JP3753900B2 - 画像処理装置 - Google Patents
画像処理装置 Download PDFInfo
- Publication number
- JP3753900B2 JP3753900B2 JP25618299A JP25618299A JP3753900B2 JP 3753900 B2 JP3753900 B2 JP 3753900B2 JP 25618299 A JP25618299 A JP 25618299A JP 25618299 A JP25618299 A JP 25618299A JP 3753900 B2 JP3753900 B2 JP 3753900B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- processing
- value
- pixel
- periodicity
- 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
Images
Landscapes
- Picture Signal Circuits (AREA)
- Facsimile Image Signal Circuits (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、指定された注目画素についてのモアレ発生予測情報を求めて表示する画像処理装置に関する。
【０００２】
【従来の技術】
一般に従来より、画像処理は、ＣＣＤなどの画像入力器で原稿または対象物体を光学的に読み取り、デジタル化することによってデジタル画像を取得し、そのデジタル画像に対して種々の処理を施すことにより行われる。
【０００３】
例えば、画像の鮮鋭度を向上させる場合には取得したデジタル画像にシャープネス処理が施される。また、シャープネス処理以外にも、画像中の画素の階調値を変換する階調変換処理等が行われる。
【０００４】
【発明が解決しようとする課題】
しかしながら、従来、例えば、デジタル画像に対してシャープネス処理などの画像処理を行った場合、処理後の画像にモアレが発生することがあった。
【０００５】
本発明者は、このようなモアレの発生状態や発生原因を調査した。その結果、まず、このようなモアレは、画像内に布地や網模様、格子パターンなどの周期性を有する画像パターンが存在する画像領域で発生することが判明した。
【０００６】
このようなモアレは、以下のような原因で発生すると考えられる。例えば、原稿内に図２３に示すような周期性を有する画像パターン(白黒の縞模様)ＧＰＴが存在し、この原稿を画像入力器で読み取ってデジタル画像を得る場合を考える。このとき、原稿の画像パターンＧＰＴと画像入力器の光学読み取り素子(光電素子)ＩＤとの位置関係によって、得られたデジタル画像の各画素の階調値は変化する。
【０００７】
例えば、原稿の画像パターンＧＰＴと光電素子ＩＤとの位置関係が図２３（ａ）に示す状態であれば、得られたデジタル画像の各画素の階調値は、図２４（ａ）の階調プロファイルに示すように、白黒が明確に分かれる「ＩＮフェイズ状態」となる。また、原稿の画像パターンＧＰＴと光電素子ＩＤとの位置関係が図２３（ｂ）に示す状態であれば、得られたデジタル画像の各画素の階調値は、図２４（ｂ）の階調プロファイルに示すように、白黒の中間値が発生する「ＯＵＴフェイズ状態」となる。
【０００８】
図２４に示す各階調プロファイルは「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とで相違するが、各々の平均階調値ＡＫIN、ＡＫOUTは略等しい。
【０００９】
しかしながら、デジタル画像に、例えば、シャープネス処理を施すと、「ＩＮフェイズ状態」で読み取られた画像と「ＯＵＴフェイズ状態」で読み取られた画像とで平均階調値ＡＫIN、ＡＫOUTに違いが生じる。例えば、図２４（ａ）、（ｂ）に示す各画像にそれぞれシャープネス処理を施すと、計算上、各画素の階調値は各々図２５（ａ）、（ｂ）に示すようになる。ここで、計算上、階調値が階調レンジＫＲ(図では、０〜２５５)から外れるサチレーションが起きると、その階調値は、強制的に階調レンジＫＲの上下限値に修正される。すなわち、図２４（ａ）、（ｂ）に示す各画像にそれぞれシャープネス処理を施すと、処理後の各画素の階調値は各々図２６（ａ）、（ｂ）の実線に示すようになる。
【００１０】
ここで、この例の画像パターンＧＰＴは、デジタル画像上で４画素周期の周期性を有しているが、１周期ごとに、図２６（ａ）では、白２画素だけにサチレーションＳＲが起き、図２６（ｂ）では、白１画素と黒１画素とにサチレーションＳＲが起きている。その結果、図２６（ａ）(「ＩＮフェイズ状態」)の平均階調値ＡＫINは、図２６（ｂ）(「ＯＵＴフェイズ状態」)の平均階調値ＡＫOUTに比べて低くなる。
【００１１】
ところで、図２３では、画像パターンＧＰＴの白黒の幅が、光電素子ＩＤの幅の整数倍である場合を示したが、画像パターンＧＰＴの白黒の幅が、光電素子ＩＤの幅の整数倍でない場合、原稿の画像パターンＧＰＴと光電素子ＩＤとの位置関係が周期的にずれるので、得られた画像上では、画像パターンＧＰＴは、「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とで読み込まれる状態が周期的に繰り返されることになる。この場合、このデジタル画像にシャープネス処理を施すと、平均階調値が周期的に変動する状態が生じる。この平均階調値が周期的に変動する状態が、モアレとなって現れるものと考えられる。
【００１２】
この周期変動は、原稿や対象物体には無い画像であるため、画像の品質が著しく低下することになる。
【００１３】
上記ではデジタル画像に対してシャープネス処理を施した場合について説明したが、例えば、図２７に示すようなルックアップテーブルによって各画素の階調値を変換するような階調変換処理など、サチレーションに偏りが生じるような画像処理を施した場合にも上記のような平均階調値が周期的に変動する状態が発生し、その結果、処理後の画像にモアレが発生すると考えられる。
【００１４】
さらに、例えば、図２８に示すようなルックアップテーブルによって各画素の階調値を変換する階調変換処理などでも、「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とで平均階調値に違いが生じ、上記のような平均階調値が周期的に変動する状態が発生する結果、処理後の画像にモアレが発生すると考えられる。
【００１５】
モアレの発生原因は以上のようなものであるが、従来においては、モアレの発生に関する予測情報、すなわちシャープネス処理等の画像処理の結果、平均階調値が周期的に変動する状態となるのを予測する情報を定量的にオペレータに知らせる技術はなかった。従って、従来においては、オペレータの経験と目視による以外にモアレの発生を予測することはできず、モアレの発生を何人にも容易に予測することができる技術が望まれていた。
【００１６】
本発明は、上記課題に鑑みてなされたものであり、モアレの発生を容易に予測することができる画像処理装置を提供することを目的とする。
【００１７】
【課題を解決するための手段】
上記課題を解決するため、請求項１の発明は、画像処理装置であって、画像内の注目画素を指定する注目画素指定手段と、前記注目画素について、前記画像に所定の画像処理を行った後のモアレの発生の予測に関するモアレ発生予測情報を算出するモアレ発生予測情報算出手段と、算出された前記モアレ発生予測情報を表示する表示手段と、を備え、前記モアレ発生予測情報算出手段に、前記注目画素を含む前記画像内の注目領域と当該注目領域以外の周辺領域との相関特性に基づいて画像パターンの繰り返しの有無の程度を示す周期性指標を算出する周期性指標算出手段と、前記画像パターンの繰り返しの周期を算出する周期算出手段と、前記画像パターンの繰り返しの方向を算出する方向算出手段と、を含ませ、前記モアレ発生予測情報に、前記周期性指標、前記周期および前記方向を含ませている。
【００１９】
また、請求項２の発明は、請求項１の発明に係る画像処理装置において、前記モアレ発生予測情報算出手段に、前記注目画素について、前記注目画素とその周辺画素との明暗比を示す指標であるコントラスト量を算出するコントラスト量算出手段、をさらに含ませ、前記モアレ発生予測情報に、前記コントラスト量をさらに含ませている。
【００２０】
【発明の実施の形態】
以下、図面を参照しつつ本発明の実施の形態について詳細に説明する。
【００２１】
＜１．背景となる技術＞
本発明者は、調査・解明したモアレの発生原因に基づいて、モアレの発生を抑制する技術について案出した。この技術について簡単に説明すると以下のようなものである。
【００２２】
原稿または対象物体をデジタル画像として読み込み、その画像から周期的な画像パターンの繰り返しが存在する周期画像領域を抽出する。また、このときに後述する相関特性に基づいて、画像パターンの繰り返しの有無の程度を示す周期性指標を算出する。
【００２３】
一方、これとは別に、読み込まれたデジタル画像から差分画像を作成する。差分画像を加工した後、その差分画像に基づいて明暗比を示す指標であるコントラスト量を算出する。
【００２４】
その後、上記の周期性指標およびコントラスト量に基づいてぼかし処理の程度であるぼかし量を決定し、また、シフト処理の程度であるシフト量を決定する。そして、決定されたぼかし量に従って画像のぼかし処理を行い、決定されたシフト量に従ってシフト処理を行う。
【００２５】
このようなぼかし処理またはシフト処理を行うことによって、「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とが周期的に繰り返される状態が崩されるため、ぼかし処理またはシフト処理後の画像に対してシャープネス処理等を施したとしても、平均階調値が周期的に変動する状態は生じず、モアレの発生を抑制することができる。なお、画像のコントラストが高い場合には主としてぼかし処理を行い、コントラストが低い場合には主としてシフト処理を行うことにより画質が劣化するのを防止している。
【００２６】
かかる技術においては、画像から周期性指標およびコントラスト量を算出し、それらに基づいて自動的にぼかし量やシフト量を決定している。ここで例えば、周期性指標は、シャープネス処理等を施したときに平均階調値が周期的に変動する状態が生じる原因（モアレ発生の原因）となる画像パターンの繰り返しの有無の程度を示す指標であり、いわばモアレの発生を予測するための指標である。従って、このような周期性指標等を表示すれば、オペレータはモアレの発生を予測する情報を定量的に把握することができるのである。
【００２７】
本発明は、このような周期性指標等を表示することによって、モアレの発生を予測する情報を定量的に示すものであり、以下詳細に説明する。
【００２８】
＜２．画像処理装置の全体構成＞
図１は、本発明に係る画像処理装置のハードウェア構成の一例を示すブロック図である。この画像処理装置はいわゆるコンピューターシステムを用いて構成されている。ＣＰＵ１は、内部メモリ２に記憶された処理プログラムに従って、本発明に係るモアレ発生予測情報を算出する処理の他、上述したモアレの発生を抑制する処理やシャープネス処理などの画像処理も実行する。ＣＰＵ１と内部メモリ２とはバスラインＢＬを介して接続されている。内部メモリ２には、上述した処理プログラムを記憶するプログラム記憶部２ａ以外にも、少なくとも処理を施す前のデジタル画像(以下、「処理前画像」とも言う)を記憶する処理前画像記憶部２ｂや処理を施した後のデジタル画像(以下、「処理後画像」とも言う)を記憶する処理後画像記憶部２ｃを有する。
【００２９】
また、ＣＰＵ１は、入出カインターフェイスＩＦを介して、記録媒体用ドライバ３、外部記憶装置４、表示装置５、入力装置６、画像入力器７などにも接続されている。
【００３０】
記録媒体用ドライバ３には、上述した各処理をＣＰＵ１に実行させるための処理プログラムが記録されている記録媒体８が装填される。記録媒体８から読み出された処理プログラムは内部メモリ２内のプログラム記憶部２ａに記憶され、ＣＰＵ１によって実行される。
【００３１】
ハードディスクや光磁気ディスクなどで構成される外部記憶装置４は、処理前画像や処理後画像などの画像の保存などに用いられる。また、ＣＲＴなどで構成される表示装置５は、モアレ発生予測情報の表示の他、処理前画像や処理後画像、シャープネス処理後の画像などの表示などに用いられる。さらに、キーボードやマウスなどで構成される入力装置６は、オペレータからの注目画素の指定の他、各種の指示や処理に必要なデータの設定などに用いられる。
【００３２】
入力スキャナなどで構成される画像入力器７によって読み込まれたデジタル画像(処理前画像)は、内部メモリ２内の処理前画像記憶部２ｂに記憶され、この処理前画像に対して、後述するようなモアレ発生予測情報の算出に関する各処理が施される。
【００３３】
図２は、図１の画像処理装置の機能的構成を示す機能ブロック図である。同図に示すように、この画像処理装置は機能的に、周期性データ演算部１０と、差分画像作成部３０と、コントラスト量算出部５０と、周期性データ加工部８０とを備えている。さらに、周期性データ演算部１０は、周期性指標算出部２０と、周期方向算出部６０と、周期値算出部７０と含み、差分画像作成部３０は、加工部４０を含んでいる。これらの処理部はいずれも、ＣＰＵ１内において、上記処理プログラムによって実現される手段であり、それぞれの機能および処理内容については後に詳述する。
【００３４】
＜３．画像処理の手順＞
図３は、画像処理装置における画像処理の処理手順の概要を示すフローチャートである。画像処理に先立って、原稿または対象物体が画像入力器７によってデジタル画像として読み込まれ、処理前画像記憶部２ｂに記憶される。そして、読み込まれたデジタル画像は、表示装置５に処理前画像として表示される（ステップＳ１）。
【００３５】
次に、オペレータが表示された処理前画像を確認しつつ、モアレ発生予測情報を知りたい領域の注目画素を指定する（ステップＳ２）。この指定は、入力装置６を使用して行われる。
【００３６】
次に、上記の指定された注目画素について、周期性データ演算部１０が処理前画像から周期性データの算出を行う（ステップＳ３）。周期性データとは、周期性指標と周期方向と周期値とを含む総称であり、これについてはさらに後述する。得られた周期性データは、周期性データ加工部８０によって加工され（ステップＳ４）、その加工後の周期性データをもって、周期性データ演算部１０が注目画素についての最終的な周期性データを確定させる（ステップＳ５）。
【００３７】
一方、読み込まれたデジタル画像は、差分画像作成部３０にも与えられ、処理前画像から差分画像が作成される。差分画像は加工部４０によって加工され、その加工後の差分画像に基づいてコントラスト量算出部５０が明暗比を示す指標であるコントラスト量を算出する（ステップＳ６）。
【００３８】
その後、注目画素について得られた周期性データおよびコントラスト量がモアレ発生予測情報として表示装置５に表示される（ステップＳ７）。
【００３９】
なお、ステップＳ３〜ステップＳ５の処理とステップＳ６の処理とはその処理順序が逆であっても良い。また、モアレ発生予測情報を表示させた後に、上述したようなモアレの発生を抑制する処理を行わせるようにしても良い。
【００４０】
以下、図３の各処理手順についてさらに詳細に説明する。
【００４１】
＜３−１．周期性データの算出＞
入力装置６を介して指定された注目画素(xc,yc)についての周期性データは、周期性データ演算部１０が処理前画像における周期的な画像パターンの繰り返しを調べることにより算出される。
【００４２】
具体的には、まず、以下の数１によって注目画素(xc,yc)の周辺領域の自己相関データＳ(a,b)を求める。
【００４３】
【数１】
【００４４】
但し、ＡＢＳ｛｝は絶対値を求める関数、Ｐ(x,y)は処理前画像の画素(x,y)の階調値、ｍ,ｎは差分積算領域Ｅを決める定数、ａ,ｂは自己相関を比較するズラシ量、ｗｘ,ｗｙは１つの中心画素(xc,yc)に対して自己相関特性を調べる範囲Ｗを決める定数である。
【００４５】
(xc,yc)=(4,4)、m=n=1(差分積算領域：３×３)、wx=xy=2(a=b=-2〜+2)とした場合において、a=b=+2のときの自己相関データＳ(a,b)の算出形態を図４に示す。
【００４６】
なお、ｍ,ｎ,ｗｘ,ｗｙは予め設定された固定値として処理するようにしてもよいし、入力装置６からオペレータによって適宜に変更可能に構成してもよい。そして、周期性データ演算部１０は、ｍ,ｎ,ｗｘ,ｗｙによって規定される範囲Ｗの周囲をさらにα画素分だけ拡張した領域を予め切り出して、処理前画像記憶部２ｂに展開し、その切り出した画像領域に対して数１の演算を行う。αの値についても、予め設定された固定値として処理するようにしてもよいし、入力装置６からオペレータによって適宜に変更可能に構成してもよい。
【００４７】
ところで、上記の数１では、自己相関データを２次元的に求めているので処理量が多くなる。そこで、例えば、２次元の処理前画像内で互いに直交する2つの画素列方向であるｘ方向、ｙ方向それぞれに沿った周期的な画像パターンの繰り返しの存在を調べて周期画像領域を抽出するために、ｘ方向、ｙ方向それぞれに沿った自己相関データＨ(a)、Ｖ(b)を以下の数２、数３によって求めて、処理の高速化を図るようにしてもよい。
【００４８】
【数２】
【００４９】
【数３】
【００５０】
(xc,yc)=(4,4)、m=1(差分積算領域：３×１)、wx=2(a=-2〜+2)とした場合において、a=+2のときのｘ方向に沿った自己相関データＨ(a)の算出形態を図５に、また、(xc,yc)=(4,4)、n=1(差分積算領域：１×３)、wy=2(b=-2〜+2)とした場合において、b=+2のときのｙ方向に沿った自己相関データＶ(b)の算出形態を図６にそれぞれ示す。
【００５１】
次に、上記で求めた自己相関データ(Ｓ(a,b)、または、Ｈ(a)、Ｖ(b))に基づき、画像中における周期的な画像パターンの繰り返しの有無を調べる。
【００５２】
すなわち、周期的な画像パターンの繰り返しが存在すると、その画像パターンの周期ごとに自己相関が高くなり、上記数１、数２、数３で求まる自己相関データは規則的に小さくなる。従って、まず、（Ａ）自己相関データの極小値を検索し、（Ｂ）それら極小値が所定レベル以下で、かつ、（Ｃ）それら極小値が規則的に存在していることを調べる。
【００５３】
図７は(xc,yc)=(7,3)、m=1、wx=5(a=-5〜+5)とした場合のＰ(x,y)、Ｈ(a)の一例を示すデータとそのＨ(a)をグラフ化した図である。すなわち、同図は注目画素(xc,yc)=(7,3)について、当該注目画素を含む注目領域と当該注目領域以外の周辺領域との相関特性を示すものである。なお、a=0は、同じ画素どうしの自己相関であるので、Ｈ(0)=０となり極小値になる。
【００５４】
自己相関データＨ(a)について、上記（Ａ）の処理は、〔(Ｈ(k-1)＞Ｈ(k))and(Ｈ(k)＜Ｈ(k+1))〕の条件を満たすkを＋側と−側とで求める。この条件を満たすkについてのＨ(k)の値が極小値となる。
【００５５】
上記（Ｂ）の処理は、上記（Ａ）の条件を満たすＨ(k)、すなわち極小値となるＨ(k)が所定のしきい値以下となるか否かで判定する。このしきい値は、予め入力装置６等によって複数が設定されており、例えば図７においては、”ＳＬ１=7.5”、”ＳＬ２=5”の２つが設定されている。そして、極小値となるＨ(k)が少なくとも最も高い値のしきい値ＳＬ１以下となっていれば、上記（Ｂ）の処理において、所定レベル以下であると判定される。
【００５６】
なお、注目領域のコントラストが高いほど、Ｈ(a)の全体レベルが上がるため、しきい値は固定値ではなく、Ｈ(a)の最大値に対する比率（ＳＬ１＝５８％，ＳＬ２＝３８％）で規定してもよい。
【００５７】
上記（Ｃ）の処理では、例えば、上記（Ａ）の条件を満たす＋側のkをkp、−側のkをkmとしたとき(ABS{kp＋km}≦１)を満たすか否かで規則性の有無を判定する。また、例えば、上記（Ａ）の条件を満たす各極小値に対して、隣接する各極小値間の幅の相互の差分の絶対値が各々１以下であるか否か、すなわち、ABS{D(d+1)−D(d)}≦１(d=0,1,2,・・・：図７では、d=O)によって規則性の有無を判定することもできる。後者の判定によれば、例えば、極小値が＋側、−側にそれぞれ２個以上存在する場合にも適用できる。
【００５８】
Ｈ(a)に極小値が存在しても、ある程度大きかったり(最も高い値のしきい値ＳＬ１を越えていたり)、それら極小値が不規則に存在しているような場合は周期性が有るとは言い難いが、上記（Ｂ）によりレベル判定が行え、上記（Ｃ）により極小値の規則性が判別でき、周期性の有無を確実に判定できる。
【００５９】
従って、上記（Ａ）、（Ｂ）、（Ｃ）の条件を全て満たす場合、注目画素(xc,yc)の周囲の範囲Ｗ内の画像に周期的な画像パターンの繰り返しが存在することになる。これに対して、図８に示すような自己相関データＨ(a)には周期性が無く、周期的な画像パターンの繰り返しが存在しないこととなる。
【００６０】
ところで、図７において、ｘ方向の周期値Thは((kp−km)/2))または(D(d))である。
【００６１】
また、上記ではｘ方向に沿った周期性の有無や周期値(Th)について説明したが、ｙ方向に沿った周期性の有無や周期値(Tv)も同様の処理により求めることができる。
【００６２】
図９に示すように、ｘ方向の周期値(Th)とｙ方向の周期値(Tv)が判れば、周期方向算出部６０がそれらに基づいて画像パターンの繰り返しの方向である周期方向θを(arctan(Tv/Th))として算出する。
【００６３】
また、周期値算出部７０がｘ方向の周期値(Th)とｙ方向の周期値(Tv)とに基づいて、処理前画像上の実際の周期値（周期方向に沿った画像パターンの繰り返しの周期）Ｔを(Th×sinθ)(または、Tv×cosθ)として算出する。
【００６４】
自己相関データＳ(a,b)を用いた場合には、上記と同様の処理を２次元的に行うことで、周期性の有無や処理前画像上の実際の周期方向及び周期値を得ることができるが、上述したようにｘ方向、ｙ方向それぞれに沿った自己相関データＨ(a)、Ｖ(b)を用いても同様の結果を高速に得ることができる。なお、自己相関データＳ(a,b)を用いた場合、実際の画像パターンの周期を種々の方向から調べることになるが、このとき、周期値が最小となる方向がその画像パターンの周期方向となる。
【００６５】
また、上記（Ａ）、（Ｂ）、（Ｃ）の処理が実行される過程において、図７に示したような相関特性に基づいて、周期性指標算出部２０が画像パターンの繰り返しの有無の程度を示す周期性指標Ｍを算出する。自己相関データＨ(a)は、周期性の度合い（画像パターンの繰り返しの有無の程度）を示すものであるため、極小値となるＨ(k)がより低い値のしきい値以下となっている場合には、周期性の度合いが大きいと言える。例えば、図７において、極小値Ｈ(-3)はしきい値ＳＬ１としきい値ＳＬ２との間であるのに対して、極小値Ｈ(+3)はしきい値ＳＬ２よりも小さい。つまり、極小値Ｈ(+3)の方が周期性の度合いが大きいことを示している。従って、極小値Ｈ(k)がいずれのしきい値以下となっているかを判定することによって、画像パターンの繰り返しの有無の程度を判別することができるのである。
【００６６】
具体的には、以下のようにして周期性指標算出部２０が周期性指標Ｍを算出する。周期性指標Ｍの算出に関与するのは、上記（Ａ）の処理において極小値と判定され、上記（Ｂ）の処理において最高しきい値ＳＬ１以下と判定され、かつ上記（Ｃ）の処理において規則性有りと判定された極小値Ｈ(k)のみである。但し、Ｈ(0)は、注目画素自身との相関であって、必ず０になる値であるため、周期性指標Ｍの算出には関与しない。従って、例えば、図７においては、しきい値ＳＬ１以下の極小値Ｈ(-3)および極小値Ｈ(+3)がいずれのしきい値以下となっているかによって周期性指標Ｍは算出される。なお、上記（Ａ）、（Ｂ）、（Ｃ）の条件を満たすＨ(k)が存在しない場合には、その注目画素(xc,yc)についての周期性指標Ｍ(xc,yc)＝０とすることにより、周期性は存在しないものとされる。
【００６７】
複数のしきい値のそれぞれには周期性指標Ｍの値が０から１の範囲にて規定されており、例えば図７の例では、しきい値ＳＬ１に”Ｍ＝０”、しきい値ＳＬ２に”Ｍ＝１”が規定されている。そして、しきい値ＳＬ２以下の極小値Ｈ(k)については”Ｍ(k)＝１”とする。一方、しきい値ＳＬ１としきい値ＳＬ２との間の極小値Ｈ(k)については、しきい値ＳＬ１としきい値ＳＬ２との間において周期性指標Ｍが線形的に変化するものとみなして、算出する。例えば、図７の場合、以下の数４に従って算出する。
【００６８】
【数４】
【００６９】
そして、複数の極小値Ｈ(k)について算出されたＭ(k)の平均値が注目画素(xc,yc)についての周期性指標Ｍ(xc,yc)となる。例えば、図７においては、極小値Ｈ(+3)はしきい値ＳＬ２よりも小さいため、Ｍ(+3)＝１となる。また、極小値Ｈ(-3)はしきい値ＳＬ１としきい値ＳＬ２との間であるため、数４に従い、Ｍ(-3)＝(7.5-6)/(7.5-5)=0.6となる。よって、注目画素(xc,yc)=(7,3)についての周期性指標Ｍ(7,3)＝(1+0.6)/2＝0.8となる。
【００７０】
なお、周期性指標Ｍの算出に使用するしきい値は２つに限定されるものではなく、３つ以上であっても良い。最高しきい値と最低しきい値との間において周期性指標Ｍが線形的に変化する場合は、２つで十分であるが、非線形的に変化する場合は３つ以上のしきい値を設定した方が好ましい。
【００７１】
また、上記のしきい値とは別に、自己相関データＨ(a)の最大値について判定するためのしきい値を設けるようにしても良い。自己相関データＨ(a)の最大値が所定のしきい値よりも小さい場合は、均一な画像中にノイズが存在している場合が多いと考えられ、このような場合は周期的な画像パターンの繰り返しであるとは言えない。従って、自己相関データＨ(a)の最大値が所定のしきい値よりも小さい場合は、注目画素(xc,yc)についての周期性指標Ｍ(xc,yc)＝０とすることにより、周期性は存在しないものと判定するのである。
【００７２】
上述したような周期性データ演算部１０による処理のうち、少なくとも周期性指標算出部２０による周期性指標Ｍの算出は、上述した範囲Ｗの周囲をさらにα画素分だけ拡張して拡大した領域に含まれる全ての画素について行う。指定された注目画素(xc,yc)以外の画素についても周期性指標Ｍを算出するのは、後述する周期性データ加工部８０による加工のためである。なお、指定された注目画素(xc,yc)以外の画素についての周期性指標Ｍの算出手法は、上述と同様である。
【００７３】
以上のようにして、指定された注目画素(xc,yc)について、画像パターンの繰り返しの有無の程度を示す周期性指標Ｍと、画像パターンの繰り返しの周期値Ｔと、画像パターンの繰り返しの方向θとが周期性データとして算出されるのである。
【００７４】
＜３−２．周期性データの加工＞
ところで、指定された注目画素(xc,yc)が画像パターンの繰り返しの端部に位置する場合は、上記の周期性データが適切に算出されない場合がある。まず、その理由について以下に説明する。
【００７５】
図１０に示すような画像に対して、上記と同様の処理を行う場合について考える。なお、図１０において、斜線部は黒色領域であり、残余の部分は白色領域であるものとする。
【００７６】
注目画素(xc,yc)が、図１０に示す黒色領域Ｐ２に存在する場合、自己相関データＨ(a)は図１１にて示すようになる。すなわち、黒色領域Ｐ２の両隣には、黒色領域Ｐ１および黒色領域Ｐ３が存在し、画像パターンの繰り返しとなっているため、所定のしきい値以下の極小値Ｈ(a)が規則的に存在する。その結果、黒色領域Ｐ２には周期的な画像パターンの繰り返しが存在すると判断され、注目画素(xc,yc)には高い値（例えば”１．０”）の周期性指標Ｍ(xc,yc)が付与される。注目画素(xc,yc)が黒色領域Ｐ３に存在する場合も同様である。
【００７７】
一方、注目画素(xc,yc)が、図１０に示す黒色領域Ｐ１に存在する場合、自己相関データＨ(a)は図１２にて示すようになる。すなわち、黒色領域Ｐ１の右隣には黒色領域Ｐ２が存在するものの、左隣には黒色領域が存在しないため、所定のしきい値以下の極小値Ｈ(a)が１つしか存在しない、つまり規則的に存在しないこととなる。その結果、黒色領域Ｐ１には周期的な画像パターンの繰り返しが存在しないと判断され、注目画素(xc,yc)の周期性指標Ｍ(xc,yc)は”０”とされる。注目画素(xc,yc)が黒色領域Ｐ４に存在する場合も同様である。
【００７８】
以上のように処理が行われたとすると、図１０に示した画像には図１３の斜線部にて示すような画像パターンの繰り返しが存在するものと判断されることとなる。すなわち、図１０の処理前画像における実際の周期的な画像パターンの繰り返しよりも狭い画像パターンの繰り返ししか存在しないものと判断されるのである。
【００７９】
そして、指定された注目画素(xc,yc)が黒色領域Ｐ１や黒色領域Ｐ４に存在する場合は、実際には周期的な画像パターンの繰り返しであるにもかかわらず、周期性指標Ｍ(xc,yc)＝０とされ、周期性データが適切に算出されないのである。
【００８０】
そこで、本実施形態においては、上記周期性データ算出処理において画像パターンの繰り返しであると判断された領域を周期性データ加工部８０が画像パターンの繰り返しの１周期分、すなわち周期値Ｔだけ拡張しているのである。
【００８１】
具体的には、上記の周期性データ算出処理において画像パターンの繰り返しであると判断された領域内の画素を中心画素として±Ｔの範囲内に存在する画素の周期性指標Ｍと当該中心画素の周期性指標Ｍとを比較し、±Ｔの範囲内に存在する画素の周期性指標Ｍの方が小さければ、その画素の周期性指標Ｍの値を中心画素の周期性指標Ｍの値に置き換えているのである。例えば、図１３において画像パターンの繰り返しであると判断された領域内に含まれる黒色領域Ｐ２の画素を中心画素とした±Ｔの範囲内には、黒色領域Ｐ１が含まれる。黒色領域Ｐ１内の画素の周期性指標Ｍは、黒色領域Ｐ２の画素の周期性指標Ｍよりも低いため、黒色領域Ｐ１内の画素の周期性指標Ｍの値が黒色領域Ｐ２の画素の周期性指標Ｍの値に置換されるのである。同様にして、黒色領域Ｐ４内の画素の周期性指標Ｍの値が黒色領域Ｐ３の画素の周期性指標Ｍの値に置換される。なお、周期性データ加工部８０がこのような処理を行うために、上記の周期性データ算出処理において範囲Ｗの周囲をさらにα画素分だけ拡張して拡大した領域に含まれる全ての画素について周期性指標算出部２０が周期性指標Ｍを算出しているのである。
【００８２】
その結果、図１４の斜線部にてに示すような画像パターンの繰り返しであると判断される領域が取得されることとなる。この領域は、図１０の処理前画像における実際の画像パターンの繰り返しの全てを含むものである。そして、このようにして拡張された画像パターンの繰り返しである領域内の画素には、周期性データ算出処理において画像パターンの繰り返しであると判断された領域の画素が有していた周期性指標Ｍの値と同じ値の周期性指標Ｍが付与されている。なお、上述においては、説明を簡単にするため、一方向のみに拡張する場合について説明したが、２方向に拡張した後それを合成するようにしても良い。
【００８３】
以上のようにして、周期性データ加工部８０によって画像パターンの繰り返しが拡張され、算出された周期性データの加工が行われるのである。
【００８４】
＜３−３．周期性データの確定＞
周期性データ加工部８０によって周期性データの加工が行われた結果、指定された注目画素(xc,yc)が画像パターンの繰り返しの端部に位置する場合であっても、的確に画像パターンの繰り返しであると判断される。換言すれば、周期性データの加工を行うことによって、指定された注目画素(xc,yc)についての正確な周期性データを得ることができるのである。このため、本実施形態においては、周期性データの加工が行われた後、その加工後の周期性データをもって、周期性データ演算部１０が指定された注目画素(xc,yc)についての最終的な周期性データを確定させている。
【００８５】
具体的には、上記の加工において拡張された画像パターンの繰り返しである領域内の画素に付与された周期性指標Ｍの値を周期性指標算出部２０が注目画素(xc,yc)についての最終的な周期性指標Ｍとして確定する。
【００８６】
また、指定された注目画素(xc,yc)が画像パターンの繰り返しの端部に位置する場合には、自己相関データＨ(a)において片側にしか極小値が存在しない。ここで、上記の加工において画像パターンの繰り返しが拡張され、注目画素(xc,yc)についての最終的な周期性指標Ｍが”０”から他の値に上昇した場合には、自己相関データＨ(a)において片側にしか存在しない極小値から周期値Ｔおよび周期方向θを算出する。例えば、図７において、極小値が＋側にしか存在しないとすると、ｘ方向の周期値Thは(kp)または(D(1))となる。ｙ方向の周期値(Tv)も同様にして求められる。
【００８７】
そして、周期方向算出部６０がそれらに基づいて画像パターンの繰り返しの方向である周期方向θを(arctan(Tv/Th))として算出し、最終的な周期方向として算出する。また、周期値算出部７０もｘ方向の周期値(Th)とｙ方向の周期値(Tv)とに基づいて、周期方向に沿った画像パターンの繰り返しの周期である周期値Ｔを(Th×sinθ)(または、Tv×cosθ)として算出し、最終的な周期値として確定する（図９参照）。
【００８８】
なお、指定された注目画素(xc,yc)が画像パターンの繰り返しの内部に位置する場合であって、ステップＳ３の周期性データの算出において周期性指標Ｍの値が”０”以外であると判断されたものについては、ステップＳ３にて算出された周期方向θおよび周期値Ｔの値をそのまま周期方向算出部６０および周期値算出部７０が最終的な周期方向および周期値として確定させる。
【００８９】
＜３−４．コントラスト量の算出＞
次に、コントラスト量の算出について説明する。既述したように、処理前画像は差分画像作成部３０にも与えられ、差分画像作成部３０、加工部４０およびコントラスト量算出部５０による処理を経て、指定された注目画素(xc,yc)についてのコントラスト量Ｃ(xc,yc)が算出される。指定された注目画素(xc,yc)についてのコントラスト量とは、注目画素(xc,yc)とその周辺画素との明暗比を示す指標である。
【００９０】
図１５は、コントラスト量算出の手順を示すフローチャートである。図１５に示した各処理のうち、ステップＳ６１〜ステップＳ６３の処理は差分画像作成部３０によって、ステップＳ６４〜ステップＳ６６の処理は加工部４０によって、ステップＳ６７の処理はコントラスト量算出部５０によって実行されるものであり、以下これらについて順に説明する。
【００９１】
まず、差分画像作成部３０が高濃度領域拡張画像および高濃度領域縮小画像を作成する（ステップＳ６１，Ｓ６２）。図１６は、高濃度領域の拡張または縮小について説明する図である。同図に示すように、白地中に黒字の四角形の図形（斜線を付した部分）が描かれた処理前画像の高濃度領域を拡張または縮小する場合を例として説明する。
【００９２】
図１６において、白地部分が階調値Ｐ＝”２５５”の高濃度領域であり、黒の図形部分が階調値Ｐ＝”０”の低濃度領域である。高濃度領域を拡張するときには、この画像に対して３×３の画素行列で構成されるフィルタＦ１によるフィルタ操作を行う。フィルタＦ１は、その構成画素（３×３＝９画素）の階調値のうちの最大値を中央画素の出力値とするフィルタである。そして、このフィルタＦ１を、画像に対して順次に走査させることによって高濃度領域の拡張を行う。すなわち、フィルタＦ１が黒の図形の周辺部分を走査するときには、高濃度（高階調値）である白地部分の階調値（Ｐ＝２５５）が出力され、当該周縁部分が黒から白地に置換される。このことは、高濃度領域（白地）が拡張されることを意味しており、いわゆる太らせ処理が行われていることとなる。
【００９３】
図１７は、図１６の画像の高濃度領域が拡張された高濃度領域拡張画像を示す図である。高濃度領域（白地）が拡張され、黒の図形部分が処理前画像よりも小さくなっている。
【００９４】
一方、高濃度領域を縮小するときにも上記と同様に、処理前画像に対して３×３の画素行列で構成されるフィルタＦ２によるフィルタ操作を行う。フィルタＦ２は、その構成画素（３×３＝９画素）の階調値のうちの最小値を中央画素の出力値とするフィルタである。従って、上記拡張と同様に、フィルタＦ２を処理前画像に対して順次に走査させると、黒の図形の周辺部分において、低濃度（低階調値）である黒の階調値（Ｐ＝０）が出力され、当該周辺部分が白地から黒に置換される。このことは、高濃度領域（白地）が縮小されることを意味しており、いわゆる細らせ処理が行われていることとなる。
【００９５】
図１８は、図１６の画像の高濃度領域が縮小された高濃度領域縮小画像を示す図である。高濃度領域（白地）が縮小され、黒の図形部分が処理前画像よりも大きくなっている。
【００９６】
次に、差分画像作成部３０が高濃度領域拡張画像と高濃度領域縮小画像との差分である差分画像を作成する（ステップＳ６３）。本実施形態における差分画像とは、高濃度領域拡張画像の画素の階調値から当該画素に対応する高濃度領域縮小画像の画素の階調値を減算して得られる画像である。すなわち、以下の数５によって得られる画像である。
【００９７】
【数５】
【００９８】
数５において、Ｐdif(x,y)は差分画像の画素(x,y)の階調値、Ｐmax(x,y)は高濃度領域拡張画像の画素(x,y)の階調値、Ｐmin(x,y)は高濃度領域縮小画像の画素(x,y)の階調値である。
【００９９】
図１９は、作成された差分画像を示す図である。図１６に示した処理前画像と比較すると明らかなように、処理前画像においてコントラストが高い領域、すなわち、ある画素とその周辺との明暗比が大きい領域が差分画像においては大きな階調値を有している。このことは、差分画像とは、処理前画像からコントラストが高い領域を抽出した画像であることを意味しており、差分画像の作成とは高コントラスト領域の抽出処理であると言える。
【０１００】
ところで、モアレが発生すると考えられるのは、ある程度面積が大きな領域である。そこで、本実施形態においては、加工部４０によって上記差分画像を加工し、高コントラストであっても面積の小さな領域やノイズ部分を除去している（コントラストを低下させている）。
【０１０１】
加工部４０による加工は、ステップＳ６４〜ステップＳ６６の３段階の工程によって行われる。まず、ステップＳ６３にて作成された差分画像について、加工部４０がバイリニア縮小を行う（ステップＳ６４）。バイリニア縮小とは、例えば、差分画像を１つの領域が８×８の画素群で構成される複数の領域に分割し、複数の領域のそれぞれに含まれる６４の画素の階調値を平均して１つの画素の階調値として出力する画像縮小処理である。このようなバイリニア縮小によって、差分画像は縦横ともに１／８に縮小されるとともに、差分画像の階調値が平滑化されることとなる。
【０１０２】
次に、バイリニア縮小によって得られた縮小画像に対して加工部４０がメディアンフィルタによるフィルタ操作を行う（ステップＳ６５）。メディアンフィルタは、その構成画素（例えば、３×３＝９画素）の階調値のうちの中央値（メディアン）を中央画素の出力値とするフィルタであり、画像中のノイズ部分を除去するためのフィルタである。メディアンフィルタを上記縮小画像に対して順次に走査させると、当該縮小画像中のノイズ部分が除去される。縮小画像中においてノイズ部分となるのは、元の処理前画像中における面積の小さな高コントラスト領域やノイズ領域である。
【０１０３】
また、縮小画像に対して３×３のメディアンフィルタによるフィルタ操作を行うことは、元の差分画像に対して２４×２４のメディアンフィルタによるフィルタ操作を行うことと実質的に等価である。フィルタ操作は、フィルタのサイズが小さいほどＣＰＵ１の負担が軽く、高速に実行することができる。すなわち、バイリニア縮小を行った後に小さなフィルタによるフィルタ操作を行うことで、大きなフィルタによるフィルタ操作を行ったのと同様の効果を高い処理効率にて得ることができるのである。
【０１０４】
次に、フィルタ操作後の縮小画像に対して加工部４０がバイリニア拡大を行い、加工後の差分画像を得る（ステップＳ６６）。バイリニア拡大とは、フィルタ操作後の縮小画像に含まれる画素の階調値を補間しつつ、当該縮小画像を元の差分画像と同等の大きさに拡大する処理である。
【０１０５】
図２０は、バイリニア拡大を概念的に説明するための図である。フィルタ操作後の縮小画像において、図２０（ａ）に示すように、階調値Ｐ＝２５５、Ｐ＝０、Ｐ＝２５５の順に並ぶ画素列が存在していたとする。これを縦横ともに８倍に拡大すると、図２０（ｂ）に示すような元の差分画像と同等の大きさの画像が得られるのであり、このときに階調値Ｐ＝２５５の画素と階調値Ｐ＝０の画素との間に生成された画素列Ｌ１および画素列Ｌ２については階調値Ｐ＝２５５と階調値Ｐ＝０との間にて直線近似にて補間（バイリニア補間）した階調値を付与する。このようにすれば、フィルタ操作後の縮小画像において隣接する画素の階調値が大きく異なっていたとしても、拡大後の差分画像においては階調値が滑らかに変化する状態（いわゆる「なじむ」状態）となる。
【０１０６】
以上のようにして、加工部４０による加工が実行されるのであり、バイリニア縮小とバイリニア拡大との組み合わせによって差分画像に対する一種のぼかし処理を行うとともに、メディアンフィルタによるフィルタ操作を行うことによって、高コントラストであっても面積の小さな領域やノイズ部分が十分に除去された加工後の差分画像を取得することができる。
【０１０７】
なお、ステップＳ６４〜ステップＳ６６の加工処理は必須の処理ではなく、処理前画像中に高コントラストであっても面積の小さな領域等がほとんど存在しないような場合は、省略可能な処理である。
【０１０８】
次に、ステップＳ６７に進み、コントラスト量算出部５０が差分画像（加工後の差分画像または加工を行っていない差分画像）から指定された注目画素(xc,yc)の階調値を検出することによって、当該注目画素についてのコントラスト量を算出する。
【０１０９】
差分画像は、処理前画像からコントラストが高い領域を抽出した画像であり、その階調値が大きいということは、処理前画像においてコントラストが高いことを意味している。従って、差分画像における注目画素(xc,yc)の階調値は、そのまま注目画素(xc,yc)とその周辺との明暗比を示す指標となり、すなわち指定された注目画素(xc,yc)についてのコントラスト量Ｃ(xc,yc)となるのである。
【０１１０】
なお、前記した実施例においては、注目画素についてのコントラスト量を、差分画像から算出するように説明したが、例えば次のようにコントラスト量を算出してもよい。
【０１１１】
注目画素の階調値と周辺画素（例えば、左右、上下方向の隣接画素）の階調値の差分を求め、求めた差分値の平均値又は合計値に基づいてコントラスト量を算出することができる。
【０１１２】
あるいは、注目画素に対する周辺画素（例えば、左右、上下方向の隣接画素）間の階調値の差分を求め、求めた差分値の平均値又は合計値に基づいてコントラスト量を算出することができる。
【０１１３】
＜３−５．モアレ発生予測情報の表示＞
以上のようにして指定された注目画素(xc,yc)についての周期性データが確定され、コントラスト量Ｃ(xc,yc)が算出された後、それらがモアレ発生予測情報として表示装置５に表示される。
【０１１４】
図２１は、表示装置５にモアレ発生予測情報が表示された様子を示す図である。例えば、表示装置５に表示された処理前画像の中の画素ＤＧをオペレータが指定（ステップＳ２）したとすると、モアレ発生予測情報表示領域ＭＴが処理前画像の上に重ねて表示される。
【０１１５】
図２２は、モアレ発生予測情報表示領域ＭＴの表示内容の一例を示す図である。本実施形態において、モアレ発生予測情報とはモアレ発生の予測に関する情報であり、上述のようにして算出された周期性データおよびコントラスト量、厳密には指定された注目画素についての「周期性指標」、「周期値」、「方向」および「コントラスト量」を含むものである。そして、モアレ発生予測情報表示領域ＭＴには、モアレ発生予測情報として、指定された注目画素についての算出された「周期性指標Ｍ」、「周期値Ｔ」、「方向θ」および「コントラスト量Ｃ」が数値にて表示されるのである。例えば、図２２においては、指定された注目画素ＤＧについての周期性指標Ｍ、周期値Ｔ、方向θおよびコントラスト量Ｃがそれぞれ「度合」、「周期」、「方向」および「コントラスト量」として数値にて表示される。
【０１１６】
オペレータは、表示装置５に表示されたモアレ発生予測情報表示領域ＭＴを視認することによって、モアレ発生の原因となる画像パターンの繰り返しに関する情報を数値として得ることができ、指定した画素ＤＧの周辺にてモアレが発生するか否かおよび発生するモアレの程度を定量的に把握することができることとなり、何人であってもモアレの発生を容易に予測することができる。そして、例えば、確認したモアレ発生予測情報に基づいて既述したモアレの発生を抑制する処理のパラメータをオペレータが適宜設定すれば、適切なモアレ発生抑制処理を行うことができる。
【０１１７】
なお、上記のモアレ発生予測情報のうち周期性指標Ｍ、周期値Ｔ、方向θは、それぞれ周期的な画像パターンの繰り返しの有無の程度、画像パターンの繰り返しの周期、画像パターンの繰り返しの方向であり、モアレ発生を予測するための直接的な情報であると言える。これに対して、モアレ発生予測情報のうちコントラスト量Ｃは、注目画素とその周辺との明暗比を示す指標である。コントラスト量Ｃは、既述したモアレ発生抑制処理のうちのぼかし処理またはシフト処理のいずれの処理に重きを置くかを決定する際に重要な情報であり、モアレ発生の予測という観点からは補助的な情報である。従って、コントラスト量Ｃについては必ずしも表示する必要はない。
【０１１８】
【発明の効果】
以上、説明したように、請求項１の発明によれば、注目画素について、画像に所定の画像処理を行った後のモアレの発生の予測に関するモアレ発生予測情報を算出するモアレ発生予測情報算出手段と、算出されたモアレ発生予測情報を表示する表示手段と、を備えているため、表示手段に表示されたモアレ発生予測情報を確認するだけでモアレの発生を容易に予測することができる。また、モアレ発生予測情報算出手段が注目画素を含む注目領域と当該注目領域以外の周辺領域との相関特性に基づいて画像パターンの繰り返しの有無の程度を示す周期性指標を算出する周期性指標算出手段と、画像パターンの繰り返しの周期を算出する周期算出手段と、画像パターンの繰り返しの方向を算出する方向算出手段と、を含むため、モアレの発生を容易かつ的確に予測することができる。
【０１２０】
また、請求項２の発明によれば、モアレ発生予測情報算出手段は、注目画素について注目画素とその周辺画素との明暗比を示す指標であるコントラスト量を算出するコントラスト量算出手段、を含むため、モアレの発生を容易かつ的確に予測することができる。
【図面の簡単な説明】
【図１】本発明に係る画像処理装置のハードウェア構成の一例を示すブロック図である。
【図２】図１の画像処理装置の機能的構成を示す機能ブロック図である。
【図３】図１の画像処理装置における画像処理の処理手順の概要を示すフローチャートである。
【図４】自己相関データの算出形態の一例を示す図である。
【図５】ｘ方向に沿った自己相関データの算出形態の一例を示す図である。
【図６】ｙ方向に沿った自己相関データの算出形態の一例を示す図である。
【図７】処理前画像の各画素の階調値の一例およびそれから得られたｘ方向に沿った自己相関データを示す図である。
【図８】周期性が無いｘ方向に沿った自己相関データの一例を示す図である。
【図９】ｘ方向に沿った周期値およびｙ方向に沿った周期値と実際の周期方向及び周期値との関係を示す図である。
【図１０】処理前画像の一例を示す図である。
【図１１】図１０の画像についての自己相関データの一例を示す図である。
【図１２】図１０の画像についての自己相関データの他の例を示す図である。
【図１３】周期性データ算出処理において画像パターンの繰り返しであると判断された領域領域を示す図である。
【図１４】拡張された画像パターンの繰り返し領域を示す図である。
【図１５】コントラスト量算出の手順を示すフローチャートである。
【図１６】高濃度領域の拡張または縮小について説明する図である。
【図１７】図１６の画像の高濃度領域が拡張された高濃度領域拡張画像を示す図である。
【図１８】図１６の画像の高濃度領域が縮小された高濃度領域縮小画像を示す図である。
【図１９】作成された差分画像を示す図である。
【図２０】バイリニア拡大を概念的に説明するための図である。
【図２１】表示装置にモアレ発生予測情報が表示された様子を示す図である。
【図２２】モアレ発生予測情報表示領域の表示内容の一例を示す図である。
【図２３】従来の問題点を説明するための図であって、画像パターンと光電素子との位置関係を示す図である。
【図２４】デジタル画像の画像パターンが４画素周期である場合の「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とを示す図である。
【図２５】図２４のデジタル画像にシャープネス処理を施した場合の計算上の各画素の階調値を示す図である。
【図２６】図２４のデジタル画像にシャープネス処理を施した場合の各画素の最終的な階調値を示す図である。
【図２７】モアレが発生し得る階調変換処理を実施するルックアップテーブルの一例を示す図である。
【図２８】モアレが発生し得る階調変換処理を実施するルックアップテーブルの他の例を示す図である。
【符号の説明】
１ ＣＰＵ
５ 表示装置
６ 入力装置
７ 画像入力器
８ 記録媒体
１０ 周期性データ演算部
２０ 周期性指標算出部
３０ 差分画像作成部
４０ 加工部
５０ コントラスト量算出部
６０ 周期方向算出部
７０ 周期値算出部
８０ 周期性データ加工部
【発明の属する技術分野】
本発明は、指定された注目画素についてのモアレ発生予測情報を求めて表示する画像処理装置に関する。
【０００２】
【従来の技術】
一般に従来より、画像処理は、ＣＣＤなどの画像入力器で原稿または対象物体を光学的に読み取り、デジタル化することによってデジタル画像を取得し、そのデジタル画像に対して種々の処理を施すことにより行われる。
【０００３】
例えば、画像の鮮鋭度を向上させる場合には取得したデジタル画像にシャープネス処理が施される。また、シャープネス処理以外にも、画像中の画素の階調値を変換する階調変換処理等が行われる。
【０００４】
【発明が解決しようとする課題】
しかしながら、従来、例えば、デジタル画像に対してシャープネス処理などの画像処理を行った場合、処理後の画像にモアレが発生することがあった。
【０００５】
本発明者は、このようなモアレの発生状態や発生原因を調査した。その結果、まず、このようなモアレは、画像内に布地や網模様、格子パターンなどの周期性を有する画像パターンが存在する画像領域で発生することが判明した。
【０００６】
このようなモアレは、以下のような原因で発生すると考えられる。例えば、原稿内に図２３に示すような周期性を有する画像パターン(白黒の縞模様)ＧＰＴが存在し、この原稿を画像入力器で読み取ってデジタル画像を得る場合を考える。このとき、原稿の画像パターンＧＰＴと画像入力器の光学読み取り素子(光電素子)ＩＤとの位置関係によって、得られたデジタル画像の各画素の階調値は変化する。
【０００７】
例えば、原稿の画像パターンＧＰＴと光電素子ＩＤとの位置関係が図２３（ａ）に示す状態であれば、得られたデジタル画像の各画素の階調値は、図２４（ａ）の階調プロファイルに示すように、白黒が明確に分かれる「ＩＮフェイズ状態」となる。また、原稿の画像パターンＧＰＴと光電素子ＩＤとの位置関係が図２３（ｂ）に示す状態であれば、得られたデジタル画像の各画素の階調値は、図２４（ｂ）の階調プロファイルに示すように、白黒の中間値が発生する「ＯＵＴフェイズ状態」となる。
【０００８】
図２４に示す各階調プロファイルは「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とで相違するが、各々の平均階調値ＡＫIN、ＡＫOUTは略等しい。
【０００９】
しかしながら、デジタル画像に、例えば、シャープネス処理を施すと、「ＩＮフェイズ状態」で読み取られた画像と「ＯＵＴフェイズ状態」で読み取られた画像とで平均階調値ＡＫIN、ＡＫOUTに違いが生じる。例えば、図２４（ａ）、（ｂ）に示す各画像にそれぞれシャープネス処理を施すと、計算上、各画素の階調値は各々図２５（ａ）、（ｂ）に示すようになる。ここで、計算上、階調値が階調レンジＫＲ(図では、０〜２５５)から外れるサチレーションが起きると、その階調値は、強制的に階調レンジＫＲの上下限値に修正される。すなわち、図２４（ａ）、（ｂ）に示す各画像にそれぞれシャープネス処理を施すと、処理後の各画素の階調値は各々図２６（ａ）、（ｂ）の実線に示すようになる。
【００１０】
ここで、この例の画像パターンＧＰＴは、デジタル画像上で４画素周期の周期性を有しているが、１周期ごとに、図２６（ａ）では、白２画素だけにサチレーションＳＲが起き、図２６（ｂ）では、白１画素と黒１画素とにサチレーションＳＲが起きている。その結果、図２６（ａ）(「ＩＮフェイズ状態」)の平均階調値ＡＫINは、図２６（ｂ）(「ＯＵＴフェイズ状態」)の平均階調値ＡＫOUTに比べて低くなる。
【００１１】
ところで、図２３では、画像パターンＧＰＴの白黒の幅が、光電素子ＩＤの幅の整数倍である場合を示したが、画像パターンＧＰＴの白黒の幅が、光電素子ＩＤの幅の整数倍でない場合、原稿の画像パターンＧＰＴと光電素子ＩＤとの位置関係が周期的にずれるので、得られた画像上では、画像パターンＧＰＴは、「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とで読み込まれる状態が周期的に繰り返されることになる。この場合、このデジタル画像にシャープネス処理を施すと、平均階調値が周期的に変動する状態が生じる。この平均階調値が周期的に変動する状態が、モアレとなって現れるものと考えられる。
【００１２】
この周期変動は、原稿や対象物体には無い画像であるため、画像の品質が著しく低下することになる。
【００１３】
上記ではデジタル画像に対してシャープネス処理を施した場合について説明したが、例えば、図２７に示すようなルックアップテーブルによって各画素の階調値を変換するような階調変換処理など、サチレーションに偏りが生じるような画像処理を施した場合にも上記のような平均階調値が周期的に変動する状態が発生し、その結果、処理後の画像にモアレが発生すると考えられる。
【００１４】
さらに、例えば、図２８に示すようなルックアップテーブルによって各画素の階調値を変換する階調変換処理などでも、「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とで平均階調値に違いが生じ、上記のような平均階調値が周期的に変動する状態が発生する結果、処理後の画像にモアレが発生すると考えられる。
【００１５】
モアレの発生原因は以上のようなものであるが、従来においては、モアレの発生に関する予測情報、すなわちシャープネス処理等の画像処理の結果、平均階調値が周期的に変動する状態となるのを予測する情報を定量的にオペレータに知らせる技術はなかった。従って、従来においては、オペレータの経験と目視による以外にモアレの発生を予測することはできず、モアレの発生を何人にも容易に予測することができる技術が望まれていた。
【００１６】
本発明は、上記課題に鑑みてなされたものであり、モアレの発生を容易に予測することができる画像処理装置を提供することを目的とする。
【００１７】
【課題を解決するための手段】
上記課題を解決するため、請求項１の発明は、画像処理装置であって、画像内の注目画素を指定する注目画素指定手段と、前記注目画素について、前記画像に所定の画像処理を行った後のモアレの発生の予測に関するモアレ発生予測情報を算出するモアレ発生予測情報算出手段と、算出された前記モアレ発生予測情報を表示する表示手段と、を備え、前記モアレ発生予測情報算出手段に、前記注目画素を含む前記画像内の注目領域と当該注目領域以外の周辺領域との相関特性に基づいて画像パターンの繰り返しの有無の程度を示す周期性指標を算出する周期性指標算出手段と、前記画像パターンの繰り返しの周期を算出する周期算出手段と、前記画像パターンの繰り返しの方向を算出する方向算出手段と、を含ませ、前記モアレ発生予測情報に、前記周期性指標、前記周期および前記方向を含ませている。
【００１９】
また、請求項２の発明は、請求項１の発明に係る画像処理装置において、前記モアレ発生予測情報算出手段に、前記注目画素について、前記注目画素とその周辺画素との明暗比を示す指標であるコントラスト量を算出するコントラスト量算出手段、をさらに含ませ、前記モアレ発生予測情報に、前記コントラスト量をさらに含ませている。
【００２０】
【発明の実施の形態】
以下、図面を参照しつつ本発明の実施の形態について詳細に説明する。
【００２１】
＜１．背景となる技術＞
本発明者は、調査・解明したモアレの発生原因に基づいて、モアレの発生を抑制する技術について案出した。この技術について簡単に説明すると以下のようなものである。
【００２２】
原稿または対象物体をデジタル画像として読み込み、その画像から周期的な画像パターンの繰り返しが存在する周期画像領域を抽出する。また、このときに後述する相関特性に基づいて、画像パターンの繰り返しの有無の程度を示す周期性指標を算出する。
【００２３】
一方、これとは別に、読み込まれたデジタル画像から差分画像を作成する。差分画像を加工した後、その差分画像に基づいて明暗比を示す指標であるコントラスト量を算出する。
【００２４】
その後、上記の周期性指標およびコントラスト量に基づいてぼかし処理の程度であるぼかし量を決定し、また、シフト処理の程度であるシフト量を決定する。そして、決定されたぼかし量に従って画像のぼかし処理を行い、決定されたシフト量に従ってシフト処理を行う。
【００２５】
このようなぼかし処理またはシフト処理を行うことによって、「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とが周期的に繰り返される状態が崩されるため、ぼかし処理またはシフト処理後の画像に対してシャープネス処理等を施したとしても、平均階調値が周期的に変動する状態は生じず、モアレの発生を抑制することができる。なお、画像のコントラストが高い場合には主としてぼかし処理を行い、コントラストが低い場合には主としてシフト処理を行うことにより画質が劣化するのを防止している。
【００２６】
かかる技術においては、画像から周期性指標およびコントラスト量を算出し、それらに基づいて自動的にぼかし量やシフト量を決定している。ここで例えば、周期性指標は、シャープネス処理等を施したときに平均階調値が周期的に変動する状態が生じる原因（モアレ発生の原因）となる画像パターンの繰り返しの有無の程度を示す指標であり、いわばモアレの発生を予測するための指標である。従って、このような周期性指標等を表示すれば、オペレータはモアレの発生を予測する情報を定量的に把握することができるのである。
【００２７】
本発明は、このような周期性指標等を表示することによって、モアレの発生を予測する情報を定量的に示すものであり、以下詳細に説明する。
【００２８】
＜２．画像処理装置の全体構成＞
図１は、本発明に係る画像処理装置のハードウェア構成の一例を示すブロック図である。この画像処理装置はいわゆるコンピューターシステムを用いて構成されている。ＣＰＵ１は、内部メモリ２に記憶された処理プログラムに従って、本発明に係るモアレ発生予測情報を算出する処理の他、上述したモアレの発生を抑制する処理やシャープネス処理などの画像処理も実行する。ＣＰＵ１と内部メモリ２とはバスラインＢＬを介して接続されている。内部メモリ２には、上述した処理プログラムを記憶するプログラム記憶部２ａ以外にも、少なくとも処理を施す前のデジタル画像(以下、「処理前画像」とも言う)を記憶する処理前画像記憶部２ｂや処理を施した後のデジタル画像(以下、「処理後画像」とも言う)を記憶する処理後画像記憶部２ｃを有する。
【００２９】
また、ＣＰＵ１は、入出カインターフェイスＩＦを介して、記録媒体用ドライバ３、外部記憶装置４、表示装置５、入力装置６、画像入力器７などにも接続されている。
【００３０】
記録媒体用ドライバ３には、上述した各処理をＣＰＵ１に実行させるための処理プログラムが記録されている記録媒体８が装填される。記録媒体８から読み出された処理プログラムは内部メモリ２内のプログラム記憶部２ａに記憶され、ＣＰＵ１によって実行される。
【００３１】
ハードディスクや光磁気ディスクなどで構成される外部記憶装置４は、処理前画像や処理後画像などの画像の保存などに用いられる。また、ＣＲＴなどで構成される表示装置５は、モアレ発生予測情報の表示の他、処理前画像や処理後画像、シャープネス処理後の画像などの表示などに用いられる。さらに、キーボードやマウスなどで構成される入力装置６は、オペレータからの注目画素の指定の他、各種の指示や処理に必要なデータの設定などに用いられる。
【００３２】
入力スキャナなどで構成される画像入力器７によって読み込まれたデジタル画像(処理前画像)は、内部メモリ２内の処理前画像記憶部２ｂに記憶され、この処理前画像に対して、後述するようなモアレ発生予測情報の算出に関する各処理が施される。
【００３３】
図２は、図１の画像処理装置の機能的構成を示す機能ブロック図である。同図に示すように、この画像処理装置は機能的に、周期性データ演算部１０と、差分画像作成部３０と、コントラスト量算出部５０と、周期性データ加工部８０とを備えている。さらに、周期性データ演算部１０は、周期性指標算出部２０と、周期方向算出部６０と、周期値算出部７０と含み、差分画像作成部３０は、加工部４０を含んでいる。これらの処理部はいずれも、ＣＰＵ１内において、上記処理プログラムによって実現される手段であり、それぞれの機能および処理内容については後に詳述する。
【００３４】
＜３．画像処理の手順＞
図３は、画像処理装置における画像処理の処理手順の概要を示すフローチャートである。画像処理に先立って、原稿または対象物体が画像入力器７によってデジタル画像として読み込まれ、処理前画像記憶部２ｂに記憶される。そして、読み込まれたデジタル画像は、表示装置５に処理前画像として表示される（ステップＳ１）。
【００３５】
次に、オペレータが表示された処理前画像を確認しつつ、モアレ発生予測情報を知りたい領域の注目画素を指定する（ステップＳ２）。この指定は、入力装置６を使用して行われる。
【００３６】
次に、上記の指定された注目画素について、周期性データ演算部１０が処理前画像から周期性データの算出を行う（ステップＳ３）。周期性データとは、周期性指標と周期方向と周期値とを含む総称であり、これについてはさらに後述する。得られた周期性データは、周期性データ加工部８０によって加工され（ステップＳ４）、その加工後の周期性データをもって、周期性データ演算部１０が注目画素についての最終的な周期性データを確定させる（ステップＳ５）。
【００３７】
一方、読み込まれたデジタル画像は、差分画像作成部３０にも与えられ、処理前画像から差分画像が作成される。差分画像は加工部４０によって加工され、その加工後の差分画像に基づいてコントラスト量算出部５０が明暗比を示す指標であるコントラスト量を算出する（ステップＳ６）。
【００３８】
その後、注目画素について得られた周期性データおよびコントラスト量がモアレ発生予測情報として表示装置５に表示される（ステップＳ７）。
【００３９】
なお、ステップＳ３〜ステップＳ５の処理とステップＳ６の処理とはその処理順序が逆であっても良い。また、モアレ発生予測情報を表示させた後に、上述したようなモアレの発生を抑制する処理を行わせるようにしても良い。
【００４０】
以下、図３の各処理手順についてさらに詳細に説明する。
【００４１】
＜３−１．周期性データの算出＞
入力装置６を介して指定された注目画素(xc,yc)についての周期性データは、周期性データ演算部１０が処理前画像における周期的な画像パターンの繰り返しを調べることにより算出される。
【００４２】
具体的には、まず、以下の数１によって注目画素(xc,yc)の周辺領域の自己相関データＳ(a,b)を求める。
【００４３】
【数１】
但し、ＡＢＳ｛｝は絶対値を求める関数、Ｐ(x,y)は処理前画像の画素(x,y)の階調値、ｍ,ｎは差分積算領域Ｅを決める定数、ａ,ｂは自己相関を比較するズラシ量、ｗｘ,ｗｙは１つの中心画素(xc,yc)に対して自己相関特性を調べる範囲Ｗを決める定数である。
【００４５】
(xc,yc)=(4,4)、m=n=1(差分積算領域：３×３)、wx=xy=2(a=b=-2〜+2)とした場合において、a=b=+2のときの自己相関データＳ(a,b)の算出形態を図４に示す。
【００４６】
なお、ｍ,ｎ,ｗｘ,ｗｙは予め設定された固定値として処理するようにしてもよいし、入力装置６からオペレータによって適宜に変更可能に構成してもよい。そして、周期性データ演算部１０は、ｍ,ｎ,ｗｘ,ｗｙによって規定される範囲Ｗの周囲をさらにα画素分だけ拡張した領域を予め切り出して、処理前画像記憶部２ｂに展開し、その切り出した画像領域に対して数１の演算を行う。αの値についても、予め設定された固定値として処理するようにしてもよいし、入力装置６からオペレータによって適宜に変更可能に構成してもよい。
【００４７】
ところで、上記の数１では、自己相関データを２次元的に求めているので処理量が多くなる。そこで、例えば、２次元の処理前画像内で互いに直交する2つの画素列方向であるｘ方向、ｙ方向それぞれに沿った周期的な画像パターンの繰り返しの存在を調べて周期画像領域を抽出するために、ｘ方向、ｙ方向それぞれに沿った自己相関データＨ(a)、Ｖ(b)を以下の数２、数３によって求めて、処理の高速化を図るようにしてもよい。
【００４８】
【数２】
【数３】
(xc,yc)=(4,4)、m=1(差分積算領域：３×１)、wx=2(a=-2〜+2)とした場合において、a=+2のときのｘ方向に沿った自己相関データＨ(a)の算出形態を図５に、また、(xc,yc)=(4,4)、n=1(差分積算領域：１×３)、wy=2(b=-2〜+2)とした場合において、b=+2のときのｙ方向に沿った自己相関データＶ(b)の算出形態を図６にそれぞれ示す。
【００５１】
次に、上記で求めた自己相関データ(Ｓ(a,b)、または、Ｈ(a)、Ｖ(b))に基づき、画像中における周期的な画像パターンの繰り返しの有無を調べる。
【００５２】
すなわち、周期的な画像パターンの繰り返しが存在すると、その画像パターンの周期ごとに自己相関が高くなり、上記数１、数２、数３で求まる自己相関データは規則的に小さくなる。従って、まず、（Ａ）自己相関データの極小値を検索し、（Ｂ）それら極小値が所定レベル以下で、かつ、（Ｃ）それら極小値が規則的に存在していることを調べる。
【００５３】
図７は(xc,yc)=(7,3)、m=1、wx=5(a=-5〜+5)とした場合のＰ(x,y)、Ｈ(a)の一例を示すデータとそのＨ(a)をグラフ化した図である。すなわち、同図は注目画素(xc,yc)=(7,3)について、当該注目画素を含む注目領域と当該注目領域以外の周辺領域との相関特性を示すものである。なお、a=0は、同じ画素どうしの自己相関であるので、Ｈ(0)=０となり極小値になる。
【００５４】
自己相関データＨ(a)について、上記（Ａ）の処理は、〔(Ｈ(k-1)＞Ｈ(k))and(Ｈ(k)＜Ｈ(k+1))〕の条件を満たすkを＋側と−側とで求める。この条件を満たすkについてのＨ(k)の値が極小値となる。
【００５５】
上記（Ｂ）の処理は、上記（Ａ）の条件を満たすＨ(k)、すなわち極小値となるＨ(k)が所定のしきい値以下となるか否かで判定する。このしきい値は、予め入力装置６等によって複数が設定されており、例えば図７においては、”ＳＬ１=7.5”、”ＳＬ２=5”の２つが設定されている。そして、極小値となるＨ(k)が少なくとも最も高い値のしきい値ＳＬ１以下となっていれば、上記（Ｂ）の処理において、所定レベル以下であると判定される。
【００５６】
なお、注目領域のコントラストが高いほど、Ｈ(a)の全体レベルが上がるため、しきい値は固定値ではなく、Ｈ(a)の最大値に対する比率（ＳＬ１＝５８％，ＳＬ２＝３８％）で規定してもよい。
【００５７】
上記（Ｃ）の処理では、例えば、上記（Ａ）の条件を満たす＋側のkをkp、−側のkをkmとしたとき(ABS{kp＋km}≦１)を満たすか否かで規則性の有無を判定する。また、例えば、上記（Ａ）の条件を満たす各極小値に対して、隣接する各極小値間の幅の相互の差分の絶対値が各々１以下であるか否か、すなわち、ABS{D(d+1)−D(d)}≦１(d=0,1,2,・・・：図７では、d=O)によって規則性の有無を判定することもできる。後者の判定によれば、例えば、極小値が＋側、−側にそれぞれ２個以上存在する場合にも適用できる。
【００５８】
Ｈ(a)に極小値が存在しても、ある程度大きかったり(最も高い値のしきい値ＳＬ１を越えていたり)、それら極小値が不規則に存在しているような場合は周期性が有るとは言い難いが、上記（Ｂ）によりレベル判定が行え、上記（Ｃ）により極小値の規則性が判別でき、周期性の有無を確実に判定できる。
【００５９】
従って、上記（Ａ）、（Ｂ）、（Ｃ）の条件を全て満たす場合、注目画素(xc,yc)の周囲の範囲Ｗ内の画像に周期的な画像パターンの繰り返しが存在することになる。これに対して、図８に示すような自己相関データＨ(a)には周期性が無く、周期的な画像パターンの繰り返しが存在しないこととなる。
【００６０】
ところで、図７において、ｘ方向の周期値Thは((kp−km)/2))または(D(d))である。
【００６１】
また、上記ではｘ方向に沿った周期性の有無や周期値(Th)について説明したが、ｙ方向に沿った周期性の有無や周期値(Tv)も同様の処理により求めることができる。
【００６２】
図９に示すように、ｘ方向の周期値(Th)とｙ方向の周期値(Tv)が判れば、周期方向算出部６０がそれらに基づいて画像パターンの繰り返しの方向である周期方向θを(arctan(Tv/Th))として算出する。
【００６３】
また、周期値算出部７０がｘ方向の周期値(Th)とｙ方向の周期値(Tv)とに基づいて、処理前画像上の実際の周期値（周期方向に沿った画像パターンの繰り返しの周期）Ｔを(Th×sinθ)(または、Tv×cosθ)として算出する。
【００６４】
自己相関データＳ(a,b)を用いた場合には、上記と同様の処理を２次元的に行うことで、周期性の有無や処理前画像上の実際の周期方向及び周期値を得ることができるが、上述したようにｘ方向、ｙ方向それぞれに沿った自己相関データＨ(a)、Ｖ(b)を用いても同様の結果を高速に得ることができる。なお、自己相関データＳ(a,b)を用いた場合、実際の画像パターンの周期を種々の方向から調べることになるが、このとき、周期値が最小となる方向がその画像パターンの周期方向となる。
【００６５】
また、上記（Ａ）、（Ｂ）、（Ｃ）の処理が実行される過程において、図７に示したような相関特性に基づいて、周期性指標算出部２０が画像パターンの繰り返しの有無の程度を示す周期性指標Ｍを算出する。自己相関データＨ(a)は、周期性の度合い（画像パターンの繰り返しの有無の程度）を示すものであるため、極小値となるＨ(k)がより低い値のしきい値以下となっている場合には、周期性の度合いが大きいと言える。例えば、図７において、極小値Ｈ(-3)はしきい値ＳＬ１としきい値ＳＬ２との間であるのに対して、極小値Ｈ(+3)はしきい値ＳＬ２よりも小さい。つまり、極小値Ｈ(+3)の方が周期性の度合いが大きいことを示している。従って、極小値Ｈ(k)がいずれのしきい値以下となっているかを判定することによって、画像パターンの繰り返しの有無の程度を判別することができるのである。
【００６６】
具体的には、以下のようにして周期性指標算出部２０が周期性指標Ｍを算出する。周期性指標Ｍの算出に関与するのは、上記（Ａ）の処理において極小値と判定され、上記（Ｂ）の処理において最高しきい値ＳＬ１以下と判定され、かつ上記（Ｃ）の処理において規則性有りと判定された極小値Ｈ(k)のみである。但し、Ｈ(0)は、注目画素自身との相関であって、必ず０になる値であるため、周期性指標Ｍの算出には関与しない。従って、例えば、図７においては、しきい値ＳＬ１以下の極小値Ｈ(-3)および極小値Ｈ(+3)がいずれのしきい値以下となっているかによって周期性指標Ｍは算出される。なお、上記（Ａ）、（Ｂ）、（Ｃ）の条件を満たすＨ(k)が存在しない場合には、その注目画素(xc,yc)についての周期性指標Ｍ(xc,yc)＝０とすることにより、周期性は存在しないものとされる。
【００６７】
複数のしきい値のそれぞれには周期性指標Ｍの値が０から１の範囲にて規定されており、例えば図７の例では、しきい値ＳＬ１に”Ｍ＝０”、しきい値ＳＬ２に”Ｍ＝１”が規定されている。そして、しきい値ＳＬ２以下の極小値Ｈ(k)については”Ｍ(k)＝１”とする。一方、しきい値ＳＬ１としきい値ＳＬ２との間の極小値Ｈ(k)については、しきい値ＳＬ１としきい値ＳＬ２との間において周期性指標Ｍが線形的に変化するものとみなして、算出する。例えば、図７の場合、以下の数４に従って算出する。
【００６８】
【数４】
そして、複数の極小値Ｈ(k)について算出されたＭ(k)の平均値が注目画素(xc,yc)についての周期性指標Ｍ(xc,yc)となる。例えば、図７においては、極小値Ｈ(+3)はしきい値ＳＬ２よりも小さいため、Ｍ(+3)＝１となる。また、極小値Ｈ(-3)はしきい値ＳＬ１としきい値ＳＬ２との間であるため、数４に従い、Ｍ(-3)＝(7.5-6)/(7.5-5)=0.6となる。よって、注目画素(xc,yc)=(7,3)についての周期性指標Ｍ(7,3)＝(1+0.6)/2＝0.8となる。
【００７０】
なお、周期性指標Ｍの算出に使用するしきい値は２つに限定されるものではなく、３つ以上であっても良い。最高しきい値と最低しきい値との間において周期性指標Ｍが線形的に変化する場合は、２つで十分であるが、非線形的に変化する場合は３つ以上のしきい値を設定した方が好ましい。
【００７１】
また、上記のしきい値とは別に、自己相関データＨ(a)の最大値について判定するためのしきい値を設けるようにしても良い。自己相関データＨ(a)の最大値が所定のしきい値よりも小さい場合は、均一な画像中にノイズが存在している場合が多いと考えられ、このような場合は周期的な画像パターンの繰り返しであるとは言えない。従って、自己相関データＨ(a)の最大値が所定のしきい値よりも小さい場合は、注目画素(xc,yc)についての周期性指標Ｍ(xc,yc)＝０とすることにより、周期性は存在しないものと判定するのである。
【００７２】
上述したような周期性データ演算部１０による処理のうち、少なくとも周期性指標算出部２０による周期性指標Ｍの算出は、上述した範囲Ｗの周囲をさらにα画素分だけ拡張して拡大した領域に含まれる全ての画素について行う。指定された注目画素(xc,yc)以外の画素についても周期性指標Ｍを算出するのは、後述する周期性データ加工部８０による加工のためである。なお、指定された注目画素(xc,yc)以外の画素についての周期性指標Ｍの算出手法は、上述と同様である。
【００７３】
以上のようにして、指定された注目画素(xc,yc)について、画像パターンの繰り返しの有無の程度を示す周期性指標Ｍと、画像パターンの繰り返しの周期値Ｔと、画像パターンの繰り返しの方向θとが周期性データとして算出されるのである。
【００７４】
＜３−２．周期性データの加工＞
ところで、指定された注目画素(xc,yc)が画像パターンの繰り返しの端部に位置する場合は、上記の周期性データが適切に算出されない場合がある。まず、その理由について以下に説明する。
【００７５】
図１０に示すような画像に対して、上記と同様の処理を行う場合について考える。なお、図１０において、斜線部は黒色領域であり、残余の部分は白色領域であるものとする。
【００７６】
注目画素(xc,yc)が、図１０に示す黒色領域Ｐ２に存在する場合、自己相関データＨ(a)は図１１にて示すようになる。すなわち、黒色領域Ｐ２の両隣には、黒色領域Ｐ１および黒色領域Ｐ３が存在し、画像パターンの繰り返しとなっているため、所定のしきい値以下の極小値Ｈ(a)が規則的に存在する。その結果、黒色領域Ｐ２には周期的な画像パターンの繰り返しが存在すると判断され、注目画素(xc,yc)には高い値（例えば”１．０”）の周期性指標Ｍ(xc,yc)が付与される。注目画素(xc,yc)が黒色領域Ｐ３に存在する場合も同様である。
【００７７】
一方、注目画素(xc,yc)が、図１０に示す黒色領域Ｐ１に存在する場合、自己相関データＨ(a)は図１２にて示すようになる。すなわち、黒色領域Ｐ１の右隣には黒色領域Ｐ２が存在するものの、左隣には黒色領域が存在しないため、所定のしきい値以下の極小値Ｈ(a)が１つしか存在しない、つまり規則的に存在しないこととなる。その結果、黒色領域Ｐ１には周期的な画像パターンの繰り返しが存在しないと判断され、注目画素(xc,yc)の周期性指標Ｍ(xc,yc)は”０”とされる。注目画素(xc,yc)が黒色領域Ｐ４に存在する場合も同様である。
【００７８】
以上のように処理が行われたとすると、図１０に示した画像には図１３の斜線部にて示すような画像パターンの繰り返しが存在するものと判断されることとなる。すなわち、図１０の処理前画像における実際の周期的な画像パターンの繰り返しよりも狭い画像パターンの繰り返ししか存在しないものと判断されるのである。
【００７９】
そして、指定された注目画素(xc,yc)が黒色領域Ｐ１や黒色領域Ｐ４に存在する場合は、実際には周期的な画像パターンの繰り返しであるにもかかわらず、周期性指標Ｍ(xc,yc)＝０とされ、周期性データが適切に算出されないのである。
【００８０】
そこで、本実施形態においては、上記周期性データ算出処理において画像パターンの繰り返しであると判断された領域を周期性データ加工部８０が画像パターンの繰り返しの１周期分、すなわち周期値Ｔだけ拡張しているのである。
【００８１】
具体的には、上記の周期性データ算出処理において画像パターンの繰り返しであると判断された領域内の画素を中心画素として±Ｔの範囲内に存在する画素の周期性指標Ｍと当該中心画素の周期性指標Ｍとを比較し、±Ｔの範囲内に存在する画素の周期性指標Ｍの方が小さければ、その画素の周期性指標Ｍの値を中心画素の周期性指標Ｍの値に置き換えているのである。例えば、図１３において画像パターンの繰り返しであると判断された領域内に含まれる黒色領域Ｐ２の画素を中心画素とした±Ｔの範囲内には、黒色領域Ｐ１が含まれる。黒色領域Ｐ１内の画素の周期性指標Ｍは、黒色領域Ｐ２の画素の周期性指標Ｍよりも低いため、黒色領域Ｐ１内の画素の周期性指標Ｍの値が黒色領域Ｐ２の画素の周期性指標Ｍの値に置換されるのである。同様にして、黒色領域Ｐ４内の画素の周期性指標Ｍの値が黒色領域Ｐ３の画素の周期性指標Ｍの値に置換される。なお、周期性データ加工部８０がこのような処理を行うために、上記の周期性データ算出処理において範囲Ｗの周囲をさらにα画素分だけ拡張して拡大した領域に含まれる全ての画素について周期性指標算出部２０が周期性指標Ｍを算出しているのである。
【００８２】
その結果、図１４の斜線部にてに示すような画像パターンの繰り返しであると判断される領域が取得されることとなる。この領域は、図１０の処理前画像における実際の画像パターンの繰り返しの全てを含むものである。そして、このようにして拡張された画像パターンの繰り返しである領域内の画素には、周期性データ算出処理において画像パターンの繰り返しであると判断された領域の画素が有していた周期性指標Ｍの値と同じ値の周期性指標Ｍが付与されている。なお、上述においては、説明を簡単にするため、一方向のみに拡張する場合について説明したが、２方向に拡張した後それを合成するようにしても良い。
【００８３】
以上のようにして、周期性データ加工部８０によって画像パターンの繰り返しが拡張され、算出された周期性データの加工が行われるのである。
【００８４】
＜３−３．周期性データの確定＞
周期性データ加工部８０によって周期性データの加工が行われた結果、指定された注目画素(xc,yc)が画像パターンの繰り返しの端部に位置する場合であっても、的確に画像パターンの繰り返しであると判断される。換言すれば、周期性データの加工を行うことによって、指定された注目画素(xc,yc)についての正確な周期性データを得ることができるのである。このため、本実施形態においては、周期性データの加工が行われた後、その加工後の周期性データをもって、周期性データ演算部１０が指定された注目画素(xc,yc)についての最終的な周期性データを確定させている。
【００８５】
具体的には、上記の加工において拡張された画像パターンの繰り返しである領域内の画素に付与された周期性指標Ｍの値を周期性指標算出部２０が注目画素(xc,yc)についての最終的な周期性指標Ｍとして確定する。
【００８６】
また、指定された注目画素(xc,yc)が画像パターンの繰り返しの端部に位置する場合には、自己相関データＨ(a)において片側にしか極小値が存在しない。ここで、上記の加工において画像パターンの繰り返しが拡張され、注目画素(xc,yc)についての最終的な周期性指標Ｍが”０”から他の値に上昇した場合には、自己相関データＨ(a)において片側にしか存在しない極小値から周期値Ｔおよび周期方向θを算出する。例えば、図７において、極小値が＋側にしか存在しないとすると、ｘ方向の周期値Thは(kp)または(D(1))となる。ｙ方向の周期値(Tv)も同様にして求められる。
【００８７】
そして、周期方向算出部６０がそれらに基づいて画像パターンの繰り返しの方向である周期方向θを(arctan(Tv/Th))として算出し、最終的な周期方向として算出する。また、周期値算出部７０もｘ方向の周期値(Th)とｙ方向の周期値(Tv)とに基づいて、周期方向に沿った画像パターンの繰り返しの周期である周期値Ｔを(Th×sinθ)(または、Tv×cosθ)として算出し、最終的な周期値として確定する（図９参照）。
【００８８】
なお、指定された注目画素(xc,yc)が画像パターンの繰り返しの内部に位置する場合であって、ステップＳ３の周期性データの算出において周期性指標Ｍの値が”０”以外であると判断されたものについては、ステップＳ３にて算出された周期方向θおよび周期値Ｔの値をそのまま周期方向算出部６０および周期値算出部７０が最終的な周期方向および周期値として確定させる。
【００８９】
＜３−４．コントラスト量の算出＞
次に、コントラスト量の算出について説明する。既述したように、処理前画像は差分画像作成部３０にも与えられ、差分画像作成部３０、加工部４０およびコントラスト量算出部５０による処理を経て、指定された注目画素(xc,yc)についてのコントラスト量Ｃ(xc,yc)が算出される。指定された注目画素(xc,yc)についてのコントラスト量とは、注目画素(xc,yc)とその周辺画素との明暗比を示す指標である。
【００９０】
図１５は、コントラスト量算出の手順を示すフローチャートである。図１５に示した各処理のうち、ステップＳ６１〜ステップＳ６３の処理は差分画像作成部３０によって、ステップＳ６４〜ステップＳ６６の処理は加工部４０によって、ステップＳ６７の処理はコントラスト量算出部５０によって実行されるものであり、以下これらについて順に説明する。
【００９１】
まず、差分画像作成部３０が高濃度領域拡張画像および高濃度領域縮小画像を作成する（ステップＳ６１，Ｓ６２）。図１６は、高濃度領域の拡張または縮小について説明する図である。同図に示すように、白地中に黒字の四角形の図形（斜線を付した部分）が描かれた処理前画像の高濃度領域を拡張または縮小する場合を例として説明する。
【００９２】
図１６において、白地部分が階調値Ｐ＝”２５５”の高濃度領域であり、黒の図形部分が階調値Ｐ＝”０”の低濃度領域である。高濃度領域を拡張するときには、この画像に対して３×３の画素行列で構成されるフィルタＦ１によるフィルタ操作を行う。フィルタＦ１は、その構成画素（３×３＝９画素）の階調値のうちの最大値を中央画素の出力値とするフィルタである。そして、このフィルタＦ１を、画像に対して順次に走査させることによって高濃度領域の拡張を行う。すなわち、フィルタＦ１が黒の図形の周辺部分を走査するときには、高濃度（高階調値）である白地部分の階調値（Ｐ＝２５５）が出力され、当該周縁部分が黒から白地に置換される。このことは、高濃度領域（白地）が拡張されることを意味しており、いわゆる太らせ処理が行われていることとなる。
【００９３】
図１７は、図１６の画像の高濃度領域が拡張された高濃度領域拡張画像を示す図である。高濃度領域（白地）が拡張され、黒の図形部分が処理前画像よりも小さくなっている。
【００９４】
一方、高濃度領域を縮小するときにも上記と同様に、処理前画像に対して３×３の画素行列で構成されるフィルタＦ２によるフィルタ操作を行う。フィルタＦ２は、その構成画素（３×３＝９画素）の階調値のうちの最小値を中央画素の出力値とするフィルタである。従って、上記拡張と同様に、フィルタＦ２を処理前画像に対して順次に走査させると、黒の図形の周辺部分において、低濃度（低階調値）である黒の階調値（Ｐ＝０）が出力され、当該周辺部分が白地から黒に置換される。このことは、高濃度領域（白地）が縮小されることを意味しており、いわゆる細らせ処理が行われていることとなる。
【００９５】
図１８は、図１６の画像の高濃度領域が縮小された高濃度領域縮小画像を示す図である。高濃度領域（白地）が縮小され、黒の図形部分が処理前画像よりも大きくなっている。
【００９６】
次に、差分画像作成部３０が高濃度領域拡張画像と高濃度領域縮小画像との差分である差分画像を作成する（ステップＳ６３）。本実施形態における差分画像とは、高濃度領域拡張画像の画素の階調値から当該画素に対応する高濃度領域縮小画像の画素の階調値を減算して得られる画像である。すなわち、以下の数５によって得られる画像である。
【００９７】
【数５】
数５において、Ｐdif(x,y)は差分画像の画素(x,y)の階調値、Ｐmax(x,y)は高濃度領域拡張画像の画素(x,y)の階調値、Ｐmin(x,y)は高濃度領域縮小画像の画素(x,y)の階調値である。
【００９９】
図１９は、作成された差分画像を示す図である。図１６に示した処理前画像と比較すると明らかなように、処理前画像においてコントラストが高い領域、すなわち、ある画素とその周辺との明暗比が大きい領域が差分画像においては大きな階調値を有している。このことは、差分画像とは、処理前画像からコントラストが高い領域を抽出した画像であることを意味しており、差分画像の作成とは高コントラスト領域の抽出処理であると言える。
【０１００】
ところで、モアレが発生すると考えられるのは、ある程度面積が大きな領域である。そこで、本実施形態においては、加工部４０によって上記差分画像を加工し、高コントラストであっても面積の小さな領域やノイズ部分を除去している（コントラストを低下させている）。
【０１０１】
加工部４０による加工は、ステップＳ６４〜ステップＳ６６の３段階の工程によって行われる。まず、ステップＳ６３にて作成された差分画像について、加工部４０がバイリニア縮小を行う（ステップＳ６４）。バイリニア縮小とは、例えば、差分画像を１つの領域が８×８の画素群で構成される複数の領域に分割し、複数の領域のそれぞれに含まれる６４の画素の階調値を平均して１つの画素の階調値として出力する画像縮小処理である。このようなバイリニア縮小によって、差分画像は縦横ともに１／８に縮小されるとともに、差分画像の階調値が平滑化されることとなる。
【０１０２】
次に、バイリニア縮小によって得られた縮小画像に対して加工部４０がメディアンフィルタによるフィルタ操作を行う（ステップＳ６５）。メディアンフィルタは、その構成画素（例えば、３×３＝９画素）の階調値のうちの中央値（メディアン）を中央画素の出力値とするフィルタであり、画像中のノイズ部分を除去するためのフィルタである。メディアンフィルタを上記縮小画像に対して順次に走査させると、当該縮小画像中のノイズ部分が除去される。縮小画像中においてノイズ部分となるのは、元の処理前画像中における面積の小さな高コントラスト領域やノイズ領域である。
【０１０３】
また、縮小画像に対して３×３のメディアンフィルタによるフィルタ操作を行うことは、元の差分画像に対して２４×２４のメディアンフィルタによるフィルタ操作を行うことと実質的に等価である。フィルタ操作は、フィルタのサイズが小さいほどＣＰＵ１の負担が軽く、高速に実行することができる。すなわち、バイリニア縮小を行った後に小さなフィルタによるフィルタ操作を行うことで、大きなフィルタによるフィルタ操作を行ったのと同様の効果を高い処理効率にて得ることができるのである。
【０１０４】
次に、フィルタ操作後の縮小画像に対して加工部４０がバイリニア拡大を行い、加工後の差分画像を得る（ステップＳ６６）。バイリニア拡大とは、フィルタ操作後の縮小画像に含まれる画素の階調値を補間しつつ、当該縮小画像を元の差分画像と同等の大きさに拡大する処理である。
【０１０５】
図２０は、バイリニア拡大を概念的に説明するための図である。フィルタ操作後の縮小画像において、図２０（ａ）に示すように、階調値Ｐ＝２５５、Ｐ＝０、Ｐ＝２５５の順に並ぶ画素列が存在していたとする。これを縦横ともに８倍に拡大すると、図２０（ｂ）に示すような元の差分画像と同等の大きさの画像が得られるのであり、このときに階調値Ｐ＝２５５の画素と階調値Ｐ＝０の画素との間に生成された画素列Ｌ１および画素列Ｌ２については階調値Ｐ＝２５５と階調値Ｐ＝０との間にて直線近似にて補間（バイリニア補間）した階調値を付与する。このようにすれば、フィルタ操作後の縮小画像において隣接する画素の階調値が大きく異なっていたとしても、拡大後の差分画像においては階調値が滑らかに変化する状態（いわゆる「なじむ」状態）となる。
【０１０６】
以上のようにして、加工部４０による加工が実行されるのであり、バイリニア縮小とバイリニア拡大との組み合わせによって差分画像に対する一種のぼかし処理を行うとともに、メディアンフィルタによるフィルタ操作を行うことによって、高コントラストであっても面積の小さな領域やノイズ部分が十分に除去された加工後の差分画像を取得することができる。
【０１０７】
なお、ステップＳ６４〜ステップＳ６６の加工処理は必須の処理ではなく、処理前画像中に高コントラストであっても面積の小さな領域等がほとんど存在しないような場合は、省略可能な処理である。
【０１０８】
次に、ステップＳ６７に進み、コントラスト量算出部５０が差分画像（加工後の差分画像または加工を行っていない差分画像）から指定された注目画素(xc,yc)の階調値を検出することによって、当該注目画素についてのコントラスト量を算出する。
【０１０９】
差分画像は、処理前画像からコントラストが高い領域を抽出した画像であり、その階調値が大きいということは、処理前画像においてコントラストが高いことを意味している。従って、差分画像における注目画素(xc,yc)の階調値は、そのまま注目画素(xc,yc)とその周辺との明暗比を示す指標となり、すなわち指定された注目画素(xc,yc)についてのコントラスト量Ｃ(xc,yc)となるのである。
【０１１０】
なお、前記した実施例においては、注目画素についてのコントラスト量を、差分画像から算出するように説明したが、例えば次のようにコントラスト量を算出してもよい。
【０１１１】
注目画素の階調値と周辺画素（例えば、左右、上下方向の隣接画素）の階調値の差分を求め、求めた差分値の平均値又は合計値に基づいてコントラスト量を算出することができる。
【０１１２】
あるいは、注目画素に対する周辺画素（例えば、左右、上下方向の隣接画素）間の階調値の差分を求め、求めた差分値の平均値又は合計値に基づいてコントラスト量を算出することができる。
【０１１３】
＜３−５．モアレ発生予測情報の表示＞
以上のようにして指定された注目画素(xc,yc)についての周期性データが確定され、コントラスト量Ｃ(xc,yc)が算出された後、それらがモアレ発生予測情報として表示装置５に表示される。
【０１１４】
図２１は、表示装置５にモアレ発生予測情報が表示された様子を示す図である。例えば、表示装置５に表示された処理前画像の中の画素ＤＧをオペレータが指定（ステップＳ２）したとすると、モアレ発生予測情報表示領域ＭＴが処理前画像の上に重ねて表示される。
【０１１５】
図２２は、モアレ発生予測情報表示領域ＭＴの表示内容の一例を示す図である。本実施形態において、モアレ発生予測情報とはモアレ発生の予測に関する情報であり、上述のようにして算出された周期性データおよびコントラスト量、厳密には指定された注目画素についての「周期性指標」、「周期値」、「方向」および「コントラスト量」を含むものである。そして、モアレ発生予測情報表示領域ＭＴには、モアレ発生予測情報として、指定された注目画素についての算出された「周期性指標Ｍ」、「周期値Ｔ」、「方向θ」および「コントラスト量Ｃ」が数値にて表示されるのである。例えば、図２２においては、指定された注目画素ＤＧについての周期性指標Ｍ、周期値Ｔ、方向θおよびコントラスト量Ｃがそれぞれ「度合」、「周期」、「方向」および「コントラスト量」として数値にて表示される。
【０１１６】
オペレータは、表示装置５に表示されたモアレ発生予測情報表示領域ＭＴを視認することによって、モアレ発生の原因となる画像パターンの繰り返しに関する情報を数値として得ることができ、指定した画素ＤＧの周辺にてモアレが発生するか否かおよび発生するモアレの程度を定量的に把握することができることとなり、何人であってもモアレの発生を容易に予測することができる。そして、例えば、確認したモアレ発生予測情報に基づいて既述したモアレの発生を抑制する処理のパラメータをオペレータが適宜設定すれば、適切なモアレ発生抑制処理を行うことができる。
【０１１７】
なお、上記のモアレ発生予測情報のうち周期性指標Ｍ、周期値Ｔ、方向θは、それぞれ周期的な画像パターンの繰り返しの有無の程度、画像パターンの繰り返しの周期、画像パターンの繰り返しの方向であり、モアレ発生を予測するための直接的な情報であると言える。これに対して、モアレ発生予測情報のうちコントラスト量Ｃは、注目画素とその周辺との明暗比を示す指標である。コントラスト量Ｃは、既述したモアレ発生抑制処理のうちのぼかし処理またはシフト処理のいずれの処理に重きを置くかを決定する際に重要な情報であり、モアレ発生の予測という観点からは補助的な情報である。従って、コントラスト量Ｃについては必ずしも表示する必要はない。
【０１１８】
【発明の効果】
以上、説明したように、請求項１の発明によれば、注目画素について、画像に所定の画像処理を行った後のモアレの発生の予測に関するモアレ発生予測情報を算出するモアレ発生予測情報算出手段と、算出されたモアレ発生予測情報を表示する表示手段と、を備えているため、表示手段に表示されたモアレ発生予測情報を確認するだけでモアレの発生を容易に予測することができる。また、モアレ発生予測情報算出手段が注目画素を含む注目領域と当該注目領域以外の周辺領域との相関特性に基づいて画像パターンの繰り返しの有無の程度を示す周期性指標を算出する周期性指標算出手段と、画像パターンの繰り返しの周期を算出する周期算出手段と、画像パターンの繰り返しの方向を算出する方向算出手段と、を含むため、モアレの発生を容易かつ的確に予測することができる。
【０１２０】
また、請求項２の発明によれば、モアレ発生予測情報算出手段は、注目画素について注目画素とその周辺画素との明暗比を示す指標であるコントラスト量を算出するコントラスト量算出手段、を含むため、モアレの発生を容易かつ的確に予測することができる。
【図面の簡単な説明】
【図１】本発明に係る画像処理装置のハードウェア構成の一例を示すブロック図である。
【図２】図１の画像処理装置の機能的構成を示す機能ブロック図である。
【図３】図１の画像処理装置における画像処理の処理手順の概要を示すフローチャートである。
【図４】自己相関データの算出形態の一例を示す図である。
【図５】ｘ方向に沿った自己相関データの算出形態の一例を示す図である。
【図６】ｙ方向に沿った自己相関データの算出形態の一例を示す図である。
【図７】処理前画像の各画素の階調値の一例およびそれから得られたｘ方向に沿った自己相関データを示す図である。
【図８】周期性が無いｘ方向に沿った自己相関データの一例を示す図である。
【図９】ｘ方向に沿った周期値およびｙ方向に沿った周期値と実際の周期方向及び周期値との関係を示す図である。
【図１０】処理前画像の一例を示す図である。
【図１１】図１０の画像についての自己相関データの一例を示す図である。
【図１２】図１０の画像についての自己相関データの他の例を示す図である。
【図１３】周期性データ算出処理において画像パターンの繰り返しであると判断された領域領域を示す図である。
【図１４】拡張された画像パターンの繰り返し領域を示す図である。
【図１５】コントラスト量算出の手順を示すフローチャートである。
【図１６】高濃度領域の拡張または縮小について説明する図である。
【図１７】図１６の画像の高濃度領域が拡張された高濃度領域拡張画像を示す図である。
【図１８】図１６の画像の高濃度領域が縮小された高濃度領域縮小画像を示す図である。
【図１９】作成された差分画像を示す図である。
【図２０】バイリニア拡大を概念的に説明するための図である。
【図２１】表示装置にモアレ発生予測情報が表示された様子を示す図である。
【図２２】モアレ発生予測情報表示領域の表示内容の一例を示す図である。
【図２３】従来の問題点を説明するための図であって、画像パターンと光電素子との位置関係を示す図である。
【図２４】デジタル画像の画像パターンが４画素周期である場合の「ＩＮフェイズ状態」と「ＯＵＴフェイズ状態」とを示す図である。
【図２５】図２４のデジタル画像にシャープネス処理を施した場合の計算上の各画素の階調値を示す図である。
【図２６】図２４のデジタル画像にシャープネス処理を施した場合の各画素の最終的な階調値を示す図である。
【図２７】モアレが発生し得る階調変換処理を実施するルックアップテーブルの一例を示す図である。
【図２８】モアレが発生し得る階調変換処理を実施するルックアップテーブルの他の例を示す図である。
【符号の説明】
１ ＣＰＵ
５ 表示装置
６ 入力装置
７ 画像入力器
８ 記録媒体
１０ 周期性データ演算部
２０ 周期性指標算出部
３０ 差分画像作成部
４０ 加工部
５０ コントラスト量算出部
６０ 周期方向算出部
７０ 周期値算出部
８０ 周期性データ加工部
Claims (2)
- 画像内の注目画素を指定する注目画素指定手段と、
前記注目画素について、前記画像に所定の画像処理を行った後のモアレの発生の予測に関するモアレ発生予測情報を算出するモアレ発生予測情報算出手段と、
算出された前記モアレ発生予測情報を表示する表示手段と、
を備え、
前記モアレ発生予測情報算出手段は、
前記注目画素を含む前記画像内の注目領域と当該注目領域以外の周辺領域との相関特性に基づいて画像パターンの繰り返しの有無の程度を示す周期性指標を算出する周期性指標算出手段と、
前記画像パターンの繰り返しの周期を算出する周期算出手段と、
前記画像パターンの繰り返しの方向を算出する方向算出手段と、
を含み、
前記モアレ発生予測情報は、前記周期性指標、前記周期および前記方向を含むことを特徴とする画像処理装置。 - 請求項１記載の画像処理装置において、
前記モアレ発生予測情報算出手段は、
前記注目画素について、前記注目画素とその周辺画素との明暗比を示す指標であるコントラスト量を算出するコントラスト量算出手段、
をさらに含み、
前記モアレ発生予測情報は、前記コントラスト量をさらに含むことを特徴とする画像処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP25618299A JP3753900B2 (ja) | 1999-09-09 | 1999-09-09 | 画像処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP25618299A JP3753900B2 (ja) | 1999-09-09 | 1999-09-09 | 画像処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001086369A JP2001086369A (ja) | 2001-03-30 |
| JP3753900B2 true JP3753900B2 (ja) | 2006-03-08 |
Family
ID=17289057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP25618299A Expired - Fee Related JP3753900B2 (ja) | 1999-09-09 | 1999-09-09 | 画像処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3753900B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004064388A1 (ja) | 2003-01-09 | 2004-07-29 | Sony Corporation | 画像処理装置および方法 |
| JP2007228139A (ja) * | 2006-02-22 | 2007-09-06 | Seiko Epson Corp | ラベリング方法、ラベリング装置、ラベリングプログラム、及びディジタル画像の埃除去方法 |
-
1999
- 1999-09-09 JP JP25618299A patent/JP3753900B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001086369A (ja) | 2001-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3143209B2 (ja) | 画像変倍装置 | |
| EP2138975B1 (en) | Apparatus, method and computer-readable recording medium for pixel interpolation | |
| JPH11144053A (ja) | 画像データの補間処理方法 | |
| US8086024B2 (en) | Defect detection apparatus, defect detection method and computer program | |
| JP3167120B2 (ja) | 画像処理装置及び方法 | |
| US5760921A (en) | Method of and apparatus for image processing | |
| US7885486B2 (en) | Image processing system, method for processing image and computer readable medium | |
| US8743419B2 (en) | Image processing apparatus and method converting low-resolution image to high-resolution using signal value patterns | |
| JP3753900B2 (ja) | 画像処理装置 | |
| JP4716255B2 (ja) | 画像処理装置、画像処理方法、及びそのプログラム | |
| JP3734652B2 (ja) | 画像処理装置 | |
| JP3751806B2 (ja) | 画像処理装置および記録媒体 | |
| JP3262425B2 (ja) | 画像処理装置 | |
| JP3624153B2 (ja) | 画像処理装置及び画像処理方法 | |
| JP3200351B2 (ja) | 画像処理装置及びその方法 | |
| JP2005293265A (ja) | 画像処理装置及び方法 | |
| JP3597423B2 (ja) | 画像変倍装置及び画像変倍方法 | |
| JP2001078039A (ja) | 画像処理装置および記録媒体 | |
| JP4084719B2 (ja) | 画像処理装置および該画像処理装置を備える画像形成装置、ならびに画像処理方法、画像処理プログラムおよびコンピュータ読み取り可能な記録媒体 | |
| JP3714820B2 (ja) | 画像処理方法 | |
| JP2006050481A (ja) | 画像処理装置、画像処理方法及びそのプログラム | |
| JP4265362B2 (ja) | 画像処理装置 | |
| WO2016035568A1 (ja) | 信号処理装置および信号処理方法、固体撮像素子、撮像装置、電子機器、並びにプログラム | |
| JP5297347B2 (ja) | 画素数変換方法、それを実行させるためのプログラム及び画素数変換装置 | |
| JP4517288B2 (ja) | 画像処理装置、画像処理方法及びそのプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20051007 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20051018 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20051118 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20051213 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20051214 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081222 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091222 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091222 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091222 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101222 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101222 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111222 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111222 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121222 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121222 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121222 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131222 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |