JPH06197227A

JPH06197227A - 画像処理装置

Info

Publication number: JPH06197227A
Application number: JP20391292A
Authority: JP
Inventors: Yoshiaki Nishikawa; 喜章西川; Akira Kojima; 晃小嶋; Takashi Kitaguchi; 貴史北口; Takahiko Uno; 高彦宇野; Konosuke Maruyama; 幸之助丸山; Koshu Suzuki; 弘修鈴木; Takeshi Ogiwara; 毅荻原
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1992-07-30
Filing date: 1992-07-30
Publication date: 1994-07-15

Abstract

(57)【要約】【目的】原画像データをより高い圧縮率でデータ圧縮
し、かつ、元の画像データに逆変換することが可能な画
像処理装置を提供する。【構成】ニューロ学習データ入力部１１から学習デー
タを入力させ、ニューロ画像データ圧縮部２３内のニュ
ーラルネットワーク素子に学習させて、画像データ伸長
部４１で所定の演算式に従って画像データの数列を演算
する時の初期値や閾値に対応する符号データを出力させ
るように重み係数を修正させる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は入力した画像データを処
理して、入力された画像データよりデータ量の少ない符
号データに変換すると共に、符号データを元の画像デー
タに変換することが可能な画像処理装置に関する。

【０００２】

【従来の技術】例えば、ファクシミリ等の画像伝送装置
においては、比較的低い周波数で多くの画像情報を伝送
させるために、原稿を読み取った画像データを２値画像
データに変換し、その２値画像データを符号化してデー
タ圧縮する。符号化方式としては画像の主走査方向、あ
るいは副走査方向の画像データの連続性に着目して、連
続する画像データを圧縮するＭＲ方式、あるいはＭＭＲ
方式が知られている。即ち、主走査方向に連続する黒デ
ータ、あるいは白データをその連続するドット長で表
し、副走査方向に関しては、次のラインに移った時、画
像データの白黒が切り替わる点（白データが黒データ
に、または黒データが白データに反転する点）のドット
アドレスを直前のラインの同様の転換点からの相対値で
表現する。従って、この方式は同じ（白あるいは黒）デ
ータが連続して長く続いている場合に有効である。な
お、画像データの圧縮率を高めるために、データ変換し
た画像データを最適な可変長データで表現する。以下、
上述の符号化方式を具体的に説明する。図１７は原画像
の具体例、図１８は符号化されたデータの伸長および描
画処理の流れを示したものである。まず、１ライン前の
変化点Ａのドットアドレスを算出する（Ｓ−５１）。こ
れは前述のように、注目ラインの変化点Ｃは直前のライ
ンの変化点Ａのドットアドレスからの相対値で表現され
ているため、ドットアドレスを絶対値で表現するために
は変化点Ａのドットアドレスが必要になるからである。
次に、一連のデータから直前のラインの変化点Ａのドッ
トアドレスからの相対距離を表すデータＢを読み出す
（Ｓ−５２）。直前のラインの変化点Ａのドットアドレ
スに相対距離を表すデータＢを加算し、注目ラインの変
化点Ｃのドットアドレスデータを算出する（Ｓ−５
３）。次に、注目ラインの変化点Ｃまでの画像を描画す
る（Ｓ−５４）。ラインの画像は連続する白および黒画
素が交互に繰り返すように並んでいるので、黒データの
描画が終わると白データの描画、白データの描画が終わ
ると黒データの描画というように交互に描画を繰り返
す。そして描画すべき次のラインを調べて、未だ次のラ
インが有れば（Ｓ−５５で有り）、ラインカウントを歩
進させて（Ｓ−５６）、ステップＳ−５１に戻って上述
の処理を繰り返す。描画すべき次のラインが無ければ
（Ｓ−５５で無し）、データの伸長および描画処理を終
了する。

【０００３】

【発明が解決しようとする課題】ところが、上述の符号
化方式においては画像データおよび符号データのコード
化およびデコード化は１ビットずつ行われるので、その
処理に多くの時間を費やしてしまう。さらに、原画像デ
ータの主走査方向の白黒の変化が非常に多い場合には画
像データの圧縮効果が期待できない。従って、高画質お
よび高速処理を要求されない用途にしか適用できないと
いった問題点があった。本発明は従来技術におけるかか
る問題点に鑑みて成されたものであり、原画像データを
より高い圧縮率でデータ圧縮し、かつ、元の画像データ
に逆変換することが可能な画像処理装置を提供すること
を目的とする。

【０００４】

【課題を解決するための手段】本発明は上記課題を解決
するために、データ符号化手段を複数の入力情報を処理
して１つの出力情報を出力する情報処理ユニットが多
数、網目状に結合されて成る情報処理ユニット網目結合
素子で構成し、画像データ入力手段に入力した画像デー
タをデータ符号化手段で符号化して符号データ記憶手段
に記憶し、また、符号データをデータ復号化手段で復号
化するようにしたものである。好ましくは、データ復号
化手段は、第１の符号データを初期値として順次、不規
則な次データを与える既知の演算式によってデータ列を
形成し、該データ列の各データと第２の符号データを比
較した比較情報により２値データに変換する演算方法を
用いて、符号データを演算して画像データに変換するこ
とが可能であり、情報処理ユニット網目結合素子はデー
タ復号化手段の復号化処理に対する逆変換を行わせる教
示データの入力により、各情報処理ユニットの情報処理
特性を修正可能としたものである。

【０００５】

【作用】データ符号化手段は画像データ入力手段に入力
した画像データを符号化して、その符号データを符号デ
ータ記憶手段が記憶する。そして、好ましい手段では、
データ復号化手段の復号化処理に対する逆変換を行わせ
る教示データが入力されると、各情報処理ユニットの情
報処理特性が修正される。データ復号化手段は、好まし
い手段では、第１の符号データを初期値として順次、不
規則な次データを与える既知の演算式によってデータ列
を形成し、該データ列の各データと第２の符号データを
比較した比較情報により２値データに変換する復号化を
行う。

【０００６】

【実施例】以下、本発明の一実施例を図面を参照して詳
細に説明する。図２および図１はそれぞれ本発明の実施
例である画像入出力装置の概略を示す構成図および機能
ブロック図である。図２に示すように、画像入出力装置
は原画像データの入力を行う入力装置１、入力装置１に
入力された画像データに圧縮処理を施し、後述の画像記
憶装置に格納させる画像圧縮装置２、圧縮された画像デ
ータを格納する画像記憶装置３、画像記憶装置３から読
み出された画像データに伸長処理を施す画像伸長装置
４、および伸長された画像データを記録紙等に出力する
出力装置５から構成されている。画像圧縮装置２には後
述のニューラルネットワーク（ＮＮ）素子が内蔵されて
おり、所望の画像データの入力作業に先立って、図１に
示すニューロ学習データ入力部１１から学習データを入
力させ、ニューロ画像データ圧縮部２３に送って所望の
画像データを適正に画像圧縮することができるように学
習させるための処理を行わなければならない。図６は画
像入出力装置の主要な動作過程である画像データの学習
・圧縮および伸長過程を示す流れ図である。以下、図６
にＳ−１ないしＳ−４で示す主要な動作過程毎に詳細に
説明する。

【０００７】Ｉ．ＮＮ学習過程（Ｓ−１）本過程では上述のように、所望の画像データを適正に画
像圧縮することができるように学習させるための学習処
理が施される。図７は学習過程の詳細を示す流れ図であ
る。入力装置１のニューロ学習データ入力部１１に入力
された学習データは画像圧縮装置２のデータ入力制御部
２１に送られる。データ入力制御部２１では入力された
データがデコードされ、それが学習データであることが
判定されると（Ｓ−１１）、その判定情報と共に学習デ
ータがニューロ画像データ圧縮部２３に送出され、そこ
に読み込まれる（Ｓ−１２）。ニューロ画像データ圧縮
部２３では内蔵されたＮＮ素子が学習データを受け入れ
て（Ｓ−１３）、データ変換して出力した符号データが
画像データ伸長部５１を経て出力装置５により出力され
た時に、出力された画像が学習データの表す画像を忠実
に再現するように学習処理が施される（Ｓ−１４）。Ｎ
Ｎ素子は図５に示すように、ニューロン素子｛Ｎ_ij｝が
入力層、中間層および出力層の３層で網目状に接続され
て構成されたものであり、図４に示すように、入力層ニ
ューロン素子（Ｚｓ）；｛Ｎ_1j｝に画像データ｛Ｄ_j｝
が入力すると、出力層ニューロン素子（Ｚｅ）；
｛Ｎ_3j｝に画像データ｛Ｄ_j｝に対応した符号データ
｛Ａ_i｝が出力される。単一のニューロン素子Ｎ_iは神
経細胞と類似の作用を果たすものであり、図３に示すよ
うに、他のニューロン素子Ｎ_jからの入力Ｄ_jが入力す
ると、入力Ｄ_jにそれぞれ重み係数ｗ_jを掛けた総和Σ
ｗ_jＤ_jが所定の閾値θ_iを越えた時、大きな値の出力
Ａ_iを出力する。なお、ニューロン素子Ｎ_iにはシグモ
イド関数Ｆを対応付けられることが知られている。

【０００８】ところで、数列式Ｘ_n+1＝４Ｘ_n・（１−Ｘ_n） ……（１）で与えられる数列｛Ｘ_n｝は任意の初期値Ｘ₀（０＜Ｘ
₀＜１）に対して、０＜Ｘ_n＜１であって、かつ、一見
ばらばらな数値Ｘ_nの羅列に見える離散的な数列とな
る。図１１および図１２(b) はＸ₀＝0.3 とした時の数
列｛Ｘ_n｝およびその値のグラフである。初期値Ｘ₀の
値を変えてやると、以前の数列｛Ｘ_n｝とは全く異なる
数列｛Ｘ_n｝が形成されるが、どんな初期値Ｘ₀の値に
対しても常に離散的であって、かつ、周期性を有しな
い。そこで、数列｛Ｘ_n｝に対して次式で定義される数
列｛Ｙ_n｝について検討してみると、Ｙ_n＝１；Ｘ_n≧Ｔｈ，（０＜Ｔｈ＜１）Ｙ_n＝０；Ｘ_n＜Ｔｈ ……（２）上述のように、数列｛Ｘ_n｝は常に離散的であり、か
つ、周期性を有しないので、数列｛Ｙ_n｝も０と１の２
値で構成される不規則な数列となる。従って、初期値Ｘ
₀と共に閾値Ｔｈの値を変化させると、周期性を有しな
い離散的な数列｛Ｘ_n｝に応じて、類似性の無い無数の
不規則な数列｛Ｙ_n｝が得られることが分かる。ところ
で、ライン毎の画素の濃度を読み取って２値データに変
換した２値画像データで構成される画像データ列
｛Ｄ_n｝も不規則な数列となっているので、画像データ
列｛Ｄ_n｝を不規則な数列｛Ｙ_n｝に対応付けると、画
像データ列｛Ｄ_n｝は上記数列式（１）を用いることに
より、わずか２つの値、初期値Ｘ₀と閾値Ｔｈで表すこ
とができることになる。即ち、大幅なデータ圧縮が可能
になる。図１２(a) は主走査方向の画像データ列
｛Ｄ_n｝の１例を示したものであり、この画像データ列
｛Ｄ_n｝に対しては、図１２(b) に示すように、Ｘ₀＝
0.3 、Ｔｈ＝0.7 とすることにより、数列式（１）およ
び（２）を用いて完全に表現できることか判る。そこ
で、試行演算によって画像データ列｛Ｄ_n｝に対応する
初期値Ｘ₀と閾値Ｔｈを見つけることができれば、画像
データの優れた符号化手段となるが、膨大な数の演算処
理が必要になるので、高機能の演算ユニットと長時間の
演算処理時間を要するため実用的ではない。本実施例の
画像入出力装置は上述の数列式（１）を用いた画像デー
タの符号化手段と同等の機能をＮＮ素子に果たさせよう
とするものである。そのため、本学習過程においては、
画像データ列｛Ｄ_n｝がＮＮ素子に入力すると、出力
｛Ａ_n｝として画像データ列｛Ｄ_n｝を完全に表現でき
る初期値Ｘ₀と閾値Ｔｈが出力されるようにするため
に、学習データＤ_i ^l（ｉ＝１，……，ｍ）として、１
ライン分の画像データ（または１ラインの半分の画像デ
ータ）列｛Ｄ_ni ^l｝を与えると、ＮＮ素子が数列
｛Ｙ_n｝として、数列式（１）に対応する、予め求めた
初期値Ｘ_0i ^lと、閾値Ｔｈ_i ^lを出力するようにする。
つまり、上述の数列式（１）および（２）に代表される
符号化手段と同様の動作をするようにＮＮ素子を特徴付
ける重み係数｛ｗ_j｝に修正が加えられる。図１３は入
力画像データ列｛Ｄ_ni ^l｝と教示データ｛Ｉ_i ^l｝から
なる学習データＤ_i ^lの１例を示した表図である。重み
係数｛ｗ_j｝の値はデータ記憶部３１に格納されてい
て、学習画像データ列｛Ｄ_ni ^l｝が順次ＮＮ素子に読み
込まれる毎に、ＮＮ素子から初期値Ｘ_0i ^l、閾値Ｔｈ_i
^lが出力されるように次々に重み係数｛ｗ_j｝が出力側
に近い重み係数ｗ_jから順次、修正されるバックプロパ
ゲーション法によって修正され、データ記憶部３１に格
納される。ｍ組の学習データＤ_i ^lの読み込みによる学
習処理が全て終わると、ステップＳ−１の学習過程を終
了する。

【０００９】II．画像領域抜き出し過程（Ｓ−２）本過程は次過程以降で実行されるデータの圧縮伸長処理
を効率的に行えるようにするために、原稿の全領域の中
で画像として認識できる領域を抽出して、この領域の画
像データに対してのみデータの圧縮伸長処理が施される
ようにする。図８は画像領域抜き出し過程の詳細を示す
流れ図である。まず、データ入力制御部２１の制御によ
って画像データが入力装置１の画像データ入力部１２か
ら読み込まれ、それが画像データＤと判定されると、画
像データ分離部２２に送られる。画像データ分離部２２
では読み込まれた画像データＤに対して平滑化処理が施
される（Ｓ−２１）。次に、平滑化された画像データＤ
の中で孤立点の削除を行い（Ｓ−２２）、画像データＤ
の読み込み初期値（原画像の左上隅）に移る（Ｓ−２
３）。そして、画像データＤのアドレスがそれぞれ原画
像の副走査画素数および主走査画素数より大きくなけれ
ば（Ｓ−２４，Ｓ−２５でＮｏ）、画像データＤの値を
調べて、それが０ならば（Ｓ−２６でＹｅｓ）、主走査
（ｘ）アドレスを歩進させる（Ｓ−２８）。また、画像
データＤの値が０でなければ（Ｓ−２６でＮｏ）、その
画像データＤのアドレスが画像領域の先頭ｘアドレスで
あった時、そのｘアドレスを登録し、画像領域の先頭ｘ
アドレスでなかった時、データ長カウンターに歩進デー
タを送った後（Ｓ−２９）、ｘアドレスを歩進させる。
これらの処理を繰り返して、副走査方向の最終ラインの
処理が終了したら、画像領域抜き出し過程を終了する。
図１５は単純な入力画像の１例を基に画像領域抜き出し
過程の処理を示した説明図であり、図１６は入力画像を
画素レベルまで拡大して示した模式図である。図１５に
おいて、(a) に示す入力画像に対して平滑化および孤立
点の削除処理が施された後、画像データＤを調べて、
(b) に示す画像データＤが０の領域が得られる。画像デ
ータＤが０の領域を除いた(c) に示す画像領域を抽出
し、画像領域のライン毎の先頭ｘアドレスデータ（図１
６の，，……）およびデータ長データ（図１６のＬ
０，Ｌ１，……）を画像記憶装置３のデータ記憶部３１
に記憶させる。

【００１０】III.データ圧縮過程（Ｓ−３）図９に示すデータ圧縮過程の流れ図に従って、入力画像
データのデータ圧縮過程を説明する。まず、画像データ
Ｄが有れば（Ｓ−３１で有）、データ記憶部３１に記憶
されている原画像の画像領域のデータを読み出し（Ｓ−
３２）、既に、Ｉ．学習過程で数列式（１）および
（２）に代表される符号化手段に相当する学習が行われ
たニューロ画像データ圧縮部２３のＮＮ素子の入力層Ｚ
ｓに入力させる（Ｓ−３３）。入力層Ｚｓに入力された
画像領域のデータは中間層Ｚｍを経て出力層Ｚｅに伝達
される過程で、各ニューロン素子｛Ｎ_ij｝の相互作用を
受けて上記符号化手段と同様の処理が加えられ、出力デ
ータとして上記数列式に対応する初期値Ｘ₀と閾値Ｔｈ
が出力される（Ｓ−３４）。得られた初期値Ｘ₀と閾値
Ｔｈデータは図１４に示すように、画像領域のライン毎
の先頭ｘアドレスデータおよびデータ長データと対応さ
せて、画像記憶装置３のデータ記憶部３１に格納される
（Ｓ−３５）。上述の処理は全ての画像領域について実
行される。

【００１１】IV. データ伸長過程（Ｓ−４）データ記憶部３１に格納されたＸ₀，Ｔｈ等の符号デー
タは必要に応じて読み出され、元の画像データＤに戻さ
れる。本過程は元の画像データＤへの変換過程行うもの
であり、図１０はデータ伸長過程を示す流れ図である。
まず、データ圧縮されて得た符号データが有れば（Ｓ−
４１で有）、画像伸長装置４の画像データ伸長部４１は
データ記憶部３１に記憶されている初期値Ｘ₀と閾値Ｔ
ｈの符号データを読み出し（Ｓ−４２）、それをデータ
伸長モジュールに入力させる（Ｓ−４３）。そしてデー
タ記憶部３１に記憶されている数列式（１）および
（２）に従って数列｛Ｘ_n｝を、さらに、原画像の画像
領域の画像データＤに対応する数列｛Ｙ_n｝を算出する
（Ｓ−４４）。得られた数列｛Ｙ_n｝データは画像デー
タ列｛Ｄ_n｝として画像データ出力制御部５１に転送さ
れ、その制御に下に画像データ出力部５２に送られて、
例えば、画像表示管上に原画像に対応する画像が表示さ
れる（Ｓ−４５）。上述の処理は全ての符号データが無
くなるまで繰り返される。

【００１２】

【発明の効果】以上説明したように請求項１記載の発明
によれば、複数の入力情報を処理して１つの出力情報を
出力する情報処理ユニットが多数、網目状に結合されて
成る情報処理ユニット網目結合素子でデータ符号化手段
を構成したので、情報処理ユニット網目結合素子の各情
報処理ユニットの情報処理特性を適宜設定することによ
り、複雑な演算処理を行うこと無く、画像データをより
高い圧縮率でデータ圧縮して符号化することができるか
ら、画像処理装置の画像処理速度を高め、価格を低減
し、記憶装置に必要な記憶容量を大幅に縮小させること
ができる。請求項２記載の発明によれば、データ復号化
手段は演算が比較的、容易な既知の演算方法を用いて、
符号データを演算して画像データに変換し、情報処理ユ
ニット網目結合素子はデータ復号化手段の復号化処理に
対する逆変換を行わせる教示データの入力により、各情
報処理ユニットの情報処理特性を修正可能としたので、
復号化の演算が比較的、容易なのに対して、符号化の演
算が複雑な画像データの符号化復号化方式を採用して、
画像データのデータ圧縮率を高めようとする場合に、情
報処理ユニット網目結合素子に教示データを入力させる
ことにより、複雑な画像データの符号化方式を学習させ
ることができるから、情報処理ユニット網目結合素子の
各情報処理ユニットの情報処理特性の設定を容易に行う
ことができる。請求項３記載の発明によれば、データ復
号化手段は第１の符号データを初期値として順次、不規
則な次データを与える既知の演算式によってデータ列を
形成し、該データ列の各データと第２の符号データを比
較した比較情報により２値データに変換する復号化を行
う演算方法を用いるようにしたので、既知の演算式をそ
のまま復号化方式の演算に採用して符号化および復号化
の精度の高い画像データの画像処理が可能になる。

【図面の簡単な説明】

【図１】本発明の実施例である画像入出力装置の機能ブ
ロック図である。

【図２】画像入出力装置の概略を示す構成図である。

【図３】ニューロン素子の機能を示す模式図である。

【図４】ＮＮ素子による画像データの符号化処理を示す
模式図である。

【図５】ＮＮ素子の内部構成を示す模式図である。

【図６】画像データの学習・圧縮および伸長過程を示す
流れ図である。

【図７】学習過程の詳細を示す流れ図である。

【図８】画像領域抜き出し過程の詳細を示す流れ図であ
る。

【図９】データ圧縮過程の流れ図である。

【図１０】データ伸長過程の流れ図である。

【図１１】Ｘ₀＝0.3 とした時の数列｛Ｘ_n｝を示す表
図である。

【図１２】主走査方向の画像データ列｛Ｄ_n｝の１例を
示した模式図およびＸ₀＝0.3 とした時の数列｛Ｘ_n｝
のグラフである。

【図１３】学習データの１例を示した表図である。

【図１４】符号データのフォーマットを示す説明図であ
る。

【図１５】画像領域抜き出し過程の処理を示した説明図
である。

【図１６】入力画像を画素レベルまで拡大して示した模
式図である。

【図１７】原画像の１例を画素レベルまで拡大して示し
た模式図である。

【図１８】従来例にかかる符号データの伸長および描画
処理を示した流れ図である。

【符号の説明】

１１ニューロ学習データ入力部１２画像データ入力部２１データ入力制御部２２画像データ分離部２３ニューロ画像データ圧縮部３１データ記憶部４１画像データ伸長部５１画像データ出力制御部５２画像データ出力部

───────────────────────────────────────────────────── フロントページの続き (72)発明者宇野高彦東京都大田区中馬込１丁目３番６号株式会社リコー内 (72)発明者丸山幸之助東京都大田区中馬込１丁目３番６号株式会社リコー内 (72)発明者鈴木弘修東京都大田区中馬込１丁目３番６号株式会社リコー内 (72)発明者荻原毅東京都大田区中馬込１丁目３番６号株式会社リコー内

Claims

【特許請求の範囲】

【請求項１】画像データを入力する画像データ入力手
段と、画像データを処理して、入力された画像データよ
りデータ量の少ない符号データに変換するデータ符号化
手段と、該データ符号化手段により変換された符号デー
タを記憶する符号データ記憶手段と、符号データを元の
画像データに変換するデータ復号化手段を備えた画像処
理装置において、前記データ符号化手段は複数の入力情
報を処理して１つの出力情報を出力する情報処理ユニッ
トが多数、網目状に結合されて成る情報処理ユニット網
目結合素子から成ることを特徴とする画像処理装置。
【請求項２】データ復号化手段は比較的、演算が容易
な既知の演算方法を用いて、符号データを演算して画像
データに変換することが可能な演算手段であり、情報処
理ユニット網目結合素子は前記データ復号化手段の復号
化処理に対する逆変換を行わせる教示データの入力によ
り、各情報処理ユニットの情報処理特性を修正可能とし
たことを特徴とする請求項１記載の画像処理装置。
【請求項３】データ復号化手段に用いられる演算方法
は、第１の符号データを初期値として順次、不規則な次
データを与える既知の演算式によってデータ列を形成
し、該データ列の各データと第２の符号データを比較し
た比較情報により２値データに変換するものであること
を特徴とする請求項２記載の画像処理装置。