JP3061945B2 - 画像補正装置 - Google Patents
画像補正装置Info
- Publication number
- JP3061945B2 JP3061945B2 JP4167310A JP16731092A JP3061945B2 JP 3061945 B2 JP3061945 B2 JP 3061945B2 JP 4167310 A JP4167310 A JP 4167310A JP 16731092 A JP16731092 A JP 16731092A JP 3061945 B2 JP3061945 B2 JP 3061945B2
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- area
- enlarged
- image
- teacher signal
- 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.)
- Expired - Fee Related
Links
- 238000003702 image correction Methods 0.000 title claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 30
- 238000000605 extraction Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 16
- 239000000284 extract Substances 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Controls And Circuits For Display Device (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Description
【０００１】
【産業上の利用分野】本発明はニューラルネットワーク
を用いて画像を拡大する画像補正装置に関する。
を用いて画像を拡大する画像補正装置に関する。
【０００２】
【従来の技術】ファクシミリ通信などの送信側としては
送信する情報量と通信コスト・時間の関係で低密度走査
が有利である。一方受信記録は近年レーザプリンタなど
のように高密度記録が可能な装置が多く使用されるよう
になってきた。このため伝送された低密度画像を高密度
画像に変換する装置が必要となっている。このように低
密度画像を高密度画像に画像変換する画質補正装置で
は、受信側で高密度画像になるように画像の拡大を行っ
ている。
送信する情報量と通信コスト・時間の関係で低密度走査
が有利である。一方受信記録は近年レーザプリンタなど
のように高密度記録が可能な装置が多く使用されるよう
になってきた。このため伝送された低密度画像を高密度
画像に変換する装置が必要となっている。このように低
密度画像を高密度画像に画像変換する画質補正装置で
は、受信側で高密度画像になるように画像の拡大を行っ
ている。
【０００３】このような画像の拡大は、注目画素の周辺
ｎ×ｎ画素を参照して画素の補間拡大を行っている。こ
の補間拡大を行うためには、ｎ×ｎ画素のデータ構造全
てに対する補間用テーブルが２n * n 個分必要になる。
このテーブルの作成には各種高解像度の画像データを用
い、ｎ×ｎ画素パターンの出現頻度を統計的に調べて作
成している。特開平３−82267 号公報にはこのような技
術が開示されている。
ｎ×ｎ画素を参照して画素の補間拡大を行っている。こ
の補間拡大を行うためには、ｎ×ｎ画素のデータ構造全
てに対する補間用テーブルが２n * n 個分必要になる。
このテーブルの作成には各種高解像度の画像データを用
い、ｎ×ｎ画素パターンの出現頻度を統計的に調べて作
成している。特開平３−82267 号公報にはこのような技
術が開示されている。
【０００４】
【発明が解決しようとする課題】このような従来技術の
問題点を上げると次のようになる。 注目画素を含めｎ×ｎ画素を参照して注目画素を拡大
するには２n * n 個のパターン構造が必要で、この各パ
ターン構造に対する補間データ（拡大データ）をテーブ
ル形成にして作成しなければならない。 このテーブル参照時の入力ウィンドウサイズは、従来
は４×４である。このサイズは大きい程、滑らかな補間
が可能であるが、補間データのテーブルが大きくなって
しまうのでウィンドウサイズは制限を受けることにな
る。 多階調データに対して補間を行う場合は、パターン構
造に対する補間データテーブル数が増大し、これを格納
する大きな客量のメモリが必要となる。 あるパターン構造がテーブルに漏れていると、このパ
ターン構造に対する補間処理が出来ない。
問題点を上げると次のようになる。 注目画素を含めｎ×ｎ画素を参照して注目画素を拡大
するには２n * n 個のパターン構造が必要で、この各パ
ターン構造に対する補間データ（拡大データ）をテーブ
ル形成にして作成しなければならない。 このテーブル参照時の入力ウィンドウサイズは、従来
は４×４である。このサイズは大きい程、滑らかな補間
が可能であるが、補間データのテーブルが大きくなって
しまうのでウィンドウサイズは制限を受けることにな
る。 多階調データに対して補間を行う場合は、パターン構
造に対する補間データテーブル数が増大し、これを格納
する大きな客量のメモリが必要となる。 あるパターン構造がテーブルに漏れていると、このパ
ターン構造に対する補間処理が出来ない。
【０００５】本発明は、上述の問題点に鑑みてなされた
もので、ニューラルネットワークを用いて補間データテ
ーブルのサイズを小さくする画像補正装置を提供するこ
とを目的とする。
もので、ニューラルネットワークを用いて補間データテ
ーブルのサイズを小さくする画像補正装置を提供するこ
とを目的とする。
【０００６】
【課題を解決するための手段】図１は第１発明の原理図
である。第１発明は注目画素Ｗの右隣画素Ｘ、下隣画素
Ｙ、斜下隣画素Ｚよりなる４画素領域を２値画像より抽
出する部分領域抽出手段１と、注目画素Ｗを主走査方向
にＫ倍、副走査方向にＬ倍拡大し、前記４画像領域の各
画素の値を変えた場合、この拡大した領域の画素が周囲
画素となめらかに接続するような拡大領域の画素を統計
的に調べその結果を教師信号として前記４画素領域に対
応して格納する教師信号格納手段２と、前記部分領域抽
出手段の抽出した４画素領域と前記教師信号格納手段の
４画素領域を切替えて入力する入力切替手段３と、この
入力切替手段３を入力部とし、前記教師信号格納手段２
より教師信号を入力して学習し、この結果により前記部
分領域抽出手段からの入力に対する出力を行うニューラ
ルネットワーク４と、このニューラルネットワーク４の
出力により拡大画像を構成する拡大画像構成手段５とを
備えたものである。
である。第１発明は注目画素Ｗの右隣画素Ｘ、下隣画素
Ｙ、斜下隣画素Ｚよりなる４画素領域を２値画像より抽
出する部分領域抽出手段１と、注目画素Ｗを主走査方向
にＫ倍、副走査方向にＬ倍拡大し、前記４画像領域の各
画素の値を変えた場合、この拡大した領域の画素が周囲
画素となめらかに接続するような拡大領域の画素を統計
的に調べその結果を教師信号として前記４画素領域に対
応して格納する教師信号格納手段２と、前記部分領域抽
出手段の抽出した４画素領域と前記教師信号格納手段の
４画素領域を切替えて入力する入力切替手段３と、この
入力切替手段３を入力部とし、前記教師信号格納手段２
より教師信号を入力して学習し、この結果により前記部
分領域抽出手段からの入力に対する出力を行うニューラ
ルネットワーク４と、このニューラルネットワーク４の
出力により拡大画像を構成する拡大画像構成手段５とを
備えたものである。
【０００７】また、図２は第２発明の原理図であり、注
目画素Ｗの右隣画素Ｘ、下隣画素Ｙ、斜下隣画素Ｚより
なる４画素領域を２値画像より抽出する部分領域抽出手
段１と、注目画素Ｗを主走査方向にＫ倍、副走査方向に
Ｌ倍拡大し、前記４画像領域の各画素の値を変えた場
合、この拡大した領域の画素が周囲画素となめらかに接
続するような拡大領域の画素を統計的に調べその結果を
教師信号として前記４画素領域に対応して格納する教師
信号格納手段２と、前記教師信号格納手段２より４画素
領域とこれに対応する教師信号を入力し、この教師信号
により学習するニューラルネットワーク４と、このニュ
ーラルネットワーク４の学習結果をこれに対応する４画
素領域と共に格納する拡大テーブル格納手段６と、前記
部分領域抽出手段１の４画素領域を入力し、この４画素
領域に対応する前記学習結果を前記拡大テーブル格納手
段６より入力して拡大画像を構成する拡大画像構成手段
７とを備えたものである。
目画素Ｗの右隣画素Ｘ、下隣画素Ｙ、斜下隣画素Ｚより
なる４画素領域を２値画像より抽出する部分領域抽出手
段１と、注目画素Ｗを主走査方向にＫ倍、副走査方向に
Ｌ倍拡大し、前記４画像領域の各画素の値を変えた場
合、この拡大した領域の画素が周囲画素となめらかに接
続するような拡大領域の画素を統計的に調べその結果を
教師信号として前記４画素領域に対応して格納する教師
信号格納手段２と、前記教師信号格納手段２より４画素
領域とこれに対応する教師信号を入力し、この教師信号
により学習するニューラルネットワーク４と、このニュ
ーラルネットワーク４の学習結果をこれに対応する４画
素領域と共に格納する拡大テーブル格納手段６と、前記
部分領域抽出手段１の４画素領域を入力し、この４画素
領域に対応する前記学習結果を前記拡大テーブル格納手
段６より入力して拡大画像を構成する拡大画像構成手段
７とを備えたものである。
【０００８】
【作用】まず、第１発明では入力切替手段３を教師信号
格納手段２側に切替えて、４画素領域を入力し、この２
画素領域に対応する教師信号によりニューラルネットワ
ーク４の学習を行う。次に入力切替手段３を切替えて部
分領域抽出手段１より４画素領域をニューラルネットワ
ーク４に入力し、この出力により拡大画像構成手段５で
拡大画像を構成する。ニューラルネットワーク４は学習
のとき入力した４画素領域と多少異なった入力が部分領
域抽出手段１より入力しても正しい出力またはこれに近
い出力を出すので、従来のように入力する４画素領域に
対応する全ての出力パターンをテーブルとして用意し、
メモリに格納する必要がなく、メモリの容量を節約する
ことができる。
格納手段２側に切替えて、４画素領域を入力し、この２
画素領域に対応する教師信号によりニューラルネットワ
ーク４の学習を行う。次に入力切替手段３を切替えて部
分領域抽出手段１より４画素領域をニューラルネットワ
ーク４に入力し、この出力により拡大画像構成手段５で
拡大画像を構成する。ニューラルネットワーク４は学習
のとき入力した４画素領域と多少異なった入力が部分領
域抽出手段１より入力しても正しい出力またはこれに近
い出力を出すので、従来のように入力する４画素領域に
対応する全ての出力パターンをテーブルとして用意し、
メモリに格納する必要がなく、メモリの容量を節約する
ことができる。
【０００９】次に第２発明では、教師信号格納手段２の
データによりニューラルネットワーク４が学習し、この
結果を全ての４画素領域に対する出力としてテーブルに
し、拡大テーブル格納手段６に格納する。拡大画像構成
手段７は部分領域抽出手段１から４画素領域が入力する
と拡大テーブル格納手段６のテーブルを参照して拡大画
像を構成する。本方法では拡大テーブル格納手段６のテ
ーブルの大きさは従来のものとほぼ同じなのでメモリ容
量の節約にはならないが、第１発明に比べ迅速に出力が
得られる。また、従来は４画素領域に対して補間データ
が欠ける場合もあり、このようなときは統計的に取得し
た入出力関係を用いず別の規則を用いているが（特開平
３−82267 号公報) 、ニューラルネットワーク4 で学習
した結果を用いたテーブルでは学習しなかったパターン
入力に対しては、その入力パターンに似たパターンの学
習結果が反映されるので精度よい出力が得られる。
データによりニューラルネットワーク４が学習し、この
結果を全ての４画素領域に対する出力としてテーブルに
し、拡大テーブル格納手段６に格納する。拡大画像構成
手段７は部分領域抽出手段１から４画素領域が入力する
と拡大テーブル格納手段６のテーブルを参照して拡大画
像を構成する。本方法では拡大テーブル格納手段６のテ
ーブルの大きさは従来のものとほぼ同じなのでメモリ容
量の節約にはならないが、第１発明に比べ迅速に出力が
得られる。また、従来は４画素領域に対して補間データ
が欠ける場合もあり、このようなときは統計的に取得し
た入出力関係を用いず別の規則を用いているが（特開平
３−82267 号公報) 、ニューラルネットワーク4 で学習
した結果を用いたテーブルでは学習しなかったパターン
入力に対しては、その入力パターンに似たパターンの学
習結果が反映されるので精度よい出力が得られる。
【００１０】
【実施例】以下、本発明の実施例を図面を参照して説明
する。図３は本発明の第１実施例の構成を示すブロック
図であり、図４は動作説明図である。部分領域抽出部11
は図４のに示す拡大用低解像度画像データより、注目
画素ｅとこの右隣ｆ、下隣ｇ、斜め下隣ｈの２×２画素
を抽出する。教師信号格納部12は図４のに示す学習用
高解像度画像データを格納する。このデータはに示す
学習用入力データとの教師信号データよりなり、ｉ１
〜ｉ４よりなる２×２画素を２倍に拡大する場合、注目
画素ｉ１をｉ１，Ａ，Ｂ，Ｃの４画素に拡大するもの
で、このＡ，Ｂ，Ｃ画素はｉ１，ｉ２，ｉ３，ｉ４より
なる２×２画素を２倍に拡大したとき滑らかな拡大とな
るよう多くのデータを統計的に処理して定めたものであ
る。
する。図３は本発明の第１実施例の構成を示すブロック
図であり、図４は動作説明図である。部分領域抽出部11
は図４のに示す拡大用低解像度画像データより、注目
画素ｅとこの右隣ｆ、下隣ｇ、斜め下隣ｈの２×２画素
を抽出する。教師信号格納部12は図４のに示す学習用
高解像度画像データを格納する。このデータはに示す
学習用入力データとの教師信号データよりなり、ｉ１
〜ｉ４よりなる２×２画素を２倍に拡大する場合、注目
画素ｉ１をｉ１，Ａ，Ｂ，Ｃの４画素に拡大するもの
で、このＡ，Ｂ，Ｃ画素はｉ１，ｉ２，ｉ３，ｉ４より
なる２×２画素を２倍に拡大したとき滑らかな拡大とな
るよう多くのデータを統計的に処理して定めたものであ
る。
【００１１】入力切替部13はニューラルネットワーク14
が学習する場合の入力と拡大処理をする場合の入力を切
替えるもので、切替えの制御を切替制御部18で行う。ニ
ューラルネットワーク14は入力層、中間層、出力層より
なり、出力層の出力と教師信号の差をフィードバックし
て出力層と中間層の重みを変えてゆくバックプロパゲー
ションモデルを用いる。拡大画像構成部15はニューラル
ネットワーク14より出力される注目画素ｅとこの拡大画
素ａ，ｂ，ｃより拡大画像を構成してゆく。
が学習する場合の入力と拡大処理をする場合の入力を切
替えるもので、切替えの制御を切替制御部18で行う。ニ
ューラルネットワーク14は入力層、中間層、出力層より
なり、出力層の出力と教師信号の差をフィードバックし
て出力層と中間層の重みを変えてゆくバックプロパゲー
ションモデルを用いる。拡大画像構成部15はニューラル
ネットワーク14より出力される注目画素ｅとこの拡大画
素ａ，ｂ，ｃより拡大画像を構成してゆく。
【００１２】図５は学習時におけるニューラルネットワ
ーク14の状態を示す図である。学習時は図４のに示す
学習用入力データを入力し、出力データとに示す教師
信号との差を求め、この差が０となるよう出力層と中間
層間の重み、中間層と入力層間の重みを修正してゆく。
ーク14の状態を示す図である。学習時は図４のに示す
学習用入力データを入力し、出力データとに示す教師
信号との差を求め、この差が０となるよう出力層と中間
層間の重み、中間層と入力層間の重みを修正してゆく。
【００１３】図６は学習の終了したニューラルネットワ
ーク14を用いて注目画素ｅの補間画素ａ，ｂ，ｃを求め
る状態を説明する図である。学習時用いた入力データｉ
１〜ｉ４とｅ，ｆ，ｇ，ｈが必ずしも一致していなくも
ａ，ｂ，ｃは教師信号Ａ，Ｂ，Ｃかまたはこれに近い出
力となる。このため実際の入力画像ｅ，ｆ，ｇ，ｈに完
全に１対１で対応する出力ａ，ｂ，ｃを有するテーブル
を有しなくとも、満足のゆく、つまり滑らかな拡大とな
る補間データを得ることができる。
ーク14を用いて注目画素ｅの補間画素ａ，ｂ，ｃを求め
る状態を説明する図である。学習時用いた入力データｉ
１〜ｉ４とｅ，ｆ，ｇ，ｈが必ずしも一致していなくも
ａ，ｂ，ｃは教師信号Ａ，Ｂ，Ｃかまたはこれに近い出
力となる。このため実際の入力画像ｅ，ｆ，ｇ，ｈに完
全に１対１で対応する出力ａ，ｂ，ｃを有するテーブル
を有しなくとも、満足のゆく、つまり滑らかな拡大とな
る補間データを得ることができる。
【００１４】次に図４を用いて動作を説明する図であ
る。まず、切替制御部18は入力切替部13を切替えて教師
信号格納部12を接続すると共に教師信号がニューラルネ
ットワーク14に入力されるようにする。次にに示す学
習入力データを入力し、出力と教師信号の差をとり、こ
れを０とするようにニューラルネットワークの重みを修
正してゆく。次に入力切替部13を部分領域抽出部11に切
替えると共に教師信号の入力を遮断する。部分領域抽出
部11はに示す拡大用低解像度画像データから注目画素
ｅとこの隣接画素ｆ，ｇ，ｈよりなる２×２画素を抽出
して入力切替部13を介してニューラルネットワーク14に
入力する。ニューラルネットワーク14はに示す補間デ
ータを出力し、拡大画像構成部15はこの補間データによ
りに示すように注目画素ｅをｅ，ａ，ｂ，ｃに拡大す
る。
る。まず、切替制御部18は入力切替部13を切替えて教師
信号格納部12を接続すると共に教師信号がニューラルネ
ットワーク14に入力されるようにする。次にに示す学
習入力データを入力し、出力と教師信号の差をとり、こ
れを０とするようにニューラルネットワークの重みを修
正してゆく。次に入力切替部13を部分領域抽出部11に切
替えると共に教師信号の入力を遮断する。部分領域抽出
部11はに示す拡大用低解像度画像データから注目画素
ｅとこの隣接画素ｆ，ｇ，ｈよりなる２×２画素を抽出
して入力切替部13を介してニューラルネットワーク14に
入力する。ニューラルネットワーク14はに示す補間デ
ータを出力し、拡大画像構成部15はこの補間データによ
りに示すように注目画素ｅをｅ，ａ，ｂ，ｃに拡大す
る。
【００１５】次に第２実施例を説明する。図７は本実施
例の構成を示すブロック図であり、図８は動作を説明す
る図である。図３と同一符号は同一機能を有する部材を
示す。本実施例は、部分領域抽出部11に入力する全ての
画像パターンについてニューラルネットワーク14で学習
を行い、この結果をテーブルにして拡大テーブル格納部
16に格納する。拡大画像構成部17は部分領域抽出部11よ
り入力されたデータに対応する補間データを拡大テーブ
ル格納部16より読み出し拡大画像を構成する。学習制御
部19はニューラルネットワーク14の学習の指示および学
習結果により、拡大テーブル格納部16のテーブルを更新
する。
例の構成を示すブロック図であり、図８は動作を説明す
る図である。図３と同一符号は同一機能を有する部材を
示す。本実施例は、部分領域抽出部11に入力する全ての
画像パターンについてニューラルネットワーク14で学習
を行い、この結果をテーブルにして拡大テーブル格納部
16に格納する。拡大画像構成部17は部分領域抽出部11よ
り入力されたデータに対応する補間データを拡大テーブ
ル格納部16より読み出し拡大画像を構成する。学習制御
部19はニューラルネットワーク14の学習の指示および学
習結果により、拡大テーブル格納部16のテーブルを更新
する。
【００１６】次に動作を図８を用いて説明する。まず、
部分領域抽出部11で拡大用低解像度画像データより
に示すように注目画素ｅとこの右隣ｆ，下隣ｇ，斜下隣
ｈよりなる２×２画素を抽出し出力する。拡大画像構成
部17は、この入力データに対応したに示す補間データ
を拡大テーブル格納部16より検索し、に示すように注
目画素ｅを拡大する。本実施例は第１実施例よりも迅速
に補間データを出力することができるが、拡大テーブル
格納部16に従来程度の大きなテーブルが必要となる。し
かし補間データの精度は作用の項で説明したように向上
している。
部分領域抽出部11で拡大用低解像度画像データより
に示すように注目画素ｅとこの右隣ｆ，下隣ｇ，斜下隣
ｈよりなる２×２画素を抽出し出力する。拡大画像構成
部17は、この入力データに対応したに示す補間データ
を拡大テーブル格納部16より検索し、に示すように注
目画素ｅを拡大する。本実施例は第１実施例よりも迅速
に補間データを出力することができるが、拡大テーブル
格納部16に従来程度の大きなテーブルが必要となる。し
かし補間データの精度は作用の項で説明したように向上
している。
【００１７】上記実施例では、２倍に拡大する例につい
て説明したが、主走査方向をＫ倍、副走査方向をＬ倍に
拡大することは同様にして容易にできる。しかし、倍数
が大きくなるに従いデータは急増し、学習対象が多くな
り学習に時間が多くかかるようになる。
て説明したが、主走査方向をＫ倍、副走査方向をＬ倍に
拡大することは同様にして容易にできる。しかし、倍数
が大きくなるに従いデータは急増し、学習対象が多くな
り学習に時間が多くかかるようになる。
【００１８】
【発明の効果】以上の説明から明らかなように、本発明
は、注目画素の補間データをニューラルネットワークを
用いて作成することにより大容量のメモリを必要としな
くなる。また、この補間データをテーブル形式としてメ
モリに格納することにより補間データを迅速に出力する
ことができる。
は、注目画素の補間データをニューラルネットワークを
用いて作成することにより大容量のメモリを必要としな
くなる。また、この補間データをテーブル形式としてメ
モリに格納することにより補間データを迅速に出力する
ことができる。
【図面の簡単な説明】
【図１】本発明の第１原理図
【図２】本発明の第２原理図
【図３】本発明の第１実施例の構成図
【図４】第１実施例の動作を説明する図
【図５】ニューラルネットワークの学習状態図
【図６】ニューラルネットワークの補間データ算出状態
図
図
【図７】第２実施例の構成図
【図８】第２実施例の動作を説明する図
１１ 部分領域抽出部 １２ 教師信号格納部 １３ 入力切替部 １４ ニューラルネットワーク １５，１７ 拡大画像構成部 １８ 切替制御部 １９ 学習制御部
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平３−82267（ＪＰ，Ａ) 特開 平３−82268（ＪＰ，Ａ) 特開 平５−233791（ＪＰ，Ａ) 特開 平５−303634（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 3/40 H04N 1/393
Claims (2)
- 【請求項１】 注目画素Ｗの右隣画素Ｘ、下隣画素Ｙ、
斜下隣画素Ｚよりなる４画素領域を２値画像より抽出す
る部分領域抽出手段と、注目画素Ｗを主走査方向にＫ
倍、副走査方向にＬ倍拡大し、前記４画像領域の各画素
の値を変えた場合、この拡大した領域の画素が周囲画素
となめらかに接続するような拡大領域の画素を統計的に
調べその結果を教師信号として前記４画素領域に対応し
て格納する教師信号格納手段と、前記部分領域抽出手段
の抽出した４画素領域と前記教師信号格納手段の４画素
領域を切替えて入力する入力切替手段と、この入力切替
手段を入力部とし、前記教師信号格納手段より教師信号
を入力して学習し、この結果により前記部分領域抽出手
段からの入力に対する出力を行うニューラルネットワー
クと、このニューラルネットワークの出力により拡大画
像を構成する拡大画像構成手段とを備えたことを特徴と
する画像補正装置。 - 【請求項２】 注目画素Ｗの右隣画素Ｘ、下隣画素Ｙ、
斜下隣画素Ｚよりなる４画素領域を２値画像より抽出す
る部分領域抽出手段と、注目画素Ｗを主走査方向にＫ
倍、副走査方向にＬ倍拡大し、前記４画像領域の各画素
の値を変えた場合、この拡大した領域の画素が周囲画素
となめらかに接続するような拡大領域の画素を統計的に
調べその結果を教師信号として前記４画素領域に対応し
て格納する教師信号格納手段と、前記教師信号格納手段
より４画素領域とこれに対応する教師信号を入力し、こ
の教師信号により学習するニューラルネットワークと、
このニューラルネットワークの学習結果をこれに対応す
る４画素領域と共に格納する拡大テーブル格納手段と、
前記部分領域抽出手段の４画素領域を入力し、この４画
素領域に対応する前記学習結果を前記拡大テーブル格納
手段より入力して拡大画像を構成する拡大画像構成手段
とを備えたことを特徴とする画像補正装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4167310A JP3061945B2 (ja) | 1992-06-25 | 1992-06-25 | 画像補正装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4167310A JP3061945B2 (ja) | 1992-06-25 | 1992-06-25 | 画像補正装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0612486A JPH0612486A (ja) | 1994-01-21 |
| JP3061945B2 true JP3061945B2 (ja) | 2000-07-10 |
Family
ID=15847380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4167310A Expired - Fee Related JP3061945B2 (ja) | 1992-06-25 | 1992-06-25 | 画像補正装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3061945B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5959598A (en) * | 1995-07-20 | 1999-09-28 | The Regents Of The University Of Colorado | Pixel buffer circuits for implementing improved methods of displaying grey-scale or color images |
| JP3184092B2 (ja) | 1996-05-27 | 2001-07-09 | シャープ株式会社 | 画像処理方法 |
-
1992
- 1992-06-25 JP JP4167310A patent/JP3061945B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0612486A (ja) | 1994-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3184092B2 (ja) | 画像処理方法 | |
| JPH10243407A (ja) | 画像信号処理装置及び画像入力処理装置 | |
| US4947260A (en) | Method and apparatus for generating composite images | |
| US5619634A (en) | Color image processing method for processing input image data in accordance with input character data | |
| US6201613B1 (en) | Automatic image enhancement of halftone and continuous tone images | |
| US5680225A (en) | Image reduction with fine-line protection | |
| JPH0823437A (ja) | 画像処理方法及び装置 | |
| US5461702A (en) | Method of and an apparatus for processing image data | |
| JP3061945B2 (ja) | 画像補正装置 | |
| JPH06245056A (ja) | 画像データの拡大・平滑化処理装置 | |
| JP2000270208A (ja) | 画像処理装置及び画像処理方法 | |
| JPH0652304A (ja) | 画像処理装置及びその方法 | |
| US5786802A (en) | Circuit and method for vertically expanding a display image | |
| JPH08107494A (ja) | 画像形成装置 | |
| JP2885996B2 (ja) | 画像処理方法及び装置 | |
| JP2625045B2 (ja) | 画像処理装置 | |
| JP2949587B2 (ja) | 画素密度変換装置 | |
| JP2641432B2 (ja) | インタフエース装置 | |
| JP3054315B2 (ja) | 画像処理方法及びその装置 | |
| JP2903175B2 (ja) | 画像処理装置 | |
| JPH08102850A (ja) | 画像処理装置 | |
| JPH0690500B2 (ja) | 印刷製版用レイアウト装置 | |
| JPH0589238A (ja) | 画像処理装置、画像縮小方法、及び画像処理方法 | |
| JPS6359674A (ja) | 画像処理方法 | |
| JPH06311351A (ja) | 画像処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080428 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090428 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090428 Year of fee payment: 9 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090428 Year of fee payment: 9 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |