CN1700255A - 图像发送装置、图像接收装置以及图像传送系统 - Google Patents

Abstract

本发明提供一种图像发送装置、图像接收装置及图像传送系统，其目的是以低电力消耗而且根数少的传输线发送或者接收图像数据。其中，该图像传送系统具有把RGB的图像数据变换为多值数据进行输出的定时控制器(1)和接收从定时控制器(1)经由配线(2)传送的多值数据以复原原来的图像数据的源驱动器(3)。该定时控制器(1)具有图像数据取入部(4)、色差化部(5)、MED预测器(6)、色差差分计算部(7)、编码部(8)、D/A变换器(DAC)(9)、和多值输出部(10)。该源驱动器(3)具有多值输入部(11)、A/D变换器(ADC)(12)、译码部(13)、MED预测器(14)、色差复原部(15)、和图像数据输出部(16)。

Description

图像发送装置、图像接收装置以及图像传送系统

技术领域

本发明涉及发送或者接收图像数据的图像发送装置、图像接收装置以及图像传送系统。

背景技术

为处理高精度而且高质量的图像数据，需要传送大量的图像数据。因为难以用一根配线传送大量数据，因此在实际中需要使用多根配线。配线的根数一多，其配线面积也就变大，进而安装印刷电路板的费用增大。

为解决这样的问题，削减配线根数、谋求削减费用的技术正作为今后的课题进行研究(参照非专利文献1，非专利文献2)。

作为执行EMI的对策的数据传送技术，例如提出了RSDS(Redused SwingDifferential Signaling)、mini-LVDS(Low Voltage Differential Signaling)、CMADS(Current Mode Advanced Differential Signaling)、wisper-BUS、Mobile-CMADS、MSDL(Mobile Shrink Data Link)、MPL(Mobile Pixel Link)、MVL(Mobile Video Interface)等。

这些技术，以EMI的削减为目的，原样传送图像数据，无法高效削减传送时的数据量。在SID学会中，分别发表了Lee关于RSDS的论文(参照非专利文献3)、Yusa关于CMADA的论文(参照非专利文献4)、McCarny的论文(参照非专利文献5)。另外还公开发表了汇总介绍针对便携电话的串行接口的报道(参照非专利文献6)。

再有，关于便携电话经过扩展的Mobile-CMADS、MSDL、MPL、MVL，由于现状其像素数较少，通过在电路上下功夫，哪一个都可以削减配线根数。但是，这是目前的状况，如果考虑随着今后进一步增加像素数，数据量急剧增加、电路高频化、伴随这些的电路费用的增加，那么今后即使在电路上下功夫仍然会有限度。

在以便携电话为首的用电池驱动的电子设备中，电力消耗是重要的因素，并不希望电路更加高速动作。因此，除了在现有的电路上下功夫的解决方案之外，还需要根据和现有技术不矛盾的别的观点的技术。这种技术之一是考虑数据压缩。

作为削减数据量或者数据变化量的数据传送技术，提出了由使用交替位反转法产生的数据变化量的削减以及霍夫曼编码、1维压缩法、算术法产生的图像压缩、削减数据量的技术(参照专利文献1)。但是，根据该公报的数据削减量不总限于1/2，依赖于数据其数据量会大幅度变化，不能用于削减配线数目。

另外，还知道使用总线反转技术(在半数以上的数据变化的场合，通过使原数据进行位反转传送，削减数据变化量)削减数据变化量的技术(参照专利文献2，3)。在这些公报中，作为总线上的数据传送技术，设想是极其一般的数据，并未利用图像数据的性质。因此，压缩率不十分高。

另一方面，提出了使数据变化量变小那样进行加法、减法处理的技术(参照专利文献4)。在该公报中，例如对作为0000→1111的数据变化加1，使变化为0001→0000，由此来减少变化量。由于在该公报中，也是以一般数据作为对象，不考虑图像数据，所以不能高效处理图像数据。

另外，还知道一边动态监视数据的发生频度一边进行总线反转的FV编码方法(参照非专利文献7)。这一方法未积极利用图像的统计性质作为数据。

另外，提出了在与1水平线(1H)前的数据相同值的情况下，通过再利用在该1H前保存的数据而不进行数据传送由此来削减数据传送量的方法(参照专利文献5)。但是，在实际的图像中，成为与1H前的数据相同值的可能性，平均为十分之一到十分之二，通过不进行数据传送，至多只能削减十分之二。不能得到像削减配线那样大的效果。

另外，提出了利用图像的1H相关性进行EMI削减的方法(参照专利文献6、7和非专利文献8)。在这些方法中，不能削减数据量和配线数。

如上所述，即便使用本领域中所谓一般具有压缩效果的现有技术，也不能有效削减配线数。

作为无数据损失的(无损)数据压缩技术被认为眼下最先进的技术是ISO规格FCD14945，通称JPEG-LS(lossless)。即使在这一技术中，平均来说，尽最大努力也只能实现1/2的压缩。乍一考虑的话，好像可以减少配线根数的一半，但是，存在由于图像数据引起的压缩率的大的变动，配线根数的削减十分困难。如果考虑不允许数据的损失，尝试在最差装备下削减配线根数的话，连1/2化都是不可能的。因此，在现实中不能说是所希望的选择。

一般，作为数据传送技术公知有用多值进行数据传送的技术。把LCD源驱动器等作为图像数据传送装置，利用多值技术，适当地利用图像性质的数据传送技术还一个也不为人所知。

在LCD驱动器中，提出了实现多值数据传送的数据传送方式(参照专利文献8)。这一方式，采用3值化数据的技术，用2位来编码3值，可惜的是配线数同样程度不变而没有削减配线数的效果。另外，由于仅单纯地3值化数据，并未特别利用图像的性质，所以性能差。

另一方面，提出了电流方式中的多值逻辑电路(参照非专利文献9)。另外，还提出了关于多值传送的技术(参照非专利文献10，11)。在这些文献中，说是多值也主要以3值或4值为对象，几乎没有使用大于等于16值的情况。多值越大，电力消耗越成为问题，这在现实利用中是不希望的。

于是，关联数据压缩技术，提出了DPCM(Differential Pulse CodedModulation)技术。作为关于图像数据的DPCM技术，公知MED(Median edgedetector)或者GAP(gradient-adjusted predictor)。因为GAP需要2H存储器，硬件电路规模变大，所以在这里说明用1H存储器实现的MED。因此进一步确认关于MED的现有技术。

MED是采用JPEG-LS的技术，近年来还继续进行进一步的改进，通过在MED中把斜方向的边缘考虑进去，提出了谋求改善性能的技术(参照非专利文献12)。另外，还提出了以别的预测公式谋求改善性能的技术(参照非专利文献13，14)。此外，进而还提出高性能的MED(参照非专利文献15)。

这些现有的MED，不是如本发明那样以用低电力消耗发送大量的图像数据为目的来进行使用，而是以数据压缩为目的来加以利用。

再有作为类似的技术，在DVI(Digital Visual Interface)中，近年提出了利用图像的熵来削减电力消耗的技术(参照非专利文献16)。这一技术，作为传送接口以DVI为前提，始终把数据以二进制进行数据传送、以及配线长度长、而且以高速数据传送电路的实现为前提的TMDS编码作为基础。

这一技术，与根据本发明人的、以低速动作作为目标来传送多值化数据的技术，是基于完全不同的思想的技术。

专利文献1：特开2003-366107号公报

专利文献2：特开2002-202760号公报

专利文献3：特开2001-166740号公报

专利文献4：特开2000-152129号公报

专利文献5：特开2003-44017号公报

专利文献6：特开2000-20031号公报

专利文献7：特开2003-131627号公报

专利文献8：美国专利公报6,339,622

非专利文献1：SID(Society for information Display)学会中2003年度，SID Seminar(Maryland，Baltimore，5月19日)的S.S.Kim“AMLCDManufacturing Technologe”的M-4/24页和M-4/26页

非专利文献2：Joe Virginia所作的说明报道LCD Television，The futureLooks Bright for LCD TV，Information Display(Official Monthly Publication ofSID)2003年10月，Vol.19，No.10的13页的图4

非专利文献3：Integrated TFT-LCD Timing Controllers with RSDSColumn Driver Interface，SID Digest 6.2，1999

非专利文献4：High-Speed I/F for TFT-LCD Source Driver IC by CMADS，SID Digest 9.4，2001

非专利文献5：日经电子学2004.3.15号，“串行接口。旋转式支持普及。可以把配线数压到小于等于1/10”，p128～p130

非专利文献6：Whisper BUS：An Advanced Interconnect Link for TFTColumn Driver Data，SID Digest 9.3，2001

非专利文献7：Jun Yang，Rajiv Gupta，FV Encoding for Low-power DataI/O，IEEE，ISLPED 2001

非专利文献8：SID IDRC 2003论文，Haruhiko Okumura等人“VerticallyDifferential EMI Compression Method for High Resolution LCDs”

非专利文献9：Wayne Cnrrent的Current-Mode Multiple-Valued LogicCircuits，IEEE Journal of Solid-State Circuits，Vol.29，No.2，1994年2月，pp95-107

非专利文献10：R.Fajad-Rad，C-K.Ken Yang，M.A.Horowiz和T.H.Lee，A 0.3μm CMOS 8-Gb/s 4-PAM Serial Link Transceiver，IEEE Journal ofSolid-State Circuits，Vol.33，No.5，2000年5月

非专利文献11：S.Srinivasan，Circuits & Signaling Strategies for on-chipInterconnects in DMS CMOS，submitted to the Graduate school of theUniversity of Massachusets Amherst in partial fulfillment of the requirement ofthe degree of master of science in electrical and computer engineering，2002年8月

非专利文献12：Jiang等人的论文Revisiting the JPEG-LS Predictionscheme，IEE proc.Visual Image Signal Process.，Vol.17，No.6，2000年12月，pp.575-580

非专利文献13：Grecos等人的论文Two Low Cost Algorithms for ImprovedDiagonal Edge Detection in JPEG-LS，IEEE Transaction on ConsumerElectronics，Vol.47，No.3，2001年8月，pp.466-473

非专利文献14：Jiang等人所著Toward improved prediction accuracy inJPEG-LS，SPIE Optical Engineering，41(2)335-341(2002年2月)

非专利文献15：Edirisinghe的论文Improvements to JPEG-LS via diagonaledge based prediction，Visual Communication and Image Processing 2002，Proceeding of SPIE Vol.4671(2002)

非专利文献16：We-chung Cheng and Massound Pedram ChromaticEncoding：a Low Power Encoding Technique for Digital Visual Interface IEEEDATA 2003 session 6.3

发明内容

本发明的目的涉及能够以低电力消耗而且根数少的传输线发送或者接收图像数据的图像发送装置、图像接收装置及图像传送系统。

本发明的一个技术方案提供一种图像发送装置，具有：计算关于根据过去的图像数据预测的现在的预测值和现在的实际图像数据的差分的色差差分数据的色差差分计算部件、编码所述色差差分数据生成编码数据的编码部件、根据所述编码数据和基于图像数据的统计性质确定的所述编码数据的出现概率生成多值数据的多值化部件、和通过至少一根传输线发送所述多值数据的发送部件。

另外，本发明的一个技术方案提供一种图像接收装置具有：接收通过至少一根传输线发送的多值数据的接收部件；根据接收的所述多值数据、考虑图像数据的统计性质复原编码数据的编码部件；译码所述编码数据、生成关于现在的实际图像数据的色差信号和根据过去的图像数据预测的现在的预测值的色差信号的差分的色差差分信号的译码部件；和根据所述色差差分信号、复原现在的实际图像数据的图像复原部件。

另外，本发明的一个技术方案提供一种图像传送系统，它具有发送图像数据的图像发送装置和接收该图像数据的图像接收装置，所述图像发送装置具有：计算关于根据过去的图像数据预测的现在的预测值和现在的实际图像数据的差分的色差差分数据的色差差分计算部件、编码所述色差差分数据生成编码数据的编码部件、根据所述编码数据和基于图像数据的统计性质确定的所述编码数据的出现概率生成多值数据的多值化部件、和通过至少一根传输线发送所述多值数据的发送部件；所述图像接收装置具有：接收通过至少一根传输线发送的多值数据的接收部件；根据接收的所述多值数据、考虑图像数据的统计性质复原编码数据的编码部件；译码所述编码数据、生成关于现在的实际图像数据的色差信号和根据过去的图像数据预测的现在的预测值的色差信号的差分的色差差分信号的译码部件；和根据所述色差差分信号、复原现在的实际图像数据的图像复原部件。

根据本发明，因为基于图像数据的统计性质多值化图像数据进行传送，因此可以削减传送时的电力消耗，同时可以削减传输线的配线数目。

附图说明

图1是表示关于某一图像数据的分析结果的图。

图2是表示关于某一图像数据的分析结果的图。

图3是表示关于某一图像数据的分析结果的图。

图4是表示关于某一图像数据的分析结果的图。

图5是重合显示关于多个图像数据对度数分布(拉普拉斯分布)进行了研究的结果的图表。

图6是说明在本实施例中使用的统计模型的图。

图7是表示分析关于各种图像数据的色差信号的1H差分的分布的结果的图。

图8是表示参数α的求解方法的图。

图9是表示参数β的求解方法的图。

图10是表示参数α的分布的图。

图11是表示参数α的分布的图。

图12是表示参数α的分布的图。

图13是表示参数α的分布的图。

图14是说明MED预测的图。

图15是说明MED预测的图。

图16是说明Edirisinghe的MED预测的图。

图17是表示利用MED的差分数据分布的改善例。

图18是放大图17的中央部分的图。

图19是表示涉及本发明的一个实施例的图像传送系统的概略结构的方框图。

图20是说明色差化部5和MED预测器的处理内容的图。

图21是表示图19的变形例的图像传送系统的方框图。

图22是图19的图像传送系统中的数据流图。

图23是说明色差信号的1H差分化的图。

图24是表示源驱动器的内部结构一例的方框图。

图25是表示差分、位列、分布概率的关系的一例的图。

图26是表示利用图像的统计模型(扩展拉普拉斯分布)进行位概率的计算的处理步骤的一例的流程图。

图27是采用现有技术的CMADS方式的场合的数据传送定时图。

图28是本实施例的数据传送定时图。

图29是进一步改进图28后的多值化映射的数据传送定时图。

图30是多值化映射C的数据传送定时图。

图31是表示对拉普拉斯分布的参数进行正规分布、进而进行蒙特卡洛分析后得到的电流的度数分布的图。

图32表示用公式(30)～(35)所示的多值化映射C的公式。

图33表示最终期望的电流的平均值的公式。

图34是表示利用图32所示的16值多值化映射对各种图像进行模拟的结果的图。

图35是表示图像组A的分布图。

图36是表示图像组B的分布图。

图37是表示图像组C的分布图。

图38是表示图像组D的分布图。

图39是表示图像组E的分布图。

图40是表示图像组F的分布图。

图41是表示图像组G的分布图。

图42是表示图像组H的分布图。

具体实施方式

首先对本发明利用的统计事实进行说明，基于该事实说明本发明的一个实施例。本发明可以利用在TV或者PC监视器、便携电话、数字照相机等传送图像数据的各种电子设备中。

一般而言图像数据在水平(H)方向和垂直(V)方向上具有相关性。这被称为1H(1V)相关，就是若比较1水平线(以下用1H)前或者1垂直线(以下用1V)前的数据和现在的数据的话，在统计上具有相似的值这样的统计性质。

虽然1个图像数据具有关于RGB的3个值，但例如只对红(R)数据进行说明。设1H前的R数据表示为R(1H)＝2(8位256值中的2)，现在的R数据为R(0)＝1(8位256值中的1)。此时，差分数据R(1H)-R(0)＝1的值(1H差分数据值)，若分析充分多的数据的话，由经验可知就是以0为中心，取拉普拉斯分布。这就是1H相关。

拉普拉斯分布从中心开始值急剧(以指数函数方式)减小。亦即，在中心的值极高，这意味着1H前的值和现在的值在统计上相等的概率极高。拉普拉斯分布是图像数据的统计上的倾向，并不是准确地和拉普拉斯分布曲线一致，但是若考虑统计的话，就向这一分布收敛。

实际上，图像数据数越多，分析结果的曲线就变成越平滑的分布。图1到图4是表示关于各种图像数据的分析结果的图。表示图像数据的各灰度值中的度数(具有相同灰度值的像素的数目)分布、1H差分的度数分布、1H差分的度数分布的对数。

例如，在图1中，将要分析的原来的图像(原图像)在左上表示。抽出该图像的RGB各自的数据，作为黑白灰度数据表示的是R图像、G图像、B图像，分别对应红、绿、蓝色，顺序配置在原来图像的下面。R-G图像、B-G图像，作为对应色差信号的信号计算R-G值的数据、计算B-G的值的数据分别作为黑白的灰度图像表示。关于这些纵向排列的图像，分别在横向配置表示数据值的度数分布的图表。从左向右，第一列的图表是分别关于R、G、B、R-G、B-G表示它们的度数分布的图表。x轴是256灰度等级的灰度数(0对应黑，256对应白)，y轴是具有该灰度的像素的度数(个数)。

此外，在色差R-G和B-G、以及第二列的图表(差分数据)的场合，x轴是差分、为-255到255的灰度数据。

例如，在图1的R图像中，表示在灰度30附近成尖峰，以后度数慢慢减少的情形。G图像和B图像也成为和R图像大致相似的分布曲线。这样的图像度数分布，根据各个图像变化很大，一般不能用确定的曲线的形状来表现。

实际上，若比较图2、图3以及图4的例子的话，则各自取固有的形状，不具有共同的分布。另外，虽然R-G图像和B-G图像成为以0为中心集中的形状的情况也较多，但是不对称分布的情况也很多，一般不是拉普拉斯分布。

第二列的图表是表示1H差分数据的度数分布的图表。可以明白在图1到图4的哪一个的场合，都视为以0为中央值集中分布，可以近似于拉普拉斯分布。为更加仔细地观看此分布的形状，第三列的图表是取分布的度数的对数的图表。成为在中央尖锐、倾斜度逐步变缓。此外，在图表的末端值急增，这是因为在从-127到127的分析区间中统计了度数，将其以上(以下，含本身)的全部度数累计后的分析的缘故，不是本来的数据，所以可以忽略。

如从图1到图4可知那样，每个图像数据成为沿拉普拉斯分布的分布，但是进而考虑设想多个图像集合的场合的分布(统计的宏模型)。一般而言事前并不知道什么样的图像作为数据传送。因此，在这里利用基于多个图像的分析结果的统计的宏模型来决定拉普拉斯分布的参数。

图5是重合显示关于多个图像数据进行度数分布(拉普拉斯分布)研究的结果的图表。图5的横轴，取作为基准的灰度值为原点，纵轴表示各灰度值下的度数。图5的各曲线以拉普拉斯分布近似，但是可以明白随图像数据不同倾斜度各异。可以明白，以位于分布中央的曲线为中心，逐个拉普拉斯分布进一步统计地分布。

图6是说明在本实施例中使用的统计模型的图。在上述中，说明了各图像数据可以以拉普拉斯分布近似，但是实际上是稍微不同的分布。在拉普拉斯分布的场合，在取对数度数的图表中，以直线减少。作为第一次近似，考虑这样的直线近似也可以，但是为进一步表现减少的倾斜度逐渐变缓这一事实，在指数中的灰度(1H差分的灰度)ε上追加累乘的α。另外，为细致表现中央处的尖锐的样子，导入称为β的参数。比外，σ是原来就存在的拉普拉斯分布的参数。参数k是用于把概率分布正规化为1的系数，从拉普拉斯分布之时起就存在。

如上面那样，以下处理将拉普拉斯分布进行了扩展后的分布(扩展拉普拉斯分布，以下为简化起见有时也不使用“扩展”这样的用语，而原样称之为拉普拉斯分布)。

此外，用p(ε)参照给出灰度ε(准确地说应该称为“差分灰度”，但是以下有时也简称“灰度”)时的扩展拉普拉斯分布的概率，但是在特别强烈在意拉普拉斯分布的参数时，除ε之外，作为变元(参数)追加α、β、σ，记载为p(ε，α＝0.4，β，σ)等。用参数名区别是哪个变元。β多接近于0。进一步考虑这些α、β、σ的参数的统计分布是统计宏模型。

在本实施例中，关于灰度ε，取α、β、σ作为分布参数、k作为正规化参数时，把下面的概率分布p(ε)称为扩展拉普拉斯分布。扩展拉普拉斯分布用公式(1)表示。

p(ε)＝k*exp(-√2(|ε|α+β)/σ)  ...(1)

不仅关于RGB各自的图像考虑1H差分，关于R-G和B-G这样的色差信号也可以考虑1H差分。实际上，这样的差分数据相关性更高。亦即，用R、G、B的Δ(R)、Δ(G)、Δ(B)表示各自的1H差分。例如，Δ(R)＝(现在的R值)-(1H前的R值)。此时，色差信号的1H差分，Δ(R-G)＝(现在的R-G值)-(1H前的R-G值)＝(现在的R值)-(现在的G值)-(1H前的R值)+(1H前的G值)＝(现在的R值)-(1H前的R值)-(现在的G值)+(1H前的G值)＝ΔR-ΔG。同样，Δ(B-G)＝ΔB-ΔG。

图7是表示关于各种图像数据分析色差信号的1H差分的分布的结果的图。在图7中，表示扩展拉普拉斯分布的倾斜度的参数α的值为从α＝0.31±3*0.05(平均值±3σ)到α＝0.4±3*0.07，平均值成为高大约0.1的值。这表示曲线更急剧地减小，意味着相关性较大，可以说利用价值更高。

图8是表示参数α的求法的图。图8的x轴是1H差分数据中的灰度ε的自然对数的对数，即ln(ln(ε))。下面有时把自然对数简单地省略为对数使用。y轴是灰度ε的像素数的倒数(准确地说，表示在图像中存在的像素的度数的概率)的对数的对数，即以某常数偏移的ln(ln(1/度数))。因为用把概率正规化为1的结果来表示，所以不是像素数自身的值。

如上述公式(1)所示，在扩展拉普拉斯分布中，因为在指数中进一步成为|ε|的α次方，所以通过两次取对数，就可以期望具有α倾斜度的直线图。拉普拉斯分布，因为以x轴为轴左右对称分布、成为ε的绝对值|ε|的α次方，所以对应左右两个区域形成两条直线。因此，对于数据，作为表现两个左右对称的形状的参数存在两个α，但是实际上几乎没有差别，可以考虑是同一值。

图8中表示出G数据和R-G、B-G数据。幸运的是，在多数情况下RGB数据的曲线几乎相同，通过对任何一个进行分析，就可以代表RGB各个。另外，关于色差信号，R-G、B-G也是相同的曲线，分析任何一个即可。在该图中读取到G数据实际上几乎是直线。可以看出R-G、B-G的曲线，在灰度ε为小值处曲线跳跃，但是数据的大部分在ln(ln(ε))的值大的一侧，数据的大半为直线。此外，数据的右端不是直线，值上下波动很大。这是若度数变小的话个别数据的变动变大、如果是具有充分大的像素数的图像的话则期望存在的像素因为实际上有限而不存在的情况。在求α时，可以忽略这些，利用直线部分的倾斜度。

图9是表示求解参数β的方法的图。参数β可以作为ln(ln(灰度))＝0时的G数据的ln(ln(1/度数))的值求解。

图10～图13是表示求参数α的分布的图。在这些图中，表示关于36个样本图像使用图8所求得的α的分布。根据直线的分析方法(求倾斜度时进行或不进行以通过原点为前提的回归分析)和分析对象(右或左/正侧区域或负侧区域)，有合计4种组合，各组合在图10～图13表示。图10及图11表示考虑参数β的场合的参数α的分布，图12及图13表示不考虑参数β的场合的参数α的分布。另外，图10及图12表示图4的右侧(正侧)区域中的参数α的分布，图11及图13表示图4的左侧(负侧)区域中的参数α的分布。

如从这些图中明白那样，反映β值不大(0.01±3*0.1，实际可认为为0.0)的事实，哪种分析结果都最终成为相似的结果。关于色差信号R-G(B-G)，若用(平均μ)±3*(标准偏差σ)表示这些结果的话，就成为0.410±3*0.087、0.424±3*0.081、0.40±3*0.060、0.405±3*0.057。粗略地，取α＝0.4±0.2以下进行处理。

若关于R、G、B进行同样的分析的话，就成为α＝0.31±0.1。这36个样本主要是自然图像，可以认为忠实表示TV等一般的影像的分布。一般而言，用作图软件制成的图画或者用相同颜色描绘的动画图像、用作图软件制成的图像等，作为图像上述1H相关值高。另一方面，风景等自然图像相关低。

此次的分析，基于这样的经验上的事实，观注条件更严格的TV或视频(电影)。主要分析风景(近景及远景)和未全涂满的漫画。一般而言，可以说近景图像一方，相关性低，但是，并非是远近决定相关性，相对地说，在画面全体不是同一色调的情况下是相关性低的状态。

这样，在本实施例中，作为表现集体的图像的统计分布的分布，考虑1个图像的分布(拉普拉斯分布)的参数的分布。在这里，将其称为宏模型。在下面，在统计的宏模型中(扩展拉普拉斯分布)，把分布参数α、β、σ进行正规分布的概率分布称为扩展拉普拉斯分布的统计宏模型。

通过上述方法生成统计宏模型。下面说明传送用这样的统计宏模型表示的图像的差分数据、最终削减配线根数的技术。

本发明的技术思想的根本是利用图像数据的(差分)灰度值的出现概率频度上有偏差这一事实，进行配线数削减，抑制多值化中电流量等的增加。在现有技术中，将这一统计的偏差应用于数据压缩或者EMI削减。本发明的特征是把这一统计的偏差与图像数据传送的多值化技术相关联起来、为了电力消耗的削减而加以应用。

这里，从DPCM技术的观点重新认识1H差分技术。1H差分的现在值，根据1H前的值进行预测，把其预测值和现在值的差分作为数据传送。如果预想的准确度高的话，在差分的值差不多的场合就成为小的值。在这一场合，因为表示强相关性，所以差成为小的值。其结果，就可以使电流变小。

MED技术，是不仅使用1H前的数据而且使用在其周围进一步追加的多个数据来提高预测精度的技术。MED技术，使用已经接收的数据进行预测，不能利用将来可能发送来的数据。把这样的预测称为因果预测。

在本发明中利用的MED技术也是因果预测技术。若取MED预测的值和实际的现在值的差分研究这一分布的话，则成为具有比1H差分还要非常强相关的分布。成为比现有的拉普拉斯分布更以0为中心、更急剧的分布。这意味着改善统计分布，提高预测性能。传送这样的MED差分。在接收侧，通这利用相同的MED预测器来计算预测值，并加到传送的差分上，就可以复原原来的数据。这样，MED技术可以作为传送差分、在该差分上加上预测值、进行复原的DPCM技术的一个例子来认识。当然1H差分也是DPCM技术的最朴素的例子。

下面说明通过传送这样的图像的MED差分数据最终削减配线根数的技术。本发明的技术思想的根本是利用图像数据的出现概率频度上有偏离这一事实，进行多值化，进行电流量削减和配线数削减。在现有技术中，这一统计的偏差应用于数据压缩或者EMI削减。本发明，通过和图像数据传送的多值化技术相组合，在配线根数削减和电流削减中首次应用这一统计的性质。为强调这一事实，这里再次说明。

下面使用图14以及图15说明MED预测器。关于RGB的图像或者一般从其计算的色信息x，在这里利用周围的像素a、b、c、d的信息预测x的值。混同像素与其值，把像素a的色信息＝灰度值称为a。

一般公知，垂直方向的相关比水平方向的相关高若干。另外，因为需要预想是因果的，因此不使用比x在先的像素的信息。进而如果考虑利用硬件实现的话，为利用垂直方向的像素数据，需要用于其的行存储器。为尽可能使存储器量少，决定用1H数量的存储器实现。

如上所述，在x的周围按照可以期望相关高的顺序利用图像a、b、c。在x的预想中成为问题的是作为图像数据有时存在边缘。在值的变化缓慢的平坦的场合，通过x＝a+b-c，预测为平均值就没有问题。

但是，在有值急剧变化的场合，亦即在存在边缘的场合，即使作为这样的平均值来预测也无法顺利进行。因此，在MED技术中，检测边缘的存在，并判断边缘是垂直方向还是水平方向，以提高图像数据的预想精度。

例如，设想cb的值高、ax的值低的状态，亦即在cb和ax之间存在垂直方向的边缘的状态，说明MED技术的算法。在这一场合，x的预想值好像采用a的值自身为好。另外，假定c＞b的话，根据c≥max(a，b)和min(a，b)＝a预想x。进而设想ca的值高、bx的值低的状态，亦即在ca和bx之间有水平方向的边缘的状态，而且假定c＞a的话，根据c≥max(a，b)和min(a，b)＝b预想x。这样，通过考虑像素值上的不同场合来构成MED的算法。

这样的MED的问题是在斜方向上存在边缘的场合不能很好地预想。考虑了这一点的是Edirisinghe的MED(非专利文献15)。在这一场合作为用于预测的周围的像素值通过进一步追加利用d来考虑斜方向。

图16中位于最上的预测x＝b+d+a是在这样的斜方向上的预测。c-max(a，b)＞T1是想以和c≥max(a，b)相同的想法来检测边缘的条件，不过在这里使用阈值T1进行控制。进而，根据条件abs(a-b)≤T2判定a和b的值是否接近。

在这里，abs是给出绝对值的函数，T2是用于判定的阈值。如果a和b的值接近的话，亦即abs(a-b)是小的值的话，则可以期望在斜方向上有边缘。如果a和b的差大的话，则是垂直或者水平方向的边缘的可能性高。这样考虑，进行利用斜边缘的预测x＝b+d-a。

以下同样可以考虑区分场合。这样的预测，是想从局部状况检测全局边缘的预测，不能保证关于所有场合很好地进行预测。考虑概率上成为这样的场合很多，就意味着是提高预测精度、使预测值和实际值的差分的分布更加尖锐。

图17以及图18表示实际上通过这样的MED改善差分数据的分布的例子。图18是进一步放大图17的中央部分(0附近)的图。和1H的场合比较，可以明白中央(0)的差分数据增加，特性得以改善。虽然在本发明中，在多值化中利用这一效果。作为现状中最优的预测技术之一参照Edirisinghe的MED，但并不限定于此。不用说若在今后提出别的预测器的话，就可以通过使用它实现关于本技术的进一步的改善。

图19是表示涉及本发明的一个实施例的图像传送系统的概略结构的方框图。图19的图像传送系统具有把RGB的图像数据变换为多值数据进行输出的定时控制器1和接收从定时控制器1通过配线2传送的多值数据后复原原来的图像数据的源驱动器3。定时控制器1和源驱动器3实际上可以组装在各种电气设备中。例如定时控制器1组装入主计算机中，源驱动器3组装入显示装置中。

定时控制器1具有图像数据取入部4、色差化部5、MED预测器6、色差差分计算部7、编码部8、D/A变换器(DAC)9、和多值输出部10。

源驱动器3具有多值输入部11、A/D变换器(ADC)12、译码部13、MED预测器14、色差复原部15、和图像数据输出部16。

色差化部5，根据RGB的图像数据，对每一像素生成G、R-G、Ｂ-G的色差数据。MED预测器6使用色差数据计算预测值。色差差分计算部7使用未图示的加法器计算色差数据和预测值的色差差分数据。该差分数据称为MED色差·差分数据。

编码部8进行多值化是把MED色差·差分数据编码为物理数据(电流，电压)。通过这一多值化，图谋提高对于时钟周期的数据传送速度。通常以2值(0和1)进行数据传送，但是在本实施例中，例如以4值、8值、16值、32值、64值等构成数据。该值越高，数据传送率增加越高，结果可以更加减少配线2的根数。例如以2值、12根传送就成为4值要6根、8值要4根、16值要3根、64值要两根之类的情形。经过这样多值化的数据经由配线2例如从LCD定时·控制器向LCD源驱动器3传送。

一般，该传送可以在传送图像的场合利用，不限定于向LCD源驱动器3的数据传送。在这里作为默认的前提不是用高速进行数据传送，而是考虑希望以尽可能的低速进行、设配线2充分短来进行处理这样的前提。亦即不考虑TMDS编码的扩展。

源驱动器3以相反的顺序进行定时控制器1进行过的处理，以进行数据的复原。亦即，把多值数据复原为MED色差·差分数据，进而通过加在利用MED预测器6得出的预测值上来复原色差信号。复原后的色差信号进而通过加上G向RGB复原。进而通过现有的驱动器利用复原后的图像数据，驱动液晶。进一步说明以上的概略信号流的细节。

图20是说明色差化部5和MED预测器6的处理内容的图。色差化部5例如对像素x计算R-G、B-G，得到R-G、G、B-G的色差数据。本来，G自身不是色差，但是G也合在一起称为“色差数据”。对于MED差分中的像素a、b、c、d以及x的每一个，进行R-G、G、B-G的计算。

MED预测器6对R-G进行MED预测，计算其差分。把此时的MED差分数据表示为ε(R-G)，同样计算εG和ε(B-G)。关于这样的3个ε数据考虑在后面进行定义的多值化映射。

此外，作为色差化，除G、R-G、B-G的色差化外，也可以进行利用B、R-G、B-G或者R、R-G、B-G等不同的组合进行的色差编码。例如，本发明人确认在水中摄影中B一方比起G来说将进行相关高的分布。在这样的时候，更希望选择B、R-G、B-G。

另外，利用亮度信号Y的Y、R-Y、B-Y和其他的组合也是可以的。一般，作为色差化信号YUV、YIQ等各种格式也是可以的。

再有，近年来，在脑的V1(一次视觉范围)中，作为二重相反色细胞(doubleopponent cell)，因为在Red-green之外，发现了red-cyan、green-magenta、blue-yellow的细胞，所以还有选择其他色差轴的可能性。也可以考虑处理例如作为red-cyan，把2R-(G+B)＝(R-G)+(R-B)；作为green-magenta，把2G-R-B＝(G-R)+(G-B)；再有作为blue-yellow，把2B-R-G＝(B-R)+(B-G)；和现有的色差相加的和。实际上，本发明人发现加上这些现有的色差信号得到的色差信号也是拉普拉斯分布。在R-G-B和G-R-B、B-R-G这样的色差的场合，因为分布的形状大多变得更加缓慢，所以在这里说明2R-(G+B)的形式的加法，但是因为也有由于水中摄影等图像而不是那样的场合，所以也包含R-(G+B)的形式来考虑。从利用中间色这样的观点看，也有希望宁肯把这样的轴作为主轴处理数据的场合。因此，这也是另外可选之一。在这里，在用简易的硬件实现从RGB的变换这一点上，以下就采用G、R-G、B-G的组合的场合进行说明。

图21是表示图19的变形例的图像传送系统的方框图。图21的图像传送系统的特征在于，在1H差分部16中在计算1H差分数据后用色差化部17进行色差化这一点。因此，在接收多值数据的源驱动器3中也在用色差解码部15返回到1H差分信号后，用图像复原部18复原到原来的图像数据。在利用1H差分的场合，相关性较弱，削减消费电流的效果和MED相比较弱，但是具有可以简化硬件结构之类的优点。以下，暂就1H差分的场合进行说明，但是适当置换为MED差分来读取也没有问题。

图22是图19的图像传送系统中的数据流图的一例。在图22的左侧，表示出在特开2000-20031公报中公开的公知的数据流图。该公报采用所谓的垂直差分方式(VDE方式)，该方式把RGB的图像数据变为1H差分数据，从LCD控制器向LCD源驱动器3进行数据传送，在LCD源驱动器3上从1H差分数据再构成RGB图像数据。在该公报中，把图像的1H相关这样的性质应用到EMI削减中。具体说，在定时控制器1内生成1H差分数据后(步骤S1)，把该差分数据从定时控制器1向源驱动器3进行二进制传送(步骤S2)。然后，在源驱动器3内复原为原来的差分数据(步骤S3)，其后得到原来的图像数据(步骤S4)。

另一方面，在本实施例中，这一1H相关不是用于EMI削减，而是用于配线根数的削减。1H差分化后的数据不原样作为二进制数据传送，通过进行色差化和多值化这样两个追加处理，来削减配线根数。

具体说，定时控制器1，进行色差化并生成色差数据后(步骤S5)，生成1H色差·差分数据(步骤S6)。通过进行色差化，如用图7的统计说明的那样，得到比1H差分更强的相关。

接着，多值化1H色差·差分数据(步骤S7)。在该多值化中，把1H色差·差分数据编码为承载图像数据的物理数据(电流，电压)。由此可以提高每一时钟周期的数据传送速度。在本实施例中，例如用4值、8值、16值、32值、64值等来构成数据。

图22中表示多值化为64值的例子，但只不过是一个例子。多值化的值越大，数据传送率越增加，结果就可以使配线2的根数更少。例如，就成为用2值是12根传送、用4值是6根、8值是4根、16值是3根、64值是两根这样的情况。

在图22的例子中，把多值化电流从定时控制器1向源驱动器3传送(步骤S8)。源驱动器3，当接收多值化电流(步骤S9)，则返回到原来的色差数据后(步骤S10)，返回到差分数据(步骤S3)，得到原来的图像数据(步骤S4)。

图23是说明1H差分信号的色差化的图。用Δ表示1H差分化。因为Δ(R-G)＝ΔR-ΔG、Δ(B-G)＝ΔB-ΔG，所以在定时控制器1内先从1H差分化后的数据ΔR、ΔG、ΔB计算它们的色差信号Δ(R-G)和Δ(B-G)，把Δ(R-G)、ΔG、Δ(B-G)这3个数据作为数据传送的对象。

在源驱动器3中，接收到这3个数据后，利用ΔR＝Δ(R-G)+ΔG、ΔB＝Δ(B-G)+ΔG再构成。

图24是表示源驱动器3的内部结构一例的方框图。图24的源驱动器3，对于RGB的各色，具有生成位移时钟的位移寄存器电路21、图像数据的加法电路22、锁存图像数据的锁存电路23、带串行输出功能的锁存电路24、和DAC电路25。

加法电路22通过把在锁存电路24中锁存的1H前的图像数据加到现在的差分数据上生成现在的图像数据。在本实施例中，在加法电路22之前进而具有加法电路26。但是，关于ΔG，因为原样使用1H差分数据即可，所以不需要这样的追加的加法电路。另一方面，关于ΔR、ΔB，需要这样的加法电路。

这样，在是1H差分的场合，可以自然地利用源驱动器3中的1H前的图像数据，可以使硬件结构较小。在MED差分中，不能仅这样用源驱动器3的1H前的图像数据构成MED预测功能，还需要另外准备1H存储器。因此，不能因为1H差分比MED差分性能差而全面否定，根据应用领域不同，有时可以选择1H差分。

另外，如特开2000-20031公报公开的那样，通过适当发送复位信号(不是发送差分而是其值自身)，可以应对用8位不能收纳差分的情况。同样，关于图像的偏离，也可以和P2000-20031同样应对。

下面详细说明使用1H色差·差分数据或MED色差·差分数据等差分数据进行多值化的结构。该多值化由2个步骤构成。第一步骤是从差分ε得到编码位列Δ的步骤，其在图25示出。

以下，假定用8位编码，但是一般而言不论用多少位都可以，结合图像编码位的深度进行调整即可。但是，不限于采用位深度自身的值。因为是差分，所以也需要根据场合不同考虑增加1位。

设位列Δ的MSB侧为Δ7，LSB侧为Δ0。因为各自的发生概率可以用差分数据ε的拉普拉斯分布概率p(ε)近似，所以ε从绝对值小的值开始交替正负号顺序排列。由此，可以从概率高的开始顺序排列。亦即，成为p(0)＞p(1)＝p(-1)＞p(2)＝p(-2)＞...。

当然这是作为统计宏模型的意义上的(极限理想状态的)概率顺序，个别图像的分析结果并不经常成为这样的概率顺序(根据概率大小的顺序)。对于这样排列的ε，位列Δ如下构成。分配从上开始为0、1、2、3、...的0和自然数的值，通过该值的二进制表示给出Δ的各位。例如关于差分2，分配值3，其位列用二进制表示给出为00000011，成为Δ0＝1、Δ1＝1、Δ2＝0、Δ3＝0、Δ4＝0、Δ5＝0、Δ6＝0、Δ7＝0。通过这样的分配，可以尽可能小地抑制各位成为1的概率。

另外，例如成为Δ0＝1的概率，因为是取关于成为Δ0＝1的ε的概率的和，所以成为p(1)+p(2)+p(3)+p(4)+...+p(127)。若考虑p(1)＝p(-1)的话，也可以交换1和-1的顺序。

同样，也可以交换其他的ε和-ε。另外，如果考虑若干的概率变动在全局上没有增加相应程度的值的话，则可以明白差分数据ε的排列方法也可以多少替换这一顺序。

进而，在差分ε的值大时，p(ε)是极小的值，实质上对概率和没有影响。可以明白在这一场合也可以替换顺序。在这一意义下，图25是给予差分ε、位列Δ、概率p(ε)之间关系的一个例子，不认为把编码限定为图25。还可以考虑编码硬件的规模，选择赋予别的关系。

由于存在3个MED色差差分数据，因此也存在Δ的3个位列。把εG的位列表示为ΔG。把ε(R-G)的位列表示为Δ(R-G)。在这里把ε(B-G)的位列表示为Δ(B-G)。把从以上这样的差分ε求位列Δ的映射称为“信道·位生成映射”。另外，在特别强调通道称呼时把位列Δ称为“信道·位”。此外，正确地说，在通道上发送的是后述的多值化后的值，这里的Δ不是在通道上直接传送。是为生成多值所必要的中间处理的位。在这一意义上，可以称为“用于生成多值通道信号的位”，不过因为长而简称。

此外，在JPEG-LS中，格雷姆码(ゴロム符号)对应上述那样的位映射。格雷姆码是在代码上下功夫以使为了压缩而可变的位长变短的编码技术。本发明的“信道·位生成映射”在不特别缩短位长，而成为定长这一点不同。在图25的例子中，固定为8位长。在本发明中，通过以下说明的“多值化映射”，以降低平均电流为目的，最终在多值编码上下功夫。

进行第一步骤的公式化。设编码灰度数据ε时的数据位B成为1的概率为Φε(B)。亦即，取灰度编码为enc(ε)→sls2...sn(sj分配0或1)时，假定作为B选择sj(1≤j≤n)，则B＝1时Φε(B)＝p(ε)，B＝0时Φε(B)＝0。此时，定义Φ(B)＝σΦε(B)。这里σ为取关于灰度ε的和。

B关于sls2...sn的所有的sj个别进行定义。Φ以p(ε)为基础进行定义，但是因为不是p(ε)自身，而是说到底是经由灰度编码enc定义的，所以在这里特意用不同的记号清楚地表达是不同的概念。

下面说明计算位概率Φ(B)的方法。图26是表示利用图像的统计模型(扩展拉普拉斯分布)进行概率的计算的处理步骤的一例的流程图。流程图大体分为5个步骤组成。

首先，因为拉普拉斯分布中的灰度ε的绝对值越小像素发生概率越高，所以灰度级0、+1、-1、+2、-2、...一边交替正负号，一边生成灰度级，准备编码分配(步骤S21)。

接着，给与扩展拉普拉斯分布的参数(步骤S22)。接着，计算对于各灰度级的发生概率(步骤S23)。接着给各灰度级进行编码的分配，根据出现概率导出各位成为“1”的概率(步骤24)。

接着，关于编码位，例如若是LSN的话则关于所有的灰度合计“LSB成为1的概率”，计算在该编码位中的LSB成为“1”的概率Φ(LSB)(步骤S25)。同样，关于直到MSB的全部位计算成为“1”的概率Φ(B)。

下面说明第二步骤。开始举出关于ΔG的多值化映射的具体例来说明基本概念，接着正式定义。下面，说明混合了ΔG、Δ(R-G)、Δ(B-G)的数据的多值化映射。实际上，利用该混合的多值化映射。

首先，为进行基本概念的说明，说明一个简单的例子。从8位ΔG的LSB中取MSB为ΔG0、ΔG1、ΔG2、ΔG3、ΔG4、ΔG5、ΔG6、ΔG7。这些ΔGx(x＝0～7)取0或1的值。

多值化映射，例如在4值的场合，利用其中的ΔG6和ΔG7的两位，利用成为2*ΔG7+ΔG6的4值数据。这一公式是从ΔG7和ΔG6的两位创建一个电流(或电压)的公式。称该公式为位分配公式。同样，考虑2*ΔG5+ΔG4、2*ΔG3+ΔG2、2*ΔG1+ΔG0的位分配公式，从8位全部数据构成4组的4值数据。

利用这样的所有位的多个位分配公式的组，{2*ΔG7+ΔG6、2*ΔG5+ΔG4、2*ΔG3+ΔG2、2*ΔG1+ΔG0}，是多值化映射的一例。即使关于1像素＝24位数量的数据的ΔG、Δ(R-G)、Δ(B-G)也可以同样考虑多值化映射，但是此时不一定要用相同的色信号的位经历来构成位分配公式。例如，也可以混合G和R-G，构成2*ΔG1+Δ(R-G)的位分配公式，作为全体，也可以把24位全部作为参数使用。

在多值化映射的形式定义之前，定义参数的集合。若没MVL的要素MVLk的参数集合为arg(MVLk)的话，在MVL全体中的参数集合arg(MVL)定义为Uarg(MVLk)。

所谓长度n的位列B＝B1B2...Bn(要素Bj(j＝1..n))的多值化映射MVL是映射MVLk：B1j×...×Bmj→INT(定义域B是位、值域INT是整数)的集合{MVLk}，满足以下的条件。正确地说应该称为“多值化映射的集合”，但是在这里简称为“多值化映射。

(1)arg(MVL)包含B的所有的要素B1B2...Bn作为其要素。

(2)MVLk(B1j，B2j，...)＝σBij*power(2，i)。这里，和对所有的i取值，B1jB2j...成为MVLk的二进制数表示。此外，实际上，位列B的值是在第一步骤中生成的位列Δ，但是在这里为定义而概念区别，用B来表达。

将给出多值化映射中的一个一个的映射的公式称为位分配公式。位分配公式是用于从二进制数据生成承载物理信号的量(例如电流或电压)的公式。在这以后，是电流承载这些信息(电流方式)来进行说明，不过并不限定于此。但是若考虑进行数据传送的场合的EMI的话，选择电流比电压要好。考虑前面关于ΔG的多值化位映射(为说明首先仅限定于G)的话，在取基准电流为I的场合，意味着通过成为

(2*ΔG7+ΔG6)*I

(2*ΔG5+ΔG4)*I

(2*ΔG3+ΔG2)*I

(2*ΔG1+ΔG0)*I

4值的电流流过4根配线2，来进行数据传送。将其与定义对应起来的话就成为以下那样。

MVL1：2*ΔG7+ΔG6

MVL2：2*ΔG5+ΔG4

MVL3：2*ΔG3+ΔG2

MVL4：2*ΔG1+ΔG0

式中，MVL＝{MVL1，MVL2，MVL3，MVL4}，arg(MVL1)＝{ΔG7，ΔG6}、arg(MVL2)＝{ΔG5，ΔG4}、arg(MVL3)＝{ΔG3，ΔG2}、arg(MVL4)＝{ΔG1，ΔG0}，arg(MVL)＝{ΔG7，ΔG6，ΔG5，ΔG4，ΔG3，ΔG2，ΔG1，ΔG0}。arg(MVL)包含ΔG的所有的位。

在一般的位中，特别在考虑未赋予统计意义的多值化的场合，考虑与上面的ΔGx的位相等的位均等地发生0或1，以1/2的概率，与多值化的等级数成比例电流量增加。例如，4值化的话成为2倍。64值化的话也可以削减根数，但是反之电流量成为32倍，即使可以多值化但也成为大的问题。

本实施例的特征在于利用统计上的偏离，一边多值化一边抑制电流。由于考虑ΔG的LSB侧成为1的概率高、越成为MSB侧接近1的概率越低这样的统计上的偏离(性质)，故使电流的统计的平均值变小。作为最简单的场合，试考虑以从ΔG0到ΔG7的8位构成1个多值数据的场合，Gx为从G0到G7，考虑构成形式为

8*ΔGx+4*ΔGx+2*ΔGx+ΔGx

的位分配公式的多值化映射。把位B成为1的概率表示为Φ(B)。为说明假定

Φ(ΔG0)＝0.38、Φ(ΔG1)＝0.38、Φ(ΔG2)＝0.33、

Φ(ΔG3)＝0.26、Φ(ΔG4)＝0.19、Φ(ΔG5)＝0.11、

Φ(ΔG6)＝0.05、Φ(ΔG7)＝0.02

这里的值，以1H差分中的值作为例子表示。以下暂用1H差分中的值进行说明。在DPCM中成为不同的值，但是可以同样进行讨论。此时，考虑

8*ΔG0+4*ΔG2+2*ΔG4+ΔG6    ...(2)

8*ΔG1+4*ΔG3+2*ΔG5+ΔG7    ...(3)

和

8*ΔG7+4*ΔG5+2*ΔG3+ΔG1    ...(4)

8*ΔG6+4*ΔG4+2*ΔG2+ΔG0    ...(5)的比较。公式(2)以及公式(3)在MSB侧如ΔG0和ΔG1那样概率变高这样来分配位。另一方面，公式(4)以及公式(5)在MSB侧如ΔG7和ΔG6那样概率变低这样来分配位。当然，较高地分配在MSB成为1的概率的公式(2)以及公式(3)的一方值变大。

因此，在本实施例中，为使平均电流(电压)变小，选择公式(4)以及公式(5)。

下面，表示具有多个公式的例子。在上例中用数值具体表示出概率，而在这里更一般地用Φ(ΔGi)具有的性质来进行说明。可以期望公式(6)的多值化映射比公式(7)的多值化映射平均电流(电压)变小。

{2*ΔG7+ΔG0，2*ΔG6+ΔG1，2*ΔG5+ΔG2，2*ΔG4+ΔG3}..(6)

{2*ΔG7+ΔG6，2*ΔG5+ΔG4，2*ΔG4+ΔG3，2*ΔG2+ΔG1}..(7)

公式(7)的电流期望值I1用公式(8)表示，公式(6)的电流期望值I2用公式(9)表示。

2*{Φ(ΔG7)+Φ(ΔG5)+Φ(ΔG3)+Φ(ΔG1)}

+Φ(ΔG6)+Φ(ΔG4)+Φ(ΔG2)+Φ(ΔG0)    ...(8)

2*{Φ(ΔG7)+Φ(ΔG6)+Φ(ΔG5)+Φ(ΔG4)}

+Φ(ΔG3)+Φ(ΔG2)+Φ(ΔG1)+Φ(ΔG0)    ...(9)

这些电流期望值I1、I2的差成为公式(10)那样。

Φ(ΔG7)+Φ(ΔG5)+Φ(ΔG3)+Φ(ΔG1)

-Φ(ΔG7)-Φ(ΔG6)-Φ(ΔG5)-Φ(ΔG4)

＝Φ(ΔG3)+Φ(ΔG1)-Φ(ΔG6)-Φ(ΔG4)

＝Φ(ΔG3)-Φ(ΔG6)+Φ(ΔG1)-Φ(ΔG4)＞0    ...(10)

越成为MSB侧接近1的概率变得越小，为Φ(ΔGi)＞Φ(ΔGi+1)。在公式(10)中，因为Φ(ΔG3)＞Φ(ΔG6)而且Φ(ΔG1)＞Φ(ΔG4)，所以最终可知I1-I2＞0。

因此可以明白，I1＞I2，公式(6)比公式(7)改善了特性。在本实施例中，不仅用ΔG进行这样的计算，而且也混合Δ(R-G)和Δ(B-G)进行这样的计算。

图27是采用现有技术的CMADS方式的场合的数据传送定时图，表示出用12根对配线传送数据的例子。在这一场合，例如为传送8位的1像素数据(R、G、B的任何一个)，在2个CLK期间中利用4根配线。最终，以RGB全部作为1像素数量，在2个CLK期间中以全部成为12根。在各配线中，传送0以及1的二值，例如用2×4的排列分配S1-0，S1-2，～s1-7的8位(例如R数量)。该分配方法就是在其他配线中也一样。

此外，即使在CMADS中，数据的配置也可以自由地交换其位置。与此相同，即使在根据本实施例的配置中也可以自由地交换其位置。

图28是本实施例的数据传送定时图。在本实施例中，在4时钟期间利用2根配线中的1根传送8位的RGB1像素数据。在各配线中，传送64值的多值数据。例如，差分数据ΔG如下面公式(11)所示，取64值的值。

32*ΔG5+16*ΔG4+8*ΔG3+4*ΔG2+2*ΔG1+ΔG0    ...(11)

同样，使用差分数据ΔG、Δ(B-G)、以及Δ(R-G)，生成以下3个多值数据。

32*Δ(B-G)5+16*Δ(B-G)4+8*Δ(B-G)3+4*Δ(B-G)2+2*Δ(B-G)1+Δ(B-G)0    ...(12)

32*Δ(R-G)5+16*Δ(R-G)4+8*Δ(R-G)3+4*Δ(R-G)2+2*Δ(R-G)1+Δ(R-G)0    ...(13)

32*Δ(R-G)7+16*Δ(B-G)7+8*ΔR7+4*Δ(R-G)6+2*Δ(B-G)6+ΔG6  ...(14)

在图28中，用(a)传送公式(11)的多值数据，用(b)传送公式(12)的多值数据，用(c)传送公式(13)的多值数据，用(d)传送公式(14)的多值数据。

因为在MSB侧“成为1的概率”低，因此通过对高位进行分配，就可以期望电流值变小。这是以6位作为一个单元以色信号单位从LSB向MSB顺序进行分配的简单考虑。在这一场合，电流平均成为5.2。在图28的剩余的1根配线中同样传送相邻像素的多值数据。亦即，在4时钟期间中用2根配线传送2像素的数据。此外，这里的多值数据的配置不限定于此。因为只要都能传送全部像素数据即可，故也可以在其意义下自由地决定时钟期间或其配置位置。

另一方面，图29是进一步改进图28后的多值化映射的数据传送定时图。这一场合的电流平均成为3.0。用公式(15)～(18)表示该图29的64值多值化映射B。

32*Δ(R-G)7+16*ΔG6+8*Δ(R-G)4+4*Δ(B-G)2+2*ΔG3+ΔG0

                                          ...(15)

32*Δ(B-G)7+16*ΔG7+8*Δ(B-G)4+4*Δ(R-G)2+2*Δ(R-G)1+ΔG1

                                          ...(16)

32*Δ(B-G)6+16*Δ(B-G)5+8*ΔG5+4*ΔG4+2*Δ(B-G)1+ΔG2

                                          ...(17)

32*Δ(B-G)6+16*Δ(R-G)5+8*Δ(R-G)3+4*Δ(B-G)3+2*Δ(R-G)0+Δ(B-G)0                                    ...(18)

在公式(15)～(18)中，不是逐色区分多值数据，而是检测ΔB、Δ(R-G)、Δ(B-G)所有的概率，从MSB侧起按顺序排列概率低的以生成64值的多值化映射。在图29中，用(e)表示公式(15)的多值数据，用(f)表示公式(16)的多值数据，用(g)表示公式(17)的多值数据，用(h)表示公式(18)的多值数据。

下面说明图28以及图29的多值化映射中的电流平均的计算步骤。根据上述的图25最终计算的概率成为如下那样。在该计算中，作为扩展拉普拉斯分布的参数，使用通过图10～图13所分析的平均值。

Φ(ΔG0)＝0.388544

Φ(ΔG1)＝0.388544

Φ(ΔG2)＝0.335163

Φ(ΔG3)＝0.267798

Φ(ΔG4)＝0.191600

Φ(ΔG5)＝0.117569

Φ(ΔG6)＝0.058535

Φ(ΔG7)＝0.021991

Φ(Δ(R-G)0)＝Φ(Δ(B-G)0)＝0.3031159

Φ(Δ(R-G)1)＝Φ(Δ(B-G)1)＝0.3031159

Φ(Δ(R-G)2)＝Φ(Δ(B-G)2)＝0.2212769

Φ(Δ(R-G)3)＝Φ(Δ(B-G)3)＝0.1354912

Φ(Δ(R-G)4)＝Φ(Δ(B-G)4)＝0.063908

Φ(Δ(R-G)5)＝Φ(Δ(B-G)5)＝0.00207737

Φ(Δ(R-G)6)＝Φ(Δ(B-G)6)＝0.0040364

Φ(Δ(R-G)7)＝Φ(Δ(B-G)7)＝0.0003916

这样，在本实施例中，不管图像的种类如何，利用在色差差分数据的各位中共同的出现概率考虑编码。由此，可以不用根据图像对多值化映射进行变更地进行编码和译码。在这一意义上，本实施例的硬件结构是静态的。

进一步补全的话，这里的平均值计算，因为是统计上期望的电流的平均值，所以是输入图像前预想的，该平均值计算不是在硬件结构中出现的。说到底，是作为构成编码的手段利用出现概率，在熵编码的一般的考虑框架内。

首先说明关于64值多值化映射A的多值数据的计算。在上述的公式(12)以及(13)中，因为关于Δ(B-G)和Δ(R-G)的概率相同，因此多值数据的值也变得相同。因此，在以下计算Δ(R-G)的值。平均值适用Φ，用公式(19)表示。

32*Φ(Δ(R-G)5)+16*Φ(Δ(R-G)4)+8*Φ(Δ(R-G)3)+4*Φ(Δ(R-G)2)+2*Φ(Δ(R-G)1)+Φ(Δ(R-G)0)

＝32*0.303+16*0.303+8*0.221+4*0.135+2*0.063+0.002＝4.565   ...(19)

接着在公式(20)中计算上述公式(11)的多值数据。

32*Φ(ΔG5)+16*Φ(ΔG4)+8*Φ(ΔG3)+4*Φ(ΔG2)+2*Φ(ΔG1)+Φ(ΔG0)

＝32*0.388+16*0.388+8*0.335+4*0.267+2*0.191+0.117＝11.476   ...(20)

接着在公式(21)中计算上述公式(14)的多值数据。

32*Δ(R-G)7+16*Δ(B-G)7+8*ΔG7+4*Δ(R-G)6+2*Δ(B-G)6+ΔG6＝32*0.0003+16*0.0003+8*0.021+4*0.004+2*0.004+0.058＝0.277   ...(21)

接着关于64值多值化映射B进行计算。

上述公式(15)的多值数据为3.269，公式(16)的多值数据为2.755，公式(17)的多值数据为3.109，公式(18)的多值数据为0.129。这4个的平均值为3.032。

通过以上的计算，可以明白，通过从多值化映射A变为多值化映射B而改善为5.2→3.0。位概率函数，(从概率低的开始)如下排序。

Φ(Δ(R-G)7)＝Φ(Δ(B-G)7)

Φ(Δ(R-G)6)＝Φ(Δ(B-G)6)

Φ(Δ(R-G)5)＝Φ(Δ(B-G)5)

Φ(ΔG7)

Φ(ΔG6)

Φ(Δ(R-G)4)＝Φ(Δ(B-G)4)

Φ(ΔG5)

Φ(Δ(R-G)3)＝Φ(Δ(B-G)3)

Φ(ΔG4)

Φ(Δ(R-G)2)＝Φ(Δ(B-G)2)

Φ(ΔG3)

Φ(Δ(R-G)1)＝Φ(Δ(B-G)1)

Φ(Δ(R-G)0)＝Φ(Δ(B-G)0)

Φ(ΔG2)

Φ(ΔG1)

Φ(ΔG0)

多值化映射B从概率低的起对上位位顺序进行位分配。此时，从第六位向第五位、从第五位向第四位等向下位移动时，分配顺序从右向左、从左向右这样交互改变方向。

在本实施例中，不仅仅是只特别提出多值化映射A或多值化映射B，而且如果利用这样的概率的偏离的话，则也可以利用任何一个多值化映射。还可以如下变更多值化映射B中的分配方式。多值化映射B1，作为始终从左向右进行多值化映射B的分配顺序的场合进行定义。

32*Δ(R-G)7+16*Δ(R-G)5+8*Δ(R-G)4+4*Δ(B-G)3+2*ΔG3+Δ(B-G)0    ...(22)

32*Δ(B-G)7+16*Δ(B-G)5+8*Δ(B-G)4+4*ΔG4+2*Δ(R-G)1+ΔG2    ...(23)

32*Δ(R-G)6+16*ΔG7+8*ΔG5+4*Δ(R-G)2+2*Δ(B-G)1+ΔG1    ...(24)

32*Δ(B-G)6+16*ΔG6+8*Δ(R-G)3+4*Δ(B-G)2+2*Δ(R-G)0+ΔG0    ...(25)

这样，可以考虑在多值化映射中进行几次变动。另外，不必完全按照排序后的顺序进行分配。即使顺序少许移动，概率的大小不是那样变化的话，则结果多数平均电流几乎不变化。在这样的场合，还考虑即使接受少许平均电流增加的不利也可以的场合。因此，该多值化映射应该不仅根据平均电流而且根据各种尺度进行设计，并不限于在这里例示的多值化映射，也应该考虑其他的实现。例如考虑以下的公式(26)～(29)。

32*Δ(R-G)7+16*Δ(R-G)5+8*Δ(R-G)4+4*Δ(R-G)3+2*Δ(R-G)1+Δ(R-G)0    ...(26)

32*Δ(B-G)7+16*Δ(R-G)5+8*Δ(B-G)4+4*Δ(B-G)2+2*Δ(B-G)1+Δ(B-G)0    ...(27)

32*Δ(R-G)6+16*ΔG7+8*ΔG5+4*Δ(R-G)2+2*ΔG3+ΔG1    ...(28)

32*Δ(B-G)6+16*ΔG6+8*Δ(B-G)3+4*ΔG4+2*ΔG2+ΔG0    ...(29)

这样，通过构成关于R-G和B-G集中后的公式，还可以考虑工整地进行配线，亦即可以局部进行处理。

在图23的结构中，Δ(R-G)在上、ΔG在中央、Δ(B-G)在下配置，在如图23那样进行数据分配时，还希望尽可能不使配线交错。从这一观点来说，可以理解多值化映射A也不应该被容易地排除。

另外，作为别的多值化的实施例说明16值多值化映射。图30是对应以下的多值化映射C的多值数据的定时图。

8*Δ(R-G)7+4*Δ(R-G)3+2*Δ(B-G)3+ΔG0    ...(30)

8*Δ(B-G)7+4*ΔG5+2*ΔG4+ΔG1    ...(31)

8*Δ(R-G)6+4*Δ(B-G)4+2*Δ(R-G)2+ΔG2    ...(32)

8*Δ(B-G)6+4*Δ(R-G)4+2*Δ(B-G)2+Δ(B-G)0    ...(33)

8*Δ(R-G)5+4*ΔG6+2*ΔG3+Δ(R-G)0    ...(34)

8*Δ(B-G)5+4*ΔG7+2*Δ(R-G)1+Δ(B-G)1    ...(35)

公式(30)的期望值为1.2046238，公式(31)的期望值为0.8579721，公式(32)的期望值为1.0656397，公式(33)的期望值为1.033593，公式(34)的期望值为1.2390419，公式(35)的期望值为1.163502。平均这6个期望值的的平均电流值为1.09。

在图30中，把根据公式(30)～(35)的6个多值数据每两个串行用3根配线传送。

在上述的实施例中，说明了用16值或者64值构成多值数据的例子，但是这不过是一个例子，也可以适用于4值、8值、进而32值之类的其他多值。

在上述说明中，使用拉普拉斯分布的平均值进行计算，但是也可以使拉普拉斯分布的参数进行正规分布，进而进行蒙特卡洛分析。图31是表示对拉普拉斯分布的参数进行正规分布，进而进行蒙特卡洛分析后得到的电流的度数分布的图。

在64值的多值化映射B的平均值的场合，3.0为电流平均，但是进行蒙特卡洛分析的话则平均值增加为5.7。

大部分的发生集中分布在平均值3.0附近。大的频度小不过到20附近则几乎感觉一样地分布，这些分布把平均值拉高。因此，成为比度数集中的平均更大的值。

在相同的16值的多值化映射C的场合，蒙特卡洛分析的结果从1.0增加到1.7。但是，该结果不用考虑任何情况而和多值化后的场合比较的话，就可以确认效果十分之大。因为在64值下平均是32、16值下平均是8，所以观察电流量的话，则

64值：以32→5.7为1/5.6(以配线数12根→2根为1/6)

16值：以8→1.7为1/4.7(以配线数12根→3根为1/4)

可以理解削减到1/5(80％的大幅度削减)。亦即在实现配线数的削减外还可以抑制电流量。

以上作为图像的统计偏离说明了以1H差分为中心的技术细节。但是，本发明人的技术思想是只要能一般利用统计偏离则什么样的统计也可以。从这样的观点出发，当然也要考虑关于在JPEG-LS等技术中作为预测编码所利用的自适应编码技术中的信号误差的统计偏离。

以下，作为进一步的多值化的实施例，说明基于作为图19的DPCM的一例的MED技术的16值多值化映射。因此以下的差分意味着MED差分。图32是表示用上述公式(30)～(35)表示的多值化映射C的公式。此外，这里的多值化，作为一例，构成设想CMADS(Yusa的论文：High-speed I/FTFT--CDSource DriverIC by CMADS，SID Digest.2001年9月4日)中的12对配线→3对配线(1/4化)的场合的多值化映射。

此时，用图33的公式表示最终期望的电流的平均值。图32和图33的箭头表示根据图25的映射所计算的概率的大小顺序，箭尾概率最小，箭尖概率最大。

这样，在图32和图33中，按概率的大小顺序分配位Δ。该顺序是由分布决定的。扩展拉普拉斯分布的参数α即使从0.3变化到0.4，进而到0.5，关于该多值化映射的概率分布的顺序的变化即使改变排列只要在表示位的位位置处没有变化也就不会有那样大的变化。

另外，即使在位改变的场合，结果其差小。例如，即使交换公式(30)的8*Δ(R-G)7和公式(35)的8*Δ(B-G)5，因为最终如图32那样以平均相加，没有由于该交换引起的差。另外，即使交换公式(35)的8*Δ(B-G)5和4*ΔG7而成为8*ΔG7+4*Δ(B-G)5，从整体来看平均变化量小。

因此由经验可知，上述多值化映射，关于作为实际的图像分布极广范围的α，多少允许一些损失(但不限定)实际上可以原样利用。此外，因为色差的Δ(R-G)和Δ(B-G)几乎是相同的α值，是比ΔG小的α值，因此像上述那样ΔG的顺序位于从Δ(R-G)和Δ(B-G)的顺序偏离的位置。

另外，在ΔG的分布不急剧的场合，可能需要9位精度。在这样的场合，可以像下面那样修正上述的多值化映射。

8*Δ(R-G)7+4*Δ(R-G)3+2*Δ(B-G)3+ΔG0

8*Δ(B-G)7+4*ΔG5+2*ΔG4+ΔG1

8*Δ(R-G)6+4*Δ(B-G)4+2*Δ(R-G)2+ΔG2

8*Δ(B-G)6+4*Δ(R-G)4+2*Δ(B-G)2+Δ(B-G)0

8*Δ(R-G)5+4*ΔG6+2*ΔG3+Δ(R-G)0

8*Δ(B-G)5+4*ΔG7+2*Δ(R-G)1+Δ(B-G)1

ΔG8是第9位的MSB，单独构成1个位分配公式，创建多值化映射。在这一场合，就成为7/6倍高速化动作频率。这里仅用ΔG8构成位分配公式，但是也包含其他的位分配公式，也可以重新定义。例如，也可以如下那样定义。在ΔG7后面插入ΔG8，对空闲的部分分配“0”。

4*Δ(B-G)4+2*ΔG5+ΔG0

4*Δ(R-G)4+2*Δ(R-G)3+ΔG1

4*ΔG6+2*Δ(B-G)3+ΔG2

8*Δ(R-G)7+4*ΔG7+2*ΔG4+Δ(B-G)0

8*Δ(B-G)7+4*ΔG8+2*Δ(R-G)2+Δ(R-G)0

8*Δ(R-G)6+4*Δ(B-G)5+2*Δ(B-G)2+Δ(B-G)1

8*Δ(B-G)6+4*Δ(R-G)5+2*ΔG3+Δ(R-G)1

进而也可以考虑把Δ(R-G)8和Δ(B-G)8作为最上位的位追加的场合。(实际上，因为急剧的话8位足够，所以不需要到9位。)

4*Δ(B-G)4+2*ΔG5+ΔG0

8*Δ(R-G)8+4*Δ(R-G)4+2*Δ(R-G)3+ΔG1

8*Δ(B-G)8+4*ΔG6+2*Δ(B-G)3+ΔG2

8*Δ(R-G)7+4*ΔG7+2*ΔG4+Δ(B-G)0

8*Δ(B-G)7+4*ΔG8+2*Δ(R-G)2+Δ(R-G)0

8*Δ(R-G)6+4*Δ(B-G)5+2*Δ(B-G)2+Δ(B-G)1

8*Δ(B-G)6+4*Δ(R-G)5+2*ΔG3+Δ(R-G)1

这样，可以根据需要进行修正。进而如果有成为1的概率低的控制信号SIG的话，则也可以如下面那样在剩下的地方进行追加。

8*SIG+4*Δ(B-G)4+2*ΔG5+ΔG0

8*Δ(R-G)8+4*Δ(R-G)4+2*Δ(R-G)3+ΔG1

8*Δ(B-G)8+4*ΔG6+2*Δ(B-G)3+ΔG2

8*Δ(R-G)7+4*ΔG7+2*ΔG4+Δ(B-G)0

8*Δ(B-G)7+4*ΔG8+2*Δ(R-G)2+Δ(R-G)0

8*Δ(R-G)6+4*Δ(B-G)5+2*Δ(B-G)2+Δ(B-G)1

8*Δ(B-G)6+4*Δ(R-G)5+2*ΔG3+Δ(R-G)1

这样，在本实施例中，从通过DPCM生成的图像的差分数据ε，利用本发明提出的“信道·位生成映射”和“多值化映射”的考虑方法，基于给与多值的符号(信道位)传送多值的电气信号(电流或者电压这样的物理量)。这样，进行关于多值的传送路径(信道)的编码。因此，本发明人的技术可以称为“多值信道编码技术”。

图34是表示利用图32所示的16值多值化映射对各种图像进行模拟后的结果的图。图35～图42是表示图34所示的各图像组A、B、C、D、E、F、G的分布数据的图。

在图34表示的表的纵方向上表示使用图像的装置，在横方向上表示图像的种类。在纵向作为代表例子具体举出TV、PC、照相机、便携设备，但是也可以使用这以外的装置。

图35～图41的分析结果以基准电流I为单位进行计算。例如，图35的结果，以基准电流I作为单位具有平均约0.18、方差0.06的值。在图34的电流值计算中，关于1个配线对取基准电流单位为4mA进行计算。假定ADC是并行类型，以10μA作为单位，估计为2.2mA。

比较器的参考电流需要5μA+15μA+25μA+...+155μA＝2mA。另外，作为用接收放大器缩小的数据电流需要2mA/10。作为DPCM化的效果平均数据电流合计成为约1/10。

因此，例如，在每一配线对2I(I＝4mA是基准电流)的场合，可以计算出(2*4+2.2)*3对＝30.6mA。在现有技术的2值的场合，假定在12对中，0和1的发生概率都为0.5，则现有技术的电流值为4mA*0.5*12对＝24mA。配线根数是从12对(24根)削减到3对(6根)时的电流值。以下，关于个别的分析顺序进行说明。

对于TV，设想作为在TV广播中的图像内容的电影或戏剧、动画等，对于图像质量考虑使用MPEG2的场合。MPEG2不仅是现状的SDTV(StandardDefinition TV)，HDTV也采用MPEG2。MPEG4的图像和自然图像等也是MPEG2的格式，这在MPEG4中作为图像数据是信息量最大的。

实际上在MPEG2的主轮廓文件、主等级中，使用进行4:2:0子采样的图像数据进行模拟。这点在DVD中被使用，不仅现在就是在将来也依然会广泛普及。在TV应用中，分析作为自然图像的图像数据组的图像组B。该结果的统计成为图36那样。该图像组A是DVD中的图像数据，具有720×480的分辨率。

因为平均μ＝0.57，所以计算(4mA*0.57+2.2)*3＝13.4mA。这是现有技术中的24mA的59％。表示即使配线根数减少到1/4，还能够实现约40％的平均电流的削减。

如果在不利用本实施例那样的统计性质的场合单纯用16值实现的话，因为使用从0到15的值，所以成为4mA*15*0.5*3对＝90mA。这就是从24mA来看也是极大的值，从13.4mA看的话是6.7倍。

在图34的表中记载有“室内，人”，不过这主要是用于分析戏剧的数据。图像组C是某电影的图像数据组。图37表示其分析结果的统计。

图像组D是某电视剧的图像数据组。图38表示其分析结果的统计。在图像组D中，在室内的会话场景多，还包含若干屋外的自然风景中的场景。图像组C多为室内的场景。

图像组E是某动画的图像数据组。图39表示其分析结果的统计。好像动画图像简单还可以期望更好的结果，但是实际上和其他的TV图像没有大的差别。这是由于若放大动画的图像的话，则即使在看起来如同样全面涂抹上的地方，细微的灰度层次也会存在，或者不是完全用相同颜色涂抹的缘故。

在如PC的简易的绘图软件那样，进行单纯涂抹的场合，不如认为输出接近图像组A的图像数据组的值，但是现状TV广播的动画图像不是那样单纯的图像。

这样，观看图像组A～G的图像数据组的结果的话，成为几乎50％～70％程度的平均电流，同时可以实现极有效的电流削减。当然，因为在影像显示设备上没有关系，所以也要注意可以利用LCD-TV或PDP-TV。特别在便携装置中，配线根数的削减是重要的。

接着说明在PC中的应用。PC中的基本的操作现在仍是操作各种软件。把该场合的画面作为数据的数据组是图像组A。图35中表示分析的统计结果。

该图像组A是本发明人在日常进行的PC上的作业画面的一例。平均是0.18的极小的值，作为平均电流是8.8mA。公知PC操作画面相关高，一般能够期望表示这样良好的值。

最近，因为在PC中观看数字照相机的摄影图像也变得多起来，所以将其作为图像组H。从实际的PC操作中的频度这样简单来说的话，也许不一定高的频度。虽认为个人差大但是认为不是主要的使用方法。另外，参照记入了数据组图像组C和图像组D。也许PC中的TV节目今后还会增加。在TV应用中高亮度是前提。PC用不到那样的高亮度，但是实际上追加也许今后设想的。或许动画也同样可以考虑追加。

图像组F的数据组是某博物馆的展示物的图像数据组。图40表示分析结果的统计。

博物馆的展示物，如对其十分了解的那样，背景单纯。由此，相关提高，平均电流值变低。一般期望像素数即使增加，基本上相关也不变化(图像的标量不变性)，相关自身不像那种程度变化。实际上，在相同的风景中使像素数变化(使精细度提高)制作图像，如果试加分析，则随着像素数增加，相关虽然不大但是多为向成为好的方向的值变化的情况。从这一经验出发，即使对于美术品那样的高精细的图像，关于有关该多值化技术的部分宁可期望相关变好、在削减平均电流的方向上起作用。

图像组H是取自某CD-ROM的照片集的数据，是自然图像。图42表示分析结果的统计。图像组H中相关最差的是枯叶的图像。在枯叶中，由于堆积的叶子而产生的边缘可以很多。因此，即使使用考虑Edirisinghe的斜边缘的MED预想落空的场合也还很多。另外，图像组G的数据组是取自某CD-ROM的照片集的数据，是美国的风景(主要是游览地)的图像数据。图41表示分析结果的统计。

此外，这里的图像数据的传送，向影像显示装置的数据传送是主要目的，从费用来说不希望在影像驱动器侧设置作为数据压缩技术的JPEG中的DCT信号处理装置，在这一点上，再次确认根据本发明人的技术是有利的。另外，在可以摄影根据MPEG2的动画的照相机中，作为TV中的数据组的图像组B、C、D、E原样套用。

在便携电话中，因为今后也设想“便携动画”，所以不仅图像组F、G、H的数据组，也设想TV中的图像组C、D、E。但是，基本上认为作为PC画面的操作的“A”的比重还是大。因为考虑时间比较长的是TV应用的图像数据，从这点而言，可以有魅力地说平均电流被抑制到50％的程度。在便携电话中进而铰链(机械的连接转动部分)中的可动性重要，配线成捆的话问题非常大。因此配线根数可以削减到1/4是非常有效的。特别是我们的技术是和在电路上下功夫并存的技术，可以在保持操作频率低的同时，进行少数的数据配线。考虑到今后预计像素数更加增加，仅在电路上下功夫，有可能难于实现少数的配线。在这一点，是不可欠缺的技术。

这样，虽然图像数据的性质，对应于数据的应用变化很大，不过考虑长时间的使用是TV以及PC，以及再有电子设备的会进一步普及的话，对于本发明在产业上的效果非常之大这一点，可以理解为图34中所表示的。

以上作为图像的统计偏离以MED色差·差分为中心说明了技术细节。但是容易理解，我们的技术思想一般只要能利用统计偏离则哪种统计都可以。从这样的观点出发，当然也可以考虑利用关于在JPEG-LS等的技术中作为预测编码利用的自适应预测编码技术中的信号误差的统计偏离。

不仅GAP预测器，同样地，从我们的技术思想可以容易地想到导入使用接触模型的预想器。再有，不是1H或2H的行单位，以帧单位预测数据当然也是可能的。例如在D.Burunello等人的Lossless Compression of Video UsingTemporal Information，IEEE Transaction on Image Processing，Vol.12，No.2，2003年2月，pp.132-139中表示出利用帧存储器构成预测器的技术例，可以利用本发明。

此外，在上述中，主要设想向显示图像数据的设备传送而进行了说明。因为本发明是关于图像数据传送一般的技术，在强调这点的意义中还表示别的实施形态。即使在把使用CCD摄影的图像数据由CCD向处理侧传送的场合也可以利用。例如在Aizawa等人的Computational Image Sensor for on sensorCompression，IEEE Transaction on Electron Devices，Vol.44，No.10，pp.1724-1730(1997)中提出下面那样的方案。提出了作为主图像传感器，在CCD上追加帧存储器，比较1帧前的CCD摄影数据和现在数据，在一致的场合原样再利用以前的数据，不传送数据，仅在不一致的场合传送新数据来削减传送像素数的方法。这在LCD驱动器的场合是和P2003-44017公开专利同样的设想。因此，为削减来自CCD的图像数据配线根数，能够容易理解可以利用本发明。

作为别的实施形态，可以考虑存储器中的图像数据传送。例如，在美国专利公报6,567,023(特开2001-156621公报)中提出了用256值进行存储器间的数据传送的技术。在这一技术中，数据设想为一般的数据，不特别考虑是图像数据。本发明人，通过进行处理图像数据这样的特别指定(图像处理用的存储器)，看到能够利用本技术有效地抑制电力消耗。实际上，若考虑到在多数场合是图像数据比其他数据占压倒性多数这一一般的事实的话，则因为可以忽略其他的数据，所以可以期望在不进行这样的特别指定的场合也多是有效的。在这一意义下，作为部件不一定特别指定用于图像处理。实质上图像数据为主要对象即可。关于本发明一般可以期望这不限于存储器。

再考虑别的实施例。例如，即使在向显示器·控制器传送进行再现等CG处理的结果的图像数据的场合，同样可以适用本发明。不需要特别限定再现处理。在从处理图像的处理器输出时，在需要和存储器等外部设备交换图像数据的场合，就出现削减接口根数的希望。这样，不限定于向显示器设备的驱动器传送图像数据的场合，一般在各种接口中，在想传送图像数据、削减配线根数的场合，本发明是有效的。

在利用多媒体数据成为压倒性多数的现在，在其数据中负荷最重的数据是图像数据。文本数据比较图像数据是极小的量。因此，利用本发明的图像数据的传送，不单单限定在显示设备的问题上，就是在多媒体设备中的数据传送中，特别是在便携多媒体设备中，也占据重要的位置。

总结以上所述，本实施例是基于“多值化映射”的想法进行DPCM技术和多值化技术的搭桥。具体地说，因为通过少数的传输线来传送把图像数据进行多值化后的多值化数据，因此可以抑制消费电流到和过去同样或者在其以下。

Claims (5)

1.一种图像发送装置，其特征在于，具有：

计算关于根据过去的图像数据所预测的现在的预测值和现在的实际图像数据的差分的色差差分数据的色差差分计算单元；

编码所述色差差分数据、生成编码数据的编码单元；

根据所述编码数据和基于图像数据的统计性质所确定的所述编码数据的出现概率来生成多值数据的多值化单元；和

通过至少一根传输线发送所述多值数据的发送单元。

2.如权利要求1所述的图像发送装置，其特征在于，所述多值化单元在所述编码数据的各位中的特定的位值上加上分别乘以不同系数的值来生成上述多值数据。

3.如权利要求1或者2所述的图像发送装置，其特征在于，

所述多值化单元对于1个像素生成多个所述多值数据，

所述发送单元用1根传输线串行传送对应1个像素的多个所述多值数据或者用多根传输线并行传送对应1个像素的多个所述多值数据。

4.一种图像接收装置，其特征在于，具有：

接收通过至少一根传输线所发送的多值数据的接收单元；

根据所接收的所述多值数据、并考虑到图像数据的统计性质来复原编码数据的编码单元；

译码所述编码数据、生成关于现在的实际图像数据的色差信号和根据过去的图像数据所预测的现在的预测值的色差信号的差分的色差差分信号的译码单元；和

根据所述色差差分信号、复原现在的实际图像数据的图像复原单元。

5.一种图像传送系统，具有发送图像数据的图像发送装置和接收该图像数据的图像接收装置，其特征在于，

所述图像发送装置具有：计算关于根据过去的图像数据所预测的现在的预测值和现在的实际图像数据的差分的色差差分数据的色差差分计算单元；

编码所述色差差分数据生成编码数据的编码单元；

根据所述编码数据和基于图像数据的统计性质所确定的所述编码数据的出现概率来生成多值数据的多值化单元；和

通过至少一根传输线发送所述多值数据的发送单元；

所述图像接收装置具有：接收通过至少一根传输线所发送的多值数据的接收单元；

根据所接收的所述多值数据、并考虑到图像数据的统计性质来复原编码数据的编码单元；

译码所述编码数据、生成关于现在的实际图像数据的色差信号和根据过去的图像数据所预测的现在的预测值的色差信号的差分的色差差分信号的译码单元；和

根据所述色差差分信号、复原现在的实际图像数据的图像复原单元。

Images