JPH1155507A

JPH1155507A - 画像処理装置

Info

Publication number: JPH1155507A
Application number: JP9206832A
Authority: JP
Inventors: Takahiro Omichi; 隆広大道; Yasushi Adachi; 靖安達
Original assignee: Sharp Corp
Current assignee: Sharp Corp
Priority date: 1997-07-31
Filing date: 1997-07-31
Publication date: 1999-02-26

Abstract

(57)【要約】【課題】多値画像データを２値化する処理においてモ
アレやテクスチャ等の画質低下を招く要因を低減すると
共に、より短い演算時間で高精度な擬似階調処理を行う
画像処理装置を提供する。【解決手段】写真領域の多値画像データを２値化する
処理において、当該写真領域の多値画像データを、互い
に隣接する複数の画素から構成される任意のマトリック
スを単位として分割し、該マトリックス内の各画素の階
調値を入力すると、該マトリックス内の全部または一部
の画素の２値化したデータが出力されるように予め学習
されたニューラルネットワークを用いて、写真領域の多
値画像データを２値化する擬似階調処理手段１３を備え
た構成とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、階調処理機能を有
するレーザビームプリンタやレーザ複写機等の画像形成
装置に適用される画像処理装置に関し、特に、擬似階調
表現機能を有する画像形成装置に適用される画像処理装
置に関する。

【０００２】

【従来の技術】従来より、階調を有する画像データを、
０及び１の２値表示のみ可能な表示装置やプリンタ装置
を用いて、できる限り原画像に近い２値画像を表示させ
ようとする擬似階調処理と称される方法が数多く行われ
ており、その代表例として、濃度パターン法、２値ディ
ザ法、及び画素配分法等が広く知られている。

【０００３】なかでも、原画像の各画素の階調信号に雑
音を加えて階調値を変化させた後、しきい値処理によっ
て２値化する２値ディザ法が最も広く利用されている。

【０００４】２値ディザ法については、現在までに各種
の方法が提案され、用いられているが、その中でも最も
広く用いられている方法は、しきい値をマトリックス状
に配置したディザマスクを作製し、このディザマスクを
原画像に重ね合わせ、原画像の階調値とマスクのしきい
値とを比較して、しきい値よりも原画像の階調値が大き
ければ１、小さければ０として２値化する組織的ディザ
法である。

【０００５】しきい値の配置方法については、現在、網
点型、渦巻型、及びBayer 型等が知られており、一般的
に、しきい値濃度を分散させて配置するBayer 型は解像
力に優れ、集中させて配置する網点型及び渦巻型はリニ
アな階調再現力に優れるとされている。

【０００６】しかし、このような組織的ディザ法によっ
て２値化を行う場合の問題点として、周期的な階調分布
や、一様な階調の画素が集中する領域をこの方法で２値
化する場合、用いるディザマスクによっては、２値化画
像内に特定のモアレを発生させてしまうという現象があ
げられる。

【０００７】これに対し、特開平６−５４１７５号公報
では、ある多値画像領域をディザ処理しようとする際
に、予め用意してある３×３のディザマスクで多値から
２値へのディザ処理を行い、処理前の多値画素の階調値
と処理後の２値信号との差分を演算し、これによって発
生する差分のノイズ信号を前記の予め用意してあるディ
ザマスクの各要素に合成することにより、ディザマスク
のしきい値配列を変換し、これを用いて再度組織的ディ
ザ法を実行することにより、モアレの少ない２値画像を
生成する方法が開示されている。

【０００８】また、特開平６−２７６３９２号公報で
は、ある注目画素について、その画素を中心とする３×
３のマトリックスに含まれる９画素の階調値を比較し、
これらが一定範囲内に収まっているか否かで階調が均一
な画素の集合領域か否かを判別し、前者に対しては予め
指定した固定しきい値、後者については注目画素の周囲
画素の階調値の平均値をしきい値として２値化すること
により、モアレの少ない２値画像を生成する方法が開示
されている。

【０００９】

【発明が解決しようとする課題】しかし、組織的ディザ
法の場合、一般的に精度の高い擬似階調再現を行うため
には、ディザマスクのサイズをできる限り大きくする必
要がある。上記の方法は、いずれも３×３のディザマス
クを使用して実現している例であり、ディザマスクが例
えば１６×１６を超えるサイズになった場合は、やはり
モアレやテクスチャ発生の可能性がある。また、上記の
方法では、ディザマスクのサイズ拡大によって演算時間
が従来時間の２乗に比例して増加していくという問題点
がある。

【００１０】さらに、ディザマスクを大きくした場合、
ディザマスクにより２値化された領域間にテクスチャと
呼ばれる周期的な模様パターンが発生し、画質の低下を
招くという問題点が発生する。この問題のため、現在用
いられているディザマスクのサイズは最大でも１６×１
６画素程度が限度とされている。

【００１１】以上のように、上記した従来技術では、い
ずれの技術においても、ディザマスクのサイズが拡大さ
れた場合に、モアレや処理領域間のテクスチャを生じ、
演算時間の増大を招くといった、高精度の擬似階調処理
を行う上での問題点が生じていた。

【００１２】本発明は、上記の問題点に鑑みてなされた
ものであり、その目的は、多値画像データを２値化する
処理においてモアレやテクスチャ等の画質低下を招く要
因を低減すると共に、より短い演算時間で高精度な擬似
階調処理を行う画像処理装置を提供することにある。

【００１３】

【課題を解決するための手段】請求項１の発明に係る画
像処理装置は、上記の課題を解決するために、得られた
多値画像データから写真領域を識別し、識別された写真
領域の多値画像データを２値化する画像処理装置におい
て、前記写真領域の多値画像データを、互いに隣接する
複数の画素から構成される任意のマトリックスを単位と
して分割し、該マトリックス内の各画素の階調値を入力
すると、該マトリックス内の全部または一部の画素の２
値化したデータが出力されるように予め学習されたニュ
ーラルネットワークを用いて、写真領域の多値画像デー
タを２値化する擬似階調処理手段を備えることを特徴と
している。

【００１４】上記の構成によれば、対象となるマトリッ
クス内の画素は、ニューラルネットワークにより、マト
リックス内の全画素の階調度、即ちマトリックス内の濃
度分布を反映して最適に２値化される。このため、モア
レ等の極めて少ない、良好な２値画像が得られる。ま
た、マトリックスサイズの大小に拘らず、マトリックス
に含まれる画素数を入力要素とするニューラルネットワ
ークを予め学習させておき、これを用いることによって
比較的短時間で２値化を行うことができる。このため、
マトリックスサイズが大きくなるほど、従来の組織的デ
ィザ法に対して、２値化の処理時間が短縮できる。

【００１５】これにより、様々な階調分布を有する多値
画像に対し、従来の組織的ディザ法による擬似階調処理
よりも高精度な擬似階調処理を少ない処理時間で実行す
ることが可能になる。

【００１６】請求項２の発明に係る画像処理装置は、上
記の課題を解決するために、請求項１の構成において、
前記擬似階調処理手段は、写真領域の多値画像データ
を、隣接する前記マトリックス同士の一部が重なり合う
ように分割し、前記ニューラルネットワークは、前記マ
トリックス内の各画素の階調値が入力されると、該マト
リックスの周囲の数画素分を除いた残りの画素領域の２
値データを出力することを特徴としている。

【００１７】上記の構成によれば、ニューラルネットワ
ークにより、除去するマトリックスの周囲画素の階調情
報を反映してマトリックス内部の画素を２値化すること
が可能になる。即ち、２値化された画像は除去された周
囲画素の階調情報を含んでいることになる。

【００１８】また、上記の構成に従って写真領域をマト
リックス単位で順次２値化していく場合、ある２値化領
域と、その隣の２値化領域とは、２値化処理を行う前の
原画像における、境界部分の数列（あるいは数行）の画
素群を共通のデータとしている。そして、ニューラルネ
ットワーク演算により、この共通部分の階調情報は両方
の２値化領域の境界部分に反映される。このため、２値
化領域の境界部分の連続性が保たれる。

【００１９】これにより、２値化される領域間における
テクスチャの発生を解消することが可能になる。

【００２０】請求項３の発明に係る画像処理装置は、上
記の課題を解決するために、請求項１または２の構成に
おいて、前記マトリックスは、正方マトリックスである
ことを特徴としている。

【００２１】上記の構成によれば、分割された各マトリ
ックスでの２値化処理を容易なものにし、また、マトリ
ックスの周囲数画素分を除いた画素領域に２値化処理す
る場合にも、除去するマトリックスの周囲４辺の画素の
階調情報がそれぞれ内部へ均等に配分される。

【００２２】これにより、２値化された画像の画質を更
に向上させることが可能になる。

【００２３】請求項４の発明に係る画像処理装置は、上
記の課題を解決するために、請求項１〜３のいずれかの
構成において、前記擬似階調処理手段の外部または内部
から、前記マトリックスの大きさを、ある定められた範
囲内で指定する手段を備えることを特徴としている。

【００２４】上記の構成によれば、マトリックスサイズ
を拡大することにより、ある一定の大きさの写真領域を
処理するのに、より少ないマトリックス数で処理するこ
とができる。

【００２５】これにより、処理に要する時間を更に短縮
させることが可能になる。

【００２６】

【発明の実施の形態】本発明の実施の一形態について図
１〜図５に基づいて説明すれば、以下の通りである。

【００２７】図２は、本発明の実施の一形態に係る画像
処理装置の概略的構成を示すブロック図である。本画像
処理装置は、画像入力手段１０、Ａ／Ｄ変換手段１１、
領域分離手段１２、擬似階調処理手段１３、画像出力手
段１４、及び指定手段１５を備えている。

【００２８】画像入力手段１０は、原画から画像情報を
得て、該画像情報をＡ／Ｄ変換手段１１へ出力する。画
像入力手段１０は、例えば、読取り手段としてスキャナ
を備えており、このスキャナによって原画を光走査して
読取ることで、原画像の各画素の階調値を得ており、更
に、各画素の階調値をアナログ電気信号１Ａとして出力
する構成となっている。

【００２９】Ａ／Ｄ変換手段１１は、画像入力手段１０
から入力されるアナログ電気信号１Ａを、８ｂｉｔのデ
ィジタル電気信号１Ｂに変換する。詳細には、Ａ／Ｄ変
換手段１１は、アナログ電気信号１Ａを一定の周期でサ
ンプリングし、各画素の階調値を８ｂｉｔのディジタル
電気信号１Ｂとして出力する構成となっている。

【００３０】擬似階調処理手段１３は、Ａ／Ｄ変換手段
１１から領域分離手段１２を経由して入力される多階調
のディジタル電気信号１Ｂを、２値の画像情報信号１Ｃ
に変換するものであるが、詳細については後述する。

【００３１】また、本画像処理装置は、Ａ／Ｄ変換手段
１１と擬似階調処理手段１３との間に、領域分離手段１
２を備えている。領域分離手段１２は、入力されるディ
ジタル電気信号１Ｂから、原画像内における文字・網点
・写真の各領域を識別すると共に、識別された写真領域
のデータを擬似階調処理手段１３へ出力する。従って、
擬似階調処理手段１３へ入力されるのは、原画像の写真
領域の多階調のディジタル電気信号１Ｂである。

【００３２】画像出力手段１４は、擬似階調処理手段１
３で得られた２値画像情報信号１Ｃを出力して複製画を
得る。詳細には、画像出力手段１４は、例えばモノクロ
プリンタを含んでおり、擬似階調処理手段１３によって
処理された２値画像情報信号１Ｃに基づいて、各画素の
２値データを順次出力する構成となっている。

【００３３】指定手段１５は、擬似階調処理手段１３に
対して、使用するマトリックスのサイズを外部から指定
するものであるが、詳細については後述する。

【００３４】図１は、擬似階調処理手段１３の内部構成
を示す図である。同図に示すように、擬似階調処理手段
１３は、入力バッファ２１、ニューラルネットワーク記
憶部（以下、単に「記憶部」という。）２２、ニューラ
ルネットワーク演算部（以下、単に「演算部」とい
う。）２３、及び出力バッファ２４を備えている。

【００３５】入力バッファ２１は、Ａ／Ｄ変換手段手段
１１から領域分離手段１２を経由して入力された、各画
素の階調値を示す８ｂｉｔのディジタル電気信号１Ｂに
対して、入力されたデータを一時保存しておく。また、
入力バッファ２１は、後述の判定部（図示せず）を含ん
だ構成になっている。

【００３６】記憶部２２は、後述の予め学習されたニュ
ーラルネットワークのモデル（結合係数、演算式等）を
記憶し、指定手段１５の指示に基づく演算部２３からの
演算データのロード命令に従って、該当するニューラル
ネットワークモデルを出力する。

【００３７】演算部２３は、指定手段１５の指示に基づ
き、ロードすべきマトリックスの画素数を計算し、当該
マトリックス内の各画素の階調値データをロードするよ
う入力バッファ２１に対して命じる。また、演算部２３
は、入力バッファ２１からロードされた階調値データ
を、前記ニューラルネットワークの入力層に入力して、
２値化演算を行い、その結果を出力バッファ２４へ出力
する。

【００３８】出力バッファ２４は、演算部２３が出力し
たデータを一時保存し、画像出力手段１４の動作速度に
応じて、画像出力手段１４へ各画素の２値画像情報信号
１Ｃを順次出力する。

【００３９】次に、図３及び図４を参照して、本画像処
理装置における擬似階調処理について説明する。

【００４０】本擬似階調処理では、図３に示すように、
多値の原画像写真領域３１を、ｆ×ｆ画素で構成される
正方マトリックス３２を単位として分割する。そして、
正方マトリックス３２に対して、その外側ｐ画素分を除
去した中心部ｇ×ｇ画素で構成された正方マトリックス
３３の２値データを出力するものとする。

【００４１】このとき、除去される画素数をＡとする
と、ｆ、ｇ、ｐの間には以下の関係が成立する。

【００４２】Ａ＝ｆ²−ｇ²＝ｆ²−（ｆ−２ｐ）²＝４ｐ（ｆ−ｐ） …（１）なお、図３は、ｆ＝８、ｇ＝４、ｐ＝２とした場合を示
しており、以下では、ｆ＝８、ｇ＝４、ｐ＝２として本
擬似階調処理を説明する。

【００４３】まず、多値の原画像に対して設定した８×
８のマトリックス３２の各画素の階調値から、その中心
部４×４のマトリックス３３の２値データを演算するた
め、例えば図４に示すように、入力要素Ｉが８²＝６４
個、出力要素Ｏが４²＝１６個で中間層Ｍを設けたニュ
ーラルネットワーク４１を構成する。そして、このニュ
ーラルネットワーク４１を、バックプロパゲーション等
の学習則に従って、教師データの入力により予め学習す
ることとする。

【００４４】具体的には、予め８×８画素の多値画像
を、フィルタリング等の種々の従来技術によって４×４
画素の２値画像に変換したサンプルを多数用意し、各種
の評価を行ってモアレのない、高画質のサンプルを数点
選定して、これを教師データとしてニューラルネットワ
ーク４１を学習させ、その結果得られたニューラルネッ
トワークのモデルを記憶部２２に格納する。

【００４５】次に、入力バッファ２１に一時保存されて
いる、原画像の各画素のディジタル階調データ（ディジ
タル電気信号１Ｂ）から、原画像の写真領域の左上隅の
８×８のマトリックス３２のデータを演算部２３にロー
ドする。ここで、図３に示すように、写真領域の左上隅
の画素の座標をＧ｛１，１｝とし、右方向をｘ軸、下方
向をｙ軸として各画素の座標をＧ｛ｘ，ｙ｝で表すもの
とすると、Ｇ｛１，１｝〜Ｇ｛８，８｝のデータをロー
ドすることになる、同時に、記憶部２２からもニューラ
ルネットワークのモデルを演算部２３にロードし、各画
素の階調データを用意された入力層に順次入力させ、マ
トリックス３３で示される４×４のマトリックスの各画
素の２値データを演算し、これを出力バッファ２４に格
納する。

【００４６】ニューラルネットワーク４１は、前記の通
り、モアレの発生していない２値画像を教師データとし
て予め学習され、作製されているため、入力される画像
データの階調分布に拘らず常に良好な２値化処理を実行
する。

【００４７】これにより、どのような階調分布を持つ多
値画像のデータが入力されても、変換領域内の全画素の
階調データを反映した２値化処理の短時間での実行が可
能となる。

【００４８】上記した処理手順によって、１回目のマト
リックスの２値化処理が終了する。この時点において２
値化されている領域は、図３に示すように、写真領域の
左上隅を原点とすると、ｘ＝３からｘ＝６まで（Ｇ
｛３，３｝〜Ｇ｛６，６｝）のマトリックス３３で示さ
れる領域である。

【００４９】次いで、１段目の２回目の処理は、処理方
向Ｄに進み、ｘ＝７からｘ＝１０まで（Ｇ｛７，３｝〜
Ｇ｛１０，６｝）を２値化することになる。図３では、
この領域はマトリックス３５として示される。

【００５０】２値化処理の際に、原画像に設定した８×
８画素のマトリックスの周囲２画素分を除去することを
考慮すると、２回目の処理では、原画像のｘ＝５からｘ
＝１２まで（Ｇ｛５，１｝〜Ｇ｛１２，８｝）を入力バ
ッファ２１から演算部２３にロードすることになる。図
３では、この領域はマトリックス３４として示される。

【００５１】即ち、１回目の処理と２回目の処理とで
は、ｘ＝５からｘ＝８まで（Ｇ｛５，１｝〜Ｇ｛８，
８｝）が重複して処理されていることになり、換言すれ
ば、３２画素が１回目の処理と２回目の処理とで重複処
理されていることになる。

【００５２】よって、この領域の各画素の階調データ、
即ち階調分布は、ニューラルネットワーク４１により、
１回目の処理の２値化領域であるマトリックス３３と、
２回目の処理の２値化領域であるマトリックス３５との
両方に反映されるため、マトリックス３３とマトリック
ス３５との境界付近は連統性の高い画像が再現され、な
おかつ上記処理によって境界付近の２値画素の位置が適
当に配置されるため、モアレもしくはテクスチャの発生
しない良好な画像が再現される。

【００５３】この処理が順次繰り返されてゆくため、原
画像を左端から右端まで横方向に１段処理を完了した
際、隣り合う２値化画像領域の境界付近はいずれも上記
したような良好な画像が再現されている。

【００５４】更に２段目の処理を行う際には、１段目の
処理で写真領域のｙ＝３からｙ＝６まで（Ｇ｛３，３｝
〜Ｇ｛６，６｝）が処理済みのため、ｙ＝７からｙ＝１
０まで（Ｇ｛３，７｝〜Ｇ｛６，１０｝）を２値化する
ために、ｙ＝５からｙ＝１２までの８×８画素（Ｇ
｛１，５｝〜Ｇ｛８，１２｝）を入力バッファ２１から
演算部２３にロードすることになる。従って、ｙ＝５か
らｙ＝８まで（Ｇ｛１，５｝〜Ｇ｛８，８｝）の３２画
素が重複して処理される。

【００５５】このようにして２段目を処理していくこと
により、１段目と２段目との境界付近は良好な画像が再
現される。以下、３段目以降を処理していくことによ
り、写真領域全体が良好な２値画像に変換される。

【００５６】これにより、２値化される領域間における
テクスチャの発生を解消することが可能になる。

【００５７】また、上記の処理では、写真領域を分割す
る単位マトリックスの形状を正方形としている。

【００５８】これにより、マトリックスの中心部から周
囲の４辺への距離が等しくなるため、ニューラルネット
ワーク処理を行った際に、周囲画素の情報が等しく中心
部に反映され、高画質の２値画像変換が可能になる。

【００５９】次に、上記の擬似階調処理において用いる
ニューラルネットワーク４１を、いくつか用意されたも
ののなかから選択して用いる処理について説明する。

【００６０】この処理では、まず、上記した擬似階調処
理用のニューラルネットワーク４１について、マトリッ
クスサイズや除去する周囲画素の数を変更したニューラ
ルネットワークを数種類用意し、それぞれ記憶部２２に
記憶させておく。そして、擬似階調処理手段１３の内部
もしくは外部にこれらのどれを採用するかを選択する指
定手段１５を設け、指定した内容に応じて、記憶部２２
から該当する擬似階調処理用ニューラルネットワークを
演算部２３にロードすると共に、入力バッファ２１から
処理に必要な領域の画素の階調値を演算部２３にロード
する構成とする。また、各演算は演算部２３で実行する
ものとする。

【００６１】その際、入力バッファ２１からロードする
画素については、選択するマトリックスのサイズにより
異なる。以下、この手順の一例を示す。

【００６２】前記の通り、処理領域のマトリックスサイ
ズをｆ×ｆ画素、除去する周囲画素分をｐとし、写真領
域の左上隅から右方向へラスタ走査の要領で順次処理す
ると仮定すると、処理領域マトリックスのシフト量は次
のようになる。

【００６３】まず、１段目の処理を行う場合を考える
と、処理領域マトリックス同士が重複している部分は図
３に示すように（２ｐ）列であるため、ある処理領域と
次の処理領域との間は、（ｆ−２ｐ）列の差がある。よ
って、ｘ方向へのシフト量については、初項１、公差
（ｆ−２ｐ）の等差数列の関係がある。

【００６４】従って、１段目でｍ番目に処理を行う変換
領域マトリックスの先頭のｘ座標（領域の左辺画素のｘ
座標）をｘ_Sとすると、これは等差数列Ａ_rの一般項を
求める式により以下のように求められる。

【００６５】Ａ_r＝ａ＋（ｒ−１）ｄ〔ただし、ａ：初項、ｄ：公差、ｒ：項番号〕また、ａ＝１、ｄ＝（ｆ−２ｐ）、ｒ＝ｍであるから、ｘ_S＝１＋（ｍ−１）・（ｆ−２ｐ） …（２）従って、このときの、変換領域マトリックスの右辺画素
のｘ座標をｘ_lとすると、ｘ_lは、マトリックスサイズ
がｆ×ｆ画素であるから、ｘ_l＝（ｍ−１）・（ｆ−２ｐ）＋ｆ …（３）また、ｙ方向については、１段目の処理が終了後、やは
り、（ｆ−２ｐ）だけシフトさせる。これを繰り返すこ
とによって処理を行うので、ｎ段目の処理を行う際の上
辺画素のｙ座標ｙ_Sは、上と同じく次のようになる。

【００６６】ｙ_S＝１＋（ｎ−１）・（ｆ−２ｐ） …（４）よって、ｎ段目の処理を行う際のマトリックスの下辺画
素のｙ座標ｙ_lは、次のようになる。

【００６７】ｙ_l＝（ｎ−１）・（ｆ−２ｐ）＋ｆ …（５）以上より、ｎ段目の処理において、ｍ番目の領域を２値
化するときに入力バッファ２１からロードする画素領域
をＢ_m,nとすると、Ｂ_m,n＝Ｇ｛ｘ_S，ｙ_S｝〜Ｇ｛ｘ_l，ｙ_l｝ …（６）と、表すことができる。

【００６８】擬似階調処理手段１３において、写真領域
を２値化していく手順を図５に示す。まず、入力バッフ
ァ２１に読込まれた各画素は、写真領域の左上隅の画素
から順にＧ｛ｘ，ｙ｝の形で座標化されていく（Ｓ
１）。

【００６９】次に、指定手段１５により、処理領域マト
リックスのサイズを指定する（Ｓ２）。これを受けて、
演算部２３は、記憶部２２にデータのロードを命じ（Ｓ
３）、記憶部２２は、マトリックスサイズに対応した擬
似階調処理用ニューラルネットワーク４１の演算データ
を、演算部２３にロードする（Ｓ４）。

【００７０】また、演算部２３は、ロードした演算デー
タをもとに、マトリックスサイズｆと除去する画素数ｐ
とを計算し、上記の式（２）から式（６）に示した計算
式で、処理対象となる画素をロードしてくるよう、入力
バッファ２１に命令する（Ｓ３）。ただし、このとき、
ｍ及びｎの初期値は、それぞれ１としておく（Ｓ５）。
これで、写真領域の左上隅から処理が始まる。

【００７１】ロード命令を受けた入力バッファ２１は、
その内部に設けられた判定部（図示せず）において、次
の判定を行う（Ｓ６）。即ち、予め読込んだ写真領域の
画素の中で、ｘ座標が最も大きな画素（つまり、写真領
域の右端の画素）の座標値ｘ_maxと、演算部２３から入
力された処理領域マトリックスの右端の画素の座標値ｘ
_lとを比較して、ｘ_l≦ｘ_maxならば、マトリックスが
写真範囲内と判定し、そうでなければ写真範囲外と判定
して処理を分ける。

【００７２】写真範囲内にマトリックスがある場合は、
Ｂ_m,nにｍ、ｎを代入して該当する画素を演算部２３に
ロードし（Ｓ７）、２値化処理を行い（Ｓ８）、ｍ＝ｍ
＋１として、ｘ方向にシフトさせる（Ｓ９）。そして、
再びＳ６の判定を行い、依然としてマトリックスが写真
範囲内にあれば、Ｓ７〜Ｓ９の処理を行う。よって、Ｂ
_1,1→Ｂ_2,1→Ｂ_3,1…と処理していく。

【００７３】これを繰り返していき、ｘ_l＞ｘ_maxとな
ったところで１段目の処理が終了したと判断し、次い
で、ｍ＝１、ｎ＝ｎ＋１として２段目の処理に移る（Ｓ
１０）。

【００７４】その際、入力バッファ２１において、次の
判定を行う（Ｓ１１）。即ち、予め読込んだ写真領域の
画素の中で、ｙ座標が最も大きな画素（つまり、写真領
域の下端の画素）の座標値ｙ_maxと、演算部２３から入
力された処理領域マトリックスの下端の画素の座標値ｙ
_lとを比較して、ｙ_l≦ｙ_maxならば、マトリックスが
写真範囲内と判定し、そうでなければ写真範囲外と判定
して処理を分ける。

【００７５】写真範囲内にマトリックスがある場合は、
前記のようにｍ＝１から順次ｍ＝ｍ＋１としながら２値
化処理を続行する（Ｓ７〜Ｓ９）。即ち、Ｂ_1,2→Ｂ
_2,2→Ｂ_3,2…と処理していく。

【００７６】上記のように、ｘ方向およびｙ方向への処
理を繰り返していき、Ｓ１１においてｙ_l＞ｙ_maxとな
ったところで写真領域全体の処理が終了したと判断し、
２値化処理を終了する。

【００７７】マトリックスサイズについては、対象とな
る写真領域画像の種類によって最適なサイズが異なる
が、一定以上の大きさになると、一部の写真画像に対し
ては画像劣化等の問題点が発生する可能性があるため、
従来の２値ディザ法で広く用いられている４×４画素サ
イズから８×８画素サイズで設定する。ただし、対象画
像によっては、これ以上の値も設定可能である。

【００７８】上記のように処理していくことにより、マ
トリックスサイズが変化した場合にも、そのサイズに対
応した擬似階調処理が可能になる。つまり、種々のマト
リックスサイズに対応したニューラルネットワークを数
種類用意し、これらを予め学習させ、記憶部２２にスト
アしておくことにより、指定手段１５の指示に基づきマ
トリックスサイズを拡大した場合でも、演算部２３は、
そのサイズに対応したニューラルネットワークを用いて
擬似階調処理を行うことができる。そして、これによ
り、処理に要する時間を更に短縮させることが可能にな
る。

【００７９】なお、上述した本実施形態の画像処理装置
では、隣接するマトリックス同士の一部を重複させるよ
うにして、順次擬似階調処理を行うものであったが、本
発明はこれに限定されるものではなく、隣接するマトリ
ックス同士が重ならないように処理してもよい。また、
上記の擬似階調処理は、ｆ×ｆ画素で構成される正方マ
トリックスに対して、その外側ｐ画素分を除去した中心
部ｇ×ｇ画素で構成された正方マトリックスの２値デー
タを出力するものであったが、本発明はこれに限定され
るものではなく、例えば、ｆ×ｆ画素で構成される正方
マトリックスに対して、同じくｆ×ｆ画素で構成される
正方マトリックスの２値データを出力するものであって
もよい。

【００８０】

【発明の効果】請求項１の発明の画像処理装置は、以上
のように、写真領域の多値画像データを、互いに隣接す
る複数の画素から構成される任意のマトリックスを単位
として分割し、該マトリックス内の各画素の階調値を入
力すると、該マトリックス内の全部または一部の画素の
２値化したデータが出力されるように予め学習されたニ
ューラルネットワークを用いて、写真領域の多値画像デ
ータを２値化する擬似階調処理手段を備えた構成であ
る。

【００８１】これにより、従来の組織的ディザ法による
擬似階調処理よりも高精度な擬似階調処理を短い処理時
間で実行することが可能になる。

【００８２】請求項２の発明の画像処理装置は、以上の
ように、請求項１の構成において、前記擬似階調処理手
段は、写真領域の多値画像データを、隣接する前記マト
リックス同士の一部が重なり合うように分割し、前記ニ
ューラルネットワークは、前記マトリックス内の各画素
の階調値が入力されると、該マトリックスの周囲の数画
素分を除いた残りの画素領域の２値データを出力する構
成である。

【００８３】これにより、２値化される領域間における
テクスチャの発生を解消することが可能になる。

【００８４】請求項３の発明の画像処理装置は、以上の
ように、請求項１または２の構成において、前記マトリ
ックスは、正方マトリックスである構成である。

【００８５】これにより、２値化された画像の画質を更
に向上させることが可能になる。

【００８６】請求項４の発明の画像処理装置は、以上の
ように、請求項１〜３のいずれかの構成において、前記
擬似階調処理手段の外部または内部から、前記マトリッ
クスの大きさを、ある定められた範囲内で指定する手段
を備えた機成である。

【００８７】これにより、処理に要する時間を更に短縮
させることが可能になる。

【図面の簡単な説明】

【図１】本発明の実施の一形態に係る画像処理装置に設
けられた擬似階調処理手段の構成を概略的に示すブロッ
ク図である。

【図２】上記画像処理装置の概略的構成を示すブロック
図である。

【図３】上記画像処理装置を用いて写真領域の２値化を
実行する手順の一例を示すための説明図である。

【図４】上記画像処理装置の擬似階調処理に用いられる
ニューラルネットワークの一例を示す説明図である。

【図５】上記擬似階調処理手段における階調処理の手順
の一例を示すフローチャートである。

【符号の説明】

１０画像入力手段１１Ａ／Ｄ変換手段１２領域分離手段１３擬似階調処理手段１４画像出力手段１５指定手段２１入力バッファ２２ニューラルネットワーク記憶部２３ニューラルネットワーク演算部２４出力バッファ

Claims

【特許請求の範囲】

【請求項１】得られた多値画像データから写真領域を識
別し、識別された写真領域の多値画像データを２値化す
る画像処理装置において、前記写真領域の多値画像データを、互いに隣接する複数
の画素から構成される任意のマトリックスを単位として
分割し、該マトリックス内の各画素の階調値を入力する
と、該マトリックス内の全部または一部の画素の２値化
したデータが出力されるように予め学習されたニューラ
ルネットワークを用いて、写真領域の多値画像データを
２値化する擬似階調処理手段を備えることを特徴とする
画像処理装置。
【請求項２】前記擬似階調処理手段は、写真領域の多値
画像データを、隣接する前記マトリックス同士の一部が
重なり合うように分割し、前記ニューラルネットワーク
は、前記マトリックス内の各画素の階調値が入力される
と、該マトリックスの周囲の数画素分を除いた残りの画
素領域の２値データを出力することを特徴とする請求項
１記載の画像処理装置。
【請求項３】前記マトリックスは、正方マトリックスで
あることを特徴とする請求項１または２記載の画像処理
装置。
【請求項４】前記擬似階調処理手段の外部または内部か
ら、前記マトリックスの大きさを、ある定められた範囲
内で指定する手段を備えることを特徴とする請求項１〜
３のいずれかに記載の画像処理装置。