JP5675253B2 - 画像処理装置、画像処理方法及びコンピュータプログラム - Google Patents

Description

本発明は画像処理装置、画像処理方法、及びコンピュータプログラムに関し、特に、ハーフトーン処理により発生するモアレを検出するために用いて好適な技術に関する。

近年、パーソナルコンピュータ（ＰＣ）で処理した画像データを印刷することが広く行われている。しかしながら、画素あたりの階調数を比較すると、ＰＣ上で画像データを表現する階調数に対して、印刷装置、あるいは表示装置により表現可能な階調数が少ない場合がある。このため、これらの印刷装置や表示装置へ画像データを出力する時には、多階調の画像データをより少ない階調数に変換するハーフトーン処理がなされることが多い。

しかしながら、ハーフトーン処理によってモアレが発生して画質が劣化する場合がある。ハーフトーン処理の１つとして、周期的に繰り返す閾値との比較によって出力値を決定する組織的ディザ法が知られている。組織的ディザ法では、閾値の周期に近い空間周波数成分を含む入力画像に対して、閾値の空間周波数との差に相当するモアレを生じることが知られている。また、ハーフトーン処理の別の例として、誤差拡散法が知られている。誤差拡散法では、ある平坦な特定濃度からなる入力画像に対して、出力画像に特有の模様からなる繰り返し構造のモアレを生じることが知られている。

このようなモアレの発生を検出する技術の１つとして、例えば、特許文献１において、入力された画像データとハーフトーン処理を行った後の画像データとの差分を用いたモアレの発生を検出する方法が提案されている。この方法は、入力された画像データとハーフトーン処理を行った後の画像データとの差分データを求め、さらに差分データに対し帯域通過フィルタ処理によってモアレ成分を抽出する方法である。

また、例えば、特許文献２に記載の方法のように、ハーフトーン処理を適用した画像データに対して、視覚特性に基づくフィルタ処理によりモアレの発生を検出する方法がある。この方法は、ハーフトーン処理を適用した画像データと、入力された画像データを半位相分シフトさせた後にハーフトーン処理を適用した画像データとのそれぞれに対して、視覚特性に基づくフィルタ処理を行い、それらの差分を評価する方法である。

特開平９−２３８２５９号公報 特開２００１−８６３５５号公報

上記従来の方法においては、入力画像データに、モアレ成分の周波成分と近い周波数成分が含まれている場合に、ハーフトーン処理によって発生したモアレ成分なのか、入力画像データに含まれている成分なのかを識別することが難しかった。既にハーフトーン処理がされて印刷された画像等をコピーする場合や、ハーフトーン処理がされて印刷された画像等をスキャナにて読み取り、さらに加工してから印刷する場合がある。この場合、コピー機やスキャナにより入力される画像データは解像度が劣化しているため、前述した従来の方法ではモアレを高精度に検出することができなかった。したがって、従来はパターン検出等により網点検出を行い、網点が検出された部分を平滑化処理した後にハーフトーン処理を行っていた。

また、視覚特性に基づくフィルタ処理を用いた方法の場合は、出力装置の解像度に合わせてフィルタ処理を変更する必要があった。

本発明は前述の問題点に鑑み、簡単にかつ高精度にモアレを評価できるようにすることを目的としている。

本発明の画像処理装置は、複数の閾値が配列された閾値マトリクスを用いて、入力された画像データを構成する各画素と対応する前記閾値マトリクスにおける閾値とを比較することにより、前記画像データから第１のハーフトーン画像データを生成する第１のハーフトーン処理手段と、前記第１のハーフトーン画像データを、第１のフィルタを用いて平滑化する第１のフィルタ処理手段と、前記第１のフィルタに応じた特性を有する第２のフィルタを用いて、前記入力された画像データを平滑化する第２のフィルタ処理手段と、前記第１のフィルタ処理手段によって平滑化された第１のハーフトーン画像データと前記第２のフィルタ処理手段によって平滑化された画像データとの差分に基づき、前記第１のハーフトーン画像データに生じるモアレを評価する評価手段とを備え、前記第１のフィルタは、前記第１のフィルタが対象とする前記画像データにおける複数の画素からなる領域について、前記複数の画素それぞれに対応する閾値に基づいて係数が設定されていることを特徴とする。

本発明によれば、簡単にかつ高精度にモアレを評価することができる。

本発明の実施形態に係る画像処理装置の構成例を示すブロック図である。 組織的ディザ法において用いる閾値表の一例を示す図である。 入力画像データの一例を示す図である。 組織的ディザ法によるハーフトーン画像データの一例を示す図である。 注目画素を含む４行４列の領域の一例を示す図である。 ハーフトーン画像データに対して端部に画素を追加した例を示す図である。 第１フィルタ処理画像データの一例を示す図である。 第２フィルタ処理画像データの一例を示す図である。 差分画像データの一例を示す図である。 モアレ判定データの一例を示す図である。 モアレが生じない入力画像データの一例を示す図である。 モアレが生じていない場合の差分画像データの一例を示す図である。 モアレを検出する処理手順の一例を示すフローチャートである。 第２フィルタ処理画像データの他の一例を示す図である。 誤差拡散法における誤差値の分配する割合の一例を示す図である。 誤差拡散法によるハーフトーン画像データの一例を示す図である。 第１フィルタ処理画像データの他の一例を示す図である。 差分画像データの他の一例を示す図である。 モアレ判定データの他の一例を示す図である。 組織的ディザ法において用いる閾値の組合せの他の一例を示す図である。 図２０の組合せを用いた閾値のデータを示す図である。 ８行８列の周期で繰り返す閾値の組合せの一例を示す図である。 注目画素に対して画素値の総和を計算する領域の他の一例を示す図である。 フィルタ処理対象領域例（ａ）、（ｃ）、および、対応するフィルタ係数（ｂ）、（ｄ）の一例を示す図である。 スーパーセル閾値の一例を示す図である。

（第１の実施形態）
図１は、本実施形態に係る画像処理装置１０の構成例を示すブロック図である。
図１において、画像処理装置１０は、ハーフトーン処理部１１、モアレ検出処理部１２、及びモアレ低減処理部１３によって構成されている。ハーフトーン処理部１１では、第１のハーフトーン処理手段として、第１の階調数変換処理部１４により入力画像データに対して組織的ディザ法によるハーフトーン処理を行い、ハーフトーン画像データを生成する。

一方、モアレ検出処理部１２は、第１のフィルタ処理部１５、第２のフィルタ処理部１６、及び差分評価部１７によって構成されている。第１のフィルタ処理部１５は、ハーフトーン処理部１１において生成されたハーフトーン画像データの注目画素、及び注目画素近傍の所定の画素群について、画素値の総和を算出する。一方、第２のフィルタ処理部１６は、入力画像データの注目画素、及び第１のフィルタ処理部１５において総和を算出した所定の画素群と同一の注目画素近傍の画素群について、画素値の総和を算出する。このように第１のフィルタ処理部１５及び第２のフィルタ処理部１６はそれぞれ、有限インパルス応答フィルタとして構成されている。

また、差分評価部１７は、第１のフィルタ処理部１５による処理結果と、第２のフィルタ処理部１６による処理結果との差分を評価してモアレの発生を検出するためのものである。このとき、ハーフトーン処理部１１によるハーフトーン処理によって階調数が削減される影響を打ち消す必要がある。そこで、差分評価部１７は、第１のフィルタ処理部１５及び第２のフィルタ処理部１６のそれぞれの処理結果を正規化し、正規化した後に差分を算出する。そして、差分評価部１７は、算出した差分の絶対値が所定の閾値を超えた場合にモアレ検出信号を出力する。

モアレ低減処理部１３は、第２の階調数変換処理部１８、及び出力選択部１９によって構成されている。第２の階調数変換処理部１８は、第２のハーフトーン処理手段として、ハーフトーン処理部１１の第１の階調数変換処理部１４によるハーフトーン処理によってモアレが発生した場合に備えて、異なる特性のハーフトーン処理を行うためのものである。本実施形態では誤差拡散法を用いるが、これに限らず、例えば、第１の階調数変換処理部１４において用いる組織的ディザ法とは閾値の周期が異なる組織的ディザ法を用いてもよい。

出力選択部１９は、差分評価部１７によるモアレ検出結果に基づいて、第１の階調数変換処理部１４によるハーフトーン処理結果、あるいは、第２の階調数変換処理部１８によるハーフトーン処理結果のいずれか一方を選択的に出力するためのものである。すなわち、差分評価部１７においてモアレを検出しなかった場合には、第１の階調数変換処理部１４によるハーフトーン処理結果（第１のハーフトーン画像データ）を選択する。一方、モアレを検出した場合には、第２の階調数変換処理部１８によるハーフトーン処理結果（第２のハーフトーン画像データ）を選択する。

このように、本実施形態の画像処理装置１０では、ハーフトーン処理部１１による処理結果について、モアレ検出処理部１２がモアレを検出した場合に、モアレ低減処理部１３が別のハーフトーン処理結果に置換する。これにより、ハーフトーン処理部１１のみによるハーフトーン処理と比較してモアレがより少ないハーフトーン処理が可能になる。

以下、各部の詳細について説明する。
ハーフトーン処理部１１を構成する第１の階調数変換処理部１４は、各画素が０から２５５の画素値からなるグレースケールの２５６階調の入力画像データを、０から２の３階調のハーフトーン画像データに変換する。入力画像データについては、黒を画素値０、白を画素値２５５によって表現する。また、ハーフトーン画像データについては黒を画素値０、白を画素値２によって表現する。

本実施形態では、２５６階調のグレースケールの画像データを３階調のハーフトーン画像データに変換する例について説明するが、これとは異なる階調数の画像データであってもよい。また、各色の成分別に同様の処理を行うことによりカラー画像データに適用することも可能である。

第１の階調数変換処理部１４は、入力画像データにおける画素の位置に対応する行番号と列番号とをそれぞれ４で割った剰余に応じて、図２に示す閾値表に対応する行と列とを選択して２個１組の閾値を得る。すなわち、第４行では第０行と同じ閾値を使用し、第５行では第１行と同じ閾値を使用することになる。列についても同様であり、第４列は第０列と同じ閾値を使用し、第５列は第１列と同じ閾値を使用する。このように、図２に示す閾値が４行おき、４列おきに繰り返されることとなる。

第１の階調数変換処理部１４は、入力画素値と２個の閾値とをそれぞれ比較して、入力画素値がいずれの閾値よりも小さい場合には、ハーフトーン画素値を「０」として出力する。また、入力画素値が一方の閾値以上で、かつ、他方の閾値未満である場合には、ハーフトーン画素値を「１」として出力し、入力画素値がいずれの閾値以上である場合には、ハーフトーン画素値を「２」として出力する。

図３は、入力画像データの一例を示す図である。図３に示す入力画像データは３画素周期の繰り返しとなっているため、図２に示す４画素周期の閾値によってディザ処理を行うとモアレが生じる。

例えば、第０行第６列の画素３１は、画素値が「２５５」である。そして、行及び列の番号をそれぞれ４で割った剰余はそれぞれ、「０」、「２」であるため、第１の階調数変換処理部１４は、第０行第２列の閾値である「２０，１４８」と「２５５」とを比較し、ハーフトーン画素値として「２」を得る。

また、第０行第７列の画素３２は、画素値が「１９１」である。よって、第１の階調数変換処理部１４は、第０行第３列の閾値である「１１６，２４４」と「１９１」とを比較し、ハーフトーン画素値として「１」を得る。

以上のように、すべての画素位置についてディザ処理を行うと、第１の階調数変換処理部１４により、図３に示す入力画像データから、図４に示すハーフトーン画像データが得られる。本実施形態では４行４列の周期からなる閾値を用いて３値化する例について説明したが、第１の階調数変換処理部１４が行うディザ処理は、４行４列以外の周期からなる閾値を用いてもよい。また、ディザ処理の結果である階調数は３でなくてもよい。

次に、モアレ検出処理部１２の処理内容について説明する。
第１のフィルタ処理部１５は、第１の階調数変換処理部１４によってハーフトーン処理がなされたハーフトーン画像データの各画素について、図５に示すような注目画素を含む４行４列の領域におけるハーフトーン画素値の総和を計算する。ここで、処理対象とする領域のサイズは、第１の階調数変換処理部１４において用いた閾値の周期と等しくなるように４行４列とする。このように閾値の周期と等しくなるように領域を設定することにより、行または列方向における周期の整数倍のフィルタ次数が設定される。

一方、例えば、図４における第０行第１列の画素４１を注目画素とした場合、図５のような注目画素を含む４行４列の領域がハーフトーン画像データ外にはみ出る場合がある。このような場合は、図６に示すように、ハーフトーン画像データの端部を中心として折り返し処理を行うことによってハーフトーン画像データ外の画素値を得る。

図６は、図４の左上部分のハーフトーン画像データ（実線部分）に対して折り返し画像データ（破線部分）を追加した例を示す図である。例えば、ハーフトーン画像データ外の画素６１は、ハーフトーン画像データの端部に位置する画素６３に対して対称となる画素６５のハーフトーン画素値を使用する。同様に、ハーフトーン画像データ外の画素６２は、ハーフトーン画像データの端部に位置する画素６３に対して対称となる画素６４のハーフトーン画素値を使用する。

このように、第１のフィルタ処理部１５は、例えば、図４における第０行第１列の画素４１を注目画素とした場合、太線の枠６６に示す領域におけるハーフトーン画素値の総和を計算することになる。以上のようにすべての注目画素についてハーフトーン画素値の総和を計算すると、第１のフィルタ処理部１５によって、図４に示すハーフトーン画像データが平滑化され、図７に示すような第１フィルタ処理画像データが得られる。

第２のフィルタ処理部１６は、入力画像データの各画素について、注目画素を含む４行４列の領域における画素値の総和を計算する。処理対象がハーフトーン画像データでなく入力画像データである点を除いて、第１のフィルタ処理部１５が行う処理と同様である。以上のようにすべての注目画素について画素値の総和を計算すると、第２のフィルタ処理部１６によって、図３に示す入力画像データが平滑化され、図８に示す第２フィルタ処理画像データが得られる。

差分評価部１７は、第１フィルタ処理画像データと第２フィルタ処理画像データとの差分を評価する。ここで、第１フィルタ処理画像データの元となるハーフトーン画像データの階調数は３（最小値０、最大値２）であり、第２フィルタ処理画像データの元となる入力画像データの階調数は２５６（最小値０、最大値２５５）である。そこで、それぞれ最大値が５１０相当となるように正規化する。具体的には、第１フィルタ処理画像データの各要素を２５５倍（５１０÷２＝２５５）し、第２フィルタ処理画像データの各要素を２倍（５１０÷２５５＝２）する。このように正規化した後に、第１フィルタ処理画像データと第２フィルタ処理画像データとの差分を計算すると、図９に示すような差分画像データが得られる。図９に示す差分画像データでは、絶対値が比較的大きな負の値（−２６０前後）と正の値（２５０前後）とが周期的に出現している。このように、ハーフトーン画像データでは、入力画像データと比較して濃度の大きい部分と小さい部分とが周期的に繰り返していることになる。視覚的にはこのような濃度の変動がモアレとなる。

差分評価部１７は、差分画像データの各要素の絶対値が所定の閾値以上の画素についてモアレと判定し、モアレ判定データに「１」を設定する。本実施形態においては、モアレを判定する閾値を２００としており、図９に示す差分画像データから図１０に示すようなモアレ判定データが得られる。

図２に示した４画素周期の閾値を用いたディザ処理によりモアレが生じない入力画像データの例を図１１に示す。図１１に示す入力画像データに対して前述と同じ処理をすると、最終的に図１２に示すような差分画像データが得られる。図１２においては、端部において１７０前後の比較的大きな値が出現している部分があるものの、ほとんど小さな値となっている。また、端部において比較的大きな値となっているのは、図６に示したような折り返し処理の影響によるものである。以上のように、本実施形態のモアレ検出処理部１２によってモアレを検出することができる。

以下、モアレ低減処理部１３について説明する。
第２の階調数変換処理部１８は、前述したように入力画像データに対して誤差拡散法によるハーフトーン処理を行うことによって、誤差拡散画像データを得るためのものである。また、出力選択部１９は、差分評価部１７によって生成されたモアレ判定データに従って出力する画素値を選択するためのものである。具体的には、モアレ判定データにおける注目画素の値が「１」である場合は、第２の階調数変換処理部１８による誤差拡散画像データの画素値を選択する。一方、モアレ判定データにおける注目画素の値が「０」である場合は、第１の階調数変換処理部１４によるハーフトーン画像データの画素値を選択する。

以上のような構成とすることにより、ハーフトーン画像データに対し、ハーフトーン処理で用いた閾値の周期に応じた平滑化を行い、ハーフトーン処理周期により表現される濃度を得る。同様に、ハーフトーン処理前の画像データに対してハーフトーン処理で用いた閾値の周期に応じた平滑化を行い、ハーフトーン処理周期により表現される濃度を得る。そして、これら２つの濃度の差分を取ることにより、ハーフトーン処理による濃度変動量を求め、該濃度変動量をモアレ量とすることにより、網点線数や解像度によらず、簡易な方法で、精度良くモアレの強度を検出することができる。これにより、モアレ検出処理部１２及びモアレ低減処理部１３がなく、ハーフトーン処理部１１のみの構成と比較して、良好なハーフトーン処理結果を得ることが可能となる。

本実施形態においては、図２に示すような周期からなる閾値を用いたが、第１の階調数変換処理部１４に用いる閾値を、例えば、図２０に示すように、ａ〜ｈの８個の閾値からなる長方形の角を除いた形に配置してもよい。図２０に示すような単位胞によっても、図２１に示すように平面を埋め尽くすことが可能である。

また、図２２に示すように、図２１に示すデータは８行８列の繰り返しによって構成されている。このとき、図２２の斜線部には、ａからｈの８個の閾値がそれぞれ１回ずつ現れている。同様に、図２２に示す各行、あるいは、各列には、ａからｈの８個の閾値がそれぞれ１回ずつ出現している。このように、図２２に示す領域には、ａからｈの閾値がそれぞれ同一個数含まれている。このような場合、図２３に示すように、総和を計算する際に、注目画素を含む１行８列の領域に設定すれば、ａからｈの８個の閾値がそれぞれ１回ずつ出現することになる。したがって、第１のフィルタ処理部１５及び第２のフィルタ処理部１６は、図２０に示す画像領域の代わりに、図２３に示す領域をフィルタ処理の対象としてもよい。

あるいはまた、図２４（ａ）のように、斜線部の注目画素を中心とした二重枠内の３行３列の矩形領域（ａ）、または、図２４（ｃ）のように、斜線部の注目画素を中心とした二重枠内の５行５列の矩形領域（ｃ）をフィルタ処理の対象としても良い。

矩形領域（ａ）の場合は、３行３列の矩形領域内の閾値の出現頻度は、閾値ａが２回、それ以外が各１回となっている。注目画素を移動した場合でも、注目画素に対して、右上と左下の閾値が同一であり、それ以外はすべて相異なる閾値になっている。そこで、第１フィルタ処理部１５、および、第２フィルタ処理部１６において使用される空間フィルタでは、図２４（ｂ）に示す係数行列のように、同一閾値が２回出現する位置に対応する重みには１／２が設定され、他の位置に対応する重みには１が設定される。図２４（ｂ）の係数行列を用いた空間フィルタ処理を用いることにより、注目画素位置にかかわらず、フィルタ処理対象領域内の平均閾値が一定になり、第１、および、第２フィルタ処理画像データにおいてハーフトーン閾値の影響を取り除くことができる。

矩形領域（ｃ）の場合は、５行５列の矩形領域内の閾値の出願頻度は、閾値ａが４回、それ以外が各３回となっている。第１フィルタ処理部１５、および、第２フィルタ処理部１６において使用される空間フィルタにおける重みは、図２４（ｄ）に示す係数行列のように、閾値の出現頻度と、注目画素からの距離とに基づき設定される。

矩形領域（ｃ）内に４回出現する閾値ａに対しては、注目画素に隣接する２箇所に８５、それ以外の２箇所に４３の重みを設定し、閾値ａに対応する重みの合計が２５６となっている。また、矩形領域（ｃ）内にそれぞれ３回出現するａ以外の閾値（ｂ〜ｈ）に対しては、注目画素自身または隣接する画素位置である１箇所に１２８、それ以外の２箇所に６４の重みを設定し、各閾値に対応する重みの合計が閾値ａの場合と同様に２５６となっている。

また、短周期変動と長周期変動とを組み合わせてディザ閾値を決定するスーパーセル方式が知られている。すなわち、図２１に示すような短周期変動の閾値に対して、図２５に示すような長周期変動分を加えた閾値を使用する方式である。ここで、図２５における閾値ａ１ないしａ９の平均値が図２１における閾値ａとなっている。図２５における他の閾値ｂ１ないしｈ９についても同様であり、それぞれの平均値が図２１における閾値ｂないしｈとなる。

長周期変動を無視する（振幅を０とする）ならば、図２５における閾値ａ１ないしａ９は、図２１における閾値ａ（量子化代表閾値）で代表することが可能である。図２５における他の閾値ｂ１ないしｈ９についても同様であり、図２５の閾値に代えて図２１に示す量子化代表閾値を使用することで、上記説明と同様の処理が可能である。

（第２の実施形態）
以下、本発明の第２の実施形態について説明する。なお、本実施形態に係る画像処理装置の構成は、図１と同様であるため、説明は省略する。本実施形態では、第１の階調数変換処理部１４が、０から２５５までの２５６階調の入力画像データを、誤差拡散法によって０もしくは１の２階調のハーフトーン画像データに変換する。そして、モアレ検出処理部１２がハーフトーン画像データに生じるモアレを検出する。また、第２の階調数変換処理部１８は、組織的ディザ法によるハーフトーン画像データを生成する。なお、第２の階調数変換処理部１８は、組織的ディザ法ではなく、後述する量子化誤差値の分配係数が異なる誤差拡散法を用いてもよい。

図１３は、本実施形態におけるモアレを検出する処理手順の一例を示すフローチャートである。
まず、ステップＳ１３０１において、第２のフィルタ処理部１６は、第２フィルタ処理として、入力画像データの各画素について、注目画素と、注目画素に上下、左右、斜めに隣接する８個の隣接画素との計９画素の画素値の和を計算する。このとき、注目画素が入力画像データの端部にあって、隣接画素が入力画像データ内に存在しない場合には、その隣接画素の画素値を０とみなす。

本実施形態では、縦横が１６×１６の画素であり、画素値がいずれも「３４」である入力画像データを例に説明する。上記入力画像データに対して上記第２フィルタ処理を適用すると、図１４に示すような第２フィルタ処理画像データが得られる。なお、本実施形態では、注目画素と、注目画素に上下、左右、斜めに隣接する８個の隣接画素との計９画素の画素値の和としたが、第２フィルタ処理では、これと異なる平滑化フィルタ処理によって計算してもよい。

次に、ステップＳ１３０２において、第１の階調数変換処理部１４は、入力画像データの左上から右下に向かって順次、注目画素の画素値と隣接画素から分配された誤差値との合計を、所定の閾値と比較する。本実施形態においては、閾値を１２８とする。注目画素について、画素値と誤差値との合計が、閾値である１２８以上である場合は、ハーフトーン画像データの対応するハーフトーン画素値を「１」とする。一方、画素値と誤差値との合計が閾値である１２８未満である場合は、ハーフトーン画像データの対応するハーフトーン画素値を「０」とする。

また、ハーフトーン画素値が「０」となる場合には、注目画素の画素値と、隣接画素から分配された誤差値との合計を量子化誤差値とし、ハーフトーン画素値が「１」となる場合は、画素値と誤差値との合計から２５５を引いた値を量子化誤差値とする。そして、右、下、斜め右下に隣接する画素位置に対応する分配係数によって量子化誤差値を右、下、斜め右下に隣接する画素に誤差値として分配する。なお、画素位置と量子化誤差値の分配係数との関係は、図１５に示すとおりである。このように誤差拡散法により、入力画像データから図１６に示すようなハーフトーン画像データが得られる。

なお、図１３では、ステップＳ１３０１の第２フィルタ処理に続いて、ステップＳ１３０２のハーフトーン処理を行っているが、これらのステップは互いに依存関係にないため、逆の順序としてもよい。また、両者を並列に処理するよう実装してもよい。

次に、ステップＳ１３０３において、第１のフィルタ処理部１５は、第１フィルタ処理として、ステップＳ１３０２において生成されたハーフトーン画像データに対してステップＳ１３０１と同様のフィルタ処理を行う。なお、ステップＳ１３０１との差異は、処理対象が入力画像データからハーフトーン画像データに変わっただけである。このステップＳ１３０３の処理によって、図１６に示したハーフトーン画像データから図１７に示すような第１フィルタ処理画像データが得られる。

次に、ステップＳ１３０４において、差分評価部１７は、第１フィルタ処理画像データと第２フィルタ処理画像データとの差分を算出し、所定の閾値との比較によってモアレ判定データを生成する。ステップＳ１３０４においては、まず、差分を算出するために正規化を行う。具体的には、各画素値が０または１のハーフトーン画像データから得られた第１フィルタ処理画像データを、各画素値が０〜２５５の入力画像データから得られた第２フィルタ処理画像データに合わせる。そこで、第１フィルタ処理画像データの各要素を２５５倍する。

図１７に示した第１フィルタ処理画像データを正規化してから、図１４に示した第２フィルタ処理画像データとの差分を計算すると、図１８に示すような差分画像データが得られる。

そして、図１８に示す差分画像データの各画素について、注目画素の画素値が閾値である２５６以上である場合には、モアレ判定データの対応する画素値を「１」とし、画素値が２５６未満である場合に「０」とする。すべての画素において判定を行うと、図１９に示すようなモアレ判定データが得られる。本実施形態では、単一の閾値によって０または１からなるモアレ判定データとしたが、複数の閾値を設けてモアレの程度に応じた３以上の多値のモアレ判定データとすることも可能である。

また、第２の階調数変換処理部１８は、前述したように入力画像データに対して組織的ディザ法によるハーフトーン処理を行う。そして、出力選択部１９は、差分評価部１７によって生成されたモアレ判定データに従って出力する画素値を選択する。具体的には、モアレ判定データにおける注目画素の値が「１」である場合は、第２の階調数変換処理部１８によるハーフトーン画像データの画素値を選択する。一方、モアレ判定データにおける注目画素の値が「０」である場合は、第１の階調数変換処理部１４によるハーフトーン画像データの画素値を選択する。

以上のような構成とすることにより、モアレ検出処理部１２及びモアレ低減処理部１３がなく、ハーフトーン処理部１１のみの構成と比較して、良好なハーフトーン処理結果を得ることが可能となる。

（他の実施形態）
前述した実施形態における図１に示す画像処理装置を構成する各処理部、並びに図１３に示すフローチャートの各ステップは、コンピュータのＲＡＭやＲＯＭなどに記憶されたコンピュータプログラムに基づきＣＰＵが実行することによって実現できる。このＣＰＵを機能させるコンピュータプログラム及び前記コンピュータプログラムを記憶したコンピュータ読み取り可能な記憶媒体は本発明に含まれる。

Claims (14)

1. 複数の閾値が配列された閾値マトリクスを用いて、入力された画像データを構成する各画素と対応する前記閾値マトリクスにおける閾値とを比較することにより、前記画像データから第１のハーフトーン画像データを生成する第１のハーフトーン処理手段と、
   前記第１のハーフトーン画像データを、第１のフィルタを用いて平滑化する第１のフィルタ処理手段と、
   前記第１のフィルタに応じた特性を有する第２のフィルタを用いて、前記入力された画像データを平滑化する第２のフィルタ処理手段と、
   前記第１のフィルタ処理手段によって平滑化された第１のハーフトーン画像データと前記第２のフィルタ処理手段によって平滑化された画像データとの差分に基づき、前記第１のハーフトーン画像データに生じるモアレを評価する評価手段とを備え、
   前記第１のフィルタは、前記第１のフィルタが対象とする前記画像データにおける複数の画素からなる領域について、前記複数の画素それぞれに対応する閾値に基づいて係数が設定されていることを特徴とする画像処理装置。
2. 前記第１のハーフトーン処理手段とは異なる方法により、前記入力された画像データから第２のハーフトーン画像データを生成する第２のハーフトーン処理手段と、
   前記評価手段による評価の結果に基づいて、前記第１のハーフトーン画像データまたは前記第２のハーフトーン画像データを選択する選択手段とをさらに備えることを特徴とする請求項１に記載の画像処理装置。
3. 前記第１のハーフトーン処理手段は、ディザ法を用いて、前記第１のハーフトーン画像データを生成し、
   前記第２のハーフトーン処理手段は、誤差拡散法を用いて、前記第２のハーフトーン画像データを生成することを特徴とする請求項２に記載の画像処理装置。
4. 前記第１のフィルタは、前記閾値の周期に対して整数倍のフィルタ次数による有限インパルス応答フィルタであることを特徴とする請求項１に記載の画像処理装置。
5. 前記第１のフィルタは、前記閾値のそれぞれの値に対応する係数の総和が同じ値となることを特徴とする請求項１に記載の画像処理装置。
6. 前記第１のフィルタにおける係数は、注目画素からの距離に応じていることを特徴とする請求項１に記載の画像処理装置。
7. 前記第１のフィルタ処理手段は、周期的に繰り返す前記閾値の互いに異なる値が同一個数ずつ含まれる画像領域を用いて平滑化することを特徴とする請求項１に記載の画像処理装置。
8. 前記第１のフィルタは、前記領域に含まれる画素に対応する閾値の出現頻度が同じであることを特徴とする請求項１乃至７のいずれか一項に記載の画像処理装置。
9. 前記第１のフィルタは、前記第１のフィルタを構成する係数が同じ場合、前記領域に含まれる画素に対応する閾値は、同じ個数ずつであることを特徴とする請求項１乃至８の何れか一項に記載の画像処理装置。
10. 複数の閾値が配列された閾値マトリクスを用いて、入力された画像データを構成する各画素と対応する前記閾値マトリクスにおける閾値とを比較することにより、前記画像データから第１のハーフトーン画像データを生成する第１のハーフトーン処理工程と、
    前記第１のハーフトーン画像データを、第１のフィルタを用いて平滑化する第１のフィルタ処理工程と、
    前記第１のフィルタに応じた特性を有する第２のフィルタを用いて、前記入力された画像データを平滑化する第２のフィルタ処理工程と、
    前記第１のフィルタ処理工程によって平滑化された第１のハーフトーン画像データと前記第２のフィルタ処理工程によって平滑化された画像データとの差分に基づき、前記第１のハーフトーン画像データに生じるモアレを評価する評価工程とを備え、
    前記第１のフィルタは、前記第１のフィルタが対象とする前記画像データにおける複数の画素からなる領域について、前記複数の画素それぞれに対応する閾値に基づいて係数が設定されていることを特徴とする画像処理方法。
11. 前記第１のハーフトーン処理工程とは異なる方法により、前記入力された画像データから第２のハーフトーン画像データを生成する第２のハーフトーン処理工程と、
    前記評価工程における評価の結果に基づいて、前記第１のハーフトーン画像データまたは前記第２のハーフトーン画像データを選択する選択工程とをさらに備えることを特徴とする請求項１０に記載の画像処理方法。
12. 前記第１のフィルタは、前記閾値のそれぞれの値に対応する係数の総和が同じ値となることを特徴とする請求項１０に記載の画像処理方法。
13. 前記第１のフィルタにおける係数は、注目画素からの距離に応じていることを特徴とする請求項１０に記載の画像処理方法。
14. 請求項１乃至９の何れか一項に記載の画像処理装置の各手段としてコンピュータを機能させることを特徴とするコンピュータプログラム。

Images