JP6152520B2 - Method, apparatus and program for generating jacquard fabric pattern - Google Patents
Method, apparatus and program for generating jacquard fabric pattern Download PDFInfo
- Publication number
- JP6152520B2 JP6152520B2 JP2014094992A JP2014094992A JP6152520B2 JP 6152520 B2 JP6152520 B2 JP 6152520B2 JP 2014094992 A JP2014094992 A JP 2014094992A JP 2014094992 A JP2014094992 A JP 2014094992A JP 6152520 B2 JP6152520 B2 JP 6152520B2
- Authority
- JP
- Japan
- Prior art keywords
- threshold
- threshold value
- matrix
- image
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Processing (AREA)
Description
この発明は，ジャカード織物パターンの生成方法，装置およびプログラムに関する。 The present invention relates to a method, apparatus, and program for generating a jacquard fabric pattern.
情報技術を取り入れた工芸はディジタルファブリケーションと呼ばれ，近年になって盛り上がりを見せている。国際会議SIGGRAPHでも2012年からファブリケーションのセッションが設けられている。織物は文明の初期から続く工芸として，また産業革命から近代までは経済を牽引する主要産業として，現代に受け継がれてきた。 Crafts that incorporate information technology are called digital fabrication, and have recently gained excitement. The international conference SIGGRAPH also has a fabrication session since 2012. Textiles have been handed down in modern times as crafts that have continued since the early days of civilization, and as major industries that drive the economy from the industrial revolution to the modern times.
ジャカード織物では，多数並列化された経糸（たていと）に対して，緯糸（よこいと）を上下させて織ることで，複雑な模様を織り出すことができる。経糸と緯糸の上下関係は，パンチカードやプログラムによって，格子点ごとの上下関係による二値データとして定義することができ，これを表現した画像を組織図と呼ぶ。また組織図のうち，ジャカード織物で用いられる複雑で大規模な組織図は，ジャカード組織図と呼ばれ，単純で規則的なものとは区別されて扱われる。ジャカード組織図は，その制作過程の多くがコンピュータ化した現代においても，最終的には熟練職人の手作業でデザインされることがほとんどである。このため，完成されたジャカード組織図のひとつひとつは，それぞれの織物業者の意匠資産として大切に扱われている。これらのジャカード組織図はこれまでは設計者のスキルに頼って作られてきたが，写真やイラストなどのディジタル画像から新たなジャカード組織図を自動ないしは半自動で生成することができれば，状況や個人に応じた柔軟なジャカード組織図の生成が可能になる。 In jacquard woven fabrics, we can weave a complicated pattern by weaving wefts up and down against a large number of parallel warps. The vertical relationship between the warp and the weft can be defined as binary data by the vertical relationship for each lattice point by a punch card or a program, and an image representing this is called an organization chart. Among the organizational charts, complex and large-scale organizational charts used in jacquard fabrics are called jacquard organizational charts and are distinguished from simple and regular charts. Jacquard organization charts are mostly designed manually by skilled craftsmen, even in the modern days when many of the production processes are computerized. For this reason, each completed jacquard organization chart is treated as a design asset of each textile company. Until now, these jacquard organization charts have been made depending on the skill of the designer. However, if new jacquard organization charts can be generated automatically or semi-automatically from digital images such as photographs and illustrations, the situation and A flexible jacquard organization chart can be generated according to the individual.
特許文献１には，ジャカード組織図の基となるジャカード織物用に二値化されたパターン画像（ジャカード織物パターン）を，コンピュータにより自動ないしは半自動で生成する方法が記載されている。 Patent Document 1 describes a method of automatically or semi-automatically generating a pattern image (jacquard fabric pattern) binarized for a jacquard fabric that is the basis of a jacquard organization chart by a computer.
この方法は，元画像の陰影や色調を反映した画像を織物生地上に織り込むためのジャカード織物パターンの生成方法であって，織物生地上に表現したい元画像のデータをコンピュータに読み込み，コンピュータ内において，前記元画像のデータに対して織物に適した特徴を備えるように，二値化処理後の結果が織物組織となるようなマトリクスとしてあらかじめ作成された閾値サブマトリクスを使用して組織的ディザ法により二値化処理を行い，前記元画像の持つ陰影や色調が反映された織物パターンを生成するものである。この方法は，写真やイラストなどのディジタル画像（元画像）をジャカード織物に反映するのにきわめて有効な方法である。 This method is a method for generating a jacquard woven pattern for weaving an image reflecting the shade and color tone of the original image on the woven fabric. The data of the original image to be expressed on the woven fabric is read into a computer and stored in the computer. In this case, the systematic dithering is performed using a threshold value sub-matrix prepared in advance as a matrix so that the result after the binarization process becomes a fabric structure so that the original image data has characteristics suitable for the fabric. A binarization process is performed by a method to generate a fabric pattern reflecting the shading and color tone of the original image. This method is extremely effective for reflecting digital images (original images) such as photographs and illustrations on jacquard fabrics.
この発明は，特許文献１に記載のジャカード織物パターン生成方法をさらに改良することを目的とするものである。 An object of the present invention is to further improve the jacquard woven pattern generation method described in Patent Document 1.
より具体的には，この発明は，二値化されたジャカード織物パターンにおいて，閾値サブマトリクスを規則的に繰返し配列することに起因して生じることがある人工的な感じを与える規則的繰返しパターンの発生を極力低減させることを目的とする。 More specifically, the present invention relates to a regular repeating pattern that gives an artificial feeling that may be caused by regularly repeating threshold sub-matrices in a binarized jacquard fabric pattern. The purpose is to reduce the generation of as much as possible.
この発明はまた，二値化されたジャカード織物パターンにおいて，上記の人工的な感じを与える規則的繰返しパターンの発生を抑えるとともに，エッジ部分についてはできるだけエッジを保つことができるようにすることを目的とする。 The present invention also suppresses the occurrence of the above-mentioned regular repeating pattern that gives the artificial feeling in the binarized jacquard fabric pattern, and enables the edge portion to be kept as much as possible. Objective.
この発明はさらに，織りの回数を少なくしてなめらかな風合いを出し，かつエッジ表現は的確に行なえる新たな二値化処理方法を含むジャカード織物パターン生成方法等を提供することを目的とする。 A further object of the present invention is to provide a jacquard woven pattern generation method including a new binarization processing method that produces a smooth texture by reducing the number of times of weaving and can accurately perform edge expression. .
第１の発明によるジャカード織物パターン生成方法は，織物生地上に表現する原画像のグレースケール画像を二値化処理してジャカード織物パターンを生成する方法であり，二値化処理後の結果が織物組織となるように作成された閾値サブマトリクスを配列して，前記グレースケール画像と同じサイズとなる閾値マトリクスを構成するに際して，前記閾値サブマトリクスの各要素の閾値をランダム性をもって異ならせて閾値マトリクスを作成し，そして作成した前記閾値マトリクスの各要素の閾値を二値化のための閾値として用いて，前記グレースケール画像の対応する画素の画像データを二値化するものである。 The jacquard woven pattern generation method according to the first invention is a method of generating a jacquard woven pattern by binarizing a grayscale image of an original image to be expressed on a woven fabric. When a threshold value sub-matrix created so as to be a fabric texture is arranged to form a threshold value matrix having the same size as the gray scale image, the threshold value of each element of the threshold value sub-matrix is varied with randomness. A threshold matrix is created, and the threshold value of each element of the created threshold matrix is used as a threshold for binarization, and the image data of the corresponding pixel of the grayscale image is binarized.
第１の発明によるジャカード織物パターンの生成装置は，織物生地上に表現する原画像のグレースケール画像を二値化処理してジャカード織物パターンを生成する装置であり，二値化処理後の結果が織物組織となるように作成された閾値サブマトリクスを配列して，前記グレースケール画像と同じサイズとなる閾値マトリクスを構成するに際して，前記閾値サブマトリクスの各要素の閾値をランダム性をもって異ならせて閾値マトリクスを作成する閾値マトリクス作成手段，および作成した前記閾値マトリクスの各要素の閾値を二値化のための閾値として用いて，前記グレースケール画像の対応する画素の画像データを二値化する二値化手段を備えるものである。 A jacquard woven pattern generation apparatus according to a first invention is an apparatus that generates a jacquard woven pattern by binarizing a grayscale image of an original image expressed on a woven fabric. When a threshold value sub-matrix created so that the result is a woven texture is arranged to form a threshold value matrix having the same size as the gray scale image, the threshold value of each element of the threshold value sub-matrix is varied with randomness. And binarizing the image data of the corresponding pixel of the grayscale image using the threshold matrix creating means for creating the threshold matrix, and using the threshold of each element of the created threshold matrix as a threshold for binarization A binarization means is provided.
第１の発明によるコンピュータのためのプログラムは，コンピュータによって，織物生地上に表現する原画像のグレースケール画像を二値化処理してジャカード織物パターンを生成するためのプログラムであり，二値化処理後の結果が織物組織となるように作成された閾値サブマトリクスを配列して，前記グレースケール画像と同じサイズとなる閾値マトリクスを構成するに際して，前記閾値サブマトリクスの各要素の閾値をランダム性をもって異ならせて閾値マトリクスを作成し，そして作成した前記閾値マトリクスの各要素の閾値を二値化のための閾値として用いて，前記グレースケール画像の対応する画素の画像データを二値化するようにコンピュータを制御するものである。このプログラムは，コンピュータ読取可能な記録媒体に記録して提供してもよい。 A program for a computer according to a first invention is a program for generating a jacquard fabric pattern by binarizing a grayscale image of an original image expressed on a fabric by a computer. When a threshold value sub-matrix created so that the result after processing becomes a woven fabric is arranged to form a threshold value matrix having the same size as the gray scale image, the threshold value of each element of the threshold value sub-matrix is set to be random. To create a threshold matrix, and binarize the image data of the corresponding pixel of the grayscale image using the threshold of each element of the created threshold matrix as a threshold for binarization. It controls the computer. This program may be provided by being recorded on a computer-readable recording medium.
上記において，前記グレースケール画像と同じサイズとなる閾値マトリクス（高さ，幅が同じ，すなわち閾値マトリクスの各要素がグレースケール画像の画素に丁度対応している）の構成が静的に（または二次元平面的に）表現されているが，閾値マトリクスの全体がメモリ上に展開されたものとしてそのすべてが必ずしも同時的に存在しなくてもよく，二値化処理の進行に伴って閾値マトリクスの一部ずつ（たとえば１画素ずつ，１行ずつ，８×８のサブマトリクスずつ）が順次生成されるものでもよい。このことは，後述する第２の発明にもあてはまる。 In the above, the configuration of the threshold matrix having the same size as the gray scale image (the same height and width, that is, each element of the threshold matrix corresponds to the pixel of the gray scale image) is static (or two). However, all of the threshold matrixes may not necessarily exist at the same time as the entire threshold matrix is expanded on the memory, and as the binarization process proceeds, the threshold matrix A part (for example, one pixel, one row, 8 × 8 sub-matrix) may be sequentially generated. This also applies to the second invention described later.
第１の発明によると，閾値サブマトリクスが配置されて構成される閾値マトリクスの各要素の閾値がランダム性をもって変化している（異なる値となっている）ので，閾値サブマトリクスが規則的に配置されることにより生じることのある規則的繰返しパターンの発生が極力抑えられる。 According to the first invention, since the threshold value of each element of the threshold value matrix configured by arranging the threshold value submatrix changes with randomness (has a different value), the threshold value submatrix is regularly arranged. The occurrence of a regular repeating pattern that may be caused by this is minimized.
閾値をランダム性をもって異ならせるやり方には種々の方法がある。その一つは，前記閾値サブマトリクスの各要素の閾値に，ランダムノイズの値を加算して，前記閾値サブマトリクスの各要素の閾値をランダム性をもって異ならせるやり方である。ノイズの値（大きさ）があまりに大きいと，そのノイズの値を加算して得られる閾値を用いて二値化したときに，元のグレースケール画像が崩れてしまうおそれがあるので，ノイズの値（大きさ）は，規則性を排除できる範囲で小さい方が好ましい。発生するランダムノイズの値の大きさに制限を加えるために，たとえば，前記ランダムノイズの値がガウス分布にしたがう発生確率を持つものとすることが望ましい。このとき，ガウス分布を定めるパラメータを，二値化処理により得られたジャカード織物パターンを見ながらオペレータが適宜変更できるようにすることが好ましい。 There are various methods for changing the threshold value with randomness. One is to add a random noise value to the threshold value of each element of the threshold value sub-matrix so that the threshold value of each element of the threshold value sub-matrix is varied with randomness. If the noise value (magnitude) is too large, the original grayscale image may be corrupted when binarized using the threshold value obtained by adding the noise values. The (size) is preferably smaller as long as regularity can be excluded. In order to limit the value of the generated random noise value, for example, it is desirable that the random noise value has an occurrence probability according to a Gaussian distribution. At this time, it is preferable that an operator can appropriately change a parameter for determining the Gaussian distribution while viewing a jacquard fabric pattern obtained by binarization processing.
上記のランダムノイズの値を閾値に付与する手法は，最も好ましい態様では，一種類の閾値サブマトリクスを配列することを前提としているが（同じ閾値サブマトリクスを使用しないこともありうる），閾値マトリクスを構成するために使用する閾値サブマトリクスとしてあらかじめ複数種類用意しておき，これらをできるだけランダムに（できるだけ規則性を排除して）配置して閾値マトリクスを作成するようにすれば，その閾値を用いて二値化して得られるジャカード織物パターンに規則性が出にくくなる。このようにして，作成した閾値マトリクスにおいて，さらにそれらの各要素の閾値をランダム性をもって異ならせる（たとえば，ランダムノイズを加える）ようにしてもよい。 The above-described method for assigning random noise values to threshold values is based on the premise that one kind of threshold value sub-matrix is arranged in the most preferable mode (the same threshold value sub-matrix may not be used). If a threshold matrix is prepared by preparing multiple types of threshold sub-matrices to be used for constructing and arranging them as randomly as possible (excluding regularity as much as possible), the threshold is used. Regularity is less likely to appear in the jacquard woven pattern obtained by binarization. In this way, in the created threshold value matrix, the threshold values of the respective elements may be varied with randomness (for example, random noise is added).
上述のように規則的パターンの発生を抑えるために，閾値にランダム性を付与すると，元のグレースケール画像，特にエッジ部分がぼやける可能性がある。 If randomness is given to the threshold value in order to suppress the occurrence of a regular pattern as described above, the original grayscale image, particularly the edge portion, may be blurred.
そこで前記グレースケール画像においてエッジ強度を検出し，検出したエッジ強度に応じてエッジ近傍の画素に対応するマトリクス要素の閾値に加算する前記ランダムノイズの値を小さくするとよい。このようにして，エッジの近傍において，ランダムノイズの値が小さくなるので，エッジが崩れることはなく，明確な形に保たれることになる。これは，エッジの近傍において，上記のガウス分布の広がり範囲を極力制限することにより（ガウス分布のパラメータを変更することにより）実現できる。 Therefore, it is preferable to detect the edge intensity in the gray scale image and reduce the value of the random noise added to the threshold value of the matrix element corresponding to the pixel near the edge according to the detected edge intensity. In this way, since the value of random noise becomes small in the vicinity of the edge, the edge is not broken and is kept in a clear shape. This can be realized by limiting the spread range of the Gaussian distribution as much as possible near the edge (by changing the parameters of the Gaussian distribution).
第２の発明によるジャカード織物パターンの生成方法は，織物生地上に表現する原画像のグレースケール画像を二値化処理してジャカード織物パターンを生成する方法であり，二値化処理後の結果が織物組織となるように作成された閾値サブマトリクスを配列して，前記グレースケール画像と同じサイズとなる閾値マトリクスを作成し，そして前記グレースケール画像の各画素の画素データを画素ごとに誤差拡散法により二値化するに際して，作成した前記閾値マトリクスの前記各画素に対応する要素の閾値をその画素の誤差を算出するための閾値として用いるものである。 A method for generating a jacquard woven pattern according to a second invention is a method for generating a jacquard woven pattern by binarizing a grayscale image of an original image expressed on a woven fabric. The threshold value sub-matrix created so that the result is a woven texture is arranged to create a threshold value matrix having the same size as the gray scale image, and the pixel data of each pixel of the gray scale image is an error for each pixel. When binarization is performed by the diffusion method, the threshold value of the element corresponding to each pixel of the created threshold value matrix is used as a threshold value for calculating the error of the pixel.
第２の発明によるジャカード織物パターンの生成装置は，織物生地上に表現する原画像のグレースケール画像を二値化処理してジャカード織物パターンを生成する装置であり，二値化処理後の結果が織物組織となるように作成された閾値サブマトリクスを配列して，前記グレースケール画像と同じサイズとなる閾値マトリクスを作成する閾値マトリクス作成手段，および前記グレースケール画像の各画素の画素データを画素ごとに誤差拡散法により二値化するに際して，作成した前記閾値マトリクスの前記各画素に対応する要素の閾値をその画素の誤差を算出するための閾値として用いる拡張誤差拡散二値化手段を備えるものである。 A jacquard woven pattern generation device according to a second invention is a device that generates a jacquard woven pattern by binarizing a grayscale image of an original image expressed on a woven fabric. Threshold matrix creating means for creating a threshold matrix having the same size as the gray scale image by arranging threshold sub matrices created so that the result is a woven fabric, and pixel data of each pixel of the gray scale image. When binarization is performed for each pixel by the error diffusion method, an extended error diffusion binarization unit that uses a threshold value of an element corresponding to each pixel of the generated threshold matrix as a threshold value for calculating an error of the pixel is provided. Is.
第２の発明によるジャカード織物パターンの生成のためのプログラムは，コンピュータによって，織物生地上に表現する原画像のグレースケール画像を二値化処理してジャカード織物パターンを生成するプログラムであり，二値化処理後の結果が織物組織となるように作成された閾値サブマトリクスを配列して，前記グレースケール画像と同じサイズとなる閾値マトリクスを作成し，そして前記グレースケール画像の各画素の画素データを画素ごとに誤差拡散法により二値化するに際して，作成した前記閾値マトリクスの前記各画素に対応する画素の閾値をその画素の誤差を算出するための閾値として用いるようにコンピュータを制御するためのジャカード織物パターン生成プログラムである。このプログラムは，コンピュータ読取可能な記録媒体に記録されて提供されてもよい。 A program for generating a jacquard fabric pattern according to the second invention is a program for generating a jacquard fabric pattern by binarizing a grayscale image of an original image expressed on a fabric by a computer, The threshold value sub-matrix created so that the result after the binarization processing becomes a woven texture is arranged to create a threshold value matrix having the same size as the gray scale image, and the pixel of each pixel of the gray scale image When the data is binarized by the error diffusion method for each pixel, the computer is controlled to use the threshold value of the pixel corresponding to each pixel of the generated threshold value matrix as a threshold value for calculating the error of the pixel. This is a jacquard woven pattern generation program. This program may be provided by being recorded on a computer-readable recording medium.
従来の誤差拡散法においては閾値は一定値であるが，第２の発明によると誤差拡散法において，グレースケール画像の画素ごとに誤差を算出するための閾値として，閾値マトリクスの各画素に対応する要素の閾値を用いる。これにより，得られた二値画像（ジャカード織物パターン）を基に織物を作成したときに織りの回数が少なくなってなめらかな風合いを出すことができ，かつ誤差拡散法の特徴であるエッジ表現能力が高いという効果を得ることができる。 In the conventional error diffusion method, the threshold value is a constant value, but according to the second invention, in the error diffusion method, each pixel of the threshold value matrix corresponds to a threshold value for calculating an error for each pixel of the grayscale image. Use element thresholds. As a result, when the fabric is created based on the obtained binary image (Jacquard fabric pattern), the number of times of weaving can be reduced and a smooth texture can be produced, and the edge expression that is a feature of the error diffusion method can be obtained. The effect that ability is high can be acquired.
もちろん，第２の発明で用いる閾値マトリクスとして第１の発明によるランダム性が加えられたもの（エッジ近傍の処理を含む）を用いてもよい。 Of course, the threshold matrix used in the second invention may be a matrix added with randomness according to the first invention (including processing in the vicinity of the edge).
第１，第２の発明のいずれにおいても，カラー画像も対象とすることができる。すなわち，カラー画像を色分解すれば最終的には複数のクレースケール画像が得られ，各グレースケール画像に第１，第２の発明を適用することができる。 In both the first and second inventions, a color image can also be targeted. That is, if the color image is color-separated, a plurality of clay scale images are finally obtained, and the first and second inventions can be applied to each gray scale image.
(1) 閾値サブマトリクスの作成
絵画，写真，図案等の所望の画像に基づいて，その画像を表わす模様のジャカード織物を作成するには，ジャカード織機に提供する二値画像（ジャカード織物パターン）のデータを生成することが必要である。織物の生地上に表現したい所望の画像（原画像という）はカラー画像でもグレースケール画像でもよいが，まず説明を簡単にするためにグレースケール画像を取扱うものとする。
(1) Creation of threshold sub-matrix To create a jacquard fabric with a pattern representing the image based on a desired image such as a picture, photograph, or design, a binary image provided to the jacquard loom (Jacquard fabric) Pattern) data is required to be generated. The desired image (original image) that is desired to be expressed on the woven fabric may be a color image or a grayscale image. First, for the sake of simplicity, it is assumed that a grayscale image is handled.
ジャカード織物パターンの生成のために，ハーフトーニング技術を用いて，グレースケール画像を白と黒の二値で表現する。ここではハーフトーニング技術の中の組織的ディザ法を用いる。組織的ディザ法は，織物用閾値サブマトリクス（または，複数の織物用閾値サブマトリクスを配置して得られる織物用閾値マトリクス。織物用ディザマスク等ともいう）（以下，簡略化していうときには，単に「閾値サブマトリクス」という）を用いて，グレースケール画像データに対して二値化処理を行うものである。 In order to generate a jacquard fabric pattern, a halftoning technique is used to represent a grayscale image in binary values of white and black. Here, the systematic dither method in the halftoning technique is used. The systematic dither method uses a fabric threshold sub-matrix (or a fabric threshold matrix obtained by arranging a plurality of fabric threshold sub-matrices. This is also referred to as a fabric dither mask). Binarization processing is performed on grayscale image data using a threshold sub-matrix ”.
閾値サブマトリクスは一般にはｎ×ｎの正方行列であるが，必ずしも正方行列に限られない。また，閾値サブマトリクスの行数，列数は任意であるが（たとえば４×４，５×５，８×８など），織物のためのパターン生成（一定間隔以内でたて糸とよこ糸が少なくとも１回交叉（交錯）しなければならない）という制約を考慮して定めればよい。以下では８×８のマトリクスを例に挙げる。 The threshold submatrix is generally an n × n square matrix, but is not necessarily limited to a square matrix. In addition, the number of rows and columns of the threshold sub-matrix is arbitrary (for example, 4 × 4, 5 × 5, 8 × 8, etc.), but pattern generation for woven fabric (warp and weft yarn at least once within a certain interval) It may be determined in consideration of the constraint that it must be crossed. In the following, an 8 × 8 matrix is taken as an example.
閾値サブマトリクスの大きさ（行数，列数）は織物組織の単位を構成する（この単位組織が繰返される場合に，一般にこれを完全組織という）。一例として，８×８の単位組織の枠組を図１に示す。縦方向に行番号ｉを，横方向に列番号ｊを振る（ｉ，ｊは０，または８未満の正の整数）。 The size of the threshold sub-matrix (number of rows, number of columns) constitutes a unit of fabric structure (when this unit structure is repeated, it is generally called a complete structure). As an example, an 8 × 8 unit organization framework is shown in FIG. Row number i is assigned in the vertical direction and column number j is assigned in the horizontal direction (i and j are 0 or a positive integer less than 8).
８枚繻子組織を元にした閾値サブマトリクスにおけるｉ行ｊ列の要素は式(1) を満たすとき黒で表わされる。式(1) を満たす黒の要素を図２に黒で示す。式(1) は，（５・ｉ＋ｊ）を８で割った余りが３に等しいときに黒を配置する，という意味である。 The elements of i rows and j columns in the threshold value sub-matrix based on the 8-slice structure are expressed in black when the expression (1) is satisfied. Black elements that satisfy equation (1) are shown in black in FIG. Equation (1) means that black is arranged when the remainder of dividing (5 · i + j) by 8 is equal to 3.
ここで「黒」というのは，織物において，たて糸とよこ糸が必ず交叉（交錯）し，たて糸がよこ糸の上に（前に，表側に）重なる交叉点を示す（よこ糸がたて糸の上に重なる交叉点としてもよい）。したがって，閾値サブマトリクスでは，黒の要素には閾値として「０」が与えられる。後述するように，グレースケール画像の画像データが０の場合には，１に変更されるので，閾値０でグレースケール画像データを二値化処理した場合に，得られる二値画像データは黒の点では必ず１（閾値よりも大きい）となる（二値画像データにおいて「１」が白を表わすとすれば，図２の黒とは反対になるので注意されたい）。 Here, “black” refers to the crossing point where warp yarn and weft yarn always cross over (intersection) in fabric, and warp yarn overlaps on weft yarn (previously, front side) (crossover where weft yarn overlaps on warp yarn) It may be a point). Therefore, in the threshold value sub-matrix, “0” is given to the black element as the threshold value. As will be described later, when the image data of the grayscale image is 0, it is changed to 1. Therefore, when the grayscale image data is binarized at the threshold 0, the obtained binary image data is black. The point is always 1 (greater than the threshold) (note that if “1” represents white in binary image data, it is opposite to black in FIG. 2).
上記を一般化すると，ｎ×ｎの閾値サブマトリクスにおいて，ｎより小さく，かつｎと互いに素なｍを用いて，式(2) の条件を満たすときに黒を割り当てるとすることができる。 To generalize the above, it is possible to assign black when the condition of Expression (2) is satisfied using m that is smaller than n and relatively prime to n in an n × n threshold submatrix.
ただし，
はｘを超えない最大の整数を表わす。式(2) は（ｍ・ｉ＋ｊ）をｎで割った余りが，（ｎ−１）／２を超えない最大の整数に等しいときに黒を配置するという意味である。
However,
Represents the largest integer not exceeding x. Equation (2) means that black is arranged when the remainder of dividing (m · i + j) by n is equal to the largest integer not exceeding (n−1) / 2.
同様にして，一定間隔以内に白の要素も現れる必要があるので，式(3) を白である条件として与える。式(3) は，（ｍ・ｉ＋ｊ）をｎで割った余りがｎ−１に等しいときに白を配置するという意味である。 Similarly, since it is necessary that white elements also appear within a certain interval, Equation (3) is given as the condition for white. Equation (3) means that white is arranged when the remainder of dividing (m · i + j) by n is equal to n−1.
ｎ＝８，ｍ＝５の場合に，式(3) を満たす要素を図３において○印で示す。「白」の要素（点）とは，織物において，たて糸とよこ糸が必ず交叉（交錯）し，よこ糸がたて糸の上に（前に，表側に）重なる点（格子点）である（たて糸がよこ糸の上に重なる交叉点としてもよい）。したがって，閾値サブマトリクスでは，白の要素には閾値として「 255」（８ビット画像データの場合）が与えられる。後述するように，８ビットグレースケール画像の画像データが 255の場合に，それは 254に変更されるので，閾値 255でグレースケール画像データを二値化処理した場合に，得られる二値画像データは白の点では必ず０（閾値よりも小さい）となる。 In the case of n = 8 and m = 5, elements satisfying the expression (3) are indicated by ◯ in FIG. “White” elements (points) are points (lattice points) where warp yarns and weft yarns always cross (intersect) and overlap on the warp yarns (front side, front side) It may be an intersection that overlaps the top). Therefore, in the threshold value sub-matrix, “255” (in the case of 8-bit image data) is given to the white element as a threshold value. As will be described later, when the image data of an 8-bit grayscale image is 255, it is changed to 254. Therefore, when the grayscale image data is binarized with a threshold value of 255, the obtained binary image data is The white point is always 0 (smaller than the threshold value).
織物用閾値サブマトリクスとは，グレースケール画像データを二値化処理するための閾値をｉ行ｊ列の各要素ごとに有し，各行，各列に少なくとも１つずつ，閾値として，画像データを表わす数値の最小値（たとえば０）および画像データを表わす数値の最大値（たとえば 255）を有するものである。これにより，閾値サブマトリクスを用いた二値化処理により得られる二値画像データに基づく織物用パターン（織物組織図）にしたがって織物を織ったときに，閾値サブマトリクスの大きさの範囲内でたて糸とよこ糸の交叉（交錯）（たて糸が上でよこ糸が下になる場合と，これと反対の場合）が必ず１回は生じ，織物が仕上ることになる。簡潔にいうと，二値化処理後の結果が織物組織となるようなマトリクスとしてあらかじめ作成された閾値サブマトリクス，ということになる。画像データを表わす数値の最小値および最大値は，サブマトリクス内においてできるだけ離れた位置にあることが好ましい。これにより，織物としてきれいに仕上げることができる。 The fabric threshold sub-matrix has a threshold for binarizing grayscale image data for each element of i rows and j columns, and at least one for each row and each column. It has a minimum value (for example, 0) of a numerical value to be represented and a maximum value (for example, 255) of a numerical value to represent image data. As a result, when weaving the fabric according to the fabric pattern (fabric structure diagram) based on the binary image data obtained by the binarization processing using the threshold value sub-matrix, the warp yarn is within the range of the threshold value sub-matrix size. The weft crossing (crossover) (when warp is on top and weft is on the opposite side) always occurs once and the fabric is finished. In short, it is a threshold value sub-matrix created in advance as a matrix so that the result after binarization processing becomes a woven fabric structure. It is preferable that the minimum value and the maximum value of the numerical values representing the image data are located as far as possible in the sub-matrix. As a result, it can be finished neatly as a woven fabric.
閾値サブマトリクスにおいて，上記の黒および白以外の要素については，織物の種類，性質，用途，絵柄の雰囲気，調，その他，設計者の意図にしたがう組織的ディザの考え方により，適当な閾値を設定すればよい。繻子織ではできるだけ生地の表裏を糸が行き来する回数を少なくすることでなめらかな質感を表現するために，式(4)および式(5)を制約として与える。 In the threshold sub-matrix, for the elements other than the above black and white, appropriate threshold values are set based on the type of fabric, nature, application, design atmosphere, tone, and other systematic dithering according to the designer's intention. do it. In lion weaving, Equation (4) and Equation (5) are given as constraints in order to express a smooth texture by reducing the number of times the yarn goes back and forth as much as possible.
式(4) は，（ｍ・ｉ＋ｊ）をｎで割った余りが，０以上でかつ（（ｎ−１）／２を超えない最大の整数）−１以下であるときに，右隣（ｉ，ｊ＋１）よりも大きい要素を持つという条件を課すという意味である。 Equation (4) shows that when the remainder obtained by dividing (m · i + j) by n is 0 or more and (the maximum integer not exceeding (n−1) / 2) −1 or less, , J + 1) is implied to have a larger element.
式(5) は，（ｍ・ｉ＋ｊ）をｎで割った余りが，（（ｎ−１）／２を超えない最大の整数）＋１以上でかつ（ｎ−２）以下であるときに，右隣（ｉ，ｊ＋１）よりも小さい要素を持つという条件を課すという意味である。 Equation (5) is obtained when the remainder of dividing (m · i + j) by n is (the largest integer not exceeding (n−1) / 2) +1 or more and (n−2) or less. This means that the condition of having an element smaller than the adjacent (i, j + 1) is imposed.
式(4)，(5)の制約をｉ＝０の行について表現したのが図４である。すなわち，各要素に設定する閾値を０から 255に向って順次大きくなるように選択する。 FIG. 4 shows the constraints of the equations (4) and (5) for the row with i = 0. That is, the threshold value set for each element is selected so as to increase sequentially from 0 to 255.
また，織物の絵柄の全体的な雰囲気を明るい感じにするのか，暗い感じにするのか，平均的な明るさにするのか等に応じて，各閾値を定めることもできる。 In addition, each threshold value can be determined according to whether the overall atmosphere of the fabric pattern is bright, dark, or average brightness.
図５は作成した織物用閾値サブマトリクスの一例を示すものである。この閾値サブマトリクスは，上記の式(2)から式(5)をすべて満たし，かつ二値化処理して得られる二値画像が平均的な明るさ（白がほぼ半分，黒がほぼ半分）となるように，各要素の閾値を選択したものであり，閾値としては，０，５，10，15，‥‥， 245，250，255のように，５ずつ値が飛ぶ異なる数値が採用されている。 FIG. 5 shows an example of the created fabric threshold submatrix. This threshold submatrix satisfies all of the above formulas (2) to (5), and the binary image obtained by the binarization process has an average brightness (white is almost half, black is almost half) The threshold value of each element is selected so that the values are different, and the threshold value is different by 5 such as 0, 5, 10, 15, ..., 245, 250, 255. ing.
原画像のグレースケール画像について組織的ディザ法により二値化処理するために，上記のようにして作成された織物用閾値サブマトリクスを用いて，グレースケール画像と同じ大きさ（スケール）（同じ高さ，幅をもつ）の織物用閾値マトリクス（ディザマトリクス）を作成する。すなわち，閾値サブマトリクスを，図６に示すように，グレースケール画像の大きさの範囲内で縦，横方向に配列する。グレースケール画像上に閾値サブマトリクスをすき間なく敷き詰めた状態を想定すると分りやすい。閾値サブマトリクスの各要素がグレースケール画像の各画素に対応する。閾値サブマトリクスの各要素の閾値により，それに対応する（その下にある）グレースケール画像の画素の各データを弁別する（二値化処理する）。たとえば，画素の画像データが示す値が対応する閾値を超えていれば，白（二値画像データは，たとえば「１」）となり，画素の画像データが示す値が対応する閾値未満であれば黒（二値画像データは，たとえば「０」）となる。画像データの示す値が対応する閾値と等しい場合には，黒または白のいずれかにすればよい（予め決めておく）。 In order to binarize the grayscale image of the original image by the systematic dither method, the same threshold value (scale) as the grayscale image (same height) is used by using the threshold submatrix for fabrics created as described above. A threshold matrix (dither matrix) for fabrics having a width and width) is created. That is, the threshold value sub-matrices are arranged in the vertical and horizontal directions within the range of the size of the gray scale image as shown in FIG. It is easy to understand when it is assumed that the threshold value sub-matrix is spread over the gray scale image. Each element of the threshold value submatrix corresponds to each pixel of the grayscale image. Based on the threshold value of each element of the threshold value sub-matrix, each data of the pixel of the gray scale image corresponding to it (under it) is discriminated (binarized). For example, if the value indicated by the pixel image data exceeds a corresponding threshold value, white (binary image data is “1”, for example), and if the value indicated by the pixel image data is less than the corresponding threshold value, black (Binary image data is “0”, for example). If the value indicated by the image data is equal to the corresponding threshold value, it may be either black or white (predetermined).
コンピュータによる画像処理においては，図６に示すように多数の閾値サブマトリクスを縦，横に配列して閾値マトリクスを作成しなくても（メモリ上で閾値マトリクスのすべての要素の閾値データを展開しなくても），グレースケール画像データを閾値サブマトリクスの縦，横の大きさ（上記例では縦，横とも８ビット）ずつ縦，横にシフトして（または１画素ずつシフトして）二値化処理を行なえばよい。二値化処理のやり方は種々の方法がある。 In image processing by a computer, as shown in FIG. 6, it is not necessary to create a threshold matrix by arranging a large number of threshold sub-matrices vertically and horizontally (the threshold data of all elements of the threshold matrix is expanded on the memory). If not, the grayscale image data is binary shifted by vertical and horizontal sizes (8 bits for both vertical and horizontal in the above example) vertically or horizontally (or shifted by one pixel). What is necessary is just to perform a digitization process. There are various methods of binarization processing.
以上のジャカード織物パターン生成方法が特許文献１に記載されているものの一つの方法である。 The above jacquard woven pattern generation method is one of those described in Patent Document 1.
(2) 過剰な規則性の削減
上記では，多数の同じ閾値サブマトリクスを縦，横方向に配列して原画像と同じ大きさの閾値マトリクスを作成している。同じ閾値サブマトリクスを用いる方法の問題点は，原画像の明度が広い範囲にわたって（たとえば，数個以上の閾値サブマトリクスの範囲にわたって）一定値に保たれている場合や，単調にゆるやかに変化している場合（いわゆるグラデーションの範囲において）に生じる。すなわち，原画像を二値化処理するための同じ閾値サブマトリクスが規則的に繰返し配置されているので，原画像の明度の変化の乏しい範囲では閾値サブマトリクスのサイズに相当する規則的繰返しパターンが目立つようになる。このような規則的な繰返しパターンは人工的な印象を与えるために織物パターンとしては必ずしも適切とは言えない。
(2) Reduction of excessive regularity In the above, a threshold matrix having the same size as the original image is created by arranging a number of the same threshold sub-matrices in the vertical and horizontal directions. The problem with the method using the same threshold sub-matrix is that the brightness of the original image is kept constant over a wide range (for example, over a range of several threshold sub-matrices) or changes monotonously and slowly. Occurs (in the so-called gradation range). That is, since the same threshold value sub-matrix for binarizing the original image is regularly and repeatedly arranged, a regular repetition pattern corresponding to the size of the threshold value sub-matrix is present in a range where the change in the brightness of the original image is scarce. Become prominent. Such a regular repetitive pattern is not necessarily appropriate as a woven pattern in order to give an artificial impression.
同じ閾値サブマトリクスを使用することに起因する人工的繰返しパターンであるから，その影響を排除（繰返しパターンの程度の軽減，削減または消滅）するために，使用する閾値サブマトリクスを，閾値がランダム性を持つように，場所によって変化させる（場所によって異なる閾値サブマトリクスを使用する）。このためにはいくつかのやり方がある。 Since it is an artificial repetitive pattern resulting from the use of the same threshold submatrix, the threshold submatrix to be used is random in order to eliminate its influence (reduce, reduce or eliminate the degree of the repetitive pattern). So that they have different locations (use different threshold sub-matrices for different locations). There are several ways to do this.
(1) 閾値マトリクスの各要素の閾値にランダムな数値を場所にかかわらずランダムに与える。たとえば，閾値サブマトリクスの各要素の閾値にランダムノイズを与えて，閾値を上下させる（黒と白（閾値が０または 255）の要素はそのままとする）。
(2) あらかじめ異なる数種類の閾値サブマトリクス（黒と白（閾値が０または 255）の要素の位置が異なる，および／または黒と白以外の要素の閾値が異なる）を用意しておき，これらを，各要素の閾値がランダム性をもって（規則性をもたないように）配置されるように，適当に配置する。
(3) 上記(1)と(2)の組合せ。
(1) A random numerical value is randomly given to the threshold value of each element of the threshold matrix regardless of the location. For example, random noise is given to the threshold value of each element of the threshold value submatrix to raise or lower the threshold value (elements of black and white (threshold value 0 or 255) are left as they are).
(2) Prepare several different types of threshold sub-matrices (black and white (threshold is 0 or 255) with different positions and / or different thresholds for elements other than black and white). , Arrange appropriately so that the threshold of each element is arranged with randomness (so as not to have regularity).
(3) Combination of (1) and (2) above.
以下に上記(1) の方法について詳述する。閾値サブマトリクスの各要素の閾値をランダム性をもって変化させるのは，原画像の明度が一定である，もしくは殆ど変化しない範囲，または変化しても単調にかつゆるやかに変化する範囲において効果的であり，原画像の明度の変化が激しい部分（たとえばエッジ部分）では，必ずしも閾値サブマトリクスの閾値を変化させなくてもよいし，変化させたとしてもその程度は小さくてよい（詳しくは後述する）。 The method (1) will be described in detail below. Changing the threshold value of each element of the threshold submatrix with randomness is effective in a range where the brightness of the original image is constant or hardly changes, or in a range where the brightness changes monotonously and slowly even if it changes. In a portion where the brightness of the original image changes drastically (for example, an edge portion), the threshold value of the threshold value sub-matrix does not necessarily have to be changed, and even if it is changed, the degree may be small (details will be described later).
上記(1) の方法の最も好ましい形態では，閾値サブマトリクスの白，黒以外の要素に，その発生確率が平均がμ，分散がσ2のガウス分布Ｇ（μ，σ2）に従うランダムな値ｖ（無記憶なノイズ，空間的に非周期的なノイズ）を付加する。平均μの値は０がよい。αは定数係数である。 In the most preferred form of the above method (1), random values according to a Gaussian distribution G (μ, σ 2 ) whose occurrence probability is μ and mean is σ 2 in elements other than white and black of the threshold sub-matrix. v (memoryless noise, spatially non-periodic noise) is added. The average μ value should be 0. α is a constant coefficient.
ｖ＝αＧ（μ，σ2） ‥‥(6) v = αG (μ, σ 2 ) (6)
具体的には，値ｖは［０，１］をとる（０〜１の範囲内で発生する）２つの乱数（擬似乱数）ｘ１，ｘ２を用いて次式にしたがって生成できる。 Specifically, the value v can be generated according to the following equation using two random numbers (pseudorandom numbers) x1 and x2 that take [0, 1] (generated within a range of 0 to 1).
ｖ＝α・σ2・２（−２ log（ｘ１））1/2・sin（２π・ｘ２）＋μ ‥‥(7) v = α · σ 2 · 2 (−2 log (x1)) 1/2 · sin (2π · x2) + μ (7)
上記によって別々に発生させた値ｖを閾値マトリクス（ディザマスク画像）を構成するすべての閾値サブマトリクスの各要素（後述するようにエッジ部分に対応する要素に対しては修正することが好ましい）の値（閾値）に加算（マイナスの場合には減算）する。ただし，加算した結果，要素の値（閾値）が１を下廻れば１とし，254を上廻れば254とする。 The value v generated separately as described above is preferably corrected for each element of all threshold sub-matrices constituting the threshold matrix (dither mask image) (elements corresponding to edge portions as described later). Add (subtract if negative) to the value (threshold). However, if the element value (threshold value) is less than 1 as a result of addition, it is 1;
ガウス分布にしたがう発生確率分布を持つノイズを用いるのは，できるだけ多くの値が平均値μ（好ましくはμ＝０）を中心に集中して発生する乱数を用いる方が，原画像に大きな影響を与えずに（原画像に与える影響をできるだけ小さくして）閾値サブマトリクスに起因する規則的かつ過剰な繰返しパターンを軽減できると考えられるからである。したがって，必ずしもガウス分布にしたがうノイズである必要はなく，多くが平均値の近くに分布するものであればよい（分布は階段状でも，矩形状でもよい）。さらに，発生分布を問わないランダム（擬似ランダム）な値（ノイズ）でもよい。ノイズを付加することによって修正した閾値をもつ各閾値サブマトリクスにおいても式(4)，(5)の条件を満足するようにする。式(4)，(5)の制約を満たさない閾値については隣の閾値と交換して式(4)，(5)を満たすようにする。 The use of noise with an occurrence probability distribution according to the Gaussian distribution is because the use of random numbers with as many values as possible centering on the average value μ (preferably μ = 0) has a greater effect on the original image. This is because it is considered that regular and excessive repeating patterns caused by the threshold value sub-matrix can be reduced without giving (the influence on the original image as small as possible). Therefore, the noise does not necessarily have to follow a Gaussian distribution, and it is sufficient if most of them are distributed near the average value (the distribution may be stepped or rectangular). Furthermore, a random (pseudo-random) value (noise) regardless of the occurrence distribution may be used. In each threshold value submatrix having threshold values corrected by adding noise, the conditions of equations (4) and (5) are satisfied. The thresholds that do not satisfy the constraints of equations (4) and (5) are replaced with the adjacent threshold values so that equations (4) and (5) are satisfied.
(3) エッジ強度に応じた調整
上記の方法によれば，原画像の明度が一様な範囲，ほぼ一様な範囲，ゆるやかなグラデーションで変化している範囲については，周期的な模様が現れることは避けることができるが，明度が急激に変化しているエッジ付近については逆にエッジが崩れて，ぼやけた画像になってしまうおそれがある。
(3) Adjustment according to edge strength According to the above method, a periodic pattern appears in the range where the brightness of the original image is uniform, almost uniform, or is changing with gentle gradation. This can be avoided, but there is a risk that the edge will be broken in the vicinity of the edge where the brightness changes rapidly, resulting in a blurred image.
そこで，原画像のエッジを検出し，検出したエッジ強度が所定値よりも大きい場合には，検出したエッジの近傍（エッジ膨張範囲）に対応する閾値サブマトリクスの要素に加えるノイズの値を小さくする。その詳細は以下の通りである。 Therefore, when the edge of the original image is detected and the detected edge intensity is greater than a predetermined value, the value of noise added to the elements of the threshold submatrix corresponding to the vicinity of the detected edge (edge expansion range) is reduced. . The details are as follows.
まず原画像に対して，前処理としてガウシアンフィルタによる平滑化を行う。エッジ画像生成には，たとえばラプラシアンフィルタを用いる。ラプラシアンフィルタを原画像に作用させて得られるエッジ画像をＥ（ｘ，ｙ）とする。このエッジ画像について，エッジの領域をその近傍にまで広げたエッジ膨張画像Ｅe（ｘ，ｙ）を次の式により求める。 First, the original image is smoothed by a Gaussian filter as preprocessing. For example, a Laplacian filter is used for edge image generation. Let E (x, y) be an edge image obtained by applying a Laplacian filter to the original image. With respect to this edge image, an edge dilated image Ee (x, y) obtained by expanding the edge region to the vicinity thereof is obtained by the following equation.
ただし，Ｎ（ｘ，ｙ）は画素（ｘ，ｙ）の近傍画素の集合を表わす。式(8) の意味は，集合Ｎ（ｘ，ｙ）の中の画素（ｓ，ｔ）の画素値（画像データの示す値）の最大値max Ｅ（ｓ，ｔ）を画像 Ｅe（ｘ，ｙ）の値とするということであり，エッジを示す画素の幅がその近傍（範囲はノルムで与えられる）に拡張される。 N (x, y) represents a set of neighboring pixels of the pixel (x, y). The meaning of equation (8) is that the maximum value max E (s, t) of the pixel values (values indicated by the image data) of the pixel (s, t) in the set N (x, y) is the image Ee (x, y), and the width of the pixel indicating the edge is expanded to the vicinity thereof (the range is given by the norm).
さらに，一定値（閾値the ）以上の明度をもったエッジのみの画像を次式により生成する。閾値the よりも小さな値の画素値をもつ画素の画素値を０とする。 Furthermore, an image of only an edge having a lightness equal to or greater than a certain value (threshold value) is generated by the following equation. A pixel value of a pixel having a pixel value smaller than the threshold value the is set to 0.
式(9) で表わされるエッジ強度を次式により正規化する。 The edge strength expressed by Equation (9) is normalized by the following equation.
エッジ以外の領域ではエッジ強度Ｅ′e（ｘ，ｙ）は０であるから，ｐは０である。 Since the edge strength E′e (x, y) is 0 in the region other than the edge, p is 0.
減衰係数βとして，新たなガウスノイズを定義する分散σ′を式(11)によって定義する。 As a damping coefficient β, a variance σ ′ that defines a new Gaussian noise is defined by Equation (11).
式(10)，(11)によると，膨張されたエッジの領域以外について，ｐ＝０であるから，σ′＝σである。膨張エッジ領域についてσ′＜σである。 According to Equations (10) and (11), σ ′ = σ because p = 0 except for the expanded edge region. Σ ′ <σ for the expanded edge region.
すなわち，膨張エッジ領域に関しては，分散σ′の値がきわめて小さなガウス分布をもつノイズが閾値サブマトリクスの対応する要素に加えられることになる。ガウス分布の平均値μを０とすれば，０または０に近い値ｖをもつノイズが加えられることになる。すなわち，閾値サブマトリクスの閾値は，膨張エッジ領域では殆ど変更されないということを意味する。 That is, for the expanded edge region, noise having a Gaussian distribution with a very small variance σ ′ is added to the corresponding element of the threshold submatrix. If the average value μ of the Gaussian distribution is 0, noise having a value v of 0 or a value close to 0 is added. That is, the threshold value of the threshold value submatrix is hardly changed in the expanded edge region.
ここで，既出のパラメータについて整理しておく。 Here, the previously described parameters are organized.
α：ガウス分布の定数係数（式(6)）
the ：検出したエッジのうちで，特に強度の大きいエッジを弁別するためのしきい値（式(9)）
β：膨張エッジ領域において，ガウス分布の分散の値を小さくするための減衰係数，すなわち加えるノイズの値ｖを小さくするための係数（式(11)）
α: Constant coefficient of Gaussian distribution (Formula (6))
the: Threshold value for discriminating particularly strong edges among detected edges (Equation (9))
β: Attenuation coefficient for reducing the variance of the Gaussian distribution in the expansion edge region, that is, a coefficient for reducing the added noise value v (formula (11))
以上の外に，ガウス分布の平均値μ，分散σ，エッジ膨張の範囲を表わす集合Ｎ（ｘ，ｙ）のノルムなどが定数または変数として存在するが，これらは固定しておいてもよい。たとえばμ＝０，σ＝１，Ｌ∞ノルム＝７などである。しかし，これらの値も変えうるようにすることもできる。 In addition to the above, the mean value μ of the Gaussian distribution, the variance σ, the norm of the set N (x, y) representing the range of edge expansion, etc. exist as constants or variables, but these may be fixed. For example, μ = 0, σ = 1, and L∞ norm = 7. However, these values can also be changed.
(4) 拡張誤差拡散法
図７は，グレースケール画像から二値画像を生成するための従来の誤差拡散法を示している。誤差拡散法による処理は，各画素を左から右に向いかつ上から下に向って行なわれるものとする。誤差拡散法ではこれから処理される画素に対して誤差が配分される。
(4) Extended error diffusion method FIG. 7 shows a conventional error diffusion method for generating a binary image from a grayscale image. It is assumed that processing by the error diffusion method is performed with each pixel facing from left to right and from top to bottom. In the error diffusion method, an error is distributed to pixels to be processed.
画素（ｉ，ｊ）のグレースケール画像データをａij（８ビット画像ならば０〜 255の値をとる）とし，誤差拡散法による二値化処理の結果得られる二値画像データをＡij（０または１）とする。二値化処理によって生じる誤差をｅijとする。閾値は一定値でこれをｔaとする。 The gray scale image data of the pixel (i, j) is a ij (0 to 255 for an 8-bit image), and binary image data obtained as a result of binarization processing by the error diffusion method is A ij ( 0 or 1). Let e ij be the error caused by the binarization process. Threshold this is a t a constant value.
画素（ｉ，ｊ＋１）には誤差の重みを７／16として（７／16）ｅijの値を分配する（画素（ｉ，ｊ＋１）の画像データの値に加算する）。同様にして，画素（ｉ＋１，ｊ−１），画素（ｉ＋１，ｊ），画素（ｉ＋１，ｊ＋１）にそれぞれ重み３／16，５／16，１／16を付けて誤差を分配する。重みの値や，分配する画素の範囲について種々の方法が知られており，それぞれ目的に応じて変えることができる。 The value of (7/16) e ij is distributed to the pixel (i, j + 1) with an error weight of 7/16 (added to the image data value of the pixel (i, j + 1)). Similarly, weights 3/16, 5/16, and 1/16 are assigned to pixels (i + 1, j−1), pixels (i + 1, j), and pixels (i + 1, j + 1), respectively, to distribute errors. Various methods are known for the weight value and the range of pixels to be distributed, and can be changed according to the purpose.
従来の誤差拡散法によって生成される二値画像の例が，入力画像データ（簡便のために一定値とする）とともに図８(A) に表わされている。このグラフはｉ行についてのみ示すものである。 An example of a binary image generated by a conventional error diffusion method is shown in FIG. 8A together with input image data (a constant value is used for simplicity). This graph shows only i rows.
さて，織物パターンの生成に適した誤差拡散法の下では，上述した誤差拡散法における閾値として，閾値マトリクス（多数の閾値サブマトリクスを図６に示すように縦，横方向に配列したもの，または，これを，上述した「(2) 過剰な規則性の削減」，「(3) エッジ強度に応じた調整」によって修正したもの）の各要素の閾値を用いる。これを拡張誤差拡散法と呼ぶ。閾値マトリクスの各要素（入力画像の各画素に一対一に対応）の閾値をｔijで表わすと，拡張誤差拡散法による二値化処理によって得られる二値画像データ（これもＡijと表記する）および拡散される誤差（これもｅijで表わす）は次式で与えられる。 Now, under the error diffusion method suitable for generating the fabric pattern, as the threshold value in the error diffusion method described above, a threshold matrix (a number of threshold sub-matrices arranged in the vertical and horizontal directions as shown in FIG. 6, or , This is used as the threshold value of each element of “(2) Reduction of excessive regularity” and “(3) Adjustment according to edge strength” described above. This is called an extended error diffusion method. When the threshold value of each element of the threshold value matrix (corresponding to each pixel of the input image one-to-one) is represented by t ij , binary image data (also denoted as A ij) obtained by binarization processing by the extended error diffusion method ) And the error to be diffused (also represented by e ij ) is given by:
この拡張誤差拡散法によって生成される二値画像の例が，入力画像データ（簡便のために一定値とする）および閾値データとともに図８(B) に表わされている。閾値データが画素（要素）ごとに階段状に変化している。このグラフはｉ行についてのみ示すものである。 An example of a binary image generated by this extended error diffusion method is shown in FIG. 8B together with input image data (a constant value for simplicity) and threshold data. The threshold data changes stepwise for each pixel (element). This graph shows only i rows.
誤差拡散法はエッジの保存に優れているが，二値化後の白と黒の繰返しが過剰に頻繁に発生すること（図８(A) 参照），また逆に一定間隔以上に白または黒が連続してしまうことがありうるので，そのままでは二値化結果をジャカード織物パターンとして使用することは困難である。仮に一定間隔以上に白または黒が連続した場合に補正をしたとしても，短い間隔で白黒が不規則に反転した状態は梨地織と呼ばれるものに近くなり，たて糸とよこ糸の交差を少なくすることでなめらかな質感を実現しようとする繻子織の趣旨に合致しない。 The error diffusion method is excellent at preserving edges, but the repetition of white and black after binarization occurs too frequently (see Fig. 8 (A)), and conversely, white or black exceeds a certain interval. Since it may be continuous, it is difficult to use the binarized result as a jacquard woven pattern as it is. Even if correction is made when white or black continues beyond a certain interval, the state in which black and white are irregularly reversed at short intervals is close to what is called pear texture, and by reducing the number of warp and weft crossings. It does not match the purpose of the lion weaving to achieve a smooth texture.
拡張誤差拡散法では，上述のように閾値マトリクスの閾値を各画素の閾値として用いている。閾値は各画素が０または１を生成する尤度を決定することとなり，閾値が大きければ０（黒）が生成されやすくなることを意味する。この閾値を上述した条件（式(4) ，式(5) ）に従って階段状に設定することによって，白黒の反転の回数を減らすことができる（図８(B) を参照）。これにより，糸の上下の入れ替わる（白黒の反転）頻度を可能な限り少なくし，かつ規則的に揃えて美しい風合いを得ることができる。 In the extended error diffusion method, as described above, the threshold value matrix threshold value is used as the threshold value of each pixel. The threshold value determines the likelihood that each pixel generates 0 or 1, and if the threshold value is large, it means that 0 (black) is likely to be generated. By setting this threshold value in a staircase pattern according to the above-described conditions (Equation (4) and Equation (5)), the number of black and white inversions can be reduced (see FIG. 8B). As a result, the frequency of changing the upper and lower yarns (inversion of black and white) can be reduced as much as possible, and a beautiful texture can be obtained by regularly arranging the yarns.
(5) カラー画像
説明の簡素化のために，上記では，原画像がグレースケール画像という前提で説明を行ったが，上記の手法は原画像がカラー画像であっても同じように適用することができる。
(5) Color image In order to simplify the explanation, the above description is based on the assumption that the original image is a grayscale image. However, the above method should be applied even if the original image is a color image. Can do.
この場合には，まず，オペレータは第１の背景色，第２の背景色およびターゲット色を選択する。第１，第２の背景色は一般には白と黒であるが，他の色でもよい（第１の背景色は二値化したときに第２の背景色を反転したものとなる）。ターゲット色はオペレータ（デザイナー，ユーザ等でもよい）が原画像において特徴となる色（原画像で表現したい色，強調したい色，原画像を最もよく表わす色など）を基本にして選択される。たとえば原画像をＣＭＹＫ（シアン，マゼンタ，イエロー，キープレート（ブラック））の色空間に分解したり，ＲＧＢ（赤，緑，青）の色空間に色分解して，これらの各色の画像を表示させ，原画像の特徴を最も良く表わしている色（第１，第２の背景色を除く）の画像を選択する。そして，ターゲット色および第２の背景色（たとえば黒）のグレースケール画像を得る（原画像からこれらのターゲット色，第２の背景色の画像を抽出すれば，一般的にはそれはグレースケール画像となっている）。 In this case, the operator first selects the first background color, the second background color, and the target color. The first and second background colors are generally white and black, but may be other colors (the first background color is the reverse of the second background color when binarized). The target color is selected by an operator (which may be a designer, a user, or the like) on the basis of colors (colors desired to be expressed in the original image, colors to be emphasized, colors that best represent the original image, etc.) that are characteristic in the original image. For example, the original image is separated into CMYK (cyan, magenta, yellow, key plate (black)) color spaces, or separated into RGB (red, green, blue) color spaces, and images of these colors are displayed. Then, an image having a color (excluding the first and second background colors) that best represents the characteristics of the original image is selected. Then, a grayscale image of the target color and the second background color (for example, black) is obtained (if these target color and second background color images are extracted from the original image, in general, it is a grayscale image. )
このようにして得られた２つのグレースケール画像を，上述した閾値マトリクスを用いた手法（「(2) 過剰な規則性の削減」および「(3) エッジ強度に応じた調整」，または「(4) 拡張誤差拡散法」を含む）を用いて２つの二値画像を得る。一方は，ターゲット色の二値画像（以下，第１の二値画像という）であり，これについてはターゲット色に近い色，または所望の色をつける。すなわち，第１の二値画像は特定の色の画素と白の画素からなる二値画像であり，画像データ値として，特定の色の画素については黒または白以外の値をもち（たとえば，８ビットの場合，０， 255以外の値）（以下，特定値という），白の画素については，最大値（８ビットの場合，255）の画像データをもつ。他方は，第２の背景画像の二値画像（以下，第２の二値画像という）であり，黒の画素を示す値（０）と白の画素を示す値（二値の１，または８ビット表現で 255）の２つの値をもつ。 The two grayscale images obtained in this way can be applied to the above-described method using the threshold matrix (“(2) Reduction of excessive regularity” and “(3) Adjustment according to edge strength” or “( 4) Using the extended error diffusion method ”, obtain two binary images. One is a binary image of a target color (hereinafter referred to as a first binary image), and a color close to the target color or a desired color is applied to this. That is, the first binary image is a binary image composed of pixels of a specific color and white pixels, and the image data value has a value other than black or white for the pixel of the specific color (for example, 8 In the case of bits, values other than 0 and 255 (hereinafter referred to as “specific values”) and white pixels have image data of the maximum value (255 in the case of 8 bits). The other is a binary image of the second background image (hereinafter referred to as a second binary image), which is a value (0) indicating a black pixel and a value (binary 1, or 8) indicating a white pixel. It has two values (255) in bit representation.
そして，これらの第１の二値画像のデータと第２の二値画像のデータとを乗算する（対応する画素ごとに，各画素のデータ値を乗算する）。これにより，各画素が，黒を示す値（０），白を示す値（１または 255）または特定の色を示す特定値のいずれかの値をとる三値（三色）の合成画像が得られる。このような三色の合成画像データに基づいて，複数色のよこ糸を用いた多丁杼織機によるジャカード織物のためのジャカード組織図を生成しジャカード織機を稼働させることは公知の技術である。 Then, the data of the first binary image and the data of the second binary image are multiplied (for each corresponding pixel, the data value of each pixel is multiplied). As a result, a ternary (three colors) composite image is obtained in which each pixel takes one of a value indicating black (0), a value indicating white (1 or 255), or a specific value indicating a specific color. It is done. It is a known technique to generate a jacquard organization chart for a jacquard fabric by a multi-ply weaving machine using multi-color wefts based on such three-color composite image data and to operate the jacquard weaving machine. is there.
上記のターゲット色（または特定の色）を２つ以上にすることもできる。この場合には，各ターゲット色について上記の操作，処理を行い，ターゲット色ごとに三色の合成画像を得ることができる。そして，各合成画像を構成する画素の各行を順次交互に配置して最終的な総合成画像を得ることができる。 Two or more target colors (or specific colors) may be used. In this case, the above operations and processes are performed for each target color, and a composite image of three colors can be obtained for each target color. Then, the final integrated image can be obtained by alternately arranging the rows of pixels constituting each composite image.
(6) コンピュータシステムとソフトウェア処理
図９はジャカード織物パターン生成システム（装置）の電気的（ハードウェア）構成の概要を示すものである。このシステムはコンピュータシステム（コンピュータ端末装置）により実現することができ，処理装置（コンピュータ本体）10，入力装置11，出力装置12，記憶装置13，表示装置14およびパラメータ操作部15を備えている。
(6) Computer System and Software Processing FIG. 9 shows an outline of the electrical (hardware) configuration of the jacquard fabric pattern generation system (apparatus). This system can be realized by a computer system (computer terminal device), and includes a processing device (computer main body) 10, an input device 11, an output device 12, a storage device 13, a display device 14, and a parameter operation unit 15.
処理装置10は，既に述べた，または後述する各種処理を実行するものであり，具体的には，前処理（色分解処理，グレースケール化処理等を含む），閾値サブマトリクス作成処理，閾値マトリクス（ディザ画像）作成，更新処理（エッジ膨張画像処理，ノイズ付加処理等を含む），二値化織物パターン生成処理（閾値マトリクスによる二値化処理，拡張誤差拡散法による二値化処理），パラメータ（制御変数）設定，更新処理等を実行する。したがって，処理装置は，これらの処理のための処理手段を含む。また，処理装置10にはこれらの処理を実行するためのプログラムが設定されており，これらのプログラムは記憶装置13に格納されている。 The processing device 10 executes various processes described above or described later. Specifically, the processing apparatus 10 includes pre-processing (including color separation processing, gray scale processing, etc.), threshold sub-matrix creation processing, threshold matrix. (Dither image) creation, update processing (including edge expansion image processing, noise addition processing, etc.), binarized fabric pattern generation processing (binarization processing by threshold matrix, binarization processing by extended error diffusion method), parameters (Control variable) Set, update processing, etc. are executed. Therefore, the processing device includes processing means for these processes. Further, programs for executing these processes are set in the processing device 10, and these programs are stored in the storage device 13.
入力装置11は，入力画像（原画像）の画像データ等の画像データを含む各種データやオペレータの指令等を入力するためのもので，キーボード，マウス，データ通信装置，ＵＳＢメモリ，ＣＤ−ＲＯＭ等のデータ記録媒体の読取装置等により実現される。後述するパラメータ操作部15を含めてもよい。 The input device 11 is used to input various data including image data such as image data of an input image (original image), an operator command, and the like. A keyboard, a mouse, a data communication device, a USB memory, a CD-ROM, and the like This is realized by a data recording medium reader or the like. A parameter operation unit 15 described later may be included.
出力装置12は処理結果等を示すデータを出力するためのもので，プリンタ，データ通信装置，データ記録媒体への書込装置等により実現される。データ通信装置や記録媒体読取書込装置を入力装置11と共用してもよい。また，表示装置14を含めてもよい。 The output device 12 is for outputting data indicating a processing result or the like, and is realized by a printer, a data communication device, a data recording medium writing device, or the like. A data communication device or a recording medium reading / writing device may be shared with the input device 11. Further, the display device 14 may be included.
記憶装置13は各種データを記憶するもので，半導体メモリ，ハードディスク等により実現される。記憶装置13には，上記の各種処理の途上のデータ，処理結果を表わすデータ，処理に必要なデータ等が記憶される。たとえば，入力画像データ，色分解画像データ，グレースケール画像データ，閾値サブマトリクスのデータ，閾値マトリクスのデータ，ノイズパターンデータ，二値化織物パターンデータ，各種パラメータ，定数等である。 The storage device 13 stores various data and is realized by a semiconductor memory, a hard disk, or the like. The storage device 13 stores data in the middle of the above various processes, data representing the processing results, data necessary for the processes, and the like. For example, input image data, color separation image data, grayscale image data, threshold submatrix data, threshold matrix data, noise pattern data, binarized fabric pattern data, various parameters, constants, and the like.
表示装置14は，ＬＣＤ表示装置等で実現され，入力画像，色分解画像，グレースケール画像，閾値サブマトリクス，閾値マトリクス，二値化織物パターン等が，オペレータの操作による指令に応じて表示される。パラメータ操作部15はパラメータの値を設定，変更するもので，具体的には表示装置14とマウス，キーボード等により実現される。したがって，具体的には表示装置14（出力装置12）と入力装置11の一部により実現される。 The display device 14 is realized by an LCD display device or the like, and displays an input image, a color separation image, a gray scale image, a threshold value sub-matrix, a threshold value matrix, a binarized fabric pattern, and the like according to a command by an operator's operation. . The parameter operation unit 15 sets and changes parameter values, and is specifically realized by the display device 14, a mouse, a keyboard, and the like. Therefore, the display device 14 (output device 12) and the input device 11 are specifically implemented.
図11は処理装置10による設定されたプログラムにしたがう処理の流れを示すものである。 FIG. 11 shows the flow of processing according to the program set by the processing apparatus 10.
まず，オペレータによって，入力装置11またはパラメータ操作部15を用いて，デフォルトのパラメータ（制御変数）および必要に応じて定数が入力されるので，これを取込んで（受入れて）記憶装置13に格納（設定）する（Ｓ11）。パラメータには，上述したように，ガウス分布の定数係数α，検出したエッジのうちで，特に強度の大きいエッジを弁別するためのしきい値the ，膨張エッジ領域において，ガウス分布の分散の値を小さくするための減衰係数β，などがある。これらのパラメータのデフォルト値はたとえば０にしておいてもよいし，他の適当な値を設定しておいてもよい。たとえばα＝８，the＝128，β＝２などでもよい。 First, the operator inputs default parameters (control variables) and constants as necessary using the input device 11 or the parameter operation unit 15, and takes them in (accepts) and stores them in the storage device 13. (Set) (S11). As described above, the parameters include the constant coefficient α of the Gaussian distribution, the threshold value the for distinguishing the particularly strong edge among the detected edges, and the value of the variance of the Gaussian distribution in the expansion edge region. There is an attenuation coefficient β for reducing the size. The default values of these parameters may be set to 0, for example, or other appropriate values may be set. For example, α = 8, the = 128, β = 2 may be used.
ガウス分布の平均値μ，分散σ，エッジ膨張の範囲を表わす集合Ｎ（ｘ，ｙ）のノルムなどの定数は上述したように固定しておいてもよいし，ここでオペレータが入力してもよい。 Constants such as the mean value μ of the Gaussian distribution, the variance σ, and the norm of the set N (x, y) representing the range of edge expansion may be fixed as described above, or may be input by an operator here. Good.
次にオペレータは入力画像データ（原画像データ）を入力装置11から入力するので，入力画像データを適当な階調，たとえば 256階調のグレースケール画像データに変換する（グレースケール化）。また，グレースケール画像データ中のデータ値０を１に，255を254に変更する。これが前処理である（Ｓ12）。 Next, since the operator inputs input image data (original image data) from the input device 11, the input image data is converted into grayscale image data having an appropriate gradation, for example, 256 gradations (grayscale conversion). Further, the data value 0 in the gray scale image data is changed to 1, and 255 is changed to 254. This is preprocessing (S12).
原画像データがカラー画像データであっても，白黒二色の織物パターンを生成する場合には，これを適当な手法（たとえばＹＣｂＣｒ表色系への変換後に明度（輝度）Ｙのデータを取出すなど）により，グレースケール化してもよい。また，カラーの織物パターンを得る場合には，入力カラー画像データをＲＧＢ系，ＣＭＹＫ系などの画像データに変換し，オペレータの指示に応じて表示装置14に表示してターゲット色，第１，第２の背景色をオペレータに選択させる。 Even when the original image data is color image data, when generating a black and white woven pattern, an appropriate method (for example, extracting brightness (luminance) Y data after conversion to the YCbCr color system, etc.) ) To make it gray scale. Also, when obtaining a color fabric pattern, the input color image data is converted into RGB, CMYK, etc. image data and displayed on the display device 14 in accordance with an operator's instruction to display the target color, first and first colors. Let the operator select a background color of 2.
続いて式(1)〜式(5)にしたがう処理によって閾値サブマトリクスを作成する。作成途上の閾値サブマトリクスを表示しながら，閾値として「０」または「 255」が与えられる黒，白の要素以外の要素についてはオペレータが入力してもよい。閾値サブマトリクスを，入力画像と同じ高さ，幅を持つようにメモリ上に配置して閾値マトリクス（ディザマスク画像）を作成する（Ｓ14）。作成した閾値マトリクスは記憶装置13に記憶される。 Subsequently, a threshold value sub-matrix is created by processing according to the equations (1) to (5). The operator may input elements other than the black and white elements to which “0” or “255” is given as the threshold while displaying the threshold submatrix being created. A threshold value matrix (dither mask image) is created by arranging the threshold value sub-matrix on the memory so as to have the same height and width as the input image (S14). The created threshold matrix is stored in the storage device 13.
試みに，作成した閾値マトリクスの各要素の閾値を，二値化閾値として用いて入力画像のグレースケール画像を二値化処理して二値画像データ（織物パターン）を生成してもよい（Ｓ15）。所望のパターンであれば（Ｓ16でＹ），織物パターンの生成処理は終了する。 As a trial, the grayscale image of the input image may be binarized using the threshold value of each element of the created threshold matrix as the binarization threshold value to generate binary image data (textile pattern) (S15). ). If the pattern is a desired pattern (Y in S16), the fabric pattern generation process ends.
上述したように，グレースケール画像に濃度の一様な部分や単調で緩やかに変化するグラデーションがあり，表示装置14に表示した生成織物パターン上に，閾値サブマトリクスによる過剰に規則的な繰返しパターンが生じているときには，または生じるおそれがあるときには，Ｓ14の閾値マトリクス生成処理において，ガウス分布にしたがうノイズを発生させて，閾値マトリクスの各要素の閾値に加え，閾値を修正する。このとき，ノイズレベルを上下する定数αを適当な値に設定する。ランダムな値を閾値に加えた結果，式(4) および式(5) の条件に適合しなくなった閾値サブマトリクスが生じた場合には，適合しない左右の要素の閾値を入れ替える。この入れ替えは，閾値マトリクス生成処理に自動的に行なわせても，オペレータが行ってもよい。
回以内の画素値の入れ替えによって，式(4) および式(5) の規則に従うパターンを得ることができる。
As described above, the gray scale image has a uniform density portion and a gradation that changes monotonously and slowly, and an excessively regular repetitive pattern based on the threshold value sub-matrix is displayed on the generated fabric pattern displayed on the display device 14. When it occurs or is likely to occur, noise according to the Gaussian distribution is generated in the threshold matrix generation processing of S14, and the threshold is corrected in addition to the threshold of each element of the threshold matrix. At this time, a constant α that increases and decreases the noise level is set to an appropriate value. If a threshold value submatrix that no longer meets the conditions in Eqs. (4) and (5) is generated as a result of adding a random value to the threshold, the thresholds of the left and right elements that do not match are swapped. This replacement may be performed automatically by the threshold matrix generation process or by the operator.
By replacing the pixel values within the number of times, a pattern that conforms to the rules in Eqs.
Ｓ14の閾値マトリクス生成処理において，閾値にランダム値を付加する処理を必ず実行するようにしてもよいし，オペレータからの指令があったときに，実行するようにしてもよい。 In the threshold matrix generation process of S14, the process of adding a random value to the threshold value may be executed without fail, or may be executed when a command from the operator is given.
ランダム値が付加された閾値マトリクスを用いて二値化された織物パターンにおいて，表示装置14に表示された織物パターンをみてエッジ部分にぼやけが生じている場合，またはエッジがぼやけるおそれがあるときには，適当な定数β，the を設定して入力画像のグレースケール画像に対して上述したエッジ膨張処理を行い，エッジ膨張画像を生成する（Ｓ13）。そして，正規化されたエッジ強度ｐ，減衰係数β等を用いて新たに定義されたガウス分布にしたがうノイズを発生させて，閾値マトリクスの閾値の修正を行う（Ｓ14）。この閾値マトリクス（ディザマスク画像）の閾値を二値化閾値として用いて入力画像のグレースケール画像を二値化処理をして，得られる織物パターンを表示装置14に表示する。エッジ膨張画像の生成（Ｓ13）およびこのエッジ膨張画像に基づく新たなガウス分布にしたがうノイズの発生，ノイズの付加の処理は，自動的に実行するようにしてもよいし，オペレータによる入力装置11からの指示に応じて実行するようにしてもよい。 In a fabric pattern binarized using a threshold value matrix to which random values are added, when the edge portion is blurred by looking at the fabric pattern displayed on the display device 14, or when the edge may be blurred, Appropriate constants β and the are set, and the above-described edge expansion process is performed on the grayscale image of the input image to generate an edge expansion image (S13). Then, noise is generated according to the newly defined Gaussian distribution using the normalized edge strength p, attenuation coefficient β, etc., and the threshold value of the threshold value matrix is corrected (S14). The gray scale image of the input image is binarized using the threshold value of this threshold value matrix (dither mask image) as the binarization threshold value, and the resulting fabric pattern is displayed on the display device 14. The generation of the edge dilation image (S13) and the generation of noise and the addition of noise according to the new Gaussian distribution based on this edge dilation image may be executed automatically or from the input device 11 by the operator. It may be executed in response to the instruction.
いずれにしても生成された織物パターンは，図10に示すように表示装置14の表示画面に表示される。この表示画面には，入力画像のグレースケール画像，閾値サブマトリクス（ノイズが加えられたものを含む），閾値マトリクス，エッジ膨張画像等を表示することもできる。図10の表示画面の下部に，ガウス分布の定数α，しきい値the ，減衰係数βの値を設定するためのバーが表示されている。オペレータは，表示画面に表示されているポインター（カーソル）をマウス，キーボード等で動かし，これらのパラメータを調整することができる。 In any case, the generated fabric pattern is displayed on the display screen of the display device 14 as shown in FIG. On this display screen, a grayscale image of an input image, a threshold value sub-matrix (including those added with noise), a threshold value matrix, an edge expansion image, and the like can be displayed. At the bottom of the display screen of FIG. 10, a bar for setting the values of the constant α of the Gaussian distribution, the threshold value the, and the attenuation coefficient β is displayed. The operator can adjust these parameters by moving a pointer (cursor) displayed on the display screen with a mouse, a keyboard, or the like.
表示された織物パターンが所望のパターンとは異なるときには（Ｓ16でＮ），これらのパラメータを調整し（Ｓ17），再度，エッジ膨張画像の生成（Ｓ18），閾値マトリクスの生成（Ｓ19）を繰返し，新たに作成された閾値マトリクスの閾値を二値化閾値として用いて二値化処理を行い織物パターンを生成する（Ｓ15）。 When the displayed fabric pattern is different from the desired pattern (N in S16), these parameters are adjusted (S17), edge dilation image generation (S18), threshold matrix generation (S19) is repeated, Using the threshold value of the newly created threshold value matrix as the binarization threshold value, a binarization process is performed to generate a fabric pattern (S15).
所望の織物パターンが得られれば処理は終了する。 If the desired fabric pattern is obtained, the process is terminated.
図12は，拡張誤差拡散法を用いてグレースケール画像を二値化する場合の織物パターンの生成処理手順を示している。図11に示すものと同じ処理には同じステップ番号を付し，重複説明を省略する。 FIG. 12 shows a fabric pattern generation processing procedure when the grayscale image is binarized using the extended error diffusion method. The same processes as those shown in FIG. 11 are denoted by the same step numbers, and redundant description is omitted.
図11の処理では閾値マトリクスの閾値を二値化閾値として用いて直接にグレースケール画像を二値化しているが（Ｓ15），図12においては，生成した閾値マトリクスの各要素の閾値を誤差拡散法の閾値として用いる拡張誤差拡散法によりグレースケール画像を二値化している（Ｓ21）。拡張誤差拡散法では，閾値サブマトリクスの存在に起因する過剰に規則的なパターンが必ずしも現れるとは限らないので，上述したガウス分布にしたがうランダムノイズの閾値への付加処理や，エッジ膨張画像の生成処理は必ずしも必要ではない。ノイズの付加によって閾値マトリクスの閾値を変更する処理をしない閾値マトリクスを用いて拡張誤差拡散法による二値化処理を行ってもよい。 In the processing of FIG. 11, the gray scale image is directly binarized using the threshold matrix threshold as the binarization threshold (S15), but in FIG. 12, the threshold of each element of the generated threshold matrix is error diffusion. The grayscale image is binarized by the extended error diffusion method used as the method threshold (S21). In the extended error diffusion method, an excessively regular pattern due to the presence of the threshold sub-matrix does not always appear. Therefore, the random noise is added to the threshold according to the Gaussian distribution described above, and the generation of the edge expansion image is performed. Processing is not always necessary. You may perform the binarization process by the extended error diffusion method using the threshold value matrix which does not perform the process of changing the threshold value of the threshold value matrix by adding noise.
最後に処理結果を示すいくつかの画像を図面として挙げておく。 Finally, some images showing the processing results are listed as drawings.
図13は閾値マトリクスにランダムノイズを付加することにより，閾値サブマトリクスの繰返しに起因する規則的な繰返しパターンが目立たなくなっていることを示すものである。(a) の入力画像に対して，織物の分野で行なわれる黒点を段階的に変化させる増点法（７階調）が(b) に示されている。(c) 織物ディザ法は，生成した閾値サブマトリクスをそのまま配置して得られる閾値マトリクスの閾値を二値化閾値として用いて入力画像と直接に二値化処理して得られた画像を示し，周期的な繰返しパターン少し現れている。(d) が閾値にガウス分布にしたがうランダムノイズを付加して得られる閾値マトリクスの閾値を二値化閾値として用いて二値化処理をした結果を示すもので，閾値サブマトリクスによる繰返しパターンは見られない。ここでは，σ＝1.0，α＝8.0としている。 FIG. 13 shows that by adding random noise to the threshold matrix, a regular repeating pattern caused by repetition of the threshold sub-matrix is not noticeable. (b) shows the point increase method (7 gradations) for the input image of (a) that changes the black spot in the textile field step by step. (c) The fabric dither method shows an image obtained by performing binarization processing directly with an input image using a threshold matrix threshold obtained by arranging the generated threshold submatrix as it is as a binarization threshold; Some cyclical repetitive patterns appear. (d) shows the result of binarization using the threshold matrix threshold obtained by adding random noise according to the Gaussian distribution to the threshold as the binarization threshold. I can't. Here, σ = 1.0 and α = 8.0.
図14はエッジ膨張処理に関するものであり，(c) は入力画像，(d) は入力画像にエッジ膨張処理を施して得られた画像である。(b) はエッジ強度に応じて閾値に与えるノイズレベルを調整した閾値マトリクスの閾値を二値化閾値として用いて二値化処理して得られた画像，(a) はエッジ強度に応じて閾値に与えるノイズレベルを調整していない閾値マトリクスの閾値を二値化閾値として用いて二値化処理して得られた画像を示し，(b) の方がややエッジが明確になっている。 FIG. 14 relates to edge expansion processing. (C) is an input image, and (d) is an image obtained by performing edge expansion processing on the input image. (b) is an image obtained by binarization using the threshold value of the threshold matrix adjusted the noise level given to the threshold according to the edge strength as the binarization threshold, and (a) is the threshold value according to the edge strength. The image obtained by binarization using the threshold of the threshold matrix without adjusting the noise level given to is shown as the binarization threshold, and the edge is slightly clearer in (b).
図15は拡張誤差拡散法に関するもので，(a) は入力画像，(b) はノイズ付加処理をした閾値マトリクスの各閾値を二値化閾値として用いて直接に入力画像を二値化処理して得られた二値画像，(c) は従来の閾値が一定の誤差拡散法によって得られた二値画像，(d) は拡張誤差拡散法によって二値化して得られた画像を示しており，その下段の(f) ，(g) ，(h) はそれぞれ上段の対応する二値画像(b) ，(c) ，(d) に基づいて作成されたジャカード織物の写真である。下段の(e) はノイズ付加処理をしない閾値マトリクスの閾値を二値化閾値として二値化して得られる二値画像に基づいて作成されたジャカード織物の写真である（織物ディザ法）。 Fig. 15 relates to the extended error diffusion method. (A) is the input image, (b) is the binarization processing of the input image directly using each threshold of the threshold matrix with noise addition as the binarization threshold. (C) shows the binary image obtained by the conventional error diffusion method with a constant threshold, and (d) shows the image obtained by binarization by the extended error diffusion method. , (F), (g), and (h) in the lower part are photographs of the jacquard fabric created based on the corresponding binary images (b), (c), and (d) in the upper part, respectively. The lower part (e) is a photograph of a jacquard fabric created based on a binary image obtained by binarization using the threshold value of the threshold matrix not subjected to noise addition processing as a binarization threshold (fabric dither method).
従来の誤差拡散法は，図15(c) に示す画像ではエッジ保存の効果も高く，階調表現にも優れているが，織物にした結果の図15(g) を見ると，経糸と緯糸が上下する回数が多すぎることにより乱雑な風合いを生じさせている。図15(a) のようにゆるやかな階調勾配を持つような入力画像を表現するためには，こうした白黒の反転の回数が多いパターンは適さないことが分かる。 In the image shown in Fig. 15 (c), the conventional error diffusion method is highly effective in preserving edges and is excellent in gradation expression. A messy texture is caused by the number of times of moving up and down too much. It can be seen that such a pattern with a large number of black and white inversions is not suitable for expressing an input image having a gentle gradation gradient as shown in FIG. 15 (a).
図15(d) に示す拡張誤差拡散法による生成パターンでは，図15(c) に示した従来の誤差拡散法に比べて画像として見たときには優位性は見て取れないが，作製される織物では図15(h) に示すように，従来の誤差拡散法よりもなめらかな質感を表現でき，また，織物ディザ法を用いた図15(e) よりもエッジが保存することができていることが分かる。 In the generation pattern by the extended error diffusion method shown in Fig. 15 (d), the superiority cannot be seen when viewed as an image compared to the conventional error diffusion method shown in Fig. 15 (c). As shown in Fig. 15 (h), it is possible to express a smoother texture than the conventional error diffusion method, and it is possible to preserve the edges more than in Fig. 15 (e) using the fabric dither method. .
10 処理装置
11 入力装置
12 出力装置
13 記憶装置
14 表示装置
15 パラメータ操作部
10 Processing equipment
11 Input device
12 Output device
13 Storage device
14 Display device
15 Parameter operation section
Claims (15)
二値化処理後の結果が織物組織となるように作成された閾値サブマトリクスを配列して，前記グレースケール画像と同じサイズとなる閾値マトリクスを構成するに際して，前記閾値サブマトリクスの各要素の閾値をランダム性をもって異ならせて閾値マトリクスを作成し，このとき，前記閾値サブマトリクスの要素のうち，前記グレースケール画像の画像データを表わす数値の最小値および最大値を有する要素については，そのままの値とし，そして
作成した前記閾値マトリクスの各要素の閾値を二値化のための閾値として用いて，前記グレースケール画像の対応する画素の画像データを二値化する，
ジャカード織物パターンの生成方法。 A method of generating a jacquard fabric pattern by binarizing a grayscale image of an original image to be expressed on a fabric.
When a threshold value sub-matrix created so that the result after binarization processing becomes a woven fabric is arranged to form a threshold value matrix having the same size as the gray scale image, the threshold value of each element of the threshold value sub-matrix Are generated with randomness, and among the elements of the threshold sub-matrix, the values having the minimum value and the maximum value representing the image data of the grayscale image are not changed. and then, and using a threshold value of each element of the threshold matrix created as a threshold for the binarization, binarizes the image data of the corresponding pixel of the gray scale image,
Generation method of jacquard fabric pattern.
二値化処理後の結果が織物組織となるように作成された閾値サブマトリクスを配列して，前記グレースケール画像と同じサイズとなる閾値マトリクスを構成するに際して，前記閾値サブマトリクスの各要素の閾値をランダム性をもって異ならせて閾値マトリクスを作成するものであり，このとき，前記閾値サブマトリクスの要素のうち，前記グレースケール画像の画像データを表わす数値の最大値および最小値を有する要素については，そのままの値とする閾値マトリクス作成手段，および
作成した前記閾値マトリクスの各要素の閾値を二値化のための閾値として用いて，前記グレースケール画像の対応する画素の画像データを二値化する二値化手段，
を備えるジャカード織物パターンの生成装置。 A device that generates a jacquard fabric pattern by binarizing the grayscale image of the original image expressed on the fabric.
When a threshold value sub-matrix created so that the result after binarization processing becomes a woven fabric is arranged to form a threshold value matrix having the same size as the gray scale image, the threshold value of each element of the threshold value sub-matrix Are created with different randomness, and among the elements of the threshold sub-matrix, the elements having the maximum value and the minimum value of the numerical value representing the image data of the grayscale image are as follows: using the threshold matrix creating means and as a value, and the threshold value of each element of the threshold matrix created as a threshold for the binarization, binarizes the image data of the corresponding pixel of the gray scale image two Valuation means,
A device for generating a jacquard fabric pattern.
二値化処理後の結果が織物組織となるように作成された閾値サブマトリクスを配列して，前記グレースケール画像と同じサイズとなる閾値マトリクスを構成するに際して，前記閾値サブマトリクスの各要素の閾値をランダム性をもって異ならせて閾値マトリクスを作成し，このとき，前記閾値サブマトリクスの要素のうち，前記グレースケール画像の画像データを表わす数値の最小値および最大値を有する要素については，そのままの値とし，そして
作成した前記閾値マトリクスの各要素の閾値を二値化のための閾値として用いて，前記グレースケール画像の対応する画素の画像データを二値化するようにコンピュータを制御するためのジャカード織物パターン生成プログラム。 A program for generating a jacquard woven pattern by binarizing the grayscale image of the original image expressed on the woven fabric by a computer.
When a threshold value sub-matrix created so that the result after binarization processing becomes a woven fabric is arranged to form a threshold value matrix having the same size as the gray scale image, the threshold value of each element of the threshold value sub-matrix Are generated with randomness, and among the elements of the threshold sub-matrix, the values having the minimum value and the maximum value representing the image data of the grayscale image are not changed. and and using a threshold value of each element of the threshold matrix created as a threshold for binarizing the gray-scale image corresponding manager for controlling a computer to binarized image data of the pixels of the Card fabric pattern generation program.
請求項１に記載のジャカード織物パターンの生成方法。 The binarization of the pixel data of each pixel of the grayscale image is performed for each pixel by an error diffusion method . At this time , the threshold value of the element corresponding to each pixel of the created threshold matrix is set to the error of the pixel. Used as a threshold for calculation,
The method for generating a jacquard woven pattern according to claim 1 .
請求項５に記載のジャカード織物パターンの生成装置。 It said binarizing means, said been made to binarization by the error diffusion method pixel data for each pixel of each pixel of the gray scale image, in this case, corresponding to each pixel of the threshold matrix created Including an extended error diffusion binarization means that uses an element threshold as a threshold for calculating an error of the pixel,
The jacquard woven pattern generation apparatus according to claim 5 .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014094992A JP6152520B2 (en) | 2014-05-02 | 2014-05-02 | Method, apparatus and program for generating jacquard fabric pattern |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014094992A JP6152520B2 (en) | 2014-05-02 | 2014-05-02 | Method, apparatus and program for generating jacquard fabric pattern |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015212440A JP2015212440A (en) | 2015-11-26 |
| JP6152520B2 true JP6152520B2 (en) | 2017-06-28 |
Family
ID=54696840
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014094992A Active JP6152520B2 (en) | 2014-05-02 | 2014-05-02 | Method, apparatus and program for generating jacquard fabric pattern |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6152520B2 (en) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101884885B1 (en) | 2016-01-19 | 2018-08-03 | 주식회사 티디소프트 | Method for making line type color image for textile weaving |
| CN106709928B (en) * | 2016-12-22 | 2019-12-10 | 湖北工业大学 | fast two-dimensional maximum inter-class variance threshold method for noisy images |
| JP7477864B2 (en) | 2020-05-18 | 2024-05-02 | 国立大学法人山梨大学 | IMAGE GENERATION METHOD, PROGRAM, AND IMAGE GENERATION DEVICE |
| CN114232181B (en) * | 2021-11-15 | 2023-07-21 | 佛山市南海区源志诚织造有限公司 | Manufacturing method for weaving single-width gradual-change jacquard fabric by double-handle jacquard |
| JPWO2023119653A1 (en) * | 2021-12-24 | 2023-06-29 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6671068B1 (en) * | 1999-09-30 | 2003-12-30 | Sharp Laboratories Of America, Inc. | Adaptive error diffusion with improved edge and sharpness perception |
| JP2001226848A (en) * | 2000-02-10 | 2001-08-21 | Tomiya Orimono Kk | Method and apparatus for making data of weave diagram of woven fabric and method and apparatus for weaving woven fabric |
| JP4107108B2 (en) * | 2003-03-05 | 2008-06-25 | コニカミノルタビジネステクノロジーズ株式会社 | Image processing method and apparatus |
| JP5311092B2 (en) * | 2008-01-21 | 2013-10-09 | 山梨県 | Manufacturing method of jacquard fabric |
-
2014
- 2014-05-02 JP JP2014094992A patent/JP6152520B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015212440A (en) | 2015-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6152520B2 (en) | Method, apparatus and program for generating jacquard fabric pattern | |
| JP4559118B2 (en) | Bit mask generation system, printer driver, printing method incorporating the generated bit mask mask, and method of using the same | |
| US8792719B2 (en) | Image processing device determining attributes of regions | |
| US6775406B1 (en) | Colorizing a black-and-white image to facilitate the identification of a pattern in the image | |
| JP6115545B2 (en) | Image processing apparatus and image processing method | |
| JP6948028B2 (en) | Anti-counterfeit printed matter creation method and anti-counterfeit printed matter creation program | |
| US8619189B2 (en) | Image processing apparatus to reduce isolated noise effects in moving image drive distribution processing | |
| JP2018019367A (en) | Image processing apparatus | |
| JP4391978B2 (en) | Bit mask generation system | |
| JP6256747B2 (en) | Image conversion processing method, program for executing the same, and image conversion processing apparatus | |
| CN107516299B (en) | Symmetric multi-threshold error diffusion method for fabric color level conversion and application thereof | |
| CN101959000B (en) | Image data processing method and device | |
| JP6651776B2 (en) | Image processing apparatus, image processing method, and program | |
| JP2024000704A (en) | Image generation method, program, and image generation device | |
| KR101884885B1 (en) | Method for making line type color image for textile weaving | |
| JP7491763B2 (en) | Image processing device, method, and program | |
| Igarashi et al. | Optimizing Dither Masks for Rendering Smooth Tones on Fabric | |
| JP6746830B2 (en) | Jacquard fabric multicolor weave pattern generation method, device and program | |
| JP6703732B2 (en) | Super-resolution device, super-resolution method, and program | |
| JP4965378B2 (en) | Image forming method and image forming system | |
| JPWO2019082232A1 (en) | Image processing device, image processing method, and program | |
| JP2004012751A (en) | Device and method for generating character data and program | |
| JPH05244400A (en) | Binarizing device | |
| TWI530914B (en) | Data-bearing encoding system and decoding system utilizing halftone cell dot number modulation | |
| JP2017028657A (en) | Image processing method and image processing apparatus |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151207 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20151207 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160825 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160906 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161107 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170321 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170328 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6152520 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |