JPH065889B2 - 画像デ−タ圧縮処理方法 - Google Patents

Description

【発明の詳細な説明】 （発明の分野） 本発明は、階調を有する画像データを予測符号化処理に
よって圧縮する画像データ圧縮処理方法に関する。

（発明の技術的背景および先行技術） 近年、階調を有する画像データをデジタル信号の形で光
ディスク等の記録媒体に格納し、必要に応じて該格納さ
れた画像データを読み出してＣＲＴ等に可視像として再
生したり、あるいは上記画像データをファクシミリ等に
よりデジタル信号の形で伝送し、受信先で該伝送された
画像データに基づいて可視像を再生したりすることが行
なわれている。

この様に画像データをデジタル信号の形で格納したり伝
送したりする場合には、そのデジタル画像データの量を
減少せしめた上で格納し、あるいは伝送したりするのが
望ましい。なぜならば、階調を有する画像データの場合
一般にそのデジタル画像データ量は極めて多く、従って
その様なデジタル画像データをそのまま格納し、あるい
は伝送しようとすると格納あるいは伝送コスト等が著る
しく高くなる等の問題が生じるからである。

かかる事情の下に、従来から、画像データを格納，伝送
等する場合に、該画像データに予測符号化による圧縮処
理を施してデータ量を圧縮減少せしめた上で格納，伝送
等を行ない、画像再生の際はその圧縮された画像データ
（圧縮画像データ）に復号処理を施して伸長し、その伸
長された画像データ（伸長画像データ）に基づいて可視
像を再生するような方法が採用されている。

上記の如き予測符号化による画像データ圧縮処理は、そ
の目的が例えば格納，伝送等すべき画像データの量を減
少させることであるから、当然に、その画像データ圧縮
率はより大きいものであることが好ましい。

この様な予測符号化によるデータ圧縮を行なう場合の圧
縮率を向上させる方法の１つとして、予測符号化処理と
共に画像データのビット分解能（濃度分解能）を低下さ
せる、即ち画像データをより粗く量子化する量子化処理
を行なうことが考えられる。

しかしながら、画像データを粗く量子化してビット分解
能を低下させると、画像データ圧縮率を向上せしめるこ
とができる反面、再生画像の画質が劣化し、視覚的に非
常に見にくい画像になったり画像が医用画像の場合には
診断能が低下したりする等の不都合が生じるおそれがあ
る。

（発明の目的） 本発明の目的は、上記事情に鑑み、予測符号化処理とビ
ット分解能を粗くする量子化処理とを行なうことによっ
てデータ圧縮率の向上を図ると共にその量子化処理によ
る画質の劣化を抑制することができる画像データ圧縮処
理方法を提供することにある。

（発明の構成） 本発明に係る画像データ圧縮方法は、上記目的を達成す
るため、画像データを所定の間隔で略均一にサンプリン
グした主データと該主データ以外の補間データとに区分
し、該主データは主データ間で予測符号化圧縮処理を行
ない、前記補間データは前記主データから予測符号化圧
縮処理を行ない、かつ、少なくとも上記補間データにつ
いては符号化に際し主データよりビット分解能を粗くす
る量子化処理をも施すことを特徴とする。

即ち、本発明に係る方法は、画像データに予測符号化圧
縮処理と共にビット分解能を粗くする量子化処理を施す
ものであるが、その量子化処理は、通常の画像データの
量子化処理の如く画像データ全体に対して一律に行なう
のではなく、画像データを上記の主データと補間データ
とに区分し、補間データのみにもしくは補間データと主
データとの双方にそれぞれ別個に行なうことを特徴とす
る。

上記主データは、画像データを所定の間隔で略均一にサ
ンプリングして成るデータ、即ち粗くしかも画像中に略
均一に存在する様にサンプリングしたデータであり、画
像の中の低空間周波数成分を担うものと考えることがで
きる。これに対して、上記補間データは上記主データの
間に位置する互いに隣り合うデータであり、主データに
対し画像中の高空間周波数成分を担うものと考えること
ができる。

しかるに、一般に低空間周波数成分は精度はないが画像
をよく表現しているものであり、例えば診断に重要な情
報もどちらかというと高空間周波数成分よりもこの低空
間周波数成分の方により多く含まれている。また、人間
の視覚特性もどちらかというと高空間周波数成分よりも
この低空間周波数成分に対してより敏感である。従っ
て、診断能の面からも視覚的な画質維持の面からも、低
空間周波数成分の方が高空間周波数成分よりも細かいビ
ット分解能を必要とする、換言すれば高空間周波数成分
の方が低空間周波数成分よりもビット分解能を粗くする
量子化に対する許容度が大きいということができる。

本発明に係る画像データ圧縮処理方法は、かかる知見に
基づいて構成されたものであり、画像データを一律に粗
く量子化するのではなく、低空間周波数成分を担う主デ
ータと高空間周波数成分を担う補間データとに区分し、
少なくともビット分解能を粗くする量子化に対して許容
度がより大きい補間データについて符号化の際に主デー
タよりも粗く量子化する、即ち補間データのみを粗く量
子化するあるいは双方のデータを粗く量子化するがその
場合は主データよりも補間データの方をより粗くするこ
とにより、その様な粗くする量子化により圧縮率の向上
と粗く量子化することにより生じる画質劣化の抑制との
双方を可能にしようとするものである。

（実施態様） 以下、図面を参照しながら本発明の実施態様について詳
細に説明する。

第１図は本発明に係る画像データ圧縮処理方法の一実施
態様を示すフローチャートである。

図示の実施態様は、2000×2000画素、８ビット０〜255
レベルの原画像データを圧縮処理するものである。

まず、かかる原画像データにスムージング処理を施す。
このスムージング処理は、例えば各注目画素に関し、そ
の注目画素の画像データとその注目画素の近傍に位置す
る画素の画像データとの平均をその注目画素の新たな画
像データとする様な移動平均フィルタ処理の如きもので
ある。この移動平均フィルタ処理についてより具体的に
説明すると、例えば第２図に示す様に太線で示す３×３
画素サイズのマスクＭを用意し、このマスクの所定位
置、例えば中央位置に注目画素Ｐを位置させ、そうした
ときにこのマスク内に含まれる９個の画素の画像データ
ａ〜ｉを平均したものをこの注目画素Ｐの新たな画像デ
ータａ′ とし、この様な処理を各画素（細線で示す１つのます目
が１画素）について行なう処理である。もちろん、上記
マスクＭは３×３画素サイズに限らず、種々のサイズの
ものを使用し得る。また、上記スムージング処理は、上
記移動平均フィルタ処理の他、例えばディジタルコンボ
ルーションやメディアンフィルタなどの線形，非線形フ
ィルタ処理等であっても良い。

かかるスムージング処理を行なうことによって、近傍画
素の画像データ同志の相関を向上させることができ、そ
れによって以下に述べる予測符号化圧縮処理における予
測誤差の零近傍への集中度を高め、圧縮率の向上を図る
ことができる。

次に、上記スムージング処理が施された画像データを、
所定の間隔で略均一にサンプリングした主データと該主
データ以外の補間データとに区別する。

主データのサンプリングの仕方は種々のものが考えられ
るが、要するに主データが画像上に所定の間隔を置いて
まばらに、粗く、かつ略均一に存在するようにサンプリ
ングすれば良いものであり、本実施態様では、第３図に
示す様に、縦横２画素間隔で主データをサンプリングし
ている。即ち、第３図に○印を付して示す画素（図中１
つのます目が１つの画素を示す）ｘ₁₁，ｘ₁₃，ｘ₁₅，…
…，ｘ₃₁，ｘ₃₃，ｘ₃₅，……，ｘ₅₁，ｘ₅₃，ｘ₅₅，……
の画像データを主データとし、その他の画素の画像デー
タを補間データとしている。この様にして区分された主
データａ₁₁，ａ₁₃，ａ₁₄，……と補間データｂ₁₂，
ｂ₁₄，ｂ₁₆，……を第４図に示す。

上記主データのサンプリングの間隔は適当に決定すれば
良く、例えば上記本実施態様の如き縦横２画素間隔の
他、縦横３画素間隔や縦横４画素間隔であっても良い
し、あるいは縦２画素横３画素間隔等縦と横の間隔が異
なっていても良い。さらには、例えば縦横２画素間隔で
あっても、第５図に示す様に位相をずらして、即ち主デ
ータａ₁₁，ａ₁₃，ａ₁₅……と主データａ₃₂，ａ₃₄，ａ₃₆
……とが横方向に１画素分位相がずれるようにサンプリ
ングしても良い。

なお、例えば医療診断用Ｘ線画像では上記主データのサ
ンプリングは、おおよそ主データ数：補間データ数が
１：３（例えば縦横２画素間隔の場合）〜１：８（例え
ば縦横３画素間隔の場合）となるようにするのが好まし
い。これ以上主データの数を少なくする（主データのサ
ンプリングを粗くする）と、例えば以下のステップにお
いて補間データを主データから予測してその予測誤差を
符号化するが、その際の補間データの予測誤差が大きく
なり、従って予測符号化による補間データの圧縮率が下
がるおそれがある。

次に、上記の如くして区分した主データについては主デ
ータ間てせ、また補間データについては主データから予
測符号化処理を施すと共に、本実施態様では補間データ
のみにビット分解能を粗くする量子化処理を施す。

予測符号化とは、ある画像データについて考えた場合、
その注目画像データはその近傍の画像データと似かよっ
たデータ値を有すると考えることができ、従って注目画
像データを近傍の画像データから適当な方法で予測し、
この予測値と実際のデータ値との差即ち予測誤差を求め
ればその予測誤差分布は零の近傍に集中することとな
り、この様な予測誤差が零近傍に集中するという特性を
利用し、頻度の高いものには短い符号を、頻度の低いも
のには長い符号を割り当てるハフマン符号等の可変長符
号（値によって符号長が変わるような信号）によりその
予測誤差を符号化し、そうすることによって結局画像デ
ータの冗長度を抑圧し、トータルとしてのデータ量を圧
縮しようとするものである。

まず、第４図に示す主データａ₁₁，ａ₁₃，ａ₁₅，……に
対する予測符号化処理について説明する。この主データ
の予測符号化処理は、主データ同志間で行なう。即ち、
ある主データの値は他の主データの値に基づいて予測す
る。本実施態様では、予測符号化処理の１つである前値
予測＋ハフマン符号化処理によってこの主データの予測
符号化処理を行なう。

即ち、まず第４図の主データａ₁₁，ａ₁₃，ａ₁₅，……前
値予測し、第６図に示す如き予測誤差Δａ₁₃，Δａ₁₅，
……を求める。なお、先頭の画像データａ₁₁，ａ₃₁，ａ
₅₁，……はそのままにしておく。ここで前値予測とは、
ある注目画像データをその前に位置する画像データ値と
同じであると予測し、その予測値（前に位置する画像デ
ータ値）と実際の注目画像データ値との差（予測誤差）
を求めるものであり、例えば Δａ₁₃＝ａ₁₃−ａ₁₁，Δａ₁₅＝ａ₁₅−ａ₁₃，…… Δａ₃₃＝ａ₃₃−ａ₃₁，Δａ₃₅＝ａ₃₅−ａ₃₃，…… Δａ₅₃＝ａ₅₃−ａ₅₁，Δａ₅₅＝ａ₅₅−ａ₅₃，…… とするものである。

この様にして予測誤差を求めたら、次にその第６図に示
す各先頭の生データａ₁₁，ａ₃₁，ａ₅₁，……と予測誤差
Δａ₁₃，Δａ₁₅，……Δａ₃₃，Δａ₃₅，……，Δａ₅₃，
Δａ₅₅……とをハフマン符号表に基づいて符号化し、第
７図に示す様な圧縮画像データａ₁₁′，Δａ₁₃′，Δａ
₁₅′，……を求め、そうすることによって前値予測＋ハ
フマン符号化処理が完了する。

次に、第４図に示す補間データｂ₁₂，ｂ₁₄，ｂ₁₆，……
に対する予測符号化処理およびビット分解能を粗くする
量子化処理について説明する。この補間データの予測符
号化処理は、主データに基づいて各補間データのデータ
値を予測することにより行なう。本実施態様では、内挿
予測＋ハフマン符号化処理によって補間データの予測符
号化を行ない、かつビット分解能を粗くする量子化処理
は予測符号化処理における予測誤差に対して行なう。

即ち、第４図の各補間データｂ₁₂，ｂ₁₄，ｂ₁₆，……，
ｂ₂₁，ｂ₂₂，ｂ₂₃，……，ｂ₃₂，ｂ₃₄，ｂ₃₆，……を主
データに基づいて内挿予測して予測誤差を求め、その予
測誤差を粗く量子化し、粗く量子化された予測誤差をハ
フマン符号表に基づいて符号化する。

上記内挿予測の一例として、補間データｂ₁₂，ｂ₂₁，ｂ
₂₂の予測値Ｂ₁₂，Ｂ₂₁，Ｂ₂₂を求める予測関数を下記す
る。他の補間データも、同様の予測関数で予測すれば良
い。

各補間データについてこの様に内挿予測を行ない、その
予測値と実際のデータ値との差（予測誤差）Δｂ₁₂，Δ
ｂ₁₄，Δｂ₁₆，……，Δｂ₂₁，Δｂ₂₂，Δｂ₂₃，……
（第８図参照）を求めたら、その予測誤差を粗く量子化
する、即ちビット分解能を粗くする量子化を行なう。

このビット分解能を粗くする量子化は、要するに量子化
前のデータのビット分解能（レベル数）よりも量子化後
のデータのビット分解能（レベル数）が少なくなるよう
な量子化であれば良く、従って例えば一般に行なわれて
いる通常の量子化（データ全体を一様に量子化するも
の）であっても勿論良いが、本実施態様では、その様な
通常の量子化ではなく、粗く量子化することによる視覚
的な画質の劣化、即ち偽画像の発生等を抑止するための
工夫を施したシフト量子化を行なっている。

上記シフト量子化とは、量子化の際、量子化すべき原デ
ータ（ここでは、補間データの予測誤差）全体を一様に
量子化するのではなく、量子化後のレベル数はおおよそ
同じであるが量子化ステップの位置が量子化幅方向に互
いにずれている複数の例えば２との量子化特性を設定す
ると共に、量子化すべき原データを多数の微小ブロック
例えば一データから成るブロックあるいは隣接する複数
データから成るブロック等の微小ブロック毎に分割し、
その様にして分割された各ブロック毎に上記複数の量子
化特性を切り替え適用して各ブロック中の原データを量
子化する、例えばあるブロック中の原データは一方の量
子化特性Ｉに基づいて量子化し、その隣りのブロック中
の原データは他方の量子化特性IIに基づいて量子化し、
さらにその隣りのブロック中の原データは再び上記一方
の量子化特性Ｉに基づいて量子化するという様に順次量
子化特性を切り替え適用しながら量子化するものであ
り、かかる量子化によれば、人間の視覚の積分効果に基
づき、見かけ上各々の量子化特性のビット分解能（レベ
ル数）の数倍のビット分解能を画像に持たせることがで
き、その結果偽画像の発生を押えることができるという
効果が奏される。

本実施態様におけるシフト量子化は、前記微小ブロック
として１つの量子化すべき原データ（予測誤差）から成
るブロックを設定し、かかるブロック毎に、従って各予
測誤差毎に２つの異なる量子化特性Ｉ，IIを切り替えな
がら適用して量子化するものである。

各予測誤差毎への異なる量子化特性Ｉ，IIの切り替え適
用の態様としては種々考えられるが、例えば、第８図に
示す予測誤差のうち、予測誤差Δｂ₁₂，Δｂ₂₁には量子
化特性Ｉを適用し、予測誤差Δｂ₂₂には量子化特性IIを
適用し、以下同様の方法で他の予備誤差にも量子化特性
Ｉ，IIを切り替え適用するという様に、隣り合う予測誤
差（ブロック）にはそれぞれ異なる量子化特性を適用す
るように切り替えるのが望ましい。

上記異なる量子化特性Ｉ，IIは、前述の如く量子化後の
レベル数が同じであって量子化ステップの位置が量子化
幅方向に互いにずれているものであり、本実施態様では
量子化特性Ｉとして第９図に白丸で示す様なものを、量
子化特性IIとして同図に黒丸で示す様なものを採択して
いる。図に示す量子化特性Ｉは、−255から＋255までの
511レベルの予測誤差（原データ）を約半分の255レベル
に粗く量子化するものであり、具体的には原データのレ
ベル−255，−254をレベル−255に、レベル−253，−25
2をレベル−253に、レベル−251，−250をレベル−251
にという様に２レベルを１レベルに変換するものである
（ただし、原データのレベル253，254，255の部分は端
部データ処理の関係上３レベルを１レベルに変換してい
る）。また、量子化特性IIも、511レベルの原データを2
55レベルに粗く量子化するものであり、具体的には、原
データのレベル−255，−254，−253をレベル−254に、
レベル−252，−251をレベル−252に、レベル−250，−
249をレベル−250にという様に２レベルを１レベルに変
換する（ただし、原データのレベル−255，−254，−25
3の部分は端部データ処理の関係上３レベルを１レベル
に変換している）ものであると共に、この量子化特性II
は上記量子化特性Ｉに対してその量子化ステップの位置
が量子化幅方向にずれているものである。

即ち、今第９図において原データと量子化後のデータと
の関係を示す丸印のうち量子化後には同じレベルになる
丸印を結んだ線、例えば量子化特性Ｉの場合は原データ
のレベル−３と−２の白丸、レベル−１と０の白丸、レ
ベル１と２の白丸を結んだ各線、量子化特性IIの場合は
原データのレベル−２と−１の黒丸、レベル０と１の黒
丸、レベル２と３の黒丸を結んだ各線をそれぞれの量子
化ステップと定義すると共に、この量子化ステップの
幅、即ち量子化後に１つのレベルになる原データの範囲
の大きさを量子化幅と定義した場合、上記量子化特性Ｉ
のステップと量子化特性IIのステップとは、図から容易
に理解される様に、その位置が互いに量子化幅の方向
（図中では原データレベルを示す横軸方向）に量子化幅
の半分づつずれているものである。

上記実施態様においては、量子化すべき予測誤差を分割
する際の微小ブロックとして一つの予測誤差から成るブ
ロックを採択しているが、この微小ブロックは２〜３個
の予測誤差の如き複数の予測誤差から成るブロックであ
っても良い。ただし、このブロックはあまり大きくする
と前述した人間の視覚的積分効果を充分に発揮せしめる
ことができないので、この視覚的積分効果を発揮せしめ
るに充分な微小ブロックであることが必要である。

また、第10図は上記の微小ブロックを３個の予測誤差か
ら成るブロック（図中太線で示す）とした場合の量子化
特性Ｉ，IIの適用状態の一例を示すものであり、この場
合は図示の如く一つのブロック中の予備誤差に対しては
同じ量子化特性を適用すると共に隣接するブロック毎に
適用する特性Ｉ，IIを切り替えれば良い。

また、量子化後のレベル数が同じであって量子化ステッ
プの位置が量子化幅方向に互いにずれている複数の量子
化特性としては、上記実施態様では第９図に示す様な２
つの量子化特性Ｉ，IIを採択しているが、その他にも第
11図〜第16図に示す様な複数の量子化特性を採用するこ
とができる。

第11図に示すものは白丸で示す量子化特性Ｉと黒丸で示
す量子化特性IIとの２つの組合せであり、第９図におけ
る両特性Ｉ，IIの量子化ステップの位置が量子化幅方向
のみでなく該量子化幅方向に直角な方向（縦軸方向）に
もずれているのに対し、この第11図に示す両特性Ｉ，II
はそれらの量子化ステップの位置が量子化幅方向にのみ
ずれているものである。

第12図に示すものも白丸と黒丸とで示す２つの量子化特
性Ｉ，IIの組合せであり、第９図における両特性Ｉ，II
の量子化幅が２レベルであったのに対し、この第12図に
示す両特性Ｉ，IIはそれらの量子化幅が３レベルのもの
である。この場合は、量子化後のデータのレベル数は原
データに対して１／３に減少せしめられる。

第13図に示すものは白丸，黒丸および×印で示す３つの
量子化特性Ｉ，II，IIIの組合せであり、第９図におけ
る２つの異なる量子化特性がそうであった様に、この第
13図に示す３つの量子化特性Ｉ，II，IIIもそれぞれ量
子化後のレベル数は同じでありかつそれぞれの量子化ス
テップの位置は互いに量子化幅方向にずれているもので
ある。この様に３つの量子化特性Ｉ，II，IIIを用いる
場合は、例えば１ブロックが１つのデータから成る場
合、第８図における原データ（予測誤差）Δｂ₁₂には
Ｉ，Δｂ₂₁にはII，Δｂ₂₂にはIII，……という様に隣
り合うブロックに対してこの３つの量子化特性Ｉ，II，
IIIを順次切り替えて適用すれば良い。

また、第14図はほぼ第９図と同様であるが、端部が異な
る。つまり、黒丸で示される量子化での量子化後のレベ
ル数が白丸で示される量子化での量子化後のレベル数に
比べて１レベル少なく完全に両者が等しくはない。この
ように端部の処理によって量子化後のレベル数は必ずし
も完全には等しくない場合があってもよい。

以上の各具体例から理解される様に、本実施態様におい
て使用し得る複数の量子化特性は、要するに量子化後の
レベル数がおおよそ同じで量子化ステップが量子化幅方
向にずれているという条件を満たすものであれば良く、
その特性の数や、量子化幅の大きさは適宜に決定するこ
とができるものである。

ところで、一般に量子化とは、x_i≦ｘ≦x_i+1なる値を有
するｘ（原データ）をＸｉ（量子化代表値）で代表させ
る、換言すればある量子化幅範囲（x_i〜x_i+1）内の原デ
ータｘをある１つの量子化代表値Ｘｉに置き換えること
をいう。

しかるに、従来の一般的な量子化では、例えばその量子
化代表値Ｘｉとして量子化幅範囲（x_i〜x_i+1）の両端の
値x_iあるいはx_i+1又は中央値（x_i＋x_i+1）／２等を採用
している。前述の実施態様においても、例えば第９図や
第13図に示す様に量子化代表値Ｘｉとして量子化幅範囲
（x_i〜x_i+1）の一端の値x_iやx_i+1を採用している。

ところが、本実施態様における量子化対象データは予測
誤差であり、予測誤差の場合は、前述の如く頻度分布が
均一でなく零近傍に集中した非常に片寄った形をしてい
るので、上述の様に頻度分布を考慮しないで機械的に量
子化幅範囲の両端値や中央値等を量子化代表値とすると
その量子化代表値とその代表値によって代表される量子
化幅範囲内の各原データ（予測誤差）との差の合計（以
下、量子化誤差という）は最小値を取り得ない。即ち、
量子化代表値は上記量子化誤差が最小になるように設定
するのが好ましく、それが最小でない場合は最小である
場合に比べて画質の劣化が大きくなるので、上記の如き
従来の一般的な量子化代表値の決め方はあまり好ましい
ものではない。

従って、上記実施態様における量子化、即ち量子化特性
Ｉに基づく量子化も量子化特性IIに基づく量子化のいず
れも、それぞれ量子化代表値を設定するにあたっては、
量子化誤差が最小になるように、各量子化幅範囲内の原
データをその頻度分布に基づいて重み付け平均した値も
しくはその値に近い値を量子化代表値とするのが好まし
い。

かかる量子化代表値を式で表わすと下記の通りである。

ただし、 ｘ…原データ（予測誤差） ｆ（ｘ）…原データｘの頻度 第15図は上述の如く頻度分布を考慮して決定した量子化
代表値の一例を示すものである。この例は、原データを
（−４，−３，−２），（−１，０，１），（２，３，
４）という様に３レベルを１つの量子化幅範囲とするも
のであり、各量子化幅範囲の量子化代表値は前述の式
（ｉ）に基づいて算出し、図中の量子化代表値（１）の
如く設定されている。なお、一例として量子化幅範囲
（２，３，４）の場合の量子化代表値Ｘｉの算出例を下
記する。

また、上記量子化代表値は、必ずしも上述の頻度分布に
基づく重み付け平均値そのものである必要はなく、それ
に近い値、例えば後の符号化を考慮して符号化しやすい
様にその平均値に近い整数値としても良く、その様にし
て設定した代表値を同図中の量子化代表値（２）として
示す。

上記具体例は量子化幅範囲が３レベルの場合であるが、
量子化幅範囲が２レベルの場合も同様にして量子化代表
値を決めることができる。

上記頻度分布は、もちろん全ての原データ（予備誤差）
の実際の頻度分布を算出してそれを使用することもでき
るが、その様に実際に計算したものではなく、取り扱う
原データに関する情報、例えば取り扱う画像に関する情
報に基づいて予め与えられた幾くつかの原データ頻度分
布パターンの中から適当なパターンの頻度分布を選出
し、それを使用するようにしても良い。

上述の如くして補間データの予測誤差を求め、その予測
誤差を粗く量子化したら、その粗く量子化された後の予
測誤差をハフマン符号化し、そうすることによって補間
データの予測符号化が終了する。

上述の如くして予測符号化処理によって作成された圧縮
画像データ（圧縮主データおよび圧縮補間データ）は、
例えば光ディスク等の記録媒体に格納され、随時必要に
応じて読み出された後あるいはファクシミリ等で送信さ
れた後等に、第16図に示す伸長過程を経て例えばＣＲＴ
等に可視像として再生されたりするものである。

次に、この第16図に示す伸長過程について説明する。

まず、前述の様にハフマン符号化された圧縮主データ
（第７図参照）に対して復号処理を施し、第６図に示す
各先頭生データと予測誤差を求める。この復号処理は、
上記ハフマン符号化処理を行なう際に用いたハフマン符
号表に基づいて行なえば良い。次に、その様にして復号
された先頭生データと予測誤差および前記予測を行なっ
た際の予測式を用いて予測復元処理を行なう、即ち第４
図に示す様な伸長生データａ₁₁，ａ₁₃，ａ₁₅，……，ａ
₃₁，ａ₃₃，ａ₃₅，……，ａ₅₁，ａ₅₃，ａ₅₅，……を、 ａ₁₁＝ａ₁₁，ａ₁₃＝ａ₁₁＋Δａ₁₃， ａ₁₅＝ａ₁₃＋Δａ₁₅，…… ａ₃₁＝ａ₃₁，ａ₃₃＝ａ₃₁＋Δａ₃₃， ａ₃₅＝ａ₃₃＋Δａ₃₅，…… という様にして求める。

この様にして主データを復号伸長したら、次にこの主デ
ータを用いて補間データを復号伸長する。

補間データの復号伸長は、まず前述の如くハフマン符号
化された圧縮補間データを、主データの場合と同様に使
用されたハフマン符号表に基づいて復号することにより
予測誤差を求め、この予測誤差と上記復号伸長せしめら
れた主データと前記予測を行なう際に用いた内挿予測式
とを使用して各補間データｂ₁₂，ｂ₁₄，ｂ₁₆，……，ｂ
₂₁，ｂ₂₂，ｂ₂₃，……，ｂ₃₂，ｂ₃₄，ｂ₃₆……を求め
る。即ち、上記主データに基づいて各補間データｂ₁₂，
ｂ₁₄，ｂ₁₆，……の予測値Ｂ₁₂，Ｂ₁₄，Ｂ₁₆，……を上
記内挿予測式により求め、それらに予測誤差Δｂ₁₂，Δ
ｂ₁₄，Δｂ₁₆，……を加算することによってｂ₁₂，
ｂ₁₄，ｂ₁₆，……を求める。

上述の如くして主データと補間データとを復号伸長した
ら、それらのデータに基づいてＣＲＴ等に画像を再生す
れば良いが、画像再生の前に、それらの伸長データに高
空間周波数成分を強調する後処理を施しても良い。

即ち、本実施態様においては、前述の如く最初にスムー
ジング処理を行なっており、このスムージング処理によ
って画像の高空間周波数成分が減少せしめられているの
で、この伸長画像データをそのまま用いて可視像を再生
するとその再生画像は高空間周波数成分が少なく、原画
像に比べてボケたものとなる恐れがあるので、このボケ
を高空間周波数成分強調処理によって補正し、画質的に
原画像により近い画像を再生し得るようにしようとする
ものである。

かかる高空間周波数成分強調処理としては、例えば非鮮
鋭マスク処理の他、ある種のコンボルーションやフーリ
エ変換などの手法によるものを挙げることができる。

以上、本発明に係る一実施態様について詳細に説明した
が、本発明に係る方法は、要するに、画像データを所定
の間隔で略均一にサンプリングした主データと該主デー
タ以外の補間データとに区分し、これらの主データは主
データどうしで予測符号化を行ない補間データは主デー
タから予測符号化し、かつ少なくとも補間データについ
ては符号化に際し主データよりビット分解能を粗くする
量子化を行なうことを特徴とするものである。

上記主データと補間データの区分は、前述の実施態様の
ところで説明しているように種々の態様を取り得、再生
時における画質や圧縮率を考慮して適宜に行なえば良い
ものである。

上記主データと補間データの予測符号化処理は、上記実
施態様においては主データの場合前置予測を、補間デー
タの場合は主データに基づく内挿予測を行なっている
が、それらの予測は他の異なる態様で行なっても良い
し、また予測誤差の符号化もハフマン符号化以外の可変
長符号化を採用し得る。

上記少なくとも補間データを主データよりも粗く量子化
する点については、上記実施態様では補間データのみを
粗く量子化したが、もちろん主データと補間データの双
方を粗く量子化すると共にその際補間データの方を主デ
ータよりもより粗く量子化する、例えば主データについ
てはレベル数が半分になるように粗く量子化し、補間デ
ータについてはレベル数が１／３〜１／４になるように
粗く量子化するようにしても良い。このように主データ
よりも補間データの方を粗く量子化することにより、粗
く量子化することによる圧縮率向上の効果と粗く量子化
することによる視覚的画質の劣化および診断能の低下の
抑制の双方を効率良く実現することができる。なぜなら
ば、前述の如く主データは低空間周波数成分を、補間デ
ータは高空間周波数成分を担うものであると考えること
ができ、両データを比較した場合診断能の確保および視
覚的な画質維持の双方において主データの方が補間デー
タよりも重要であり、その両観点からして量子化を粗く
することに対する許容度は主データの方が補間データよ
りも低く、従って例えば画像データを一律に粗く量子化
しようとするとその粗さの程度はどうしても許容度の低
い主データを基準にして設定しなければならず、粗く量
子化することよる圧縮率の向上を充分に達成し得ないと
いうことになるが、本発明の如く主データと補間データ
とを区分すると、補間データについては主データよりも
さらに粗く、即ち補間データの許容度一杯まで粗く量子
化することができ、そうすることによって診断能の低下
や視覚的画質劣化にあまり影響を及ぼすことなくさらに
圧縮率の向上を図ることができるからである。なお、補
間データを粗く量子化する際のレベル数の減少の程度は
再生時の画質との関係で適宜決定すれば良いが、一般的
には１／２〜１／４とするのが好ましい。

上記補間データの量子化は、上記実施態様では予測誤差
を粗く量子化するものであったが、例えばその量子化は
第１図における補間データと内挿予測との間に行なわれ
るもの、即ち補間データに直接適用されるものであって
も良い。また、予測誤差の場合であると補間データの場
合であるとを問わず、その量子化は種々の態様を取り
得、必ずしも実施態様の如きシフト量子化である必要は
なく、また量子化誤差を最小にする誤差最小量子化であ
る必要もない。

上記主データの量子化についても、主データを直接量子
化するものでも良いし、線形予測した後の予測誤差を量
子化するものでも良いし、その他種々の量子化態様を取
り得る点についても補間データの量子化の場合と同様で
ある。

なお、本実施態様においては、さらに、スムージング
（前処理）やそのスムージングに対する高空間周波数成
分強調処理（後処理）についても言及したが、これらは
もちろん必要に応じて行なえば良いものであり、スムー
ジング以外の前処理や高空間周波数成分強調処理以外の
後処理を適宜に付加することももちろん可能である。

（発明の効果） 本発明に係る画像データ圧縮処理方法は、前述の如く、
画像データを予測符号化しかつ粗く量子化して圧縮する
場合において、画像データ全体を一律に予測符号化しか
つ粗く量子化するのではなく、画像データを低空間周波
数成分を担持すると考えられる主データと、主データ以
外の高空間周波数成分を担持すると考えられる補間デー
タとに区分し、主データについては主データ間で予測符
号化処理を行ない、補間データについては主データから
予測符号化処理を行なうと共に少なくとも補間データに
ついては符号化に際し主データより粗く量子化する処理
を行なうものである。

従って、例えば補間データのみを粗く量子化する場合
は、結局前述の如き診断能や視覚的な画質にとって重要
な低空間周波数成分（主データ）はそのままとし、それ
らにとってあまり重要でない高空間周波数成分（補間デ
ータ）のみを粗く量子化することとなり、診断能低下や
視覚的画質の劣化を抑制し得ると共に圧縮率の向上を図
ることができる。

また、両データを粗く量子化する場合でも、主データと
補間データとを区分したことによって、前述の如く主デ
ータよりも補間データの方を粗く量子化するということ
が可能となり、そうすることによって診断能の低下、視
覚的画質の劣化の抑制と圧縮率の向上とを効率良く実現
できるものである。

【図面の簡単な説明】

第１図は本発明に係る画像データ圧縮処理方法の一実施
態様を示すフローチャート、 第２図はスムージング処理一例の説明図、 第３図は主データのサンプリング状態の一例を示す図、 第４図および第５図はそれぞれ主データと補間データと
の区分の一例を示す図、 第６図は主データの予測誤差を示す図、 第７図は主データをハフマン符号化した状態を示す図、 第８図は補間データの予測誤差を示す図、 第９図はシフト量子化に使用する異なる量子化特性の組
み合せの一例を示す図、 第10図はシフト量子化する場合の微小ブロックの一例を
示す図、 第11図〜第14図はそれぞれシフト量子化に使用する異な
る量子化特性の組合せの例を示す図、 第15図は誤差最小量子化の一例を示す図、 第16図は圧縮された主データ及び補間データを伸長する
伸長過程の一例を示すフローチャートである。

Claims (1)

【特許請求の範囲】
1. 【請求項１】画像データを、所定の間隔で略均一にサン
   プリングした主データと該主データ以外の補間データと
   に区分し、該主データは主データ間で予測符号化圧縮処
   理を行ない、前記補間データは前記主データから予測符
   号化圧縮処理を行ない、かつ少なくとも上記補間データ
   については符号化に際し主データよりビット分解能を粗
   くする量子化処理を施すことを特徴とする画像データ圧
   縮処理方法。