JP2004153817A - 入力イメージを変換することにより出力イメージを生成する方法 - Google Patents

Abstract

【課題】 改良された圧縮率を有する２値混合文書コンテンツの正確な表現を提供するフォーマットの文書を生成すること。
【解決手段】 本発明の好ましい実施形態によれば、入力イメージを変換することにより、出力イメージが生成される。入力イメージ内のエッジで発生する第１のピクセルが検出される。入力イメージ内のテキストの一部である第２のピクセルもまた検出される。第１のピクセルと第２のピクセルとを合成することにより、出力イメージが生成される。
【選択図】図２

Description

デジタル送信機は、スキャン文書を取得し（たとえばスキャンすることにより）、その文書を選択されたフォーマットに変換し、フォーマット化された文書を、利用可能な通信プロトコルを使用して所望の宛先（複数可）にルーティングするように設計されたシステムである。デジタル送信機は、概して、種々の文書タイプと、種々のデータフォーマットと、種々の通信プロトコルと、をサポートする。

通常の文書フォーマットの例には、タグ付きイメージファイルフォーマット（tagged image file format（ＴＩＦＦ））、マルチページＴＩＦＦ（ＭＴＩＦＦ）、ポータブルドキュメントフォーマット（portable document format（ＰＤＦ））およびジョイントピクチャエキスパートグループ（joint picture experts group（ＪＰＥＧ））がある。通常の通信方法の例には、コンピュータネットワークとファクシミリ伝送（ファックス）とがある。

文書を、コンテンツに基づいて分類することができる。たとえば、テキスト文書は、通常は、白の背景上の黒のテキストを含む。テキスト文書を伝送するために使用されるフォーマットは、通常は、文字を効果的に画定するためにくっきりした（crisp）エッジを提供するように最適化される。在来型のファックスは、テキスト（白の背景上の黒のテキスト）文書を効率的に伝送するように設計されている。

グラフィックス文書は、通常は、カラーまたはグレイスケールイメージを含む。連続階調イメージ、たとえば連続階調カラー写真を送信するために使用されるフォーマットは、ＪＰＥＧフォーマットを使用して非常に効果的に表現することができる。

混合コンテンツ文書は、通常は、テキストとグラフィックデータとの組合せを含む。これらの文書は、イメージデータの伝送および格納に使用される既存のフォーマットが、白黒のテキストかまたは連続階調イメージで使用するために最適化されているため、しばしば、より特殊なソリューションを必要とする。

現TIFF仕様は、３つの主なタイプのイメージデータをサポートする。すなわち、白黒データと、ハーフトーン化またはディザ化データと、グレイスケールデータと、である。

混合コンテンツ文書を白黒（すなわち、２値）フォーマットで格納するために、ベースラインTIFFフォーマットを使用することができる。ベースラインTIFFフォーマットは、３つの２値圧縮オプションをサポートする。すなわち、Packbits、CCITT G3およびCCITT G4である。これらのうち、CCITT G3およびCCITT G4圧縮は、ファックス装置と互換性がある。

誤差拡散等のハーフトーニングアルゴリズムを使用して、連続階調イメージの２値表現を作成する（すなわち、２値化する）ことができる。その後、かかるイメージを、ファックス伝送に適するようにCCITT G3およびCCITT G4圧縮を使用して圧縮することができる。

しかしながら、CCITT G3圧縮およびCCITT G4圧縮は、概して、ハーフトーンイメージに対する所望の圧縮率を提供しない。したがって、ハーフトーン混合コンテンツ文書のCCITT G3およびCCITT G4圧縮により、ファイルサイズが大きくなり、後にファックス伝送時間が非常に長くなる。

入力文書の２値表現を、イメージ全体に対して一定の閾値を使用して２値閾値演算を実行することにより作成することができる。しかしながら、かかる文書に対してCCITT G3/G4圧縮が実行される場合、概して、カラーの背景に対する連続階調文書コンテンツおよびカラーテキストの表現が不十分になる。同様に、CCITT G3/G4圧縮を用いて、Floyd Steinberg等の誤差拡散を使用して入力文書をハーフトーン化する場合、Ｇ３およびＧ４（すなわち、ファックス）圧縮を使用することでハーフトーンの圧縮率が不適当になる可能性がある。

本発明の好ましい実施形態によれば、入力イメージを変換することにより、出力イメージが生成される。入力イメージ内のエッジで発生する第１のピクセルが検出される。入力イメージ内のテキストの一部である第２のピクセルもまた検出される。第１のピクセルと第２のピクセルとを合成することにより、出力イメージが生成される。

図１は、装置３３の簡易ブロック図である。装置３３は、たとえば、スキャナ、ファックス装置または情報をデジタル形式で送信する何らかの他の装置等、デジタル送信機である。代替的に、装置３３は、プリンタまたはコピー機等、イメージ情報を操作するいかなる装置であってもよい。

装置３３は、たとえば、入力イメージ１１を生成するためにスキャンを実行するスキャニングハードウェア３４を含む。入力イメージ１１を、たとえば、情報記憶装置からのアクセスによる等、他の方法で取得することができる。また、入力イメージ１１は、たとえば、グレースケールイメージである。代替的に、入力イメージ１１は、スキャニングハードウェア３４によって生成することができるかまたは何らかの他の手段によってアクセスすることができる、カラーイメージかまたは別のタイプのイメージである。

変換モジュール３５は、入力イメージ１１を変換して変換イメージ２２を生成する。たとえば、変換イメージ２２は２値イメージであり、変換モジュール３５は、入力イメージ１１を２値化して変換イメージ２２を生成する。代替的に、変換イメージ２２は多値イメージであり、変換モジュール３５は、変換イメージ２２を生成するために、マルチレベルプロセスを使用して入力イメージ１１を変換する。

変換モジュール３５を、複数の異なる方法で、たとえば、プロセッサおよびファームウェアにより、ソフトウェアにより、または特定用途向け集積回路（ＡＳＩＣ）内で、実施することができる。

圧縮モジュール３６は、通信ハードウェア３７を通し通信媒体３２を介して通信宛先３１に送信するのに備えて、出力イメージ２２に対して圧縮を実行するために使用される。通信媒体３２は、たとえば金属線、光媒体または無線通信媒体であってもよい。

図２は、変換モジュール３５の動作を示す簡易ブロック図である。変換モジュール３５は、改良された圧縮率を有する２値混合文書コンテンツの正確な表現を提供するフォーマットの文書を生成する。本質的に、変換モジュール３５は、局所的に適応可能な２値閾値処理技法を使用して文書の背景からテキストエッジおよびグラフィックアウトラインを抽出することにより、動作する。

入力イメージ１１を、以下の式１に示すようにラスタフォーマットで表現することができる。

０＝ｇ［ｍ，ｎ］＝１ ・・・式（１）
ｇ［ｍ，ｎ］は、入力イメージ１１内の２次元ピクセル位置［ｍ，ｎ］におけるシェーディングを表し、たとえば、「０」は白に等しく、「１」は黒に等しい。

ハーフトーン領域選択ブロック１２において、入力イメージ１１は、入力イメージ１１内のハーフトーン領域を選択するように評価される。ハーフトーン領域選択ブロック１２では、各ピクセル［ｍ，ｎ］に対し、ｄ［ｍ，ｎ］が計算される。ｄ［ｍ，ｎ］は、ピクセルが非ハーフトーン領域である場合、「０」に等しく、ピクセルがハーフトーン領域である場合「１」に等しい。ｄ［ｍ，ｎ］は、以下に示す式２に従って計算される。

ｄ［ｍ，ｎ］＝ｕ（Ｔ１−｜ｇ［ｍ，ｎ］−０．５｜） ・・・式（２）
上記式２において、Ｔ１は事前選択された閾値であり、関数ｕ（ｘ）は、（ｘ＝０）の場合は１に等しく、（ｘ＜０）の場合は０に等しい。そして本質的に、ピクセル（ｍ，ｎ）におけるシェーディングが白（「０」）または黒（「１」）に近い場合、ｄ［ｍ，ｎ］は０に等しく(非ハーフトーン）、そうでない場合、ｄ［ｍ，ｎ］は１に等しい（ハーフトーン）。

メディアンフィルタブロック１３は、メディアンフィルタリング操作を表す。そこでは、ピクセルの３×３マトリクスを使用して、ノイズを除去し、各３×３マトリクスの中心に置かれたピクセルがハーフトーン領域（１）にあるとみなされるか非ハーフトーン領域（０）にあるとみなされるかに関し判断を行うことにより、ハーフトーン領域選択ブロック１２から出力される２値イメージに対してメディアンフィルタリングが実行される。

メディアンフィルタブロック１３によって生成される、各ピクセルに対する「０」または「１」の値を使用して、スイッチ１５が制御される。スイッチ１５は、ピクセルがハーフトーン領域にあるとみなされるかまたは非ハーフトーン領域にあるとみなされるかに基づいて選択を行う。入力イメージ１１のピクセルが非ハーフトーン領域にあるとみなされる場合、スイッチ１５は、ピクセルがフィルタリングされることなく処理されるように選択する。入力イメージ１１のピクセルが、メディアンフィルタブロック１３によりハーフトーン領域にあるものと判断された場合、スイッチ１５は、入力イメージ１１のピクセルをローパスフィルタ１４によって処理された後に受取るように選択する。ローパスフィルタ１４は、背景ノイズと望ましくないハーフトーンテクスチャとを除去するために、メディアンフィルタブロック１３においてハーフトーンであると判断される入力イメージ１１の各ピクセルに対し、３×３ローパスフィルタリング操作を実行する。メディアンフィルタブロック１３によって制御され、スイッチ１５によって実行されるスイッチングは、入力イメージ１１から望ましくないハーフトーンテクスチャを依然として除去しながらエッジ細部を保存することができるため、有益である。

スイッチ１５の後、結果としてのイメージは、２つの独立した２値閾値処理プロセスを通して処理される。第１の２値閾値処理プロセスでは、スイッチ１５における結果としてのイメージが、５×５ローパスフィルタ１６によって処理される。ローパスフィルタ１６は、イメージからのピクセルの５×５マトリクスを使用してイメージをフィルタリングする。

局所アクティビティ測定ブロック１７は、すべてのピクセル［ｍ，ｎ］に対して局所アクティビティ測度（ｅ［ｍ，ｎ］）を計算する。各ピクセル［ｍ，ｎ］に対する局所アクティビティ測度（ｅ［ｍ，ｎ］）は、ピクセルを含む３×３マトリクスに対するローパスフィルタ１６の出力からの各ピクセルの局所差に等しい。

２値閾値ブロック１８は、各ピクセルの局所差値ｅ［ｍ，ｎ］を一定閾値Ｔ２と比較して、第１の２値閾値処理プロセスの２値イメージ出力を生成する。各ピクセル［ｍ，ｎ］に割当てられる２値ｂ１［ｍ，ｎ］を、以下に示す式３に従って計算することができる。

ｂ１［ｍ，ｎ］＝ｕ（ｅ［ｍ，ｎ］−Ｔ２） ・・・式（３）
上記式３において、Ｔ２は事前選択された閾値であり、関数ｕ（ｘ）は、（ｘ＝０）の場合は１に等しく、（ｘ＜０）の場合は０に等しい。そして、本質的に、ｅ［ｍ，ｎ］＝Ｔ２の場合、ｂ１［ｍ，ｎ］＝１である。そうでない場合、ｂ１［ｍ，ｎ］＝０である。たとえば、一定閾値Ｔ２は、０．０２の値を有する。

第１の２値閾値処理プロセスでは、入力イメージ内の細部を表すエッジを検出する。エッジには、グラフィックスおよびテキストのエッジを含む。エッジ領域を形成するピクセルは、一様な塗りつぶしおよび背景から分離される。しかしながら、第１の２値閾値処理プロセスは、鮮鋭なエッジをぼかす傾向があるので、微細なテキスト構造の形状が歪む傾向がある。この結果概して、文字のストロークは、元の文字より広く見える。

スイッチ１５後に実行される第２の２値閾値処理プロセスでは、８×８ブロック単位局所平均値計算ブロック１９は、ピクセルの８×８マトリクスで配置されたピクセルのブロックに対して局所平均値（Ｔ［ｍ／８，ｎ／８］）を計算する。各ブロックの局所平均値（Ｔ［ｍ／８，ｎ／８］）は、２値閾値ブロック２０により、そのブロックにおいてすべてのピクセルの２値閾値計算を実行するために使用される。各ピクセル［ｍ，ｎ］に割当てられる２値ｂ２［ｍ，ｎ］を、以下に示す式４に従って計算することができる。

ｂ２［ｍ，ｎ］＝ｕ（ｆ［ｍ，ｎ］−Ｔ［ｍ／８，ｎ／８］） ・・・式（４）
上記式４において、Ｔ［ｍ／８，ｎ／８］は、計算された閾値であり、関数ｕ（ｘ）は、（ｘ＝０）である場合１に等しく、（ｘ＜０）である場合０に等しい。ｆ［ｍ，ｎ］は、スイッチ１５後の各ピクセル［ｍ，ｎ］に対するシェーディング値である。そして、本質的に、ｆ［ｍ，ｎ］＝Ｔ［ｍ／８，ｎ／８］の場合、ｂ２［ｍ，ｎ］＝１である。そうでない場合、ｂ２「ｍ，ｎ］＝０である。

第２の２値閾値処理プロセスでは、一様な塗りつぶしの領域からエッジ領域を正確に分離しないが、比較的鮮鋭で精密なエッジ細部を有する２値イメージを生成する。このように、第２の２値閾値処理プロセスは、入力イメージ内のテキストの一部であるピクセルを検出する。

論理ＡＮＤブロック２１は、すべてのピクセルにおいて２値閾値ブロック１８からの出力を２値閾値ブロック２０からの出力と合成することにより、出力イメージ２２を生成する。テキストおよびグラフィックアウトラインが検出され背景から分離されるため、出力イメージ２２は、比較的鮮鋭なテキストエッジを含む。結果としての「漫画のような（cartoon-like）」表現は、実質的に、混合コンテンツ文書のエントロピーを低減し、そのため、Ｇ３／Ｇ４圧縮アルゴリズムは改良された圧縮率を達成することができる。結果は、低減された圧縮ファイルサイズをもたらす計算効率のよいプロセスである。

本発明の好ましい実施形態は、ファックス（CCITT G3/G4）圧縮規格を使用して圧縮される混合ハーフトーン・非ハーフトーンＴＩＦＦ文書に対し、柔軟で効率のよいソリューションを提供する。また、本発明の好ましい実施形態は、CCITT G3/G4圧縮を使用して改良された圧縮率を有する２値混合文書コンテンツの表現も提供する。これは、イメージ全体に対する一定閾値を使用することによる入力文書の２値閾値処理とCCITT G3/G4圧縮とを実行することに比較して、大幅な改良である。これはまた、CCITT G3/G4圧縮を用いてFloyd Steinberg等の誤差拡散を使用することにより入力文書をハーフトーン化することに比較しても、大幅な改良である。

上述した論考は、本発明の単なる例示的な方法と実施形態とを開示し説明している。当業者には理解されるように、本発明を、その精神または本質的な特徴から逸脱することなく他の特定の形態で具体化してもよい。したがって、本開示は、添付の特許請求の範囲で示す本発明の範囲を限定するものではなく例示するものとして意図されている。

装置のブロック図。 文書を、本発明の実施形態による改良された圧縮率を有する２値混合文書コンテンツの表現を提供するフォーマットにすることを示すブロック図。

符号の説明

３３ 装置
３４ スキャニングハードウェア
３５ 変換モジュール
３６ 圧縮モジュール
３７ 通信ハードウェア

Claims (10)

1. 入力イメージを変換することにより出力イメージを生成する方法であって、
   （ａ）前記入力イメージ内のエッジの第１のピクセル（複数）を検出することと、
   （ｂ）前記入力イメージ内のテキストの一部である第２のピクセル（複数）を検出することと、
   （ｃ）前記第１のピクセルと前記第２のピクセルとを合成することによって、前記出力イメージを生成することを含む、前記方法。
2. ステップ（ａ）は、前記入力イメージの各ピクセルに対して局所アクティビティ測度が計算される閾値プロセスを実行することを含む請求項１記載の方法。
3. ステップ（ｂ）は、前記入力イメージの各ピクセルに対し、該ピクセルを含むピクセルのブロックに対する局所平均値が閾値として使用される閾値プロセスを実行することを含む請求項１記載の方法。
4. ハーフトーンイメージとして検出される前記入力イメージの一部をフィルタリングするステップを含み、該フィルタリングによって、望ましくないハーフトーンテクスチャが除去され、該フィルタリングするステップは、ステップ（ａ）およびステップ（ｂ）の前に実行される、請求項４記載の方法。
5. 入力イメージのすべてのピクセルに対して第１の閾値プロセスを実行することにより前記入力イメージの第１の表現を生成する第１の閾値モジュールと、
   前記入力イメージのすべてのピクセルに対して第２の閾値プロセスを実行することにより前記入力イメージの第２の表現を生成する第２の閾値モジュールと、
   前記入力イメージの前記第１の表現と前記入力イメージの前記第２の表現とを合成することにより、該入力イメージの合成された出力イメージを生成する合成モジュールを備えるシステム。
6. ハーフトーン領域として検出される前記入力イメージの部分をフィルタリングして望ましくないハーフトーンテクスチャを除去するフィルタをさらに備え、該フィルタは、前記入力イメージに対するフィルタリングを、前記入力イメージを前記第１の閾値モジュールおよび前記第２の閾値モジュールに転送する前に実行する、請求項５記載のシステム。
7. 前記第１の閾値モジュールは、前記入力イメージの各ピクセルに対し、該ピクセルのシェーディング値と該ピクセルを含むピクセルのマトリックスをフィルタリングするローパスフィルタからの出力との間の局所差を取得し、該局所差は、該ピクセルに対する値を取得するために閾値と比較される請求項５記載のシステム。
8. 前記第２の閾値モジュールは、ピクセルの各ブロックに対し、ブロック単位の局所平均シェーディング値を取得し、
   ピクセルの各ブロック内のすべてのピクセルに対し、前記第２の閾値モジュールは、該ピクセルに対する値を取得する場合に閾値として前記ブロック単位の局所平均シェーディング値を使用する請求項５記載のシステム。
9. デジタル送信機である請求項５記載のシステム。
10. スキャナまたはファックス装置のいずれかである請求項５記載のシステム。

Images