专利名称：图像处理方法和装置的制作方法
技术领域：
本发明涉及通过误差扩散处理减少图像数据色彩深浅等级的图像处理方法和装置。
为了通过图像输出设备(例如较少色彩深浅等级的打印机)输出由计算机或图像输入设备获取的多级色彩深浅等级的图像，需要降低图像数据的色彩深浅等级数。采用伪半色调表示法可以在降低色彩深浅等级的同时保持原始图像的质量。在几种伪半色调表示法中，被产生两级输出层次的打印机广泛采用的是误差扩散方法，它能够生成高质量的图像。误差扩散方法将源于目标象素的量化误差扩大到目标象素附近未量化象素的输入图像数据内。
误差扩散方法的一般原理可参见Hitoshi Takaie和Mitsuo Yae在Interface(1993年8月期，pp.158-171)上发表的“Gradation ConversionTechnique of Digital Image Data with C”一文，现详述之。
误差扩散方法通过将量化误差调制为肉眼不易察觉的高频成份来表示伪半色调。
图1为实现典型的误差扩散处理的图像处理装置框图。图像处理装置包括减法器111，用来将输入图像数据x(i，j)减去下述滤波器114的输出数据；量化器(表示为Q)112，用来量化减法器111的输出数据并输出结果作为输出图像数据y(i，j)；减法器113，用来将输出图像数据y(i，j)减去减法器111的输出数据；以及滤波器114，用来对减法器113的输出进行特定的滤波并向减法器111输出结果。在附图中，e(i，j)表示量化器112量化过程中产生的量化误差。因此减法器113的输出数据就是量化误差e(i，j)。“i”和“j”分别代表两个相交方向的坐标。这两个方向分别称为i方向和j方向。
滤波器114为线性滤波器。传递函数确定为G(z1，z2)。z1和z2分别为z变换在i和j方向上的变量。图1所示的图像处理装置在整体结构上可视为二维Δ-∑调制电路。因此图像处理装置的输入与输出关系给定如下Y(z1，z2)＝X(z1，z2)+H(z1，z2)E(z1，z2) (1)在表达式(1)中，Y(z1，z2)、X(z1，z2)和E(z1，z2)分别是通过y(i，j)、x(i，j)和e(i，j)的z变换生成的数值。调制量化误差E(z1，z2)的滤波器传递函数H(z1，z2)由表达式(2)给出H(z1，z2)＝1-G(z1，z2)(2)传递函数H(z1，z2)代表二维有限脉冲响应(FIR)的高通滤波器。高通滤波器用来调制量化误差，它决定了被调制为高频分量的量化误差E(z1，z2)的调制特性。在下列描述中，以传递函数H(z1，z2)和G(z1，z2)表示的滤波器分别示为滤波器H(z1，z2)和滤波器G(z1，z2)。
G(z1，z2)用表达式(3)表示。
G(z1，z2)＝∑∑g(n1，n2)z1-n1z2-n3(3)表达式(3)中第一个∑表示对n1从-N1-M1的求和。表达式(3)中第二个∑表示对n2从-N2-M2的求和。N1、M1、N2和M2为正整数。滤波器系数由n1＝0和n2＝0时的g(n1，n2)以及目标象素给定。
作为g(i，j)示例的典型滤波器，G(z1，z2)的系数由表达式(4)给出。表达式中的*代表g(0，0)处的目标象素。g(i,j):*753575315531/48------(4)]]>图2示出了误差调制滤波器H(z1，z2)的频率特性，该滤波器采用表达式(4)给出的滤波器G(z1，z2)。图2中，绝对值较大的频率代表较高的频率分量。采用表达式(4)给出滤波器G(z1，z2)的滤波器G(z1，z2)和滤波器H(z1，z2)称为Jarvis，Judice & Ninke滤波器(以下称为Jarvis滤波器)。
但是上述相关技术的误差扩散方法存在以下两个问题。第一个问题是在高亮度区域的增亮部分产生较长的延迟点(点呈稀疏状)而在阴影区域的增亮部分(点呈稠密状)产生较长的延迟白点(点状部分被无点区域包围)。在本发明中这种现象被称为点延迟现象。
第二个问题是在高亮度区域以外区域(例如阴影区域)与高亮度区域之间界面附近点呈消失而拖尾状。同样，在阴影区域以外区域(例如高亮度区域)与阴影区域之间界面附近白点消失而呈拖尾状。在本发明中这种现象称为拖尾现象。
现在参见图3和4，它示出了发生上述点延迟现象和拖尾现象时的典型图像。图3示出了原始图像。原始图像的色彩深浅等级范围是“0”～“255”。背景高亮度区域的色彩深浅等级值为“253”而原始图像中央矩形阴影区域为“2”。在原始图像中，阴影区域右下部分的亮斜线色彩深浅等级为“210”～“240”。图4示出了通过对图3所示原始图像的误差扩散处理生成的图像，它利用了图1所示的图像处理装置，从而将色彩深浅等级减少为二。采用Jarvis滤波器作为误差扩散处理中的误差调制滤波器。在基本扫描方向上从左到右而在第二扫描方向上从上到下进行处理。
在如图4所示完成误差扩散处理的图像中，背景的顶部和左部没有产生点，在那里点是均匀产生的。这就是点延迟现象。由于在图4的示例中沿主扫描方向从左到右并沿第二扫描方向从上到下完成误差扩散处理，所以在顶部和左边部分点形成被延迟，并且这些区域没有出现点。对于中央的矩形阴影区域情况同样如此，在那里顶部和左端部分的白点形成被延迟。在图4所示的实例中，在阴影区域内从顶部和左部到右下部分附近的区域内没有产生白点。
在图4所示图像中，在中央的矩形阴影区域右下部分点象拖尾一样消失。这就是拖尾现象。阴影区域右下部分内的斜线在图4所示图像中由于拖尾现象而消失。
如图4所示，这种点延迟现象和拖尾现象明显降低了图像质量。
以下描述点延迟和拖尾现象的原因。当利用图1所示图像处理装置进行误差扩散处理时，量化器112的阈值为“128”或“127”，从而将输入图像数据的量化级降低为“0”和“255”两级。以下描述中量化器112的阈值为“128”。
当输入图像数据x(i，j)的色彩深浅等级值与图3所示原始图像阴影区域一样为“2”或者当输入图像数据x(i，j)的色彩深浅等级值与原始图像高亮度区域一样为“253”时，误差e(i，j)的大小(绝对值)为2。量化器112产生的小误差按照表达式(4)的滤波器系数g(i，j)扩散到相邻象素并减至更小的数值。一定数量象素的小误差累积起来。当累积误差数超过量化器1 12的阈值“128”(或者为“128”或者以上)时，开始出现点或白点。因此点延迟现象和拖尾现象的原因可以表述如下。
点延迟现象的原因是由于高亮度区域或阴影区域内每个象素产生的量化误差较小所以误差积累达到阈值所需的时间较长。
拖尾现象的原因如下。区域完成处理之后，量化误差在特定区域内累积。如果区域移动至高亮度区域或者阴影区域，则与点延迟现象一样，每个象素内产生的量化误差较小。因此，抵销特定区域内累积误差需要花费较长的时间。
如上所述，点延迟与拖尾现象的原因是相同的。即，点延迟现象与拖尾现象是同一问题的两个方面。
为了克服上述点延迟现象和拖尾现象，提出了优化阈值误差扩散方法，参见Toshiaki Kakutani的“高质量输出的改进误差扩散方法”，Society of PhotographicScience and Technology of Japan 1997 Annual Meeting Abstract，May 27-28，1997，pp.116-119。
以下简述优化阈值误差扩散方法。在方法中，注意力集中在上述点延迟和拖尾现象上。为了将输入图像数据(其色彩深浅等级从“0”-“255”)降低为“0”和“255”的量化量级，量化器的阈值不是固定的，例如为“128”，而是接近输入图像数据的色彩深浅等级值。累积误差达到阈值所需的时间间隔由此缩短。具体而言，在优化阈值误差扩散方法中，量化器的阈值Th是表达式(5)表述的输入图像数据x(i，j)的线性函数。
Th＝{x(i，j)×(n-1)+128}/n …(5)这里n为整数图5示出了输入图像数据水平与阈值Th的关系，n＝12。
参见图6和7，在利用典型误差扩散方法与优化阈值误差扩散方法获得的图像之间进行了比较。图6示出了通过利用典型误差扩散方法将如图3所示输入图像数据减少为量化为“0”和“255”两个量化级的数据的图像。图7示出了利用优化阈值扩散方法将图3所示输入图像数据减少为量化为“0”和“255”两个量级的数据的图像，这里表达式(5)中的“n”为12。在任一情况下，都采用Jarvis滤波器作为误差调制滤波器。
如图7所示，优化阈值扩散方法解决了点延迟现象和拖尾现象。
但是在图7所示图像中，中央的矩形阴影区域边缘出现毛刺。由于优化阈值扩散方法在高亮度区域和阴影区域上产生毛刺，所以该方法影响了人工图像(例如人物或计算机图形图像)的质量，其中高亮度区域和阴影区域区分明显。该方法也导致自然图像模糊。
在上述“用于高质量输出的改进误差扩散方法”一文中，所揭示的方法用来优化每个色彩深浅等级值的阈值，提供色彩深浅等级值与阈值之间的关系表并参照表确定每个色彩深浅等级值的阈值，它代替了量化器阈值是输入图像数据线性函数的方法。但是，虽然按照对图3所示输入图像数据处理的方法对阈值进行了优化，但是由于色彩深浅等级值的个数较少，所以该方法与阈值是输入图像数据线性函数的方法还略有差异。
由于优化阈值扩散方法需要参照图像输入数据来确定量化器的阈值，所以读取数据所需的时间加倍并且增加了处理时间。
上述问题在作为伪半色调的平均误差最小化方法中(代替误差扩散方法)同样存在。这是因为平均误差最小化方法与误差扩散方法具有相似之处，虽然两种方法的程序步骤不同，但是目标象素的量化误差都扩散到目标象素附近的未量化象素的输入图像数据中。
本发明的目标是提供一种图像处理方法和装置，它在通过简单的处理方法保持图像质量的同时也通过误差扩散处理减少了图像数据色彩深浅等级的数量。
本发明的图像处理方法包括以下步骤根据至少一个阈值量化构成整个图像数据的每个象素的输入图像数据，从而将输入图像数据转换为具有至少两级量化级的输出图像数据；根据量化后的量化级将量化步骤中对每个象素的输入图像数据进行量化过程中产生的量化误差转换为每个量化级确定的特定范围内的量化误差；以及将转换步骤中相对于作为目标的一个像素经转换获得的量化误差扩散到目标象素附近未量化象素的输入图像数据内。
本发明的图像处理装置包括根据至少一个阈值量化构成整个图像数据的每个象素的输入图像数据的装置，从而将输入图像数据转换为具有至少两级量化级的输出图像数据；根据量化后的量化级将量化装置对每个象素的输入图像数据进行量化过程中产生的量化误差转换为每个量化级确定的特定范围内的量化误差的装置；以及将转换装置获得相对于作为目标的一个像素经转换的量化误差扩散到目标象素附近未量化象素的输入图像数据内的装置。
按照本发明的图像处理方法，在量化步骤中，根据至少一个阈值量化每个象素的输入图像数据并转换为具有至少两级量化级的输出图像数据。根据量化后的量化级，将量化步骤中对每个象素的输入图像数据进行量化过程中产生的量化误差转换为每个量化级确定的特定范围内的量化误差。将转换步骤中相对于作为目标的一个像素经转换获得的量化误差扩散到目标象素附近未量化象素的输入图像数据内。
按照本发明的图像处理装置，由量化装置根据至少一个阈值量化构成整个图像数据的每个象素的输入图像数据并转换为具有至少两级量化级的输出图像数据。由转换装置根据量化后的量化级将量化装置对每个象素的输入图像数据进行量化过程中产生的量化误差转换为每个量化级确定的特定范围内的量化误差。将转换装置相对于作为目标的一个像素经转换获得的量化误差扩散到目标象素附近未量化象素的输入图像数据内。
通过以下结合附图对本发明的描述可以进一步理解本发明的其它和进一步的目标、特征和优点。
图1为实现相关技术的典型误差扩散处理的图像处理装置框图。
图2为图1所示图像处理装置中所用滤波器频率特性的曲线图。
图3为原始图像实例。
图4示出了利用图1所示图像处理装置对图3所示原始图像进行误差扩散处理获得的图像，其色彩深浅等级由此减少为二。
图5为曲线图，它示出了优化阈值误差扩散方法中输入图像数据水平与阈值的关系实例。
图6示出了利用典型的误差扩散方法获得的图像实例。
图7示出了利用优化阈值误差扩散方法获得的图像实例。
图8为本发明第一实施例的图像处理装置的框图。
图9为图8所示量化误差转换器特性的曲线图。
图10为图8所示量化误差转换器特性的曲线图。
图11示出了与本发明第一实施例相比较的通过典型的误差扩散方法获得的图像实例。
图12示出了为获取图11所示图像而量化之前的数据。
图13示出了利用本发明第一实施例的图像处理方法和装置获得的图像。
图14示出了为获取图13所示图像而量化之前的数据。
图15示出了利用优化阈值误差扩散方法获取的图像实例。
图16示出了利用本发明第一实施例的图像处理方法和装置获得的图像实例。
图17示出了利用优化阈值误差扩散方法获取的另一图像实例。
图18示出了利用本发明第一实施例的图像处理方法和装置获得的另一图像实例。
图19为本发明第二实施例的图像处理装置框图。
图20为本发明第三实施例的图像处理装置框图。
以下借助附图描述本发明的较佳实施例。图8为实现本发明第一实施例的图像处理方法的图像处理装置框图。图像处理装置10包括减法器11，用来将输入图像数据x(i，j)减去下述滤波器15的输出数据；量化器(表示为Q)12，用来根据至少一个阈值量化每个象素的减法器11输出数据并将数据转换为具有至少两个量化级的输出图像数据y(i，j)；减法器13，用来将量化器12的输出数据减去减法器11的输出数据并产生量化误差e0(i，j)；量化误差转换器14，它根据量化后的量化级将来自减法器13的每个象素的量化误差e0(i，j)转换为每个量化级确定特定范围内的量化误差e1(i，j)；以及滤波器15，用来对量化误差转换器14输出数据进行特定的滤波处理并向减法器11输出数据。量化误差转换器14从量化器12接受每个象素量化后量化级的信息。
滤波器15为线性滤波器。传递函数确定为G(z1，z2)。z1和z2分别为z变换在i和j方向上的变量。G(z1，z2)由上述表达式(3)表示。滤波器15可以用例如数字滤波器实现。
滤波器15和减法器11对应扩散量化误差e1(i，j)的装置，目标象素的量化误差由转换器14转换为目标象素附近未量化象素的输入图像数据x(i，j)。
输入图像处理装置10的输入图像数据x(i，j)可以由图像输入装置21提供。图像处理装置10输出的输出图像数据y(i，j)可以输出至图像输出装置22。图像输入装置21可以是图像扫描器、数字相机、视频摄像机中的任意一种。图像输出装置22可以是打印机、液晶显示器中等。
特别是在本发明的实施例中，输入图像数据x(i，j)的色彩深浅等级范围为0～255。量化器12根据单一的阈值“128”量化减法器11的输出数据并将数据转换为具有两种量化级“0”和“255”的输出图像数据y(i，j)。如果减法器11的输出数据等于阈值“128”，则输出图像数据y(i，j)的量化级为“255”。
在量化误差转换器14处，量化误差e0(i，j)到量化误差e1(i，j)的转换特性相对每个量化级“0”和“255”分别定义。
图9为输入量化误差转换器14的量化误差e0(i，j)与转换器14输出的量化误差e1(i，j)之间的关系曲线，其中量化后的量化级为“255”。在实例中，量化误差e0(i，j)在量化误差转换器14处转换为落在“71.0”～“127.0”范围内的量化误差e1(i，j)。具体而言，量化误差e0(i，j)在转换器14处被转换为由下述表达式(6-1)～(6-5)表示的量化误差e1(i，j)，其中量化后的量化级为“255”。在下述表达式中，e0(i，j)和e1(i，j)分别用e0和e1表示。
e1＝e0+4×56，其中-128≤e0＜-97 (6-1)e1＝e0+3×56，其中-97≤e0＜-41 (6-2)e1＝e0+2×56，其中-41≤e0＜-15 (6-3)e1＝e0+ ×56，其中 15≤e0＜71(6-4)e1＝e0， 其中 71≤e0＜127 (6-5)图10为输入量化误差转换器14的量化误差e0(i，j)与转换器14输出的量化误差e1(i，j)之间的关系曲线，其中量化后的量化级为“0”。在实例中，量化误差e0(i，j)在量化误差转换器14处转换为落在“-128.0”～“-72.0”范围内的量化误差e1(i，j)。具体而言，量化误差e0(i，j)在转换器14处被转换为由下述表达式(7-1)～(7-5)表示的量化误差e1(i，j)，其中量化后的量化级为“0”。在下述表达式中，e0(i，j)和e1(i，j)分别用e0和e1表示。
e1＝e0， 其中 -128≤e0＜-72 (7-1)e1＝e0- 56，其中 -72＜e0≤-16 (7-2)e1＝e0-2×56，其中 -16＜e0≤40 (7-3)e1＝e0-3×56，其中 40＜e0≤96 (7-4)e1＝e0-4×56，其中 96＜e0≤127 (7-5)在量化误差转换器14处转换后的量化误差e1(i，j)所在的范围设定为当根据未在量化误差转换器14处作转换的量化误差e0(i，j)进行扩散误差处理时量化误差e0(i，j)收敛至稳态的范围。通过在原始图像(包含大范围的色彩深浅等级)上完成误差扩散处理并测量产生的量化误差确定量化误差e0(i，j)收敛至稳态的范围。图9所标号23和图10的标号24分别表示量化误差e0(i，j)收敛至稳态的范围。图9的范围23可以介于“76”与“127”之间。图10的范围24可以介于“-128”与“-77”之间。
如果量化后的量化误差e1(i，j)所在范围窄于量化误差e0(i，j)收敛至稳态的范围，则产生的点或白点比稳态时更多，并且原始图像的色彩深浅等级发生变化，这不是优先选择的。
以下论述本实施例的图像处理方法的概况。该方法通过使量化误差的大小(绝对值)保持在某一水平以上来减少累积误差达到阈值的时间从而解决了点延迟现象和拖尾现象。该方法利用量化误差的动态特性收敛至稳态的特定范围。因此，在本实施例中，为了将量化误差的大小(绝对值)维持在某一水平以上，量化误差e0(i，j)在量化误差转换器14处被转换为量化误差e1(i，j)从而使转换后的量化误差e1(i，j)落在某一范围内。转换后的量化误差e1(i，j)所在的特定范围设定为当根据未在量化误差转换器14处作转换的量化误差e0(i，j)进行扩散误差处理时量化误差e0(i，j)收敛至稳态的范围。
以下描述图像处理装置10的操作。也描述图像处理方法。
在图像处理装置10中，在减法器11处从输入图像数据x(i，j)减去滤波器15输出的数据。减法器11输出的数据在量化器12处量化。量化器12输出的数据作为图像处理装置10的输出图像数据y(i，j)输出。而且在减法器13处从量化器12输出的数据减去减法器11输出的数据以产生量化误差e0(i，j)。作为减法器13输出数据的量化误差e0(i，j)输入量化误差转换器14，其中量化误差e0(i，j)在量化器12处根据量化后的量化级被转换为落在每个量化级确定特定范围的量化误差e1(i，j)。作为量化误差转换器14输出数据的量化误差e1(i，j)被输入滤波器15，在那里完成由传递函数G(z1，z2)表示的滤波处理。滤波器15的输出数据输入减法器11。
通过操作，图像处理装置10完成误差扩散处理，其中输入图像数据x(i，j)根据单一的阈值量化并转换为具有两个量化级任意一种的输出图像数据y(i，j)。由转换器14对量化误差e0(i，j)量化而产生的量化误差e1(i，j)扩散到目标象素附近未量化象素的输入图像数据。
以下描述三种转换器14将量化误差e0(i，j)转换为量化误差e1(i，j)的方法实例。第一种方法实例是如果量化误差e0(i，j)位于特定范围以外时，在重复转换之前将特定值与量化误差e0(i，j)相加或相减直到转换后的量化误差e1(i，j)落在特定范围内。为了完成如图9和10的转换，相加或相减的特定值为“56”。
在第二种方法实例中，转换前的整个量化误差e0(i，j)的范围被划分为多个区域。如果量化误差e0(i，j)落在特定范围以外，则每个区域确定的特定值根据量化误差e0(i，j)所属区域与量化误差e0(i，j)相加或相减。量化误差由此得到转换从而使量化误差e1(i，j)落在特定范围内。为了完成如图9和10所示的转换，在第二实例中完成表达式(6-1)-(6-5)和(7-1)-(7-5)的计算。每个区域定义的特定值为“56”的整数倍。
第三种方法实例是根据转换前的量化误差e0(i，j)与存储在只读存储器(ROM)内的转换后量化误差e1(i，j)之间的关系完成量化误差转换。
上述任意一种方法都可以用构成专用电路的硬件或者使用微计算机的软件实现。
以下描述本实施例的图像处理装置和方法的效果。图11示出了与本发明实施例作比较的利用典型的误差扩散方法获得的图像实例。具体而言，图11示出了通过利用图1所示图像处理装置将图3所示输入图像数据的量化级压缩为“0”和“255”两个水平获得的图像，其中量化器112的阈值为“128”。Jarvis滤波器作为误差调制滤波器。图12示出了为获取图11所示图像的量化前的数据(输入量化器112的数据)。
图12示出了量化误差累积的方式。注意图12中发生点延迟现象和拖尾现象时的区域，由于每个象素中产生的误差较小，所以误差累积至阈值和产生点或白点的时间被延迟。在发生拖尾现象的区域内，注意经过处理后的中央矩形区域内累积的误差仍然保留并且需要花费较长时间抵销累积误差。由于累积误差较小，所以发生点延迟和拖尾现象的区域的共同之处是量化前的数据色彩深浅等级值在紧接着处理转入该区域之后仍然保留原始图像色彩深浅等级值附近的水平。
注意图11中背景内产生的点，虽然区域最初几乎是全白的，但是由于图12量化前数据的累积误差，产生了灰度数据的重复变化。即，当从左上部分累积的量化误差达到量化器的阈值并且开始产生点或白点时，量化误差收敛至比特定量更大的范围内。即误差收敛特性与误差扩散处理有关。对于色彩深浅等级值同样具有如此特性。因此仍然较小的累积误差强迫放置在上述收敛范围内从而加速产生点或白点。这样就解决了点延迟现象和拖尾现象。这就是本发明实施例的图像处理方法的原理。
图13示出了利用本发明实施例的图像处理方法和图像处理装置获得的图像实例。具体而言，图13示出了通过利用图8所示图像处理装置将图3所示输入图像数据的量化级压缩为“0”和“255”两个水平获得的图像，其中量化器12的阈值为“128”。Jarvis滤波器作为误差调制滤波器。图14示出了为获取图1 3所示图像的量化前的数据(输入量化器12的数据)。如图13所示，点延迟现象和拖尾现象得到了解决。如图14所示，由于累积误差总是收敛至特定的范围，所以点或白点没有延迟产生并且点或白点均匀分布。
参见图15-18，通过优化阈值误差扩散方法获得的图像与利用本发明图像处理方法和装置获得的图像进行了比较。图15示出了利用优化阈值误差扩散方法获得的图像实例。图16示出了利用本发明实施例的方法和装置获得的图像实例。在这些实例中，采用图13所示的输入图像数据并将Jarvis滤波器用作误差调制滤波器。为了获得图15和16所示的图像，利用随机数进行端点处理并且对于每条光栅进行水平反向扫描以改善点的分布。具体而言，利用随机数的端点处理是在处理图像顶端、左端和右端时通过给出随机数加入未从输入图像数据获得的数据。
图17示出了利用优化阈值误差扩散方法获得的另一实例。图18示出了利用本发明的图像处理方法和装置获得的另一图像实例。在这些实例中，系数由下述表达式(8)表示的滤波器用作误差解调滤波器来代替Jarvis滤波器。与Jarvis滤波器相比滤波器在低频区域的响应是空间各向同性的并且点的分布更佳。获取图17和18所示图像的其它条件与图15和16的相同。g(i,j):*75335775310133100/54-----(8)]]>如图15-18所示，点延迟现象和拖尾现象得到了解决并且在利用优化阈值误差扩散方法或本发明的图像处理方法和装置获得的图像中点或白点是均匀分布的。但是，在利用优化阈值误差扩散方法获得的图像中(图15和17)，高亮度区域和阴影区域的边缘有锯齿。相反，在利用实施例的图像处理方法和装置获得的图像中，高亮度区域和阴影区域具有明显的轮廓而无锯齿。
按照所述实施例的图像处理装置和方法，量化误差e0(i，j)在量化误差转换器14处被转换为量化误差e1(i，j)从而使得量化误差的大小(绝对值)维持在特定水平之上。累积误差达到量化器12阈值所需的时间由此缩短。因此，按照实施例的图像处理方法和装置，不仅解决了点延迟现象和拖尾现象，而且使高亮度区域和阴影区域边缘明显而无锯齿。图像质量得以保持。按照实施例，诸如人物和计算机图形之类的人工图像清晰明显，图像质量没有下降。此外，实施例使自然图像清晰而不模糊。
通过将简非常单的处理(量化误差转换器14的处理)加入典型的误差扩散处理就实现了实施例的图像处理方法和装置。与典型的误差扩散处理相比，这略微增加了处理时间。
在典型的误差扩散方法中，整个图像都要确保量化误差最小。因此一个区域内的累积误差在边缘以外的其它区域被抵消，由此产生拖尾现象。即，按照典型的误差扩散方法，整个图像内部分区域的量化误差并非最小。
另一方面，在优化阈值误差扩散方法中，区域内的累积误差在边缘区域被抵消。这是因为量化器的阈值在边缘部分非连续地变化。因此在边缘部分出现锯齿。
在本发明实施例中，与典型的误差扩散方法和优化阈值误差扩散方法相反，区域内的累积误差没有抵消但是在边缘部分被舍弃。因此按照本实施例，并不确保整个图像都是最小的量化误差。但是就图像质量而言，由于如上所述，一个区域内的累积误差在边缘外或内被抵消引起拖尾现象和诸如锯齿的图像失真，所以按照本实施例的整个图像不确保最小量化误差是不会有问题的。由于累积误差落在区域的收敛范围内(在本实施例中色彩深浅等级逐渐变化)，所以累积误差只在边缘部分被舍弃(在那里色彩深浅等级陡然变化)。
在实施例中，随机误差可以叠加在输入至量化误差转换器14的量化误差e0(i，j)上。由此改善点和白点的分布性。
本实施例的图像处理装置可以提供为单一的单元或集成电路，它们包含在诸如打印机之类的图像输出装置内。
图19为实现本发明第二实施例的图像处理方法的图像处理装置。第二实施例利用平均误差最小方法代替误差扩散方法。除了用平均误差最小方法的滤波器26代替滤波器15以外，本实施例的图像处理装置25与第一实施例的图像处理装置10相似。滤波器26保持来自目标象素附近的多个量化象素的量化误差e1(i，j)并通过向各个量化误差e(i，j)赋予权重和平均化误差来计算平均误差。滤波器26随后在目标象素的输入图像数据输入时输出平均误差。这种处理等同于将目标象素的量化误差扩散入目标象素附近未量化误差的输入图像数据。滤波器26可以用数字滤波器实现。
本实施例的其余配置、操作和效果与第一实施例的相似。
图20为本发明第三实施例的图像处理装置的框图。本实施例是以利用计算机的软件实现类似于第一实施例的图像处理装置功能的实例。
利用计算机的本实施例的图像处理装置包括通过总线30连接在一起的中央处理器(CPU)31、只读存储器(ROM)32和随机存储器(RAM)33。图像处理装置进一步包括硬盘51、CD-ROM驱动器52、软盘驱动器53、键盘54、鼠标55和阴极射线管(CRT)56，它们通过接口41-46与总线连接。图像处理装置进一步包括将图像输入装置57与总线30相连的接口47和将图像输出装置58与总线30相连的接口48。
图像输入装置57可以是图像扫描仪、数字相机、视频摄像机中的一种。图像输出装置58可以是打印机、液晶显示器等。
在本实施例的图像处理装置中，CPU31通过执行存储在硬盘(由硬盘驱动器51驱动)、CD-ROM(由CD-ROM驱动器52驱动)和软盘(由软盘驱动器53)存储的应用程序完成图8所示的图像处理装置的功能，RAM作为工作区。
利用上述实现的功能，本实施例的图像处理装置完成了与第一实施例对图像输入装置57输入的图像数据或者图像处理装置(计算机)处理的图像数据一样的处理。由此产生色彩深浅等级数量减少的输出图像数据以输出至图像输出装置58。
本实施例的其它操作和效果与第一实施例的相似。
可以通过利用计算机的软件来实现与第二实施例的图像处理装置25相似的功能。
本发明并不局限于所述实施例，它在发明范围内还可以有其它的实现方式。例如，量化级、量化级数和滤波器特性等都只有示意目的并且取决于本发明的应用模式。
虽然在上述实施例中输入图像数据根据单一的阈值量化并转换为两种色彩深浅等级水平的输出图像数据，但是本发明也可以用于输入图像数据根据两种以上阈值量化并转换为三种色彩深浅等级水平的输出图像数据的情形。
本发明有效地减少了输出至相似较少色彩深浅等级的喷墨打印机、定影热转移打印机、热感应打印机、显示器的图像数据的色彩深浅等级数。此外，本发明有效地减少了图像处理和图像数据存储中图像数据色彩深浅等级数高的负担。
按照本发明的图像处理装置和方法，每个象素的输入图像数据根据至少一个阈值量化并转换为具有至少两种量化级的输出图像数据。量化的量化误差根据量化后的量化级被转换为落在由每个量化级确定的特定范围内的量化误差。利用相对于作为目标的一个象素转换得到的量化误差扩散入目标象素附近未量化象素的输入图像数据内。因此在通过简单处理保持图像质量的同时，减少扩散误差处理的图像数据色彩深浅等级数。
本发明的范围和精神由后面所附权利要求限定。
权利要求
1.一种图像处理方法，其特征在于包括以下步骤根据至少一个阈值量化构成整个图像数据的每个象素的输入图像数据，从而将输入图像数据转换为具有至少两级量化级的输出图像数据；根据量化后的量化级将量化步骤中对每个象素的输入图像数据进行量化过程中产生的量化误差转换为每个量化级确定的特定范围内的量化误差；以及将转换步骤中相对于作为目标的一个像素经转换获得的量化误差扩散到目标象素附近未量化象素的输入图像数据内。
2.如权利要求1所述的图像处理方法，其特征在于特定范围包括根据转换步骤中未转换时产生的量化误差完成扩散步骤的情况下量化误差收敛至稳定状态的范围。
3.如权利要求1所述的图像处理方法，其特征在于转换步骤中量化误差转换的完成方式为，如果转换前的量化误差在特定范围以外，则在转换前将特定值重复与量化误差相加或相减直到转换获得的量化误差落在特定范围内为止。
4.如权利要求1所述的图像处理方法，其特征在于转换步骤中量化误差的转换方式为，在转换前将量化误差的整个范围划分为多个范围，并且如果量化误差落在特定范围以外，则在转换前根据转换前量化误差属于的范围将每个范围确定特定值与量化误差相加或相减，从而使转换获得的量化误差落在特定范围内。
5.如权利要求1所述的图像处理方法，其特征在于根据转换前的量化误差与转换获得的量化误差之间的预定关系完成转换步骤中的量化误差转换。
6.一种图像处理装置，其特征在于包括根据至少一个阈值量化构成整个图像数据的每个象素的输入图像数据的装置，从而将输入图像数据转换为具有至少两级量化级的输出图像数据；根据量化后的量化级将量化装置对每个象素的输入图像数据进行量化过程中产生的量化误差转换为每个量化级确定的特定范围内的量化误差的装置；以及将转换装置相对于作为目标的一个像素经转换获得的量化误差扩散到目标象素附近未量化象素的输入图像数据内的装置。
7.如权利要求6所述的图像处理装置，其特征在于特定范围包括根据转换装置未转换时产生的量化误差由扩散装置完成扩散情况下量化误差收敛至稳定状态的范围。
8.如权利要求6所述的图像处理装置，其特征在于转换装置完成量化误差转换的方式为，如果转换前的量化误差在特定范围以外，则在转换前将特定值重复与量化误差相加或相减直到转换获得的量化误差落在特定范围内为止。
9.如权利要求6所述的图像处理装置，其特征在于转换装置完成量化误差转换的方式为，在转换前将量化误差的整个范围划分为多个范围，并且如果量化误差落在特定范围以外，则在转换前根据转换前量化误差属于的范围将每个范围确定特定值与量化误差相加或相减，从而使转换获得的量化误差落在特定范围内。
10.如权利要求6所述的图像处理方法，其特征在于根据转换前的量化误差与转换获得的量化误差之间的关系由转换装置完成量化误差的转换。
全文摘要
本发明的目标是提供一种图像处理方法和装置,它在通过简单的处理方法保持图像质量的同时也通过误差扩散处理减少了图像数据色彩深浅等级的数量。它包括以下步骤:根据至少一个阈值量化构成整个图像数据的每个象素的输入图像数据,从而将输入图像数据转换为具有至少两级量化级的输出图像数据;根据量化后的量化级将量化步骤中对每个象素的输入图像数据进行量化过程中产生的量化误差转换为每个量化级确定的特定范围内的量化误差;以及将转换步骤中相对于作为目标的一个像素经转换获得的量化误差扩散到目标象素附近未量化象素的输入图像数据内。
文档编号G06T5/00GK1230844SQ9910126
公开日1999年10月6日 申请日期1999年1月22日 优先权日1998年1月23日
发明者岸本正树 申请人:索尼株式会社