JP3524250B2 - デジタル画像処理プロセッサ - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は入力画像データに対
しデジタル画像処理を実行するデジタル画像処理プロセ
ッサに関し、特に離散時間型セルラーニューラルネット
（ＤＴＣＮＮ）を基本とし、デジタルのセルラーニュー
ラルネット（ＣＮＮ）を構成し、入力画像データに対し
種々の画像処理を実行可能なデジタル画像処理プロセッ
サに関する。

【０００２】

【従来の技術】自然画像のようなアナログ信号からデジ
タル中間調画像のようなデジタル信号への変換は、通
常、時間方向（ｓａｍｐｌｉｎｇ）と、大きさ方向（ｑ
ｕａｎ−ｔｉｚａｔｉｏｎ）の離散化により行なわれ、
これらの処理により、情報が失われる。しかし、自然画
像は低域周波数成分を多く含み、時空間の近傍で相関が
強いことに着目すれば、低ビット量子化画像処理により
自然画像に近いデジタル中間画像を形成することができ
る。低ビット量子化画像処理は、アナログ自然画像また
はアナログ自然画像の各濃淡値を独立に高ビットＡＤ変
換器でＡＤ変換して得られる高ビット量子化画像から、
時空間の近傍領域の情報を利用して、より低いビットで
表現されるデジタル中間調画像を形成する処理である。

【０００３】疑似的なデジタル中間調画像を形成するた
めに面積階調法が従来から使われてきた。面積階調法
は、黒白の２値表示のプリンタやディスプレイで濃淡画
像を再現するために、近傍画像内の黒の割合を変化させ
て階調を再現させる方法で、原画像の濃淡ｕ（ｘ，ｙ）
を一定の規則により算出された閾値Ｔと比較するディザ
法、入力濃淡画像値と出力中間調画像との誤差を走査さ
れていない画素に拡散する外挿的誤差拡散法（一般的な
誤差拡散法）などが実用的に使用されている。

【０００４】今、画素のそれぞれの位置で、その画素を
中心とする近傍画素の各濃淡値に適当な重み値を掛け
て、近傍領域における加重和を出力するフィルタリング
操作において、その重み値を要素とする行列を空間フィ
ルタという。画素の点（ｉ，ｊ）の近傍Ｎ_r （ｉ，ｊ）
に属する点（ｋ，ｌ）の処理部Ｎ（ｋ，ｌ）（以後、セ
ルという）にある画像入力ｕ_kl（ｔ）によってもたらさ
れる点（ｉ，ｊ）の反応は、

【０００５】

【外１】 と表現される。これは、ｕ_kl（ｔ）によるｗ（ｉ，ｊ；
ｋ，ｌ）のたたみ込みあるいは、近傍画像領域における
重み値ｗと変数ｕとの積和演算といい、Ｒ_ij（ｔ）＝
（ｗ＊ｕ）_ijと略記する。

【０００６】ディザ法は、単位関数Ｕ

【０００７】

【外２】 で表現される。

【０００８】外挿的誤差拡散法は、ラスタ走査の（ｉ，
ｊ）番目における入力ｕ_ij（ｔ）、出力ｙ（ｔ）＝Ｓ_ij
（ｔ）に対する非線形な再帰的システムでその方程式
は、次のように与えられる。

【０００９】

【外３】 ここで、外挿条件としてｋ＜ｉ，ｊ＜ｉ ｆｏｒ ｋ＝
ｉがある。また、ｇ（ｘ）＝Ｓ（ｘ）−ｘであり、ｙ＝
Ｓ（ｘ）は、２値化の場合には、符号関数、

【００１０】

【外４】 となる。また、重みｗ_k は、重み値であり、以降の量子
化に影響を与えるパラメータであって、量子化誤差の伝
播、あるいは、拡散の仕方を決定している。重みｗ_k
は、負で、その総和が−１でなければならない。

【００１１】濃度パターン法やディザ法では、アナログ
自然画像に近い中間調画像を得るためには、画素あたり
のビット数をかなり多くしなくてはならないという問題
があった。一方、デジタル画像の２値化における誤差拡
散法は、密にサンプリングされた文字画像など、細かい
エッジを含む画像にぼけが生じるという問題があり、さ
らに、画素あたりのビット数を増やすと、ある近傍のみ
全く変化のない疑似輪郭が生じるという問題があった。
この問題は、誤差拡散法が一方向に走査されることによ
るものである。

【００１２】画像の量子化処理は、サンプリングレー
ト、量子化ステップサイズ、量子化歪みとのトレードオ
フの関係であり、そのため、デジタル中間調画像が入力
の濃淡画像に近くなるように量子化する一種の最適化問
題であることに注目して、この最適化問題を解くパラレ
ルアナログニューラルネットが提案されている。

【００１３】その一つが、アナログ対称誤差拡散ニュー
ラルネットである。この非線形なダイナミクスは、ｋ＜
ｉ，ｊ＜ｉ ｆｏｒ ｋ＝ｉという外挿条件を除去すれ
ば、後述する数３４と同じ式により記述され、ハードウ
ェアは、アナログニューラルネットで構成されている。
この場合、各画素の量子化誤差は、周りの２次元の近傍
系にアナログ的に拡散される。

【００１４】また、セルラーニューラルネット（Ｃｅｌ
ｌｕｌａｒ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＣＮ
Ｎ））と呼ばれるアナログ方式も提案されている。これ
は、セルと呼ばれるセルが規則正しく局所的に接続され
た非線形なアナログ回路を用いる方法である。各セル
は、コンデンサ、抵抗および区分線形セルから構成され
る。ＣＮＮは、連続時間で並列にアナログ処理するた
め、デジタル処理ではむつかしいとされるリアルタイム
信号処理系を実現できる可能性がある。更に、アナログ
処理においては高度なＡＤ変換器の逐次動作を使用せず
に、複数セルのダイナミックな量子化動作でデジタル情
報に並列に変換し、並列に記憶または伝送する技術を確
立することができる。ＣＮＮによるアナログ処理の利点
は、センサーとの結合性がよいこと、電圧や電流の分布
が高速であり、全体の情報を即座に得ることができるこ
と、積和の演算は、電流和で並列処理的に簡単に形成で
きることである。ＣＮＮ内のセルは、近傍セルとのみ接
続しているが、直接、相互に接続していないセルとも、
ダイナミクスによる伝搬の影響のために間接的には相互
に影響を及ぼし合うことになる。一般に、Ｍ×ＮのＣＮ
Ｎは、Ｍ行Ｎ列に配列されたＭ×Ｎ個のセルをもってい
る。ｉ行ｊ列目のセルをＣ（ｉ，ｊ）とする。セルＣ
（ｉ，ｊ）のｒ−近傍系を次式で定義する。

【００１５】 Ｎ_r（ｉ，ｊ）＝｛Ｃ（ｋ，ｌ）｜ｍａｘ｛｜ｋ−ｉ｜；｜ｌ−ｊ｜｝ ＜ｒ，１＜ｋ＜Ｍ；１＜ｌ＜Ｎ｝ 数５ ここで、ｒは、正の整数である。一般に、ｒ＝１の近傍
系を”３×３近傍系”といい、ｒ＝２のものを、”５×
５近傍系”、ｒ＝３のものを、”７×７近傍系”とい
う。この近傍系は、対称性により、すべてのＣ（ｉ，
ｊ）とＣ（ｋ，ｌ）では、Ｃ（ｉ，ｊ）∈Ｎ_r （ｋ，
ｌ）ならば、Ｃ（ｋ，ｌ）∈Ｎ_r （ｉ，ｊ）となってい
る。各セルは、コンデンサ、抵抗および区分線形な非線
形素子から構成される。セルＣ（ｉ，ｊ）の状態方程式
は、状態変数ｘ_ij、入力変数ｕ_kl、出力変数ｙ_ij、オフ
セットＩ、コンデンサＣ、抵抗Ｒ_x 、そして、画像１＜
ｉ＜Ｍ；１＜ｊ＜Ｎに対して、次のように表現される。
状態方程式

【００１６】

【外５】 出力

【００１７】

【外６】 ｜ｘ_ij（０）｜＜１， 数８ ｜ｕ_ij｜＜１， 数９ パラメータを以下のように仮定する Ａ（ｉ，ｊ；ｋ，ｌ）＝Ａ（ｋ，ｌ；ｉ，ｊ）， 数１０ Ｃ＞０，Ｒ_x ＞０． 数１１ ＣＮＮ内のすべてのセルは、同じ回路構造と要素値を持
っている。近傍のセルの数は（２ｒ＋１）² である。Ｃ
ＮＮのダイナミクスは、出力フィードバックと入力フィ
ードフォワードの両方のメカニズムを持っている。前者
はＡ−テンプレートＡ（ｉ，ｊ；ｋ，ｌ）に依存し、後
者はＢ−のテンプレートＢ（ｉ，ｊ；ｋ，ｌ）に依存す
る。これらのテンプレートはプログラム可能なパラメー
タである。ＣＮＮでは、セルのすべての定常状態の出力
が±１と一定とするために、次の定理が使われる。

【００１８】Ａ−テンプレートの中心の回路パラメータ
Ａ（ｉ，ｊ；ｉ，ｊ）が、 Ａ（ｉ，ｊ；ｉ，ｊ）＞１／Ｒ_x 数１２ 満足するならば、セルは１つの安定した平衡点に収束す
る。そして、次式が成立する。

【００１９】

【外７】 この定理は、画像の２値化を可能とする。これがアナロ
グによる誤差最小化ダイナミクス法である。

【００２０】

【発明が解決しようとする課題】従来のアナログ対称誤
差拡散ニューラルネットとアナログＣＮＮの問題は、ア
ナログの原理と理論が論文として先行しているだけで、
大きな画像処理を行なうアナログチップを構成できない
という問題があった。ＣＮＮがたとえ近傍接続を前提と
していても、セルを画素の数だけセルを配置して画像全
体で複数の近傍接続を行なうことになり、配線がチップ
のシリコン領域のほとんどの面積を占めることになる。
しかし、現実では、画素のすべてにセルが配置された大
規模なアナログニューラルネットはＬＳＩとして構成で
きず、できたとしても、コストが高くなり、実用的でな
いという問題があった。

【００２１】又、前述したテンプレートの値を変更する
場合には回路を設計し直さなければならず、汎用性に欠
ける欠点があった。

【００２２】また、ＣＮＮによる画像処理技術を強誘電
性液晶ディスプレイ（ＦＬＣＤ）のような表示デバイス
に応用した場合、すなわち、ＣＮＮで２値化又は多値化
し処理された動画像をこのようなＦＬＣＤに表示する場
合には、動画像の静止領域においては、多値化により出
力される画素レベルが常に変化すると、ディスプレイに
ちらつき（フリッカ）が生じるという問題があった。

【００２３】本発明は上述した従来技術の欠点を除去す
るものであり、ニューラルネットをデジタル回路で構成
したことにより、汎用性、制御容易性、集積化容易性に
優れたデジタル画像処理プロセッサの提供を目的とす
る。又、テンプレートの選択によって、１つのニューラ
ルネット回路で複数の画像処理を実行できるデジタル画
像処理プロセッサの提供を目的とする。又、ニューラル
ネットのパイプライン処理化を実現でき、高画質高画像
を高速に得ることができる。デジタル画像処理プロセッ
サの提供を目的とする。又、ニューラルネットの演算に
状態値と状態重み値との積和を考慮することにより、入
力画像にほぼ忠実な低ビット量子化画像を得ることがで
きる。デジタル画像処理プロセッサの提供を目的とす
る。又、ニューラルネットの演算に１フレーム前の画像
出力値と状態重み値との積和を考慮することにより、入
力動画像に忠実な低ビット量子化動画像を得ることがで
きるとともに、動画の背景にちらつきの無い高画質な動
画像を得ることができるデジタル画像処理プロセッサの
提供を目的とする。

【００２４】

【課題を解決するための手段】上述した目的を達成する
ため、本発明は、入力画像データを処理する画像処理プ
ロセッサであって、所定領域内の複数画素の入力データ
と入力重み値との積和をデジタル演算する第１の積和演
算手段と、所定領域内の複数画素の出力画像データと第
１の出力重み値との積和をデジタル演算する第２の積和
演算手段と、前フレーム画像の出力値データと第２の出
力重み値との積和をデジタル演算する第３の積和演算手
段と、前記第１、第２及び第３の積和演算手段からの演
算結果と非線形特性パラメータに従って出力画像データ
を決定する非線形作用手段と、を有し、前記入力重み
値、前記第１の出力重み値、前記第２の出力重み値及び
非線形特性パラメータは、処理後の画像を評価するため
の歪み関数と、ニューラルネットワークのエネルギー関
数との間で係数を比較することにより決定された値であ
ることを特徴とする。

【００２５】

【００２６】

【００２７】

【００２８】

【発明の実施の形態】以下、本発明の実施の形態を詳細
に説明する。まず、本実施の形態における原理説明を行
なう。

【００２９】濃淡画像の二値化は、２値表示のプリンタ
やディスプレイでは、極めて重要な処理であり、入力濃
淡画素値を閾値と単純に比較する単純２値化では、文字
画像やエッジ画像を表現する場合には適するが、自然画
像を表現するには適さない。そのため、自然画像では、
時空間の近傍で相関が強いことを利用して、近傍画像内
の黒の割合を変化させて階調を再現する誤差拡散法など
の面積階調法が使われてきたが、これらは、ラスタスキ
ャン走査に従って各画素の出力低ビット中間調画像が陽
的に決定される外挿的画像処理であって、高速な単純動
作となる特徴がある反面エッジの保存性が悪い等との画
質問題も指摘されている。そのため、従来の面積階調法
に代わる新しい量子化処理法を見い出すことも重要視さ
れている。ここで陽的な外挿的画像処理とは従来よりデ
ィサ法、誤差拡散法の如く入力データに対し一度の閾値
処理で出力データを決定する処理である。

【００３０】一般に、アナログ信号からデジタル信号へ
の変換は、通常、時間方向（ｓａｍｐｌｉｎｇ）と大き
さ方向（ｑｕａｎｔｉｚａｔｉｏｎ）の離散化により行
なわれる。これら両方の処理により、情報はかなり失わ
れる。時間方向の離散化は、サンプリングにより行なわ
れ、ナイキスト周波数を越える周波数成分の消失を生じ
る。また、大きさ方向の離散化は、各サンプルｘの大き
さを無記憶な非線形関数ｙ＝ｆ（ｘ）を用いて行なわれ
る。ｙ＝ｆ（ｘ）は、２値以上の多値化であれば、量子
化レベル数だけのレベルが階段上になっている。量子化
レベル数が低ければ、一般に、階調情報が消失する。従
って、デジタル中間調表現の正確さは、連続値と離散値
との間の誤差（歪み）により評価しなくてはならない。

【００３１】画像信号の量子化処理は、一つの最適化問
題であると考えるべきである。今、画像の大きさを、簡
単のため、一次元とする。サンプリングされたアナログ
信号ｕ_i，ｉ＝１，…，Ｎは、不連続値の信号ｙ_i，ｉ＝
１，…，Ｎに近似される。ｕとｙは、それぞれ入力と出
力の信号を表すＮ次元のベクトルである。信号ｕが与え
られた時、あらかじめ与えられた量子化レベルの中から
歪関数ｄ（ｕ，ｙ）が最小化されようにレベル選択され
なくてはならない。

【００３２】量子化ステップサイズΔがΔ→０とすれ
ば、完全な復号（ｙ→ｕ）が可能となるが、なるべく、
誤差が小さく、しかも、大きな量子化ステップサイズΔ
が得られることが望まれる。もし、歪関数を平均自乗誤
差（ｍｅａｎ ｓｑｕａｒｅｄｅｒｒｏｒ ＭＳＥ）で
あるとすると、

【００３３】

【外８】 となる。最適な量子化を行なうためには、平均自乗誤差
を最小化し、各サンプルｕ_iに最も近い量子化レベル
で、しかも、できるかぎりレベル数が小さくなるように
設計しなくてはならない。しかし、一般的には、最適な
量子化信号ｙ_iは、歪関数ｄ（ｕ，ｙ）の選択に依存す
る。しかも、量子化は必然的に歪みを生じるので、歪関
数ｄ（ｕ，ｙ）の選択は、人間の視覚の機構に合わせる
必要がある。すなわち、低ビット中間調画像を得る量子
化処理は、人間の知覚フィルタを通った多値化画像と原
画像の間の誤差が最小化されるように行なわれる。知覚
フィルタは、人間の視覚における周波数伝達特性（ＭＴ
Ｆ）から求められる。人間の視覚における感度は、時間
的あるいは、空間的に高い周波数に近づくくにしたがっ
て、漸近的に０に近づくことを表現している。ＭＴＦに
ついては次のような近似式で与えられる。

【００３４】

【外９】 ＭＴＦは視野角１度につ８周期の時ピークとなる帯域通
過フィルタである。ＭＴＦにおける低域周波数特性のゲ
インをある程度見込めば、人間の知覚フィルタはガウス
分布に非常に似通っていることがわかる。そこで、フィ
ルタの扱い易さを考えて、本実施の形態では、人間の知
覚フィルタをガウス分布と仮定する。

【００３５】現在、ＣＲＴにかわる画像表示装置とし
て、液晶ディスプレイが広く普及している。液晶ディス
プレイは、ＣＲＴに比べて、薄くすることができ、消費
電力を少なくすることができる。その中で、最近研究が
進められている手法としては、強誘電性液晶ディスプレ
イ（ＦＬＣＤ）が注目されている。ＦＬＣＤは応答が早
く、大面積のパネルを安く作れることなどの優れた特徴
がある。ＦＬＣＤは、原理的に２つの分子配向により、
明暗の２状態のみを使って、各出力画素を構成する。こ
れにより、カラー階調を表現するためにはＲＧＢビット
のそれぞれの面積率で各出力画素値を再現する必要があ
る。したがって、表示可能な色数が限定される。この場
合、ディスプレイに表現できる限定色は、ＲＧＢ色空間
を均等分割した代表色となる。このようなＦＬＣＤに画
像を表示する際には、原画像の各画素値を単純量子化し
てしまうと、ディスプレイの表示可能色数が少ないため
に、表示される画像が悪くなる。そのため、原画像に対
して、このディスプレイに表示するのに適した量子化変
換を行なう必要がある。この量子化変換は、ある近傍領
域内での量子化された画素値の割合を変化させて、階調
を表現するものである。つまり、ある近傍内での量子化
された画素値の重み付き総和が原画像の画素値に等しく
なるようにすれば、これを限定色表示ディスプレイに表
示しても、人間の視覚フィルタにより原画像に近い画像
を人間が知覚することができる。この量子化変換を行な
うのに、従来、ディザ法や、誤差拡散法が用いられてき
た。

【００３６】〔第１の実施の形態〕図１は本第１の実施
の形態におけるＤＴＣＮＮを用いた画像処理（２値ｏｒ
多値化処理）の概念を説明するための図である。第１の
実施の形態においては静止画像を対象としＤＴＣＮＮに
よる画像処理を説明する。

【００３７】図１においては、入力画像の３×３近傍画
像領域における入力濃淡画像と人力重み値との積和ΣＢ
ｉｊｍｎＵｍｎと出力画像の３×３近傍画像領域におけ
る出力低ビット画像値と出力重み値との積和ΣＡｉｊｍ
ｎＹｍｎを加算し、これを非線形出力関数ｆ（ｘ）によ
り、出力データに変換する。

【００３８】入力画像は、例えば、画素８ビット以上の
高ビット濃淡画像とする。

【００３９】図１は本実施の形態の基本的な概念を示し
たものであるが、本実施の形態では最終的には以下に示
す数１７，１８，１９（数１９は２値化の際用いられる
もの）に示す式に従って画像処理を実行する。

【００４０】画像がＭ×Ｎの画素から構成されていると
き、本実施の形態の実際のハードウェアでは、セルの個
数は、１または、画素数よりかなり少ない数で時分割処
理するが、仮想的には、Ｍ×Ｎ個のセルがあり、それら
によってグリッド平面上に仮想的に配置される。そして
その仮想的な各セルは次の式にしたがって動作する。

【００４１】

【外１０】 Ｙ_ij（ｔ＋１）＝ｆ（Ｘ_ij（ｔ＋１）） 数１８

【００４２】ここで、Ｘ_ijはセルＣ（ｉ，ｊ）の状態変
数、Ｕ_ijはセルＣ（ｉ，ｊ）の入力変数、Ｙ_ijはセルＣ
（ｉ，ｊ）の出力変数、Ｔ_ijはセルＣ（ｉ，ｊ）の閾値
定数である。非線形出力関数ｆ（ｘ）は、一般には、多
値化関数であるが、画像の２値化では、次のような符号
関数で表現される。

【００４３】

【外１１】

【００４４】ここで数１７は、近傍画像領域における入
力重み値と入力濃淡画像との積和とオフセットとの和

【００４５】

【外１２】 を入力または計算する第１の積和演算部と、近傍画像領
域における出力重み値と時空的にすでに決められている
出力低ビット中間調画像値との積和

【００４６】

【外１３】 の演算を実行する第２の積和演算部と、近傍画像領域に
おける状態重み値と時空的にすでに決められている前状
態値との積和

【００４７】

【外１４】 を計算する第３の積和演算部と、第１の積和演算部、第
２の積和演算部、第３の積和演算部に接続され、前記各
積和演算部の積和を加えることによって現状態値ｘ
_ij（ｔ＋１）を計算する状態計算部とを表わしている。
数１９は前記状態計算部に接続され、現状態値に非線形
を作用して各画素の現出力低ビット中間調画像値を決定
する非線形作用部ｆ（ｘ）を表わしている。これら式に
おいて、近傍画像領域における入力重み値、出力重み
値、オフセット、状態重み値、および非線形作用部の非
線形特性のパラメータ選択によって希望した一連の画像
処理を選択的に実行することもできる。すなわち、近傍
画像領域におけるテンプレートＡ（ｉ，ｊ；ｋ，ｌ），
Ｂ（ｉ，ｊ；ｋ，ｌ），Ｃ（ｉ，ｊ；ｋ，ｌ）とオフセ
ットＴ_ijのパラメータを選択する極めて簡単な処理によ
って、ラスタスキャン走査に従って各画素の出力低ビッ
ト中間調画像を陽的に決定する外挿的画像処理と、各画
素の出力低ビット中間調画像が初期値からダイナミック
に変化し、ある値になったときの出力低ビット中間調画
像を陰的に決定する内挿的画像処理との両方をユニバー
サルに選択できる。

【００４８】ここで陽的な外挿的画像処理とは従来より
一般的に知られているディザ法、誤差拡散法の如く、入
力データに対し一度の閾値処理で出力データと決定する
処理である。又、陰的な内挿的画像処理とは出力低ビッ
ト中間調画像の値を変化させ、その都度数１７，１８，
１９に基づく演算を行なう処理を理想的な画像が得られ
るまで、即ち、入力濃淡画像に比較的忠実な低ビット中
間調画像が得られるまで繰り返し実行する処理である。

【００４９】従って、内挿的誤差拡散法による処理結果
は従来の外挿的な誤差拡散法で問題となっていた独特な
縞パターン及び疑似輪郭、更には画像のハイライト部に
おける粒状性のノイズの発生を防止でき、入力画像に忠
実な出力画像を得ることができる。

【００５０】そして、本実施の形態においては、外挿的
画像処理と内挿的画像処理とテンプレートの選択によっ
てセレクトできる。

【００５１】特に、外挿的画像処理におけるディザ法で
は、テンプレートＡ（ｉ，ｊ；ｋ，ｌ）＝０，Ｃ（ｉ，
ｊ；ｋ，ｌ）＝０でＢ（ｉ，ｊ；ｋ，ｌ）のみを使い、
外挿的誤差拡散法では、テンプレートＡ（ｉ，ｊ；ｋ，
ｌ），Ｂ（ｉ，ｊ；ｋ，ｌ），Ｃ（ｉ，ｊ；ｋ，ｌ）＝
−Ａ（ｉ，ｊ；ｋ，ｌ）と設定する。この場合、テンプ
レートには、ラスタスキャン走査に従って各画素の出力
低ビット中間調画像が陽的に決定されるように走査され
た部分に対応する要素のみを含むようにする。また、内
挿的誤差拡散法を決めるテンプレートＡ（ｉ，ｊ；ｋ，
ｌ），Ｂ（ｉ，ｊ；ｋ，ｌ），Ｃ（ｉ，ｊ；ｋ，ｌ）＝
−Ａ（ｉ，ｊ；ｋ，ｌ）には、各画素の出力低ビット中
間調画像が陰的に決定されるように、まだ、走査されて
いない（まだ出力値を決定していない）部分に対応する
要素も含むようにする。また、誤差最少化ダイナミクス
法による低ビット量子化画像処理をおこなう場合には、
Ｃ（ｉ，ｊ；ｋ，ｌ）＝０としＡ（ｉ，ｊ；ｋ，ｌ），
Ｂ（ｉ，ｊ；ｋ，ｌ）を使い、テンプレートＡ（ｉ，
ｊ；ｋ，ｌ）には、各画素の出力低ビット中間調画像が
陰的に決定されるように、まだ、走査されていない（ま
だ出力値を決定していない）部分に対応する要素も含む
ようにする。

【００５２】さらに、本実施の形態では、陰的に決定す
る内挿的画像処理を実行する場合、汎用デジタル画像処
理プロセッサ内部で最新に更新した出力低ビット中間調
画像を隣接する他の汎用デジタル画像処理プロセッサに
伝送し、その汎用デジタル画像処理プロセッサの注目画
素処理部（セル）が受信した更新出力低ビット中間調画
像を近接領域からの情報と見なし、それと出力重み値と
の積和演算を実行するパイプライン手段で内挿的画像処
理を高速化する。

【００５３】まず、Ｃ（ｉ，ｊ；ｋ，ｌ）を用いること
なく、Ａ（ｉ，ｊ；ｋ，ｌ），Ｂ（ｉ，ｊ；ｋ，ｌ）を
使って低ビット量子化画像処理を実行する例を説明す
る。この場合、仮想的な各セルの動作を簡単に次式で表
現する。

【００５４】

【外１５】

【００５５】ここで、Ａ（ｉ，ｊ；ｋ，ｌ），Ｂ（ｉ，
ｊ；ｋ，ｌ）は目的とする画像処理によってプログラム
可能な（ｋ，ｌ）から（ｉ，ｊ）への重みである。ま
た、ｙ_ij，ｕ_ijはセル（ｉ，ｊ）の出力および入力であ
る。この数２０のＤＴＣＮＮは、近傍画像領域における
入力重み値と入力濃淡画像との積和のＢ（ｉ，ｊ；ｋ，
ｌ）ｕ_klを少なくとも入力または計算する第１の積和演
算部と、近傍画像領域における入力重み値と時空的にす
でに決められている出力低ビット中間調画像値との積和
Ａ（ｉ，ｊ；ｋ，ｌ）ｙ_kl（ｔ）の演算を実行する第２
の積和演算部、第１と第２の積和演算部に接続され、各
画素の現時刻の出力低ビット中間調画像値を決定する非
線形作用部ｆ（ｘ_ij）とを含み、近傍画像領域における
前記入力重み値、出力重み値、および前記非線形作用部
の非線形特性のパラメータ選択によって希望した一連の
画像処理を選択的に実行することができる。このＤＴＣ
ＮＮでは、セルの出力の非線形関数に符号関数、あるい
は、単位関数を使えば、出力は２値に限定され、この場
合には、Ａ（ｉ，ｊ；ｋ，ｌ）ｙ_kl（ｔ）とＢ（ｉ，
ｊ；ｋ，ｌ）ｕ_klを比較する比較器を基本として構成さ
れる。一般的には、非線形作用部は、出力関数を階段状
関数に拡張することで、出力を多値にすることで可能
で、量子化ステップサイズを可変的に変更できるよう
に、非線形特性を格納するＲＡＭ、ＲＯＭまたＰＬＡを
基本として構成される。また、安定化のため自己フィー
ドバックが零、すなわち、要素Ａ（ｉ，ｊ：ｉ，ｊ）＝
０として、しかも各セルは非同期に動作させるほうがよ
いが、これは、必ずしも必須な条件ではなく、時には、
零でないＡ（ｉ，ｊ：ｉ，ｊ）を使ったり、すべてのセ
ルを。同期で動かすことにしてもよい。

【００５６】次に、図面を参照し、本第１の実施の形態
の具体的な構成を説明する。

【００５７】図２は、本実施の形態のデジタル画像処理
プロセッサを内蔵した表示システムの構成を示したブロ
ック図である。

【００５８】図２においては、１は１画素複数ビットか
らなる濃淡画像を入力する画像入力部である。これは例
えばカメラ、スキャナ、コンピュータによって構成され
る。２は入力フレームバッファで少なくとも複数ライン
分の画像データを一時格納する。３は画像処理部で１画
素複数ビットからなる多値レベルの濃淡画像データを、
それよりも小さいレベル（ビット）数の画像データに量
子化処理する。この画像処理部では前述したテンプレー
ト、非線形特性の選択によって、複数の画像処理の中か
ら所望の画像処理を選択することができる。４は、量子
化処理された出力データを格納する出力フレームバッフ
ァである。５は強誘電性液晶表示器（ＦＬＣＤ）であ
る。６は入力フレームバッファ２、画像処理部３、出力
フレームバッファに接続され、データ転送のアドレス制
御、画像処理の制御を行なうＣＰＵである。ＣＰＵ６に
は制御プログラムを格納したＲＯＭ、ワークエリアとし
てのＲＡＭが備えられている。７は画像処理部３で実行
される画像処理をオペレータが任意に選択する画像処理
選択部で、この選択部７からの選択に応じて、ＣＰＵ６
は画像処理部３で用いられるテンプレート非線形特性を
画像処理部３へ指示する。又、後述する図１０のプロセ
ッサエレントではオフセットの選択も可能であり、この
場合、選択部７はオフセット値も選択可能である。

【００５９】図３は画像処理部３を詳細に示したもの
で、画像処理部３はプロセッサエレエント（ＰＥ）５１
〜５３、ゲートウェイプロセッサ（ＧＥ）より構成され
ている。ＰＥ５１、５２、５３はそれぞれ同一の構成の
プロセッサでパイプライン接続されており、それぞれ入
力画像の異なる位置を処理する。

【００６０】図４は、プロセッサエレメントＰＥの詳細
を示したブロック図であり、ＰＥ５１、５２、５３はそ
れぞれ図４のハードウェアで構成されている。ここでは
１つのＰＥを１００として示した。ＰＥ１００は入力フ
レームバッファから送られてきた複数画素によって構成
される近傍画像領域における濃淡画像を格納するメモリ
３０、近傍画像領域における各重み値を格納するメモリ
２８、近傍画像領域における出力低ビット中間調画像を
格納するメモリ３１及び出力特性を格納するメモリ２９
と、そのメモリ２８、２９、３０、３１をアクセスする
アドレス値を計算するアドレス計算部４１がある。アド
レス計算部４１はＡＬＵ４２、ＮＰＣレジスタ４３、Ｐ
Ｃレジスタ４４から成る。

【００６１】ここでは、各メモリ２８、２９、３０、３
１は、プロセッサの内部にあるが、外部にしてもよい。

【００６２】メモリ２８、２９にはそれぞれ複数の重み
値が格納されており、ＣＰＵ６からの画像処理の種類の
異常を示すコマンドに従って、重み値を選択する。

【００６３】更にプロセッサ１００は近傍画像領域にお
ける入力重み値を格納するメモリ２８内のデータと入力
濃淡画像を格納するメモリ３０との内のデータとの積和
Ｂ（ｉ，ｊ；ｋ，ｌ）ｕ_klを計算する第１の積和演算部
１１を備え、この第１の積和演算部１１はかけ算器１３
と累算器１４レジスタ１５、１６より構成される。レジ
スタ１５、１６はそれぞれメモリ２８、３０からフェッ
チされた入力濃淡画像Ｕ_klと重み値Ｂ（ｉ，ｊ；ｋ，
ｌ）をそれぞれラッチする又、累積器１４は足し算器１
７、ＡＣＣレジスタ１８より構成される。

【００６４】更にプロセッサ１００は出力重み値を格納
するメモリ２９内のデータとメモリ３１内の出力中間調
画像値との積和Ａ（ｉ，ｊ；ｋ，ｌ）ｙｋｌ（ｔ）を実
行する第２の積和演算器１２を備え、この第２の積和演
算器１２はかけ算器１９と累算器２０、レジスタ２１，
２２によって構成される。

【００６５】レジスタ２２、レジスタ２１の各レジスタ
は、それぞれメモリ３１、メモリ２９からフェッチされ
た出力中間調画像Ｙ_kl（ｔ）と重み値Ａ（ｉ，ｊ；ｋ，
ｌ）をそれぞれラッチするためレジスタである。また、
累積器２０は足し算器２３とＡＣＣレジスタ２４より構
成される。

【００６６】また、プロセッサ１００の内部には、レジ
スタとしてレジスタ１８、２４、２７、４３、４４があ
り、各レジスタの役割は次のようになる。

【００６７】ＰＣレジスタ４４は処理対象ピクセルのア
ドレスを格納する。そして、ＮＰＣレジスタ４３は近傍
系の画像位置を格納する。

【００６８】このＮＰＣ４３に格納される値は、例え
ば、処理に用いる近傍系を最大で７×７のサイズを想定
すれば、図７のように、（−３，−３）から（３，３）
間の値を格納し、そのために、それらの値を更新できる
ようなインクリメンタを内蔵している。

【００６９】近傍系における重み値と低ビット出力中間
調画像との積和演算を行なう際に、このＮＰＣレジスタ
４３とＰＣレジスタ４４の値から近傍画素のアドレスを
計算しその画素値をフェッチする。

【００７０】ＡＣＣレジスタ１８は、第１の積和演算部
における、注目画素及びその近傍系の積和演算結果を累
算するレジスタである。

【００７１】また、ＡＣＣレジスタ２４は、第２の積和
演算部門における注目画素の近傍系に関する積和演算結
果をアキュームレート（累算）するレジスタである。

【００７２】セル動作の積和演算はこれらのレジスタ１
５、１６、１８、２１、２２、２４、４３、４４の値を
用いて行なわれる。

【００７３】よって、積和演算の段階ではデータフェッ
チと積和演算の２段のパイプラインステージを形成す
る。

【００７４】レジスタ２７とＮ−ＡＤＲＳレジスタ４５
は後述するパイプライン処理に必要となるもので、プロ
セッサ間でのデータのやりとりを可能にする。すなわ
ち、それらは、最後に計算を行なった出力値（Ｐ−ＲＥ
Ｇ）を保持するレジスタ２７、および、その結果をメモ
リに書き込んだときに使用されたアドレス（Ｎ−ＡＤＲ
Ｓを保持するレジスタ４５である。

【００７５】例えば、出力低ビット中間調画像値の出力
低ビットが２ビットとする場合には、重みが７ビット＋
符号１ビット、出力は符号なし２ビットとすればよい。
このとき、乗数が２ビットであるため、加算器のアレイ
を構成して積和演算を行なうこともできる。

【００７６】アドレス計算部４１はＮＰＣレジスタ４３
とＰＣレジスタ４４からアドレスを計算するユニットで
ある。

【００７７】実行する命令は以下の通りである。

【００７８】ＮＰＣで指定された近傍のアドレスを求め
る：ｎｅｉｇｈ 対象ピクセルの値をｘ方向にインクリメントする：ｌｉ
ｎｅｉｎｃ 同様にｙ方向にインクリメントする：ｃｏｌｉｎｃ 又、プロセッサ１００は第１の積和演算部１１からの演
算結果と第２の積和演算部１２からの演算結果を足し算
する足し算器２５、足し算器２５からの結果に基づき出
力低ビット中間調画像値を決定する非線形作用部２６を
備える。

【００７９】第１の積和演算部１１より積和演算Ｂ
（ｉ，ｊ；ｋ，ｌ）ｕ_klを計算し第２の積和演算部１２
により積和演算Ａ（ｉ，ｊ；ｋ，ｌ）ｙ_klを計算し足し
算器２５によりのＢ（ｉ，ｊ；ｋ，ｌ）ｕ_klとＡ（ｉ，
ｊ；ｋ，ｌ）ｙ_klとの和を求める。そして各画素の現時
刻の出力低ビット中間調画像値を決定する非線形作用部
２６は、非線形特性をプログラマブルに格納するＲＡ
Ｍ，ＲＯＭまたＰＬＡを基本として構成されるが、出力
を２ビット等に固定する場合には比較器を基本として構
成される。

【００８０】この場合、積和演算結果が正か負かを最上
位ビットによって区別し、その値が非線形関数のｘ軸の
どの位置にあるかを判断することになる。

【００８１】図５は非線形作用部２６で用いられる非線
形関数の一例を示したもので、出力を２ビットとしたも
のである。

【００８２】ここでは、足し算器２５の結果をｘ軸と
し、それによって決まるｆ（ｘ）の値を出力低ビット中
間調画像値として決定する。この非線形作用部２６で用
いられる非線形関数も、画像処理選択部７からの指示に
応じてＣＰＵ６が選択することができる。この関数の選
択で、出力ビット数を選択することができる。

【００８３】二つで一台のプロセッサで逐次動作で、ダ
イナミックなデジタル処理を実行すると、出力中間調画
像が最適値に収束するまでに、多数の反復計算を必要と
し多大な計算量・時間を要する。

【００８４】そこで、本実施の形態では、ＤＴＣＮＮの
出力の収束を加速するために各々プロセッサに１方向の
データパスを持たせ、リング構造のプロセッサネットワ
ークを構成する。この構成によってプロセッサ間でパイ
プライン動作を行なわせることが可能となる。ネットワ
ークのアーキテクチャを図３に示す。

【００８５】図３において、ＰＥ１：５１、ＰＥ２：５
２、ＰＥ３：５３は、本実施の形態の汎用画像処理プロ
セッサ１００と同じもので、ここでは、プロセッサエレ
メントという。ＧＥ（ゲートウェイプロセッサ）５０は
各ＰＥ５１、５２、５３にさまざまな指示や入力画像の
配布などの管理を行なうハードウェアである。各ＰＥ５
１、５２、５３は図４における入力濃淡画像メモリ３０
や出力中間調画像メモリ３１、および、処理に必要とな
る出力重みＡ（ｉ，ｊ；ｋ，ｌ）のパラメータを格納す
るメモリ２９、入力重みＢ（ｉ，ｊ；ｋ，ｌ）のパラメ
ータを格納するメモリ２８をローカルに持っている。そ
して各々が入力濃淡画像に対して、積和演算と非線形作
用を基本とする画像処理を行なう。ここで、各前段ＰＥ
は、最新に更新した出力中間調画像値ｙ_klを蓄えるレジ
スタ２７および、その画素位置を示すアドレスを専用の
レジスタ４５にストアする。このストアされた値をその
後段に接続されたＰＥに送り、その後段ＰＥがこのアド
レス値を使って、自分のメモリの指定されたアドレスに
最新に更新した出力中間調画像値ｙ_klを書き込む．この
動作をリング上に接続された各プロセッサが行なうこと
によって出力中間調画像の収束を加速させることが可能
である。

【００８６】例えば、図６の５×５の小さな画像をＰＥ
１，ＰＥ２でパイプラインを実行する場合、各ＰＥは、
次のような順序で、画素（ｉ，ｊ）を中心とする３×３
の画像近傍領域の処理を行なうことになる。

【００８７】ＰＥ１：（１，１），（１，２），…
（１，５），（２，１），（２，２），…，（５，５） ＰＥ２：（２，３），（２，４），（２，５），（３，
１），（３，２），…，（５，５），（１，１），
（１，２）…（２，２）

【００８８】

【表１】

【００８９】表１は、このパイプライン処理の概念を示
すものである。ＰＥ１はＰＥ２で最新に更新された出力
低ビット中間画像値を“Ｒｅｃｅｉｖｅ”し、これを近
傍からの出力低ビット中間調画像値として積和演算と非
線形処理を実行する。

【００９０】このネットワークでは各プロセッサにつき
１方向のデータパスを用意するだけで済むため、データ
通信のためのハードウェアのコストを少なく押さえるこ
とが可能である。そしてより多くのプロセッサを集めて
チップ化することも可能となる。汎用画像処理プロセッ
サ（ＰＥ）の計算アルゴリズムは次のようになる。ここ
では図８も参照して処理を説明する。図８は１つのＰＥ
でのデータ処理のタイムチャートを主として示してい
る。

【００９１】図８においてＰＥ１とＰＥ２はパイプライ
ン接続されている。

【００９２】１．起道・初期設定 外部から制御起道をかけられＰＥは起動する。この時、
次のような指示が与えられる。まず、処理における近傍
系の広さの指示及び対象となる入力画像の大きさの指
示、及び各種テンプレートの指示が与えられる。また、
レジスタの初期化が行なわれる。初期化では、ＰＣに処
理を始めるアドレスが与えられる。またＮＰＣには処理
を行なう近傍系の広さに合わせた値が与えられる。

【００９３】またＡＣＣレジスタは０へと初期化され
る。

【００９４】２．データ伝送ステージ プロセッサアレイにおいて、前段ＰＥから値ｙ_klを読み
込み、その値を自分のメモリに書き込むステージであ
る。最新の出力中間調画像値ｙ_klとそれに対応するアド
レス値を受けとり、値ｙ_klをそのアドレス値の番地に書
き込む。これは図８ののサイクルにあたる。

【００９５】３．データフェッチ・積和演算ステージ ＰＣとＮＰＣの値から必要な近傍のアドレスを計算し、
そのアドレスの画像の出力中間調画像値をメモリ３１か
ら読み込み、レジスタ２２にラッチする。また、その近
傍に対応する重みの値Ａ（ｉ，ｊ；ｋ，ｌ）をメモリ２
９から読み込み、レジスタ２１にラッチする。又、入力
画像値をメモリ３０から読み込みレジスタ１６にラッチ
する。又、重歪みをメモリ２８から読み込みレジスタ１
５にラッチする。これは図８ののサイクルにあたる。
そして現在のアキュムレータの内容Ｐに対する積和演算
Ｐ＋Ａ（ｉ，ｊ；ｋ，ｌ）ｙ_kl（ｔ）とＰ＋Ｂ（ｉ，
ｊ；ｋ，ｌ）ｕ_klは、ＡＣＣレジスタ２４にラッチされ
た値に対して、次のクロックサイクル（図８ののサイ
クル）で行なわれる。

【００９６】このデータフェッチと積和演算はパイプラ
イン動作で行なわれる。

【００９７】４．出力ステージ 積和演算ΣＡ（ｉ，ｊ；ｋ，ｌ）ｙ_kl（ｔ）の結果と、
積和演算ΣＢ（ｉ，ｊ；ｋ，ｌ）ｕ_klの結果から新規に
更新する出力値ｙ_ijを求め、その値をメモリに書き込
む。（図８ののサイクル） 次に、図４においてパラメータＡ，Ｂの選択に応じたプ
ロセッサ１００の動作制御フローチャートを図９に示
し、その制御を説明する。図９のフローチャートはＣＰ
Ｕ６によって実行される。

【００９８】ステップ２００（Ｓ２００） 動作をスタートする。

【００９９】ステップ２０１（Ｓ２０１） 図２の選択部７からの選択に応じてＣＰＵ６は画像処理
部３で用いられるテンプレートの値Ａ，Ｂ，非線形関数
ｆ（ｘｉ，ｊ）を画像処理部３へ指示する。

【０１００】ステップ２０２（Ｓ２０２） ここでは指示されたテンプレートの値に基づき画像処理
方式（外挿／内挿方式）を判別する。Ａ＝０のときは外
挿的画像処理と判別する。（例えばディザ）、Ａ、Ｂと
もに用いる場合は内挿的処理であると判別する。

【０１０１】ステップ２０３（Ｓ２０３） プロセッサ１００に指令を出し数２０に基づく演算を行
なう。その時のｙｋｌ（ｔ）を出力値とする。ここでは
外挿的画像処理を実行するので、一度の処理で出力値を
決定する。

【０１０２】ステップ２０４（Ｓ２０４） ステップＳ２０４では、出力フレームバッファ４に初期
値を設定する。ここではランダムな２値データを出力フ
レームバッファに設定する。又、ステップＳ２０４では
１画面の全画素入力データに対し、積和演算を実行する
に際し、その演算順序を設定する。ここで、演算順序は
ランダムに、全ての画素を走査するような順とする。

【０１０３】ステップ２０５（Ｓ２０５） ステップＳ２０５ではステップＳ２０４で決定した順番
に基づきプロセッサエレメント１００に指令を出し、数
２０の演算を実行し、出力値を求める。

【０１０４】この結果は、出力フレームバッファ６に送
られ、既に格納されている値と異なる場合、値が書き換
えられる。

【０１０５】ステップ２０６（Ｓ２０６） ステップＳ２０６では入力した全ての画素に対する処理
が終了したか否かを判断し、終了していない場合はステ
ップＳ２０５に進み、ステップＳ２０４でランダムに設
定された演算画素順序に基づき対象とする画素を変更
し、積和演算を実行する。

【０１０６】ステップ２０７（Ｓ２０７） ステップＳ２０６で全ての画素に対する処理が終了した
と判断すると、ステップＳ２０７に進み出力フレームバ
ッファ４で書き換えられた画素数を判別する。

【０１０７】ステップ２０８（Ｓ２０８），ステップ２
０９（Ｓ２０９） ステップＳ２０８ではステップＳ２０７で判別した画素
数が所定値以下か否かを判別し、所定値以下の場合はニ
ューラルネットに基づく演算が収束したと判別し、ステ
ップＳ２０９に進み、出力フレームバッファ４の一画面
分のデータをＦＬＣディスプレイへ送る。又、ステップ
Ｓ２０８でステップＳ２０７で判別した画素数が所定値
より大きい場合はステップＳ２０５〜ステップＳ２０７
を繰り返す。

【０１０８】なお、本フローではテンプレートの値によ
り画像処理方式を判別していたが、ステップＳ２０１で
テンプレートの値とは別に画像処理方式を選択できるよ
うにしてもよい。

【０１０９】次に、近傍画像領域における重み値および
非線形特性のパラメータ選択に関する最適化設計方法に
ついて述べる。

【０１１０】まず初めに原理を説明する。

【０１１１】入力画像の大きさをＭ×Ｎとする。本実施
形態のＤＴＣＮＮにおいて、一つのセルに複数の等間隔
な出力レベルを与えることにより、直接、離散値を表現
させることができる。このＤＴＣＮＮでは、各セルが複
数レベルの出力を持つので、このセルを多値化セルと呼
ぶ。多値化セルの場合の非線形出力関数ｆ（ｘ）はｘを
ｎ個の離散値レベルに変換する非線形関数で

【０１１２】

【外１６】 となる。関数ｇ（ｘ）はΔを量子化ステップとする一様
（直線）量子化関数である。

【０１１３】

【外１７】 ここで、〔 〕はガウス記号である。前述した図５がｎ
＝４の場合のｆ（ｘ）を示す。したがって、多値化セル
の出力ｙは、〔−１，１〕の区間内の等間隔なｎ（＞
２）レベルの離散値となる。

【０１１４】

【外１８】 例えば、ｎ＝４の時ｙは図５に示した如く次のようにな
る。

【０１１５】

【外１９】

【０１１６】ここで、多値化セルを含むＤＴＣＮＮのエ
ネルギー関数Ｅ（ｔ）を次のように定義する。なお、Ｓ
はニューロンの閾値定数である。

【０１１７】

【外２０】

【０１１８】多値化セルを含むＤＴＣＮＮを最適化問題
に適用する場合、ＤＴＣＮＮのエネルギー関数と歪み関
数との間で、係数を比較することにより、ネットワーク
のパラメータを決定することができる。

【０１１９】画像量子化処理における歪み関数は、一般
に次式で定義される。

【０１２０】 ｄｉｓｔ（ｙ，ｕ）＝（Ｑ′ｙ−Ｒ′ｕ）^T （Ｑ′ｙ−Ｒ′ｕ） 数２６ ここで、Ｑ′＝〔Ｑ（ｉ，ｊ；ｋ，ｌ）〕，Ｒ′＝〔Ｒ
（ｉ，ｊ；ｋ，ｌ）〕は適当に与えられた係数行列（フ
ィルタ）で、ともに対称であるとする。入力ｕを定数と
すると、ｄｉｓｔ（ｙ，ｕ）の最小化すべき量は次のよ
うになる。

【０１２１】

【外２１】 また、数２５のＤＴＣＮＮのエネルギー関数を同様に行
列を用いて表記すると、

【０１２２】

【外２２】 となる。ここで、行列Ｓ′はＳを要素とするベクトルで
ある。

【０１２３】数２７と数２８を比較することによりネッ
トワークの各パラメータを次のように決定できる。

【０１２４】

【外２３】 ここで、δは行列Ｑ′^T Ｑ′の対角成分の値である。出
力を２値に限定したＤＴＣＮＮでは、行列Ａ′の対角成
分を強制的に０とするだけで、歪み関数は常に単調減少
となるが、多値化セルを含むＤＴＣＮＮでは、さらに、
コスト関数ｄｉｓｔ（ｙ，ｕ）におけるｙ_ij ² の係数が
１になるように正規化する必要がある。この時、エネル
ギー関数Ｅ（ｔ）と歪み関数ｄｉｓｔ（ｙ，ｕ）は同値
となり、ネットワークが安定状態に収束した時、歪み関
数ｄｉｓｔ（ｙ，ｕ）の極小解を得ることができる。

【０１２５】特に、出力低ビット中間調画像を出力する
ことを目的とする場合には、人間の視覚フィルタに近い
ガウスフィルタＨ′を用いるので、ＤＴＣＮＮのパラメ
ータを決定するためにコスト関数ｄｉｓｔ（ｙ，ｕ）は
次式で定義される。

【０１２６】

【外２４】 ここで、Ｈ′は人間の視覚フィルタ、ｙは中間調処理さ
れた出力多値画像は、ｕ′は入力原画像、また、Ｃ₁
（ｙ，ｕ）は、人間が知覚した出力多値化画像ｙ′が入
力画像ｕ′に近くなるようにする項である。また、Ｃ₂
（ｙ，ｕ）は、多値化した際のセルの出力レベルが原画
像の画素レベルに近くなるようにする制約項である。こ
の制約項がないと多値化画像を人間が知覚した時ノイジ
ーに感じられる。また、この制約項が強くしすぎると、
疑似輪郭があらわれる。２値化する場合には、この項は
必要ないのでβ＝０とする。

【０１２７】数３０が意味するものは、Ｃ₁ （ｙ，ｕ）
は出力画像データｙ_klにフィルタＨ′を掛けた値と入力
画像データｕ_ijとの差を示しており、又Ｃ₂ （ｙ，ｕ）
は出力画像データと入力画像データとの差を示してい
る。

【０１２８】そして本実施の形態では、前記、Ｃ₁ ，
（ｙ，ｕ）及びＣ₂ （ｙ，ｕ）が共に小さくなる様にテ
ンプレートを設計する。

【０１２９】多値化セルを用いたＤＴＣＮＮの場合、コ
スト関数ｄｉｓｔ（ｙ，ｕ）におけるｙ_ij ² の係数が１
になるように正規化する必要がある。行列Ｈ′^T Ｈ′の
対角成分の値をδとすると、コスト関数ｄｉｓｔ（ｙ，
ｕ）においてｙ_ij ² の係数になりうる値はＣ₁ （ｙ，
ｕ）項ではαδ，Ｃ₂ （ｙ，ｕ）項ではβであるから、 αδ＋β＝１ 数３１ である。したがって、

【０１３０】

【外２５】

【０１３１】コスト関数ｄｉｓｔ（ｙ，ｕ）とＤＴＣＮ
Ｎのエネルギー関数を比較することにより次のようにネ
ットワークのパラメータを決定する。

【０１３２】

【外２６】 入力画像がカラーであるならば、ＲＧＢなどの直交座標
系に分解して、それぞれのプレーンを独立に多値化す
る。収束後、それぞれのプレーンの多値化画像を合成す
る。

【０１３３】β＝０とすると、多値化画像を人間が知覚
した時ノイジーに感じられ、βを大きくとりすぎると、
疑似輪郭があらわれる。例えば、β＝０．１５の時に、
最も良い多値化画像が得られる。

【０１３４】画質評価は、最終的には人間の視覚による
客観的な評価を必要とするが、処理の一様性により、デ
ィザ法で見られるディザマトリクスの大きさに対応した
テクスチャは生じない。また、誤差拡散法と比べると文
字領域などの強度変化の大きな部分での特徴が保存され
ている。

【０１３５】次に、数１７に示した状態重み値と状態値
との積和をＤＴＣＮＮの演算に取り入れた例を説明す
る。

【０１３６】各画素の出力低ビット中間調画像が初期値
からダイナミックに変化し、変化しなくなったときの出
力低ビット中間調画像を陰的に決定する内挿的誤差拡散
方式のダイナミクスでは、ラスタ走査の（ｉ，ｊ）番目
における入力ｕ_ij（ｔ），出力ｙ（ｔ）＝Ｓ_uj（ｔ）に
対する非線形方程式

【０１３７】

【外２７】 を離散化した

【０１３８】

【外２８】 を使うことになる。

【０１３９】この数３５ＤＴＣＮＮをデジタル画像処理
回路で構成したものが図１０で、後に詳細に説明する。

【０１４０】数３５においてはテンプレートＡ，Ｂ，
Ｃ，オフセットＴ，及び非線形関数ｆ（ｘ_i,j （ｔ＋
１））の選択が可能である。

【０１４１】この数３５では、前述の数２０に、更に状
態値ｘ_klと状態歪み値Ｃ（ｉ，ｊ；ｋ，ｌ）の積和の
項、及びオフセットＴが加えられる。

【０１４２】ここで、状態値とは、非線形関数を用い
て、量子化する前の値つまり、２値データに量子化する
のであれば、２値化する前の多値データの値となり、こ
の状態値と状態歪み値の積和を取り入れることで、更に
入力画像に忠実な出力画像を決定することができる。

【０１４３】又、オフセットＴは、特に、テンプレート
Ａ，Ｃを０とし入力画像に対するテンプレートＢのみを
用いるディザ処理の場合に、その値Ｔを選択すること
で、ディザマトリクスの種々の閾値構成を選択すること
ができる。

【０１４４】このように本実施の形態では、近傍画像領
域におけるテンプレートＡ（ｉ，ｊ；ｋ，ｌ），Ｂ
（ｉ，ｊ；ｋ，ｌ），Ｃ（ｉ，ｊ；ｋ，ｌ）と呼ばれる
パラメータ選択によって、ラスタスキャン走査に従って
各画素の出力低ビット中間調画像を陽的も決定する外挿
的画像処理と、各画素の出力低ビット中間調画像が初期
値からダイナミックに変化し、ある値（ダイナミクスの
途中または収束値）になったときの出力低ビット中間調
画像を陰的に決定する内挿的画像処理との両方をユニバ
ーサルに選択できる。特に、外挿的画像処理としてのデ
ィザー法ではテンプレートＡ（ｉ，ｊ；ｋ，ｌ）＝０，
Ｃ（ｉ，ｊ；ｋ，ｌ）＝０で、Ｂ（ｉ，ｊ；ｋ，ｌ）の
みを用いる。

【０１４５】ここで、オフセットＴの選択で、ディザマ
トリクスの選択、更に、非線形関数の選択で、出力レベ
ルの選択が可能となる。

【０１４６】外挿的誤差拡散法では、テンプレートＡ
（ｉ，ｊ；ｋ，ｌ），Ｂ（ｉ，ｊ；ｋ，ｌ），Ｃ（ｉ，
ｊ；ｋ，ｌ）＝−Ａ（ｉ，ｊ；ｋ，ｌ）と設定する。こ
の場合、テンプレートには、ラスタスキャン走査に従っ
て各画素の出力低ビット中間調画像が陽的に決定される
ように走査された部分に対応する要素のみを含むように
する。また、内挿的誤差拡散法を決めるテンプレートＡ
（ｉ，ｊ；ｋ，ｌ），Ｂ（ｉ，ｊ；ｋ，ｌ），Ｃ（ｉ，
ｊ；ｋ，ｌ）＝−Ａ（ｉ，ｊ；ｋ，ｌ）には、各画素の
出力低ビット中間調画像が陰的に決定されるように、ま
だ、走査されていない部分に対応する要素も含むように
する。また、誤差最小ダイナミクス法による低ビット量
子化画像処理をおこなう場合には、Ａ（ｉ，ｊ；ｋ，
ｌ），Ｂ（ｉ，ｊ；ｋ，ｌ）のみを用いＣ（ｉ，ｊ；
ｋ，ｌ）＝０を使い、テンプレートＡ（ｉ，ｊ；ｋ，
ｌ）には、各画素の出力低ビット中間調画像が陰的に決
定されるように、まだ、走査されていない部分に対応す
る要素も含むようにする。

【０１４７】これらいずれの場合も、非線形関数の選択
により、出力ビット数を選択することができる。図１０
は、数３５のＤＴＣＮＮを演算するためのデジタル画像
処理装置の構成を示したブロック図である。

【０１４８】図１０に示したプロセッサ３００は、図４
に示したプロセッサ１００と同様に、図３に示したＰＥ
５１、５２、５３の１つを示しており、プロセッサ３０
０をＰＥ５１、５２、５３にそれぞれパイプラインに格
納し設けるものである。なお、図１０において、図４と
同一の構成及び処理を行なうブロックについては同一番
号を付加している。

【０１４９】図１０はプロセッサエレメントＰＥの詳細
を示したブロック図であり、ＰＥ５１、５２、５３はそ
れぞれ図１０のハードウェアで構成されている。ここで
は１つのプロセッサエレメント（ＰＥ）を３００として
示した。ＰＥ３００は入力フレームバッファ２（図２）
から送られてきた複数画素によって構成される近傍画像
領域における濃淡画像を格納するメモリ３０、近傍画像
領域における各重み値を格納するメモリ２８、近傍画像
領域における出力低ビット中間調画像を格納するメモリ
出力重み値を格納するメモリ２９と、状態の重み値を格
納するメモリ３９と状態値を格納するメモリ４０、それ
らのメモリ２８、２９、３０、３１、３９、４０をアク
セスするアドレス値を計算するアドレス計算部４１があ
る。アドレス計算部４１はＡＬＵ４２、ＮＰＣレジスタ
４３、ＰＣレジスタ４４から成る。ここでは、各メモリ
２８、２９、３０、３１、３９、４０は、プロセッサの
内部にあるが、外部にしてもよい。

【０１５０】メモリ２８、２９、３９にはそれぞれ複数
の重みが格納されており、ＣＰＵ６からの画像処理の種
類の選択を示すコマンドに従って重み値を選択する。

【０１５１】さらにプロセッサ３００は近傍画像領域に
おける入力重み値を格納するメモリ２８内のデータと入
力濃淡画像を格納するメモリ３０内のデータとの積和Ｂ
（ｉ，ｊ；ｋ，ｌ）ｕ_klを計算する第１の積和演算部１
１を備え、この第１の積和演算部１１は掛け算器１３と
累算器１４、レジスタ１５、１６より構成される。レジ
スタ１５、１６はそれぞれメモリ２８、３０からフェッ
チされた入力濃淡画像ｕｋｌと重み値Ｂ（ｉ，ｊ；ｋ，
ｌ）をそれぞれラッチする。また累算器１４は足し算器
１７とＡＣＣレジスタ１８より構成される。

【０１５２】更にプロセッサ３００は出力重み値を格納
するメモリ２９内のデータとメモリ３１内の出力中間調
画像値との積和Ａ（ｉ，ｊ；ｋ，ｌ）ｙｋｌ（ｔ）を実
行する第２の積和演算機１２を備え、この第２の積和演
算器１２は、かけ算器１９と累算器２０、レジスタ２
１、２２によって構成される。レジスタ２２、レジスタ
２１の各レジスタは、それぞれメモリ３１、メモリ２９
からフェッチされた出力中間調画像ｙ_kl（ｔ）と重み値
Ａ（ｉ，ｊ；ｋ，ｌ）をそれぞれラッチするためのレジ
スタである。また累算器２０は足し算器２３とＡＣＣレ
ジスタ２４より構成される。

【０１５３】更にプロセッサ３００は、状態重み値を格
納するメモリ３９内のデータとメモリ４０内の状態値と
の積和Ｃ（ｉ，ｊ；ｋ，ｌ）ｘｋｌ（ｔ）を実行する第
３の積和演算器３２を備え、この第３の積和演算器３２
は、かけ算器３３と累算器３４、レジスタ３５、３６に
よって構成される。レジスタ３５、レジスタ３６の各レ
ジスタは、それぞれメモリ３９、メモリ４０からフェッ
チされた状態重み値Ｃ（ｉ，ｊ；ｋ，ｌ）と状態ｘ
_kl（ｔ）とをそれぞれラッチするためのレジスタであ
る。また累積器３４は足し算器３７とＡＣＣレジスタ３
８より構成される。

【０１５４】また、プロセッサ３００の内部には、レジ
スタとして１８、２４、３８、４３、４４、２７、４
５、５０があり、各レジスタの役割は次のようになる。

【０１５５】ＰＣレジスタ４４は処理対象のピクセルの
アドレスを格納する。そして、ＮＰＣレジスタ４３は近
傍系の画像位置を格納する。このＮＰＣ４３に格納され
る値は、例えば、処理に用いる近傍系を最大で７×７の
サイズを想定すれば、図７のように、（−３、−３）か
ら（３、３）間の値を格納し、そのために、それらの値
を更新できるようなインクリメントを内蔵している。

【０１５６】近傍系における重み値と低ビット出力中間
調画像との積和演算を行なう際に、このＮＰＣレジスタ
４３とＰＣレジスタ４４の値から近傍画素のアドレスを
計算しその画素値をフェッチする。

【０１５７】ＡＣＣレジスタ１８は、第一の積和演算部
における、注目画素及びその近傍系の積和演算を累算す
るレジスタである。

【０１５８】また、ＡＣＣレジスタ２４は、第二の積和
演算部における、注目画素及びその近傍系の積和演算を
累算するレジスタである。

【０１５９】また、ＡＣＣレジスタ３８は、第三の積和
演算部における、注目画素及びその近傍系の積和演算を
累算するレジスタである。

【０１６０】セル動作の積和演算はこれらのレジスタ１
５、１６、１８、２１、２２、２４、３５、３６、３
８、４３、４４の値を用いて行なわれる。

【０１６１】よって、積和演算の段階では、データフェ
ッチと積和演算の２段のパイプラインステージを形成す
る。

【０１６２】レジスタ２７とレジスタ４５とレジスタ５
０は後述するパイプライン処理に必要となるもので、プ
ロセッサ間でのデータのやりとりを可能にする。すなわ
ち、それらは、最後の計算を行なった出力値を保持する
レジスタ２７、最後に計算を行なった状態値を保持する
レジスタ５０および、その結果をメモリに書き込んだと
きに使用されたアドレスを保持するレジスタ４５であ
る。

【０１６３】例えば、出力低ビット中間調画像値の出力
低ビットが２ビットとする場合には、重みが７ビット＋
符号１ビット、出力は符号なし２ビットとすればよい。
このとき、乗数が２ビットであるため、加算器のアレイ
を構成して積和演算を行なうこともできる。アドレス計
算部４１はＰＣレジスタ４３とＰＣレジスタ４４からア
ドレスを計算するユニットである。実行する命令は以下
の通りである。

【０１６４】ＮＰＣで指定された近傍のアドレスを求め
る：ｎｅｉｇｈ 対象ピクセルの値をｘ方向にインクリメントする：ｌｉ
ｎｅｉｎｃ 同様にｙ方向にインクリメントする：ｃｏｌｉｎｃ である。

【０１６５】また、プロセッサ３００は第一の積和演算
部１１からの演算結果と第２の積和演算部１２からの演
算結果と第３からの積和演算部３２の演算結果とオフセ
ットＴ４６とを足し算する足し算器２５からの結果に基
づき出力低ビット中間調画像値を決定する非線形作用部
２６を備える。オフセットＴ４６はＣＰＵ６により画像
処理方式により設定される。

【０１６６】第１の積和演算部１１により積和演算Ｂ
（ｉ，ｊ；ｋ，ｌ）ｕ_klを計算し第２の積和演算部１２
により積和演算Ａ（ｉ，ｊ；ｋ，ｌ）ｙ_klを計算し第３
の積和演算部３２により積和演算Ｃ（ｉ，ｊ；ｋ，ｌ）
ｘ_klを計算しオフセットＴ４６の値を足し算器２５によ
り、その和Ｂ（ｉ，ｊ；ｋ，ｌ）ｕ_kl＋Ａ（ｉ，ｊ；
ｋ，ｌ）ｙ_kl＋Ｃ（ｉ，ｊ；ｋ，ｌ）ｘ_kl＋Ｔ_klを求め
る。そして各画素の現時刻の出力低ビット中間調画像値
を決定する非線形作用部２６は、非線形特性をプログラ
マブルに格納するＲＡＭ，ＲＯＭまたＰＬＡを基本とし
て構成されるが、出力を２ビット等に固定する場合には
比較器を基本として構成される。この場合、積和演算結
果が正か負かを最上位ビットによって区別し、その値が
非線形関数のｘ軸のどの位置にあるかを判断することに
なる。

【０１６７】図５は非線形作用部２６で用いられる非線
形関数の一例を示したもので、出力を２ビットとしたも
のである。ここでは、足し算器２５の結果をｘ軸とし、
それによって決まるｆ（ｘ）の値を出力低ビット中間調
画像値として決定する。この非線形作用部２６で用いら
れる非線形関数も画像処理選択部７からの指示に応じて
ＣＰＵ６が選択できる。この関数の選択で出力ビット数
を選択できる。ここで、前述のプロセッサ１００と同様
にプロセッサ３００も一台のプロセッサの逐次動作で、
ダイナミクスなデジタル処理を実行すると、出力中間調
画像が最適値に収束するまでに、多数の反復計算を必要
とし、多大な計算量・時間を要する。

【０１６８】そこで、本実施の形態では、ＤＴＣＮＮの
出力の周速を加速するために各々プロセッサに１方向の
データバスを持たせ、リング構造のプロセッサネットワ
ークを構成する。この構成によってプロセッサ間でパイ
プライン動作を行なわせることが可能となる。ネットワ
ークのアーキテクチャは図３に示したものと同一であ
る。

【０１６９】又、図６、図８における説明もプロセッサ
１００の場合と同じであるので説明は省略する。

【０１７０】図１１は、パラメータＡ，Ｂ，Ｃ，Ｔ，非
線形関数の選択に応じたプロセッサ３００動作フローチ
ャートである。

【０１７１】ステップ３００（Ｓ３００） 動作をスタートする。

【０１７２】ステップ３０１（Ｓ３０１） 図２の選択部７からの選択に応じてＣＰＵ６は画像処理
部３で用いられるテンプレートの値Ａ，Ｂ，Ｃ及びオフ
セットの定数Ｔ、非線形関数ｆ（ｘ_i,j （ｔ＋１））を
画像処理部３へ指示する。

【０１７３】ステップ３０２（Ｓ３０２） ここではテンプレートの値に基づき画像処理方式（外挿
／内挿方式）を判別する。Ａ＝Ｃ＝０の時は外挿的なデ
ィザ処理Ａ＝Ｂ＝Ｃ＝−Ａの場合は外挿的な誤差拡散法
となる。又、Ｃ＝０、でＡ，Ｂを用いると、内挿的処理
である誤差最小化ダイナミクス法になる。

【０１７４】ステップ３０３（Ｓ３０３） プロセッサ３００に指令を出し、数３５に基づく演算を
行なう。その時のｙｋｌ（ｔ）を出力値とする。ここで
は外挿的画像処理を実行するので一度の処理で出力値を
決定する。

【０１７５】ステップ３０４（Ｓ３０４） ステップＳ３０４では、出力フレームバッファ４に初期
値を設定する。ここではランダムな２値データを出力フ
レームバッファに設定する。又、ステップＳ３０４では
１画面の全画素入力データに対し、積和演算を実行する
に際し、その演算順序を設定する。ここで、演算順序は
ランダムに、全ての画素を走査するような順とする。

【０１７６】ステップ３０５（Ｓ３０５） ステップＳ３０５ではステップＳ３０４で決定した順番
に基づきプロセッサエレメント３００に指令を出し、数
３０の演算を実行し、出力値を求める。

【０１７７】この結果は、出力フレームバッファ６に送
られ、既に格納されている値と異なる場合、値が書き換
えられる。

【０１７８】ステップ３０６（Ｓ３０６） ステップＳ３０６では入力した全ての画素に対する処理
が終了したか否かを判断し、終了していない場合はステ
ップＳ３０５に進み、ステップＳ３０４でランダムに設
定された演算画素順序に基づき対象とする画素を変更
し、積和演算を実行する。

【０１７９】ステップ３０７（Ｓ３０７） ステップＳ３０６で全ての画素に対する処理が終了した
と判断すると、ステップＳ３０７に進み出力フレームバ
ッファ４で書き換えられた画素数を判別する。

【０１８０】ステップ３０８（Ｓ３０８），ステップ３
０９（Ｓ３０９） ステップＳ３０８ではステップＳ３０７で判別した画素
数が所定値以下か否かを判別し、所定値以下の場合はニ
ューラルネットに基づく演算が収束したと判別し、ステ
ップＳ３０９に進み、出力フレームバッファ４の一画面
分のデータをＦＬＣディスプレイへ送る。又、ステップ
Ｓ３０８でステップＳ３０７で判別した画素数が所定値
より大きい場合はステップＳ３０５〜ステップＳ３０７
を繰り返す。

【０１８１】なお、本フローでは、テンプレートの値に
より画像処理方式を判別したが、ステップＳ３０１でテ
ンプレートの値とは別に画像処理方式を選択できるよう
にしてもよい。

【０１８２】以上説明した如く本第１の実施の形態によ
れば、離散時間型セルラーニューラルネット（ＤＴＣＮ
Ｎ）を基本としたデジタルのＣＮＮを構成することによ
って、デジタル処理の特徴である汎用性、記憶性、制御
容易性、集積化容易性、そして、パイプライン容易性を
保ち、しかも、ＣＮＮで可能な時空間ダイナミクスによ
る画像処理をほとんど実行できる汎用デジタル画像処理
プロセッサを提供できる。特に、非ダイナミクスな処理
である従来のディザー法や外挿的誤差拡散法による低ビ
ット量子化画像処理ばかりでなく、周りの２次元近傍系
に誤差を離散拡散する内挿的誤差拡散法や誤差最小化ダ
イナミクス法をパイプライン動作で実行でき、しかも、
テンプレートの設定のみで種々の画像処理を可能とする
ユニバーサルなデジタル画像処理プロセッサを提供でき
る。

【０１８３】なお本第１の実施の形態では、ＦＬＣＤを
出力装置とした例を説明したが、本発明はＦＬＣＤに限
ることなく、他の表示装置やインクジェット方式、電子
写真方式のプリンタに用いることもできる。

【０１８４】〔第２の実施の形態〕次にＤＴＣＮＮによ
る画像処理（２値化又は多値化処理）を入力動画像に対
し実行する例を第２の実施の形態として説明する。

【０１８５】先ず、図１２は本発明の第２の実施の形態
におけるＤＴＣＮＮを用いた画像処理の概念を説明する
ための図である。

【０１８６】図１２においては、入力画像の３×３近傍
画像領域における入力濃淡画像と入力重み値との積和Σ
Ｂ（ｉ，ｊ；ｋ，ｌ）ｕ_klと出力画像の３×３近傍画像
領域における出力画像と出力重み値との積和ΣＡ（ｉ，
ｊ；ｋ，ｌ）ｙ_klと１フレーム前の出力画像の３×３近
傍画像領域における前フレーム出力画像と出力重み値と
の積和ΣＡτ（ｉ，ｊ；ｋ，ｌ）ｙ_klτを加算しこれを
非線形出力関数ｆ（ｘ）により、出力データに変換す
る。

【０１８７】入力画像は例えば画素８ビット以上の高ビ
ット濃淡画像とする。

【０１８８】以下に、本第２実施の形態における原理説
明を行う。

【０１８９】ＤＴＣＮＮで２値又は多値データに量子化
した動画像をＦＬＣディスプレイに表示する場合には、
動画像の静止領域において、量子化により画素レベルが
常に変化すると、時間的な高周波成分があらわれ、ディ
スプレイにちらつき（フリッカ）が生じる。

【０１９０】そこで、静止領域においては前フレームと
同じ画素レベルをとるようにすることで、このちらつき
を抑えることができる。

【０１９１】そのために、前フレームと同じ画素レベル
をとるような制約項をコスト関数に加えて、それにした
がってＤＴＣＮＮの各パラメータを決め、さらに、量子
化の際、前のフレームの量子化画像を初期値として与え
ることにする。

【０１９２】フレーム間で非常に相関のある領域（静止
領域）では、前のフレームの量子化画像が局所解となり
うる。

【０１９３】したがって、前フレームの量子化画像をセ
ルの初期値として与え、ＤＴＣＮＮを動作させると、静
止領域において、前のフレームの量子化画像が局所解と
なり、これにトラップされることで、ある程度、前のフ
レームと同じ画素構成をとるようにすることができる。
この時、初期値が局所解に近いため、収束が非常に速
い。

【０１９４】しかし、静止領域において前フレームと同
じ画素レベルをとるようにするためにはこれだけでは十
分ではなく、さらに、そのための制約項をコスト関数に
くわえる必要がある。

【０１９５】この場合のコスト関数は

【０１９６】

【外２９】

【０１９７】また、Ｃ₁（ｙ，ｕ）式は、量子化が像ｙ
を人間が知覚した画像が原画像ｕに近くなるようにする
項、、Ｃ₂（ｙ，ｕ）は、量子化した際にセルの出力レ
ベルが原画像の画素レベルに近くなるようにする制約
項、、Ｃ₃（ｙ，ｕ）式は、前フレームの量子化画像と
できるだけ同じ出力レベルをとるようにする制約項であ
る。

【０１９８】静止領域では制約項Ｃ₃（ｙ，ｕ）を強く
し、動き領域では制約項Ｃ₃（ｙ，ｕ）を抑えるように
γ_ijを決める。

【０１９９】逆にβ_ijは、制約項Ｃ₃（ｙ，ｕ）が強い
ところでは、前のフレームと同じ出力レベルをとろうと
するので制約項Ｃ₂（ｙ，ｕ）は必要ない。

【０２００】このようにすることにより、静止領域にお
いてのみ前フレームと同じ出力レベルをとるようにな
り、動き領域やシーンなどの切り替わりなどのほとんど
フレーム間に相関がない場合に、前のフレームの量子化
画像の影響を伝わりにくくすることができる。

【０２０１】まず、前のフレームからの動きによる画素
変化ｄ_ijをここでは、フレーム間の画素変化の絶対値に
より次式より求める。

【０２０２】

【外３０】 ここで、Ｇ（ｉ，ｊ；ｋ，ｌ）はノイズを除去するため
の低域フィルタである。

【０２０３】また、γ_ij，β_ijは次の式により決定す
る。

【０２０４】

【外３１】 ここで、Ｔ，γ，βは正の定数である。

【０２０５】γ_ijは、指数関数を用いて、前フレームか
らの動きによる画素変化ｄに依存して減衰するようにし
ている。逆に、β_ijはｉｊに依存して増加するようにし
た。減衰定数Ｔは動画像におけるノイズの大きさを考慮
して決める。

【０２０６】セルの動作は時間遅れのテンプレートがあ
る点で第１の実施の形態のＤＴＣＮＮとは異なる。

【０２０７】このように時間遅れのセルの出力を次のダ
イナミクスの入力とするようなテンプレートＡτを時間
遅れのテンプレートと呼ぶ。

【０２０８】元画像がＭ×Ｎの大きさである時、Ｍ×Ｎ
個のセルを画素と同様に２次元の格子状に配置し、元画
像の各画素値と前フレームの量子化画像を、〔−１，
１〕の区間内の対応する値に正規化して、それぞれセル
の入力ｕ，ｙτに与える。

【０２０９】セルの通常の入力をｕ_ij（０≦ｉ＜Ｍ；０
≦ｊ＜Ｎ），時間遅れの入力をｙ_ij ^τ（０≦ｉ＜Ｍ；０
≦ｊ＜Ｎ）、出力をｙ_ij（０≦ｉ＜Ｍ；０≦ｊ＜Ｎ）と
すると、この場合のセルの動作は、次式のように定義さ
れる。

【０２１０】

【外３２】 ここで、Ａ（ｉ，ｊ；ｋ，ｌ）とＡτ（ｉ，ｊ；ｋ，
ｌ）とＢ（ｉ，ｊ；ｋ，ｌ）はセル（ｋ，ｌ）からセル
（ｉ，ｊ）への接続にかかる重みをあらわす。

【０２１１】行列ＨτＨの対角成分の値をδとすると、
コスト関数のｄｉｓｔ（ｙ，ｕ）においてｙ_ij ²の係数
になりうる値はＣ₁（ｙ，ｕ）項ではα_ijδ、Ｃ₂（ｙ，
ｕ）項ではβ_ij、Ｃ₃（ｙ，ｕ）項ではγ_ijであるか
ら、 α_ijδ＋β_ij＋γ_ij＝１ 数４０ となる。

【０２１２】したがって、

【０２１３】

【外３３】 となる。

【０２１４】ネットワークのパラメータは、コスト関数
ｄｉｓｔ（ｙ，ｕ）とＤＴＣＮＮのエネルギー関数を比
較することにより決定する。

【０２１５】

【外３４】 ここで、Φ（ファイ）は対角成分がα_ij，非対角成分が
０の行列、Θ（Ｔｈｅｔａ）は対角成分がγ_ij，非対角
成分が０の行列である。

【０２１６】次に、本発明の第２の実施の形態の具体的
構成を図面を参照して説明する。

【０２１７】図１３は第２の実施の形態のデジタル画像
処理プロセッサを内蔵した表示システムの構成を示した
ブロック図である。

【０２１８】図１３において、１０１は１画素複数ビッ
トからなる濃淡画像を入力する画像入力部である。これ
は、例えば、カメラ、スキャナー、コンピュータによっ
て構成される。１１０２は入力フレームバッファで少な
くとも複数ライン分の画像データを一時格納する。２０
２は１フレーム前の入力画像を蓄えておくフレームバッ
ファである。１０３は画像処理部で１画素複数ビットか
らなる多値レベルの濃淡画像データをそれよりも小さい
レベル（ビット）数の画像データに量子化処理する。こ
の画像処理部では前述したテンプレート、非線形特性の
選択によって、複数の画像処理の中から所望の画像処理
を選択することができる。１０４は、量子化処理された
出力データを格納する出力フレームバッファである。２
０４は１フレーム前の出力画像を保持しているフレーム
バッファである。１０５は強誘電性液晶表示器（ＦＬＣ
Ｄ）である。１０８はフレームバッファ１０２のデータ
とフレームバッファ２０２のデータを比較することによ
り動き領域を検出する動き検知部である。

【０２１９】１０６は入力フレームバッファ１０２，２
０２、画像処理部１０３、出力フレームバッファ１０
４、１フレーム前の出力画像を保持しているフレームバ
ッファ２０４及び動き検知部１０８に接続され、データ
転送のアドレス制御、画像処理の制御を行うＣＰＵであ
る。ＣＰＵ１０６には制御プログラムを内蔵したＲＯ
Ｍ、ワークエリアとしてのＲＡＭが備えられている。１
０７は画像処理部１０３で実行される画像処理を選択す
る画像処理選択部である。

【０２２０】図１４は、画像処理部１０３を詳細に示し
たもので、画像処理部１０３は図１５に示すプロセッサ
エレメント（ＰＥ）１５１〜１５３、ゲートウェイプロ
セッサ（ＧＥ）１５０より構成されている。ＰＥ１５
１，１５２，１５３はそれぞれ同一の構成のプロセッサ
でパイプライン接続されており、それぞれ入力画像の異
なる位置を処理する。

【０２２１】図１５は、プロセッサエレメントＰＥの詳
細を示したブロック図であり、ＰＥ１５１，１５２，１
５３はそれぞれ図１５のハードウェアで構成されてい
る。ここでは１つのＰＥを５００として示した。ＰＥ５
００は入力フレームバッファ１０２から送られてきた複
数画素によって構成される近傍画像領域における濃淡画
像を格納するメモリ１３０、近傍画像領域における各重
み値を格納するメモリ１２８、近傍画像領域における出
力低ビット中間調画像を格納するメモリ１３１及び出力
重み値を格納するメモリ１２９、１フレーム前の出力画
像値を格納するメモリ１４０及び１フレーム前の出力重
み値を格納するメモリ１３９と、そのメモリ１２８，１
２９，１３０，１３１，１３９，１４０をアクセスする
アドレスを計算するアドレス計算部１４１からなる。

【０２２２】ここで各メモリ１２８，１２９，１３０，
１３１，１３９，１４０は、プロセッサの内部にあるが
外部にしても良い。

【０２２３】メモリ１２８，１２９，１３９にはそれぞ
れ複数の重み値が格納されており、ＣＰＵ１０６からの
画像処理の種類を示すコマンドに従って、重み値を選択
する。

【０２２４】更にプロセッサ５００は近傍画像領域にお
ける入力重み値を格納するメモリ１２８内のデータと入
力濃淡画像を格納するメモリ１３０とのデータとの積和
Ｂ（ｉ，ｊ；ｋ，ｌ）ｕ_klを計算する第１の積和演算部
１１１を備え、この第１の積和演算部１１１は掛け算器
１１３と累積器１１４とレジスタ１１５，１１６より構
成される。レジスタ１１５，１１６は夫々メモリ１２
８，１３０からフェッチされた入力濃淡画像ｕ_klと重み
値Ｂ（ｉ，ｊ；ｋ，ｌ）をラッチする。また、累積器１
１４は足し算器１１７、ＡＣＣレジスタ１１８より構成
される。

【０２２５】更にプロセッサ５００は出力重み値を格納
するメモリ１２９内のデータとメモリ１３１内の出力中
間調画像値との積和Ａ（ｉ，ｊ；ｋ，ｌ）ｙ_kl（ｔ）を
実行する第２の積和演算器１１２を備え、この第２の積
和演算器１１２は掛け算器１１９と累算器１２０、レジ
スタ１２１、１２２によって構成されている。

【０２２６】レジスタ１３６、レジスタ１３５の各レジ
スタはそれぞれメモリ１４０、メモリ１３９からフェッ
チされた１フレーム前の出力中間調画像ｙ_klτと重み値
Ａτ（ｉ，ｊ；ｋ，ｌ）をそれぞれラッチするためのレ
ジスタである。また累算器１３４は足し算器１３７とＡ
ＣＣレジスタ１３８より構成される。

【０２２７】また、プロセッサ５００の内部には、レジ
スタとしてレジスタ１１８、１２４、１３８、１２７、
１４３、１４４、１４５があり、各レジスタの役割は次
のようになる。

【０２２８】ＰＣレジスタ１４４は処理対象ピクセルの
アドレスを格納する。そしてＮＰＣレジスタ１４３は近
傍系の画像位置を格納する。

【０２２９】このＮＰＣレジスタ１４３に格納される値
は、例えば処理に用いる近傍系を最大７×７のサイズを
想定すれば、前述の図７のように（−３，−３）から
（３，３）までの間の値を格納し、そのために、それら
の値を更新できるようなインクリメンタを内蔵してい
る。近傍系における重み値と低ビット出力中間調画像と
の積和演算を行う際に、このＮＰＣレジスタ１４３とＰ
Ｃレジスタ１４４の値から近傍画素のアドレスを計算し
その画素値をフェッチする。

【０２３０】ＡＣＣレジスタ１１８は、第一の積和演算
部における、注目画素の近傍系に関する積和演算結果を
累算するレジスタである。

【０２３１】ＡＣＣレジスタ１２４は、第二の積和演算
部における、注目画素の近傍系に関する積和演算結果を
累算するレジスタである。

【０２３２】ＡＣＣレジスタ１３８は、第三の積和演算
部における、注目画素の近傍系に関する積和演算結果を
累算するレジスタである。

【０２３３】セル動作の積和演算はこれらのレジスタ１
１５、１１６、１２１、１２２、１３５、１３６、１１
８、１２４、１３８の値を用いて行われる。

【０２３４】よって積和演算の段階ではデータフェッチ
と積和演算の２段のパイプラインステージを形成する。

【０２３５】レジスタ１２７、とレジスタ１４５は後述
するパイプライン処理に必要となるもので、プロセッサ
間でデータのやり取りを可能にする。すなわち、それら
は、最後に計算を行った出力値（Ｐ−ＲＥＧ）を保持す
るレジスタ１２７、およびその結果をメモリに書き込ん
だ時に使用されたアドレス（Ｎ−ＡＤＲＳ）を保持する
レジスタ１４５である。

【０２３６】例えば、出力低ビット中間調画像値の出力
低ビットが２ビットとするばあいには、重みが７ビット
＋符号１ビット、出力は符号無し２ビットとすれば良
い。このとき定数が２ビットであるため、加算器のアレ
イを構成して積和演算を行うこともできる。

【０２３７】アドレス計算部１４１はＮＰＣレジスタ１
４３とＰＣレジスタ１４４からアドレスを計算するユニ
ットである。

【０２３８】また、プロセッサ５００は第１の積和演算
部１１１からの演算結果と第２の積和演算部１１２から
の演算結果と第３の積和演算部１３２からの演算結果を
足し算する足し算器１２５からの結果に基づき出力低ビ
ット中間調画像値を決定する非線形作用部１２６を備え
る。

【０２３９】第１の積和演算部１１１より積和演算Ｂ
（ｉ，ｊ；ｋ，ｌ）ｕ_klを計算し、第２の積和演算部１
１２により積和演算Ａ（ｉ，ｊ；ｋ，ｌ）ｙ_klを計算
し、第３の積和演算部１３２より積和演算Ａτ（ｉ，
ｊ；ｋ，ｌ）ｙ_klτを計算し、足し算する足し算器１２
５によりＡ（ｉ，ｊ；ｋ，ｌ）ｙ_klとＢ（ｉ，ｊ；ｋ，
ｌ）ｕ_klとＡτ（ｉ，ｊ；ｋ，ｌ）ｙ_klτとの和を求め
る。

【０２４０】そして各画素の現時刻の出力低ビット中間
調画像を決定する非線形作用部１２６は、非線形特性を
プログラムに格納するＲＡＭ，ＲＯＭまたはＰＬＡを基
本として構成されるが、出力を２ビット等に固定する場
合には比較器を基本として構成される。

【０２４１】この場合、積和演算結果が正か負かを最上
位ビットによって区別し、その値が非線形関数のｘ軸の
どの位置にあるかを判断することになる。

【０２４２】非線形作用部１２６で用いられる非線形関
数は例えば図５に示したものと同一のものを用いること
ができる。この場合出力は２ビットとなる。

【０２４３】ここでは、足し算器１２５の結果をｘ軸と
し、それによって決まるｆ（ｘ）の値を低出力ビット中
間調画像とする。この非線形作用部１２６で用いられる
非線形関数も、画像処理選択部１０７からの指示に応じ
てＣＰＵ１０６が選択することができる。この関数の選
択により、出力ビット数を選択することができる。

【０２４４】なお本第２の実施の形態においても、画像
の異なるエリアを処理するプロセッサエレメントを複数
設け、これをパイプライン接続して処理しているので、
第１の実施の形態同様高速処理が可能となる。図６、図
８に基づく説明は第２の実施の形態においても同様であ
る。

【０２４５】次にプロセッサ５００の動作制御フローチ
ャートを図１６に示し、その制御を説明する。図１６の
フローチャートはＣＰＵ１０６によって実行される。

【０２４６】ステップ４００（Ｓ４００） 動作をスタートする。

【０２４７】ステップ４０１（Ｓ４０１） 図１３の選択部１０７からの選択に応じてＣＰＵ１０６
は画像処理部１０３で用いられる入力画像ｕを入力フレ
ームバッファから画像処理部１０３へ読み込む。

【０２４８】ステップ４０２（Ｓ４０２） 図１３の選択部１０７からの選択に応じてＣＰＵ１０６
は画像処理部１０３で用いられる１フレーム前の出力画
像ｙτを出力フレームバッファ２０４から画像処理部１
０３へ読み込む。

【０２４９】ステップ４０３（Ｓ４０３） ステップ４０３では、出力フレームバッファ１０４に初
期値を設定する。ここではランダムな出力データを出力
フレームバッファに設定する。またステップ４０３では
１画面の全画素入力データに対して、積和演算を実行す
るに際し、その演算順序を設定する。ここで、演算順序
はランダムに、全ての画素を走査するようにする。

【０２５０】また、数３８のＴ，γ，βの値を設定す
る。一例としてＴ＝３００，γ＝０．３０，β＝０．１
５とする。

【０２５１】ステップ４０４（Ｓ４０４） ステップ４０４では図１３の動き検知部１０８により入
力フレームバッファ１０４のデータと１フレーム前の入
力フレームバッファ２０４のデータとを比較することに
よりフレーム間の画素変化数式３７のｄ_ijを求める。

【０２５２】ステップ４０５（Ｓ４０５） ステップ４０５ではステップ４０４で求めたｄ_ijに基づ
き数式３８、４０、４１、４２より数式３９のＡ，Ａ
τ，Ｂを決定する。

【０２５３】ステップ４０６（Ｓ４０６） ステップ４０６ではステップ４０３で決定した順番に基
づき、ステップ４０５で決定したパラメータＡ，Ａτ，
Ｂの値を用い数式３９を実行し、出力値を求める。この
結果は出力フレームバッファ１０４に送られ既に格納さ
れている値と異なる場合は、その値を書き換える。

【０２５４】ステップ４０７（Ｓ４０７） ステップ４０６では入力した全ての画素に対する処理が
終了したか否かを判断し、終了していない場合にはステ
ップ４０４に戻り、動き検知を行い、ｄ_ijを求め、ステ
ップ４０５、４０６、を再度実行する。

【０２５５】ステップ４０８（Ｓ４０８） ステップ４０７で全ての画素に対する処理が終了したと
判断した場合には、ステップ４０８に進み、出力フレー
ムバッファ１０４で書き換えられた画素数を判別する。

【０２５６】ステップ４０９（Ｓ４０９） ステップ４０９ではステップ４０８で判別した画素数が
所定の数以下か否か判別する。所定の数以下の場合はニ
ューラルネットに基づく演算が収束したものと判別し、
ステップ４１０に進み出力フレームバッファ１０４の一
画面分のデータをＦＬＣディスプレイに送る。

【０２５７】また、ステップＳ４０９でステップ４０８
で判別した画素数が所定値より大きい場合はステップ４
０４〜ステップ４０８を繰り返す。

【０２５８】また、予めＳ４０８までの回数を定めてお
きその回数に達した場合には収束しなくてもステップ４
１０に進むようにしてもよい。

【０２５９】この様に、本発明の第２の実施の形態によ
れば、高画質な２値又は多値画像を高速に得ることがで
きるニューラルネットに基づくデジタル画像処理プロセ
ッサを動画像に応用することで、高画質な動画像を得る
ことができ、特にニューラルネットの演算に１フレーム
前の画像出力状態値と状態重み値との積和を考慮するこ
とにより、入力動画像に忠実な低ビット量子化動画像を
得ることができるとともに動画の背景にちらつきの無い
高画質な動画像を得ることができる。

【０２６０】

【発明の効果】以上説明した如く本発明によれば、ニュ
ーラルネットをデジタル回路で構成したことにより、汎
用性、制御容易性、集積化容易性に優れた画像処理装置
を提供することができる。

【０２６１】又、テンプレートの選択によって、１つの
ニューラルネット回路で複数の画像処理を実行できる。

【０２６２】

【０２６３】

【０２６４】

【図面の簡単な説明】

【図１】本第１の実施の形態におけるＤＴＣＮＮを用い
た画像処理の概念を説明するための図。

【図２】本第１の実施の形態のデジタル画像処理プロセ
ッサを内蔵した表示システムの構成を示したブロック
図。

【図３】図２の画像処理部３を詳細に示したもので複数
のプロセッサエレメントをパイプライン接続した図。

【図４】プロセッサエレメントの詳細を示したブロック
図。

【図５】非線形関数の一例を示した図。

【図６】処理画像の一例を示した図。

【図７】処理画像の近傍系を説明するための図。

【図８】プロセッサエレメントの処理タイムチャート
図。

【図９】プロセッサエレメントの処理フローチャート
図。

【図１０】プロセッサエレメントの詳細を示したブロッ
ク図。

【図１１】図１０のプロセッサエレメントの処理フロー
チャート図。

【図１２】本第２の実施の形態におけるＤＴＣＮＮを用
いた画像処理の概念を説明するための図。

【図１３】本第２の実施の形態のデジタル画像処理プロ
セッサを内蔵した表示システムの構成を示したブロック
図。

【図１４】図１３の画像処理部１０３を詳細に示したも
ので複数のプロセッサエレメントをパイプライン接続し
た図。

【図１５】第２の実施の形態におけるプロセッサエレメ
ントの詳細を示したブロック図。

【図１６】第２の実施の形態におけるプロセッサエレメ
ントの処理フローチャート図。

【符号の説明】

６ ＣＰＵ １１ 第１の積和演算部 １２ 第２の積和演算部 ２５ 足し算器 ２６ 非線形作用部 ２８ 入力歪み値メモリ ２９ 出力歪み値メモリ ３０ 入力画像値メモリ ３１ 出力画像値メモリ ４１ アドレス計算部 １００ プロセッサエレメント

フロントページの続き (72)発明者 井上 裕司 東京都大田区下丸子３丁目30番２号キヤ ノン株式会社内 (56)参考文献 特開 平７−282237（ＪＰ，Ａ) 特開 平５−242065（ＪＰ，Ａ) 特開 平４−232562（ＪＰ，Ａ) 池上宗光・他，「離散時間型セルラニ ューラルネットワークによる静止画像の 低ビット表現とその誤差評価」，電子情 報通信学会論文誌Ａ，日本，社団法人電 子情報通信学会，1994年 ７月25日，Ｖ ｏｌ．Ｊ77−Ａ，Ｎｏ．７，ｐｐ．954 −964，ＪＳＴ資料番号：Ｓ0621Ａ 呉民愛・他，「セルラーニューラルネ ットワークによる濃淡画像の２値化およ び復元」，電子情報通信学会技術研究報 告，日本，社団法人電子情報通信学会, 1992年 ３月 ７日，Ｖｏｌ．91， Ｎ ｏ．507，ｐｐ．１−７ 松岡輝彦・他，「多階調画像と２値画 像の相互変換」，情報処理学会研究報 告，日本，社団法人情報処理学会，1992 年 ３月16日，Ｖｏｌ．92， Ｎｏ. 25，ｐｐ．１−９ Ｍａｍｏｒｕ Ｔａｎａｋａ・他，" Ｔｅｍｐｌａｔｅ Ｓｙｎｔｈｅｓｉｓ ｏｆ Ｃｅｌｌｕｌａｒ Ｎｅｕｒａ ｌ Ｎｅｔｗｏｒｋｓ ｆｏｒ Ｉｎｆ ｏｒｍａｔｉｏｎ Ｃｏｄｉｎｇ ａｎ ｄ Ｄｅｃｏｄｉｎｇ”，1993年電子情 報通信学会春季大会講演論文集，日本, 社団法人電子情報通信学会，1993年 ３ 月15日，分冊６，ｐｐ．263−264，ＪＳ Ｔ資料番号：Ｇ0508Ａ 鈴木良次・他，「ニューロ・ファジ ィ・ＡＩハンドブック」，日本，株式会 社オーム社，1994年 ５月25日，初版, ｐｐ．574−586，ＩＳＢＮ：４−274− 03446−１ Ｃｒｏｕｎｓｅ，Ｋ．Ｒ． ａｎｄ Ｃｈｕａ，Ｌ．Ｏ．，”Ｍｅｔｈｏｄｓ ｆｏｒ ｉｍａｇｅ ｐｒｏｃｅｓｓ ｉｎｇ ａｎｄ ｐａｔｔｅｒｎ ｆｏ ｒｍａｔｉｏｎ ｉｎ Ｃｅｌｌｕｌａ ｒ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ： ａ ｔｕｔｏｒｉａｌ”，ＩＥＥＥ Ｔｒａｎｓ． ｏｎ Ｃｉｒｓｕｉｔｓ ａｎｄ Ｓｙｓｔｅｍｓ Ｉ，1995年 10月，Ｖｏｌ．42， Ｎｏ．10，ｐｐ. 583−601，ＩＳＳＮ：1057−7122 Ｓｈｉ，Ｂ．Ｅ． Ｒｏｓｋａ, Ｔ．； Ｃｈｕａ，Ｌ．Ｏ．，”Ｄｅｓ ｉｇｎ ｏｆ ｌｉｎｅａｒ ｃｅｌｌ ｕｌａｒ ｎｅｕｒａｌ ｎｅｔｗｏｒ ｋｓ ｆｏｒ ｍｏｔｉｏｎ ｓｅｎｓ ｉｔｉｖｅ ｆｉｌｔｅｒｉｎｇ”，Ｉ ＥＥＥ Ｔｒａｎｓ． ｏｎ Ｃｉｒｃ ｕｉｔｓ ａｎｄ Ｓｙｓｔｅｍｓ Ｉ Ｉ，1993年 ５月，Ｖｏｌ．40， Ｎ ｏ．５，ｐｐ．320−331，ＩＳＳＮ： 1057−7130 (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06N 1/00 - 7/08 G06G 7/60 G06T 1/00 - 5/50 G06T 7/00 - 7/60 G06T 9/00 - 9/40 H04N 1/40 ＪＩＣＳＴファイル（ＪＯＩＳ) ＣＳＤＢ（日本国特許庁)

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 セルラーニューラルネットワークを用い
   て入力画像データを処理する画像処理プロセッサであっ
   て、所定領域内の複数画素の入力データと入力重み値と
   の積和をデジタル演算する第１の積和演算手段と、 所定領域内の複数画素の出力画像データと第１の出力重
   み値との積和をデジタル演算する第２の積和演算手段
   と、 前フレーム画像の出力値データと第２の出力重み値との
   積和をデジタル演算する第３の積和演算手段と、 前記第１、第２及び第３の積和演算手段からの演算結果
   と非線形特性パラメータに従って出力画像データを決定
   する非線形作用手段と、を有し、 前記入力重み値、前記第１の出力重み値、前記第２の出
   力重み値及び非線形特性パラメータは、前記セルラーニ
   ューラルネットワークのパラメータであり、処理後の画
   像を評価するための歪み関数と、ニューラルネットワー
   クのエネルギー関数との間で係数を比較することにより
   決定された値である ことを特徴とするデジタル画像処理
   プロセッサ。
2. 【請求項２】 所定領域内の前画面と現画面の画素変化
   状態を検出する検出手段と、前記検出手段によって検出
   された画素変化状態に応じて、前記入力重み値、前記第
   １の出力重み値及び前記第２の出力重み値を設定する設
   定手段とを更に有することを特徴とする請求項１記載の
   デジタル画像処理プロセッサ。