dpi的二值数据。此时，参考所准备的多个点图案，并且逐一选择与各个像素的水平相对应的点图案。

图15是示出本实施例所使用的点图案的图。由2×2构成的四个区域对应于600dpi的一个像素，并且每一1×1区域对应于1200dpi的一个像素。在该附图中，由黑色所表示的区域和由白色所表示的区域分别表示打印点的像素和不打印点的像素。这，表明，随着水平值的增大，打印点的区域的数量也增加。在本实施例中，对于各水平，准备了四个点图案(I)～(IV)，并且即使在相同水平连续的情况下，也顺次使用不同的图案。

图16A和16B示出利用图15的索引图案对多值误差扩散处理的结果进行二值化的结果的图。这里，图16A示出将所有600dpi像素量化成水平1的情况。在如上所述所有600dpi像素具有相同水平的情况下，如果仅准备一种类型的点图案(例如，图15中的(I))，则点打印可能偏向奇数列和偶数列中任一个或者奇数行和偶数行中任一个。然而，如果在行方向和列方向上顺次分配图15所示的四种类型的点图案，则如图16B所示，可以抑制点打印偏向奇数列和偶数列中任一个或者奇数行和偶数行中任一个。在图16B中，在二值数据的右侧和下侧，表示各行和各列的打印点的总和(数量)。通过该附图同样显而易见，各个行的打印点的数量相同，即为4个，并且各个列的打印点的数量也相同，即为2个。如上所述，在本实施例中，通过准备多个点配置图案，一边与通过多值误差扩散处理所设置的水平值相对应，一边可以抑制600dpi像素内的点的偏移。

然而，在使用传统阈值矩阵进行多值误差扩散的情况下，在各个600dpi行中和各个600dpi列中，阈值矩阵的平均值包括偏差。

图17是示出通过要与第二实施例进行比较的传统方法所准备的阈值矩阵的例子的图。将通过生成随机数所准备的噪声成分存储在该矩阵中。与图14示出的本实施例的阈值矩阵相比较，各个列的y方向的平均值和各个行的x方向的平均值的偏差大。也就是说，不可避免地生成水平值可能增大或减小的行或列。

图18A和18B是示出使用图15的索引图案对使用图17所示的阈值矩阵进行多值误差扩散处理所得的结果进行二值化的结果的图。在这种情况下，不规则地配置水平值原本趋于高的行和列以及水平值原本趋于低的行和列，因此即使在使用图15所示的点图案来抑制点在600dpi像素内偏移的情况下，也无法抑制更宽范围的点的疏密。结果，如图18B所示，各个1200dpi列的打印点的数量和各个1200dpi行的打印点的数量都处于偏倚状态。

如上所述，在本实施例中，协作地进行使用各个行的平均值和各个列的平均值不包括任何偏差的阈值矩阵的多值误差扩散处理以及使用图15所示的多个点图案的二值化处理，从而适当地分散点。

注意，以上利用使用2×2点图案来对通过多值误差扩散进行了四值化的数据进行二值化的例子进行了说明；然而，本实施例不局限于这种结构。如果将本实施例配置成能够将多值图像数据量化成较低水平的N值、然后使用m×k个点图案进行向满足打印设备的打印分辨率的二值数据的转换，则即使N、m和k具有任何值，本实施例也能够适用。

另外，准备阈值矩阵时所使用的噪声成分具有通过将基准值0与9等级的噪声值(-32，-24，-16，-8，0，+8，+16，+24，+32)相加所获得的值；然而，这些值不局限于通过这种组合所获得的值。如第一实施例一样，优选根据误差扩散处理中所使用的扩散系数矩阵、打印设备的打印模式、或点大小等来优化设置噪声值的范围和步长。另外，在使用分别具有多种颜色的墨的情况下，对于各墨颜色，可以准备适当的阈值矩阵。

其它实施例

以上，说明了第一实施例，从而准备用于存储阈值的阈值矩阵，并且说明了第二实施例，从而准备与基准值相对应的噪声成分作为阈值矩阵；然而，应该理解，这些结构并没有限制本发明。还可以将第一实施例配置成：准备用于仅存储针对一个基准值128的噪声成分的一个阈值矩阵。在这种情况下，对于一个基准值128，针对各墨颜色准备不同的噪声成分矩阵也是有效的。另一方面，还可以将第二实施例配置成：准备不是用于存储噪声成分而是用于存储阈值的(N-1)种类型的阈值矩阵，从而进行向N值的量化。

另外，用于生成本发明的特征阈值矩阵的方法不局限于图12所述的流程图。

图19是用于说明生成本发明可使用的阈值矩阵的方法的另一例子的流程图。当开始该处理时，首先，在步骤11，准备32×16初始矩阵。利用通过向基准阈值128赋予±32的范围内步长为1的噪声值(-32，-31，-30，...，+30，+31，+32)所获得的值来准备该初始矩阵。也就是说，将该初始矩阵配置成具有值(96，97，98，...，158，159，160)。

具体说明用于准备初始矩阵的步骤。首先，利用随机数生成上述32个值以准备第一行矩阵。然后，计算这32个值的平均值以判断平均值是否是128，并且如果平均值是128，则临时设置行矩阵。如果平均值不是128，则重新生成随机数以准备另一第一行矩阵。重复这种准备和判断，直到平均值等于128为止。在临时设置了第一行矩阵之后，以与第一行相同的方式临时设置第二行矩阵。随后，重复上述步骤，直到设置了第十六行矩阵为止，从而完成32×16初始矩阵。

在步骤11中完成了初始矩阵之后，在步骤12，获得初始矩阵的各个列的平均值。然后，选择平均值最大的列以及平均值最小的列。

在随后的步骤13，从构成初始矩阵的16个行中选择一个预定行，然后在行中，使具有最大平均值的列的值和具有最小平均值的列的值相互替换。设置上述一个预定行，以使得通过替换来使所述最大平均值和所述最小平均值之间的差最小化。

此外，在步骤14，判断32个列的所有平均值是否是128。如果32个列的所有平均值的其中之一不是128，则流程返回到步骤12，以重复步骤12～14，直到这些列中的所有平均值等于128为止。如果这些列的所有平均值等于128，则将该阶段的矩阵确定为阈值矩阵，然后该处理结束。

图20是根据图19的流程图所获得的阈值矩阵的一个例子。在使用这种阈值矩阵进行误差扩散处理的情况下，通过改变各个像素的阈值，可以将所有列和行的阈值的平均值一律调整成128。因此，与第一实施例相比，可以期望进一步改善的图像。

另外，在上述第一实施例和第二实施例中，以2遍为例说明了使用图5所示的掩码图案以通过不同的扫描来打印奇数列和偶数列的多遍打印；然而，应该理解，本发明不局限于这类多遍打印。

图21是示出可应用于本发明的以2遍为例的多遍打印的掩码图案的另一例子的图。图22是在使用图21所示的掩码图案对图10所示的二值数据进行2遍打印的情况下、分别示出第一遍所打印的点数据和第二遍所打印的点数据的图。即使在使用这类掩码图案的情况下，如第一实施例所述的图11一样，不会识别出点的疏密。

图5或21所示的掩码图案是可应用于2遍打印的掩码图案的一个例子，并且在本实施例中，如果掩码图案相互具有互补关系，则可以应用任何掩码图案。另外，即使在除2遍打印以外的多遍打印的情况下，与具有上述特征的阈值矩阵组合，也可以产生本发明的效果以输出良好的图像。

此外，在上述任一实施例中，进行了如下说明：通过使用本发明的特征阈值矩阵，在无需如日本特开2004-120133那样进行循环的情况下，可以以小的存储器容量来避免误差扩散所特有的图案或扫成堆现象。然而，本发明不排除日本特开2004-120133的结构。即使使用本发明的特征阈值矩阵，在对该矩阵进行日本特开2004-120133所述的循环的同时，对各像素设置阈值，这使得能够通过这两者的协作进一步有效地抑制误差扩散所特有的图案或扫成堆现象。

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 (8)

1.一种图像处理方法，用于通过误差扩散处理进行将多值图像数据量化成较低水平的N值的量化处理，其中，N是等于或大于2的整数，所述图像处理方法包括以下步骤：

获得步骤，用于将来自周边像素的误差与所述多值图像数据相加以获得校正值；

设置步骤，用于从配置成在行方向和列方向上排列有不同值的阈值矩阵中，根据所述多值图像数据的像素位置来选择一个值，以设置用于与所述校正值进行比较的阈值；

量化步骤，用于根据将所述设置步骤中所设置的阈值与所述获得步骤中所获得的校正值进行比较的结果，输出N值数据；以及

扩散步骤，用于将所述校正值和所述N值数据之间的与所述量化步骤相关联地发生的误差扩散至尚未进行所述量化步骤的周边像素位置并进行存储，

其中，在所述阈值矩阵中，各个行的平均值和各个列的平均值大致为相同的值。

2.根据权利要求1所述的图像处理方法，其特征在于，所述阈值矩阵被配置成在行方向和列方向上排列用于与所述校正值进行比较的不同的阈值，并且在所述设置步骤中，根据所述多值图像数据的像素位置，从所述阈值矩阵中选择和设置一个阈值。

3.根据权利要求1所述的图像处理方法，其特征在于，所述阈值矩阵被配置成在行方向和列方向上排列用于设置与用作基准的阈值的差的不同的成分，并且在所述设置步骤中，根据所述多值图像数据的像素位置，从所述阈值矩阵中选择一个成分，并且基于所选择的成分和用作基准的阈值来设置用于与所述校正值进行比较的阈值。

4.根据权利要求1所述的图像处理方法，其特征在于，所述N值是3值以上，所述图像处理方法还包括以下步骤：

根据所述量化步骤所输出的N值数据，从对于m×k个区域分别预先设置了点的打印或不打印的多个点图案中选择一个点图案，从而将所述N值数据转换成二值数据，

其中，关于所述多个点图案，对于所述N值数据的每一个水平值，准备了多个点图案。

5.一种图像处理方法，用于通过误差扩散处理进行将多值图像数据量化成较低水平的N值的量化处理，其中，N是等于或大于2的整数，所述图像处理方法包括以下步骤：

获得步骤，用于将来自周边像素的误差与所述多值图像数据相加以获得校正值；

设置步骤，用于从配置成在行方向和列方向上排列有不同值的阈值矩阵中，根据所述多值图像数据的像素位置来选择一个值，以设置用于与所述校正值进行比较的阈值；

量化步骤，用于根据将所述设置步骤中所设置的阈值与所述获得步骤中所获得的校正值进行比较的结果，输出N值数据；以及

扩散步骤，用于将所述校正值和所述N值数据之间的与所述量化步骤相关联地发生的误差扩散至尚未进行所述量化步骤的周边像素位置并进行存储，

其中，在所述阈值矩阵中，各个行的平均值和各个列的平均值包含在它们的平均值的±15%的范围内。

6.根据权利要求5所述的图像处理方法，其特征在于，在所述阈值矩阵中，各个行的平均值和各个列的平均值包含在它们的平均值的±10%的范围内。

7.一种图像处理方法，用于通过误差扩散处理进行将多值图像数据量化成较低水平的N值的量化处理，其中，N是等于或大于2的整数，所述图像处理方法包括以下步骤：

获得步骤，用于将来自周边像素的误差与所述多值图像数据相加以获得校正值；

设置步骤，用于从配置成在行方向和列方向上排列有不同值的阈值矩阵中，根据所述多值图像数据的像素位置来选择一个值，以设置用于与所述校正值进行比较的阈值；

量化步骤，用于根据将所述设置步骤中所设置的阈值与所述获得步骤中所获得的校正值进行比较的结果，输出N值数据；以及

扩散步骤，用于将所述校正值和所述N值数据之间的与所述量化步骤相关联地发生的误差扩散至尚未进行所述量化步骤的周边像素位置并进行存储，

其中，在所述阈值矩阵中，与生成随机数以准备所述不同值的情况相比，各个行的平均值之间的偏差和各个列的平均值之间的偏差保持较低。

8.一种图像处理设备，用于通过误差扩散处理进行将多值图像数据量化成较低水平的N值的量化处理，其中，N是等于或大于2的整数，所述图像处理设备包括：

获得单元，用于将来自周边像素的误差与所述多值图像数据相加以获得校正值；

设置单元，用于从配置成在行方向和列方向上排列有不同值的阈值矩阵中，根据所述多值图像数据的像素位置来选择一个值，以设置用于与所述校正值进行比较的阈值；

量化单元，用于根据将所述设置单元所设置的阈值与所述获得单元所获得的校正值进行比较的结果，输出N值数据；以及

扩散单元，用于将所述校正值和所述N值数据之间的与所述量化单元的量化处理相关联地发生的误差扩散至尚未进行所述量化单元的量化处理的周边像素位置并进行存储，

其中，在所述阈值矩阵中，各个行的平均值和各个列的平均值大致为相同的值。