JP4118245B2 - 画像送信装置、画像受信装置および画像伝送システム - Google Patents

Description

本発明は、画像データを送信または受信する画像送信装置、画像受信装置および画像転送システムに関する。

高精度かつ高品質の画像データを取り扱うには、大量の画像データを転送する必要がある。１本の配線で大量のデータを転送するのは困難なため、現実には複数の配線を用いる必要がある。配線の本数が多いと、その配線面積も大きくなり、さらにプリント基板の実装コストが増大する。

このような問題を解決するために、配線本数を削減して、コスト削減を図る技術が今後の課題として議論されている（非特許文献１、非特許文献２参照）。

さて、ＥＭＩの対策を行うデータ転送技術として、例えば、RSDS (Reduced Swing Differential Signaling), mini-LVDS (Low Voltage Differential Signaling), CMADS (Current Mode Advanced Differential Signaling), whisper BUS, Mobile-CMADS, MSDL (Mobile Shrink Data Link), MPL (Mobile Pixel Link), MVL (Mobile Video Interface)などが提案されている。

これらの技術は、ＥＭＩの削減が目的であり、画像データをそのまま転送しており、転送時のデータ量を効率的に削減できていない。ＳＩＤ学会では、RSDSに関するLeeの論文（非特許文献３参照）が、CMADAに関するYusaの論文（非特許文献４参照）、McCarneyの論文（特許文献５参照）がそれぞれ発表されている。また、携帯電話向けのシリアル・インタフェースをまとめて比較紹介した記事も公表されている（非特許文献６参照）。
さらに、携帯電話に関連して拡張されたMobile-CMADS, MSDL, MPL, MVIは、現状その画素数が少ないことにより、いずれも回路的な工夫により配線本数を削減している。しかしながら、これは当面のことであり、今後さらに画素数が増加するにつれて、データ量の急激な増加、回路の高周波数化、それに伴う回路コストの増大を考慮すると、今後は回路的な工夫にも限界が出てくる。

携帯電話を初めとするバッテリで駆動する電子機器では、消費電力は重要な要素であり、回路のさらなる高速動作は望ましくない。したがって、従来の回路的な工夫による解決に加え、従来の技術と矛盾しない別の観点による技術が必要となる。この技術のひとつに、データの圧縮が考えられる。

データ量またはデータ変化量を削減したデータ転送技術として、交代ビット反転法によるデータ変化量の削減およびハフマン符号化、１次元圧縮法、アリスメトリック法による画像圧縮により、データ量を削減する技術が提案されている（特許文献１参照）。しかしかながら、この公報によるデータ削減量は常に1/2であるとは限らず、データに依存してそのデータ量が大幅に変化してしまい、配線数の削減には利用できない。

また、バス反転技術（データの過半数が変化する場合に、元のデータをビット反転させ転送することで、データ変化量を削減する）を用いて、データ変化量を削減する技術も知られている（特許文献２，３参照）。これらの公報では、バスにおけるデータ転送技術として、ごく一般のデータを想定しており、画像データの性質は利用していない。このため、圧縮率はそれほど高くない。

一方、データ変化量が少なくなるように加算・減算処理を行う技術が提案されている（特許文献４参照）。この公報では、例えば００００→１１１１なるデータ変化に対してプラス１して、０００１→００００と変化させることで、変化量を減らしている。この公報でも、一般データを対象としており、画像データを念頭に置いていないため、画像データを効率的に処理できない。

また、データの発生頻度をダイナミックに監視しながらバス反転を行うＦＶ符号化方法が知られている（非特許文献７参照）。この方法は、データとして画像の統計的性質を積極的には利用していない。

また、１水平ライン（１Ｈ）前のデータと同じ値である場合には、その１Ｈ前に保存したデータを再利用してデータ転送を行わないようにすることで、データ転送量を削減する手法が提案されている（特許文献５参照）。しかしながら、実際の画像で、１Ｈ前のデータと同じ値になる可能性は、平均的に１割〜２割程度であり、データ転送を行わないことにより、たかだか２割の削減しかできず、配線数を削減するほど大きな効果は得られない。

また、画像の１Ｈ相関を利用してＥＭＩ削減を行う手法が提案されている（特許文献６，７および非特許文献８参照）。これらの手法では、データ量や配線数を削減することはできない。

以上に説明したように、世間一般に圧縮効果があるといわれる従来の技術を用いても、配線数を効率的に削減できない。

データ損失のない（ロスレス）データ圧縮技術として現状最も進んでいると思われる技術は、ISO規格FCD14495、通称JPEG-LS（lossless）である。この技術においても、平均的にいえば、1/2の圧縮を達成するのが精一杯である。一見考えると、配線本数を半分に削減できそうであるが、画像データによる圧縮率の大きな変動も存在し、配線本数の削減はなかなか困難である。データのロスが許されないことを考えると、最悪にそなえて配線本数を削減しようと試みると、1/2化すら不可能となってしまう。したがって、現実には望ましい選択とは言えない。

一般に、データ転送技術としては、多値でデータ転送をする技術が知られている。LCDソースドライバなどを画像データ転送装置として、多値技術を利用して、画像の性質を適切に利用したデータ転送技術はまだ一つも知られていない。

LCDドライバにおいて、多値データ転送を実現するデータ転送方式が提案されている（特許文献８参照）。この方式は、データを３値化する技術を採用するが、３値を２ビットで符号化するものであり、残念なことに配線数は同じままで配線数の削減効果は無い。また、単純にデータを３値化しただけで、特に画像の性質を利用していないので、性能的には劣る。

一方、電流モードでの多値論理回路が提案されている（非特許文献９参照）。また、多値転送に関する技術も提案されている（非特許文献１０，１０参照）。これらの文献では、多値といっても３値や４値を主に対象とし、１６値以上を用いることはほとんどない。これは、多値が大きくなるほど、消費電力が問題となり、現実の利用には望ましくないからである。

ところで、データ圧縮技術に関連して、DPCM (Differential Pulse Coded Modulation)技術が提案されている。画像データに関するDPCM技術としては、MED (Median edge detector)やGAP(gradient-adjusted predictor)が知られている。GAPは２Ｈメモリを必要とし、ハードウェア回路規模が大きくなるので、ここでは１ＨメモリですむMEDで説明する。そこで、さらに、MEDに関して従来の技術を確認する。

MEDはＪＰＥＧ−ＬＳで採用された技術であり、近年もさらなる改良が続いており、MEDを斜め方向のエッジを考慮に入れることで、性能改善を図る技術が提案されている（非特許文献１２参照）。また、別の予測式で性能改善を図る技術も提案されている（非特許文献１３、１４参照）。この他、さらに高性能のMEDも提案されている（非特許文献１５参照）。

これらの従来のMEDは、本発明のような大量の画像データを低消費電力で送信することを目的として使用されておらず、データ圧縮を目的として利用されている。。

さらに類似した技術として、DVI（Digital Visual Interface）において、画像のエントロピーを利用して消費電力を削減する技術が近年提案されている（非特許文献１６参照）。この技術は、伝送インタフェースとしてDVIを前提としており、あくまでデータはバイナリでデータ転送されていること、および配線長が長く、かつ高速データ転送回路の実現を前提としたTMDS符号化に基礎をおいている。

この技術は、本発明者による、低速動作を目指して多値化データを転送する技術とは、まったく異なる思想に基づく技術である。
特開2003-366107公報 特開2002-202760公報 特開2001-166740公報 特開2000-152129公報 特開2003-44017公報 特開2000-20031公報 特開2003-131627公報 米国特許公報6,339,622 SID (Society for information Display)学会における2003年度、SID Seminar (May 19, Baltimore, Maryland)のS. S. Kim, "AMLCD Manufacturing Technology"のM-4/24ページやM-4/26ページ Joe Virginia,による解説記事 LCD television, The future Looks Bright for LCD TV, Information Display (Official Monthly Publication of SID) October 2003 Vol.19, No.10の１３ページの図４ Integrated TFT-LCD Timing Controllers with RSDS Column Driver Interface, SID Digest 6.2, 1999 High-Speed I/F for TFT-LCD Source Driver IC by CMADS, SID Digest. 9.4, 2001 日経エレクトロニクス2004.3.15号、「シリアル・インタフェース。リボルバー式が普及を後押し。配線数を1/10以下に抑える」、p128〜p130 WhisperBUS: An Advanced Interconnect Link For TFT Column Driver Data, SID Digest. 9.3, 2001 Jun Yang, Rajiv Gupta, FV Encoding for low-power Data I/O, IEEE, ISLPED 2001 SID ＩＤＲＣ ２００３論文 Haruhiko Okumura等、"Vertically Differential EMI Compression Method for High Resolution LCDs" Wayne CurrentのCurrent-Mode CMOS Multiple-Valued Logic Circuits, IEEE Journal of Solid-State Circuits, Vol. 29, N0.2, February 1994, pp.95-107. R. Fajad-Rad, C-K. Ken Yang, M.A.Horowiz and T. H. Lee, A 0.3-μm CMOS 8-Gb/s 4-PAM Serial Link Transceiver, IEEE Journal of Solid-State Circuits, Vol. 33, No.5, May 2000. S. Srinivasan, Circuit & Signaling Strategies for on-chip interconnects in DSM CMOS, submitted to the Graduate school of the University of Massachusets Amherst in partial fulfillment of the requirements of the degree of master of science in electrical and computer engineering, August 2002 Jiangらの論文 Revisiting the JPEG-LS prediction scheme, IEE Proc. Visual Image Signal Process., Vol. 147, No.6, December 2000, pp. 575-580 Grecosらの論文 Two Low Cost Algorithms for Improved Diagonal Edge Detection in JPEG-LS, IEEE Transaction on Consumer Electronics, Vol. 47, No. 3, August 2001, pp. 466-473 Jiangらによる Toward improved prediction accuracy in JPEG-LS, SPIE Optical Engineering, 41(2) 335-341 (February 2002) Edirisingheの論文 Improvements to JPEG-LS via diagonal edge based prediction, Visual Communications and Image Processing 2002, Proceedings of SPIE Vol. 4671 (2002) We-Chung Cheng and Massound Pedram Chromatic Encoding: a Low Power Encoding Technique for Digital Visual Interface IEEE DATE 2003 session 6.3

本発明の目的は、低消費電力で、かつ少ない本数の伝送線で画像データを送信または受信可能な画像送信装置、画像受信装置および画像転送システムに関する。

本発明の一態様によれば、過去の画像データにより予測された現在の予測値と現在の実画像データとの差分に関する色差差分データを計算する色差差分計算手段と、
前記色差差分データを符号化して符号化データを生成する符号化手段と、
前記符号化データと、画像データの統計的性質に基づいて定められた前記符号化データの出現確率と、に基づいて、前記符号化データの各ビットにおける特定のビット値に、それぞれ異なる係数を掛けた値を加算して多値データを生成する多値化手段と、
前記多値データを少なくとも１本の伝送線を介して送信する送信手段と、を備えることを特徴とする画像送信装置が提供される。

本発明の一態様によれば、少なくとも１本の伝送線を介して送信された、符号化データの各ビットにおける特定のビット値に画像データの統計的性質に基づいて定められた出現確率に応じた係数を掛けた値を加算して生成される多値データを受信する受信手段と、
受信された前記多値データに基づいて、画像データの統計的性質を考慮に入れて前記符号化データを復元する符号化手段と、
前記符号化データを復号して、現在の実画像データの色差信号と過去の画像データにより予測された現在の予測値の色差信号との差分に関する色差差分信号を生成する復号手段と、
前記色差差分信号に基づいて、現在の実画像データを復元する画像復元手段と、を備えることを特徴とする画像受信装置が提供される。

本発明の一態様によれば、画像データを送信する画像送信装置と、
この画像データを受信する画像受信装置と、を備えた画像伝送システムにおいて、
前記画像送信装置は、
過去の画像データにより予測された現在の予測値と現在の実画像データとの差分に関する色差差分データを計算する色差差分計算手段と、
前記色差差分データを符号化して符号化データを生成する符号化手段と、
前記符号化データと、画像データの統計的性質に基づいて定められた前記符号化データの出現確率と、に基づいて、前記符号化データの各ビットにおける特定のビット値に、それぞれ異なる係数を掛けた値を加算して多値データを生成する多値化手段と、
前記多値データを少なくとも１本の伝送線を介して送信する送信手段と、を有し、
前記画像受信装置は、
少なくとも１本の伝送線を介して送信された多値データを受信する受信手段と、
受信された前記多値データに基づいて、画像データの統計的性質を考慮に入れて符号化データを復元する符号化手段と、
前記符号化データを復号して、現在の実画像データの色差信号と過去の画像データにより予測された現在の予測値の色差信号との差分に関する色差差分信号を生成する復号手段と、
前記色差差分信号に基づいて、現在の実画像データを復元する画像復元手段と、を有することを特徴とする画像伝送システムが提供される。

本発明によれば、画像データの統計的性質に基づいて画像データを多値化して伝送するため、伝送時の消費電力を削減しつつ、伝送線の配線数を削減できる。

まず、本発明が利用する統計的な事実について説明を行い、その事実に基づいて本発明の一実施形態を説明する。本発明は、ＴＶやＰＣモニタ、携帯電話、デジタル・カメラなど、画像データを転送する各種の電子機器に利用可能である。

一般に画像データは、水平（Ｈ）方向や垂直（Ｖ）方向に相関を持っているといわれる。これは、１Ｈ（１Ｖ）相関と呼ばれ、１水平ライン（以下、１Ｈ）前または１垂直ライン（以下、１Ｖ）前のデータと現在のデータと比較すると、統計的に似た値を持つという統計的性質である。

１つの画像データはＲＧＢに関して３つの値を持っているが、例えば、赤（Ｒ）データについて説明する。１Ｈ前のＲデータをＲ(1H)＝２(８ビット256値における２)と表すこととし、現在のＲデータをＲ(0)＝１（８ビット256値における１）とする。このとき、差分データR(1H)−Ｒ(0)=１の値（１Ｈ差分データ値）は、十分たくさんのデータを解析すると、０を中心として、ラプラス分布することが経験的に知られている。これが１Ｈ相関である。

ラプラス分布は中心から急激に（指数関数的に）値が小さくなる。すなわち、中心での値が極めて高くなっており、これは、１Ｈ前の値と現在の値が統計的に等しい確率が極めて高いということを意味している。ラプラス分布は画像データの統計的な傾向であり、正確にラプラス分布曲線に一致する訳ではないが、統計を考えると、この分布に収束する。

実際、画像データ数が多くなるほど、解析した結果の曲線はなめらかな分布になる。図１〜図４は種々の画像データについての解析結果を示す図であり、画像データの各階調値における度数（同じ階調値をもつ画素の数）分布と、１Ｈ差分の度数分布と、１Ｈ差分の度数分布の対数とを示している。

例えば、図１では、解析する元の画像（元画像）を左上に示してある。この画像のＲＧＢそれぞれのデータを抽出して、白黒の階調データとして表示したものがＲ画像、Ｇ画像、Ｂ画像であり、それぞれ赤、緑、青の色に対応しており、順番に元画像の下に配置されている。Ｒ−Ｇ画像、Ｂ−Ｇ画像は、色差信号に対応する信号としてＲ−Ｇの値を計算したデータ、Ｂ−Ｇの値を計算したデータをそれぞれ白黒の階調画像として表示している。これら縦に並んだ画像それぞれに関して、データ値の度数分布を示したグラフが横に配置されている。左から右へ向かって、一列目のグラフは、Ｒ、Ｇ、Ｂ、Ｒ−Ｇ、Ｂ−Ｇのそれぞれに関して、それらの度数分布を示したグラフである。ｘ軸は２５６階調での階調数（０が黒、２５５が白に対応する）、ｙ軸はその階調を持つ画素の度数（個数）である。

なお、色差Ｒ−ＧやＢ−Ｇ、および２列目のグラフ（差分データ）の場合、ｘ軸は差分なので、−２５５から２５５までの階調データとなる。

例えば、図１のＲ画像では階調３０附近でピークをとり、以降ゆっくりと度数が減少することが示されている。Ｇ画像やＢ画像もほぼＲ画像と似たような分布曲線になる。このような画像の度数分布は、画像それぞれにより大きく変化し、一般に決まった曲線のかたちで表現することができない。

実際、図２、図３および図４の例を比較すると、それぞれが固有の形をしており、共通した分布は持っていない。また、Ｒ−Ｇ画像やＢ−Ｇ画像は０を中心に集中した形になる場合も多いが、対称的に分布しない場合もまた多く、一般的にはラプラス分布ではない。

二列目のグラフは、１Ｈ差分データの度数分布を示すグラフである。図１〜図４のどの場合でも、０を中央値として集中した分布をなしており、ラプラス分布に近似できることがわかる。この分布の形をさらに細かく見るために、分布の度数の対数を取ったものが三列目のグラフである。中央で鋭く尖り、徐々に傾きが緩くなっている。なお、グラフの末端で値が急増しているのは、−１２７から１２７までの解析区間で度数を合計したことから、それ以上（以下）のすべての度数が累計された解析のためであり、本来のデータではないので、無視すればよい。

図１〜図４からわかるように、個々の画像データはラプラス分布に沿った分布になるが、さらに複数の画像の集合を考えた場合の分布（統計的マクロモデル）を考える。一般にどのような画像がデータとして転送されるかは事前にはわからない。したがって、ここでは、複数の画像を解析した結果に基づく統計的マクロモデルにより、ラプラス分布のパラメータを定める。

図５は複数の画像データに関して度数分布（ラプラス分布）を調べた結果を重ねて表示したグラフである。図５の横軸は、基準となる階調値を原点としており、縦軸は各階調値での度数を表している。図５の各曲線はラプラス分布で近似されるが、画像データにより傾きが異なることがわかる。分布の中央にある曲線を中心として、１つ１つのラプラス分布がさらに統計的に分布していることがわかる。

図６は本実施形態で使用する統計的モデルを説明する図である。上記では、各画像データはラプラス分布で近似できると説明したが、実際には少し異なる分布である。ラプラス分布の場合には、対数度数をとったグラフにおいて、直線で減少していく。第一次の近似としては、このような直線近似でよいと思われるが、さらに減少する傾きが徐々に緩くなっていく事実を表現するために、指数の中の階調（１Ｈ差分の階調）εに累乗のパラメータであるα（アルファ）を追加する。また、中央での尖り具合を細かく表現するためにβ（ベータ）というパラメータを導入する。なお、σ（シグマ）はもともとから存在するラプラス分布のパラメータである。パラメータｋは確率分布を１に正規化するための係数であり、ラプラス分布のときから存在している。

以上のように、ラプラス分布を拡張した分布（拡張ラプラス分布：以降、簡略化のために「拡張」という用語を用いずに、そのままラプラス分布と呼ぶこともある）を以降取り扱うことにする。

なお、階調ε（正確には「差分階調」と呼ぶべきであるが、以降も単に「階調」と呼ぶことにする）を与えたときの拡張ラプラス分布の確率をｐ（ε）で参照するが、特にラプラス分布のパラメータを強く意識するときには、εの他に、α、β、σも引数として追加し、ｐ（ε、α＝０．４、β、σ）などと記載することにする。どの引数かはパラメータの名前で区別することとする。βは値０に近い場合は多い。これらα、β、σのパラメータの統計的分布をさらに考慮したのが、統計的マクロモデルである。

本実施形態では、階調εに関し、α、β、σを分布パラメータとし、ｋを正規化パラメータとしたとき、次の確率分布ｐ（ε）を、拡張ラプラス分布と呼ぶ。拡張ラプラス分布は、（１）式で表される。
ｐ（ε）＝ｋ＊ｅｘｐ（−√２（｜ε｜^α＋β）／σ） …（１）

ＲＧＢそれぞれの画像に関して、１Ｈ差分を考えるだけでなく、Ｒ−ＧやＢ−Ｇといった色差信号に関しても、１Ｈ差分を考えることができる。実際、このような差分データの方が相関が高い。すなわち、Ｒ、Ｇ、ＢのΔ（Ｒ）、Δ（Ｇ）、Δ（Ｂ）で、それぞれの１Ｈ差分を表すとする。例えば、Δ（Ｒ）＝（現在のＲ値）−（１Ｈ前のＲ値）である。このとき、色差信号の１Ｈ差分とは、Δ（Ｒ−Ｇ）＝（現在のＲ−Ｇの値）−（１Ｈ前のＲ−Ｇの値）＝（現在のＲ値）−（現在のＧ値）−（１Ｈ前のＲ値）＋（１Ｈ前のＧ値）＝（現在のＲ値）−（１Ｈ前のＲ値）−（現在のＧ値）＋（１Ｈ前のＧ値）＝ΔＲ−ΔＧである。同様に、Δ（Ｂ−Ｇ）＝ΔＢ−ΔＧである。

図７は種々の画像データについて、色差信号の１Ｈ差分の分布を解析した結果を示す図である。図７では、拡張ラプラス分布の傾きを表すパラメータαの値が、α＝0.31±3*0.05（平均値±3σ）からα＝0.4±3*0.07へと、平均値がほぼ0.1だけ値が高くなっている。これは、より急峻に曲線が減少することを示し、相関が大きいことを意味しており、より利用価値が高いといえる。

図８はパラメータαの求め方を示す図である。図８のｘ軸は１Ｈ差分データにおける階調εの自然対数の自然対数、すなわち、ln(ln(ε))である。以下では、自然対数を簡単に対数と省略して使うことがある。ｙ軸は階調εの画素数の逆数（正確には、画像に存在する画素の度数を表す確率）の対数の対数、すなわち、ある定数でオフセットされたln(ln(1/度数))である。確率が１に正規化した結果で示してあるので、画素数そのものの値ではない。

上述した（１）式で示すように、拡張ラプラス分布では、指数の中が、さらに｜ε｜のα乗となっているので、対数を２回取ることで、αの傾きを持った直線グラフが期待できる。ラプラス分布は、ｘ軸を軸として左右対称に分布しており、εの絶対値｜ε｜のα乗になっているので、左右２つの領域に対応して２つの直線を形成する。したがって、データとしては、２つの左右対称な形状を表現するパラメータとして、２つのαが存在するが、実際にはほとんど差がなく、同じ値であると考えてよい。

図８にはＧデータとＲ−Ｇ、Ｂ−Ｇデータが示してある。幸いなことに、多くの場合、ＲＧＢデータの曲線は、ほぼ同じになり、どれか１つの解析を行うことで、ＲＧＢそれぞれを代表できる。また、色差信号に関してもＲ−Ｇ，Ｂ−Ｇも同じ曲線となり、どちらか１つの解析を行えばよい。この図ではＧデータが実際ほぼ直線であることが読み取れる。Ｒ−Ｇ、Ｂ−Ｇの曲線は、階調εが小さな値では曲線がバウンドしているが、データのほとんどはln(ln(ε))の値が大きな側にあり、データの大半が直線的であることが判る。なお、データの右端が直線でなく、値が大きく上下に変動している。これは、度数が小さくなると個別データの変動が大きくなり、十分大きな画素数を持つ画像であれば存在を期待される画素が、実際には有限のため存在しなかった場合である。αを求めるときには、これらを無視でき、直線部分の傾きを利用する。

図９はパラメータβの求め方を示す図である。パラメータβは、ln(ln(階調))＝０のときのＧデータのln(ln(1/度数))の値として求めることができる。

図１０〜図１３はパラメータαの分布を示す図である。これらの図では、36個のサンプル画像に関して、図８を用いて求めたαの分布を示している。直線の解析方法（傾きを求めるきに、原点通過を前提とした回帰分析を行うか、行わないか）と解析対象（右か左／正側領域か負側領域か）により、合計４通りの組み合わせがあり、各組み合わせが図１０〜図１３に図示されている。図１０および図１１はパラメータβを考慮に入れた場合のパラメータαの分布、図１２および図１３はパラメータβを考慮に入れない場合のパラメータαの分布を示している。また、図１０および図１２は図４の右側（正側）領域におけるパラメータαの分布、図１１および図１３は図４の左側（負側）におけるパラメータαの分布を示している。

これらの図からわかるように、β値が大きくない（０．０１±３＊０．１で、実際０．０と思えばよい）ことを反映して、どの解析結果も最終的には似たような結果となっている。色差信号Ｒ−Ｇ（Ｂ−Ｇ）に関して、これらの結果を（平均μ）±３＊（標準偏差σ）で示すと、０．４１０±３＊０．０８７、０．４２４±３＊０．０８１、０．４０±３＊０．０６０、０．４０５±３＊０．０５７となっている。ラフにα＝０．４±０．２として以降、扱うことにする。

同様の解析をＲ、Ｇ、Ｂに関して行うと、α＝０．３１±０．１となる。これら３６サンプルは自然画像が主であり、ＴＶなどの一般的な映像の分布を忠実に示していると思われる。一般に、作図ソフトウェアで作成した絵や同じ色で塗るアニメーション画像、作図ソフトウェアで作成した画像などは、画像として上記の１Ｈ相関値が高い。一方、風景など自然画像は相関が低くなる。

今回の解析は、このような経験的事実に基づき、より条件の厳しいＴＶやビデオ（映画）を念頭に行っている。主に風景（近景および遠景）や塗りつぶしでないマンガを解析した。一般に近景の画像の方が、相関が低いと言われているが、必ずしも遠近が相関の決めてではなく、相対的に画面全体が同じトーンでない場合に相関が低い状態である。

このように、本実施形態では、集団としての画像の統計的分布を表現する分布として、１つの画像の分布（ラプラス分布）のパラメータの分布を考える。ここではそれを統計的マクロモデルと呼ぶことにする。以下では、統計的マクロモデル（拡張ラプラス分布）において、分布パラメータα、β、σが正規分布をする確率分布を拡張ラプラス分布の統計的マクロモデルと呼ぶ。

上記の手法により統計的マクロモデルが生成される。次に、このような統計的マクロモデルで表される画像の差分データを転送して、最終的に配線本数を削減する技術について説明する。

本発明の技術思想の根本は、画像データの（差分）階調値の出現確率頻度に偏りがあることを利用して、配線数削減を行い、多値化における電流量などの増加を抑制することである。従来の技術では、この統計的な偏りをデータ圧縮またはＥＭＩ削減に応用していた。本発明は、この統計的な偏りを、画像データ転送の多値化技術に関連して消費電力削減のために応用した点に特徴がある。

ここで、１Ｈ差分技術を、DPCM技術の観点から見直してみる。１Ｈ差分の現在値は、１Ｈ前の値により予測され、その予測値と現在値との差分をデータとして転送する。予想の確度が高ければ、差分の値は大抵の場合に小さな値となる。この場合、強い相関を示すので、差が小さい値となる。その結果、電流を小さくすることができる。

MED技術は、１Ｈ前のデータだけでなく、その周りのさらに追加された複数個のデータを用いて、予測精度を高めるものである。MED技術は、すでに受け取ったデータを用いて予測するのであり、将来に送られてくるであろうデータを利用することはできない。このような予測を因果的予測という。

本発明で利用するMED技術も因果的予測技術である。MED予測された値と実際の現在値の差分（MED差分）を取り、この分布を調べると、１Ｈ差分よりも非常に強い相関をもった分布となる。従来のラプラス分布よりも０を中心にして、より急峻な分布となる。これは、統計分布が改善されて、予測性能が向上したことを意味している。このようなMED差分を転送する。受信側では、同じMED予測器を利用して予想値を計算し、転送された差分に加算することで、元のデータを復元できる。このように、MED技術は、差分を転送し、その差分に予測値を加算し、復元するというDPCM技術の１つの例として認識することができる。もちろん１Ｈ差分も、ＤＰＣＭ技術の最も素朴な例である。

次に、このような画像のMED差分データを転送することで、最終的に配線本数を削減する技術について説明する。本発明の技術思想の根本は、画像データの出現確率頻度に偏りがあることを利用して、多値化を行って電流量削減と配線数削減を行うことである。従来の技術では、この統計的な偏りをデータ圧縮またはＥＭＩ削減に応用していた。本発明は、画像データ転送の多値化技術と組み合わせることにより、配線本数削減と電流削減にこの統計的性質をはじめて応用する。このことを強調するために、ここに再度明記しておく。

以下、図１４および図１５を用いて、MED予測器について説明する。ＲＧＢの画像または一般にそれらから計算される色情報ｘに関して、ここでは周囲の画素a、ｂ、ｃ、ｄの情報を利用してｘの値を予想する。画素とその値を混同して、画素ａの色情報＝階調値をａと呼ぶことにする。

一般、垂直方向の相関は、水平方向よりも若干相関が高いことが知られている。また、予想は因果的である必要があるため、ｘより先にある画素の情報は使わない。さらに、ハードウェアによる実現を考えると、垂直方向の画素データを利用するには、そのためのライン・メモリが必要となる。できるだけメモリ量を少なくするために、１Ｈ分のメモリで済ますことにする。

以上により、ｘの周囲で、相関が高いと期待できる順番に、画像a、ｂ、ｃを利用する。ｘ値の予想で問題となるのは、画像としてエッジが存在する場合である。値の変化が緩慢である平坦な場合には、ｘ＝a＋ｂ−ｃにより、平均値と予測することに問題はない。

しかしながら、値の急激な変化がある場合、すなわち、エッジが存在する場合、このような平均値として予測してもうまくいかない。そこで、MED技術では、エッジの存在を検出し、エッジが垂直方向か水平方向かを判断し、画像データの予想精度を向上させる。

例えば、ｃｂの値が高く、ａｘの値が低い状態、すなわちｃｂとaｘの間に垂直方向のエッジがある状態を想定して、MED技術のアルゴリズムについて説明する。この場合、ｘの予想はaの値そのものを採用することが良さそうである。また、ｃ＞ｂと仮定すると、ｃ≧max(a,b)によりｘをmin(a, b)＝aにより予想する。さらに、ｃａの値が高くｂｘの値が低い状態、すなわちｃａとｂｘの間に水平方向のエッジがある状態を想定し、かつｃ＞aを仮定すると、ｃ≧max(a,b)によりｘをmin(a,b)＝ｂにより予想する。このように画素値における場合分けを考えることでMEDのアルゴリズムが構成されている。

このようなMEDの問題は、斜め方向にエッジが存在する場合に、うまく予想できないことである。これを考慮したのがEdirisingheのMEDである（非特許文献１５）。この場合には予測のための周囲の画素値としてｄをさらに追加利用することで、斜め方向を考慮する。

図１６における一番上にある予想ｘ＝ｂ＋ｄ＋aはこのような斜め方向での予想である。ｃ−max（a,b）＞Ｔ１はｃ≧max(a,b)と同じ発想でエッジを検出しようとするものであるが、ここではスレッショルドＴ１を用いて制御している。さらに、条件abs(a−ｂ)≦Ｔ２によりaとｂの値が近いかどうか判定している。

ここで、absは絶対値を与える関数、Ｔ２は判定のためのスレッショルドである。もしaとｂの値が近ければ、すなわち、abs(a―ｂ)が小さい値であれば、斜め方向にエッジがあると期待できる。もしaとｂの差が大きければ、垂直または水平方向のエッジである可能性が高い。このように考えて、斜めエッジによる予想ｘ＝b＋ｄ−ａを行う。

以下同様に、場合分けを考えていけばよい。このような予想は、ローカルな状況からグローバルなエッジを検出しようとするものであり、すべての場合に関してうまく予想されることを保証するものでない。確率的にそうなる場合が多いという考えで、予測精度を高めているのであり、予想値と実際値の差分の分布をよりシャープにしていることを意味している。

実際にこのようなMEDにより差分データの分布が改善された例を図１７および図１８に示す。図１８は図１７の中央部分（０近辺）をさらに拡大したものである。１Ｈの場合と比較して、中央（０）の差分データが増加しており、特性が改善されていることがわかる。本発明では、この効果を多値化において利用する。現状での最も優れた予測技術の一つとしてEdirisingheのMEDを参照するが、これに限定されるわけではない。今後別の予測器が提案されれば、それを用いることで本技術に関してさらなる改善を図ることができることは言うまでもない。

図１９は本発明の一実施形態に係る画像転送システムの概略構成を示すブロック図である。図１９の画像転送システムは、RGBの画像データを多値データに変換して出力するタイミングコントローラ１と、タイミングコントローラ１から配線２を介して転送された多値データを受信して元の画像データを復元するソースドライバ３とを備えている。タイミングコントローラ１やソースドライバ３は、実際には種々の電気機器に組み込むことが可能である。例えば、タイミングコントローラ１はホストコンピュータに組み込まれ、ソースドライバ３は表示装置に組み込まれる。

タイミングコントローラ１は、画像データ取込部４と、色差化部５と、MED予測器６と、色差差分計算部７と、符号化部８と、D/A変換器（DAC）９と、多値出力部１０とを有する。

ソースドライバ３は、多値入力部１１と、A/D変換器（ADC）１２と、符号復元部１３と、MED予測器１４と、色差復元部１５と、画像データ出力部１６とを有する。

色差化部５は、ＲＧＢの画像データに基づいて、画素ごとにＧ、Ｒ−Ｇ、Ｂ−Ｇの色差データを生成する。MED予測器６は、色差データを用いて予測値を計算する。色差差分計算部７は、不図示の加算器を用いて色差データと予測値との色差差分データを計算する。この差分データを、MED色差・差分データと呼ぶ。

符号化部８が行う多値化とは、MED色差・差分データを物理的なデータ（電流、電圧）に符号化することである。この多値化により、クロック・サイクルに対するデータ転送速度の向上を図る。通常は２値（０と１）でデータ転送を行うが、本実施形態では、例えば、４値、８値、１６値、３２値、６４値などでデータを構成する。この値が高ければ高いほどデータ転送率が増加し、結果的に配線２の本数をより少なくできる。例えば２値、１２本で転送していたものは、４値で６本、８値で４本、１６値で３本、６４値で２本という具合になる。このように多値化されたデータが配線２を経由して、例えば、LCDタンミング・コントローラからLCDソースドライバ３へと転送される。

一般に、この転送は画像を転送する場合に利用でき、LCDソースドライバ３へのデータ転送に限定されるわけではない。ここで暗黙に前提とされているのは、高速でデータ転送するのではなく、できるだけ低速で行いたいということであり、配線２は十分に短いとして取り扱えるという前提を考えている。すなわち、TMDS符号化の拡張では考えない。

ソースドライバ３は、タイミングコントローラ１が行った処理を逆の順序で行って、データの復元を行う。すなわち、多値データをMED色差・差分データに復元し、さらにMED予測器６による予測値に加算することで色差信号を復元する。復元された色差信号はさらに、Ｇを加算することでＲＧＢへと復元される。さらに復元された画像データは、従来のドライバにより利用され、液晶を駆動する。以上の概略信号フローの詳細をさらに説明する。

図２０は色差化部５とMED予測器６の処理内容を説明する図である。色差化部５は、例えば、画素ｘについてＲ−Ｇ、Ｂ−Ｇを計算し、Ｒ−Ｇ、Ｇ、Ｂ−Ｇの色差データを得る。本来、Ｇそのものは色差ではないが、Ｇも併せて「色差データ」と呼ぶことにする。MED差分における画素a、ｂ、ｃ、ｄおよびｘのそれぞれごとに、Ｒ−Ｇ、Ｇ、Ｂ−Ｇの計算を行う。

MED予測器６は、R−ＧデータについてMED予測を行い、その差分を計算する。このときのMED差分データをε（R−Ｇ）と表す。同様に、εＧとε（Ｂ−Ｇ）を計算する。このような３つのεデータに関して、後に定義を行う多値化写像を考える。

なお、色差化としては、Ｇ、Ｒ−Ｇ、Ｂ−Ｇの色差化のほか、Ｂ、Ｒ−Ｇ、Ｂ−ＧやＲ、Ｒ−Ｇ、Ｂ−Ｒなどの異なる組み合わせによる色差符号化も可能である。例えば、水中写真ではＧよりもＢのほうが、相関が高い分布をすることを本発明者は確認している。このようなときには、Ｂ、Ｒ−Ｇ、Ｂ−Ｇがより望ましい選択となる。

また、輝度信号Ｙを利用したＹ、Ｒ−Ｙ、Ｂ−Ｙとその他の組み合わせも可能である。一般に、色差化信号としてＹＵＶ、ＹＩＱなど各種フォーマットも可能である。

さらに、近年、脳のＶ１（一次視覚野）において、二重反対色細胞(double opponent cell)として、Red-greenのほかに、red-cyan, green-magenta, blue-yellowの細胞が発見されていることから、他の色差軸選択の可能性もある。例えばred-cyanとして、２Ｒ−（Ｇ＋Ｂ）＝（Ｒ−Ｇ）＋（Ｒ−Ｂ）、green-magentaとして、２Ｇ−Ｒ−Ｂ＝（Ｇ−Ｒ）＋（Ｇ−Ｂ）、さらにblue-yellowとして２Ｂ−Ｒ−Ｇ＝（Ｂ−Ｒ）＋（Ｂ−Ｇ）と従来の色差を加算したものを扱うことも考えられる。実際、これら従来の色差信号の加算された色差信号も、ラプラス分布することを本発明者は知見している。Ｒ−Ｇ−ＢやＧ−Ｒ−Ｂ、Ｂ−Ｒ−Ｇといった色差の場合、分布の形はより緩慢になることが多いので、ここでは２Ｒ−（Ｇ＋Ｂ）の形の加算を説明したが、水中写真など画像によりそうでない場合もあるので、Ｒ−（Ｇ＋Ｂ）の形も含めて考える。中間色を利用するという観点からは、むしろこのような軸を主軸として、データを取り扱うことが望ましい場合もある。したがって、これもまた選択の一つである。ここでは、ＲＧＢからの変換が簡易なハードウェアで済むという点で、Ｇ、Ｒ−Ｇ、Ｂ−Ｇの組み合わせを採用した場合について以下説明する。

図２１は図１９の変形例を示す画像転送システムのブロック図である。図２１の画像転送システムは、1H差分部１６にて1H差分データを計算した後に色差化部１７で色差化を行う点に特徴がある。したがって、多値データを受信したソースドライバ３でも、色差復号部１５で1H差分信号に戻した後に、画像復元部１８で元の画像データに復元する。１Ｈ差分を利用する場合には、相関が弱まり、消費電流を削減する効果はＭＥＤと比較して弱まるが、ハードウェア構成が簡略化できるというメリットがある。以降、しばらく１Ｈ差分の場合で説明するが、適宜ＭＥＤ差分と置き換えて読んでも問題ない。

図２２は図１９の画像転送システムにおけるデータフロー図の一例である。図２２の左側には、特開2000-20031公報に開示された公知のデータフロー図が示されている。この公報は、ＲＧＢの画像データを１Ｈ差分データにし、LCDコントローラからLCDソースドライバ３へデータ転送し、LCDソースドライバ３にて１Ｈ差分データからＲＧＢ画像データを再構成する、いわゆる垂直差分方式（VDE方式）を採用している。この公報では、画像の１Ｈ相関という性質をＥＭＩ削減に応用している。具体的には、タイミングコントローラ１内で１Ｈ差分データを生成した後（ステップＳ１）、この差分データをタイミングコントローラ１からソースドライバ３にバイナリ転送する（ステップＳ２）。そして、ソースドライバ３内で元の差分データに復元して（ステップＳ３）、その後に元の画像データを得る（ステップＳ４）。

一方、本実施形態では、この１Ｈ相関を、ＥＭＩ削減ではなく、配線本数の削減に利用する。１Ｈ差分化されたデータはそのままバイナリ・データとして転送せず、色差化と多値化という２つの追加処理を行うことで、配線本数を削減する。

具体的には、タイミングコントローラ１は、色差化を行って色差データを生成した後に（ステップＳ５）、１Ｈ色差・差分データを生成する（ステップＳ６）。色差化を行うことで、図７の統計で説明したように、１Ｈ差分よりもより強い相関を得る。

次に、１Ｈ色差・差分データを多値化する（ステップＳ７）。この多値化では、１Ｈ色差・差分データを、画像データを担う物理的なデータ（電流、電圧）に符号化する。これにより、クロック・サイクル当たりのデータ転送速度を向上できる。本実施形態では、例えば、４値、８値、１６値、３２値、６４値などでデータを構成する。

図２２では６４値に多値化する例を示しているが、一例にすぎない。多値化の値が大きいほどデータ転送率が増加し、結果的に配線２の本数をより少なくできる。例えば２値、１２本で転送していたものは、４値で６本、８値で４本、１６値で３本、６４値で２本という具合になる。

図２２の例では、多値化電流をタイミングコントローラ１からソースドライバ３に転送する（ステップＳ８）。ソースドライバ３は、多値化電流を受信すると（ステップＳ９）、元の色差データに戻した後（ステップＳ１０）、差分データに戻して（ステップＳ３）、元の画像データを得る（ステップＳ４）。

図２３は１Ｈ差分信号の色差化を説明する図である。１Ｈ差分化をΔで表すことにする。Δ（Ｒ−Ｇ）＝ΔＲ−ΔＧ、Δ（Ｂ−Ｇ）＝ΔＢ−ΔＧであるから、タイミングコントローラ１内で先に１Ｈ差分化されたΔＲ、ΔＧ、ΔＢからそれらの色差信号Δ（Ｒ−Ｇ）とΔ（Ｂ−Ｇ）を計算し、Δ（Ｒ−Ｇ）、ΔＧ、Δ（Ｂ−Ｇ）の３データをデータ転送の対象とする。

ソースドライバ３において、これら３データを受信した後は、ΔＲ＝Δ（Ｒ−Ｇ）＋ΔＧ、ΔＢ＝Δ（Ｂ−Ｇ）＋ΔＧにより再構成する。

図２４はソースドライバ３の内部構成の一例を示すブロック図である。図２４のソースドライバ３は、RGBの各色ごとに、シフトクロックを生成するシフトレジスタ回路２１と、画像データの加算回路２２と、画像データをラッチするラッチ回路２３と、シリアル出力機能付きラッチ回路２４と、DAC回路２５とを有する。

加算回路２２は、ラッチ回路２４でラッチされた１Ｈ前の画像データを現在の差分データに加算することで、現在の画像データを生成する。本実施形態では、加算回路２２の前に、さらに加算回路２６を備えている。ただし、ΔＧに関しては、１Ｈ差分データをそのまま利用すればよいので、このような追加の加算回路は不要である。一方、ΔＲ、ΔＢに関しては、このような加算回路２６が必要である。

このように、１Ｈ差分である場合には、ソースドライバ３における１Ｈ前の画像データを自然に利用することができ、ハードウェア構成を小さくすることができる。ＭＥＤ差分では、このようにソースドライバ３の１Ｈ前画像データだけでＭＥＤ予測機能を構成することはできず、１Ｈメモリを別途用意する必要がある。したがって、１Ｈ差分をＭＥＤ差分より性能が劣るからといって、全面的に否定する必要はなく、応用分野により１Ｈ差分を選択することがありえる。

また、特開2000-20031公報に開示されているように、適宜リセット信号を送信することで（差分ではなく、その値そのものを送信する）、８ビットで差分が収まらなかった場合に対応できる。同様に、画像のズレに関してもＰ２０００−２００３１と同じく対処できる。

次に、１Ｈ色差・差分データやMED色差・差分データなど差分データを用いて多値化を行う仕組みを詳細に説明する。この多値化は２つのステップから構成される。第１のステップは差分εから符号化ビット列Δを得るステップであり、図２５に示される。

以下では、８ビットで符号化することを仮定するが、一般的には何ビットでもよく、画像の符号化ビットの深さに合わせて調整すればよい。ただし、ビット深さそのものの値を採用するとは限らない。差分であるので、場合によっては１ビット増加させて考えることも必要である。

ビット列ΔのＭＳＢ側をΔ７とし、ＬＳＢ側をΔ０とする。それぞれの発生確率が差分データεのラプラス分布確率ｐ（ε）で近似されることから、εを絶対値の小さいものからプラスマイナスの符号を交互にしつつ、順番に並べる。これにより、確率が高いものから順番に並べることができる。すなわち、ｐ（０）＞ｐ（１）＝ｐ（−１）＞ｐ（２）＝ｐ（−２）＞…となる。

もちろんこれは統計的なマクロモデルとしての意味での（極限的な理想状態での）確率順番であり、個別画像の解析結果が常にこのような確率順番（確率の大小による順番）になっている訳ではない。このように並べたεに対して、ビット列Δを以下のように構成する。上から０、１、２、３、…なる０と自然数の値を割当て、その値の２進表現によりΔの各ビットを与える。例えば差分データ２に関しては、値３が割当てられ、そのビット列は００００００１１と２進表現で与えられ、Δ０＝１、Δ１＝１、Δ２＝０、Δ３＝０、Δ４＝０、Δ５＝０、Δ６＝０、Δ７＝０となる。このような割当てにより、各ビットが１となる確率をできるだけ小さく抑える。

また、例えば、Δ０＝１となる確率は、Δ０＝１となるεに関する確率の和をとったものであるから、ｐ（１）＋ｐ（２）＋ｐ（３）＋ｐ（４）＋…＋ｐ（１２７）となる。ｐ（１）＝ｐ（−１）であることを考えると、１と−１の順序は交換することも可能である。

同様に、他のεと−εでも交換可能である。また、若干の確率変動は大局的にそれほど値を増加させないことを考慮すると、差分データεの並べ方は、この順序を多少入れ替えてもよいことがわかる。

さらに、差分εの値が大きなときには、ｐ（ε）はきわめて小さな値であり、実質的に確率和に影響を与えない。この場合も順序を入れ替えてもよいことがわかる。この意味で、図２５は差分ε、ビット列Δ、確率p(ε)の関係づけを行ったひとつの例であり、符号化を図２５だけと限定的に考えてはいけない。符号化ハードウェアの規模を考慮して、別の関係づけを行うことも選択として可能である。

さて、３つのMED色差差分データが存在しているから、Δのビット列も３つ存在している。εＧのビット列をΔＧと表す。ε（Ｒ−Ｇ）のビット列をΔ（Ｒ−Ｇ）と表す。ε（Ｂ−Ｇ）のビット列をΔ（Ｂ−Ｇ）と表す。以上のような差分εから、ビット列Δを求める写像を、ここでは「チャネル・ビット生成写像」と呼ぶことにする。また、ビット列Δを、チャネルを特に意識して呼ぶときには、「チャネル・ビット」と呼ぶことにする。なお、正確には、チャネル上に送られるのは後に述べる多値化された値であり、ここでのΔはチャネル上に直接送られる訳ではない。多値を生成するために必要な中間処理的なビットである。この意味で、「多値チャネル信号を生成するためのビット」と呼ぶできであるが、長くなるので簡略に呼ぶことにする。

なお、ＪＰＥＧ−ＬＳでは、ゴロム符号が上記のようなビット写像に対応している。ゴロム符号は圧縮のために可変とするビット長を短くすべく、符号に工夫を行う符号化技術であった。本発明の「チャネル・ビット生成写像」は、ビット長を特に短くすることはなく、固定長となっていることが異なっている。図２５の例では、８ビット長に固定されている。本発明では、以下に説明する「多値化写像」により、平均電流を低くすることを目的として、最終的に多値符号化を工夫する。

第１のステップの定式化を行う。階調データεが符号化されたときのデータビットＢが１となる確率をΦε（Ｂ）とする。すなわち、階調符号化をenc（ε）→s1s2…sn（sjは０または１と割当てられる）とするとき、Bとしてsj（１≦ｊ≦ｎ）を選択したとすると、B=１のときΦε（B）＝ｐ（ε）、B=0のときΦε（B）=0とする。このとき、Φ（Ｂ）＝ΣΦε（Ｂ）と定義する。ここでシグマは階調εに関する和を取るものとする。

Bはs1s2…snのすべてのsjに関して、個別に定義される。Φはｐ（ε）をもとに定義されているが、ｐ（ε）そのものではなく、あくまで階調符号化encを経由して定義されているので、ここでは意図的に異なる文字記号で、違う概念であることを明白にして表現している。

次に、ビット確率Φ（Ｂ）を計算する手法について説明する。図２６は画像の統計的モデル（拡張ラプラス分布）を利用して確率計算を行う処理手順の一例を示すフローチャートである。フローチャートはおおきく分けて５つのステップよりなる。

まず、ラプラス分布における階調εの絶対値が小さいほど画素発生確率が高いので、階調レベル０、＋１、−１、＋２、−２、…とプラスマイナスを交代しつつ、階調レベルを生成して、符号割当てを準備する（ステップＳ２１）。

次に、拡張ラプラス分布のパラメータを与える（ステップＳ２２）。次に、各階調レベルに対する発生確率を計算する（ステップＳ２３）。次に、各階調レベルに、符号の割当てを行い、ビットそれぞれに「１」となる確率を出現確率より導き出す（ステップＳ２４）。

次に、符号化ビットに関して、例えばＬＳＢならすべての階調に関して「ＬＳＢの１となる確率」を合計し、この符号化ビットにおけるＬＳＢが「１」となる確率Φ（ＬＳＢ）を計算する（ステップＳ２５）。同様に、ＭＳＢまでの全ビットに関して「１」となる確率Φ（Ｂ）を計算する。

次に第２のステップを説明する。はじめにΔＧに関しての多値化写像の具体例を挙げて基本概念を説明し、引き続いて正式な定義を行う。次に、ΔＧ、Δ（Ｒ−Ｇ）、Δ（Ｂ−Ｇ）のデータが混合した多値化写像を説明する。実際には、この混合された多値化写像を利用する。

まず、基本概念の説明を行うため、単純な例について説明する。８ビットΔＧのＬＳＢからＭＳＢをΔＧ０、ΔＧ１，ΔＧ２，ΔＧ３，ΔＧ４、ΔＧ５，ΔＧ６，ΔＧ７とする。これらΔＧｘ（ｘ＝０〜７）は０または１の値を取る。

多値化写像は、例えば４値の場合、この中のΔＧ６とΔＧ７の２ビットを利用して、２＊ΔＧ７＋ΔＧ６なる４値のデータを利用する。この式は、ΔＧ７とΔＧ６の２ビットから１つの電流（または電圧）を作り出す式である。この式をビット割当て式と呼ぶことにする。同様に、２＊ΔＧ５＋ΔＧ４、２＊ΔＧ３＋ΔＧ２、２＊ΔＧ１＋ΔＧ０とビット割当て式を考えて、８ビット全部のデータから４組の４値データを構成する。

このようなすべてのビットを利用した複数個のビット割当て式の組
｛２＊ΔＧ７＋ΔＧ６、２＊ΔＧ５＋ΔＧ４、２＊ΔＧ３＋ΔＧ２、２＊ΔＧ１＋ΔＧ０｝が、多値化写像の一例である。１画素＝２４ビット分のデータであるΔＧ，Δ（Ｒ−Ｇ）、Δ（Ｂ−Ｇ）に関しても、同じように多値化写像を考えることができるが、このとき、必ずしも同じ色信号のビット由来でビット割当て式を構成する必然はない。例えば、Ｇと（Ｒ−Ｇ）を混ぜて、２＊ΔＧ１＋Δ（Ｒ−Ｇ）０とビット割当て式を構成してもよく、全体として、２４ビットすべてが引数として使用されていればよい。

多値化写像の形式的定義の前に、引数の集合を定義しておく。ＭＶＬの要素MVLｋの引数集合をarg（ＭＶＬｋ）とすると、ＭＶＬ全体での引数集合arg(ＭＶＬ)は、∪arg（ＭＶＬｋ）と定義する。

長さｎのビット列B＝B1B2…Bn（要素Bｊ（ｊ＝１..ｎ））の多値化写像ＭＶＬとは、写像MVLｋ： B１ｊ×…×Bｍｊ→INT （定義域Bはビット、値域INTは整数）の集合｛ＭＶＬｋ｝であり、以下の条件を満足する。正確には「多値化写像の集合」と呼ぶべきであるが、ここでは単に「多値化写像」と呼ぶことにする。

（１）arg(ＭＶＬ)はBのすべての要素Ｂ１Ｂ２…Ｂｎをその要素として含む。

（２）MVLｋ(B1j,B2j、…)＝ΣBij*power(2,ｉ)。ここで、和はすべてのｉに関して取り、Ｂ1jＢ２j…がＭＶＬｋの値の２進数表示となる。なお、実際には、ビット列Ｂの値は、第一のステップで生成されるビット列Δであるが、ここでは定義のため概念区別してＢで表現してある。

多値化写像中の１つ１つの写像を与える式を、ビット割当て式と呼ぶことにする。ビット割当て式は、バイナリ・データから、物理的に信号を担う量（例えば電流や電圧）を生成するための式である。ここでは以降、電流がこれら情報を担う（電流モード）として説明を行うが、これに限定されるわけではない。しかし、データ転送を行う場合のＥＭＩを考えると、電圧よりも電流が好ましい選択である。先のΔＧに関する多値化ビット写像について（説明のためにまずＧだけに限定して）考えると、基準電流をＩとした場合、
（２＊ΔＧ７＋ΔＧ６）＊Ｉ
（２＊ΔＧ５＋ΔＧ４）＊Ｉ
（２＊ΔＧ３＋ΔＧ２）＊Ｉ
（２＊ΔＧ１＋ΔＧ０）＊Ｉ
なる４値の電流が４本の配線２に流れることで、データ転送することを意味している。これを定義に対応づけると以下のようになる。
ＭＶＬ１： ２＊ΔＧ７＋ΔＧ６
ＭＶＬ２： ２＊ΔＧ５＋ΔＧ４
ＭＶＬ３： ２＊ΔＧ３＋ΔＧ２
ＭＶＬ４： ２＊ΔＧ１＋ΔＧ０
ここで、ＭＶＬ＝｛ＭＶＬ１、ＭＶＬ２、ＭＶＬ３、ＭＶＬ４｝であり、arg(ＭＶＬ１)＝｛ΔＧ７、ΔＧ６｝、arg（ＭＶＬ２）＝｛ΔＧ５、ΔＧ４｝、arg(ＭＶＬ３)＝｛ΔＧ３，ΔＧ２｝、arg(ＭＶＬ４)＝｛ΔＧ１、ΔＧ０｝であり、arg（ＭＶＬ）＝｛ΔＧ７，ΔＧ６、ΔＧ５、ΔＧ４、ΔＧ３、ΔＧ２、ΔＧ１、ΔＧ０｝である。Arg(MVL)は、ΔＧのすべてのビットを含んでいる。

さて、一般的なビットで、特に統計的な意味が付与されない多値化を考える場合、上のΔＧｘのビットに相等するビットは、均等に０または１が発生すると考えて、１／２の確率で、多値化のレベル数に比例して電流量が増加する。例えば、４値化すれば２倍になる。６４値化すれば本数も削減されるが、逆に電流量は３２倍にもなってしまい、多値化できても大きな問題になってしまう。

本実施形態は、統計的偏りを利用して、多値化を行いながら電流を抑えることが特徴である。ΔＧのＬＳＢ側は１になる確率が高く、ＭＳＢ側になるほど１になる確率が低いという統計的偏り（性質）を考えることから、電流の統計的な平均値を小さくする。最も簡単な場合として、ΔＧ０からΔＧ７の８ビットで１つの多値データを構成しようとする場合を考えてみる。ＧｘはＧ０からＧ７として、
８＊ΔＧｘ＋４＊ΔＧｘ＋２＊ΔＧｘ＋ΔGｘ
なる形のビット割当て式で構成される多値化写像を考える。ビットＢが１となる確率をΦ（Ｂ）と表す。説明のため、例えば、
Φ（ΔＧ０）＝０．３８、Φ（ΔＧ１）＝０．３８、Φ（ΔＧ２）＝０．３３、
Φ（ΔＧ３）＝０．２６、Φ（ΔＧ４）＝０．１９、Φ（ΔＧ５）＝０．１１、
Φ（ΔＧ６）＝０．０５、Φ（ΔＧ７）＝０．０２
と仮定する。ここでの値は、１Ｈ差分での値を例として示している。以降しばらく、１Ｈ差分での値を利用して説明していく。DPCMでは異なった値になるが、議論は同様にできる。さて、このとき、
８＊ΔＧ０＋４＊ΔＧ２＋２＊ΔＧ４＋ΔG６ …（２）
８＊ΔＧ１＋４＊ΔＧ３＋２＊ΔＧ５＋ΔG７ …（３）
と
８＊ΔＧ７＋４＊ΔＧ５＋２＊ΔＧ３＋ΔG１ …（４）
８＊ΔＧ６＋４＊ΔＧ４＋２＊ΔＧ２＋ΔG０ …（５）
の比較を考える。（２）および（３）式はＭＳＢ側にΔＧ０とΔＧ１のように確率が高くなるようにビットを割当てている。一方、（４）および（５）式はＭＳＢ側にΔＧ７とΔＧ６のように確率が低くなるようにビットを割当てている。当然、ＭＳＢに１となる確率を高く割当てた（２）および（３）式の方が、値が大きくなる。

そこで、本実施形態では、平均電流（電圧）を小さくするために、（４）および（５）式を選択する。

次に、複数の式を持つ例を示す。上の例では確率を数値で具体的に示したが、ここではより一般的に、Φ（ΔＧi）の持つ性質で説明する。（６）式の多値化写像は、（７）式の多値化写像よりも平均電流（電圧）が小さくなることが期待できる。
｛２＊ΔＧ７＋ΔＧ０、２＊ΔＧ６＋ΔＧ１、２＊ΔＧ５＋ΔＧ２、２＊ΔＧ４＋ΔＧ３｝ …（６）
｛２＊ΔＧ７＋ΔＧ６、２＊ΔＧ５＋ΔＧ４、２＊ΔＧ３＋ΔＧ２、２＊ΔＧ１＋ΔＧ０｝ …（７）

（７）式の電流期待値Ｉ１は（８）式で表され、（６）式の電流期待値Ｉ２は（９）式で表される。
２＊｛Φ（ΔＧ７）＋Φ（ΔＧ５）＋Φ（ΔＧ３）＋Φ（ΔＧ１）｝
＋Φ（ΔＧ６）＋Φ（ΔＧ４）＋Φ（ΔＧ２）＋Φ（ΔＧ０） …（８）
２＊｛Φ（ΔＧ７）＋Φ（ΔＧ６）＋Φ（ΔＧ５）＋Φ（ΔＧ４）｝
＋Φ（ΔＧ３）＋Φ（ΔＧ２）＋Φ（ΔＧ１）＋Φ（ΔＧ０） …（９）

これら電流期待値Ｉ１，Ｉ２の差は、（１０）式のようになる。
Φ（ΔＧ７）＋Φ（ΔＧ５）＋Φ（ΔＧ３）＋Φ（ΔＧ１）
−Φ（ΔＧ７）−Φ（ΔＧ６）−Φ（ΔＧ５）−Φ（ΔＧ４）
＝Φ（ΔＧ３）＋Φ（ΔＧ１）−Φ（ΔＧ６）−Φ（ΔＧ４）
＝Φ（ΔＧ３）−Φ（ΔＧ６）＋Φ（ΔＧ１）−Φ（ΔＧ４）＞０ …（１０）

ＭＳＢ側ほど１となる確率が小さくなり、Φ（ΔＧi）＞Φ（ΔＧi+1）である。（１０）式では、Φ（ΔＧ３）＞Φ（ΔＧ６）かつΦ（ΔＧ１）＞Φ（ΔＧ４）であることから、最終的に、Ｉ１−Ｉ２＞０であることが分かる。

したがって、Ｉ１＞Ｉ２となり、（６）式の方が（７）式よりも特性が改善することが分かる。本実施形態では、このような計算をΔＧだけでなく、Δ（Ｒ−Ｇ）やΔ（Ｂ−Ｇ）も混ぜて行う。

図２７は従来のCMADS方式を採用した場合のデータ転送タイミング図であり、１２本のペア配線でデータを転送する例を示している。この場合、例えば８ビットの１画素データ（R,G,Bのどれか１つ）を転送するために、２CLKの期間中に４本の配線を利用している。最終的には、RGB全部で１画素分であり、２CLK期間中に全部で１２本となっている。各配線では、０および１の２値を転送しており、例えばＳ1-0、Ｓ1-2、〜Ｓ1-7の８ビット（例えばＲ分）を２×４の配列で分配している。この分配方法は他の配線でも共通である。

なお、CMADSでも、データの配置は自由にその位置を交換できる。これと同様に、本実施形態による配置においても、その位置を自由に交換できる。

図２８は本実施形態のデータ転送タイミング図である。本実施形態では、４クロック期間で２本の配線のうち１本を利用して、８ビットのRGB１画素データを転送する。各配線には、６４値の多値データが転送される。例えば、差分データΔＧは、次の（１１）式で表されるように、６４値の値を取る。
３２＊ΔＧ５＋１６＊ΔＧ４＋８＊ΔＧ３＋４＊ΔＧ２＋２＊ΔＧ１＋ΔＧ０ …（１１）

同様に、差分データΔＧ、Δ（Ｂ−Ｇ）およびΔ（Ｒ−Ｇ）を用いて、以下の３つの多値データが生成される。
３２＊Δ（Ｂ−Ｇ）５＋１６＊Δ（Ｂ−Ｇ）４＋８＊Δ(Ｂ−Ｇ)３＋４＊Δ（Ｂ−Ｇ）２＋２＊Δ（Ｂ−Ｇ）１＋Δ（Ｂ−Ｇ）０ …（１２）
３２＊Δ（Ｒ−Ｇ）５＋１６＊Δ（Ｒ−Ｇ）４＋８＊Δ(Ｒ−Ｇ)３＋４＊Δ（Ｒ−Ｇ）２＋２＊Δ（Ｒ−Ｇ）１＋Δ（Ｒ−Ｇ）０ …（１３）
３２＊Δ（Ｒ−Ｇ）７＋１６＊Δ（Ｂ−Ｇ）７＋８＊ΔＧ７＋４＊Δ（Ｒ−Ｇ）６＋２＊Δ（Ｂ−Ｇ）６＋ΔＧ６ …（１４）

図２８では、（１１）式の多値データを（ａ）で転送し、（１２）式の多値データを（ｂ）で転送し、（１３）式の多値データを（ｃ）で転送し、（１４）式の多値データを（ｄ）で転送する。

ＭＳＢ側が「１となる確率」が低いので、高位ビットに割当てることにより、電流値が小さくなることが期待できる。これは、６ビットをユニットとして色信号単位でＬＳＢからＭＳＢへ順番に割当てを行う素朴な考えである。この場合、電流平均が５．２となる。図２８の残りの１本の配線では、隣接画素の多値データを同様にして伝送する。すなわち、４クロック期間で２画素のデータを２本の配線で伝送している。なお、ここでの多値データの配置はこれに限定されるわけではなく、画素データがすべて転送できればよいので、クロック期間やその配置位置はその意味で自由に決定してよい。

一方、図２９は図２８をさらに改良した多値化写像のデータ転送タイミング図である。この場合の電流平均は３．０になる。この図２９の６４値多値化写像Ｂは（１５）〜（１８）式で表される。
３２＊Δ（Ｒ−Ｇ）７＋１６＊ΔＧ６＋８＊Δ（Ｒ−Ｇ）４＋４＊Δ（Ｂ−Ｇ）２＋２＊ΔＧ３＋ΔＧ０ …（１５）
３２＊Δ（Ｂ−Ｇ）７＋１６＊ΔＧ７＋８＊Δ(Ｂ−Ｇ)４＋４＊Δ（Ｒ−Ｇ）２＋２＊Δ（Ｒ−Ｇ）１＋ΔＧ１ …（１６）
３２＊Δ（Ｒ−Ｇ）６＋１６＊Δ（Ｂ−Ｇ）５＋８＊ΔＧ５＋４＊ΔＧ４＋２＊Δ（Ｂ−Ｇ）１＋ΔＧ２ …（１７）
３２＊Δ（Ｂ−Ｇ）６＋１６＊Δ（Ｒ−Ｇ）５＋８＊Δ(Ｒ−Ｇ)３＋４＊Δ（Ｂ−Ｇ）３＋２＊Δ（Ｒ−Ｇ）０＋Δ（Ｂ−Ｇ）０ …（１８）

（１５）〜（１８）式では、色ごとに多値データを分けるのではなく、ΔＢ、Δ（Ｒ−Ｇ）、Δ（Ｂ−Ｇ）すべての確率を検出して、ＭＳＢ側から順番に確率の低いものを並べて６４値の多値化写像を生成している。図２９では、（１５）式の多値データを（ｅ）で、（１６）式の多値データを（ｆ）で、（１７）式の多値データを（ｇ）で、（１８）式の多値データを（ｈ）で表している。

次に、図２８および図２９の多値化写像における電流平均の計算手順について説明する。上述した図２５により最終的に計算された確率は以下のようになる。この計算では、拡張ラプラス分布のパラメータとして、図１０〜図１３により解析された平均値を用いている。
Φ（ΔＧ０）＝０．３８８５４４
Φ（ΔＧ１）＝０．３８８５４４
Φ（ΔＧ２）＝０．３３５１６３
Φ（ΔＧ３）＝０．２６７７９８
Φ（ΔＧ４）＝０．１９１６００
Φ（ΔＧ５）＝０．１１７５６９
Φ（ΔＧ６）＝０．０５８５３５
Φ（ΔＧ７）＝０．０２１９９１
Φ（Δ（Ｒ−Ｇ）０）＝Φ（Δ（Ｂ−Ｇ）０）＝０．３０３１１５９
Φ（Δ（Ｒ−Ｇ）１）＝Φ（Δ（Ｂ−Ｇ）１）＝０．３０３１１５９
Φ（Δ（Ｒ−Ｇ）２）＝Φ（Δ（Ｂ−Ｇ）２）＝０．２２１２７６９
Φ（Δ（Ｒ−Ｇ）３）＝Φ（Δ（Ｂ−Ｇ）３）＝０．１３５４９１２
Φ（Δ（Ｒ−Ｇ）４）＝Φ（Δ（Ｂ−Ｇ）４）＝０．０６３９０８
Φ（Δ（Ｒ−Ｇ）５）＝Φ（Δ（Ｂ−Ｇ）５）＝０．００２０７７３７
Φ（Δ（Ｒ−Ｇ）６）＝Φ（Δ（Ｂ−Ｇ）６）＝０．００４０３６４
Φ（Δ（Ｒ−Ｇ）７）＝Φ（Δ（Ｂ−Ｇ）７）＝０．０００３９１６

このように、本実施形態では、画像の種類にかかわらず、色差差分データの各ビットに、共通した出現確率を利用して符号化を考える。これにより、多値化写像を画像に応じて変更することなく、符号化および復号化を行える。この意味で、本実施形態のハードウェア構成は静的である。

さらに補足すると、ここでの平均値計算は、統計的に期待される電流の平均値であるため、画像が入力される前に予想されるものであり、この平均値計算がハードウェア構成中に現れるものではない。あくまで、符号化を構成する手段として出現確率を利用するのであり、エントロピー符号化の一般的な考えの枠内である。

まず、６４値多値化写像Ａについての多値データの計算について説明する。上述した（１２）式および（１３）式において、Δ（Ｂ−Ｇ）とΔ（Ｒ−Ｇ）に関する確率が同じであるので、多値データの値も同じになる。したがって、以下では、Δ（Ｒ−Ｇ）の値を計算する。平均値はΦが適用されて、（１９）式で表される。
３２＊Φ（Δ（Ｒ−Ｇ）５）＋１６＊Φ（Δ（Ｒ−Ｇ）４）＋８＊Φ（Δ(Ｒ−Ｇ)３）
＋４＊Φ（Δ（Ｒ−Ｇ）２）＋２＊Φ（Δ（Ｒ−Ｇ）１）＋Φ（Δ（Ｒ−Ｇ）０）
＝３２＊０．３０３＋１６＊０．３０３＋８＊０．２２１＋４＊０．１３５＋２＊０．０６３＋０．００２＝４．５６５ …（１９）

次に、上述した（１１）式の多値データを（２０）式にて計算する。
３２＊Φ（ΔＧ５）＋１６＊Φ（ΔＧ４）＋８＊Φ（ΔＧ３）
＋４＊Φ（ΔＧ２）＋２＊Φ（ΔＧ１）＋Φ（ΔＧ０）
＝３２＊０．３８８＋１６＊０．３８８＋８＊０．３３５＋４＊０．２６７＋２＊０．１９１＋０．１１７＝１１．４７６ …（２０）

次に、上述した（１４）式の多値データを（２１）式にて計算する。
３２＊Δ（Ｒ−Ｇ）７＋１６＊Δ（Ｂ−Ｇ）７＋８＊ΔＧ７＋４＊Δ（Ｒ−Ｇ）６＋２＊Δ（Ｂ−Ｇ）６＋ΔＧ６＝３２＊０．０００３＋１６＊０．０００３＋８＊０．０２１＋４＊０．００４＋２＊０．００４＋０．０５８＝０．２７７ …（２１）

次に６４値多値化写像Ｂについて計算を行う。

上述した（１５）式の多値データは３．２６９になり、（１６）式の多値データは２．７５５になり、（１７）式の多値データは３．１０９になり、（１８）式の多値データは０．１２９になる。これら４つの平均値は３．０３２になる。

以上の計算により、多値化写像Ａから多値化写像Ｂにすることで５．２→３．０に改善されることがわかる。ビット確率関数は、（確率の低いものから）次のようにソートされる。
Φ（Δ（Ｒ−Ｇ）７）＝Φ（Δ（Ｂ−Ｇ）７）
Φ（Δ（Ｒ−Ｇ）６）＝Φ（Δ（Ｂ−Ｇ）６）
Φ（Δ（Ｒ−Ｇ）５）＝Φ（Δ（Ｂ−Ｇ）５）
Φ（ΔＧ７）
Φ（ΔＧ６）
Φ（Δ（Ｒ−Ｇ）４）＝Φ（Δ（Ｂ−Ｇ）４）
Φ（ΔＧ５）
Φ（Δ（Ｒ−Ｇ）３）＝Φ（Δ（Ｂ−Ｇ）３）
Φ（ΔＧ４）
Φ（Δ（Ｒ−Ｇ）２）＝Φ（Δ（Ｂ−Ｇ）２）
Φ（ΔＧ３）
Φ（Δ（Ｒ−Ｇ）１）＝Φ（Δ（Ｂ−Ｇ）１）
Φ（Δ（Ｒ−Ｇ）０）＝Φ（Δ（Ｂ−Ｇ）０）
Φ（ΔＧ２）
Φ（ΔＧ１）
Φ（ΔＧ０）

多値化写像Ｂは確率の低いものから上位ビットに順番にビット割り当てを行っている。このとき、６ビット目から５ビット目、５ビット目から４ビット目などと、下位ビットへ移るときに、割当て順番を右から左、左から右、という具合に交互にその方向を変えている。

本実施形態では、特に多値化写像Ａや多値化写像Ｂのみを提案するだけではなく、このような確率の偏りを利用するものなら、どのような多値化写像を利用してもよい。多値化写像Ｂでの割当て方を次のように変更することも可能である。多値化写像Ｂ1は、多値化写像Ｂの割当て順序を常に左から右へ行う場合として、定義する。
３２＊Δ（Ｒ−Ｇ）７＋１６＊Δ（Ｒ−Ｇ）５＋８＊Δ（Ｒ−Ｇ）４＋４＊Δ（Ｂ−Ｇ）３＋２＊ΔＧ３＋Δ（Ｂ−Ｇ）０ …（２２）
３２＊Δ（Ｂ−Ｇ）７＋１６＊Δ（Ｂ−Ｇ）５＋８＊Δ(Ｂ−Ｇ)４＋４＊ΔＧ４＋２＊Δ（Ｒ−Ｇ）１＋ΔＧ２ …（２３）
３２＊Δ（Ｒ−Ｇ）６＋１６＊ΔＧ７＋８＊ΔＧ５＋４＊Δ（Ｒ−Ｇ）２＋２＊Δ（Ｂ−Ｇ）１＋ΔＧ１ …（２４）
３２＊Δ（Ｂ−Ｇ）６＋１６＊ΔＧ６＋８＊Δ(Ｒ−Ｇ)３＋４＊Δ（Ｂ−Ｇ）２＋２＊Δ（Ｒ−Ｇ）０＋ΔＧ０ …（２５）

このように、多値化写像にはいくつかのバリエーションを考えることができる。また、完全にソートされた順序に従って割当てを行う必然もない。順序が多少移動したとしても、確率の大きさがそう変わらないのであれば、結果的にほとんど平均電流が変化しないことも多い。このような場合、多少の平均電流増加の不利を受け入れても良い場合も考えられる。したがって、この多値化写像は、平均電流だけでなく種々の尺度により設計されるべきであり、ここで例示した多値化写像にとどまらず、他の実現も考慮に入れるべきである。例えば、以下の（２６）〜（２９）式が考えられる。
３２＊Δ（Ｒ−Ｇ）７＋１６＊Δ（Ｒ−Ｇ）５＋８＊Δ（Ｒ−Ｇ）４＋４＊Δ（Ｒ−Ｇ）３＋２＊Δ（Ｒ−Ｇ）１＋Δ（Ｒ−Ｇ）０ …（２６）
３２＊Δ（Ｂ−Ｇ）７＋１６＊Δ（Ｂ−Ｇ）５＋８＊Δ(Ｂ−Ｇ)４＋４＊Δ（Ｂ−Ｇ）２＋２＊Δ（Ｂ−Ｇ）１＋Δ（Ｂ−Ｇ）０ …（２７）
３２＊Δ（Ｒ−Ｇ）６＋１６＊ΔＧ７＋８＊ΔＧ５＋４＊Δ（Ｒ−Ｇ）２＋２＊ΔＧ３＋ΔＧ１ …（２８）
３２＊Δ（Ｂ−Ｇ）６＋１６＊ΔＧ６＋８＊Δ(Ｂ−Ｇ)３＋４＊ΔＧ４＋２＊ΔＧ２＋ΔＧ０ …（２９）

このように、Ｒ−ＧやＢ−Ｇに関して集めた式を構成することで、配線を素直にする、すなわちローカルに処理可能にすることも考えられる。

図２３の構成において、Δ（Ｒ−Ｇ）は上、ΔＧは中央、Δ（Ｂ−Ｇ）は下に配置されており、図２３のようにデータ配分されるとき、できるだけ配線も交錯しないことが望ましい。この観点からいえば、多値化写像Ａも安易に排除されるべきでないことが理解できる。

また、別の多値化の実施形態として１６値多値化写像について説明する。図３０は以下の多値化写像Ｃに対応する多値データのタイミング図である。
８＊Δ（Ｒ−Ｇ）７＋４＊Δ（Ｒ−Ｇ）３＋２＊Δ（Ｂ−Ｇ）３＋ΔＧ０ …（３０）
８＊Δ（Ｂ−Ｇ）７＋４＊ΔＧ５＋２＊ΔＧ４＋ΔＧ１ …（３１）
８＊Δ（Ｒ−Ｇ）６＋４＊Δ（Ｂ−Ｇ）４＋２＊Δ（Ｒ−Ｇ）２＋ΔＧ２ …（３２）
８＊Δ（Ｂ−Ｇ）６＋４＊Δ（Ｒ−Ｇ）４＋２＊Δ（Ｂ−Ｇ）２
＋Δ（Ｂ−Ｇ）０ …（３３）
８＊Δ（Ｒ−Ｇ）５＋４＊ΔＧ６＋２＊ΔＧ３＋Δ（Ｒ−Ｇ）０ …（３４）
８＊Δ（Ｂ−Ｇ）５＋４＊ΔＧ７＋２＊Δ（Ｒ−Ｇ）１＋Δ（Ｂ−Ｇ）１ …（３５）

（３０）式の期待値は１．２０４６２３８になり、（３１）式の期待値は０．８５７９７２１になり、（３２）式の期待値は１．０６５６３９７になり、（３３）式の期待値は１．０３３５９３になり、（３４）式の期待値は１．２３９０４１９になり、（３５）式の期待値は１．１６３５０２になる。これら６つの期待値を平均した平均電流値は１．０９になる。

図３０では、（３０）〜（３５）式による６つの多値データを２つずつシリアルにして、３本の配線で転送する。

上述した実施形態では、１６値や６４値で多値データを構成する例を説明したが、これらは一例にすぎず、４値、８値、さらに３２値といった他の多値にも適用可能である。

以上では、ラプラス分布の平均値を用いて計算を行ったが、ラプラス分布のパラメータを正規分布させて、さらにモンテカルロ解析を行ってもよい。図３１はラプラス分布のパラメータを正規分布させて、さらにモンテカルロ解析を行って得られた電流の度数分布を示す図である。

６４値の多値化写像Ｂの平均値の場合、３．０が電流平均となるが、モンテカルロ解析を行うと平均値が５．７と増加する。

大部分の発生は平均値３．０近辺で集中的に分布している。大きいものは頻度が少ないが２０附近までほぼ一様な感じで分布しており、これら分布が平均値を引き上げてしまう。このため、度数が集中している平均よりも大きめの値が平均となる。

同じく１６値の多値化写像Ｃの場合には、モンテカルロ解析の結果１．０→１．７と増加してしまう。しかしながら、この結果はなにも考えないで多値化した場合と比較すれば十分に効果が大きいことを確認できる。６４値では平均３２、１６値では平均８であるから、電流量でみると
６４値： ３２→５．７ で１／５．６に （配線数は１２本→２本で１／６）
１６値： ８→１．７ で１／４．７に （配線数は１２本→３本で１／４）
と、１／５へと削減（８０％の大幅削減）していることが理解できる。すなわち、配線数削減を達成しなおかつ電流量も抑制できている。

以上では、画像の統計的な偏りとして１Ｈ差分を中心に技術詳細を説明してきた。しかし、本発明者の技術思想は、一般に統計的な偏りを利用できればどのような統計であってもよい。このような観点から、ＪＰＥＧ−ＬＳなどの技術において予測符号化として利用されている適応予測符号化技術における信号誤差に関する統計的な偏りを利用することも当然考えられる。

以下では、さらなる多値化の実施形態として、図１９のDPCMの一例であるMED技術に基づく１６値多値化写像について説明する。したがって以下の差分はＭＥＤ差分を意味している。図３２は上述した（３０）〜（３５）式で示す多値化写像Ｃを示す式である。なお、ここでの多値化は、一例として、ＣＭＡＤＳ（Yusa論文 High-Speed I/F for TFT-LCD Source Driver IC by CMADS, SID Digest. 9.4, 2001）での１２ペア配線→３ペア配線（１／４化）の場合を想定した多値化写像を構成している。

このとき、最終的に期待される電流の平均値は図３３の式で表される。図３２と図３３の矢印は、図２５の写像に基づき計算された確率の大きさ順を表しており、矢印の矢尻が最も確率が小さいもので、矢先が最も確率が大きいものである。

このように、図３２および図３３では、確率の大きさ順にビットΔを割当てている。この順序は、分布により決められたものである。拡張ラプラス分布のパラメータαが０．３から０．４、さらに０．５と変化しても、この多値化写像の確率分布に関する順番の変化は、並べ代えても位を表すビット位置に変化が無い限りそれほど大きな変化がおきない。

また、位が代わった場合でも、結果的にその差が小さい。例えば、（３０）式の８＊Δ（Ｒ−Ｇ）７と（３５）式の８＊Δ（Ｂ−Ｇ）５が交換されたとしても、最終的には図３２のように平均で加算されてしまうため、その交換による差は無い。また、（３５）式の８＊Δ（Ｂ−Ｇ）５と４＊ΔＧ７が交換されて８＊ΔＧ７＋４＊Δ（Ｂ−Ｇ）５となったとしても、全体から見ると平均変化量は小さい。

したがって、上記多値化写像は、実際の画像データの分布であるかなり広範囲のαに関して、多少の損失は許して（限定するわけではないが）実はそのまま利用できることが経験的に分かっている。なお、色差のΔ（Ｒ−Ｇ）とΔ（Ｂ−Ｇ）はほぼ同じα値、ΔＧはより小さめのα値であるので、上記のようにΔＧの順番がΔ（Ｒ−Ｇ）とΔ（Ｂ−Ｇ）の順番からずれた位置にある。

また、ΔＧの分布が急峻でない場合、９ビット精度を必要とするかもしれない。このような場合には、上記の多値化写像を次のように修正することも可能である。
８＊Δ（Ｒ−Ｇ）７＋４＊Δ（Ｒ−Ｇ）３＋２＊Δ（Ｂ−Ｇ）３＋ΔＧ０
８＊Δ（Ｂ−Ｇ）７＋４＊ΔＧ５ ＋２＊ΔＧ４ ＋ΔＧ１
８＊Δ（Ｒ−Ｇ）６＋４＊Δ（Ｂ−Ｇ）４＋２＊Δ（Ｒ−Ｇ）２＋ΔＧ２
８＊Δ（Ｂ−Ｇ）６＋４＊Δ（Ｒ−Ｇ）４＋２＊Δ（Ｂ−Ｇ）２＋Δ（Ｂ−Ｇ）０
８＊Δ（Ｒ−Ｇ）５＋４＊ΔＧ６ ＋２＊ΔＧ３ ＋Δ（Ｒ−Ｇ）０
８＊Δ（Ｂ−Ｇ）５＋４＊ΔＧ７ ＋２＊Δ（Ｒ−Ｇ）１＋Δ（Ｂ−Ｇ）１
ΔＧ８

ΔＧ８は９ビット目のＭＳＢであり、単独で１つのビット割り当て式を構成し、多値化写像を作っている。この場合、動作周波数を７／６倍高速化することになる。ここではΔＧ８だけでビット割当て式を構成したが、他のビット割当て式も含めて、定義しなおすことも可能である。例えば、次のように定義してもよい。ΔＧ７の次にΔＧ８を挿入しており、空きの部分には「０」を割当てている。
４＊Δ（Ｂ−Ｇ）４＋２＊ΔＧ５ ＋ΔＧ０
４＊Δ（Ｒ−Ｇ）４＋２＊Δ（Ｒ−Ｇ）３＋ΔＧ１
４＊ΔＧ６ ＋２＊Δ（Ｂ−Ｇ）３＋ΔＧ２
８＊Δ（Ｒ−Ｇ）７＋４＊ΔＧ７ ＋２＊ΔＧ４ ＋Δ（Ｂ−Ｇ）０
８＊Δ（Ｂ−Ｇ）７＋４＊ΔＧ８ ＋２＊Δ（Ｒ−Ｇ）２＋Δ（Ｒ−Ｇ）０
８＊Δ（Ｒ−Ｇ）６＋４＊Δ（Ｂ−Ｇ）５＋２＊Δ（Ｂ−Ｇ）２＋Δ（Ｂ−Ｇ）１
８＊Δ（Ｂ−Ｇ）６＋４＊Δ（Ｒ−Ｇ）５＋２＊ΔＧ３ ＋Δ（Ｒ−Ｇ）１

さらにΔ（Ｒ−Ｇ）８とΔ（Ｂ−Ｇ）８を最上位のビットとして追加する場合も考えることもできる。（実際には、急峻であれば８ビットで十分であるから、９ビットまで必要とすることはない。）
４＊Δ（Ｂ−Ｇ）４＋２＊ΔＧ５ ＋ΔＧ０
８＊Δ（Ｒ−Ｇ）８＋４＊Δ（Ｒ−Ｇ）４＋２＊Δ（Ｒ−Ｇ）３＋ΔＧ１
８＊Δ（Ｂ−Ｇ）８＋４＊ΔＧ６ ＋２＊Δ（Ｂ−Ｇ）３＋ΔＧ２
８＊Δ（Ｒ−Ｇ）７＋４＊ΔＧ７ ＋２＊ΔＧ４ ＋Δ（Ｂ−Ｇ）０
８＊Δ（Ｂ−Ｇ）７＋４＊ΔＧ８ ＋２＊Δ（Ｒ−Ｇ）２＋Δ（Ｒ−Ｇ）０
８＊Δ（Ｒ−Ｇ）６＋４＊Δ（Ｂ−Ｇ）５＋２＊Δ（Ｂ−Ｇ）２＋Δ（Ｂ−Ｇ）１
８＊Δ（Ｂ−Ｇ）６＋４＊Δ（Ｒ−Ｇ）５＋２＊ΔＧ３ ＋Δ（Ｒ−Ｇ）１

このように、必要に応じて修正を行うことができる。さらに１となる確率が低い制御信号ＳＩＧがあれば、次のように余っている場所に追加することも考えられる。
８＊ＳＩＧ ＋４＊Δ（Ｂ−Ｇ）４＋２＊ΔＧ５ ＋ΔＧ０
８＊Δ（Ｒ−Ｇ）８＋４＊Δ（Ｒ−Ｇ）４＋２＊Δ（Ｒ−Ｇ）３＋ΔＧ１
８＊Δ（Ｂ−Ｇ）８＋４＊ΔＧ６ ＋２＊Δ（Ｂ−Ｇ）３＋ΔＧ２
８＊Δ（Ｒ−Ｇ）７＋４＊ΔＧ７ ＋２＊ΔＧ４ ＋Δ（Ｂ−Ｇ）０
８＊Δ（Ｂ−Ｇ）７＋４＊ΔＧ８ ＋２＊Δ（Ｒ−Ｇ）２＋Δ（Ｒ−Ｇ）０
８＊Δ（Ｒ−Ｇ）６＋４＊Δ（Ｂ−Ｇ）５＋２＊Δ（Ｂ−Ｇ）２＋Δ（Ｂ−Ｇ）１
８＊Δ（Ｂ−Ｇ）６＋４＊Δ（Ｒ−Ｇ）５＋２＊ΔＧ３ ＋Δ（Ｒ−Ｇ）１

このように、本実施形態では、DPCMにより生成された画像の差分データεから、本発明が提案する「チャネル・ビット生成写像」と「多値化写像」の考え方により、多値を与える符号（チャネル・ビット）に基づいて多値の電気信号（電流または電圧といった物理的な量）を転送する。このように、多値の転送路（チャネル）に関する符号化を行う。このため、本発明者の技術は、「多値チャネル符号化技術」と呼ぶことができる。

図３４は図３２に示した１６値多値化写像を利用して各種の画像についてシミュレーションを行った結果を示す図である。図３５〜図４２は図３４に示した各画像セットＡ,B,C,D,E,F,Gの分布データを示す図である。

図３４に示す表の縦方向には画像を使用する装置を示し、横方向には画像の種類を示している。縦方向には具体的にＴＶ、ＰＣ、カメラ、携帯を代表的な例として挙げたが、これ以外の装置を用いてもよい。

図３５〜図４１の解析結果は、基準電流Ｉを単位として計算している。例えば図３５の結果は、基準電流Ｉを単位として、平均で約0.18、分散で0.06の値を持っている。図３４の電流値計算において、基準電流単位を１つの配線ペアに関し４ｍAとして計算している。また、ADCはパラレル・タイプを想定し、１０μAを単位として２．２ｍAと見積もっている。

５μＡ＋１５μＡ＋２５μＡ＋…＋１５５μＡ＝２ｍＡが比較器の参照電流に必要である。また、２mA/10が受信アンプで絞ったデータ電流として必要である。DPCM化の効果として平均データ電流合計はほぼ1/10になる。

そこで、例えば、１配線ペアあたり２I（I＝４ｍＡは基準電流）の場合には、（2＊４＋２．２）＊３ペア＝３０．６ｍAと計算できる。従来の２値の場合には、１２ペアで、０と１の発生確率がともに０．５であると仮定して、４ｍA＊０．５＊１２ペア＝２４ｍAが従来の電流値である。配線本数は１２ペア（２４本）から３ペア（６本）に削減したときの電流値である。以下、個別の解析について順に説明する。

ＴＶとしては、ＴＶ放送での画像コンテンツである映画やドラマ、アニメなどを想定しており、画像の質としてはＭＰＥＧ２が利用された場合を考える。ＭＰＥＧ２は現状のＳＤＴＶ（Standard Definition TV）だけでなく、ＨＤＴＶもＭＰＥＧ２を採用している。ＭＰＥＧ４の画像も自然画像などはＭＰＥＧ２のフォーマットであり、これがＭＰＥＧ４では一番画像データとしては情報量の大きなものである。

実際にはＭＰＥＧ２のメイン・プロファイル、メイン・レベルで、４：２：０サブ・サンプリングが行われた画像データを用いてシミュレーションしている。これはＤＶＤでも使用され現在だけでなく、将来においても依然、広く普及するものである。ＴＶ応用の中で、自然画像の画像データセットである画像セットＢを解析する。この結果の統計は図３６のようになる。この画像セットＡはDVDでの画像データであり、720x480の解像度を有する。

平均μ＝０．５７であるので、（４ｍＡ＊０．５７＋２．２）＊３＝１３．４ｍAと計算される。これは従来の２４ｍAの５９％であり、配線本数を１／４化しても、さらに約４０％の平均電流の削減が達成できていることを示している。

もし、本実施形態のような統計的性質を利用しない場合、単純に１６値を実現してしまうと、０から１５までの値を使うので、４ｍA＊１５＊０．５＊３ペア＝９０ｍAとなる。これは２４ｍAから見ても極めて大きな値であり、１３．４ｍAから見ると６．７倍もある。

図３４の表に「室内、人」と記載されているが、これは主にドラマのデータを解析したためである。画像セットＣはある映画の画像データ・セットである。図３７にその解析結果の統計を示す。

画像セットＤはあるＴＶドラマの画像データ・セットである。図３８にその解析結果の統計を示す。画像セットＤでは、室内での会話シーンが多いが、屋外での自然風景の中でのものも若干含まれている。画像セットＣは室内でのシーンが多い。

画像セットＥはあるアニメの画像データ・セットである。図３９にその解析結果の統計を示す。アニメの画像は単純でもっと良い結果を期待してもよさそうであるが、実際には他のＴＶ画像と大きな差が出ていない。これは、アニメの画像を拡大すると、同じようにベタで塗られているように見える場所でも、微妙にグラデーションが存在していたりして、完全に同じ色で塗りつぶされている訳ではないことが原因である。

ＰＣの簡易なペイントソフトウエアのように、単純な塗りつぶしを行う場合には、むしろ画像セットＡの画像データ・セットに近い値を出すであろうと思われるが、現状ＴＶ放送されているアニメ画像はそう単純な画像ではない。

このように、画像セットＡ〜Ｇの画像データ・セットの結果を見ると、ほぼ５０％―７０％程度の平均電流となっており、極めて有効に電流削減が同時に達成できている。当然、映像表示デバイスには関係ないので、LCD−ＴＶやＰＤＰ−ＴＶなどで利用可能であることも注意しておく。特にポータブルな装置においては、配線本数削減は重要である。

次に、ＰＣでの応用を説明する。ＰＣでの基本的な操作はいまも各種ソフトウェアを操作することである。この場合の画面をデータとしたデータ・セットが画像セットＡである。図３５に解析の統計結果を示す。

この画像セットＡは、本発明者が日常行っているＰＣ上での作業画面の一例である。平均が０．１８と極めて小さな値で、平均電流としては８．８ｍＡである。ＰＣ操作画面は相関が高いことが知られており、このような良い値を示すことは一般に期待できる。

最近では、ＰＣでデジタル・カメラの撮影画像を見ることも多くなっているため、これを画像セットＨとしている。実際のＰＣ操作での頻度という簡単から言えば、必ずしも高い頻度ではないかもしれない。個人差が大きいと思われるが主たる使用方法ではないと思われる。また、データ・セット画像セットＣや画像セットＤを参考に記入した。ＰＣでのＴＶ番組も今後増えるかも知れない。ＴＶ応用では高輝度が前提であり、ＰＣ用はそこまで高輝度ではないが、実際は今後想定してもよいかもしれないということ追加した。アニメも同じ考えて追加してもよいかもしれない。

画像セットＦのデータ・セットは、ある博物館の展示物の画像データ・セットである。図４０に解析結果の統計を示す。

博物館の展示物は、そのものがよく分かるように、背景が単純化されている。これにより、相関が向上し、平均電流値が低くなっている。画素数が増加しても、基本的には相関は変化しない（画像のスケール不変性）が一般に期待されており、相関自体はそれほど変化しない。実際、同じ風景において画素数を変化させて（精細度を向上させて）画像をとって、解析してみても、画素数増加につれ相関が若干ではあるが良くなる方向へ値が変化する場合が多いことを解析している。この経験から、美術品のような高精細の画像となったとしても、この多値化技術に関する部分に関してはむしろ相関がよくなり、平均電流を削減する方向に効果が働くものと期待できる。

画像セットＨは、あるCD-ROMの写真集からのデータであり、自然画像である。図４２に解析結果の統計を示す。画像セットＨの中で最も相関が悪いには、枯葉の画像である。枯葉では、降り積もる葉によりエッジが沢山できる。このため、Edirisingheの斜めエッジを考慮したMEDを用いてもまだまだ予想がはずれる場合も多い。また、画像セットＧのデータ・セットは、あるCD-ROMの写真集からのデータであり、米国の風景（主に観光地）の画像データである。図４１に解析結果の統計を示す。

なお、ここでの画像データの転送は、映像表示装置へのデータ転送が主たる目的であり、データ圧縮技術であるＪＰＥＧでのＤＣＴ信号処理装置を映像ドライバ側に設置することはコスト的にて望ましくない。この点において、本発明者による技術が有利であることをあらためて確認しておく。またＭＰＥＧ２による動画を撮影可能なカメラにおいては、ＴＶでのデータ・セットである画像セットＢ,C,D,Eがそのままあてはまる。

携帯電話では、今後「携帯動画」も想定されるので、画像セットＦ,G,Hのデータ・セットだけではなく、ＴＶでの画像セットＣ,D,Eも想定される。しかしながら、基本的にはＰＣ画面の操作である”Ａ”の比重もまだまだ大きいとも思われる。時間が比較的長いと思われるのが、ＴＶ応用の画像データであるから、この点からいえば、平均電流が５０％程度に押さえられていることは魅力的と言える。携帯電話ではさらに、ヒンジ（機械的な接続回転部分）での可動性が重要であり、配線が束になっていては非常に問題が大きい。このために配線本数が１／４に削減できることは、非常に効果的である。特に我々の技術は回路的な工夫と両立する技術であり、動作周波数を低く保ちつつ、少数のデータ配線を行うことを可能にする。今後、さらなる画素数増加が見込まれることを考慮すると、回路的工夫だけでは、少数の配線を実現することが困難になると危惧される。この点において、必要不可欠の技術である。

このように、画像データの性質は、データ応用に応じてもかなり変化するが、長時間の使用がＴＶおよびＰＣであること、およびさらにポータブルな電子機器がさらに普及するであろうことを考えると、本発明の産業上の効果が非常に大きいことを、図３４が示していると理解できる。

以上、画像の統計的な偏りとしてMED色差・差分を中心に技術詳細を説明してきた。しかし、我々の技術思想が一般に統計的な偏りを利用できればどのような統計であっても良いことは容易に理解できる。このような観点から、ＪＰＥＧ−ＬＳなどの技術において予測符号化として利用されている適応予測符号化技術における信号誤差に関する統計的な偏りを利用することも当然考えられる。

ＧＡＰ予測器だけでなく、同じく、コンテクト・モデリングによる予想器を導入することも、我々の技術思想から容易に思いつくことができる。さらに１Ｈや２Ｈのライン単位でなく、フレーム単位でデータを予測することも当然可能である。例えば、D. BurunelloらLossless Compression of Video Using Temporal Information, IEEE Transaction on Image Processing, Vol.12, No.2, February 2003, pp.132-139においては、フレーム・メモリを利用して予測器を構成する技術例が示されており、本発明を利用することが可能である。

また、上記では主に画像データを表示するデバイスへ転送することを想定して説明をしてきた。本発明は画像データ転送一般に関するものであるから、これを強調する意味で、別の実施形態を示す。ＣＣＤにより撮影した画像データをＣＣＤよりプロセッサ側に転送する場合でも利用できる。例えば、AizawaらComputational image sensor for on sensor compression, IEEE Transaction on Electron Devices, Vol.44, No.10, pp.1724-1730 (1997)において次のような提案がなされている。スマートイメージセンサとして、ＣＣＤにフレーム・メモリを追加し、１フレーム前のＣＣＤ撮影データと現在データを比較し、一致している場合には以前のデータそのままを再利用するので、データを転送しない。一致しない場合のみ新規データを転送することで、転送画素データで削減する手法が提案されている。これはLCDドライバの場合ではＰ２００３−４４０１７公開特許と同じ発想である。したがって、ＣＣＤからの画像データ配線本数を削減するために、本発明を利用できることが容易に理解できる。

別の実施形態としては、メモリでの画像データ転送が考えられる。例えば、米国特許公報6,567,023（特開2001-156621公報）では、２５６値でメモリ間のデータ転送を行う技術が提案されている。この技術では、データは一般のデータが想定されており、特に画像データを考えてはいない。本発明者は、画像データを取り扱うという特定（画像処理用のメモリ）を行うことで、本技術を利用して消費電力を効果的に抑えることができることを見いだした。実際、画像データは他のデータよりも圧倒的に大量である場合が多いという一般的事実を考慮に入れると、他のデータは無視できるので、このような特定を行わない場合にも有効になることが多いと期待できる。この意味では、部品として画像処理用に用途を特定する必然はない。実質的に画像データが主たる対象であればよい。これはメモリに限らず、本発明に関して一般に期待できることである。

さらに別の実施形態も考えられる。例えば、レンダリングなどＣＧ処理を行った結果の画像データをディスプレィ・コントローラに転送する場合でも、同じく本発明を適用できる。特にレンダリング処理に限定する必要はない。画像を処理するプロセッサから出力されるときに、メモリなど外部のデバイスと画像データをやり取りする必要がある場合には、インタフェース本数を削減しようという要望がでる。このように、ディスプレィ・デバイスのドライバに画像データを転送する場合に限定されず、一般にいろいろなインタフェースにおいて、画像データを転送し、配線本数を削減したい場合に本発明が有効である。

マルチメディア・データを利用することが圧倒的に多くなった現在、そのデータのなかで最も負荷の重たいデータは画像データである。テキストは画像データに比較して極めて小さい量である。したがって、本発明による画像データの転送は、単に表示デバイスの問題と限定的にとらえるのではなく、マルチメディア機器での画像データ転送において、特にポータブルなマルチメディア機器において、重要な位置を占める。

以上まとめると、本実施形態は、DPCM技術と多値化技術の橋渡しを、「多値化写像」の考えに基づき行うものである。具体的には、画像データを多値化した多値化データを、少ない数の伝送線を介して転送するため、伝送線の数を大幅に削減できる。また、画像の統計的性質を利用して多値化を行うため、消費電流を従来と同様あるいはそれ以下に抑制できる。

ある一つの画像データについての解析結果を示す図。 ある一つの画像データについての解析結果を示す図。 ある一つの画像データについての解析結果を示す図。 ある一つの画像データについての解析結果を示す図。 複数の画像データに関して度数分布（ラプラス分布）を調べた結果を重ねて表示したグラフ。 本実施形態で使用する統計的モデルを説明する図。 種々の画像データについての色差信号の１Ｈ差分の分布を解析した結果を示す図。 パラメータαの求め方を示す図。 パラメータβの求め方を示す図。 パラメータαの分布を示す図。 パラメータαの分布を示す図。 パラメータαの分布を示す図。 パラメータαの分布を示す図。 MED予測を説明する図。 MED予測を説明する図。 EdirisingheのMED予測を説明する図。 MEDによる差分データ分布の改善例を示す図。 図１７の中央部分を拡大した図。 本発明の一実施形態に係る画像転送システムの概略構成を示すブロック図。 色差化部５とMED予測器の処理内容を説明する図。 図１９の変形例を示す画像転送システムのブロック図。 図１９の画像転送システムにおけるデータフロー図。 色差信号の１Ｈ差分化を説明する図。 ソースドライバの内部構成の一例を示すブロック図。 差分と、ビット列と、分布確率との関係づけの一例を示す図。 画像の統計的モデル（拡張ラプラス分布）を利用してビット確率の計算を行う処理手順の一例を示すフローチャート。 従来のCMADS方式を採用した場合のデータ転送タイミング図。 本実施形態のデータ転送タイミング図。 図２８をさらに改良した多値化写像のデータ転送タイミング図。 多値化写像Ｃのデータ転送タイミング図。 ラプラス分布のパラメータを正規分布して、さらにモンテカルロ解析を行って得られた電流の度数分布を示す図。 （３０）〜（３５）式で示す多値化写像Ｃを表す式を示す図。 最終的に期待される電流の平均値を表す式を示す図。 図３２に示した１６値多値化写像を利用して各種の画像についてシミュレーションを行った結果を示す図。 画像セットＡの分布を示す図。 画像セットＢの分布を示す図。 画像セットＣの分布を示す図。 画像セットＤの分布を示す図。 画像セットＥの分布を示す図。 画像セットＦの分布を示す図。 画像セットＧの分布を示す図。 画像セットＨの分布を示す図。

符号の説明

１ タイミングコントローラ
２ 配線
３ ソースドライバ
４ 画像データ取込部
５ 色差化部
６ MED予測器
７ 色差差分計算部
８ 符号化部
９ D/A変換器
１０ 多値出力部
１１ 多値入力部
１２ A/D変換部
１３ 符号復元部
１４ MED予測器
１５ 色差復元部
１６ 画像データ出力部
１７ 色差化部
１８ 画像復元部

Claims (4)

1. 過去の画像データにより予測された現在の予測値と現在の実画像データとの差分に関する色差差分データを計算する色差差分計算手段と、
   前記色差差分データを符号化して符号化データを生成する符号化手段と、
   前記符号化データと、画像データの統計的性質に基づいて定められた前記符号化データの出現確率と、に基づいて、前記符号化データの各ビットにおける特定のビット値に、それぞれ異なる係数を掛けた値を加算して多値データを生成する多値化手段と、
   前記多値データを少なくとも１本の伝送線を介して送信する送信手段と、を備えることを特徴とする画像送信装置。
2. 前記多値化手段は、１つの画素に対して複数の前記多値データを生成し、
   前記送信手段は、１つの画素に対応する複数の前記多値データを１本の伝送線でシリアルに転送するか、または１つの画素に対応する複数の前記多値データを複数の伝送線でパラレルに転送することを特徴とする請求項１に記載の画像送信装置。
3. 少なくとも１本の伝送線を介して送信された、符号化データの各ビットにおける特定のビット値に画像データの統計的性質に基づいて定められた出現確率に応じた係数を掛けた値を加算して生成される多値データを受信する受信手段と、
   受信された前記多値データに基づいて、画像データの統計的性質を考慮に入れて前記符号化データを復元する符号化手段と、
   前記符号化データを復号して、現在の実画像データの色差信号と過去の画像データにより予測された現在の予測値の色差信号との差分に関する色差差分信号を生成する復号手段と、
   前記色差差分信号に基づいて、現在の実画像データを復元する画像復元手段と、を備えることを特徴とする画像受信装置。
4. 画像データを送信する画像送信装置と、
   この画像データを受信する画像受信装置と、を備えた画像伝送システムにおいて、
   前記画像送信装置は、
   過去の画像データにより予測された現在の予測値と現在の実画像データとの差分に関する色差差分データを計算する色差差分計算手段と、
   前記色差差分データを符号化して符号化データを生成する符号化手段と、
   前記符号化データと、画像データの統計的性質に基づいて定められた前記符号化データの出現確率と、に基づいて、前記符号化データの各ビットにおける特定のビット値に、それぞれ異なる係数を掛けた値を加算して多値データを生成する多値化手段と、
   前記多値データを少なくとも１本の伝送線を介して送信する送信手段と、を有し、
   前記画像受信装置は、
   少なくとも１本の伝送線を介して送信された多値データを受信する受信手段と、
   受信された前記多値データに基づいて、画像データの統計的性質を考慮に入れて符号化データを復元する符号化手段と、
   前記符号化データを復号して、現在の実画像データの色差信号と過去の画像データにより予測された現在の予測値の色差信号との差分に関する色差差分信号を生成する復号手段と、
   前記色差差分信号に基づいて、現在の実画像データを復元する画像復元手段と、を有することを特徴とする画像伝送システム。

Images