JP2000341520A - 拡散率の適応化を用いた誤差拡散方法及び装置 - Google Patents
拡散率の適応化を用いた誤差拡散方法及び装置Info
- Publication number
- JP2000341520A JP2000341520A JP11137294A JP13729499A JP2000341520A JP 2000341520 A JP2000341520 A JP 2000341520A JP 11137294 A JP11137294 A JP 11137294A JP 13729499 A JP13729499 A JP 13729499A JP 2000341520 A JP2000341520 A JP 2000341520A
- Authority
- JP
- Japan
- Prior art keywords
- image
- pixel
- error diffusion
- input
- feature extraction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/405—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels
- H04N1/4051—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels producing a dispersed dots halftone pattern, the dots having substantially the same size
- H04N1/4052—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels producing a dispersed dots halftone pattern, the dots having substantially the same size by error diffusion, i.e. transferring the binarising error to neighbouring dot decisions
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
(57)【要約】
【課題】本願発明が解決しようとする課題は、もとの画
像の特徴的な性質を損なうことなく入力画像をハーフト
ーン化し、かつその際に多大な演算量増加も必要としな
い、新たな画像階調変換方式を提供することである。 【解決手段】本発明の実施例では、画像の誤差拡散方法
において、画像内の各画素に対する誤差拡散率を画素毎
に変化させるという構成をとる。また、本発明の他の実
施例では、画像の特徴を損なうことなく原画像と相関の
高いハーフトーン画像を生成するために、まず入力画像
の特徴抽出を行い、その結果と入出力情報に応じて量子
化誤差の拡散状態をピクセル毎に調整する構造を取る。
像の特徴的な性質を損なうことなく入力画像をハーフト
ーン化し、かつその際に多大な演算量増加も必要としな
い、新たな画像階調変換方式を提供することである。 【解決手段】本発明の実施例では、画像の誤差拡散方法
において、画像内の各画素に対する誤差拡散率を画素毎
に変化させるという構成をとる。また、本発明の他の実
施例では、画像の特徴を損なうことなく原画像と相関の
高いハーフトーン画像を生成するために、まず入力画像
の特徴抽出を行い、その結果と入出力情報に応じて量子
化誤差の拡散状態をピクセル毎に調整する構造を取る。
Description
【０００１】
【発明の属する技術分野】本発明は、画像を処理可能な
コンピュータ・システム、特に画像処理における階調変
換方法及び装置に関する。
コンピュータ・システム、特に画像処理における階調変
換方法及び装置に関する。
【０００２】
【従来の技術】従来の一般的な誤差拡散法又は誤差配分
法は図１に示すように、現時点での処理ピクセルで生じ
た量子化誤差を近傍領域へ拡散させ、表示誤差を減少さ
せることによりハーフトーン画像を生成する。ここで、
ハーフトーン画像とは、原画像よりも画素の階調を少な
くした画像のことである。
法は図１に示すように、現時点での処理ピクセルで生じ
た量子化誤差を近傍領域へ拡散させ、表示誤差を減少さ
せることによりハーフトーン画像を生成する。ここで、
ハーフトーン画像とは、原画像よりも画素の階調を少な
くした画像のことである。
【０００３】ここで、図１において入力画像は、ｘ（ｎ
１，ｎ２）１０５であり、出力画像はｙ（ｎ１，ｎ２）
１２５で表され、入力画像は、Ｎ１×Ｎ２ピクセルをラ
スタ・スキャンして得られるものとする。ここで、０≦
ｎ１≦Ｎ１、０≦ｎ２≦Ｎ２である。
１，ｎ２）１０５であり、出力画像はｙ（ｎ１，ｎ２）
１２５で表され、入力画像は、Ｎ１×Ｎ２ピクセルをラ
スタ・スキャンして得られるものとする。ここで、０≦
ｎ１≦Ｎ１、０≦ｎ２≦Ｎ２である。
【０００４】図１において、ブロック１１０、１４０は
加算器を表し、ブロック１２０は量子化器を表し、ブロ
ック１３０は誤差拡散フィルタを表す。
加算器を表し、ブロック１２０は量子化器を表し、ブロ
ック１３０は誤差拡散フィルタを表す。
【０００５】量子化誤差ｅ（ｎ１，ｎ２）１４５を拡散
させるためのフィルタｇ（ｎ１，ｎ２）１３０としては
因果性を持つ２次元ローパス・フィルタが用いられ、例
えば次式のようなフィルタである。
させるためのフィルタｇ（ｎ１，ｎ２）１３０としては
因果性を持つ２次元ローパス・フィルタが用いられ、例
えば次式のようなフィルタである。
【数１】
【０００６】ここでの３行３列（５×５行列の中央要
素）成分が現在の処理対象ピクセルに対応する。しか
し、通常の誤差拡散法では量子化誤差がフィルタによっ
て拡散される時、画像の急峻な部分など画像の特徴的な
性質を損なう問題があった。
素）成分が現在の処理対象ピクセルに対応する。しか
し、通常の誤差拡散法では量子化誤差がフィルタによっ
て拡散される時、画像の急峻な部分など画像の特徴的な
性質を損なう問題があった。
【０００７】特に、時計型ウェアラブル・システム、Ｐ
ＤＡや携帯電話などの小面積ディスプレイでの表示法
や、QXGA（2048×1536）以上の高精細画像情報をＬＣＤ
へ一括転送することが難しく逐次転送を行う場合の移行
期間における表示法として、階調変換によるハーフトー
ン画像を使うことが有効である。しかし画像をハーフト
ーン化する場合、通常の誤差拡散法を用いるとエッジな
ど画像の重要な特徴が損なわれる問題と、特徴のぼやけ
を防ぐ従来の改善法は多大な演算を必要とする問題があ
り、従来手法を上述の適用例などに用いることは難しか
った。
ＤＡや携帯電話などの小面積ディスプレイでの表示法
や、QXGA（2048×1536）以上の高精細画像情報をＬＣＤ
へ一括転送することが難しく逐次転送を行う場合の移行
期間における表示法として、階調変換によるハーフトー
ン画像を使うことが有効である。しかし画像をハーフト
ーン化する場合、通常の誤差拡散法を用いるとエッジな
ど画像の重要な特徴が損なわれる問題と、特徴のぼやけ
を防ぐ従来の改善法は多大な演算を必要とする問題があ
り、従来手法を上述の適用例などに用いることは難しか
った。
【０００８】この画像の特徴的な性質を損なうという問
題に対処するために、原画像の高周波数成分などの特徴
抽出情報のみに基づき誤差拡散率を変えるものとしてCo
uwenhoven等の手法［１］（ U.S. Patent No. 5757517,
"Adaptive error diffusionmethod," May 26, 1998 (f
iled Mar. 23, 1995)）等がある。
題に対処するために、原画像の高周波数成分などの特徴
抽出情報のみに基づき誤差拡散率を変えるものとしてCo
uwenhoven等の手法［１］（ U.S. Patent No. 5757517,
"Adaptive error diffusionmethod," May 26, 1998 (f
iled Mar. 23, 1995)）等がある。
【０００９】しかし、文献［１］の手法は、抽出された
情報を適用するために誤差拡散ローパス・フィルタ部の
みならず量子化器と出力において個別のフィルタリング
を必要としており計算量が多くなるという問題点があ
る。
情報を適用するために誤差拡散ローパス・フィルタ部の
みならず量子化器と出力において個別のフィルタリング
を必要としており計算量が多くなるという問題点があ
る。
【００１０】一方、入出力画像から局所的な歪み基準に
基づき誤差拡散フィルタを適応的に変化させるものとし
てWongの手法［２］（ P. W. Wong, "Adaptive error d
iffusion and its application in multiresolution re
ndering," IEEE Trans. Image Processing, vol. 5, n
o. 7, pp. 1184-1196, 1996.）がある。しかし文献
［２］の手法は、各ピクセル毎に拡散ローパス・フィル
タのすべての係数の歪みを視覚特性モデルのインパルス
応答に基づき最小２乗法で調整する演算を必要としてお
り、文献［１］の手法と同様に計算量が多くなる問題点
がある。
基づき誤差拡散フィルタを適応的に変化させるものとし
てWongの手法［２］（ P. W. Wong, "Adaptive error d
iffusion and its application in multiresolution re
ndering," IEEE Trans. Image Processing, vol. 5, n
o. 7, pp. 1184-1196, 1996.）がある。しかし文献
［２］の手法は、各ピクセル毎に拡散ローパス・フィル
タのすべての係数の歪みを視覚特性モデルのインパルス
応答に基づき最小２乗法で調整する演算を必要としてお
り、文献［１］の手法と同様に計算量が多くなる問題点
がある。
【００１１】手法［１］の上記問題点に対し本発明で
は、特徴抽出情報と入出力情報を同時に用いて誤差の拡
散率を適切に調整することにより、従来法よりも次のよ
うな利点を実現する。すなわち、特徴抽出情報と入出力
情報をトレードオフするアルゴリズムで拡散率をピクセ
ル毎に調整することで、適切な誤差拡散がなされて入力
画像と相関の高いハーフトーン画像を生成するものであ
る。また、同時に特徴抽出情報と入出力情報の両者を利
用した調整法であるため、拡散フィルタ処理部以外での
フィルタリング操作がいらなくなり、演算量の多大な増
加を防ぐことができる。
は、特徴抽出情報と入出力情報を同時に用いて誤差の拡
散率を適切に調整することにより、従来法よりも次のよ
うな利点を実現する。すなわち、特徴抽出情報と入出力
情報をトレードオフするアルゴリズムで拡散率をピクセ
ル毎に調整することで、適切な誤差拡散がなされて入力
画像と相関の高いハーフトーン画像を生成するものであ
る。また、同時に特徴抽出情報と入出力情報の両者を利
用した調整法であるため、拡散フィルタ処理部以外での
フィルタリング操作がいらなくなり、演算量の多大な増
加を防ぐことができる。
【００１２】手法［２］の上記問題点に対し、本発明で
は誤差拡散ローパス・フィルタのすべての係数を適応的
に調整するのではなく、本発明中のアルゴリズムによっ
て調整された拡散率を拡散ローパスフィルタの出力に乗
じることで演算量の多大な増加を防いでいる。
は誤差拡散ローパス・フィルタのすべての係数を適応的
に調整するのではなく、本発明中のアルゴリズムによっ
て調整された拡散率を拡散ローパスフィルタの出力に乗
じることで演算量の多大な増加を防いでいる。
【００１３】従って本発明をこれらの従来技術と比較す
ると、原画像の特徴抽出情報と入出力情報を用いて誤差
拡散法の拡散率をピクセル毎に適応的に調整すること
で、演算量を多大に増加させることなく、入力画像と相
関の高いハーフトーン画像を生成する手法及びシステム
を実現する利点を持つものと言える。
ると、原画像の特徴抽出情報と入出力情報を用いて誤差
拡散法の拡散率をピクセル毎に適応的に調整すること
で、演算量を多大に増加させることなく、入力画像と相
関の高いハーフトーン画像を生成する手法及びシステム
を実現する利点を持つものと言える。
【００１４】
【発明が解決しようとする課題】本願発明が解決しよう
とする課題の１つは、もとの画像の特徴的な性質を損な
うことなく入力画像をハーフトーン化し、かつ多大な演
算量増加も必要としない、新たな画像階調変換方式を提
供することである。
とする課題の１つは、もとの画像の特徴的な性質を損な
うことなく入力画像をハーフトーン化し、かつ多大な演
算量増加も必要としない、新たな画像階調変換方式を提
供することである。
【００１５】
【課題を解決するための手段】本発明は、画像の誤差拡
散方法において、画像内の各画素に対する誤差拡散率を
画素毎に変化させるという構成をとる。
散方法において、画像内の各画素に対する誤差拡散率を
画素毎に変化させるという構成をとる。
【００１６】本発明の一の態様によれば、画像の特徴を
損なうことなく原画像と相関の高いハーフトーン画像を
生成するために、まず入力画像の特徴抽出を行い、その
結果と入出力情報に応じて量子化誤差の拡散状態をピク
セル毎に調整する構造を取る。
損なうことなく原画像と相関の高いハーフトーン画像を
生成するために、まず入力画像の特徴抽出を行い、その
結果と入出力情報に応じて量子化誤差の拡散状態をピク
セル毎に調整する構造を取る。
【００１７】本発明の他の態様によれば、（１）拡散す
る誤差を適切に調整するために重み係数（拡散率）の適
応処理をピクセル毎に行う。その適応アルゴリズムは入
出力信号の差分ノルム規準から導かれ、特徴抽出情報と
入出力の量子化誤差情報の両者を含む形をして、両情報
をトレードオフする動作をする。（２）誤差拡散ローパ
スフィルタの出力に対して、ピクセル毎に調整した重み
係数を乗じる構造とする。
る誤差を適切に調整するために重み係数（拡散率）の適
応処理をピクセル毎に行う。その適応アルゴリズムは入
出力信号の差分ノルム規準から導かれ、特徴抽出情報と
入出力の量子化誤差情報の両者を含む形をして、両情報
をトレードオフする動作をする。（２）誤差拡散ローパ
スフィルタの出力に対して、ピクセル毎に調整した重み
係数を乗じる構造とする。
【００１８】
【発明の実施の形態】以下の説明ではグレー画像を入力
画像の対象としたものであるが、カラー画像を扱う場合
はＲＧＢ信号各々に本手法を適用するか、ＹＩＱ信号
（NTSC方式における輝度信号と色差信号）など別の色空
間へ変換した後の信号へ本手法を適用すれば良い。
画像の対象としたものであるが、カラー画像を扱う場合
はＲＧＢ信号各々に本手法を適用するか、ＹＩＱ信号
（NTSC方式における輝度信号と色差信号）など別の色空
間へ変換した後の信号へ本手法を適用すれば良い。
【００１９】誤差拡散法の基本的な考え方を模式的に表
現すると図１５のようになる。ここでは、入力画像とし
て４×４行列１５１０を考える。階調変換は、行列の
（１，１）成分１５１１から（１，２）成分１５１２の
処理という様に進められ、各行の最後の列まで来たとき
次の行の第１列成分へ戻るラスタ・スキャン順に行われ
るものとする。
現すると図１５のようになる。ここでは、入力画像とし
て４×４行列１５１０を考える。階調変換は、行列の
（１，１）成分１５１１から（１，２）成分１５１２の
処理という様に進められ、各行の最後の列まで来たとき
次の行の第１列成分へ戻るラスタ・スキャン順に行われ
るものとする。
【００２０】いま誤差拡散処理の対象成分が（３，２）
成分１５１３であるとすれば、図１５の左側に示されて
いるように（３，２）成分の量子化誤差が近傍画素１５
１４〜１５１７へ拡散される。図１５１０中の矢印は誤
差が拡散される様子を表している。各画素への拡散率ｐ
１〜ｐ４（１５３１〜１５３４）は誤差拡散フィルタ１
５３０によって決定される。このように、量子化誤差
を、今後処理する成分へ拡散させることで、ハーフトー
ン画像における誤差の影響を低減するという考え方が誤
差拡散法の概略である。
成分１５１３であるとすれば、図１５の左側に示されて
いるように（３，２）成分の量子化誤差が近傍画素１５
１４〜１５１７へ拡散される。図１５１０中の矢印は誤
差が拡散される様子を表している。各画素への拡散率ｐ
１〜ｐ４（１５３１〜１５３４）は誤差拡散フィルタ１
５３０によって決定される。このように、量子化誤差
を、今後処理する成分へ拡散させることで、ハーフトー
ン画像における誤差の影響を低減するという考え方が誤
差拡散法の概略である。
【００２１】出力画像を得るためには拡散された誤差を
入力画像に繰り込んで量子化を行うが、その様子を模式
的に表現したものが図１５の右側の図である。いま
（４，３）成分１５６１を量子化対象成分とすれば、す
でに上記の誤差拡散操作によって（４，３）成分へ繰り
込まれるべき近傍画素１５６２〜１５６５からの量子化
誤差は決定している。図１５６０中の矢印は繰り込まれ
る量子化誤差の流れを示している。これらの誤差を入力
画像（４，３）成分１５６１へ繰り込んだ値を量子化す
ることで出力画像が得られる。
入力画像に繰り込んで量子化を行うが、その様子を模式
的に表現したものが図１５の右側の図である。いま
（４，３）成分１５６１を量子化対象成分とすれば、す
でに上記の誤差拡散操作によって（４，３）成分へ繰り
込まれるべき近傍画素１５６２〜１５６５からの量子化
誤差は決定している。図１５６０中の矢印は繰り込まれ
る量子化誤差の流れを示している。これらの誤差を入力
画像（４，３）成分１５６１へ繰り込んだ値を量子化す
ることで出力画像が得られる。
【００２２】したがって誤差拡散法の性能（良否）は、
生じた誤差をどのように拡散するかを決定する誤差拡散
フィルタの部分に大きく依存するものと言える。例え
ば、従来の一般的な誤差拡散法は誤差拡散フィルタの成
分値ｐをあらかじめ固定する方法が用いられてきた。一
方、本発明は、画像の局所的性質に応じてピクセル毎に
拡散率を変化させる適応化する、すなわち対象となるピ
クセル毎に拡散率を変化させる方法を用いることで従来
のものよりも効果的な階調変換を行うものである。ここ
で適応化の方法とは、入出力信号の差分情報に基づいて
導かれた、特徴抽出情報、入出力の量子化誤差情報等を
含む項を持つ演算アルゴリズム方法のことである。
生じた誤差をどのように拡散するかを決定する誤差拡散
フィルタの部分に大きく依存するものと言える。例え
ば、従来の一般的な誤差拡散法は誤差拡散フィルタの成
分値ｐをあらかじめ固定する方法が用いられてきた。一
方、本発明は、画像の局所的性質に応じてピクセル毎に
拡散率を変化させる適応化する、すなわち対象となるピ
クセル毎に拡散率を変化させる方法を用いることで従来
のものよりも効果的な階調変換を行うものである。ここ
で適応化の方法とは、入出力信号の差分情報に基づいて
導かれた、特徴抽出情報、入出力の量子化誤差情報等を
含む項を持つ演算アルゴリズム方法のことである。
【００２３】本発明の構成の概要のブロック図を図２に
示す。まず入力画像ｘ（ｎ１，ｎ２）２０５の特徴抽出
を特徴抽出手段２５０を用いて行い、その出力信号｜ｖ
（ｎ１，ｎ２）｜２５５を求める。
示す。まず入力画像ｘ（ｎ１，ｎ２）２０５の特徴抽出
を特徴抽出手段２５０を用いて行い、その出力信号｜ｖ
（ｎ１，ｎ２）｜２５５を求める。
【００２４】図２において、ブロック２１０、２４０及
び２９０は加算器、ブロック２２０は量子化器、ブロッ
ク２３０は誤差拡散フィルタ手段、ブロック２５０は特
徴抽出手段、ブロック２６０は閾値操作手段、ブロック
２７０は適応アルゴリズム手段、ブロック２８０は重み
係数調整手段をそれぞれ表している。
び２９０は加算器、ブロック２２０は量子化器、ブロッ
ク２３０は誤差拡散フィルタ手段、ブロック２５０は特
徴抽出手段、ブロック２６０は閾値操作手段、ブロック
２７０は適応アルゴリズム手段、ブロック２８０は重み
係数調整手段をそれぞれ表している。
【００２５】ここで特徴抽出とは、コントラストやエッ
ジ情報などを含む高周波数成分信号を取り出すことを目
的とするもので、例えばラプラシアン・フィルタやゾー
ベル・フィルタ、文献[3]（S. Thurnhofer and S. K. M
itra, "A general frameworkfor quadratic Volterra f
ilters for edge enhancement," IEEE Trans. ImagePro
cessing, vol. 5, no. 6, pp. 950-962, 1996.）で提案
された直交ボルテラ・フィルタなどの高域フィルタある
いは微分オペレータの出力である。
ジ情報などを含む高周波数成分信号を取り出すことを目
的とするもので、例えばラプラシアン・フィルタやゾー
ベル・フィルタ、文献[3]（S. Thurnhofer and S. K. M
itra, "A general frameworkfor quadratic Volterra f
ilters for edge enhancement," IEEE Trans. ImagePro
cessing, vol. 5, no. 6, pp. 950-962, 1996.）で提案
された直交ボルテラ・フィルタなどの高域フィルタある
いは微分オペレータの出力である。
【００２６】ここでラプラシアン・フィルタとは、２次
微分を利用した方向性のないフィルタのことであり、ゾ
ーベル・フィルタとは、１次微分を利用した垂直・水平
方向のエッジ検出に有効なフィルタのことであり、直交
ボルテラ・フィルタとは、テイラー級数の拡張であるボ
ルテラ級数展開によって表現されるフィルタのうち２次
のボルテラ核をインパルス応答に持つフィルタのことで
ある。
微分を利用した方向性のないフィルタのことであり、ゾ
ーベル・フィルタとは、１次微分を利用した垂直・水平
方向のエッジ検出に有効なフィルタのことであり、直交
ボルテラ・フィルタとは、テイラー級数の拡張であるボ
ルテラ級数展開によって表現されるフィルタのうち２次
のボルテラ核をインパルス応答に持つフィルタのことで
ある。
【００２７】この特徴抽出手段２５０の出力｜ｖ（ｎ
１，ｎ２）｜２５５に閾値操作手段２６０を用いて閾値
操作を施し、各ピクセル毎に調整される重み係数λ（ｎ
１，ｎ２）２８０を用いて、量子化誤差ｅ（ｎ１，ｎ
２）２４５を次式のように拡散する。重み係数の調整法
は，後述する。
１，ｎ２）｜２５５に閾値操作手段２６０を用いて閾値
操作を施し、各ピクセル毎に調整される重み係数λ（ｎ
１，ｎ２）２８０を用いて、量子化誤差ｅ（ｎ１，ｎ
２）２４５を次式のように拡散する。重み係数の調整法
は，後述する。
【数２】
【００２８】ここで＊は２次元畳み込みを表す。フィル
タｇ（ｎ１，ｎ２）は、通常の誤差拡散法で用いられる
因果的な２次元ローパス・フィルタを表し、例えば従来
技術の説明で示したものを用いることができるが、これ
に限定されるものではない。
タｇ（ｎ１，ｎ２）は、通常の誤差拡散法で用いられる
因果的な２次元ローパス・フィルタを表し、例えば従来
技術の説明で示したものを用いることができるが、これ
に限定されるものではない。
【００２９】拡散される誤差を適切に調節するために本
発明では重み係数λ（ｎ１，ｎ２）の適応処理を行う
（２８０）。そのため、特徴抽出情報による動的な調整
のみならず入力画像と出力画像情報を適応アルゴリズム
中２７０で用いることにより適切な誤差拡散を行う。こ
の目的のため、入出力信号の差分｛ｘ（ｎ１，ｎ２）−
ｙ（ｎ１，ｎ２）｝のＨ２ノルムを規準として適応アル
ゴリズムを導き、誤差の拡散率に相当する重み係数をピ
クセル毎に調整する。
発明では重み係数λ（ｎ１，ｎ２）の適応処理を行う
（２８０）。そのため、特徴抽出情報による動的な調整
のみならず入力画像と出力画像情報を適応アルゴリズム
中２７０で用いることにより適切な誤差拡散を行う。こ
の目的のため、入出力信号の差分｛ｘ（ｎ１，ｎ２）−
ｙ（ｎ１，ｎ２）｝のＨ２ノルムを規準として適応アル
ゴリズムを導き、誤差の拡散率に相当する重み係数をピ
クセル毎に調整する。
【００３０】そこで、適応アルゴリズム導出のための最
小２乗誤差規準として次式を用いる。
小２乗誤差規準として次式を用いる。
【数３】
【００３１】ここで、Ｅ［ ］は期待値演算を表す。期
待値演算とは、平均演算のことである。上式の規準に基
づき次式の適応アルゴリズムを提案する。
待値演算とは、平均演算のことである。上式の規準に基
づき次式の適応アルゴリズムを提案する。
【数４】
【００３２】ここで、λの更新はラスタ・スキャン順に
行う。また、μは例えば０．０００１のような小さな正
数とする。
行う。また、μは例えば０．０００１のような小さな正
数とする。
【００３３】このアルゴリズムは従来のＬＭＳアルゴリ
ズムに似た形をしているが、上述の誤差規準を直接で偏
微分して導出する従来のＬＭＳアルゴリズムとは異な
る。
ズムに似た形をしているが、上述の誤差規準を直接で偏
微分して導出する従来のＬＭＳアルゴリズムとは異な
る。
【００３４】ここで、ＬＭＳアルゴリズムとは、最小平
均２乗（Least Mean Squares）アルゴリズムのことであ
る。
均２乗（Least Mean Squares）アルゴリズムのことであ
る。
【００３５】適応アルゴリズムは、誤差規準自体に量子
化といった非線形処理が含まれるためアルゴリズムの導
出過程において量子化誤差をε（ｎ１，ｎ２）で近似す
るなどの手法を適宜とって導出したものである。
化といった非線形処理が含まれるためアルゴリズムの導
出過程において量子化誤差をε（ｎ１，ｎ２）で近似す
るなどの手法を適宜とって導出したものである。
【００３６】また、本発明は上記ノルムや適応アルゴリ
ズムの形に限定されるものではない。例えば、ノルムに
関してはＨ１ノルムやＨ∞ノルムを利用する場合も想定
されるが、本発明の効果としては、入出力情報の差分ノ
ルムを規準として、特徴抽出情報と入出力の量子化誤差
情報の両者を含む形を持ち、両情報をトレードオフする
ことで拡散率の調整を行う適応アルゴリズムの構造を主
張するものであり、ノルム規準やアルゴリズム形態の変
更に本質的違いはない。
ズムの形に限定されるものではない。例えば、ノルムに
関してはＨ１ノルムやＨ∞ノルムを利用する場合も想定
されるが、本発明の効果としては、入出力情報の差分ノ
ルムを規準として、特徴抽出情報と入出力の量子化誤差
情報の両者を含む形を持ち、両情報をトレードオフする
ことで拡散率の調整を行う適応アルゴリズムの構造を主
張するものであり、ノルム規準やアルゴリズム形態の変
更に本質的違いはない。
【００３７】本発明の適応アルゴリズムの動作を以下に
記述する。特徴抽出情報の値が大きい場合、誤差拡散フ
ィルタ部での誤差拡散は抑制される。しかしこの時、同
時に入出力信号の誤差が大きくなっていた場合、本発明
は特徴情報と入出力誤差情報両者のトレードオフを取る
形で重み係数の調整を行う。
記述する。特徴抽出情報の値が大きい場合、誤差拡散フ
ィルタ部での誤差拡散は抑制される。しかしこの時、同
時に入出力信号の誤差が大きくなっていた場合、本発明
は特徴情報と入出力誤差情報両者のトレードオフを取る
形で重み係数の調整を行う。
【００３８】すなわち、重み係数λ（ｎ１，ｎ２）のア
ルゴリズム右辺第２項は、特徴抽出情報の値によって重
み係数の変化を抑制する一方で入出力信号誤差の大きさ
を反映するよう動作する形をしている。同様に、特徴抽
出情報の値が通常のものであっても入出力誤差が大きい
場合、入出力誤差が小さくても特徴抽出情報の値が大き
い場合にもトレードオフを取る形で重み係数の調整が行
われる。従って、本発明は画像の特徴的な性質を損なう
ことなく入力画像と相関の高いハーフトーン画像を生成
する手法と言える。
ルゴリズム右辺第２項は、特徴抽出情報の値によって重
み係数の変化を抑制する一方で入出力信号誤差の大きさ
を反映するよう動作する形をしている。同様に、特徴抽
出情報の値が通常のものであっても入出力誤差が大きい
場合、入出力誤差が小さくても特徴抽出情報の値が大き
い場合にもトレードオフを取る形で重み係数の調整が行
われる。従って、本発明は画像の特徴的な性質を損なう
ことなく入力画像と相関の高いハーフトーン画像を生成
する手法と言える。
【００３９】このように本発明によって誤差拡散率を調
整する場合、特徴抽出の結果ｖ（ｎ１，ｎ２）と入力情
報ｘ（ｎ１，ｎ２）、出力情報ｙ（ｎ１，ｎ２）を利用
した調整法であるため、文献[1]のように特徴抽出の結
果を利用するための量子化部や出力部におけるフィルタ
リングは必要無く、演算量の増大を防ぐことができる。
また、本発明は、文献[2]のようにすべての拡散フィル
タ係数の調整を行うことはせずに、拡散フィルタに閾値
処理を施した出力に対してピクセル毎に調整したλ（ｎ
１，ｎ２）を乗じる構造にすることで演算量の増大を防
いでいる。
整する場合、特徴抽出の結果ｖ（ｎ１，ｎ２）と入力情
報ｘ（ｎ１，ｎ２）、出力情報ｙ（ｎ１，ｎ２）を利用
した調整法であるため、文献[1]のように特徴抽出の結
果を利用するための量子化部や出力部におけるフィルタ
リングは必要無く、演算量の増大を防ぐことができる。
また、本発明は、文献[2]のようにすべての拡散フィル
タ係数の調整を行うことはせずに、拡散フィルタに閾値
処理を施した出力に対してピクセル毎に調整したλ（ｎ
１，ｎ２）を乗じる構造にすることで演算量の増大を防
いでいる。
【００４０】上に例示したアルゴリズムであれば、適応
アルゴリズム自体に要する演算量はフィルタリングに比
べて少ないため、文献[1]の１／３程度の演算量です
む。文献[2]では画像の局所的な性質に応じた場合分け
によって演算量が変わるため具体的な数値比較を行うこ
とは難しいが、少なくとも拡散ローパス・フィルタの非
零係数の個数分の一以下になることは明らかであり、そ
れ以外に文献[2]ではベッセル関数や高演算量のパラメ
ータ推定を伴うことを考慮すると、本発明は文献[2]の
手法の数十分の一程度の演算量ですむと考えられる。
アルゴリズム自体に要する演算量はフィルタリングに比
べて少ないため、文献[1]の１／３程度の演算量です
む。文献[2]では画像の局所的な性質に応じた場合分け
によって演算量が変わるため具体的な数値比較を行うこ
とは難しいが、少なくとも拡散ローパス・フィルタの非
零係数の個数分の一以下になることは明らかであり、そ
れ以外に文献[2]ではベッセル関数や高演算量のパラメ
ータ推定を伴うことを考慮すると、本発明は文献[2]の
手法の数十分の一程度の演算量ですむと考えられる。
【００４１】図３は、図２に示した第１の実施例の主な
動作を示したフローチャートである。まず，ステップ３
１０において、処理対象画素を表す座標とを初期化す
る。
動作を示したフローチャートである。まず，ステップ３
１０において、処理対象画素を表す座標とを初期化す
る。
【００４２】次に，ステップ３１５において、現時刻で
処理対象となる現画像の画素ｘ（ｎ１，ｎ２）と特徴抽
出に必要な画素を読み込む。ここで、特徴抽出に必要な
画素とは、例えば処理対象画素ｘ（ｎ１，ｎ２）の上下
左右に存在する４つの画素のような特徴抽出演算に必要
な画素のことであり、用いる特徴抽出演算に依存して対
象となる画素は変化する。
処理対象となる現画像の画素ｘ（ｎ１，ｎ２）と特徴抽
出に必要な画素を読み込む。ここで、特徴抽出に必要な
画素とは、例えば処理対象画素ｘ（ｎ１，ｎ２）の上下
左右に存在する４つの画素のような特徴抽出演算に必要
な画素のことであり、用いる特徴抽出演算に依存して対
象となる画素は変化する。
【００４３】ステップ３２０において、量子化を行い、
ｙ（ｎ１，ｎ２）出力を得る。ここで、量子化とは、例
えば８ビットで表現されている入力信号を、１ビットな
どの少ないビット数で近似する変換操作のことである。
ｙ（ｎ１，ｎ２）出力を得る。ここで、量子化とは、例
えば８ビットで表現されている入力信号を、１ビットな
どの少ないビット数で近似する変換操作のことである。
【００４４】ステップ３２５において、誤差ｅ（ｎ１，
ｎ２）とｘ（ｎ１，ｎ２）−ｙ（ｎ１，ｎ２）を計算す
る。
ｎ２）とｘ（ｎ１，ｎ２）−ｙ（ｎ１，ｎ２）を計算す
る。
【００４５】ステップ３３０において、高域フィルタや
微分オペレータ等による特徴抽出を行いを特徴抽出結果
ｖ（ｎ１，ｎ２）を計算する。
微分オペレータ等による特徴抽出を行いを特徴抽出結果
ｖ（ｎ１，ｎ２）を計算する。
【００４６】ステップ３３５において、特徴抽出結果の
絶対値｜ｖ（ｎ１，ｎ２）｜が閾値（Threshold）より
大きいかどうかで場合分けを行う。特徴抽出結果の絶対
値が閾値より大きい場合は，ｅ（ｎ１，ｎ２）を｜ｖ
（ｎ１，ｎ２）｜で除したものを拡散フィルタｇ（ｎ
１，ｎ２）との畳み込みでフィルタリングし、重み係数
λ（ｎ１，ｎ２）の更新を行う（ステップ３４０）。そ
して、更新した重み係数λ（ｎ１，ｎ２）を用いて誤差
拡散を行う（ステップ３４５）。
絶対値｜ｖ（ｎ１，ｎ２）｜が閾値（Threshold）より
大きいかどうかで場合分けを行う。特徴抽出結果の絶対
値が閾値より大きい場合は，ｅ（ｎ１，ｎ２）を｜ｖ
（ｎ１，ｎ２）｜で除したものを拡散フィルタｇ（ｎ
１，ｎ２）との畳み込みでフィルタリングし、重み係数
λ（ｎ１，ｎ２）の更新を行う（ステップ３４０）。そ
して、更新した重み係数λ（ｎ１，ｎ２）を用いて誤差
拡散を行う（ステップ３４５）。
【００４７】ステップ３３５において、特徴抽出結果が
閾値以下の場合は，ｅ（ｎ１，ｎ２）をｇ（ｎ１，ｎ
２）との畳み込みでフィルタリングし、重み係数λ（ｎ
１，ｎ２）の更新を行う（ステップ３５０）、そして，
通常の誤差拡散を行う（ステップ３５５）。
閾値以下の場合は，ｅ（ｎ１，ｎ２）をｇ（ｎ１，ｎ
２）との畳み込みでフィルタリングし、重み係数λ（ｎ
１，ｎ２）の更新を行う（ステップ３５０）、そして，
通常の誤差拡散を行う（ステップ３５５）。
【００４８】ステップ３６０において、ラスタ・スキャ
ンしている最後の列かどうかを判別し、最後の列でなけ
れば，ｎ２をインクリメント（ステップ３６５）してス
テップ３１５へ戻り、最後の列であればステップ３７０
へ移る。
ンしている最後の列かどうかを判別し、最後の列でなけ
れば，ｎ２をインクリメント（ステップ３６５）してス
テップ３１５へ戻り、最後の列であればステップ３７０
へ移る。
【００４９】ステップ３７０において、最後の行かどう
かを判別し、最後の行でなければ，ｎ１をインクリメン
トし，ｎ２を初期化する（ステップ３７５）。ステップ
３７０において、最後の行であれば終了する（ステップ
３８０）。
かを判別し、最後の行でなければ，ｎ１をインクリメン
トし，ｎ２を初期化する（ステップ３７５）。ステップ
３７０において、最後の行であれば終了する（ステップ
３８０）。
【００５０】図４には、特定の画像を本発明の手法及び
他の２つの手法でハーフトーン化した実例を示してい
る。対象とした手法は、図４中で（ａ）通常の誤差拡散
法４１０、（ｂ）文献[4]（ S. Thurnhofer and S. K.
Mitra, "Nonlinear detail enhancement of error-diff
used images," Proc. SPIE Conf. Human Vision, Visua
l Processing and Digital Display V, vol. 2179, pp.
170-181, Feb. 1994.）の誤差拡散法（直交ボルテラフ
ィルタで特徴抽出した情報のみを利用する手法）４２
０、（ｃ）本発明４３０の３つである。
他の２つの手法でハーフトーン化した実例を示してい
る。対象とした手法は、図４中で（ａ）通常の誤差拡散
法４１０、（ｂ）文献[4]（ S. Thurnhofer and S. K.
Mitra, "Nonlinear detail enhancement of error-diff
used images," Proc. SPIE Conf. Human Vision, Visua
l Processing and Digital Display V, vol. 2179, pp.
170-181, Feb. 1994.）の誤差拡散法（直交ボルテラフ
ィルタで特徴抽出した情報のみを利用する手法）４２
０、（ｃ）本発明４３０の３つである。
【００５１】図４に入力画像として使用した画像は、２
５６ｘ２５６の解像度で、階調は２５６階調である。ハ
ーフトーン変換後の画像（ａ）〜（ｃ）の解像度は２５
６ｘ２５６で、階調は２階調（白及び黒）である。
５６ｘ２５６の解像度で、階調は２５６階調である。ハ
ーフトーン変換後の画像（ａ）〜（ｃ）の解像度は２５
６ｘ２５６で、階調は２階調（白及び黒）である。
【００５２】図４の（ａ）（ｂ）（ｃ）の３つの画像を
比較すると容易に分かるように、本発明の手法による結
果（ｃ）が細部の特徴を損なうことなくハーフトーン化
していることが確認できる。実際には、図４のような印
刷図よりも、ＬＣＤ（液晶表示装置）等の表示装置上で
見ると更に効果を確認しやすい。
比較すると容易に分かるように、本発明の手法による結
果（ｃ）が細部の特徴を損なうことなくハーフトーン化
していることが確認できる。実際には、図４のような印
刷図よりも、ＬＣＤ（液晶表示装置）等の表示装置上で
見ると更に効果を確認しやすい。
【００５３】また、ハーフトーン画像の客観的な評価指
標としては、一般的に相関（ｃｏｒｒｅｌａｔｉｏｎ）
値及びＭＳＥ値（平均２乗誤差）等があり、図４に示し
た（ａ）〜（ｃ）の画像の相関値及びＭＳＥ値（ｘ１０
４）を表１に示した。
標としては、一般的に相関（ｃｏｒｒｅｌａｔｉｏｎ）
値及びＭＳＥ値（平均２乗誤差）等があり、図４に示し
た（ａ）〜（ｃ）の画像の相関値及びＭＳＥ値（ｘ１０
４）を表１に示した。
【表１】
【００５４】相関値は、原画像とハーフトーン画像の統
計的関連性の度合いを示すものであり、次式により計算
され、相関値は大きい方が、画像の評価が良い。
計的関連性の度合いを示すものであり、次式により計算
され、相関値は大きい方が、画像の評価が良い。
【数５】
【００５５】また、ＭＳＥ値は、原画像とハーフトーン
画像のピクセル毎の差を２乗した総和を画素数で除した
ものである。ＭＳＥ値は、小さい方が、画像の評価が良
い。
画像のピクセル毎の差を２乗した総和を画素数で除した
ものである。ＭＳＥ値は、小さい方が、画像の評価が良
い。
【００５６】表１を参照すると、図４の（ａ）誤差拡散
の手法４１０の場合には、相関値は０．６０６８であ
り、ＭＳＥ値は１．０３２３×１０４である。
の手法４１０の場合には、相関値は０．６０６８であ
り、ＭＳＥ値は１．０３２３×１０４である。
【００５７】図４の（ｂ）文献［４］の手法４２０の場
合には、相関値は０．６９６９であり、ＭＳＥ値は０．
８７９７５×１０４である。
合には、相関値は０．６９６９であり、ＭＳＥ値は０．
８７９７５×１０４である。
【００５８】図４の（ｃ）本発明の手法４３０の場合に
は、相関値は０．７３７０であり、ＭＳＥ値は０．８１
１４６×１０４である。
は、相関値は０．７３７０であり、ＭＳＥ値は０．８１
１４６×１０４である。
【００５９】図４の（ａ）〜（ｃ）の３つの手法を比較
すると、相関値が本発明が一番大きく、ＭＳＥ値が本発
明が一番小さいため、これらの２つの評価指標の比較か
らも本発明の手法によりハーフトーン化した画像の質が
高いことが客観的に分かる。
すると、相関値が本発明が一番大きく、ＭＳＥ値が本発
明が一番小さいため、これらの２つの評価指標の比較か
らも本発明の手法によりハーフトーン化した画像の質が
高いことが客観的に分かる。
【００６０】また、本発明の手法で用いた特徴抽出法と
しては、文献[4]と同じ直交ボルテラフィルタを用いて
いる。
しては、文献[4]と同じ直交ボルテラフィルタを用いて
いる。
【００６１】直交ボルテラフィルタとは、テイラー級数
の拡張であるボルテラ級数展開によって表現されるフィ
ルタのうち２次のボルテラ核をインパルス応答に持つフ
ィルタである。
の拡張であるボルテラ級数展開によって表現されるフィ
ルタのうち２次のボルテラ核をインパルス応答に持つフ
ィルタである。
【００６２】図６には、図４の（ａ）〜（ｃ）を図５に
示した切り出し線５１０で切り出した値（実線）が、図
５に示されたもとの図の値（破線）と共に示されてい
る。
示した切り出し線５１０で切り出した値（実線）が、図
５に示されたもとの図の値（破線）と共に示されてい
る。
【００６３】図６を見ると、（ａ）６１０及び（ｂ）６
３０に比べて、本発明の手法（ｃ）６５０がもとの図を
良く表していることが分かる。
３０に比べて、本発明の手法（ｃ）６５０がもとの図を
良く表していることが分かる。
【００６４】図６において縦軸は画素値（実線について
は１又は０の２階調、破線については２５６階調）、横
軸は画像の座標軸（ピクセル単位）を表しているが、例
えば、座標軸２００から２５０の間において、本発明の
手法（ｃ）が、（ａ）及び（ｂ）に比べて実線と破線の
対応が取れていることが分かる。
は１又は０の２階調、破線については２５６階調）、横
軸は画像の座標軸（ピクセル単位）を表しているが、例
えば、座標軸２００から２５０の間において、本発明の
手法（ｃ）が、（ａ）及び（ｂ）に比べて実線と破線の
対応が取れていることが分かる。
【００６５】例えば、図４の横軸が２２５〜２５０付近
の部分を見ると（ａ）６１０及び（ｂ）６３０の場合
は、破線の示す画素値が低い部分にもスパイク状の実線
が４〜５本出ており、これに対して本発明の（ｃ）６５
０の場合は、２２５〜２５０付近の部分には、スパイク
状の実線が１本しか見られないことからも、本発明の手
法（ｃ）が従来の手法（ａ），（ｂ）よりも優れている
ことが分かる。また、横軸の他の領域においても無用な
スパイクが少なく、破線によく追従していることが分か
る。
の部分を見ると（ａ）６１０及び（ｂ）６３０の場合
は、破線の示す画素値が低い部分にもスパイク状の実線
が４〜５本出ており、これに対して本発明の（ｃ）６５
０の場合は、２２５〜２５０付近の部分には、スパイク
状の実線が１本しか見られないことからも、本発明の手
法（ｃ）が従来の手法（ａ），（ｂ）よりも優れている
ことが分かる。また、横軸の他の領域においても無用な
スパイクが少なく、破線によく追従していることが分か
る。
【００６６】図７には図２に示した本発明の実施例とは
異なる第２の実施例が示されている。図７に記載の第２
の実施例では、特徴抽出の出力を用いてステップ係数を
変化させる手法を採用している。図２の実施例では、固
定していたステップ係数を実施例２の場合には適応化さ
せる。方法として、閾値操作と同様に特徴抽出情報７９
０に基づいて調整することが考えられるので、特徴抽出
手段７５０から適応アルゴリズム手段７７０への入力線
７９０を追加する。
異なる第２の実施例が示されている。図７に記載の第２
の実施例では、特徴抽出の出力を用いてステップ係数を
変化させる手法を採用している。図２の実施例では、固
定していたステップ係数を実施例２の場合には適応化さ
せる。方法として、閾値操作と同様に特徴抽出情報７９
０に基づいて調整することが考えられるので、特徴抽出
手段７５０から適応アルゴリズム手段７７０への入力線
７９０を追加する。
【００６７】図７に示された第２の実施例の場合には、
第１の実施例に比べて演算量は多少増えるが、細かい部
分の多い画像を処理する場合に適している。
第１の実施例に比べて演算量は多少増えるが、細かい部
分の多い画像を処理する場合に適している。
【００６８】図８には図２に示した本発明の実施例とは
異なる第３の実施例が示されている。第３の実施例は、
適応アルゴリズム８７０中でノルム８９０も利用する手
法である。フィルタｇ（ｎ１，ｎ２）８３０の出力８３
７にノルム計算のブロック８９０追加して接続し、ノル
ム計算８９０の出力８９５を適用アルゴリズム手段の入
力へ接続する。
異なる第３の実施例が示されている。第３の実施例は、
適応アルゴリズム８７０中でノルム８９０も利用する手
法である。フィルタｇ（ｎ１，ｎ２）８３０の出力８３
７にノルム計算のブロック８９０追加して接続し、ノル
ム計算８９０の出力８９５を適用アルゴリズム手段の入
力へ接続する。
【００６９】図８に示された第３の実施例の場合には、
第１の実施例と同様の画質が同等の演算量で得られると
考えられる。
第１の実施例と同様の画質が同等の演算量で得られると
考えられる。
【００７０】図９には図２に示した本発明の実施例とは
異なる第４の実施例が示されている。第４の実施例は、
拡散フィルタ部分を複数のフィルタ９３２、９３４に分
割する方法である。図２の実施例では閾値操作２６０に
より場合分けしていた部分に対し、複数の既定フィルタ
９３２、９３４等を用意して各フィルタ出力を特徴抽出
結果９５５に応じて制御する（切り替える又は結果の混
合を行う）。図９では拡散フィルタ２３０を二つのフィ
ルタに分けているが、分割数は３つ以上でも良い。
異なる第４の実施例が示されている。第４の実施例は、
拡散フィルタ部分を複数のフィルタ９３２、９３４に分
割する方法である。図２の実施例では閾値操作２６０に
より場合分けしていた部分に対し、複数の既定フィルタ
９３２、９３４等を用意して各フィルタ出力を特徴抽出
結果９５５に応じて制御する（切り替える又は結果の混
合を行う）。図９では拡散フィルタ２３０を二つのフィ
ルタに分けているが、分割数は３つ以上でも良い。
【００７１】図９に示された第４の実施例の場合には、
第１の実施例に比べてハードウェアで実現が容易である
という特徴を有する。
第１の実施例に比べてハードウェアで実現が容易である
という特徴を有する。
【００７２】図１０には図２に示した本発明の実施例と
は異なる第５の実施例が示されている。第５の実施例
は、λの変化をいくつかの既定値に制限する方法であ
る。図２の実施例では、λの値を連続値を取る形で適応
化させている（２８０）に対して、いくつかの値をあら
かじめ決めておいて、適応アルゴリズム１０７０の結果
１０７５に応じて所定値の中からの選択に制限する。従
って、図２の可変乗算ブロック２８０をλ選択テーブル
１０８０で置き換える。
は異なる第５の実施例が示されている。第５の実施例
は、λの変化をいくつかの既定値に制限する方法であ
る。図２の実施例では、λの値を連続値を取る形で適応
化させている（２８０）に対して、いくつかの値をあら
かじめ決めておいて、適応アルゴリズム１０７０の結果
１０７５に応じて所定値の中からの選択に制限する。従
って、図２の可変乗算ブロック２８０をλ選択テーブル
１０８０で置き換える。
【００７３】図１０に示された第５の実施例の場合に
は、第１の実施例に比べて、不規則な画像を処理する場
合に適している。
は、第１の実施例に比べて、不規則な画像を処理する場
合に適している。
【００７４】図１１には図２に示した本発明の実施例と
は異なる第６の実施例が示されている。第６の実施例
は、λの上限・下限で閾値を設ける方法である。λを連
続に適応化させる場合にも、その上限・下限を設けるこ
とが可能であり、図２のブロック図に閾値オペレータ１
１９０を追加する。
は異なる第６の実施例が示されている。第６の実施例
は、λの上限・下限で閾値を設ける方法である。λを連
続に適応化させる場合にも、その上限・下限を設けるこ
とが可能であり、図２のブロック図に閾値オペレータ１
１９０を追加する。
【００７５】図１１に示された第６の実施例の場合に
は、第１の実施例に比べて演算量同等であり、λが発散
することがないため、グラデーション変化が続いている
途中で急に単調な何もない背景画になるような人工的な
画像を処理する場合に適している。
は、第１の実施例に比べて演算量同等であり、λが発散
することがないため、グラデーション変化が続いている
途中で急に単調な何もない背景画になるような人工的な
画像を処理する場合に適している。
【００７６】本発明の処理フローはコンピュータ・プロ
グラムによって実施することができる。このコンピュー
タ・プログラムは、例えば図１２で示すようなコンピュ
ータ・システムにおいて実行可能である。この場合、コ
ンピュータ・プログラム及び必要なデータはハードディ
スク・ドライブＨＤＤ１２６０等に格納されており、必
要に応じてメイン・メモリ１２２０に呼び出され、ＣＰ
Ｕ１２１０にて実行される。処理の結果（中間データを
含む）もメインメモリ１２２０に格納される。但し、仮
想記憶によってＨＤＤ１２６０に記憶される場合もあ
る。データは、キーボード、マウス１２７０やフロッピ
ー・ディスク（ＦＤＤ）１２３０その他の記憶媒体、ま
た、モデム等の通信装置１２５０によって接続された通
信回線１２５５から供給され得る。コンピュータ・プロ
グラムも他のコンピュータ・システムから送られてくる
ようにしても良い。同様に、コンピュータ・プログラム
はＦＤＤ１２３０やＣＤ−ＲＯＭその他の記憶媒体にて
提供される場合がある。本発明の処理結果は、ＨＤＤ１
２６０などに記憶された他のコンピュータ・プログラム
によって数値解析等に用いられる。更に、グラフィック
ス・アクセラレータ１２９５、表示装置１２９０や印刷
装置１２４０によってユーザに提示することも可能であ
るし、スキャナーなデジタル・カメラ等の画像入力装置
１２８０により画像を入力することもできる。
グラムによって実施することができる。このコンピュー
タ・プログラムは、例えば図１２で示すようなコンピュ
ータ・システムにおいて実行可能である。この場合、コ
ンピュータ・プログラム及び必要なデータはハードディ
スク・ドライブＨＤＤ１２６０等に格納されており、必
要に応じてメイン・メモリ１２２０に呼び出され、ＣＰ
Ｕ１２１０にて実行される。処理の結果（中間データを
含む）もメインメモリ１２２０に格納される。但し、仮
想記憶によってＨＤＤ１２６０に記憶される場合もあ
る。データは、キーボード、マウス１２７０やフロッピ
ー・ディスク（ＦＤＤ）１２３０その他の記憶媒体、ま
た、モデム等の通信装置１２５０によって接続された通
信回線１２５５から供給され得る。コンピュータ・プロ
グラムも他のコンピュータ・システムから送られてくる
ようにしても良い。同様に、コンピュータ・プログラム
はＦＤＤ１２３０やＣＤ−ＲＯＭその他の記憶媒体にて
提供される場合がある。本発明の処理結果は、ＨＤＤ１
２６０などに記憶された他のコンピュータ・プログラム
によって数値解析等に用いられる。更に、グラフィック
ス・アクセラレータ１２９５、表示装置１２９０や印刷
装置１２４０によってユーザに提示することも可能であ
るし、スキャナーなデジタル・カメラ等の画像入力装置
１２８０により画像を入力することもできる。
【００７７】図１３、図１４には、図４とは異なる特定
の画像を本発明の手法及び他の手法でハーフトーン化し
た実例を示している。対象とした手法は、通常の誤差拡
散法（図１３）及び本発明の手法（図１４）である。
の画像を本発明の手法及び他の手法でハーフトーン化し
た実例を示している。対象とした手法は、通常の誤差拡
散法（図１３）及び本発明の手法（図１４）である。
【００７８】図１３及び１４に入力画像として使用した
画像は、５１２ｘ５１２の解像度で、階調は２５６階調
である。対象は、米国の国防総省の建物及びその周辺で
ある。ハーフトーン変換後の画像（図１３、１４）の解
像度は２０４８ｘ２０４８で、階調は２階調である。便
宜上、入力画像を４倍に拡大している。
画像は、５１２ｘ５１２の解像度で、階調は２５６階調
である。対象は、米国の国防総省の建物及びその周辺で
ある。ハーフトーン変換後の画像（図１３、１４）の解
像度は２０４８ｘ２０４８で、階調は２階調である。便
宜上、入力画像を４倍に拡大している。
【００７９】本発明の手法による結果（図１４）が通常
の誤差拡散法による結果（図１３）に比べて良いことが
一目で分かる。例えば、図１４は図１３に比較して、国
防総省ペンタゴンの建物の輪郭が鮮明に浮き上がってお
り、また、周辺の道路の輪郭もはっきりしている。
の誤差拡散法による結果（図１３）に比べて良いことが
一目で分かる。例えば、図１４は図１３に比較して、国
防総省ペンタゴンの建物の輪郭が鮮明に浮き上がってお
り、また、周辺の道路の輪郭もはっきりしている。
【００８０】図１３の誤差拡散の手法の場合には、相関
値は０．２８６０であり、ＭＳＥ値は１．５０３８×１
０４である。図１９の本発明の手法の場合には、相関値
は０．３４３５であり、ＭＳＥ値は１．４５７０×１０
４である。
値は０．２８６０であり、ＭＳＥ値は１．５０３８×１
０４である。図１９の本発明の手法の場合には、相関値
は０．３４３５であり、ＭＳＥ値は１．４５７０×１０
４である。
【００８１】図１３及び図１４を比較すると、図１４の
方が相関値が大きく、ＭＳＥ値が小さいため、これらの
２つの評価指標の比較からも本発明の手法によりハーフ
トーン化した画像の方が従来の誤差拡散法よりも画質が
高いことが分かる。
方が相関値が大きく、ＭＳＥ値が小さいため、これらの
２つの評価指標の比較からも本発明の手法によりハーフ
トーン化した画像の方が従来の誤差拡散法よりも画質が
高いことが分かる。
【００８２】また、本発明の手法で用いた特徴抽出法と
しては、文献[4]と同じ直交ボルテラフィルタを用いて
いる。
しては、文献[4]と同じ直交ボルテラフィルタを用いて
いる。
【００８３】
【効果】本願発明の構成によって、もとの入力画像の特
徴的な性質を損なうことなく入力画像をハーフトーン化
した出力画像を生成し、かつその際に多大な演算量増加
も必要としない、新たな画像階調変換方式が提供され
る。
徴的な性質を損なうことなく入力画像をハーフトーン化
した出力画像を生成し、かつその際に多大な演算量増加
も必要としない、新たな画像階調変換方式が提供され
る。
【００８４】以下まとめとして他の実施例を記載する。
【００８５】（１）画像の誤差拡散方法であって、画像
内の各画素に対する誤差拡散率を画素毎に変化させるこ
とを特徴とする誤差拡散方法。 （２）画像の誤差拡散方法であって、画像内の各画素に
対する誤差拡散率を、入力画像に基づいて画素毎に変化
させることを特徴とする誤差拡散方法。 （３）画像の誤差拡散方法であって、画像内の各画素に
対する誤差拡散率を、入力画像及び出力画像に基づいて
画素毎に変化させることを特徴とする誤差拡散方法。 （４）画像の誤差拡散方法であって、画像内の各画素に
対する誤差拡散率を、入力画像、出力画像及び入力画像
からの特徴抽出結果に基づいて画素毎に変化させること
を特徴とする誤差拡散方法。 （５）画像の誤差拡散方法であって、各画素において入
力画像からの特徴抽出結果が所定の閾値より大きい場合
には、画像内の各画素に対する誤差拡散率を画素毎に変
化させることを特徴とする誤差拡散方法。 （６）画像の誤差拡散方法であって、各画素において入
力画像からの特徴抽出結果が所定の閾値より大きい場合
には、画像内の各画素に対する誤差拡散率を、入力画像
に基づいて画素毎に変化させることを特徴とする誤差拡
散方法。 （７）画像の誤差拡散方法であって、各画素において入
力画像からの特徴抽出結果が所定の閾値より大きい場合
には、画像内の各画素に対する誤差拡散率を、入力画像
及び出力画像に基づいて画素毎に変化させることを特徴
とする誤差拡散方法。 （８）画像の誤差拡散方法であって、各画素において入
力画像からの特徴抽出結果が所定の閾値より大きい場合
には、画像内の各画素に対する誤差拡散率を、入力画
像、出力画像及び入力画像からの特徴抽出結果に基づい
て画素毎に変化させることを特徴とする誤差拡散方法。 （９）画像の誤差拡散装置であって、画像内の各画素に
対する誤差拡散率を画素毎に変化させる手段を有する誤
差拡散装置。 （１０）画像の誤差拡散装置であって、画像内の各画素
に対する誤差拡散率を、入力画像に基づいて画素毎に変
化させる手段を有する誤差拡散装置。 （１１）画像の誤差拡散装置であって、画像内の各画素
に対する誤差拡散率を、入力画像及び出力画像に基づい
て画素毎に変化させる手段を有する誤差拡散装置。 （１２）画像の誤差拡散装置であって、画像内の各画素
に対する誤差拡散率を、入力画像、出力画像及び入力画
像からの特徴抽出結果に基づいて画素毎に変化させる手
段を有する誤差拡散装置。 （１３）画像の誤差拡散を行うコンピュータであって、
プロセッサと、メモリと、不揮発性記憶装置と、を含
み、画像内の各画素に対する誤差拡散率を画素毎に変化
させる手段を有するコンピュータ。 （１４）画像の誤差拡散方法を実行するプログラムを記
憶した記録媒体であって、前記プログラムが、画像内の
各画素に対する誤差拡散率を画素毎に変化させるステッ
プを有することを特徴とする記録媒体。 （１５）画像の誤差拡散装置であって、量子化器と、加
算器と、特徴抽出手段と、誤差拡散フィルタと、を含
み、各画素において入力画像からの前記特徴抽出手段に
よる特徴抽出結果が所定の閾値より大きい場合には、画
像内の各画素に対する誤差拡散率を画素毎に変化させる
ことを特徴とする誤差拡散装置。
内の各画素に対する誤差拡散率を画素毎に変化させるこ
とを特徴とする誤差拡散方法。 （２）画像の誤差拡散方法であって、画像内の各画素に
対する誤差拡散率を、入力画像に基づいて画素毎に変化
させることを特徴とする誤差拡散方法。 （３）画像の誤差拡散方法であって、画像内の各画素に
対する誤差拡散率を、入力画像及び出力画像に基づいて
画素毎に変化させることを特徴とする誤差拡散方法。 （４）画像の誤差拡散方法であって、画像内の各画素に
対する誤差拡散率を、入力画像、出力画像及び入力画像
からの特徴抽出結果に基づいて画素毎に変化させること
を特徴とする誤差拡散方法。 （５）画像の誤差拡散方法であって、各画素において入
力画像からの特徴抽出結果が所定の閾値より大きい場合
には、画像内の各画素に対する誤差拡散率を画素毎に変
化させることを特徴とする誤差拡散方法。 （６）画像の誤差拡散方法であって、各画素において入
力画像からの特徴抽出結果が所定の閾値より大きい場合
には、画像内の各画素に対する誤差拡散率を、入力画像
に基づいて画素毎に変化させることを特徴とする誤差拡
散方法。 （７）画像の誤差拡散方法であって、各画素において入
力画像からの特徴抽出結果が所定の閾値より大きい場合
には、画像内の各画素に対する誤差拡散率を、入力画像
及び出力画像に基づいて画素毎に変化させることを特徴
とする誤差拡散方法。 （８）画像の誤差拡散方法であって、各画素において入
力画像からの特徴抽出結果が所定の閾値より大きい場合
には、画像内の各画素に対する誤差拡散率を、入力画
像、出力画像及び入力画像からの特徴抽出結果に基づい
て画素毎に変化させることを特徴とする誤差拡散方法。 （９）画像の誤差拡散装置であって、画像内の各画素に
対する誤差拡散率を画素毎に変化させる手段を有する誤
差拡散装置。 （１０）画像の誤差拡散装置であって、画像内の各画素
に対する誤差拡散率を、入力画像に基づいて画素毎に変
化させる手段を有する誤差拡散装置。 （１１）画像の誤差拡散装置であって、画像内の各画素
に対する誤差拡散率を、入力画像及び出力画像に基づい
て画素毎に変化させる手段を有する誤差拡散装置。 （１２）画像の誤差拡散装置であって、画像内の各画素
に対する誤差拡散率を、入力画像、出力画像及び入力画
像からの特徴抽出結果に基づいて画素毎に変化させる手
段を有する誤差拡散装置。 （１３）画像の誤差拡散を行うコンピュータであって、
プロセッサと、メモリと、不揮発性記憶装置と、を含
み、画像内の各画素に対する誤差拡散率を画素毎に変化
させる手段を有するコンピュータ。 （１４）画像の誤差拡散方法を実行するプログラムを記
憶した記録媒体であって、前記プログラムが、画像内の
各画素に対する誤差拡散率を画素毎に変化させるステッ
プを有することを特徴とする記録媒体。 （１５）画像の誤差拡散装置であって、量子化器と、加
算器と、特徴抽出手段と、誤差拡散フィルタと、を含
み、各画素において入力画像からの前記特徴抽出手段に
よる特徴抽出結果が所定の閾値より大きい場合には、画
像内の各画素に対する誤差拡散率を画素毎に変化させる
ことを特徴とする誤差拡散装置。
【図面の簡単な説明】
【図１】従来の一般的な誤差拡散法を示したブロック図
である。
である。
【図２】本発明の実施例１を示したブロック図である。
【図３】本発明の実施例１の動作を示したフローチャー
トである。
トである。
【図４】本発明及び従来の方法を実際の画像に適用した
結果得られた画像例１である。
結果得られた画像例１である。
【図５】図４の入力に使用した画像である。
【図６】図４の適用画像からデータを一部を切り出した
図である。
図である。
【図７】本発明の実施例２を示したブロック図である。
【図８】本発明の実施例３を示したブロック図である。
【図９】本発明の実施例４を示したブロック図である。
【図１０】本発明の実施例５を示したブロック図であ
る。
る。
【図１１】本発明の実施例６を示したブロック図であ
る。
る。
【図１２】本発明の適用に適したコンピュータ・システ
ムを示したブロック図である。
ムを示したブロック図である。
【図１３】従来の方法を実際の画像に適用した結果得ら
れた画像例２である。
れた画像例２である。
【図１４】本発明を実際の画像に適用した結果得られた
画像例２である。
画像例２である。
【図１５】誤差拡散法の概要を示した図である。
１１０、１４０ 加算器 １２０ 量子化器 １３０ 誤差拡散フィルタ ２１０、２４０、２９０ 加算器 ２２０ 量子化器 ２３０ 誤差拡散フィルタ ２５０ 特徴抽出手段 ２６０ 閾値操作手段 ２７０ 適応アルゴリズム手段 ２８０ 重み係数手段 １２１０ ＣＰＵ １２２０ メモリ １２３０ ＦＤＤ １２４０ 印刷装置 １２５０ 通信装置 １２５５ 通信回線 １２６０ ＨＤＤ １２７０ キーボード、マウス １２８０ 画像入力装置 １２９０ 表示装置 １２９５ グラフィックス・アクセラレータ
───────────────────────────────────────────────────── フロントページの続き (72)発明者 清水 淳也 神奈川県大和市下鶴間1623番地14 日本ア イ・ビー・エム株式会社 東京基礎研究所 内 Ｆターム(参考） 5B057 BA30 CA12 CA16 CB07 CB12 CB16 CC02 CE13 CH08 CH11 CH18 5C077 MP06 NN12 PP42 PQ12 PQ22 RR14
Claims (15)
- 【請求項１】画像の誤差拡散方法であって、画像内の各
画素に対する誤差拡散率を画素毎に変化させることを特
徴とする誤差拡散方法。 - 【請求項２】画像の誤差拡散方法であって、画像内の各
画素に対する誤差拡散率を、入力画像に基づいて画素毎
に変化させることを特徴とする誤差拡散方法。 - 【請求項３】画像の誤差拡散方法であって、画像内の各
画素に対する誤差拡散率を、入力画像及び出力画像に基
づいて画素毎に変化させることを特徴とする誤差拡散方
法。 - 【請求項４】画像の誤差拡散方法であって、画像内の各
画素に対する誤差拡散率を、入力画像、出力画像及び入
力画像からの特徴抽出結果に基づいて画素毎に変化させ
ることを特徴とする誤差拡散方法。 - 【請求項５】画像の誤差拡散方法であって、各画素にお
いて入力画像からの特徴抽出結果が所定の閾値より大き
い場合には、画像内の各画素に対する誤差拡散率を画素
毎に変化させることを特徴とする誤差拡散方法。 - 【請求項６】画像の誤差拡散方法であって、各画素にお
いて入力画像からの特徴抽出結果が所定の閾値より大き
い場合には、画像内の各画素に対する誤差拡散率を、入
力画像に基づいて画素毎に変化させることを特徴とする
誤差拡散方法。 - 【請求項７】画像の誤差拡散方法であって、各画素にお
いて入力画像からの特徴抽出結果が所定の閾値より大き
い場合には、画像内の各画素に対する誤差拡散率を、入
力画像及び出力画像に基づいて画素毎に変化させること
を特徴とする誤差拡散方法。 - 【請求項８】画像の誤差拡散方法であって、各画素にお
いて入力画像からの特徴抽出結果が所定の閾値より大き
い場合には、画像内の各画素に対する誤差拡散率を、入
力画像、出力画像及び入力画像からの特徴抽出結果に基
づいて画素毎に変化させることを特徴とする誤差拡散方
法。 - 【請求項９】画像の誤差拡散装置であって、画像内の各
画素に対する誤差拡散率を画素毎に変化させる手段を有
する誤差拡散装置。 - 【請求項１０】画像の誤差拡散装置であって、画像内の
各画素に対する誤差拡散率を、入力画像に基づいて画素
毎に変化させる手段を有する誤差拡散装置。 - 【請求項１１】画像の誤差拡散装置であって、画像内の
各画素に対する誤差拡散率を、入力画像及び出力画像に
基づいて画素毎に変化させる手段を有する誤差拡散装
置。 - 【請求項１２】画像の誤差拡散装置であって、画像内の
各画素に対する誤差拡散率を、入力画像、出力画像及び
入力画像からの特徴抽出結果に基づいて画素毎に変化さ
せる手段を有する誤差拡散装置。 - 【請求項１３】画像の誤差拡散を行うコンピュータであ
って、 プロセッサと、メモリと、不揮発性記憶装置と、を含
み、 画像内の各画素に対する誤差拡散率を画素毎に変化させ
る手段を有するコンピュータ。 - 【請求項１４】画像の誤差拡散方法を実行するプログラ
ムを記憶した記録媒体であって、 前記プログラムが、画像内の各画素に対する誤差拡散率
を画素毎に変化させるステップを有することを特徴とす
る記録媒体。 - 【請求項１５】画像の誤差拡散装置であって、 量子化器と、 加算器と、 特徴抽出手段と、 誤差拡散フィルタと、 を含み、 各画素において入力画像からの前記特徴抽出手段による
特徴抽出結果が所定の閾値より大きい場合には、画像内
の各画素に対する誤差拡散率を画素毎に変化させること
を特徴とする誤差拡散装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP13729499A JP3999406B2 (ja) | 1999-05-18 | 1999-05-18 | 拡散率の適応化を用いた誤差拡散方法及び装置 |
| US09/572,578 US6999201B1 (en) | 1999-05-18 | 2000-05-17 | Diffusion method using adaptation of diffusion ratio and an apparatus therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP13729499A JP3999406B2 (ja) | 1999-05-18 | 1999-05-18 | 拡散率の適応化を用いた誤差拡散方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000341520A true JP2000341520A (ja) | 2000-12-08 |
| JP3999406B2 JP3999406B2 (ja) | 2007-10-31 |
Family
ID=15195331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP13729499A Expired - Fee Related JP3999406B2 (ja) | 1999-05-18 | 1999-05-18 | 拡散率の適応化を用いた誤差拡散方法及び装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6999201B1 (ja) |
| JP (1) | JP3999406B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100416143B1 (ko) * | 2001-08-24 | 2004-01-28 | 삼성에스디아이 주식회사 | 플라즈마 디스플레이 패널의 계조 표시 방법 및 그 장치 |
| US7081972B2 (en) * | 2000-09-20 | 2006-07-25 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
| US7443542B2 (en) | 2003-07-09 | 2008-10-28 | Samsung Electronics Co., Ltd. | Method and apparatus for determining error diffusion coefficients |
| US10777117B2 (en) | 2017-06-30 | 2020-09-15 | Japan Display Inc. | Image processing device, image processing method and display system |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003116015A (ja) * | 2001-10-04 | 2003-04-18 | Canon Inc | 画像処理装置及び方法及びコンピュータプログラム及びコンピュータ可読記憶媒体 |
| US8576447B2 (en) * | 2003-10-31 | 2013-11-05 | Hewlett-Packard Development Company, L.P. | Error diffusion halftoning with bandpass noise shaping |
| US7826096B2 (en) * | 2005-09-16 | 2010-11-02 | Fujifilm Corporation | Image processing method and image recording apparatus |
| JP4634292B2 (ja) * | 2005-12-06 | 2011-02-16 | 株式会社リコー | 画像処理装置、画像処理方法、その方法をコンピュータに実行させるプログラム |
| JP2009253472A (ja) * | 2008-04-02 | 2009-10-29 | Canon Inc | 画像処理装置およびその方法 |
| JP5237215B2 (ja) * | 2009-07-15 | 2013-07-17 | キヤノン株式会社 | 画像処理装置及び方法 |
| US10985951B2 (en) | 2019-03-15 | 2021-04-20 | The Research Foundation for the State University | Integrating Volterra series model and deep neural networks to equalize nonlinear power amplifiers |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4878125A (en) * | 1987-01-08 | 1989-10-31 | Canon Kabushiki Kaisha | Method and apparatus for image processing with fed-back error correction |
| JP2859334B2 (ja) | 1989-12-15 | 1999-02-17 | キヤノン株式会社 | 画像処理装置 |
| JP2859333B2 (ja) | 1989-12-15 | 1999-02-17 | キヤノン株式会社 | 画像処理装置 |
| US5757517A (en) | 1995-03-23 | 1998-05-26 | Eastman Kodak Company | Adaptive error diffusion method |
| JPH0969942A (ja) * | 1995-09-01 | 1997-03-11 | Canon Inc | 画像処理方法及び装置 |
| US6771832B1 (en) * | 1997-07-29 | 2004-08-03 | Panasonic Communications Co., Ltd. | Image processor for processing an image with an error diffusion process and image processing method for processing an image with an error diffusion process |
| US6449061B2 (en) * | 1997-09-23 | 2002-09-10 | Xerox Corporation | System and method for providing dynamic noise profile selection for hybrid and error diffusion image processing |
| US5931960A (en) * | 1997-10-31 | 1999-08-03 | Xerox Corporation | Method and apparatus for handling error diffusion values |
| US6563957B1 (en) * | 1999-05-07 | 2003-05-13 | Hewlett-Packard Company | Tone dependent error diffusion |
-
1999
- 1999-05-18 JP JP13729499A patent/JP3999406B2/ja not_active Expired - Fee Related
-
2000
- 2000-05-17 US US09/572,578 patent/US6999201B1/en not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7081972B2 (en) * | 2000-09-20 | 2006-07-25 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
| KR100416143B1 (ko) * | 2001-08-24 | 2004-01-28 | 삼성에스디아이 주식회사 | 플라즈마 디스플레이 패널의 계조 표시 방법 및 그 장치 |
| US7443542B2 (en) | 2003-07-09 | 2008-10-28 | Samsung Electronics Co., Ltd. | Method and apparatus for determining error diffusion coefficients |
| US10777117B2 (en) | 2017-06-30 | 2020-09-15 | Japan Display Inc. | Image processing device, image processing method and display system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3999406B2 (ja) | 2007-10-31 |
| US6999201B1 (en) | 2006-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7298917B2 (en) | Image processing program product and device for executing Retinex processing | |
| EP1111907B1 (en) | A method for enhancing a digital image with noise-dependent control of texture | |
| JP4210577B2 (ja) | 選択的空間フィルタを使用するディジタル画像の階調及び空間特性の向上方法 | |
| JP4556276B2 (ja) | 画像処理回路及び画像処理方法 | |
| US7221408B2 (en) | Adaptive contrast enhancement method for video signals based on time-varying nonlinear transforms | |
| KR100694090B1 (ko) | 이미지 콘트라스트 향상 시스템들에서 노이즈 부스트 보호방법 및 장치 | |
| EP2141655B1 (en) | Color enhancement for graphic images | |
| EP1292118A2 (en) | Tone scale adjustment of digital images | |
| JP4858609B2 (ja) | ノイズ低減装置、ノイズ低減方法、及びノイズ低減プログラム | |
| US7865040B1 (en) | Using nonlinear filtering while resizing an image to preserve sharp image detail | |
| US6731823B1 (en) | Method for enhancing the edge contrast of a digital image independently from the texture | |
| JP2002133409A (ja) | ピクセルカラーに基づくデジタル画像強調方法 | |
| JP2001229377A (ja) | 適応帰納的フィルタでディジタル画像のコントラストを調整する方法 | |
| JPH08279906A (ja) | 適応誤差拡散方法 | |
| JP4731100B2 (ja) | 鮮鋭度向上方法及び鮮鋭度向上装置 | |
| JP2004221644A (ja) | 画像処理装置および方法、記録媒体、並びにプログラム | |
| JP2004165840A (ja) | 画像処理プログラム | |
| JP2000341520A (ja) | 拡散率の適応化を用いた誤差拡散方法及び装置 | |
| JP2000207548A (ja) | デジタル画像のト―ンスケ―ルを調整する方法 | |
| JP2000209432A (ja) | 画像処理方法 | |
| KR102303666B1 (ko) | 영상 처리 방법, 영상 처리 방법을 수행하는 영상 처리 장치, 및 영상 처리 장치를 포함하는 표시 장치 | |
| JPH10208038A (ja) | 画像処理方法および画像処理装置 | |
| JP4292113B2 (ja) | 画像処理装置及び画像処理方法 | |
| JP3045134B2 (ja) | 画像データ補間装置、画像データ補間方法および画像データ補間プログラムを記録した媒体 | |
| JP4207381B2 (ja) | 画像処理装置、画像処理方法、および記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 19991227 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20020326 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040406 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040702 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20040823 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20050603 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20070313 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20070402 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070702 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070809 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100817 Year of fee payment: 3 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20020625 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100817 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110817 Year of fee payment: 4 |
|
| LAPS | Cancellation because of no payment of annual fees |