JPH10136205A - Image processor - Google Patents

Image processor

Info

Publication number
JPH10136205A
JPH10136205A JP8284156A JP28415696A JPH10136205A JP H10136205 A JPH10136205 A JP H10136205A JP 8284156 A JP8284156 A JP 8284156A JP 28415696 A JP28415696 A JP 28415696A JP H10136205 A JPH10136205 A JP H10136205A
Authority
JP
Japan
Prior art keywords
density
image data
threshold
error
matrix
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.)
Ceased
Application number
JP8284156A
Other languages
Japanese (ja)
Inventor
Kazuyoshi Takahashi
一義 高橋
Hideki Sekiya
秀樹 関矢
Yoshinori Kobayashi
佳則 小林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TAKAHASHI SEKKEI JIMUSHO KK
Original Assignee
TAKAHASHI SEKKEI JIMUSHO KK
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by TAKAHASHI SEKKEI JIMUSHO KK filed Critical TAKAHASHI SEKKEI JIMUSHO KK
Priority to JP8284156A priority Critical patent/JPH10136205A/en
Publication of JPH10136205A publication Critical patent/JPH10136205A/en
Ceased legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

PROBLEM TO BE SOLVED: To provide an image processor realizing smooth image quality feeling for the whole area of density by using a pattern generated in accordance with a prescribed rule based on halftone image data generated by means of an error diffusion method as a threshold matrix in a low density part and a high density part. SOLUTION: When a target pixel exists in a boundary area and does not exist in a discontinuous area, it is compared with the threshold matrix. When it is larger, it is judged to be black and judged as white when it is smaller. Then, the pixel is processed. When the calculation of an error is the discontinuous area, a subtracted correction value is added to DAT (the added value of image data and the error) and a processing is returned to the original one. A halftone image data processing is straightly executed for the error diffusion of the threshold matrix of the low density part and it is the cause of the occurrence of 'distortion of image'. A delay processing part 37 for solving it subtracts the correction value from DAT in the discontinuous area part (dots are given in the threshold matrix of the low density part) and effect for making the discontinuous dots difficult is shown.

Description

【発明の詳細な説明】DETAILED DESCRIPTION OF THE INVENTION

【0001】[0001]

【発明の属する技術分野】本発明は、プリンターやプロ
ッター等の装置に係る画像処理装置、より具体的には、
グレースケール画像データをハーフトーン画像データに
変換する画像処理装置に関するものである。
BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an image processing apparatus relating to a device such as a printer or a plotter, and more specifically,
The present invention relates to an image processing device that converts grayscale image data into halftone image data.

【0002】[0002]

【従来の技術及び発明が解決しようとする課題】通常画
像データは濃淡の情報をもついわゆるグレースケールデ
ータである。
2. Description of the Related Art Normally, image data is so-called gray scale data having density information.

【0003】たとえば、8ビットの画像データは0から
255までの256段階の濃度を表現することができ
る。カラー画像の場合レッド(R)、グリーン(G)、
ブルー(B)の3色が各8ビット合計24ビットで表現
されることが多い。この場合、各色は256段階の濃度
を表現し、RGBで256の3乗の約1670万色を表
すことが可能である。
For example, 8-bit image data can represent 256 levels of density from 0 to 255. In the case of a color image, red (R), green (G),
The three colors of blue (B) are often represented by a total of 24 bits of 8 bits each. In this case, each color represents 256 levels of density, and it is possible to represent about 16.7 million colors of 256 to the third power in RGB.

【0004】最近のパーソナルコンピューターのモニタ
ーは、設定によって1670万色表現できる。人間の感
性がどの程度の分解能(色数、濃淡の段階)を判別で
き、どの程度の分解能が必要かは、取り扱う画像の種類
(人に感動を与える絵画や写真、コンピュータグラフィ
クス、売り上げの推移を説明する棒グラフ)に依るし、
本発明に直接は関係ないので、これ以上の言及はしない
が、色や濃淡の識別に関する人の判別能力は驚くほど高
い。
A recent personal computer monitor can express 16.7 million colors by setting. Human sensitivity can determine how much resolution (number of colors and shades) and how much resolution is needed depends on the type of images handled (paintings and photographs that impress people, computer graphics, and sales trends). Bar graph to explain)
Since it is not directly related to the present invention, it will not be described any further, but the discriminating ability of a person regarding the discrimination of color and shade is surprisingly high.

【0005】このように大量の表現能力を持つグレース
ケール画像データを印刷する場合には、ハーフトーン画
像データに変換する必要がある。
[0005] When printing grayscale image data having a large amount of expressive power, it is necessary to convert the data into halftone image data.

【0006】現在広く出回っているインクジェット方式
のプリンターや熱転写方式のプリンター等は、最終的に
ドットを打つか打たないかの2通りの表現能力しかな
い。ここで言うハーフトーン画像データとは疑似階調デ
ータとも表現できる。
At present, ink-jet printers and thermal transfer printers that are widely available have only two types of expression capability, whether dots are finally or not. The halftone image data mentioned here can also be expressed as pseudo gradation data.

【0007】即ち、2値(打つ/打たない)の印刷で多
値(濃淡のあるグレースケール画像)の表現を行う事で
あり、代表的な手法としては、ディザマトリクス法と誤
差拡散法が広く使われている。よいプリンターの条件の
1つは、ハーフトーン画像がグレースケール画像と見分
けがつかないように印刷出来ることである。
That is, multi-valued (grayscale image with shading) is expressed by binary (struck / not struck) printing, and typical methods include a dither matrix method and an error diffusion method. Widely used. One of the requirements of a good printer is that the halftone image can be printed indistinguishable from a grayscale image.

【0008】従来技術の代表例は、有名なFloyd 及び S
teinberg が1976年に発表した[An Adaptive Algor
ithm for Spatial Grayscale]に見ることが出来る誤差
拡散法である。
A representative example of the prior art is the well-known Floyd and S.
teinberg published in 1976 [An Adaptive Algor
ithm for Spatial Grayscale].

【0009】この方法は、前もってきめられた「しきい
値」とグレースケール画像データの大小を比較して2値
(打つ/打たない)出力を決定し、その際発生した濃度
の誤差を周辺画像データに振りまくという方法である。
In this method, a binary value (hit / not hit) is determined by comparing a predetermined "threshold value" with the size of grayscale image data, and the density error generated at that time is determined in the vicinity. This is a method of scattering image data.

【0010】本来のグレースケール画像データが持つ濃
度を保存しながらハーフトーン画像データ化するという
性格を持つ。
It has the characteristic that halftone image data is converted while preserving the density of the original grayscale image data.

【0011】もう1つの代表的な方法はディザマトリク
スによるハーフトーン画像データ化である。
Another typical method is halftone image data conversion using a dither matrix.

【0012】この方法の基本的な考え方は、沢山の書籍
で説明されているので詳細な説明は不要であると思う。
ディザマトリクスは空間的に配置されたしきい値のまと
まりであり画像データは通常、ディザマトリクスより大
きいためディザマトリクスと繰り返し比較しながらハー
フトーン画像データを形成していく。
The basic idea of this method has been described in many books, so that detailed explanation is unnecessary.
The dither matrix is a set of spatially arranged thresholds, and since image data is usually larger than the dither matrix, halftone image data is formed while repeatedly comparing with the dither matrix.

【0013】誤差拡散法は、グレースケール画像をハー
フトーン画像に変換する方法としては素晴らしい特性を
示す。当初は計算量が膨大なためソフトウエアの処理時
間の問題やハードウエアの回路規模の問題が指摘されて
いたが、最近の技術の進歩でそれらの問題は大きな障害
でなくなった。
The error diffusion method has excellent characteristics as a method for converting a grayscale image to a halftone image. At the beginning, problems of software processing time and hardware circuit scale were pointed out due to the enormous amount of calculation, but with recent technological advances, those problems are no longer major obstacles.

【0014】しかし、大きな問題として下記の2点が上
げられる。
However, the following two points are raised as major problems.

【0015】第1の点は、縁部や境界部における過渡的
な挙動があらわれる事である。これは、「始動遅延」や
「ハキヨセ」という言葉で表現されることもある。たと
えば、グレースケール画像データが非常に低い場合に、
誤差がたまるまでなかなかしきい値に達せずハーフトー
ン画像データの出力は1を出力できない。逆に濃度が高
い場合に於ける、0出力(打たない)も同様な事がいえ
る。
The first point is that a transient behavior at an edge or a boundary appears. This is sometimes described by the words "start delay" and "Hakiyose". For example, if the grayscale image data is very low,
Until the error accumulates, the threshold value is not easily reached and the output of halftone image data cannot output 1. Conversely, the same can be said for the 0 output (no hit) when the density is high.

【0016】第2の点は、処理がラスター順に行われる
こと及び、誤差分配が一定のマトリクスにより繰り返さ
れる事により発生する方向性の強いテクスチャーと呼ば
れる周期的なデータが発生されることである。これは
「ミミズ画像」とも呼ばれ人間の視覚に心地よい印象を
与えない。これは低濃度部で目立ちある程度以上の濃度
になるとドットが密集してくるので問題にならない。逆
に、濃度が高い場合に於ける、白ドットの発生にも同様
な事がいえる。
The second point is that the processing is performed in a raster order, and that periodic data called a highly directional texture, which is generated by repeating error distribution by a fixed matrix, is generated. This is also called “earthworm image” and does not give a pleasant impression to human vision. This is not a problem since the dots are densely formed when the density becomes conspicuous at a certain level or more in a low density portion. Conversely, the same can be said for the generation of white dots when the density is high.

【0017】次に、ディザマトリクスによるハーフトー
ン画像データ化の問題点を記述する。
Next, the problem of halftone image data conversion by the dither matrix will be described.

【0018】第1は、ディザマトリクスの繰り返しによ
る周期性が人間の視覚に心地よい印象を与えないという
事である。代表的なベイヤーのディザマトリクスで印刷
すると、たいていの人は格子状の周期性が気になる。
First, the periodicity due to the repetition of the dither matrix does not give a pleasant impression to human vision. When printing with a typical Bayer dither matrix, most people are worried about the lattice periodicity.

【0019】第2の問題は、ディザマトリクスの基本的
な特性にある。ディザマトリクス中、濃度10で打つ点
は、必ずそれ以上の濃度でも打たれる。10*10のデ
ィザマトリクスでは100個のメッシュが存在するため
最大100段階の濃度を表現できる。
The second problem lies in the basic characteristics of the dither matrix. A point hit at a density of 10 in the dither matrix is always hit at a higher density. Since a 10 * 10 dither matrix has 100 meshes, a maximum of 100 levels of density can be expressed.

【0020】濃度10では、ディザマトリクス中に10
個のドットが散らばる。
At a density of 10, 10 in the dither matrix
Dots are scattered.

【0021】濃度15では、ディザマトリクス中に15
個のドットが散らばる。
At a density of 15, the 15 in the dither matrix
Dots are scattered.

【0022】濃度60では、ディザマトリクス中に60
個のドットが散らばる。
At a density of 60, 60 in the dither matrix
Dots are scattered.

【0023】濃度10の10個のドットは濃度15や6
0にも含まれる必要がある。これはディザマトリクスの
濃度の連続性を確保するためには必要なことである。し
かし、各濃度でいくらうまくドットをばらまいても、過
去のドットを引きずっているため理想的なドットのバラ
マキには限界があり、印字率20%程度以上では特に
「ザラツキ感」が感じられる。別の表現をすれば「滑ら
かな感じに欠ける」とも表現できる。
Ten dots having a density of 10 correspond to a density of 15 or 6
It must be included in 0. This is necessary to ensure the continuity of the density of the dither matrix. However, no matter how well the dots are dispersed at each density, there is a limit in ideal dot dispersion because the past dots are dragged, and especially at a printing rate of about 20% or more, a "grainy feeling" is felt. In other words, it can be described as "lacking smoothness."

【0024】ディザマトリクス法の前記第1の問題を解
決するための各種方法が提案されているが上記第2の問
題は、ディザマトリクスの基本特性に関わることであり
印字率20%程度以上では誤差拡散法に比べ滑らかさ等
の質感で劣る。
Various methods for solving the first problem of the dither matrix method have been proposed, but the second problem is related to the basic characteristics of the dither matrix. Inferior in texture such as smoothness as compared with the diffusion method.

【0025】本発明は、以上のような従来の課題を解決
するためになされたものであり、低濃度部の黒ドットの
均一性及び高濃度部の白ドットの均一性を実現し、且つ
濃度の全領域にわたり滑らかな画質感を実現できる極め
て高品質のハーフトーン画像データを低コストで実現で
きる画像処理装置を提供することを目的とする。
The present invention has been made to solve the above-mentioned conventional problems, and realizes uniformity of black dots in a low-density part and uniformity of white dots in a high-density part. It is an object of the present invention to provide an image processing apparatus capable of realizing, at low cost, extremely high-quality halftone image data capable of realizing a smooth image quality feeling over the entire area.

【0026】[0026]

【課題を解決するための手段】添付図面を参照して本発
明の要旨を説明する。
The gist of the present invention will be described with reference to the accompanying drawings.

【0027】グレースケール画像データ40を所定のしき
い値と大小関係を比較してハーフトーン画像データ48に
変換するとともに、変換時に発生する誤差を周辺画素に
振り分ける誤差拡散法を用いてグレースケール画像デー
タ40をハーフトーン画像データ48に変換する画像処理装
置であって、前記グレースケール画像データ40の濃度が
所定の値より小さいか大きいかを比較して前記ハーフト
ーン画像データ48化手段の誤差拡散法におけるしきい値
マトリクスを切り換える手段と、該誤差拡散法における
しきい値マトリクスの差によりハーフトーン画像データ
48化出力が異なる領域を判定する手段と,領域判定結果
に基づいてハーフトーン画像データ48化処理に関するプ
ロセスを切り換える手段を有するとともに、切り換え濃
度またはその近傍において誤差拡散法により生成したハ
ーフトーン画像データ48をもとに所定のルールに従って
生成したパターンを低濃度部及び高濃度部におけるのし
きい値マトリクスとして用いることを特徴とする画像処
理装置に係るものである。また、請求項1記載の画像処
理装置において、グレースケール画像データ40の濃度が
所定の値より小さい低濃度部において誤差拡散法の第一
のしきい値マトリクスを用い、グレースケール画像デー
タ40の濃度が所定の値より大きくさらに別途定めた値よ
り大きい高濃度部において誤差拡散法の第二のしきい値
マトリクスを用い、前記低濃度部と高濃度部との中間の
中濃度部においてしきい値が固定の第三のしきい値マト
リクスの誤差拡散法を用いることを特徴とする画像処理
装置に係るものである。
The grayscale image data 40 is converted into halftone image data 48 by comparing the magnitude relationship with a predetermined threshold value, and the grayscale image is converted by using an error diffusion method for distributing an error generated during the conversion to peripheral pixels. An image processing apparatus for converting data 40 into halftone image data 48, comprising comparing whether the density of the grayscale image data 40 is smaller or larger than a predetermined value, and performing error diffusion of the halftone image data 48 converting means. Means for switching a threshold matrix in the halftone image data according to a difference between the threshold matrices in the error diffusion method.
Means for judging an area having a different 48-output, and means for switching a process related to the half-tone image data 48 processing based on the area judgment result, and halftone image data generated by an error diffusion method at or near the switching density An image processing apparatus according to the present invention is characterized in that a pattern generated according to a predetermined rule based on the reference number 48 is used as a threshold matrix in a low density portion and a high density portion. Further, in the image processing apparatus according to claim 1, the first threshold matrix of the error diffusion method is used in a low density part where the density of the grayscale image data 40 is smaller than a predetermined value, and the density of the grayscale image data 40 is reduced. The second threshold matrix of the error diffusion method is used in a high density part which is larger than a predetermined value and larger than a separately determined value, and a threshold value is set in a middle density part between the low density part and the high density part. Are based on a fixed third threshold matrix error diffusion method.

【0028】また、請求項1,2のいずれか1項に記載
の画像処理装置において、第一のしきい値マトリクス及
び第二のしきい値マトリクスの生成手段として、各濃度
におけるハーフトーン画像データ48化出力が代表する周
囲の画素密度関数を計数する第1の手段と、注目画素の
所定近傍内の濃度を計数する第2の手段と、所定半径内
に存在するドット数を計数する第3の手段とを有するこ
とを特徴とする画像処理装置に係るものである。
In the image processing apparatus according to any one of claims 1 and 2, halftone image data at each density is used as a means for generating the first threshold matrix and the second threshold matrix. A first means for counting the density of the surrounding pixels represented by the 48-bit output, a second means for counting the density of the target pixel in a predetermined neighborhood, and a third means for counting the number of dots existing within a predetermined radius. And an image processing apparatus characterized by having the following means.

【0029】また、請求項1〜3のいずれか1項に記載
の画像処理装置において、領域判定結果に基づいて、ハ
ーフトーン画像データ48化処理の遅延量を切り換えるこ
とを特徴とする画像処理装置に係るものである。
The image processing apparatus according to any one of claims 1 to 3, wherein a delay amount of the halftone image data 48 conversion processing is switched based on an area determination result. It is related to.

【0030】また、請求項1〜4のいずれか1項に記載
の画像処理装置において、領域判定結果に基づいて切り
換え濃度近傍における誤差発生量を切り換えることを特
徴とする画像処理装置に係るものである。
The image processing apparatus according to any one of claims 1 to 4, wherein an error generation amount near a switching density is switched based on a region determination result. is there.

【0031】また、請求項2〜5のいずれか1項に記載
の画像処理装置において、グレースケール画像データ40
の濃度に基づいて、第一のしきい値マトリクス、第二の
しきい値マトリクスあるいは第三のしきい値マトリクス
を適用時に、各々において誤差の伝搬率を切り換えるこ
とを特徴とする画像処理装置に係るものである。
Further, in the image processing apparatus according to any one of claims 2 to 5, the grayscale image data 40
Based on the density of the first threshold matrix, when applying the second threshold matrix or the third threshold matrix, the image processing apparatus characterized by switching the error propagation rate in each of the It is related.

【0032】[0032]

【発明の実施の形態】好適と考える本発明の実施の形態
(発明をどのように実施するか)を、図面に基づいてそ
の作用効果を示して簡単に説明する。
BEST MODE FOR CARRYING OUT THE INVENTION Preferred embodiments of the present invention (how to implement the invention) will be briefly described with reference to the drawings, showing the operational effects thereof.

【0033】グレースケール画像データ40の濃度が所定
の値より小さいか大きいかを比較してハーフトーン画像
データ48化手段の誤差拡散法におけるしきい値マトリク
スを切り換える手段と、該誤差拡散法におけるしきい値
マトリクスの差によりハーフトーン画像データ48化出力
が異なる領域を判定する手段と、領域判定結果に基づい
てハーフトーン画像データ48化処理に関するプロセスを
切り換える手段を有するとともに、切り換え濃度または
その近傍において誤差拡散法により生成したハーフトー
ン画像データ48をもとに所定のルールに従って生成した
パターンを低濃度部及び高濃度部におけるしきい値マト
リクスとして用いることで、グレースケール画像データ
40をハーフトーン画像データ48に変換する場合に従来発
生していた処理の不連続性が故の極めて目障りな不良画
像領域が発生することを防止でき、低濃度部の黒ドット
の均一性及び高濃度部の白ドットの均一性を実現するこ
とができ、低濃度部から高濃度部までの全領域にわたり
滑らかな画質感を実現することができ、極めて高品質の
ハーフトーン画像データ48を低コストで実現することが
できる。
A means for comparing whether the density of the grayscale image data 40 is smaller or larger than a predetermined value and switching a threshold matrix in the error diffusion method of the halftone image data 48 conversion means, and a method for the error diffusion method. Means for determining an area where the halftone image data 48 output is different due to the difference in the threshold matrix, and means for switching the process relating to the halftone image data 48 conversion processing based on the area determination result, and at the switching density or in the vicinity thereof By using a pattern generated according to a predetermined rule based on the halftone image data 48 generated by the error diffusion method as a threshold matrix in a low-density part and a high-density part, grayscale image data can be obtained.
When converting 40 into halftone image data 48, it is possible to prevent the occurrence of an extremely unsightly defective image area due to the discontinuity of processing that has conventionally occurred, and to achieve uniformity and high uniformity of black dots in low density portions. Uniformity of white dots in the density area can be realized, smooth image quality can be realized over the entire area from the low density area to the high density area, and extremely high quality halftone image data 48 can be produced at low cost. Can be realized.

【0034】[0034]

【実施例】本発明の実施例のブロック図を図1に示し、
その処理の概要フローチャートを図2に示す。まず、図
2から説明する。図2ではグレースケール画像データ40
を順次ハーフトーン画像データ48に変換する処理フロー
の概要を記述している。
FIG. 1 is a block diagram showing an embodiment of the present invention.
FIG. 2 shows a schematic flowchart of the processing. First, FIG. 2 will be described. In FIG. 2, grayscale image data 40
Of the processing flow for sequentially converting the image data into halftone image data 48.

【0035】以下説明する中で、グレースケール画像デ
ータ値は0から255までの整数値を取り、ハーフトー
ン画像データ値は1か0の2通りの値を取ることにす
る。
In the following description, the grayscale image data value takes an integer value from 0 to 255, and the halftone image data value takes two values, 1 and 0.

【0036】図2において、まず、グレースケール画像
データ値Diを取得する。今後画像データのグレースケ
ール画像データ値をDで表す。添字のiはi番目である
ことを意味する。
In FIG. 2, first, a gray scale image data value Di is obtained. Hereafter, the grayscale image data value of the image data is represented by D. The subscript i means i-th.

【0037】次に、取得したグレースケール画像データ
値Diとそれまで蓄積してきた誤差値△iの加算をす
る。同様に、添字のiはi番目であることを意味する。
誤差は負の場合もあるので加減算になる。
Next, the obtained grayscale image data value Di and the accumulated error value き た i are added. Similarly, the subscript i means i-th.
Since the error may be negative, it is added or subtracted.

【0038】次に、取得したグレースケール画像データ
値Diが所定の値DENSITY1より小さいかどうか
を判定する。所定の値より小さい場合は低濃度用の2値
化判定部4に処理を移す。
Next, it is determined whether or not the acquired grayscale image data value Di is smaller than a predetermined value DENSITY1. If the value is smaller than the predetermined value, the process proceeds to the low-density binarization determination unit 4.

【0039】次に、取得したグレースケール画像データ
値Diが所定の値DENSITY2より大きいかどうか
を判定する。所定の値より大きい場合は高濃度用の2値
化判定部6に処理を移す。
Next, it is determined whether or not the acquired grayscale image data value Di is larger than a predetermined value DENSITY2. If the value is larger than the predetermined value, the process proceeds to the high-density binarization determination unit 6.

【0040】グレースケール画像データ値DiがDEN
SITY1とDENSITY2の間にあるいわゆる中間
濃度の時は中間濃度用の2値化判定部7に処理を移す。
The gray scale image data value Di is DEN
If so-called intermediate density exists between SITY1 and DENSITY2, the process proceeds to the binarization determination unit 7 for intermediate density.

【0041】次に、各2値化判定部で生成した誤差値を
所定の領域に蓄積する。この誤差値は後からつづくグレ
ースケール画像データ40をハーフトーン画像データ48に
変換する際に使用する。
Next, the error value generated by each binarization judging section is accumulated in a predetermined area. This error value is used when the subsequent grayscale image data 40 is converted into halftone image data 48.

【0042】以上の処理を、全グレースケール画像デー
タ40に対して順次行うことでハーフトーン画像データ48
への変換が終了することになる。
The above processing is sequentially performed on all the grayscale image data 40, so that the halftone image data 48
Will be completed.

【0043】次に、図3で中間濃度部の2値化処理の内
容について説明する。
Next, the contents of the binarization processing of the intermediate density portion will be described with reference to FIG.

【0044】(A)は誤差分配のマトリクスを説明して
いる。
(A) illustrates an error distribution matrix.

【0045】★は、いまハーフトーン画像データ化しよ
うとしているグレースケール画像データ40の位置を示
し、周辺画素の1/4,1/8は周辺のそれぞれの位置
で発生した誤差の1/4または、1/8を注目画素に加
えると言うことを表している。即ち、注目画素★の値は
下記のようになる。
* Indicates the position of the grayscale image data 40 to be converted into halftone image data, and 1/4 and 1/8 of the peripheral pixels indicate 1/4 or 1/4 of the error generated at each peripheral position. , 1/8 are added to the pixel of interest. That is, the value of the target pixel ★ is as follows.

【0046】 DATi=Di+A1*1/8+A2*1/8+A3*1/4+A4*1/8+A5*1/8+A6*1/4 以下、グレースケール画像データ値に誤差値を加算した
値をDATと表す。
DATi = Di + A1 * 1/8 + A2 * 1/8 + A3 * 1/4 + A4 * 1/8 + A5 * 1/8 + A6 * 1/4 or less The value obtained by adding the error value is represented as DAT.

【0047】同様に、添字のiはi番目であることを意
味する。
Similarly, the subscript i means the i-th.

【0048】この例では誤差分配マトリクスは、図3
(A)で表したが中の値は別の値でも良いしマトリクス
のサイズが変わっても良い。
In this example, the error distribution matrix is shown in FIG.
Although shown in (A), the value inside may be another value or the size of the matrix may be changed.

【0049】図3(B)は中間濃度部の2値化処理のフ
ローを表している。まず、DATとしきい値との大小関
係を判定する。この場合、DATがしきい値128以上
の場合は黒と判定しその画素の誤差値はDAT−255
となる。
FIG. 3B shows a flow of the binarization processing of the intermediate density portion. First, the magnitude relationship between DAT and the threshold is determined. In this case, when the DAT is equal to or larger than the threshold value 128, the pixel is determined to be black and the error value of the pixel is DAT-255
Becomes

【0050】また、DATがしきい値128よりも小さ
い場合は白と判定しその画素の誤差値はDATとなる。
When DAT is smaller than the threshold value 128, it is determined to be white, and the error value of the pixel is DAT.

【0051】以上のように、注目画素は周囲の画素のハ
ーフトーン画像データ化時に発生する誤差に影響を受け
処理され、その時発生する誤差がまたその後ハーフトー
ン画像データ化処理される画素に影響するという基本的
な特性が判る。
As described above, the pixel of interest is processed by being affected by the error that occurs when the surrounding pixels are converted into halftone image data, and the error that occurs at that time also affects the pixels that are subsequently converted into halftone image data. You can see the basic characteristics.

【0052】また、ここでしきい値は128で説明した
が他の値であっても良いし、多少の乱数成分を含んでい
ても良い。
Although the threshold value has been described as 128 here, it may be another value or may include some random number component.

【0053】次に、図4で低濃度部の2値化処理の内容
について説明する。
Next, the contents of the binarization process for the low density portion will be described with reference to FIG.

【0054】図2に示したように、グレースケール画像
データ値Diが所定の値(DENSITY1)以下の場
合、2値化処理が低濃度部の2値化判定部4に移行され
る。ここで言う所定の値とは、図3により説明した通常
の誤差拡散処理で発生する始動遅延(ハキヨセ)及びテ
クスチャー(ミミズ画像)が問題となりはじめる濃度に
対応する。誤差拡散の種類や印刷機の特性等にも依るが
本発明者が検討した結果では、(256段階で)15か
ら35位が対応する所定の値であると考える。別の言い
方をすれば、所定の値以下では、誤差拡散の画像品質が
著しく劣化するので図4の処理でハーフトーン画像デー
タ化する必要があると言える。
As shown in FIG. 2, when the gray scale image data value Di is equal to or less than a predetermined value (DENSITY1), the binarization processing is shifted to the binarization determination section 4 of the low density part. The predetermined value here corresponds to the density at which start-up delay (Hakiyose) and texture (earthworm image) which occur in the normal error diffusion processing described with reference to FIG. Although it depends on the type of error diffusion and the characteristics of the printing press, the present inventors consider that the 15th to 35th places (at 256 levels) are the corresponding predetermined values. In other words, if the value is equal to or less than the predetermined value, the image quality of the error diffusion is remarkably deteriorated.

【0055】誤差拡散法においてしきい値マトリクスを
切り換える場合、そのまま切り換えたのでは処理の不連
続性により切り換え部でハーフトーン画像が乱れて実用
レベルにはなり得ない。このことは、画像処理の経験者
なら容易に推測できる。この不連続性をいかにクリアー
するかという命題に対する回答が図4以降の説明で明ら
かになる。
When the threshold matrix is switched in the error diffusion method, if the matrix is switched as it is, the halftone image is disturbed by the switching unit due to the discontinuity of the processing, and cannot be brought to a practical level. This can be easily guessed by a person experienced in image processing. The answer to the proposition of how to clear this discontinuity will be apparent from the description of FIG.

【0056】DENSITY1以下の低濃度では、しき
い値マトリクスを切り換えることになる。このしきい値
マトリクスの特性が第1のキーになる。図3に示す中濃
度部の誤差拡散法処理から新しいしきい値マトリクスに
移行するに当たりどの様なしきい値マトリクスがスムー
ズな切り換えに効果的かというと、中濃度部の誤差拡散
法の特性を有するしきい値マトリクスであると言うこと
であり、更に言えばしきい値マトリクスが切り換わる変
化点またはその近傍の誤差拡散法の特性を有するしきい
値マトリクスであることが望ましい。
At low densities equal to or lower than DENSITY 1, the threshold matrix is switched. The characteristics of this threshold matrix are the first key. In transitioning from the error diffusion processing of the middle density part shown in FIG. 3 to a new threshold matrix, what kind of threshold matrix is effective for smooth switching is characterized by the error diffusion method of the middle density part. This is a threshold matrix, and more preferably, a threshold matrix having the characteristics of the error diffusion method at or near a change point at which the threshold matrix switches.

【0057】図4の説明の前に、しきい値マトリクスの
生成方法を図7で説明する。
Prior to the description of FIG. 4, a method of generating a threshold matrix will be described with reference to FIG.

【0058】まず、しきい値が固定の中濃度部の誤差拡
散から低濃度部のしきい値マトリクスに切り換える濃度
に於ける誤差拡散パターンを生成する。
First, an error diffusion pattern at a density at which the threshold value is switched from the error diffusion of the medium density portion to the threshold matrix of the low density portion is generated.

【0059】例えば、濃度32までは、しきい値マトリ
クスは固定値を使い濃度31以下では低濃度部用のしき
い値を用いるとした場合、濃度32で誤差拡散パターン
を生成する。このとき注意しなければならないのは、前
述したようにしきい値マトリクスは均一性が重要である
ので、ここで得た誤差拡散パターンは「遅延始動」があ
ってはならないし、繰り返し使用した場合に繰り返しの
周期が出来るだけ目立たないことが望ましい。又「ミミ
ズ画像」が発生する事も好ましくない。
For example, if the threshold value matrix uses a fixed value up to the density 32 and uses the threshold value for the low density portion when the density is 31 or less, an error diffusion pattern is generated at the density 32. At this time, it must be noted that the uniformity of the threshold matrix is important as described above, so the error diffusion pattern obtained here must not have "delayed start", and if it is used repeatedly, It is desirable that the repetition cycle be as inconspicuous as possible. It is also not preferable that a "worm image" is generated.

【0060】そのためには、必要なしきい値マトリクス
サイズよりも十分大きな空間で誤差拡散パターンを生成
し端部から十分離れたエリアの誤差拡散パターンを取得
するようにする。具体的には128*128の大きさの
しきい値マトリクスを作る場合には200*200位の
大きさで誤差拡散パターンを生成しその中央の128*
128の部分を取得することである。
For this purpose, an error diffusion pattern is generated in a space sufficiently larger than the required threshold matrix size, and an error diffusion pattern in an area sufficiently distant from the end is obtained. Specifically, when a threshold matrix having a size of 128 * 128 is created, an error diffusion pattern is generated with a size of about 200 * 200, and a central 128 *
That is, 128 parts are acquired.

【0061】200*200という数字には、こだわる
必要が無い。取得するパターンの濃度に関係する。本発
明者の検討では、濃度32で128*128の大きさの
しきい値マトリクスを作る場合136*136で性能的
には十分であった。こうして作ったものが、この例では
濃度32のしきい値マトリクスパターンである。
It is not necessary to stick to the number 200 * 200. It is related to the density of the pattern to be obtained. According to the study of the present inventor, when a threshold matrix having a density of 32 and a size of 128 * 128 is formed, 136 * 136 is sufficient in performance. In this example, the threshold matrix pattern having the density of 32 is formed in this manner.

【0062】以下で、濃度を下げた場合のしきい値マト
リクスパターンを求める方法について説明する。
A method for obtaining a threshold matrix pattern when the density is lowered will be described below.

【0063】256段階の濃度分解能を有する128*
128の大きさのしきい値マトリクスパターンを生成し
た場合、(128*128/256=64)各濃度に対
応するドット数は、通常64個になる。
128 * with 256 levels of density resolution
When a threshold matrix pattern having a size of 128 is generated, the number of dots corresponding to each density (128 * 128/256 = 64) is normally 64.

【0064】前記濃度32のしきい値マトリクスには、
64*32=2048個のドットが存在する様マトリク
スを作る。この中から64個のドットを削除すれば、濃
度31のしきい値マトリクスが生成されることになる。
またそこから、64個のドットを削除すれば、濃度30
のしきい値マトリクスが生成されることになる。
In the threshold value matrix of the density 32,
A matrix is created so that 64 * 32 = 2048 dots exist. If 64 dots are deleted from this, a threshold matrix with a density of 31 is generated.
If 64 dots are deleted therefrom, a density of 30
Will be generated.

【0065】ドットの削除の手法としては、出来るだけ
均一に間引く事が重要である。
As a method of deleting dots, it is important to thin out dots as uniformly as possible.

【0066】ここで本発明者は、しきい値マトリクス密
度関数(1)、(2)、(3)なる3つの値を定義しド
ットの均一性(不均一性)を判断する基準とした。
Here, the present inventor defined three values of threshold matrix density functions (1), (2) and (3) and used them as criteria for judging dot uniformity (non-uniformity).

【0067】まず、密度関数(1)の考え方は以下の通
りである。
First, the concept of the density function (1) is as follows.

【0068】ある点にドットが打たれると言うことは周
囲の空白点を代表してその点にドットが打たれると考え
る。代表する空白点が多ければ沢山の空白が周囲に存在
することになり、また小さければドットが密集している
という事になる。
When a dot is formed at a certain point, it is considered that a dot is formed at that point on behalf of a surrounding blank point. If there are many representative blank points, there will be many blanks around, and if it is small, dots will be dense.

【0069】密度関数(1)Dp=ΣLi(i=1〜n) ここで、 Dp:あるドットPのもつ密度関数(1) n:あるドットPを代表とする周囲の空白点の個数 L:あるドットPから周囲の空白点までの距離 また、ある空白点が複数のドットに等距離である場合は
平均する。これを図で説明したのが図8である。
Density function (1) Dp = ΣLi (i = 1 to n) where Dp: density function of a certain dot P (1) n: number of surrounding blank points representing a certain dot P L: certain Distance from dot P to surrounding blank points Also, if a certain blank point is equidistant to a plurality of dots, the distance is averaged. This is illustrated in FIG.

【0070】以上の説明から明白なように、密度関数
(1)が大きければ沢山の空白が周囲に存在することに
なり、また小さければドットが密集しているという事に
なる。図9で説明する。ドットの密集度を見る場合に最
も影響が大きいものは、最も近接した周辺画素である。
ここで我々は注目画素の周辺12画素を抽出しその中に
ドットが存在する場合には、図9に示す所定の重み係数
を乗じて周辺12画素の領域の和を算出し密度関数
(2)とする。
As is clear from the above description, if the density function (1) is large, a lot of blanks exist in the periphery, and if the density function (1) is small, the dots are dense. This will be described with reference to FIG. The most influential when observing the dot density is the nearest neighboring pixels.
Here, we extract the surrounding 12 pixels of the target pixel and, when there is a dot in it, calculate the sum of the surrounding 12 pixels by multiplying by a predetermined weighting coefficient shown in FIG. 9 to obtain the density function (2). And

【0071】密度関数(2)は、近接する周辺画素の密
度を表現する。
The density function (2) expresses the density of adjacent peripheral pixels.

【0072】以上の説明から明白なように、密度関数
(2)が大きければ注目画素の極めて周辺に沢山のドッ
トが存在することになり、また小さければドットが少な
いという事になる。これを図で説明したのが図9であ
る。
As is clear from the above description, if the density function (2) is large, many dots exist very near the target pixel, and if it is small, the number of dots is small. This is illustrated in FIG.

【0073】密度関数(3)は、注目画素を中心とした
所定の領域内に存在するドットの個数を表す。これは、
注目画素からの距離を考慮せず、ある程度マクロ的に見
て該当するエリアの濃度がどれくらいかという事を判断
している関数である。
The density function (3) represents the number of dots existing in a predetermined area around the target pixel. this is,
This function determines the density of the corresponding area when viewed macroscopically to some extent without considering the distance from the target pixel.

【0074】例えば、大きな印刷物は人は1メートル以
上の距離を置いて見る。その場合は、単位画素はある程
度大きくとらえられる。これを図で説明したのが図10
である。図10に示すように、画像濃度でカウントする
対象の範囲を切り換えている。中心濃度128以下で
は、黒ドットを対象に密度を計数し、中心濃度128以
上では、白ドットを対象に密度を計数する。
For example, a large printed matter is viewed by a person at a distance of 1 meter or more. In that case, the unit pixel is considered to be somewhat large. This is illustrated in FIG.
It is. As shown in FIG. 10, the range to be counted by the image density is switched. At a center density of 128 or less, the density is counted for black dots, and for a center density of 128 or more, the density is counted for white dots.

【0075】濃度が極めて低ければ計数の対象範囲を広
げないと、ドットが存在しない事になるし、あまり広げ
すぎると密度の差が計れなくなる。本発明者の検討結果
では図10に示す値が良好と判断した。しかし、この具
体的数字自体がこの発明の内容を制限するものではな
い。
If the density is extremely low, the dot does not exist unless the range to be counted is expanded, and if it is too wide, the difference in density cannot be measured. According to the examination results of the present inventors, the values shown in FIG. 10 were judged to be good. However, the specific numbers themselves do not limit the content of the present invention.

【0076】図7において、前述の密度関数(1)、
(2)、(3)を使って次の濃度のしきい値マトリクス
を決定するための削除すべきドットを選び出す。
In FIG. 7, the aforementioned density function (1),
Using (2) and (3), dots to be deleted for determining the next density threshold matrix are selected.

【0077】まず第1に、密度関数(1)を用いて最も
密度の濃いドットを見つけだす。
First, the dot with the highest density is found using the density function (1).

【0078】候補が1個である場合にはそれを削除すべ
きドットに決定する。候補が複数個存在する場合には、
密度関数(2)を用いて最も密度の濃いドットを見つけ
だす。候補が1個に絞られた場合にはそれを削除すべき
ドットに決定する。
If there is only one candidate, it is determined as a dot to be deleted. If there are multiple candidates,
The dot with the highest density is found using the density function (2). When the number of candidates is reduced to one, it is determined as a dot to be deleted.

【0079】候補が複数個存在する場合には、密度関数
(3)を用いて最も密度の濃いドットを見つけだす。
If there are a plurality of candidates, the dot having the highest density is found using the density function (3).

【0080】まだ、候補が複数個存在する場合には、本
発明者の検討結果からするとランダムに選択してもいい
し、見つかった順に選んでもいい。
If there are still a plurality of candidates, they may be selected randomly or in the order in which they are found, based on the results of the study by the present inventors.

【0081】この手順で、削除した最初の64個が次の
濃度のしきい値マトリクスに対応する。
In this procedure, the first 64 deleted data correspond to the next density threshold matrix.

【0082】ここで、密度関数(1)から(3)を順次
使って判定したが、2つ又は3つの関数値を総合して判
定しても良い。しかし、処理時間の節約上この様な手法
にした。
Here, the determination is made by sequentially using the density functions (1) to (3), but the determination may be made by integrating two or three function values. However, such a method was adopted in order to save processing time.

【0083】以下同様に、ドットが無くなるまで繰り返
せば良い。
In the same manner, the above operation may be repeated until there are no more dots.

【0084】この方法で濃度0から濃度31までのしき
い値マトリクスを作ることが出来る。この場合、濃度3
2から濃度255に相当する部分には中濃度部の誤差拡
散のしきい値128と同じ値を入れておく。この方が処
理の連続性を保つ上で優位である。
In this way, a threshold matrix having a density of 0 to 31 can be created. In this case, the density 3
The same value as the error diffusion threshold value 128 of the medium density portion is set in a portion corresponding to 2 to the density 255. This is superior in maintaining continuity of processing.

【0085】高濃度部に於けるしきい値マトリクスの生
成方法も同じ考え方で実現できる。低濃度部において
は、ドット(黒点)の均一性に注目して処理してきた
が、逆に高濃度部では白点の均一性に着目すれば良い。
The method of generating the threshold matrix in the high density portion can be realized by the same concept. In the low-density part, the processing has been performed by paying attention to the uniformity of the dots (black points).

【0086】たとえば、濃度224までを中濃度部の誤
差拡散で処理し濃度225から濃度255まで新しいし
きい値テーブルを使うとしたらしきい値マトリクス内に
存在するのは濃度225から濃度255までの値と残り
は濃度128(中濃度部の誤差拡散のしきい値と同じ
値)とすることで低濃度部と同じ効果を得ることが出来
ることは理解できる。
For example, if the density 224 is processed by error diffusion of the middle density part and a new threshold table is used from the density 225 to the density 255, only the density 225 to the density 255 exists in the threshold matrix. It can be understood that the same effect as in the low-density part can be obtained by setting the value and the remainder to the density 128 (the same value as the error diffusion threshold value in the medium-density part).

【0087】図4において、まず、注目画素の濃度がし
きい値マトリクスの切り換わり領域に含まれているか否
かを判断する。前記説明では、濃度32まではしきい値
128固定の誤差拡散を使い濃度31以下で低濃度部用
の第一のしきい値マトリクスを使うという説明をしてき
た。
In FIG. 4, first, it is determined whether or not the density of the target pixel is included in the switching area of the threshold value matrix. In the above description, it has been described that the error diffusion in which the threshold value is fixed at 128 is used up to the density 32 and the first threshold matrix for the low density portion is used at the density 31 or less.

【0088】例えば、濃度31から濃度25がこの境界
領域に対応し、濃度0から濃度24と処理を分ける。境
界領域内においては、濃度23で画像処理が第一のしき
い値マトリクス(低濃度部)と第三のしきい値マトリク
ス(中濃度部)で異なる領域を抽出する。これは図6で
説明する。グレースケール画像データ濃度は0から濃度
255の値を取りこれに周辺の誤差値が加算されるが、
ハーフトーン画像データ化する場合に第一のしきい値マ
トリクスと第三のしきい値マトリクスで図6に示す4つ
のパターンが発生する。
For example, density 31 to density 25 correspond to this boundary area, and processing is divided from density 0 to density 24. In the boundary area, areas where the image processing is different at the density of 23 are extracted between the first threshold value matrix (low density area) and the third threshold value matrix (medium density area). This will be described with reference to FIG. The grayscale image data density takes a value from 0 to a density of 255 and a peripheral error value is added to this value.
When converting into halftone image data, four patterns shown in FIG. 6 occur in the first threshold matrix and the third threshold matrix.

【0089】パターン1は、第一,第三のしきい値マト
リクスともにドットを打たない場合。
Pattern 1 is a case where dots are not formed in both the first and third threshold value matrices.

【0090】パターン2は、第三のしきい値マトリクス
ではドットを打たないが第一のしきい値マトリクスでは
ドットを打つ場合。
Pattern 2 is a case where dots are not formed in the third threshold value matrix but are formed in the first threshold value matrix.

【0091】パターン3は、第一しきい値マトリクスで
はドットを打たないが第三のしきい値マトリクスではド
ットを打つ場合。
Pattern 3 is a case where dots are not formed in the first threshold value matrix but are formed in the third threshold value matrix.

【0092】パターン4は、第一,第三のしきい値マト
リクスともにドットを打つ場合。
Pattern 4 is a case where dots are formed on both the first and third threshold value matrices.

【0093】パターン1とパターン4は全く問題ない。
低濃度域では、パターン3はなくパターン2だけが問題
となる。これは、上述のしきい値マトリクスの作り方か
ら明確である。
The patterns 1 and 4 have no problem at all.
In the low density region, there is no pattern 3 and only the pattern 2 becomes a problem. This is clear from the method of creating the threshold matrix described above.

【0094】よって、注目画像が境界領域内の場合に具
体的にどういう処理をするかというと、DAT(画像デ
ータと誤差の加算値)が第一のしきい値マトリクスの値
以上で、第三のしきい値マトリクスの値(今までの例で
言うと128)未満の間にある画素を見つけだせばいい
ことになる。この領域のデータは誤差拡散では、しきい
値が128であるからドットを打たないがこの例で言う
濃度31以下の領域では、ドットを打ってしまう。これ
が不連続の要因であるからである。不連続領域であると
判断されたらDATから補正値を引く。
Therefore, what kind of processing is specifically performed when the target image is within the boundary area is that if DAT (the sum of the image data and the error) is equal to or larger than the value of the first threshold matrix, It is only necessary to find a pixel that is less than the value of the threshold matrix (128 in the above example). In the error diffusion, the data is not dot-formed in the error diffusion because the threshold value is 128, but in the area having a density of 31 or less referred to in this example, the dot is formed. This is because of the discontinuity. If it is determined that the area is a discontinuous area, a correction value is subtracted from DAT.

【0095】注目画素が境界領域内にあり、不連続領域
内にない場合は、前述のしきい値マトリクスと大小を比
較して大きければ黒と判定し、小さければ白と判定して
処理する。
When the pixel of interest is in the boundary area and not in the discontinuous area, the threshold matrix is compared with the magnitude of the above-mentioned threshold matrix.

【0096】誤差の計算が上述の不連続領域の場合は、
DATに引いた補正値をたして元に戻す。一連の処理を
点線で囲んだ部分が遅延処理部37である。
If the calculation of the error is in the above-described discontinuous region,
Add the correction value subtracted from DAT and restore the original value. The part surrounded by a dotted line in the series of processing is the delay processing unit 37.

【0097】前述したように、中濃度部(しきい値が1
28固定)の誤差拡散は誤差が溜まるまでハーフトーン
画像データ化が遅れるというハーフトーン画像データ化
処理遅延特性を持ち、逆に低濃度部のしきい値マトリク
スの誤差拡散は何の遅延もなくストレートにハーフトー
ン画像データ化処理が行われるという特性を持つ。
As described above, the middle density portion (threshold value is 1)
The error diffusion of 28) has a halftone image data processing delay characteristic that the conversion of the halftone image data is delayed until errors accumulate. On the contrary, the error diffusion of the threshold matrix of the low density portion is straight without any delay. The halftone image data conversion process is performed.

【0098】これが、しきい値マトリクスの切り換え部
において「画像の乱れ」が生ずる原因となっている。
This causes "image disturbance" in the switching section of the threshold value matrix.

【0099】この問題を解決するために、遅延処理部37
が効果を発揮する。即ち、不連続領域部(中濃度部の固
定しきい値の誤差拡散ではドットを打たないが低濃度部
のしきい値マトリクスではドットを打つ)ではDATか
ら補正値を引いて、不連続なドットを打ち難くしてい
る。しかし、誤差の計算が不連続領域の場合は、DAT
に引いた補正値を足して誤差保存を保ち、誤差が溜まっ
たら打つように遅延効果を出している。
To solve this problem, the delay processing unit 37
Is effective. That is, the correction value is subtracted from the DAT in the discontinuous region portion (dots are not formed in the error diffusion of the fixed threshold value in the medium density portion, but dots are formed in the threshold value matrix in the low density portion). Dots are hard to hit. However, if the calculation of the error is in a discontinuous region, DAT
Is added to the correction value, and the error saving is maintained, and a delay effect is provided so that the error is hit when the error accumulates.

【0100】誤差は0.2倍して縮小伝搬している。前
述のように「始動遅延」の対策としてして値マトリクス
を切り換えている。ここで誤差の伝搬率を100%とす
ると、逆にドットが打ち易くなり過ぎるという問題が生
ずる。これは、しきい値マトリクスと誤差伝搬率の調整
の問題でもある。実験では誤差伝搬率が20%位がよい
結果を得た。
The error propagates in a reduced size of 0.2. As described above, the value matrix is switched as a measure against the "start delay". Here, assuming that the error propagation rate is 100%, on the other hand, there is a problem that dots are easily formed. This is also a matter of adjusting the threshold matrix and the error propagation rate. In the experiment, a good result was obtained when the error propagation rate was about 20%.

【0101】次に、図5で図2の高濃度部の2値化処理
の内容について説明する。
Next, the contents of the binarization process for the high density portion in FIG. 2 will be described with reference to FIG.

【0102】図4と比較して、違っているのは注目画素
が境界領域内にあり、不連続領域内にある場合、DAT
に補正値を加える点と、黒判定後に不連続領域内にある
場合、DATに加えた補正値を引いて元に戻す点であ
る。
The difference from FIG. 4 is that when the target pixel is in the boundary region and in the discontinuous region, the DAT
And the point where the correction value added to DAT is subtracted and returned to the original value when the pixel is in the discontinuous area after the black determination.

【0103】高濃度部においては、中濃度部の誤差拡散
(しきい値128固定)では白点が打ち難くなる。この
特性に対応するためDATに補正値を足して傘上げす
る。また、逆に誤差値から補正値を減じている。基本的
な考えかたは、図4の説明と同じなので割愛する。
In a high-density area, white spots are difficult to strike in error diffusion (fixed threshold value 128) in a medium-density area. In order to cope with this characteristic, a correction value is added to DAT to increase the value. Conversely, the correction value is subtracted from the error value. The basic way of thinking is the same as that described with reference to FIG.

【0104】高濃度部において、この様な処理を施すこ
とで白いドットの始動遅延(ハキヨセ)が無くなりテク
スチャーもなくなる。
By performing such processing in the high density portion, the starting delay (Hakiyose) of white dots is eliminated, and the texture is also eliminated.

【0105】図4又は図5において、算出した誤差を所
定の値にクランプしている。
In FIG. 4 or FIG. 5, the calculated error is clamped to a predetermined value.

【0106】即ち、この例では上限は128、下限はー
128に制限している。
That is, in this example, the upper limit is limited to 128 and the lower limit is limited to -128.

【0107】これは、誤差が余りに蓄積される事を避け
ている。この事はハード化する場合に誤差を何ビットで
持つかという議論につながる。本発明者の検討結果で
は、グレースケール画像データが8ビット(256段
階)の場合には+128からー128位にクランプする
ことで良好な画像を得ることが出来た。
This avoids that errors are accumulated too much. This leads to an argument about how many bits an error has when hardware is used. According to the study results of the present inventor, when the grayscale image data is 8 bits (256 steps), a good image can be obtained by clamping from +128 to −128.

【0108】図1は、以上の処理をハードウエアー化し
た場合のブロック図である。
FIG. 1 is a block diagram when the above processing is implemented by hardware.

【0109】グレースケール画像データ40が入力され
る。周辺画素の誤差値は誤差蓄積RAM41に記憶され
ている。このメモリーは誤差を読み出しながらハーフト
ーン画像データ化したときの誤差を書き込むこともして
いる。
The gray scale image data 40 is input. The error values of the peripheral pixels are stored in the error accumulation RAM 41. The memory also writes the error when converting the halftone image data while reading the error.

【0110】誤差蓄積RAM41を制御するのが誤差蓄
積メモリー制御部42である。誤差値とグレースケール
画像データ40を加算するのが加算減算部43である。
The error storage RAM 41 is controlled by the error storage memory control unit 42. The addition / subtraction unit 43 adds the error value and the grayscale image data 40.

【0111】また、誤差拡散処理のしきい値やディザマ
トリクスを記憶しているのがしきい値RAM44であ
る。これは一度セットすればよくハーフトーン画像デー
タ化処理中は読み出しのみである。
The threshold value RAM 44 stores the threshold value and the dither matrix of the error diffusion process. This only needs to be set once, and only reading is performed during the halftone image data conversion process.

【0112】しきい値RAM44を制御するのがしきい
値メモリー制御部45である。
The threshold value RAM control unit 45 controls the threshold value RAM 44.

【0113】しきい値とグレースケール画像データ40
または誤差を加算した(上述DAT)値を比較してハー
フトーン画像データ48を出力するのが比較部46、そ
こで発生した誤差値を計算するのが誤差演算部47であ
る。通常、ハードウエア回路49はゲートアレイ等の集
積回路で構成される。
Threshold and Grayscale Image Data 40
Alternatively, the comparing section 46 outputs the halftone image data 48 by comparing the values obtained by adding the errors (the above-described DAT), and the error calculating section 47 calculates the error value generated there. Usually, the hardware circuit 49 is configured by an integrated circuit such as a gate array.

【0114】以上説明してきた中で、グレースケール画
像データ値は、0から255までの整数値で、ハーフト
ーン画像データ値は1か0の2通りの値を取ることにし
て、説明してきたがグレースケール画像データ値は異な
る濃度段階を有すること例えば10ビットデータである
として1024段階の濃度階調を有すること、またはハ
ーフトーン画像データ値が例えば4段階の異なる値を取
る場合であっても本発明が有効に作用する事は明白であ
る。
In the above description, the grayscale image data value is an integer from 0 to 255, and the halftone image data value has two values, 1 and 0. Even if the grayscale image data value has different density levels, for example, it is 10-bit data and has 1024 density gradations, or the halftone image data value has, for example, four different levels, It is clear that the invention works effectively.

【0115】[0115]

【発明の効果】以上説明してきたように、本発明に依れ
ば、従来のディザマトリクス法や誤差拡散法の問題点を
解決するとともに、誤差拡散法のしきい値マトリクスを
切り換えることで、グレースケール画像データをハーフ
トーン画像データに変換する場合に従来発生していた処
理の不連続性が故の極めて目障りな不良画像領域が発生
することを防止し、低濃度部の黒ドットの均一性、及び
高濃度部の白ドットの均一性を実現し、且つ濃度の全領
域に渡り滑らかな画質感を実現できる極めて高品質のハ
ーフトーン画像データを、少ないコストで実現する事が
できる。
As described above, according to the present invention, the problems of the conventional dither matrix method and the error diffusion method can be solved, and the threshold matrix of the error diffusion method can be switched so that the gray level can be reduced. When converting scale image data into halftone image data, it is possible to prevent the occurrence of extremely unsightly defective image areas due to discontinuity of processing that has conventionally occurred, and to achieve uniformity of black dots in low density parts, Also, it is possible to realize extremely high quality halftone image data which can realize uniformity of white dots in a high density portion and realize a smooth image quality feeling over the entire density region at a low cost.

【図面の簡単な説明】[Brief description of the drawings]

【図1】本発明の実施例のブロック図である。FIG. 1 is a block diagram of an embodiment of the present invention.

【図2】本発明の実施例のフローチャートである。FIG. 2 is a flowchart of an embodiment of the present invention.

【図3】中濃度部2値化処理判定部処理フローである。FIG. 3 is a processing flow of a medium density part binarization processing determination part;

【図4】低濃度部2値化処理判定部処理フローである。FIG. 4 is a processing flow of a low-density part binarization processing determination part;

【図5】高濃度部2値化処理判定部処理フローである。FIG. 5 is a processing flow of a high-density part binarization processing determination unit;

【図6】不連続画像の説明図である。FIG. 6 is an explanatory diagram of a discontinuous image.

【図7】しきい値マトリクス生成のフローチャートであ
る。
FIG. 7 is a flowchart of threshold value matrix generation.

【図8】密度関数(1)の説明図である。FIG. 8 is an explanatory diagram of a density function (1).

【図9】密度関数(2)の説明図である。FIG. 9 is an explanatory diagram of a density function (2).

【図10】密度関数(3)の説明図である。FIG. 10 is an explanatory diagram of a density function (3).

【符号の説明】[Explanation of symbols]

40 グレースケール画像データ 48 ハーフトーン画像データ 40 Grayscale image data 48 Halftone image data

Claims (6)

【特許請求の範囲】[Claims] 【請求項1】 グレースケール画像データを所定のしき
い値と大小関係を比較してハーフトーン画像データに変
換するとともに、変換時に発生する誤差を周辺画素に振
り分ける誤差拡散法を用いてグレースケール画像データ
をハーフトーン画像データに変換する画像処理装置であ
って、前記グレースケール画像データの濃度が所定の値
より小さいか大きいかを比較して前記ハーフトーン画像
データ化手段の誤差拡散法におけるしきい値マトリクス
を切り換える手段と、該誤差拡散法におけるしきい値マ
トリクスの差によりハーフトーン画像データ化出力が異
なる領域を判定する手段と,領域判定結果に基づいてハ
ーフトーン画像データ化処理に関するプロセスを切り換
える手段を有するとともに、切り換え濃度またはその近
傍において誤差拡散法により生成したハーフトーン画像
データをもとに所定のルールに従って生成したパターン
を低濃度部及び高濃度部におけるのしきい値マトリクス
として用いることを特徴とする画像処理装置。
1. A method for converting grayscale image data into halftone image data by comparing a magnitude relationship with a predetermined threshold value, and distributing an error generated at the time of conversion to peripheral pixels by using an error diffusion method. What is claimed is: 1. An image processing apparatus for converting data into halftone image data, comprising comparing whether the density of said grayscale image data is smaller or larger than a predetermined value, and determining a threshold in an error diffusion method of said halftone image data converting means. Means for switching a value matrix, means for determining an area having a different halftone image data output according to a difference in a threshold matrix in the error diffusion method, and switching between processes relating to halftone image data processing based on the area determination result. Error diffusion at or near the switching concentration An image processing apparatus characterized in that a pattern generated according to a predetermined rule based on halftone image data generated by a method is used as a threshold matrix in a low density portion and a high density portion.
【請求項2】 請求項1記載の画像処理装置において、
グレースケール画像データの濃度が所定の値より小さい
低濃度部において誤差拡散法の第一のしきい値マトリク
スを用い、グレースケール画像データの濃度が所定の値
より大きくさらに別途定めた値より大きい高濃度部にお
いて誤差拡散法の第二のしきい値マトリクスを用い、前
記低濃度部と高濃度部との中間の中濃度部においてしき
い値が固定の第三のしきい値マトリクスの誤差拡散法を
用いることを特徴とする画像処理装置。
2. The image processing apparatus according to claim 1, wherein
The first threshold matrix of the error diffusion method is used in a low density portion where the density of the grayscale image data is smaller than a predetermined value, and the density of the grayscale image data is higher than a predetermined value and higher than a separately determined value. An error diffusion method of a third threshold matrix in which a threshold is fixed in a middle density portion between the low density portion and the high density portion using a second threshold value matrix of an error diffusion method in a density portion. An image processing apparatus characterized by using:
【請求項3】 請求項1,2のいずれか1項に記載の画
像処理装置において、第一のしきい値マトリクス及び第
二のしきい値マトリクスの生成手段として、各濃度にお
けるハーフトーン画像データ化出力が代表する周囲の画
素密度関数を計数する第1の手段と、注目画素の所定近
傍内の濃度を計数する第2の手段と、所定半径内に存在
するドット数を計数する第3の手段とを有することを特
徴とする画像処理装置。
3. The image processing apparatus according to claim 1, wherein halftone image data at each density is used as a means for generating the first threshold matrix and the second threshold matrix. First means for counting a peripheral pixel density function represented by the digitized output, second means for counting the density in a predetermined neighborhood of the target pixel, and third means for counting the number of dots existing within a predetermined radius. And an image processing apparatus.
【請求項4】 請求項1〜3のいずれか1項に記載の画
像処理装置において、領域判定結果に基づいて、ハーフ
トーン画像データ化処理の遅延量を切り換えることを特
徴とする画像処理装置に係るものである。
4. The image processing apparatus according to claim 1, wherein a delay amount of the halftone image data conversion processing is switched based on a region determination result. It is related.
【請求項5】 請求項1〜4のいずれか1項に記載の画
像処理装置において、領域判定結果に基づいて切り換え
濃度近傍における誤差発生量を切り換えることを特徴と
する画像処理装置。
5. The image processing apparatus according to claim 1, wherein an error generation amount near a switching density is switched based on a region determination result.
【請求項6】 請求項2〜5のいずれか1項に記載の画
像処理装置において、グレースケール画像データの濃度
に基づいて、第一のしきい値マトリクス、第二のしきい
値マトリクスあるいは第三のしきい値マトリクスを適用
時に、各々において誤差の伝搬率を切り換えることを特
徴とする画像処理装置。
6. The image processing apparatus according to claim 2, wherein the first threshold matrix, the second threshold matrix, or the second threshold matrix is based on the density of the grayscale image data. An image processing apparatus characterized in that when three threshold matrices are applied, an error propagation rate is switched in each of them.
JP8284156A 1996-10-25 1996-10-25 Image processor Ceased JPH10136205A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP8284156A JPH10136205A (en) 1996-10-25 1996-10-25 Image processor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP8284156A JPH10136205A (en) 1996-10-25 1996-10-25 Image processor

Publications (1)

Publication Number Publication Date
JPH10136205A true JPH10136205A (en) 1998-05-22

Family

ID=17674911

Family Applications (1)

Application Number Title Priority Date Filing Date
JP8284156A Ceased JPH10136205A (en) 1996-10-25 1996-10-25 Image processor

Country Status (1)

Country Link
JP (1) JPH10136205A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002058380A1 (en) * 2001-01-22 2002-07-25 Matsushita Electric Industrial Co., Ltd. Image processing method and program for processing image
CN100369452C (en) * 2005-01-07 2008-02-13 大日本网目版制造株式会社 Threshold matrix generation method, threshold matrix generation apparatus, and recording medium
JP2008228106A (en) * 2007-03-14 2008-09-25 Ricoh Co Ltd Image processor, image processing method, program, recording medium and image forming apparatus

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002058380A1 (en) * 2001-01-22 2002-07-25 Matsushita Electric Industrial Co., Ltd. Image processing method and program for processing image
CN100369452C (en) * 2005-01-07 2008-02-13 大日本网目版制造株式会社 Threshold matrix generation method, threshold matrix generation apparatus, and recording medium
JP2008228106A (en) * 2007-03-14 2008-09-25 Ricoh Co Ltd Image processor, image processing method, program, recording medium and image forming apparatus

Similar Documents

Publication Publication Date Title
JP4740987B2 (en) Halftoning method
US5325448A (en) Image treatment method and apparatus with error dispersion and controllable quantization
JP2000333010A (en) Gradation dependent type error spread half tone processing method
US7158264B2 (en) Method of determining threshold array for generating gradation image
JPH05336373A (en) Image recorder
JP4236804B2 (en) Image processing method, apparatus and storage medium
JP2007166622A (en) Method for generating half-tone digital image, apparatus and computer program
EP1366618B1 (en) Error diffusion with partial dots method and system
US20060285167A1 (en) Image processing method and a recording medium storing image processing program
JP2003134339A (en) Image forming apparatus
JPH0865517A (en) Improving method for correcting tone due to predistortion of picture data in binary printer and device therefor
JP5458946B2 (en) Image processing apparatus, program, and recording medium
JP3554077B2 (en) Image processing device
JPH10136205A (en) Image processor
JP3814921B2 (en) Grayscale image halftoning method and apparatus having grayscale image halftoning means
JPH1056568A (en) Image processor
US6006011A (en) Target patterns controlled error management
JP4280473B2 (en) Image processing apparatus and method
JPH10191060A (en) Image processor
JP2001309188A (en) Image processing unit and image processing method
JPS60226279A (en) Half tone recording device
JP3965713B2 (en) Color image binarization method by error diffusion method
JP2006005907A (en) Image processing method, image processing apparatus, image forming apparatus, computer program and dummy halftone matrix creating method
JP3402118B2 (en) Image signal processing method and image signal processing device
JPH09247450A (en) Image processing unit

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20050712

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20050725

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050926

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20051114

A045 Written measure of dismissal of application

Free format text: JAPANESE INTERMEDIATE CODE: A045

Effective date: 20060320