JPH06333041A - デジタル連続階調イメージの局部欠陥検出及び除去技術 - Google Patents

Abstract

(57)【要約】 【目的】 オペレータの介在を最小限としつつ、イメー
ジ上に生じる異常を効率的に検出及び修正する方法及び
装置を提供する。 【構成】 最小限のユーザの介在によって、局部デジタ
ルイメージ欠陥を広範囲にわたり自動的に検出修正する
方法。この検出方法は、非線形空間フィルタの残存に対
する大きさのスレッショルドと輝度及び色のスレッショ
ルドを使用し、これによって最小限の混同率で、シーン
の内容から欠陥を分離することができる。検出された欠
陥は、その後非線形平滑化とグレースケール侵食との組
み合わせによって修正される。

Description

【発明の詳細な説明】

【０００１】関連出願へのクロスリファランス 本願は、ロバート・グレイ他により１９９２年８月２１
日に出願された「撮像素子の表面における汚点検出及び
マッピング方法」（出願番号第０７９３４０８９）の関
連出願である。

【０００２】

【産業上の利用分野】本発明は、被走査イメージの電気
的等価を形成するための、主に写真フィルムからのイメ
ージ走査、特に、フィルムの汚れまたは物理的損傷に起
因する欠陥を検出及び除去する技術に関する。

【０００３】本願開示内容の一部は、著作権の保護対象
となっている。この著作権者は、それが特許商標庁のフ
ァイルや記録に掲載される場合には、任意の特許開示者
によるファックス再生に関して何の反論もないが、それ
以外の場合には、いかなる場合であっても、すべての著
作権が保護される。

【０００４】

【従来の技術】連続階調写真フィルムを電子走査して生
成されたデジタルイメージは、フィルム表面の傷や汚れ
などのために、視覚的な欠陥を呈することがある。この
ような欠陥は、たいていは手作業によるデジタルレタッ
チング（例えば、「ダストバステイング」や他のクロー
ニング技術により）によりデジタル的に修正しなければ
ならないが、これには、オペレータがイメージ中の各局
部欠陥を視覚的に把握しなければならない。

【０００５】この技術に関連する特許として、ＵＳＰ第
４，１８９，２３５号（発明の名称「銀行通帳上への汚
点蓄積度を動的測定する試験装置」； 発明者 ギュー
ター他）である。この特許は、汚点蓄積に対する不透明
ウェブ物質を検査する方法を記載したものである。ウェ
ブ物質からの反射信号は、物質がセンサを通過したとき
に、３個の隣接光センサにより感知される。中央センサ
により感知された信号が両側センサにより感知された信
号から大幅に相違しているときに、感知領域が汚れをも
つと分類される。

【０００６】

【発明が解決しようとする課題】従来の光プリントシス
テムでは、もし汚れや傷が写真イメージに現れると、ネ
ガやスライドが洗浄され、再プリントされるか或いはプ
リント自体がレタッチされる。イメージが光ディスクに
書き込まれるような場合には、多くのイメージが視認さ
れるまえにディスクに書き込まれており、一旦イメージ
が書き込まれるとそれを除去することはできなくなるた
め、イメージの再書き込みは不適切であり望ましくな
い。従って、写真仕上げ環境で存在する汚れをモニター
し、任意の選択されたフィルムクリーニング方法の効果
を査定することが望ましい。

【０００７】米国特許第４，９０７，１５６号（発明の
名称「デジタルイメージにおける異常解析領域の向上及
び検出方法及びシステム」； 発明者 土井他）では、
入力イメージの「向上」と「劣化」バージョン間の相違
を明かにし、構造的な解析背景を確認除去する技術が開
示されている。一連の単一スレッショルドがイメージ領
域の形状／サイズ作用によって相違イメージに適用さ
れ、肺葉の検出に関した特徴抽出を行う。特徴抽出は、
スレッショルドを用いて行われ、このスレッショルドを
超えたどのブロブが肺葉でどれがそうでないかを確認す
るために、異なるイメージピクセルが比較される。

【０００８】塵の検出における重要な問題として、
「小」物体を検出するための適切な方法を提供すること
が挙げられる。この問題を解決するための幾つかの方法
がある。たとえば、イメージ中の全カラーピクセルを色
分類し、共通な色クラスのピクセルを空間的に分節へ接
続し、その後分節の空間寸法を調べるというものがあ
る。この方法は、確かに可能ではあるが、色分類が非常
に正確になされなければ、周辺がカラーのピクセルが誤
分類される恐れがある。問題は、直接ＲＧＢ（または輝
度−色相）イメージ値の相違だけが、それらの間、即ち
小塵アーチファクトとアーチファクトが重畳された明る
いグレー拡張シーン領域との間に大きなコントラストを
与えるのではないということである。従って、色分類後
は、合理的に中性で明るいが可視ダストアーチファクト
をマスクする非常に大きな分節として残存することにな
る。

【０００９】分類前におけるより良いアプローチは、そ
の周辺に対して大きな局部コントラストを有するポイン
トだけを前選択することである。これは、（１）カラー
イメージを空間的に円滑化すること、及び（２）原カラ
ーイメージから円滑化カラーイメージを差し引くこと、
によって直接的に達成される。結果として得られる相違
（または「残存」）イメージは、重み付けされた局部平
均サイズよりも大きな全てのピクセルを強調することと
なる。ここにおいてキーとなる決定事項は、空間スムー
サーの選択である。最も明白な第１候補は、ローパスリ
ニアフィルタ（例：局部ウインドウにおける全グレーレ
ベル（ＧＬｓ）の単純空間重み付け平均）である。すな
わち、各特性は数学的に容易に解析され、また（おそら
くはより重要なことであるが）このようなフィルタはソ
フトウェア及びハードウェア内で速やかに実行される
（残存イメージは、基本的には原イメージのハイパスフ
ィルタ通過バージョンである）。残念ながら、リニア残
存イメージは、イメージにおける、シーン不連続性に起
因する非常に長いエッジを含む全ての局部エッジを保持
するという特性を有している。この結果、非常に「乱雑
化」したイメージとなる（すなわち、残存イメージは、
汚れや傷とは関係のない多くの明るいピクセルを含
む）。従って、欠陥決定が行われる前に、残存マップを
きれいにするためのシーンリーゾニングのために、多大
な時間を費やすこととなる。略言すれば、リニアフィル
タ残存では、局部欠陥と真シーンディテイルとを十分に
弁別できないということである。

【００１０】ごみや傷などの異常を確認することによっ
て、オペレータが介在することなく、これらを除去する
ことができるという利点がある。本発明は、このような
異常を最小限のオペレータ介在によって、確認し化粧修
正するための方法を提供しようとするものである。

【００１１】

【課題を解決するための手段】本発明の好適な方法の一
つは、デジタルイメージにおける欠陥検出及び除去方法
において、次の各ステップを含むことを特徴とする。

【００１２】ａ）ピクセル値により表わされるデジタル
イメージを前処理し、これによって欠陥ピクセルがその
隣接非欠陥ピクセルに対して大きな局部コントラストを
有する特徴イメージを形成するステップと、 ｂ）各特徴イメージピクセル値をテストし、その値が欠
陥推定ピクセル範囲内にあるかどうかを決定するステッ
プと、 ｃ）欠陥推測範囲内にある各特徴イメージピクセル値に
対してエッジ保持した空間フィルタリングを行うステッ
プと、 ｄ）各ピクセルに対して、対応特徴イメージピクセル値
と上記ステップｃ）でのフィルタされた値との差の関数
として、残存値を形成するステップと、 ｅ）ステップｄ）の各残存値をテストし、残存値が欠陥
推測残存値の範囲内にあるかどうかを決定するステップ
と、 ｆ）ステップｂ）及びｅ）に係る欠陥推測範囲内にある
各ピクセルが欠陥として記されたマップを作成するステ
ップと、 ｇ）ステップｆ）で作成されたマップを用いて、デジタ
ルイメージを修正するステップ。

【００１３】本発明方法は、自己塵埃バスター（ＡＤ
Ｂ）アルゴリズムと呼ばれ、これは、消費者型カラー写
真イメージ及びカラー動作写真フレーム双方に対してテ
ストされた結果、成功を収めることができた。

【００１４】以上より、本発明の主目的は、デジタルイ
メージに対して、自動局部欠陥検出及び除去を行うこと
である。

【００１５】本発明の上記及び他の目的は、以下の詳細
な説明及び各図面を参照することによって、より明かと
なろう。なお、各図中、同一符号は、同一または対応構
成要素を示す。

【００１６】

【実施例】図１において、デジタル化スキャナ１０、表
示装置２６を備えたコンピュータなどの制御及び論理装
置２４、及び光学ディスクライター３６により本発明が
実施されている。図示したごとく、現像されたフィルム
の一または複数のフレーム１８を含むフィルムストリッ
プ１５は、スキャンゲート１２内に配置されており、こ
のスキャンゲート１２内で、フィルムストリップ１５が
制御及び論理回路３０の指令のもとで走査される。各フ
レーム１８が走査されると、イメージデータ２２によっ
て表される被走査イメージデータは、デジタル化される
と共にメモリ２８へ伝送されて記憶される。コンピュー
タ２４は、記憶されたデータを以下に説明する方法で処
理し、出力イメージデータ３２を生成する。このデータ
３２は、光ディスクライター３６によって光ディスク３
４へ書き込まれ、異常の特性に関するレポートが作成さ
れることになる。走査装置１０は、ピクセル値を個別の
赤、緑及び青チャンネルにおけるマルチ輝度レベルに量
子化することができる。輝度レベルの最小数は、適切な
品質イメージに対して、典型数が２５６とすると、約６
４である。イメージデータは、フィルムの走査作用から
発生すると説明したが、イメージデータの生成に他の周
知技術を使用することも可能であることが理解される。
異なるソース形式及び演算制約に対するカスタマイゼー
ションを可能とするＡＤＢアルゴリズム及び幾つかの処
理オプションについて、以下説明する。

【００１７】要求されるＡＤＢオペレーションは、
（１）特徴選択、（２）欠陥検出、及び（３）欠陥修正
に分けられる。これらの作用によって、非欠陥のシーン
素子に対する影響を最小限に抑制しつつ、最大の欠陥数
が検出されると共に最適に修正される。このようにし
て、ユーザが検出処理の精度に対して持つ信頼性が大き
ければ大きいほど、除去処理も激しく行われる。逆に、
シーン素子からの「偽警告」を回避する信頼性が減少す
ると、真のシーン素子に損傷を与えることを回避するた
めに、より穏やかな除去方法が採用される。

【００１８】走査されたカラーネガから生成されたデジ
タルポジにおける可視汚れアーティファクトは、次の各
特性をもつ： それらは「白」（低色飽和）、「明」
（超高外見露光値）、「小」（小空間広がり）、及び
「コントラスト」（その直周囲に対して大きな相違）。
（もし走査されたものが汚れカラーポジならば、汚れア
ーティファクトが「明」ではなく「暗」になる）。更
に、このような多くのフラグメントは、個々の欠陥内に
おいてはわずかの輝度変化しか示さない。

【００１９】上記各特性は、比較的緩く決定されてお
り、多くの真のシーン（非欠陥）特性はこれらの一また
は複数の属性を有する。従って、ＡＤＢアルゴリズムの
目的は、欠陥と誤認される真のシーン素子数を最小限に
抑制しつつ、欠陥検出割合（ヒット）を最大化すること
である。これらの目的は、互いに競合する傾向がある。
即ち、「ヒット」のパーセンテージを上げるように特徴
に関するしきい値を設定すれば、「偽警告」の数を増大
する傾向が生じ、また逆も真である。検出メカニズム
は、真のシーン素子から可能なかぎり相違する欠陥があ
らわれている状況で使用されなければならない。

【００２０】殆どのイメージでは、直近接周囲に対して
輝度または色が大きく異なる立体サイズの小さい物体
は、比較的少ない。ＡＤＢアルゴリズムは、非線形空間
フィルタの特定形態のものを使用するという新たな方法
によって、この特性を利用する。このフィルタの特性
は、後述する。

【００２１】図２は、一般的な、自動ダストバスターの
処理をフローチャートで表したものである。ブロック１
００の原イメージは、一または複数のピクセル値のマト
リックスまたはこれに相当するグレーレベル（ＧＬ）で
表されたマルチ帯域デジタルイメージである。前処理ブ
ロック１１０では、いくつかの有効及び適切な原イメー
ジのマッピングが行われる。前処理の一例は、演算上の
便宜より、そのサイズを減少するイメージのデジタル再
サンプリングである。他の前処理としては、原イメージ
帯域を選択または再組み合わせして、より少ない帯域で
特徴イメージを生成することである。いずれの場合で
も、結果として生じる特徴イメージの検出適性は、原イ
メージのそれと少なくとも比較可能でなければならな
い。楕円１２０は、ブロック１１０から出力された特徴
イメージを表したものである。特徴イメージは、ブロッ
ク１３０において帯域輝度テストを受ける。このテスト
は、特徴イメージ中の各帯域の全ピクセルに対して、低
及び高しきい値評価を行う。各帯域において、高しきい
値以上及び低しきい値未満のピクセル値は、テストに合
格したものと見なされ、これらはエッジ保持円滑（ＥＰ
Ｓ）フィルタ１４０へ供給される。このフィルタは、以
下に述べるように主要シーンエッジを保持するように、
全ての帯域において選択されたピクセルを非線形的に円
滑化する。このピクセル位置におけるフィルタの出力
は、円滑化イメージ１４２における対応位置へ書き込ま
れる。高しきい値未満であるが低しきい値以上のピクセ
ル値に対しては、後段のＥＰＳフィルタリングは行われ
ない。すなわち、テストは失敗と考えられる。特徴イメ
ージピクセルの各帯域は、円滑化イメージ１４２の結果
出力にコピーされ、ＥＰＳフィルタリングは受けない。
異なるノード１４５において、円滑化イメージの各帯域
のピクセル値は、特徴イメージ１２０における対応位置
でピクセル値から差し引かれ、これによって残存イメー
ジ１４８が生成される。

【００２２】残存イメージからの全ピクセル値は、ブロ
ック１５０の残存テストを受ける。この残存テストは、
残存イメージ１４８の各帯域に適用される最小及び最大
しきい値から成る。輝度欠陥が発見された場合には、合
格ピクセルは全帯域値が最小しきい値を超えなければな
らず、少なくとも一の帯域値が最大しきい値を超えなけ
ればならない。暗欠陥が検出されたときには、全帯域値
が最大しきい値未満であり少なくとも一の帯域値が最小
しきい値未満であると、ピクセルが通過（合格）する。

【００２３】合格したピクセルは、クラスマップ１６０
へ送られ、異なる値でマークされる。クラスマップ１６
０は、検出された欠陥の位置をマークするために使用さ
れる単一帯域イメージ表示である。欠陥ピクセルは、ク
ラスマップ１６０内で異なる値にマークされる。クラス
マップ条件化ブロック１７０では、クラスマップ１６０
内の値が更に、欠陥の周知空間特性を受け入れるように
修正される。例えば、クラスマップ内における欠陥マー
ク（合格）ピクセルの１−ピクセル形態的膨張が通常行
われる。条件化されたクラスマップ１７５は、原イメー
ジピクセル値でクリーニングブロック１８０の長さに指
向する。クラスマップを通過したとマークされていない
原イメージ中のピクセルは、出力されたクリーンイメー
ジ１９０へ変化なしにコピーされる。通過したとマーク
されたピクセル即ち欠陥は、隣接の非欠陥ピクセル値を
用いて修正される。修正された値は、その後クリーンイ
メージ１９０へ書き込まれる。

【００２４】以下、図２の主要ブロックについて、更に
詳述する。ＡＤＢ処理においては、欠陥位置を検出する
ために使用される特徴イメージ１２０は、修正される原
イメージ１００とは異なる。これは、演算時間が貴重で
完全（通常３色）イメージでは過度に負担が大きい場合
に、通常有利である。この場合、前処理モジュール１１
０を適用することが可能になることが多く、これによっ
て、その代わりにＥＰＳフィルタリングされ欠陥に対し
て分類される１または２帯域「特徴」イメージ１２０を
生成することができる。この作戦の効果は、減少された
寸法の特徴イメージがオリジナルイメージ１００のサイ
ズ、輝度、コントラスト及び色欠陥弁別を保持すること
の成否にかかっている。もちろん、これはアプリケーシ
ョン毎に異なる。例えば、重畳されたカラーセルから発
生するデジタルイメージ（アニメなどのような）では、
欠陥は任意の色及び飽和である。したがって、色及び飽
和情報を犠牲にする減少された寸法のスペースを用いた
検出作用では損失は少ない。この場合、全ての特徴ピク
セル値が入力赤、緑及び青の帯域の最大値である「帯域
最大」１帯域特徴イメージ１２０帯域を用いて、成功で
きた。これに対して、写真ＣＤ装置では、欠陥の主要源
は、走査中におけるネガ上の汚れであり、これはデジタ
ルポジ上では「白」スペックとして現れる。ここでは、
飽和情報が重要識別名として保持され、２個または３個
の帯域ＥＰＳフィルタ特徴イメージがノルムである。図
７は、分類のために全３原色の保持を示したものであ
る。

【００２５】前処理１１０中における特徴イメージグレ
ーレベルレンジの再スケーリングは、有利であることが
多い。現在の実施では、これは、１０−または１２−ビ
ットの原データに対しても、０−２５５ピクセル値の範
囲へ線形スケーリングすることから成る。これにより、
ヒストグラムが全てのウインドウ場所において検索され
たときに、ＥＰＳフィルタリング１４０中の速度が若干
向上することとなる（図４及び５をその説明と共に参
照）。フォトＣＤ装置（図７参照）では、この再スケー
リングは、全入力イメージの色修正帯域の．５％及び９
９．５％の累積ヒストグラムポイントを見いだすことに
より、決定することができる。全帯域における最小０．
５％点及び最大９９．５％点は、特徴イメージ中におい
てそれぞれ０及び２２５ピクセル値としてマップされ、
これによって、色シフトは生じない。もし入力データの
色バランスがとれていないのであれば、原データに対し
て色バンランシング処理を行う必要がある。

【００２６】ＥＰＳフィルタ及びｋ最隣接（ｋＮＮ） 所望欠陥の基準サイズを検出するためには、拡張イメー
ジエッジを保持するとともに小局部コントラストイメー
ジ領域（ブロブ）を円滑化する円滑化フィルタが望まし
い。このようなフィルタは、「エッジ保持円滑器」（Ｅ
ＰＳ）のカテゴリーで、種々の非線形ノイズ低減方法と
して存在する。最も広く知られているＥＰＳフィルタ
は、中間フィルタであり、これはランク順位フィルタの
１種である。ランクオーダーフィルタにおいては、ピク
セルの大きさが分類され、分類された大きさの幾つかの
隣接数が演算される。例えば、中間フィルタでは、ソー
トされた大きさの「中間」素子が保持される（１サンプ
ルにおける平均）。このサンプルの意味は、ランクオー
ダーフィルタ（貧弱なＥＰＳではあるが）であり、これ
によって全種類の大きさの値の平均が得られる。

【００２７】イメージ走査に対する標準ランクオーダー
フィルタの貧弱な特性は、現在のウインドウ内における
ピクセルの相対空間位置に対して不感であるということ
である。すなわち、「中間」として選択された大きさ
は、ウインドウの中心またはウインドウの極エッジにお
いて存在する。多くの特殊化された非線形ウインドウオ
ペレータが局部空間構造をアカウントするための装備さ
れてきた。一例は、シグマフィルタ（Ｊ．Ｓ．Ｌｅｅ，
ＣＶＧＩＰ，２４，２５５−２６９，１９８３）であ
る。このフィルタでは、スライドウインドウにおけるグ
レーレベルのヒストグラムが生成される。これは、イメ
ージノイズの評価に基づいて行われ、ウインドウの中心
におけるピクセルのグレーレベルに関するヒストグラム
値のレンジが演算される。しかし、シグマフィルタの一
の特性は、それがノイズ除去のために特別設計されてい
るということと、その平均レンジがノイズ特性のみに依
存するということである。フィルタは、各ウインドウ一
において、異なるピクセル数に対して平均を行う。しか
し、ブロブ検出において所望されるのは、局部形状特性
に対する感受性をもつパラメータのフィルタである。

【００２８】この制御を行うシグマフィルタに関連する
ものとして、Ｋ最隣接（ｋＮＮ）フィルタ（Ｄａｖｉｓ
ａｎｄ Ｒｏｓｅｎｆｅｌｄ，ＩＥＥＥ Ｔｒａｎ
ｓ，ＳＭＣ，７，１０７−１０９，１９７８参照）があ
る。このフィルタは、図２のＥＰＳフィルタモジュール
１４０内で実施される。このフィルタは、各カラー帯域
に対して、次の作用を有する。

【００２９】図３において、ラスタ順序でイメージに対
する奇数寸法ｎ ｘ ｍの直角ウインドウをスライドす
る。各一において、中心ピクセル（ＧＬｃ）のグレーレ
ベルまたはこれに相当するピクセル値を決定し、また図
４におけるローカルウインドウ内のグレーレベルのヒス
トグラムを作成する。中心グレーレベルＧＬｃを含むヒ
ストグラム位置ビンから開始し、次の方法で、開始ビン
の両側におけるヒストグラムビンの総和の内容は、次の
ようになる。

【００３０】もしＧＬｃに対するビン内の内容がｋピク
セルよりも大きいか等しいかをテストする。もしこれが
真であるならば、存在する値ＧＬｃのみを平均値ＧＬａ
ｖとして書き込む。もしビンＧＬｃに対する内容がｋ未
満であるならば、ビンの直下及びＧＬｃより上の内容を
総和に付加し、再び総和がｋ以上であるかどうかをテス
トする。もし総和がｋと等しければ、次式に従って平均
グレーレベルを演算する。

【００３１】

【数１】 ここで、インデックスｉは、総和ヒストグラムビンに対
するものである。もし総和がｋよりも大きければ、総和
中の端ビンはＧＬａｖに対する演算における重量におい
て比例的に減少され、これによって総和中における総ビ
ン重量がｋに等しくなる（添付図面のソースコードに示
されるように）。もし総和がｋ未満であるならば、次の
ＧＬｃ未満ＧＬｃを超えるビンは、ｋに対して総和され
テストされる。この処理は、ＧＬｃに関するヒストグラ
ムビンの総和がｋを超えるかｋと等しくなるまで繰り返
される。ｋピクセル（ｋ ＜ ｎ ｘ ｍ）が総和され
るまで続ける。図５における総和ピクセルの平均グレー
レベルをもとめ、この値を図６におけるウインドウ中心
の位置で出力イメージに書き込む。

【００３２】ｋＮＮフィルタは、上記の説明からはすぐ
には明かではない、幾つかの興味あるフィルタリング特
性を有する。まず、ローカルウインドウにおいてｋまた
はそれ以上の領域を有する定ＧＬイメージ構造（ブロ
ブ）は、十分に平滑化されない。ｋピクセル未満のあら
ゆる構造は、ｋが減少するにつれて更に平滑化されてゆ
く。次に、他の一定グレーレベル領域感における傾斜エ
ッジでは、傾斜の傾きは、フィルタによって増大（鮮鋭
化）される。

【００３３】第１の特性は、ブロブ検出に対する有効性
の一つである。例えば、もしウインドウサイズが５ｘ５
ピクセルであるならば、そしてもしｋが１５であるなら
ば、３ピクセルよりも大きい深さ（エッジに対して垂直
な両方向における一定ピクセル値）を有する拡張直線エ
ッジは、効果的に不変化状態に保持され、従って、残存
イメージ中からは消滅することとなる。ウインドウ内で
完全にフィットする１５ピクセル未満の領域のブロブ
は、平滑化され、これによって残存イメージ中に強く現
れる。これは、局部欠陥検出器に対する所望残存特性で
ある。

【００３４】ｋＮＮフィルタリングに対する主な不安
は、演算速度である。これは、線形フィルタではなく且
つ分離不可であり、また他の使用可能な対称特性も有し
ない。ウインドウ配置に対する主な作用は、ヒストグラ
ム生成であり、そして総蓄積サンプルのテストの蓄積で
ある。現在のｋＮＮ実施は、ウインドウ毎に完全な演算
を実施するのではなく、イメージの水平ストリップにお
いてウインドウヒストグラムを更新するだけで、ヒスト
グラムを演算するコストを大幅に低減できる。これによ
って、ヒストグラム演算作用（ｎピクセル ｘ ｍライ
ンウインドウ）における約（ｎ−２）／ｎのフラクショ
ナル・セービングが達成される。即ち、ウインドウの長
さが増大するにつれて、セービングも増大する。（この
高速ヒストグラム更新は、「高速−中間」フィルタ−Ｈ
ｕａｎｇ及びＴａｎｇ，ＩＥＥＥＴｒａｎｓ，ＡＳＳ
Ｐ，２７，１３−１８，１９７９）に使用されているも
のに相当する。

【００３５】残存テスト 上述のように、残存イメージ１４８は、図２に示される
ように生成される。モジュール１５０及び１７０に包含
される異常分類ステップは、入力として残存イメージ１
４８を受領し、出力としてクリーンされるべきピクセル
をマークする最終クラスマップ１７５を生成する。

【００３６】モジュール１５０内の残存テストは、残存
イメージ１４８の各ピクセルに対してテストを行うこと
によって、初期クラスマップを生成する。クラスマップ
条件化モジュール１７０において、クラスマップ中の非
背景ピクセルの空間分節化（即ち、接続要素ラベリン
グ）が、同じ分節に適用される付加テストがオプション
で行われる。

【００３７】輝度欠陥を検出するための最も簡単（単一
状態）な方法として、各色残存ピクセルが２個の残存Ｇ
Ｌしきい値ＧＬｒｍｉｎ及びＧＬｒｍａｘに対して評価
される。この実施において、その最小帯域残存ＧＬがＧ
Ｌｒｍｉｎを超えその最大帯域残存ＧＬがＧＬｒｍａｘ
を超える全ての色残存ピクセルが後段のクリーニングに
対して、唯一マークされる。これらの両制約のいずれを
も充足しないピクセルは、出力イメージ中で変化しない
ままである（単一帯域特徴イメージでは、ＧＬｒｍｉｎ
とＧＬｒｍａｘは等しい）。各ピクセルに対するカテゴ
リーマーキングの２次元マップは、「クラスマップ」と
呼ばれる。これらのしきい値は、欠陥ピクセルとその直
背景との間で要求される最小コントラストとしての意味
を有する。

【００３８】（より小さい）ＧＬｒｍｉｎしきい値は、
通常は残存イメージ中の「０点」よりも若干上に設定さ
れ（例えば上記１２８の値によりバイアスされた残存の
再スケール特徴に対しては１３３）、例えば走査された
ネガ上の汚れによる有効輝度欠陥ピクセルはいずれの帯
域でも負コントラスト（０点未満の残存値）を有しない
ことを認める。（より大きな）ＧＬｒｍａｘしきい値
は、欠陥が視認できるために、少なくとも一の帯域にお
いて有効局部コントラストの要件を示す（これらのしき
い値が残存ＧＬｓに対するものであることを思い出せ
ば、全ての帯域が大ＧＬｒｍａｘ値を通過するために必
要となるわけではないことは明かである。例えば、明る
い赤色の背景に対する白色汚れアーティファクトは、緑
及び青帯域内において大きな残存値を有するが、赤色帯
域内では小残存値のみである）。

【００３９】２状態異常分類としては、２組の残存しき
い値が使用される。すなわち、ＧＬｒｍｉｎ１、ＧＬｒ
ｍａｘ１、ＧＬｒｍｉｎ２、及びＧＬｒｍａｘ２であ
る。一般二、最小残存しきい値は、等しく設定され、上
記０点よりも若干上である。最大残存しきい値は、低信
頼性ピクセルに対する最大残存しきい値よりも、高信頼
性ピクセルのラベリングに対しては若干高く設定され
る。このラベリングによって、各ピクセルが３個のレベ
ルの内の一を所有するクラスマップが得られる（異常、
低信頼性よごれ、高信頼性よごれ）。２状態分類では、
このクラスマップはモジュール１７０におけるイメージ
分節化を受ける。即ち、同じクラスをもつクラスマップ
において空間的に隣接した全ての残存ピクセルには、単
一のコード値が割り当てられている（これらのコード値
は、イメージ中における予測欠陥の全ブロブを単一にラ
ベリングするものと考えられる）。クラスマップを分節
化するための極めて有効なアルゴリズムは、同じクラス
の原型セグメントの空間「木」における最小原型コード
を見いだし、そして木における全ての分節に対してこの
最低コード値を再び名付けることを含むように使用され
る。

【００４０】分節化に引きつづき、低信頼性欠陥ピクセ
ルを含み且つ高信頼性ピクセルを含む空間接触分節が高
信頼性にグレードアップされる（すなわち、ピクセルの
クラスマップ値は「欠陥の高信頼性」クラスへ再割当さ
れる）。このステップの目的は、極めて明かな欠陥の近
接存在を利用して、若干の低コントラスト領域が同じ欠
陥の一部であることを決定することである。低信頼性で
ある分節は、「クリーン」（即ち、分節の全ピクセルが
クラスマップ中における非クリーニングに対してマーク
される）またはモジュール１８０における後段のクリー
ニング状態に対してマークされた他の名前のそれらのピ
クセルとして再ラベルされる。欠陥の信頼性が高いとマ
ークされた分節は、モジュール１８０において、後段の
侵食クリーニングに対するクラスマップ内においてマー
クされたピクセルを有する。

【００４１】クリーニング ２種の一般的クリーニング方法が、ＡＤＢアルゴリズム
内におけるモジュール１８０内での使用に適する： す
なわち、ＥＰＳ代替及びグレースケール侵食である。単
純なＥＰＳ代替では、イメージ１００の原入力マルチ帯
域グレーレベルは、平滑化イメージ１４２の帯域ＥＰＳ
フィルタグレーレベルによって単純に代替され、このイ
メージ１４２ではピクセルはクラスマップ１７５内で欠
陥としてマークされる（図２参照）。この方法は、ＥＰ
Ｓ値がすでに欠陥検出作用中に演算されているという点
で演算が簡単であるという利点をもつ。しかし、これ
は、ＥＰＳイメージがクリーニング中に使用されるため
に保存されることを必要とする。更に、ＥＰＳ代替は、
「偽警告」の比較的寛大である。すなわち、汚れアーテ
ィファクトと分類されたが本当はシーンの一部であるピ
クセルである。逆に、ＥＰＳ代替クリーニングは、欠陥
自体が局部ＥＰＳ値に影響を及ぼす程度であって、拡張
されたすべての欠陥を除去しない。

【００４２】グレースケール侵食クリーニング方法で
は、検出された欠陥領域に値して反復処理が行われ、欠
陥ピクセルのＧＬｓが、欠陥ピクセルの小距離内の「通
常」（すなわち、非欠陥または修正された欠陥）ピクセ
ルの原ＧＬｓの重み付け平均によって代替される。反復
が進行するについれて、「通常」ＧＬｓの効果が原拡大
された欠陥の中心に向けて伝播してゆく。反復は、全て
のマークされた欠陥ピクセルが代替された時に終わる。
２種の注意が必要となる。まず、反復の初期における欠
陥ピクセルと直に接触する「通常」ラベルピクセルは、
クリーニングが御セットされる前に「欠陥」クラスへ再
ラベルされる（３ｘ３ピクセルプローブ機能を用いる形
態学的拡大作用を介して）。これは、検出しきい値を通
過しないこうしたピクセルが、しばしば侵食中に多ピク
セルに対して伝播したときに可視となるそれらのＧＬｓ
における欠陥からいくつかの貢献を有する。それらの値
及び「真」欠陥ピクセルの値をクリーニングすることに
よって、クリーニングの品質を著しく向上させることが
できる。第２の用心は、侵食が重み付けされる空間ウイ
ンドウが合理的に小さく、例えば５ｘ５サンプルに保持
されるべきであるということである。その理由は、中心
欠陥ピクセルにより暗化された領域と同じシーン構成の
部分ではない距離ピクセルの影響を最小限に抑制するた
めである。

【００４３】腐食クリーナーに対する現在のプラクティ
スは、中心欠陥クラスピクセルがフィルタされるため
に、６個のクリーンクラスを含有したピクセルの最小値
のもので５ｘ５ピクセルスライドウインドウを使用する
ことである。もし、中心ピクセルが欠陥クラスであるが
６個のクリーンサンプルよりも少ない数が含まれている
ならば、欠陥分類が次の反復に維持される。もし中心ピ
クセルが欠陥クラスであり６個以上のクリーンクラスサ
ンプルがウインドウ内に含まれるならば、中心ピクセル
のＧＬｓは含有されるクリーンピクセルの帯域ＧＬｓの
重み付け平均により代替され、この重みは、中心ピクセ
ルからのクリーンピクセルのＥｕｃｌｉｄｅａｎ空間距
離の逆数に線形比例する。クリーニングは反復性（クラ
スマップを多数回通過する）であるが、帰納的ではな
い。すなわち、一のウインドウ位置におけるクリーニン
グ効果は、同じ反復中における後段の位置におけるクリ
ーニングに影響を及ぼさない。これは、方向的バイアス
を回避するためである。

【００４４】グレースケール侵食は、イメージから全て
のアーティファクトトレースを完全に除去することがで
きるという点で、ＥＰＳ代替よりも有利である。その欠
点は、複雑になること、処理レートが変化すること（反
復の回数は演繹的には知ることができない）、そして
「偽警告」の場合にシビアなシーン欠陥の可能性がある
（すなわち、真のシーン素子がイメージから除去されて
しまう）。これらの心配はあるが、優れた侵食クリーニ
ングは、フォトＣＤ（図７）及びシネオン（図８）双方
の装置において、現在好適な方法である。

【００４５】他の実施例 ＡＤＢアルゴリズムは、幾つかのフレーバーを有する。
これらは、（ａ）単一空間解像度での作用、（ｂ）解像
度ピラミッド内での作用、（ｃ）単一欠陥状態検出、
（ｄ）マルチ欠陥状態検出、及び（ｅ）ＥＰＳ代替また
は（ｆ）グレースケール侵食を介してのクリーニングを
含む。単一状態バージョンでは、イメージの全ピクセル
が「非欠陥」か「欠陥」かのいずれかに分類される。す
なわち、一の欠陥状態のみが取り扱われるわけである。
マルチ状態バージョンでは、「欠陥」分類が更に、ピク
セルが事実上欠陥であるという信頼性に基づいて下位分
類される。したがって、３状態分類が、「非欠陥」、
「高信頼性欠陥」及び「移行信頼性欠陥」から成る。単
一状態バージョンでは、使用されるクリーナーは、ＥＰ
Ｓ代替かグレースケール侵食かのいずれかであるが、一
の実施に双方は含まれない。マルチ状態バージョンは、
低信頼性欠陥をクリーニングするためのＥＰＳ代替及び
高信頼性欠陥領域のクリーニングのためのグレースケー
ル侵食双方の組み合わせを使用することができる。

【００４６】フレーバー組み合わせオプション（ａ）、
（ｂ）及び（ｆ）は、実施の単純な変化形であるが、こ
れが必ずしも最も早くあるいは最も優れた実施形態であ
るというわけではない。この場合、空間解像度ピラミッ
ドは形成されず、残存イメージは分節化されず、そして
クリーナは最大修正のためにグレースケール侵食に選択
される。図７は、このような処理フローを示し、これは
フォトＣＤ装置に典型的なものである。この場合、前処
理１１０は、最低の．５％帯域グレースケールレベルを
０の値にそして最高９９．５％レベルを２５５に線形再
マッピングすることによって最大視認コントラストとな
るように原イメージのピクセルを再スケーリングするこ
とから成る。これは、図２に関して先に説明した。走査
されたネガ上の汚れに対する輝度テスト１３０は、特徴
イメージ１２０の各帯域において等しくあるいは超過し
なければならない最小しきいピクセル値から成り、これ
によって対応するピクセルが可能欠陥としてテストを通
過する。残存分類１５０は、非欠陥クラスか欠陥クラス
について、ピクセル毎の単一状態決定である。これは、
最小帯域残存が０背景残存レベルに等しいか或いはこれ
を超えるか及び最大帯域残存が０背景レベルより大きな
ユーザが決定したスレッショルドレベルに等しいか或い
はこれを超えるかの要件に基づくものである。この場合
のクラスマップ条件化１７０は、３ ｘ ３または５
ｘ ５ｋｅｒｎｅｌを用いたクラスマップにおける欠陥
ピクセルの形態学的膨張から成る。クリーニング１８０
は、「クリーニング」の項で先に説明したグレースケー
ル侵食から成る。

【００４７】図８は、特徴（ａ）、（ｃ）及び（Ｆ）を
保持する別の処理フローを示し、これはシネオン装置に
おける輝度欠陥を除去するのに適している。この場合、
大きなイメージフォーマットにより要求される処理時間
を最小限に抑制することが望ましく、したがってその処
理は最大欠陥を検出すること及び特徴イメージ中の帯域
数を最小限にすることのみを行うものである。この例に
おける前処理１１０は、イメージを０から２５５のグレ
ーレベルレンジに再スケーリングすることによって減少
解像度イメージを生成することから成り、これによって
カラーバランスが修正され、出力ピクセル値が赤、緑及
び青の入力値の大きなものである単一帯域特徴イメージ
を抽出される。残存テスト１５０は、各残存ピクセルが
欠陥としてマークされるのに等しいかそれを超える単一
のスレッショルドを適用するものである。クラスマップ
条件化１７０は、上述した形態学的膨張から成る。クリ
ーニングモジュール１８０は、まず上述したように減少
した解像度の非再スケール入力イメージのグレースケー
ル侵食を実行することから成る。次に、クリーン化され
た減少解像度マルチ帯域イメージは、原サイズに戻すよ
うＢＩＬＩＮＥＡＲＬＹに補間され、条件化されたクラ
スマップは原イメージサイズに複製される。最後に、複
製されたクラスマップ中で「欠陥」とマークされた原イ
メージ中のこれらのピクセルは、補間されクリーン化さ
れた減少解像度イメージ中のピクセル値に交換される。

【００４８】マルチ解像度ピラミッド構造内でＡＤＢを
使用し、マルチ小型ＥＰＳｋｅｒｎｅｌｓを使用するこ
とからいくつかの速度ゲインを与えることが可能であ
る。この実施によって、特定ピラミッドレベルにチュー
ンされるＥＰＳ残存しきい値の使用からより効果的なク
リーニングが可能となる。

【００４９】図９は、解像度ピラミッド内でＡＤＢ処理
を行うフローを示す。多くの点において、空間レベル内
におけるＡＤＢクリーニングは、単一レベルＡＤＢバー
ジョンにおけるそれに類似している。すなわち、検出、
分類、及びクリーニングが行われ、１または２状態の選
択及びＥＰＳ代替及び／またはグレースケール侵食の選
択も同じである。一のキーとなる相違は、空間ピラミッ
ド残存イメージが処理される方法にある。

【００５０】空間ピラミッドにおいて、イメージは通常
低解像度イメージ＋増大する解像度の残存イメージ数で
表される。イメージを特定解像度に再構成するため、低
解像度イメージを規定の方法によって次解像度レベルへ
補間し、その後そのレベルの残存値を各ピクセルＧＬへ
付加する。この処理は、所望の解像度レベルが再構成さ
れるまで継続される。フォトＣＤファイルフォーマット
は、空間ピラミッド構造の一例である。これらの残存イ
メージは、単に、その解像度における原イメージと補間
された低解像度バージョンとの間のピクセル帯域差であ
る。それらは、上述したＥＰＳ残存イメージと混同して
はならない。

【００５１】ピラミッド構造においては、全ての高次解
像度の再構成されたピクセルは、この空間位置における
低解像度ＧＬｓに依存する。従って、欠陥ピクセルのい
くつかの下位組が所定の解像度レベルでクリーンされる
と、これらの位置における全ての高次解像度における残
存値もまた調整されなければならない。残存値の修正を
失敗すると、ピラミッド再構成したものに、原欠陥の
「ゴースト」イメージとなって現れる。種々の残存処理
方法が可能であるが、ＡＤＢに対して現在使用されてい
る方法は、次の比較的簡単なものである。原イメージの
基本（最低レベル）バージョンは、図７でクリーンされ
ている。基本クリーニング前におけるクラスマップ１７
５は、モジュール２００内で次最高解像度レベルのサイ
ズへ複製される。複製されたクラスマップにおける欠陥
クラスピクセルは、その後、そのレベル、すなわち次の
低次解像度レベルを生成するために使用されるｋｅｒｎ
ａｌの半分の幅、に対するピラミッド平滑化帰納の指示
領域に等しい空間範囲によってモジュール２１０で膨張
される。結果として得られる膨張したクラスマップ２２
０は、その後ピラミッド残存イメージ２３０と比較され
る。ピラミッド残存イメージは、クラスマップ２２０内
における対応ピクセルが欠陥としてラベルされているあ
らゆる帯域における０ピクセル値が割り当てられる。結
果として得られる修正ピラミッド残存イメージ２５０
は、その後モジュール２７０内のピクセル毎に、モジュ
ール２６０内における現在のピラミッド解像度レベルへ
空間補間された基本レベルクリーンイメージ１９０のバ
ージョンへ付加される。

【００５２】これによって、基本レベルＡＤＢ学習の結
果が補間された再組立（基本＋１）レベルイメージ１０
０’が得られる。このイメージは、その後前処理ステッ
プ１１０’から開始してＡＤＢ処理され、図９の処理は
全てのレベルが再組立されクリーンされるまで繰り返さ
れる。ＡＤＢクリーニングが修正されない小欠陥を犠牲
にして高次解像度レベルから省略されるが、全ての高次
レベルのピラミッド残存は０化されなければならず、こ
れによって最終イメージ上に欠陥「ゴースト」は現れな
くすることができる。

【００５３】以上、本発明の好適な実施例と考えられる
ものについて説明してきたが、本発明の本質的技術思想
から逸脱することなく、種々の変更改良が可能であるこ
とは明白である。従って、添付のクレームでは、本発明
の真正な範囲内にあると考えられる全てのそうした変更
改良をカバーした。

【図面の簡単な説明】

【図１】本発明が実施されたシステムを示す図である。

【図２】位置Ｘにおいて中央ピクセルＧＬｃのグレーレ
ベルを決定するためのイメージラスタのウインドウ作用
を示す図である。

【図３】対応ウインドウにおけるＧＬ値のヒストグラム
を示すチャート図である。

【図４】図３のヒストグラムにおいて、グレーレベルＧ
Ｌにおける「最近接」サンプルを中央ピクセルＧＬｃへ
平均化する作用を示す図である。

【図５】位置Ｘにおいて、ＧＬｃ値をグレーレベル平均
ＧＬａｖと交換した図である。

【図６】マルチ帯域原イメージに対する処理フローを示
す図である。

【図７】イメージの解像度ピラミッドに対する処理フロ
ーを示す図である。

【図８】赤、緑、青イメージに適用された処理フローを
示す図である。

【図９】解像度ピラミッド内でＡＤＢ処理を行うフロー
チャートである。

【図１０】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図１１】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図１２】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図１３】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図１４】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図１５】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図１６】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図１７】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図１８】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図１９】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２０】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２１】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２２】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２３】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２４】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２５】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２６】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２７】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２８】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図２９】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３０】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３１】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３２】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３３】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３４】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３５】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３６】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３７】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３８】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図３９】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４０】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４１】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４２】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４３】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４４】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４５】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４６】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４７】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４８】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図４９】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５０】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５１】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５２】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５３】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５４】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５５】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５６】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５７】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５８】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図５９】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図６０】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図６１】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図６２】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図６３】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【図６４】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。

【符号の説明】

１０ スキャナ装置 １２ スキャンゲート １５ フィルムストリップ １６ フィルムクリーナー １８ フレーム ２２ イメージデータ ２４ 制御及び論理装置（コンピュータ） ２６ 表示装置 ２８ メモリ ３０ 論理回路 ３２ 出力イメージデータ ３４ 光ディスク ３６ ディスクライター １００ 原イメージ １１０ 前処理 １２０ 特徴イメージ １３０ 帯域輝度テスト １４０ エッジ保持平滑化（ＥＰＳ）フィルタ １４２ 円滑化イメージ １４５ 相違または差引ノード １４８ 残存イメージ １５０ 残存テスト １６０ クラスマップ １７０ 条件化ブロック １７５ 条件化クラスマップ １８０ クリーニングブロック １９０ クリーンイメージ ２００ クラスマップ複製ブロック ２１０ クラスマップ拡大ブロック ２２０ 複製拡大クラスマップ ２３０ 高次解像度空間解像度残存イメージ ２４０ 空間残存０ブロック ２５０ 修正高次解像度空間解像度残存ブロック ２６０ クリーンイメージ補間ブロック ２７０ ピクセル値総和ノード １００’再構成被変調解像度イメージ １１０’高次解像度前処理

Claims (2)

【特許請求の範囲】
1. 【請求項１】 デジタルイメージの欠陥を検出及び除去
   するための方法において、 ａ）ピクセル値により表わされるデジタルイメージを前
   処理し、これによって欠陥ピクセルがその隣接非欠陥ピ
   クセルに対して大きな局部コントラストを有する特徴イ
   メージを形成するステップと、 ｂ）各特徴イメージピクセル値をテストし、その値が欠
   陥推定ピクセル範囲内にあるかどうかを決定するステッ
   プと、 ｃ）欠陥推測範囲内にある各特徴イメージピクセル値に
   対してエッジ保持した空間フィルタリングを行うステッ
   プと、 ｄ）各ピクセルに対して、対応特徴イメージピクセル値
   と上記ステップｃ）でのフィルタされた値との差の関数
   として、残存値を形成するステップと、 ｅ）ステップｄ）の各残存値をテストし、残存値が欠陥
   推測残存値の範囲内にあるかどうかを決定するステップ
   と、 ｆ）ステップｂ）及びｅ）に係る欠陥推測範囲内にある
   各ピクセルが欠陥として記されたマップを作成するステ
   ップと、 ｇ）ステップｆ）で作成されたマップを用いて、デジタ
   ルイメージを修正するステップと、 を含むことを特徴とするデジタルイメージの欠陥検出除
   去方法。
2. 【請求項２】 デジタルイメージの欠陥を検出除去する
   装置において、 ピクセル値により表わされたデジタルイメージを前処理
   し、欠陥ピクセルがその隣接非欠陥ピクセルに対して大
   きな局部コントラストをもつ特徴イメージを形成する手
   段と、 各特徴イメージピクセル値をテストし、その値が欠陥推
   測ピクセル値の範囲内にあるかどうかを決定する第１テ
   スト手段と、 各特徴イメージピクセル値に対してエッジ保持した空間
   フィルタリングを行うためのフィルタ手段と、 各ピクセルに対して、対応する特徴イメージピクセル値
   と前記フィルタ手段により得られたフィルタされた値と
   の差の関数として、各ピクセルに対して残存値を形成す
   る手段と、 前記形成手段からの各残存値をテストし、残存値が欠陥
   推測残存値の範囲内にあるかどうかを決定する第２テス
   ト手段と、 前記第１及び第２テスト手段に係る欠陥推測範囲内にあ
   る各ピクセルが欠陥として記されたマップを作成する手
   段と、 作成されたマップの関数として、デジタルイメージを修
   正する手段と、 を含むことを特徴とするデジタルイメージの欠陥検出除
   去装置。