JP2001067467A - イメージングデバイスのイメージノイズパターンの要素決定法およびイメージングデバイスの使用方法 - Google Patents
イメージングデバイスのイメージノイズパターンの要素決定法およびイメージングデバイスの使用方法Info
- Publication number
- JP2001067467A JP2001067467A JP2000218962A JP2000218962A JP2001067467A JP 2001067467 A JP2001067467 A JP 2001067467A JP 2000218962 A JP2000218962 A JP 2000218962A JP 2000218962 A JP2000218962 A JP 2000218962A JP 2001067467 A JP2001067467 A JP 2001067467A
- Authority
- JP
- Japan
- Prior art keywords
- dimensional
- banding
- component
- streaking
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000003384 imaging method Methods 0.000 title claims description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000001228 spectrum Methods 0.000 description 25
- 230000003595 spectral effect Effects 0.000 description 23
- 230000000737 periodic effect Effects 0.000 description 13
- 239000002131 composite material Substances 0.000 description 11
- 238000005259 measurement Methods 0.000 description 8
- 238000000926 separation method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101100328463 Mus musculus Cmya5 gene Proteins 0.000 description 1
- 101100400378 Mus musculus Marveld2 gene Proteins 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000000176 thermal ionisation mass spectrometry Methods 0.000 description 1
- 238000013055 trapped ion mobility spectrometry Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
(57)【要約】
【課題】 ノイズを含むときの特徴付け及び分離は容易
でない。 【解決手段】 フラットフィールドデータの1次元平均
値を演算し、その値をフーリエ解析してバンディングコ
ンポーネントの予備の評価を形成し、元のフラットフィ
ールドデータの2次元フーリエ解析を実行し、前評価と
比較することにより、バンディングコンポーネントを決
定し、変更フラットフィールドデータを得るために、フ
ラットフィールドデータからバンディングコンポーネン
トを除去し、変更フラットフィールドデータにフーリエ
解析を行うことにより、ストリーキングコンポーネント
の第2の予備の評価を形成し、変更フィールドデータに
フーリエ解析を行なって2次元ランダムノイズ統計値を
決定し、そして2次元ランダムノイズ統計値を有するス
トリーキングコンポーネントの予備の評価を変更するこ
とにより、ストリーキングコンポーネントを決定する。
でない。 【解決手段】 フラットフィールドデータの1次元平均
値を演算し、その値をフーリエ解析してバンディングコ
ンポーネントの予備の評価を形成し、元のフラットフィ
ールドデータの2次元フーリエ解析を実行し、前評価と
比較することにより、バンディングコンポーネントを決
定し、変更フラットフィールドデータを得るために、フ
ラットフィールドデータからバンディングコンポーネン
トを除去し、変更フラットフィールドデータにフーリエ
解析を行うことにより、ストリーキングコンポーネント
の第2の予備の評価を形成し、変更フィールドデータに
フーリエ解析を行なって2次元ランダムノイズ統計値を
決定し、そして2次元ランダムノイズ統計値を有するス
トリーキングコンポーネントの予備の評価を変更するこ
とにより、ストリーキングコンポーネントを決定する。
Description
【0001】
【発明の属する技術分野】本発明は、イメージデバイス
のイメージノイズパターンのコンポーネント決定法およ
びイメージデバイスにてその方法の使用に関する。より
詳しくは、本発明は、デジタルイメージシステムにより
生成されたフラットフィールドスキャンから、バンディ
ング(1次元の周期性ノイズ)、ストリーキング(1次元
のランダムノイズ)および粒状(2次元のランダムノイ
ズ)に割り当てできる非均一のコンポーネントを分離す
るための方法に関する。
のイメージノイズパターンのコンポーネント決定法およ
びイメージデバイスにてその方法の使用に関する。より
詳しくは、本発明は、デジタルイメージシステムにより
生成されたフラットフィールドスキャンから、バンディ
ング(1次元の周期性ノイズ)、ストリーキング(1次元
のランダムノイズ)および粒状(2次元のランダムノイ
ズ)に割り当てできる非均一のコンポーネントを分離す
るための方法に関する。
【0002】
【従来の技術】ある写真またはデジタルイメージのコン
ポーネントは、イメージ内に2次元のランダムノイズを
呈する。写真のコンポーネントでは、これは写真のイメ
ージ要素または粒子のランダムな配置の結果であり、こ
れはグラニュラリティと呼ばれるものである。デジタル
のコンポーネントでは、このような2次元のノイズは、
個々のピクセルにより記録された電子信号にもたらす量
子または熱変動により発生され得る。さらにはデジタル
イメージのコンポーネントは、バンディング(1次元の
周期性ノイズ)またはストリーキング(1次元のランダム
ノイズ)のごとき1次元の人工物をイメージへ導く。こ
れらの人工物の空間構成は、それらのマイクロ密度の概
略を調べることにより、特徴づけられる。マイクロ密度
の概略は、XおよびYの空間座標の関数としたイメージ
における多数の不透明さと考えることができる。ストリ
ーキングの人工物は、ランダムな幅のラインの特別な位
置および、ランダムなマイクロ密度特質に導く、スペー
スにより特徴づけられるが、バンディングの人工物は、
周期的なマイクロ密度の特質を持つ規則的に隔てられた
ラインにより特徴づけられる。ストリーキングは、1次
元アレイにある接近したピクセルの応答間の応答間のラ
ンダムな変化に起因するのに対し、バンディングは、1
次元のピクセルアレイの配置時の周期的な位置エラーに
起因する。すべてのケースで、上記の人工物は、一様な
もしくは特徴のないイメージエリアにおいて、最も目立
ちかつ不快である。
ポーネントは、イメージ内に2次元のランダムノイズを
呈する。写真のコンポーネントでは、これは写真のイメ
ージ要素または粒子のランダムな配置の結果であり、こ
れはグラニュラリティと呼ばれるものである。デジタル
のコンポーネントでは、このような2次元のノイズは、
個々のピクセルにより記録された電子信号にもたらす量
子または熱変動により発生され得る。さらにはデジタル
イメージのコンポーネントは、バンディング(1次元の
周期性ノイズ)またはストリーキング(1次元のランダム
ノイズ)のごとき1次元の人工物をイメージへ導く。こ
れらの人工物の空間構成は、それらのマイクロ密度の概
略を調べることにより、特徴づけられる。マイクロ密度
の概略は、XおよびYの空間座標の関数としたイメージ
における多数の不透明さと考えることができる。ストリ
ーキングの人工物は、ランダムな幅のラインの特別な位
置および、ランダムなマイクロ密度特質に導く、スペー
スにより特徴づけられるが、バンディングの人工物は、
周期的なマイクロ密度の特質を持つ規則的に隔てられた
ラインにより特徴づけられる。ストリーキングは、1次
元アレイにある接近したピクセルの応答間の応答間のラ
ンダムな変化に起因するのに対し、バンディングは、1
次元のピクセルアレイの配置時の周期的な位置エラーに
起因する。すべてのケースで、上記の人工物は、一様な
もしくは特徴のないイメージエリアにおいて、最も目立
ちかつ不快である。
【0003】イメージコンポーネントの開発および製作
の間、このようなコンポーネントは、イメージシステム
により製作されたフラットフィールドまたは特色のない
イメージを試験することにより、上述の人工物を被りや
すいかがしばしばテストされる。例えば、このようなイ
メージは、カメラまたはスキャナーにて一様なグレイま
たはカラーの背景を取り込むことにより、製作でき、そ
して取り込んだイメージを調べる。別の例では、合成デ
ジタルイメージを生成し、それのすべてのピクセルが同
じデジタルコード値に正確にセットされ、そのイメージ
をプリントまたは表示して、そのときの出力を試験する
ことにより、デジタルプリンタがテストされ得る。
の間、このようなコンポーネントは、イメージシステム
により製作されたフラットフィールドまたは特色のない
イメージを試験することにより、上述の人工物を被りや
すいかがしばしばテストされる。例えば、このようなイ
メージは、カメラまたはスキャナーにて一様なグレイま
たはカラーの背景を取り込むことにより、製作でき、そ
して取り込んだイメージを調べる。別の例では、合成デ
ジタルイメージを生成し、それのすべてのピクセルが同
じデジタルコード値に正確にセットされ、そのイメージ
をプリントまたは表示して、そのときの出力を試験する
ことにより、デジタルプリンタがテストされ得る。
【0004】イメージまたは信号データにおける上述の
人工物の評価および修正に対する技術的および特許の文
献でいくつかの技術が提案されている。これらの技術の
殆どは、システムにより生成されたイメージまたは出力
への直接的な修正に関係している。例えば、他の文献
は、生じたデジタルイメージからバンディングをフィル
タ処理するイメージ処理アルゴリズムを開示しているの
に対し(PhotogrammetricEngineering and Remoto Sensi
ngのVol.56、No.1,1990年1月号のページ49−53の
S.Hummer-Millerによる“Techniques for Noise Remova
l for the Register of TIMS Data”またはPhotogramme
tric Engineering and Remoto SensingのVol.58、No.1
0,1992年10月号のページ1425−1431のD.L.Helderその
他による“Techniques for the Reduction of Banding
in Landsat Thematic Mapper Images”を参照)、Hockle
yその他による1990年11月11の米国特許第4,956,873の
「ImageProcessing Apaaaratus」は、バンディングの修
正に対するイメージ処理装置を開示している。イメージ
の背景からランダムラインの除去もまた指示されている
(Optical Engineering のVol.37、No.10,1998年10月
号のページ2733−2741のJ.Beyererその他による“Adapt
ive Separation of Random Lines and Background”を
参照)。他の例として、スペクタル解析による人工物の
存在下における信号復元が指示されている(Martin Haar
dtによる米国特許第5,892,700の“Method for the High
resolution of signal for One or Two Dimentional-Di
mensional Directional or Frequency Estimation”を
参照)。また、構造解析および分割(Proceedings of SPI
E, Vol.2657のページ86-96の“Robust Method for Text
ure Syntheesis-by-Analysis Based on a Multiscale G
abor Scheme”またはJournal ofthe Optical Society o
f America,Vol.14,No.11,1997年11月の2924-2937の“Ap
plication of Partial Modeling Techniques for Textu
re Segmentation”)も指示されている。Braddonその他
による1996年7月16日公告の米国特許第5,537,669の“In
spection Method and Appratus for the Inspection of
Either Random or Repeating Patters”では、半導体
産業が、繰返しパターンの識別に依存する欠陥調査に対
する技術を発展させた。
人工物の評価および修正に対する技術的および特許の文
献でいくつかの技術が提案されている。これらの技術の
殆どは、システムにより生成されたイメージまたは出力
への直接的な修正に関係している。例えば、他の文献
は、生じたデジタルイメージからバンディングをフィル
タ処理するイメージ処理アルゴリズムを開示しているの
に対し(PhotogrammetricEngineering and Remoto Sensi
ngのVol.56、No.1,1990年1月号のページ49−53の
S.Hummer-Millerによる“Techniques for Noise Remova
l for the Register of TIMS Data”またはPhotogramme
tric Engineering and Remoto SensingのVol.58、No.1
0,1992年10月号のページ1425−1431のD.L.Helderその
他による“Techniques for the Reduction of Banding
in Landsat Thematic Mapper Images”を参照)、Hockle
yその他による1990年11月11の米国特許第4,956,873の
「ImageProcessing Apaaaratus」は、バンディングの修
正に対するイメージ処理装置を開示している。イメージ
の背景からランダムラインの除去もまた指示されている
(Optical Engineering のVol.37、No.10,1998年10月
号のページ2733−2741のJ.Beyererその他による“Adapt
ive Separation of Random Lines and Background”を
参照)。他の例として、スペクタル解析による人工物の
存在下における信号復元が指示されている(Martin Haar
dtによる米国特許第5,892,700の“Method for the High
resolution of signal for One or Two Dimentional-Di
mensional Directional or Frequency Estimation”を
参照)。また、構造解析および分割(Proceedings of SPI
E, Vol.2657のページ86-96の“Robust Method for Text
ure Syntheesis-by-Analysis Based on a Multiscale G
abor Scheme”またはJournal ofthe Optical Society o
f America,Vol.14,No.11,1997年11月の2924-2937の“Ap
plication of Partial Modeling Techniques for Textu
re Segmentation”)も指示されている。Braddonその他
による1996年7月16日公告の米国特許第5,537,669の“In
spection Method and Appratus for the Inspection of
Either Random or Repeating Patters”では、半導体
産業が、繰返しパターンの識別に依存する欠陥調査に対
する技術を発展させた。
【0005】
【発明が解決しようとする課題】設計および製造段階で
のイメージコンポーネントのパフォーマンスでのイメー
ジングコンポーネントのパフォーマンスの特徴づけにお
いて、これらのコンポーネントにより導かれた人工物に
関係する正確で精密なデータを得ることは重要である。
最も正確なデータは、フラットフィールドスキャンから
導かれ、このフラットフフィールドスキャンでは、人工
物は最も目につきやすく、そして、最も正確に特徴づけ
がなされ、イメージ特徴が排除される。より重要なこと
は、上述した人工物の特徴づけおよび分離の仕事は、人
工物が結合して存在するときは、きわめてより複雑であ
る。一つ、二つまたは三つの人工物は、実際のデバイス
に存在する。上述したいずれの技術もこの問題を指摘し
ていない。
のイメージコンポーネントのパフォーマンスでのイメー
ジングコンポーネントのパフォーマンスの特徴づけにお
いて、これらのコンポーネントにより導かれた人工物に
関係する正確で精密なデータを得ることは重要である。
最も正確なデータは、フラットフィールドスキャンから
導かれ、このフラットフフィールドスキャンでは、人工
物は最も目につきやすく、そして、最も正確に特徴づけ
がなされ、イメージ特徴が排除される。より重要なこと
は、上述した人工物の特徴づけおよび分離の仕事は、人
工物が結合して存在するときは、きわめてより複雑であ
る。一つ、二つまたは三つの人工物は、実際のデバイス
に存在する。上述したいずれの技術もこの問題を指摘し
ていない。
【0006】イメージングコンポーネント、システムま
たはサブシステムの設計および製造における目標は、歪
および人工物の無いイメージを作り出すことにある。特
に、イメージングシステムコンポーネントにより、可視
の人工物のイメージへの追加を防止または減じることが
望ましい。
たはサブシステムの設計および製造における目標は、歪
および人工物の無いイメージを作り出すことにある。特
に、イメージングシステムコンポーネントにより、可視
の人工物のイメージへの追加を防止または減じることが
望ましい。
【0007】
【課題を解決するための手段】本発明の目的は、イメー
ジデバイスのノイズパターンの少なくとも一つのコンポ
ーネントを決定するための方法を提供することである。
これにより、そのノイズパターンのコンポーネントを特
徴づけでき、そしてデバイスを調整することにより、歪
もしくは人工物のないイメージまたは、低減した歪また
は人工物を含むイメージを提供する。
ジデバイスのノイズパターンの少なくとも一つのコンポ
ーネントを決定するための方法を提供することである。
これにより、そのノイズパターンのコンポーネントを特
徴づけでき、そしてデバイスを調整することにより、歪
もしくは人工物のないイメージまたは、低減した歪また
は人工物を含むイメージを提供する。
【0008】上述の目的は、イメージデバイスのノイズ
パターンの少なくとも一つのコンポーネントを決定する
ための新規な方法により実現され、その方法は、特定の
イメージデバイスに関するフラットフィールドデータを
与え、バンディングのコンポーネントおよびストリーキ
ングのコンポーネントの評価を予め求め、そしてバンデ
ィングのコンポーネント、2次元のランダムノイズ統計
値およびストリーキングのコンポーネントを決定するス
テップからなる。
パターンの少なくとも一つのコンポーネントを決定する
ための新規な方法により実現され、その方法は、特定の
イメージデバイスに関するフラットフィールドデータを
与え、バンディングのコンポーネントおよびストリーキ
ングのコンポーネントの評価を予め求め、そしてバンデ
ィングのコンポーネント、2次元のランダムノイズ統計
値およびストリーキングのコンポーネントを決定するス
テップからなる。
【0009】本発明の別の目的は、イメージングデバイ
スのノイズパターンの少なくとも一つのコンポーネント
を決定するためのコンピュータプログラムを提供するこ
とであり、これにより、歪または人工物を排したイメー
ジを提供する。上述の目的は、イメージングデバイスの
ノイズパターンの少なくとも一つのコンポーネントを決
定するためにコンピュータの読出し可能なメディアで実
現した新規なコンピュータプログラムにより実現され、
これは、特定のイメージングデバイスに関するフラット
フィールドデータを提供するデータ入力セグメントと、
前記フラットフィールドデータに適したバンディングの
コンポーネントおよびストリーキングのコンポーネント
の評価を予め求めるための計算セグメントと、そしてバ
ンディングのコンポーネント、2次元のランダムノイズ
統計値およびストリーキングのコンポーネントの決定を
与える多数のデータ出力セグメントからなる。
スのノイズパターンの少なくとも一つのコンポーネント
を決定するためのコンピュータプログラムを提供するこ
とであり、これにより、歪または人工物を排したイメー
ジを提供する。上述の目的は、イメージングデバイスの
ノイズパターンの少なくとも一つのコンポーネントを決
定するためにコンピュータの読出し可能なメディアで実
現した新規なコンピュータプログラムにより実現され、
これは、特定のイメージングデバイスに関するフラット
フィールドデータを提供するデータ入力セグメントと、
前記フラットフィールドデータに適したバンディングの
コンポーネントおよびストリーキングのコンポーネント
の評価を予め求めるための計算セグメントと、そしてバ
ンディングのコンポーネント、2次元のランダムノイズ
統計値およびストリーキングのコンポーネントの決定を
与える多数のデータ出力セグメントからなる。
【0010】本発明の別の目的は、ノイズパターンの少
なくとも一つのコンポーネントを決定するためのイメー
ジングデバイスを提供することであり、これにより、前
記イメージングデバイスに、歪もしくは人工物を排した
イメージを与えるための修正ツールを提供する。上述の
目的は、新規なイメージングデバイスにより達成され、
そのデバイスは、フラットフィールドデータを与えるた
めのデータ入力セグメント、バンディングのコンポーネ
ントおよびストリーキングのコンポーネントの評価を予
め求め、そしてバンディングのコンポーネント、2次元
のランダムノイズ統計値を決定するためのコントロール
セクション、そして決定されたバンディングのコンポー
ネント、2次元のランダムノイズ統計値およびストリー
キングのコンポーネントをイメージデータに適用するた
めの修正セクションを含む。
なくとも一つのコンポーネントを決定するためのイメー
ジングデバイスを提供することであり、これにより、前
記イメージングデバイスに、歪もしくは人工物を排した
イメージを与えるための修正ツールを提供する。上述の
目的は、新規なイメージングデバイスにより達成され、
そのデバイスは、フラットフィールドデータを与えるた
めのデータ入力セグメント、バンディングのコンポーネ
ントおよびストリーキングのコンポーネントの評価を予
め求め、そしてバンディングのコンポーネント、2次元
のランダムノイズ統計値を決定するためのコントロール
セクション、そして決定されたバンディングのコンポー
ネント、2次元のランダムノイズ統計値およびストリー
キングのコンポーネントをイメージデータに適用するた
めの修正セクションを含む。
【0011】
【発明の実施の形態】スペクトラルセパレーションの論
理基礎 ノイズのパワースペクトラム(NPS)は、一様なエリア
(フラットフィールド)から(イメージ)データに基づく、
ランダムな変動の統計的な記述を与える。しかしなが
ら、そのデータに周期的な変動も存在すれば、通常のN
PS測定は、これらのコンポーネントの大きさについて
不正確な情報を与える(SPSE Conference on Advances i
n Non-Impact Printing Technologies, 1984 139-142頁
のP.D Burnsによる“Measurement of Random and Perio
dic Image Noise in Raster-Written Images”)。も
し、これらの周期性コンポーネントの大きさを正確に報
告するためにNPS測定が変更されたならば、ランダム
ノイズは適切に特徴づけされない。
理基礎 ノイズのパワースペクトラム(NPS)は、一様なエリア
(フラットフィールド)から(イメージ)データに基づく、
ランダムな変動の統計的な記述を与える。しかしなが
ら、そのデータに周期的な変動も存在すれば、通常のN
PS測定は、これらのコンポーネントの大きさについて
不正確な情報を与える(SPSE Conference on Advances i
n Non-Impact Printing Technologies, 1984 139-142頁
のP.D Burnsによる“Measurement of Random and Perio
dic Image Noise in Raster-Written Images”)。も
し、これらの周期性コンポーネントの大きさを正確に報
告するためにNPS測定が変更されたならば、ランダム
ノイズは適切に特徴づけされない。
【0012】イメージングシーンにおける元のアプリケ
ーションのNPSは、写真のグラニュラリティの特徴づ
けを狙っている。写真のグラニュラリティは、2次元の
ランダムノイズである。NPSの存在要求は、静止性ま
たはノイズパターン統計量の不変シフトおよび有限手段
平方値を含む。
ーションのNPSは、写真のグラニュラリティの特徴づ
けを狙っている。写真のグラニュラリティは、2次元の
ランダムノイズである。NPSの存在要求は、静止性ま
たはノイズパターン統計量の不変シフトおよび有限手段
平方値を含む。
【0013】写真および電子写真のグラニュラリティ
は、多くのソースにおける電子ノイズと同様に、これら
の要求を満たす2次元のランダムノイズパターンを呈す
る。2次元の等方性のランダムノイズについては、ノイ
ズパターンを長くて狭いスリットでスキャンし、そして
1次元のフラットフィールドデータに次の評価を適用す
ることにより、2次元NPS表面から1次元スライスを
得ることができる。
は、多くのソースにおける電子ノイズと同様に、これら
の要求を満たす2次元のランダムノイズパターンを呈す
る。2次元の等方性のランダムノイズについては、ノイ
ズパターンを長くて狭いスリットでスキャンし、そして
1次元のフラットフィールドデータに次の評価を適用す
ることにより、2次元NPS表面から1次元スライスを
得ることができる。
【0014】
【数1】 vj:j番目の周波数空間 L:測定用スリット長 N:1セグメント当たりのポイント数 m:セグメントのインデックス M:セグメント数 Δx:サンプリング時のインクリメント d(x):フラットフィールドを横切るマイクロ密度のト
レース d:主な密度の評価 このケースでは、測定用スリット長およびセグメント長
に依存しない安定したNPS評価を得ることができる。
レース d:主な密度の評価 このケースでは、測定用スリット長およびセグメント長
に依存しない安定したNPS評価を得ることができる。
【0015】決定した方向に直交してスキャンされたバ
ンディングおよびストリーキングのごとき1次元の人工
物に対して、数式1を適用すると、スリット長とリニア
に計ったNPSの評価が得られる。加えて、1次元の周
期性構造(バンディング)を含むパターンに対する評価
は、セグメント長Nとリニアに計る。1次元人工物の存
在下におけるLおよびNにNPS評価が依存するにもか
かわらず、有用な情報が更に入手可能に用意されてい
る。ストリーキング及びバンディングがxおよびy方向
に存在する場合、2次元のランダムノイズに加えて1次
元の分析は人工物を満足して分離できない。これらのよ
り複雑なパターンの分析は、全2次元NPSに基づいて
おり、その評価は数式2により得られる。
ンディングおよびストリーキングのごとき1次元の人工
物に対して、数式1を適用すると、スリット長とリニア
に計ったNPSの評価が得られる。加えて、1次元の周
期性構造(バンディング)を含むパターンに対する評価
は、セグメント長Nとリニアに計る。1次元人工物の存
在下におけるLおよびNにNPS評価が依存するにもか
かわらず、有用な情報が更に入手可能に用意されてい
る。ストリーキング及びバンディングがxおよびy方向
に存在する場合、2次元のランダムノイズに加えて1次
元の分析は人工物を満足して分離できない。これらのよ
り複雑なパターンの分析は、全2次元NPSに基づいて
おり、その評価は数式2により得られる。
【0016】
【数2】 DFT2D{ }は2次元の離散フーリエ変換であり、
数式3により与えられる。
数式3により与えられる。
【数3】 νxおよびνy:周波数空間 NxおよびNy:各2次元ブロックに対するxおよびy方
向におけるポイント数 M:ブロック数 ΔxおよびΔy:xおよびy方向におけるサンプリング自
のインクリメント値
向におけるポイント数 M:ブロック数 ΔxおよびΔy:xおよびy方向におけるサンプリング自
のインクリメント値
【0017】スペクトラル分離法は、バンディングよび
ストリーキングおよび2次元のランダムノイズコンポー
ネントがスーパーインポーズ、つまり数式4のごとく累
積される仮定により実行する。
ストリーキングおよび2次元のランダムノイズコンポー
ネントがスーパーインポーズ、つまり数式4のごとく累
積される仮定により実行する。
【数4】 d(x,y):フラットフィールドを横切る2次元のマイク
ロ密度のトレース g2D(x,y):イメージのグラニュラリティを示す2次
元ゼロ平均ランダムプロセス sx(x)およびsy(y):xおよびy方向におけるストリー
キングを示す1次元ゼロ平均ランダムプロセス bx(x)およびby(y):xおよびy方向におけるバンディ
ングを示す1次元ゼロ平均のランダムプロセス
ロ密度のトレース g2D(x,y):イメージのグラニュラリティを示す2次
元ゼロ平均ランダムプロセス sx(x)およびsy(y):xおよびy方向におけるストリー
キングを示す1次元ゼロ平均ランダムプロセス bx(x)およびby(y):xおよびy方向におけるバンディ
ングを示す1次元ゼロ平均のランダムプロセス
【0018】バンディングは数式5のモデルにより特徴
つけられると仮定した。
つけられると仮定した。
【数5】 aj、vjおよびφj:振幅、周波数空間およびj番目の
位相 by(y)に対して同じようなフォームが固定される。
位相 by(y)に対して同じようなフォームが固定される。
【0019】その周波数空間ドメインにて、数式4のラ
ンダムコンポーネントは数式6のNPSを導く。
ンダムコンポーネントは数式6のNPSを導く。
【数6】 G2D(νx,νy):イメージのグラニュラリティの2次元
NPS Sx(νx)およびSy(νy):xおよびy方向におけるスト
リーキングの1次元NPS δ(ν):ダイラックデルタ関数 これにより、イメージグラニュリィティは2次元のスペ
クトラムを作り、一方、ストリーキングは各軸に沿って
連続した1次元のスペクトラムを作る。
NPS Sx(νx)およびSy(νy):xおよびy方向におけるスト
リーキングの1次元NPS δ(ν):ダイラックデルタ関数 これにより、イメージグラニュリィティは2次元のスペ
クトラムを作り、一方、ストリーキングは各軸に沿って
連続した1次元のスペクトラムを作る。
【0020】2次元NPSの評価におけるこれらのコン
ポーネントの一般的な出現を理解するために、数式5の
フーリエ変換を考慮すると、(位相角φjを無視して)
ポーネントの一般的な出現を理解するために、数式5の
フーリエ変換を考慮すると、(位相角φjを無視して)
【数7】 この結果、1次元の周期性コンポーネントは、バンディ
ングがx軸およびy軸に沿って適応すると仮定すれば、
一連のデルタ関数(つまりラインのコンポーネント)をこ
れらの軸に沿って発生さす。
ングがx軸およびy軸に沿って適応すると仮定すれば、
一連のデルタ関数(つまりラインのコンポーネント)をこ
れらの軸に沿って発生さす。
【0021】本発明で重要なことは、(1)付加の仮定お
よび(2)対象とする二つの人工物は本質的に1次元であ
り、そのため、これらの人工物に関する情報は2次元の
NPSの軸に限定されるということの認識にある。この
結果、軸(グラニュラリティ)に制限されない人工物は、
軸を除いた2次元のスペクトラル情報を用いて評価でき
る。残る二つの人工物は、一方がラインスペクトラム
(バンディング)を生成するのに対し、他方は連続したス
ペクトラム(ストリーキング)を発生させるので、分離で
きる。
よび(2)対象とする二つの人工物は本質的に1次元であ
り、そのため、これらの人工物に関する情報は2次元の
NPSの軸に限定されるということの認識にある。この
結果、軸(グラニュラリティ)に制限されない人工物は、
軸を除いた2次元のスペクトラル情報を用いて評価でき
る。残る二つの人工物は、一方がラインスペクトラム
(バンディング)を生成するのに対し、他方は連続したス
ペクトラム(ストリーキング)を発生させるので、分離で
きる。
【0022】好ましい実施例では、セグメント操作は次
の順で実行される。(1)バンディングの評価および除
去、(2)グラニュラリティの評価、(3)ストリーキング
の評価。又、好ましい実施例では、後のストリーキング
およびグラニュラリティの評価にバイアスを与えるスペ
クトラル漏れのために、最初にバンディングが除去され
る。分離プロセスのこれらの各ステップを詳細に説明す
る。
の順で実行される。(1)バンディングの評価および除
去、(2)グラニュラリティの評価、(3)ストリーキング
の評価。又、好ましい実施例では、後のストリーキング
およびグラニュラリティの評価にバイアスを与えるスペ
クトラル漏れのために、最初にバンディングが除去され
る。分離プロセスのこれらの各ステップを詳細に説明す
る。
【0023】バンディング除去および定量化 図1は、バンディングおよびストリーキングの人工物の
2次元のランダムノイズを含む合成イメージを示す。そ
のバンディングは、高速スキャン(x)および低速スキャ
ン(y)に沿って生じている。高速スキャンの方向は、イ
メージがプリントされるペーパーシートの幅に平行であ
る。これに似て、低速スキャンの向きは、ペーパーシー
トの長さ方向に平行である。
2次元のランダムノイズを含む合成イメージを示す。そ
のバンディングは、高速スキャン(x)および低速スキャ
ン(y)に沿って生じている。高速スキャンの方向は、イ
メージがプリントされるペーパーシートの幅に平行であ
る。これに似て、低速スキャンの向きは、ペーパーシー
トの長さ方向に平行である。
【0024】図2は、図1とは別のNx=Ny=64ピ
クセルの方形サイズに対する2次元スペクトラムを示
す。スペクトラル軸(fx,fy)に沿って広いピークが
あることに注目。これらはイメージ内に存在する可視の
バンディングである。バンディングの大きさおよびそれ
らの周波数は多数の方法で見積もることができ、例え
ば、Bouk その他により、Proceeding of the IS&T Eigh
th International Confress on Advance in Non-Impact
Printing Technologies, October 25-30,1992,166-170
頁の“Measurement of Graininwss for Halftone Elect
rophotograp”に記載された技術である。第1のステッ
プは、2次元NPSの軸部を抽出することしであり、そ
の後、バンディングの評価および除去を実行し、最後に
フィルター処理した軸スペクトラムを2次元スペクトラ
ムに戻す。処理された軸スペクトラムは、すべてのスト
リーキングおよびすべてのグラニュラリティを軸から含
むと仮定され、バンディングコンポーネントのみ除去さ
れる。しかしながら、ストリーキングおよびグラニュラ
リティ双方が連続スペクトラムとなるので、一つまたは
他方の分離した評価が、それらの個々の貢献を分離する
ために、要求される。この分離した評価は、軸から外れ
た2次元のスペクトラル情報を用いて、グラニュラリテ
ィのために作られる。このことがいかに正確に行われる
かは以下に示す。
クセルの方形サイズに対する2次元スペクトラムを示
す。スペクトラル軸(fx,fy)に沿って広いピークが
あることに注目。これらはイメージ内に存在する可視の
バンディングである。バンディングの大きさおよびそれ
らの周波数は多数の方法で見積もることができ、例え
ば、Bouk その他により、Proceeding of the IS&T Eigh
th International Confress on Advance in Non-Impact
Printing Technologies, October 25-30,1992,166-170
頁の“Measurement of Graininwss for Halftone Elect
rophotograp”に記載された技術である。第1のステッ
プは、2次元NPSの軸部を抽出することしであり、そ
の後、バンディングの評価および除去を実行し、最後に
フィルター処理した軸スペクトラムを2次元スペクトラ
ムに戻す。処理された軸スペクトラムは、すべてのスト
リーキングおよびすべてのグラニュラリティを軸から含
むと仮定され、バンディングコンポーネントのみ除去さ
れる。しかしながら、ストリーキングおよびグラニュラ
リティ双方が連続スペクトラムとなるので、一つまたは
他方の分離した評価が、それらの個々の貢献を分離する
ために、要求される。この分離した評価は、軸から外れ
た2次元のスペクトラル情報を用いて、グラニュラリテ
ィのために作られる。このことがいかに正確に行われる
かは以下に示す。
【0025】図3は、グラニュラリティ スペクトラム
がその後、軸外の2次元スペクトラルデータから推論さ
れ、そしてバンディング評価ステップから見積もられた
ように、トータルのスペクトラルデータと比較されたと
きに、何が起きたかを示している。4サイクル/mm上の
周波数空間にて、2次元ノイズ評価は、バンディング除
去ステップから到達した、ストリーキングおよびグラニ
ュラリティの双方に対し、トータルノイズパワーの評価
より大きい。
がその後、軸外の2次元スペクトラルデータから推論さ
れ、そしてバンディング評価ステップから見積もられた
ように、トータルのスペクトラルデータと比較されたと
きに、何が起きたかを示している。4サイクル/mm上の
周波数空間にて、2次元ノイズ評価は、バンディング除
去ステップから到達した、ストリーキングおよびグラニ
ュラリティの双方に対し、トータルノイズパワーの評価
より大きい。
【0026】これに対する可能な説明は、元のバンディ
ングコンポーネントからの軸から離れたスペクトラル漏
れである。このことは、先に引用した単一の評価ケース
で用いたバンディング除去フィルターの2次元の一般化
を行うことによりテストされた。これはその後、図1に
示したように合成イメージに適用した。図7は、図1の
x軸に沿った二つのスペクトラル評価を示す。その評価
は今や調和する。観察された矛盾は、バンディングコン
ポーネントの軸から離れた漏れにより生じた。この結
果、バンディングコンポーネントは、他の人工物の評価
に先だって除去しなくてはならず、又、スペクトラルの
漏れを避けるようにして除去されなくてはならない。
ングコンポーネントからの軸から離れたスペクトラル漏
れである。このことは、先に引用した単一の評価ケース
で用いたバンディング除去フィルターの2次元の一般化
を行うことによりテストされた。これはその後、図1に
示したように合成イメージに適用した。図7は、図1の
x軸に沿った二つのスペクトラル評価を示す。その評価
は今や調和する。観察された矛盾は、バンディングコン
ポーネントの軸から離れた漏れにより生じた。この結
果、バンディングコンポーネントは、他の人工物の評価
に先だって除去しなくてはならず、又、スペクトラルの
漏れを避けるようにして除去されなくてはならない。
【0027】デジタルデバイスから実際に期待されるバ
ンディングは、高速スキャンまたは低速スキャンの軸に
平行である。このことは、イメージは図4よりもむしろ
図1に似ている。もしこのケースの場合、2次元のバン
ディング除去フィルターは要求されない。1次元および
2次元の処理の合成をかわりに使用できる。二つの軸に
沿って目的の周波数空間および振幅を見積もるために、
イメージを1次元データに減じ、行および列の平均が用
いられてもよい。サインおよびコサイン関数の2次元バ
ージョンは、その後、組立られ、そしてバンディングコ
ンポーネントを取り除くために用いられる。このバンデ
ィングコンポーネントが除去された後、2次元のスペク
トラムのみが発生され、これはその後、グラニュラリテ
ィおよびストリーキングを見積もるために用いられる。
2次元のスペクトラムが演算される前にバンディングコ
ンポーネントが除去されるので、漏れが実質的に排除さ
れる。このアプローチは、バンディングコンポーネント
を排除するための2次元のイメージとしてデータを処理
するときよりもかなり高速であり、かつ、バンディング
がプリンタの2つのスキャン軸と平行なイメージに対し
て同程度に有効である。
ンディングは、高速スキャンまたは低速スキャンの軸に
平行である。このことは、イメージは図4よりもむしろ
図1に似ている。もしこのケースの場合、2次元のバン
ディング除去フィルターは要求されない。1次元および
2次元の処理の合成をかわりに使用できる。二つの軸に
沿って目的の周波数空間および振幅を見積もるために、
イメージを1次元データに減じ、行および列の平均が用
いられてもよい。サインおよびコサイン関数の2次元バ
ージョンは、その後、組立られ、そしてバンディングコ
ンポーネントを取り除くために用いられる。このバンデ
ィングコンポーネントが除去された後、2次元のスペク
トラムのみが発生され、これはその後、グラニュラリテ
ィおよびストリーキングを見積もるために用いられる。
2次元のスペクトラムが演算される前にバンディングコ
ンポーネントが除去されるので、漏れが実質的に排除さ
れる。このアプローチは、バンディングコンポーネント
を排除するための2次元のイメージとしてデータを処理
するときよりもかなり高速であり、かつ、バンディング
がプリンタの2つのスキャン軸と平行なイメージに対し
て同程度に有効である。
【0028】この2次元のデルタフィルタは、図4の合
成イメージ上に試みられる。デルタフィルタは2次元な
ので、そのイメージから2次元の正弦曲線のコンポーネ
ントを生成しそして除去する必要がある。これは、2次
元のイメージおよび2次元の正弦曲線(サインおよびコ
サイン)の双方を1次元のベクトルに変換し、その後、
少なくとも標準の平方の解析を行うことにより、実行さ
れる。
成イメージ上に試みられる。デルタフィルタは2次元な
ので、そのイメージから2次元の正弦曲線のコンポーネ
ントを生成しそして除去する必要がある。これは、2次
元のイメージおよび2次元の正弦曲線(サインおよびコ
サイン)の双方を1次元のベクトルに変換し、その後、
少なくとも標準の平方の解析を行うことにより、実行さ
れる。
【0029】図5および図6は、評価の効果および、イ
メージに導入された高周波および低周波のバンディング
コンポーネント個別に除去する効果を示す。2次元のデ
ータ関数フィルタが可視であることから結論され、その
後、図1に示したように合成イメージに適用される。
メージに導入された高周波および低周波のバンディング
コンポーネント個別に除去する効果を示す。2次元のデ
ータ関数フィルタが可視であることから結論され、その
後、図1に示したように合成イメージに適用される。
【0030】図7は、図1に対するx軸に沿った二つの
スペクトラル評価を示す。その評価は今や一致する。観
察された不一致は、バンディングコンポーネントの軸か
ら外れた漏れに起因する。この結果、バンディングコン
ポーネントは、他の人工物の評価に先立って除去されな
くてはならず、かつ、スペクトラル漏れを避けるように
して除去されなくてはならない。
スペクトラル評価を示す。その評価は今や一致する。観
察された不一致は、バンディングコンポーネントの軸か
ら外れた漏れに起因する。この結果、バンディングコン
ポーネントは、他の人工物の評価に先立って除去されな
くてはならず、かつ、スペクトラル漏れを避けるように
して除去されなくてはならない。
【0031】RMSグラニュラリティ評価 バンディングコンポーネントが除去された後、2次元ス
ペクトラムの軸に沿ったスペクトラルパワーは、ストリ
ーキング人工物およびグラニュラリティ(数式6参照)の
総合計を示す。双方の人工物は連続したスペクトラとな
るので、少なくとも一つの人工物のスペクトラの独立し
た評価なしで、それらの個々の貢献を分離することは困
難である。グラニュラリティは2次元性質を持つ単なる
人工物なので、グラニュラリティに対する軸パワー分布
の独立した評価引き出すために、2次元スペクトラムの
軸外のパワーを用いることは可能である。これは、軸の
一つ(特定化のためにx軸が採用される)に接近したバン
ドを適用することにより達成される。この例では、用い
たバンドは、2次元NPSのx軸のすべての値に対して
0<y<3サイクル/mmである。各xの値に対するこの
yバンドにおけるポイントは、正方形モデルにより適合
され、そして、x軸に沿ったグラニュラリティNPSが
y=0、つまり、x軸に沿ったグラニュラリティNPS
に推定される。y軸に沿ったそのグラニュラリティNP
Sは同時に到達する。
ペクトラムの軸に沿ったスペクトラルパワーは、ストリ
ーキング人工物およびグラニュラリティ(数式6参照)の
総合計を示す。双方の人工物は連続したスペクトラとな
るので、少なくとも一つの人工物のスペクトラの独立し
た評価なしで、それらの個々の貢献を分離することは困
難である。グラニュラリティは2次元性質を持つ単なる
人工物なので、グラニュラリティに対する軸パワー分布
の独立した評価引き出すために、2次元スペクトラムの
軸外のパワーを用いることは可能である。これは、軸の
一つ(特定化のためにx軸が採用される)に接近したバン
ドを適用することにより達成される。この例では、用い
たバンドは、2次元NPSのx軸のすべての値に対して
0<y<3サイクル/mmである。各xの値に対するこの
yバンドにおけるポイントは、正方形モデルにより適合
され、そして、x軸に沿ったグラニュラリティNPSが
y=0、つまり、x軸に沿ったグラニュラリティNPS
に推定される。y軸に沿ったそのグラニュラリティNP
Sは同時に到達する。
【0032】ストリーキング評価 x軸およびy軸に沿ったグラニュラリティの独立した評
価について、そして、人工物の付加を再度仮定する。次
のステップはx軸およびy軸に沿ったストリーキングN
PSの決定である。数式6から
価について、そして、人工物の付加を再度仮定する。次
のステップはx軸およびy軸に沿ったストリーキングN
PSの決定である。数式6から
【数8】 および
【数9】 NPSfilt:フラットフィールドスキャンのフィルタ化
した2次元NPSに関する G2D(νx,0)、G2D(0,νy):上述した2次元グラニュラ
リティの軸評価
した2次元NPSに関する G2D(νx,0)、G2D(0,νy):上述した2次元グラニュラ
リティの軸評価
【0033】実際、NPSは正数の限定によるものなの
で、ストリーキングNPS評価は、ゼロでロークリップ
されるべきである。NPS評価(これはセグメントまた
はブロック数の減少関数)におけるランダムエラーのた
め、ストリーキングNPSがゼロにアプローチしたと
き、数式8および9における差異が負の値になることが
可能である。最後に、2次元データから適したスケール
の1次元ストリーキングNPSを得るために、数式8お
よび数式9のストリーキングNPS評価は、直角の方向
に沿った2次元のNPS評価のブロック長により、供給
されなくてはならない(つまり、Sx(νx)はNyΔyによ
り分割され、Sy(νy)はNxΔxにより分割されなくては
ならない。このスケール用の関係は数式10で与えられ
る。
で、ストリーキングNPS評価は、ゼロでロークリップ
されるべきである。NPS評価(これはセグメントまた
はブロック数の減少関数)におけるランダムエラーのた
め、ストリーキングNPSがゼロにアプローチしたと
き、数式8および9における差異が負の値になることが
可能である。最後に、2次元データから適したスケール
の1次元ストリーキングNPSを得るために、数式8お
よび数式9のストリーキングNPS評価は、直角の方向
に沿った2次元のNPS評価のブロック長により、供給
されなくてはならない(つまり、Sx(νx)はNyΔyによ
り分割され、Sy(νy)はNxΔxにより分割されなくては
ならない。このスケール用の関係は数式10で与えられ
る。
【数10】
【0034】すなわち、1次元パターンのNPSは、直
交方向におけるブロック長により分割されるk=0の2
次元NPS評価のスライスから得ることができる。この
1次元の評価は、1次元パターンで期待されるようなス
リット補正を含まないことに注目。
交方向におけるブロック長により分割されるk=0の2
次元NPS評価のスライスから得ることができる。この
1次元の評価は、1次元パターンで期待されるようなス
リット補正を含まないことに注目。
【0035】定量化試験 スペクトラル分析法は、コンピュータで生成されたバン
ディング、ストリーキングおよびグラニュラリティデー
タからなる、合成フラットフィールドパターンを生成す
ることにより、厳格に試験された。試験された全てのケ
ースで1次元および2次元ノイズパターンは、みせかけ
のランダムの個数で発生されたコンピュータで作成さ
れ、一般的に分配され、そして、実際に遭遇する典型的
なパターンをシミュレートできるように、ローパスフィ
ルタで処理された。例えば図8は、2次元のランダムノ
イズ、ストリーキング(水平および垂直方向に沿った)お
よびバンディング(同様に双方の方向に沿った)を含む2
次元NPS表面を示す。バンディングのコンポーネント
は、x軸の方向に沿って0.5サイクル/mmおよびy軸
の方向に沿って1.5サイクル/mmおよび3.0サイク
ル/mmの周波数で加算された。表1は、バンディング周
波数および、バンディングのフィルタ化および除去手順
から生じた、振幅の評価を示す。これらの評価は、測定
精度内でシミュレーション入力値とよく一致している。
ディング、ストリーキングおよびグラニュラリティデー
タからなる、合成フラットフィールドパターンを生成す
ることにより、厳格に試験された。試験された全てのケ
ースで1次元および2次元ノイズパターンは、みせかけ
のランダムの個数で発生されたコンピュータで作成さ
れ、一般的に分配され、そして、実際に遭遇する典型的
なパターンをシミュレートできるように、ローパスフィ
ルタで処理された。例えば図8は、2次元のランダムノ
イズ、ストリーキング(水平および垂直方向に沿った)お
よびバンディング(同様に双方の方向に沿った)を含む2
次元NPS表面を示す。バンディングのコンポーネント
は、x軸の方向に沿って0.5サイクル/mmおよびy軸
の方向に沿って1.5サイクル/mmおよび3.0サイク
ル/mmの周波数で加算された。表1は、バンディング周
波数および、バンディングのフィルタ化および除去手順
から生じた、振幅の評価を示す。これらの評価は、測定
精度内でシミュレーション入力値とよく一致している。
【0036】
【表1】
【0037】図9は、合成パターンのストリーキングお
よびグラニュラリティNPSに対する1次元の評価コン
ポーネントを示す。これらは、公知のNPS入力コンポ
ーネントと優れた一致を示す。周期性コンポーネント
は、付随のスペクトラル漏れと共に、首尾よくフィルタ
ー処理されたことに注目(スペクトラル漏れについて
は、Proceedings of the IEEE,Vol.66,No.1,January 19
78,51-83頁のあるF.J.Harrisの“On the Use of Window
s for Harmonic Analysis with the Discrete Fourier
Transform”参照)。このバンディングコンポーネントの
振幅の僅かな課題評価に基づく、1.5サイクル/mmで
のストリーキングNPS評価におけるダウンロードスパ
イクにいくつかの証拠がある。
よびグラニュラリティNPSに対する1次元の評価コン
ポーネントを示す。これらは、公知のNPS入力コンポ
ーネントと優れた一致を示す。周期性コンポーネント
は、付随のスペクトラル漏れと共に、首尾よくフィルタ
ー処理されたことに注目(スペクトラル漏れについて
は、Proceedings of the IEEE,Vol.66,No.1,January 19
78,51-83頁のあるF.J.Harrisの“On the Use of Window
s for Harmonic Analysis with the Discrete Fourier
Transform”参照)。このバンディングコンポーネントの
振幅の僅かな課題評価に基づく、1.5サイクル/mmで
のストリーキングNPS評価におけるダウンロードスパ
イクにいくつかの証拠がある。
【0038】単一および複数のコンポーネントで構成さ
れたパターンが試験された。その結果のコンポーネント
NPS評価は、結合に先立ち、個々のコンポーネントの
NPSと比較され、そして、NPS評価の満足する正確
さ以内となるようにデモンストレートが行われた。
れたパターンが試験された。その結果のコンポーネント
NPS評価は、結合に先立ち、個々のコンポーネントの
NPSと比較され、そして、NPS評価の満足する正確
さ以内となるようにデモンストレートが行われた。
【0039】デジタルプリンタからのフラットフィール
ドプリントで行った測定例を、このようなデバイスのN
PSの典型的な特徴および解釈をデモンストレートする
ために、次に示す。
ドプリントで行った測定例を、このようなデバイスのN
PSの典型的な特徴および解釈をデモンストレートする
ために、次に示す。
【0040】口径0.1の4x対物レンズを用いてフラ
ットフィールドが反射式写真濃度計でスキャンされる。
これに5xの接眼レンズを結合し、そして適した正方形
の開口が公証50マイクロメーターの正方形の開口が標
本平面に生じさせる。1280×1280ポイントのア
レイは、D5000光源と直列接続され、y(λ)スペクトラ
ルレスポンス(フォトピック ビジュアル レスポンス)を
シミュレートするように設計された光学フィルタパック
を用いて50マイクロメータのサンプルスペースでスキ
ャンされた。2次元のNPS評価は、正方形の128ブ
ロック長で演算された。
ットフィールドが反射式写真濃度計でスキャンされる。
これに5xの接眼レンズを結合し、そして適した正方形
の開口が公証50マイクロメーターの正方形の開口が標
本平面に生じさせる。1280×1280ポイントのア
レイは、D5000光源と直列接続され、y(λ)スペクトラ
ルレスポンス(フォトピック ビジュアル レスポンス)を
シミュレートするように設計された光学フィルタパック
を用いて50マイクロメータのサンプルスペースでスキ
ャンされた。2次元のNPS評価は、正方形の128ブ
ロック長で演算された。
【0041】図10は、商業利用できる電子グラフィッ
クレーザープリンタにより生成されたビジュアル濃度
0.8のフラットフィールドのスキャンにより演算され
た2次元NPS表面を示す。突出した水平方向のストリ
ーキングは、フラットフィールドで目につき、このこと
が、y周波数軸に平行な2次元のNPSに、対応する尾
根を呈する。3組のスペクトラルラインがおよそ4サイ
クル/mmで双方の周波数軸でかつ対角線上に現れてい
る。これらのスペルトルラインがこのような規則的な格
子に現れるという事実(1軸周波数に沿ったときと反対
である)は、2次元の周期性パターンの結果であると解
釈される。フィールド内で明白に見える1次元のバンデ
ィングが無いという事実はこの仮説を確かなものにす
る。この場合、スペクトラルの漏れ、およびストリーキ
ングNPSにバイアスを与えることがないように、周波
数軸に沿ったスペクトラムをフィルタ除去するために更
に試みが行われる。しかしながら、フィルタ処理された
1次元の周期性コンポーネントの振幅は、バンディング
パターンの結果として解釈されず、むしろ2次元の周期
性パターンとして認識される。最後に、2次元ランダム
ノイズ面は、等方性であり、又、直接的な観察に合致す
る。
クレーザープリンタにより生成されたビジュアル濃度
0.8のフラットフィールドのスキャンにより演算され
た2次元NPS表面を示す。突出した水平方向のストリ
ーキングは、フラットフィールドで目につき、このこと
が、y周波数軸に平行な2次元のNPSに、対応する尾
根を呈する。3組のスペクトラルラインがおよそ4サイ
クル/mmで双方の周波数軸でかつ対角線上に現れてい
る。これらのスペルトルラインがこのような規則的な格
子に現れるという事実(1軸周波数に沿ったときと反対
である)は、2次元の周期性パターンの結果であると解
釈される。フィールド内で明白に見える1次元のバンデ
ィングが無いという事実はこの仮説を確かなものにす
る。この場合、スペクトラルの漏れ、およびストリーキ
ングNPSにバイアスを与えることがないように、周波
数軸に沿ったスペクトラムをフィルタ除去するために更
に試みが行われる。しかしながら、フィルタ処理された
1次元の周期性コンポーネントの振幅は、バンディング
パターンの結果として解釈されず、むしろ2次元の周期
性パターンとして認識される。最後に、2次元ランダム
ノイズ面は、等方性であり、又、直接的な観察に合致す
る。
【0042】表2は、このプリンタサンプルに対するバ
ンディング評価を示す。4サイクル/mm近傍のバンディ
ングコンポーネントは、目視による観察とよく合致し、
軸NPSスライスから得た振幅評価とよく合致する、比
較しやすい振幅を持つ。3サイクル/mm近傍のy方向に
沿ったコンポーネントも突出している。加えて、x軸の
方向に沿った0.1サイクル/mmでのコンポーネント
は、2次元のNPSプロットでは明瞭ではないが、1次
元のNPS評価を用いてより高いスペクトラル解像度に
なる。グラニュラリティNPS評価(図11参照)は、図
10で見られた2次元ノイズと比較して理に適ってい
る。y軸の方向に沿ったストリーキングNPS評価(図
11)は、これは数式13で評価、振幅が取るに足らな
いレベルに低減されているが、余りのバンディングの証
拠を示す。y軸の方向におけるストリーキングNPSは
重要であり、このフラットフィールドで見られたライン
パターンの多数を説明する。
ンディング評価を示す。4サイクル/mm近傍のバンディ
ングコンポーネントは、目視による観察とよく合致し、
軸NPSスライスから得た振幅評価とよく合致する、比
較しやすい振幅を持つ。3サイクル/mm近傍のy方向に
沿ったコンポーネントも突出している。加えて、x軸の
方向に沿った0.1サイクル/mmでのコンポーネント
は、2次元のNPSプロットでは明瞭ではないが、1次
元のNPS評価を用いてより高いスペクトラル解像度に
なる。グラニュラリティNPS評価(図11参照)は、図
10で見られた2次元ノイズと比較して理に適ってい
る。y軸の方向に沿ったストリーキングNPS評価(図
11)は、これは数式13で評価、振幅が取るに足らな
いレベルに低減されているが、余りのバンディングの証
拠を示す。y軸の方向におけるストリーキングNPSは
重要であり、このフラットフィールドで見られたライン
パターンの多数を説明する。
【0043】
【表2】
【0044】スペクトラル分離法のフローチャートを図
12に示す。デジタル入力デバイスによるフラットフィ
ールドのスキャン、又はデジタル出力デバイスにより書
き込まれたフラットフィールドのスキャンを表す、入力
イメージは、読み込まれ、1次元および2次元双方のN
PS評価が作成される。1次元NPS評価は、xおよび
y軸の方向におけるスペクトラル解析の平均値から得ら
れる。1次元および2次元の評価が比較され、そしてバ
ンディングに基づくスペクトラルラインが認識される。
これらの周期性コンポーネントは、先に述べたように、
その後、フラットフィールドからフィルタ処理される。
バンディング周波数および振幅の評価10は、バンディ
ング除去の過程の間にフィルタ用アルゴリズムにより出
力される。2次元ノイズフロアーは次いで、2次元ノイ
ズフロアー20の評価された軸コンポーネント(fx=0,fy
=0)を得るために推定される。これらの軸評価をもとの
軸評価から減じることで、1次元ストリーキングNPS
評価30が生じる。
12に示す。デジタル入力デバイスによるフラットフィ
ールドのスキャン、又はデジタル出力デバイスにより書
き込まれたフラットフィールドのスキャンを表す、入力
イメージは、読み込まれ、1次元および2次元双方のN
PS評価が作成される。1次元NPS評価は、xおよび
y軸の方向におけるスペクトラル解析の平均値から得ら
れる。1次元および2次元の評価が比較され、そしてバ
ンディングに基づくスペクトラルラインが認識される。
これらの周期性コンポーネントは、先に述べたように、
その後、フラットフィールドからフィルタ処理される。
バンディング周波数および振幅の評価10は、バンディ
ング除去の過程の間にフィルタ用アルゴリズムにより出
力される。2次元ノイズフロアーは次いで、2次元ノイ
ズフロアー20の評価された軸コンポーネント(fx=0,fy
=0)を得るために推定される。これらの軸評価をもとの
軸評価から減じることで、1次元ストリーキングNPS
評価30が生じる。
【0045】ここで開示した方法は、モノクローム(単
一カラーチャンネル)およびマルチカラーチャンネル(例
えば赤緑青)のイメージの双方に適用できることは当業
者には理解されるであろう。更には、この方法は、マル
チカラーチャンネルのデジタルイメージまたは、例えば
元の各ピクセルで赤緑青のウエイト結合量である発光チ
ャンネルから演算されたカラーチャンネルのそれぞれの
または全てのスキャンに適用できる。
一カラーチャンネル)およびマルチカラーチャンネル(例
えば赤緑青)のイメージの双方に適用できることは当業
者には理解されるであろう。更には、この方法は、マル
チカラーチャンネルのデジタルイメージまたは、例えば
元の各ピクセルで赤緑青のウエイト結合量である発光チ
ャンネルから演算されたカラーチャンネルのそれぞれの
または全てのスキャンに適用できる。
【0046】イメージシステムまたはデバイスは、イメ
ージデータを修正するために、またはイメージノイズの
いくつかか全てを補償するため又は除去するためにイメ
ージシステムコンポーネントまたはイメージシステムソ
フトウエアを調整するため、評価した2次元のランダム
の、1次元のストリーキングの、または1次元のバンデ
ィングの、本発明を用いて得られたコンポーネントを用
いるために、イメージングシステムまたはデバイスを本
発明のコンポーネントに組み込むことも当業者には理解
されよう。
ージデータを修正するために、またはイメージノイズの
いくつかか全てを補償するため又は除去するためにイメ
ージシステムコンポーネントまたはイメージシステムソ
フトウエアを調整するため、評価した2次元のランダム
の、1次元のストリーキングの、または1次元のバンデ
ィングの、本発明を用いて得られたコンポーネントを用
いるために、イメージングシステムまたはデバイスを本
発明のコンポーネントに組み込むことも当業者には理解
されよう。
【0047】スペクトラル分離アルゴリズムはMatl
ab5でエンコードされる。それに必要なソースコード
を表3〜表9に分割して掲げる。
ab5でエンコードされる。それに必要なソースコード
を表3〜表9に分割して掲げる。
【0048】
【表3】
【0049】
【表4】
【0050】
【表5】
【0051】
【表6】
【0052】
【表7】
【0053】
【表8】
【0054】
【表9】
【0055】
【発明の効果】以上説明したように、本発明は、ノイズ
パターンの少なくとも一つのコンポーネントを決定する
方法であり、1次元の周期性ノイズであるバンディング
コンポーネント、1次元のランダムノイズであるストリ
ーキングコンポーネントをイメージデータに対して、特
徴づけすることにより、イメージデータから個別に分離
可能となり、目障りなノイズを排除することができる。
パターンの少なくとも一つのコンポーネントを決定する
方法であり、1次元の周期性ノイズであるバンディング
コンポーネント、1次元のランダムノイズであるストリ
ーキングコンポーネントをイメージデータに対して、特
徴づけすることにより、イメージデータから個別に分離
可能となり、目障りなノイズを排除することができる。
【図1】 プリンタ軸の高速スキャンおよび低速スキャ
ンに沿ったバンディングを有する合成イメージ
ンに沿ったバンディングを有する合成イメージ
【図2】 図1に示したサンプルイメージに対する2次
元のパワースペクトラム
元のパワースペクトラム
【図3】 x軸のノイズパワースペクトラムの1次元お
よび2次元の評価値
よび2次元の評価値
【図4】 2次元周波数空間フィルタを評価するための
合成イメージ
合成イメージ
【図5】 図1から高周波バンディングが除去された合
成イメージ
成イメージ
【図6】 図1から低周波バンディングが除去された合
成イメージ
成イメージ
【図7】 2次元イメージフィルタリングと比較したx
軸ノイズパワースペクトラムの1次元および2次元評価
値
軸ノイズパワースペクトラムの1次元および2次元評価
値
【図8】 2次元ランダムノイズを含む合成パターンに
おける2次元ノイズパワースペクトラム
おける2次元ノイズパワースペクトラム
【図9】 合成パターンのストリーキングおよびグラニ
ュラリティのノイズパワースペクトラムにおける1次元
コンポーネントの評価
ュラリティのノイズパワースペクトラムにおける1次元
コンポーネントの評価
【図10】 電気フォトグラフィックプリンタにより生
成された可視密度0.8のフラットフィールドのスキャ
ンから演算された2次元ノイズパワースペクトラム表面
成された可視密度0.8のフラットフィールドのスキャ
ンから演算された2次元ノイズパワースペクトラム表面
【図11】 y軸方向に沿ったストリーキングノイズパ
ワースペクトラムの評価値
ワースペクトラムの評価値
【図12】 スペクトラル分離のアルゴリズムのフロー
チャート
チャート
10 バンディング周波数および振幅の評価 20 2次元ノイズフロアー 30 1次元ストリーキングNPS評価
フロントページの続き (72)発明者 ピーター・ディ・バーンズ アメリカ合衆国14450ニューヨーク州フェ アポート、ノーブルック・ロード36番
Claims (2)
- 【請求項1】 イメージングデバイスのノイズパターン
の少なくとも一つのコンポーネントを決定するための方
法であって、 フラットフィールドデータを備え、 フラットフィールドデータの1次元平均値を演算し、そ
の1次元平均値をフーリエ解析することにより、バンデ
ィングコンポーネントの予備の評価を形成し、 元のフラットフィールドデータの2次元フーリエ解析を
実行し、そして先の評価と比較することにより、バンデ
ィングコンポーネントを決定し、 変更したフラットフィールドデータを得るために、フラ
ットフィールドデータからバンディングコンポーネント
を除去し、 変更したフラットフィールドデータにフーリエ解析を行
うことにより、ストリーキングコンポーネントの第2の
予備の評価を形成し、 変更したフィールドデータにフーリエ解析を行うことに
より、2次元ランダムノイズ統計値を決定し、そして、
2次元ランダムノイズ統計値を有するストリーキングコ
ンポーネントの予備の評価を変更することにより、スト
リーキングコンポーネントを決定する、 ステップからなることを特徴とする方法。 - 【請求項2】 イメージングデバイスはプリンタ、フィ
ルムスキャナー、ドキュメントまたはプリントスキャナ
ーおよびデジタルカメラからなるグループから選択され
る請求項1記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/356,584 US6584233B1 (en) | 1999-07-19 | 1999-07-19 | Method for determining the components of image noise patterns of an imaging device and use of this method in an imaging device |
US09/356584 | 1999-07-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2001067467A true JP2001067467A (ja) | 2001-03-16 |
Family
ID=23402064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000218962A Pending JP2001067467A (ja) | 1999-07-19 | 2000-07-19 | イメージングデバイスのイメージノイズパターンの要素決定法およびイメージングデバイスの使用方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US6584233B1 (ja) |
EP (1) | EP1071042B1 (ja) |
JP (1) | JP2001067467A (ja) |
DE (1) | DE60026443D1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003186118A (ja) * | 2001-08-23 | 2003-07-03 | Eastman Kodak Co | 動画に対応する画像フレームの印刷方法 |
JP2005310098A (ja) * | 2004-03-26 | 2005-11-04 | Seiko Epson Corp | ノイズ検出装置、ノイズ検出方法およびノイズ検出プログラム |
JP2005308709A (ja) * | 2004-03-26 | 2005-11-04 | Seiko Epson Corp | バンディングノイズ検出装置、バンディングノイズ検出方法およびバンディングノイズ検出プログラム |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6987881B2 (en) * | 2002-04-26 | 2006-01-17 | Keio University | Automatic visibility improvement method for digital image |
US20040012818A1 (en) * | 2002-07-19 | 2004-01-22 | Bauer Stephen W. | Reducing artifacts in printing |
US7283143B2 (en) * | 2004-05-25 | 2007-10-16 | Xerox Corporation | Measurement and control of high frequency banding in a marking system |
US7369145B2 (en) * | 2005-01-10 | 2008-05-06 | Polaroid Corporation | Method and apparatus for controlling the uniformity of print density of a thermal print head array |
US7672476B2 (en) * | 2005-01-26 | 2010-03-02 | Pixar | Bandlimited noise for computer graphics |
US7508994B2 (en) * | 2005-12-05 | 2009-03-24 | Eastman Kodak Company | Method for detecting streaks in digital images |
US7729559B2 (en) * | 2006-05-22 | 2010-06-01 | Ge Healthcare Bio-Sciences Corp. | System and method for optical section image line removal |
KR20110062008A (ko) * | 2009-12-02 | 2011-06-10 | 삼성전자주식회사 | 화상형성장치 및 그 화상 노이즈 처리 방법 |
CN103903224B (zh) * | 2012-12-25 | 2018-01-09 | 腾讯科技(深圳)有限公司 | 数字图像条带噪声的处理方法及装置 |
US9092854B2 (en) * | 2013-07-30 | 2015-07-28 | Hewlett-Packard Indigo B.V. | Metrics to identify image smoothness |
JP6704608B2 (ja) | 2016-02-08 | 2020-06-03 | 富士ゼロックス株式会社 | 端末装置、診断システムおよびプログラム |
US10863155B2 (en) | 2018-12-24 | 2020-12-08 | Gopro, Inc. | Reduction of banding artifacts in image processing |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2205464B (en) | 1987-06-05 | 1991-12-11 | Gec Avionics | Image processing apparatus |
US5799111A (en) * | 1991-06-14 | 1998-08-25 | D.V.P. Technologies, Ltd. | Apparatus and methods for smoothing images |
US5537669A (en) | 1993-09-30 | 1996-07-16 | Kla Instruments Corporation | Inspection method and apparatus for the inspection of either random or repeating patterns |
DE19511752A1 (de) | 1995-03-30 | 1996-10-10 | Siemens Ag | Verfahren zum hochauflösenden Auswerten von Signalen zur ein- oder zweidimensionalen Richtungs- oder Frequenzschätzung |
US5691824A (en) * | 1995-06-29 | 1997-11-25 | Agfa Division, Bayer Corporation | Scanning system for scanning reflective and transmissive images |
-
1999
- 1999-07-19 US US09/356,584 patent/US6584233B1/en not_active Expired - Lifetime
-
2000
- 2000-07-03 EP EP00202314A patent/EP1071042B1/en not_active Expired - Lifetime
- 2000-07-03 DE DE60026443T patent/DE60026443D1/de not_active Expired - Lifetime
- 2000-07-19 JP JP2000218962A patent/JP2001067467A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003186118A (ja) * | 2001-08-23 | 2003-07-03 | Eastman Kodak Co | 動画に対応する画像フレームの印刷方法 |
JP2005310098A (ja) * | 2004-03-26 | 2005-11-04 | Seiko Epson Corp | ノイズ検出装置、ノイズ検出方法およびノイズ検出プログラム |
JP2005308709A (ja) * | 2004-03-26 | 2005-11-04 | Seiko Epson Corp | バンディングノイズ検出装置、バンディングノイズ検出方法およびバンディングノイズ検出プログラム |
JP4552583B2 (ja) * | 2004-03-26 | 2010-09-29 | セイコーエプソン株式会社 | ノイズ検出装置、ノイズ検出方法およびノイズ検出プログラム |
JP4715995B2 (ja) * | 2004-03-26 | 2011-07-06 | セイコーエプソン株式会社 | バンディングノイズ検出装置、バンディングノイズ検出方法およびバンディングノイズ検出プログラム |
Also Published As
Publication number | Publication date |
---|---|
EP1071042A3 (en) | 2003-05-28 |
DE60026443D1 (de) | 2006-05-04 |
US6584233B1 (en) | 2003-06-24 |
EP1071042A2 (en) | 2001-01-24 |
EP1071042B1 (en) | 2006-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Application of digital image magnification for surface roughness evaluation using machine vision | |
JP2001067467A (ja) | イメージングデバイスのイメージノイズパターンの要素決定法およびイメージングデバイスの使用方法 | |
US6987892B2 (en) | Method, system and software for correcting image defects | |
Julliand et al. | Image noise and digital image forensics | |
US20040208395A1 (en) | Image processing method, image processing apparatus, and image processing program | |
Kane et al. | Quantification of banding, streaking and grain in flat field images | |
Jing et al. | A general approach for assessment of print quality | |
JP4405407B2 (ja) | 欠陥検査装置 | |
van Hengstum et al. | Development of a high resolution topography and color scanner to capture crack patterns of paintings | |
Fayolle et al. | Application of multiscale characterization of edges to motion determination | |
JP2005063022A (ja) | ノイズ画素マップ作成方法とその方法を実施する装置とプログラム及び写真プリント装置 | |
Jini et al. | Image Inpainting Using Image Interpolation-An Analysis | |
Soulez et al. | Joint deconvolution and demosaicing | |
KR100689890B1 (ko) | 플랫패널용 광관련판요소의 결함검출방법 | |
JP2004246110A (ja) | 検版装置、印刷システム、印刷データの検版方法、およびプログラム | |
van Staalduinen et al. | Comparing X-ray and backlight imaging for paper structure visualization | |
US20030002744A1 (en) | Method for producing an image noise table having statistics for use by image processing algorithms | |
JP2005303705A (ja) | 画像処理装置および方法 | |
Benke et al. | A study of the effect of image quality on texture energy measures | |
JPH01133470A (ja) | デジタル画像処理方法 | |
He et al. | Computer Assisted Image Analysis for Objective Determination of Scanning Resolution for Photographic Collections–An Automated Approach | |
JP3766904B2 (ja) | 画線寸法測定装置 | |
Kumar et al. | Restoration of Digital Images of Old Degraded Cave Paintings via Patch Size Adaptive Source-Constrained Inpainting | |
Yang et al. | Document image segmentation and quality improvement by moiré pattern analysis | |
Samadani et al. | Honest image thumbnails: Algorithm and subjective evaluation |