JP2000312294A - Image processor - Google Patents
Image processorInfo
- Publication number
- JP2000312294A JP2000312294A JP30044899A JP30044899A JP2000312294A JP 2000312294 A JP2000312294 A JP 2000312294A JP 30044899 A JP30044899 A JP 30044899A JP 30044899 A JP30044899 A JP 30044899A JP 2000312294 A JP2000312294 A JP 2000312294A
- Authority
- JP
- Japan
- Prior art keywords
- image
- fractal
- data
- transform coefficient
- coefficient matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000011159 matrix material Substances 0.000 claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 15
- 230000002194 synthesizing effect Effects 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims 2
- 230000006835 compression Effects 0.000 description 11
- 238000007906 compression Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 9
- 230000009467 reduction Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、低い解像度の画像
を高い解像度の画像に変換する画像処理装置に関する。The present invention relates to an image processing apparatus for converting a low-resolution image into a high-resolution image.
【０００２】[0002]
【従来の技術】例えば、インターネットやデジタルカメ
ラから取得した低い解像度の画像を、高い解像度で出力
可能なプリンタやディスプレイ等の出力系に出力する場
合、入力画像を高解像度化する技術が必要となってく
る。2. Description of the Related Art For example, when a low-resolution image obtained from the Internet or a digital camera is output to an output system such as a printer or a display capable of outputting a high-resolution image, a technique for increasing the resolution of an input image is required. Come.
【０００３】このような高解像度化を行う画像処理装置
として、従来より、入力画像に対して直交変換の一つで
ある離散コサイン変換（Discrete Cosine Transform：
ＤＣＴ）を利用したものが知られている。[0003] Conventionally, as an image processing apparatus for achieving such a high resolution, a discrete cosine transform (Discrete Cosine Transform: one of orthogonal transforms for an input image) has been used.
One utilizing DCT) is known.
【０００４】図２はかかる従来の画像処理装置の動作を
説明するための説明図である。この図２（１）に示すよ
うに、従来の画像処理装置では、まず、入力した画像に
対し、処理の単位として例えば８×８画素程度の部分画
像に分割し、この部分画像に対してＤＣＴを行い、図２
（２）に示すように２次元的な配列に配置された６４
（＝８×８）個の変換係数行列の各要素を求める。ＤＣ
Ｔによって変換された変換係数行列の各要素は各周波数
成分の強度を表し、このうち、変換係数行列の左上が低
周波成分を表し、右下に行くに従って高周波成分を表す
ことになる。FIG. 2 is an explanatory diagram for explaining the operation of such a conventional image processing apparatus. As shown in FIG. 2A, in a conventional image processing apparatus, first, an input image is divided into a partial image of, for example, about 8 × 8 pixels as a unit of processing, and this partial image is subjected to DCT. Figure 2
64 arranged in a two-dimensional array as shown in (2)
Each element of (= 8 × 8) transform coefficient matrices is obtained. DC
Each element of the transform coefficient matrix converted by T represents the intensity of each frequency component. Among them, the upper left of the transform coefficient matrix represents low frequency components, and the lower right represents high frequency components.
【０００５】次に、図２（３）に示すように、部分画像
よりも大きな画素数の１６×１６の２次元配列を用意
し、この配列の左上の８×８の領域に、入力画像から求
めた変換係数行列の各要素を低周波成分として書き込
み、高周波成分を示すその他の領域に０を埋める。Next, as shown in FIG. 2 (3), a 16 × 16 two-dimensional array having a larger number of pixels than the partial image is prepared, and an 8 × 8 region at the upper left of this array is Each element of the obtained transform coefficient matrix is written as a low-frequency component, and 0 is filled in other areas indicating the high-frequency component.
【０００６】次に、図２（４）に示すように、この２次
元的に配置された１６×１６の変換係数行列に対し、逆
ＤＣＴを行う。このようにして１６×１６画素の画像デ
ータが生成され、この画像データを８×８画素の画像デ
ータと置き換える。この操作を画像全体に対して繰り返
し行うことによって画像全体が縦横２倍に変換され、画
像の密度が高くなり、結果として解像度の高い画像が得
られることになる。Next, as shown in FIG. 2D, inverse DCT is performed on the two-dimensionally arranged 16.times.16 transform coefficient matrix. Thus, image data of 16 × 16 pixels is generated, and this image data is replaced with image data of 8 × 8 pixels. By repeatedly performing this operation on the entire image, the entire image is converted into two times vertically and horizontally, and the density of the image is increased. As a result, an image with high resolution is obtained.
【０００７】[0007]
【発明が解決しようとする課題】ところで、一般に画像
データは、低周波成分の情報を多く含み、ＤＣＴによる
変換係数行列では、入力した画像データの解像度が低く
なるほど、輪郭などの高周波成分が少なくなり、０にな
る確率が高くなる。By the way, image data generally contains a lot of information on low-frequency components. In a DCT-based transform coefficient matrix, as the resolution of input image data decreases, high-frequency components such as contours decrease. , 0 becomes higher.
【０００８】従来の画像処理装置のように、配列の高周
波成分の領域に０を埋めただけでは、たとえ画像の密度
を高くして高解像度化を図ったとしても高周波成分が欠
落したままとなり、画像にいわゆるボケが生じ、エッジ
部の不鮮明な画像が生成されてしまうという不都合が生
じる。従って、より鮮明な画像が得られるような画像処
理装置が期待される。[0008] As in the conventional image processing apparatus, simply filling zeros in the high-frequency component area of the array leaves the high-frequency component missing even if the image density is increased to increase the resolution. A so-called blur occurs in the image, so that an indistinct image of the edge portion is generated. Therefore, an image processing apparatus that can obtain a clearer image is expected.
【０００９】[0009]
【課題を解決するための手段】本発明は以上の点を解決
するため次の構成を採用する。 〈構成１〉請求項１の発明に係る画像処理装置は、直交
変換を利用して入力した画像の高解像度化を図る画像処
理装置において、入力した画像を所定画素数の部分画像
に分割して部分画像を切り出す原画像切り出し手段と、
分割された各部分画像よりも大きな画素数を有する領域
を入力した画像の中から順次切り出して、切り出した領
域のデータに対して所定の変換を行いつつ前記部分画像
のデータと比較し、切り出された部分画像のデータに対
して自己相似性を有するデータを検出し、部分画像毎に
当該データの検出位置及び所定の変換を行ったときの変
換パラメータをフラクタルパラメータとして検出するフ
ラクタルパラメータ検出手段と、検出されたフラクタル
パラメータに基づいて部分画像毎に所定のフラクタル処
理を行い、部分画像毎に各部分画像よりも大きな画素数
を有するフラクタル画像を生成するフラクタル画像生成
手段と、前記各部分画像のデータに対して直交変換を行
い、原画像の変換係数行列を生成する第１の直交変換手
段と、前記フラクタル画像生成手段によって生成された
フラクタル画像のデータに対して直交変換を行い、フラ
クタル画像の変換係数行列を生成する第２の直交変換手
段と、該第２の直交変換手段によって生成されたフラク
タル画像の変換係数行列のうちの低周波成分の領域に、
第１の直交変換手段によって生成された原画像の変換係
数行列を上書きして部分画像毎に両変換係数行列を合成
する変換係数合成手段と、該変換係数合成手段によって
合成された変換係数行列に対して逆直交変換を行う逆変
換手段と、を備えている。The present invention employs the following structure to solve the above problems. <Structure 1> An image processing apparatus according to claim 1, wherein the input image is divided into partial images of a predetermined number of pixels in the image processing apparatus for increasing the resolution of the input image using orthogonal transformation. An original image cutout means for cutting out a partial image,
An area having a larger number of pixels than each of the divided partial images is sequentially cut out from the input image, and the cut-out area data is compared with the partial image data while performing predetermined conversion on the data of the cut-out area. Fractal parameter detection means for detecting data having self-similarity with respect to the data of the partial image, and detecting, as a fractal parameter, a detection position of the data and a conversion parameter when predetermined conversion is performed for each partial image, Fractal image generating means for performing a predetermined fractal process for each partial image based on the detected fractal parameters and generating a fractal image having a larger number of pixels than each partial image for each partial image, and data of each of the partial images First orthogonal transformation means for performing an orthogonal transformation on the image to generate a transformation coefficient matrix of the original image; Orthogonal transform means for performing an orthogonal transform on the data of the fractal image generated by the image generating means, and generating a transform coefficient matrix of the fractal image; and a fractal image generated by the second orthogonal transform means. In the low-frequency component region of the transform coefficient matrix of
Transform coefficient combining means for overwriting the transform coefficient matrix of the original image generated by the first orthogonal transform means to combine both transform coefficient matrices for each partial image; and a transform coefficient matrix combined by the transform coefficient combine means. Inverse transform means for performing inverse orthogonal transform on the other hand.
【００１０】〈構成２〉請求項２の発明に係る画像処理
装置では、前記フラクタルパラメータ検出手段が、入力
した画像の中から、部分画像のデータに対して自己相似
性を有するデータとして最も類似したデータを検出し、
該データの検出位置及び変換パラメータをフラクタルパ
ラメータとして検出するように構成されている。<Structure 2> In the image processing apparatus according to the second aspect of the present invention, the fractal parameter detecting means most similar to the data of the partial image among the input images as data having a self-similarity to the data of the partial image. Detect data,
It is configured to detect a detection position and a conversion parameter of the data as a fractal parameter.
【００１１】〈構成３〉請求項３の発明に係る画像処理
装置では、前記フラクタルパラメータ検出手段が、入力
した画像の中から、部分画像のデータに対して自己相似
性を有するデータとして所定の類似度が得られたときの
データを検出し、該データの検出位置及び変換パラメー
タをフラクタルパラメータとして検出するように構成さ
れている。<Structure 3> In the image processing apparatus according to the third aspect, the fractal parameter detecting means determines a predetermined similarity as data having a self-similarity to the data of the partial image from the input image. It is configured to detect data when the degree is obtained, and to detect a detection position and a conversion parameter of the data as a fractal parameter.
【００１２】〈構成４〉請求項４の発明に係る画像処理
装置では、前記変換係数合成手段が、両変換係数行列の
各要素をそれぞれ所定の比率に設定して原画像の変換係
数行列をフラクタル画像の変換係数行列のうちの低周波
成分の領域に上書きするように構成されている。<Structure 4> In the image processing apparatus according to a fourth aspect of the present invention, the transform coefficient synthesizing means sets each element of both transform coefficient matrices to a predetermined ratio to convert the transform coefficient matrix of the original image into a fractal. It is configured to overwrite an area of a low-frequency component in a transform coefficient matrix of an image.
【００１３】〈構成５〉請求項５の発明に係る画像処理
装置では、フラクタル画像を記憶するフラクタル画像記
憶手段と、入力画像を所定画像サイズに拡大し、初期値
として該フラクタル画像記憶手段に記録する初期入力画
像記録手段と、を備えている。<Structure 5> In the image processing apparatus according to the fifth aspect of the present invention, a fractal image storage means for storing a fractal image, and an input image is enlarged to a predetermined image size and recorded in the fractal image storage means as an initial value. And an initial input image recording unit.
【００１４】[0014]
【発明の実施の形態】以下、本発明の実施の形態を具体
例を用いて説明する。 〈具体例１〉具体例１は、ＤＣＴによる高解像度化に、
フラクタル画像圧縮法によって生成されたフラクタル画
像を利用するようにしたものである。DESCRIPTION OF THE PREFERRED EMBODIMENTS Embodiments of the present invention will be described below using specific examples. <Specific example 1> Specific example 1 is for increasing the resolution by DCT.
The fractal image generated by the fractal image compression method is used.
【００１５】ここでフラクタル画像圧縮法について説明
する。画像には、画像の一部分の濃度変化に着目したと
きに、この濃度変化に非常に似通った濃度変化が存在す
るという性質がある。これを自己相似性といい、フラク
タル画像圧縮法は、画像圧縮を、この自己相似性を探索
する問題に置き換えて符号化（フラクタルブロック符号
化）を行う圧縮法である（画像電子学会誌第２６巻第４
号（１９９７年）「フラクタル画像圧縮法の復元画質向
上について」参照）。Here, the fractal image compression method will be described. An image has a property that, when attention is paid to a density change of a part of the image, a density change very similar to the density change exists. This is called self-similarity, and the fractal image compression method is a compression method in which image compression is replaced by a problem of searching for the self-similarity to perform coding (fractal block coding) (Journal of the Institute of Image Electronics Engineers of Japan, No. 26). Volume 4
No. (1997) "Improvement of restored image quality of fractal image compression method").
【００１６】このフラクタル画像圧縮法では、着目した
領域とは別の領域の画像データに対して縮小変換、回転
変換等を行い、得られたデータとの自己相似性を探索
し、自己相似性を有するデータの位置及びこのような変
換を行ったときの変換パラメータを圧縮データとして符
号化する。In the fractal image compression method, image data in an area different from the area of interest is subjected to reduction conversion, rotation conversion, and the like, and self-similarity with the obtained data is searched for. The position of the data and the conversion parameters when such conversion is performed are encoded as compressed data.
【００１７】図３はかかるフラクタル画像圧縮法により
生成されたフラクタル画像に対して、ＤＣＴを施して生
成された変換係数行列を示す説明図である。フラクタル
画像圧縮法は、高い符号化効率の取得が期待できるた
め、圧縮技術として利用されているが、図３に示すよう
にフラクタル画像圧縮法により生成されたフラクタル画
像に対してＤＣＴを施すと、生成された変換係数行列に
は、高周波成分の情報が多く含まれる。FIG. 3 is an explanatory diagram showing a transform coefficient matrix generated by applying DCT to the fractal image generated by the fractal image compression method. The fractal image compression method is used as a compression technique because high coding efficiency can be expected to be obtained. However, when DCT is applied to a fractal image generated by the fractal image compression method as shown in FIG. The generated transform coefficient matrix contains a lot of information on high frequency components.
【００１８】このフラクタル画像のＤＣＴによる変換係
数行列と、低周波成分の情報が多く含まれる原画像のＤ
ＣＴによる変換係数行列とをうまく組み合わせることに
より入力画像の高解像度化が期待される。尚、具体例１
では、直交変換としてＤＣＴを用いて説明するが、他の
直交変換法を用いて周波数分布を得るようにしてもよ
い。A transform coefficient matrix of this fractal image by DCT and the D of the original image containing much information of low frequency components
It is expected that the resolution of the input image will be increased by properly combining the transformation coefficient matrix with CT. Specific example 1
In the following, a description will be given using DCT as the orthogonal transform, but a frequency distribution may be obtained using another orthogonal transform method.
【００１９】次に、画像の高解像度化を行う画像処理装
置の具体例１として、その構成を説明する。図１は、具
体例１の構成を示すブロック図である。画像メモリ１
は、例えば、５１２×５１２画素、あるいは１０２４×
１０２４画素の入力画像を記録する画像メモリである。Next, the configuration of an image processing apparatus for increasing the resolution of an image will be described as a specific example 1 of the image processing apparatus. FIG. 1 is a block diagram showing the configuration of the first embodiment. Image memory 1
Is, for example, 512 × 512 pixels or 1024 ×
An image memory for recording an input image of 1024 pixels.
【００２０】画像切り出し部２は、画像メモリ１上の画
像データから８×８画素の画像データを切り出す原画像
切り出し手段であり、画像切り出し部３は、画像メモリ
１上の画像データ又はメモリ７に記録されたフラクタル
画像から、より大きなサイズの１６×１６画素の画像デ
ータを切り出すブロックである。尚、具体例１では、入
力画像の画素数を５１２×５１２又は１０２４×１０２
４、画像切り出し部２が切り出す部分画像のサイズを８
×８画素、画像切り出し部３が切り出す部分画像のサイ
ズを１６×１６画素として説明するが、このサイズに限
られるものではない。The image cutout unit 2 is an original image cutout means for cutting out image data of 8 × 8 pixels from the image data in the image memory 1. The image cutout unit 3 stores the image data in the image memory 1 or the memory 7. This is a block for extracting image data of a larger size of 16 × 16 pixels from the recorded fractal image. In the specific example 1, the number of pixels of the input image is set to 512 × 512 or 1024 × 102.
4. The size of the partial image cut out by the image cutout unit 2 is set to 8
The size of the partial image clipped by the image clipping unit 3 will be described as 16 × 16 pixels, but the size is not limited thereto.
【００２１】フラクタルパラメータ検出部４は、画像切
り出し部３によって切り出された１６×１６画素の画像
データに対し、所定の変換を行って、画像切り出し部２
によって切り出された８×８画素の部分画像との類似度
を自己相似性として計算し、類似した画像データの位置
を示すアドレス及び所定の変換に用いた変換パラメータ
をフラクタルパラメータとして検出し、計算した類似度
をフラクタルパラメータと共にメモリ５に出力するブロ
ックである。この画像切り出し部３とフラクタルパラメ
ータ検出部４とがフラクタルパラメータ検出手段に相当
する。The fractal parameter detection unit 4 performs a predetermined conversion on the image data of 16 × 16 pixels extracted by the image extraction unit 3 and
The degree of similarity with the partial image of 8 × 8 pixels cut out by the above is calculated as self-similarity, and the address indicating the position of similar image data and the conversion parameter used for predetermined conversion are detected and calculated as fractal parameters. This block outputs the similarity to the memory 5 together with the fractal parameters. The image clipping unit 3 and the fractal parameter detection unit 4 correspond to a fractal parameter detection unit.
【００２２】メモリ５は、フラクタルパラメータ検出部
４によって求められた各種のパラメータを記録しておく
メモリである。尚、記録された各種パラメータは、自己
相似性が高くなるに従って更新される。The memory 5 is a memory for recording various parameters obtained by the fractal parameter detector 4. The recorded various parameters are updated as the self-similarity increases.
【００２３】メモリ７は、フラクタル画像のデータを記
憶するメモリである。メモリ７には、入力画像の縦横２
倍の画像データを記憶できるサイズのものを用いる。The memory 7 is a memory for storing fractal image data. The memory 7 stores the length and width of the input image.
Use a size that can store double image data.
【００２４】フラクタル画像生成部６は、記録されたア
ドレスとフラクタルパラメータとをメモリ５から読み取
り、フラクタル画像のデータをメモリ７から読み取っ
て、メモリ５から読み取ったデータに基づいてフラクタ
ル画像を生成し、メモリ７に記録するフラクタル画像生
成手段である。The fractal image generating section 6 reads the recorded address and fractal parameters from the memory 5, reads the data of the fractal image from the memory 7, and generates a fractal image based on the data read from the memory 5. It is a fractal image generating means to be recorded in the memory 7.
【００２５】メモリ８は、ＤＣＴを行う対象の画像デー
タを記録するメモリである。ＤＣＴ変換部９は、メモリ
８から画像データを取り出してＤＣＴを行い、取り出し
た画像データと同じサイズの２次元配列の変換係数行列
を出力するブロックであり、このＤＣＴ変換部９が第１
の直交変換手段及び第２の直交変換手段に相当する。
尚、具体例１では、このＤＣＴ変換部９を、原画像及び
フラクタル画像のＤＣＴ変換用として共用したが、それ
ぞれ個別に備えるようにしてもよい。The memory 8 is a memory for recording image data to be subjected to DCT. The DCT transform unit 9 is a block that takes out image data from the memory 8 and performs DCT, and outputs a two-dimensional array of transform coefficient matrices having the same size as the taken out image data.
And the second orthogonal transformation means.
In the specific example 1, the DCT conversion unit 9 is shared for DCT conversion of the original image and the fractal image, but may be provided separately.
【００２６】メモリ１０は、フラクタル処理によって生
成された１６×１６サイズのＤＣＴによる変換係数行列
を記録するメモリである。メモリ１１は、原画像に基づ
いて生成された８×８サイズのＤＣＴによる変換係数行
列を記録するメモリである。The memory 10 is a memory for recording a 16 × 16 size DCT transform coefficient matrix generated by fractal processing. The memory 11 is a memory for recording a transform coefficient matrix by DCT of 8 × 8 size generated based on the original image.
【００２７】係数データ合成部１２は、メモリ１１に記
録された変換係数行列とメモリ１０に記録された変換係
数行列とを合成する変換係数合成手段である。逆ＤＣＴ
変換部１３は、係数データ合成部１２によって合成され
たＤＣＴの変換係数行列に対して逆ＤＣＴを行い、出力
すべき画像データを生成する逆変換手段である。The coefficient data synthesizing section 12 is a conversion coefficient synthesizing means for synthesizing the conversion coefficient matrix recorded in the memory 11 and the conversion coefficient matrix recorded in the memory 10. Inverse DCT
The transform unit 13 is an inverse transform unit that performs inverse DCT on the transform coefficient matrix of the DCT combined by the coefficient data combining unit 12 and generates image data to be output.
【００２８】〈動作〉次に具体例１の動作を説明する。
図４は具体例１の動作を示すフローチャートである。ス
テップ（図中、ステップを「Ｓ」と記す）１では、まず
処理対象の画像データを例えば、インターネットやデジ
タルカメラから入力し、この画像データを画像メモリ１
に記録する。<Operation> Next, the operation of the first embodiment will be described.
FIG. 4 is a flowchart showing the operation of the first embodiment. In step (in the figure, step is referred to as “S”) 1, first, image data to be processed is input from, for example, the Internet or a digital camera, and this image data is stored in an image memory 1.
To record.
【００２９】ステップ２では、入力したすべての画像デ
ータに対し、フラクタルパラメータの検出を行う。図５
はこの動作を示すフローチャートであり、このフローチ
ャートに基づいてフラクタルパラメータの検出動作につ
いて説明する。ステップ２１では、カウント値ｉを初期
値０にセットする。In step 2, fractal parameters are detected for all input image data. FIG.
Is a flowchart showing this operation, and the fractal parameter detection operation will be described based on this flowchart. In step 21, the count value i is set to an initial value 0.
【００３０】ステップ２２では、入力した画像データか
ら８×８画素の部分画像の画像データＲ［ｉ］を切り出
す。この切り出しは、画像切り出し部２によって重なり
合わないように行われる。In step 22, image data R [i] of a partial image of 8 × 8 pixels is cut out from the input image data. This cutout is performed by the image cutout unit 2 so as not to overlap.
【００３１】ステップ２３では、カウント値ｊを初期値
０にセットする。ステップ２４では、入力した画像デー
タから１６×１６画素の部分画像の画像データＤ［ｊ］
を切り出す。この切り出しは、画像切り出し部３によっ
て１画素ずつずらしながら行われる。In step 23, the count value j is set to an initial value 0. In step 24, image data D [j] of a partial image of 16 × 16 pixels is obtained from the input image data.
Cut out. This cutout is performed by the image cutout unit 3 while shifting one pixel at a time.
【００３２】ステップ２５では、類似度best.similarに
初期値として、取りうる最大値を設定し、メモリ５に記
録する。ステップ２６では、切り出した画像データＤ
［ｊ］に対して縮小変換を行う。ここで、縮小変換は画
像を重ならないように２×２画素の部分ブロックに分割
し、各ブロック内でＲ、Ｇ、Ｂの各プレーンに対して平
均値を求める処理であり、この平均値を１画素の輝度値
とすることによって縦横１／２倍の縮小画像が生成され
る。In step 25, the maximum possible value is set as the initial value in the similarity degree best.similar and recorded in the memory 5. In step 26, the cut image data D
Perform reduction conversion on [j]. Here, the reduction conversion is a process of dividing an image into partial blocks of 2 × 2 pixels so as not to overlap, and obtaining an average value for each plane of R, G, and B in each block. By setting the luminance value of one pixel, a reduced image of 1/2 length and width is generated.
【００３３】尚、このステップ以降は、フラクタルパラ
メータ検出部４によって処理される。ステップ２７で
は、縮小変換された画像データＤ［ｊ］に対してスケー
ル変換を行う。スケール変換は２画像間の輝度値の最大
値と最小値の範囲を一致させる処理である。The steps after this step are processed by the fractal parameter detecting section 4. In step 27, scale conversion is performed on the reduced and converted image data D [j]. Scale conversion is processing for matching the range of the maximum value and the minimum value of the luminance value between two images.
【００３４】ステップ２８では、縮小変換及びスケール
変換が行われた画像データＤ［ｊ］に対してシフト変換
を行う。シフト変換は画像の輝度値の平均値をシフトし
て２画像間の輝度値の平均値を一致させる処理である。In step 28, shift conversion is performed on the image data D [j] that has been reduced and scaled. The shift conversion is a process of shifting the average value of the luminance values of the images to make the average values of the luminance values of the two images coincide.
【００３５】ステップ２９では、カウント値ｋを初期値
０にセットする。ステップ３０では、縮小変換、スケー
ル変換、シフト変換の３通りの処理が行われた画像デー
タＤ［ｊ］に対し、反転、回転を組み合わせて８種類の
アフィン変換を行う。In step 29, the count value k is set to an initial value 0. In step 30, eight types of affine transformations are performed on the image data D [j] that has been subjected to the three types of processing, ie, reduction conversion, scale conversion, and shift conversion, by combining inversion and rotation.
【００３６】ステップ３１では、変換された画像データ
に対して画像データＲ［ｉ］との類似度similarを計算
する。類似度similarを計算するには、各プレーン、画
像全体に対して２画像間の対応する画素の輝度値の差を
求め、この総和を計算する。そして、この総和を類似度
similarとする。この類似度best.similarが小さいほど
２画像間の自己相似性が高いことを示している。In step 31, the similarity similar to the image data R [i] is calculated for the converted image data. To calculate the similarity similar, a difference between the luminance values of the corresponding pixels between the two images for each plane and the entire image is obtained, and the sum is calculated. Then, sum this sum to similarity
Similar. The smaller this similarity best.similar is, the higher the self-similarity between the two images is.
【００３７】尚、前述した文献の式（１）に記載されて
いるように、例えば平均自乗誤差法を用いてこの類似度
を計算することもできる。ステップ３２では、計算した
類似度similarを類似度best.similarと比較する。As described in equation (1) of the above-mentioned document, this similarity can be calculated using, for example, the mean square error method. In step 32, the calculated similarity similar is compared with the similarity best.similar.
【００３８】そして、計算した類似度similarが類似度b
est.similar以上のときは、メモリ５に記録したデータ
を更新せずにステップ３４に進む。また、計算した類似
度similarが類似度best.similarよりも小さいときは、
ステップ３３に進み、メモリ５に記録したアドレスbes
t.ｘ，best.ｙ、スケール量best.scale、シフト量best.
shift、アフィン変換量best.affine、類似度best.simil
arを、それぞれこのときのアドレスｘ，ｙ、スケール量
scale、シフト量shift、アフィン変換量affine、類似度
similarで書き換えてステップ３４に進む。Then, the calculated similarity similar is similarity b
If it is equal to or more than est.similar, the process proceeds to step 34 without updating the data recorded in the memory 5. When the calculated similarity similar is smaller than the similarity best.similar,
Proceeding to step 33, the address bes recorded in the memory 5
t.x, best.y, scale amount best.scale, shift amount best.
shift, affine transformation amount best.affine, similarity best.simil
ar is the address x, y and scale amount at this time, respectively.
scale, shift amount shift, affine transformation amount affine, similarity
Rewrite as similar and go to step 34.
【００３９】ステップ３４では、カウント値ｋをインク
リメントする。このカウント値ｋが８未満のときは、ス
テップ３０に戻り、同じようにアフィン変換を行う。カ
ウント値ｋが８になったとき、即ち、８種類のアフィン
変換がすべて行われたときは、ステップ３６に進む。At step 34, the count value k is incremented. If the count value k is less than 8, the process returns to step 30 to perform affine transformation in the same manner. When the count value k has reached 8, that is, when all eight affine transformations have been performed, the process proceeds to step 36.
【００４０】カウント値ｊが所定値Ｍ未満のときは、カ
ウント値ｊをインクリメントしてからステップ２４に進
み、次の画像データＤ［ｊ］に対し、ステップ２４〜３
５の処理を繰り返す。When the count value j is less than the predetermined value M, the process proceeds to step 24 after incrementing the count value j, and the next image data D [j] is subjected to steps 24 to 3.
Step 5 is repeated.
【００４１】カウント値ｊが所定値Ｍになったとき、即
ち、ある画像データＲ［ｉ］に対し、すべての画像デー
タＤ［ｊ］との類似度の計算が終わったときは、ステッ
プ３７に進む。When the count value j reaches the predetermined value M, that is, when the calculation of the degree of similarity between a certain image data R [i] and all the image data D [j] is completed, the process proceeds to step 37. move on.
【００４２】カウント値ｉが所定値Ｎ（＝入力画像を重
なりのない８×８の部分画像に分割したときの部分画像
の数）未満のときは、カウント値ｉをインクリメントし
てからステップ２１に戻り、順次、次の画像データＲ
［ｉ］に対してステップ２２〜３６の処理を繰り返す。If the count value i is smaller than the predetermined value N (= the number of partial images when the input image is divided into 8 × 8 partial images having no overlap), the count value i is incremented, and the process proceeds to step 21. Return, sequentially, to the next image data R
The processing of steps 22 to 36 is repeated for [i].
【００４３】そして、カウント値ｉが所定値Ｎになった
とき、即ち、すべての画像データＲ［ｉ］に対するフラ
クタルパラメータの検出が終了したとき、このルーチン
が終了する。When the count value i reaches the predetermined value N, that is, when the detection of the fractal parameters for all the image data R [i] ends, this routine ends.
【００４４】これにより、すべての画像データＲ［ｉ］
に対し、最も類似している画像データＤ［ｊ］の座標、
スケール量、シフト量、アフィン変換量がメモリ５に記
録される。そしてこのデータはパラメータのテーブルfr
actal_tblの形式で保存される。Thus, all the image data R [i]
, The coordinates of the most similar image data D [j],
The scale amount, the shift amount, and the affine transformation amount are recorded in the memory 5. And this data is the parameter table fr
Saved in actal_tbl format.
【００４５】次に図４のステップ３に進む。ステップ３
では、検出されたフラクタルパラメータに基づいてフラ
クタル処理を行い、縦横２倍のフラクタル画像を生成す
る。この処理はフラクタル画像生成部６によって行われ
る。Next, the routine proceeds to step 3 in FIG. Step 3
Then, fractal processing is performed based on the detected fractal parameters to generate a fractal image that is twice as long and vertically. This processing is performed by the fractal image generation unit 6.
【００４６】図６は、このフラクタル画像生成部６の動
作を示すフローチャートであり、このフローチャートに
基づいてフラクタル画像生成部６の動作を説明する。ス
テップ４１では、まずフラクタル処理を行うための初期
画像Ｆを生成する。前述のように、この初期画像Ｆの画
像サイズは入力画像の縦横２倍であり、初期画像データ
として、全画素につき例えば中間値であるＲ（Ｒｅｄ）
＝１２８、Ｇ（Ｇｒｅｅｎ）＝１２８、Ｂ（Ｂｌｕｅ）
＝１２８を記録する。FIG. 6 is a flowchart showing the operation of the fractal image generator 6, and the operation of the fractal image generator 6 will be described based on this flowchart. In step 41, first, an initial image F for performing fractal processing is generated. As described above, the image size of the initial image F is twice the size of the input image in the vertical and horizontal directions, and the initial image data is, for example, an intermediate value R (Red) for all pixels.
= 128, G (Green) = 128, B (Blue)
= 128 is recorded.
【００４７】ステップ４２では、カウント値ｉを初期値
０にセットする。ステップ４３では、初期画像Ｆから部
分画像の画像データを切り出す。この画像データの切り
出しは、座標（fractal_tbl［ｉ］.x×２、fractal_tbl
［ｉ］.y×２）を起点として、３２×３２画素のサイズ
で行う。In step 42, the count value i is set to an initial value 0. In step 43, the image data of the partial image is cut out from the initial image F. The clipping of the image data is performed using coordinates (fractal_tbl [i] .x × 2, fractal_tbl
Starting from [i] .y × 2), the size is 32 × 32 pixels.
【００４８】ステップ４４〜４７では、切り出した画像
データに対し、テーブルfractal_tblの各パラメータを
参照して縮小変換、スケール変換、シフト変換、アフィ
ン変換を行う。この変換方法は、フラクタルパラメータ
検出部４によって行われた変換方法と同じである。In steps 44 to 47, the cut-out image data is subjected to reduction conversion, scale conversion, shift conversion, and affine conversion with reference to each parameter of the table fractal_tbl. This conversion method is the same as the conversion method performed by the fractal parameter detection unit 4.
【００４９】ステップ４８では、この各種変換を行って
生成された画像をフラクタル画像としてｉ番目の１６×
１６サイズの部分に貼り付ける。ステップ４９では、カ
ウント値ｉをインクリメントする。In step 48, the image generated by performing the various conversions is used as a fractal image as the ith 16 ×
Paste on the 16 size part. In step 49, the count value i is incremented.
【００５０】カウント値ｉがＮ未満のときは、ステップ
４３〜４９の処理を繰り返す。カウント値ｉがＮになっ
たとき、即ち、全てのフラクタルパラメータに対する処
理が終了したときは、入力画像の縦横２倍サイズのフラ
クタル画像が改めて生成され、このときは、ステップ５
１に進む。そして、終了条件となったときは、フラクタ
ル画像生成部６の動作が終了し、図４のステップ４に進
む。When the count value i is smaller than N, the processing of steps 43 to 49 is repeated. When the count value i becomes N, that is, when the processing for all the fractal parameters is completed, a fractal image of twice the vertical and horizontal size of the input image is newly generated.
Proceed to 1. When the end condition is satisfied, the operation of the fractal image generation unit 6 ends, and the process proceeds to step 4 in FIG.
【００５１】ステップ４では、カウント値ｉを初期値０
にセットする。ステップ５では、入力した画像データか
ら８×８画素の画像データＩ［ｉ］を切り出す。この切
り出しは、画像切り出し部２によって行われる。In step 4, the count value i is set to the initial value 0.
Set to. In step 5, image data I [i] of 8 × 8 pixels is cut out from the input image data. This clipping is performed by the image clipping unit 2.
【００５２】図７は具体例１のデータの遷移を示す説明
図であり、図７（１）は、画像切り出し部２によって入
力画像から切り出された８×８画素の画像データを示
す。ステップ６では、メモリ７に記憶されたフラクタル
画像から重なり合わないように１６×１６画素のフラク
タル画像データＦ［ｉ］を切り出す。この切り出しは、
画像切り出し部３によって行われる。FIG. 7 is an explanatory view showing a transition of data in the specific example 1. FIG. 7A shows image data of 8 × 8 pixels cut out from an input image by the image cut-out unit 2. In step 6, fractal image data F [i] of 16 × 16 pixels is cut out from the fractal image stored in the memory 7 so as not to overlap. This cutout is
This is performed by the image cutout unit 3.
【００５３】図７（３）は、画像切り出し部３によって
切り出されたフラクタル画像データＦ［ｉ］を示し、こ
の図７（３）に示すフラクタル画像データＦ［ｉ］は、
図７（１）に示す８×８の入力画像データＩ［ｉ］に対
応している。FIG. 7 (3) shows fractal image data F [i] cut out by the image cutout unit 3, and the fractal image data F [i] shown in FIG.
This corresponds to 8 × 8 input image data I [i] shown in FIG.
【００５４】ステップ７では、切り出した画像データＩ
［ｉ］に対してＤＣＴを行い、８×８サイズの変換係数
行列を生成し、メモリ１０に記憶する。図７（２）は、
生成された８×８サイズの変換係数行列を示す。図２
（２）に示すように、この変換係数行列には低周波成分
の情報が多く含まれている。In step 7, the extracted image data I
DCT is performed on [i], and a transform coefficient matrix of 8 × 8 size is generated and stored in the memory 10. FIG. 7 (2)
8 shows a generated transform coefficient matrix of 8 × 8 size. FIG.
As shown in (2), this transform coefficient matrix contains much information on low frequency components.
【００５５】ステップ８では、切り出した画像データＦ
［ｉ］に対してＤＣＴを行い、１６×１６サイズの変換
係数行列を生成し、メモリ１１に記憶する。図７（４）
は、生成された１６×１６サイズの変換係数行列を示
す。図３に示すように、この変換係数行列には高周波成
分の情報が多く含まれている。尚、このステップ７，８
の処理は、ＤＣＴ変換部９によって行われる。In step 8, the cut image data F
DCT is performed on [i], a transform coefficient matrix of 16 × 16 size is generated, and stored in the memory 11. FIG. 7 (4)
Indicates a generated 16 × 16 size transform coefficient matrix. As shown in FIG. 3, this transform coefficient matrix contains a lot of information on high frequency components. Steps 7 and 8
Is performed by the DCT transform unit 9.
【００５６】ステップ９では、図７（５）に示すよう
に、メモリ１１に記憶され、２次元的に配置された１６
×１６の変換係数行列の左上の第２象限に相当する８×
８のサイズの領域、即ち、低周波成分の領域に、メモリ
１０に記憶された８×８の変換係数行列を上書きする。
これによって２つの変換係数行列が合成される。この処
理は、係数データ合成部１２によって行われる。In step 9, as shown in FIG. 7 (5), the 16 stored in the memory 11 and the two-dimensionally arranged
8 × corresponding to the upper left second quadrant of the × 16 transform coefficient matrix
The 8 × 8 transform coefficient matrix stored in the memory 10 is overwritten on the area of size 8, ie, the area of the low frequency component.
As a result, two transform coefficient matrices are synthesized. This process is performed by the coefficient data combining unit 12.
【００５７】ステップ１０では、この合成された変換係
数行列に対して逆ＤＣＴを行う。この処理は、逆ＤＣＴ
変換部１３によって行われる。図７（６）は逆ＤＣＴが
行われて生成された１６×１６画素の画像データを示
し、この画像データには低周波成分から高周波成分まで
の情報が含まれることになる。In step 10, inverse DCT is performed on the synthesized transform coefficient matrix. This process is the inverse DCT
The conversion is performed by the conversion unit 13. FIG. 7 (6) shows image data of 16 × 16 pixels generated by performing the inverse DCT, and this image data includes information from low frequency components to high frequency components.
【００５８】ステップ１１では、カウント値ｉをインク
リメントする。ステップ１２では、カウント値ｉを所定
値Ｎ（＝入力画像を重なりのない８×８の部分画像に分
割したときの部分画像の数）と比較する。カウント値ｉ
が所定値Ｎ未満のときは、次の画像データＩ［ｉ］に対
し、ステップ５〜１１の処理を繰り返す。カウント値ｉ
が所定値Ｎになったとき、即ち、すべての画像データＩ
［ｉ］に対して処理が終了したときはこのルーチンを終
了する。At step 11, the count value i is incremented. In step 12, the count value i is compared with a predetermined value N (= the number of partial images when the input image is divided into non-overlapping 8 × 8 partial images). Count value i
Is smaller than the predetermined value N, the processing of steps 5 to 11 is repeated for the next image data I [i]. Count value i
Has reached a predetermined value N, that is, when all the image data I
When the process for [i] ends, this routine ends.
【００５９】そして、元の画像に対してこの画像を置き
換えていけば、エッジ部まで鮮明な画像に高解像度化さ
れ、高い解像度を有するプリンタやディスプレイ等の出
力系に出力される。If this image is replaced with the original image, the resolution is increased to a sharp image up to the edge portion, and the image is output to an output system such as a printer or a display having a high resolution.
【００６０】〈具体例１の効果〉以上、説明したように
具体例１によれば、全ての８×８画素の部分画像の画像
データに対し、最も類似している１６×１６画素のフラ
クタル画像の画像データを生成し、ともにＤＣＴを施し
て、生成された両変換係数行列を合成し、逆ＤＣＴを行
うことにより、出力された画像には、入力された画像に
は存在していなかったエッジなどの高周波成分が多く含
まれるようになり、エッジ部の鮮明な画像を再現するこ
とができる。従って、高い解像度のプリンタやディスプ
レイ等の出力系に、最も適した画像を出力することがで
きる。<Effects of Specific Example 1> As described above, according to Specific Example 1, the fractal image of 16 × 16 pixels most similar to the image data of all the partial images of 8 × 8 pixels. By performing DCT together, combining both generated transform coefficient matrices, and performing inverse DCT, the output image has edges that did not exist in the input image. , Etc., so that a sharp image of the edge portion can be reproduced. Therefore, the most suitable image can be output to an output system such as a high-resolution printer or display.
【００６１】〈具体例２〉具体例２は、類似度が所定の
閾所値以下になったときに類似度の計算を終了させるよ
うにしたものである。尚、具体例２は具体例１と動作が
異なるだけで、その構成は、具体例１の構成と同一であ
るので、同一符号を付してその説明を省略する。<Specific Example 2> In specific example 2, the calculation of the similarity is terminated when the similarity falls below a predetermined threshold value. The specific example 2 differs from the specific example 1 only in the operation, and the configuration is the same as that of the specific example 1. Therefore, the same reference numerals are given and the description is omitted.
【００６２】〈動作〉次に具体例２の動作を説明する。
図８は、具体例２のフラクタルパラメータ検出の動作を
示すフローチャートである。具体例２では、具体例１の
ステップ３３とステップ３４との間でステップ６１の処
理を行う。尚、その他のステップについては具体例１と
同一の動作なので、同一ステップ符号を付して説明を省
略する。<Operation> Next, the operation of the embodiment 2 will be described.
FIG. 8 is a flowchart illustrating an operation of detecting a fractal parameter according to the second embodiment. In the specific example 2, the processing of the step 61 is performed between the steps 33 and 34 of the specific example 1. Since the other steps are the same as those in the first embodiment, the same step numbers are given and the description is omitted.
【００６３】このステップ６１では、メモリ５に記録さ
れた類似度similarを所定の閾値threadと比較する。そ
して、この類似度similarが閾値threadよりも小さくな
ったときは、フラクタルパラメータ検出の処理を終了さ
せる。これにより、一定の類似度が得られれば、フラク
タルパラメータ検出の処理が終了するので、フラクタル
パラメータ検出の際の探索範囲が減少し、画像生成が高
速化する。In step 61, the similarity similar recorded in the memory 5 is compared with a predetermined threshold value thread. Then, when the similarity similar becomes smaller than the threshold thread, the fractal parameter detection processing is terminated. As a result, if a certain degree of similarity is obtained, the process of fractal parameter detection ends, so the search range for fractal parameter detection is reduced, and image generation is speeded up.
【００６４】〈具体例２の効果〉以上、説明したように
具体例２によれば、一定の類似度が得られればフラクタ
ルパラメータの検出を終了させるので、より高速に画像
生成を行うことができる。<Effects of Specific Example 2> As described above, according to Specific Example 2, the detection of fractal parameters is terminated when a certain degree of similarity is obtained, so that image generation can be performed at higher speed. .
【００６５】〈具体例３〉具体例３は、係数データ合成
部が、生成された入力画像の変換係数行列の各要素とフ
ラクタル画像の変換係数行列の各要素とを所定の比率に
設定して加算するようにしたものである。尚、具体例３
は具体例１と動作が異なるだけで、その構成は、具体例
１の構成と同一であるので、同一符号を付してその説明
を省略する。<Specific Example 3> In specific example 3, the coefficient data synthesizing unit sets each element of the transform coefficient matrix of the generated input image and each element of the transform coefficient matrix of the fractal image at a predetermined ratio. The addition is performed. Specific example 3
Only the operation is different from that of the first embodiment, and the configuration is the same as that of the first embodiment.
【００６６】〈動作〉次に具体例３の動作を説明する。
具体例３では、係数データ合成部１２が、メモリ１１に
記憶されている入力画像の８×８サイズの変換係数行列
を、０領域で１６×１６サイズの変換係数行列に拡張
し、生成された入力画像の変換係数行列の各要素とフラ
クタル画像の変換係数行列の各要素とを次式に従って加
算する。 Ｄ0＝（１−α）Ｄi＋αＤf 但し、Ｄ0：新しく生成される変換係数行列 α ：加算時に設定された比率 Ｄi ：ＤＣＴ変換係数行列 Ｄf ：フラクタル画像変換係数行列<Operation> Next, the operation of the embodiment 3 will be described.
In the specific example 3, the coefficient data synthesizing unit 12 is generated by expanding the 8 × 8 size transform coefficient matrix of the input image stored in the memory 11 into a 16 × 16 size transform coefficient matrix in the 0 region. Each element of the transformation coefficient matrix of the input image and each element of the transformation coefficient matrix of the fractal image are added according to the following equation. D0 = (1−α) Di + αDf where D0: a newly generated transform coefficient matrix α: ratio set at the time of addition Di: DCT transform coefficient matrix Df: fractal image transform coefficient matrix
【００６７】この比率αは、両変換係数行列の各要素に
対して与えられる。図９は、この比率αの設定例を示す
説明図である。この図９の直線で示すように、比率αは
両変換係数行列の周波数に比例して大きくなるように設
定される。即ち、周波数が低いときは比率αは小さな値
となり、高周波になるに従って大きくなる。但し、生成
された出力画像に応じて、この比率αを例えば破線のよ
うに補正することもできる。This ratio α is given to each element of both transform coefficient matrices. FIG. 9 is an explanatory diagram showing an example of setting the ratio α. As shown by the straight line in FIG. 9, the ratio α is set to increase in proportion to the frequency of both transform coefficient matrices. That is, when the frequency is low, the ratio α has a small value, and increases as the frequency increases. However, according to the generated output image, the ratio α can be corrected as shown by a broken line, for example.
【００６８】〈具体例３の効果〉以上、説明したように
具体例３によれば、生成された入力画像の変換係数行列
の各要素とフラクタル画像の変換係数行列の各要素と
を、低周波成分ほど小さく、高周波成分になるに従って
大きくなるように比率αに設定して加算するようにした
ので、よりエッジ部の鮮明な画像を再現することが可能
となる。<Effect of Specific Example 3> As described above, according to specific example 3, each element of the transform coefficient matrix of the generated input image and each element of the transform coefficient matrix of the fractal image are converted to low-frequency components. Since the ratio is set so as to be smaller as the component becomes smaller and becomes larger as the frequency becomes higher, and the addition is performed, it is possible to reproduce a sharper image of the edge portion.
【００６９】〈具体例４〉具体例４は、入力画像を所定
画像サイズに拡大し、初期値としてフラクタル画像記憶
用のメモリに記録するようにしたものである。<Specific Example 4> In a specific example 4, an input image is enlarged to a predetermined image size and recorded in a memory for storing a fractal image as an initial value.
【００７０】図１０は具体例４の構成を示すブロック図
である。具体例４では、画像メモリ１の画像を単純に拡
大してフラクタル画像用のメモリ７に入力する単純拡大
処理部１４が備えられている。尚、メモリ７がフラクタ
ル画像記憶手段に相当し、単純拡大処理部１４が初期入
力画像記録手段に相当する。尚、具体例１と同一要素に
ついては、同一符号を付してその説明を省略する。FIG. 10 is a block diagram showing the configuration of the fourth embodiment. In the specific example 4, there is provided a simple enlargement processing unit 14 for simply enlarging an image in the image memory 1 and inputting it to the fractal image memory 7. The memory 7 corresponds to a fractal image storage unit, and the simple enlargement processing unit 14 corresponds to an initial input image recording unit. The same elements as those in the first embodiment are denoted by the same reference numerals, and description thereof will be omitted.
【００７１】〈動作〉次に具体例４の動作を説明する。
具体例１では、フラクタル画像記憶用のメモリ７に、初
期値として中間値であるグレースケールの画像を入力し
たが、具体例４では、入力画像が単純拡大処理部１４に
よって所定画像サイズに拡大され、この画像が初期値と
してメモリ７に入力される。尚、この拡大率は、フラク
タル画像が縦横２倍に拡大されるので、これと同じ率に
設定される。<Operation> Next, the operation of the embodiment 4 will be described.
In the first specific example, a grayscale image that is an intermediate value is input as an initial value to the fractal image storage memory 7, but in the fourth specific example, the input image is enlarged to a predetermined image size by the simple enlargement processing unit 14. This image is input to the memory 7 as an initial value. It should be noted that this enlargement factor is set to the same factor as the fractal image is enlarged twice and vertically and horizontally.
【００７２】この拡大された画像を初期値として用いる
ことにより、フラクタルパラメータの検出に用いた情報
をそのまま使用できるため、フラクタル画像への収束が
早まる。By using the enlarged image as an initial value, the information used for detecting the fractal parameter can be used as it is, so that the convergence to the fractal image is accelerated.
【００７３】〈具体例４の効果〉以上、説明したように
具体例４によれば、実際の画像である入力画像を単純拡
大して初期値としてメモリ７に記録することにより、相
似度の高いフラクタル画像に、より高速に収束させるこ
とができる。<Effects of Specific Example 4> As described above, according to Specific Example 4, an input image as an actual image is simply enlarged and recorded in the memory 7 as an initial value, thereby achieving a high degree of similarity. It is possible to converge to a fractal image faster.
【００７４】従って、具体例２のように、一定の類似度
が得られたときにフラクタルパラメータの検出を終了さ
せるようにした場合でも、より類似度の高いフラクタル
画像を得ることができる。Therefore, even when the detection of fractal parameters is terminated when a certain degree of similarity is obtained as in the second embodiment, a fractal image with a higher degree of similarity can be obtained.
【図１】本発明に係る画像処理装置の具体例１の構成を
示すブロック図である。FIG. 1 is a block diagram illustrating a configuration of a specific example 1 of an image processing apparatus according to the present invention.
【図２】従来の画像処理装置の動作を説明するための説
明図である。FIG. 2 is an explanatory diagram for explaining an operation of a conventional image processing apparatus.
【図３】具体例１の構造分解されたフラクタル画像につ
いて説明するための説明図である。FIG. 3 is an explanatory diagram for describing a fractal image obtained by decomposing a structure according to a specific example 1;
【図４】具体例１の動作を示すフローチャートである。FIG. 4 is a flowchart illustrating an operation of a specific example 1.
【図５】具体例１のフラクタル検出の動作を示すフロー
チャートである。FIG. 5 is a flowchart illustrating an operation of fractal detection according to the first embodiment.
【図６】具体例１のフラクタル画像生成部の動作を示す
フローチャートである。FIG. 6 is a flowchart illustrating an operation of a fractal image generation unit according to the first embodiment.
【図７】具体例１の動作を説明するための説明図であ
る。FIG. 7 is an explanatory diagram for explaining an operation of a specific example 1.
【図８】本発明に係る画像処理装置の具体例２のフラク
タル検出の動作を示すフローチャートである。FIG. 8 is a flowchart illustrating an operation of fractal detection in a specific example 2 of the image processing apparatus according to the present invention.
【図９】本発明に係る画像処理装置の具体例３の変換係
数行列を合成するときの比率の設定例を示す説明図であ
る。FIG. 9 is an explanatory diagram showing an example of setting a ratio when combining the transform coefficient matrices of Example 3 of the image processing apparatus according to the present invention.
【図１０】本発明に係る画像処理装置の具体例４の構成
を示すブロック図である。FIG. 10 is a block diagram illustrating a configuration of a specific example 4 of the image processing apparatus according to the present invention.
２ 画像切り出し部（８×８） ３ 画像切り出し部（１６×１６） ４ フラクタルパラメータ検出部 ９ ＤＣＴ変換部 １２ 係数データ合成部 １３ 逆ＤＣＴ変換部 １４ 単純拡大処理部 2 Image cutout unit (8 × 8) 3 Image cutout unit (16 × 16) 4 Fractal parameter detection unit 9 DCT conversion unit 12 Coefficient data synthesis unit 13 Inverse DCT conversion unit 14 Simple enlargement processing unit
───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5B057 BA02 CA08 CA12 CA16 CB08 CB12 CB16 CC02 CD01 CD05 CE03 CE08 CE09 CG07 CH08 CH18 DA08 DA17 DB02 DB09 DC34 DC36 5C059 KK01 LA00 LC08 MA23 MA43 MC26 MC30 PP01 PP04 SS08 SS14 UA31 5C076 AA21 AA22 AA31 AA36 BA06 BA09 BB40 CB04 5J064 AA01 BA16 BC01 BD03 ──────────────────────────────────────────────────続 き Continued on the front page F-term (reference) AA22 AA31 AA36 BA06 BA09 BB40 CB04 5J064 AA01 BA16 BC01 BD03
Claims (5)
像度化を図る画像処理装置において、 入力した画像を所定画素数の部分画像に分割して部分画
像を切り出す原画像切り出し手段と、 分割された各部分画像よりも大きな画素数を有する領域
を入力した画像の中から順次切り出して、切り出した領
域のデータに対して所定の変換を行いつつ前記部分画像
のデータと比較し、切り出された部分画像のデータに対
して自己相似性を有するデータを検出し、部分画像毎に
当該データの検出位置及び所定の変換を行ったときの変
換パラメータをフラクタルパラメータとして検出するフ
ラクタルパラメータ検出手段と、 検出されたフラクタルパラメータに基づいて部分画像毎
に所定のフラクタル処理を行い、部分画像毎に各部分画
像よりも大きな画素数を有するフラクタル画像を生成す
るフラクタル画像生成手段と、 前記各部分画像のデータに対して直交変換を行い、原画
像の変換係数行列を生成する第１の直交変換手段と、 前記フラクタル画像生成手段によって生成されたフラク
タル画像のデータに対して直交変換を行い、フラクタル
画像の変換係数行列を生成する第２の直交変換手段と、 該第２の直交変換手段によって生成されたフラクタル画
像の変換係数行列のうちの低周波成分の領域に、第１の
直交変換手段によって生成された原画像の変換係数行列
を上書きして部分画像毎に両変換係数行列を合成する変
換係数合成手段と、 該変換係数合成手段によって合成された変換係数行列に
対して逆直交変換を行う逆変換手段と、を備えたことを
特徴とする画像処理装置。1. An image processing apparatus for increasing the resolution of an input image using orthogonal transformation, comprising: an original image cutout means for splitting the input image into partial images having a predetermined number of pixels and cutting out the partial images; An area having a larger number of pixels than each of the partial images is sequentially cut out from the input image, and the data of the cut out area is compared with the partial image data while performing a predetermined conversion on the data of the cut out area. A fractal parameter detecting means for detecting data having a self-similarity to the data of the partial image, and detecting, as a fractal parameter, a detection position of the data and a conversion parameter when predetermined conversion is performed for each partial image; A predetermined fractal process is performed for each partial image based on the obtained fractal parameters, and a pixel larger than each partial image is obtained for each partial image. A fractal image generating means for generating a fractal image having a number, a first orthogonal transforming means for performing an orthogonal transform on the data of each of the partial images to generate a transform coefficient matrix of an original image, and the fractal image generating means Orthogonal transform means for performing an orthogonal transform on the data of the fractal image generated by the above to generate a transform coefficient matrix of the fractal image, and a transform coefficient matrix of the fractal image generated by the second orthogonal transform means Transform coefficient synthesizing means for synthesizing both transform coefficient matrices for each partial image by overwriting the low-frequency component region of the above with the transform coefficient matrix of the original image generated by the first orthogonal transform means; An inverse transforming means for performing an inverse orthogonal transform on the transform coefficient matrix combined by the combining means.
入力した画像の中から、部分画像のデータに対して自己
相似性を有するデータとして最も類似したデータを検出
し、該データの検出位置及び変換パラメータをフラクタ
ルパラメータとして検出するように構成されたことを特
徴とする請求項１に記載の画像処理装置。2. The fractal parameter detecting means,
It is configured to detect data most similar as data having self-similarity to data of a partial image from input images, and to detect a detection position and a conversion parameter of the data as a fractal parameter. The image processing apparatus according to claim 1, wherein:
入力した画像の中から、部分画像のデータに対して自己
相似性を有するデータとして所定の類似度が得られたと
きのデータを検出し、該データの検出位置及び変換パラ
メータをフラクタルパラメータとして検出するように構
成されたことを特徴とする請求項１に記載の画像処理装
置。3. The fractal parameter detecting means,
From the input image, data when a predetermined similarity is obtained as data having a self-similarity to the data of the partial image is detected, and a detection position and a conversion parameter of the data are detected as a fractal parameter. The image processing apparatus according to claim 1, wherein the image processing apparatus is configured as follows.
列の各要素をそれぞれ所定の比率に設定して原画像の変
換係数行列をフラクタル画像の変換係数行列のうちの低
周波成分の領域に上書きするように構成されたことを特
徴とする請求項１〜請求項３のいずれか１つに記載の画
像処理装置。4. The transform coefficient synthesizing means sets each element of both transform coefficient matrices to a predetermined ratio, and converts a transform coefficient matrix of an original image into an area of a low frequency component in a transform coefficient matrix of a fractal image. The image processing apparatus according to claim 1, wherein the image processing apparatus is configured to overwrite.
像記憶手段と、入力画像を所定画像サイズに拡大し、初
期値として該フラクタル画像記憶手段に記録する初期入
力画像記録手段と、を備えたことを特徴とする請求項１
〜請求項４のいずれか１つに記載の画像処理装置。5. A fractal image storage unit for storing a fractal image, and an initial input image recording unit for enlarging an input image to a predetermined image size and recording the input image in the fractal image storage unit as an initial value. Claim 1
The image processing device according to claim 1.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30044899A JP2000312294A (en) | 1999-02-24 | 1999-10-22 | Image processor |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11-45799 | 1999-02-24 | ||
| JP4579999 | 1999-02-24 | ||
| JP30044899A JP2000312294A (en) | 1999-02-24 | 1999-10-22 | Image processor |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000312294A true JP2000312294A (en) | 2000-11-07 |
Family
ID=26385876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP30044899A Pending JP2000312294A (en) | 1999-02-24 | 1999-10-22 | Image processor |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000312294A (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004355654A (en) * | 2004-08-04 | 2004-12-16 | Seiko Epson Corp | Image processing device and image processing method |
| US6898332B2 (en) | 2000-11-15 | 2005-05-24 | Seiko Epson Corporation | Image processing device and image processing method |
| WO2005067294A1 (en) * | 2004-01-09 | 2005-07-21 | Matsushita Electric Industrial Co., Ltd. | Image processing method, image processing device, and image processing program |
| JP2006236317A (en) * | 2005-01-26 | 2006-09-07 | Matsushita Electric Ind Co Ltd | Image processing method |
| US7298925B2 (en) | 2003-09-30 | 2007-11-20 | International Business Machines Corporation | Efficient scaling in transform domain |
| US7689053B2 (en) | 2005-01-26 | 2010-03-30 | Panasonic Corporation | Image processing method |
-
1999
- 1999-10-22 JP JP30044899A patent/JP2000312294A/en active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6898332B2 (en) | 2000-11-15 | 2005-05-24 | Seiko Epson Corporation | Image processing device and image processing method |
| US7298925B2 (en) | 2003-09-30 | 2007-11-20 | International Business Machines Corporation | Efficient scaling in transform domain |
| US7474805B2 (en) | 2003-09-30 | 2009-01-06 | International Business Machines Corporation | Efficient scaling in transform domain |
| WO2005067294A1 (en) * | 2004-01-09 | 2005-07-21 | Matsushita Electric Industrial Co., Ltd. | Image processing method, image processing device, and image processing program |
| US7203381B2 (en) | 2004-01-09 | 2007-04-10 | Matsushita Electric Industrial Co., Ltd. | Image processing method, image processing apparatus, and image processing program |
| JP2004355654A (en) * | 2004-08-04 | 2004-12-16 | Seiko Epson Corp | Image processing device and image processing method |
| JP4590973B2 (en) * | 2004-08-04 | 2010-12-01 | セイコーエプソン株式会社 | Image processing apparatus and image processing method |
| JP2006236317A (en) * | 2005-01-26 | 2006-09-07 | Matsushita Electric Ind Co Ltd | Image processing method |
| US7689053B2 (en) | 2005-01-26 | 2010-03-30 | Panasonic Corporation | Image processing method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3882651B2 (en) | Image processing apparatus and program | |
| JP2002269556A (en) | Method for removing noise from digital image based on multiresolution | |
| US20050201632A1 (en) | Resolution changing method and apparatus | |
| US6813384B1 (en) | Indexing wavelet compressed video for efficient data handling | |
| JPH08294001A (en) | Image processing method and image processing unit | |
| JP3999432B2 (en) | Image processing method and apparatus, and recording medium | |
| JP2000312294A (en) | Image processor | |
| US7522189B2 (en) | Automatic stabilization control apparatus, automatic stabilization control method, and computer readable recording medium having automatic stabilization control program recorded thereon | |
| JP4081926B2 (en) | Image enlargement device | |
| JP2002077657A (en) | Apparatus of image processing, method thereof and recording medium | |
| EP1164781A1 (en) | Image processing device, image processing method, and recorded medium | |
| JP4598115B2 (en) | Image processing method and apparatus, and recording medium | |
| JPH08204967A (en) | Data coding device | |
| JP4307485B2 (en) | Image processing apparatus and image processing method | |
| JP4267159B2 (en) | Image processing method and apparatus, and recording medium | |
| US6640016B1 (en) | Method, apparatus and recording medium for image processing | |
| JP3859325B2 (en) | Image iterative transform decoding apparatus and method, and recording medium | |
| JP2004240732A (en) | Image compositing method, image compositing device, image compositing program and image recording device | |
| JP3559419B2 (en) | Method and apparatus for decompressing compressed image data | |
| JP3750164B2 (en) | Image processing method and image processing apparatus | |
| JP3593727B2 (en) | Image compression device | |
| JPH11284840A (en) | Image forming device | |
| JP2000285233A (en) | Method and device for picture processing and recording medium | |
| JP2003125197A (en) | Image processing apparatus and program | |
| JP2006313985A (en) | Image processing apparatus |