JP2863072B2 - 画像階調変換方法及び画像処理装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文字と画像とが混在す
るディジタルイメージデータの階調を変換する画像階調
変換方法、及び、この方法を用いた画像処理装置に関す
る。

【０００２】

【従来の技術】画像を構成する各画素が白または黒のみ
で表示された画像を２値画像（binaryimage）と言い、
これに対して白と黒との間に何段階かの明るさを持つ画
像を多階調画像（muitilevel gray scale image）と言
う。多階調画像を白黒の２値画像に変換する処理を２値
化と言う。例えば、各画素が０（黒）から２５５（白）
までの値を持つ２５６階調の画像は、画素毎に８ビット
の情報容量を必要とするが、２値化すると各画素は１ビ
ットの情報容量に圧縮されることになり、データ量が１
／８に低減される。

【０００３】従来、文字及び画像が混在したディジタル
イメージデータの階調を変換する場合において、文字領
域では２値性の保存が要求され、他方画像領域では中間
調の再現性等が要求されていたが、このような互いに相
反する要求を満足する単一の画像階調変換方法はなかっ
た。このため、階調変換の前工程として、まず入力され
たディジタルイメージデータの文字領域と画像領域とを
それぞれ検出し、この検出結果に基づいてディジタルイ
メージデータを文字領域と画像領域とに分割していた。
そして、文字領域では一定の閾値を用いて白と黒との２
レベルに画素の値を正規化する単純２値化法等を用い、
また画像領域では縦横４×４画素等のパターンマトリク
スを用いて行う面積階調による中間再現法等を用い、そ
れぞれの領域に対して別々の処理を行っていた。

【０００４】

【発明が解決しようとする課題】しかしながら、上記従
来の方法では、階調変換の前工程として入力されたディ
ジタルイメージデータの文字領域と画像領域とに分割す
る必要があり、階調変換の方法も文字領域と画像領域と
それぞれ異なる手法が必要となるため、処理速度が遅く
なったり、回路規模が大きく複雑になったりし、この結
果として、画像処理装置が大型化し価格も高くなるとい
う問題点があった。以上の問題点に鑑み、本発明の課題
は、ディジタルイメージデータの文字領域と画像領域と
を領域分割することなく、文字及び画像共に良好な階調
変換画像を得る画像階調変換方法を提供することであ
る。また、本発明の別の課題は、ディジタルイメージデ
ータの文字領域と画像領域とを分割することなく階調変
換する高速の画像処理装置を提供することである。

【０００５】

【課題を解決するための手段】上記課題を解決するた
め、本発明は次の構成を有する。すなわち本発明は、２
値画像で表される文字パターンデータと前記２値の区間
に含まれる複数の階調で表される多階調画像データとが
混在するディジタルイメージデータの各画素を２値化す
る画像階調変換方法において、変換対象の画素の集合か
ら注目画素を選択する工程と、前記２値の中から第１の
値を該注目画素の第１の仮の値として設定する工程と、
前記第１の仮の値及び該注目画素近傍の複数画素の値か
ら第１の加重平均値を求める工程と、前記２値の中から
前記第１の値とは異なる第２の値を該注目画素の第２の
仮の値として設定する工程と、前記第２の仮の値及び該
注目画素近傍の複数画素の値から第２の加重平均値を求
める工程と、前記第１の加重平均値と前記第２の加重平
均値との何れが該注目画素の値に近いかを判定する工程
と、前記第１の加重平均値が前記第２の加重平均値より
該注目画素の値に近ければ前記第１の値を該注目画素の
更新値とし、前記第２の加重平均値が前記第１の加重平
均値より該注目画素の値に近ければ前記第２の値を該注
目画素の更新値とする工程と、全ての対象画素の処理が
一通り終わるまで前記全ての工程を繰り返す工程と、所
定の収束条件が満足されるまで前記全ての工程を繰り返
す工程と、を含むことを特徴とする画像階調変換方法で
ある。

【０００６】また本発明は、２値画像で表される文字パ
ターンデータと前記２値の区間に含まれる第１の階調
（ｍ値）で表される多階調画像データとが混在するディ
ジタルイメージデータの各画素を、前記第１の階調（ｍ
値）より少ない第２の階調（ｎ値；ｍ＞ｎ）で表される
ディジタルイメージデータに階調変換するする画像階調
変換方法において、変換対象のディジタルイメージデー
タを構成する画素の集合から注目画素を選択する工程
と、前記第２の階調の中から第１の明るさを示す値；Ｐ
₍₁₎を該注目画素の第１の仮の値として設定する工程
と、前記第１の仮の値及び該注目画素近傍の複数画素の
値から第１の加重平均値を求める工程と、前記第２の階
調の中から第２の明るさを示す値；Ｐ₍₂₎を該注目画素
の第２の仮の値として設定する工程と、前記第２の仮の
値及び該注目画素近傍の複数画素の値から第２の加重平
均値を求める工程と、前記第２の階調（ｎ値）の中から
第ｋ（ｎ≧ｋ≧３）の値；Ｐ_(k)を該注目画素の第ｋの
仮の値として設定する工程と、前記第ｋの仮の値及び該
注目画素近傍の複数画素の値から第ｋの加重平均値を求
める工程と、前記ｋ個の加重平均値の何れが該注目画素
の値に最も近いかを判定する工程と、該注目画素に最も
近い加重平均値を生じた前記仮の値を該注目画素の更新
値とする工程と、全ての対象画素の処理が終わるまで前
記全ての工程を繰り返す工程と、所定の収束条件が満足
されるまで前記全ての工程を繰り返す工程と、を含むこ
とを特徴とする画像階調変換方法である。

【０００７】また本発明は、２値画像で表される文字パ
ターンデータと前記２値の区間に含まれる第１の階調
（ｍ値）で表される多階調画像データとが混在するディ
ジタルイメージデータの各画素を、前記第１の階調（ｍ
値）より少ない第２の階調（ｎ値；ｍ＞ｎ）で表される
ディジタルイメージデータに階調変換するする上記画像
階調変換方法において、注目画素の仮の値として設定す
る値を、

【数２】 式（１）により決定すること特徴とする画像階調変換方
法である。

【０００８】また本発明は、上記何れかの画像階調変換
方法において、前記注目画素の仮の値及び前記注目画素
近傍の複数画素の値から加重平均値を求める場合、前記
注目画素から該近傍の画素までの距離が大きいほど該近
傍の画素の加重平均係数を小さく定めることができる。

【０００９】また本発明は、平面状に配置された各ユニ
ットがその近傍のユニットと互いに情報交換可能なよう
に接続された平面状ニューラルネットワークを用いた画
像処理装置であって、前記各ユニットは、該ユニットの
近傍のユニットからの入力の重み付き線形和を計算する
手段と、該ユニットに割り当てられた階調変換前の画素
の値を保持する手段と、変換後の階調の取り得る値を発
生する手段と、を備えてなり、請求項１ないし請求項４
に記載の画像階調変換方法を用いて画像階調変換を実行
することを特徴とする画像処理装置である。

【００１０】

【作用】本発明は上記構成により、文字領域と画像領域
とが混在したディジタルイメージデータを、文字領域と
画像領域とに分割することなく、多値から２値へ、ある
いは、第１の階調（ｍ値）から第２の階調（ｎ値：ｍ＞
ｎ）へ、それぞれ階調変換することができる。また上記
画像階調変換を平面状に各ユニットが配置されたニュー
ラルネットワークを用いて実行することができる。

【００１１】ニューラルネットワークは、脳の基本構成
単位と考えられているニューロン（神経単位、ノイロン
とも言う）の工学的なモデルであるユニットを相互に接
続したネットワークである。ニューラルネットワークに
は、その結合形態により、階層型ネットワークと相互結
合型ネットワークとに分類される。階層型ネットワーク
は、パーセプトロン型ネットワークとも呼ばれ、多数の
ユニットを多層に結合した構造を持つ。階層型ネットワ
ークの第１層は外部から情報を入力する入力層、最終層
は外部へ情報を出力する出力層、その間の層は中間層と
呼ばれる。階層型の結合の特徴は、層内の結合がなく、
層間の結合は入力層から出力層に向けての一方向性の結
合のみが存在することである。

【００１２】一方、相互結合型ネットワークは、階層構
造を作らずに、多数のユニットを相互に結合した構造を
持つ。情報が入力層から出力層へと一方向に流れるだけ
の階層型ネットワークと異なり、相互結合型ネットワー
クにはフィードバックループが存在するため、情報はネ
ットワーク内部を幾度もめぐることになる。ネットワー
クの状態がある初期状態から出発して、各ユニットが内
部状態及び出力の変化を繰り返していくうちに、ネット
ワーク全体の状態は、ある安定な平衡状態に到達する
か、いくつかの状態をめぐる巡回状態に陥る。この種の
代表的なネットワークとして、ホップフィールド型ニュ
ーラルネットワーク（参考文献１：“ニューラル・コン
ピューティング−理論と実際−”ＰＨＩＬＩＰ Ｄ．Ｗ
ＡＳＳＥＲＭＡＮ著 石井直宏／塚田稔 共訳 森北出
版 ｐｐ８１−９６ １９９３年、参考文献２：Hopfie
ld J.J. and Tank D.W.:"Neural Computation of Decis
ions in Optimization Problems",Biol.Cybern.,52, p
p.141-152 1985 )やボルツマンマシンがある。

【００１３】本発明は、上記ホップフィールド型ニュー
ラルネットワークを基盤とした構成によって画像階調変
換を行うものである。ホップフィールド型ニューラルネ
ットワークの一般的な構成図を図５に示す。同図におい
て、ホップフィールド型ニューラルネットワークを構成
する各ユニット６は、双方向に情報の伝達が可能な経路
７で相互に他の全てのユニットと結合されており、ある
ユニットの出力が他のユニットを介して再びそのユニッ
トに戻るフィードバックループ経路が構成されている。

【００１４】また、ホップフィールド型ニューラルネッ
トワークにおいては、各ユニット間の情報の伝わりやす
さとして、結合係数という概念がある。ホップフィール
ド型ニューラルネットワークの各ユニットは、他のユニ
ットから情報受け取る場合、情報値にこの結合係数を掛
けた値を受け取るとする。

【００１５】本来のホップフィールド型ニューラルネッ
トワークは、Ｎ個のユニットがあれば、Ｎ個のユニット
全てが互いに接続されているが、本発明における画像処
理に際しては、平面状に配列された各ユニットが、所定
のユニット間距離以内の近傍のユニットに接続されてい
れば十分である。たとえこれ以上の接続があっても、結
合係数に０が割り当てられ、互いに遠くはなれたユニッ
ト間では、ニューラルネットワークとしての情報の伝達
は起こらない。上記ニューラルネットワークを画像階調
変換に適用するため、変換対象の各画素をそれぞれニュ
ーラルネットワークの各ユニットに割り当てる。そし
て、あるユニットとその近傍ユニットとの結合係数を階
調変換時の加重平均係数とすると、注目画素を割り当て
られたユニットは、近傍画素を割り当てられたユニット
から近傍画素の値に加重平均係数を掛けた値を受け取る
ことができる。

【００１６】階調変換のアルゴリズムは以下の通りであ
る。ある画素の階調変換を行う場合、この注目画素とそ
の近傍の画素を考慮して、近傍の画素と階調変換後の注
目画素との加重平均値が、階調変換前の注目画素の明る
さに最も近いように階調変換すれば、高品質な階調変換
結果が得られる。そして、注目画素から一定以上離れた
画素は、注目画素の階調変換に際して全く考慮する必要
がない。

【００１７】次に、図６に近傍画素の取り方の例を示
す。図６において、☆印が注目画素８であり、◎印及び
○印が注目画素８の階調変換時に考慮される近傍画素９
を示す。このように１２近傍の画素を選んだ理由は次の
通りである。まず第１に、画像領域においては、階調変
換対象の注目画素に対し、ほんの近くの画素しか関与し
ないと考えられるからである。第２に文字領域において
は、縦と横の線が多いため、注目画素に対する縦と横の
画素の情報は斜めの画素の情報よりも関与していると考
えられるからである。このようなことを考慮して近傍画
素を選択すれば、１２近傍でなくてもかまわない。

【００１８】注目画素８と近傍画素９との加重平均係数
は、ニューラルネットワークを構成する各ユニット間の
結合係数となり、注目画素から１画素だけ離れた近傍８
画素（◎印）からの加重平均係数をａとし、２画素離れ
た近傍４画素（○印）からの加重平均係数ｂとし、注目
画素から遠くなるにつれて小さな値を取るように、ａ＞
ｂとする。また、近傍画素の加重平均係数の合計と自ユ
ニットの仮の値の加重平均係数ｚとの和、すなわち、ｚ
＋８ａ＋４ｂ＝１になっていれば、加重平均係数にどん
な値を設定しても構わない。注目画素から１画素だけ離
れた近傍８画素の値をｘ₁〜ｘ₈、注目画素から２画素だ
け離れた近傍４画素の値をｘ₉〜ｘ₁₂とすれば、近傍画
素の重み付き総和Σは、式（２）となる。

【数３】 Σ＝ａ（ｘ₁＋ｘ₂＋…＋ｘ₈）＋ｂ（ｘ₉＋ｚ₁₀＋…＋ｘ₁₂） …（２）

【００１９】以上のことから、階調変換の加重平均係数
をユニット間の結合係数とし、各ユニットの状態を各画
素の値に対応させると、ホップフィールド型ニューラル
ネットワークにより、２値画像で表される文字パターン
データと多階調画像データとが混在するディジタルイメ
ージデータの階調変換を、文字パターンデータと画像デ
ータとを分割することなく処理できる。しかもホップフ
ィールド型ニューラルネットワークの並列処理性によ
り、階調変換を高度な並列処理により高速に実行するこ
とができる。

【００２０】

【実施例】次に、図面を参照して本発明の実施例を詳細
に説明する。図１は、本発明に係る画像処理装置の実施
例の構成図である。同図において、本発明の画像処理装
置は、文字及び画像の混在した原稿等をディジタルイメ
ージデータに変換して入力する画像入力部１と、ディジ
タルイメージデータを記憶する画像記憶部２と、ディジ
タルイメージデータを階調変換する画像階調変換部３
と、階調変換後のディジタルイメージデータを出力する
画像出力部４と、装置全体を制御するＣＰＵ５とからな
る。図１において、太い矢印は画像データの流れを示
し、細い矢印は制御の流れを示す。

【００２１】図２は、本発明に係る画像階調変換方法の
実施例のフローチャートである。本実施例は、２値画像
で表される文字パターンデータと前記２値の区間に含ま
れる複数の階調（ｍ値とする）で表される多階調画像デ
ータとが混在するディジタルイメージデータの各画素を
２値化する画像階調変換に本発明を適用した例である。
図２において、あらかじめホップフィールド型ニューラ
ルネットワークに階調変換対象のディジタルイメージデ
ータがロードされている状態から出発するものとする。
この状態は、作用の項目で説明したように、ホップフィ
ールド型ニューラルネットワークの各ユニットに、階調
変換前のディジタルイメージデータが１画素ずつ読み込
まれている。

【００２２】図２のフローチャートにおいて、まず最初
に、階調変換対象である注目画素がランダムに選択され
る（ステップＳ１０）。次いで、注目画素の近傍画素を
担う１２台のユニットの出力が注目画素を担うユニット
の入力（ｘ１，ｘ２，…，ｘ１２）としてへ読み込まれ
る（ステップＳ２０）。次いで、１２近傍画素の値がそ
れぞれ加重平均係数の重みを乗じて加算され、近傍画素
の重みづけられた総和Σが得られる（ステップＳ３
０）。このΣを計算する積和（ステップＳ３０）は、ス
テップＳ２０の近傍画素の読み込みと同時に行われるの
が望ましい。

【００２３】次いで、２値のうちの第１の仮の値として
黒値に加重平均係数を掛けた値が上記Σに加算されて、
第１の加重平均値が計算される（ステップＳ４０）。次
いで、２値のうちの第２の仮の値として白値に加重平均
係数を掛けた値が上記Σに加算されて、第２の加重平均
値が計算される（ステップＳ４１）。次いで、注目画素
（自ユニットの画素）の値が読み出される（ステップＳ
４２）。このとき、ステップＳ４０からＳ４２までは、
並列に処理されるのが望ましい。

【００２４】次いで、２つの加重平均値と注目画素の値
とが比較され、注目画素の値に近いほうの加重平均値が
選択される（ステップＳ５０）。そして、注目画素の値
に近いほうの加重平均値を生じた仮の値、すなわち黒か
白かが選択されて（ステップＳ６０）、その値で注目画
素が更新される（ステップＳ７０）。次いで、全画素の
階調変換が一通り終了したかどうかが判定され（ステッ
プＳ８０）、ＮＯであれば、ステップＳ１０へ戻って、
次の注目画素が選択される。ステップＳ８０の判定にお
いて、ＹＥＳであれば、収束条件が判定され（ステップ
Ｓ９０）、収束条件が満足されていれば、階調変換を終
了するが、収束条件が満足されていなければ、もう一通
り画素毎の階調変換を行うため、ステップＳ１０へ戻
る。

【００２５】なお、上記実施例では、階調変換対象であ
る注目画素がランダムに選択される（ステップＳ１０）
としたが、入力画像のラスタスキャン方向に順次選択し
てもよいし、ニューラルネットワークの特性を最大限に
発揮させて全ての画素の階調変換を同時に実行してもよ
い。

【００２６】次に、本発明に係る画像処理装置を構成す
る画像階調変換部３の実施例のブロック図を図３に示
す。画像階調変換部３は、ホップフィールド型ニューラ
ルネットワークを平面配列化し、近傍のユニット間のみ
に相互の情報伝達経路を有するニューラルネットワーク
である。そしてこのニューラルネットワークを構成する
各ニューロンモデル、すなわちユニットＱ（ｉ，ｊ）
は、結合係数ａでユニット間距離１のユニットと相互に
接続され、結合係数ｂでユニット間距離２のユニットと
相互に接続されている。

【００２７】図４は、ニューラルネットワークを構成す
る各ユニットＱ（ｉ，ｊ）の内部構成を示すブロック図
である。図４において、ユニット（ニューロンモデル）
は、ユニット外部と信号を授受する端子として、近傍の
１２台のユニットからの出力を受け取る１２本の入力端
子ｘ₁〜ｘ₁₂と、近傍の１２台のユニットへそれぞれ出
力を分配するための１２本の出力端子ｙ₁〜ｙ₁₂とがあ
る。

【００２８】ユニット内部には、注目画素の値Ａを保持
する画素保持回路１０と、変換先の階調（Ｐ（１）〜Ｐ
（ｎ）からなるｎ値）の仮の値を選択するためのセレク
タ２０と、セレクタ２０から出力された変換候補（仮の
値）を保持する変換候補保持回路３０と、１２の近傍ユ
ニットから入力される近傍画素の値を重み付けて加算し
Σを計算するための第１の積和回路４０と、セレクタ２
０で選択された仮の値を重み付けてΣと加算し加重平均
値Ｂを求める第２の積和回路５０と、注目画素の値Ａと
加重平均値Ｂとの差の絶対値を計算する誤差計算回路６
０と、誤差計算回路６０の出力を保持する誤差保持回路
７０と、前回までの最小誤差と今回の誤差とを比較する
誤差比較回路８０と、誤差比較に基づいて今回の誤差の
方が小さければ、今回の誤差で誤差保持回路７０の内容
を更新すると同時に、変換候補保持回路３０の内容を今
回の仮の値で更新するよう制御したり、その他の制御を
行う図示されない制御回路とが設けられている。

【００２９】次に、本実施例の動作を説明する。まず最
初に、変換前のディジタルイメージデータがロードされ
る。このときは、図示されない制御信号により、入力端
子ｘ₁と画素保持回路１０と出力端子ｙ₂とで構成される
レジスタ回路が、互いに隣接するユニット間で芋づる式
に接続されて、イニシャルロードパスを構成する。そし
て、画像記憶部２から、イニシャルロードパスを介し
て、各ユニットに画素毎の変換前ディジタルイメージデ
ータがロードされる。このイニシャルロードパスは、ニ
ューラルネットワークに１本でもよいし、幾つかのパス
に分けて並列化してもよい。

【００３０】変換前のディジタルイメージデータのイニ
シャルロードが終わると、次にニューラルネットワーク
を構成する各ニューロンすなわち各ユニットが発火され
る。ニューロンの発火は、発火するニューロンが１つず
つランダムに選択されてもよいし、ネットワークをスキ
ャンするように選択されてもよいし、全ニューロンが同
時に発火してもよい。

【００３１】ニューロンが発火すると、それぞれの近傍
のユニットの出力を、入力端子ｘ１〜ｘ１２の入力端子
により取り込み、第１の積和回路４０により、各入力信
号にそれぞれの結合係数で示された加重平均係数をかけ
て総和Σをもとめる。このΣは近傍画素の加重平均値で
ある。次いで、セレクタ２０により変換後の階調（ｎ
値）のうちから最初の仮の値：Ｐ（１）が選ばれ、変換
候補保持回路３０に保持されるとともに、第２の積和回
路５０により、Ｐ（１）に加重平均係数を掛けた値とΣ
とが加算され第１の加重平均値Ｂ１が求められる。次い
で、Ｂ１と画素保持回路１０に保持された変換前の画素
の値Ａとの差の絶対値、｜Ａ−Ｂ１｜が求められ、この
値は誤差保持回路７０に保持される。

【００３２】次いで、セレクタ２０により第２の仮の
値：Ｐ（２）が選ばれ、Ｐ（２）に加重平均係数を掛け
た値とΣとが加算され第２の加重平均値Ｂ２が求められ
る。次いで、Ｂ２と画素保持回路１０に保持された変換
前の画素の値Ａとの差の絶対値、｜Ａ−Ｂ２｜が求めら
れ、この｜Ａ−Ｂ２｜と誤差保持回路７０に保持されて
いる｜Ａ−Ｂ１｜とが誤差比較回路８０により比較され
る。

【００３３】誤差比較の結果、｜Ａ−Ｂ２｜の方が、｜
Ａ−Ｂ１｜より小さければ、｜Ａ−Ｂ２｜の値で誤差保
持回路７０の内容を更新するとともに、変換候補保持回
路３０の内容をＰ（２）で更新する。｜Ａ−Ｂ２｜の方
が、｜Ａ−Ｂ１｜より大きいか等しければ、誤差保持回
路７０及び変換候補保持回路３０は更新されない。

【００３４】同様に、順次新しい仮の値をセレクタ２０
で選んで、その仮の値で加重平均値を求め、変換前の画
素の値との誤差を求め、誤差保持回路７０に保持されて
いる前回選択された仮の値までの最小誤差と比較する。
こうして、仮の値：Ｐ（ｎ）まで繰り返すと、最後に変
換候補保持回路３０に保持されている値は、当該画素を
最小の誤差で階調変換した値となり、この値で画素保持
回路１０の内容を更新して、一旦当該画素の処理を終了
する。なお、上記セレクタ２０による仮の値の選択順序
は、前記式（１）に基づいて行われる。仮にｎ＝４とす
ると、Ｐ（１）＝０，Ｐ（２）＝１，Ｐ（３）＝１／
３，Ｐ（４）＝７／９となる。

【００３５】次に、別の画素が選ばれて次々に異なる画
素が処理されて、全画素の処理が一通り終了するまで継
続される。あるいは、全画素が同時に処理される場合に
は、収束条件が判断される。収束条件の判断において、
まだ収束条件が満足されてなければ、再度全画素の処理
が繰り返して行われる。最初は、ほとんどの画素が階調
変換による画素の値の更新がされるが、計算回数を重ね
るにつれて、だんだん更新される画素の数が少なくな
り、やがてはほとんど更新されなくなり、一定の状態に
落ち着く。これは、ホップフィールド型ニューラルネッ
トワークの特徴である。ホップフィールド型ニューラル
ネットワークでは、ネットワークのエネルギーというも
のを考え、ネットワークを動作させると、そのネットワ
ークのエネルギーが減少していき、エネルギーの極小点
に落ち着くという特徴がある。

【００３６】収束条件の判断としては、更新された画素
数の全画素数に対する割合が一定の比率、例えば５％以
下になったとき収束したと判定する。階調変換による画
素の更新が収束すると、イニシャルロードパスを介し
て、それぞれのユニットの画素保持回路１０の内容が芋
づる式に画像記憶部２に出力され、階調変換後のディジ
タルイメージデータが画像出力部４によって出力され
る。

【００３７】

【発明の効果】以上説明したように本発明によれば、２
値画像で表される文字パターンデータと前記２値の区間
に含まれる複数の階調（ｍ値）で表される多階調画像デ
ータとが混在するディジタルイメージデータの各画素を
２値化またはｎ値化（ｍ＞ｎ）する画像階調変換方法に
おいて、ディジタルイメージデータの文字領域と画像領
域とを領域分割することなく、文字及び画像共に良好な
階調変換画像を得る画像階調変換方法を提供することが
できるという効果がある。また、本発明によれば、ディ
ジタルイメージデータの文字領域と画像領域とを分割す
ることなく階調変換する高速の画像処理装置を提供する
ことができるという効果がある。

【図面の簡単な説明】

【図１】本発明の画像処理装置の全体を示す構成図であ
る。

【図２】本発明の画像階調変換方法の実施例のフローチ
ャートである。

【図３】本発明の画像処理装置の画像階調変換部を構成
するニューラルネットワークを示すブロック図である。

【図４】本発明の画像処理装置の画像階調変換部を構成
するニューラルネットワークの各ニューロンモデル（ユ
ニット）を示すブロック図である。

【図５】画像階調変換時の近傍画素の説明図である。

【図６】ホップフィールド型ニューラルネットワークの
一般的な構成図である。

【符号の説明】

１ 画像入力部 ２ 画像記憶部 ３ 画像階調変換部 ４ 画像出力部 ５ ＣＰＵ ６ ユニット ７ 双方向経路 ８ 注目画素 ９ 近傍画素 １０ 画素保持回路 ２０ セレクタ ３０ 変換候補保持回路 ４０ 第１の積和回路 ５０ 第２の積和回路 ６０ 誤差計算回路 ７０ 誤差保持回路 ８０ 誤差比較回路 ｘ₁〜ｘ₁₂ 近傍ユニットからの入力端子 ｙ₁〜ｙ₁₂ 近傍ユニットへの出力端子

Claims (5)

(57)【特許請求の範囲】
1. 【請求項１】 ２値画像で表される文字パターンデータ
   と前記２値の区間に含まれる複数の階調で表される多階
   調画像データとが混在するディジタルイメージデータの
   各画素を２値化する画像階調変換方法において、 変換対象の画素の集合から注目画素を選択する工程と、 前記２値の中から第１の値を該注目画素の第１の仮の値
   として設定する工程と、 前記第１の仮の値及び該注目画素近傍の複数画素の値か
   ら第１の加重平均値を求める工程と、 前記２値の中から前記第１の値とは異なる第２の値を該
   注目画素の第２の仮の値として設定する工程と、 前記第２の仮の値及び該注目画素近傍の複数画素の値か
   ら第２の加重平均値を求める工程と、 前記第１の加重平均値と前記第２の加重平均値との何れ
   が該注目画素の値に近いかを判定する工程と、 前記第１の加重平均値が前記第２の加重平均値より該注
   目画素の値に近ければ前記第１の値を該注目画素の更新
   値とし、前記第２の加重平均値が前記第１の加重平均値
   より該注目画素の値に近ければ前記第２の値を該注目画
   素の更新値とする工程と、 全ての対象画素の処理が一通り終わるまで前記全ての工
   程を繰り返す工程と、 所定の収束条件が満足されるまで前記全ての工程を繰り
   返す工程と、を含むことを特徴とする画像階調変換方
   法。
2. 【請求項２】 ２値画像で表される文字パターンデータ
   と前記２値の区間に含まれる第１の階調（ｍ値）で表さ
   れる多階調画像データとが混在するディジタルイメージ
   データの各画素を、前記第１の階調（ｍ値）より少ない
   第２の階調（ｎ値；ｍ＞ｎ）で表されるディジタルイメ
   ージデータに階調変換するする画像階調変換方法におい
   て、 変換対象のディジタルイメージデータを構成する画素の
   集合から注目画素を選択する工程と、 前記第２の階調の中から第１の明るさを示す値；Ｐ₍₁₎
   を該注目画素の第１の仮の値として設定する工程と、 前記第１の仮の値及び該注目画素近傍の複数画素の値か
   ら第１の加重平均値を求める工程と、 前記第２の階調の中から第２の明るさを示す値；Ｐ₍₂₎
   を該注目画素の第２の仮の値として設定する工程と、 前記第２の仮の値及び該注目画素近傍の複数画素の値か
   ら第２の加重平均値を求める工程と、 前記第２の階調（ｎ値）の中から第ｋ（ｎ≧ｋ≧３）の
   値；Ｐ_(k)を該注目画素の第ｋの仮の値として設定する
   工程と、 前記第ｋの仮の値及び該注目画素近傍の複数画素の値か
   ら第ｋの加重平均値を求める工程と、 前記ｋ個の加重平均値の何れが該注目画素の値に最も近
   いかを判定する工程と、 該注目画素に最も近い加重平均値を生じた前記仮の値を
   該注目画素の更新値とする工程と、 全ての対象画素の処理が終わるまで前記全ての工程を繰
   り返す工程と、 所定の収束条件が満足されるまで前記全ての工程を繰り
   返す工程と、を含むことを特徴とする画像階調変換方
   法。
3. 【請求項３】 請求項２に記載の画像階調変換方法にお
   いて、 注目画素の仮の値として設定する値を、 【数１】 式（１）により決定すること特徴とする画像階調変換方
   法。
4. 【請求項４】 請求項１ないし請求項３の何れかに記載
   の画像階調変換方法において、 前記注目画素の仮の値及び前記注目画素近傍の複数画素
   の値から加重平均値を求める場合、前記注目画素から該
   近傍の画素までの距離が大きいほど該近傍の画素の加重
   平均係数を小さく定めること特徴とする画像階調変換方
   法。
5. 【請求項５】 平面状に配置された各ユニットがその近
   傍のユニットと互いに情報交換可能なように接続された
   平面状ニューラルネットワークを用いた画像処理装置で
   あって、 前記各ユニットは、該ユニットの近傍のユニットからの
   入力の重み付き線形和を計算する手段と、該ユニットに
   割り当てられた階調変換前の画素の値を保持する手段
   と、変換後の階調の取り得る値を発生する手段と、を備
   えてなり、 請求項１ないし請求項４に記載の画像階調変換方法を用
   いて画像階調変換を実行することを特徴とする画像処理
   装置。