JP2002281294A - Image processor and method - Google Patents
Image processor and methodInfo
- Publication number
- JP2002281294A JP2002281294A JP2001079939A JP2001079939A JP2002281294A JP 2002281294 A JP2002281294 A JP 2002281294A JP 2001079939 A JP2001079939 A JP 2001079939A JP 2001079939 A JP2001079939 A JP 2001079939A JP 2002281294 A JP2002281294 A JP 2002281294A
- Authority
- JP
- Japan
- Prior art keywords
- image
- window
- processing
- dither
- value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000015654 memory Effects 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000003672 processing method Methods 0.000 claims description 6
- 230000002542 deteriorative effect Effects 0.000 abstract description 2
- 238000011084 recovery Methods 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 13
- 230000006866 deterioration Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000007796 conventional method Methods 0.000 description 2
- 101000795655 Canis lupus familiaris Thymic stromal cotransporter homolog Proteins 0.000 description 1
- 102100033040 Carbonic anhydrase 12 Human genes 0.000 description 1
- 102100033029 Carbonic anhydrase-related protein 11 Human genes 0.000 description 1
- 101000867855 Homo sapiens Carbonic anhydrase 12 Proteins 0.000 description 1
- 101000867841 Homo sapiens Carbonic anhydrase-related protein 11 Proteins 0.000 description 1
- 101001075218 Homo sapiens Gastrokine-1 Proteins 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
- Facsimile Image Signal Circuits (AREA)
- Controls And Circuits For Display Device (AREA)
Abstract
Description
【0001】[0001]
【発明の属する技術分野】本発明は、ディザ画像に対す
る画像処理装置および方法に関するものである。The present invention relates to an image processing apparatus and method for a dither image.
【0002】[0002]
【従来の技術】以下に、従来の技術について説明をす
る。2. Description of the Related Art A conventional technique will be described below.
【0003】図8は従来の画像処理を示すブロック図で
ある。図8に示す画像処理は、入力画像のN値(N≧
2)のディザ画像を中間調画像に階調数復元し、さらに
拡大処理をするものである。FIG. 8 is a block diagram showing conventional image processing. In the image processing shown in FIG. 8, the N value (N ≧
The dither image of 2) is restored to a halftone image by the number of gradations, and further enlarged.
【0004】図8において、N値(N≧2)のディザ画
像101がウィンドウ102に入力されると、ウィンド
ウ102内の多値ディザ画像をM値(M>N)の中間調
画像にする階調数復元ユニット103により、中間調に
階調数復元された画像がウィンドウ104に入力され
る。In FIG. 8, when an N-value (N ≧ 2) dither image 101 is input to a window 102, a multi-value dither image in the window 102 is converted into an M-value (M> N) halftone image. The image restored to the halftone by the tone restoration unit 103 is input to the window 104.
【0005】ウィンドウ104上の中間調画像は拡大ユ
ニット105により拡大処理されてウィンドウ106に
入力され、ウィンドウ106内の画素が拡大後の中間調
画像として画像メモリ107に保存される。The halftone image on the window 104 is enlarged by the enlargement unit 105 and input to the window 106, and the pixels in the window 106 are stored in the image memory 107 as the enlarged halftone image.
【0006】このように、従来の画像処置装置では、デ
ィザ画像から中間調画像を階調数復元する処理と、中間
調画像を拡大する処理の2ステップが実行される。As described above, in the conventional image processing apparatus, two steps of a process of restoring the number of tones of a halftone image from a dither image and a process of enlarging the halftone image are executed.
【0007】入力画像のN値(N≧2)のディザ画像の
階調数復元するためには、ウィンドウ内の平均レベルに
基づいて連続階調を推定する方法がある。また、拡大処
理方法は、バイリニア法、キュービック法等の一般に用
いられている補間方法が存在する。In order to restore the number of tones of an N-value (N ≧ 2) dither image of an input image, there is a method of estimating continuous tones based on an average level in a window. Further, as the enlargement processing method, there is a commonly used interpolation method such as a bilinear method and a cubic method.
【0008】[0008]
【発明が解決しようとする課題】しかし、このような従
来の技術では、ディザ画像の階調数復元処理と中間調画
像の拡大処理を2つの処理工程で行うために、ソフト処
理では時間がかかる。However, in such a conventional technique, since the process of restoring the number of tones of a dither image and the process of enlarging a halftone image are performed in two processing steps, it takes time in software processing. .
【0009】また、ハード処理ではウィンドウを複数個
持つため、回路規模が大きくなるのでコストアップを招
いてしまう。Further, the hardware processing has a plurality of windows, so that the circuit scale becomes large, which leads to an increase in cost.
【0010】そして、画質的には、階調数復元時にノイ
ズが乗ったり、拡大処理の特性によりエッジ部のぼけな
どの画質劣化が大きくなる。[0010] In terms of image quality, noise is added when the number of gradations is restored, and image quality deterioration such as blurring of an edge portion is increased due to characteristics of enlargement processing.
【0011】そこで、本発明は、階調数復元処理と中間
調画像拡大処理における処理時間および処理コストを削
減することのできる画像処理装置および方法を提供する
ことを目的とする。SUMMARY OF THE INVENTION An object of the present invention is to provide an image processing apparatus and method capable of reducing the processing time and processing cost in the gradation number restoration processing and the halftone image enlargement processing.
【0012】また、本発明は、階調数復元処理と中間調
画像拡大処理における画質劣化を防止することのできる
画像処理装置および方法を提供することを目的とする。It is another object of the present invention to provide an image processing apparatus and method capable of preventing image quality deterioration in tone number restoration processing and halftone image enlargement processing.
【0013】[0013]
【課題を解決するための手段】この課題を解決するため
に、本発明の画像処理装置は、N値(N≧2)のディザ
画像が入力されるウィンドウと、ウィンドウ内のディザ
画像をM値(M>N)の中間調画像に階調数復元処理を
行うとともに拡大処理を行う階調数復元・拡大部と、拡
大後の中間調画像が保存される画像メモリとを有する構
成としたものである。In order to solve this problem, an image processing apparatus according to the present invention comprises: a window into which an N-value (N ≧ 2) dither image is input; A configuration including a tone number restoring / enlarging unit that performs a tone number restoring process and enlargement process on a halftone image (M> N), and an image memory that stores the enlarged halftone image. It is.
【0014】このように、N値(N≧2)のディザ画像
の階調数復元処理とこれを拡大する中間調画像拡大処理
を一括して行っているので、画像メモリおよびウィンド
ウの個数が低減され、階調数復元処理と中間調画像拡大
処理における処理時間および処理コストを削減すること
ができる。また、階調数復元処理と中間調画像拡大処理
における画質劣化を防止することができる。As described above, since the number-of-tones restoring process of the dither image of N value (N ≧ 2) and the halftone image enlarging process for enlarging it are performed at the same time, the number of image memories and windows is reduced. Thus, the processing time and processing cost in the gradation number restoration processing and the halftone image enlargement processing can be reduced. Further, it is possible to prevent image quality deterioration in the gradation number restoration processing and the halftone image enlargement processing.
【0015】[0015]
【発明の実施の形態】本発明の請求項1に記載の発明
は、N値(N≧2)のディザ画像が入力されるウィンド
ウと、ウィンドウ内のディザ画像をM値(M>N)の中
間調画像に階調数復元処理を行うとともに拡大処理を行
う階調数復元・拡大部と、拡大後の中間調画像が保存さ
れる画像メモリとを有する画像処理装置であり、画像メ
モリおよびウィンドウの個数が低減され、階調数復元処
理と中間調画像拡大処理における処理時間および処理コ
ストを削減することが可能になるという作用を有する。
また、階調数復元処理と中間調画像拡大処理における画
質劣化を防止することが可能になるという作用を有す
る。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS According to the first aspect of the present invention, a window into which an N-value (N ≧ 2) dither image is input, and a dither image in the window having an M-value (M> N) An image processing apparatus comprising: a gradation number restoring / enlarging unit that performs a gradation number restoring process and an enlarging process on a halftone image; and an image memory in which the enlarged halftone image is stored. Is reduced, and the processing time and the processing cost in the gradation number restoration processing and the halftone image enlargement processing can be reduced.
Further, there is an effect that it is possible to prevent image quality deterioration in the gradation number restoration processing and the halftone image enlargement processing.
【0016】本発明の請求項2に記載の発明は、N値
(N≧2)のディザ画像をウィンドウに入力し、ウィン
ドウ内のディザ画像をM値(M>N)の中間調画像に階
調数復元処理を行うとともに拡大処理を行い、拡大後の
中間調画像を保存する画像処理方法であり、画像メモリ
およびウィンドウの個数が低減され、階調数復元処理と
中間調画像拡大処理における処理時間および処理コスト
を削減することが可能になるという作用を有する。ま
た、階調数復元処理と中間調画像拡大処理における画質
劣化を防止することが可能になるという作用を有する。According to a second aspect of the present invention, a dither image having an N value (N ≧ 2) is input to a window, and the dither image in the window is transformed into a halftone image having an M value (M> N). This is an image processing method that performs tone restoration processing and enlargement processing, and stores an enlarged halftone image. The number of image memories and windows is reduced, and processing in tone number restoration processing and halftone image enlargement processing is performed. This has the effect that time and processing costs can be reduced. In addition, there is an effect that it is possible to prevent image quality deterioration in the gradation number restoration processing and the halftone image enlargement processing.
【0017】本発明の請求項3に記載の発明は、請求項
2記載の発明において、ニューラルネットワークを使用
して拡大処理を行う画像処理方法であり、画像メモリお
よびウィンドウの個数が低減され、階調数復元処理と中
間調画像拡大処理における処理時間および処理コストを
削減することが可能になるという作用を有する。また、
階調数復元処理と中間調画像拡大処理における画質劣化
を防止することが可能になるという作用を有する。According to a third aspect of the present invention, there is provided an image processing method for performing an enlargement process using a neural network according to the second aspect, wherein the number of image memories and windows is reduced, and This has the effect that the processing time and processing cost in the tone restoration processing and the halftone image enlargement processing can be reduced. Also,
This has an effect that it is possible to prevent image quality deterioration in the gradation number restoration processing and the halftone image enlargement processing.
【0018】本発明の請求項4に記載の発明は、請求項
2または3記載の発明において、ニューラルネットワー
クは層状に構成されている画像処理方法であり、画像メ
モリおよびウィンドウの個数が低減され、階調数復元処
理と中間調画像拡大処理における処理時間および処理コ
ストを削減することが可能になるという作用を有する。
また、階調数復元処理と中間調画像拡大処理における画
質劣化を防止することが可能になるという作用を有す
る。According to a fourth aspect of the present invention, in the second or third aspect, the neural network is an image processing method in which the neural network is configured in a layered manner, and the number of image memories and windows is reduced. This has the effect that it is possible to reduce the processing time and processing cost in the gradation number restoration processing and the halftone image enlargement processing.
In addition, there is an effect that it is possible to prevent image quality deterioration in the gradation number restoration processing and the halftone image enlargement processing.
【0019】以下、本発明の実施の形態について、図1
から図7を用いて説明する。Hereinafter, an embodiment of the present invention will be described with reference to FIG.
This will be described with reference to FIG.
【0020】図1は本発明の一実施の形態における画像
処理装置を示すブロック図、図2は本発明の一実施の形
態における画像処理での入力ウィンドウと出力ウィンド
ウとの位置の対応関係を示す説明図、図3は本発明の一
実施の形態における画像処理での入力ウィンドウのスキ
ャンの様子を示す説明図、図4は本発明の一実施の形態
における画像処理でのニューラルネットワークの構造を
示す説明図、図5は本発明の一実施の形態における画像
処理でのディザ画像を階調数復元・拡大処理するための
学習プロセスを示すブロック図、図6は本発明の一実施
の形態における画像処理でのディザ画像を階調数復元・
拡大処理するための学習プロセスを示すフローチャー
ト、図7は本発明の一実施の形態における画像処理での
ディザ画像を階調数復元・拡大処理するためのプロセス
を示すブロック図である。FIG. 1 is a block diagram showing an image processing apparatus according to an embodiment of the present invention, and FIG. 2 shows a correspondence relationship between positions of an input window and an output window in image processing according to an embodiment of the present invention. FIG. 3 is an explanatory view showing a state of scanning an input window in image processing according to an embodiment of the present invention. FIG. 4 is a diagram showing a structure of a neural network in image processing according to an embodiment of the present invention. FIG. 5 is a block diagram illustrating a learning process for restoring and enlarging the number of tones of a dither image in image processing according to an embodiment of the present invention, and FIG. 6 is an image according to an embodiment of the present invention. Restoration of dither image in processing
FIG. 7 is a block diagram showing a process for restoring and enlarging the number of tones of a dither image in image processing according to an embodiment of the present invention.
【0021】なお、図1に示すように、本実施の形態の
画像処理は、入力画像のN値(N≧2)のディザ画像を
中間調画像に階調数復元し、さらに拡大処理をするもの
である。As shown in FIG. 1, in the image processing according to the present embodiment, the dither image of the N value (N ≧ 2) of the input image is restored to a halftone image by the number of tones, and further enlarged. Things.
【0022】図1に示すように、本実施の形態の画像処
理装置は、N値(N≧2)のディザ画像201が入力さ
れるウィンドウ202と、ウィンドウ202内のディザ
画像201をM値(M>N)の中間調画像に階調数復元
処理を行うとともに拡大処理を行う階調数復元・拡大ユ
ニット(階調数復元・拡大部)203と、復元・拡大処
理の結果が入力されるウィンドウ204と、ウィンドウ
204内の画素を拡大後のM値(M>N)の中間調画像
として保存する画像メモリ205とから構成されてい
る。なお、本実施の形態においてはウィンドウ202と
ウィンドウ204とが示されているが、これらは共通で
もよいし別体でもよい。また、ウィンドウと画像の処理
イメージについては後述する。As shown in FIG. 1, the image processing apparatus according to this embodiment includes a window 202 to which a dither image 201 having N values (N ≧ 2) is input and a dither image 201 in the window 202 having an M value ( (M> N) A gradation number restoration / enlargement unit (gradation number restoration / enlargement unit) 203 that performs the gradation number restoration processing and enlargement processing on the halftone image of M> N) and the result of the restoration / enlargement processing is input. It comprises a window 204 and an image memory 205 for storing pixels in the window 204 as a halftone image having an M value (M> N) after enlargement. Although the window 202 and the window 204 are shown in the present embodiment, they may be common or separate. The processing image of the window and the image will be described later.
【0023】このように、N値(N≧2)のディザ画像
の階調数復元処理とこれを拡大する中間調画像拡大処理
を階調数復元・拡大ユニット203において一括して行
っているので、画像メモリおよびウィンドウ204の個
数が低減され、階調数復元処理と中間調画像拡大処理に
おける処理時間および処理コストを削減することができ
る。As described above, the gradation number restoration processing and the halftone image enlargement processing for enlarging the dither image of the N value (N ≧ 2) are collectively performed in the gradation number restoration / enlargement unit 203. Thus, the number of image memories and windows 204 can be reduced, and the processing time and processing cost in the gradation number restoration processing and the halftone image enlargement processing can be reduced.
【0024】また、階調数復元処理と中間調画像拡大処
理における画質劣化を防止することができる。Further, it is possible to prevent the image quality from deteriorating in the gradation number restoring process and the halftone image enlarging process.
【0025】以下、ウィンドウの対応関係について説明
する。なお、本実施の形態においては、拡大倍率は2倍
となっているが、3倍以上であってもよい。The correspondence between windows will be described below. In the present embodiment, the magnification is 2 times, but may be 3 times or more.
【0026】図2において、図2(a)は、入力される
N値(N≧2)のディザ画像をウィンドウで区切った状
態が示されている。ここでは、5×5ピクセルのウィン
ドウに区切られている。また、図2(b)は、出力され
る処理後のM値(M>N)の中間調画像の出力画素が示
されている。ここでは、10×10ピクセルが入力画像
のウィンドウに対応している。FIG. 2A shows a state in which a dither image having an input N value (N ≧ 2) is divided by a window. Here, the window is divided into 5 × 5 pixel windows. FIG. 2B shows output pixels of an output halftone image having an M value (M> N) after the processing. Here, 10 × 10 pixels correspond to the window of the input image.
【0027】つまり、処理前(図2(a))のウィンド
ウ内の中心画素301を中心とする5×5画素のウィン
ドウは、処理後(図2(b))のウィンドウ内の中心画
素302の4画素に対応する。また、次の画素を処理す
るために位置をシフトさせたとき、処理前のウィンドウ
内の中心画素303は、処理後のウィンドウ内の中心画
素304の4画素に対応している。That is, the window of 5 × 5 pixels centered on the center pixel 301 in the window before the processing (FIG. 2A) is the same as the center pixel 302 in the window after the processing (FIG. 2B). This corresponds to four pixels. When the position is shifted to process the next pixel, the center pixel 303 in the window before processing corresponds to the four pixels of the center pixel 304 in the window after processing.
【0028】入力ウィンドウのスキャンの様子を示す図
3において、画素401は入力画像全体402の最初の
ウィンドウ中心画素で、入力ウィンドウ403、入力ウ
ィンドウ404の順番にウィンドウが移動する。In FIG. 3 showing the scanning of the input window, the pixel 401 is the first window center pixel of the entire input image 402, and the windows move in the order of the input window 403 and the input window 404.
【0029】なお、次の行にウィンドウをとる際には、
画素405を中央画素とする。以下、ウィンドウが取れ
る場所まで行・列ともに一画面スキャンを繰り返す。When taking a window on the next line,
The pixel 405 is a central pixel. Hereinafter, one screen scan is repeated for both rows and columns until a window can be taken.
【0030】図4にニューラルネットワークの構造を示
す。FIG. 4 shows the structure of the neural network.
【0031】ここでは、入出力画像の1画素分を1ユニ
ットに対応させている。よって、第1層501を入力層
(5×5=25ユニット)とし、第2層502を中間層
(25ユニット以上)とし、第3層503を出力層(2
×2=4ユニット)とする。Here, one pixel of the input / output image corresponds to one unit. Therefore, the first layer 501 is an input layer (5 × 5 = 25 units), the second layer 502 is an intermediate layer (25 units or more), and the third layer 503 is an output layer (2 units).
× 2 = 4 units).
【0032】入力層である第1層501と出力層である
第3層503は、0〜1の間の値を取るように正規化
し、各ユニットはパーセプトロンにする。ユニット間の
接続は、同じ層内のユニット間では存在せず、第1層5
01−第2層502間での全てのユニット、第2層50
2−第3層503間での全てのユニットの組合せで接続
がされている。また、学習アルゴリズムの例として、バ
ックプロパゲーション法を用いる。なお、この方法の説
明については公知なので、ここでの説明は省略する。The first layer 501 as an input layer and the third layer 503 as an output layer are normalized so as to take values between 0 and 1, and each unit is a perceptron. Connections between units do not exist between units in the same layer,
01-all units between the second layer 502, the second layer 50
The connection is made by a combination of all units between the second and third layers 503. As an example of the learning algorithm, a back propagation method is used. Since the description of this method is publicly known, the description is omitted here.
【0033】次に、今回学習アルゴリズムを使用して学
習する方法(以下、「学習方法」という。)について説
明する。Next, a method of learning using a learning algorithm this time (hereinafter, referred to as a “learning method”) will be described.
【0034】N値(N≧2)ディザ画像を階調数復元・
拡大処理するための学習プロセスを図5に示す。N-value (N ≧ 2) dither image
FIG. 5 shows a learning process for the enlargement process.
【0035】図示するように、予めグレースケール、カ
ラーなどで少なくとも256階調を持つ教師画像601
と、教師画像601をニアレストネイバー法等で縮小
し、さらにN値(N≧2)にディザをかけたN値(N≧
2)ディザ画像602とを用意する。つまり、N値(N
≧2)ディザ画像の目標出力が教師画像になる。As shown in the figure, a teacher image 601 having at least 256 gradations in gray scale, color, etc.
N value (N ≧ 2) obtained by reducing the teacher image 601 by the nearest neighbor method or the like and further dithering the N value (N ≧ 2)
2) Prepare a dither image 602. That is, the N value (N
≧ 2) The target output of the dither image is the teacher image.
【0036】図5において、教師画像601からウィン
ドウ603に入力し、N値(N≧2)のディザ画像60
2からウィンドウ604に入力する。そこで、ニューラ
ルネットワークユニット(学習前)605にウィンドウ
603とウィンドウ604とを入力する。ここでバック
プロパゲーション法により、ウィンドウ603とウィン
ドウ604との入出力パターンの対応関係を学習する。In FIG. 5, a dither image 60 having N values (N ≧ 2) is input from a teacher image 601 to a window 603.
2 to the window 604. Therefore, the window 603 and the window 604 are input to the neural network unit (before learning) 605. Here, the correspondence between the input and output patterns of the window 603 and the window 604 is learned by the back propagation method.
【0037】N値(N≧2)ディザ画像を階調数復元・
拡大処理するための学習プロセスを図6に示す。Restoring the N-value (N ≧ 2) dither image to the number of gradations
FIG. 6 shows a learning process for performing the enlargement process.
【0038】先ず、最大学習回数mを代入し(S70
1)、学習回数カウンタnを0に初期化する(S70
2)。First, the maximum learning number m is substituted (S70).
1), a learning number counter n is initialized to 0 (S70).
2).
【0039】次に、nがmを超えていないか確認し(S
703)、nがmを超えていれば学習終了とする。Next, it is checked whether n exceeds m (S
703) If n exceeds m, the learning is terminated.
【0040】また、nがmを超えていなければ、学習す
るウィンドウパターン総数を予め変数kに入力する(S
704)。なお、変数kの例として、入力画像の全画素
数が挙げられる。If n does not exceed m, the total number of window patterns to be learned is input to a variable k in advance (S
704). Note that an example of the variable k is the total number of pixels of the input image.
【0041】次に、ウィンドウパターンカウンタlを初
期化し(S705)、ウィンドウパターンカウンタlが
ウインドウパターン総数kに達していないか確認をする
(S706)。ウィンドウパターンカウンタlがウイン
ドウパターン総数kを超えていれば、教師画像601と
N値(N≧2)のディザ画像601との間で全ての画素
の入出力関係を1回学習したとみなし、後述するS71
0に進む。Next, the window pattern counter 1 is initialized (S705), and it is confirmed whether the window pattern counter 1 has not reached the total number k of window patterns (S706). If the window pattern counter 1 exceeds the total number k of window patterns, it is considered that the input / output relationship of all pixels between the teacher image 601 and the dither image 601 of N value (N ≧ 2) has been learned once, and will be described later. S71
Go to 0.
【0042】また、ウィンドウパターンカウンタlがウ
インドウパターン総数kを超えていなければ、教師画像
601からウィンドウ603に入力し、N値(N≧2)
のディザ画像602からウィンドウ604に入力する
(S707)。そこで、ニューラルネットワークユニッ
ト(学習前)605にウィンドウ603とウィンドウ6
04とを入力する。ここでバックプロパゲーション法に
より、ウィンドウ603とウィンドウ604との入出力
パターンの対応関係を学習する(S708)。If the window pattern counter 1 does not exceed the total number k of window patterns, an input is made from the teacher image 601 to the window 603, and the N value (N ≧ 2)
Is input to the window 604 from the dither image 602 (S707). Therefore, the window 603 and the window 6 are added to the neural network unit (before learning) 605.
Enter 04. Here, the correspondence between the input and output patterns of the window 603 and the window 604 is learned by the back propagation method (S708).
【0043】学習動作をしたならば、ウィンドウパター
ンカウンタlをインクリメントし(S709)、再度S
706に戻り、ウィンドウパターンカウンタlがウイン
ドウパターン総数kに達していないか確認する。達して
いなかった場合はウィンドウの中心画素の位置を一つ進
め、S706からS709までの動作を行う。この動作
を画像の全面に対して行って学習1回とする。After the learning operation, the window pattern counter 1 is incremented (S709), and S
Returning to 706, it is confirmed whether the window pattern counter 1 has not reached the total number k of window patterns. If not reached, the position of the center pixel of the window is advanced by one, and the operations from S706 to S709 are performed. This operation is performed on the entire surface of the image, and the learning is performed once.
【0044】そして、学習1回終了したら、nをインク
リメントし(S710)、S703に戻って学習回数が
最大になっていないか確認する(S703)。When one learning operation is completed, n is incremented (S710), and the process returns to S703 to check whether the number of learning operations has reached the maximum (S703).
【0045】その後、学習回数が最大でなければ、ウィ
ンドウ参照位置を初期位置にリセットしてS704から
S710の動作を繰り返し実行する。また、学習回数が
最大の場合は、学習動作を打ち切って終了する。Thereafter, if the number of times of learning is not the maximum, the window reference position is reset to the initial position, and the operations from S704 to S710 are repeatedly executed. When the number of times of learning is the maximum, the learning operation is terminated and the process ends.
【0046】N値(N≧2)のディザ画像を階調数復元
・拡大処理するためのブロック図を図7に示す。FIG. 7 is a block diagram for restoring and enlarging the dither image of N value (N ≧ 2).
【0047】ここでは、ニューラルネットワークユニッ
ト(学習済)801を用いる。ニューラルネットワーク
ユニット(学習済)801は、これまで説明した学習動
作により、階調数復元・拡大ユニット203に相当する
ものとなっている。Here, a neural network unit (learned) 801 is used. The neural network unit (learned) 801 corresponds to the gradation number restoring / enlarging unit 203 by the learning operation described above.
【0048】N値(N≧2)のディザ画像802からウ
ィンドウ803に画像を抽出し、ニューラルネットワー
クユニット(学習済)801に入力する。すると、ウィ
ンドウ804に階調数復元・拡大処理済みの画素が出力
され、ウィンドウ804を出力画像805に再配置・統
合する。すると、出力画像805は教師画像601の持
つ特性に近づけることができる。An image is extracted from a dither image 802 having N values (N ≧ 2) to a window 803 and input to a neural network unit (learned) 801. Then, the pixels subjected to the gradation number restoration / enlargement processing are output to the window 804, and the window 804 is rearranged and integrated into the output image 805. Then, the output image 805 can be made closer to the characteristics of the teacher image 601.
【0049】このように、N値(N≧2)のディザ画像
602をより解像度の高い中間調画像に階調数復元させ
るアルゴリズムに、十分に学習したニューラルネットワ
ークを用いることにより、ディザ画像階調数復元と中間
調画像拡大を行うときのソフトウェアでの処理時間とハ
ードウェアでのコストを削減することが可能になるとと
もに、ディザ画像階調数復元と中間調画像拡大のそれぞ
れのアルゴリズムが持つ画質劣化を防ぐことができる。As described above, by using a sufficiently learned neural network for the algorithm for restoring the number of tones of the dither image 602 of N value (N ≧ 2) to a halftone image with higher resolution, the gradation of the dither image The software processing time and hardware cost when performing number restoration and halftone image enlargement can be reduced, and the image quality of each algorithm for dither image gradation number restoration and halftone image enlargement Deterioration can be prevented.
【0050】なお、ニューラルネットワークを用いて以
上のような処理を行うとエッジ部の鮮鋭化が図れるとい
う効果が予備実験により分かっている。Preliminary experiments have shown that the above processing using a neural network can sharpen the edge.
【0051】また、教師画像601を元の画像とし、縮
小アルゴリズムのみをかけたものを入力画像に見たてて
学習した場合も、同様にニューラルネットワークを拡大
アルゴリズムとして使用することができる。Also, when the teacher image 601 is used as the original image and an image obtained by applying only the reduction algorithm to the input image and learning is performed, the neural network can be similarly used as the enlargement algorithm.
【0052】[0052]
【発明の効果】以上のように、本発明によれば、N値
(N≧2)のディザ画像の階調数復元処理とこれを拡大
する中間調画像拡大処理を一括して行っているので、画
像メモリおよびウィンドウの個数が低減され、階調数復
元処理と中間調画像拡大処理における処理時間および処
理コストを削減することが可能になるという有効な効果
が得られる。As described above, according to the present invention, the process of restoring the number of tones of a dither image having an N value (N ≧ 2) and the process of enlarging the halftone image for enlarging it are performed at once. Thus, the number of image memories and windows is reduced, and the processing time and the processing cost in the gradation number restoration processing and the halftone image enlargement processing can be effectively reduced.
【0053】また、N値(N≧2)のディザ画像の階調
数復元処理とこれを拡大する中間調画像拡大処理を一括
して行っているので、階調数復元処理と中間調画像拡大
処理における画質劣化を防止することが可能になるとい
う有効な効果が得られる。Further, since the tone number restoration processing of the N value (N ≧ 2) dither image and the halftone image enlargement processing for enlarging the dither image are performed at once, the tone number restoration processing and the halftone image enlargement processing are performed. An effective effect is obtained that it is possible to prevent image quality deterioration in processing.
【図1】本発明の一実施の形態における画像処理装置を
示すブロック図FIG. 1 is a block diagram showing an image processing apparatus according to an embodiment of the present invention.
【図2】本発明の一実施の形態における画像処理での入
力ウィンドウと出力ウィンドウとの位置の対応関係を示
す説明図FIG. 2 is an explanatory diagram showing the correspondence between the positions of an input window and an output window in image processing according to an embodiment of the present invention;
【図3】本発明の一実施の形態における画像処理での入
力ウィンドウのスキャンの様子を示す説明図FIG. 3 is an explanatory diagram showing a state of scanning an input window in image processing according to one embodiment of the present invention;
【図4】本発明の一実施の形態における画像処理でのニ
ューラルネットワークの構造を示す説明図FIG. 4 is an explanatory diagram showing a structure of a neural network in image processing according to one embodiment of the present invention;
【図5】本発明の一実施の形態における画像処理でのデ
ィザ画像を階調数復元・拡大処理するための学習プロセ
スを示すブロック図FIG. 5 is a block diagram showing a learning process for restoring and enlarging the number of gradations of a dither image in image processing according to an embodiment of the present invention.
【図6】本発明の一実施の形態における画像処理でのデ
ィザ画像を階調数復元・拡大処理するための学習プロセ
スを示すフローチャートFIG. 6 is a flowchart illustrating a learning process for restoring and enlarging the number of gradations of a dither image in image processing according to an embodiment of the present invention.
【図7】本発明の一実施の形態における画像処理でのデ
ィザ画像を階調数復元・拡大処理するためのプロセスを
示すブロック図FIG. 7 is a block diagram showing a process for restoring and enlarging the number of gradations of a dither image in image processing according to an embodiment of the present invention;
【図8】従来の画像処理を示すブロック図FIG. 8 is a block diagram showing conventional image processing.
101 N値(N≧2)ディザ画像 102 ウィンドウ 103 階調数復元ユニット 104 ウィンドウ 105 拡大ユニット 106 ウィンドウ 107 画像メモリ 201 N値(N≧2)ディザ画像 202 ウィンドウ 203 階調数復元・拡大ユニット(階調数復元・拡大
部) 204 ウィンドウ 205 画像メモリ 301 処理前のウィンドウ内の中心画素 302 処理後のウィンドウ内の中心画素 303 処理前のウィンドウ内の中心画素 304 処理後のウィンドウ内の中心画素 401 画素 402 入力画像全体 403 入力ウィンドウ 404 入力ウィンドウ 405 画素 501 第1層 502 第2層 503 第3層 601 教師画像 602 N値(N≧2)ディザ画像 603 ウィンドウ 604 ウィンドウ 605 ニューラルネットワークユニット(学習前) 801 ニューラルネットワークユニット(学習済) 802 N値(N≧2)ディザ画像 803 ウィンドウ 804 ウィンドウ 805 出力画像101 N value (N ≧ 2) dither image 102 window 103 gradation number restoration unit 104 window 105 enlargement unit 106 window 107 image memory 201 N value (N ≧ 2) dither image 202 window 203 gradation number restoration / enlargement unit (floor (Tone restoration / enlargement unit) 204 window 205 image memory 301 central pixel in window before processing 302 central pixel in window after processing 303 central pixel in window before processing 304 central pixel in window after processing 401 pixel 402 Whole input image 403 Input window 404 Input window 405 Pixel 501 First layer 502 Second layer 503 Third layer 601 Teacher image 602 N-value (N ≧ 2) dither image 603 Window 604 Window 605 Neural network Knit (before learning) 801 neural network unit (learned) 802 N values (N ≧ 2) dithered image 803 window 804 window 805 output image
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 FI テーマコート゛(参考) H04N 1/405 G09G 5/36 520F 1/40 H04N 1/40 C 103B Fターム(参考) 5B057 CA02 CA07 CA12 CA16 CB02 CB08 CB12 CB16 CD05 CE11 CH08 5C076 AA21 AA27 BA03 BA06 BB40 BB44 5C077 LL17 LL18 MP01 NN08 PP20 PP68 PQ15 PQ22 RR06 5C082 AA01 BA35 BB15 BB44 CA11 CA33 DA54 DA55 MM02 ──────────────────────────────────────────────────の Continued on the front page (51) Int.Cl. 7 Identification code FI Theme coat ゛ (Reference) H04N 1/405 G09G 5/36 520F 1/40 H04N 1/40 C 103B F-term (Reference) 5B057 CA02 CA07 CA12 CA16 CB02 CB08 CB12 CB16 CD05 CE11 CH08 5C076 AA21 AA27 BA03 BA06 BB40 BB44 5C077 LL17 LL18 MP01 NN08 PP20 PP68 PQ15 PQ22 RR06 5C082 AA01 BA35 BB15 BB44 CA11 CA33 DA54 DA55 MM02
Claims (4)
ウィンドウと、 前記ウィンドウ内の前記ディザ画像をM値(M>N)の
中間調画像に階調数復元処理を行うとともに拡大処理を
行う階調数復元・拡大部と、 拡大後の前記中間調画像が保存される画像メモリとを有
することを特徴とする画像処理装置。An image processing apparatus includes: a window into which a dither image having an N value (N ≧ 2) is input; and performing a tone number restoration process on the dither image in the window to a halftone image having an M value (M> N). An image processing apparatus comprising: a gradation number restoring / enlarging unit for performing an enlarging process; and an image memory for storing the halftone image after the enlarging.
に入力し、 前記ウィンドウ内の前記ディザ画像をM値(M>N)の
中間調画像に階調数復元処理を行うとともに拡大処理を
行い、 拡大後の前記中間調画像を保存することを特徴とする画
像処理方法。2. A dither image having an N value (N ≧ 2) is input to a window, and the dither image in the window is subjected to a gradation number restoration process to a halftone image having an M value (M> N) and enlarged. Performing an image processing and storing the enlarged halftone image.
理を行うことを特徴とする請求項2記載の画像処理方
法。3. The image processing method according to claim 2, wherein the enlargement processing is performed using a neural network.
されていることを特徴とする請求項3記載の画像処理方
法。4. The image processing method according to claim 3, wherein said neural network is configured in a layered manner.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001079939A JP2002281294A (en) | 2001-03-21 | 2001-03-21 | Image processor and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001079939A JP2002281294A (en) | 2001-03-21 | 2001-03-21 | Image processor and method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2002281294A true JP2002281294A (en) | 2002-09-27 |
Family
ID=18936308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001079939A Pending JP2002281294A (en) | 2001-03-21 | 2001-03-21 | Image processor and method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2002281294A (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018060817A1 (en) * | 2016-09-30 | 2018-04-05 | Semiconductor Energy Laboratory Co., Ltd. | Display system and electronic device |
JP2018151443A (en) * | 2017-03-10 | 2018-09-27 | 株式会社半導体エネルギー研究所 | Semiconductor device |
WO2019003026A1 (en) * | 2017-06-27 | 2019-01-03 | Semiconductor Energy Laboratory Co., Ltd. | Display system and data processing method |
JP2020508504A (en) * | 2017-02-24 | 2020-03-19 | ディープマインド テクノロジーズ リミテッド | Iterative multi-scale image generation using neural networks |
-
2001
- 2001-03-21 JP JP2001079939A patent/JP2002281294A/en active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018060817A1 (en) * | 2016-09-30 | 2018-04-05 | Semiconductor Energy Laboratory Co., Ltd. | Display system and electronic device |
US10607575B2 (en) | 2016-09-30 | 2020-03-31 | Semiconductor Energy Laboratory Co., Ltd. | Display system and electronic device |
JP2020508504A (en) * | 2017-02-24 | 2020-03-19 | ディープマインド テクノロジーズ リミテッド | Iterative multi-scale image generation using neural networks |
US11361403B2 (en) | 2017-02-24 | 2022-06-14 | Deepmind Technologies Limited | Iterative multiscale image generation using neural networks |
US11734797B2 (en) | 2017-02-24 | 2023-08-22 | Deepmind Technologies Limited | Iterative multiscale image generation using neural networks |
JP2018151443A (en) * | 2017-03-10 | 2018-09-27 | 株式会社半導体エネルギー研究所 | Semiconductor device |
WO2019003026A1 (en) * | 2017-06-27 | 2019-01-03 | Semiconductor Energy Laboratory Co., Ltd. | Display system and data processing method |
CN110785804A (en) * | 2017-06-27 | 2020-02-11 | 株式会社半导体能源研究所 | Display system and data processing method |
US11037525B2 (en) | 2017-06-27 | 2021-06-15 | Semiconductor Energy Laboratory Co., Ltd. | Display system and data processing method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5258854A (en) | Converting between write-white, write-black and neutral bitmaps | |
Katsavounidis et al. | A multiscale error diffusion technique for digital halftoning | |
EP1798951B1 (en) | Method, apparatus and computer program for halftoning digital images | |
JPH11331577A (en) | Continuous tone image output method | |
JPH06311366A (en) | Picture processing system | |
JPH06105160A (en) | Image controller | |
JP3959698B2 (en) | Image processing method and apparatus | |
JPH07288689A (en) | Device and method for binarization processing of image signal | |
JPH10275228A (en) | Method for forming partially correlated minimum visible halftone pattern for digital printer | |
JP3154240B2 (en) | Digital halftone with minimum correlated visual modulation pattern. | |
JP5013805B2 (en) | Processor-readable storage medium | |
Son | Inverse halftoning through structure-aware deep convolutional neural networks | |
US6025930A (en) | Multicell clustered mask with blue noise adjustments | |
JP2002281294A (en) | Image processor and method | |
JPH11250244A (en) | Processor for preparing document image to be outputted to output device | |
US7649652B2 (en) | Method and apparatus for expanding bit resolution using local information of image | |
JP4290681B2 (en) | Image processing apparatus, image processing method, image processing program, machine-readable recording medium recording image processing program, and printed matter | |
JP3625160B2 (en) | Image processing device | |
US9036212B2 (en) | Halftone screen generation mechanism | |
JP4108517B2 (en) | Halftoning processing method and halftoning processing system | |
JP4141817B2 (en) | Error diffusion with reduced buffers | |
JPH10145592A (en) | Method and device for generating halftone image | |
JP2898836B2 (en) | Image processing method | |
US7710604B2 (en) | Method and system for providing a high quality halftoned image | |
JP2002314807A (en) | Method and device for correcting gradation of dither image |