CN1445978A - 利用校正表的彩色图像数据的校正方法 - Google Patents

Abstract

提供校正彩色图像数据的图像处理方法，在颜色空间上把图像数据的坐标点分配给颜色变换表之后，读出存储在格子点的数据的方法，迅速进行图像数据的颜色变换，这里，对一个图像数据选择多个格子点，把图像数据的坐标点分配给这些格子点，接着，根据从这些格子点读出的数据运算出颜色变换图像数据的数据。实施例1中，分配坐标点周围任意选择的坐标点。实施例2中，对N维图像数据分配少于N个的多个坐标点。实施例3中，算术平均从格子点读出的数据而运算出颜色变换数据。根据这些，不加大颜色变换表，而可以提高颜色变换精度。

Description

利用校正表的彩色图像数据的校正方法

技术领域

本发明涉及校正彩色图像数据的图像处理方法，具体而言涉及，通过参照校正表而迅速进行图像处理的技术。

背景技术

利用扫描器等的图像输入装置来读取彩色原稿，并把读取的彩色图像数据利用如CTR等的显示器或彩色打印机来再生显示的图像处理装置是已知的。

这些显示或彩色打印机等的图像输出装置分别具有特有的再现特性，为了把利用扫描器等输入的彩色图像的颜色不依赖于图像输出装置的特性而再现，根据所利用的图像输出装置颜色再现特性，有必要进行相适应的颜色校正处理。使用于这样的颜色校正的代表性的方法里有颜色校正表的技术提案(特开平4-185075号等)。所谓颜色校正表是指彩色图像数据与校正后的图像数据一一对应于的数字表。例如，如果注目到彩色图像数据可以利用红(以下记为R)、绿(以下记为G)、蓝(以下记为B)三色成分来表现的话，可以考虑把这些各个颜色的成分作为互相垂直的三个轴的色空间，把这个色空间分割为格子状，可以制作在格子点上预先存储校正后的彩色图像数据三维数字表。在校正彩色图像数据时，色空间上检测出对应于彩色图像数据的坐标点和该坐标点周围的格子点，从存储在周围格子点的校正数据进行插值运算的方法，求出对应于彩色图像数据的校正数据。

另外，本发明申请人开发出参照颜色校正表，但不进行插值运算而可以进行颜色校正处理来可以迅速处理的方法，并已经申请专利(特开平9-294212号)。在这个方法中，把对应于彩色图像数据的坐标点强制分配给该坐标点周围的格子点。因为颜色校正表里已经存储有对各个格子点进行校正以后的图像数据，如果把坐标点分配给周围的格子点而完成，就不进行插值运算，可以把彩色图像数据迅速颜色变换为校正数据。下面，参照颜色校正表之前，对应于彩色图像数据的坐标点强制分配给周围格子点的处理称为[预变换处理]。这样，利用预变换处理分配的格子点，求出的校正数据不同于把彩色图像数据进行颜色校正之后得到的原来的校正数据。即，从每一个图像数据看是生成了误差。下面，由于这样的预变换处理而产生的误差称为[预变换误差]。即使是每一个彩色图像数据上产生了预变换误差，但从给定区域的图像全体看时，如果进行的预变换，其预变换误差互相抵消，作为整体的误差限制在允许范围内时，可以避免由于误差的图像质量的恶化。

尤其是在每一个图像数据上生成的预变换误差很大时，即使是该误差互相抵消而给定区域图像全体的误差限制在允许值，每一个预变换误差有可能明显恶化图像质量的危险。这样的情况下，使颜色校正表的格子点间隔稠密就可以。如果使格子点间隔稠密设定多个格子点，则这些格子点的中的一个位于彩色图像数据坐标点附近，因此，可以减少预变换误差。换句话说，进行预变换时，为了避免产生超过允许值的预变换误差，最好是利用适当设定格子点间隔的颜色校正表。

近几年，由于提高显示图像质量技术的进步，对预变换误差允许值范围越来越严格的趋势，由此，逐渐利用格子点间隔稠密的颜色校正表。但是，如果格子点间隔稠密，格子点的总数也随之增加，一个颜色校正表里存储的数据量也增加。其结果，存储颜色校正表需要的存储容量也增加。另外，如果颜色变换处理中处理的颜色校正表的数据量大的话，降低处理速度，出现迅速显示图像变为困难的问题。

当然，所以如果进行插值运算，格子点间隔不稠密，也可以减少预变换误差，但是，由于插值的运算时间会增加，迅速进行颜色变换变为困难。

发明内容

本发明是为了解决以往技术的上述问题而进行的，其目的在于：提供不增加颜色校正表的数据量的情况下，降低预变换误差，可以迅速显示高质量图像的技术。

为了解决上述问题中的至少一部分，本发明的第一形态图像处理装置采用了如下的结构。即，

接收以一维以上色空间坐标值来表现的彩色图像数据，对该彩色图像数据进行给定的校正之后输出的图像处理装置，其要点在于包括：通过对应于按照各维分割上述色空间而获得的各格子点，存储该格子点坐标值所示的彩色图像数据校正数据的校正表；从距离上述彩色图像数据坐标值的给定范围，允许重复地选择N(N是2以上的整数)个的上述格子点的格子点选择装置；根据对应上述选择的N个的格子点而存储的校正数据，运算出对应于上述彩色图像数据的校正数据的校正数据运算装置。

另外，对应于上述图像处理装置的本发明的图像处理方法是，接受以一维以上色空间中的坐标值来表现的彩色图像数据，对该彩色图像数据进行校正之后输出的图像处理方法，其要点在于包括如下工序：(A)通过对应于按照各维分割上述色空间而获得的格子点，存储该格子点坐标值所示的彩色图像数据校正数据的存储工序；(B)从距离上述彩色图像数据坐标值给定值范围内，允许重复地选择N个(N为2以上的整数)上述格子点的选择工序；(C)根据对应于上述选择的N个格子点存储的校正数据，运算出对应于上述彩色图像数据的校正数据的运算工序。

有关本发明的图象处理装置和图像处理方法中，接受作为色空间坐标值来表现的彩色图像数据时，从距离该坐标值给定值范围内的多个格子点选择N个(N为2以上的整数)格子点。然后，根据选择的格子点中存储的校正数据，运算出对应于彩色图像数据的校正数据。运算出校正数据时，如果根据从距离该坐标值给定值范围内任意选择的多个格子点运算，就可以比根据一个格子点运算的减少预变换误差。另外，可以迅速参照存储在格子点的校正数据，即使增加参照的格子点数，但由此而所需时间的增加极少，仍然可以迅速进行彩色图像数据的校正。进而，如此进行彩色图像数据的校正时，能够做到不增加包含在校正表中的格子点的总数的情况下减少预变换误差。由此，根据本发明的图象处理装置及图像处理方法，不必增加校正表的数据量而可以减少预变换误差，能够迅速地显示高质量图像。

如此的本发明中包含的第一形态的图像处理装置，其要点在于上述格子点选择装置是不确定地选择上述N个格子点的装置。

同样，本发明中包含的第一形态的图像处理方法，其要点在于：选择上述N个格子点的工序(B)是不确定地选择N个述格子点的工序。

有关第一形态的图像处理装置和图像处理方法中，如果接收作为色空间坐标值表现的彩色图像数据，从该坐标值距离为给定值内的多个格子点中不确定地选择N个(N是2以上的整数)格子点。这里，[不确定地选择格子点]是指被选择的格子点对彩色图像数据不确定。从而，即使是彩色图像数据相同，每一次选择中可以选择不同的格子点。接着，根据存储在这样选择的格子点上的校正数据，运算出对应于彩色图像数据的校正数据。

运算对应于彩色图像数据的校正数据时，如果根据从该坐标值的距离为给定值范围内的任意选择的多个格子点运算，则比根据一个格子点运算，可以减少预变换误差。另外，因为可以迅速参照存储在格子点的校正数据，即使是增加参照格子点的个数，由此所要时间增加极少，仍然可以迅速进行彩色图像数据的校正。还有，如果进行这样的彩色图像数据校正，不增加包含在校正表的格子点总数，也可以减少预变换误差。由此，根据本发明的第一形态图像处理装置和图像处理方法，不增加校正表数据量，也可以降低预变换误差，可以迅速显示高质量的图像。

还有，选择的格子点是没有必要确定地选择对应于彩色图像数据坐标值的格子点，而可以不确定地选择N个格子点就可以。这样，如果可以不确定地选择格子点，则比确定地选择对应于彩色图像数据坐标值情形，可以迅速地选择多个格子点，从而可以迅速进行彩色图像数据校正。

还有，所选择的格子点个数，根据需要可以自由增加。如果增加格子点个数，可以随之减少预变换误差。相反，如果减少格子点个数，可以迅速进行彩色图像数据的校正数据处理。这样，根据本发明的第一形态图像处理装置及其图像处理方法，可以柔和地进行适应于彩色图像数据变换所需要的变换精度或变换速度。

本发明的第一形态图像处理装置中，选择N个格子点时，也可以按各个成分选择N组的按照各维分割上述色空间的作为灰度值的分割灰度值，使在这些分割灰度值中的越是接近上述彩色图像数据坐标值的分割灰度值以高的概率被选择。

在运算对应于彩色图像数据的校正数据时，如果利用接近彩色图像数据坐标点的格子点而运算的话，随之可以运算出正确的校正数据。另外，如果利用该颜色空间的坐标轴上接近该坐标点成分的格子点，替代彩色图像数据坐标点和色空间上距离彩色图像数据坐标点接近的格子点，则可以容易选择多个格子点。由此，选择多个格子点时，从上述分割灰度值中，按各个成分选择N组的分割灰度值，使以高的概率的接近上述彩色图像数据坐标值的分割灰度值，然后，根据存储在选择的N个格子点的校正数据，运算出校正数据的话，可以减少预变换误差，因此是最理想。

另外，本发明的第一形态图像处理装置中，运算对应于彩色图像数据的校正数据时，可以采用：读出存储在多个格子点的校正数据，利用算术平均这些校正数据的方法，运算出对应于彩色图像数据的校正数据。

因为算术平均是可以迅速执行，从存储在格子点的校正数据可以迅速运算出对应于彩色图像数据的校正数据，从而迅速显示出高质量的图像。

另外，进行所谓的插值运算时，按照彩色图像数据坐标值与格子点的位置关系求出适当的加权系数，有必要把这些加权系数乘以存储在各个格子点的校正数据。与此相反，本发明的第一形态图像处理装置和图像处理方法中，只是算术平均格子点的校正数据就足够，因此，没有必要进行按照彩色图像数据坐标值与格子点位置关系求出的加权系数的乘法运算。因此，可以迅速求出对应于彩色图像数据的校正数据。

另外，进行算术平均时，有必要把存储在各个格子点校正数据的和除以格子点个数，但随之产生舍入误差，有可能降低校正数据运算精度。因此，替代校正数据之和(加算值)除以格子点个数的运算，可以把比个数小的数字来除法运算的商或和来替代上述算术平均值。这样的话，可以减少舍入误差，从而可以提高校正数据的运算精度。

另外，上述本发明中所包含的第二形态图像处理装置，其要点在于：上述格子点选择装置是如下的装置。即，上述彩色图像数据，以M(M为任意正整数)维色空间的坐标直表现时，将该M个以下的多个格子点作为上述N个格子点来选择的装置。

同样，本发明中所包含的第二形态图像处理方法，其要点在于：上述格子点的工序B为如下的工序。即，上述彩色图像数据，以M(M为任意正整数)维色空间中的坐标直表现时，将该M个以下的多个格子点作为上述N个格子点而选择的工序。

有关第二形态图像处理装置和形态图像处理方法中，接收M维色空间的坐标值来表现的彩色图像数据，从距离该坐标值给定值以内的范围内选择M个以下的多个格子点。然后，根据存储在这样选择的校正数据运算出对应于彩色图像数据的校正数据。

这样，从多个格子点校正数据运算出对应于彩色图像数据的校正数据，就不增加校正表数据量，可以减少预变换误差，从而，可以显示高质量的图像。另外，根据本发明的第二形态图像处理装置和图像处理方法，只是参照M个以下的多个格子点，可以运算出对应于彩色图像数据的校正数据。利用存储在格子点的校正数据可以进行插值运算，想要运算出校正数据，如果彩色图像数据为M维时，和至少参照(M+1)个格子点的情形相比，这就意味着利用更少的格子点来可以运算校正数据。由此，根据本发明的第二形态图像处理装置和图像处理方法，可以迅速运算出对应于彩色图像数据的校正数据，从而可以迅速显示高质量的图像。

还有，本发明的第二形态图像处理装置和处理方法中，也和上述第一形态图像处理装置和图像处理方法同样，可以根据需要适当设定选择格子点的个数。从而，可以柔和地适应彩色图像数据变换所要求的变换精度或变换速度。

在本发明的第二形态图像处理装置中，也可以不确定地选择上述N个格子点。如果这样，比确定地选择格子点情况更能迅速地选择多个格子点。

在本发明的第二形态图像处理装置和处理方法中，在选择上述多个格子点时，按各个成分选择多组作为按照各维分割上述色空间灰度值的分割灰度值，可以使这些分割灰度值中，以高的概率选择接近上述彩色图像数据坐标值的分割灰度值。

选择多个格子点时，如果以高的概率选择接近该坐标值的格子点，比选择多个距离该坐标值给定值范围以内的格子点，更正确地运算出对应于该彩色图像数据的校正数据。另外，如果替代色空间上距离彩色图像数据坐标点近的格子点，利用该色空间的坐标轴上具有接近该坐标点成分的格子点，可以容易地选择多个格子点。从而，选择格子点时，从上述分割灰度值中，以高的概率按成分选择多组接近上述彩色图像数据坐标值的分割灰度值。如果根据存储在这样选择的多个格子点的校正数据运算出校正数据的话，可以减少整体的预变换误差，从而可以显示高质量的图像。

另外，本发明的第二形态图像处理装置中，从存储在多个格子点的校正数据，运算出彩色图像数据的校正数据时，算术平均每一个格子点的校正数据，把获得的值作为对应于彩色图像数据的校正数据也是可以的。

因为算术平均是可以迅速执行，如果算术平均存储在多个格子点的校正数据，运算出对应于彩色图像数据的校正数据，可以迅速运算出所要的校正数据。

另外，这样的第二形态图像处理装置和图像处理方法中，为了运算出对应于彩色图像数据的校正数据，只是算术平均存储在各个格子点的校正数据，没有必要进行各个格子点的校正数据的插值运算。因此，没有必要进行按照彩色图像数据坐标值与各个格子点位置关系求出的加权系数的乘法运算，可以迅速求出对应于彩色图像数据的校正数据。另外，这样的第二形态图像处理装置和图像处理方法中，进行算术平均时，和第一形态图像处理装置同样，也可以利用该校正数据除以小于格子点个数的数字的商或和来替代存储在各个格子点的校正数据的和除以格子点个数之后进行算术平均，而作为上述算术平均值。

另外，上述本发明中所包含的第三形态图像处理装置，其要点在于：使所述校正数据运算装置通过将在上述选择的N个格子点对应而存储的校正数据进行算术平均，运算出对应于上述图像数据。

同样，本发明中所包含的第三形态图像处理方法，其要点在于：运算上述校正数据的工序C是，通过将对应于上述选择的N个格子点而存储的校正数据进行算术平均的工序运算出对应于上述图像数据的工序。

有关本发明的第三形态图像处理和第三形态图像处理方法中，如果接收彩色图像数据，就在色空间上选择多个距离该彩色图像数据坐标值给定值范围内的格子点。接着，读取存储在这样选择的格子点的校正数据，算术平均该读取校正数据而得到的值作为对应于该彩色图像数据的校正数据。

运算对应于彩色图像数据的校正数据时，如果根据从这样的多个格子点读取的校正数据来运算，比根据一个格子点运算，可以减少预变换误差，从而，可以显示高质量的图像。另外，根据本发明的第三形态图像处理和图像处理方法，没有必要增加包含在校正表的格子点总数，不会增加校正表的数据量。更是，由于可以迅速参照格子点的校正数据，即使是增加参照的格子点个数，为此所需要的增加时间很短。还有，算术平均和插值运算不同，没有必要进行按照彩色图像数据坐标值与格子点的位置关系求出的加权系数的乘法运算，因此，比插值运算更迅速地执行。从而，如果把从多个格子点读取的校正数据的算术平均值作为对应于该彩色图像数据的校正数据，就可以迅速进行彩色图像数据的校正。由此，根据本发明的第三形态图像处理和第三形态图像处理方法，不增加校正表的数据量就可以减少预变换误差，从而可以迅速显示高质量的图像。

还有，本发明的第三形态图像处理装置和图像处理方法中，也和上述的图像处理装置和图像处理方法同样，可以根据需要适当设定所选择的格子点个数。如果这样的话，可以柔和地适应根据彩色图像数据变换所要求的变换精度或变换速度。

还有，第三形态图像处理装置和图像处理方法中，进行算术平均时，也和上述的图像处理装置和图像处理方法同样，代替存储在各个格子点校正数据的和除以格子点的个数之后进行算术平均，可以把该校正数据和除以比格子点个数小的数值或和作为代替上述算术平均值。

本发明的第三形态图像处理装置中，也可以不确定地选择上述N个格子点。如果这样，比确定地选择格子点情况更能迅速地选择多个格子点。

本发明的第三形态图像处理装置中，在选择多个上述格子点时，按各个成分选择多组按照各维分割作为上述色空间灰度值的分割灰度值，从这些分割灰度值中，以高的概率选择接近上述彩色图像数据的分割灰度值也是可以的。

选择多个格子点时，如果以高的概率选择接近彩色图像数据坐标值的格子点，比选择接近距离该坐标值给定值范围以内的任意多个格子点，可以正确地运算出对应于该彩色图像数据的校正数据。另外，如果替代色空间上距离彩色图像数据坐标点近的格子点，利用该色空间坐标轴上具有成分接近的格子点，可以容易地选择多个格子点。由此，选择多个格子点时，从上述分割灰度值中，以高的概率按成分选择多组接近上述彩色图像数据坐标值的分割灰度值。如果根据存储在这样选择的多个格子点的校正数据运算出校正数据的话，可以减少整体的预变换误差，从而可以显示高质量的图像。

上述的本发明的第一至第三形态图像处理装置和图像处理方法中，可以选择多个格子点，使彩色图像数据与多个选择格子点概率期望值之间的偏差小于给定值，也是可以的。这里[概率期望值]是指从某一彩色图像数据重复进行选择多个格子点时，作为这些格子点分布的中心坐标值。

如果这样选择对应于各个彩色图像数据的格子点，在校正多数彩色图像数据时，伴随校正的误差可以限制在给定值以内，从而，可以限制伴随彩色图像数据校正的颜色的偏色，可以显示高质量的图像，因此是理想的。

这样的图像处理装置中，选择多个格子点时，按各个成分只选择应选择个数(K)个的按照各维分割上述色空间的作为灰度值的分割灰度值，利用组合按成分选择的这些分割灰度值，选择该K个的格子点也是可以的。

这样的话，按各个成分选择分割灰度值的方法可以选择格子点，所以利用简单的方法可以实现对彩色图像数据的多个格子点的选择处理。

有关的图像处理装置中，也可以采用：彩色图像数据加上噪声的方法生成各个成分的判断用数据的同时，利用比较该判断用数据与给定的阈值的方法，按各个成分选择上述K组的分割灰度值，也是可以的。

因为所采用的噪声值具有自己的给定的分布，可以预先求出阈值，使每一个噪声与阈值的偏差互相抵消而该偏差小于允许值。从而，比较根据这样的阈值所决定的给定阈值与判断用数据的方法，选择多个格子点的话，在校正多个彩色图像数据时，可以把伴随校正的误差限制在给定范围内，从而可以显示高质量的图像，因此是理想的。

另外，判断用数据可以如下生成。首先，从多个分割灰度值中按成分检测出小于彩色图像数据坐标值且最接近作为该坐标值的分割灰度值的第一分割灰度值和大于该彩色图像数据且最接近作为该坐标值的分割灰度值的第二分割灰度值。然后，按各个成分运算出上述第一分割灰度值与第二分割灰度值之间的灰度值差，使各个成分生成灰度值在从0到该格子间灰度值之差的范围内的、期望值互相不同的上述K个的噪声。这里的所谓[噪声的期望值]是指生成可以进行显著性统计处理程度的个数的噪声时，噪声的平均值。把这样生成的K个的噪声加在上述彩色图像数据坐标值的方法，生成按各个成分的K个的上述判断用数据，也是可以的。

这样获得K个的上述判断用数据以后，比较判断用数据与阈值，根据该阈值之间的大小关系，各个判断用数据选择第一分割灰度值或第二分割灰度值。这样，如果利用期望值互相不同的噪声来生成K个的判断用数据，根据彩色图像数据坐标值可以适当比例选择第一分割灰度值和第二分割灰度值，因此，可以适当选择多个格子点。其结果，进一步缩小预变换误差，可以显示高质量的图像。

期望值不同的K个的噪声，也可以如下生成。运算出上述格子间灰度值差的K分之一的灰度值，并作为各个成分移动量。然后，使各个成分生成以灰度值0至上述移动量范围的噪声为基准噪声的噪声。把这样生成的基准噪声每一次移动上述移动量移动K-1次的方法来生成期望值互相不同的上述K个的噪声，也是可以的。

这样的话，可以生成期望值为等间隔的K个的噪声。如果利用这样的噪声来选择格子点，就可以选择更合适的格子点，因此是理想的。

另外，选择多个格子点时，可以如下方法生成判断用数据和阈值。首先，从多个分割灰度值中，按各个成分检测出第一分割灰度值和第二分割灰度值。这里的第一分割灰度值是多个分割灰度值中小于彩色图像数据坐标值且最接近该坐标值的分割灰度值，第二分割灰度值是大于彩色图像数据坐标值且最接近该坐标值的分割灰度值。然后，生成大小相当于上述第一分割灰度值和上述第二分割灰度值之差的噪声，把生成的噪声加在彩色图像数据坐标值的方法，生成各个成分的判断用数据。另一方面，按各个成分检测出把第一分割灰度值和第二分割灰度值划分K-1等分的灰度值，这些灰度值加以第二分割灰度值，生成K个的灰度值。对各个成分比较这样生成的K个的阈值和判断用数据，根据各个阈值大小关系选择第一分割灰度值或第二分割灰度值，也是可以的。

如果这样选择第一分割灰度值或着第二分割灰度值，可以根据彩色图像数据坐标值按适当比例选择这些分割灰度值，因此，可以适当选择K个的格子点。其结果，进一步缩小预变换误差，可以显示高质量的图像。

或着，这样的图像处理装置和图像处理方法中，对每一个彩色图像数据选择两个格子点，根据这些格子点的校正数据运算出对应于该彩色图像数据的校正数据，也是可以的。

虽然以后要详细叙述，对每一个彩色图像数据选择两个格子点来运算校正数据，也可以缩小预变换误差。从而，如果是这样，不增加校正表数据量情况下也可以缩小预变换误差，可以显示高质量的图像。尤其是在格子点个数为两个时，利用计算机中移动比特(位)的工作，可以迅速执行算术平均，可以迅速进行彩色图像数据的校正，因此是理想的。

当然，对每一个彩色图像数据选择的格子点是根据图像处理条件而选择适当的个数也是可以的。例如，检测出有关图像处理的执行速度或彩色图像数据的校正精度的至少一个的处理模式之后，根据检测出处理模式选择格子点的个数，也是可以的。另外，图像处理的执行速度或彩色图像数据的校正精度是在进行图像处理时，明示设定也可以，或根据图像处理条件的设定内容推导出的，也是可以的。

如果这样的话，使选择的格子点个数可以适应于处理模式的适当的个数，可以更合适地校正彩色图像数据。

进而，上述处理模式的设定，把彩色图像数据的校正精度优先于执行速度时，比执行速度优先于该校正精度情形，选择更多的格子点。

对彩色图像数据越是增加选择的格子点个数，越能减小预变换误差，因此，可以提高彩色图像数据的校正精度。相反，越是减少选择的格子点个数，越能提高彩色图像数据校正速度。从而，处理模式设定为彩色图像数据校正精度优先于执行速度时，比执行速度优先于彩色图像数据校正精度，选择更多的格子点，可以根据处理模式的设定选择适当个数的格子点，适当校正彩色图像数据，因此，也是可以的。

在上述的图像处理装置中，上述彩色图像数据是红(R)轴、绿(G)轴、蓝(B)轴为各个轴的色空间坐标值表现的RGB图像数据，上述校正表也可以是作为上述校正数据，至少存储青绿色、深红色、黄色各颜色的灰度值的表。

为了打印彩色图像数据，很多情况下需要把上述RGB图像数据变换为至少包含青绿色、深红色、黄色各颜色灰度值的图像数据。如果利用上述的图像处理装置，可以迅速进行彩色图像数据的变换，并且限制预变换误差的产生而可以变换彩色图像数据，因此是理想的。

上述的本发明的图像处理装置以及在其中包含的第一至第三形态图像处理装置，利用在打印装置最适合。即，本发明的任意图像处理装置都接收彩色图像数据之后迅速实施给定的校正。还可以大大限制校正彩色图像数据时产生的预变换误差大小，可以打印出高质量的图像。从而，如果把这样的本发明的图像处理装置以及在其中包含的第一至第三形态图像处理装置利用于打印装置，可以显示校正彩色图像数据，可以迅速打印出高质量的图像，因此是理想的。

另外，利用于打印装置的第一至第三形态图像处理装置在根据彩色图像数据选择多个格子点时，使该彩色图像数据坐标值与选择的多个格子点概率期望值的偏差小于给定值，也是可以的。

如果这样选择对各个彩色图像数据的多个格子点，在校正多个彩色图像数据时，使伴随校正的误差限制在给定值以内，从而，可以限制伴随校正彩色图像数据的颜色的偏差。从而，这样的图像处理装置利用于打印装置，可以打印出高质量的彩色图像，因此是理想的。

上述的本发明的第一至第三形态图像处理方法，通过往计算机里装入程序的方法，可以利用计算机的功能来实现。从而，本发明如同如下，可以作为存储介质来理解。即，对应于本发明的第一形态图像处理装置的本发明的第一存储介质是：接受以一维以上色空间坐标值来表现的彩色图像数据，存储对该彩色图像数据进行给定的校正以后输出的图像处理方法的程序的，并利用计算机可以读取存储介质，其要点在于存储如下功能：(A)对应于按照各维分割上述色空间而获得的格子点，存储该格子点坐标值所示的彩色图像数据的校正数据的存储功能、(B)从距离上述彩色图像数据坐标值给定范围内不确定地、允许重复地选择N(N是2以上的整数)个的上述格子点的选择功能、(C)根据对应上述选择的N个格子点而存储的校正数据，运算出对应于上述彩色图像数据的校正数据的运算功能。

在上述存储介质中所包含的第一形态的存储介质，其要点在于：选择上述N个格子点的选择功能B为不确定地选择该N个格子点的功能。

另外，在上述存储介质中所包含的第二形态的存储介质，其要点在于：选择上述N个格子点的功能B为如下的功能。即，上述彩色图像数据，以M(M为任意正整数)维色空间中的坐标直表现时，将该M个以下的多个格子点作为上述N个格子点而选择的功能。

进而，在上述存储介质中所包含的第三八妇女节形态的存储介质，其要点在于：运算上述校正数据的功能C是，通过将对应于上述选择的N个格子点上存储的校正数据进行算术平均，算出对应于于上述图像数据的校正数据的功能。

把存储在这些存储介质的程序装入在计算机里，使计算机执行上述的各个功能，可以抑制校正彩色图像数据时所产生的预变换误差，可以迅速地显示高质量的图像。

附图说明

图1是概念性地表示采用本发明的打印系统的说明图。

图2是概念性地表示利用图像数据分配给格子点的方法可以减少预变换误差的原理的说明图。

图3是表示利用统计的方法确认利用图像数据分配给格子点的方法可以减少预变换误差的效果的说明图。

图4是概念性地表示为了把本发明的原理扩展为二维数据的思路的说明图。

图5是概念性地表示为了把本发明的原理扩展为二维数据的其他思路的说明图。

图6是概念性地表示作为本实施例打印系统的图像处理装置所利用的计算机结构的说明图。

图7是概念性地表示作为本实施例打印系统的打印装置所利用的彩色打印机结构的说明图。

图8是表示本实施例彩色打印机的喷墨喷嘴Nz排列的说明图。

图9是表示本实施例的图像处理装置中把图像数据变换为打印数据的处理流程的流程图。

图10是表示本实施例的预变换·颜色变换处理流程的流程图。

图11是表示实施例1的预变换·颜色变换处理中，把图像数据分配给格子点的处理的流程的流程图。

图12是概念性地表示颜色变换表的说明图。

图13是模式性地表示从构成颜色变换表的格子点检测包含相当于图像数据坐标点的格子点的情形的说明图。

图14是模式性地表示实施例1的预变换处理中设定第一格子点和第二格子点的情形的说明图。

图15是模式性地表示实施例1的预变换处理中设定第一格子点和第二格子点的情形的说明图。

图16是表示实施例1的预变换处理中根据图像数据的坐标值，图像数据适当地分配在第一格子点和第二格子点的情形的说明图。

图17是表示实施例1的预变换处理中根据图像数据的坐标值，图像数据适当地分配在第一格子点和第二格子点的情形的说明图。

图18是表示实施例1的预变换处理中读出分配在格子点的灰度值，运算出颜色变换的图像数据的处理流程的流程图。

图19是表示各个图像数据中产生的预变换误差互相抵消的原理的说明图。

图20是模式性地表示实施例1的预变换处理中进行一个图像的图像数据的预变换·颜色变换处理过程中的中间状态的说明图。

图21是扩散误差法中，为了把各个像素中产生的预变换误差扩散到周围的像素所使用的加权系数的示例说明图。

图22是模式性地表示周围的像素中产生的预变换误差扩散到注目像素情形的说明图。

图23是实施例2的预变换处理中把图像数据分配给三个格子点的处理流程的流程图。

图24是概念性地表示实施例2的预变换处理中把图像数据分配给三个格子点的说明图。

图25是表示实施例2的预变换处理中根据图像数据的值，图像数据适当地分配在格子点情形的说明图。

图26是表示实施例2的预变换·颜色变换处理中读出分配在格子点的灰度值，进行颜色变换处理的流程的流程图

图27是概念性地表示实施例2的预变换·颜色变换处理中根据图像数据的值，适当地求出颜色变换后的灰度值情形的说明图。

图28是表示实施例2的预变换·颜色变换处理中，由于图像数据分配在三个格子点，可以减少预变换误差理由的说明图。

图29是表示和插值运算比较可以迅速处理理由的说明图。

图30是表示实施例3的预变换处理中把图像数据分配给两个格子点的处理流程的流程图。

图31是模式性地表示实施例3的预变换处理中把图像数据分配给第一格子点的情形的说明图。

图32是模式性地表示实施例3的预变换处理中把图像数据分配给第二格子点的情形的说明图。

图33是概念性地表示扩大实施例3的预变换处理，把图像数据分配给三个格子点的思路的说明图。

图中，

10、计算机，12、驱动程序，14、颜色变换模块，16、LUT，20、彩色打印机，100、计算机，102、CPU，104、ROM，106、RAM，108、周边器械接口P/IF，109、盘控制器DDC，110、网络借口卡NIC，112、视频接口V/IF，114、CTR，116、总线，118、硬盘，120、数码照相机，122、彩色扫描机，124、软盘，126、压缩光盘，200、彩色打印机，230、托架电机，235、输送纸电机，236、压板，240、托架，241、打字头，242、243、墨盒，244、墨水喷出头，260、控制电路，261、CPU，262、ROM，263、RAM，300、通信线，310、存储装置，k、喷嘴节距，Dcx、图像数据，Dr1、第一判断数据，Dr2、第二判断数据，Dr3、第三判断数据，Dr、判断数据，Dx、图像数据，Ns1、第一噪声，Ns2、第二噪声，Ns3、第三噪声，Ns、噪声，Nz、喷墨喷嘴，P1、格子点，P2、格子点，P3、格子点，P4、格子点，P5、格子点，P6、格子点，P7、格子点，P8、格子点，P、打印用纸，Rx、图像数据，Ra、图像数据，Rb、图像数据，Rc、图像数据，Rx、图像数据。

具体实施方式

为了更清楚地说明本发明的作用、效果，按如下顺序说明本发明的实施例。

A、发明的概要，B、可以缩小预变换误差的原理，C、实施例1，C-1、装置结构，C-2、图像处理概要，C-3、实施例1的预变换·颜色变换处理，C-4、预变换处理，C-5、颜色变换处理，C-6、变形例，D、实施例2，D-1、实施例2的预变换处理，D-2、实施例2的颜色变换处理，E、实施例3，E-1、实施例3的预变换处理，E-2、变形例

A、发明的概要：详细说明实施例之前，为了便于理解，结合图1说明本发明的概要。图1是打印系统为例概念性地说明本发明概要的说明图。图示的打印系统由作为图像处理装置的计算机10和彩色打印机20所构成。如果计算机10从数码照相机或彩色扫描机等的图像器械接受RGB各颜色灰度值表现的彩色图像数据，则把该彩色图像数据变换为彩色打印机20可以打印的各颜色点的形成与否所表现的打印数据。这样的彩色图像数据的变换是利用叫做打印驱动程序12的专用程序进行。另外，根据RGB各颜色灰度值的彩色图像数据，利用各种应用程序可以在计算机里制作。

打印驱动程序12由分辨度变换模块、预变换·颜色变换模块14、灰度数变换模块、交错模块等多个模块所构成。虽然后边要详细叙述，如果打印驱动程序12接收彩色图像数据，则在这些模块中，按顺序实施图像处理，把接收的彩色图像数据变换为打印数据。

如图1所示，预变换·颜色变换模块14中，对分辨度变换模块接收的RGB图像数据按顺序分别进行预变换处理、颜色变换处理、变换结果合成处理。如图所示，颜色变换处理是接着预变换处理所进行的处理，但为了说明的方便首先说明颜色变换处理之后，说明预变换处理。颜色变换处理中，参照颜色变换表(LUT)16方法，把表现为RGB各颜色灰度值的图像数据变换为彩色打印机20可以形成的点的颜色，即青绿(C)、深红(M)、黄(Y)各颜色灰度值的图像数据。LUT(颜色变换表)16里，对应于把RGB色空间分割为格子状的各个格子点，存储对应于各个格子点RGB图像数据的CMY各颜色灰度值。另外，下面为了避免说明的繁杂，彩色打印机20具备的墨水只有C、M、Y各颜色的墨水，但也同样适应于黑(K)、淡青色(LC)、淡红(LM)色等其他墨水的彩色打印机。

预变换处理中，颜色变换处理之前，进行把RGB色空间上RGB图像数据所示的坐标点分配给该坐标值周围的LUT(颜色变换表)16格子点的处理。这里，本发明的预变换处理中，对一个坐标点选择多个格子点，把RGB图像数据坐标点分配给这些选择的格子点。图1中的LUT16的框内概念性地表示图像数据坐标点分配在格子点的状态。LUT16的框内所示的说明图是局部放大RGB色空间一部分，说明图中的×标记是模式地表示RGB图像数据坐标点，说明图中的○和●标记是分别模式地表示坐标点周围的LUT格子点。另外，说明图中的从×标记到●标记延伸的两个箭头是模式表示RGB图像数据坐标点分配在第一格子点和第二格子点的状态。

另外，这里为了避免图示的繁杂，图像数据的坐标点分配在两个格子点，但被分配的格子点不限于两个，可以分配在更多的格子点。另外，这些多个格子点可以是重复分配在同一个格子点。即图示的例子中，第一格子点和第二格子点可以是同一个格子点。

还有，这里实施图像处理的彩色图像数据是RGB图像数据，色空间是由RGB各个颜色组成的三维色空间来说明的，但当然不限于这些。例如，实施图像处理的图像数据不是RGB图像数据而是作为CMY图像数据或加上黑(K)色或其他颜色的高维的图像数据，也可以适用于本发明的图像数据。另外，更低维的即一维的图像数据或二维的图像数据也可以适应于本发明。把彩色图像数据分配给格子点的预变换处理在以后详细叙述。

这样，本发明中，在预变换处理中，从一个坐标点的图像数据产生多个格子点。这样产生多个格子点之后，在继续的颜色变换处理中利用参照LUT(颜色变换表)方法，把对应于各个格子点的图像数据变换为CMY图像数据。

颜色变换处理之后进行的合成变换结果处理中，根据从各个格子点读出的CMY图像数据，运算出对应于RGB图像数据的CMY图像数据。这样，获得对RGB图像数据的CMY图像数据之后，在灰度数变换模块和交错模块中对CMY图像数据实施给定的处理来把RGB图像数据变换为打印数据。

这里，本发明的第一形态中，把RGB色空间上RGB图像数据所示的坐标点分配给该坐标点周围的LUT格子点时，选择多个格子点，把图像数据分配给所选择的格子点。这样，读出存储在这样分配在格子点的CMY图像数据，根据读出的图像数据，运算出对应于RGB图像数据的CMY图像数据。如果这样变换图像数据，比把一个坐标点分配给一个格子点的以往的情形，可以减少预变换误差。其理由以后详细说明。当然这样的方法中，一定要求出多个格子点的CMY图像数据，随之增加变换所需要的时间。可是，各个格子点的CMY图像数据预先存储在LUT，因此，实际上可以迅速进行求出CMY图像数据的处理，从而，即使是增加了格子点个数，处理所需时间的增加是极小的。

还有，虽然以后详细说明，本发明中把一个坐标点可以分配给两个以上的自由的整数格子点，越增加格子点个数越能减小预变换误差。即，根据预变换误差允许大小，可以选择充分的格子点，因此，从这一点也可以迅速进行处理。这和多个格子点进行插值运算而颜色变换的情形比较进行说明。例如，LUT为RGB各颜色的三维LUT时，为了把彩色图像数据坐标点进行插值运算而进行颜色变换，插值方法中，即使是参照格子点个数少的四面体来进行插值，也一定要参照四个格子点的数据。与此相反，本发明中，只参照两个格子点就可以进行颜色变换。当然，比进行插值运算其变换的误差较大，但如上所述，只要预变换误差在允许值以内的话，不会给图像质量带来恶影响，在很多情况下，只参照两个格子点，预变换误差可以是很小。

另外，本发明的第二形态中，把M维彩色图像数据所示的坐标点分配给LUT格子点时，把图像数据分配给从该坐标点周围选择的小于上述M个的多个格子点。读取存储在这样分配在格子点的CMY图像数据，根据读出的图像数据，运算出对应于RGB图像数据的CMY图像数据。即使是这样进行颜色变换，和上述的本发明的第一形态同样原理，比一个坐标点分配给一个格子点的以往的预变换处理情形，可以减少预变换误差。当然，本发明的第二形态2中，把分配图像数据的格子点个数，在图像数据的维数为M维时，总是小于M，因此可以迅速进行颜色变换。尤其是为了进行M维图像数据的插值运算，一定要参照(M+1)个以上格子点的情形相比，利用本发明的第二形态的进行预变换·颜色变换处理，可以大大缩短颜色变换处理所要时间。

本发明的第三形态中，根据把图像数据分配给多个格子点的格子点读出的CMY图像数据，运算出对应于RGB图像数据的CMY图像数据时，利用算术平均读出的CMY图像数据的方法运算出所要求的CMY图像数据。这样，把一个坐标点分配给多个格子点，算术平均这些格子点的CMY图像数据的方法变换RGB图像数据，和上述的本发明的实施例1同样原理，比利用以往的预变换处理，更能减少预变换误差。另外，从各个格子点的CMY图像数据运算出对应于RGB图像数据的CMY图像数据方法中，利用算术平均的方法不同于插值运算，没有必要求出坐标点到格子点的距离，可以极其迅速实施运算的方法。由此，如果利用算术平均运算出CMY图像数据，可以迅速进行预变换·颜色变换处理。

另外，上述的本发明的各种形态中，把RGB图像数据分配给多个格子点时，也可以选择多个格子点以使这些格子点坐标的概率期望值(多次进行彩色图像数据分配给多个格子点处理时，这些格子点分布的中心的坐标值)与RGB图像数据之间的偏差小于给定值。根据这样选择的格子点把RGB图像数据颜色变换为CMY图像数据，在颜色变换前后彩色图像数据所表现的颜色差异可以拟制在允许值，可以进行正确的颜色变换。

下面，把一个坐标点变换为多个格子点，从这些格子点的CMY图像数据求出CMY图像数据，可以减少预变换误差的原理进行说明之后，再说明利用有关原理的各种实施例。

B、可以减少预变换误差的原理

图2是表示利用多个格子点可以减少预变换误差原理的说明图。另外，为了便于理解，在这里，图像数据和LUT(颜色变换表)分别为一维图像数据和数表。即，打印驱动程序12中，通常，图像数据是具有RGB各颜色成分的三个灰度值的组合来表现的三维图像数据，LUT(颜色变换表)可以是RGB各颜色灰度值组合和把由于这个组合的图像数据对应于颜色变换数据而存储的三维数数表来表现，但图2中的图像数据是只有R轴灰度值成分的一维数据来表示。

作为说明可以减少预变换误差原理的准备，首先，结合图2(a)简单说明通常的预变换处理。如果输入具有灰度值X的图像数据，则在通常的预变换处理中，进行把图像数据分配给LUT中的周围的格子点的处理。这里，LUT为一维，图像数据分配在灰度值为R1的格子点P1或灰度值为R2的格子点P2。接着进行的颜色变换处理中，读出存储在这样分配的格子点的CMY各颜色灰度值，获得的灰度值的组合作为颜色变换后的图像数据。下面，为了避免说明的繁杂关注C灰度值进行说明，但是对于其他颜色的灰度值同样适用。如果LUT的格子点P1、P2分别存储有灰度值C1、C2，则把图像数据分配给格子点P1时，作为颜色变换后的数据得到灰度值C1，另外，分配给P2时，作为颜色变换后的数据得到灰度值C2。

这样把图像数据分配给格子点所产生的预变换误差是由于灰度值X的图像数据变更为灰度值R1的格子点的误差，或灰度值X的图像数据变更为灰度值R2的格子点的误差。预变换误差变为最大是把灰度值R1的图像数据分配给格子点P2时，或灰度值R2的图像数据分配给格子点P1的情形。LUT的格子点P1里存储灰度值C1，LUT的格子点P2里存储灰度值C2，因此，所生成的预变换误差最大值在任何情形都等于(C2-C1)。根据这样的准备的基础上，说明有关把图像数据分配给LUT的多个格子点可以减少预变换误差的原理。

图2(b)是表示把图像数据分配给两个格子点的情形。另外，把图像数据可以分配给更多的格子点，但对这样的变形例在实施例中进行说明，在这里说明分配给两个格子点的情形。另外，为了说明的方便，把分配图像数据的两个格子点简单地称为第一格子点和第二格子点。

和图2(a)情形同样，图像数据坐标值为灰度值X，格子点P1的坐标值为灰度值R1，格子点P2的坐标值为R2。如果考虑图像数据的坐标值比格子点P2更接近于P1的情形，即灰度值X满足

X＜(R1+R2)/2时，图像数据作为第一格子点一定分配在格子点P1。在图2(b)中，从表示图像数据的×标记向表示格子点P1的○标记延伸的实线箭头是模式表示把图像数据作为第一格子点分配给格子点P1的情形。另外，图像数据作为第二格子点分配在格子点P1或格子点P2的情形。图2(b)中，从表示图像数据的×标记向分别表示格子点P1、P2的○标记延伸的虚线箭头是模式性地表示图像数据被分配在作为第二格子点的格子点P1或格子点P2格子点的情形。从而，图像数据的坐标值比格子点P2更接近格子点P1时，图像数据重复地分配在一个格子点P1或被分配在格子点P1和格子点P2。

接着的颜色变换处理中，分别读出存储在这样分配的第一格子点、第二格子点的灰度值进行算术平均，所获得的灰度值作为颜色变换后的图像数据。图2(c)是表示从存储在两个格子点的灰度值运算出颜色变换后的图像数据的说明图。首先说明第一格子点、第二格子点均分配在格子点P1的情形。(参照图2(c)的上段)。因为LUT的格子点P1上存储灰度值C1，此时，从第一格子点和第二格子点都获得灰度值C1，颜色变换后的灰度值为算术平均这些灰度值的灰度值C1。另外，这里说明了算术平均的情形，但不限于算术平均，例如，也可以运算出按任意比例内分灰度值C1和灰度值C2的灰度值。

不进行预变换(比如利用插值运算的方法)而获得的颜色变换后的灰度值为Cx，就会产生灰度值(Cx-C1)的预变换误差。预变换误差变为最大是在图像数据的灰度值正好在格子点P1和格子点P2的中间灰度值时，第一格子点和第二格子点都被分配格子点P1的情形。这个误差在图2(a)所示的通常的预变换处理中，等于把相当于格子点P1和格子点P2的图像数据变更为格子点P1时所产生的误差，预变换误差的最大值大大变小。

接着，说明第一格子点分配在格子点P1，第二格子点分配在格子点P2的情形(参照图2(c)的下段)。此时，从第一格子点获得灰度值C1，从第二格子点获得灰度值C2，因此，颜色变换后的灰度值为算术平均这些灰度值的灰度值(C1+C2)/2。此时，生成的预变换误差等于(C1+C2)/2减去灰度值Cx的值。预变换误差变为最大值是在图像数据的灰度值等于格子点P1时，把第一格子点分配给格子点P1的同时，把第二格子点分配给格子点P2时的情形。此时生成的预变换误差等于图2(a)所示的通常的预变换处理中把相当于格子点P1的图像数据变更为格子点P1与格子点P2的中点时所产生的误差，此时，预变换误差也变小了。

在以上的说明中，图像数据的灰度值X比格子点P2的灰度值R2更接近于格子点P1的灰度值R1的情形，但格子点P2的灰度值R2更接近时也同样成立。即，此时，如图2(d)所示，第二格子点一定分配在格子点P2。另外，使第一格子点分配在格子点P1或格子点P2就可以。其结果，图像数据分配在格子点P1和格子点P2的两个格子点或重复分配在一个格子点P2。哪一种情形也和上述情形一样，可以确认比进行通常的预变换处理所产生的预变换误差，其误差最大值大大变小。

如上述说明，把一个图像数据分配给多个格子点的方法可以大大减少预变换误差。这个事实也可以利用统计方法确认。图3(a)是归纳对多个图像数据进行实际的预变换处理所产生的预变换误差的标准差运算结果说明图。图3(a)中，比较了通常的预变换处理即一个图像数据分配给一个格子点的情形和本发明的预变换处理的分配给两个格子点的情形。首先说明图3(a)所表示的意思。

和上述的图2同样，为了说明的方便，图像数据是只具有R成分的一维图像数据，图像数据采用从灰度值R1到灰度值R2范围的灰度值。对这样的图像数据进行通常的预变换处理或本发明的预变换处理，分别运算出所产生的预变换误差的标准差。

图3(b)是概念性地表示进行通常的预变换处理的情形。灰度值X的图像数据由于进行了通常的预变换处理，分配在如图所示的灰度值R1的格子点P1或灰度值R2的格子点P2，图像数据的灰度值[X]时所产生的预变换误差等于灰度值[X-R1]或灰度值[R2-X]中的一个。从而，多次进行灰度值X的图像数据的预变换处理，运算出多个预变换误差，也可以运算预变换误差的标准差。这样求出的标准差就是图像数据取灰度值X时的预变换误差的标准差。灰度值为R1到R2范围的任意的图像数据也可以利用同样的方法，运算预变换误差的标准差。

图3(a)中所示的虚线表示对图像数据进行通常的预变换处理即一个图像数据分配给格子点P1或格子点P2时的任意一种情形下所产生的预变换误差的标准差。例如，灰度值(R1+R2)/2的图像数据分配给格子点P1或格子点P2中的一个，都产生相同的预变换误差(R2-R1)/2，而标准差为(R2-R1)/2。图3(a)的虚线是把灰度值R1到灰度值R2范围分等50分，对相当于各个分割点的图像数据进行多次的(千次左右)预变换处理，对各个分割点运算预变换误差的标准差，然后连结的情形。

图3(c)是概念性地表示本发明的预变换处理，具体地把一个图像数据分配给两个格子点情形的示意图。图中表示图像数据的灰度值X小于两个格子点中点的灰度值，即小于灰度值(R1+R2)/2的情形。如利用图2所说明，对这样的图像数据如果进行本发明的预变换处理，则，预变换误差变为灰度值(X-R1)/2或灰度值((R1+R2)/2)-X。从而对灰度值X的图像数据进行多次的本发明的预变换处理，可以运算预变换误差的标准差。

图3(a)所示的实线表示对灰度值R1到灰度值R2的图像数据进行本发明的预变换处理时所产生的预变换误差的标准差。预变换误差的运算可以使用图中虚线所示的通常的预变换处理完全相同的图像处理。比较图中的实线和虚线就很清楚，由于进行本发明的预变换处理，可以预变换误差大大小于通常的预变换误差。

可以获得这样大的效果是因为如下的两个因素重叠起作用的结果。即，①把一个图像数据分配给多个(这里是两个)格子点，②这些多个格子点适当被选择，等两个原因。下面，说明这些因素。

图3(a)所示的点划线是表示把一个格子点分配给两个格子点的情形的预变换误差的标准差。具体地，对图像数据进行两次的通常的预变换处理之后分配给两个格子点，图像数据被分配在这些格子点中点时，运算出所产生的预变换误差的标准差。如果多次进行这样的预变换处理，可以运算出误差的标准差。把图像数据分配给多个格子点时，运算出这些格子点的坐标值的算术平均值，把这些平均值为各个成分的坐标点上分配图像数据时，就可以运算预变换误差。比较图3(a)中的虚线和点划线就可以清楚，这样求出的预变换误差小于通常的预变换处理所产生的误差。预变换处理本来就是利用通常的预变换处理而进行的，所以虚线和点划线之差是可以认为因为上述的①原因，即增加了图像数据分配的格子点个数而产生的效果。

另外，图3(a)中的点划线和实线之差可以认为是上述的②原因的效果。即，点划线情形和虚线的情形都是把一个图像数据分配给两个格子点的情形上相同的。可是，如上所述，实线的情形下，根据图像数据的灰度值适当分配给两个格子点。即，图像数据的灰度值X满足：

X＜(R1+R2)/2时，作为第一格子点一定分配在格子点P1，作为第二格子点分配在格子点P1或格子点P2中的一个格子点。相反的情形下，图像数据作为第一格子点分配在格子点P1或格子点P2中的任意一个格子点，作为第一格子点一定分配在格子点P1。图3(a)中的点划线和实线的差可以认为是因为这样适当地两个格子点的效果，即上述的②原因所产生的。从而，这些两个因素重叠发挥其作用，可以大大减少预变换误差。另外，这里说明了两个因素同时起作用的情形，但是只原因①所显示的情形也和通常的预变换处理比较可以减少误差。从而，本发明中，利用多次进行通常的预变换处理，把一个图像数据分配给多个格子点的情形也是可以的。

这样，把一个图像数据分配给一个格子点的通常的预变换处理中，产生相当于格子点P2的图像数据变更为格子点P1的预变换误差，而本发明中把一个图像数据分配给两个格子点，可以大大减少所产生的预变换误差的最大值。另外，把一个图像数据分配给两个格子点的方法有多种，对这些，在后面的实施例中详细说明。

在以上的说明中，为了理解的方便，图像数据和LUT为一维的，但是，本发明容易扩大为多维的图像数据和LUT情形。下面，把图像数据和LUT为二维的情形为例进行本发明扩大为多维的图像数据和LUT的情形。

图4是概念性地表示本发明的预变换处理适用于二维的图像数据进行颜色变换处理时的说明图。如果图像数据为灰度值Rx和灰度值Gx组合来表现的二维的图像数据，则图像数据可以由R轴和G轴所决定的二维色空间(色平面)上的坐标点来表示。另外，坐标点周围的四个格子点设为格子点P1(R1，G1)、格子点P2(R2，G1)、格子点P3(R1，G2)、格子点P4(R2，G2)。即，对应于图像数据的周围中，R轴分割为灰度值R1和灰度值R2，G轴分割为灰度值G1和灰度值G2。

对这样的多维图像数据按照各维分别进行处理。如果结合图4所示进行说明的话，首先关注R成分，把图像数据的R成分(灰度值Rx)进行灰度值R1或灰度值R2的分配。如图4所示，这里考虑灰度值Rx比灰度值R2更接近于灰度值R1的情形，第一格子点的R成分一定分配在灰度值R1，而第二格子点的R成分分配在灰度值R1或灰度值R2。接着，关注G成分，如图4所示，图像数据的G成分(灰度值Gx)比灰度值G1更接近于灰度值G2，和R成分不同，第二格子点的G成分分配在灰度值G1或灰度值G2。

图4(a)是模式性地表示这样把图像数据的第一格子点和第二格子点分配给周围的格子点的情形。首先，考虑第一格子点，第一格子点的R成分取灰度值R1，而G成分取灰度值G1或灰度值G2，因此，第一格子点分配在格子点P1或格子点P3中的一方。图4(a)中，表示图像数据坐标值的×标记到格子点P1和格子点P3延伸的实线箭头模式性地表示第一格子点分配在格子点P1或格子点P3的情形。对于第二格子点也同样，因为第二格子点的G成分取灰度值G2，而R成分取灰度值R1或灰度值R2，第二格子点分配在格子点P3或格子点P4。图4(a)中，从表示图像数据的×标记延伸到格子点P3和格子点P4的虚线箭头模式性地表示第二格子点分配在格子点P3或格子点P4的情形。

图4(b)是分情况表示读出这样分配存储在第一格子点和第二格子点的灰度值，进行颜色变换后的灰度值的情形的说明图。另外，分别分配在LUT的格子点P1、P2、P3、P4的C(青绿)成分的灰度值为灰度值C1、C2、C3、C4。如图4(b)上段所示，第一格子点分配在格子点P1，第二格子点分配在格子点P3的情况下，从第一格子点读出灰度值C1，从第二格子点读出灰度值C3。颜色变换后的灰度值利用算术平均这些的方法，可以求出灰度值(C1+C3)/2。这样求出的灰度值几乎等于格子点P1和格子点P3之间的中点。另外，这样把多维的图像数据分配给两个格子点时，也不是单纯地进行算术平均，而根据格子点P1和格子点P3之间的距离，把灰度值C1和灰度值C3进行任意或一定比例内分，也是可以的。

如图4(b)的从上的第二层所示，第一格子点分配在格子点P1，第二格子点分配在格子点P4的情形下，从第一格子点读出灰度值C1，从第二格子点读出灰度值C4，算术平均这些的颜色变换后的灰度值变为(C1+C4)/2。这个灰度值几乎等于把格子点P1和格子点P4之间的中点图像数据进行颜色变换后的灰度值。图4(b)的从下的第二层所示的情况下，即第一格子点和第二格子点都分配在格子点P3时，颜色变换后的灰度值同样变为灰度值C3。另外，在图4(b)的最下层表示的情况下，即第一格子点分配在格子点P3而第二格子点分配在格子点P4时，颜色变换后的灰度值变为(C3+C4)/2。这个灰度值几乎等于把格子点P3和格子点P4的中点的图像数据进行颜色变换后的灰度值。

这样，把图像数据分配给两个(或多个)格子点来进行颜色变换，可以大大减少预变换误差。如果结合图4所示的例来说明的话，利用本发明的预变换处理时，相当于图像数据分配在如下坐标点。即，可以认为相当于分配在①格子点P1和格子点P3的中点附近的坐标点或②格子点P1和格子点P4的中点附近的坐标点、③格子点P3、④格子点P3和格子点P4中点附近的坐标点。与此相反，通常的预变换处理中，图像数据分配在格子点P1、格子点P2、格子点P3、格子点P4中的任意一个格子点。不用说，把图像数据分配给上述各种格子点中点附近的坐标点或分配给接近图像数据的格子点的情形比把图像数据分配给各个格子点情形可以减少预变换误差。这同样适用于把两个格子点任意或给定比例内分两个格子点的情形。如以上说明清楚，利用把图像数据分配给两个(多个)格子点的方法，可以大大减少预变换误差。

进行实施例的说明之前，简单说明扩展为多维时的变形例。图5是表示把本发明扩展为多维时的变形例的说明图。因为图像数据的R成分比灰度值R2更接近于灰度值R1，第一格子点或第二格子点中的任意一个格子点，其R成分一定是灰度值R1。同样，图像数据的G成分比灰度值G1更接近于灰度值G2，因此，第一格子点或第二格子点中的任意一个格子点，其G成分一定是灰度值G2。因此，组合这些扩展为二维时，第一格子点作为具有确定灰度值成分的格子点，而第二格子点作为没有确定灰度值成分的格子点。即，因为R成分的灰度值R1和G成分灰度值G2已经确定，第一格子点分配在组合这些成分获得的坐标值(R1，G2)的格子点P3。图5(a)中，从表示图像数据坐标值的×标记到格子点P3延伸的实线箭头是模式性地表示把第一格子点分配给格子点P3的情形。

第二格子点是被分配在组合没有确定灰度值成分而获得的格子点。即，没有确定灰度值的成分，对R成分是灰度值R1或灰度值R2，而对G成分是灰度值G1或灰度值G2，因此，第二格子点被分配在组合这些而获得的格子点P1、P2、P3、P4中的任意一个。图5(a)中，从表示图像数据坐标值的×标记延伸到格子点P1、P2、P3、P4的虚线箭头是模式性地表示把第二格子点分配给这些格子点中的任意一个的情形。

图5(b)中，分情况表示第一格子点和第二格子点分别分配在格子点的组合以后，进行颜色变换后的灰度值。另外，图5(b)所示的例中，颜色变换后的灰度值是算术平均的方法运算的。这样，把本发明扩展为多维时，可以利用以上所说明的想法。比较图4(b)和图5(b)可以清楚，两种想法有稍微的差异，但实际上利用任意一种方法不会产生大的差异。

下面说明一边迅速进行图像处理，利用上述的原理，限制预变换误差的产生，可以迅速显示高质量图像的各种实施例。

C、实施例1

C-1、装置的结构

图6是表示作为本实施例图像处理装置的计算机100结构的说明图。计算机100是CPU102为中心把ROM104、RAM106等，利用总线116连接构成的众所周知的计算机。

计算机100上连接有软盘124、向压缩光盘126读入数据用的磁盘控制器DDC109、接收周围器械数据用的接口P/IF108、用于驱动CRT114的视频接口V/IF112等。P/IF108上连接后面要叙述的彩色打印机200、硬盘118等。另外，如果把数码相机120、彩色扫描器122等连接在接口P/IF108的话，可以打印数码相机120或彩色扫描器122收获的图像。另外，如果安装网络接口卡NIC110，可以使计算机100连接通信线路300，可以获取连接通信线路而存储在存储装置310的数据。

图7是表示本实施例彩色打印机200大体结构的说明图。彩色打印机200是可以形成青绿、深红、黄、黑色等四色墨水点的喷墨式打印机。当然，除了这些四色墨水以外，也可以加上染料浓度较低的淡青绿色墨水和染料浓度较低的淡红墨水等，可以形成共计六色墨水点的喷墨式打印机。另外，下面根据情况把青绿墨水、深红墨水、黄墨水、黑色墨水淡青绿墨水、淡红墨水分别称为C墨水、M墨水、Y墨水、K墨水、LC墨水、LM墨水。

如图所示，彩色打印机200由驱动安装在托架240上的打字头241而喷出墨水和形成点的机构、利用托架电机230使托架240沿着压板236的轴向往复运动的机构、利用输送纸电机235输送打印用纸P的机构、控制点的形成或托架240的移动和打印用纸输送的控制电路260所组成。

托架240上装有装入K墨水的墨盒242和装入C墨水、M墨水、Y墨水各种墨水的墨盒243。如果托架240上安装墨盒242、243，则，盒内的各墨水通过图中未示的导入管供应到设在打字头241下面的各颜色墨水喷出头244至247，从各颜色墨水喷出头244至247喷出各颜色的墨水。

控制电路260由CPU261、ROM262和RAM263组成，控制托架电机230和输送纸电机235的工作来控制托架240的主扫描和副扫描的同时，根据计算机100供应的打印数据，从各个喷嘴在适当时间喷出墨水滴。这样，在控制电路260的控制下打印介质的适当位置上形成各种颜色的墨水点的方法，彩色打印机200可以打印彩色图像。

另外，从各颜色墨水喷出头喷出墨水滴的方法可以利用种种方法。即，可以利用压电元件喷出墨水的方式或布置在墨水通道上的加热器来通道内产生发泡的方法喷出墨水滴。另外，替代喷出墨水，可以利用热复制现象在打印纸上形成墨水点的方式或利用静电把各颜色的调色粉附着在打印介质的方式的打印机。

还有，可以利用控制喷出墨水滴大小或同时喷出多个墨水滴等控制喷出墨水滴滴数的方法，可以控制打印纸上形成的墨水点大小的所谓的可变点打印机。

图8是表示墨水喷出头244至247中的喷墨喷嘴Nz排列的说明图。如图所示，墨水喷出头的底面形成喷出各个颜色墨水的四组喷嘴排列组，在各组的喷嘴组排列上，以“之”字形状(交错状)、按一定节距k排列喷嘴Nz。因为喷嘴这样“之”字形状排列，可以容易制造节距k值小的喷嘴。另外，这些喷嘴排列在一条直线上，也是可以的。

具有如上硬件的彩色打印机200利用驱动托架电机230使各颜色墨水喷出头244至247相对于打印纸P向主扫描方向移动，利用驱动输送纸电机235使打印纸P向副扫描方向移动。控制电路260根据打印数据重复托架240的主扫描和副扫描，以适当的时间驱动喷嘴，喷出墨水滴，使彩色打印机200在打印纸上打印彩色图像。

C-2图像处理概要

图9是表示作为本实施例图像处理装置的计算机100对接收的图像数据施加给定的图像处理的方法，把图像数据变换为打印数据的处理流程的流程图。有关的处理是由计算机100的操纵系统启动驱动程序12来开始。下面按照图9简单说明本实施例的图像数据变换处理。

如果打印驱动程序12开始图像数据变换处理，首先读入应变换的RGB彩色图像数据(步骤S100)。接着，把收获的图像数据的分辨度变换为用于彩色打印机200打印的分辨度(步骤S102)。彩色图像数据的分辨度低于打印分辨度时，进行线形插值的方法来在邻接的图像数据之间产生新的数据，而高于打印图像数据时，减去一定比例的数据来把图像数据的分辨度变换为打印分辨度。

打印驱动程序12接着分辨度变换处理进行预变·颜色变换处理(步骤S104)。有关的处理包括对变换为打印分辨度的RGB图像数据进行上述的预变换处理，接着，实施后面要叙述的颜色变换处理，进行CMY各颜色灰度值来表现的图像数据变换处理。在分辨度变换处理中变换为打印分辨度的打印图像数据，由于进行预变换处理变换为LUT(颜色变换表)的格子点的数据。预变换处理中把图像数据变换为格子点的数据，随之产生预变换误差，但在预变换处理中，预变换误差互相抵消，给定范围内的图像整体来看时，使误差小于允许值的方法，图像数据变换为格子点的数据。还有，本实施例的预变换处理中把一个图像数据变换为多个格子点数据的方法，可以大大抑制各个预变换误差的大小。以后详细叙述预变换处理。

预变换处理中变换为LUT的格子点数据的图像数据接着进行颜色变换处理。所谓颜色变换处理就是把R、G、B灰度值组合来表现的彩色图像数据变换为彩色打印机200所使用的C、M、Y、K等的各颜色灰度值组合来表示的图像数据的处理。因为有关的变换是对非线形非常强的变换，参照LUT(颜色变换表)进行。变换没有存储在LUT的图像数据时，通常从存储在LUT的数据进行插值运算，运算出颜色变换后的图像数据。可是，本实施例中，因为图像数据已经在预变换处理中变换为LUT格子点的数据，在颜色变换处理中只是读出已经存储在格子点的数据就可以，可以极其迅速地进行颜色变换处理。另外，本实施例的预变换处理中，把一个图像数据变换为多个格子点的数据，因此，本实施例的颜色变换处理中读出多个格子点的数据的同时，根据读出的数据，同时进行求出把图像数据进行颜色变换的数据处理。可以极其迅速读出格子点数据的处理，并且，可以迅速进行从读出的数据求出颜色变换后的数据的处理，因此，即使是进行这样的处理，比进行插值运算，可以迅速执行颜色变换处理。以后详细叙述本实施例的颜色变换处理。

打印机驱动程序1 2结束颜色变换处理之后，就开始灰度数变换处理(步骤S106)。所谓灰度数变换处理就是如下的处理。由于颜色变换处理RGB图像数据变换为C、M、Y、K各颜色的灰度数据。这些各颜色的灰度数据是具有灰度值从0到255的256个灰度的数据。与此相反，本实施例的彩色打印机200只能取[形成点]或[不形成点]中的一个状态。因此，有必要把具有256个灰度的各颜色灰度数据变换为彩色打印机200可以2个灰度数来表现的图像数据。这样的灰度数变换处理就是灰度数变换处理。

如果结束这样的灰度数变换处理，打印机驱动程序就开始交错处理(步骤S108)。所谓交错处理就是把变换为对应点形成有无的二阶灰度数据的图像数据，考虑点形成顺序，向彩色打印机200的应输送的顺序改变排列的处理。打印机驱动程序12把进行交错处理后最终获得的图像数据作为打印数据向彩色打印机200输出(步骤S110)。彩色打印机200根据打印数据，在打印介质上形成各颜色的墨水点。其结果，对应于图像数据的彩色图像打印在打印介质上。

C-3实施例1的预变换·颜色变换处理

下面，说明如上述的图像处理变换中进行的实施例1的预变换·颜色变换处理。图10是实施例1的预变换·颜色变换处理流程的流程图。有关处理是打印机驱动程序利用上述的打印机100的CPU102的功能执行的。

如果打印机驱动程序开始预变换·颜色变换处理，则首先读入图像一个份的图像数据Dx(步骤S200)。这个图像数据是图9的图像数据变换处理中的分辨度变换处理中的变换为打印分辨度的RGB图像数据。

接着，进行把读入的图像数据分配第一格子点和第二格子点的处理(步骤S202)。本说明书中有时把[预变换处理]称为图像数据分配给格子点的处理。另外，分配图像数据的格子点的个数不限于两个，可以是多个格子点。关于详细的预变换处理，以后利用别的图进行详细的说明。另外，分配给更多的格子点情形的变形实施例的预变换处理，以后进行说明。

如果把图像数据分配给第一格子点和第二格子点，读出存储在LUT的第一格子点和第二格子点的CMY各颜色的灰度值的方法，把图像数据变换为按CMY各颜色的图像数据(步骤S204)。有关的处理以后详细说明。

如果进行以上的处理把读入的RGB图像数据变换为CMY各颜色的图像数据之后，判断是否结束所有图像数据的变换(步骤S206)。如果还有未变换的图像数据，回到步骤S200进行上述的一系列的处理，如果所有的RGB图像数据变换为CMY各颜色的图像数据，就跳过图10所示的预变换·颜色变换处理，回到图9所示的图像数据变换处理。

C-4、预变换处理

图11是表示预变换·颜色变换处理中把图像数据分配给格子点处理(预变换处理)流程的流程图。下面，结合图11详细说明图10步骤S202的处理。

如果开始预变换处理，则首先进行检测色空间上图像数据(Dx)周围的各个格子点坐标值的处理(步骤S300)。这是如下的处理。图12是表示R、G、B各个轴被多个坐标值分割，色空间被细分为长方体(包括正方体)的情形。LUT(颜色变换表)是在这样细分色空间所产生的各个格子点上存储对应于格子点坐标值的CMY各个颜色的灰度值的数字表。现假设输入RGB图像数据Dx，考虑RGB色空间上对应于该图像数据的坐标点，则这样的坐标点被包含在这些细分色空间的多个长方体中的一个长方体内。

图13是表示对应于图像数据Dx的坐标点被包含在一个长方体的情形的说明图。如图所示的例中，包含坐标点的长方体是把RGB色空间上的R轴分割为灰度值R1和灰度值R2、在G轴分割为灰度值G1和灰度值G2、在B轴分割为灰度值B1和灰度值B2而形成。把这个按图像数据Dx的各个成分看时，图像数据Dx在R轴上包含灰度值R1和灰度值R2。同样，分别在G轴上包含灰度值G1和灰度值G2、在B轴上包含灰度值B1和灰度值B2。在图11所示的步骤S300中，按各个成分检测这样包含图像数据Dx的格子点坐标值(按各个成分看时，邻接于图像数据Dx的两个格子点坐标值)的处理。另外，下面主要关注R成分来进行说明，但对RGB各个成分进行同样的处理。

这样，如果按各个成分检测包含图像数据Dx的坐标点(即图像数据Dx两边的坐标值)，则运算出坐标值间隔，生成第一噪音Ns1(步骤S302)。有关的处理，举R成分为例进行说明。如图13所示，对于R成分图像数据Dx包含灰度值R1和灰度值R2，这些坐标值的间隔等于灰度值(R2-R1)。生成具有这个坐标值间隔一半振幅的噪声作为第一噪声Ns1。这样的第一噪声Ns1可以利用种种方法生成，但在这里采用利用随机数按如下式获得的值。

Ns1＝(R2-R1)·RD[0，1]/2这里，上式中的RD[0，1]是区间[0，1]中产生随机数的函数。另外，第一噪声Ns1是按RGB各个成分运算，但各个成分中RD[0，1]是可以利用相同的值。

另外，包含图像数据的长方体为正方体时，因为各个成分坐标值的间隔相同，各个成分上第一噪声Ns1可以利用相同的值。这样，各个成分中公用随机数或第一噪声，随之其处理也变为迅速，因此是理想的。

如果这样生成第一噪声Ns1，则在图像数据Dx的各个成分加上第一噪声Ns1，按各个成分运算出第一判断数据Dr1(步骤S304)。即，对R成分进行说明的话，在步骤S302对R成分求出的第一噪声Ns1加在图像数据的R成分的Rx的方法，对R成分运算出第一判断数据Dr1。

接着，把上方的坐标值Gup(图像数据Dx两边的坐标值中的灰度值大的坐标值)设定为阈值th之后(步骤S306)，按各个成分判断第一判断数据Dr1是否大于阈值th(步骤S308)。然后，如果第一判断数据Dr1大(步骤S308中的yes)，则对其成分，作为第一格子点坐标值Pre1设定上方的坐标值Gup(步骤S310)，如果不是那样的话(步骤S308中的no)，设定下方的坐标值Glw(图像数据Dx两边坐标值中的灰度值小的坐标值)(步骤S312)。对这个处理，利用图14、图15进行更详细的说明。

图14(a)是表示设定第一格子点的R成分处理的说明图。图中所示黑色的三角形记号表示图像数据Dx的R成分Rx的位置。图像数据Dx两边中的上方的坐标值Gup和下方的坐标值Glw分别是灰度值R2和灰度值R1。如上所述，因为第一噪声Ns1是取灰度值0到灰度值(R2-R1)/2之间的任意值，图像数据的R成分Rx加上第一噪声Ns1的第一判断数据Dr1是图14(a)中划斜线表示的范围内的任意值。另外，阈值th设定为灰度值R2。

如图14(a)所示，图像数据的R成分Rx小于两边坐标值的坐标值R1、R2的平均值时，第一判断数据Dr1不会超过阈值th。从而，这样的情形时，第一格子点的R成分上一定设定下方的坐标值Glw(灰度值R1)。图14(a)中，从划斜线的部分向灰度值R1延伸的虚线箭头模式性地表示第一判断数据Dr1不论取怎样的值第一格子点的R成分一定设定为灰度值R1。与此相反，图像数据的R成分Rx大于两边的坐标值R1、R2的平均值时，设定上方的坐标值Gup或下方的坐标值Glw中的一个坐标值。对此，结合图15(a)进行说明。

图15(a)是表示图像数据的R成分Rx大于两边的坐标值R1、R2的平均值时，设定第一格子点的R成分情形的说明图。图像数据Rx加上第一噪声Ns1的第一判断数据Dr1，可以获取图中的划斜线表示范围内的任意灰度值。如上所述，因为第一噪声Ns1是可以取灰度值0到灰度值(R2-R1)/2之间的任意灰度值，在此时，图像数据的R成分加上第一噪声Ns1的第一判断数据Dr1，有比阈值th大的情形和小的两种情形。第一判断数据Dr1小于阈值th时，第一格子点的R成分设定为下方的坐标值Glw(灰度值R1)，第一判断数据Dr1大于阈值th时，设定为上方的坐标值Gup(灰度值R2)。图15(a)中，划斜线区域中的从阈值th的左侧向坐标值R1延伸的虚线箭头模式性地表示第一判断数据Dr1小于阈值th时，第一格子点的R成分设定为灰度值R1。同样，从阈值th右侧的划斜线区域向坐标值R2延伸的虚线箭头模式性地表示第一判断数据Dr1大于阈值th时，第一格子点的R成分设定为灰度值R2。图11中的从步骤S308至步骤S312中，利用这样设定第一格子点各个成分的灰度值的方法，选择一个第一格子点。

如果这样选择第一格子点，接着开始选择第二格子点处理。选择第二格子点时，首先运算出第二噪声Ns2(图11的步骤S314)。第二噪声Ns2是利用图像数据Dx两边的坐标值Gup和坐标值Glw的一半的灰度值和第一噪声Ns1加起来的值。第二噪声Ns2也和第一噪声Ns1同样，按各个成分运算，但如上所述，包含图像数据坐标点的长方体为正方体时，各个成分可以利用相同的噪声值。

接着，图像数据Dx的各个成分加上第二噪声Ns2的方法运算出第二判断数据Dr2(步骤S316)，把运算出的第二判断数据Dr2和阈值th按各个成分进行比较(步骤S318)。然后，如果第二判断数据Dr2大(步骤S318中的yes)，则对其成分把上方的坐标值Gup设定为第二格子点的坐标值Pre2(步骤S320)。相反，第二判断数据Dr2小(步骤S318中的no)，则对其成分把下方的坐标值Glw设定为第二格子点的坐标值Pre2(步骤S322)。对此，把设定第二格子点R成分坐标值时的情形为例，结合图14、图15进行说明。

图14(b)是表示图像数据的R成分Rx小于上方的坐标值R2和下方的坐标值R1的平均值(R1+R2)/2时，设定第二格子点的R成分的坐标值的处理说明图。阈值th和第一格子点情形相同，设定为灰度值R2。使用于设定第二格子点坐标值的第二噪声Ns2如上述同样，采用比第一噪声Ns1大于灰度值R1和灰度值R2平均值(R1+R2)/2的值。这里，第一噪声Ns1可以采用图14(a)中划斜线范围内的任意值，从而，图像数据Rx加上第二噪声Ns2的第二判断数据Dr2可以采用图14(b)中的划斜线范围内的任意值。

第二判断数据Dr2小于阈值th时，即，位于图14(b)中的划斜线范围的左侧时，第二格子点R成分设定为灰度值R1。相反，第二判断数据Dr2大于阈值th时，即，位于图14(b)中的划斜线范围的右侧时，第二格子点R成分设定为灰度值R2。图14(b)中，划斜线的区域中从阈值th左侧部分向坐标值R1延伸的虚线箭头模式性地表示第二判断数据Dr2小于阈值th时，第二格子点的R成分设定为灰度值R1。

与此相反，图像数据的R成分Rx大于图像数据两边的坐标值R1和R2的平均值的(R1+R2)/2时，第二格子点R成分一定设定为上方的坐标值Gup。结合图15(b)说明这个的话，图像数据的R成分Rx大于平均值(R1+R2)/2时，图像数据Rx加上第二噪声Ns2的第二判断数据Dr2可以采用图中的划斜线范围的任意值。图中清楚看出，图像数据不论取怎样的值第二判断数据Dr2一定大于阈值th，因此，第二格子点R成分一定设定为灰度值R2。

以上的说明中，说明了设定第二格子点的R成分灰度值的情形，但对G成分、B成分也同样设定各个成分的灰度值。图11中的步骤S318至步骤S322中，同样设定第二格子点的各个成分的灰度值的方法来选择一个第二格子点。

由于进行上述的处理，根据图像数据Dx的坐标值(Rx，Gx，Bx)选择第一格子点和第二格子点情形，结合图16进行说明。图16是表示图像数据的各个成分都比上方的坐标值更接近下方的坐标值时，即图像数据Dx位于图16中划斜线区域内时，图像数据Dx作为第一格子点和第二格子点怎样被分配的说明图。

因为图像数据的R、G、B各个成分的灰度值Rx，Gx，Bx都接近于下方的坐标值R1、G1、B1，相当于图14所示的情形。即，对于第一格子点的各个成分如图14(a)所说明的一样，一定分别设定为R1、G1、B1。另外，如图14(b)所示，对于第二格子点的各个成分，根据第二噪声Ns2取的值，有设定为下方的坐标值R1、G1、B1的情形和设定为上方的坐标值R2、G2、B2的情形。

图16(b)中分情况表示对于第一格子点和第二格子点的各个成分的可以采用的灰度值。如上所述，因为第一格子点的RGB各个成分都设定为下方坐标值的灰度值，第一格子点必然设定为格子点P1(R1，G1，B1)。另外，第二格子点的各个成分设定为如下。R成分设定为灰度值R1(下方坐标值的灰度值)或灰度值R2(上方坐标值的灰度值)中的一个，G成分设定为灰度值G1(下方坐标值的灰度值)或灰度值G2(上方坐标值的灰度值)中的一个，B成分设定为灰度值B1(下方坐标值的灰度值)或灰度值B2(上方坐标值的灰度值)中的一个。由此，最后，第二格子点设定为格子点P1(R1，G1，B1)、格子点P2(R2，G1，B1)、格子点P3(R2，G2，B1)、格子点P4(R1，G2，B1)、格子点P5(R1，G1，B2)、格子点P6(R2，G1，B2)、格子点P7(R2，G2，B2)、格子点P8(R1，G2，B2)中的一个。图16(a)中的●标记表示第一格子点设定为格子点P1的情形。另外，该图中所示的○标记表示第二格子点设定为这些格子点中的任意一个的情形。

图17是表示图像数据的R成分的Rx、G成分的Gx接近于下方的坐标值，而B成分的Bx接近于上方的坐标值时，即图像数据Dx位于图17中划斜线区域的情形时，作为第一格子点和第二格子点怎样选择格子点的说明图。

图像数据的R成分、G成分分别接近于下方的坐标值R1、G1，而B成分接近于上方的坐标值B2。因此，第一格子点的R成分、G成分分别设定为灰度值R1、G1(参照图14(a))，第一格子点的B成分设定为灰度值B1或B2中的任意一个。另外，对于第二格子点，B成分设定为B2，R成分设定为灰度值R1或R2中的任意一个，G成分设定为灰度值B1或B2中的任意一个。

图17(b)中，分情况表示第一格子点和第二格子点中各个成分可以获取的灰度值组合。如图所示，第一格子点可以取格子点P1(R1，G1，B1)、格子点P5(R1，G1，B2)中的任意一个。另外，分情况第二格子点可以获取格子点P5(R1，G1，B2)、格子点P8(R1，G2，B2)、格子点P6(R2，G1，B2)、格子点P7(R2，G2，B2)中的任意一个。图17(a)中的●标记表示第一格子点被设定为格子点P1或格子点P5中的一个的情形，该图中的○标记表示第二格子点被设定为格子点P5、P6、P7、P8中的一个的情形。

图11所示的格子点分配处理中(预变换处理)，如上述说明一样，根据图像数据Dx的坐标值选择一个第一格子点和一个第二格子点。另外，有时相同的格子点重复被选择作为第一格子点和第二格子点的情形。这样，如果选择了两个格子点，则结束图11所示的预变换处理，回到图10所示的预变换·颜色变换处理。

C-5、颜色变换处理

如果这样结束预变换处理，接着开始颜色变换处理(图10中的步骤S204)。即，由RGB各色的灰度值来表现的图像数据Dx利用上述的预变换处理变换为第一格子点、第二格子点，但是这些格子点也是由R、G、B为各个成分的坐标值来表现。因此，接着的颜色变换处理中进行把这些RGB各个成分的坐标值变换为C、M、Y等的彩色打印机200可以使用的墨水各颜色灰度值来表现的CMY图像数据的处理。

图18是表示接着预变换处理进行的颜色变换处理流程的流程图。有关的处理和上述的预变换处理相同，是打印驱动程序利用计算机100的CPU102的功能执行的处理。下面，按照图18的流程图进行说明。

如果开始颜色变换处理，则驱动程序执行读出存储在LUT(颜色变换表)的第一格子点的各个颜色的灰度值的处理(步骤S400)。如上所述，LUT的各个格子点里存储有C、M、Y等的彩色打印机可以使用的各颜色的灰度值组合。步骤S400中，由于读出存储在第一格子点的各颜色的灰度值，表示第一格子点的RGB各个成分的坐标值变换为CMY各颜色的灰度值。另外，这里为了避免说明的繁杂，说明LUT的格子点上存储有CMY各颜色的灰度值的情形，但也可以存储K(黑色)等打印机所具有的墨水各颜色的灰度值。

对于第二格子点也是同样，由于读出存储在LUT的CMY各颜色的灰度值，表示第二格子点的RGB坐标值变换为CMY各颜色的灰度值(步骤S402)。

这样，对第一格子点和第二格子点读出CMY各颜色的灰度值之后，按各个颜色算术平均这些灰度值的方法，运算出对应于RGB图像数据Dx的CMY图像数据Dcx(步骤S404)。例如，设从第一格子点读出的CMY灰度值分别为C1、M1、Y1，从第二格子点读出的CMY灰度值分别为C2、M2、Y2，则对应于图像数据Dx的CMY图像数据Dcx的C成分Cx、M成分Mx、Y成分Yx分别由下面的式子运算。

Cx＝(C1+C2)/2

Mx＝(M1+M2)/2

Yx＝(Y1+Y2)/2

这样运算出CMY图像数据Dcx的C、M、Y各个成分的灰度值就结束图18的颜色变换处理，回到图10所示的预变换·颜色变换处理。此时刻，图10的步骤S200中读入的RGB图像数据Dx通过第一格子点和第二格子点变换为由CMY各颜色表现的CMY图像数据Dcx。另外，这里CMY图像数据Dcx的灰度值是从第一格子点和第二格子点读出的灰度值按各个成分平均的值，但不限于这种情形，也可以是把两个格子点灰度值按给定的比例或任意比例内分的灰度值。这样，把所有的RGB图像数据Dx变换为CMY图像数据Dcx之后，结束图10所示的预变换·颜色变换处理，回到图9所示的图像数据变换处理。

上述的预变换·颜色变换处理中，由于把图像数据Dx分配给LUT的格子点而产生预变换误差。可是，为了设定第一格子点和第二格子点，利用上述的第一噪声Ns1和第二噪声Ns2之后，算术平均设定的、并存储在这些格子点的灰度值，求出CMY图像数据的话，各个图像数据中产生的预变换误差可以互相抵消。下面说明其理由。另外，为了说明的方便，下面的说明中图像数据Dx和RGB(颜色变换表)分别为一维图像数据和数表。

今设：包含图像数据Dx的格子点为格子点P1、P2，图像数据Dx把格子点P1和格子点P2之间以1∶3的比例内分。另外，LUT的格子点P1、P2分别存储灰度值C1、C2。图19(a)表示这种情形的图像数据Dx、格子点P1和格子点P2之间的位置关系。

利用插值运算进行图像数据Dx的颜色变换时，与距离成反比地内分存储在格子点P1的灰度值C1和存储在格子点P2的灰度值C2的方法运算颜色变换的数据Dcx。图19(a)所示的例中，利用下面的式子把图像数据Dx变换为颜色变换数据Dcx。

Dcx＝(3/4)·C1+(1/4)·C2

另一方面，由于进行本实施例的预变换处理，设定第一格子点和第二格子点之后进行颜色变换时的情形如下。图19(b)表示设定第一格子点的情形。如上所述，第一格子点是根据比较第一判断数据Dr1和阈值th的大小关系的结果而设定的(例如，参照图14)。这里，第一判断数据Dr1是图像数据Dx加上第一噪声Ns1的方法求出的值。另外，阈值是被设定为灰度值R2。因为图像数据Dx以1∶3的比例内分第一格子点和第二格子点，第一判断数据Dr1总是小于阈值th，从而，第一格子点总是设定为格子点P1。

图19(c)表示设定第二格子点的情形。如上所述，第二格子点是根据比较第二判断数据Dr2和阈值th的大小关系的结果而设定的。具体地，如果第二判断数据Dr2小于阈值th，则第二格子点设定为格子点P1，相反，如果第二判断数据Dr2大于阈值th，则第二格子点设定为格子点P2。这里，第二判断数据Dr2是图像数据Dx加上第一噪声Ns1和(R2-R1)/2的值，第一噪声Ns1可以是从0到(R2-R1)/2范围内的任意值。因为图像数据Dx以1∶3的比例内分两个格子点，Dx变为

Dx＝(3/4)·R1+(1/4)·R2。对这样的灰度值Dx加上第一噪声Ns1和灰度值(R2-R1)/2而获得的第二判断数据Dr2几乎相同的概率获取灰度值R2-(R2-R1)/4到R2+(R2-R1)/4范围内的任意值。

图19(c)中，把这样的第二判断数据Dr2可能获取的范围利用划斜线所表示。图19(c)中划斜线表示的范围内，如果存在第二判断数据Dr2小于(位于图中的左侧)阈值th(灰度值R2)的部分时，图像数据Dx设定在格子点P1。相反，第二判断数据Dr2大于阈值th(位于图中的右侧)部分设定在格子点P2。从图19(c)和以上的说明可以清楚，图像数据Dx以1∶3的比例内分格子点P1和格子点P2时，几乎相同的概率设定第二格子点为格子点P1或格子点P2。

图19(d)是表示某种程度集中进行几次(N次)这样的处理时，作为第一格子点或第二格子点被设定为格子点P1和格子点P2的次数的说明图。因为第一格子点一定设定为格子点P1，如图所示，第一格子点N次设定为格子点P1。另外，对于第二格子点以同样比例的N/2次设定为格子点P1、格子点P2。结果，归纳第一格子点和第二格子点，图像数据Dx被分配在格子点P1和格子点P2，其比例成为3∶1。结果，如果对多个图像数据进行预变换·颜色变换处理，图像数据Dx以3∶1的比例变换为灰度值C1和灰度值C2，把这些进行算术平均的数据Dcx变为

Dcx＝(3/4)·C1+(1/4)·C2。这个值等于利用插值运算求出的值。

以上，说明了图像数据Dx把格子点P1和格子点P2内分1∶3的情形为例进行了说明，但是把两个格子点以任何比例内分的情形只要进行概括一定程度个数的图像数据的处理，可以使其等于利用插值运算获得的灰度值。由此，对每一个图像数据产生分配给格子点P1或格子点P2而引起的预变换误差，但进行多个图像数据的处理，每一个图像数据中产生的预变换误差互相抵消，可以获得利用插值运算而得到的结果。

如上详细说明，本实施例的预变换·颜色变换中，先进行预变换处理，把图像数据分配给LUT多个格子点。接着，读出存储在每一个格子点的各颜色的灰度值，按成分合成读出的灰度值的方法，求出对应于图像数据的颜色变换数据。如果这样把图像数据分配给多个格子点之后进行颜色变换的话，如上述原理，比分配给一个格子点的通常的预变换处理可以大大减少预变换误差。

下面，比较通常的预变换处理的情形更详细地说明本实施例的预变换处理所具有的优点。作为一个例子，如果考虑把图像数据分配给两个格子点的情形和进行本实施例的预变换处理，比分配给一个格子点的通常的预变换处理相比，可以大大减少产生的预变换误差。当然，在通常的预变换处理中只要增加参照的LUT格子点的个数，也可以减少产生的预变换误差。可是，在通常的预变换处理中为了减少预变换误差，有必要两倍增加LUT的各个轴的分割数，在三维LUT情形下LUT整个格子点的个数增加到八倍。随之用于存储LUT的存储容量也大幅度增加。与此相反，根据本实施例的预变换处理，只要增加分配的格子点，不生成这样的问题，而可以减少预变换误差。

而且，把图像数据分配给两个格子点的利用本实施例的预变换处理，比通常的预变换处理中增加八倍的参照LUT格子点的个数的情况下，可以实现高精度的变换。其理由如下。存储在LUT格子点的灰度值是化整数之后存储的。因此，利用通常的预变换处理进行颜色变换获得的数据包含化整数误差的整数。与此相反，利用本实施例的预变换处理进行颜色变换时，从存储在两个格子点的灰度值(整数)运算，因此，有可能取得小数值。从而，如果利用本实施例的预变换处理进行颜色变换，不产生由于化整数而引起的误差，可以提高变换精度。

另外，本实施例的预变换·颜色变换处理中，算术平均从多个格子点读出的灰度值的方法也可以求出对应于RGB图像数据Dx的CMY图像数据Dcx。因为算术平均是可以迅速进行，比进行插值运算而进行颜色变换，可以非常迅速地进行颜色变换。特别是在格子点的个数为2的整数倍(比如两个，四个等)时，利用在CPU内移位比特的方法，可以迅速求出算术平均。

还有，利用插值运算进行颜色变换时，如果LUT为RGB颜色的三维LUT，即使是在插值运算中参照的格子点个数少的四面体来进行插值运算，一定要参照四个格子点的数据。与此相反，如果利用本实施例的预变换处理进行颜色变换，最少的情形下只要参照两个格子点可以进行颜色变换，从这一点也可以迅速进行颜色变换。

当然，本实施例的预变换·颜色变换处理，比利用通常的预变换处理，增加读出存储在多个格子点的灰度值所需要的处理时间。可是，读出存储在格子点的灰度值的处理可以非常迅速地进行，所以，即使是增加读出的格子点个数所需要的时间非常短，和通常的预变换处理情形相同，可以迅速处理。

另外，在上述的说明中从存储在第一格子点和第二格子点的灰度值运算出颜色变换后的图像数据Dcx时，算术平均这些灰度值来说明的。这样的话，每一个图像数据中产生预变换误差，但是，处理多个图像数据其误差互相抵消，可以获得利用插值运算进行颜色变换情形相同的结果。当然，与利用插值运算结果的偏差只要控制在允许的范围内，就没有必要算术平均从格子点读出的灰度值，可以利用其他方法运算出的值作为颜色变换后的图像数据。

C-6变形例

在以上的说明中，作为第一噪声Ns1和第二噪声Ns2利用了随机数为基础产生的随机噪声来说明，但也可以利用所谓的扩散误差法的方法。所谓扩散误差法就是在某一个像素中产生的误差扩散向周围的未处理像素扩散的同时，进行处理的方法。下面，简单说明这样的本实施例的变形例。

图10所示的预变换·颜色变换处理通常是把图像的左上角的像素作为起点的像素，从左端的像素向右端的像素一个像素一个像素进行处理，进行到右端的像素之后，则移位到一个像素的下一行，再度从左端向右端进行同样的处理。这样对一个图像的所有像素进行处理为止，重复同样的处理。图20是模式性地说明对一个图像的图像数据进行预变换·颜色变换处理中的状态的说明图。图20中央所示的「^*」表示处理中的像素(注目像素)。另外，注目像素左上方和上方区域的划斜线的○标记表示已经处理完了的像素，注目像素右下方和下方的○标记表示尚未处理像素。

如果现在把图20所示的注目像素的图像数据分配给LUT的两个格子点，则在注目像素中随之产生误差。误差的运算方法后面要叙述。扩散误差法是把这些产生的误差向周围的未处理像素，按给定的加权度扩散。图21是举例说明向周围的像素扩散误差而利用的加权系数的说明图。例如图20(a)所示的情形表示利用「^*」表示的注目像素右侧的像素中，扩散1/2的误差，而注目像素下面的像素和右下的像素中，扩散1/4的误差。

这样，如果在注目像素中产生的误差扩散给周围的未处理像素，使注目像素移动一个，把右邻的像素作为新的注目像素之后，开始这个像素的图像数据分配给LUT的两个格子点的处理。有关的处理有如利用图11说明的，利用把图像数据Dx加上第一噪声Ns1的第一判断数据Dr1、图像数据Dx加上第二噪声Ns2的第二判断数据Dr2比较阈值th的方法进行的。但是，在上述的方法中，第一噪声是利用随机数产生，而利用扩散误差法的第一变形例中，从注目像素周围的已经处理完的像素扩散而过来的误差的合计值作为第一噪声Ns1来利用。

图22是概念性地表示周围的已经处理的像素中产生的误差扩散到注目像素的情形的说明图。另外，误差的扩散利用图21(a)所示的加权系数。图中用「^*」表示的像素为注目像素，划斜线的○标记表示已经处理的像素。从已经处理的像素向注目像素的箭头模式性地表示误差扩散的情形。变形例1中，把这些周围的像素扩散过来的误差的合计值作为第一噪声Ns1来利用，另外，第一噪声Ns1加上格子点的灰度值平均值的值作为第二噪声Ns2。

把图像数据Dx分配给两个格子点而产生的误差是按各个成分运算出两个格子点坐标值的算术平均值之后，从对应于图像数据Dx的成分减去运算出的平均值的方法运算。这样，注目像素中运算出由于图像数据Dx分配给两个格子点而产生的误差之后，按照图21所示的加权系数向周围的未处理像素扩散误差。如果结束以上的处理，使注目像素移位到右邻的像素，重复上述的处理一直到处理所有的像素为止。

如上所述，利用扩散误差法把已经处理完的周围的像素扩散过来的误差的合计值作为第一噪声Ns1时，也可以获得和上述方法同样的效果。下面，简单说明其理由。

假设，图像数据Dx的各个成分小于包含该格子点的格子点坐标值的平均值，则两个图像数据Dx同时分配在下方的格子点(坐标值小的格子点)或是分配在上方的格子点(坐标值大的格子点)和下方的格子点。这是因为，作为初期状态，如果第一噪声Ns1的值为「0」时，如利用图14的上述说明，第一格子点和第二格子点都分配在下方的格子点(坐标值小的格子点)，其结果，产生误差。这里，因为假设图像数据Dx小于包含该格子点的格子点坐标值的平均值，所产生的误差小于上方的格子点(坐标值大的格子点)和下方的格子点的灰度值之差的一半。这样，接着的像素中扩散过来周围的各个像素产生的误差，因此，接着的像素的第一噪声Ns1也小于上方的格子点和下方的格子点的灰度值之差的一半。即，此时，产生的误差的最大值等于两个格子点间隔的一半的灰度值。

另外，图像数据Dx的各个成分大于包含该格子点的格子点坐标值的平均值时，图像数据Dx分配在上方的格子点和下方的格子点或是两个同时分配在上方的格子点。这是因为，作为初期状态，如果第一噪声Ns1的值为「0」时，如利用图15所上述的说明，第一格子点分配在下方的格子点，第二格子点分配在上方的格子点。这里，因为图像数据Dx大于包含该格子点的格子点坐标值的平均值，这样产生的误差小于上方的格子点和下方的格子点的灰度值之差的一半。这样，接着的像素中，扩散过来周围的各个像素产生的误差，因此，接着的像素的第一噪声Ns1也小于上方的格子点和下方的格子点的灰度值之差的一半。即，此时，产生的误差的最大值也等于两个格子点间隔的一半的灰度值。这样，利用扩散误差法的情形，如果概括两个格子点时，其产生的误差与图像数据Dx所取的值无关，而可以取灰度值0到包含该图像数据Dx格子点间隔一半的灰度值的任意值。通过从周围的像素扩散过来这样的误差，各个像素的第一噪声Ns1可以取灰度值0到包含该图像数据Dx格子点间隔一半的灰度值的任意值。结果，利用扩散误差法所产生的误差时和利用随机数产生误差时，都可以获得几乎相同值的第一噪声Ns1，可以获得和上述方法相同的效果。

另外，已经清楚扩散误差法具有消除周围像素所产生的误差的功能。从而，根据利用扩散误差法的变形例方法，可以迅速互相抵消各个像素产生的预变换误差，可以获得打印出更高质量图像的优点。

D、实施例2

以上的说明中说明了把图像数据Dx分配给第一格子点、第二格子点的两个格子点的情形，但是分配的格子点不限于两个，可以分配给更多的格子点。下面就说明这样的实施例2的预变换·颜色变换处理。

D-1、实施例2的预变换处理

图23是表示实施例2中把图像数据分配给格子点的处理(预变换处理)流程的流程图。有关的处理是图10所示的预变换·颜色变换处理中的读入图像数据之后进行的处理。和利用图11所述的实施例1的预变换处理相比，分配的格子点的个数增加到三个是很大的不同点。另外，虽然在这里说明了分配给三个格子点的情形，但分配给更多的格子点的情形也可以利用同样的想法来容易扩展。下面，结合图23说明实施例2中把图像数据分配给三个格子点的处理。

如果开始实施例2的预变换处理，就和实施例1的预变换处理同样，首先进行检测色空间上的图像数据(Dx)周围的各个格子点坐标值的处理(步骤S500)。即，如图13所示，从构成LUT(颜色变换表)的多个微小的长方体中检测包含图像数据Dx的坐标点的长方体，进行按各个成分检测这个长方体顶点坐标值的处理。

接着，把阈值th设定为上方的坐标值(Gup)(步骤S502)。这里，上方的坐标值Gup是在步骤S500中检测的各个格子点的坐标值按各个成分分类时的灰度值较大的坐标值。图13所示的例中，R成分上方的坐标值Gup的灰度值为R2，G成分、B成分的上方的坐标值Gup是分别变为灰度值G2、灰度值B2。

设定阈值th之后，运算出第一噪声Ns1和第一判断数据Dr1(步骤S504)。第一噪声Ns1按如下式运算

Ns1＝(R2-R1)·RD[0，1]/3这里，上式中的RD[0，1]是区间[0，1]中生成随机数的函数。把RD[0，1]除以「3」是为了对应于图像数据分配给三个格子点。从而，分配给更多(N个)的格子点时，只要把RD[0，1]除以「N」就可以。另外，第一判断数据Dr1按如下式运算

Dr1＝Dx+Ns1

接着，根据这样运算的第一判断数据Dr1和阈值th的大小关系，设定第一格子点(步骤S506)。有关的处理和利用图11所说明的实施例1的处理相同，按各个成分进行。即，如果第一判断数据Dr1大于阈值th，对其成分，作为第一格子点的坐标值设定上方的坐标值Gup，不然的话，设定下方的坐标值Glw。这里，下方的坐标值Glw是在按成分分类步骤S500中检测的各个格子点坐标值时，灰度值小的坐标值。图13所示的例中，R成分、G成分、B成分的下方的坐标值Glw是其灰度值分别为R1、G1、B1。由于对各个成分进行了这样的处理，可以设定一个第一格子点。

设定第一格子点之后，为了设定第二格子点，进行运算第二噪声Ns2和第二判断数据Dr2的处理(步骤S508)。第二噪声Ns2是使用把图像数据Dx两边的下方的坐标值Glw和上方的坐标值Gup以1∶3的比例内分的灰度值，再加上第一噪声Ns1的值。另外，使用以1∶3的比例内分坐标值Glw和坐标值Gup是因为把图像数据Dx分配给三个格子点的缘故。从而，分配给更多(N个)的格子点时，第一噪声Ns1加上以1∶N的比例内分坐标值Glw和坐标值Gup的值作为第二噪声Ns2就可以。

根据比较这样运算出的第二判断数据Dr2和阈值th的方法设定第二格子点(步骤S510)。即，如果第二判断数据Dr2大于阈值th时，对于其成分，作为第二格子点坐标值设定上方的坐标值Gup，不然的话，设定下方的坐标值Glw。对于各个成分进行这样的处理可以设定一个第二格子点。

对于第三格子点也可以和第一格子点、第二格子点相同的原理进行设定。首先，运算出第三噪声Ns3和第三判断数据Dr3(步骤S512)，根据比较第三判断数据Dr3和阈值th的方法设定第三格子点(步骤S514)。这里，第三噪声Ns3是使用以2∶3的比例内分图像数据Dx两边的下方的坐标值Glw和上方的坐标值Gup的灰度值，再加上第一噪声Ns1的值。第三判断数据Dr3可以由图像数据Dx加上第三噪声Ns3的方法运算。如果这样运算出的第三判断数据Dr3大于阈值th时，对于其成分，作为第三格子点的坐标值设定上方的坐标值Gup，不然的话，设定下方的坐标值Glw。对于各个成分进行这样的处理设定一个第三格子点。

如上所述地设定第一格子点、第二格子点、第三格子点之后，结束图23所示的实施例2的预变换处理，回到图10所示的预变换·颜色变换处理。

利用上述的实施例2的预变换处理，图像数据设定在三个格子点的情形，利用图24进行了说明。图24是概念性地表示把图像数据Dx分配给三个格子点的处理的说明图。图24(a)表示分配给第一格子的情形，图24(b)表示分配给第二格子的情形，图24(c)表示分配给第三格子的情形。另外，为了避免说明的繁杂，图24中表示了设定每一个格子点的R成分的处理，但也适用于对于G成分B成分的设定。

首先，结合图24(a)说明设定第一格子点的情形。图中的划斜线的三角形标记表示图像数据Dx的R成分Rx的位置，图中的R1、R2分别表示图像数据Dx两边的上方的坐标值Gup和下方的坐标值Glw的坐标值。另外，图24所示的例中表示，图像数据的R成分Rx位于坐标值R1和坐标值R2的近似中央，严格来讲，位于坐标值R1+(R2-R1)/3到R1+(R2-R1)·2/3范围内的情形。

如图24(a)所示，图像数据Dx位于坐标值R1+(R2-R1)/3到R1+(R2-R1)·2/3范围内时，图像数据Dx加上第一噪声Nsl的第一判断数据Dr1值可以获取划斜线范围内的任意值。图中可以清楚地看出一样，第一判断数据Dr1取怎样的值，不会超过阈值th。从而，第一格子点的R成分一定设定为坐标值R1。

如下设定第二格子点。如图24(b)的划斜线所示，图像数据Dx加上第二噪声Ns2的第二判断数据Dr2值是根据第二噪声Ns2的值有小于阈值th的情形和大于阈值th的情形。第二判断数据Dr2小于阈值th时，第二格子点R成分设定为坐标值R1，大于阈值th时，第二格子点R成分设定为坐标值R2。

如下设定第三格子点。如图24(c)所示，图像数据Dx加上第三噪声Ns3的第三判断数据Dr3总是大于阈值th。从而，第三格子点R成分一定设定为坐标值R2。

图像数据Dx位于不同的范围内时，利用同样的方法可以设定第一格子点、第二格子点、第三格子点的坐标值。图25是归纳表示根据图像数据Dx设定这些三个格子点的R成分的情形的说明图。图的上段表示图像数据Dx在坐标值R1到坐标值R1+(R2-R1)/3范围的情形，图的中段表示图24所示的情形，即图像数据Dx在坐标值R1+(R2-R1)/3到R1+(R2-R1)·2/3范围内的情形。另外，图中的下段表示图像数据Dx在R1+(R2-R1)·2/3到坐标值R2范围内的情形。

D-2、实施例2的颜色变换处理

如上所述把图像数据分配给三个格子点之后，接着进行颜色变换处理。图26表示实施例2中继续预变换处理进行的颜色变换处理流程的流程图。实施例2的预变换处理中，对应于把图像数据分配给三个格子点，在颜色变换处理中，按顺序读出把第一格子点、第二格子点、第三格子点分别分配给LUT格子点而存储的灰度值(步骤S600、步骤S602、步骤S604)，接着，按成分算术平均这些读出的灰度值的方法运算出颜色变换的图像数据灰度值(步骤S606)。另外，这里是作为最简单的情形，虽然说明了算术平均的情形，但利用预先决定的其他运算方法，也是可以的。

另外，图像数据Dx具有R、G、B各个成分，或颜色变换后获得的图像数据也具有C、M、Y各个成分，但是为了避免说明的繁杂，下面只着重说明R成分和C成分。另外，LUT的坐标值为R1的格子点上存储作为颜色变换后的灰度值C1，LUT的坐标值为R2的格子点上存储作为颜色变换后的灰度值C2。图27是表示实施例2的预变换处理来分配在三个格子点进行这样的颜色变换处理而获得的灰度值的说明图。

利用图25如上所述，因为第一格子点、第二格子点、第三格子点是根据图像数据Dx的值来分配的，利用颜色变换处理获得的灰度值也根据图像数据Dx的值变为不同的值。即，图像数据Dx在坐标值R1到R1+(R2-R1)/3范围内时，颜色变换后的值变为灰度值C1或(2/3)·C1+(1/3)·C2的任意一个值。图像数据Dx在坐标值R1+(R2-R1)/3到R1+(R2-R1)·2/3范围内时，颜色变换后的值变为灰度值(2/3)·C1+(1/3)·C2或(1/3)·C1+(2/3)·C2的任意一个值。另外，图像数据Dx在坐标值R1+(R2-R1)·2/3到坐标值R2时，颜色变换后的值变为灰度值(1/3)·C1+(2/3)·C2或灰度值C2的一个值。这样进行颜色变换的结果，预变换误差的最大值与图像数据Dx的范围无关，不会大于(C2-C1)/3。这个理由，结合图28进行说明。

图28是概念性地表示把RGB图像数据变换为CMY各颜色的灰度值情形的说明图。这里也为了避免说明的繁杂，只表示关注图像数据的R成分和C的灰度值。LUT的坐标值为R1的格子点里存储灰度值C1，坐标值为R2的格子点里存储灰度值C2。图像数据的R成分在坐标值R1到R1+(R2-R1)/3时，这样的图像数据Ra利用插值运算进行颜色变换之后获得的灰度值为Cca。图28中，从R轴的坐标值Ra向颜色变换后的成分(C成分)延伸的虚线箭头是模式性表示利用插值运算图像数据Ra颜色变换为灰度值Cca的情形。

另一方面，如图27所示，对这样的图像数据Ra进行利用实施例2的预变换·颜色变换处理时，颜色变换后变为灰度值C1或灰度值(2/3)·C1+(1/3)·C2。获得灰度值C1时，产生相当于灰度值Cca和灰度值C1偏差的预变换误差。图28中，横跨灰度值Cca和灰度值C1之间表示的虚线弧模式性地表示把图像数据Ra分配给图像数据R1时产生的预变换误差。另外，获得灰度值(2/3)·C1+(1/3)·C2时，灰度值(2/3)·C1+(1/3)·C2与灰度值Cca之间的偏差变为预变换误差。图28中，横跨灰度值Cca灰度值C2之间表示的虚线弧表示把图像数据Ra分配给坐标值R2而产生的预变换误差。由此，颜色变换图像数据Ra时，预变换误差最大(即，虚线表示的弧的长度最长)是在图像数据Ra无限地接近坐标值R1而颜色变换后的灰度值变为(2/3)·C1+(1/3)·C2时，或是在图像数据Ra无限地接近坐标值R1+(R2-R1)/3时颜色变换后的灰度值变为灰度值C1时，此时的最大值也变为(C2-C1)/3。

图像数据的R成分在坐标值R1+(R2-R1)/3到R1+(R2-R1)·2/3范围内或在R1+(R2-R1)·2/3到R2范围内时，也同样成立。简单说明的话，利用插值运算颜色变换图像数据Rb，图像数据Rb变换为灰度值Ccb，图像数据Rc变换为灰度值Ccc。与此相反，如图27所示，进行实施例2的预变换·颜色变换处理时，图像数据Rb颜色变换为灰度值(2/3)·C1+(1/3)·C2或(1/3)·C1+(2/3)·C2的任意颜色变换，而图像数据Rc颜色变换为灰度值(1/3)·C1+(2/3)·C2或灰度值C2的任意颜色变换。从而，图像数据Rb、图像数据Rc的任意情形预变换误差的最大值变为(R2-R1)/3。

如以上说明，图像数据Dx分配给第一格子点、第二格子点、第三格子点之后进行颜色变换时，不论图像数据Dx为怎样的值，预变换误差的最大值变为包含图像数据Dx的坐标值间隔的1/3，比通常的预变换处理可以大大减少预变换误差。

上述的实施例2中，说明了图像数据分配给三个格子点的情形，但也可以分配给更多的格子点。越增加分配的格子点的个数越能减少预变换误差。比如分配给N个格子点时，所产生的误差最大值变为包含图像数据的格子点坐标值间隔的1/N。

另外，实施例2的预变换处理中，因为图像数据分配给三个格子点，在颜色变换处理时，有必要读出存储在LUT三个格子点的灰度值。如果增加读出的格子点的个数，随之增加颜色变换处理所需时间。可是，这样的情形，也可以比利用插值运算的颜色变换，可以大大缩短处理时间。对其理由，利用图29进行说明。

图29是LUT中，概念性地表示图像数据Dx包含在长方体的情形的说明图。上述的实施例2的预变换处理中，把这样的图像数据分配给三个格子点。另一方面，利用插值运算颜色变换图像数据Dx时，利用插值所必要的格子点个数少的四面体进行插值运算时，也一定要参照格子点P1、格子点P2、格子点P4、格子点P5等的四个格子点，一定要读出存储在这些格子点的灰度值。即，实施例2的预变换·颜色变换处理中一定要读出三个格子点的灰度值，但比为了进行插值运算应读出的格子点个数少，因此，比起进行插值运算，可以迅速进行颜色变换处理。

另外，进行插值运算时，有必要运算出图像数据Dx到格子点P1、格子点P2、格子点P4、格子点P5各个格子点的距离。与此相反，实施例2的颜色变换处理中，只进行算术平均从各个格子点读出的灰度值来可以运算出颜色变换后的图像数据，没有必要一定运算出图像数据Dx到各个格子点的距离。因此，实施例2的预变换·颜色变换处理中，把图像数据分配给更多的格子点，仍然比利用插值运算进行颜色变换，可以大大缩短处理所需要的时间。

E、实施例3

上述的各种实施例中，为了把图像数据分配给多个(N个)格子点，使用了N个噪声。比如，在实施例1中为了设定第一格子点使用了第一噪声Ns1，为了设定第二格子点使用了第二噪声Ns2。可是，没有必要一定使用和分配的格子点个数相同的噪声个数，利用一个噪声可以把图像数据分配给多个格子点。下面，说明这样的实施例3的预变换处理。

E-1、实施例3的预变换处理

图30是表示实施例3的预变换处理流程的流程图。下面结合图30进行说明。

如果开始实施例3的预变换处理，首先，在色空间进行检测图像数据(Dx)周围的各个格子点的坐标值的处理(步骤S700)。有关的处理和利用图11所说明的实施例1的S300的处理相同，这里省略其说明。

接着，运算出上方的坐标值(Gup)和下方的坐标值(Glw)的平均值，把所获得的值设定为阈值th(步骤S702)。上方的坐标值Gup是在步骤S700中检测出的各个格子点的坐标值按各个成分分类时，灰度值大的坐标值。同样，下方的坐标值Glw是灰度值小的坐标值。图像数据Dx的各个成分都有上方的坐标值Gup和下方的坐标值Glw，因此，对各个成分设定阈值th。另外，为了避免说明的繁杂，下面的说明中不确定特定的成分，但除了指定的场合以外，认为对图像数据的所有成分进行同样的处理。

各个成分的这样设定的阈值th和图像数据Dx进行比较，判断大小关系(步骤S704)。对于小的图像数据Dx成分作为第一格子点的坐标值Prel设定下方的坐标值Glw(步骤S706)。与此相反，对于大的图像数据Dx成分作为第一格子点的坐标值Prel设定上方的坐标值Gup(步骤S708)。对各个成分进行以上的处理，可以设定一个第一格子点。另外，图像数据Dx大于阈值th时(步骤S704中的yes)，接着设定第一格子点坐标值的处理(步骤S708)，作为设定第二格子点的准备，把阈值th更新为上方的坐标值Gup(步骤S710)。

图31是概念性地表示如上设定第一格子点情形的说明图。另外，图31中只表示R成分的设定，但其他成分也可以同样设定。图31(a)是图像数据的R成分的Rx小于阈值th(＝(R1+R2)/2)的情形。对这样的图像数据把下方的坐标值R1设定为第一格子点的R成分。图中表示的实线箭头是模式性地表示把第一格子点的坐标值设定为灰度值R1的情形。图31(b)表示图像数据的R成分的Rx大于阈值th的情形。此时，把上方的坐标值R2设定为第一格子点的R成分。这样，实施例3的预变换处理中，利用判断图像数据Dx和阈值th的大小关系的方法，设定一个第一格子点。

这样设定第一格子点之后，开始设定第二格子点的处理。实施例3的预变换处理中，噪声是为了设定第二格子点而使用的。因此，如果开始设定第二格子点的处理，先进行生成噪声的处理(步骤S712)。噪声Ns可以利用上述的实施例1的预变换处理中使用的和第一噪声Ns1相同的值。这里，和实施例1同样，利用随机数的如下式运算出的噪声Ns。

Ns＝(R2-R1)·RD[0，1]/2这里，上式中的RD[0，1]是区间[0，1]中产生随机数的函数。另外，噪声Ns是对各个RGB成分运算，但RD[0，1]的值，在各个成分中可以使用相同的值。另外，包含图像数据的坐标点的长方体为正方体时，噪声Ns的值在各个成分中可以使用相同的值。当然，不限于利用生成随机数的噪声，可以利用如实施例1的变形例所说明的扩散误差法的误差作为噪声。

这样生成噪声Ns之后，图像数据Dx的各个成分加上噪声Ns的方法算出判断数据Dr(步骤S714)，对各个成分比较判断数据Dr和阈值th(步骤S716)。这里，在步骤S704中判断出图像数据Dx大于当初的阈值th时，阈值th更新为上方的坐标值Gup，因此，就变为步骤S716中比较判断数据Dr和上方的坐标值Gup。然后，判断数据Dr大时(步骤S716的yes)，对于其成分，作为第二格子点的坐标值Pre2设定上方的坐标值Gup(步骤S718)。不然的话(步骤S716的no)，其成分，作为第二格子点的坐标值Pre2设定下方的坐标值Glw(步骤S720)。对于各个成分进行这样的处理，可以设定一个第二格子点。

图32是概念性地表示实施例3的预变换处理中设定第二格子点的说明图。另外，图32中也和图31同样，只表示R成分。

图32(a)是表示图像数据的R成分Rx小于(R1+R2)/2时，设定第二格子点的R成分的情形。图像数据Rx加上噪声Ns的判断数据Dr，可以获取图中划斜线的表示范围内的任意的灰度值。判断数据Dr小于阈值th时，第二格子点的R成分设定为灰度值R1，相反，判断数据Dr大于阈值th时，第二格子点的R成分设定为灰度值R2。图32(a)中，从划斜线区域的阈值th左侧部分向坐标值R1延伸的虚线箭头模式性表示判断数据Dr小于阈值th时，第二格子点的R成分设定为灰度值R1。同样，从划斜线区域的阈值th右侧部分向坐标值R2延伸的虚线箭头模式性表示判断数据Dr大于阈值th时，第二格子点的R成分设定为灰度值R2。

另外，图32(b)表示图像数据的R成分Rx大于(R1+R2)/2时，设定第二格子点的R成分的情形。判断数据Dr可以获取图中划斜线的范围内的任意的灰度值。另外，这里的阈值th的值更新为灰度值R2。如果判断数据Dr小于阈值th，第二格子点的R成分设定为灰度值R1，不然的话，第二格子点的R成分设定为灰度值R2。图30中的从步骤S714至步骤S720中，利用这样设定第二格子点的各个成分的灰度值的方法来选择一个第二格子点。

实施例3的预变换处理中，利用以上的方法设定的第一格子点和第二格子点，可以获得和上述的实施例1的预变换处理相同的结果。这样的实施例3的预变换处理中，设定两个格子点时，只使用一个噪声，随之处理变为简单的优点。

E-2、变形例

在上述的实施例3的预变换处理中，说明了把图像数据Dx分配给两个格子点的情情形，可是，实施例3的预变换处理中也不限于分配的格子点个数为两个，可以分配给更多的格子点。下面，简单说明这样的变形例的预变换处理。

图33是扩大实施例3的预变换处理，表示把图像数据分配给三个格子点的原理的说明图。图中的涂黑的三角形表示图像数据Dx的R成分Rx的位置，图中的R1和R2分别为图像数据Dx两边的上方的坐标值Gup和下方的坐标值Glw的坐标值。另外，实施例3的变形例的预变换处理中，使用三个阈值th1、th2、th3，阈值th1、th2、th3分别设定为灰度值R1+(R2-R1)/3、灰度值R1+(R2-R1)·2/3和灰度值R2。这里，这些阈值设定为三等分灰度值R1和灰度值R2之间，是为了对应在这里的把图像数据分配给三个格子点。从而，分配给更多(N个)的格子点时，只要把灰度值R1和灰度值R2之间分成N等分就可以。

图33(a)是表示图像数据的R成分Rx位于R1到R1+(R2-R1)/3范围内的情形。另外，图33(b)表示R成分Rx位于R1+(R2-R1)/3到R1+(R2-R1)·2/3范围内的情形，图33(c)表示R成分Rx位于R1+(R2-R1)·2/3到R2范围内的情形。另外，为了避免说明的繁杂，图33中表示设定第一格子点至第三格子点的R成分坐标值的处理，但也同样适应于G成分、B成分。

首先，结合图33(a)说明图像数据的R成分Rx位于R1到R1+(R2-R1)/3范围内的时，表示图像数据分配给第一格子点至第三格子点的处理。表示图像数据分配给三个格子点时，首先检测图像数据与它们的阈值之间的大小关系，判断图像数据是在灰度值R1与阈值th1之间，或是在阈值th1与阈值th2之间，或是在阈值th2与灰度值R2之间。然后，图像数据在灰度值R1与阈值th1之间时，把第一格子点和第二格子点设定为灰度值R1(下方的坐标值)。图33(a)中的从图像数据Rx到坐标值R1延伸的实线箭头和虚线箭头分别模式性地表示第一格子点和第二格子点的R成分设定为灰度值R1的情形。

接着，为了设定第三格子点的R成分，图像数据的R成分Rx加上噪声Ns的方法，运算判断数据Dr。噪声Ns和上述的实施例2同样，如下式运算出。

Ns＝(R2-R1)·RD[0，1]/3

这里，上式中的RD[0，1]是区间[0，1]中生成随机数的函数。把RD[0，1]除以「3」是为了对应图像数据分配给三个格子点的情形。从而，分配给更多的(N个)格子点时，只要RD[0，1]除以「N」就可以。判断数据Dr是图像数据Dx加上噪声Ns的方法运算出。这样获得的判断数据Dr和阈值th进行比较。图33(a)中的斜线表示的范围模式性地表示判断数据Dr可以取的范围。然后，判断数据Dr小于阈值th时，设定第三格子点的R成分为灰度值R1，不然的话，设定第三格子点的R成分为灰度值R2。图33(a)中的点划线箭头模式性表示第三格子点的R成分设定为灰度值R1或灰度值R2的情形。对于各个成分进行以上的处理可以分别设定一个第一格子点、第二格子点、第三格子点。

另一方面，图像数据的R成分Rx在R1+(R2-R1)/3到R1+(R2-R1)·2/3范围内时，第一格子点R成分设定为灰度值R1(下方的坐标值)，第二格子点R成分设定为灰度值R2(上方的坐标值)。图33(b)中，从图像数据Rx向坐标值R1延伸的实线箭头表示第一格子点的R成分设定为灰度值R1，从图像数据Rx向坐标值R2延伸的虚线箭头模式性地表示第二格子点的R成分设定为灰度值R2。

接着，为了设定第三格子点的R成分，在图像数据的R成分Rx加上噪声Ns的方法，运算判断数据Dr，之后把获得的判断数据Dr与阈值th2进行比较。然后，如果判断数据Dr小于阈值th2时，第三格子点的R成分设定为灰度值R1，不然的话，第三格子点的R成分设定为灰度值R2。图33(b)中的点划线箭头模式性地表示第三格子点的R成分设定为灰度值R1或设定为灰度值R2。

另外，图像数据的R成分Rx在R1+(R2-R1)·2/3到灰度值R2范围内时，即，大于阈值th时，也大致同样设定三个格子点。下面，结合图33(c)进行简单的说明的话，图像数据的R成分Rx大于阈值th2时，第一格子点和第二格子点的R成分总是设定为灰度值R2(上方的坐标值)。接着，在图像数据的R成分Rx加上噪声Ns的方法，运算判断数据Dr，把获得的判断数据Dr与阈值th3进行比较。然后，如果判断数据Dr小于阈值th3时，第三格子点的R成分设定为灰度值R2。图33(c)中的点划线箭头模式性表示第三格子点的R成分设定为灰度值R1或灰度值R2。对各个成分进行以上的处理，可以设定各一个的第一格子点、第二格子点、第三格子点。

以上所说明的实施例3的变形例的预变换处理中，只要利用一个噪声可以把图像数据分配给三个格子点，随之可以迅速进行预变换处理。

另外，在以上的说明中，举图像数据分配给三个格子点的情形为例进行了说明，但同样的思想可以容易扩大到分配给更多的格子点的情形。如果把图像数据分配给更多的格子点，随之可以减少预变换误差。

以上，说明了各种实施例，但本发明不限于上述的实施例，可以实施不超出其要点的种种实施例。

比如，上述的各种实施例中，说明了RGB表颜色系统中表现的图像数据变换为CMY表颜色系统的图像数据，但不限于变换为这样不同的颜色系统。即，也可以适应于相同颜色系统的进行图像数据的校正的情形。

另外，上述的各种实施例中，说明了具有RGB各个成分的三维数据图像数据的预变换·颜色变换，但是变换的图像数据不限于三维数据。比如，图像数据为N维数据时，利用N维变换表，按各个成分进行上述的处理的方法，可以容易扩大为任意的N维数据。

Claims (42)

1、一种图像处理装置.是接受以一维以上的色空间坐标值来表现的彩色图像数据，对该彩色图像数据进行校正之后输出的图像处理装置，其特征在于，包括：对应于按照各个维分割上述色空间的方法而获得的格子点，存储该格子点坐标值所示的彩色图像数据校正数据的校正表；从距离上述彩色图像数据的给定范围内不确定地、允许重复地选择N(N是2以上的整数)个的上述格子点的格子点选择装置；根据对应上述选择的N个格子点而存储的校正数据运算出对应于上述彩色图像数据的校正数据的校正数据运算装置。

2、根据权利要求1所述的图像处理装置，其特征在于：上述格子点选择装置是不确定地选择上述N个格子点的装置。

3、根据权利要求2所述的图像处理装置，其特征在于：上述格子点选择装置是非功过按成分选择N组的作为按照各维分割上述色空间的灰度值的分割灰度值同时；在选择该分割灰度值时，以高的概率选择接近上述彩色图像数据的该分割灰度值。

4、根据权利要求2所述的图像处理装置，其特征在于：上述校正数据运算装置是利用算术平均对应上述N个格子点而存储的校正数据的方法运算出对应于上述彩色图像数据的校正数据。

5、权利要求1所述的图像处理装置，其特征在于：上述格子点选择装置是使所述图像数据以M维(M为任意的整数)色空间的坐标值而表示时，把该M个以下的多个格子点作为N个格子点而选择的装置。

6、权利要求5所述的图像处理装置，其特征在于：上述格子点选择装置是不确定地选择上述N个格子点的装置。

7、权利要求5所述的图像处理装置，其特征在于：上述格子点选择装置，把上述色空间按照各维分割的灰度值的分割灰度值，通过按成分选择M个以下的多个格子点而选择该多个格子点的同时；在选择该分割灰度值时，以高的概率选择接近上述彩色图像数据坐标值的该分割灰度值。

8、根据权利要求5所述的图像处理装置，其特征在于：上述校正数据运算装置是将对应上述多个格子点而存储的校正数据，通过算术平均运算出对应于上述彩色图像数据的校正数据的装置。

9、根据权利要求1所述的图像处理装置，其特征在于：上述校正数据运算装置是将对应于上述选择装置的N个格子点上存储的校正数据进行算术平均而运算出对应于上述图像数据的校正数据。

10、根据权利要求9所述的图像处理装置，其特征在于：上述格子点选择装置是不确定地选择上述N个格子点的装置。

11、根据权利要求9所述的图像处理装置，其特征在于：上述格子点选择装置是把上述色空间按照各维分割的灰度值的分割灰度值，通过按各成分选择上述N个而选择N个格子点的同时，在选择该分割灰度值时，以高的概率选择接近上述彩色图像数据坐标值的该分割灰度值的装置。

12、根据权利要求2、5、9的任意1項中所述的图像处理装置，其特征在于：上述格子点选择装置是选择多个格子点的装置，以使上述选择多个格子点的概率期望值与上述图像数据坐标值之间的偏差小于给定值。

13、根据权利要求12所述的图像处理装置，其特征在于：上述格子点选择装置是，通过按各个成分只选择上述应选择个数(K个)的作为按照各维分割上述色空间的灰度值的分割灰度值来选择K个格子点的选择装置。

14、根据权利要求13所述的图像处理装置，其特征在于，上述格子点选择装置包括：上述彩色图像数据坐标值，加上噪声，以生成各个成分的判断用数据的判断用数据生成装置；通过比较上述各个成分的判断用数据和给定的阈值，按各个成分选择K个分割灰度值的分割灰度值选择装置。

15、根据权利要求14所述的图像处理装置，其特征在于包括：从上述的分割灰度值中，按各个成分检测出小于上述彩色图像数据坐标值并最接近该坐标值的作为分割灰度值的第一分割灰度值和大于该彩色图像数据坐标值并最接近该坐标值的作为分割灰度值的第二分割灰度值的分割灰度值检测装置；按各个成分运算出上述第一分割灰度值与上述第二分割灰度值之间的作为灰度差的格子间灰度差，并从灰度值0到该格子间灰度差范围内，按各个成分生成期望值互相不同的上述K个噪声的噪声生成装置；上述判断用数据生成装置是通过给上述彩色图像数据坐标值，加上上述K个噪声，按各个成分生成K个的上述判断用数据的装置；上述分割灰度值选择装置是根据上述K个判断用数据与上述给定的阈值之间的大小关系选择上述第一分割灰度值或上述第二分割灰度值的任意一个的上述K个分割灰度值的选择装置。

16、根据权利要求15所述的图像处理装置，其特征在于：上述噪声生成装置包括把上述格子间灰度差的K分之1的灰度值按各个成分作为移动量运算的移动量运算装置；把灰度值从0到上述移动量范围的噪声按各个成分生成作为基准噪声的基准噪声生成装置；同时，把上述基准噪声仅移动K-1次上述移动量而生成期望值互相不同的上述K个噪声的装置。

17、根据权利要求14所述的图像处理装置，其特征在于包括：从上述多个分割灰度值中按各个成分检测出小于上述彩色图像数据坐标值并最接近该坐标值的作为分割灰度值的第一分割灰度值和大于该彩色图像数据坐标值并最接近该坐标值的作为分割灰度值的第二分割灰度值的分割灰度值检测装置；把上述第一分割灰度值与上述第二分割灰度值之间等分K-1个的灰度值和该第二分割灰度值作为上述阈值设定的阈值设定装置；上述判断用数据生成装置是加上相当于上述第一分割灰度值与上述第二分割灰度值之间的灰度差大小的噪声，按各个成分生成上述判断用数据的装置；上述分割灰度值选择装置是根据上述设定的阈值与上述判断用数据大小关系，通过把每一个该阈值选择为上述第一分割灰度值或上述第二分割灰度值的任意一个而选择上述K个分割灰度值的装置。

18、根据权利要求12所述的图像处理装置，其特征在于：上述格子点选择装置是选择两个格子点的选择装置。

19、根据权利要求12所述的图像处理装置，其特征在于：包括检测有关上述图像处理的执行速度或上述彩色图像数据校正精度的至少任意一个的处理模式设定的处理模式检测装置；上述格子点选择装置是根据上述检测出的处理模式，选择相应个数的上述格子点的装置。

20、根据权利要求19所述的图像处理装置，其特征在于：上述格子点选择装置是使上述处理模式设定为上述校正精度优先于上述执行速度时，比该执行速度优先于该校正精度设定时，选择更多的格子点的装置。

21、根据权利要求12所述的图像处理装置，其特征在于：上述彩色图像数据是在红(R)轴、绿(G)轴、蓝(B)轴为各坐标轴的色空间坐标值来表现的RGB图像数据；上述校正表是作为上述校正数据至少存储蓝绿色、深红、黄色的各颜色灰度值的表。

22、一种图像处理方法，是接受以一维以上色空间坐标值来表现的彩色图像数据，对该彩色图像数据进行适当的校正以后输出的图像处理方法，其特征在于，包括如下工序：(A)由对应于按照各维分割上述色空间而获得的格子点，存储该格子点坐标值所表示的彩色图像数据校正数据的存储工序；(B)从距离上述彩色图像数据坐标值给定值范围内允许重复地选择N个(N为2以上的整数)上述格子点的工序；(C)根据对应于在上述选择的N个格子点存储的校正数据运算出对应于上述彩色图像数据的校正数据的运算工序。

23、根据权利要求22所述的图像处理方法，其特征在于：其中上述工序(B)是不确定地选择上述N个格子点的工序。

24、根据权利要求22所述的图像处理方法，其特征在于：其中上述工序(B)是使上述彩色图像数据，以M(M为任意整数)维色空间的坐标直表现时，将该M个以下的多个格子点作为上述N个格子点来选择的工序。

25、根据权利要求22所述的图像处理方法，其特征在于：其中上述工序(C)是把对应于上述选择的N个格子点中存储的校正数据进行算术平均而算出对应于上述图像数据的校正数据的工序。

26、根据权利要求23至25的任意1项中所述的图像处理方法，其特征在于：上述工序(B)是使上述选择的多个格子点的概率期望值与上述彩色图像数据坐标值之间的偏差小于给定值地选择多个格子点工序。

27、根据权利要求23至25的任意1项中所述的图像处理方法，其特征在于：上述工序(B)是选择两个格子点的工序。

28、一种打印装置，是接受以一维以上色空间坐标值来表现的彩色图像数据，对该彩色图像数据进行给定的校正以后打印彩色图像的打印装置，其特征在于，包括：对应于按照各维分割上述色空间而获得的各格子点，存储该格子点坐标值所示的彩色图像数据校正数据的校正表；从距离上述彩色图像数据坐标值给定值范围内、允许重复地选择N(N是2以上的整数)个上述格子点的格子点选择装置；根据对应上述选择的N个的格子点而存储的校正数据运算出对应于上述彩色图像数据的校正数据的校正数据运算装置；并根据上述运算出的校正数据打印上述彩色图像的打印装置。

29、根据权利要求28所述的打印装置，其特征在于：上述格子点选择装置是不确定地选择上述N个格子点的装置。

30、根据权利要求28所述的打印装置，其特征在于：上述格子点的选择装置是，使上述彩色图像，以M(M为任意正整数)维色空间的坐标直表现时，将该M个以下的多个格子点作为上述N个格子点选择的装置。

31、根据权利要求28所述的打印装置，其特征在于：上述校正数据运算装置是通过把对应于上述选择的N个格子点上存储的校正数据进行算术平均，运算出对应于上述图像数据的校正数据的装置。

32、根据权利要求29至31的任意1项中所述的打印装置，其特征在于：上述格子点选择装置是使上述多个格子点的概率期望值与上述彩色图像数据坐标值之间的偏差小于给定值地选择上述多个格子点的装置。

33、一种存储介质，是接受以一维以上色空间坐标值来表现的彩色图像数据，为了执行对该彩色图像数据进行给定的校正以后输出图像处理方法的程序，用计算机可以读取的存储介质，其特征在于：存储如下功能，即(A)对应于按照各维分割上述色空间而获得的格子点，存储该格子点坐标值所示的彩色图像数据的校正数据的功能、(B)从距离上述彩色图像数据坐标值给定值范围内允许重复地选择N(N是2以上的整数)个的上述格子点的功能；(C)根据对应上述选择的N个格子点而存储的校正数据，运算出对应于上述彩色图像数据的校正数据的功能。

34、根据权利要求33所述的存储介质，其特征在于：上述功能(B)是不确定地选择上述N个格子点的功能。

35、根据权利要求33所述的存储介质，其特征在于：上述功能(B)是使上述彩色图像，以M(M为任意整数)维色空间的坐标直表现时，将该M个以下的多个格子点作为上述N个格子点来选择的功能。

36、根据权利要求33所述的存储介质，其特征在于：上述功能(C)是，把对应于上述选择的N个格子点存储的校正数据，通过进行算术平均而运算出对应于上述图像数据的校正数据的功能。

37、根据权利要求34至36的任意1项中所述的存储介质，其特征在于：上述功能(B)是使上述多个选择的格子点的概率期望值与上述彩色图像数据坐标值之间的偏差小于给定值地选择多个格子点的功能。

38、一种执行程序，是接受以一维以上色空间坐标值来表现的彩色图像数据，利用计算机执行对该彩色图像数据进行给定的校正以后输出图像处理方法的程序，其特征在于包括如下功能：(A)对应于按照各维分割上述色空间而获得的格子点，存储该格子点坐标值所示的彩色图像数据的校正数据的存储功能；(B)从距离上述彩色图像数据坐标值给定值范围内允许重复地选择N(N是2以上的整数)个的上述格子点的选择功能；(C)根据对应上述选择的N个格子点而存储的校正数据，运算出对应于上述彩色图像数据的校正数据的运算功能。

39、根据权利要求38所述的程序，其特征在于：上述功能(B)是是不确定地选择上述N个格子点的功能。

40、根据权利要求38所述的程序，其特征在于：上述功能(B)是是，使上述彩色图像，以M(M为任意整数)维色空间的坐标直表现时，将该M个以下的多个格子点作为上述N个格子点而选择的功能。

41、根据权利要求38所述的程序，其特征在于：上述功能(C)是是，把对应于上述选择的N个格子点存储的校正数据，通过进行算术平均而算出对应于上述图像数据的校正数据的功能。

42、根据权利要求39至41的任意1项中所述的程序，其特征在于：上述功能(B)是，使上述多个选择格子点的概率期望值与上述彩色图像数据坐标值之间的偏差小于给定值地选择该多个格子点的功能。

Images