JP4235852B2 - 画像データ変換装置及び画像データ変換方法 - Google Patents
画像データ変換装置及び画像データ変換方法 Download PDFInfo
- Publication number
- JP4235852B2 JP4235852B2 JP26064498A JP26064498A JP4235852B2 JP 4235852 B2 JP4235852 B2 JP 4235852B2 JP 26064498 A JP26064498 A JP 26064498A JP 26064498 A JP26064498 A JP 26064498A JP 4235852 B2 JP4235852 B2 JP 4235852B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- class
- prediction
- image data
- learning
- 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
- Image Processing (AREA)
- Television Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は画像データ変換装置及び画像データ変換方法に関し、例えば画像データの画質を改善する画像データ変換装置に適用して好適なものである。
【０００２】
【従来の技術】
従来、画像データ変換装置においては、例えば帯域制限によって精細度が劣化した画像（いわゆるぼけ画像）に対して補間フィルタによる周波数補間処理を施すことにより画素補間を行い、画質の改善を図っている。
【０００３】
【発明が解決しようとする課題】
このような画像データ変換装置としては、低精細度の画像データをその各画素の信号レベル分布に応じたクラスに分類した後、予測係数と呼ばれるデータが予め格納されているメモリからそのクラスに対応する予測係数を読み出し、当該予測係数と低精細度の画像データとから高精細度の画像データを予測演算するいわゆるクラス分類適応処理を用いたアップコンバータが考えられている。
【０００４】
ところで、精細度の劣化が著しい画像データでは、輝度レベルの細部が大きく損なわれ、同じような波形パターンでなる領域が多く存在することになる。従ってアップコンバータでは、この精細度の劣化が著しい画像データに対してクラス分類を施すと、特定のクラスに集中して分類されることによって有効な予測演算を行うことができず、画質を改善し得ない問題があった。
【０００５】
例えば図１４（Ａ）は、水平方向に対して各画素のレベル変化が三角形状となる画素群を示し、図１４（Ｂ）は、水平方向に対して各画素のレベル変化が台形状となる画素群を示す。アップコンバータでは、各画素値を１ビットで表すようになされており、図１４（Ａ）に示す画素群を量子化すると、その波形がビット列「００１１１１１００」で表される。またアップコンバータでは、図１４（Ｂ）に示す画素群を量子化すると、各画素値が１ビットで表されることから、その波形が図１４（Ａ）に示す波形と同様のビット列「００１１１１１００」で表される。アップコンバータは、これらビット列を用いてクラス分類することから、図１４（Ａ）及び（Ｂ）に示す画素群の波形は同じクラスに分類されてしまい、これらの波形の違いを区別し得ない。
【０００６】
このような問題を回避する方法として、画素群の信号レベルを多ビットで表すことにより、精細度が劣化する前の画像データの特徴を抽出する方法が考えられる。しかしながらこの方法では、クラス数が膨大になることから、クラスに対応する予測係数を格納するためのメモリの容量が増大する問題が生じる。
【０００７】
本発明は以上の点を考慮してなされたもので、従来に比して一段と画質を向上し得る画像データ変換装置及び画像データ変換方法を提案しようとするものである。
【０００８】
【課題を解決するための手段】
かかる課題を解決するため本発明においては、標準画像データから隣接した複数の画素をクラスタップの領域として選定し、選定された複数の当該クラスタップの信号レベルをそれぞれクラスタップデータとして出力する領域切出手段と、複数のクラスタップデータのうち１つ置きに抽出した２つのクラスタップデータを１組としてそれぞれ対応する複数の差分回路に入力し、入力されたそれぞれのクラスタップデータの差分を取ることにより差分の絶対値でなる差分データと当該差分の傾きを表す符号を１ビットで表した１ビット差分符号データとを求めて出力する差分データ出力手段と、差分データに対して１ビットの圧縮処理を施すことによって１ビット差分データを生成する１ビット差分データ生成手段と、１ビット差分符号データと１ビット差分データとに割り当てられた２ビットに対し差分回路の数を乗算した結果により得られるビット数のクラスコードを生成するクラスコード生成手段と、予測係数データを生成するために、予め学習用に設定された参照用高精細度画像データから所定の画像データを間引くことにより生成した当該学習用低精細度画像データの中から選定した複数の学習用クラスタップデータの画素それぞれに対する微分値の絶対値と微分値の符号とに基づいて学習用クラスコードを生成し、学習用低精細度画像データから選定した所定数の学習用予測タップデータと参照用高精細度画像データとに対して学習用クラスコードごとに正規方程式を用いて演算することにより得られた正規方程式データを出力し、当該正規方程式データに対し最小自乗法を用いて演算することによって得られた学習用予測係数データを記憶する学習用予測係数データ記憶手段と、クラスコードに対応する予測係数データを学習用予測係数データ記憶手段に記憶された上記学習用予測係数データを用いて読み出す予測係数データ読出手段と、標準画像データから隣接した複数の画素を予測タップとして選定し、それらを予測タップデータとして切り出す予測タップデータ切出手段と、予測タップデータと予測係数データとを用いて、積和演算処理を施すことにより標準画素数でなる標準画像データよりも高精細度画素数でなる高精細度画像データを生成する高精細度画像データ生成手段とを設けるようにした。
【０００９】
この結果、クラスコード生成手段は、各クラスタップの輝度レベルの差分値を求め、求めた差分値の増減に対する符号と差分値の絶対値を基にしてクラス分類を行なうことにより、単に画素単体を基にしてクラス分類を行なう場合に比べて画素の輝度の細部が損なわれずにクラスタップの波形特徴量を的確に抽出することができ、予測タップデータと予測係数データとを用いて標準画像データから高精細度画像データを生成することができる。
【００１０】
【発明の実施の形態】
以下図面について、本発明の一実施の形態を詳述する。
【００１１】
（１）クラス分類適応処理の原理
ここで図１は、クラス分類適応処理を実現するアップコンバータ５１の回路構成を示す。アップコンバータ５１は、外部から供給される例えば８ビットのパルス符号変調（ＰＣＭ：Pulse Code Modulation ）データでなるＳＤ画像データＳ５１をクラス分類部５２及び予測演算部５３に入力する。クラス分類部５２は、例えば図２に示すように、ＳＤ画像データＳ５１のうち注目画素及び当該注目画素を中心とした複数の周辺画素でなる合計７画素（タップ）をクラス分類用の画素（以下、これをクラスタップと呼ぶ）として設定し、それらの信号レベル分布に基づいてクラスコードＳ５２を生成する。因みに、図中実線は第１フィールドを示し、点線は第２フィールドを示す。
【００１２】
このクラス分類部５２によってクラスコードＳ５２を生成する方法としては、ＰＣＭデータを直接使用する（すなわちＰＣＭデータをそのままクラスデータＳ５２とする）方法や、ＡＤＲＣ（Adaptive Dynamic Range Coding ）等のデータ圧縮方法を用いてクラス数を削減するような方法が考えられる。このうちＰＣＭデータをそのままクラスコードＳ５２とする方法では、クラスタップとして８ビットのＰＣＭデータを７タップ用いることから、クラス数が２56という膨大な数のクラス数に分類されることになり、実用上問題がある。
【００１３】
そこで実際には、クラス分類部５２は、ＡＤＲＣのようなデータ圧縮処理（すなわち再量子化処理）を施すことによりクラス数を削減するようになされている。このＡＤＲＣによる分類法は、注目画素を中心とする近傍領域内の数タップからＡＤＲＣコードを、次式
【００１４】
【数１】
【００１５】
によって求め、当該ＡＤＲＣコードに基づいてクラスコードＳ５２を生成する手法を用いている。ここで、ｃi はＡＤＲＣコード、ｘi は各クラスタップの入力画素値、ＭＩＮは領域内にある各クラスタップの入力画素値のうちの最小画素値、ＤＲは領域内のダイナミックレンジ（最大画素値と最小画素値との差分）、ｋは再量子化ビット数である。
【００１６】
すなわちＡＤＲＣによる分類法は、領域内のダイナミックレンジから再量子化ビット数に応じた量子化ステップ幅を算出し、入力画素値から最小画素値を減算した画素値を量子化ステップ幅に応じて再量子化するものである。例えば領域内の７タップにおいて各クラスタップを１ビットに再量子化する１ビットＡＤＲＣを行う場合では、領域内のダイナミックレンジに基づいて７タップの各入力画素値を適応的に１ビット量子化し、その結果、７タップの入力画素値を７ビットのデータに削減することができるので、全体としてクラス数を１２８クラスにまで削減することができる。
【００１７】
図１に戻って、予測係数ＲＯＭ（Read Only Memory）５４は、後述する学習回路６０によって予め生成された各クラス毎に対応する予測係数データＳ５３を格納しており、クラス分類部５２から供給されるクラスコードＳ５２に応じた予測係数データＳ５３を読み出し、これを予測演算部５３に送出する。予測演算部５３は、例えば図３に示すように、外部から入力されるＳＤ画像データＳ５１のうち、注目画素及び当該注目画素を中心とした複数の周辺画素でなる合計１３タップを予測演算用の画素（以下、これを予測タップと呼ぶ）として選定し、当該予測タップの各画素値と予測係数データＳ５３とを用いて、線形一次結合でなる次式
【００１８】
【数２】
【００１９】
によって表される積和演算を行うことにより、予測タップには存在しないＨＤ画素の集まりであるＨＤ画像データＳ５４を生成し、これを外部に出力する。ここで、ｘ′は各ＨＤ画素値、ｘi は各予測タップの画素値、ｗi は予測係数、ｎは予測タップ数であり、この場合ｎは１３である。
【００２０】
ところで図４は、予測係数ＲＯＭ５４に格納されている予測係数データを生成する学習回路６０の回路構成を示し、当該学習回路６０は、予測係数データを予め生成して、これを予測係数ＲＯＭ５４に格納するようになされている。学習回路６０は、いわゆる教師信号としてのＨＤ画像データＳ６０を垂直間引きフィルタ６１及び予測係数算出回路６２に入力する。学習回路６０は、ＨＤ画像データＳ６０を垂直間引きフィルタ６１及び水平間引きフィルタ６２によって間引くことにより、生徒信号としてのＳＤ画像データＳ６１を生成し、これをクラス分類部６４及び予測係数算出回路６２に入力するようになされている。
【００２１】
クラス分類部６４は、図１に示すアップコンバータのクラス分類部５２と同様の構成でなり、ＳＤ画像データＳ６１からクラスタップを選定し、その信号レベル分布に基づいてクラスコードＳ６２を生成した後、これを予測係数算出回路６２に送出する。予測係数算出回路６２は、ＨＤ画像データＳ６０及びＳＤ画像データＳ６１を基に、クラスコードＳ６２が示すクラスに応じた予測係数をクラス毎に算出し、その結果得た予測係数データＳ６３を予測係数ＲＯＭ５４に格納する。
【００２２】
この場合、予測係数算出回路６２は、上述の（２）式における予測係数ｗを最小自乗法によって求めるようになされている。具体的には予測係数算出回路６２は、ＸをＳＤ画素値、Ｗを予測係数、ＹをＨＤ画素値として、いわゆる観測方程式と呼ばれる次式
【００２３】
【数３】
【００２４】
を生成するように各データを収集する。ここでｍは予測するＨＤ画素の画素数を示す学習データ数、ｎは予測タップ数である。
【００２５】
次に予測係数算出回路６２は、この（３）式を基に、次式
【００２６】
【数４】
【００２７】
に示す残差方程式を立てる。従って各予測係数ｗi は、この（４）式から、次式
【００２８】
【数５】
【００２９】
が最小のときに最適な値となることがわかる。すなわち次式
【００３０】
【数６】
【００３１】
を満たすように予測係数ｗi が算出される。
【００３２】
そこで予測係数算出回路６２は、このｎ個ある（６）式を満たすようなｗ1 、ｗ2 、……、ｗn を算出すればよいことになり、上述の（４）式から、次式
【００３３】
【数７】
【００３４】
を得、これら（６）及び（７）式から、次式
【００３５】
【数８】
【００３６】
を求める。そして予測係数算出回路６２は、上述の（４）及び（８）式から、次式
【００３７】
【数９】
【００３８】
によって表される正規方程式を生成する。このようにして予測係数算出回路６２は、予測タップ数ｎと同一次数の連立方程式でなる正規方程式を生成し、掃き出し法（Gauss Jordanの消去法）を用いてこの正規方程式を解くことにより、各予測係数ｗi を算出する。
【００３９】
以下、学習回路６０による予測係数生成手順について図５に示すフローチャートを用いて説明する。ステップＳＰ６１から入ったステップＳＰ６２において、学習回路６０は、教師信号としてのＨＤ画像データＳ６０から生徒信号としてのＳＤ画像データＳ６１を生成することにより、予測係数を生成するのに必要な学習データを生成する。ステップＳＰ６３において、学習回路６０は、予測係数を生成するのに必要十分な学習データが得られたか否か判定し、その結果、未だ必要十分な学習データが得られていないと判断された場合にはステップＳＰ６３において否定結果を得ることによりステップＳＰ６４に移行する。
【００４０】
ステップＳＰ６４において、学習回路６０は、ＳＤ画像データＳ６１からクラスタップを選定し、その信号レベル分布に基づいてクラス分類を行う。ステップＳＰ６５において、学習回路６０は、各クラス毎に上述の（９）式でなる正規方程式を生成し、ステップＳＰ６２に戻って同様の処理手順を繰り返すことにより、予測係数を生成するのに必要十分な正規方程式を生成する。
【００４１】
これに対してステップＳＰ６３において肯定結果が得られると、このことは必要十分な学習データが得られたことを表しており、このとき学習回路６０はステップＳＰ６６に移って、上述の（９）式でなる正規方程式を掃き出し法によって解くことにより、予測係数ｗ1 、ｗ2 、……、ｗn を各クラス毎に生成する。そしてステップＳＰ６７において、学習回路６０は、生成した各クラス毎の予測係数ｗ1 、ｗ2 、……、ｗn を予測係数ＲＯＭ５４に格納し、ステップＳＰ６８に移って処理を終了する。
【００４２】
（２）第１の実施の形態
図６において、１００は全体として第１の実施の形態によるアップコンバータの構成を示す。アップコンバータ１００は、外部から供給される画像データＳ１００を領域切り出し部１０１及び１０２に入力する。領域切り出し部１０１は、図７に示すように、画像データＳ１００のうち水平方向に７画素のタップａ〜ｇを選定し、それらの信号レベルをクラスタップデータＳ１０１としてクラスコード生成部１０３に出力する。その際、領域切り出し部１０１は、５画素のタップｂ〜ｆをクラスタップとして選定している。
【００４３】
図８に示すように、クラスコード生成部１０３は、タップａ〜ｇのうちタップａの信号レベルを示すクラスタップデータＳ１０１Ａを差分回路１１０Ａに入力し、タップｂの信号レベルを示すクラスタップデータＳ１０１Ｂを差分回路１０１Ｂに入力し、タップｃの信号レベルを示すクラスタップデータＳ１０１Ｃを差分回路１１０Ａ及び１１０Ｃに入力し、タップｄの信号レベルを示すクラスタップデータＳ１０１Ｄを差分回路１１０Ｂ及び１１０Ｄに入力し、タップｅの信号レベルを示すクラスタップデータＳ１０１Ｅを差分回路１１０Ｃ及び１１０Ｅに入力し、タップｆの信号レベルを示すクラスタップデータＳ１０１Ｆを差分回路１１０Ｄに入力し、タップｇの信号レベルを示すクラスタップデータＳ１０１Ｇを差分回路１１０Ｅに入力する。
【００４４】
差分回路１１０Ａは、タップａの信号レベルを示すクラスタップデータＳ１０１Ａとタップｃの信号レベルを示すクラスタップデータＳ１０１Ｃとの差分をとることにより、クラスタップでなるタップｂにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＡをＡＤＲＣ回路１１１Ａに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ａをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ａは、差分データＳ１１０Ａに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ａを求め、これをクラスコード決定回路１１２に出力する。
【００４５】
差分回路１１０Ｂは、タップｂの信号レベルを示すクラスタップデータＳ１０１Ｂとタップｄの信号レベルを示すクラスタップデータＳ１０１Ｄとの差分をとることにより、クラスタップでなるタップｃにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＢをＡＤＲＣ回路１１１Ｂに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ｂをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ｂは、差分データＳ１１０Ｂに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ｂを求め、これをクラスコード生成回路１１２に出力する。
【００４６】
差分回路１１０Ｃは、タップｃの信号レベルを示すクラスタップデータＳ１０１Ｃとタップｅの信号レベルを示すクラスタップデータＳ１０１Ｅとの差分をとることにより、クラスタップでなるタップｄにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＣをＡＤＲＣ回路１１１Ｃに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ｃをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ｃは、差分データＳ１１０Ｃに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ｃを求め、これをクラスコード生成回路１１２に出力する。
【００４７】
差分回路１１０Ｄは、タップｄの信号レベルを示すクラスタップデータＳ１０１Ｄとタップｆの信号レベルを示すクラスタップデータＳ１０１Ｆとの差分をとることにより、クラスタップでなるタップｅにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＤをＡＤＲＣ回路１１１Ｄに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ｄをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ｄは、差分データＳ１１０Ｄに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ｄを求め、これをクラスコード生成回路１１２に出力する。
【００４８】
差分回路１１０Ｅは、タップｅの信号レベルを示すクラスタップデータＳ１０１Ｅとタップｇの信号レベルを示すクラスタップデータＳ１０１Ｇとの差分をとることにより、クラスタップでなるタップｆにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＥをＡＤＲＣ回路１１１Ｅに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ｅをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ｅは、差分データＳ１１０Ｅに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ｅを求め、これをクラスコード生成回路１１２に出力する。
【００４９】
クラスコード生成回路１１２は、１ビットの差分データＳ１１２Ａ〜Ｓ１１２Ｅと１ビットの差分値符号データＳ１１１Ａ〜Ｓ１１１Ｅとを組み合わせることにより、１０ビットのクラスコードＳ１１３を生成し、これをＲＯＭ１２０に送出する。
【００５０】
このようにクラスコード生成部１０３は、各画素の微分値Ｄ（ｉ、ｊ）を、次式
【００５１】
【数１０】
【００５２】
によって求め、その微分値の絶対値と符号とにそれぞれ１ビットずつ割り当てて１画素を合計２ビットで表すことにより、クラス分類を行うようになされている。ここでｉは垂直方向の画素位置、ｊは水平方向の画素位置、ｆ（ｉ、ｊ）は画素値を示す。
【００５３】
例えば図１４と同一の信号レベル分布でなる画素群を示す図９において、クラスコード生成部１０３は、図９（Ａ）及び（Ｂ）に示す画素群に対してそれぞれ微分値の絶対値を求めた上で１ビットＡＤＲＣを施すことにより、図９（Ａ）に示す波形をビット列「１１１１１１１」で表すのに対して、図９（Ｂ）に示す波形をビット列「０１０００１０」で表す。このようにクラスコード生成部１０３は、これらのビット列を用いてクラス分類することから、図９（Ａ）及び（Ｂ）に示す画素群の波形を異なるクラスに分類し、これらの波形の違いを区別し得るようになされている。
【００５４】
図６に戻って、ＲＯＭ１２０は、クラスコード生成部１０３から供給されるクラスコードＳ１１３に応じた予測係数データＳ１２０を読み出し、これを予測演算部１２１に出力する。領域切り出し部１０２は、画像データＳ１００から例えば水平方向に３０画素を予測タップとして選定し、それらの信号レベルを予測タップデータ１２１として予測演算部１２１に出力する。予測演算部１２１は、予測係数データＳ１２０と予測タップデータＳ１２１との積和演算を行うことにより精細度を向上させた補正画像データＳ１２２を生成し、これを外部に出力する。
【００５５】
図１０は、ＲＯＭ１２０（図６）に格納されている予測係数データを生成する学習回路１３０の構成を示す。学習回路１３０は、教師画像として高精細度の画像データＳ１３０をローパスフィルタ（ＬＰＦ）１３１及び正規方程式演算部１３２に入力する。ＬＰＦ１３１は、画像データＳ１３０を間引くことにより生徒画像として低精細度の画像データＳ１３１を生成し、これを領域切り出し部１３３及び１３４に出力する。
【００５６】
領域切り出し部１３３は、アップコンバータ１００の領域切り出し部１０１（図６）と同様に構成されており、画像データＳ１３１の中からクラスタップを選定し、それらの信号レベルを示すクラスタップデータＳ１３２をクラスコード生成部１３５に出力する。クラスコード生成部１３５は、アップコンバータ１００のクラスコード生成部１０３（図６）と同様に構成されており、クラスタップデータ１３２の各画素それぞれに対して微分値を求め、当該微分値の絶対値及び符号を基にクラスコードＳ１３３を生成し、これを正規方程式演算部１３２に出力する。
【００５７】
領域切り出し部１３４は、アップコンバータ１００の領域切り出し部１０２（図６）と同様に構成されており、画像データＳ１３１のうち予測タップを選定し、それらの信号レベルを示す予測タップデータＳ１３４を正規方程式演算部１３２に送出する。正規方程式演算部１３２は、画像データＳ１３０と予測タップデータＳ１３４とから、クラスコードＳ１３３毎に正規方程式を生成し、この正規方程式データＳ１３５を予測係数決定部１３６に出力する。
【００５８】
予測係数決定部１３６は、正規方程式データＳ１３５が必要な数だけ供給されると、最小自乗法を用いて当該正規方程式を解くことにより予測係数を演算し、その予測係数データＳ１３６をメモリ１３７に送出して当該メモリ１３７に格納する。その後、このメモリ１３７に格納されている予測係数データＳ１３６は、図６に示すＲＯＭ１２０に書き込まれるようになされている。
【００５９】
以上の構成において、クラスコード生成部１０３は、クラスタップを構成する各画素の微分値すなわち変化量を隣接画素値から求め、当該変化量の絶対値と符号とを基にクラス分類することにより、クラスタップの各画素値自体を基にクラス分類する場合に比して一段と有効にクラスタップの波形特徴量を抽出してクラス分類することが可能となると共に、特定のクラスに分類される頻度が高くなることを回避する。
【００６０】
以上の構成によれば、クラスタップを構成する各画素の変化量を隣接画素値から求め、当該算出した変化量の絶対値と符号とを基にクラス分類することにより、クラス数が増大することを回避しながら、画素値自体を基にクラス分類する場合に比して有効にクラスタップの波形特徴量を抽出することができ、簡易な構成で従来に比して一段と画質の改善を行い得る。
【００６１】
（３）第２の実施の形態
図１１において、１５０は全体として第２の実施の形態によるアップコンバータの構成を示し、外部から供給される画像データＳ１５０を微分回路１５１及び領域切り出し部１５２に入力する。微分回路１５１は、画像データＳ１５０を構成する各画素の微分値をそれぞれ求め、その結果得られる微分値データＳ１５１を領域切り出し部１５３に送出する。
【００６２】
領域切り出し部１５３は、微分値データＳ１５１から水平方向に５画素をクラスタップとして選定し、それらの絶対値を示す絶対値データＳ１５２をＡＤＲＣ回路１５４に出力すると共に、それらの符号を１ビットで表した符号データＳ１５３をクラスコード生成部１５５に出力する。ＡＤＲＣ回路１５４は、絶対値データＳ１５２が示す５画素分の微分値の絶対値それぞれに対して１ビットＡＤＲＣを施すことにより、５画素分の微分値の絶対値をそれぞれ１ビットで表した絶対値データＳ１５４を生成し、これをクラスコード生成部１５５に出力する。
【００６３】
クラスコード生成部１５５は、これら絶対値データＳ１５４及び符号データＳ１５３を組み合わせることにより、１０ビットのクラスコードＳ１５５を生成し、これをＲＯＭ１５６に出力する。ＲＯＭ１５６は、クラスコードＳ１５５に応じた予測係数データＳ１５６を読み出し、これを予測演算部１５７に出力する。
【００６４】
領域切り出し部１５２は、画像データＳ１５０から予測タップを選定し、それらの信号レベルを示す予測タップデータＳ１５７を予測演算部１５７に出力する。予測演算部１５７は、予測タップデーＳ１５７と予測係数データＳ１５６との積和演算を行うことにより、精細度を向上させた補正画像データＳ１５８を演算し、これを外部に出力する。
【００６５】
図１２は、アップコンバータ１５０のＲＯＭ１５６（図１１）に格納されている予測係数データを生成する学習回路１７０の回路構成を示す。学習回路１７０は、教師画像としての画像データＳ１７０をローパスフィルタ（ＬＰＦ）１７１及び正規方程式演算部１７２に出力する。ＬＰＦ１７１は、画像データＳ１７０を間引くことにより生徒画像として精細度の劣化した画像データＳ１７１を生成し、これを微分回路１７３及び領域切り出し部１７４に出力する。
【００６６】
微分回路は、画像データＳ１７１の全画素に対してそれぞれ微分値を求め、その微分値データＳ１７２を領域切り出し部１７５に出力する。領域切り出し部１７５は、微分値データＳ１７２から水平方向に５画素をクラスタップとして選定し、それらの絶対値を示す絶対値データＳ１７３をＡＤＲＣ回路１７６に出力すると共に、それらの符号を１ビットで表した符号データＳ１７４をクラスコード生成部１７７に出力する。
【００６７】
ＡＤＲＣ回路１７６は、絶対値データＳ１７３が示す５画素分の微分値の絶対値それぞれに対して１ビットＡＤＲＣを施すことにより、５画素分の微分値の絶対値をそれぞれ１ビットで表した絶対値データＳ１７５を生成し、これをクラスコード生成部１７７に出力する。クラスコード生成部１７７は、これら絶対値データＳ１７５及び符号データＳ１７４を組み合わせることにより１０ビットのクラスコードＳ１７６を生成し、これを正規方程式演算部１７２に出力する。
【００６８】
領域切り出し部１７４は、画像データＳ１７１から予測タップを切り出し、それらの信号レベルを示す予測タップデータＳ１７７を正規方程式演算部１７２に出力する。正規方程式演算部１７２は、教師画像としての高精細度の画像データＳ１７０と予測タップデータＳ１７７とから、クラスコードＳ１７６毎に正規方程式を生成し、この正規方程式データＳ１７８を予測係数決定部１７８に出力する。
【００６９】
予測係数決定部１７８は、正規方程式データＳ１７８が必要な数だけ供給されると、最小自乗法を用いて当該正規方程式を解くことにより予測係数を演算し、その予測係数データＳ１７９をメモリ１７９に送出して当該メモリ１７９に格納する。その後、このメモリ１７９に格納されている予測係数データＳ１７９は、図１１に示すＲＯＭ１５６に書き込まれるようになされている。
【００７０】
以上の構成において、画像データＳ１５０を構成する全画素の微分値すなわち変化量を隣接画素値から求めた後、この全画素における変化量を示す微分値データＳ１５１からクラスタップを切り出し、当該クラスタップを構成する各画素の変化量の絶対値と符号とを基にクラス分類することにより、クラスタップの各画素値自体を基にクラス分類する場合に比して一段と有効にクラスタップの波形特徴量を抽出してクラス分類することが可能となると共に、特定のクラスに分類される頻度が高くなることを回避する。
【００７１】
以上の構成によれば、画像データＳ１５０を構成する全画素の変化量を隣接画素値から求めた後にクラスタップを切り出し、当該切り出したクラスタップの各画素における変化量の絶対値と符号とを基にクラス分類することにより、クラス数が増大することを回避しながら、画素値自体を基にクラス分類する場合に比して有効にクラスタップの波形特徴量を抽出することができ、簡易な構成で従来に比して一段と画質の改善を行い得る。
【００７２】
（４）他の実施の形態
なお上述の第１の実施の形態においては、画像データＳ１００から水平方向にタップａ〜ｇを選定した場合について述べたが、本発明はこれに限らず、例えば３タップおきにタップを選定する図１３に示すように、タップを所定数おきに間引いて選定しても良く、この場合、波形の冗長性を排除してさらにクラスタップの特徴を抽出し得、一段と正確なクラス分類を行い得る。
【００７３】
また上述の第２の実施の形態においては、画像データＳ１５０から水平方向に５画素をクラスタップとして選定した場合について述べたが、本発明はこれに限らず、タップを所定数おきに間引いて選定しても良く、この場合、波形の冗長性を排除してさらにクラスタップの特徴を抽出し得、一段と正確なクラス分類を行い得る。
【００７４】
また上述の実施の形態においては、所定画素の変化量を隣接画素値から求め、当該算出した変化量の絶対値と符号とを基にクラス分類した場合について述べたが、本発明はこれに限らず、所定画素における１次微分値及び２次微分値を求め、そのうち１次微分値によってステップ状の縁点を抽出すると共に、２次微分値によって屋根状の縁点を抽出して波形の特徴量を抽出しても良い。
【００７５】
また上述の実施の形態においては、クラスタップを水平方向に抽出した場合について述べたが、本発明はこれに限らず、垂直方向にクラスタップを抽出しても良い。
【００７６】
また上述の実施の形態においては、クラス決定手段として、領域切り出し部１０１及びクラスコード生成部１０３、又は微分回路１５１、領域切り出し部１５３、ＡＤＲＣ回路１５４及びクラスコード生成部１５５を適用した場合について述べたが、本発明はこれに限らず、要は、第１の画像データから抽出された注目画素を含む複数の画素におけるそれぞれの変化量の絶対値と符号とから注目画素に対するクラスを決定するクラス決定手段であれば良い。
【００７７】
また上述の実施の形態においては、予測データ発生手段としてＲＯＭ１２０又は１５６を適用した場合について述べたが、本発明はこれに限らず、要は、クラスに応じて予測データを発生する予測データ発生手段であれば良い。
【００７８】
さらに上述の実施の形態においては、画素データ発生手段として予測演算部１２１又は１５７を適用した場合について述べたが、本発明はこれに限らず、要は、予測データから第２の画像データの注目画素を発生する画素データ発生手段であれば良い。
【００７９】
【発明の効果】
上述のように本発明によれば、クラスコード生成手段は、各クラスタップの輝度レベルの差分値を求め、求めた差分値の増減に対する符号と差分値の絶対値を基にしてクラス分類を行なうことにより、単に画素単体を基にしてクラス分類を行なう場合に比べて画素の輝度の細部が損なわれずにクラスタップの波形特徴量を的確に抽出することができるので、特定のクラスに画素が偏ることを回避でき、かくして標準画像データを高精細度画像データに変換し得る画像データ変換装置を実現できる。
【図面の簡単な説明】
【図１】アップコンバータの構成を示すブロック図である。
【図２】クラスタップ配置例を示す略線図である。
【図３】予測タップ配置例を示す略線図である。
【図４】学習回路の構成を示すブロック図である。
【図５】予測係数生成手順を示すフローチャートである。
【図６】本発明によるアップコンバータの第１の実施の形態を示すブロック図である。
【図７】クラスタップ配置例を示す略線図である。
【図８】クラスコード生成部の構成を示すブロック図である。
【図９】画像データの信号レベル分布を示す略線図である。
【図１０】本発明による学習回路の第１の実施の形態を示すブロック図である。
【図１１】本発明によるアップコンバータの第２の実施の形態を示すブロック図である。
【図１２】本発明による学習回路の第２の実施の形態を示すブロック図である。
【図１３】他の実施の形態によるクラスタップ配置例を示す略線図である。
【図１４】画像データの信号レベル分布を示す略線図である。
【符号の説明】
１００、１５０……アップコンバータ、１０１、１０２、１３３、１３４、１５２、１５３、１７４、１７５……領域切り出し部、１０３、１３５、１５５、１７７……クラスコード生成部、１１０……差分回路、１１１、１５４、１７６……ＡＤＲＣ回路、１１２……クラスコード生成回路、１２０、１５６……ＲＯＭ、１２１、１５７……予測演算部、、１３０、１７０……学習回路、１５１、１７３……微分回路。
【発明の属する技術分野】
本発明は画像データ変換装置及び画像データ変換方法に関し、例えば画像データの画質を改善する画像データ変換装置に適用して好適なものである。
【０００２】
【従来の技術】
従来、画像データ変換装置においては、例えば帯域制限によって精細度が劣化した画像（いわゆるぼけ画像）に対して補間フィルタによる周波数補間処理を施すことにより画素補間を行い、画質の改善を図っている。
【０００３】
【発明が解決しようとする課題】
このような画像データ変換装置としては、低精細度の画像データをその各画素の信号レベル分布に応じたクラスに分類した後、予測係数と呼ばれるデータが予め格納されているメモリからそのクラスに対応する予測係数を読み出し、当該予測係数と低精細度の画像データとから高精細度の画像データを予測演算するいわゆるクラス分類適応処理を用いたアップコンバータが考えられている。
【０００４】
ところで、精細度の劣化が著しい画像データでは、輝度レベルの細部が大きく損なわれ、同じような波形パターンでなる領域が多く存在することになる。従ってアップコンバータでは、この精細度の劣化が著しい画像データに対してクラス分類を施すと、特定のクラスに集中して分類されることによって有効な予測演算を行うことができず、画質を改善し得ない問題があった。
【０００５】
例えば図１４（Ａ）は、水平方向に対して各画素のレベル変化が三角形状となる画素群を示し、図１４（Ｂ）は、水平方向に対して各画素のレベル変化が台形状となる画素群を示す。アップコンバータでは、各画素値を１ビットで表すようになされており、図１４（Ａ）に示す画素群を量子化すると、その波形がビット列「００１１１１１００」で表される。またアップコンバータでは、図１４（Ｂ）に示す画素群を量子化すると、各画素値が１ビットで表されることから、その波形が図１４（Ａ）に示す波形と同様のビット列「００１１１１１００」で表される。アップコンバータは、これらビット列を用いてクラス分類することから、図１４（Ａ）及び（Ｂ）に示す画素群の波形は同じクラスに分類されてしまい、これらの波形の違いを区別し得ない。
【０００６】
このような問題を回避する方法として、画素群の信号レベルを多ビットで表すことにより、精細度が劣化する前の画像データの特徴を抽出する方法が考えられる。しかしながらこの方法では、クラス数が膨大になることから、クラスに対応する予測係数を格納するためのメモリの容量が増大する問題が生じる。
【０００７】
本発明は以上の点を考慮してなされたもので、従来に比して一段と画質を向上し得る画像データ変換装置及び画像データ変換方法を提案しようとするものである。
【０００８】
【課題を解決するための手段】
かかる課題を解決するため本発明においては、標準画像データから隣接した複数の画素をクラスタップの領域として選定し、選定された複数の当該クラスタップの信号レベルをそれぞれクラスタップデータとして出力する領域切出手段と、複数のクラスタップデータのうち１つ置きに抽出した２つのクラスタップデータを１組としてそれぞれ対応する複数の差分回路に入力し、入力されたそれぞれのクラスタップデータの差分を取ることにより差分の絶対値でなる差分データと当該差分の傾きを表す符号を１ビットで表した１ビット差分符号データとを求めて出力する差分データ出力手段と、差分データに対して１ビットの圧縮処理を施すことによって１ビット差分データを生成する１ビット差分データ生成手段と、１ビット差分符号データと１ビット差分データとに割り当てられた２ビットに対し差分回路の数を乗算した結果により得られるビット数のクラスコードを生成するクラスコード生成手段と、予測係数データを生成するために、予め学習用に設定された参照用高精細度画像データから所定の画像データを間引くことにより生成した当該学習用低精細度画像データの中から選定した複数の学習用クラスタップデータの画素それぞれに対する微分値の絶対値と微分値の符号とに基づいて学習用クラスコードを生成し、学習用低精細度画像データから選定した所定数の学習用予測タップデータと参照用高精細度画像データとに対して学習用クラスコードごとに正規方程式を用いて演算することにより得られた正規方程式データを出力し、当該正規方程式データに対し最小自乗法を用いて演算することによって得られた学習用予測係数データを記憶する学習用予測係数データ記憶手段と、クラスコードに対応する予測係数データを学習用予測係数データ記憶手段に記憶された上記学習用予測係数データを用いて読み出す予測係数データ読出手段と、標準画像データから隣接した複数の画素を予測タップとして選定し、それらを予測タップデータとして切り出す予測タップデータ切出手段と、予測タップデータと予測係数データとを用いて、積和演算処理を施すことにより標準画素数でなる標準画像データよりも高精細度画素数でなる高精細度画像データを生成する高精細度画像データ生成手段とを設けるようにした。
【０００９】
この結果、クラスコード生成手段は、各クラスタップの輝度レベルの差分値を求め、求めた差分値の増減に対する符号と差分値の絶対値を基にしてクラス分類を行なうことにより、単に画素単体を基にしてクラス分類を行なう場合に比べて画素の輝度の細部が損なわれずにクラスタップの波形特徴量を的確に抽出することができ、予測タップデータと予測係数データとを用いて標準画像データから高精細度画像データを生成することができる。
【００１０】
【発明の実施の形態】
以下図面について、本発明の一実施の形態を詳述する。
【００１１】
（１）クラス分類適応処理の原理
ここで図１は、クラス分類適応処理を実現するアップコンバータ５１の回路構成を示す。アップコンバータ５１は、外部から供給される例えば８ビットのパルス符号変調（ＰＣＭ：Pulse Code Modulation ）データでなるＳＤ画像データＳ５１をクラス分類部５２及び予測演算部５３に入力する。クラス分類部５２は、例えば図２に示すように、ＳＤ画像データＳ５１のうち注目画素及び当該注目画素を中心とした複数の周辺画素でなる合計７画素（タップ）をクラス分類用の画素（以下、これをクラスタップと呼ぶ）として設定し、それらの信号レベル分布に基づいてクラスコードＳ５２を生成する。因みに、図中実線は第１フィールドを示し、点線は第２フィールドを示す。
【００１２】
このクラス分類部５２によってクラスコードＳ５２を生成する方法としては、ＰＣＭデータを直接使用する（すなわちＰＣＭデータをそのままクラスデータＳ５２とする）方法や、ＡＤＲＣ（Adaptive Dynamic Range Coding ）等のデータ圧縮方法を用いてクラス数を削減するような方法が考えられる。このうちＰＣＭデータをそのままクラスコードＳ５２とする方法では、クラスタップとして８ビットのＰＣＭデータを７タップ用いることから、クラス数が２56という膨大な数のクラス数に分類されることになり、実用上問題がある。
【００１３】
そこで実際には、クラス分類部５２は、ＡＤＲＣのようなデータ圧縮処理（すなわち再量子化処理）を施すことによりクラス数を削減するようになされている。このＡＤＲＣによる分類法は、注目画素を中心とする近傍領域内の数タップからＡＤＲＣコードを、次式
【００１４】
【数１】
によって求め、当該ＡＤＲＣコードに基づいてクラスコードＳ５２を生成する手法を用いている。ここで、ｃi はＡＤＲＣコード、ｘi は各クラスタップの入力画素値、ＭＩＮは領域内にある各クラスタップの入力画素値のうちの最小画素値、ＤＲは領域内のダイナミックレンジ（最大画素値と最小画素値との差分）、ｋは再量子化ビット数である。
【００１６】
すなわちＡＤＲＣによる分類法は、領域内のダイナミックレンジから再量子化ビット数に応じた量子化ステップ幅を算出し、入力画素値から最小画素値を減算した画素値を量子化ステップ幅に応じて再量子化するものである。例えば領域内の７タップにおいて各クラスタップを１ビットに再量子化する１ビットＡＤＲＣを行う場合では、領域内のダイナミックレンジに基づいて７タップの各入力画素値を適応的に１ビット量子化し、その結果、７タップの入力画素値を７ビットのデータに削減することができるので、全体としてクラス数を１２８クラスにまで削減することができる。
【００１７】
図１に戻って、予測係数ＲＯＭ（Read Only Memory）５４は、後述する学習回路６０によって予め生成された各クラス毎に対応する予測係数データＳ５３を格納しており、クラス分類部５２から供給されるクラスコードＳ５２に応じた予測係数データＳ５３を読み出し、これを予測演算部５３に送出する。予測演算部５３は、例えば図３に示すように、外部から入力されるＳＤ画像データＳ５１のうち、注目画素及び当該注目画素を中心とした複数の周辺画素でなる合計１３タップを予測演算用の画素（以下、これを予測タップと呼ぶ）として選定し、当該予測タップの各画素値と予測係数データＳ５３とを用いて、線形一次結合でなる次式
【００１８】
【数２】
によって表される積和演算を行うことにより、予測タップには存在しないＨＤ画素の集まりであるＨＤ画像データＳ５４を生成し、これを外部に出力する。ここで、ｘ′は各ＨＤ画素値、ｘi は各予測タップの画素値、ｗi は予測係数、ｎは予測タップ数であり、この場合ｎは１３である。
【００２０】
ところで図４は、予測係数ＲＯＭ５４に格納されている予測係数データを生成する学習回路６０の回路構成を示し、当該学習回路６０は、予測係数データを予め生成して、これを予測係数ＲＯＭ５４に格納するようになされている。学習回路６０は、いわゆる教師信号としてのＨＤ画像データＳ６０を垂直間引きフィルタ６１及び予測係数算出回路６２に入力する。学習回路６０は、ＨＤ画像データＳ６０を垂直間引きフィルタ６１及び水平間引きフィルタ６２によって間引くことにより、生徒信号としてのＳＤ画像データＳ６１を生成し、これをクラス分類部６４及び予測係数算出回路６２に入力するようになされている。
【００２１】
クラス分類部６４は、図１に示すアップコンバータのクラス分類部５２と同様の構成でなり、ＳＤ画像データＳ６１からクラスタップを選定し、その信号レベル分布に基づいてクラスコードＳ６２を生成した後、これを予測係数算出回路６２に送出する。予測係数算出回路６２は、ＨＤ画像データＳ６０及びＳＤ画像データＳ６１を基に、クラスコードＳ６２が示すクラスに応じた予測係数をクラス毎に算出し、その結果得た予測係数データＳ６３を予測係数ＲＯＭ５４に格納する。
【００２２】
この場合、予測係数算出回路６２は、上述の（２）式における予測係数ｗを最小自乗法によって求めるようになされている。具体的には予測係数算出回路６２は、ＸをＳＤ画素値、Ｗを予測係数、ＹをＨＤ画素値として、いわゆる観測方程式と呼ばれる次式
【００２３】
【数３】
を生成するように各データを収集する。ここでｍは予測するＨＤ画素の画素数を示す学習データ数、ｎは予測タップ数である。
【００２５】
次に予測係数算出回路６２は、この（３）式を基に、次式
【００２６】
【数４】
に示す残差方程式を立てる。従って各予測係数ｗi は、この（４）式から、次式
【００２８】
【数５】
が最小のときに最適な値となることがわかる。すなわち次式
【００３０】
【数６】
を満たすように予測係数ｗi が算出される。
【００３２】
そこで予測係数算出回路６２は、このｎ個ある（６）式を満たすようなｗ1 、ｗ2 、……、ｗn を算出すればよいことになり、上述の（４）式から、次式
【００３３】
【数７】
を得、これら（６）及び（７）式から、次式
【００３５】
【数８】
を求める。そして予測係数算出回路６２は、上述の（４）及び（８）式から、次式
【００３７】
【数９】
によって表される正規方程式を生成する。このようにして予測係数算出回路６２は、予測タップ数ｎと同一次数の連立方程式でなる正規方程式を生成し、掃き出し法（Gauss Jordanの消去法）を用いてこの正規方程式を解くことにより、各予測係数ｗi を算出する。
【００３９】
以下、学習回路６０による予測係数生成手順について図５に示すフローチャートを用いて説明する。ステップＳＰ６１から入ったステップＳＰ６２において、学習回路６０は、教師信号としてのＨＤ画像データＳ６０から生徒信号としてのＳＤ画像データＳ６１を生成することにより、予測係数を生成するのに必要な学習データを生成する。ステップＳＰ６３において、学習回路６０は、予測係数を生成するのに必要十分な学習データが得られたか否か判定し、その結果、未だ必要十分な学習データが得られていないと判断された場合にはステップＳＰ６３において否定結果を得ることによりステップＳＰ６４に移行する。
【００４０】
ステップＳＰ６４において、学習回路６０は、ＳＤ画像データＳ６１からクラスタップを選定し、その信号レベル分布に基づいてクラス分類を行う。ステップＳＰ６５において、学習回路６０は、各クラス毎に上述の（９）式でなる正規方程式を生成し、ステップＳＰ６２に戻って同様の処理手順を繰り返すことにより、予測係数を生成するのに必要十分な正規方程式を生成する。
【００４１】
これに対してステップＳＰ６３において肯定結果が得られると、このことは必要十分な学習データが得られたことを表しており、このとき学習回路６０はステップＳＰ６６に移って、上述の（９）式でなる正規方程式を掃き出し法によって解くことにより、予測係数ｗ1 、ｗ2 、……、ｗn を各クラス毎に生成する。そしてステップＳＰ６７において、学習回路６０は、生成した各クラス毎の予測係数ｗ1 、ｗ2 、……、ｗn を予測係数ＲＯＭ５４に格納し、ステップＳＰ６８に移って処理を終了する。
【００４２】
（２）第１の実施の形態
図６において、１００は全体として第１の実施の形態によるアップコンバータの構成を示す。アップコンバータ１００は、外部から供給される画像データＳ１００を領域切り出し部１０１及び１０２に入力する。領域切り出し部１０１は、図７に示すように、画像データＳ１００のうち水平方向に７画素のタップａ〜ｇを選定し、それらの信号レベルをクラスタップデータＳ１０１としてクラスコード生成部１０３に出力する。その際、領域切り出し部１０１は、５画素のタップｂ〜ｆをクラスタップとして選定している。
【００４３】
図８に示すように、クラスコード生成部１０３は、タップａ〜ｇのうちタップａの信号レベルを示すクラスタップデータＳ１０１Ａを差分回路１１０Ａに入力し、タップｂの信号レベルを示すクラスタップデータＳ１０１Ｂを差分回路１０１Ｂに入力し、タップｃの信号レベルを示すクラスタップデータＳ１０１Ｃを差分回路１１０Ａ及び１１０Ｃに入力し、タップｄの信号レベルを示すクラスタップデータＳ１０１Ｄを差分回路１１０Ｂ及び１１０Ｄに入力し、タップｅの信号レベルを示すクラスタップデータＳ１０１Ｅを差分回路１１０Ｃ及び１１０Ｅに入力し、タップｆの信号レベルを示すクラスタップデータＳ１０１Ｆを差分回路１１０Ｄに入力し、タップｇの信号レベルを示すクラスタップデータＳ１０１Ｇを差分回路１１０Ｅに入力する。
【００４４】
差分回路１１０Ａは、タップａの信号レベルを示すクラスタップデータＳ１０１Ａとタップｃの信号レベルを示すクラスタップデータＳ１０１Ｃとの差分をとることにより、クラスタップでなるタップｂにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＡをＡＤＲＣ回路１１１Ａに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ａをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ａは、差分データＳ１１０Ａに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ａを求め、これをクラスコード決定回路１１２に出力する。
【００４５】
差分回路１１０Ｂは、タップｂの信号レベルを示すクラスタップデータＳ１０１Ｂとタップｄの信号レベルを示すクラスタップデータＳ１０１Ｄとの差分をとることにより、クラスタップでなるタップｃにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＢをＡＤＲＣ回路１１１Ｂに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ｂをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ｂは、差分データＳ１１０Ｂに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ｂを求め、これをクラスコード生成回路１１２に出力する。
【００４６】
差分回路１１０Ｃは、タップｃの信号レベルを示すクラスタップデータＳ１０１Ｃとタップｅの信号レベルを示すクラスタップデータＳ１０１Ｅとの差分をとることにより、クラスタップでなるタップｄにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＣをＡＤＲＣ回路１１１Ｃに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ｃをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ｃは、差分データＳ１１０Ｃに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ｃを求め、これをクラスコード生成回路１１２に出力する。
【００４７】
差分回路１１０Ｄは、タップｄの信号レベルを示すクラスタップデータＳ１０１Ｄとタップｆの信号レベルを示すクラスタップデータＳ１０１Ｆとの差分をとることにより、クラスタップでなるタップｅにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＤをＡＤＲＣ回路１１１Ｄに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ｄをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ｄは、差分データＳ１１０Ｄに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ｄを求め、これをクラスコード生成回路１１２に出力する。
【００４８】
差分回路１１０Ｅは、タップｅの信号レベルを示すクラスタップデータＳ１０１Ｅとタップｇの信号レベルを示すクラスタップデータＳ１０１Ｇとの差分をとることにより、クラスタップでなるタップｆにおける水平方向の傾きすなわち微分値を求め、その差分値の絶対値でなる差分データＳ１１０ＥをＡＤＲＣ回路１１１Ｅに出力すると共に、差分値の符号を１ビットで表した差分値符号データＳ１１１Ｅをクラスコード生成回路１１２に出力する。ＡＤＲＣ回路１１１Ｅは、差分データＳ１１０Ｅに対して１ビットＡＤＲＣを施すことにより１ビットの差分データＳ１１２Ｅを求め、これをクラスコード生成回路１１２に出力する。
【００４９】
クラスコード生成回路１１２は、１ビットの差分データＳ１１２Ａ〜Ｓ１１２Ｅと１ビットの差分値符号データＳ１１１Ａ〜Ｓ１１１Ｅとを組み合わせることにより、１０ビットのクラスコードＳ１１３を生成し、これをＲＯＭ１２０に送出する。
【００５０】
このようにクラスコード生成部１０３は、各画素の微分値Ｄ（ｉ、ｊ）を、次式
【００５１】
【数１０】
によって求め、その微分値の絶対値と符号とにそれぞれ１ビットずつ割り当てて１画素を合計２ビットで表すことにより、クラス分類を行うようになされている。ここでｉは垂直方向の画素位置、ｊは水平方向の画素位置、ｆ（ｉ、ｊ）は画素値を示す。
【００５３】
例えば図１４と同一の信号レベル分布でなる画素群を示す図９において、クラスコード生成部１０３は、図９（Ａ）及び（Ｂ）に示す画素群に対してそれぞれ微分値の絶対値を求めた上で１ビットＡＤＲＣを施すことにより、図９（Ａ）に示す波形をビット列「１１１１１１１」で表すのに対して、図９（Ｂ）に示す波形をビット列「０１０００１０」で表す。このようにクラスコード生成部１０３は、これらのビット列を用いてクラス分類することから、図９（Ａ）及び（Ｂ）に示す画素群の波形を異なるクラスに分類し、これらの波形の違いを区別し得るようになされている。
【００５４】
図６に戻って、ＲＯＭ１２０は、クラスコード生成部１０３から供給されるクラスコードＳ１１３に応じた予測係数データＳ１２０を読み出し、これを予測演算部１２１に出力する。領域切り出し部１０２は、画像データＳ１００から例えば水平方向に３０画素を予測タップとして選定し、それらの信号レベルを予測タップデータ１２１として予測演算部１２１に出力する。予測演算部１２１は、予測係数データＳ１２０と予測タップデータＳ１２１との積和演算を行うことにより精細度を向上させた補正画像データＳ１２２を生成し、これを外部に出力する。
【００５５】
図１０は、ＲＯＭ１２０（図６）に格納されている予測係数データを生成する学習回路１３０の構成を示す。学習回路１３０は、教師画像として高精細度の画像データＳ１３０をローパスフィルタ（ＬＰＦ）１３１及び正規方程式演算部１３２に入力する。ＬＰＦ１３１は、画像データＳ１３０を間引くことにより生徒画像として低精細度の画像データＳ１３１を生成し、これを領域切り出し部１３３及び１３４に出力する。
【００５６】
領域切り出し部１３３は、アップコンバータ１００の領域切り出し部１０１（図６）と同様に構成されており、画像データＳ１３１の中からクラスタップを選定し、それらの信号レベルを示すクラスタップデータＳ１３２をクラスコード生成部１３５に出力する。クラスコード生成部１３５は、アップコンバータ１００のクラスコード生成部１０３（図６）と同様に構成されており、クラスタップデータ１３２の各画素それぞれに対して微分値を求め、当該微分値の絶対値及び符号を基にクラスコードＳ１３３を生成し、これを正規方程式演算部１３２に出力する。
【００５７】
領域切り出し部１３４は、アップコンバータ１００の領域切り出し部１０２（図６）と同様に構成されており、画像データＳ１３１のうち予測タップを選定し、それらの信号レベルを示す予測タップデータＳ１３４を正規方程式演算部１３２に送出する。正規方程式演算部１３２は、画像データＳ１３０と予測タップデータＳ１３４とから、クラスコードＳ１３３毎に正規方程式を生成し、この正規方程式データＳ１３５を予測係数決定部１３６に出力する。
【００５８】
予測係数決定部１３６は、正規方程式データＳ１３５が必要な数だけ供給されると、最小自乗法を用いて当該正規方程式を解くことにより予測係数を演算し、その予測係数データＳ１３６をメモリ１３７に送出して当該メモリ１３７に格納する。その後、このメモリ１３７に格納されている予測係数データＳ１３６は、図６に示すＲＯＭ１２０に書き込まれるようになされている。
【００５９】
以上の構成において、クラスコード生成部１０３は、クラスタップを構成する各画素の微分値すなわち変化量を隣接画素値から求め、当該変化量の絶対値と符号とを基にクラス分類することにより、クラスタップの各画素値自体を基にクラス分類する場合に比して一段と有効にクラスタップの波形特徴量を抽出してクラス分類することが可能となると共に、特定のクラスに分類される頻度が高くなることを回避する。
【００６０】
以上の構成によれば、クラスタップを構成する各画素の変化量を隣接画素値から求め、当該算出した変化量の絶対値と符号とを基にクラス分類することにより、クラス数が増大することを回避しながら、画素値自体を基にクラス分類する場合に比して有効にクラスタップの波形特徴量を抽出することができ、簡易な構成で従来に比して一段と画質の改善を行い得る。
【００６１】
（３）第２の実施の形態
図１１において、１５０は全体として第２の実施の形態によるアップコンバータの構成を示し、外部から供給される画像データＳ１５０を微分回路１５１及び領域切り出し部１５２に入力する。微分回路１５１は、画像データＳ１５０を構成する各画素の微分値をそれぞれ求め、その結果得られる微分値データＳ１５１を領域切り出し部１５３に送出する。
【００６２】
領域切り出し部１５３は、微分値データＳ１５１から水平方向に５画素をクラスタップとして選定し、それらの絶対値を示す絶対値データＳ１５２をＡＤＲＣ回路１５４に出力すると共に、それらの符号を１ビットで表した符号データＳ１５３をクラスコード生成部１５５に出力する。ＡＤＲＣ回路１５４は、絶対値データＳ１５２が示す５画素分の微分値の絶対値それぞれに対して１ビットＡＤＲＣを施すことにより、５画素分の微分値の絶対値をそれぞれ１ビットで表した絶対値データＳ１５４を生成し、これをクラスコード生成部１５５に出力する。
【００６３】
クラスコード生成部１５５は、これら絶対値データＳ１５４及び符号データＳ１５３を組み合わせることにより、１０ビットのクラスコードＳ１５５を生成し、これをＲＯＭ１５６に出力する。ＲＯＭ１５６は、クラスコードＳ１５５に応じた予測係数データＳ１５６を読み出し、これを予測演算部１５７に出力する。
【００６４】
領域切り出し部１５２は、画像データＳ１５０から予測タップを選定し、それらの信号レベルを示す予測タップデータＳ１５７を予測演算部１５７に出力する。予測演算部１５７は、予測タップデーＳ１５７と予測係数データＳ１５６との積和演算を行うことにより、精細度を向上させた補正画像データＳ１５８を演算し、これを外部に出力する。
【００６５】
図１２は、アップコンバータ１５０のＲＯＭ１５６（図１１）に格納されている予測係数データを生成する学習回路１７０の回路構成を示す。学習回路１７０は、教師画像としての画像データＳ１７０をローパスフィルタ（ＬＰＦ）１７１及び正規方程式演算部１７２に出力する。ＬＰＦ１７１は、画像データＳ１７０を間引くことにより生徒画像として精細度の劣化した画像データＳ１７１を生成し、これを微分回路１７３及び領域切り出し部１７４に出力する。
【００６６】
微分回路は、画像データＳ１７１の全画素に対してそれぞれ微分値を求め、その微分値データＳ１７２を領域切り出し部１７５に出力する。領域切り出し部１７５は、微分値データＳ１７２から水平方向に５画素をクラスタップとして選定し、それらの絶対値を示す絶対値データＳ１７３をＡＤＲＣ回路１７６に出力すると共に、それらの符号を１ビットで表した符号データＳ１７４をクラスコード生成部１７７に出力する。
【００６７】
ＡＤＲＣ回路１７６は、絶対値データＳ１７３が示す５画素分の微分値の絶対値それぞれに対して１ビットＡＤＲＣを施すことにより、５画素分の微分値の絶対値をそれぞれ１ビットで表した絶対値データＳ１７５を生成し、これをクラスコード生成部１７７に出力する。クラスコード生成部１７７は、これら絶対値データＳ１７５及び符号データＳ１７４を組み合わせることにより１０ビットのクラスコードＳ１７６を生成し、これを正規方程式演算部１７２に出力する。
【００６８】
領域切り出し部１７４は、画像データＳ１７１から予測タップを切り出し、それらの信号レベルを示す予測タップデータＳ１７７を正規方程式演算部１７２に出力する。正規方程式演算部１７２は、教師画像としての高精細度の画像データＳ１７０と予測タップデータＳ１７７とから、クラスコードＳ１７６毎に正規方程式を生成し、この正規方程式データＳ１７８を予測係数決定部１７８に出力する。
【００６９】
予測係数決定部１７８は、正規方程式データＳ１７８が必要な数だけ供給されると、最小自乗法を用いて当該正規方程式を解くことにより予測係数を演算し、その予測係数データＳ１７９をメモリ１７９に送出して当該メモリ１７９に格納する。その後、このメモリ１７９に格納されている予測係数データＳ１７９は、図１１に示すＲＯＭ１５６に書き込まれるようになされている。
【００７０】
以上の構成において、画像データＳ１５０を構成する全画素の微分値すなわち変化量を隣接画素値から求めた後、この全画素における変化量を示す微分値データＳ１５１からクラスタップを切り出し、当該クラスタップを構成する各画素の変化量の絶対値と符号とを基にクラス分類することにより、クラスタップの各画素値自体を基にクラス分類する場合に比して一段と有効にクラスタップの波形特徴量を抽出してクラス分類することが可能となると共に、特定のクラスに分類される頻度が高くなることを回避する。
【００７１】
以上の構成によれば、画像データＳ１５０を構成する全画素の変化量を隣接画素値から求めた後にクラスタップを切り出し、当該切り出したクラスタップの各画素における変化量の絶対値と符号とを基にクラス分類することにより、クラス数が増大することを回避しながら、画素値自体を基にクラス分類する場合に比して有効にクラスタップの波形特徴量を抽出することができ、簡易な構成で従来に比して一段と画質の改善を行い得る。
【００７２】
（４）他の実施の形態
なお上述の第１の実施の形態においては、画像データＳ１００から水平方向にタップａ〜ｇを選定した場合について述べたが、本発明はこれに限らず、例えば３タップおきにタップを選定する図１３に示すように、タップを所定数おきに間引いて選定しても良く、この場合、波形の冗長性を排除してさらにクラスタップの特徴を抽出し得、一段と正確なクラス分類を行い得る。
【００７３】
また上述の第２の実施の形態においては、画像データＳ１５０から水平方向に５画素をクラスタップとして選定した場合について述べたが、本発明はこれに限らず、タップを所定数おきに間引いて選定しても良く、この場合、波形の冗長性を排除してさらにクラスタップの特徴を抽出し得、一段と正確なクラス分類を行い得る。
【００７４】
また上述の実施の形態においては、所定画素の変化量を隣接画素値から求め、当該算出した変化量の絶対値と符号とを基にクラス分類した場合について述べたが、本発明はこれに限らず、所定画素における１次微分値及び２次微分値を求め、そのうち１次微分値によってステップ状の縁点を抽出すると共に、２次微分値によって屋根状の縁点を抽出して波形の特徴量を抽出しても良い。
【００７５】
また上述の実施の形態においては、クラスタップを水平方向に抽出した場合について述べたが、本発明はこれに限らず、垂直方向にクラスタップを抽出しても良い。
【００７６】
また上述の実施の形態においては、クラス決定手段として、領域切り出し部１０１及びクラスコード生成部１０３、又は微分回路１５１、領域切り出し部１５３、ＡＤＲＣ回路１５４及びクラスコード生成部１５５を適用した場合について述べたが、本発明はこれに限らず、要は、第１の画像データから抽出された注目画素を含む複数の画素におけるそれぞれの変化量の絶対値と符号とから注目画素に対するクラスを決定するクラス決定手段であれば良い。
【００７７】
また上述の実施の形態においては、予測データ発生手段としてＲＯＭ１２０又は１５６を適用した場合について述べたが、本発明はこれに限らず、要は、クラスに応じて予測データを発生する予測データ発生手段であれば良い。
【００７８】
さらに上述の実施の形態においては、画素データ発生手段として予測演算部１２１又は１５７を適用した場合について述べたが、本発明はこれに限らず、要は、予測データから第２の画像データの注目画素を発生する画素データ発生手段であれば良い。
【００７９】
【発明の効果】
上述のように本発明によれば、クラスコード生成手段は、各クラスタップの輝度レベルの差分値を求め、求めた差分値の増減に対する符号と差分値の絶対値を基にしてクラス分類を行なうことにより、単に画素単体を基にしてクラス分類を行なう場合に比べて画素の輝度の細部が損なわれずにクラスタップの波形特徴量を的確に抽出することができるので、特定のクラスに画素が偏ることを回避でき、かくして標準画像データを高精細度画像データに変換し得る画像データ変換装置を実現できる。
【図面の簡単な説明】
【図１】アップコンバータの構成を示すブロック図である。
【図２】クラスタップ配置例を示す略線図である。
【図３】予測タップ配置例を示す略線図である。
【図４】学習回路の構成を示すブロック図である。
【図５】予測係数生成手順を示すフローチャートである。
【図６】本発明によるアップコンバータの第１の実施の形態を示すブロック図である。
【図７】クラスタップ配置例を示す略線図である。
【図８】クラスコード生成部の構成を示すブロック図である。
【図９】画像データの信号レベル分布を示す略線図である。
【図１０】本発明による学習回路の第１の実施の形態を示すブロック図である。
【図１１】本発明によるアップコンバータの第２の実施の形態を示すブロック図である。
【図１２】本発明による学習回路の第２の実施の形態を示すブロック図である。
【図１３】他の実施の形態によるクラスタップ配置例を示す略線図である。
【図１４】画像データの信号レベル分布を示す略線図である。
【符号の説明】
１００、１５０……アップコンバータ、１０１、１０２、１３３、１３４、１５２、１５３、１７４、１７５……領域切り出し部、１０３、１３５、１５５、１７７……クラスコード生成部、１１０……差分回路、１１１、１５４、１７６……ＡＤＲＣ回路、１１２……クラスコード生成回路、１２０、１５６……ＲＯＭ、１２１、１５７……予測演算部、、１３０、１７０……学習回路、１５１、１７３……微分回路。
Claims (2)
- 標準画像データから隣接した複数の画素をクラスタップの領域として選定し、選定された複数の当該クラスタップの信号レベルをそれぞれクラスタップデータとして出力する領域切出手段と、
複数の上記クラスタップデータのうち１つ置きに抽出した２つの上記クラスタップデータを１組としてそれぞれ対応する複数の差分回路に入力し、入力されたそれぞれの上記クラスタップデータの差分を取ることにより差分の絶対値でなる差分データと当該差分の傾きを表す符号を１ビットで表した１ビット差分符号データとを求めて出力する差分データ出力手段と、
上記差分データに対して１ビットの圧縮処理を施すことによって１ビット差分データを生成する１ビット差分データ生成手段と、
上記１ビット差分符号データと上記１ビット差分データとに割り当てられた２ビットに対し上記差分回路の数を乗算した結果により得られるビット数のクラスコードを生成するクラスコード生成手段と、
予測係数データを生成するために、予め学習用に設定された参照用高精細度画像データから所定の画像データを間引くことにより生成した当該学習用低精細度画像データの中から選定した複数の学習用クラスタップデータの上記画素それぞれに対する微分値の絶対値と微分値の符号とに基づいて学習用クラスコードを生成し、上記学習用低精細度画像データから選定した所定数の学習用予測タップデータと上記参照用高精細度画像データとに対して上記学習用クラスコードごとに正規方程式を用いて演算することにより得られた正規方程式データを出力し、当該正規方程式データに対し最小自乗法を用いて演算することによって得られた学習用予測係数データを記憶する学習用予測係数データ記憶手段と、
上記クラスコードに対応する上記予測係数データを上記学習用予測係数データ記憶手段に記憶された上記学習用予測係数データを用いて読み出す予測係数データ読出手段と、
上記標準画像データから隣接した複数の上記画素を予測タップとして選定し、それらを予測タップデータとして切り出す予測タップデータ切出手段と、
上記予測タップデータの画素値と上記クラスコードに応じた上記予測係数データとを用いて、当該予測タップデータの画素値と当該予測係数データとの積を予測タップの数だけ加算する積和演算処理を施すことにより標準画素数でなる上記標準画像データよりも高精細度画素数でなる高精細度画像データを生成する高精細度画像データ生成手段と
を具える画像データ変換装置。 - 標準画像データから隣接した複数の画素をクラスタップの領域として選定し、選定された複数の当該クラスタップの信号レベルをそれぞれクラスタップデータとして出力する領域切出ステップと、
複数の上記クラスタップデータのうち１つ置きに抽出した２つの上記クラスタップデータを１組としてそれぞれ対応する複数の差分回路に入力し、入力されたそれぞれの上記クラスタップデータの差分を取ることにより差分の絶対値でなる差分データと当該差分の傾きを表す符号を１ビットで表した１ビット差分符号データとを求めて出力する差分データ出力ステップと、
上記差分データに対して１ビットの圧縮処理を施すことによって１ビット差分データを生成する１ビット差分データ生成ステップと、
上記１ビット差分符号データと上記１ビット差分データとに割り当てられた２ビットに対し上記差分回路の数を乗算した結果により得られるビット数のクラスコードを生成するクラスコード生成ステップと、
予測係数データを生成するために、予め学習用に設定された参照用高精細度画像データから所定の画像データを間引くことにより生成した当該学習用低精細度画像データの中から選定した複数の学習用クラスタップデータの上記画素それぞれに対する微分値の絶対値と微分値の符号とに基づいて学習用クラスコードを生成し、上記学習用低精細度画像デー タから選定した所定数の学習用予測タップデータと上記参照用高精細度画像データとに対して上記学習用クラスコードごとに正規方程式を用いて演算することにより得られた正規方程式データを出力し、当該正規方程式データに対し最小自乗法を用いて演算することによって得られた学習用予測係数データを学習用予測係数データ記憶手段に記憶する学習用予測係数データ記憶ステップと、
上記クラスコードに対応する上記予測係数データを上記学習用予測係数データ記憶手段に記憶された上記学習用予測係数データを用いて読み出す予測係数データ読出ステップと、
上記標準画像データから隣接した複数の上記画素を予測タップとして選定し、それらを予測タップデータとして切り出す予測タップデータ切出ステップと、
上記予測タップデータの画素値と上記クラスコードに応じた上記予測係数データとを用いて、当該予測タップデータの画素値と当該予測係数データとの積を予測タップの数だけ加算する積和演算処理を施すことにより標準画素数でなる上記標準画像データよりも高精細度画素数でなる高精細度画像データを生成する高精細度画像データ生成ステップと
を具える画像データ変換方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26064498A JP4235852B2 (ja) | 1998-09-14 | 1998-09-14 | 画像データ変換装置及び画像データ変換方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26064498A JP4235852B2 (ja) | 1998-09-14 | 1998-09-14 | 画像データ変換装置及び画像データ変換方法 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2000090261A JP2000090261A (ja) | 2000-03-31 |
| JP2000090261A5 JP2000090261A5 (ja) | 2005-11-04 |
| JP4235852B2 true JP4235852B2 (ja) | 2009-03-11 |
Family
ID=17350787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP26064498A Expired - Fee Related JP4235852B2 (ja) | 1998-09-14 | 1998-09-14 | 画像データ変換装置及び画像データ変換方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4235852B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5476879B2 (ja) * | 2008-09-29 | 2014-04-23 | ソニー株式会社 | 画像処理装置および係数学習装置。 |
-
1998
- 1998-09-14 JP JP26064498A patent/JP4235852B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000090261A (ja) | 2000-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104079801A (zh) | 图像处理设备、图像处理方法及程序 | |
| JPH07123248A (ja) | 画像処理方法及び装置 | |
| JP4235852B2 (ja) | 画像データ変換装置及び画像データ変換方法 | |
| JP2000125268A (ja) | 画像データ変換装置及び画像データ変換方法 | |
| JP4352298B2 (ja) | 演算装置及び変換装置並びにそれらの方法 | |
| JP4235853B2 (ja) | 画像データ変換装置及び画像データ変換方法 | |
| JP4300436B2 (ja) | 画像データ変換装置及び画像データ変換方法 | |
| JP4337186B2 (ja) | 画像情報変換装置および画像情報変換方法、学習装置および学習方法 | |
| JP6632253B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
| Yeung et al. | Restoration of half-toned color-quantized images using particle swarm optimization with wavelet mutation | |
| JP2802629B2 (ja) | 画像データの圧縮装置、及び画像処理装置 | |
| KR20180035745A (ko) | 파일 형식에 기반한 이미지 처리 장치 및 방법 | |
| JP4168298B2 (ja) | データ変換装置及びデータ変換方法 | |
| JP2003116014A (ja) | 画像処理装置及び方法及びコンピュータプログラム及びコンピュータ可読記憶媒体 | |
| US7986442B2 (en) | Apparatus and method to generate a halftoning screen and image forming apparatus for same | |
| KR101826040B1 (ko) | 파일 형식에 기반한 이미지 처리 장치 및 방법 | |
| JP4126632B2 (ja) | 画像データ変換装置及び画像データ変換方法 | |
| JPH1198343A (ja) | 画像処理装置及び画像処理方法 | |
| KR100629514B1 (ko) | 다치화 처리장치 및 방법 | |
| JP2956461B2 (ja) | 中間調画像処理装置 | |
| JP2012105065A (ja) | 画像処理システム及びプログラム | |
| WO2002058380A1 (fr) | Procede et programme de traitement d'image | |
| JPH02271423A (ja) | 疑似中間調画像記録装置 | |
| JPH11136513A (ja) | 画像処理装置 | |
| JP2003242499A (ja) | 画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050811 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050811 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080529 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080725 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080828 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081027 |
|
| 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: 20081120 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20081203 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111226 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121226 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131226 Year of fee payment: 5 |
|
| 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 |