JP2003067723A

JP2003067723A - 画像におけるノイズ出現の評価方法

Info

Publication number: JP2003067723A
Application number: JP2002165098A
Authority: JP
Inventors: Andrew C Gallagher; シーギャラガーアンドリュー; Keath Tai-You Chen; タイ−ヨウチェンキース
Original assignee: Eastman Kodak Co
Current assignee: Eastman Kodak Co
Priority date: 2001-06-12
Filing date: 2002-06-06
Publication date: 2003-03-07
Also published as: EP1267206A2; JP2009259298A; US7062108B2; EP1267206A3; US20030039401A1; JP4959760B2

Abstract

(57)【要約】【課題】画像形成システムの出力画像は多数の画像変
換の産物であり、その各々が自身のノイズ特性を修正す
る。従って、（画像キャプチャ装置の特性を定量化する
ノイズテーブル等の）出力前ノイズテーブルは出力画像
のノイズ特性を表わしていない。【解決手段】画像におけるノイズ出現の評価方法であ
って、画像の輝度に対するノイズ度合を表わすノイズテ
ーブルを編成するステップと、前記ノイズテーブルから
ノイズ測度を生成するステップを含み、前記ノイズ測度
は画像におけるノイズ出現を表わすことを特徴とする。

Description

【発明の詳細な説明】【０００１】【発明の属する技術分野】本発明は一般にデジタル画像
処理分野、特に出力画像におけるノイズ出現を評価する
方法に関する。【０００２】【従来の技術】画像形成システムの設計において、仕上
がり画像を人間が見た際に気付く恐れがある画像劣化の
度合を評価できるようにすべきである。合わせて、粒状
性が原因で画像がどの程度劣化するかを認識することも
画像再生システムを利用する際に重要であり、画像形成
の各段階で利用される主要な要素の選択に大きな影響を
及ぼす場合がある。【０００３】画像形成システムにおいて、光が当った際
に本来は一様であるべき応答の変動をノイズと呼ぶ。従
来の写真システムにおいてこのような密度の変動は、マ
イクロデンシトメーターを用いた物理的測定を通じてフ
ィルムや印画紙等の写真材料の光学密度を観察すること
ができる。本来は一様な領域の密度変動の測度として２
乗平均平方根（ｒｍｓ）値や標準偏差が用いられる。こ
の値を粒度と呼ぶ。出力画像を人間が見た際に感じられ
る、このような光学密度の不要かつ不規則な変動を粒状
性またはノイズ出現と呼ぶ。このように、物理的に測定
された粒度の度合を人間が見れば粒状性のレベルとして
知覚される。【０００４】出力画像におけるノイズまたは粒状性の出
現を評価および定量化するさまざまな工夫がなされてき
た。Ｃ．Ｂａｒｔｌｅｓｏｎは自著の“粒度から粒状性
を予測する”（Ｊ．Ｐｈｏｔ．Ｓｃｉ．，Ｖｏｌ．３
３，Ｎｏ．４，ｐｐ．１１７〜１２６，１９８５）で、
粒状性は可視印刷密度０．８において粒度に依存してい
ることを示し、粒状性Ｇ_iと粒度σ_vの間に以下の関係が
あることを突き止めた。【数１】Ｇ_i=ａ*ｌｏｇ（σ_v）+ｂここにａ、ｂは定数である。【０００５】【発明が解決しようとする課題】Ｂａｒｔｌｅｓｏｎの
研究により、与えられた画像形成システムが生成する粒
状性を評価することが可能になった。残念ながら、共通
の画像形成システムから生成された別々の画像の粒状性
が大きく異なる場合がある。その理由は、出力画像を作
成すべく適用された任意の画像変換がシステム内のノイ
ズの可視性を変えることができるためである。例えば、
引き伸ばし装置を用いて写真ネガを写真印画紙に結像す
ることができる。しかし、出力プリントのノイズ出現
は、ネガに対する露光量に強く依存している。このよう
に、所定の画像処理システムが生成した任意の出力画像
のノイズ出現は、Ｂａｒｔｌｅｓｏｎの研究により可能
とされた評価とは全く異なる可能性がある。【０００６】米国特許第５，６４１，５９６号（１９９
７年６月２４日登録）においてＧｒａｙ他は、ノイズテ
ーブルを決定する方法について述べている。ノイズテー
ブルは特定の画像キャプチャ装置の密度依存ノイズを記
述するものであり、従って画像キャプチャ装置により作
成された画像の密度依存ノイズを定量化する。ノイズテ
ーブルは通常、特定のスキャナ装置および（フィルム等
の）画像キャプチャ装置からの出力として設計されてい
る。あるいは、ノイズテーブルはデジタル画像キャプチ
ャ、または写真フィルムを表現することができる。ノイ
ズテーブルはノイズの標準偏差を、平均コード値の関数
として表わす。しかし、ノイズテーブル単独では出力画
像におけるノイズの可視性の良い指標とはならない。画
像形成システムの出力画像は多数の画像変換の産物であ
り、その各々が自身のノイズ特性を修正する。従って、
（画像キャプチャ装置の特性を定量化するノイズテーブ
ル等の）出力前ノイズテーブルは出力画像のノイズ特性
を表わしていない。【０００７】ノイズ情報は、ユーザーが選択したアルゴ
リズムのパラメータを変更するために利用されてきた。
米国特許第５，６９４，４８４号（ｌ９９７年１２月２
日登録）においてＣｏｔｔｒｅｌｌ他は、入出力装置で
用いる特性情報（例：ノイズを特徴付ける変調転送機能
およびウィーナー・パワースペクトル）を利用し、画質
の客観的な測度を計算し、画質の客観的な測度を最適化
することにより画像変換用のパラメータ（鮮明度向上
等）を決定する方法について述べている。Ｃｏｔｔｒｅ
ｌｌ他はまた、共通の画像生成システムにより生成され
たすべての出力画像には同様なノイズ出現が見られると
いう暗黙の仮定をしている。しかし、これはあてはまら
ない。画像形成装置から直接生成された画像は同じよう
なノイズや鮮明度の特性を持っていても、これらの特性
は出力画像を生成する画像変換により大幅に修正され得
るからである。その上、例えば米国特許第６，０９７，
４７０号や第６，０９７，４７１号（共にＢｕｈｒ他、
２０００年８月１日登録）等、多くの画像処理システム
において画像変換の操作は画像の解析に基づいてさまざ
まである。画像に依存する画像変換の影響をＣｏｔｔｒ
ｅｌｌは考慮していない。【０００８】米国特許第６，０９１，８６１号（２００
０年７月１８日登録）においてＫｅｙｓ他は、画像の露
光（すなわち、ＳＢＡバランス）に基づいて鮮明化パラ
メータを決定する方法を記述する。この方法はまた、画
像の粒度を考慮に入れており、粒度に関係する予想粒状
性値（ＰＧＩ）を計算する。しかし、この方法には画像
に依存する画像変換を適用した場合の影響を考慮する柔
軟性がない。さらに、正常に露光された被写体の画像で
さえ、度合のバラツキが大きいノイズを含む背景領域を
伴うことがあるため、露光を用いてノイズをプリントに
集約する方法はエラーを起こしやすい。【０００９】特定の出力画像におけるノイズ出現を判定
する別の方法に、出力画像を尺度として並べられた標準
ノイズサンプルの組との比較がある。最初の粒度スライ
ドすなわち尺度はＴｈｏｍａｓＭａｉｅｒ他により設
計され、制作された。例えば、Ｔ．Ｏ．Ｍａｉｅｒ、
Ｄ．Ｒ．Ｍｉｌｌｅｒの“粒状性と粒度の関係”（ＳＰ
ＳＥ第４３回年次会議予稿集、ＳＰＳＥ、バージニア州
スプリングフィールド、１９９０年、２０７〜２０８ペ
ージ）を参照されたい。Ｃ．ＪａｍｅｓＢａｒｔｌｅ
ｓｏｎは粒度と粒状性を結び付ける基本的な関係を確定
した。【００１０】Ｍａｉｅｒ他は、デジタルシミュレーショ
ン機器を用いて、粒子の量が増えても同じ平均密度を有
する一連の一様かつ中立的な粒子パッチを生成した。続
いて、マイクロデンシトメーターによる測定および基本
的な心理物理の関係を利用して粒状性をｒｍｓ粒度に関
連付けた。Ｃｏｏｋｉｎｇｈａｍ他は、米国特許第５，
７０９，９７２号（１９９８年１月２０日登録）、およ
び第５，６２９，７６９号（１９９７年５月１３日登
録）に記述されているように改良された粒子尺度を生成
した。このようなノイズ尺度により個人が効果的に出力
画像におけるノイズの出現を数値的に定量化することが
できるが、このプロセスは労働集約的であって、見る人
間の側でそれぞれの出力画像を個別に評価する必要があ
る。【００１１】従って、上述の問題を回避するための、改
良されたノイズ測度が必要になってくる。【００１２】【課題を解決するための手段】上述のニーズは、画像に
おけるノイズ出現を評価する方法を提供することにより
本発明に基づいて満たされ、ノイズの大きさ対画像の輝
度を表わすノイズテーブルを編成するステップと、ノイ
ズテーブルからノイズ測度を生成するステップとを含
み、前記ノイズ測度は画像におけるノイズ出現を表わし
ている。【００１３】本発明の好適な実施の形態によれば、ノイ
ズテーブルを編成するステップは、ノイズの大きさ対入
力画像の輝度を表わす入力ノイズテーブルを編成するス
テップと、１個以上の画像変換を含む一連の画像処を与
えるステップと、各々の画像変換が画像中のノイズに及
ぼす影響を規定する適切なノイズ変換を確定するステッ
プと、１個以上のノイズが変換を入力ノイズテーブルに
適用して画像中のノイズの評価を表わすノイズテーブル
を生成するステップとを含む。【００１４】（発明の利点）本発明の利点は、オペレー
ターや時間のかかる画像計算を必要とせずに、自動的か
つ迅速に画像のノイズ出現の評価手段を提供できる点で
ある。ノイズ出現の評価は、画像に適用される任意の変
換を考慮に入れることが可能である。本発明の方法は、
人間が行なうノイズ評価との相関が大きいノイズ測度を
提供する。【００１５】【発明の実施の形態】以下の記述において、本発明はソ
フトウェアプログラムにより実装された方法として説明
する。このようなソフトウェアと同等な機能をハードウ
ェアでも構成可能であることが当業者には理解されよ
う。画質向上のためのアルゴリズムや方法は広く知られ
ているため、以下の説明は特に本発明に基づく方法の一
部を構成するか、またはより直接的に協働するアルゴリ
ズムや方法のステップに焦点をあてる。ここで特に図示
・記述されないその他のアルゴリズムや方法、およびハ
ードウェアおよび／またはソフトウェアは、当分野で公
知の材料、部品、要素から選択されてよい。以下に開示
する明細書において、すべてのソフトウェアの実装は当
分野における通常の技術範囲に含まれる。【００１６】本発明は、アナログ画像またはデジタル画
像のどちらでもノイズ出現を記述するために利用できる
点に留意されたい。アナログ画像は、写真ネガまたは写
ポジ（スライド）のように連続的に表現された画像であ
る。デジタル画像は通常、赤、緑、青各色のピクセル
値、あるいは輝度に対応する１個の単色ピクセル値の２
次元配列である。さらに、好適な実施の形態は１０２４
行と１５３６列のピクセルからなる画像を参照しながら
記述されるが、異なる解像度および寸法のデジタル画像
を用いても同様の、少なくとも許容できる結果が得られ
ることは当業者には理解されよう。表記法に関して、デ
ジタル画像の第ｘ行、ｙ列を指す座標（ｘ，ｙ）に位置
するデジタル画像のピクセル値は、それぞれ位置（ｘ，
ｙ）における赤、緑、青色のデジタル画像チャネルを指
す３組の値［ｒ（ｘ，ｙ），ｇ（ｘ，ｙ），ｂ（ｘ，
ｙ）］から構成されるものとする。この点に関して、デ
ジタル画像は特定の個数のデジタル画像チャネルで構成
されていると考えてよい。赤、緑、青色の２次元配列で
構成されるデジタル画像の場合、画像は３個のチャネ
ル、すなわち赤、緑、青色スペクトルのチャネルで構成
される。さらに、色信号から輝度チャネルｎを形成する
ことができる。デジタル画像チャネルの第ｘ行、ｙ列を
指す座標（ｘ，ｙ）に位置するデジタル画像チャネルｎ
のピクセル値を、ｎ（ｘ，ｙ）として示す単一の値とす
る。さらに、画像ｆがアナログ画像である場合、値ｆ
（ｘ，ｙ）は（ｘ，ｙ）が指す位置における輝度を表わ
す。【００１７】図１によれば、本発明に基づいて出力ノイ
ズテーブルを生成（２）し、さらに出力ノイズテーブル
から出力ノイズ測度を生成（４）することにより、出力
画像のノイズ出現を記述する出力ノイズ測度が生成され
る。【００１８】通常、出力画像は写真プリントである。ま
た、出力画像はＣＲＴモニターに表示された画像、ある
いは紙その他の媒体に印刷または表示された画像であっ
てよい。例えば、出力画像はインクジェット印刷、任意
のソフトコピーディスプレイ、感熱印刷、電子写真印
刷、レーザー印刷、あるいは他の出力手段により生成さ
れてよい。この点に関して、出力ノイズテーブルジェネ
レータ２は、入力ノイズテーブルおよび画像処理経路１
０を入力として受取る。さらに、出力ノイズテーブルジ
ェネレータ２は、オプションとして備えられた重み付け
関数および正確度データを受け取ることができる。これ
らの入力について以下により詳細に述べる。【００１９】出力ノイズテーブルジェネレータ２は、出
力画像のノイズの輝度依存特性を表わす出力ノイズテー
ブルを出力する。好適な実施の形態において、出力ノイ
ズテーブルは画像の緑色チャネルに関係するが、出力ノ
イズテーブルは任意のスペクトルチャネルまたはスペク
トルチャネルの組み合わせに関係していてもよい。出力
ノイズテーブルは、出力ノイズテーブルの解析を実行す
る出力ノイズ測度ジェネレータ４に渡されて出力ノイズ
測度を出力する。【００２０】出力ノイズ測度は出力画像中のノイズ出現
に関係している。好適な実施の形態において、出力ノイ
ズ測度の値が大きいほど出力画像のノイズ出現が大きい
ことを示す。従って、２個以上の出力画像におけるノイ
ズ出現の相対的な順位を、それぞれの出力画像について
計算した出力ノイズ測度により決定することができる。【００２１】本発明が、実際に画像を調べることなく、
出力画像のノイズ出現を判定できる機能を備えているこ
とに留意されたい。本発明では入力ノイズテーブル、画
像処理経路、オプションの重み付け関数および正確度デ
ータ入力として用いることに留意されたい。これらすべ
ての入力は、画像およびそれが意図する目的に関する情
報を含むが、自身は非画像データである。画像に関連付
けられた非画像データをメタデータと呼ぶことが多い。
このように本発明は、メタデータ解析だけに基づいて画
像のノイズ出現を判定する機能を備えている。画像解析
を必要としないため、出力ノイズ測度の計算は通常のコ
ンピュータにより極めて高速に行なえる。【００２２】図２に出力ノイズテーブルジェネレータ２
をより詳細に示す。ノイズテーブルプリプロセッサ１８
はノイズテーブルを調整するために、重み付け関数およ
び正確度データからの情報を利用する。１組のノイズ変
換３０_iを生成する目的で画像処理経路１０がノイズ経
路ジェネレータ１６に入力され、ノイズ経路アプリケー
タ２２によりノイズテーブルに適用されると、画像処理
経路１０経由で渡される出力画像のノイズ特性に対応す
る出力ノイズテーブルＮ_Mが生成される。【００２３】出力ノイズテーブルジェネレータ２は入力
ノイズテーブルＮを受け取る。ノイズテーブルＮは画像
への出現が予想されるノイズの評価値を含み、その評価
値は画像の輝度と、所与の輝度に対して予想されるノイ
ズ度合との関係を定量化する。ノイズテーブルＮは各輝
度ｉについてノイズ値σ（ｉ）を与える。通常、デジタ
ル画像の場合ノイズ値σ（ｉ）は、デジタル画像のコー
ド値の測度におけるノイズの標準偏差で与えられる。あ
るいは、（標準偏差ではなく）ノイズの期待値の別の測
度を用いてもよい。例えば、画像の多スペクトルチャネ
ル間の共分散行列によるノイズの定量化は一般的であ
る。また、ノイズのパワースペクトル、またはウィーナ
ーノイズスペクトルによりノイズ度合を定量化すること
も一般的である。その場合、ノイズテーブルは選択され
た輝度に対するノイズのパワースペクトルに関する情報
を含んでいよう。【００２４】例えば、９行、４列からなる入力ノイズテ
ーブルＮを以下の表１に示す。第一列は輝度を表し、第
２、３、４列はそれぞれ、赤、緑、青色画像チャネルの
対応する輝度ｉのノイズ標準偏差を表わす。ノイズテー
ブルＮに明示的に含まれていない輝度に対するノイズ値
σ（ｉ）は補間により決定できる。【表１】入力ノイズテーブルは画像のノイズに関する情報を含
む。一般に、各画像取り込み装置を特徴付けるために別
々の入力ノイズテーブルが必要である。例えば、カラー
ネガフィルムを走査して生成されたデジタル画像の場
合、それぞれのフィルムスピード毎に別々の入力ノイズ
テーブルが必要になる。上述の米国特許第５，６４１，
５９６号に、フィルム上で一様に露光されている領域を
走査したピクセルの標準偏差を測定して入力ノイズテー
ブルを作成できるプロセスが開示されている。そのよう
な方法で作られた入力ノイズテーブルは、ノイズ標準偏
差の測定に用いられた一様な露光の光源と共通の光源を
有するすべての画像についてノイズ特性を記述すること
を画像処理に精通する者には理解できよう。【００２５】さらに、出力ノイズテーブルジェネレータ
２はオプションとして、対応する画像の入力ノイズテー
ブルＮの正確度を表わす正確度データを入力する。正確
度データにより入力ノイズテーブルが不正確であること
がわかった場合に入力ノイズテーブルを調整することが
できる。例えば、正確度データは、画像のＤｍｉｎ（最
小光学密度）と特定のフィルムまたは画像ソースの期待
Ｄｍｉｎとの差違Δを示す数値であり得る。次にその差
違に対して、ノイズテーブルプリプロセッサ１８により
以下のようにノイズ標準偏差σ_n（ｉ）で構成される新
しい入力ノイズテーブルを作ることによりノイズテーブ
ルを調整することができる。【数２】σ_n（ｉ）＝σ（ｉ＋Δ）ここに、σ_n（ｉ）は新しいノイズテーブルのノイズ標
準偏差である。【００２６】ノイズテーブルプリプロセッサ１８のさら
なる動作に、ノイズテーブルへの重み付け関数の適用が
ある。重み付け関数は、ある輝度を他のものより重視す
ることができる。ノイズテーブルＮが輝度ｉおよび対応
するノイズ標準偏差σ（ｉ）で構成される好適な実施の
形態において、重み付け関数ｗ（ｉ）は輝度ｉの関数で
ある。ノイズテーブルＮがノイズのパワースペクトルか
ら構成される別の実施の形態において、重み付け関数は
輝度と周波数の両方の関数であろう。重み付け関数ｗ
（ｉ）はノイズテーブルプリプロセッサ１８により適用
されて、次式に基づく新しいノイズテーブル標準偏差を
生成する。【数３】σ_n（ｉ）＝ｗ（ｉ）σ（ｉ）ここに、σ_n（ｉ）は新しいノイズテーブルのノイズ標
準偏差である。【００２７】図３に、重み付け関数の２例を示す。図３
の（ａ）は画像の中間階調におけるノイズ内容を強調す
る重み付け関数を示す。図３の（ｂ）は画像の暗い部分
のノイズ内容を強調する重み付け関数を示す。好適な実
施の形態において、重み付け関数ｗ（ｉ）は、入力ノイ
ズテーブルおよび画像処理経路１０に対応する画像のヒ
ストグラムである。画像処理に精通する者は画像ヒスト
グラムを熟知していよう。ノイズテーブルＮ₀を作るた
めにノイズテーブルプリプロセッサ１８の動作を結合す
ることにより、重み付け関数と正確度データの両方が入
力ノイズテーブルに適用できることに留意されたい。ま
た、重み付け関数も正確度データも提供されない場合、
ノイズテーブルプリプロセッサ１８は入力ノイズテーブ
ルＮに等しいノイズテーブルＮ₀を出力することにも留
意されたい。当業者は、重み付け関数がいつでも（例え
ば、ノイズ経路アプリケータ２２の中で）ノイズテーブ
ルに適用可能であることを理解できよう。ノイズテーブ
ルに対する重み付け関数の適用位置を動かす等、好適な
実施の形態の変更しても新規性は認められない。【００２８】図４に、画像処理経路１０が、画像変換
１，２，．．．，ｍ，．．．，Mから構成されているこ
とを示す。各画像変換２０（画像変換ステップとも呼ば
れる）は、出力画像ｆ_M（ｘ，ｙ）を生成するために入
力画像ｆ₀（ｘ，ｙ）に適用される。画像変換ｍを画像
ｆ_m-1（ｘ，ｙ）に適用した結果画像ｆ_m（ｘ，ｙ）が得
られる。各画像変換２０は画像に適用される操作であ
る。画像変換の例として、参照テーブル（ＬＵＴＳ）の
適用、バランスシフトの適用、行列の適用、鮮明化また
はぼかし操作の適用、および写真印画紙の色調応答の適
用が含まれる。これらの画像変換は通常、デジタル画像
のピクセル値に適用される数学的演算であるが、本発明
をデジタル画像に限定する必要はない。例えば、写真ネ
ガを写真印画紙に露光するのに必要なすべてのステップ
を一連の画像変換２０としてモデル化することができ
る。画像変換２０は画像に生じる物理的ステップを表現
することができる。例えば、画像変換２０は画像を写真
印画紙にプリントする処理を表現でき、あるいは画像変
換２０は較正目標密度と実際に実現可能な密度との差違
を表現することができる。さらに画像変換２０は、人間
の視覚系が出力画像を認識した際に実行される処理を表
現することができる。このように、本発明はデジタルお
よびアナログ画像形成システムの両方の粒状性を評価す
るのに有用である。【００２９】出力ノイズテーブルジェネレータ２は、画
像処理経路１０の入力ノイズテーブルおよび画像変換２
０を用いて出力ノイズテーブルを生成する。入力ノイズ
テーブル自身は多くの場合、出力画像のノイズ出現とは
ほとんど相互関係がない。例えば、一連の画像がすべて
写真ネガを一回デジタル走査して生成されたが、バラン
スシフトが異なる場合、それらの画像におけるノイズ出
現には非常にバラツキがあるように見える。画像処理シ
ステムにおいて多くの場合、出力画像ｆ_M（ｘ，ｙ）を
得るために入力画像ｆ₀（ｘ，ｙ）に対して画像変換が
数回適用される。出力画像を生成するために入力画像に
適用される各画像変換２０は、出力画像中のノイズ可視
性に影響を及ぼす。出力ノイズテーブルジェネレータ２
の動作は、入力ノイズテーブルを適切なしかたで修正し
て画像中のノイズに対する画像変換２０の影響を考慮に
入れ、それにより出力ノイズテーブルを生成するもので
ある。この修正はノイズ経路アプリケータ２２（図２参
照）により、ノイズ経路ジェネレータ１６が生成したノ
イズテーブル経路をノイズテーブルＮ₀に適用すること
により実行される。【００３０】図５によれば、画像処理経路１０の画像変
換２０と同様に、ノイズテーブル経路はノイズテーブル
Ｎ₀に順次適用されたノイズ変換群３０で構成される。
画像処理経路１０内の各画像変換２０_mは対応するノイ
ズ変換３０_mを有する。ノイズ経路ジェネレータ１６は
画像処理経路を入力する。各画像変換２０_mについて、
ノイズ変換ジェネレータ４０は対応するノイズ変換３０
_mを決定する。【００３１】画像中のノイズは確率変数のインスタンス
であると考えられる。このように、ノイズに対する各画
像変換の影響は、例えばＰａｐｕｌｕｓの“確率、確率
変数および確率過程”（ＭｃＧｒａｗ−Ｈｉｌｌ、１９
６５年）に記述されているような確率変数の関数の原理
を用いてモデル化できる。このように、ノイズ変換ジェ
ネレータ４０の動作は確率変数の関数の原理に基づいて
いる。画像処理経路の各画像変換２０_mについて、ノイ
ズ変換３０_mを行なうことができる。画像に対し画像変
換２０を適用する結果生じるノイズへの影響をモデル化
するためにノイズテーブルに対しノイズ変換３０を適用
するプロセスはノイズ伝播として知られる。ノイズ経路
アプリケータ２２は、出力ノイズテーブルを生成するた
めにノイズ伝播を実行する。米国特許第０９／３３７，
７９２号（Ｂｕｒｎｓ他、１９９９年６月２２日出願）
は、ノイズテーブルを利用して画像形成システム内のノ
イズ伝播を詳しく述べている。さらに、Ｂｕｒｎｓ出願
は、図５に示すように、ノイズ変換３０が画像変換２０
から生成される方法について述べている。【００３２】例えば、画像変換２０₁が画像に対してＬ
ＵＴを適用することである場合、画像変換２０₁は関数
ｇ₁（ｎ）として数学的に表現できる。【数４】ｆ₁（ｘ，ｙ）＝ｇ₁（ｆ₀（ｘ，ｙ））ここに、ｆ₀（ｘ，ｙ）は画像変換２０₁への画像入力で
あり、ｆ₁（ｘ，ｙ）は画像変換２０₁からの画像出力で
ある。【００３３】画像ノイズがガウス分布に従い、ＬＵＴが
局所的に線型であると仮定すれば、ノイズ経路ジェネレ
ータ１６のノイズ変換ジェネレータ４０は画像変換２０
₁に対応するノイズ変換３０₁を生成し、それにより、ノ
イズテーブルＮ（σ（ｉ），ｉ）が、輝度レベルｉおよ
び輝度レベルに対応するノイズ値σ（ｉ）で構成され
る。【数５】Ｎ（σ（ｉ），ｉ）ノイズテーブルＮ（σ（ｉ），ｉ）は、伝播されて、新
しいノイズテーブルＮ₁を次式のように生成する。【数６】ここに、ｇ₁‘（ｉ）は輝度ｉにおいて評価されたＬＵ
Ｔの傾きの近似である。ＬＵＴ局所的傾きの近似法は当
業者に公知である。図６は、各画像変換２０₁は対応す
るノイズ変換３０_mを有し、出力ノイズテーブルＮ_Mを生
成するためにノイズ経路アプリケータ２２によりノイズ
テーブルＮ₀に適用されることを示す。【００３４】同様のしかたで、ノイズテーブルは多種多
様な画像変換２０に対応しているノイズ変換３０を介し
て伝播させることができる。Ｂｕｒｎｓ他は、ＬＵＴ
Ｓ、バランスシフト、行列等の画像変換におけるノイズ
伝播について詳述している。好適な実施の形態において
ノイズ変換３０は各画像変換について生成されている
が、より重要な画像変換２０に対するノイズ変換３０が
決定される限り、本発明の利点の大部分が得られること
に留意されたい。さらに、Ｃｏｔｔｒｅｌｌ他が述べて
いるように、空間フィルターを適用した場合のノイズに
対する影響を、ノイズのパワースペクトルにフィルター
応答の大きさを乗算することによりモデル化できること
はデジタル画像処理分野で公知である。【００３５】ノイズ経路アプリケータ２２の出力は出力
ノイズテーブルＮ_Mである。画像のスペクトルチャネル
の各々について別々の出力ノイズテーブルを作成するこ
とができる。通常、出力ノイズテーブルＮ_Mは赤、緑、
青色画像チャネルの各々について生成されるが、代替的
に、赤、緑、青色、または輝度チャネルのように単一ス
ペクトルチャネル用のノイズテーブルが生成されてもよ
い。【００３６】図７に、写真ネガのデジタル走査である入
力画像からの写真プリントである出力画像を生成するよ
うに設計された画像変換で構成された画像処理経路の例
を示す。そのような画像処理経路の例が、上で引用した
米国特許第６，０９７，４７０号および第６，０９７，
４７１号に開示されている。最初に、画像形成装置の応
答における非線型性を補償する画像変換２０により画像
形成装置応答が線型化される（４２）。デジタル画像が
フィルムから起こされている場合、写真フィルムの応答
における非線型性を訂正する方法が実装されてもよい。
そのような方法がＧｏｏｄｗｉｎの米国特許第５，１３
４，５７３号（１９９２年７月２８日登録）に開示され
ている。【００３７】次に、デジタルおよび光学画像形成システ
ムの両方で必要とされるバランス調整を評価・適用する
変換２０により画像をバランスさせる（４４）。このバ
ランスは、例えば自動露出決定アルゴリズム（高速光学
プリンタまたはフォトＣＤスキャナ等で利用されている
もの。例えばＣｏｋの米国特許第４，９４５，４０６号
（１９９０年７月３１日登録）を参照）で得ることがで
きる。次の画像変換２０は、画像に対し階調調性を決定
・適用するコントラスト調整装置４６である。画像のコ
ントラストは自動アルゴリズムにより評価できる。さら
に、デジタル画像のコントラストも同様に好適なレベル
のコントラストに修正することができる。画像コントラ
ストを評価して、画像のコントラストを調整する手段を
提供するアルゴリズムの例がＬｅｅ他の米国特許第５，
８２２，４５３号（１９９８年１０月１３日登録）に開
示されている。【００３８】次に、画像を出力媒体上に印刷すべく準備
する画像変換２０により画像がレンダリングされる（４
８）。レンダリング、すなわち画像密度の出力媒体密度
へのマッピングはデジタル画像形成および光学画像形成
の両方で生じ、当業者には公知である。米国特許第６，
０９７，４７０号に画像表現が記述されている。デジタ
ルまたは光学画像のいずれのレンダリングも、ＬＵＴ
（１、３、または多次元の）により良い正確度で表現す
ることができる。例えば、図８記載の（ａ）に画像密度
を出力画像の出力媒体の密度に関連付けるＬＵＴのグラ
フを示す。【００３９】最後に、出力画像が人間の目どう見えるか
をモデル化する人間視覚系が画像変換２０モデル化され
る（５２）。人間視覚系は、出力画像の明るい領域より
も暗い領域で生じる密度差違に鋭敏ではないため、この
差違を考慮することは出力画像におけるノイズ出現の定
量化に有利である。人間視覚系に見える画像は、図８記
載の（ｂ）に示すように出力画像の密度をＣＩＥＬＡＢ
^*値に関係つける画像変換ＬＵＴにより表現できる。【００４０】図９乃至１１は、すべてが異なる画像処理
経路１０を用いて共通の入力画像から生成されたいくつ
かの出力画像を含み、出力ノイズテーブルジェネレータ
２から出力された出力ノイズテーブルがこれに関連付け
られている。図９に示す出力画像は、以下の画像変換２
０を（その順に）含んでいる画像処理経路を適用して生
成されている。【表２】画像形成装置応答リニアライザ４２バランスアプリケータ４４コントラスト調整器４６レンダリング装置４８人間視覚系モデラー５２【００４１】図９に示すように、この処理経路により生
成された画像は高密度において非常にノイズが多いよう
に見える。この場合出力ノイズテーブルはノイズの多い
高密度を示す大きいピークを表わす。図９は赤、緑、青
色の出力ノイズテーブルのプロットを含んでいる。【００４２】図１０に示す出力画像は以下の画像変換に
より処理された同じ入力画像から生成されている。【表３】画像形成装置応答リニアライザ４２バランスアプリケータ４４レンダリング装置４８人間視覚系モデラー５２【００４３】最後に、図１１に示す出力画像は再び、以
下の画像変換により処理された同じ入力画像より生成さ
れている。【表４】画像形成装置応答リニアライザ４２バランスアプリケータ４４レンダリング装置４８人間視覚系モデラー５２【００４４】図１１に示す出力画像の場合、バランスア
ルゴリズムは画像推薦されているよりも０．８段暗く印
刷することを強いられた。このように暗くすることによ
り、出力画像の粒状性が減少し、これはまた図１１に示
す出力ノイズテーブルにも反映される。【００４５】図９乃至１１の３個の出力画像の各々に対
する出力ノイズテーブルジェネレータ２からの出力ノイ
ズテーブル出力を、赤、緑、青色の各チャネルに対する
各出力画像の下で示す。視覚的には、出力画像は左から
右へ向かって（特に暗い領域で）含まれるノイズがより
少ないように思われる。出力ノイズテーブルはこの観察
を反映する。【００４６】出力ノイズテーブルジェネレータ２の別の
実施の形態を図１２に示す。この実施の形態において、
出力ノイズテーブルジェネレータ２はデジタル入力画像
および画像処理経路を入力として受け入れる。この代替
的な実施の形態の出力ノイズテーブルジェネレータ２の
拡大図を図１３に示す。この実施の形態において、入力
デジタル画像のピクセル値を調べることにより、入力ノ
イズテーブルを評価することができる。Ｓｎｙｄｅｒ他
の米国特許第５，９２３，７７５号（１９９９年７月１
３日登録）およびＬｅｅ他の米国特許第５，６３３，５
１１号（１９９７年５月２７日登録）はそれぞれ、ノイ
ズテーブルが単一の（または一連の）デジタル入力画像
（群）により生成できることを述べている。この代替的
な実施の形態の場合、入力ノイズテーブルはそのような
仕方で生成され、次いでこれまでと同じく、各々が画像
変換２０_mまたは画像処理経路に対応する一連のノイズ
変換３０_mを用いて入力ノイズテーブルを処理すること
により出力ノイズテーブルが生成される。この代替手段
は、特定の画像用のノイズテーブルが未知である場合に
特に有用である。その上、この実施の形態の入力ノイズ
テーブルの正確度は、出力ノイズテーブルジェネレータ
の好適な実施の形態のそれより優れている可能性があ
る。しかしこの実施の形態の重大な欠点は、計算時間が
長くなるという事実である。好適な実施の形態には計算
が速いという利点があり、事実、好適な実施の形態は入
力ノイズテーブルおよび画像処理経路に関する情報だけ
を考慮して出力ノイズテーブルを計算できる。従って、
好適な実施の形態には画像を解析しなくても出力ノイズ
テーブルを計算できるという利点がある。【００４７】出力ノイズテーブルジェネレータ２の第三
の実施の形態を図１４に示す。この実施の形態におい
て、出力画像（これ以上画像変換を必要としない画像）
が出力ノイズテーブルジェネレータ２に直接渡される。
この実施の形態において、出力ノイズテーブルは、先に
引用した米国特許第５，９２３，７７５号および第５，
６３３，５１１号で述べられている方法により、出力画
像から直接評価される。【００４８】図１によれば、出力ノイズ測度ジェネレー
タ４は出力ノイズテーブルＮＭを受け取り、出力ノイズ
テーブルから出力ノイズ測度を決定する。出力ノイズ測
度は出力出力ノイズ測度が出力画像のノイズの可視性の
指標であるように、出力ノイズテーブルＮ_Mを集計す
る。出力ノイズ測度は画像の各スペクトルチャネルにつ
いて、またはスペクトルチャネルの組み合わせについて
計算できることに留意されたい。１個の出力ノイズ測度
だけが計算される場合、緑色チャネルから計算された出
力ノイズ測度が出力画像のノイズ出現を人間が認識する
度合と最も高い相関を有することが実験的にわかってい
る。青色チャネルから計算された出力ノイズ測度は、出
力画像のノイズ出現を人間が認識する度合との相関は比
較的低い。好適な実施の形態において、出力ノイズ測度
Ｎは次式で決定される。【数７】【００４９】ここに、集計はすべての輝度ｉについて行
なわれ、ｈ（ｘ）は関数である。好適な実施の形態にお
いて、ｈ（ｘ）＝ｌｏｇ（ｘ）である。図９乃至１１に
示す画像によれば、本発明に基づいて図９乃至１１に示
す画像について計算された出力ノイズ測度はそれぞれ３
９０、２９０、２４０である。ノイズ測度は、図９の粒
状性は、図１１に示す画像よりも粗い図１０の粒状性よ
りも大きいという人間の知覚に基づいて減少している。【００５０】当業者には、出力ノイズ測度Ｎが出力ノイ
ズテーブルＮ_Mからいかなる方法でも生成できることが
理解されよう。より一般的な場合、【数８】ここに、ｇ（ｘ）は関数である。関数ｇ（ｘ）は、例え
ば、大きいノイズレベルにより多くの重み付けをするよ
うに設計されていてよい。例えば、ｇ（σ_M（ｉ_M））＝
σ_M（ｉ_M）²である。【００５１】出力ノイズ測度Ｎを計算するさらに別の方
法は、任意の与えられた輝度に対して最大ノイズレベル
を決定することに基づいていてよい。【数９】出力ノイズテーブルが複数の輝度レベルｉ_Mにおけるノ
イズのパワースペクトルを含んでいる場合、関数ｈ
（ｘ）およびｇ（ｘ）は輝度と周波数の関数であって、
集計は輝度と周波数の２項を集計したものであってよ
い。【００５２】図１５に出力ノイズ測度の使用例を示す。
特定の入力画像および画像処理経路を用いて生成された
出力画像の画質を評価するために、出力ノイズ測度が画
質判定装置２６に入力される。画質判定装置２６は出力
ノイズ測度の関数である出力画質Ｑの評価を出力する。
当業者には、出力画質の評価はまた、出力ノイズ測度を
含む画像のその他各種の特質に依存する可能性があるこ
とが理解されよう。一般にＱ＝ｆ（Ｎ）である。【００５３】一例として、出力画質はＱ＝ｌ５０−Ｎと
して評価され、Ｑの値が大きいほど出力画質が高いこと
を表わす。

【図面の簡単な説明】【図１】本発明の概要を示すブロック図である。【図２】図１の出力ノイズテーブルジェネレータを示
すブロック図である。【図３】ノイズテーブルの生成に用いられる２個の重
み付け関数を示すグラフである。（（ａ）は画像の中間
階調におけるノイズ内容を強調する重み付け関数を示
す。（ｂ）は画像の暗い部分のノイズ内容を強調する重
み付け関数を示す。）【図４】画像変換で構成されている画像処理経路を示
すブロック図である。【図５】図２のノイズ経路ジェネレータのブロック図
である。【図６】ノイズテーブル経路のブロック図である。【図７】画像処理経路の例のブロック図である。【図８】（ａ）は、レンダリングＬＵＴを示すグラフ
である。（ｂ）は、人間視覚系の反応をモデル化するＬ
ＵＴを示すグラフである。【図９】出力画像の例およびそれらに関連付けられた
出力ノイズテーブルを示すグラフである。（画像変換と
して、画像形成装置応答リニアライザ４２，バランスア
プリケータ４４，レンダリング装置４８，人間視覚系モ
デラー５２を含む画像経路を適用して画像を生成す
る。）【図１０】図９同様に、出力画像の例およびそれらに
関連付けられた出力ノイズテーブルを示すグラフであ
る。（画像変換として、画像形成装置応答リニアライザ
４２，バランスアプリケータ４４，レンダリング装置４
８，人間視覚系モデラー５２を含む画像経路を適用して
画像を生成する。）【図１１】図９同様に、出力画像の例およびそれらに
関連付けられた出力ノイズテーブルを示すグラフであ
る。（画像変換として、画像形成装置応答リニアライザ
４２，バランスアプリケータ４４，レンダリング装置４
８，人間視覚系モデラー５２を含む画像経路を適用して
画像を生成する。）【図１２】本発明の別の実施の形態を示すブロック図
である。【図１３】図１２の出力ノイズテーブルジェネレータ
の別の実施の形態を示すブロック図である。【図１４】本発明の別の実施の形態を示す図である。【図１５】本発明に基づく画質決定装置を示す模式的
ブロック図である。【符号の説明】２出力ノイズテーブルジェネレータ，４出力ノイズ
測度ジェネレータ，１０画像処理経路，１６ノイズ
経路ジェネレータ，１８ノイズテーブルプリプロセッ
サ，２０ｉ（ｉ＝１．．．，ｍ）画像変換ｉ，２２
ノイズ経路アプリケータ，２４ノイズテーブル決定装
置，２６画質決定装置，３０ｉ（ｉ＝１．．．，ｍ）
ノイズ変換ｉ，４０ノイズ変換ジェネレータ，４２
画像形成装置応答リニアライザ，４４バランスアプ
リケータ，４６コントラスト調整装置，４８レンダ
リング装置，５２人間視覚系モデラー。

───────────────────────────────────────────────────── フロントページの続きＦターム(参考） 5B057 AA12 CH01 CH07 DA20 DB06 DB09

Claims

【特許請求の範囲】【請求項１】画像におけるノイズ出現の評価方法であ
って、ａ）画像の輝度に対するノイズ度合を表わすノイズテー
ブルを編成するステップと、ｂ）前記ノイズテーブルからノイズ測度を生成するステ
ップとを含み、前記ノイズ測度は画像におけるノイズ出現を表わすこと
を特徴とする方法。