JP2001014461A - Image processing method - Google Patents
Image processing methodInfo
- Publication number
- JP2001014461A JP2001014461A JP2000179376A JP2000179376A JP2001014461A JP 2001014461 A JP2001014461 A JP 2001014461A JP 2000179376 A JP2000179376 A JP 2000179376A JP 2000179376 A JP2000179376 A JP 2000179376A JP 2001014461 A JP2001014461 A JP 2001014461A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- matrix size
- image processing
- magnitude
- smoothing
- 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
- 238000003672 processing method Methods 0.000 title claims description 13
- 238000009499 grossing Methods 0.000 claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims description 81
- 238000000034 method Methods 0.000 claims description 49
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000009792 diffusion process Methods 0.000 description 2
- 230000033772 system development Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
Description
【０００１】[0001]
【産業上の利用分野】本発明は、画像処理フィルターに
関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an image processing filter.
【０００２】[0002]
【従来の技術】ノイズ低減処理は、基本的に濃度の急激
な変動を滑らかにする働きがあるため、図形の輪郭線を
ぼかす効果を持つ。そこで、図形の輪郭線を何らかの方
法で大まかに推定し、それを損なわないやり方で平滑化
を施す、エッジ保存平滑化と呼ばれるノイズ低減処理が
ある。この種のノイズ低減処理は、従来から色々な方法
が考案されており、代表的なものとして以下のような方
法がある。2. Description of the Related Art Noise reduction processing basically has the function of smoothing sudden fluctuations in density, and therefore has the effect of blurring the outline of a figure. Therefore, there is a noise reduction process called edge-preserving smoothing that roughly estimates the outline of a figure by some method and performs smoothing in a manner that does not impair the outline. Various methods have been devised for this type of noise reduction processing, and the following methods are typical.
【０００３】（１） ε-分離非線形フィルター （原島博、小田島薫、鹿喰善明，ε-分離非線形ディジ
タルフィルタとその応用、信学論（Ａ）、Ｊ６５−Ａ、
４、ｐｐ２９７−３０４（昭５７−０４））（２） An
isotropic Diffusion 法 （P.Perona and J.Malik,Scale-Space and Edge Detect
ion UsingAnisotoropic Diffusion,IEEE,Trans on Patt
ern Anal.Machine Intell.Vol.12,No.7,July, 1990） （３） ＬＬＳＥ法 （J-S.Lee,Digital Image Enhancement and Noise Filt
ering by Use of LocalSatistics,IEEE,Trans on Patte
rn Anal.Machine Intell.,Vol.PAMI-2 No.2,March,198
0） 以上の方法は、微分値や局所分散値により局所領域にお
いてエッジ構造があるかどうかの度合いを定義して、そ
のエッジ構造の度合いに応じて平滑化の効果を調節する
ものであり、局所構造の認識の仕方はエッジであるかど
うかだけであり、その方向性などは考慮していない。従
って、Ｓ／Ｎの悪い画像に対してノイズ低減効果を強め
ると、エッジ部にぼけが発生したり濃度むらなどが発生
しやすいという問題点がある。そこで、画像の局所構造
をもう少し精密に考慮したうえで、平滑化を行う方法と
しては次のような方法がある。(1) ε-separated nonlinear filter (Harashima Hiroshi, Odashima Kaoru, Kaga Yoshiaki, ε-separated nonlinear digital filter and its application, IEICE (A), J65-A,
4, pp297-304 (Showa 57-04)) (2) An
isotropic Diffusion method (P.Perona and J.Malik, Scale-Space and Edge Detect
ion UsingAnisotoropic Diffusion, IEEE, Trans on Patt
ern Anal. Machine Intell. Vol. 12, No. 7, July, 1990) (3) LLSE method (JS. Lee, Digital Image Enhancement and Noise Filt)
ering by Use of LocalSatistics, IEEE, Trans on Patte
rn Anal.Machine Intell., Vol.PAMI-2 No.2, March, 198
0) In the above method, the degree of the presence or absence of an edge structure in a local region is defined by the differential value and the local variance value, and the smoothing effect is adjusted according to the degree of the edge structure. The only way of recognizing the structure is whether or not it is an edge, and its directionality is not considered. Therefore, if the noise reduction effect is enhanced for an image having a poor S / N, there is a problem that blurring or uneven density is likely to occur at an edge portion. Therefore, there is the following method as a method of performing smoothing after considering the local structure of the image a little more precisely.
【０００４】（４） 局所テンプレートマッチングを利
用した方法 （鳥脇純一郎著 「画像理解のためのディジタル画像処
理〔Ｉ〕昭晃堂、平成元年１１月３０日 ｐｐ１１２〜
１１４） この方法は、画像の局所領域におけるエッジや線の典型
的なパターンをテンプレートに用意しておき、画像の各
画素（ｉ，ｊ）の近傍Ｕ（（ｉ，ｊ））の入力濃度値と
テンプレートマッチングを行い、近傍Ｕ（（ｉ，ｊ））
の局所構造に適合したテンプレートを重み関数として平
滑化処理を行う方法である。もう少し詳しく説明する
と、まずあらかじめいくつかの部分画像のサンプル（テ
ンプレート）を用意しておく。一方、画素（ｉ，ｊ）の
近傍Ｕ（（ｉ，ｊ））の入力濃度値を一定の順序で並べ
たものを１次元ベクトルとみなし、Ｆijと表す。テンプ
レートの方も同様な順序で１次元ベクトル化されている
とし、それを、Ａ1，Ａ2，…，Ａmとする。このとき、
（ｉ，ｊ）における各テンプレートの適合度を表す関数
Ｓにたいして、 ｋ0＝ｍｉｎＳ（Ｆij，Ａk） を計算して、テンプレートＡk0を重み関数として画素
（ｉ，ｊ）の近傍Ｕ（（ｉ，ｊ））に含まれる画素値か
ら平滑化処理を行う。ここで、適合度を表す関数Ｓの具
体的な形は多種多様なものが、特にパターン認識や統計
学における数値分類の分野で工夫されている。(4) Method using local template matching (Digital image processing for image understanding [I] Shokodo, written by Junichiro Toriwaki, November 30, pp. 112-1989
114) In this method, a typical pattern of an edge or a line in a local region of an image is prepared in a template, and an input density value of a neighborhood U ((i, j)) of each pixel (i, j) of the image is prepared. And template matching, and the neighborhood U ((i, j))
Is a method of performing a smoothing process using a template adapted to the local structure as a weight function. To explain in more detail, first prepare some samples (templates) of partial images in advance. On the other hand, an arrangement in which input density values of the neighborhood U ((i, j)) of the pixel (i, j) are arranged in a certain order is regarded as a one-dimensional vector, and is represented as F ij . It is assumed that the template is also converted into a one-dimensional vector in the same order, and is referred to as A 1 , A 2 ,..., Am . At this time,
K 0 = minS (F ij , A k ) is calculated for the function S representing the fitness of each template in (i, j), and the neighborhood U () of the pixel (i, j) is calculated using the template A k0 as a weight function. A smoothing process is performed from the pixel values included in (i, j)). Here, the specific form of the function S representing the degree of conformity is various, and is devised particularly in the field of numerical recognition in pattern recognition and statistics.
【０００５】[0005]
【発明が解決しようとする課題】しかし、一般に複雑な
構造を有する画像では、テンプレートを細かく分類する
にしたがって、単純な適合度を表す関数でその局所構造
に適合したパターンを正確に選びだすことは難しくなっ
てくる。この時、パターン検出のエラーは、画像の濃度
むらやエッジ部のぼけとして現われる。また、パターン
を細かく分類し過ぎると、ノイズによる偽構造に適合し
てしまうパターンが存在してしまうため効果が弱くな
る。このように細かくパターンを分類し過ぎると、安定
なパターン適合度を表す関数を定義することが難しくな
ると同時に、適合するパターンを検索するための検索時
間がかかるという問題点がある。本発明の目的は、画像
のぼけや濃度むらを引き起こさない画像処理方法を提供
することである。However, in general, in an image having a complicated structure, it is difficult to accurately select a pattern suitable for the local structure by a function representing a simple fitness as the template is finely classified. It becomes difficult. At this time, an error in the pattern detection appears as uneven density of an image or blurring of an edge portion. On the other hand, if the patterns are classified too finely, there is a pattern that matches the false structure due to noise, and the effect is weakened. If the patterns are classified too finely, it is difficult to define a function representing a stable pattern matching degree, and at the same time, it takes a long time to search for a matching pattern. An object of the present invention is to provide an image processing method that does not cause blurring or uneven density of an image.
【０００６】[0006]
【課題を解決するための手段】上記目的を達成するため
に、本発明の画像処理方法は、複数の画素からなる画像
データに含まれる対象画素への画像処理方法であって、
前記対象画素を中心に複数の一次元方向成分ごとに濃度
変化の大きさを評価するステップと、前記濃度変化の大
きさの評価結果の中で、濃度変化が最小となる一次元方
向を選択するステップと、前記対象画素を中心として、
前記濃度変化が最小となる一次元方向の、前記画像デー
タに含まれる他の画素の情報を元に、前記対象画素の処
理値を求める画像処理を行なうステップとからなること
を特徴とするものである。In order to achieve the above object, an image processing method according to the present invention is an image processing method for a target pixel included in image data composed of a plurality of pixels,
Estimating the magnitude of the density change for each of a plurality of one-dimensional direction components centering on the target pixel; and selecting the one-dimensional direction in which the density change is minimum from among the evaluation results of the magnitude of the density change. Step and the target pixel as a center,
Performing image processing for obtaining a processing value of the target pixel based on information of another pixel included in the image data in the one-dimensional direction in which the density change is minimized. is there.
【０００７】[0007]
【作用】本発明では、各画素ごとに局所構造がどちらの
方向を向いているかだけに着目するのでパターンの適合
度を表す関数は明確に定義できる。例えば、各方向の線
上にある隣接画素どうし濃度差の絶対値の和を計算し、
その値が最も小さい方向とすれば良いすればよい。この
時、局所構造の１次方向成分の検出だけなので、ノイズ
によるパターン検出の失敗が少なくなると同時に、たと
え検出に失敗しても平滑化処理は１次元なので画像がぼ
けることが少ない。また分類したパターンの中に折線状
の物があると、画像のエッジ部などにおいて、ノイズに
よる境界線の凹凸を真の境界線と認識してしまうことが
あり平滑化後にこの凹凸が残ってしまう場合があるが、
本発明のようにパターンを直線に限定すれば、エッジの
境界線を直線にあわせ込むことになり、ノイズによる凹
凸が抑えられエッジが鮮明になる。そして、テンプレー
トを直線だけに絞っているので、適合するパターンの検
索時間は少なくてすむ。According to the present invention, since only the direction of the local structure for each pixel is focused on, the function representing the degree of conformity of the pattern can be clearly defined. For example, the sum of the absolute values of the density differences between adjacent pixels on the line in each direction is calculated,
What is necessary is just to make it the direction in which the value is the smallest. At this time, since only the primary direction component of the local structure is detected, the failure of pattern detection due to noise is reduced, and even if the detection fails, the image is less blurred because the smoothing process is one-dimensional. In addition, if there is a broken line in the classified pattern, the unevenness of the boundary line due to noise may be recognized as a true boundary line at the edge portion of the image, and the unevenness remains after smoothing. In some cases,
If the pattern is limited to a straight line as in the present invention, the boundary line of the edge is aligned with the straight line, so that unevenness due to noise is suppressed and the edge becomes clear. Since the template is narrowed down to only straight lines, the search time for a suitable pattern can be reduced.
【０００８】[0008]
【実施例】〔実施例１〕本発明の実施例１を図１を用い
て説明する。ここで入力画像Ｉ(i,j)は、ＭＲＩ画像や
ＣＴ画像などの医用画像、衛星画像、写真など適当な階
調（例えば２５６）を持つ濃淡画像とする。また、カラ
ー画像においても、ＲＧＢ各画像に対して本発明を適用
すれば良い。実施例１では図２が示すような、マトリク
スサイズを３＊３、１次方向成分として４５度単位の４
方向とした。また１次方向成分（４方向）の濃度変化の
大きさd4(k)(k=1〜4)を、各１次方向成分の線上にある
３＊３のマトリクス内３点に対して、隣接画素どうし濃
度差の絶対値の和とする。具体的には以下のようにな
る。[Embodiment 1] Embodiment 1 of the present invention will be described with reference to FIG. Here, the input image I (i, j) is a grayscale image having an appropriate gradation (for example, 256) such as a medical image such as an MRI image or a CT image, a satellite image, or a photograph. The present invention may be applied to a color image for each of RGB images. In the first embodiment, as shown in FIG. 2, the matrix size is 3 * 3, and the primary direction component is 4 in units of 45 degrees.
Direction. Further, the magnitude d4 (k) (k = 1 to 4) of the density change of the primary direction component (four directions) is adjacent to three points in a 3 * 3 matrix on each primary direction component line. The sum of the absolute values of the density differences between pixels is used. Specifically, it is as follows.
【０００９】（１）入力画像Ｉの各画素（ｉ，ｊ）ごと
に、隣接する８点における濃度差の絶対値を計算: Δk,l(i,j)=|Ｉ(i+k,j+l)-Ｉ(i,j)| (k,l=-1〜1) （２）注目画素と点対称な位置どうしの濃度差の絶対値
の和を計算： d4(1)=Δ-1,-1(i,j)+Δ1,1(i,j) d4(2)=Δ-1,1(i,j)+Δ1,-1(i,j) d4(3)=Δ-1,0(i,j)+Δ1,0(i,j) d4(4)=Δ0,-1(i,j)+Δ0,1(i,j) ここで、d4(k)(k=1〜4)はそれぞれテンプレート２０
１、２０２、２０３、２０４の適合度に対応し、d4(k)
の値が最も小さいテンプレートが、その局所構造に最も
適したものとなる。(1) For each pixel (i, j) of the input image I, calculate the absolute value of the density difference at eight adjacent points: Δ k, l (i, j) = | I (i + k, j + l) -I (i, j) | (k, l = -1 to 1) (2) Calculate the sum of the absolute value of the density difference between the target pixel and the point-symmetric position: d4 (1) = Δ -1, -1 (i, j) + Δ 1,1 (i, j) d4 (2) = Δ -1,1 (i, j) + Δ 1, -1 (i, j) d4 (3) = Δ -1,0 (i, j) + Δ 1,0 (i, j) d4 (4) = Δ 0, -1 (i, j) + Δ 0,1 (i, j) where d4 (k) (k = 1 to 4) are templates 20
Corresponding to the fitness of 1, 202, 203, 204, d4 (k)
Is the template most suitable for the local structure.
【００１０】〔ステップ１０１〕 入力画像Ｉの各画素
（ｉ，ｊ）ごとに、１次方向成分の濃度変化の大きさd4
(k)(k=1〜4)を計算する。[Step 101] For each pixel (i, j) of the input image I, the magnitude d4 of the density change of the primary direction component
(k) (k = 1 to 4) is calculated.
【００１１】〔ステップ１０２〕 各画素（ｉ，ｊ）ご
とに、１次方向成分の濃度変化の大きさd4(k)(k=1〜4)
が最小になる方向を決定する。[Step 102] The magnitude d4 (k) (k = 1 to 4) of the density change of the primary direction component for each pixel (i, j)
Determine the direction in which is minimized.
【００１２】〔ステップ１０３〕 各画素（ｉ，ｊ）ご
とに、ステップ１０２で検出した方向に適合するテンプ
レートを重み関数として濃度値の３点単純平均Ｏ（ｉ，
ｊ）を計算する。[Step 103] For each pixel (i, j), a three-point simple average O (i,
j) is calculated.
【００１３】〔ステップ１０４〕 フィルター処理画像
として、Ｏを出力する。[Step 104] O is output as a filtered image.
【００１４】ステップ１０３の平滑化処理では検出方向
に単純平均を計算したが、処理画像のぼけを防ぐために
図３のようなテンプレートにより、重み付平均を計算し
てもよい。また実施例１では、マトリクスサイズを３＊
３にしたが、平滑化の効果を強めたい時にはマトリクス
サイズを大きくしてもよい。例えば、マトリクスサイズ
を５＊５にした場合のテンプレートを図４に示す。ここ
では、１次方向成分の検出方向は８方向とした。ただ
し、８方向のうちの４方向のパターン４０５、４０６、
４０７、４０８は、折線であり厳密な意味での１次方向
成分ではない。しかし、実際の画像データにおいてこの
ような折線で１次方向成分を近似してもさしつかえない
場合が多い。もし、厳密に１次方向成分を計算したい場
合には、隣接画素から補間計算により求めればよい。ま
た、マトリクスサイズを５＊５とした場合の濃度変化の
大きさd8(k)(k=1〜8)は、３＊３の場合と同様に各方向
(k=1〜8)の線上にある隣接画素どうし濃度差の絶対値の
和として計算すればよい。In the smoothing process in step 103, a simple average is calculated in the detection direction. However, a weighted average may be calculated using a template as shown in FIG. 3 in order to prevent blurring of a processed image. In the first embodiment, the matrix size is 3 *
However, when the smoothing effect is desired to be enhanced, the matrix size may be increased. For example, FIG. 4 shows a template when the matrix size is 5 * 5. Here, the detection direction of the primary direction component is eight directions. However, patterns 405, 406 in four directions out of eight directions,
407 and 408 are broken lines and are not strictly primary components. However, in actual image data, it is often impossible to approximate the primary direction component with such a broken line. If it is desired to exactly calculate the primary direction component, it may be obtained by interpolation calculation from adjacent pixels. When the matrix size is 5 * 5, the magnitude of the density change d8 (k) (k = 1 to 8) is the same in each direction as in the case of 3 * 3.
What is necessary is just to calculate as the sum of the absolute values of the density differences between adjacent pixels on the line (k = 1 to 8).
【００１５】〔実施例２〕実施例２を図５を用いて説明
する。実施例１において、平滑化の効果を強めるために
マトリクスサイズを５＊５に大きくすると、穴や尖点な
どの方向性のない構造はぼけてしまう。そこでこのよう
な構造をぼかさないために、平滑化処理を行う範囲を各
画素ごと局所構造に応じて変えることを考える。例え
ば、フラットな構造に近い領域では平滑化のためのマト
リクスサイズを大きくして平滑化の効果を強くし、構造
のある領域では平滑化のためのマトリクスサイズを小さ
くして、方向性のない構造をぼかすことを抑える。ここ
で、構造の有無を判定する手段として、各１次方向成分
ｉの濃度変化の大きさＥiの最小値Ｅminにもとずいて、
Ｅminの値が小さいときにはフラットに近い領域とし、
Ｅminの値が大きいときには、その１次方向成分上に構
造のある領域と判定する。実施例２では、１次方向成分
の検出のためのマトリクスサイズを５＊５、平滑化のた
めのマトリクスサイズを濃度変化の大きさＥiの最小値
Ｅminの値にしたがって、５＊５〜１＊１に調整する。Embodiment 2 Embodiment 2 will be described with reference to FIG. In the first embodiment, if the matrix size is increased to 5 * 5 in order to enhance the smoothing effect, structures having no directionality, such as holes and cusps, will be blurred. Therefore, in order to prevent such a structure from being blurred, consider changing the range in which the smoothing process is performed for each pixel according to the local structure. For example, in a region close to a flat structure, the size of the matrix for smoothing is increased to enhance the effect of smoothing. Reduce blurring. Here, as means for determining the presence or absence of a structure, based on the minimum value E min of the magnitude E i of the density change of each primary direction component i,
When the value of E min is small, it is assumed that the area is almost flat,
When the value of Emin is large, it is determined that the region has a structure on the primary direction component. In Example 2, in accordance with the magnitude value of the minimum value E min of the E i of the matrix size concentration change for a matrix size 5 * 5, the smoothing for the detection of the primary direction component, 5 * 5 Adjust to 1 * 1.
【００１６】〔ステップ５０１〕 入力画像Ｉの各画素
（ｉ，ｊ）ごとに、１次方向成分の濃度変化の大きさd8
(k)(k=1〜8)を計算する。[Step 501] For each pixel (i, j) of the input image I, the magnitude d8 of the density change of the primary direction component
(k) (k = 1 to 8) is calculated.
【００１７】〔ステップ５０２〕 各画素（ｉ，ｊ）ご
とに、１次方向成分の濃度変化の大きさd8(k)(k=1〜8)
が最小になる方向を決定する。[Step 502] The magnitude d8 (k) (k = 1 to 8) of the density change of the primary direction component for each pixel (i, j).
Determine the direction in which is minimized.
【００１８】〔ステップ５０３〕 各画素（ｉ，ｊ）ご
と、ステップ５０２で検出した方向の濃度変化の大きさ
Ｅminに対して、しきい値Ｅ２＞Ｅ１により、 （１） Ｅ１＞Ｅmin のとき サイズ５＊５ （２） Ｅ２≧Ｅmin≧Ｅ１ のとき サイズ３＊３ （３） Ｅmin＞Ｅ２ のとき サイズ１＊１
（画素値） として平滑化のためのマトリクスサイズを決定する。[Step 503] For each pixel (i, j), the threshold value E2> E1 with respect to the magnitude E min of the density change in the direction detected in step 502, (1) E1> E min When size 5 * 5 (2) When E2 ≧ E min ≧ E1 When size 3 * 3 (3) When E min > E2 Size 1 * 1
(Pixel value) is determined as a matrix size for smoothing.
【００１９】〔ステップ５０４〕 各画素（ｉ，ｊ）ご
と、ステップ５０３で決定した平滑化のためのマトリク
スサイズでステップ５０２で決定した方向により単純平
均値Ｏ（ｉ，ｊ）を以下のように計算する。[Step 504] For each pixel (i, j), the simple average value O (i, j) is calculated by the matrix size for smoothing determined in step 503 according to the direction determined in step 502 as follows. calculate.
【００２０】（１） 平滑化範囲５＊５のとき 検出方向に適合するテンプレートを重み関数として、５
点単純平均Ｏ（ｉ，ｊ）を計算する。(1) When the smoothing range is 5 * 5: A template suitable for the detection direction is defined as
Calculate the point simple average O (i, j).
【００２１】（２） 平滑化範囲３＊３のとき 検出方向がパターン４０１、４０５、４０７のとき、平
滑化のテンプレートはパターン２０１とし、検出方向が
パターン４０２、４０６、４０８のとき、平滑化のテン
プレートはパターン２０２とし、検出方向がパターン４
０３のとき、平滑化のテンプレートはパターン２０３と
し、検出方向がパターン４０４のとき、平滑化のテンプ
レートはパターン２０４として、３点単純平均Ｏ（ｉ，
ｊ）を計算する。(2) Smoothing range 3 * 3 When the detection direction is pattern 401, 405, 407, the smoothing template is pattern 201, and when the detection direction is pattern 402, 406, 408, the smoothing template is The template is pattern 202 and the detection direction is pattern 4
03, the template for smoothing is pattern 203, and when the detection direction is pattern 404, the template for smoothing is pattern 204, and the three-point simple average O (i,
j) is calculated.
【００２２】（３） 平滑化範囲が１＊１のとき 注目画素Ｉ（ｉ，ｊ）の濃度値をそのままＯ（ｉ，ｊ）
の値とする。(3) When the smoothing range is 1 * 1 The density value of the target pixel I (i, j) is directly used as O (i, j)
Value.
【００２３】〔ステップ５０５〕 フィルター処理画像
として、Ｏを出力する。[Step 505] O is output as a filtered image.
【００２４】構造のないフラットな領域のノイズ低減効
果を更に強めたい場合に、Ｅminが十分小さいとき（ノ
イズレベル程度）、その画素付近はノイズの振幅を除い
て全く構造がないと考えられるので、この画素（ｉ，
ｊ）に関しては面平滑（２次元平滑化）を行ってしま
う。具体的には、ステップ５０３、５０４でしきい値Ｅ
０（＜Ｅ１）よりＥminの値が小さいとき、その画素で
マトリクスサイズ３＊３もしくは５＊５の全ての画素を
使って、９点または２５点の単純平均値（画像にぼけが
発生するようなら重み付け平均としもよい）をＯ（ｉ，
ｊ）とすれば良い。When it is desired to further enhance the noise reduction effect in a flat region having no structure, when E min is sufficiently small (about the noise level), it is considered that there is no structure near the pixel except for the noise amplitude. , This pixel (i,
Regarding j), surface smoothing (two-dimensional smoothing) is performed. Specifically, in steps 503 and 504, the threshold E
When the value of E min is smaller than 0 (<E1), all pixels of a matrix size of 3 * 3 or 5 * 5 are used for the pixel, and a simple average value of 9 points or 25 points (a blur occurs in the image) O (i,
j).
【００２５】〔実施例３〕実施例３を図６を用いて説明
する。実施例２では、方向検出を５＊５のマトリクスで
行った後、方向性の強さに応じて平滑化のためのマトリ
クスサイズを変化させ平滑化処理を行った。本実施例に
おいては、各画素ごとの局所構造における１次方向性が
明確に現われるマトリクスサイズを検出し、そのサイズ
のマトリクスで方向を検出して、平滑化処理を行うこと
を考える。Third Embodiment A third embodiment will be described with reference to FIG. In the second embodiment, after performing direction detection using a 5 * 5 matrix, a smoothing process is performed by changing a matrix size for smoothing according to the strength of the directionality. In the present embodiment, consider a case where a matrix size in which the primary directionality in the local structure of each pixel clearly appears is detected, a direction is detected using a matrix of the size, and smoothing processing is performed.
【００２６】〔ステップ６０１〕 入力画像Ｉの各画素
（ｉ，ｊ）ごとに、マトリクスサイズ５＊５で１次方向
成分の濃度変化の大きさd8(k)(k=1〜8)を計算する。[Step 601] For each pixel (i, j) of the input image I, the magnitude d8 (k) (k = 1 to 8) of the density change of the primary direction component is calculated with a matrix size of 5 * 5. I do.
【００２７】〔ステップ６０２〕 各画素（ｉ，ｊ）ご
と、以下で述べる局所構造性の判定ルーチンに行き、マ
トリクスサイズ５＊５での１次方向性の有意を判定。[Step 602] For each pixel (i, j), the routine goes to a local structure determination routine described below to determine the significance of the primary direction at a matrix size of 5 * 5.
【００２８】方向性がないならば、ステップ６０３へ 方向性があるならば、ステップ６０７へ 〔ステップ６０３〕 注目画素（ｉ，ｊ）において、マ
トリクスサイズ３＊３で１次方向成分の濃度変化の大き
さd4(k)(k=1〜4)を計算する。If there is no directionality, go to step 603. If there is directionality, go to step 607. [Step 603] At the pixel of interest (i, j), change in density of the primary direction component with matrix size 3 * 3 Calculate the size d4 (k) (k = 1 to 4).
【００２９】〔ステップ６０４〕 注目画素（ｉ，ｊ）
において、以下で述べる局所構造性の判定ルーチンに行
き、マトリクスサイズ３＊３での１次方向性の有意を判
定。[Step 604] Target pixel (i, j)
In, the routine goes to a local structure determination routine described below to determine the significance of the primary directionality at a matrix size of 3 * 3.
【００３０】方向性がないならば、ステップ６０５へ 方向性があるならば、ステップ６０６へ 〔ステップ６０５〕 注目画素（ｉ，ｊ）に対して、 Ｏ（ｉ，ｊ）＝Ｉ（ｉ，ｊ） 〔ステップ６０６〕 注目画素（ｉ，ｊ）に対して、１
次方向成分の濃度変化の大きさd4(k)(k=1〜4)の最小な
方向に対応するサイズ３＊３のテンプレートを重み関数
として、３点単純平均値をＯ（ｉ，ｊ）とする。If there is no direction, go to Step 605. If there is direction, go to Step 606. [Step 605] For the pixel of interest (i, j), O (i, j) = I (i, j) [Step 606] For the pixel of interest (i, j), 1
Using a template of size 3 * 3 corresponding to the minimum direction of the magnitude d4 (k) (k = 1 to 4) of the density change of the next direction component as a weighting function, the three-point simple average value is O (i, j). And
【００３１】〔ステップ６０７〕 注目画素（ｉ，ｊ）
に対して、１次方向成分の濃度変化の大きさd8(k)(k=1
〜8)の最小な方向に対応するサイズ５＊５のテンプレー
トを重み関数として、５点単純平均値をＯ（ｉ，ｊ）と
する。[Step 607] Target pixel (i, j)
On the other hand, the magnitude d8 (k) of the density change of the primary direction component (k = 1
The template of size 5 * 5 corresponding to the minimum direction of 88) is set as a weighting function, and a simple average value of five points is set to O (i, j).
【００３２】〔ステップ６０８〕 フィルター処理画像
として、Ｏ（ｉ，ｊ）を出力する。[Step 608] O (i, j) is output as a filtered image.
【００３３】〔局所構造性（局所方向性）の判定ルーチ
ン〕まず最初に、本発明のおいて画像の局所構造は１次
方向性だけを考えているので、局所領域における構造の
有無とその領域における方向性の有無とは同じ意味であ
る。ここで、構造の有無を判定する手段として、各１次
方向成分ｉの濃度変化の大きさＥiの最小値Ｅminに着目
して、Ｅminの値が小さいときにはフラットに近い領域
とし、Ｅminの値が大きいときにはその方向に構造のあ
る領域であると判断する方法について述べる。[Routine for Determining Local Structural Property (Local Directivity)] First, in the present invention, the local structure of an image considers only the primary directional property. Has the same meaning. Here, as means for determining the presence or absence of structures, focusing on the minimum value E min of the magnitude E i of the density change in the primary direction component i, and close to the flat area when the value of E min is small, E A method for judging a region having a structure in that direction when the value of min is large will be described.
【００３４】〔ステップ７０１〕 マトリクスサイズｎ
＊ｎにおいて、各１次方向成分ｉ＝１〜ｍの濃度変化の
大きさＥiに対して、最小値Ｅminを求める。[Step 701] Matrix size n
In * n, the minimum value E min is obtained for the magnitude E i of the density change of each primary direction component i = 1 to m.
【００３５】〔ステップ７０２〕 あらかじめ定められ
たしきい値Ｔに対して、Ｅmin＜Ｔ ならば、構造があ
ると判定Ｅmin≧Ｔ ならば、構造がないと判定構造性
（方向性）の有無の判定に関するもう１つの手段とし
て、次のような方法がある。ｎ＊ｎのマトリクスにおい
て各１次方向成分の濃度変化の大きさＥi（ｉ＝１〜
ｍ）とする。図８は、Ｅi（ｉ＝１〜ｍ）を数直線上に
並べたものであるが、もし注目画素のｎ＊ｎ領域に方向
性がないときは図８（１）が示すように、各1次方向成
分の濃度変化の大きさＥi（ｉ＝１〜ｍ）を比べてもあ
まり変化がなく、Ｅi（ｉ＝１〜ｍ）は数直線上１つの
塊りを作る。しかし、注目画素のｎ＊ｎ領域に方向性が
あるときは図８（２）が示すように、濃度変化の少ない
方向と濃度変化の大きい方向の少なくとも２つの塊がで
きる。そして、その２つの塊は方向性が明確なほどその
距離が離れてくる。このような性質を利用して、方向性
を検出する方法について述べる。[Step 702] With respect to a predetermined threshold value T, if E min <T, it is determined that there is a structure. If E min ≧ T, it is determined that there is no structure. As another means for determining the presence or absence, there is the following method. In a matrix of n * n, the magnitude E i (i = 1 to 1) of the density change of each primary direction component
m). FIG. 8 is a graph in which E i (i = 1 to m) are arranged on a number line. If the n * n region of the pixel of interest has no directionality, as shown in FIG. The magnitude of the density change E i (i = 1 to m) of each primary direction component does not change much, and E i (i = 1 to m) forms one lump on a number line. However, when the n * n area of the pixel of interest has directionality, at least two clusters are formed in a direction with a small change in density and a direction with a large change in density, as shown in FIG. The distance between the two blocks increases as the direction becomes clearer. A method for detecting directionality using such properties will be described.
【００３６】〔ステップ９０１〕 マトリクスサイズｎ
＊ｎにおいて、各１次方向成分ｉ＝１〜ｍの濃度変化の
大きさＥiの最大値Ｅmaxと最小値Ｅminを求める。[Step 901] Matrix size n
In * n, we obtain the maximum value E max and the minimum value E min of the magnitude E i of the density change in the primary direction component i = 1 to m.
【００３７】〔ステップ９０２〕 Ｄ＝Ｅmax−Ｅminに
対して、Ｄ＞Ｔ ならば、方向性があると判定Ｄ≦Ｔ
ならば、方向性がないと判定濃度値が大きい構造物は、
平滑化処理によりぼけると非常に目立つ。従って、濃度
値が大きい画素において、大きいサイズのマトリクスで
は明確に方向性のある場合以外は方向性は無いと判定し
た方が良い場合もある。このように、注目画素の濃度値
に応じて、局所構造の判定を行うことも考えられる。以
下、このような方法について説明する。[Step 902] For D = E max -E min , if D> T, it is determined that there is directionality. D ≦ T
Then, a structure with a large concentration value that determines that there is no directionality is
When the image is blurred by the smoothing process, it is very conspicuous. Therefore, in a pixel having a large density value, it may be better to determine that there is no directivity except for a case where a large-sized matrix has a clear directivity. As described above, it is conceivable to determine the local structure according to the density value of the target pixel. Hereinafter, such a method will be described.
【００３８】〔ステップ１００１〕 各１次方向成分ｉ
＝１〜ｎの濃度変化の大きさＥiに対して、最大値Ｅmax
と最小値Ｅminを求める。[Step 1001] Each primary direction component i
= 1 to n, the maximum value E max for the magnitude E i of the density change
And the minimum value E min .
【００３９】〔ステップ１００２〕 Ｅmin＜０．４＊Ｅmax ならば、方向性があると判定 Ｅmin≧０．４＊Ｅmax ならば、方向性がないと判定 この処理は、Ｅmax値が方向性の判定に影響する。すな
わち、濃度値が高いほどＥmaxと０．４＊Ｅmaxの幅が広
くなり、Ｅmin＜０．４＊Ｅmaxとなりにくく、各１次方
向成分の濃度変化の大きさが多少揺らいでも、その領域
に方向性があると判断しない。逆に、濃度値が低いほど
Ｅmaxと０．４＊Ｅmaxの幅が狭くなり、Ｅmin＜０．４
＊Ｅmaxとなりやすく、その領域に方向性があると判定
する頻度が多くなる。[0039] [Step 1002] If E min <0.4 * E max, if the determination E min ≧ 0.4 * E max is directional, determines that there is no directivity this process, E max value Affects the determination of direction. That is, the width of the higher density value E max and 0.4 * E max becomes wider, less likely and E min <0.4 * E max, also fluctuates size a little change in concentration of each primary direction component, It does not determine that the area has directionality. Conversely, the width of the lower density value E max and 0.4 * E max is narrowed, E min <0.4
* Emax tends to occur, and the frequency of determining that the area has directionality increases.
【００４０】〔実施例５〕実施例５を図１１を用いて説
明する。実施例１では、３＊３のマトリクスで局所構造
の方向を検出し、平滑化処理を行った。本実施例では、
構造のぼけを防ぎながら、３＊３における平滑化の効果
を強めるために、まず各画素ごと３＊３のマトリクスで
濃度変化の最小な方向を検出したのち、３＊３のマトリ
クスの検出方向両端点における画素で、再び濃度変化の
最小な方向を求め平滑化領域を５＊５に広げることを考
える。図１２を使って説明すると、３＊３で方向を検出
してテンプレートの１２０１、１２０２、１２０３、１
２０４のいずれかになったとき、それぞれのテンプレー
トにおいて、濃度変化の最小な丸印および丸印’の番号
の方向に平滑化領域を拡張する。実施例１において、５
＊５のマトリクスで局所構造の方向を検出する場合、濃
度変化が最小な方向においても検出方向の端点の画素で
無視できない構造物を拾ってしまい、この方向に平滑化
処理を行うことによって画像がぼけるということがあ
る。しかし本実施例では、３＊３のマトリクスの領域で
局所構造の直線性を検出したのち、平滑化によって最も
影響の少ない方向に平滑化領域を拡大するのでこのよう
な問題は緩和される。Fifth Embodiment A fifth embodiment will be described with reference to FIG. In the first embodiment, the direction of the local structure is detected using a 3 * 3 matrix, and a smoothing process is performed. In this embodiment,
In order to enhance the smoothing effect in 3 * 3 while preventing blurring of the structure, first detect the direction of the minimum density change using a 3 * 3 matrix for each pixel, and then both ends in the detection direction of the 3 * 3 matrix It is considered that the direction at which the density change is minimum is obtained again at the pixel at the point and the smoothed area is expanded to 5 * 5. Referring to FIG. 12, the direction is detected by 3 * 3 and the template 1201, 1202, 1203, 1
When any one of the templates 204 is selected, the smoothed area is expanded in the direction of the number of the circle with the smallest density change and the number of the circle 'in each template. In Example 1, 5
When the direction of the local structure is detected by the matrix of * 5, even in the direction in which the density change is the smallest, a pixel that cannot be ignored at the end point of the detection direction is picked up. Sometimes blurred. However, in this embodiment, since the linearity of the local structure is detected in the 3 * 3 matrix area, the smoothing area is expanded in the direction of least influence by the smoothing, so that such a problem is reduced.
【００４１】〔ステップ１１０１〕 入力画像Ｉの各画
素（ｉ，ｊ）ごとに、マトリクスサイズ３＊３で１次方
向成分の濃度変化の大きさd4(k)(k=1〜4)を計算する。[Step 1101] For each pixel (i, j) of the input image I, the magnitude d4 (k) (k = 1 to 4) of the density change of the primary direction component is calculated with a matrix size of 3 * 3. I do.
【００４２】〔ステップ１１０２〕 各画素（ｉ，ｊ）
ごとに、１次方向成分の濃度変化の大きさd4(k)(k=1〜
4)が最小な１次方向成分を求める。[Step 1102] Each pixel (i, j)
The magnitude d4 (k) of the density change of the primary direction component (k = 1 to
4) finds the minimum primary direction component.
【００４３】〔ステップ１１０３〕 ステップ１１０２
における検出方向に応じて、以下のように各テンプレー
ト１２０１、１２０２、１２０３、１２０４における丸
印および丸印’の各番号の方向への濃度差の絶対値d1
(k),d2(k)を計算する。そして、濃度差の絶対値d1(k),d
2(k)が最小な方向に平滑化領域を拡張する。[Step 1103] Step 1102
, The absolute value d1 of the density difference of each template 1201, 1202, 1203, and 1204 in the directions of the circles and the circles ′ in the directions of the respective numbers as follows.
Calculate (k) and d2 (k). Then, the absolute value of the density difference d1 (k), d
2 (k) extends the smoothed area in the direction of the minimum.
【００４４】 検出方向が１２０１のとき、 d1(1)=|I(i+1,j-1)-I(i,j-2)| ' d2(1)=|I(i-1,j+1)-I(i-2,j)| d1(2)=|I(i+1,j-1)-I(i+1,j-2)| ' d2(2)=|I(i-1,j+1)-I(i-2,j+1)| d1(3)=|I(i+1,j-1)-I(i+2,j-2)| ' d2(3)=|I(i-1,j+1)-I(i-2,j+2)| d1(4)=|I(i+1,j-1)-I(i+2,j-1)| ' d2(4)=|I(i-1,j+1)-I(i-1,j+2)| d1(5)=|I(i+1,j-1)-I(i+2,j)| ' d2(5)=|I(i-1,j+1)-I(i,j+2)| 検出方向が１２０２のとき、 d1(1)=|I(i-1,j-1)-I(i,j-2)| ' d2(1)=|I(i+1,j+1)-I(i,j+2)| d1(2)=|I(i-1,j-1)-I(i-1,j-2)| ' d2(2)=|I(i+1,j+1)-I(i+1,j+2)| d1(3)=|I(i-1,j-1)-I(i-2,j-2)| ' d2(3)=|I(i+1,j+1)-I(i+2,j+2)| d1(4)=|I(i-1,j-1)-I(i-2,j-1)| ' d2(4)=|I(i+1,j+1)-I(i+2,j+1)| d1(5)=|I(i-1,j-1)-I(i-2,j)| ' d2(5)=|I(i+1,j+1)-I(i+2,j)| 検出方向が１２０３のとき、 d1(1)=|I(i-1,j)-I(i-2,j-1)| ' d2(1)=|I(i+1,j+1)-I(i+2,j-1)| d1(2)=|I(i-1,j)-I(i-2,j)| ' d2(2)=|I(i+1,j+1)-I(i+2,j)| d1(3)=|I(i-1,j)-I(i-2,j+1)| ' d2(3)=|I(i+1,j+1)-I(i+2,j+1)| 検出方向が１２０４のとき、 d1(1)=|I(i,j-1)-I(i-1,j-2)| ' d2(1)=|I(i,j+1)-I(i-1,j+2)| d1(2)=|I(i,j-1)-I(i,j-2)| ' ｄ２（２）＝｜Ｉ（ｉ，ｊ＋１）
−Ｉ（ｉ，ｊ＋２）｜ d1(3)=|I(i,j-1)-I(i+1,j-2)| ' d2(3)=|I(i,j+1)-I(i+1,j+2)| 〔ステップ１１０４〕各画素（ｉ，ｊ）ごと、ステップ
１１０３で決定された平滑化領域にしたがって、５点単
純平均Ｏ（ｉ，ｊ）を計算する。When the detection direction is 1201, d1 (1) = | I (i + 1, j-1) -I (i, j-2) | 'd2 (1) = | I (i-1, j +1) -I (i-2, j) | d1 (2) = | I (i + 1, j-1) -I (i + 1, j-2) | 'd2 (2) = | I ( i-1, j + 1) -I (i-2, j + 1) | d1 (3) = | I (i + 1, j-1) -I (i + 2, j-2) | 'd2 (3) = | I (i-1, j + 1) -I (i-2, j + 2) | d1 (4) = | I (i + 1, j-1) -I (i + 2, j-1) | 'd2 (4) = | I (i-1, j + 1) -I (i-1, j + 2) | d1 (5) = | I (i + 1, j-1) -I (i + 2, j) | 'd2 (5) = | I (i-1, j + 1) -I (i, j + 2) | When the detection direction is 1202, d1 (1) = | I (i-1, j-1) -I (i, j-2) | 'd2 (1) = | I (i + 1, j + 1) -I (i, j + 2) | d1 (2 ) = | I (i-1, j-1) -I (i-1, j-2) | 'd2 (2) = | I (i + 1, j + 1) -I (i + 1, j +2) | d1 (3) = | I (i-1, j-1) -I (i-2, j-2) | 'd2 (3) = | I (i + 1, j + 1)- I (i + 2, j + 2) | d1 (4) = | I (i-1, j-1) -I (i-2, j-1) | 'd2 (4) = | I (i + 1, j + 1) -I (i + 2, j + 1) | d1 (5) = | I (i-1, j-1) -I (i-2, j) | 'd2 (5) = | I (i + 1, j + 1) -I (i + 2, j) | When the detection direction is 1203, d1 (1) = | I (i-1, j) -I (i-2, j -1) | 'd2 (1) = | I (i + 1, j + 1) -I (i + 2, j-1) | d1 (2) = | I (i-1, j) -I ( i-2, j) | 'd2 (2) = | I (i + 1, j + 1) -I (i + 2, j) | d1 (3) = | I (i-1, j) -I (i-2, j + 1) | 'd2 (3) = | I (i + 1, j + 1) -I (i + 2, j + 1) | When the detection direction is 1204, d1 (1) = | I (i, j-1) -I (i-1, j-2) | 'd2 (1) = | I (i, j + 1) -I (i-1, j + 2) | d1 (2) = | I (i, j-1) -I (i, j-2) | 'd2 (2) = | I (i , J + 1)
−I (i, j + 2) | d1 (3) = | I (i, j-1) -I (i + 1, j-2) | ′ d2 (3) = | I (i, j + 1)- I (i + 1, j + 2) | [Step 1104] For each pixel (i, j), a 5-point simple average O (i, j) is calculated according to the smoothed area determined in Step 1103.
【００４５】〔ステップ１１０５〕 フィルター処理画
像として、Ｏを出力する。[Step 1105] O is output as a filtered image.
【００４６】〔実施例６〕本実施例を図１３を用いて説
明する。本実施例では、局所構造の方向性の解析にウェ
ーブレット変換を利用する。ウェーブレット変換は、実
空間上局在する関数のシフト変換、スケール変換からな
る基底関数によって、データを解析する手法であり、そ
の基底関数の局在性からデータの突発的な変化の解析に
優れている。本実施例では、２次元画像データのウェー
ブレット変換として、Mallatのサブバンドコーディング
(Mallat.S.G.,IEEE Trans.on PAMI,vol.11,No.7,pp674-
693,1989.)利用する。Mallatのサブバンドコーディング
は、画像の解像度を１／２ずつ落しながら画像の縦、
横、斜めという構造成分を表す３つの詳細画像と低解像
度画像に分離していく方法である。またそこで使われる
high-pass,low-passフィルターは、Daubechiesの4tap正
則フィルター(I D-aubechies,Commun.Pure Appl.Math.,
vol.41,pp.909-996,November 1988)を使う。図１４はサ
ブバンドコーディングによるウェーブレット表現を示す
図である。Ｄ2,iｆは、縦方向にhigh-passフィルター、
横方向にlow-passフィルターがかかっているので、解像
度を１／２に落した画像の横方向の構造が現われる。同
様に、Ｄ1,iｆは、横方向にhigh-passフィルター、縦方
向にlow-passフィルターがかかっているので、解像度を
１／２に落した画像の縦方向の構造が現われる。最後
に、Ｄ3,iｆは、横方向にhigh-passフィルター、縦方向
にhigh-passフィルターがかかっているので、解像度を
１／２に落した画像の斜め方向の構造が現われる。この
詳細画像の性質を利用して、局所構造の方向成分の解析
を行う。[Embodiment 6] This embodiment will be described with reference to FIG. In this embodiment, a wavelet transform is used for analyzing the directionality of the local structure. The wavelet transform is a method of analyzing data by a basis function consisting of shift transformation and scale transformation of a function localized in a real space, and is excellent in analyzing sudden changes in data due to the locality of the basis function. I have. In this embodiment, Mallat subband coding is performed as a wavelet transform of two-dimensional image data.
(Mallat.SG, IEEE Trans.on PAMI, vol.11, No.7, pp674-
693, 1989.) Mallat's sub-band coding reduces the image resolution by half,
This is a method of separating into three detailed images representing the structural components of horizontal and oblique and a low-resolution image. Also used there
The high-pass and low-pass filters are Daubechies 4tap regular filters (ID-aubechies, Commun.Pure Appl.Math.,
vol.41, pp.909-996, November 1988). FIG. 14 is a diagram showing a wavelet expression by sub-band coding. D 2, if is a high-pass filter in the vertical direction,
Since the low-pass filter is applied in the horizontal direction, the horizontal structure of the image with the resolution reduced to half appears. Similarly, D1 , if has a high-pass filter applied in the horizontal direction and a low-pass filter applied in the vertical direction, so that the vertical structure of the image with the resolution reduced to half appears. Finally, D3 , if is subjected to a high-pass filter in the horizontal direction and a high-pass filter in the vertical direction, so that an oblique structure of the image whose resolution is reduced by half appears. The directional component of the local structure is analyzed using the property of the detailed image.
【００４７】〔ステップ１３０１〕 画像データＩをウ
ェーブレット変換し、詳細画像Ｄ3,iＩ、Ｄ2,iＩ、Ｄ
1,iＩと低解像度画像Ａ1,iＩに分解する。[Step 1301] The image data I is subjected to a wavelet transform to obtain detailed images D 3, i I, D 2, i I, D
1, i I decomposing the low-resolution image A 1, i I.
【００４８】〔ステップ１３０２〕 全ての画素（ｉ，
ｊ）に対して、 Ｄ'3,iＩ（ｉ，ｊ）＝０、Ｄ'2,iＩ（ｉ，ｊ）＝０、
Ｄ'1,iＩ（ｉ，ｊ）＝０ 〔ステップ１３０３〕 各画素（ｉ，ｊ）ごとに、あら
かじめ定められたしきい値Ｔ3,i、Ｔ2,i、Ｔ1,iに対し
て、 ｜Ｄ3,iＩ（ｉ，ｊ）｜＞Ｔ3,iのとき Ｄ'3,iＩ（ｉ＋ｋ，ｊ＋ｌ）＝Ｄ3,iＩ（ｉ＋ｋ，ｊ＋
ｌ） （ｋ，ｌ＝−３〜３） ｜Ｄ2,iＩ（ｉ，ｊ）｜＞Ｔ2,iのとき Ｄ'2,iＩ（ｉ＋ｋ，ｊ＋ｌ）＝Ｄ2,iＩ（ｉ＋ｋ，ｊ＋
ｌ） （ｋ，ｌ＝−３〜３） ｜Ｄ1,iＩ（ｉ，ｊ）｜＞Ｔ1,iのとき Ｄ'1,iＩ（ｉ＋ｋ，ｊ＋ｌ）＝Ｄ1,iＩ（ｉ＋ｋ，ｊ＋
ｌ） （ｋ，ｌ＝−３〜３） 〔ステップ１３０４〕 ステップ１３０３で処理した
Ｄ'3,iＩ、Ｄ'2,iＩ、Ｄ'1,iＩとＡ1,iＩから、逆ウェ
ーブレット変換による再生画像をＯとする。[Step 1302] All pixels (i,
j ′), D ′ 3, i I (i, j) = 0, D ′ 2, i I (i, j) = 0,
D ′ 1, i I (i, j) = 0 [Step 1303] For each pixel (i, j), a predetermined threshold value T 3, i , T 2, i , T 1, i When | D 3, i I (i, j) |> T 3, i , D ′ 3, i I (i + k, j + 1) = D 3, i I (i + k, j +
l) (k, l = −3 to 3) | D 2, i I (i, j) |> T 2, i D ′ 2, i I (i + k, j + l) = D 2, i I (i + k , J +
l) (k, l = −3 to 3) | D 1, i I (i, j) |> T 1, i D ′ 1, i I (i + k, j + 1) = D 1, i I (i + k) , J +
l) (k, l = -3 to 3) [Step 1304] From D ′ 3, i I, D ′ 2, i I, D ′ 1, i I and A 1, i I processed in step 1303, The reproduced image by the wavelet transform is set to O.
【００４９】〔ステップ１３０５〕 フィルター処理画
像として、Ｏを出力する。[Step 1305] O is output as a filtered image.
【００５０】[0050]
【発明の効果】本発明により、画像のぼけや濃度むらを
引き起こさない画像処理が可能になる。According to the present invention, it is possible to perform image processing without causing image blur and uneven density.
【図１】本発明の１実施例の処理手順を示すフローチャ
ートである。FIG. 1 is a flowchart illustrating a processing procedure according to an embodiment of the present invention.
【図２】本発明の実施例１における１次方向成分の例を
示す図である。FIG. 2 is a diagram illustrating an example of a primary direction component in Embodiment 1 of the present invention.
【図３】本発明の実施例１における１次方向成分の例を
示す図である。FIG. 3 is a diagram illustrating an example of a primary direction component in Embodiment 1 of the present invention.
【図４】本発明の実施例１における１次方向成分の例を
示す図である。FIG. 4 is a diagram illustrating an example of a primary direction component in the first embodiment of the present invention.
【図５】本発明の１実施例の処理手順を示すフローチャ
ートである。FIG. 5 is a flowchart illustrating a processing procedure according to an embodiment of the present invention.
【図６】本発明の１実施例の処理手順を示すフローチャ
ートである。FIG. 6 is a flowchart illustrating a processing procedure according to an embodiment of the present invention.
【図７】本発明の実施例４における局所方向性の判定ル
ーチンの処理手順を示すフローチャートである。FIG. 7 is a flowchart illustrating a processing procedure of a local directivity determination routine according to a fourth embodiment of the present invention.
【図８】本発明の実施例４における局所方向性の判定ル
ーチンの処理手順を示すフローチャートである。FIG. 8 is a flowchart illustrating a processing procedure of a local directionality determination routine according to a fourth embodiment of the present invention.
【図９】本発明の局所方向性の判定の１例を説明する図
である。FIG. 9 is a diagram illustrating an example of determination of local directivity according to the present invention.
【図１０】本発明の実施例４における局所方向性の判定
ルーチンの処理手順を示すフローチャートである。FIG. 10 is a flowchart illustrating a processing procedure of a local directivity determination routine according to a fourth embodiment of the present invention.
【図１１】本発明の１実施例の処理手順を示すフローチ
ャートである。FIG. 11 is a flowchart illustrating a processing procedure according to an embodiment of the present invention.
【図１２】本発明の実施例５における、マトリクスサイ
ズ３＊３から５＊５に拡張するパターンを示す図であ
る。FIG. 12 is a diagram showing a pattern extending from a matrix size of 3 * 3 to 5 * 5 in Embodiment 5 of the present invention.
【図１３】本発明の１実施例の処理手順を示すフローチ
ャートである。FIG. 13 is a flowchart illustrating a processing procedure according to an embodiment of the present invention.
【図１４】サブバンドコーディングによるウェーブレッ
ト表現を示す図である。FIG. 14 is a diagram illustrating a wavelet expression by sub-band coding.
１０１…各画素ごとに、各１次方向成分の濃度変化の大
きさを計算するステップ、 １０２…各画素ごとに、濃度変化の大きさが最小な方向
を検出するステップ、１０３…検出した方向に平滑化処
理を行うステップ。 ２０１…マトリクスサイズ３＊３のときの局所方向性の
方向成分の一つ、 ２０２…マトリクスサイズ３＊３のときの局所方向性の
方向成分の一つ、 ２０３…マトリクスサイズ３＊３のときの局所方向性の
方向成分の一つ、 ２０４…マトリクスサイズ３＊３のときの局所方向性の
方向成分の一つ、 ４０１…マトリクスサイズ５＊５のときの局所方向性の
方向成分の一つ、 ４０２…マトリクスサイズ５＊５のときの局所方向性の
方向成分の一つ、 ４０３…マトリクスサイズ５＊５のときの局所方向性の
方向成分の一つ、 ４０４…マトリクスサイズ５＊５のときの局所方向性の
方向成分の一つ、 ４０５…マトリクスサイズ５＊５のときの局所方向性の
方向成分の一つ、 ４０６…マトリクスサイズ５＊５のときの局所方向性の
方向成分の一つ、 ４０７…マトリクスサイズ５＊５のときの局所方向性の
方向成分の一つ、 ４０８…マトリクスサイズ５＊５のときの局所方向性の
方向成分の一つ、 ５０１…各画素ごとに、各１次方向成分の濃度変化の大
きさをマトリクスサイズ５＊５で計算するステップ、 ５０２…各画素ごとに、濃度変化の大きさが最小になる
方向を検出するステップ、 ５０３…しきい値処理により、平滑化のためのマトリク
スサイズを決定するステップ、 ５０４…ステップ５０３で決定されたマトリクスサイズ
に従って、平滑化処理を行うステップ、 ６０１…各画素ごとに、各１次方向成分の濃度変化の大
きさをマトリクスサイズ５＊５で計算するステップ、 ６０２…しきい値処理により、マトリクスサイズ５＊５
で平滑化するか、方向検出をマトリクスサイズ３＊３で
やり直すかを決定するステップ、 ６０３…注目画素において、濃度変化の大きさが最小に
なる方向を検出するステップ、 ６０４…しきい値処理により、マトリクスサイズ３＊３
で平滑化するか、注目画素をそのまま埋め込むかの決定
するステップ、 ６０５…注目画素をそのまま埋め込むステップ、 ６０６…マトリクスサイズ３＊３で平滑化処理を行うス
テップ、 ６０７…マトリクスサイズ５＊５で平滑化処理を行うス
テップ、 １１０１…各画素ごとに、各１次方向成分の濃度変化の
大きさをマトリクスサイズ３＊３で計算するステップ、 １１０２…各画素ごとに、濃度変化の大きさが最小にな
る方向を検出するステップ、 １１０３…各画素ごとに、検出方向に応じて濃度変換の
最小な方向に平滑化領域を拡張するステップ、 １１０４…各画素ごと決定された平滑化領域（５＊５）
に従って、平滑化処理を行うステップ、 １２０１…マトリクスサイズを３＊３から５＊５に拡張
する方法、 １２０２…マトリクスサイズを３＊３から５＊５に拡張
する方法、 １２０３…マトリクスサイズを３＊３から５＊５に拡張
する方法、 １２０４…マトリクスサイズを３＊３から５＊５に拡張
する方法、 １３０１…画像データをウェーブレット変換するステッ
プ、 １３０２…ゼロクリアーされた詳細画像を用意するステ
ップ、 １３０３…各詳細画像に対して、あらかじめ定められた
しきい値より大きい画素値の絶対値を持つ画素周辺をス
テップ１３０２で用意した詳細画像に埋め込む、 １３０４…ステップ１３０３で処理した詳細画像と低解
像度画像から逆ウェーブレット変換するステップ。101: a step of calculating the magnitude of the density change of each primary direction component for each pixel; 102: a step of detecting a direction in which the magnitude of the density change is minimum for each pixel; 103: a direction of the detected direction Performing a smoothing process; 201: One of the direction components of the local directionality when the matrix size is 3 * 3, 202: One of the direction components of the local directionality when the matrix size is 3 * 3, 203: When the matrix size is 3 * 3 One of the local components of the local directivity, 204... One of the local components of the local directivity when the matrix size is 3 * 3, 401. 402: One of the directional components of the local directional property when the matrix size is 5 * 5, 403: One of the directional components of the local directional property when the matrix size is 5 * 5, 404: When the matrix size is 5 * 5 One of the local directional components, 405, one of the local directional components when the matrix size is 5 * 5, 406, one of the local directional components when the matrix size is 5 * 5, 407: One of the directional components of the local directional property when the matrix size is 5 * 5, 408: One of the directional components of the local directional property when the matrix size is 5 * 5, 501: Each primary element for each pixel Calculating the magnitude of the density change of the directional component with a matrix size of 5 * 5; 502: detecting the direction in which the magnitude of the density change is minimum for each pixel; 503: smoothing by threshold processing 504: a step of performing a smoothing process in accordance with the matrix size determined in step 503; 601: a matrix representing the magnitude of the density change of each primary direction component for each pixel Step of calculating with size 5 * 5, 602: matrix size 5 * 5 by threshold processing
603: a step of determining whether to perform smoothing or redo the direction detection with a matrix size of 3 * 3, 603: detecting a direction in which the magnitude of the density change is minimum in the target pixel, 604: performing threshold processing , Matrix size 3 * 3
605: Step of embedding the pixel of interest as it is, 605: Step of performing a smoothing process with a matrix size of 3 * 3, 607: Smoothing by matrix size of 5 * 5 1101... For each pixel, calculating the magnitude of the density change of each primary direction component with a matrix size of 3 * 3. 1102... For each pixel, minimizing the magnitude of the density change. A step of detecting a direction of the pixel; 1103: a step of expanding a smoothed area for each pixel in a direction of a minimum density conversion in accordance with the detection direction; 1104; a smoothed area determined for each pixel (5 * 5)
A step of performing a smoothing process in accordance with the following: 1201 a method of expanding the matrix size from 3 * 3 to 5 * 5; a method of expanding the matrix size from 3 * 3 to 5 * 5; 1203 a method of expanding the matrix size of 3 * A method of extending the matrix size from 3 to 5 * 5, a method of extending the matrix size from 3 * 3 to 5 * 5, a process of performing a wavelet transform on image data, a process of preparing a zero-cleared detailed image, 1303: For each detail image, embed the periphery of pixels having an absolute value of a pixel value larger than a predetermined threshold value in the detail image prepared in step 1302. 1304 ... Detail image processed in step 1303 and low resolution Inverse wavelet transform from the image.
───────────────────────────────────────────────────── フロントページの続き (72)発明者 佐野 耕一 神奈川県川崎市麻生区王禅寺1099番地 株 式会社日立製作所システム開発研究所内 (72)発明者 田口 順一 神奈川県川崎市麻生区王禅寺1099番地 株 式会社日立製作所システム開発研究所内 ──────────────────────────────────────────────────の Continued on the front page (72) Inventor Koichi Sano 1099 Ozenji Temple, Aso-ku, Kawasaki City, Kanagawa Prefecture Inside Hitachi, Ltd.System Development Laboratory (72) Inventor Junichi Taguchi 1099 Ozenji Temple, Aso-ku, Kawasaki City, Kanagawa Prefecture Stock Company Hitachi, Ltd. System Development Laboratory
Claims (17)
対象画素への画像処理方法であって，前記対象画素を中
心に複数の一次元方向成分ごとに濃度変化の大きさを評
価するステップと、 前記濃度変化の大きさの評価結果の中で、濃度変化が最
小となる一次元方向を選択するステップと、 前記対象画素を中心として、前記濃度変化が最小となる
一次元方向の、前記画像データに含まれる他の画素の情
報を元に、前記対象画素の処理値を求める画像処理を行
なうステップとからなることを特徴とする画像処理方
法。An image processing method for a target pixel included in image data composed of a plurality of pixels, the method comprising: evaluating a magnitude of a density change for each of a plurality of one-dimensional components around the target pixel. Selecting a one-dimensional direction in which the density change is minimum from the evaluation results of the magnitude of the density change; and the image in the one-dimensional direction in which the density change is minimum, with the target pixel as the center. Performing image processing for obtaining a processing value of the target pixel based on information of another pixel included in the data.
対象画素への画像処理方法であって，前記対象画素を含
む複数の一次元方向成分ＤIRｉ（２≦ｉ≦ｎ）ごとに濃
度変化の大きさＥｉを計算するステップと，前記対象画
素において，前記複数のＥｉのうち，最小の前記濃度変
化の大きさＥｍｉｎを持つ一次元方向成分ＤIRｍｉｎを
選択するステップと，前記ＤIRｍｉｎ上に在る画素の情
報を用いて前記対象画素への画像処理を行うステップと
からなることを特徴とする画像処理方法。2. An image processing method for a target pixel included in image data composed of a plurality of pixels, wherein a density change is performed for each of a plurality of one-dimensional direction components DIR i (2 ≦ i ≦ n) including the target pixel. Calculating the magnitude E i of the target pixel, selecting the one-dimensional direction component DIR min having the smallest magnitude E min of the density change among the plurality of E i in the target pixel, performing image processing on the target pixel by using information of the pixel existing on the min .
特徴とする請求項１または２の画像処理方法。3. The image processing method according to claim 1, wherein said image processing is a smoothing processing.
記各ＤIRｉ上にある画素の濃度の差に基づいて計算する
請求項２または３の画像処理方法。4. A step of calculating the E i, the image processing method according to claim 2 or 3, calculated on the basis of the difference between the density of a pixel in the on each DIR i.
記各DIRｉ上にある隣接画素どうし濃度差の絶対値の和
として計算する請求項２ないし４いずれかの画像処理方
法。5. A step of calculating the E i, the claims 2 to 4 or an image processing method for calculating a sum of absolute values of adjacent pixels each other density difference located on each Diri.
画素＊５画素のマトリクス領域に含まれる画素の情報を
用いて行なうことを特徴とする請求項２ないし５いずれ
かの画像処理方法。Wherein a said n = 8, 5 further step of calculating the E i is including the target pixel
6. The image processing method according to claim 2, wherein the image processing is performed using information on pixels included in a matrix area of pixels * 5 pixels.
Rｍｉｎと前記Ｅｍｉｎとから画像処理に使う領域を決
定するステップと，前記画像処理に使う領域に含まれる
画素を用いて前記画像処理を行なうステップとを含むこ
とを特徴とする請求項２ないし７記載の画像処理方法。7. The step of performing the image processing includes the step of
3. The method according to claim 2, further comprising: determining a region to be used for image processing from R min and said E min; and performing the image processing using pixels included in the region to be used for image processing. 7. The image processing method according to 7.
象画素に対する前記DIRｍｉｎと前記Ｅｍｉｎとから，
前記画像処理方法として，２次元画像処理、または１次
元画像処理を選択するステップを備えることを特徴とす
る画像処理方法。8. The step of performing the image processing includes: determining the DIR min and the E min for the target pixel by using
An image processing method comprising the step of selecting two-dimensional image processing or one-dimensional image processing as the image processing method.
大きさＥiを各１次方向成分ｉごとに計算するステップ
と、各画素ごとに濃度変化の大きさＥiが最小な方向及
びその最小値Ｅminから、２次元平滑化を行うか１次元
平滑化を行うかの平滑化次元の決定及び平滑化のための
マトリクスサイズを決定するステップと、各画素ごとに
決定された平滑化のためのマトリクスサイズ及び平滑化
次元に従い、２次元平滑化の場合は面平滑化処理を、１
次元平滑化の場合は平滑化のためのマトリクスサイズに
従って検出された方向に平滑化処理を行うステップを持
つことを特徴とするノイズ低減フィルター。For each pixel 9. The image data, calculating a magnitude E i of the density change in each primary direction component i, the minimum size E i is the direction of density change for each pixel Determining a smoothing dimension for performing two-dimensional smoothing or one-dimensional smoothing and determining a matrix size for smoothing from the minimum value E min and the smoothing determined for each pixel. According to the matrix size and the smoothing dimension for smoothing, in the case of two-dimensional smoothing,
In the case of dimensional smoothing, a noise reduction filter having a step of performing a smoothing process in a direction detected according to a matrix size for smoothing.
に計算された濃度変化の大きさＥiの最小値Ｅminが、あ
らかじめ定められたしきい値以下のときその画素におい
て２次元平滑化を行う請求項９のノイズ低減フィルタ
ー。10. In each pixel, the minimum value E min of the magnitude E i of the calculated density change for each primary direction component i is two-dimensional smoothing at that pixel when the following predetermined threshold The noise reduction filter according to claim 9, wherein the noise reduction filter performs the conversion.
の大きさＥiを各１次方向成分ｉごとに計算するステッ
プと、各画素ごとに濃度変化の大きさＥiが最小な方向
及びその最小値Ｅminからマトリクスサイズを決定する
ステップと、決定された方向のマトリクスの端点からマ
トリクスの外部に向かって、濃度変化の大きさＥiが最
小な方向に平滑化領域を拡大するステップと、各画素に
おいて決定された平滑化領域において平滑化処理を行う
ステップを持つことを特徴とするノイズ低減フィルタ
ー。For each pixel 11. The image data, calculating a magnitude E i of the density change in each primary direction component i, the minimum size E i is the direction of density change for each pixel Determining the matrix size from the minimum value Emin and expanding the smoothed area in the direction in which the density change magnitude Ei is minimum from the end point of the matrix in the determined direction to the outside of the matrix. And a step of performing a smoothing process on a smoothed area determined for each pixel.
スサイズを単調に減少させながら各マトリクスサイズで
局所構造の方向性の有無を判定するとき、注目画素にお
いて局所構造に方向性が有ると判定される最初のマトリ
クスサイズを求めるステップと、各画素ごと決定された
マトリクスサイズで濃度変化の大きさＥiが最小な１次
方向成分の検出を行うステップと、各画素ごとに決定さ
れたマトリクスサイズに従って検出された方向に平滑化
処理を行うことを特徴とするノイズ低減フィルター。12. When determining the presence or absence of directivity of a local structure at each matrix size while monotonically decreasing the matrix size for each pixel of image data, determining that the local structure has directivity at the pixel of interest. determining a first matrix size to be a step of magnitude E i of the density change to detect the smallest primary direction component in matrix size determined for each pixel, a matrix size determined for each pixel A noise reduction filter for performing a smoothing process in a direction detected according to the following.
１により、各マトリクスサイズで局所構造の方向性の有
無を判定する請求項１２のノイズ低減フィルター。13. A matrix size of 5 * 5, 3 * 3, 1 *
13. The noise reduction filter according to claim 12, wherein the presence / absence of the directivity of the local structure is determined for each matrix size.
り、各マトリクスサイズで局所構造の方向性の有無を判
定する請求項１２のノイズ低減フィルター。14. The noise reduction filter according to claim 12, wherein the presence or absence of directivity of the local structure is determined for each matrix size based on the matrix sizes 3 * 3 and 1 * 1.
スサイズｎ＊ｎの領域において、各１次方向成分（ｉ＝
１〜ｍ）の濃度変化の大きさＥiを計算するステップ
と、各画素ごと濃度変化の大きさＥi（ｉ＝１〜ｍ）の
最大値Ｅmaxと最小値Ｅminを求めるステップと、各画素
ごとＤ＝Ｅmax−Ｅminの値が、あらかじめ定められたし
きい値Ｔよりも大きい場合には注目画素におけるマトリ
クスサイズｎ＊ｎの領域で局所構造に方向性が有ると判
定し、しきい値Ｔよりも小さい場合には注目画素におけ
るマトリクスサイズｎ＊ｎの領域で局所構造に方向性が
無いと判定する請求項１２のノイズ低減フィルター。15. For each pixel of the image data, each primary direction component (i =
Calculating the magnitude E i of the density change of each pixel, and calculating the maximum value E max and the minimum value E min of the magnitude of the density change E i (i = 1 to m) for each pixel; If the value of D = E max −E min for each pixel is larger than a predetermined threshold T, it is determined that the local structure has directionality in a matrix size n * n region of the target pixel, 13. The noise reduction filter according to claim 12, wherein when it is smaller than the threshold value T, it is determined that the local structure has no directionality in a region of a matrix size n * n in the target pixel.
スサイズｎ＊ｎの領域において、各１次方向成分（ｉ＝
１〜ｍ）の濃度変化の大きさＥiを計算するステップ
と、各画素ごと濃度変化の大きさＥi（ｉ＝１〜ｍ）の
最大値Ｅmaxと最小値Ｅminを求めるステップと、あらか
じめ定められたしきい値ｐ（０＜ｐ≦１）により、Ｅ
min＜ｐ＊Ｅmaxならば注目画素におけるマトリクスサイ
ズｎ＊ｎの領域で局所構造に方向性が有ると判定し、Ｅ
min≧ｐ＊Ｅmaxならば注目画素におけるマトリクスサイ
ズｎ＊ｎの領域で局所構造に方向性が無いと判定する請
求項１２のノイズ低減フィルター。16. For each pixel of image data, in a region of matrix size n * n, each primary direction component (i =
Calculating the magnitude E i of the density change of each pixel, and calculating the maximum value E max and the minimum value E min of the magnitude of the density change E i (i = 1 to m) for each pixel; By a predetermined threshold value p (0 <p ≦ 1), E
If min <p * E max , it is determined that the local structure has directionality in the area of the matrix size n * n in the pixel of interest, and E
min ≧ p * E max If noise reduction filter according to claim 12 judges that there is no directionality in the local structure in the region of the matrix size n * n pixel of interest.
スサイズｎ＊ｎの領域において、各１次方向成分（ｉ＝
１〜ｍ）の濃度変化の大きさＥiを計算するステップ
と、各画素ごと濃度変化の大きさＥi（ｉ＝１〜ｍ）の
最小値Ｅminを求めるステップと、あらかじめ定められ
たしきい値Ｔにより、Ｅmin＜Ｔならば注目画素におけ
るマトリクスサイズｎ＊ｎの領域で局所構造に方向性が
有ると判定し、Ｅmin≧Ｔならば注目画素におけるマト
リクスサイズｎ＊ｎの領域で局所構造に方向性が無いと
判定する請求項１２のノイズ低減フィルター。17. For each pixel of image data, in a region of matrix size n * n, each primary direction component (i =
Calculating a magnitude E i of the change in concentration of 1 to m), determining a minimum value E min of the magnitude E i of each pixel for each concentration changes (i = 1~m), to a predetermined the threshold T, determines a directional is in a local structure in the region of the matrix size n * n in E min <T if the pixel of interest, the region of matrix size n * n in E min ≧ T if the pixel of interest 13. The noise reduction filter according to claim 12, wherein it is determined that the local structure has no directionality.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000179376A JP2001014461A (en) | 2000-01-01 | 2000-06-09 | Image processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000179376A JP2001014461A (en) | 2000-01-01 | 2000-06-09 | Image processing method |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP14033493A Division JP3472596B2 (en) | 1993-06-11 | 1993-06-11 | Noise reduction filter |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2001014461A true JP2001014461A (en) | 2001-01-19 |
Family
ID=18680662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000179376A Pending JP2001014461A (en) | 2000-01-01 | 2000-06-09 | Image processing method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2001014461A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1860610A1 (en) * | 2006-05-22 | 2007-11-28 | Fujitsu Limited | Image processing apparatus and image processing method |
| WO2008010375A1 (en) | 2006-07-20 | 2008-01-24 | Hitachi Medical Corporation | Ultrasonographic device |
| JP2016167253A (en) * | 2015-03-03 | 2016-09-15 | キヤノン株式会社 | Image processing apparatus, image processing method and program |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS55133179A (en) * | 1979-04-03 | 1980-10-16 | Ricoh Co Ltd | Picture processing system |
| JPH01222575A (en) * | 1988-03-01 | 1989-09-05 | Nec Corp | Binarizing circuit for picture signal |
| JPH02162475A (en) * | 1988-12-15 | 1990-06-22 | Dainippon Screen Mfg Co Ltd | Picture contour correcting method |
| JPH03193472A (en) * | 1989-12-25 | 1991-08-23 | Fuji Xerox Co Ltd | Highly definite image generating system of image processor |
| JPH04188283A (en) * | 1990-11-22 | 1992-07-06 | Canon Inc | Method and device for processing picture |
-
2000
- 2000-06-09 JP JP2000179376A patent/JP2001014461A/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS55133179A (en) * | 1979-04-03 | 1980-10-16 | Ricoh Co Ltd | Picture processing system |
| JPH01222575A (en) * | 1988-03-01 | 1989-09-05 | Nec Corp | Binarizing circuit for picture signal |
| JPH02162475A (en) * | 1988-12-15 | 1990-06-22 | Dainippon Screen Mfg Co Ltd | Picture contour correcting method |
| JPH03193472A (en) * | 1989-12-25 | 1991-08-23 | Fuji Xerox Co Ltd | Highly definite image generating system of image processor |
| JPH04188283A (en) * | 1990-11-22 | 1992-07-06 | Canon Inc | Method and device for processing picture |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1860610A1 (en) * | 2006-05-22 | 2007-11-28 | Fujitsu Limited | Image processing apparatus and image processing method |
| JP2007312304A (en) * | 2006-05-22 | 2007-11-29 | Fujitsu Ltd | Image processing apparatus and image processing method |
| US7916964B2 (en) | 2006-05-22 | 2011-03-29 | Fujitsu Semiconductor Limited | Image processing apparatus and image processing method |
| WO2008010375A1 (en) | 2006-07-20 | 2008-01-24 | Hitachi Medical Corporation | Ultrasonographic device |
| JP4757307B2 (en) * | 2006-07-20 | 2011-08-24 | 株式会社日立メディコ | Ultrasonic image processing device |
| JP2016167253A (en) * | 2015-03-03 | 2016-09-15 | キヤノン株式会社 | Image processing apparatus, image processing method and program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3472596B2 (en) | Noise reduction filter | |
| Wan et al. | Joint exact histogram specification and image enhancement through the wavelet transform | |
| CN112819772B (en) | High-precision rapid pattern detection and recognition method | |
| Wei et al. | Contrast-guided image interpolation | |
| JP3549720B2 (en) | Image processing device | |
| CN108038833B (en) | Image self-adaptive sharpening method for gradient correlation detection and storage medium | |
| CN109377450B (en) | Edge protection denoising method | |
| CN105335947A (en) | Image de-noising method and image de-noising apparatus | |
| CN111833366A (en) | Edge detection method based on Canny algorithm | |
| Zhou et al. | Scale-aware edge-preserving image filtering via iterative global optimization | |
| US9619862B2 (en) | Raw camera noise reduction using alignment mapping | |
| Zhou et al. | Method of improved fuzzy contrast combined adaptive threshold in NSCT for medical image enhancement | |
| CN104200434B (en) | Non-local mean image denoising method based on noise variance estimation | |
| Lee et al. | Two-stage false contour detection using directional contrast and its application to adaptive false contour reduction | |
| JP3438440B2 (en) | Image processing device | |
| JP2008210387A (en) | Noise elimination device and noise elimination program for improving binarization performance of document image | |
| CN115239594A (en) | Document image denoising method based on total variation model | |
| JP3462917B2 (en) | Image processing method | |
| JP2001014461A (en) | Image processing method | |
| CN114662519B (en) | QR code blind deblurring method based on position detection graph gradient and intensity prior | |
| CN114693543B (en) | Image noise reduction method and device, image processing chip and image acquisition equipment | |
| CN111429383B (en) | Image noise reduction method and device and computer readable storage medium | |
| TW202316367A (en) | Method for determining deblur filter coefficients | |
| CN112614100A (en) | Ocean plankton image segmentation method | |
| Hosam et al. | A hybrid ROI-embedding based watermarking technique using DWT and DCT transforms |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20040212 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20040416 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060130 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060130 |