JPH114413A - Image converter, image conversion method, arithmetic unit, arithmetic method and transmission medium - Google Patents
Image converter, image conversion method, arithmetic unit, arithmetic method and transmission mediumInfo
- Publication number
- JPH114413A JPH114413A JP9155147A JP15514797A JPH114413A JP H114413 A JPH114413 A JP H114413A JP 9155147 A JP9155147 A JP 9155147A JP 15514797 A JP15514797 A JP 15514797A JP H114413 A JPH114413 A JP H114413A
- Authority
- JP
- Japan
- Prior art keywords
- image
- representative vector
- quantized representative
- vector
- quantized
- 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.)
- Granted
Links
Landscapes
- Television Systems (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、画像変換装置、画
像変換方法、演算装置、演算方法、および、伝送媒体に
関し、特に、第１の画像を解像度が異なる第２の画像に
変換する画像変換装置、画像変換方法、演算装置、演算
方法、および、伝送媒体に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an image conversion device, an image conversion method, an arithmetic device, an arithmetic method, and a transmission medium, and more particularly, to an image conversion for converting a first image into a second image having a different resolution. The present invention relates to an apparatus, an image conversion method, an arithmetic device, an arithmetic method, and a transmission medium.
【０００２】[0002]
【従来の技術】例えば、ＳＤ（Standard Definition）
画像を、それよりも解像度の高いＨＤ（High Definitio
n）画像に変換する方法としては、例えば、ベクトル量
子化を用いる方法などが知られている。2. Description of the Related Art For example, SD (Standard Definition)
Images are converted to HD (High Definitio)
n) As a method of converting into an image, for example, a method using vector quantization is known.
【０００３】図６は、ベクトル量子化を用いた画像変換
装置の構成例を示すブロック図である。この図におい
て、ベクトル化回路１は、入力されたＳＤ画像データ
を、例えば、２個ずつ組み合わせて２次元ベクトルを形
成し、誤差判定回路２に出力する。FIG. 6 is a block diagram showing a configuration example of an image conversion apparatus using vector quantization. In this figure, a vectorization circuit 1 forms a two-dimensional vector by combining input SD image data, for example, two by two, and outputs it to an error determination circuit 2.
【０００４】誤差判定回路２は、ＳＤ量子化代表ベクト
ルテーブル３からＳＤ量子化代表ベクトルを逐次読み出
し、読み出された量子化代表ベクトルと入力されたベク
トルの間の誤差を算出する。そして、算出された誤差が
最小となるＳＤ量子化代表ベクトルを選択し、そのイン
デックス値を変換テーブル４に出力する。The error determination circuit 2 sequentially reads out the SD quantized representative vector from the SD quantized representative vector table 3, and calculates an error between the read quantized representative vector and the input vector. Then, an SD quantized representative vector that minimizes the calculated error is selected, and its index value is output to the conversion table 4.
【０００５】変換テーブル４は、誤差判定回路２より出
力されたＳＤ量子化代表ベクトルのインデックスに対応
するＨＤ量子化代表ベクトルのインデックスを出力す
る。ＨＤ量子化代表ベクトルテーブル５は、ＨＤ量子化
代表ベクトルを記憶しており、変換テーブル４から出力
されたインデックスに対応するＨＤ量子化代表ベクトル
を出力する。[0005] The conversion table 4 outputs an index of the HD quantized representative vector corresponding to the index of the SD quantized representative vector output from the error determination circuit 2. The HD quantized representative vector table 5 stores the HD quantized representative vector, and outputs the HD quantized representative vector corresponding to the index output from the conversion table 4.
【０００６】次に、図７および図８を参照して、以上の
従来例の動作について説明する。Next, the operation of the above conventional example will be described with reference to FIGS. 7 and 8.
【０００７】ベクトル化回路１は、図７（Ａ）に示すよ
うに、入力されたＳＤ画像データを、例えば、２個ずつ
順次組み合わせてベクトル（図７（Ｂ）参照）を生成す
る。このようにして生成されたベクトルは、誤差判定回
路２に供給される。As shown in FIG. 7A, the vectorizing circuit 1 generates a vector (see FIG. 7B) by sequentially combining, for example, two pieces of input SD image data. The vector generated in this manner is supplied to the error determination circuit 2.
【０００８】誤差判定回路２は、ＳＤ量子化代表ベクト
ルテーブル３に格納されている量子化代表ベクトルの中
から、入力されたベクトルに最も近い量子化代表ベクト
ルを検索し、そのインデックス値を出力する。即ち、図
８に示すように、２つのデータｘnj，ｘnj+1をそれぞれ
横軸と縦軸に対応させると、入力されたベクトルは２次
元空間上に表すことができる。このような２次元空間を
Ｎ個の領域に分割して、それぞれの領域の重心である代
表点をＸ1乃至ＸNとする。このとき、誤差判定回路２
は、入力されたベクトルｘとＳＤ量子化代表ベクトルテ
ーブル３に格納されている各代表点Ｘ1乃至ＸNとの間の
距離（誤差）を求め、求めた距離が最も小さい代表点を
示すインデックス値（Ｘの添字番号）を出力する。The error determination circuit 2 searches the quantized representative vector stored in the SD quantized representative vector table 3 for a quantized representative vector closest to the input vector, and outputs an index value thereof. . That is, as shown in FIG. 8, when the two data x nj and x nj + 1 are respectively associated with the horizontal axis and the vertical axis, the input vector can be represented on a two-dimensional space. Such a two-dimensional space is divided into N regions, and representative points which are the centers of gravity of the respective regions are defined as X 1 to X N. At this time, the error determination circuit 2
Calculates the distance (error) between the input vector x and each of the representative points X 1 to X N stored in the SD quantized representative vector table 3, and indicates the index indicating the representative point having the smallest calculated distance. Output value (subscript number of X).
【０００９】なお、ＨＤ量子化代表ベクトルテーブル５
にも、同様にして生成されたＨＤ画像の代表点Ｙ1乃至
ＹNが格納されている。なお、各代表点は、例えば、図
７（Ａ）に示すように８個のデータ（ｙnj乃至ｙnj+3お
よびｙn+1j乃至ｙn+1j+3）により構成されており、それ
ぞれＨＤ画像の画素値を示している。The HD quantized representative vector table 5
Also, representative points Y 1 to Y N of the HD image generated in the same manner are stored. Each representative point is composed of, for example, eight pieces of data ( ynj to ynj + 3 and yn + 1j to yn + 1j + 3 ) as shown in FIG. The pixel values of the HD image are shown.
【００１０】誤差判定回路２から出力されたインデック
ス値は、変換テーブル４に供給され、そこで、対応する
ＨＤ量子化代表ベクトルを読み出すための新たなインデ
ックスデータに変換されて出力される。The index value output from the error determination circuit 2 is supplied to a conversion table 4, where it is converted into new index data for reading out a corresponding HD quantized representative vector and output.
【００１１】ＨＤ量子化代表ベクトルテーブル５は、変
換テーブル４から出力されたインデックス値に対応する
ＨＤ量子化代表ベクトル、即ち、ＨＤ画像データを読み
出して出力する。The HD quantized representative vector table 5 reads and outputs an HD quantized representative vector corresponding to the index value output from the conversion table 4, that is, HD image data.
【００１２】以上のような動作により、ＳＤ画像データ
をＨＤ画像データに変換することが可能となる。With the above operation, it is possible to convert SD image data into HD image data.
【００１３】続いて、図６に示す変換テーブル４に格納
されているデータを生成する処理について説明する。Next, a process for generating data stored in the conversion table 4 shown in FIG. 6 will be described.
【００１４】図９は、変換テーブル４に格納されている
データを生成する処理の一例を説明するフローチャート
である。FIG. 9 is a flowchart for explaining an example of a process for generating data stored in the conversion table 4.
【００１５】この処理が実行されると、ステップＳ１で
は、ＳＤ画像のコードブックが生成される。なお、生成
の手法としては、例えば、ＬＢＧ法（「Y. Linde A. Bu
zo and R.M.Gray:"An Algorithm for Vector Quantizer
Design", IEEE Trans. Commun., COM-28,1,pp.84-95(J
an. 1980)」参照）などを用いることができる。When this process is executed, a code book of an SD image is generated in step S1. As a generation method, for example, the LBG method (“Y. Linde A. Bu
zo and RMGray: "An Algorithm for Vector Quantizer
Design ", IEEE Trans. Commun., COM-28,1, pp.84-95 (J
an. 1980) ”).
【００１６】即ち、先ず、所望の量子化代表ベクトルに
対応する個数の仮量子化代表ベクトルを生成し、画像デ
ータをこの量子化代表ベクトルに最も近い画素の集合に
より分割する。続いて、分割された各領域内の重心を求
め、得られた重心を量子化代表ベクトルとする。次に、
量子化代表ベクトルを少し動かして空間分割を再度実行
した後、各領域の重心を求め、得られた重心を量子化代
表ベクトルとする。以上のような操作を繰り返し、量子
化代表ベクトルが収束した時点で処理を終了することに
より、量子化代表ベクトルの集合であるコードブックを
得ることができる。That is, first, a number of temporary quantized representative vectors corresponding to a desired quantized representative vector are generated, and image data is divided by a set of pixels closest to the quantized representative vector. Subsequently, the center of gravity in each of the divided regions is obtained, and the obtained center of gravity is used as a quantized representative vector. next,
After the space division is performed again by slightly moving the quantized representative vector, the center of gravity of each region is obtained, and the obtained center of gravity is used as the quantized representative vector. By repeating the above operation and terminating the process when the quantized representative vectors converge, a codebook as a set of quantized representative vectors can be obtained.
【００１７】図９に戻って、ステップＳ２では、前述の
場合と同様の手法によって、ＨＤ画像のコードブックが
生成される。そして、ステップＳ３に進む。Returning to FIG. 9, in step S2, a code book of an HD image is generated by the same method as described above. Then, the process proceeds to step S3.
【００１８】ステップＳ３では、ＳＤ画像のコードブッ
クとＨＤ画像のコードブックの対応関係から変換テーブ
ルが生成される。即ち、原画（ＨＤ画像）と、ＳＤ画像
から生成された画像との誤差が最小となるようにＳＤ量
子化代表ベクトルとＨＤ量子化代表ベクトルとを対応づ
けていき、出現頻度が最も高い対応づけを選択し、これ
を変換テーブルとする。In step S3, a conversion table is generated from the correspondence between the SD image codebook and the HD image codebook. That is, the SD quantized representative vector and the HD quantized representative vector are associated with each other so that the error between the original image (HD image) and the image generated from the SD image is minimized, and the association with the highest appearance frequency is established. Is selected as a conversion table.
【００１９】そして、ステップＳ３の処理が完了すると
処理を終了する（エンド）。When the process in step S3 is completed, the process ends (END).
【００２０】以上の処理により、ＳＤ画像のコードブッ
ク、ＨＤ画像のコードブック、および、変換テーブルを
生成することができる。With the above processing, a code book for an SD image, a code book for an HD image, and a conversion table can be generated.
【００２１】[0021]
【発明が解決しようとする課題】しかしながら以上のよ
うな方法においては、ＳＤ画像とＨＤ画像のコードブッ
クは、それぞれ独立に生成されていた。従って、ＳＤ画
像側とＨＤ画像側の領域分割が独立に実施されることに
なり、その結果、ＳＤ画像をＨＤ画像に変換する際の変
換精度を高くすることが困難であるという課題があっ
た。However, in the above method, the codebooks of the SD image and the HD image are independently generated. Therefore, the area division on the SD image side and the HD image side is performed independently, and as a result, there is a problem that it is difficult to increase the conversion accuracy when converting the SD image into the HD image. .
【００２２】本発明は、以上のような状況に鑑みてなさ
れたものであり、例えば、ＳＤ画像をＨＤ画像に変換す
る際に、より精度の高い変換を可能とするものである。The present invention has been made in view of the above situation, and enables more accurate conversion, for example, when converting an SD image into an HD image.
【００２３】[0023]
【課題を解決するための手段】請求項１に記載の画像変
換装置は、第１の画像データが入力される入力手段と、
入力手段より入力された第１の画像データに対応する第
１の量子化代表ベクトルを算出する算出手段と、算出手
段により算出された第１の量子化代表ベクトルに対応す
る第２の画像側の第２の量子化代表ベクトルを選択する
選択手段と、選択手段により選択された第２の量子化代
表ベクトルを出力する出力手段とを備え、第１の量子化
代表ベクトルは、第２の量子化代表ベクトルに対応して
空間分割が施されて生成されていることを特徴とする。According to a first aspect of the present invention, there is provided an image conversion apparatus comprising: an input unit for inputting first image data;
Calculating means for calculating a first quantized representative vector corresponding to the first image data input from the input means; and a second image side corresponding to the first quantized representative vector calculated by the calculating means. Selecting means for selecting the second quantized representative vector, and output means for outputting the second quantized representative vector selected by the selecting means, wherein the first quantized representative vector is the second quantized representative vector It is characterized by being generated by being subjected to space division corresponding to the representative vector.
【００２４】請求項４に記載の画像変換方法は、第１の
画像データが入力される入力ステップと、入力ステップ
より入力された第１の画像データに対応する第１の量子
化代表ベクトルを算出する算出ステップと、算出ステッ
プにより算出された第１の量子化代表ベクトルに対応す
る第２の画像側の第２の量子化代表ベクトルを選択する
選択ステップと、選択ステップにより選択された第２の
量子化代表ベクトルを出力する出力ステップとを備え、
第１の量子化代表ベクトルは、第２の量子化代表ベクト
ルに対応して空間分割が施されて生成されていることを
特徴とする。According to a fourth aspect of the present invention, in the image conversion method, an input step of inputting first image data and a first quantized representative vector corresponding to the first image data input from the input step are calculated. Calculating step, a selecting step of selecting a second quantized representative vector on the second image side corresponding to the first quantized representative vector calculated by the calculating step, and a second selecting step selected by the selecting step. An output step of outputting a quantized representative vector,
The first quantized representative vector is characterized in that it is generated by performing spatial division corresponding to the second quantized representative vector.
【００２５】請求項５に記載の演算装置は、第２の量子
化代表ベクトルを記憶する記憶手段と、学習用の第２の
画像を複数のブロックに分割する分割手段と、分割手段
によって生成された各ブロックに対応する第２の量子化
代表ベクトルを記憶手段から選出する選出手段と、選出
手段により同一の量子化代表ベクトルが選出されたブロ
ック群に対応するブロック群を学習用の第１の画像から
検出する検出手段と、検出手段によって検出されたブロ
ック群の各々をベクトル化するベクトル化手段と、ベク
トル化手段によって得られたベクトル群の重心を算出す
る算出手段とを備えることを特徴とする。According to a fifth aspect of the present invention, the arithmetic unit is generated by a storage unit for storing the second quantized representative vector, a dividing unit for dividing the second image for learning into a plurality of blocks, and a dividing unit. Selecting means for selecting a second quantized representative vector corresponding to each block from the storage means, and a block group corresponding to a block group for which the same quantized representative vector has been selected by the selecting means. Detecting means for detecting from the image, vectorizing means for vectorizing each of the block groups detected by the detecting means, and calculating means for calculating the center of gravity of the vector group obtained by the vectorizing means, I do.
【００２６】請求項６に記載の演算方法は、第２の量子
化代表ベクトルを記憶する記憶ステップと、学習用の第
２の画像を複数のブロックに分割する分割ステップと、
分割ステップによって生成された各ブロックに対応する
第２の量子化代表ベクトルを記憶ステップから選出する
選出ステップと、選出ステップにより同一の量子化代表
ベクトルが選出されたブロック群に対応するブロック群
を学習用の第１の画像から検出する検出ステップと、検
出ステップによって検出されたブロック群の各々をベク
トル化するベクトル化ステップと、ベクトル化ステップ
によって得られたベクトル群の重心を算出する算出ステ
ップとを備えることを特徴とする。According to a sixth aspect of the present invention, there is provided an arithmetic method comprising: a storing step of storing a second quantized representative vector; and a dividing step of dividing a second image for learning into a plurality of blocks.
A selecting step of selecting a second quantized representative vector corresponding to each block generated in the dividing step from the storing step, and learning a block group corresponding to a block group in which the same quantized representative vector is selected in the selecting step. A detection step of detecting from the first image for use in the image processing, a vectorization step of vectorizing each of the block groups detected by the detection step, and a calculation step of calculating the center of gravity of the vector group obtained by the vectorization step. It is characterized by having.
【００２７】請求項７に記載の伝送媒体は、第２の量子
化代表ベクトルを記憶する記憶ステップと、学習用の第
２の画像を複数のブロックに分割する分割ステップと、
分割ステップによって生成された各ブロックに対応する
第２の量子化代表ベクトルを記憶ステップから選出する
選出ステップと、選出ステップにより同一の量子化代表
ベクトルが選出されたブロック群に対応するブロック群
を学習用の第１の画像から検出する検出ステップと、検
出ステップによって検出されたブロック群の各々をベク
トル化するベクトル化ステップと、ベクトル化ステップ
によって得られたベクトル群の重心を算出する算出ステ
ップとを備える制御プログラムを伝送する。[0027] In the transmission medium according to the present invention, a storing step of storing the second quantized representative vector, a dividing step of dividing the second image for learning into a plurality of blocks,
A selecting step of selecting a second quantized representative vector corresponding to each block generated in the dividing step from the storing step, and learning a block group corresponding to a block group in which the same quantized representative vector is selected in the selecting step. A detection step of detecting from the first image for use in the image processing, a vectorization step of vectorizing each of the block groups detected by the detection step, and a calculation step of calculating the center of gravity of the vector group obtained by the vectorization step. The control program provided is transmitted.
【００２８】請求項１に記載の画像変換装置において
は、第１の画像データが入力手段から入力され、入力手
段より入力された第１の画像データに対応する第１の量
子化代表ベクトルを算出手段が算出し、算出手段により
算出された第１の量子化代表ベクトルに対応する第２の
画像側の第２の量子化代表ベクトルを選択手段が選択
し、選択手段により選択された第２の量子化代表ベクト
ルを出力手段が出力し、第１の量子化代表ベクトルは、
第２の量子化代表ベクトルに対応して空間分割が施され
て生成されている。例えば、ＳＤ画像が入力手段から入
力され、入力されたＳＤ画像の各ブロックに対応するＳ
Ｄ画像の量子化代表ベクトルを算出手段が算出し、算出
されたＳＤ画像の量子化代表ベクトルに対応するＨＤ画
像の量子化代表ベクトルを選択手段が選択し、選択され
たＨＤ画像の量子化代表ベクトルを出力手段が出力す
る。According to the first aspect of the present invention, the first image data is inputted from the input means, and the first quantized representative vector corresponding to the first image data inputted from the input means is calculated. The calculating means calculates the second quantized representative vector on the second image side corresponding to the first quantized representative vector calculated by the calculating means, and the second quantized representative vector selected by the selecting means. The output means outputs a quantized representative vector, and the first quantized representative vector is:
It is generated by performing spatial division corresponding to the second quantized representative vector. For example, an SD image is input from an input unit, and an S image corresponding to each block of the input SD image is input.
The calculating means calculates the quantized representative vector of the D image, the selecting means selects the quantized representative vector of the HD image corresponding to the calculated quantized representative vector of the SD image, and the quantized representative of the selected HD image. The output means outputs the vector.
【００２９】請求項４に記載の画像変換方法において
は、第１の画像データが入力ステップから入力され、入
力ステップより入力された第１の画像データに対応する
第１の量子化代表ベクトルを算出ステップが算出し、算
出ステップにより算出された第１の量子化代表ベクトル
に対応する第２の画像側の第２の量子化代表ベクトルを
選択ステップが選択し、選択ステップにより選択された
第２の量子化代表ベクトルを出力ステップが出力し、第
１の量子化代表ベクトルは、第２の量子化代表ベクトル
に対応して空間分割が施されて生成されている。例え
ば、ＳＤ画像が入力ステップから入力され、入力された
ＳＤ画像の各ブロックに対応するＳＤ画像の量子化代表
ベクトルを算出ステップが算出し、算出されたＳＤ画像
の量子化代表ベクトルに対応するＨＤ画像の量子化代表
ベクトルを選択ステップが選択し、選択されたＨＤ画像
の量子化代表ベクトルを出力ステップが出力する。According to a fourth aspect of the present invention, the first image data is input from the input step, and a first quantized representative vector corresponding to the first image data input from the input step is calculated. The step calculates and the selecting step selects a second quantized representative vector on the second image side corresponding to the first quantized representative vector calculated by the calculating step, and the second quantized representative vector selected by the selecting step is selected. The output step outputs a quantized representative vector, and the first quantized representative vector is generated by performing spatial division corresponding to the second quantized representative vector. For example, an SD image is input from an input step, a calculation step calculates a quantized representative vector of the SD image corresponding to each block of the input SD image, and an HD corresponding to the calculated quantized representative vector of the SD image. The selecting step selects the quantized representative vector of the image, and the output step outputs the quantized representative vector of the selected HD image.
【００３０】請求項５に記載の演算装置においては、第
２の量子化代表ベクトルを記憶手段が記憶し、学習用の
第２の画像を複数のブロックに分割手段が分割し、分割
手段によって生成された各ブロックに対応する第２の量
子化代表ベクトルを記憶手段から選出手段が選出し、選
出手段により同一の量子化代表ベクトルが選出されたブ
ロック群に対応するブロック群を学習用の第１の画像か
ら検出手段が検出し、検出手段によって検出されたブロ
ック群の各々をベクトル化手段がベクトル化し、ベクト
ル化手段によって得られたベクトル群の重心を算出手段
が算出する。例えば、ＨＤ画像の量子化代表ベクトルを
記憶手段が記憶し、学習用のＨＤ画像を複数のブロック
に分割手段が分割し、分割手段によって生成された各ブ
ロックに対応するＨＤ画像の量子化代表ベクトルを記憶
手段から選出手段が選出し、選出手段により同一の量子
化代表ベクトルが選出されたブロック群に対応するブロ
ック群を学習用のＳＤ画像から検出手段が検出し、検出
手段によって検出されたブロック群の各々をベクトル化
手段がベクトル化し、ベクトル化手段によって得られた
ベクトル群の重心を算出手段が算出する。In the arithmetic device according to the fifth aspect, the storage means stores the second quantized representative vector, the dividing means divides the second image for learning into a plurality of blocks, and generates the second image by the dividing means. The selecting means selects, from the storage means, the second quantized representative vector corresponding to each of the selected blocks, and the first quantizing representative vector is selected by the selecting means for the block group corresponding to the block group in which the same quantized representative vector is selected. Is detected by the detecting means from the image, and each of the blocks detected by the detecting means is vectorized by the vectorizing means, and the center of gravity of the vector group obtained by the vectorizing means is calculated by the calculating means. For example, the storage means stores the quantized representative vector of the HD image, the dividing means divides the learning HD image into a plurality of blocks, and the quantized representative vector of the HD image corresponding to each block generated by the dividing means. The selection means selects from the storage means, the detection means detects a block group corresponding to the block group in which the same quantized representative vector is selected from the SD image for learning, and the block detected by the detection means. The vectorization means vectorizes each of the groups, and the calculation means calculates the center of gravity of the vector group obtained by the vectorization means.
【００３１】請求項６に記載の演算方法においては、第
２の量子化代表ベクトルを記憶ステップが記憶し、学習
用の第２の画像を複数のブロックに分割ステップが分割
し、分割ステップによって生成された各ブロックに対応
する第２の量子化代表ベクトルを記憶ステップから選出
ステップが選出し、選出ステップにより同一の量子化代
表ベクトルが選出されたブロック群に対応するブロック
群を学習用の第１の画像から検出ステップが検出し、検
出ステップによって検出されたブロック群の各々をベク
トル化ステップがベクトル化し、ベクトル化ステップに
よって得られたベクトル群の重心を算出ステップが算出
する。例えば、ＨＤ画像の量子化代表ベクトルを記憶ス
テップが記憶し、学習用のＨＤ画像を複数のブロックに
分割ステップが分割し、分割ステップによって生成され
た各ブロックに対応するＨＤ画像の量子化代表ベクトル
を記憶ステップから選出ステップが選出し、選出ステッ
プにより同一の量子化代表ベクトルが選出されたブロッ
ク群に対応するブロック群を学習用のＳＤ画像から検出
ステップが検出し、検出ステップによって検出されたブ
ロック群の各々をベクトル化ステップがベクトル化し、
ベクトル化ステップによって得られたベクトル群の重心
を算出ステップが算出する。In the operation method according to the sixth aspect, the storing step stores the second quantized representative vector, the dividing step divides the second image for learning into a plurality of blocks, and generates the second image by the dividing step. The selecting step selects a second quantized representative vector corresponding to each of the selected blocks from the storage step. The first quantizing representative vector is used as a first block for learning by selecting a block group corresponding to a block group in which the same quantized representative vector is selected in the selecting step. The detection step is detected from the image of the above, the vectorization step converts each of the blocks detected by the detection step into a vector, and the calculation step calculates the center of gravity of the vector group obtained by the vectorization step. For example, the storing step stores the quantized representative vector of the HD image, the dividing step divides the learning HD image into a plurality of blocks, and the quantized representative vector of the HD image corresponding to each block generated by the dividing step. The selection step is selected from the storage step, and the detection step detects a block group corresponding to the block group in which the same quantized representative vector is selected in the selection step from the SD image for learning, and the block detected by the detection step A vectorization step vectorizes each of the groups,
The calculation step calculates the center of gravity of the vector group obtained in the vectorization step.
【００３２】請求項７に記載の伝送媒体においては、第
２の量子化代表ベクトルを記憶ステップが記憶し、学習
用の第２の画像を複数のブロックに分割ステップが分割
し、分割ステップによって生成された各ブロックに対応
する第２の量子化代表ベクトルを記憶ステップから選出
ステップが選出し、選出ステップにより同一の量子化代
表ベクトルが選出されたブロック群に対応するブロック
群を学習用の第１の画像から検出ステップが検出し、検
出ステップによって検出されたブロック群の各々をベク
トル化ステップがベクトル化し、ベクトル化ステップに
よって得られたベクトル群の重心を算出ステップが算出
する制御プログラムが伝送される。例えば、ＨＤ画像の
量子化代表ベクトルを記憶ステップが記憶し、学習用の
ＨＤ画像を複数のブロックに分割ステップが分割し、分
割ステップによって生成された各ブロックに対応するＨ
Ｄ画像の量子化代表ベクトルを記憶ステップから選出ス
テップが選出し、選出ステップにより同一の量子化代表
ベクトルが選出されたブロック群に対応するブロック群
を学習用のＳＤ画像から検出ステップが検出し、検出ス
テップによって検出されたブロック群の各々をベクトル
化ステップがベクトル化し、ベクトル化ステップによっ
て得られたベクトル群の重心を算出ステップが算出する
制御プログラムが伝送される。In the transmission medium according to the present invention, the storing step stores the second quantized representative vector, the dividing step divides the second image for learning into a plurality of blocks, and generates the second image by the dividing step. The selecting step selects a second quantized representative vector corresponding to each of the selected blocks from the storage step. The first quantizing representative vector is used as a first block for learning by selecting a block group corresponding to a block group in which the same quantized representative vector is selected in the selecting step. A detection program is detected from the image, and a vectorization step vectorizes each of the block groups detected by the detection step, and a control program for calculating a center of gravity of the vector group obtained by the vectorization step is transmitted. . For example, the storing step stores the quantized representative vector of the HD image, the dividing step divides the HD image for learning into a plurality of blocks, and H corresponds to each block generated by the dividing step.
A selection step selects a quantized representative vector of the D image from the storage step, and a detection step detects a block group corresponding to the block group in which the same quantized representative vector is selected by the selection step from the SD image for learning, A control program is transmitted in which the vectorization step vectorizes each of the block groups detected in the detection step, and the calculation step calculates the center of gravity of the vector group obtained in the vectorization step.
【００３３】[0033]
【発明の実施の形態】図１は、本発明の実施の形態の構
成例を示すブロック図である。なお、この図において、
図６の従来例と対応する部分には同一の符号が付してあ
るので、その説明は適宜省略する。FIG. 1 is a block diagram showing a configuration example of an embodiment of the present invention. In this figure,
Parts corresponding to those in the conventional example of FIG. 6 are denoted by the same reference numerals, and a description thereof will be omitted as appropriate.
【００３４】図１の実施の形態では、図６に示す従来例
から、変換テーブル４が除外されており、また、ＳＤ量
子化代表テーブル３がＳＤ量子化代表ベクトルテーブル
２０（算出手段）に置換されている。その他の構成は、
図６に示す場合と同様である。なお、ＳＤ量子化代表ベ
クトルテーブル２０に格納されているデータは、後述す
る方法により生成される。In the embodiment of FIG. 1, the conversion table 4 is omitted from the conventional example shown in FIG. 6, and the SD quantized representative table 3 is replaced by an SD quantized representative vector table 20 (calculating means). Have been. Other configurations are
This is the same as the case shown in FIG. The data stored in the SD quantized representative vector table 20 is generated by a method described later.
【００３５】次に、以上の実施の形態の動作について説
明する。Next, the operation of the above embodiment will be described.
【００３６】ベクトル化回路１（入力手段）は、入力さ
れたＳＤ画像データを、例えば、２個ずつ組み合わせて
ベクトルを生成し、誤差判定回路２（算出手段、選択手
段）に供給する。誤差判定回路２は、ベクトル化回路１
から出力されたベクトルとの間の距離（誤差）が最小と
なる量子化代表ベクトルをＳＤ量子化代表ベクトルテー
ブル２０より検索し、得られた量子化代表ベクトルのイ
ンデックス値を出力する。The vectorization circuit 1 (input means) combines the input SD image data, for example, by two, to generate a vector, and supplies it to the error determination circuit 2 (calculation means, selection means). The error determination circuit 2 includes a vectorization circuit 1
, The SD quantized representative vector table 20 is searched for a quantized representative vector that minimizes the distance (error) from the vector output from, and the index value of the obtained quantized representative vector is output.
【００３７】ＨＤ量子化代表ベクトルテーブル５（選択
手段、出力手段）は、誤差判定回路２から出力されたイ
ンデックス値に対応するＨＤ量子化代表ベクトルを読み
出して、ＨＤ画像データとして出力する。The HD quantized representative vector table 5 (selection means, output means) reads out the HD quantized representative vector corresponding to the index value output from the error determination circuit 2 and outputs it as HD image data.
【００３８】以上のような動作により、ＳＤ画像データ
をＨＤ画像データに変換することが可能となる。With the above operations, it is possible to convert SD image data into HD image data.
【００３９】なお、ＳＤ量子化代表ベクトルテーブル２
０およびＨＤ量子化代表ベクトルテーブル５に格納され
ているデータ（ＳＤコードブックおよびＨＤコードブッ
ク）は、図２に示す装置により生成される。The SD quantized representative vector table 2
The data (SD codebook and HD codebook) stored in 0 and the HD quantized representative vector table 5 are generated by the device shown in FIG.
【００４０】この図において、ＣＰＵ（Central Proces
sing Unit）３０（分割手段、選出手段、検出手段、ベ
クトル化手段、算出手段）は、装置各部を制御するとと
もに、各種演算を実行するようになされている。ＲＯＭ
（Read Only Memory）３１は、ＣＰＵ３０が実行する各
種プログラムを格納している。ＲＡＭ（Random Access
Memory）３２（記憶手段）は、ＣＰＵ３０が所定の演算
を実行する際に、演算途中のデータなどを一時的に格納
するようになされている。ＩＦ３４は、ＣＰＵ３０が周
辺機器との間でデータを授受する際に、データ形式を適
宜変換するようになされている。なお、ＣＰＵ３０，Ｒ
ＯＭ３１，ＲＡＭ３２は、バス３３により相互に接続さ
れている。In this figure, the CPU (Central Procedures)
The sing unit 30 (division means, selection means, detection means, vectorization means, calculation means) controls various parts of the apparatus and executes various calculations. ROM
(Read Only Memory) 31 stores various programs executed by the CPU 30. RAM (Random Access
Memory) 32 (storage means) is configured to temporarily store data or the like during the calculation when the CPU 30 performs a predetermined calculation. The IF 34 converts the data format as needed when the CPU 30 exchanges data with peripheral devices. The CPU 30, R
The OM 31 and the RAM 32 are mutually connected by a bus 33.
【００４１】ハードディスク装置３５（記憶手段）は、
ＳＤ量子化代表ベクトルおよびＨＤ量子化代表ベクトル
を求めるためのプログラムや各種画像データなどを格納
しており、ＣＰＵ３０の制御に応じて所定の領域に書き
込まれているデータを読み出すとともに、ＣＰＵ３０か
ら出力されるデータを所定の領域に書き込むようになさ
れている。The hard disk device 35 (storage means)
A program for obtaining the SD quantized representative vector and the HD quantized representative vector, various image data, and the like are stored. Under the control of the CPU 30, data written in a predetermined area is read, and the data output from the CPU 30 is output. Data is written in a predetermined area.
【００４２】ＣＲＴモニタ３６は、処理の進捗状況を表
示したり、所定の情報の入力を促すメッセージ等を表示
するようになされている。入力装置３７は、例えば、キ
ーボードやマウスなどにより構成されており、所定の情
報を入力する際に操作されるようになされている。The CRT monitor 36 displays the progress of the processing, and displays a message prompting input of predetermined information. The input device 37 is composed of, for example, a keyboard and a mouse, and is operated when inputting predetermined information.
【００４３】図３は、以上の実施の形態において実行さ
れる処理の一例を説明するフローチャートである。次
に、この図３を参照して、ＨＤコードブックとＳＤコー
ドブックの生成処理について説明する。FIG. 3 is a flowchart for explaining an example of the processing executed in the above embodiment. Next, the generation process of the HD codebook and the SD codebook will be described with reference to FIG.
【００４４】図３に示す処理が実行されると、ＣＰＵ３
０は、ステップＳ３０において、ＨＤ画像のコードブッ
クを、例えば、ＬＢＧ法を用いて生成する。なお、この
ステップＳ３０の処理はサブルーチンとなっており、そ
の詳細を図５を参照して詳述する。When the processing shown in FIG.
In step S30, a codebook of an HD image is generated using, for example, the LBG method. Note that the processing in step S30 is a subroutine, and details thereof will be described in detail with reference to FIG.
【００４５】ステップＳ３０の処理が実行されると、Ｃ
ＰＵ３０は、ステップＳ５０の処理を呼び出して実行す
る。ステップＳ５０では、ＣＰＵ３０は、ハードディス
ク装置３５に記録されている学習用のＨＤ画像を読み込
み、この学習用のＨＤ画像を、例えば、図７に示すよう
に、縦、横、それぞれ２×４の画素から構成されるブロ
ックに分割してそれぞれの画素を数値化し、Ｌ個の学習
用ベクトルを生成する。When the processing in step S30 is executed, C
The PU 30 invokes and executes the process of step S50. In step S50, the CPU 30 reads the learning HD image recorded on the hard disk device 35, and divides the learning HD image into, for example, 2 × 4 pixels in the vertical and horizontal directions as shown in FIG. , Each pixel is quantified, and L learning vectors are generated.
【００４６】続くステップＳ５１では、ＣＰＵ３０は、
Ｎ個の初期量子化代表ベクトル（コードブック）ＣN (0)
を生成する。In the following step S51, the CPU 30
N initial quantized representative vectors (codebooks) C N (0)
Generate
【００４７】ステップＳ５２では、ＣＰＵ３０は、処理
回数が格納される変数ｍを値０に初期設定するととも
に、平均歪を格納する変数Ｄの第（−１）番目の値とし
て、無限大（処理装置が表現可能な最大の値）を初期設
定する。In step S52, the CPU 30 initializes a variable m for storing the number of times of processing to a value of 0, and sets infinity (processing device) as a (−1) -th value of a variable D for storing an average distortion. Is the largest value that can be expressed).
【００４８】そして、ステップＳ５３に進み、ＣＰＵ３
０は、コードブックＣN (m)（いま、ｍ＝０であるので初
期コードブックＣN (0)）を固定して、分割ＰN (m)を最適
化する。即ち、求めようとする量子化代表ベクトルｙi
(m)（ｉ＝１，２，・・・，Ｎ）に対応する領域（ｙi
(m)を代表点とする領域）Ｐi (m)は、ｙi (m)との間の距
離（誤差）が最小となる学習ベクトルの集合として与え
られる。このようにして、Ｌ個の学習ベクトルがＮ個の
領域に分割される。また、ＣＰＵ３０は、各領域に属す
る学習ベクトルをその領域の量子化代表ベクトルで置き
換えた場合に生ずる歪み（誤差）の相加平均を求め、平
均歪みＤ(m)を算出する。Then, the process proceeds to a step S53, wherein the CPU 3
0 optimizes the division P N (m) by fixing the code book C N (m) (now m = 0, so the initial code book C N (0) ). That is, the quantized representative vector y i to be obtained is
(m) An area (y i ) corresponding to (i = 1, 2,..., N)
region as the representative point (m)) P i (m) is given as a set of learning vector distance (error) is minimized between y i (m). In this way, the L learning vectors are divided into N regions. Further, the CPU 30 obtains an arithmetic mean of distortion (error) generated when the learning vector belonging to each area is replaced with the quantized representative vector of the area, and calculates an average distortion D (m) .
【００４９】ステップＳ５４では、ＣＰＵ３０は、以下
の式に基づいて収束判定を行う。ここで、εは収束判定
用の所定の閾値である。In step S54, the CPU 30 determines convergence based on the following equation. Here, ε is a predetermined threshold for convergence determination.
【００５０】 （Ｄ(m-1)−Ｄ(m)）／Ｄ(m)＜ε ・・・（１）(D (m−1) −D (m) ) / D (m) <ε (1)
【００５１】即ち、ＣＰＵ３０は、前回の処理で求めた
平均歪みＤ(m-1)と今回の処理で求めた平均歪みＤ(m)の
差分を今回の平均歪みＤ(m)により除算して得られた値
が、閾値εよりも小さいか否かを判定する。その結果、
前述の値が閾値εよりも小さい（ＹＥＳ）と判定した場
合には、図３のステップＳ３１の処理に復帰（リター
ン）する。また、前述の値が閾値εよりも大きいか、等
しい（ＮＯ）と判定した場合には、ステップＳ５５の処
理に進む。[0051] That is, CPU 30 is the difference between the average distortion D (m) obtained by the average distortion D (m-1) and the current process obtained in the previous processing by dividing the current average distortion D (m) It is determined whether or not the obtained value is smaller than the threshold value ε. as a result,
If it is determined that the above value is smaller than the threshold value ε (YES), the process returns to the process of step S31 in FIG. If it is determined that the above value is greater than or equal to the threshold value ε (NO), the process proceeds to step S55.
【００５２】ステップＳ５５では、ＣＰＵ３０は、分割
ＰN (m)を固定して、コードブックＣN’を最適化する。
即ち、ＣＰＵ３０は、Ｎ個の領域に分割されている学習
系列のそれぞれの領域において、平均歪みが最小となる
量子化代表ベクトルｙ1’，ｙ2’，・・・，ｙN’を算
出し、これをコードブックＣN’とする。なお、平均歪
みが最小となる量子化代表ベクトルを算出する方法とし
ては、例えば、各領域Ｐi (m)に所属する学習ベクトルの
平均ベクトルとして与えられる重心を量子化代表ベクト
ルｙi’とする方法を用いることができる。In step S55, the CPU 30 optimizes the codebook C N 'while fixing the division P N (m) .
That is, the CPU 30 calculates the quantized representative vectors y 1 ′, y 2 ′,..., Y N ′ that minimize the average distortion in each region of the learning sequence divided into N regions. , And this is a codebook C N ′. In addition, as a method of calculating the quantized representative vector that minimizes the average distortion, for example, the center of gravity given as the average vector of the learning vectors belonging to each region P i (m) is defined as the quantized representative vector y i ′. A method can be used.
【００５３】ステップＳ５６では、ＣＰＵ３０は、変数
ｍを値１だけインクリメントし、ステップＳ５７に進
む。ステップＳ５７では、ＣＰＵ３０は、ステップＳ５
５において生成されたコードブックＣN’をＣN (m)に代
入してステップＳ５３の処理に戻り、前述の場合と同様
の処理を繰り返す。そして、平均歪みの差分が所定の値
以下になった場合には、値が収束したとして、ステップ
Ｓ３１の処理に復帰（リターン）することになる。In step S56, the CPU 30 increments the variable m by 1 and proceeds to step S57. In step S57, the CPU 30 determines in step S5
The codebook C N ′ generated in step 5 is substituted for C N (m) , the process returns to step S53, and the same processes as those described above are repeated. If the difference between the average distortions is equal to or smaller than a predetermined value, the value is determined to have converged, and the process returns to step S31.
【００５４】以上の処理により、学習用のＨＤ画像に対
応したコードブックＣNが生成されることになる。[0054] By the above processing, so that the codebook C N corresponding to HD image for learning is generated.
【００５５】図３に戻って、ステップＳ３１では、ＣＰ
Ｕ３０は、処理の回数を格納する変数ｉに初期値１を代
入し、ステップＳ３２の処理に進む。Returning to FIG. 3, in step S31, the CP
U30 substitutes the initial value 1 for a variable i for storing the number of times of processing, and proceeds to the processing of step S32.
【００５６】ステップＳ３２では、ＣＰＵ３０は、ハー
ドディスク装置３５から、ステップＳ３０の処理におい
て読み込まれたＨＤ画像に対応するＳＤ画像を読み込
み、読み込んだＳＤ画像の所定のベクトルｘiに位置的
に対応するＨＤ画像のベクトルｙiを求める。即ち、図
５（Ａ）に示すように、ＳＤ画像のベクトルｘiを画面
の水平方向（図の左右方向）に隣接する２つの画素から
構成されるとし、また、ＨＤ画像のベクトルｙiを、水
平方向と垂直方向にそれぞれ４×２個の画素から構成さ
れるものとすると、ＣＰＵ３０は、図５（Ｂ）に示すよ
うに、ＳＤ画像のベクトルｘiと同一空間位置にあるベ
クトルｙiを求める。なお、このように、同一空間位置
にあるベクトルを抽出する理由は、同一空間位置の画素
は、同様の画像情報を表現しているからである。[0056] At step S32, CPU 30 may, HD from the hard disk device 35, reads the SD image corresponding to the HD image read in the processing in step S30, the positionally corresponding to the predetermined vector x i of SD image read Find the vector y i of the image. That is, as shown in FIG. 5 (A), and consists of two adjacent pixels a vector x i of the SD image in the horizontal direction of the screen (the horizontal direction in the figure), also the vector y i of the HD image , when those composed of horizontal and vertical directions, respectively 4 × 2 pixels, CPU 30, as shown in FIG. 5 (B), a vector y i at the same spatial location and vector x i of SD images Ask for. Note that the reason why the vector at the same space position is extracted is that pixels at the same space position represent similar image information.
【００５７】ステップＳ３３では、ＣＰＵ３０は、ステ
ップＳ３０の処理において求めたコードブックＣNを参
照して、ステップＳ３２において求めたベクトルｙiが
最も近い（誤差の少ない）量子化代表ベクトルＹkを求
める。そして、ステップＳ３４に進み、ＣＰＵ３０は、
ベクトルｘiをベクトルＹkに属するベクトルとする。例
えば、ＣＰＵ３０は、配列Ｙの第ｋ番目の要素として、
ベクトルｘiの値を格納する。In step S33, the CPU 30 refers to the codebook C N obtained in the processing in step S30, and obtains the quantized representative vector Y k closest to the vector y i (with a small error) obtained in step S32. . Then, the process proceeds to step S34, where the CPU 30
A vector belonging to the vector x i to the vector Y k. For example, the CPU 30 determines that the k-th element of the array Y is
Stores the value of the vector x i.
【００５８】ステップＳ３５では、ＣＰＵ３０は、変数
ｉの値を１だけインクリメントして、ステップＳ３６に
進む。ステップＳ３６では、全てのＳＤ画素に対する処
理が終了したか否かが判定され、処理が終了していない
（ＮＯ）と判定した場合は、ステップＳ３２に戻り、前
述の場合と同様の処理を繰り返す。また、処理が終了し
ていない（ＮＯ）と判定した場合には、ステップＳ３７
に進む。In step S35, the CPU 30 increments the value of the variable i by 1, and proceeds to step S36. In step S36, it is determined whether or not the processing has been completed for all SD pixels. If it is determined that the processing has not been completed (NO), the process returns to step S32, and the same processing as described above is repeated. If it is determined that the process has not been completed (NO), the process proceeds to step S37.
Proceed to.
【００５９】ステップＳ３７では、ＣＰＵ３０は、変数
ｉに値１を再度設定し、ステップＳ３８に進む。ステッ
プＳ３８では、量子化代表ベクトルＹiに属するＳＤ画
像のベクトル群の重心を求めて、これをＳＤ量子化代表
ベクトルＸiとする。即ち、ＣＰＵ３０は、前述の配列
Ｙに格納されているＳＤ画像のベクトル群を読み出し、
これらのベクトル群の重心を求め、得られた値をＳＤ画
像の量子化代表ベクトルＸiとする。In step S37, the CPU 30 sets the value 1 to the variable i again, and proceeds to step S38. At step S38, the seek center of gravity of the vector group of SD images belonging to the quantization representative vectors Y i, which is referred to as SD quantization representative vector X i. That is, the CPU 30 reads the vector group of the SD image stored in the above-described array Y,
Obtains the center of gravity of these vector group, the obtained value as a quantization representative vector X i of SD images.
【００６０】ステップＳ３９では、変数ｉの値が１だけ
インクリメントされ、ステップＳ４０に進む。ステップ
Ｓ４０では、全てのＨＤ量子化代表ベクトルに対する処
理が終了したか否かが判定され、その結果、処理が終了
していない（ＮＯ）と判定された場合には、ステップＳ
３８に戻り、前述の場合と同様の処理が繰り返される。
また、全ての処理が終了した（ＹＥＳ）と判定された場
合には、処理を終了する（エンド）。In step S39, the value of the variable i is incremented by 1, and the process proceeds to step S40. In step S40, it is determined whether or not the processing on all the HD quantized representative vectors has been completed. As a result, if it is determined that the processing has not been completed (NO), step S40 is performed.
Returning to 38, the same processing as that described above is repeated.
If it is determined that all the processes have been completed (YES), the process ends (END).
【００６１】以上の処理によれば、図１に示すＳＤ量子
化代表ベクトルテーブル２０に格納されているＳＤコー
ドブックと、ＨＤ量子化代表ベクトルテーブル５に格納
されているＨＤコードブックとを生成することが可能と
なる。According to the above processing, the SD codebook stored in the SD quantized representative vector table 20 shown in FIG. 1 and the HD codebook stored in the HD quantized representative vector table 5 are generated. It becomes possible.
【００６２】なお、ＳＤ量子化代表ベクトルテーブル２
０に格納されているＳＤ量子化代表ベクトルは、ＨＤ量
子化代表ベクトルテーブル５に格納されているＨＤ量子
化代表コードブックに対応する順序で格納されているの
で、誤差判定回路２から出力されたＳＤ量子化代表ベク
トルのインデックス値は、そのままＨＤ量子化代表ベク
トルテーブル５に供給することができる。The SD quantized representative vector table 2
Since the SD quantized representative vector stored in 0 is stored in the order corresponding to the HD quantized representative codebook stored in the HD quantized representative vector table 5, the SD quantized representative vector is output from the error determination circuit 2. The index value of the SD quantized representative vector can be directly supplied to the HD quantized representative vector table 5.
【００６３】以上の実施の形態によれば、ＨＤ量子化代
表ベクトルに対応するように、領域分割を施してＳＤ量
子化代表ベクトルを生成するようにしたので、ＳＤ画像
をＨＤ画像に変換する際の精度を向上させることが可能
となる。According to the above embodiment, since the SD quantized representative vector is generated by dividing the area so as to correspond to the HD quantized representative vector, the SD image is converted into the HD image. Accuracy can be improved.
【００６４】なお、以上の実施の形態においては、先
ず、ＨＤコードブックを生成した後に、このＨＤコード
ブックを参照してＳＤコードブックを生成するようにし
たが、逆に、先ず、ＳＤコードブックを生成して、生成
されたＳＤコードブックを参照してＨＤコードブックを
生成するようにしてもよい。In the above-described embodiment, first, an HD codebook is generated, and then an SD codebook is generated with reference to the HD codebook. May be generated, and the HD codebook may be generated with reference to the generated SD codebook.
【００６５】また、以上の実施の形態においては、ＳＤ
画像をＨＤ画像にアップコンバートするようにしたが、
ＨＤ画像をＳＤ画像にダウンコンバートする場合におい
ても本発明を適用することが可能である。In the above embodiment, the SD
Upconverted images to HD images.
The present invention can be applied to a case where an HD image is down-converted into an SD image.
【００６６】[0066]
【発明の効果】請求項１に記載の画像変換装置および請
求項４に記載の画像変換方法によれば、第１の画像デー
タが入力され、入力された第１の画像データに対応する
第１の量子化代表ベクトルを算出し、算出された第１の
量子化代表ベクトルに対応する第２の画像側の第２の量
子化代表ベクトルを選択し、選択された第２の量子化代
表ベクトルを出力し、第１の量子化代表ベクトルは、第
２の量子化代表ベクトルに対応して空間分割が施されて
生成されているので、第１の画像を精度よく第２の画像
に変換することが可能となる。According to the image conversion device of the first aspect and the image conversion method of the fourth aspect, the first image data is input, and the first image data corresponding to the input first image data is input. Is calculated, a second quantized representative vector on the second image side corresponding to the calculated first quantized representative vector is selected, and the selected second quantized representative vector is calculated. Output, and the first quantized representative vector is generated by being subjected to spatial division corresponding to the second quantized representative vector, so that the first image can be accurately converted to the second image. Becomes possible.
【００６７】請求項５に記載の演算装置、請求項６に記
載の演算方法、および、請求項７に記載の伝送媒体によ
れば、第２の量子化代表ベクトルを記憶し、学習用の第
２の画像を複数のブロックに分割し、生成された各ブロ
ックに対応する第２の量子化代表ベクトルを選出し、同
一の量子化代表ベクトルが選出されたブロック群に対応
するブロック群を学習用の第１の画像から検出し、検出
されたブロック群の各々をベクトル化し、得られたベク
トル群の重心を算出するようにしたので、第２の量子化
代表ベクトルに応じた適切な第１の量子化代表ベクトル
を生成することが可能となる。According to the arithmetic device of the fifth aspect, the arithmetic method of the sixth aspect, and the transmission medium of the seventh aspect, the second quantized representative vector is stored, and the second quantized representative vector is stored. 2 is divided into a plurality of blocks, a second quantized representative vector corresponding to each generated block is selected, and a block group corresponding to the block group in which the same quantized representative vector is selected is used for learning. Is detected from the first image, and each of the detected block groups is vectorized, and the center of gravity of the obtained vector group is calculated. Therefore, an appropriate first group corresponding to the second quantized representative vector is obtained. It is possible to generate a quantized representative vector.
【図面の簡単な説明】[Brief description of the drawings]
【図１】本発明の画像変換装置の実施の形態の構成例を
示すブロック図である。FIG. 1 is a block diagram illustrating a configuration example of an embodiment of an image conversion device according to the present invention.
【図２】本発明の演算装置の実施の形態の構成例を示す
ブロック図である。FIG. 2 is a block diagram illustrating a configuration example of an embodiment of an arithmetic device according to the present invention.
【図３】図２に示す実施の形態において実行される処理
の一例を説明するフローチャートである。FIG. 3 is a flowchart illustrating an example of a process performed in the embodiment shown in FIG. 2;
【図４】図３のステップＳ３０の処理の詳細を説明する
フローチャートである。FIG. 4 is a flowchart illustrating details of a process in step S30 of FIG. 3;
【図５】ＳＤ画像とＨＤ画像との対応関係の一例を示す
図である。FIG. 5 is a diagram illustrating an example of a correspondence relationship between an SD image and an HD image.
【図６】従来の画像変換装置の構成例を示すブロック図
である。FIG. 6 is a block diagram illustrating a configuration example of a conventional image conversion apparatus.
【図７】ＳＤ画像とＨＤ画像との対応関係を示す図であ
る。FIG. 7 is a diagram showing the correspondence between SD images and HD images.
【図８】量子化代表ベクトルの一例を説明する図であ
る。FIG. 8 is a diagram illustrating an example of a quantized representative vector.
【図９】図６に示すＳＤ量子化代表ベクトルテーブルに
格納されているＳＤコードブックを生成するための処理
の一例を説明するフローチャートである。9 is a flowchart illustrating an example of a process for generating an SD codebook stored in the SD quantization representative vector table illustrated in FIG.
１ ベクトル化回路（入力手段）， ２ 誤差判定回路
（算出手段、選択手段）， ５ ＨＤ量子化代表ベクト
ルテーブル（選択手段）， ２０ ＳＤ量子化代表ベク
トルテーブル（算出手段）， ３０ ＣＰＵ（分割手
段、選出手段、検出手段、ベクトル化手段、算出手
段）， ３２ ＲＡＭ（記憶手段）， ３５ハードディ
スク装置（記憶手段）1 vectorization circuit (input means), 2 error determination circuit (calculation means, selection means), 5 HD quantized representative vector table (selection means), 20 SD quantized representative vector table (calculation means), 30 CPU (division means) , Selection means, detection means, vectorization means, calculation means), 32 RAM (storage means), 35 hard disk drive (storage means)
Claims (8)
像に変換する画像変換装置において、 第１の画像データが入力される入力手段と、 前記入力手段より入力された第１の画像データに対応す
る第１の量子化代表ベクトルを算出する算出手段と、 前記算出手段により算出された前記第１の量子化代表ベ
クトルに対応する前記第２の画像側の第２の量子化代表
ベクトルを選択する選択手段と、 前記選択手段により選択された前記第２の量子化代表ベ
クトルを出力する出力手段とを備え、 前記第１の量子化代表ベクトルは、前記第２の量子化代
表ベクトルに対応して空間分割が施されて生成されてい
ることを特徴とする画像変換装置。1. An image conversion apparatus for converting a first image into a second image having a different resolution, an input unit for inputting first image data, and a first image input from the input unit. Calculating means for calculating a first quantized representative vector corresponding to data; and a second quantized representative vector on the second image side corresponding to the first quantized representative vector calculated by the calculating means. And selecting means for outputting the second quantized representative vector selected by the selecting means, wherein the first quantized representative vector corresponds to the second quantized representative vector. An image conversion apparatus characterized in that the image conversion apparatus is generated by correspondingly performing space division.
れのブロックを量子化代表ベクトルで表し、 同一の量子化代表ベクトルで表されるブロック群に対応
するブロック群を学習用の第１の画像から選出し、 選出されたブロック群の各々をベクトルで表し、 得られたベクトル群の重心を求めることにより生成され
ることを特徴とする請求項１に記載の画像変換装置。2. The first quantized representative vector is obtained by dividing the second image for learning into a plurality of blocks, and each block is represented by a quantized representative vector, and is represented by the same quantized representative vector. A block group corresponding to the selected block group from the first image for learning, each of the selected block groups is represented by a vector, and a center of gravity of the obtained vector group is obtained. The image conversion device according to claim 1.
記第２の画像はＨＤ画像であることを特徴とする請求項
１に記載の画像変換装置。3. The image conversion apparatus according to claim 1, wherein the first image is an SD image, and the second image is an HD image.
像に変換する画像変換方法において、 第１の画像データが入力される入力ステップと、 前記入力ステップより入力された第１の画像データに対
応する第１の量子化代表ベクトルを算出する算出ステッ
プと、 前記算出ステップにより算出された前記第１の量子化代
表ベクトルに対応する前記第２の画像側の第２の量子化
代表ベクトルを選択する選択ステップと、 前記選択ステップにより選択された前記第２の量子化代
表ベクトルを出力する出力ステップとを備え、 前記第１の量子化代表ベクトルは、前記第２の量子化代
表ベクトルに対応して空間分割が施されて生成されてい
ることを特徴とする画像変換方法。4. An image conversion method for converting a first image into a second image having a different resolution, wherein: an input step of inputting first image data; and a first image input from the input step. A calculating step of calculating a first quantized representative vector corresponding to data; and a second quantized representative vector on the second image side corresponding to the first quantized representative vector calculated by the calculating step. And a outputting step of outputting the second quantized representative vector selected by the selecting step, wherein the first quantized representative vector is the second quantized representative vector. An image conversion method, wherein the image conversion method is generated by correspondingly performing space division.
により量子化し、得られた値を対応する第２の量子化代
表ベクトルに置換することにより、第１の画像を解像度
が異なる第２の画像に変換する画像変換装置において使
用される前記第１の量子化代表ベクトルを演算する演算
装置において、 前記第２の量子化代表ベクトルを記憶する記憶手段と、 学習用の第２の画像を複数のブロックに分割する分割手
段と、 前記分割手段によって生成された各ブロックに対応する
第２の量子化代表ベクトルを前記記憶手段から選出する
選出手段と、 前記選出手段により同一の量子化代表ベクトルが選出さ
れたブロック群に対応するブロック群を学習用の第１の
画像から検出する検出手段と、 前記検出手段によって検出されたブロック群の各々をベ
クトル化するベクトル化手段と、 前記ベクトル化手段によって得られたベクトル群の重心
を算出する算出手段とを備えることを特徴とする演算装
置。5. The first image is quantized by a first quantized representative vector, and the obtained value is replaced with a corresponding second quantized representative vector. An arithmetic unit for calculating the first quantized representative vector used in the image conversion device for converting the second quantized representative vector into a second image; a storage unit for storing the second quantized representative vector; Into a plurality of blocks; a selecting unit that selects a second quantized representative vector corresponding to each block generated by the dividing unit from the storage unit; and the same quantized representative by the selecting unit. Detecting means for detecting, from the first image for learning, a block group corresponding to the block group in which the vector has been selected; and detecting each of the block groups detected by the detecting means. Arithmetic apparatus characterized by comprising: a vectorization means for reduction, and a calculation means for calculating the center of gravity of the obtained vector group obtained by the vectorization means.
により量子化し、得られた値を対応する第２の量子化代
表ベクトルに置換することにより、第１の画像を解像度
が異なる第２の画像に変換する画像変換装置において使
用される前記第１の量子化代表ベクトルを演算する演算
方法において、 前記第２の量子化代表ベクトルを記憶する記憶ステップ
と、 学習用の第２の画像を複数のブロックに分割する分割ス
テップと、 分割ステップによって生成された各ブロックに対応する
第２の量子化代表ベクトルを前記記憶ステップから選出
する選出ステップと、 前記選出ステップにより同一の量子化代表ベクトルが選
出されたブロック群に対応するブロック群を学習用の第
１の画像から検出する検出ステップと、 前記検出ステップによって検出されたブロック群の各々
をベクトル化するベクトル化ステップと、 前記ベクトル化ステップによって得られたベクトル群の
重心を算出する算出ステップとを備えることを特徴とす
る演算方法。6. The first image is quantized by a first quantized representative vector, and the obtained value is replaced with a corresponding second quantized representative vector. A calculating method for calculating the first quantized representative vector used in the image conversion device for converting the second quantized representative vector into a second image; a storage step for storing the second quantized representative vector; Dividing a plurality of blocks into a plurality of blocks; selecting a second quantized representative vector corresponding to each block generated by the dividing step from the storage step; and selecting the same quantized representative vector by the selecting step. Detecting a block group corresponding to the selected block group from the first image for learning; A vectorization step of vectorizing each block group has, calculation method characterized by and a calculating step of calculating a centroid of obtained vector group obtained by the vectorization step.
により量子化し、得られた値を対応する第２の量子化代
表ベクトルに置換することにより、第１の画像を解像度
が異なる第２の画像に変換する画像変換装置において使
用される前記第１の量子化代表ベクトルを演算する演算
装置において使用される制御プログラムを伝送する伝送
媒体において、 前記第２の量子化代表ベクトルを記憶する記憶ステップ
と、 学習用の第２の画像を複数のブロックに分割する分割ス
テップと、 分割ステップによって生成された各ブロックに対応する
第２の量子化代表ベクトルを前記記憶ステップから選出
する選出ステップと、 前記選出ステップにより同一の量子化代表ベクトルが選
出されたブロック群に対応するブロック群を学習用の第
１の画像から検出する検出ステップと、 前記検出ステップによって検出されたブロック群の各々
をベクトル化するベクトル化ステップと、 前記ベクトル化ステップによって得られたベクトル群の
重心を算出する算出ステップとを備える制御プログラム
を伝送する伝送媒体。7. The first image is quantized by a first quantized representative vector, and the obtained value is replaced with a corresponding second quantized representative vector. A transmission medium that transmits a control program used in an arithmetic unit that calculates the first quantized representative vector used in the image conversion device that converts the second quantized vector into two images, and stores the second quantized representative vector. A storing step; a dividing step of dividing the second image for learning into a plurality of blocks; and a selecting step of selecting a second quantized representative vector corresponding to each block generated by the dividing step from the storing step. Detecting, from the first image for learning, a block group corresponding to a block group in which the same quantized representative vector has been selected in the selecting step. And transmitting a control program comprising: a vectorizing step of vectorizing each of the block groups detected by the detecting step; and a calculating step of calculating a center of gravity of the vector group obtained by the vectorizing step. Transmission medium.
た制御プログラムを記憶し、その制御プログラムを用い
て演算を行う演算方法。8. An operation method for storing a control program transmitted from the transmission medium according to claim 7, and performing an operation using the control program.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15514797A JP3834805B2 (en) | 1997-06-12 | 1997-06-12 | Image conversion device, image conversion method, calculation device, calculation method, and recording medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP15514797A JP3834805B2 (en) | 1997-06-12 | 1997-06-12 | Image conversion device, image conversion method, calculation device, calculation method, and recording medium |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH114413A true JPH114413A (en) | 1999-01-06 |
| JP3834805B2 JP3834805B2 (en) | 2006-10-18 |
Family
ID=15599572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP15514797A Expired - Fee Related JP3834805B2 (en) | 1997-06-12 | 1997-06-12 | Image conversion device, image conversion method, calculation device, calculation method, and recording medium |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3834805B2 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003096273A1 (en) * | 2002-05-08 | 2003-11-20 | Sony Corporation | Data conversion device, data conversion method, learning device, learning method, program, and recording medium |
| WO2005067294A1 (en) * | 2004-01-09 | 2005-07-21 | Matsushita Electric Industrial Co., Ltd. | Image processing method, image processing device, and image processing program |
| JP2009524861A (en) * | 2006-01-26 | 2009-07-02 | ヴェステル エレクトロニック サナイ ヴェ ティカレット アノニム シュルケット | Method and apparatus for improving resolution of digital image |
| US7627198B2 (en) | 2003-05-29 | 2009-12-01 | Sony Corporation | Information signal processing device and processing method, codebook generating device and generating method, and program for executing the methods |
| US7688363B2 (en) | 2006-05-29 | 2010-03-30 | Panasonic Corporation | Super-resolution device, super-resolution method, super-resolution program, and super-resolution system |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4552506B2 (en) * | 2003-05-29 | 2010-09-29 | ソニー株式会社 | Information signal processing apparatus and processing method, correction data table generation apparatus and generation method, and program for executing each method |
-
1997
- 1997-06-12 JP JP15514797A patent/JP3834805B2/en not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003096273A1 (en) * | 2002-05-08 | 2003-11-20 | Sony Corporation | Data conversion device, data conversion method, learning device, learning method, program, and recording medium |
| US7372997B2 (en) | 2002-05-08 | 2008-05-13 | Sony Corporation | Data conversion device, data conversion method, learning device, learning method, program and recording medium |
| US7477786B2 (en) | 2002-05-08 | 2009-01-13 | Sony Corporation | Data conversion device, data conversion method, learning device, learning method, program, and recording medium |
| KR100971822B1 (en) | 2002-05-08 | 2010-07-22 | 소니 주식회사 | Data conversion device, data conversion method, learning device, learning method, and recording medium |
| US7627198B2 (en) | 2003-05-29 | 2009-12-01 | Sony Corporation | Information signal processing device and processing method, codebook generating device and generating method, and program for executing the methods |
| WO2005067294A1 (en) * | 2004-01-09 | 2005-07-21 | Matsushita Electric Industrial Co., Ltd. | Image processing method, image processing device, and image processing program |
| US7203381B2 (en) | 2004-01-09 | 2007-04-10 | Matsushita Electric Industrial Co., Ltd. | Image processing method, image processing apparatus, and image processing program |
| JP2009524861A (en) * | 2006-01-26 | 2009-07-02 | ヴェステル エレクトロニック サナイ ヴェ ティカレット アノニム シュルケット | Method and apparatus for improving resolution of digital image |
| US7688363B2 (en) | 2006-05-29 | 2010-03-30 | Panasonic Corporation | Super-resolution device, super-resolution method, super-resolution program, and super-resolution system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3834805B2 (en) | 2006-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH06233131A (en) | Gamma correction for digital image | |
| JPH03101423A (en) | Method and apparatus for coding multielement signal | |
| JP4470899B2 (en) | Image processing apparatus, image processing method, and program | |
| JPH10262157A (en) | Method for predicting color transfer characteristic | |
| JP2000295488A (en) | Color area discriminating device, color area converting device and color area surface learning method | |
| JPH114413A (en) | Image converter, image conversion method, arithmetic unit, arithmetic method and transmission medium | |
| US5594503A (en) | Image information compressing method, compressed image information recording medium and compressed image information reproducing apparatus | |
| JP3702464B2 (en) | Data conversion device, data conversion method, learning device, learning method, program, and recording medium | |
| JP2012004616A (en) | Adaptive quantization method, adaptive quantization apparatus and adaptive quantization program | |
| US7627198B2 (en) | Information signal processing device and processing method, codebook generating device and generating method, and program for executing the methods | |
| JPH0766448B2 (en) | Image signal analyzer | |
| KR20020042816A (en) | Image compressing method | |
| US20060061784A1 (en) | Color image processor | |
| JPH07107315A (en) | Apparatus and method for processing of color conversion | |
| KR100772410B1 (en) | Halftoning apparatus and method | |
| JP4093114B2 (en) | Information signal processing apparatus and processing method, codebook generation apparatus and generation method, and program for executing each method | |
| JP4552506B2 (en) | Information signal processing apparatus and processing method, correction data table generation apparatus and generation method, and program for executing each method | |
| JP3922473B2 (en) | Image conversion device, image conversion method, learning device, learning method, and recording medium | |
| JP5029869B2 (en) | Image processing apparatus, image processing method, learning apparatus, learning method, and program | |
| US20020064296A1 (en) | Data processing apparatus and data processing method, decoding apparatus and method thereof, and recording medium | |
| JP4217888B2 (en) | Profile conversion apparatus and profile conversion method, color conversion apparatus, color conversion method, image forming apparatus, profile conversion processing program, color conversion processing program, and storage medium | |
| JPH0970048A (en) | Vector quantization method, image information compression method, sound information compression method, compressed image information recording medium, compressed image information reproducing device and compressed image information communication equipment | |
| JP4200401B2 (en) | Image conversion apparatus and method, and recording medium | |
| JP2020013225A (en) | Image quality-enhancement learning device and image quality-enhancement device | |
| JP4200402B2 (en) | Image conversion apparatus and method, and recording medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20041213 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050210 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050408 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060418 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060612 |
|
| 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: 20060703 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060716 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100804 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110804 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110804 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120804 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120804 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130804 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |