图像处理装置、图像处理方法、程序、印刷介质以及记录介质的制作方法

图像处理装置、图像处理方法、程序、印刷介质以及记录介质的制作方法
【专利摘要】针对图像数据，进行基于作为没有方位性的近似滤波器以及具有各方位性的多个细节滤波器的集合的、具有次数的广义风车小框架或风车小波框架的多分辨率分解，并获取子带信号，在获取基于多分辨率分解的分解阶段的子带信号的处理图像数据、或者通过将多分辨率分解的合成阶段的子带信号相加而重构图像后的处理图像数据的情况下，进行使与滤波器的至少一个对应的、多分辨率分解的分解阶段中的子带信号衰减或放大的处理。
【专利说明】图像处理装置、图像处理方法、程序、印刷介质以及记录介 质

【技术领域】
[0001] 本发明涉及一种图像处理装置、图像处理方法、程序、印刷介质以及记录介质。

【背景技术】
[0002] 以往，曾开发出针对原始图像进行清晰度（图像锐化）或边缘检测等图像处理的 方法。
[0003] 例如，在非专利文献1所记载的程序产品中，为了进行图像锐化而进行局部对比 度控制，以使检测出边缘较亮的一侧的像素并使其更亮，且检测出边缘较暗的一侧的像素 并使其更暗。
[0004] 另外，在非专利文献2所记载的方法中，作为人的初期视觉信息处理的数理模型， 使用最大重叠双正交小波滤波器组，针对灰度的原始图像进行非线性处理。
[0005] 另外，以往，作为边缘检测的方法，使用单纯滤波的方法或小波的方法广为人知 (参照非专利文献6, 7)。
[0006] 现有技术文献
[0007] 非专利文献
[0008] 非专利文献 1 :Adobe Systems Incorporated，"Photoshop 的帮助 & 支持 / 高度 清晰化的方法"，[on line]，2006年4月6日完成，[平成24年5月9日检索]，网络〈URL : http ：//www. adobe.com/jp/designcenter/photoshop/articles/ph scs2at_advsharpen. html>
[0009] 非专利文献 2 :Hitoshi Arai，"A Nonlinear Model of Visual Information Processing Based on Discrete Maximal Overlap Wavelets"， Interdisciplinary Information Sciences，Vol. 11，No. 2, pp. 177 ?190 (2005) ·
[0010] 非专利文献 3 :Hitoshi Arai and Shinobu Arai，2D tight framelets with orientation selectivity suggested by vision science，JSIAM Letters Vol. 1，pp.9? 12(2009).
[0011] 非专利文献 4 :Hitoshi Arai and Shinobu Arai， Finite discrete， shift-invariant, directional filterbanks for visual information processing， I :construction，Interdisciplinary Information Science, Vol. 13, No. 2, pp.255 ? 273(2007).
[0012] 非专利文献 5 :Ε· Ν· Johnson，Μ· J. Hawken and R. Shapley，The spatial transformation of color in the primary visual cortex of the macaque monkey, Nature Neuroscience，Vol. 4, No. 4, PP. 409 ?416 (2001) ·
[0013] 非专利文献 6 :Ρ· J. Van Fleet，Discrete Wavelet Transformations，Wiley， 2008.
[0014] 非专利文献 7 :R. C. Gonzalez and R. E. Woods. Digital Image Processing， 3rdEd. , Pearson International Edition, 2008.


【发明内容】

[0015] 发明要解决的技术课题
[0016] 但是，在以往的图像处理方法中存在难以进行自然的图像锐化或多样的边缘检测 的问题。
[0017] 例如，在非专利文献1所记载的程序产品中，由于使边缘部分的亮度一律上下改 变，因此，即使针对对比度充分之处，也使对比度极度变高直至接近于黑白，因此，存在变得 不自然的这一问题。另外，非专利文献2所记载的方法的问题在于，其是针对黑白图像作为 错觉分析的一个环节而进行的方法，不能够应用于彩色图像的锐化。
[0018] 另外，在非专利文献6、7等以往的边缘检测方法中，存在频率分解能力或方位选 择性不足，难以检测出针对不同目的的多样的边缘的这一问题。
[0019] 本发明就是鉴于上述问题而实现的，其目的是，提供一种能够进行自然的图像锐 化或各种边缘的检测等多样的图像处理的图像处理装置、图像处理方法、程序、印刷介质以 及记录介质。
[0020] 解决技术课题的手段
[0021] 为了达到该目的，本发明的图像处理装置，其至少具有存储部和控制部，且特征 为：上述存储部具有：滤波器存储单元，其存储具有次数的广义风车小框架或风车小波框 架，上述广义风车小框架或风车小波框架是没有方位性的近似滤波器、以及具有各方位性 的多个细节滤波器的集合；以及图像数据存储单元，其存储图像数据，上述控制部具有：分 解单元，其针对上述图像数据进行基于广义风车小框架或风车小波框架的多分辨率分解， 并获取子带信号；以及处理图像获取单元，其获取通过将从上述分解单元获取的、基于上述 多分辨率分解的分解阶段中的上述子带信号的处理图像数据或上述多分辨率分解的合成 阶段中的上述子带信号相加而对图像进行重构后的处理图像数据，上述分解单元还具有： 处理单元，其进行使与上述滤波器的至少一个对应的上述多分辨率分解的上述分解阶段中 的上述子带信号衰减或放大的处理。
[0022] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述处理 单元针对上述分解阶段中的上述子带信号进行线性或非线性的系数处理。
[0023] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述处理 单元针对上述分解阶段中的上述子带信号进行阈值处理。
[0024] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述处理 单元进行系数处理，以使将形成上述分解阶段中的上述子带信号的分解细节系数的能量越 大则绝对值越小的值抑制得更小，并将该分解细节系数的能量越小则绝对值越小的值增 大。
[0025] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述处理 单元使与多个上述滤波器之中的具有给定的频率特性以及/或者给定的方位性的上述滤 波器的至少一个对应的上述分解阶段中的上述子带信号衰减或放大。
[0026] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述给定 的频率特性是由基于上述广义风车小框架或上述风车小波框架的各等级下的方位的给定 的滤波器配置中的位置以及/或者上述多分辨率分解中的等级所指定的。
[0027] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述处理 单元使与多个上述滤波器之中的具有给定的频率特性以及/或者给定的方位性的奇数型 滤波器的至少一个对应的上述分解阶段中的子带信号相对地放大。
[0028] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述处理 单元使与多个上述滤波器之中的具有给定的频率特性以及/或者给定的方位性的上述奇 数型滤波器的至少一个对应的上述分解阶段中的子带信号放大，而且，还使与偶数型滤波 器的至少一个对应的上述分解阶段中的子带信号相对地衰减。
[0029] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述处理 单元通过对从上述分解阶段输出的分解细节系数以及/或者分解近似系数进行处理，从而 使上述分解阶段中的上述子带信号衰减或放大。
[0030] 另外，本发明的图像处理方法是在至少具有存储部和控制部的图像处理装置中执 行的图像处理方法，且特征为：上述存储部具有：滤波器存储单元，其存储具有次数的广义 风车小框架或风车小波框架，上述广义风车小框架或风车小波框架是没有方位性的近似滤 波器、以及具有各方位性的多个细节滤波器的集合；以及图像数据存储单元，其存储图像数 据，上述图像处理方法在上述控制部中执行的步骤包括：分解步骤，针对上述图像数据进行 基于广义风车小框架或风车小波框架的多分辨率分解，并获取子带信号；以及处理图像获 取步骤，获取通过将从上述分解单元获取的、基于上述多分辨率分解的分解阶段中的上述 子带信号的处理图像数据或上述多分辨率分解的合成阶段中的上述子带信号相加而对图 像进行重构后的处理图像数据，上述分解步骤还具有：处理步骤，进行使与上述滤波器的至 少一个对应的上述多分辨率分解的上述分解阶段中的上述子带信号衰减或放大的处理。
[0031] 另外，本发明的程序是用于在至少具有存储部和控制部的图像处理装置中执行图 像处理方法的程序，且特征为：上述存储部具有：滤波器存储单元，其存储具有次数的广义 风车小框架或风车小波框架，上述广义风车小框架或风车小波框架是没有方位性的近似滤 波器以及具有各方位性的多个细节滤波器的集合；以及图像数据存储单元，其存储图像数 据，上述程序在上述控制部中执行：分解步骤，针对上述图像数据进行基于广义风车小框架 或风车小波框架的多分辨率分解，并获取子带信号；以及处理图像获取步骤，获取通过将从 上述分解单元获取的、基于上述多分辨率分解的分解阶段中的上述子带信号的处理图像数 据或上述多分辨率分解的合成阶段中的上述子带信号相加而对图像进行重构后的处理图 像数据，在上述分解步骤还执行：处理步骤，进行使与上述滤波器的至少一个对应的上述多 分辨率分解的上述分解阶段中的上述子带信号衰减或放大的处理。
[0032] 另外，本申请发明人经过不懈研究，根据以下的思路完成了本发明。S卩，人的视觉 本能地进行能够看到想看的部分的信息处理。人会意识到各种各样的错觉，但这可以认为 是视觉信息处理的结果。在此，如果数理模型接近于人的视觉信息处理，则安装了数理模型 的计算机也应该计算出错觉。因此，本申请的发明人通过使用能够模拟明暗的错觉或颜色 的对比错觉的数理模型，确认到：对原始图像实施接近于人的视觉的信息处理，能够只将想 要看的部分锐化，从而完成了本申请发明。
[0033] S卩，本发明的图像处理装置，其至少具有存储部和控制部，且特征为：上述存储部 具有：滤波器存储单元，其存储方位选择性小波框架或方位选择性滤波器组，上述方位选 择性小波框架或方位选择性滤波器组是没有方位性的近似滤波器、以及具有各方位性的多 个细节滤波器的集合；以及图像数据存储单元，其存储图像数据，上述控制部具有：分解单 元，其针对上述图像数据的各颜色分量，进行基于上述方位选择性小波框架或上述方位选 择性滤波器组的多分辨率分解，并获取子带信号；以及重构单元，其将通过上述分解单元获 取的各颜色分量的上述合成阶段中的上述子带信号相加而对图像进行重构，并获取重构图 像数据，上述分解单元还具有：系数处理单元，其在上述多分辨率分解的分解阶段与合成阶 段之间，针对从上述分解阶段输出的分解细节系数进行系数处理，以使将该分解细节系数 的能量越大则绝对值越小的值抑制得更小，并将该分解细节系数的能量越小则绝对值越小 的值增大。
[0034] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述颜色 分量是CIELAB颜色空间中的L*、a*以及b*、或接近于人的视觉的颜色空间的各颜色分量。
[0035] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述系数 处理单元针对上述图像数据的a*以及/或者b*的颜色成分分量进行按如下方式修正的上 述系数处理，即：将由a*以及/或者b*的上述分解细节系数与L*中的分解细节系数所确 定的能量越大则绝对值越小的值抑制得更小，将上述能量越小则绝对值越小的值增大。
[0036] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述系数 处理单元使用自动地进行连续变化的函数，在上述分解细节系数的能量大的情况下，对S 字曲线进行上述系数处理，在上述分解细节系数的能量小的情况下，对N字曲线进行上述 系数处理。
[0037] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述系数 处理单元在上述分解阶段与上述合成阶段之间，将上述分解细节系数归一化，将被归一化 后的上述分解细节系数即归一化分解细节系数的范数作为上述能量，对该归一化分解细节 系数进行上述系数处理，并对被系数处理后的上述归一化分解细节系数进行上述归一化的 逆运算。
[0038] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述系数 处理单元根据上述分解细节系数的符号的不同来进行个别的处理。
[0039] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，上述分解 单元使用上述方位性由水平方向、垂直方向和对角方向构成的双正交小波滤波器组、或上 述方位性为多方向的广义风车小框架或风车小波框架，进行上述多分辨率分解。
[0040] 另外，本发明的图像处理装置的特征为，在上述所述的图像处理装置中，基于上述 分解单元进行的上述多分辨率分解是：最大重叠多分辨率分解、最大间隔剔除多分辨率分 解、或者部分间隔剔除部分重叠多分辨率分解。
[0041] 另外，本发明涉及一种图像处理方法，本发明的图像处理方法是在至少具有存储 部和控制部的图像处理装置中执行的图像处理方法，且特征为：上述存储部具有：滤波器 存储单元，其存储方位选择性小波框架或方位选择性滤波器组，上述方位选择性小波框架 或方位选择性滤波器组是没有方位性的近似滤波器、以及具有各方位性的多个细节滤波器 的集合；以及图像数据存储单元，其存储图像数据，上述图像处理方法在上述控制部中执行 的步骤包括：分解步骤，针对上述图像数据的各颜色分量进行基于上述方位选择性小波框 架或上述方位选择性滤波器组的多分辨率分解，并获取子带信号；以及重构步骤，通过将在 上述分解步骤获取的各颜色分量的上述合成阶段中的上述子带信号相加从而对图像进行 重构，并获取重构图像数据，上述分解步骤还具有：系数处理步骤，在上述多分辨率分解的 分解阶段与合成阶段之间，针对从上述分解阶段输出的分解细节系数进行系数处理，以使 将该分解细节系数的能量越大则绝对值越小的值抑制得更小，并将该分解细节系数的能量 越小则绝对值越小的值增大。
[0042] 另外，本发明涉及一种程序，本发明的程序是用于在至少具有存储部和控制部的 图像处理装置中执行图像处理方法的程序，且特征为：上述存储部具有：滤波器存储单元， 其存储方位选择性小波框架或方位选择性滤波器组，上述方位选择性小波框架或方位选择 性滤波器组是没有方位性的近似滤波器、以及具有各方位性的多个细节滤波器的集合；以 及图像数据存储单元，其存储图像数据，上述程序在上述控制部中执行：分解步骤，针对上 述图像数据的各颜色分量进行基于上述方位选择性小波框架或上述方位选择性滤波器组 的多分辨率分解，并获取子带信号；以及重构步骤，通过将在上述分解步骤获取的各颜色分 量的上述合成阶段中的上述子带信号相加而对图像进行重构，并获取重构图像数据，上述 分解步骤还具有：系数处理步骤，在上述多分辨率分解的分解阶段与合成阶段之间，针对从 上述分解阶段输出的分解细节系数进行系数处理，以使将该分解细节系数的能量越大则绝 对值越小的值抑制得更小，并将该分解细节系数的能量越小则绝对值越小的值增大。
[0043] 另外，本发明涉及一种记录介质，其特征为，记录了上述所述的程序。
[0044] 另外，本发明是一种印刷有处理图像的印刷介质，其特征为，在上述处理图像中， 构成原始图像的由广义风车小框架或风车小波框架提取的各分量、或者由方位选择性小波 框架或方位选择性滤波器组提取的各分量之中的给定的上述分量被衰减或放大。
[0045] 另外，本发明是一种能够由计算机读取的记录介质，其记录了用于显示处理图像 的图像数据，其特征为，在上述处理图像中，构成原始图像的、由广义风车小框架或风车小 波框架提取的各分量、或者由方位选择性小波框架或方位选择性滤波器组提取的各分量之 中的给定的上述分量被衰减或放大。
[0046] 发明效果
[0047] 根据本发明，针对图像数据，进行基于作为没有方位性的近似滤波器以及具有各 方位性的多个细节滤波器的集合的、具有次数的广义风车小框架或风车小波框架的多分辨 率分解，获取子带信号，当获取基于多分辨率分解的分解阶段（phase)中的子信号的处理 图像数据、或通过将多分辨率分解的合成阶段中的子信号相加而重构图像的处理图像数据 时，进行使与滤波器的至少一个对应的、多分辨率分解的分解阶段中的子信号衰减或放大 的处理。由此，本发明发挥了能够进行自然的图像锐化或各种边缘检测等多种多样的图像 处理的这一效果。广义风车小框架或风车小波框架能够进行多分辨率分解，具有多种频率 选择性，并具有多种方位选择性，因此，能够执行适合不同目的的方位的边缘检测或适合不 同目的的频率分量的提取等多种图像处理。
[0048] 另外，根据本发明，由于对上述分解阶段中的子带信号进行线性或非线性的系数 处理，因此，通过对从分解阶段输出的分解细节系数或分解近似系数，使用线性函数或非线 性函数等，从而具有能够获得与系数值相应的图像处理结果的这一效果。
[0049] 另外，根据本发明，由于对上述分解阶段中的子带信号进行阈值处理，因此，具有 能够通过将阈值以下的微小变动除去或衰减而有效地除去噪声的效果。
[0050] 另外，根据本发明，由于进行系数处理，以使将成为上述分解阶段中的子带信号的 分解细节系数的能量越大则绝对值越小的值抑制得更小，并将该分解细节系数的能量越小 则绝对值越小的值增大，因此，具有能够通过使用接近于人的视觉信息处理的数理模型来 实施接近于人的感觉的自然的图像锐化的这一效果。
[0051] 另外，根据本发明，由于使与多个上述滤波器之中的具有给定频率特性以及/或 者给定方位性的滤波器的至少一个对应的分解阶段中的子带信号衰减或放大，因此，具有 能够获得将目标的频率分量或目标的方位分量进行了增减的多样的图像处理结果的这一 效果。
[0052] 另外，根据本发明，上述给定的频率特性是由以广义风车小框架或上述风车小波 框架的各等级下的方位为基础的给定的滤波器配置中的位置以及/或者多分辨率分解中 的等级所指定的，因此，具有能够指定多样的频率特性的这一效果。
[0053] 另外，根据本发明，由于使与多个上述滤波器之中的具有给定的频率特性以及/ 或者给定的方位性的奇数型滤波器的至少一个对应的上述分解阶段中的子带信号相对地 放大，因此，通过不经过合成阶段而直接输出，从而具有能够进行有立体感的边缘检测等这 一效果。
[0054] 另外，根据本发明，可以使与多个上述滤波器之中的具有给定的频率特性以及/ 或者给定的方位性的上述奇数型滤波器的至少一个对应的上述分解阶段中的子带信号相 对地放大，并且可以使与上述多个滤波器之中的偶数型滤波器的至少一个对应的上述分解 阶段中的子带信号相对地衰减，因此，具有能够进行更有效的有立体感的边缘检测等这一 效果。
[0055] 另外，根据本发明，通过对从上述分解阶段输出的分解细节系数以及/或者分解 近似系数进行系数处理，从而使分解阶段中的子带信号衰减或放大，因此，具有能够通过执 行与系数值相应的系数处理从而获得多种图像处理结果的这一效果。
[0056] 另外，根据本发明，存储作为没有方位性的近似滤波器以及具有各方位性的多个 细节滤波器的集合的、方位选择性小波框架或方位选择性滤波器组和图像数据，针对图像 数据的各颜色分量，进行基于方位选择性小波框架或方位选择性滤波器组的多分辨率分 解，并获取子带信号，通过将各颜色分量的合成阶段中的子带信号相加来重构图像，在获取 重构图像数据的情况下，在多分辨率分解的分解阶段与合成阶段之间，针对从分解阶段输 出的分解细节系数进行系数处理，以使将该分解细节系数的能量越大则绝对值越小的值抑 制得更小，并将该分解细节系数的能量越小则绝对值越小的值增大。由此，本发明具有能够 对彩色图像进行自然的图像锐化的这一效果。更具体而言，本发明能够通过使用接近于人 的视觉信息处理的数理模型，从而对彩色图像实施接近于人的感觉的自然的图像锐化。
[0057] 另外，根据本发明，作为上述颜色分量，使用CIELAB颜色空间中的L*、a*以及b* 或接近于人的视觉的颜色空间的各颜色分量。由此，本发明具有能够进行接近于人的感觉 的自然的图像处理的这一效果。
[0058] 另外，根据本发明，关于上述图像数据的a*以及/或者b*的颜色分量，进行按如 下方式修正的上述系数处理，即：将由a*以及/或者b*的上述分解细节系数与L*中的上 述分解细节系数所确定的能量越大则绝对值越小的值抑制得更小，将上述能量越小则绝对 值越小的值增大。由此，具有能够进行使亮度的效果和颜色的效果协同发挥的、对于人的视 觉感知来讲自然的锐化的这一效果。
[0059] 另外，根据本发明，使用自动地进行连续变化的函数，在上述分解细节系数的能量 大的情况下对S字曲线进行上述系数处理，在在上述分解细节系数的能量小的情况下对N 字曲线进行上述系数处理。由此，本发明具有以下效果，即：能够使用利用从S字曲线到N字 曲线连续变化的函数的运算来合适地执行系数处理，以使将该分解细节系数的能量越大则 绝对值越小的值抑制得更小，并将该分解细节系数的能量越小则绝对值越小的值增大。更 具体讲，使用在周围的刺激大的情况下使分解细节系数的偏差变大、而在周围的刺激小的 情况下使分解细节系数的偏差变小的函数，由此，变成：在周围刺激大的情况下，小的刺激 被减弱；在周围刺激小的情况下，即使是小的刺激也能够意识到，因此，能够针对每个图像 而自动地执行适当的锐化。
[0060] 另外，根据本发明，在上述分解阶段与上述合成阶段之间，将上述细节分解系数归 一化，将作为被归一化后的上述分解细节系数的归一化分解细节系数的范数作为上述能 量，对该归一化分解细节系数进行上述系数处理，并对被系数处理后的上述归一化分解细 节系数进行上述归一化的逆运算。由此，本发明具有能够通过归一化来容易地在函数处理 或能量计算等中处理系数的这一效果。
[0061] 另外，根据本发明，由于可以根据上述分解细节系数的符号的不同进行个别的处 理，因此，具有能够进行更接近于人的视觉的自然的锐化，或反过来对人的视觉进行补充的 自然的锐化等细致的锐化的这一效果。
[0062] 另外，根据本发明，使用上述方位性由水平方向、垂直方向和对角方向构成的双正 交小波滤波器组、或上述方位性为多方向的广义风车小框架或风车小波框架，进行上述多 分辨率分解。由此，本发明具有以下效果，即：能够使用双正交小波滤波器组进行简单的计 算，或者使用广义风车小框架或风车小波框架进行精密的计算。
[0063] 另外，根据本发明，上述多分辨率分解是最大重叠多分辨率分解、最大间隔剔除多 分辨率分解、或者部分间隔剔除部分重叠多分辨率分解，因此，能够进行合适的多分辨率分 解来获取分解细节系数，而且，不仅是高频分量，低频分量也被多分辨率地处理，因此，具有 能够执行不仅能增强边缘的锐化，还能够执行自然的锐化的这一效果。
[0064] 另外，本发明是一种记录了用于显示处理图像的图像数据的、能够由计算机读取 的记录介质或印刷处理图像的印刷介质，构成原始图像的、由广义风车小框架或风车小波 框架提取的各分量、或者由方位选择性小波框架或方位选择性滤波器组提取的各分量之中 的给定的分量被衰减或放大，因此，在任意的原始图像中，能够提示实施了自然的图像锐化 或各种边缘检测等多样的图像处理的处理图像。

【专利附图】

【附图说明】
[0065] 图1是表示使用本实施方式的本图像处理装置的结构的一个示例的框图。
[0066] 图2是表示将次数5的等级3的最大重叠风车小框架滤波器与次数5的等级1和 等级2的最大重叠风车小框架近似滤波器进行循环相关积而获得的滤波器的图。
[0067] 图3是表示将次数7的等级2 (高频数侧）的最大重叠风车小框架滤波器与等级 1的最大重叠风车小框架近似滤波器进行循环相关积的滤波器的图。
[0068] 图4是表示将次数7的等级3 (低频数侧）的最大重叠风车小框架滤波器与等级 1和等级2的最大重叠风车小框架近似滤波器进行循环相关积的滤波器的图。
[0069] 图5是在次数7、等级k的风车小框架中用ak⑴表示近似部分，用dk⑴?d k(99) 的标号（编号）表示细节部分的图。
[0070] 图6是表示本实施方式的图像处理装置100的基本处理的一个示例的流程图。
[0071] 图7是表示最大重叠多分辨率分解的滤波器组的一个示例的图。
[0072] 图8是表示最大重叠多分辨率分解的滤波器组的一个示例的图。
[0073] 图9是表示本实施方式的图像处理装置100的彩色图像锐化处理的一个示例的流 程图。
[0074] 图10是表示最大重叠多分辨率分解的分解阶段以及合成阶段的滤波器组的一个 示例的图。
[0075] 图11是表示伴随着归一化的分解细节系数的系数处理的一个示例的流程图。
[0076] 图12是将原始图像（512X512像素）、基于本实施方式的锐化图像、与基于以往的 方法的锐化图像进行对比显示的图。
[0077] 图13是表示在图12的各照片中自左边起第400个像素的列的L*值的图表。
[0078] 图14是表示在图12的各照片中自左边起第400个像素的列的a*值的图表。
[0079] 图15是表示在图12的各照片中自左边起第400个像素的列的b*值的图表。
[0080] 图16是表示颜色的对比错觉图像的一个示例的图。
[0081] 图17的图表示的是：图16中的原始图像的内侧四角部分（原始图像A与B共通）、 作为原始图像A的图像处理结果的处理图像A的内侧四角部分、以及作为原始图像B的图 像处理结果的处理图像B的内侧四角部分。
[0082] 图18是表示颜色的对比错觉图像的其他示例的图。
[0083] 图19的图表示的是：图18中的原始图像的内侧四角部分（原始图像C与D共通）、 作为原始图像c的图像处理结果的处理图像C的内侧四角部分、以及作为原始图像D的图 像处理结果的处理图像D的内侧四角部分。
[0084] 图20是表示颜色的对比错觉图像的其他示例的图。
[0085] 图21的图表示的是：图20中的原始图像的内侧四角部分（原始图像E与F共通）、 作为原始图像E的图像处理结果的处理图像E的内侧四角部分、以及作为原始图像F的图 像处理结果的处理图像F的内侧四角部分。
[0086] 图22是用于说明在本实施例使用的硬阈值的图表。
[0087] 图23是在加入本实施例所使用的噪声之前的原始图像。
[0088] 图24是表示在图23中的原始图像中加入高斯型白噪声之后的噪声图像的图。
[0089] 图25是在墓于以往的小波的噪声除去方法中使用symlet4作为小波的处理图像。 [0090] 图26是图25的部分放大图。
[0091] 图27是根据本实施方式使用5次风车小框架得到的处理图像。
[0092] 图28是图27的部分放大图。
[0093] 图29是在根据本实施方式使用7次风车小框架按照每一滤波器改变阈值的情况 下得到的处理图像。
[0094] 图30是图29的部分放大图。
[0095] 图31是利用斜线表示等级2下进行阈值处理的细节系数的图。
[0096] 图32是根据本实施方式使用7次风车小框架从等级1到等级2的高频部分进行 了阈值处理的处理图像。
[0097] 图33是图32的部分放大图。
[0098] 图34是表示在本实施例中用于边缘检测的原始图像的图。
[0099] 图35是表示7次风车小框架的等级1下的加权系数的图。
[0100] 图36是表示7次风车小框架的等级2下的加权系数的图。
[0101] 图37是表示将通过边缘检测例1得到的处理图像进行了删失的图像的图。
[0102] 图38是表示以t = 1进行了二值化的处理图像的图。
[0103] 图39是表示7次风车小框架的等级1下的加权系数的图。
[0104] 图40是表示7次风车小框架的等级2下的加权系数的图。
[0105] 图41是表示根据边缘检测例2的删失处理图像的图。
[0106] 图42是表示根据边缘检测例2的二值化处理图像的图。
[0107] 图43是表示将进行删失处理而设成了 15倍的处理图像添加到原始图像后的图像 的图。
[0108] 图44是表示次数5的风车小框架的分解阶段中的52个子带信号的编号的图。
[0109] 图45是针对从噪声除去结果得到的处理图像，表示以二值化的方法（t = 0. 37) 显示的图像的图。
[0110] 图46是表示以删失的方法（ml = 0, m2 = 1)显示处理图像后的图像的图。
[0111] 图47是表示7次的风车小框架的等级1下的加权系数的图。
[0112] 图48是表示7次的风车小框架的等级2下的加权系数的图。
[0113] 图49是表示进行了 ml = -4、m2 = 0的删失的处理图像的图。
[0114] 图50是表示进行了 ml = -2、m2 = 0的删失的处理图像的图。
[0115] 图51是表示进行了 ml = -6, m2 = 0的删失的处理图像的图。
[0116] 图52是表示以ml = 0、m2 = 255进行了删失处理的结果的图。
[0117] 图53是表示原始图像的图。
[0118] 图54是表示进行了具有立体感的特征提取的结果的图。
[0119] 图55是表示针对进行了具有立体感的特征提取的输出图像，将灰度反转显示后 的图像的图。
[0120] 图56是表示将次数7的等级2的最大重叠风车小框架滤波器（maximal overlap pinwheel framelet filters at level 2)与等级1的最大重叠风车小框架的近似滤波器循 环相关积获得的滤波器的图。
[0121] 图57是表示针对测试图像利用次数7的风车小框架进行了等级2的最大重叠多 分辨率分角军（2nd stage of maximal overlap MRA decomposition by pinwheel framelet) 的结果的各合成子带信号的图。

【具体实施方式】
[0122] 以下，基于附图对本发明所涉及的图像处理装置、图像处理方法、程序、印刷介质 以及记录介质的实施方式进行详细说明。另外，本发明不由该实施方式进行限定。例如，作 为基于本实施方式的图像处理的示例，有时要对用于彩色图像的图像锐化或噪声除去和边 缘检测等用途的示例进行说明，但本发明不局限于此，也可以用于清晰度、边缘增强、对比 度调整、颜色修正、特征提取、模式识别、凹洞错觉自动生成等各种目的。
[0123] [图像处理装置的结构]
[0124] 接下来，参照图1对本图像处理装置的结构进行说明。图1是表示使用本实施方 式的本图像处理装置的结构的一个示例的框图，在该结构之中，只对涉及本实施方式的部 分进行概念性表示。
[0125] 在图1中，图像处理装置100大致上具有控制部102、通信控制接口部104、输入输 出控制接口部108以及存储部106。在此，控制部102是统一地控制整个图像处理装置100 的CPU等。输入输出控制接口部108是与输入装置112或输出装置114连接的接口。另外， 存储部106是保存各种数据库或表等的装置。这些图像处理装置100的各部分经由任意的 通信路径以能够通信的方式连接。
[0126] 保存在存储部106中的各种文件（小框架文件106a以及图像数据文件106b)是 硬盘装置等的存储单元。例如，存储部106保存用于各种处理的各种程序、表、文件、数据库 以及网页等。
[0127] 这些存储部106的各结构要素之中的小框架文件106a是滤波器存储单元，其存储 作为没有方位性的近似滤波器以及具有各方位性的多个细节滤波器的集合的、方位选择性 小波框架或方位选择性滤波器组。另外，在本实施方式中，"小波"不局限于古典的小波或狭 义的小波等，也包括广义的小波。例如，小波是有限长度波形、或伴随着从〇起放大并迅速 收敛到0的这种振幅的波型振动，作为一个示例，包括加伯滤波器或曲波这样的伪小波。
[0128] 在此，在本实施方式中，作为能够表现为具有多样的频率特性或方位性的、有少量 台的可微分的函数的FIR滤波器，有时使用风车小框架（pinwheel framelet)(参照后面 要提到的项目[风车小框架])，但不局限于此，例如，可以使用以下的小框架，即：简单风车 小框架（simple pinwheel framelet)(参照非专利文献3)、或将构成风车小框架的定义式 (例如，在项目[风车小框架]中要提到的公式0^(0。θ 2)或公式FUep θ2))的项 的系数、以及/或者指数变更而得到的小框架、以及将构成简单风车小框架的滤波器的频 率响应函数的项（[非专利文献3])的系数变更而得到的小框架等。将它们以及（上述狭 义的）风车小框架总称为广义风车小框架。在此，"广义风车小框架"是没有方位性的近似 滤波器以及具有各方位性的多个细节滤波器的集合，是具有次数的滤波器组。换句话说，将 风车小框架、在[非专利文献3]中导入的简单风车小框架、以及在这些小框架的滤波器中 添加了修正的小框架称为"广义风车小框架"。广义风车小框架是具有方位选择性的二维小 框架。另外，广义风车小框架具有是由能够多分辨率分解、具有多样的方位选择性、有限长 度的滤波器构成的滤波器组的这一性质。另外，风车小框架比简单风车小框架更会反映出 人的大脑内的视觉信息处理的特性，在这一点上具有优异的功能，因而与众不同，而且构成 的方法也大不相同。
[0129] 另夕卜，在本实施方式中，也可以使用风车小波框架（pinwheel wavelet frame)(参 照非专利文献4)。
[0130] 作为一个示例，风车小框架是通过将基于人的视觉皮层的单细胞的信息处理进行 数理模型化而得到的。该分解是在人的脑内由单细胞分解的信号的数理性模型。风车小框 架波具有次数，次数为3以上的奇数，次数变得越多，则越能检测出相应多的方位，因此，能 够制成多样的文件。另外，具有滤波器的个数也相应地变多、计算时间也增加的这一性质。 此外，作为一个示例，次数η的风车小框架的滤波器个数成为（n+l)2+(n-l)2。其中，一个滤 波器为近似滤波器，剩余的滤波器为细节滤波器。在此，图2为将次数5的等级3的最大重 叠风车小框架滤波器与次数5的等级1和等级2的最大重叠风车小框架近似滤波器进行循 环相关积而得到的滤波器（关于循环相关积，例如参照新井仁之著「线性代数基础和应用」 株式会社日本评论社（2006年））。另外，风车小框架与简单风车小框架相比，从神经科学来 考虑，成为更接近于大脑皮层VI区域的单细胞的模型。
[0131] 该风车小框架为次数5,因此，例如，如图2所示，各等级，是由左侧的6X6个滤波 器和右侧的4X4个滤波器相加在一起而总计52个滤波器的集合构成的。其中，由图中央 的上部的黑色矩形围起来的一个滤波器是通过等级1到等级3的近似滤波器的循环相关积 而得到的滤波器，其他的51个滤波器，与等级3的细节滤波器相比，是将等级1到2的近似 滤波器进行循环相关积而得到的滤波器。由细节滤波器所制作的上述滤波器的方位性，以 仅由近似滤波器制作的滤波器为中心，并大致按风车旋转的方向排列。另外，后面将会详细 提到，在各次数的风车小框架所产生的最大重叠多分辨率分解中具有等级，等级1检测出 最细致的部分（高频部分）。图2为等级3的风车小框架，随着大到等级2、3...，检测出粗 略的部分（低频部分）。另外，小框架文件l〇6a也可以将风车小框架等的方位选择性小波 框架以函数的形式（小框架滤波器的频率响应函数等）存储。关于函数的具体示例，将在 后面叙述。
[0132] 另外，不局限于上述内容，在本实施方式中也可以使用各种小波。不过，在本实施 方式中，为了增减多样的频率分量或方位分量，优选使用具有多样的频率特性或方位性的 广义风车小框架或风车小波框架。在此，小波不局限于古典的小波或狭义的小波等，也包括 广义的小波。例如，小波是有限长度波形、或伴随着从〇起放大并迅速收敛到〇的这种振幅 的波型振动，作为一个示例，包括加伯滤波器或曲波这样的伪小波。另外，小框架文件l〇6a 不局限于方位选择性小波框架这样的框架，也可以存储方位选择性滤波器组等滤波器组或 具有方位性的滤波器。作为一个示例，具有各方位性的滤波器是具有各方位性的多个细节 滤波器，例如，子带信号等的分量被滤波器提取。另外，关于风车小波框架，所构成的滤波器 的长度会根据原始图像的像素数变化，相比之下，关于广义风车小框架，具有滤波器的长度 与像素数无关的这一性质。例如，风车小框架是具有方位选择性的二维小框架，是小波框架 的一种。另外，不局限于方位性为多方向的风车小框架，也可以使用方位性由水平方向、垂 直方向和对角方向构成的双正交小波滤波器组。
[0133] 另外，图像数据文件106b是存储图像数据的图像数据存储单元。在此，存储在图 像数据文件l〇6b中的图像数据，既可以是按照各颜色分量事先记载了色调或灰度值等的 图像数据，也可以是没有根据本实施方式处理的颜色分量进行记载的图像数据。另外，在后 者的情况下，通过后面要提到的颜色空间变换部l〇2f变换成所希望的颜色空间，并被分解 成各颜色分量。另外，存储在图像数据文件l〇6b中的图像数据，既可以是经由输入装置112 输入的图像数据，也可以是由外部系统200等经由网络300接收到的图像数据。另外，图像 数据既可以是彩色图像的图像数据，也可以是灰度的图像数据。另外，将通过风车小框架等 的方位选择性小波框架而被多分辨率分解之前的原来的图像（数据）称为原始图像；将基 于子带信号重构之后的图像（数据）称为重构图像（数据）。另外，将基于对多分辨率分解 的分解阶段中的子带信号施加了处理的信号形成的图像（数据）、或通过将多分辨率分解 的合成阶段中的子带信号加在一起而重构的图像（数据）称为处理图像（数据）。即，后者 的处理图像（数据）是重构图像（数据）的一种形式，而前者的处理图像（数据）不是重 构图像（数据）。为了明确两者的区别，以下，有时会将前者的处理图像（数据）称为"系 数输出处理图像（数据）";将后者的处理图像（数据）称为"重构处理图像（数据）"。在 此，图像数据文件l〇6b可以将与目标的原始图像的图像数据图像大小（像素数）相同的单 位脉冲信号作为图像数据来存储。另外，存储在图像数据文件106b中的单位脉冲信号被作 为图像数据而同样地输入到存储在小框架文件l〇6a中的滤波器组，所输出的单位脉冲响 应是为了高速计算目标的原始图像的图像数据而使用的。另外，图像数据是例如光栅形式 或向量形式的二维图像数据等。另外，作为一个示例，图像可以是表示设计（图案）、照片和 文字等的任意的图像。另外，图像不局限于静止图像，也可以是动态图像（影像）。
[0134] 再次返回到图1，输入输出控制接口部108进行输入装置112或输出装置114的控 制。在此，作为输出装置114,能够采用显示器（包括家庭用电视机）等显示装置、打印机等 打印装置等。此外，作为输入装置112,除了照相机等摄像装置、与外部存储介质连接的输入 装置等之外，能够使用键盘、鼠标以及麦克风等。
[0135] 此外，在图1中，控制部102具有OS (Operating System)等控制程序或对各种处 理步骤等进行了规定的程序以及用于保存所需数据的内部存储器。而且，控制部102通过 这些程序等来进行用于执行各种处理的信息处理。控制部102从功能概念上来说具有分解 部102a、处理图像获取部102c、颜色空间变换部102f以及处理图像输出部102g。另外，分 解部102a还具有系数处理部102b。另外，处理图像获取部102c还具有重构部102d。
[0136] 其中，分解部102a是针对图像数据进行基于存储于小框架文件106a中的、广义风 车小框架等方位选择性小波框架或者方位选择性滤波器组的多分辨率分解，并取得子带信 号的分解单元。在此，子带信号中具有多分辨率分解的分解阶段中的子带信号与多分辨率 分解的合成阶段中的子带信号这两种。为了明确两者的区别，以下，有时会将分解阶段中的 子带信号称为"分解子带信号";将合成阶段中的子带信号称为"合成子带信号"。在此，"多 分辨率分解"包括最大重叠多分辨率分解、最大间隔剔除多分辨率分解、以及部分间隔剔除 部分重叠多分辨率分解（关于最大重叠多分辨率分解，参照例如新井仁之著「小波」共立出 版株式会社（2010年））。另外，当通过分解部102a来计算多分辨率分解时，使用循环相关 积、循环卷积，但也可以通过采用高速傅里叶变换的公知的高速计算方法来计算多分辨率 分解。如上述那样，在基于风车小框架等方位选择性小波框架的多分辨率分解中存在等级。 在此，图3以及图4为用于表示由风车小框架的等级所引起的差异的图，图3表示将等级 2 (高频侧）的最大重叠风车小框架滤波器与等级1的最大重叠风车小框架近似滤波器进 行循环相关积而得到的滤波器，图4表示将等级3 (低频侧）的最大重叠小框架滤波器与等 级1和等级2的最大重叠风车小框架近似滤波器进行循环相关积而得到的滤波器。另外， 次数都为7,因此，存在（7+1) 2+(7-1)2 = 100个滤波器。
[0137] 作为一个示例，分解部102a首先通过基于等级1的风车小框架的最大重叠多分辨 率分解来检测出最细致的部分（高频部分），随着等级变大到2,3...，检测出粗略的部分 (低频部分）。
[0138] 在基于风车小框架的多分辨率分解中存在分解阶段和合成阶段。各阶段通过由近 似滤波器和细节滤波器形成的滤波器组构成。分解部l〇2a在执行分解阶段以及合成阶段 中的图像处理之后，最终将原始图像数据分解为"滤波器数X等级"个图像信号（即，合成 子带信号）。
[0139] 例如，在进行次数7的风车小框架的等级5的最大重叠多分辨率分解的情况下， 在某等级k(k = 1到5)的子带信号中，存在对应于一个近似滤波器的一个近似部分、和对 应于99个细节滤波器的99个细节部分。在此，图5为在次数7、等级k的风车小框架中， 用a k(l)表示近似部分，用dk(l)?dk(99)的标号（编号）表示细节部分的图。另外，标号 (编号）的位置与图3(k = 2)或者图4(k = 3)的各滤波器的位置建立对应。即、ak(l)以 及dk(l)?dk(99)表示从图3或者图4中对应的位置的滤波器所获取的子带信号。
[0140] 在此，分解部102a的系数处理部102b是一种处理单元，其进行使与多个滤波器的 至少一个对应的多分辨率分解的分解阶段中的子带信号（即，分解子带信号）衰减或放大 的处理。例如，系数处理部102b可以对分解子带信号进行线性或非线性的系数处理。作为 一个示例，系数处理部102b可以进行基于硬阈值或软阈值等的阈值处理。另外，系数处理 部102b可以使与多个滤波器之中的具有给定的频率特性以及/或者给定的方位性的滤波 器的至少一个对应的分解子带信号衰减或放大。在此，给定的频率特性可以通过基于广义 风车小框架的各等级的方位的给定的滤波器配置中的位置以及/或者多分辨率分解中的 等级来指定。另外，大致划分的话，在分解子带信号中，存在基于分解细节系数的分解子带 信号、和基于分解近似系数的分解子带信号这两种，系数处理部l〇2b可以对从分解阶段输 出的分解细节系数以及/或者分解近似系数进行系数处理。另外，"分解细节系数"是指： 在广义风车小框架的分解阶段，通过进行基于分解细节滤波器的滤波而得到的系数；"分解 近似系数"是指基于分解近似滤波器进行的滤波的系数。在利用广义风车小框架进行的分 解阶段中的子带信号之中，有时将由近似系数构成的信号称为"分解阶段中的近似子带信 号"；并将除此以外的信号称为"分解阶段中的细节子带信号"。另外，以下的表是将从原始 图像的图像处理的过程中出现的术语归纳后的一览表。在使用广义风车小框架以外的方位 选择性小波框架或方位选择性滤波器组的情况下也相同。
[0141] [表：术语一览]
[0142] 原始图像
[0143] 丨〈分解阶段〉
[0144] 分解阶段中的子带信号（分解子带信号）
[0145] ?从分解阶段输出的细节系数（分解细节系数）
[0146] ?从分解阶段输出的近似系数（分解近似系数）
[0147] 丨〈各种处理〉
[0148] 丨一处理图像（系数输出处理图像）
[0149] 丨〈合成阶段〉
[0150] 合成阶段中的子带信号（合成子带信号）
[0151] ?从合成阶段输出的细节系数
[0152] ?从合成阶段输出的近似系数
[0153] I〈重构〉
[0154] 处理图像（重构处理图像）
[0155] 在此，作为非线性的系数处理的一个示例，系数处理部102b可以进行如下系数处 理，即：将形成分解子带信号的分解细节系数的能量越大则绝对值越小的值抑制得很小，将 该分解细节系数的能量越小则绝对值越小的值增大。作为一个示例，系数处理部l〇2b在多 分辨率分解的分解阶段与合成阶段之间，针对从分解阶段输出的分解细节系数进行系数处 理，以使将该分解细节系数的能量越大则绝对值越小的值抑制得更小，并将该分解细节系 数的能量越小则绝对值越小的值增大。例如，在分解细节系数的能量大的情况下，系数处理 部102b增大该分解细节系数的偏差，由此，使绝对值比较小的值被抑制得更小，并使绝对 值比较大的值增大得更大。另一方面，在分解细节系数的能量小的情况下，系数处理部l〇2b 减小该分解细节系数的偏差，由此，增大绝对值比较小的值，并抑制绝对值比较大的值。
[0156] 在此，在像素数多的图像的情况下，也可以将该图像适当分割，对各分割图像进行 本实施方式的处理。
[0157] 另外，系数处理部102b也可以在函数处理等系数处理以及/或者能量计算中进 行归一化，以使分解细节系数的值变得容易处理。例如，系数处理部l〇2b可以在分解阶段 与合成阶段之间，首先对分解细节系数取绝对值来归一化，将被归一化后的分解细节系数 (称为"归一化分解细节系数"）的均方范数（或者也可以是其他的范数）作为能量。并且， 系数处理部102b可以根据所计算的能量，对归一化分解细节系数进行系数处理，并对进行 系数处理后的归一化分解细节系数进行归一化的逆运算，由此，作为用于合成阶段的输入 数据。另外，在使用绝对值的情况下，如以下公式所示，当逆运算时，将符号恢复到原来。
[0158] X，=sgn(x)z，
[0159] (其中，X是分解细节系数，z是系数处理后的值，z'是归一化的逆运算结果的值。 其中，如果X彡0,则sgn(x) = 1，如果X < 0,则sgn(x) =-1。另外，X'是将符号恢复后 的结果的值）
[0160] 另外，系数处理部102b为了进行与能量的大小相应的系数处理，既可以在能量值 中设置阈值，按照每个能量值的范围进行不同的系数处理，也可以不在能量值中设置阈值， 而通过根据能量值而偏差连续变化的函数进行计算，从而进行系数处理。在前者的情况下， 例如，系数处理部102b可以使用按照能量值的每个范围所设定的函数（例如，对数函数或 逻辑公式等）。在后者的情况下，例如，系数处理部102b可以使用连续变化的函数（称为 "SN函数")，在分解细节系数的能量大的情况下对S型曲线进行系数处理，在分解细节系数 的能量小的情况下对N型曲线进行系数处理。在此，SN函数的一个示例如下所示。另外， 公式1在a > 1的情况下成为S型曲线，在a = 1的情况下成为直线，在a < 1的情况 下成为Ν型曲线。
[0161] z = ya/{ya + (l_y) α} · · ·(式 1)
[0162] (其中，y是归一化分解细节系数（0彡y彡1)，a是基于归一化分解细节系数的 能量的指标值（〇< a )，z是被函数处理后的归一化分解细节系数）另外，函数由于离散化 的缘故，也可以进行表格化来使用。
[0163] 另外，系数处理部102b可以像CIELAB颜色空间中的L*、a*以及b*等那样按照每 一颜色分量进行系数处理，但并不局限于对各颜色分量的值独立地进行处理，也可以在进 行一个颜色分量的系数处理的情况下基于其他颜色分量的值来修正系数处理。例如，关于 人的视觉，存在大脑皮层中具有颜色和亮度细胞的这一脑神经科学性实验结果（非专利文 献5)，以该实验结果为基础，对推测了颜色和亮度细胞的作用的数理模型进行研究，由此， 系数处理部l〇2b也可以针对图像数据的a*以及/或者b*的颜色分量，进行如下那样修正 的系数处理，即：将由a*以及/或者b*的分解细节系数与L*的分解细节系数确定的能量 越大则绝对值越小的值抑制得更小，将上述能量越小则绝对值越小的值增大。另外，也能够 根据分解细节系数的符号的不同而进行不同的处理。另外，系数处理部l〇2b也可以针对图 像数据的a*以及/或者b*的颜色分量进行按如下方式那样修正的系数处理，S卩：将根据L* 的亮度差越大则绝对值越小的值增大。
[0164] 除了这种图像锐化之外，系数处理部102b也可以通过使与具有给定的频率特性 (确定时的特定的频率特性）以及/或者给定的方位性（确定时的特定的方位性）的滤波 器对应的分解子带信号衰减或放大的加权来进行图像处理。系数处理部l〇2b可以对由分 解部102a获取的分解子带信号进行加权相加，可以对以函数形式存储的小框架滤波器的 频率响应函数进行加权，然后，可以导出各滤波器系数，或者对进行了加权的各频率响应函 数以给定的方法进行乘法计算、加法计算，求出滤波器系数并保存在小框架文件l〇6a中， 由此，能够快速地获得重构图像数据。另外，也可以对分解阶段以及/或者合成阶段中的滤 波器进行加权。
[0165] 另外，作为一个示例，系数处理部102b也可以通过利用基于广义风车小框架的各 等级下的方位的给定的滤波器配置中的位置以及/或者多分辨率分解中的等级来指定给 定的频率特性，从而获得给定的频率分量。例如，系数处理部l〇2b可以通过以多分辨率分 解中的给定等级来进行使与近似滤波器对应的分解子带信号相对衰减的加权，从而除去低 频分量等的图像处理。另外，为了该处理，可以使分解部l〇2a进行到给定等级为止的多分 辨率分解，使系数处理部l〇2b进行使由最大等级的近似滤波器获得的近似部分的子带信 号相对衰减的加权。不仅如此，在分解部l〇2a进行比给定等级大的等级为止的多分辨率分 解的情况下，系数处理部l〇2b可以进行使比给定等级大的等级的细节部分以及最大等级 的近似部分相对衰减的加权。
[0166] 另外，系数处理部102b可以按照以下方式进行图像处理，S卩：进行加权，使与多个 滤波器之中的在滤波器配置中与距近似滤波器较远一侧的细节滤波器对应的分解子带信 号相对地放大；使在滤波器配置中与近似滤波器和距近似滤波器较近一侧的细节滤波器对 应的分解子带信号相对地衰减，由此，与低频分量相比能够获得高频分量。更具体而言，可 以将与上述风车小框架的近似滤波器相对应的分解子带信号的分解细节系数、和针对与位 于接近近似滤波器的位置的具有低频侧的频率特性的细节滤波器对应的分解子带信号的 加权系数设为接近于〇的值；将针对与位于距近似滤波器较远的位置的具有高频侧的频率 特性的细节滤波器对应的分解子带信号的加权系数设定为接近于1的值。与此相反，系数 处理部102b可以以与高频分量相比能够获得低频分量的方式进行图像处理。即，系数处 理部102b可以按照以下方式进行图像处理，S卩：进行加权，使多个细节滤波器之中的在滤 波器配置中与距近似滤波器较远一侧的细节滤波器对应的分解子带信号相对地衰减；使在 滤波器配置中与距近似滤波器较近一侧的细节滤波器对应的分解子带信号相对地放大，由 此，相对于高频分量来增强低频分量。更具体而言，将针对与位于距上述风车小框架的近似 滤波器较近的位置的具有低频侧的频率特性的细节滤波器对应的分解子带信号的加权系 数设定为接近于1的值；将针对与位于距近似滤波器较远的位置的具有高频侧的频率特性 的细节滤波器对应的分解子带信号的加权系数设为接近于0的值。
[0167] 另外，系数处理部102b可以按照以下方式进行图像处理，S卩：进行加权，使与多 个滤波器之中的具有高频的频率特性的滤波器以及具有低频的频率特性的滤波器对应的 分解子带信号相对地衰减，使与具有比较高频、比较低频等这样中频的频率特性的滤波器 对应的分解子带信号相对地放大，由此，与高频分量以及低频分量相比，对中频分量进行增 强。更具体而言，可以将针对与上述风车小框架的具有高频的频率特性的滤波器以及具有 低频的频率特性的滤波器对应的分解子带信号的加权系数设为接近于〇的值；将针对与具 有中频的频率特性的细节滤波器对应的子带信号的加权系数设定为接近于1的值。
[0168] 另外，系数处理部102b也可以通过进行使与具有给定的方位性的细节滤波器对 应的分解自带信号衰减或放大的加权，从而以使给定的方位性分量增减的方式进行图像处 理。例如，通过将针对与上述风车小框架的具有给定的方位性的细节滤波器对应的分解子 带信号的加权系数设为接近于1的值，将除此以外的系数设定为接近于〇的值，能够从原始 图像对具有该给定的方位性的分量进行增强或提取。
[0169] 另外，处理图像获取部102c是获取处理图像数据的处理图像获取单元。例如，处 理图像获取部l〇2c可以获取通过分解部102a获取的基于多分辨率分解的分解阶段中的分 解子带信号的系数输出处理图像数据。当获取系数输出处理图像数据时，可以将系数处理 后的分解子带信号通过适当的加权相加在一起。另外，处理图像获取部l〇2c也可以利用后 面要提到的重构部102d的处理，获取通过将多分辨率分解的合成阶段中的合成子带信号 相加在一起而重构的重构处理图像数据。
[0170] 另外，处理图像获取部102c的重构部102d是通过将由分解部102a获取的各颜 色分量的子带信号相加在一起而重构图像并获取重构图像数据的重构单元。例如，重构 部102d通过将与上述最大等级的近似滤波器对应的近似部分的合成子带信号和与所有的 细节滤波器对应的细节部分的合成子带信号相加在一起，从而重构图像并获取重构图像数 据。此时，风车小框架具有完全重构性，因此，如果不进行基于系数处理部102b的处理，则 重构部102d会再现与原始图像相同的图像。换句话说，重构部102d在基于系数处理部102d 进行的处理执行了系数处理之后，通过将合成子带信号相加在一起，从而获取对原始图像 实施了图像处理的重构图像数据。
[0171] 在此，将上述标号（编号）用于合成子带信号，对完全重构性与图像处理的关系进 行说明。如果将原始图像的输入信号（原始信号）设为X，则次数7的风车小框架的等级5 的最大重叠多分辨率分解的完全重构性用以下的公式表示。
[0172] X = a5 (1) + (d5 (1)+···+d5 (99) )+···+(屯（1)+···+(^ (99))
[0173] 在此，在分解部102a中，如果将经过了基于系数处理部102b的各种处理的近似部 分设为a 5' (1)，将细节部分设为&5' (l)，...，d/ (99)，则在这种情况下，重构图像（信 号）用以下的公式表示。
[0174] y = a5' (l) + (d5/ (1) + · · · +d5/ (99))+ · · ^+((1/ (]_)+···+(!/ (99))
[0175] 此时，如果在分解部102a中不进行各种处理，则成为&5' (1) =a5(l)，d5' (1) = d5(l)，...，d/ (99) =4(99)，很明显，x = y(原始图像与重构图像相同），成为完全重 构。在本实施方式中，作为一个示例，系数处理部l〇2b通过将针对与具有给定的频率特性 以及/或者给定的方位性的滤波器对应的子带信号的加权系数设为不是1的数值，从而生 成与原始图像不同的重构图像（即，重构处理图像）。
[0176] 在此，对细节滤波器的分类进行说明。细节滤波器根据其方位性能够分成五类。 艮P，如果将与某一方向正交的轴称为"正交轴"，则能够分成以下五类，即，（1)具有与正交轴 相同方向的方位性的细节滤波器、（2)具有与正交轴垂直方向的方位性的细节滤波器、（3) 具有与正交轴呈正角度的方位性的细节滤波器、（4)具有与正交轴呈负角度的方位性的细 节滤波器以及（5)未进行方位分离的细节滤波器。在此，与正交轴的角度Θ设逆时针为正， 由-90° < Θ <+90°来表示。另外，具有相对于正交轴为水平或者垂直的方位性（Θ = 0°，90° )的细节滤波器分类为⑴或者（2)，因此，不分类为（3)或者（4)。此外，在"未 进行（5)方位分离的细节滤波器"中，由于与正交轴的角度的绝对值包括相同的正的角度和 负的角度这两个方位性，因此不分类为（3)或者（4)。
[0177] 例如，在将某一方向设为纵向的情况下，在图5的示例中，与"（1)具有与正交轴 相同方向的方位性的细节滤波器"对应的子带信号成为d k(15)、dk(23)、dk(31)、dk(39)、 dk(47)、dk(55)以及dk(63)。此外，与"（2)具有与正交轴垂直方向的方位性的细节滤波器" 对应的子带信号成为d k(l)?dk(7)。此外，与"（3)具有相对正交轴呈正的角度的方位性 的细节滤波器"对应的子带信号成为d k(64)?dk(99)。此外，与"（4)具有相对正交轴呈 负的角度的方位性的细节滤波器"对应的子带信号成为d k(9)?dk (14)、dk (17)?dk(22)、 dk(25)?dk(30)、dk(33)?dk(38)、d k(41)?dk(46)、dk(49)?dk(54)。此外，与 "（5)未 进行方位分离的细节滤波器"对应的子带信号成为dk(8)、dk(16)、d k(24)、dk(32)、dk(40)、 dk(48)、dk(56)?dk(62)。
[0178] 另外，细节滤波器也能够根据其频率特性来赋予特征。即，以风车小框架的近似滤 波器为中心，并从近似部分以同心圆状扩散的细节滤波器，具有距中心越远则越通过高频 分量、距中心越近则越通过低频分量这一特征。换句话说，在风车小框架的滤波器配置中， 距近似滤波器较远一侧的细节滤波器获取高频分量的子带信号；在滤波器配置中，距近似 滤波器较近一侧的细节滤波器获取低频分量的子带信号。
[0179] 在图5的示例中，与具有最低频一侧的频率特性的细节滤波器对应的子带信号成 为dk(7)、d k(14)、dk(15)以及dk(64)。与具有其次的低频侧的频率特性的细节滤波器对应的 子带信号成为d k(6)、dk(13)、dk(21)?dk(23)、d k(65)、dk(70)以及dk(71)。然后，与具有再其 次的低频侧的频率特性的细节滤波器对应的子带信号成为d k(5)、dk(12)、dk(20)、dk(28)? dk(31)、dk(66)、dk(72)以及dk(76)?d k(78)。与具有再其次的低频侧的（比较中频侧的）频 率特性的细节滤波器对应的子带信号成为dk(4)、d k(ll)、dk(19)、dk(27)、dk(35)?d k(39)、 dk(67)、dk(73)、dk(79)以及dk(82)?d k(85)。然后，与具有再其次的低频侧的（比较高频 侧的）频率特性的细节滤波器对应的子带信号成为dk(3)、d k(10)、dk(18)、dk(26)、dk(34)、 4(42)?4(47)、4(68)、(1 1;(74)、(11;(80)、(11;(86)以及(11;(88)?(1 1;(92)。然后，与具有再其 次的低频侧的（比较高频侧的）频率特性的细节滤波器对应的子带信号成为dk(2)、d k(9)、 dk(17)、 dk(25)、 dk(33)、 dk(41)、 dk(49)?dk(55)、 dk(69)、 dk(75)、 dk(81)、 dk(87)、 dk(93)、 以及dk(94)?dk(99)。然后，与具有再其次的低频侧的（最高频侧的）频率特性的细节滤 波器对应的子带信号成为 dk(l)、dk(8)、dk(16)、dk(24)、d k(32)、dk(40)、dk(48)、dk(56)? dk(63)。
[0180] 除了该分类之外，进行了方位分离的细节滤波器，根据其形状，被分类成与该滤波 器所具有的方位性的方位方向的轴几乎对称的偶数型以及与方位方向的轴几乎反对称的 奇数型。另外，近似滤波器是与垂直轴和水平轴几乎对称的偶数型。
[0181] 以上是对细节滤波器的分类进行的说明。
[0182] 再次返回到图1，颜色空间变换部102f为进行颜色空间的变换或颜色分量的分 解/合成等的颜色空间变换单元。例如，颜色空间变换部l〇2f，在存储于图像数据文件 106b中的图像数据为彩色图像，即没有根据在本实施方式使用的颜色分量来记载数据的 情况下，在进行基于分解部102a的彩色图像锐化处理等情况下，可以变换成目标的颜色空 间（例如，CIELAB颜色空间）。通过变换成CIELAB颜色空间，图像被分解为L* (亮度）、 a* (红-绿）、b* (黄-蓝）这三个颜色分量。另外，颜色空间变换部102f也可变换为CIELAB 颜色空间以外的其他颜色空间。使用CIELAB颜色空间的优点是：接近于来自人的视网膜的 视觉信息变换这一优点。另外，在图像数据事先按照在本实施方式所使用的各种颜色分量 记载了色调或灰度值等的情况下，颜色空间变换部l〇2f可以不进行关于颜色空间的处理。 另外，如果有必要，颜色空间变换部102f，在基于重构部102d进行的图像数据重构处理中 进行颜色分量的合成或颜色空间的变换、亮度/颜色的尺度变换等。
[0183] 另外，处理图像输出部102g是将由处理图像获取部102c获取的处理图像数据 (系数输出处理图像数据或重构处理图像数据）向输出装置114进行输出的处理图像输出 单元。例如，处理图像输出部102g可以将处理图像显示输出在显示器等显示装置上，也可 以将处理图像在打印机等印刷装置上印刷输出来制作印刷介质，也可以将处理图像数据输 出到记录介质保存装置并将处理图像数据保存到记录介质中，从而制作记录介质。作为印 刷对象的介质，可为例如纸、塑料、玻璃、金属等，也可以是例如传单、团扇、卡片、连环画、贺 年片、圣诞卡片、名片、罐
[0184] 子等容器等的方式。另外，根据所输出的方式，处理图像输出部102g可以进行根 据用途的设计变更（例如，变更为明信片等）。另外，处理图像输出部l〇2g可以经由网络 300将处理图像数据发送给外部系统200。
[0185] 即，该图像处理装置100可以经由路由器等通信装置以及专用线路等有线或无线 的通信线路与网络能够通信地连接。在图1中，通信控制接口部104进行图像处理装置100 与网络300 (或路由器等的通信装置）之间的通信控制。即，通信控制接口部104是与连接 了通信线路等路由器等的通信装置（未图示）连接的接口，具有与其他终端经由通信线路 进行数据通信的功能。在图1中，网络300具有将图像处理装置100与外部系统200相互 连接的功能，例如，是互联网等。
[0186] 在图1中，外部系统200通过网络300与图像处理装置100相互连接，可以具有提 供图像数据或关于风车小框架的外部数据库、或用于使计算机作为图像处理装置发挥功能 的程序的功能。在此，外部系统200可以作为WEB服务器或ASP服务器等构成。另外，外部 系统200的硬件结构可以由市场出售的工作站、个人计算机等信息处理装置及其附属装置 构成。另外，外部系统200的各功能通过外部系统200的硬件构成中的CPU、磁盘装置、存储 器装置、输入装置、输出装置、通信控制装置等以及控制它们的程序等来实现。
[0187] 以上，就完成了本实施方式中的图像处理装置100的构成的说明。
[0188] [图像处理装置100的处理]
[0189] 接下来，关于如上所述构成的本实施方式中的该图像处理装置100的处理，以下， 参照图6?图57进行详细说明。
[0190] [基本处理]
[0191] 首先，作为由图像处理装置100执行的图像处理的一个示例，以下参照图6?图8 对基本处理进行说明。图6是表示本实施方式中的图像处理装置100的基本处理的一个示 例的流程图。
[0192] 首先，分解部102a针对存储在图像数据文件106b中的图像数据，进行基于存储在 小框架文件106a中的广义风车小框架或风车小波框架的最大重叠多分辨率分解，并获取 子带信号（步骤S-1)。在此，图7以及图8是表示基于风车小框架的多分辨率分解的分解 阶段以及合成阶段（无/有处理）的滤波器组的一个示例的图。图中的数字表示等级。PW 是细节滤波器，A是近似滤波器。
[0193] 如图7以及图8所示，首先，分解部102a使用等级1的风车小框架，将原始图像 作为输入信号，分解成通过细节滤波器PW1的分解子带信号（用分解细节系数屯表示的信 号）、和通过一个近似滤波器A1的信号。接下来，分解部102a使用等级2的风车小框架，将 通过了等级1的近似滤波器A1的信号分解成通过等级2的细节滤波器PW2的分解子带信 号（分解细节系数d 2)、和通过等级2的近似滤波器A2的信号。分解部102a将该处理反复 进行直到最大等级k(在图示的情况下，k = 5)为止，获得分解细节系数屯?dk、以及基于 通过了最大等级k的近似滤波器Ak的分解子带信号的分解近似系数a k。接下来，对分解子 带信号进行各种处理，获得分解细节系数d/?d5'和分解近似系数 &5'。
[0194] S卩，如图7以及图8所示，分解部102a的系数处理部102b，针对与滤波器组的多个 滤波器之中的至少一个对应的分解子带信号，进行线性或非线性的系数处理等而使分解子 带信号相对地衰减或放大的各种处理（步骤S-2)。在此，作为一个示例，系数处理部102b 可以进行基于硬阈值或软阈值等的阈值处理。另外，系数处理部l〇2b可以使与多个滤波器 之中的具有给定的频率特性以及/或者给定的方位性的滤波器的至少一个相对应的分解 子带信号衰减或放大。例如，系数处理部l〇2b可以通过使按照基于广义风车小框架或风车 小波框架的各等级下的方位的给定的滤波器配置中的位置、以及/或者多分辨率分解中的 等级所指定的给定的分解子带信号增减，从而进行使给定的频率分量增减的图像处理。作 为一个示例，系数处理部102b可以针对形成分解子带信号的、从分解阶段输出的分解细节 系数以及/或者分解近似系数进行系数处理。即，系数处理部l〇2b可以使分解阶段中的近 似子带信号增减，并且/或者使分解阶段中的细节子带信号增减。
[0195] 于是，处理图像获取部102c获取在步骤S-2中实施了各种处理的处理图像数据 (系数输出处理图像数据或重构处理图像数据）（步骤S-3)。在图7的示例中，处理图像获 取部102c可以针对在基于分解部102a的处理的分解阶段获得的分解细节系数屯?d 5，在 不将实施了各种处理的分解细节系数d/?d5'和分解近似系数&5'输入到合成阶段的 情况下，获取处理图像数据作为系数输出处理图像数据，也可以根据需要进行加权相加作 为处理图像数据来获取。另一方面，在图8的示例中，处理图像获取部102c可以针对在基 于分解部102a的处理的分解阶段获得的分解细节系数4?d 5和分解近似系数a5，将实施 了各种处理的分解细节系数d/?d5'和分解近似系数 &5'输入到合成阶段，以获取由重 构部102d重构的处理图像数据作为重构处理图像数据。
[0196] 以上是本实施方式的基本处理。通过该基本处理能够对原始图像实施基于本实施 方式的各种图像处理。
[0197] [彩色图像锐化处理]
[0198] 首先，作为利用图像处理装置100执行的图像处理的一个示例，针对彩色图像的 图像锐化处理，以下参照图9?图21进行说明。图9是表示本实施方式中的图像处理装置 100的彩色图像锐化处理的一个示例的流程图。
[0199] 首先，分解部102a针对存储在图像数据文件106b中的图像数据的各颜色分量，进 行基于存储在小框架文件l〇6a中的风车小框架的最大重叠多分辨率分解，并获取子带信 号（步骤SA-1)。另外，分解部102a不局限于风车小框架，也可以使用方位性由水平方向、 垂直方向、对角方向构成的双正交小波滤波器组。另外，也可以根据需要（例如，在没有用 本实施方式中所使用的颜色分量来记载图像数据的情况等），颜色空间变换部l〇2f针对彩 色图像进行所希望的颜色空间的变换处理或颜色分量的分解处理。作为一个示例，颜色空 间变换部l〇2f可以将彩色图像变换成CIELAB颜色空间。由此，图像被分解成L* (亮度）、 a* (红-绿）、b* (黄-蓝）这三种颜色分量。在此，图10是表示最大重叠多分辨率分解的 分解阶段以及合成阶段的滤波器组的一个示例的图。图中的数字表示等级。PW为细节滤波 器，在次数7的情况下，在各等级中存在99个。A为近似滤波器，在同样次数7的情况下，各 等级中存在1个。另外，在图10的示例中，虽然使用了最大重叠法，但本实施方式不局限于 此，也可以使用最大间隔剔除法和其他的间隔剔除法。
[0200] 如图10所示，首先，分解部102a使用等级1的风车小框架，将原始图像作为输入 信号，分解成通过99个细节滤波器的信号、和通过1个近似滤波器的信号（用分解细节系 数屯表示的信号）。接下来，分解部102a使用等级2的风车小框架，将通过了等级1的近 似滤波器的信号分解成通过99个（等级2的）细节滤波器的信号（分解细节系数d 2)、和 通过1个（等级2的）近似滤波器的信号。分解部102a将该处理反复进行直到最大等级 k(在图示的情况下为等级5)为止，获得分解细节系数屯?士和近似系数ak。在通常的多 分辨率分解中，分解部l〇2a将在分解阶段获得的由分解细节系数屯?d 5形成的信号直接 输入到合成阶段的滤波器组，但在本实施方式中，进行本实施方式中的系数处理，以获得合 成阶段输入用的分解细节系数d/?d 5'。
[0201] 即，如图9所示，分解部102a的系数处理部102b在多分辨率分解中的分解阶段与 合成阶段之间，针对从分解阶段输出的分解细节系数进行系数处理（步骤SA-2)，以使将该 分解细节系数的能量越大则绝对值越小的值抑制得更小；将该分解系数的能量越小则绝对 值越小的值增大。在此，关于图像数据的a*以及/或者b*的颜色分量，系数处理部102b 可以进行按如下方式那样修正的系数处理，即：将由a*以及/或者b*的分解细节系数和L* 中的分解细节系数所确定的能量越大则绝对值越小的值抑制得更小；将上述能量越小则绝 对值越小的值增大。另外，系数处理部l〇2b可以在函数处理等系数处理以及/或者能量计 算中进行归一化，以使分解细节系数的值变得容易处理。在此，图11是表示伴随着归一化 的分解细节系数的系数处理的一个示例的流程图。
[0202] 如图11所示，首先，系数处理部102b将从分解阶段输出的分解细节系数X的绝对 值归一化（步骤SA-21)。例如，系数处理部102b利用适当的归一化方法进行分解细节系数 X的归一化，以使所有的分解细节系数X都落入0到1之间的数值内。
[0203] 然后，系数处理部102b基于归一化分解细节系数y来计算分解细节系数的能量 (步骤SA-22)。例如，系数处理部102b可以将归一化分解细节系数y的均方范数I I y I I作 为能量。另外，也可以进行归一化等指数调整，以使能够以函数处理来处理能量。
[0204] 然后，系数处理部102b根据在步骤SA-22计算出的能量，非线性地进行归一化分 解细节系数y的系数处理，从而获得系数处理结果z (步骤SA-23)。例如，为了进行与能量 大小相应的系数处理，系数处理部l〇2b可以在能量值中设置阈值，按照能量值的每个范围 进行不同的系数处理，也可以不在能量值中设置阈值，而通过根据能量值而使偏差连续变 化的函数进行计算来进行系数处理。作为一个示例，系数处理部102b使用连续变化的SN 函数，在分解细节系数的能量大的情况下对S字曲线进行系数处理，在分解细节系数的能 量小的情况下对N字曲线进行系数处理。在此，以下的公式1是SN函数的一个示例。在公 式1中，如果α > 1，则成为S型曲线，如果α = 1，则成为直线，如果α < 1，则成为N型 曲线。另外，能量与参数α的对应的决定方法不是固定为一个，也可以以反映个人差别的 方式设定，另外，也可以按照每个等级、每个方位、每个颜色分量以及分解细节系数的每个 符号来进行设定。
[0205] z = ya/{ya + (l_y) α} · · ·(式 1)
[0206] (其中，y是归一化分解细节系数（0彡y彡1)，α是基于归一化分解细节系数的 能量的指标值（〇 < a )，z是被函数处理后的归一化分解细节系数）
[0207] 然后，系数处理部102b通过对在步骤SA-23进行了系数处理的归一化分解细节系 数z进行归一化的逆运算，从而获得用于合成阶段的输入数据X'(步骤SA-24)。另外，在 使用上述的范数的情况下，当用以下公式进行逆运算时，将符号恢复到原来。
[0208] X' =sgn(x)z'
[0209] (其中，X是分解细节系数，z是系数处理后的值，z'是归一化的逆运算结果的值。 其中，如果X彡0,则sgn(x) = 1，如果X < 0,则sgn(x) =-1。另外，X'是将符号恢复后 的结果的值）
[0210] 再返回到图9,分解部102a将在步骤SA-2进行了系数处理的分解细节系数作为输 入数据来进行合成阶段的处理（步骤SA-3)。即，分解部102a利用合成阶段的滤波器，从将 在分解阶段输出的信号进行了系数处理的信号中最终获取99X5个合成子带信号（细节部 分）和1个合成子带信号（近似部分）（参照图10)。
[0211] 然后，重构部l〇2d将从分解部102a获取的各颜色分量的合成子带信号加在一起， 从而重构图像（步骤SA-4)。另外，在将合成子带信号加在一起的颜色分量的数值超过规定 值（例如，0到255灰度的范围）的情况下，重构部102d可以例如将整体尺寸化从而使数值 落入在规定范围（例如0和255的范围内）内（归一化的方法）；也可以将最低规定值（例 如，〇)以下的数值作为最低规定值，将最高规定值（例如255)以上的数值置换成255(使用 阈值的方法）。除此之外，根据需要（例如，必须以RGB输出等），颜色空间变换部102f可 以进行颜色空间的变换或颜色分量的合成等处理。
[0212] 通过以上处理获得的重构图像是针对原始图像实施基于本实施方式的图像处理， 例如，实施了比原始图像更自然的锐化。在此，图12是将原始图像、基于本实施方式的锐化 图像、以及基于以往的方法的锐化图像进行对比显示的图。
[0213] 如图12所示，在非专利文献1的以往的方法中，针对整个图像，一律进行了检测 出边缘较亮一侧的像素并使其更亮，检测出边缘较暗一侧的像素并使其更暗的局部性对比 度控制，因此，特别是如照片跟前附近很多树的那样，即使是对比度本来就充分的地方，也 会不必要地实施过分的锐化直至接近于黑白，由此，造成图像不自然。另一方面，根据本实 施方式，由于实施类似于人的初始视觉信息处理的图像处理，因此，能够不会实施过分的对 比度而获得自然的锐化图像。在此，图13、图14以及图15分别是表示在图12的各照片 (512X512像素）中自左起的第400个像素列的L*、a*以及b*的值的图表。横轴表示在 自左起第400个像素列的自上起的行数；纵轴表示各颜色分量（L*、a*或者b*)的值。蓝色 显示表示原始图像的各点的值的图表；绿色显示表示基于本实施方式的处理图像的各点的 值的图表；红色显示表示基于市场上出售的程序产品的处理图像的各点的值的图表。
[0214] 如图13?图15所示，在非专利文献1的现有方法中，无论是在远景（横轴的0? 300附近）还是近景（横轴的400?500附近，一律进行对比度控制，以使表示原始图像的各 点的值的图表的变动变大。因此，特别是在近景（横轴的400?500附近）中，产生了各颜 色分量的激烈变化。另一方面，根据本实施方式，针对存在激烈变动的近景（横轴的400? 500附近），不使变动变大，针对变化舒缓的远景（横轴的0?300附近），实施锐化。而且， 不仅高频部分，低频部分也实施锐化。因此，不自然的图像的增强变少。
[0215] 这样，就结束了图像处理装置100的彩色图像锐化处理的说明。能够利用这样的 本实施方式实施自然的锐化的原理如下所示。即，在人的视觉信息处理中具有高度的锐化 功能，因此，能够如本实施方式那样，基于人的视觉信息处理的数理模型的图像处理能够进 行高度的锐化。而且，在该情况下，由于进行与脑内的视觉信息处理类似的处理，因此，具有 不会感到过分不自然的锐化的这一优点。
[0216] [利用SN函数的系数处理的实施例]
[0217] 接下来，利用图像处理装置100的系数处理部102b且使用SN函数的系数处理的 实施例如下所示。
[0218] 为了对如果周围的刺激量多，则抑制弱的刺激；如果周围的刺激量弱，则增强弱的 刺激这一现象等进行数学性描述，考虑利用参数从具有S型的图形的函数连续地变形到具 有N字型的图形的函数的函数。将具有这种特性的函数称为感知函数。作为感知函数的一 个示例，举出以下的SN函数。
[0219] [公式 1]
[0220]

【权利要求】
1. 一种图像处理装置，其至少具有存储部和控制部，上述图像处理装置的特征为， 上述存储部具有： 滤波器存储单元，其存储具有次数的广义风车小框架或风车小波框架，上述广义风车 小框架或风车小波框架是没有方位性的近似滤波器、以及具有各方位性的多个细节滤波器 的集合；以及 图像数据存储单元，其存储图像数据， 上述控制部具有： 分解单元，其针对上述图像数据进行基于广义风车小框架或风车小波框架的多分辨率 分解，并获取子带信号；以及 处理图像获取单元，其获取通过将从上述分解单元获取的、基于上述多分辨率分解的 分解阶段中的上述子带信号的处理图像数据或上述多分辨率分解的合成阶段中的上述子 带信号相加而对图像进行重构后的处理图像数据， 上述分解单元还具有： 处理单元，其进行使与上述滤波器的至少一个对应的上述多分辨率分解的上述分解阶 段中的上述子带信号衰减或放大的处理。
2. 根据权利要求1所述的图像处理装置，其特征为， 上述处理单元针对上述分解阶段中的上述子带信号进行线性或非线性的系数处理。
3. 根据权利要求1或2所述的图像处理装置，其特征为， 上述处理单元针对上述分解阶段中的上述子带信号进行阈值处理。
4. 根据权利要求1或2所述的图像处理装置，其特征为， 上述处理单元进行系数处理，以使将形成上述分解阶段中的上述子带信号的分解细节 系数的能量越大则绝对值越小的值抑制得更小，并将该分解细节系数的能量越小则绝对值 越小的值增大。
5. 根据权利要求1至4的任意一项所述的图像处理装置，其特征为， 上述处理单元使与多个上述滤波器之中的具有给定的频率特性以及/或者给定的方 位性的上述滤波器的至少一个对应的上述分解阶段中的上述子带信号衰减或放大。
6. 根据权利要求5所述的图像处理装置，其特征为， 上述给定的频率特性是由基于上述广义风车小框架或上述风车小波框架的各等级下 的方位的给定的滤波器配置中的位置以及/或者上述多分辨率分解中的等级所指定的。
7. 根据权利要求1至6的任意一项所述的图像处理装置，其特征为， 上述处理单元使与多个上述滤波器之中的具有给定的频率特性以及/或者给定的方 位性的奇数型滤波器的至少一个对应的上述分解阶段中的子带信号相对地放大。
8. 根据权利要求1至6的任意一项所述的图像处理装置，其特征为， 上述处理单元使与多个上述滤波器之中的具有给定的频率特性以及/或者给定的方 位性的上述奇数型滤波器的至少一个对应的上述分解阶段中的子带信号相对地放大，而 且，还使与偶数型滤波器的至少一个对应的上述分解阶段中的子带信号相对地衰减。
9. 根据权利要求1至8的任意一项所述的图像处理装置，其特征为， 上述处理单元通过对从上述分解阶段输出的分解细节系数以及/或者分解近似系数 进行处理，从而使上述分解阶段中的上述子带信号衰减或放大。
10. -种图像处理装置，其至少具有存储部和控制部，所述图像处理装置的特征为， 上述存储部具有： 滤波器存储单元，其存储方位选择性小波框架或方位选择性滤波器组，上述方位选择 性小波框架或方位选择性滤波器组是没有方位性的近似滤波器、以及具有各方位性的多个 细节滤波器的集合；以及 图像数据存储单元，其存储图像数据， 上述控制部具有： 分解单元，其针对上述图像数据的各颜色分量，进行基于上述方位选择性小波框架或 上述方位选择性滤波器组的多分辨率分解，并获取子带信号；以及 重构单元，其将通过上述分解单元获取的各颜色分量的上述合成阶段中的上述子带信 号相加而对图像进行重构，并获取重构图像数据， 上述分解单元还具有： 系数处理单元，其在上述多分辨率分解的分解阶段与合成阶段之间，针对从上述分解 阶段输出的分解细节系数进行系数处理，以使将该分解细节系数的能量越大则绝对值越小 的值抑制得更小，并将该分解细节系数的能量越小则绝对值越小的值增大。
11. 根据权利要求10所述的图像处理装置，其特征为， 上述颜色分量是CIELAB颜色空间中的L*、a*以及b*、或接近于人的视觉的颜色空间 的各颜色分量。
12. 根据权利要求11所述的图像处理装置，其特征为， 上述系数处理单元针对上述图像数据的a*以及/或者b*的颜色分量进行按如下方式 修正的上述系数处理，即：将由a*以及/或者b*的上述分解细节系数与L*中的上述分解 细节系数所确定的能量越大则绝对值越小的值抑制得更小，将上述能量越小则绝对值越小 的值增大。
13. 根据权利要求10至12的任意一项所述的图像处理装置，其特征为， 上述系数处理单元使用自动地进行连续变化的函数，在上述分解细节系数的能量大的 情况下，对S字曲线进行上述系数处理，在上述分解细节系数的能量小的情况下，对N字曲 线进行上述系数处理。
14. 根据权利要求10至13的任意一项所述的图像处理装置，其特征为， 上述系数处理单元在上述分解阶段与上述合成阶段之间，将上述分解细节系数归一 化，将被归一化后的上述分解细节系数即归一化分解细节系数的范数作为上述能量，针对 该归一化分解细节系数进行上述系数处理，并对被系数处理后的上述归一化分解细节系数 进行上述归一化的逆运算。
15. 根据权利要求10至14的任意一项所述的图像处理装置，其特征为， 上述系数处理单元根据上述分解细节系数的符号的不同来进行个别的处理。
16. 根据权利要求10至15的任意一项所述的图像处理装置，其特征为， 上述分解单元使用上述方位性由水平方向、垂直方向和对角方向构成的双正交小波滤 波器组、或上述方位性为多方向的广义风车小框架或风车小波框架，进行上述多分辨率分 解。
17. 根据权利要求10至16的任意一项所述的图像处理装置，其特征为， 基于上述分解单元进行的上述多分辨率分解是：最大重叠多分辨率分解、最大间隔剔 除多分辨率分解、或者部分间隔剔除部分重叠多分辨率分解。
18. -种图像处理方法，是在至少具有存储部和控制部的图像处理装置中执行的图像 处理方法，其特征为： 上述存储部具有： 滤波器存储单元，其存储具有次数的广义风车小框架或风车小波框架，上述广义风车 小框架或风车小波框架是没有方位性的近似滤波器、以及具有各方位性的多个细节滤波器 的集合；以及 图像数据存储单元，其存储图像数据， 上述图像处理方法在上述控制部中执行的步骤包括： 分解步骤，针对上述图像数据进行基于广义风车小框架或风车小波框架的多分辨率分 解，并获取子带信号；以及 处理图像获取步骤，获取通过将从上述分解单元获取的、基于上述多分辨率分解的分 解阶段中的上述子带信号的处理图像数据、或上述多分辨率分解的合成阶段中的上述子带 信号相加而对图像进行重构后的处理图像数据， 上述分解步骤还具有： 处理步骤，进行使与上述滤波器的至少一个对应的上述多分辨率分解的上述分解阶段 中的上述子带信号衰减或放大的处理。
19. 一种图像处理方法，是在至少具有存储部和控制部的图像处理装置中执行的图像 处理方法，其特征为， 上述存储部具有： 滤波器存储单元，其存储方位选择性小波框架或方位选择性滤波器组，上述方位选择 性小波框架或方位选择性滤波器组是没有方位性的近似滤波器、以及具有各方位性的多个 细节滤波器的集合；以及 图像数据存储单元，其存储图像数据， 上述图像处理方法在上述控制部中执行的步骤包括： 分解步骤，针对上述图像数据的各颜色分量进行基于上述方位选择性小波框架或上述 方位选择性滤波器组的多分辨率分解，并获取子带信号；以及 重构步骤，通过将在上述分解步骤获取的各颜色分量的上述合成阶段中的上述子带信 号相加而对图像进行重构，并获取重构图像数据， 上述分解步骤还具有： 系数处理步骤，在上述多分辨率分解的分解阶段与合成阶段之间，针对从上述分解阶 段输出的分解细节系数进行系数处理，以使将该分解细节系数的能量越大则绝对值越小的 值抑制得更小，并将该分解细节系数的能量越小则绝对值越小的值增大。
20. -种程序，是用于在至少具有存储部和控制部的图像处理装置中执行图像处理方 法的程序，其特征为， 上述存储部具有： 滤波器存储单元，其存储具有次数的广义风车小框架或风车小波框架，上述广义风车 小框架或风车小波框架是没有方位性的近似滤波器以及具有各方位性的多个细节滤波器 的集合；以及 图像数据存储单元，其存储图像数据， 上述程序在上述控制部中执行： 分解步骤，针对上述图像数据进行基于广义风车小框架或风车小波框架的多分辨率分 解，并获取子带信号；以及 处理图像获取步骤，获取通过将从上述分解单元获取的、基于上述多分辨率分解的分 解阶段中的上述子带信号的处理图像数据、或上述多分辨率分解的合成阶段中的上述子带 信号相加而对图像进行重构后的处理图像数据， 在上述分解步骤还执行： 处理步骤，进行使与上述滤波器的至少一个对应的上述多分辨率分解的上述分解阶段 中的上述子带信号衰减或放大的处理。
21. -种程序，是用于在至少具有存储部和控制部的图像处理装置中执行图像处理方 法的程序，其特征为， 上述存储部具有： 滤波器存储单元，其存储方位选择性小波框架或方位选择性滤波器组，上述方位选择 性小波框架或方位选择性滤波器组是没有方位性的近似滤波器、以及具有各方位性的多个 细节滤波器的集合；以及 图像数据存储单元，其存储图像数据， 上述程序在上述控制部中执行： 分解步骤，针对上述图像数据的各颜色分量进行基于上述方位选择性小波框架或上述 方位选择性滤波器组的多分辨率分解，并获取子带信号；以及 重构步骤，通过将在上述分解步骤获取的各颜色分量的上述合成阶段中的上述子带信 号相加而对图像进行重构，并获取重构图像数据， 在上述分解步骤中还执行： 系数处理步骤，在上述多分辨率分解的分解阶段与合成阶段之间，针对从上述分解阶 段输出的分解细节系数进行系数处理，以使将该分解细节系数的能量越大则绝对值越小的 值抑制得更小，并将该分解细节系数的能量越小则绝对值越小的值增大。
22. -种印刷介质，印刷有处理图像，其特征为， 在上述处理图像中，构成原始图像的、由广义风车小框架或风车小波框架提取的各分 量、或者由方位选择性小波框架或方位选择性滤波器组提取的各分量之中的给定的上述分 量被衰减或放大。
23. -种能够由计算机读取的记录介质，其记录了用于显示处理图像的图像数据，其特 征为， 在上述处理图像中，构成原始图像的、由广义风车小框架或风车小波框架提取的各分 量、或者由方位选择性小波框架或方位选择性滤波器组提取的各分量之中的给定的上述分 量被衰减或放大。
【文档编号】G06T5/20GK104285239SQ201380025075
【公开日】2015年1月14日 申请日期:2013年5月13日 优先权日:2012年5月14日
【发明者】新井仁之, 新井偲 申请人:独立行政法人科学技术振兴机构