JP2009135564A - 画像処理装置、画像処理方法およびプログラム - Google Patents

Abstract

【課題】二値化画像を多値（多階調）の画像に変換し、透過画像に適用する。
【解決手段】前記ｘ，ｙ，ｚピクセルを含む領域のグレイ濃度を、
グレイ濃度（％）＝（４ｘ＋２ｙ＋ｚ）／１６
に基づいて求める。これを画像全体に対して行うことで、１ビット二値画像を多値のグレイスケール画像に変換することができ、変換後の画像を用いて高精度な透過画像を生成することができる。
【選択図】図２

Description

本発明は、二値画像から多値画像への変換および透過画像への適用を可能とするための画像処理装置、画像処理方法およびプログラムに関する。

例えばプリンタなどの画像処理では、入力された多値の画像に対して二値化処理を施し、画像サイズを小さくすることで処理の高速化を図ることがある。二値化の手法としては、例えばディザ法が有名である。

二値化画像は階調がないため、二値化画像を使って透過画像を生成すると満足な結果が得られない。一般にディザ法等の二値化処理は非可逆処理のため、いったん二値化された画像を多値（多階調）の画像に変換することは困難である。

本発明は、１ビット二値画像の任意の１ピクセルをｘピクセル、ｘピクセルの上下左右に隣接する４ピクセルをｙピクセル、ｘピクセルの斜めに隣接する４ピクセルをｚピクセルとし、黒指定されたｘ，ｙ，ｚピクセルの数をそれぞれｘ，ｙ，ｚとしたときに、
グレイ濃度（％）＝（４ｘ＋２ｙ＋ｚ）／１６
に基づいて前記ｘ，ｙ，ｚピクセルを含む領域のグレイ濃度を求める処理を画像全体に対して行うことで、前記１ビット二値画像を多値のグレイスケール画像に変換することを特徴とする。
他の発明は、上記変換された第１の画像を背景とし、変換された第１の画像と同じ階調の第２の画像を前景として、
透過部＝背景色×α＋前景色×（１００−α）
ただし、α＝透過率
により透過部の濃度を求め、求めた濃度に基づいて第１，第２の画像を合成し、透過画像を生成することを特徴とする。

本発明によれば、二値化画像を多値（多階調）の画像に変換することができ、例えば変換した画像を用いて高精度の透過画像を生成することが可能となる。

図１〜図１９により本発明の一実施の形態を説明する。
図１はコンピュータの構成図である。コンピュータ１００は、ＣＰＵ１１、ＲＡＭ１２、ディスクインターフェース１３、ディスプレイコントローラ１４、ＣＰＵバス１５、シリアルバス１６、シリアルバスコントローラ１７などを有する本体部と、シリアルバス１６を介して接続されるキーボード２１やマウス２２等の入力装置と、ディスクインターフェース１３を介して接続されるハードディスク３１と、表示装置としてのディスプレイ３２とから構成される。

ＣＰＵ１１は、例えばデジタルカメラ２００から入力した画像や、その他のルートで入力した画像を予めハードディスク３１に記憶し、予めインストールされている画像処理プログラムによって透過画像を生成することができる。透過画像とは、２以上の画像を用い、背景となる画像の上に前景となる画像を重ね合わせ、前景を介して背景が透けて見えるような画像である。透過演算式として、以下の（１）式を用いることで、違和感のない自然な透過画像を得ることができる。
透過部＝背景色×α＋前景色×（１００−α）・・・（１）
ただし、α＝透過率（％）
なお、背景、前景、透過部（重なり部分）の階調は任意であるが、全て同じ階調である必要がある。

例えば、前景および背景とも８ビット（２５６階調）のグレイスケール画像であれば、背景色、前景色、透過部は、それぞれ０〜２５５のいずれかの整数値が入る。具体例として、背景色＝２００、前景色＝１００、透過率５０％とした場合は、
透過部＝２００×５０％＋１００×（１００−５０）％＝１００＋５０＝１５０
となる。このような透過演算を重なり部分の各ピクセル（画素）に対して施すことで、透過画像が得られる。

ところで、二値化された１ビット（２階調）画像の場合は、上記（１）式を適用しても透過部は０と１のいずれかにしかならならず、精度のよい透過画像を得ることができない。つまり精度のよい透過処理を施すには、ある程度以上の階調が必要となる。

そこで本実施形態では、二値化画像を透過画像の背景として利用したい場合に、その二値化画像を８ビットのグレイスケール画像に変換（増色）することで、精度の高い透過処理を可能とする。以下、パターンマッチング法を用いた増色の原理について説明する。

増色に用いる演算式を確立するにあたり、２５％灰色のグレイスケール（８ビット）画像を用意し、ディザ法によって二値化（圧縮）する。ディザ法は、公知のように入力画像の濃淡レベルを、一定の規則で算出した閾値と比較して黒か白かを決めるもので、Bayer型、渦巻型、網点型などが有名である。

図２（ａ）は、Bayer型で二値化した２５％灰色画像から４×４（＝１６）ピクセルを抽出したものである。この抽出画像の任意の１ピクセルに注目し、その周辺の８ピクセルを含むパターンを考えたとき、どのピクセルに着目した場合もパターンａ，ｂ，ｃ（図２（ｂ）〜（ｄ））のいずれかに一致することが分かる。

図２（ｅ）に示すように、注目した中心ピクセルをｘ、ｘの上下左右に隣接する４ピクセルをｙ、ｘの斜めに位置する４ピクセルをｚとし、１００％黒色（全ピクセルが黒）で、
ｘ×１＋ｙ×４＋ｚ×４＝１００％
１００％白色（全ピクセルが白）で、
ｘ×０＋ｙ×０＋ｚ×０＝０％
が成り立つと仮定する。

２５％灰色画像のパターンａ，ｂ，ｃでは、
パターンａ：ｘ×０＋ｙ×０＋ｚ×４＝４ｚ＝２５％
パターンｂ：ｘ×０＋ｙ×２＋ｚ×０＝２ｙ＝２５％
パターンｃ：ｘ×１＋ｙ×０＋ｚ×０＝ｘ＝２５％
となり、これらが全て成り立つと仮定すると、ｘ，ｙ，ｚのそれぞれは、ｘが２５％（＝１／４）、ｙが１２．５％（１／８）、ｚが６．７５％（１／１６）の重みを持つことが分かる。その結果、下記の式が導き出される。
グレイ濃度（％）＝（４ｘ＋２ｙ＋ｚ）／１６・・・（２）
ただし、ｘ，ｙ，ｚはそれぞれ黒ピクセルの数

次に、導き出された（２）式が他の二値画像に適用できるか否かを検証する。
図３はBayer型による他の２５％灰色画像（二値画像）を示す。この抽出画像では、どのピクセルに着目してもパターンｂ，ｃ，ｄのいずれかに一致する。先の例にはないパターンｄを（２）式に当てはめると、
グレイ濃度＝（４×０＋２×１＋１×２）／１６＝４／１６（２５％）
となり、式の確かさが検証された。つまりBayer型で圧縮された画像に対しては、いずれのパターンからも上記（２）式を用いて圧縮前のグレイ濃度を正確に推定できることがわかった。

Bayer型は、ディザ法の中でも規則的な散らばりを持つパターンを生成するため、黒ピクセルが平均的に分布し、それ故に（２）式が適用できたと考えられる。そこで、他のディザ法で圧縮した二値画像に対しても（２）式適用の可否を検証する。

上述と同様に２５％灰色のグレイスケール画像を用意し、ディザ法の網点型および渦巻型でそれぞれ圧縮した二値画像に対し、上記演算を行った。その結果を図４，図５に示す。網点型では、パターンによって１３％〜３８％の範囲でぶれが生じ、渦巻型では６％〜５６％と更に大きくぶれ、単純には（２）式を適用できないことが分かった。

ここで、ディザ法は画像解像度と人の視覚の感度差を利用した圧縮方式であるため、１ピクセルあたりの誤差は全体で見れば平均化できると考えられる。そこで、図６，図７に示すように、１６ピクセル全てに対して（２）式を適用し、平均をとってみた（図６（ｂ），図７（ｂ））。その結果、網点型、渦巻型のいずれにおいてもグレイ濃度＝２５％を導き出すことができた。これにより、（２）式はBayer型のみならず、網点型および渦巻型に対しても有効であることが判明した。勿論、他の濃度でも有効である。

上記のパターンマッチング法（グレイ濃度推定）をコンピュータプログラムにて実現する場合、処理の流れは例えば図８のようになる。
ステップＳ１では、処理すべき二値画像に対し、着目すべき中心ピクセル（図２（ｅ）のＸ）を決定する。中心ピクセルｘの決定により自動的に周囲ピクセル（ｙ，ｚ）が決まるが、決定された中心ピクセルｘが端のピクセルの場合は、ｙ，ｚの一部が存在しないので、図９に示すようにこれらを補完する（ステップＳ２→Ｓ３）。すなわち、存在しないピクセルは、図９（ａ）のように基本的には中心ピクセルｘを挟んで対称の位置にあるピクセルと同等とする。ただし、図９（ｂ）のように角部のピクセルが中心ピクセルｘの場合は、中心ピクセルｘを挟んで両側のピクセルとも存在しないことがあるので、このようなピクセルはいずれも０（白ピクセル）とする。これにより、いずれのケースでもｘ，ｙ，ｚが決まるので、決定されたｘ，ｙ，ｚに対し、（２）式を適用してグレイ濃度を算出する（ステップＳ４）。

上記の処理は、４×４（＝１６）のピクセルに対して行われ、１６ピクセル全てについて濃度が求まると、その平均値を求めて当該１６ピクセルの最終的なグレイ濃度とし、記憶する（ステップＳ５→Ｓ６）。ディスプレイ３２上で変換の過程を表示する場合は、最終的なグレイ濃度で１６ピクセルの描画を行う（ステップＳ７）。上記ステップＳ１〜Ｓ６の処理を場所を移動させながら繰り返し、画像全体に対して処理が完了すると終了となる。

本発明者は、上述のパターンマッチング法を用いて実際の二値画像（１ビット）からグレイスケール画像（８ビット）に変換（復元）し、その復元精度を検証した。これは、種々の濃度を持つ８ビットグレイスケール画像を３種類のディザ法（Bayer型、網点型、渦巻型）でそれぞれ二値画像に圧縮し、それらをグレイスケール画像に変換するものである。

サンプルとして、図１０に示すようなグレイスケール画像を用意した。これは、グレイ値がそれぞれ３１、６３、９５、１２７、１５９、１９１、２５５（白）の正方形領域を左から並べて構成したものである。図１１（ａ）〜（ｃ）は、このグレイスケール画像をディザ法のBayer型、網点型、渦巻型でそれぞれ二値化した画像を示し、また図１２（ａ）〜（ｃ）は、図１１（ａ）〜（ｃ）の二値画像をそれぞれ上述の方法でグレイスケールに復元した画像を示している。

実際の撮影画像に対しても同様の処理を試みた。図１３，図１４は、それぞれ（ａ）がデジタルカメラで撮影した８ビットグレイスケール画像、（ｂ）が（ａ）の画像をディザ法で二値化した１ビット二値画像、（ｃ）が（ｂ）から上記の方法で復元した８ビットグレイスケール画像である。いずれの復元画像においても、復元前にマス目状になっていた部分がグレイに補完されており、元のグレイスケール画像に近いことが分かる。

次に、復元されたグレイスケール画像の透過画像への適用について説明する。
今、ある被写体を撮影した８ビットのグレイスケール画像Ａと、別の被写体を撮影した１ビットの二値画像Ｂとがあり、画像Ａ，Ｂをそれぞれ前景、背景として透過画像を作成したいという要望があるとする。方法としては次の３種類が考えられる。
（Ａ）間引き法：背景となる二値画像Ｂを単純に８倍し、前景となるグレイスケール画像Ａに対しては、透過率に応じた画素の間引き処理を施す。処理後の画像Ｂに処理後の画像Ａを単純に重ね合わせて疑似透過画像を生成する。
（Ｂ）透過演算法１：背景となる二値画像Ｂを単純に８倍し、透過演算を行って画像Ａを合成する。
（Ｃ）透過演算法２：背景となる二値画像Ｂを上述したパターンマッチング法でグレイスケール画像に復元し、透過演算を行って画像Ａを合成する。
ここで、透過演算は、上述した（１）式に基づくものである。

図１５〜図１７は上記（Ａ）（Ｂ）（Ｃ）の処理結果をそれぞれ示している。透過率はいずれも５０％である。
図１５は（Ａ）の間引き法によるもので、図１３（ａ）が前景、図１４（ｂ）が背景である。この疑似透過画像では、パターンの重なり位置によっては安定した透過結果が得られていないことがわかる。間引き法は、透過演算が不要なため簡易的に用いられることが多く、仮に背景、前景ともにグレイスケール画像であれば、透過演算を行った場合の透過画像に近い結果が得られることが分かっている。しかし、この例のように背景が二値画像である場合は、ディザパターンと間引きパターンの干渉によって満足な結果が得られない。したがって、この方法は高品質の透過画像を得たいときには不向きであるといえる。

図１６は（Ｂ）の透過演算法１によるもので、図１３（ａ）が前景、図１４（ｂ）が背景である。前景がグレイスケール画像であるのに対して背景が二値画像であるため、透過演算を行っても背景のパターンが目に付き、満足な結果とはいえない。

図１７は（Ｃ）の透過演算法２によるもので、図１３（ａ）が前景、図１４（ｃ）が背景である。背景が二値画像からグレイスケール画像に補完されているので、背景が均され、透過部分も滑らかに描かれている。因みに、図１８は図１３（ａ）を前景、元のグレイスケール画像（図１４（ａ））を背景とした透過画像であるが、図１７は図１８に大分近いことが分かる。

上述したグレイスケール画像への変換および透過画像作成を連続で行う場合、処理の流れは例えば図１９のようになる。
図８で説明したステップＳ１〜Ｓ８の処理を行い、ステップＳ８が肯定されると、前景となる画像（８ビットグレイスケール画像）を入力し（ステップＳ１１）、変換した背景画像（８ビットグレイスケール画像）とで、上記（１）式による透過演算を行う（ステップＳ１２）。ステップＳ１３では、透過演算結果に基づいて透過画像を作成し、記憶する。

なお、以上は２枚の画像から透過画像を生成する例を示したが、３枚以上の画像を重ね合わせる場合も同様の手法を適用できる。

一実施形態におけるコンピュータ（画像処理装置）の構成図。 ディザ法のBayer型で圧縮された二値画像を用いてパターンマッチング法による各ピクセル（ｘ，ｙ，ｚ）の重み（濃度を推定する際の式）を決定する方法を説明する図。 求めた式をBayer型で圧縮された他の二値画像に適用する手順を説明する図。 求めた式をディザ法の網点型で圧縮された二値画像に適用した結果を示す図。 求めた式みをディザ法の渦巻型で圧縮された二値画像に適用した結果を示す図。 Bayer型で求めた式が網点型での圧縮画像にも適用可能であることを実証する図。 Bayer型で求めた式が渦巻型での圧縮画像にも適用可能であることを実証する図。 求めた式を用いて二値画像をグレイスケール画像に変換する処理の手順を説明するフローチャート。 端のピクセルに対する処理方法を説明する図。 サンプルとしてのグレイスケール画像を示す図。 図１０のサンプル画像をそれぞれディザ法のBayer型，網点型，渦巻型で圧縮した二値画像を示す図。 上記式を用いて図１１の画像をグレイスケール画像に変換した結果を示す図。 デジタルカメラで撮影したグレイスケール画像と、これを圧縮した二値画像と、二値画像をグレイスケール画像に復元した画像とを示す図。 デジタルカメラで撮影した他のグレイスケール画像と、これを圧縮した二値画像と、二値画像をグレイスケール画像に復元した画像とを示す図。 間引き法（疑似透過）による透過画像を示す図。 二値画像を背景として透過演算を施した透過画像を示す図。 二値画像をグレイスケール画像に変換し、これを背景として透過演算を施した透過画像を示す図。 二値化前のグレイスケール画像を背景として透過演算を施した透過画像を示す図。 グレイスケール画像への変換および透過画像作成を連続して行う場合の処理手順を示すフローチャート。

符号の説明

１１ ＣＰＵ
１００ コンピュータ

Claims (7)

1. １ビット二値画像である第１の画像の任意の１ピクセルをｘピクセル、ｘピクセルの上下左右に隣接する４ピクセルをｙピクセル、ｘピクセルの斜めに隣接する４ピクセルをｚピクセルとし、黒指定されたｘ，ｙ，ｚピクセルの数をｘ，ｙ，ｚとしたときに、
   グレイ濃度（％）＝（４ｘ＋２ｙ＋ｚ）／１６
   に基づいて前記ｘ，ｙ，ｚピクセルを含む領域のグレイ濃度を求める処理を画像全体に対して行うことで、前記第１の画像を多値のグレイスケール画像に変換する変換手段と、
   前記変換された第１の画像を背景とし、該変換された第１の画像と同じ階調の第２の画像を前景として、
   透過部＝背景色×α＋前景色×（１００−α）
   ただし、α＝透過率
   により透過部の濃度を求める透過演算手段と、
   前記求めた濃度に基づいて前記第１，第２の画像を合成し、透過画像を生成する生成手段とを備えたことを特徴とする画像処理装置。
2. 前記変換手段は、前記第１の画像の任意の領域内の全ピクセルをｘピクセルに指定したときの前記グレイ濃度をそれぞれ求め、それらの平均値を当該領域のグレイ濃度とすることを特徴とする請求項１に記載の画像処理装置。
3. １ビット二値画像の任意の１ピクセルをｘピクセル、ｘピクセルの上下左右に隣接する４ピクセルをｙピクセル、ｘピクセルの斜めに隣接する４ピクセルをｚピクセルとし、黒指定されたｘ，ｙ，ｚピクセルの数をそれぞれｘ，ｙ，ｚとしたときに、
   グレイ濃度（％）＝（４ｘ＋２ｙ＋ｚ）／１６
   に基づいて前記ｘ，ｙ，ｚピクセルを含む領域のグレイ濃度を求める処理を画像全体に対して行うことで、前記１ビット二値画像を多値のグレイスケール画像に変換することを特徴とする画像処理方法。
4. 前記二値画像の任意の領域内の全ピクセルをｘピクセルに指定したときの前記グレイ濃度をそれぞれ求め、それらの平均値を当該領域のグレイ濃度とすることを特徴とする請求項３に記載の画像処理方法。
5. １ビット二値画像である第１の画像の任意の１ピクセルをｘピクセル、ｘピクセルの上下左右に隣接する４ピクセルをｙピクセル、ｘピクセルの斜めに隣接する４ピクセルをｚピクセルとし、黒指定されたｘ，ｙ，ｚピクセルの数をｘ，ｙ，ｚとしたときに、
   グレイ濃度（％）＝（４ｘ＋２ｙ＋ｚ）／１６
   に基づいて前記ｘ，ｙ，ｚピクセルを含む領域のグレイ濃度を求める処理を画像全体に対して行うことで、前記第１の画像を多値のグレイスケール画像に変換する手順と、
   前記変換された第１の画像を背景とし、該変換された第１の画像と同じ階調の第２の画像を前景として、
   透過部＝背景色×α＋前景色×（１００−α）
   ただし、α＝透過率
   により透過部の濃度を求める手順と、
   前記求めた濃度に基づいて前記第１，第２の画像を合成し、透過画像を生成する手順とを備えたことを特徴とする画像処理方法。
6. 前記第１の画像の任意の領域内の全ピクセルをｘピクセルに指定したときの前記グレイ濃度をそれぞれ求め、それらの平均値を当該領域のグレイ濃度とすることを特徴とする請求項５に記載の画像処理方法。
7. 請求項３〜６のいずれか１項記載の画像処理方法をコンピュータに実行させるための画像処理プログラム。

Images