JPH09186882A

JPH09186882A - 多値画像符号化装置

Info

Publication number: JPH09186882A
Application number: JP7352239A
Authority: JP
Inventors: Yasuyuki Nomizu; 泰之野水
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1995-12-28
Filing date: 1995-12-28
Publication date: 1997-07-15
Anticipated expiration: 2015-12-28
Also published as: JP3359214B2

Abstract

(57)【要約】【課題】多値画像をロスレスかつ効率よく符号化する
ことができる多値画像符号化装置を提供すること。【解決手段】多値画像を構成する各画素を注目面素と
して、その注目画素の予測値を周囲面素レベルより算出
する面素レベル予測手段と、その画素レベル予測手段に
より算出された前記注目画素の予測値を実際の注目画素
値から引くことにより予測誤差値を算出する予測誤差算
出手段と、その予測誤差算出手段で算出された予測誤差
値の統計を行う予測誤差統計手段と、その予測誤差統計
手段で統計された情報を元に算術符号化で必要とする統
計モデルを適応的に変更して作成する統計モデル作成手
段と、前記予測誤差算出手段で算出された予測誤差値と
前記統計モデル作成手段で作成された統計モデルを用い
て算術符号化を行う算術符号化手段とを備えたことを特
徴とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、多値画像符号化装
置に関し、特に、周辺画素のレベルから予測される注目
画素の予測値を注目画素の実際の画素値から引くことに
よって求められる予測誤差値を算術符号化する多値画像
符号化装置に関する。

【０００２】

【従来の技術】従来、ファクシミリ装置やパーソナルコ
ンピュータ等の画像を扱う装置において扱う画像は、そ
の通信容量や記憶容量の制限等のために、１画素当たり
１ビットで表される２値画像が主であった。

【０００３】しかし、２値画像化される原画が文字原稿
等であれば、２値化後の情報の損失は少ないが、写真画
像等の階調を持つ原画をスキャナ等で読み取って２値画
像に変換すると情報の損失が顕著であり、画質が劣化が
避けられなかった。

【０００４】一方、近年の技術の進歩に伴って、ファク
シミリ装置やパーソナルコンピュータ等の、画像を扱う
装置の処理能力が向上し、扱う画像の高画質化が進んで
きている。

【０００５】そのため、１画素当たり複数ビットの表さ
れる白黒多値（多階調）画像や、１画素当たり複数の色
成分毎の複数ビットで表され、それらの各色成分毎の多
値画像の合成として構成されるカラー多値画像等の取り
扱いが比較的容易となった。

【０００６】しかし、それら多値画像は、１画素当たり
１ビットで表される２値画像と比較して、その１画素当
たりのビット数や色成分数を増して高画質化するにした
がってそのデータ量が増大する。例えば、白黒２値画像
と白黒２５６階調画像のデータ量を比べた場合、１画素
に要するビット数は前者は１ビットであるのに対し、後
者は８ビット必要になるため、全体として後者は前者に
比べ８倍のデータ量となってしまう。

【０００７】したがって、多値画像を扱う装置の処理能
力が向上して、多量の画像データを高速処理できたとし
ても、通信容量や記憶容量の制約のために、多値画像デ
ータの伝送時間が過大になったり、多値画像データを記
憶するための記憶装置の容量が膨大になる問題がある。

【０００８】その多値画像のデータ量の多さと、通信容
量や記憶容量の制約とを整合させるための１つの方法と
して、多階調画像を効率良く符号化して、その符号デー
タを伝送したり記憶したりする方法が考えられる。

【０００９】多階調画像（カラー画像も含む）の効率の
良い符号化方式の代表としてＩＳＯ（国際標準化機構）
とＩＴＵ−Ｔ（旧ＣＣＩＴＴ）とで標準勧告されている
ＪＰＥＧ方式がある。

【００１０】ＪＰＥＧ方式は２つの符号化方式に分けら
れ、第１の方式は、基本であるＤＣＴ（Ｄｉｓｃｒｅｔ
ｅＣｏｓｉｎｅＴｒａｎｓｆｏｒｍ）を基本とした
方式であり、第２の方式は、オプションである、二次元
空間でＤＰＣＭ（ＤｉｆｆｅｒｅｎｔｉａｌＰＣＭ）
を行うＤＰＣＭ方式である。

【００１１】ＤＣＴ方式は、離散コサイン変換を使って
画像情報を周波数情報に変換して量子化した後に符号化
を行う方式であり、人間の視覚特性を利用して画質を損
なわない程度に原画の情報量を一部削減して符号化を行
う符号化方式（ロッシー符号化方式と呼ばれる）であ
る。

【００１２】ＤＰＣＭ方式は、注目画素レベルを周囲画
素より予測を行い、その予測誤差を符号化する方式であ
り、原画の情報量を損なうこと無く符号化を行う符号化
方式（ロスレス符号化方式と呼ばれる）である。

【００１３】これら２方式を比較すると、圧縮率を重視
した符号化を行うのであれば、量子化を含むために一般
には完全には元の画像は再現できない非可逆符号化方式
ではあるが、その分圧縮率が大きいＤＣＴ方式を用いる
のが良い。しかし、情報の保存性を重視した符号化を行
うのであれば、圧縮率は小さいが、その分元の画像を完
全に再現することができる可逆符号化であるＤＰＣＭ方
式を用いるのが良い。

【００１４】

【発明が解決しようとする課題】理想的な符号化方式と
しては、原画の情報を損なうことなく（ロスレスで）符
号化効率が高い方式が望まれるが、上記したように、現
状のＤＰＣＭ方式ではその符号化効率がそれほど高くな
いという問題があった。

【００１５】本発明は係る事情に鑑みてなされたもので
あり、多値画像をロスレスかつ効率よく符号化すること
ができる多値画像符号化装置を提供することを目的とす
る。

【００１６】

【課題を解決するための手段】上記目的を達成するた
め、請求項１記載の多値画像符号化装置は、多値画像を
構成する各画素を注目面素として、その注目画素の予測
値を周囲面素レベルより算出する面素レベル予測手段
と、その画素レベル予測手段により算出された前記注目
画素の予測値を実際の注目画素値から引くことにより予
測誤差値を算出する予測誤差算出手段と、その予測誤差
算出手段で算出された予測誤差値の統計を行う予測誤差
統計手段と、その予測誤差統計手段で統計された情報を
元に算術符号化で必要とする統計モデルを適応的に変更
して作成する統計モデル作成手段と、前記予測誤差算出
手段で算出された予測誤差値と前記統計モデル作成手段
で作成された統計モデルを用いて算術符号化を行う算術
符号化手段とを備えたことを特徴とする。

【００１７】請求項２記載の多値画像符号化装置は、複
数の色成分で構成されるカラー画像をそれらの各色成分
毎の多値画像に分解する色成分分解手段と、その分解さ
れた各色成分毎の多値画像のそれぞれについて、その多
値画像を構成する各画素を注目面素として、その注目画
素の予測値を周囲面素レベルより算出する面素レベル予
測手段と、その画素レベル予測手段により算出された前
記注目画素の予測値を実際の注目画素値から引くことに
より予測誤差値を算出する予測誤差算出手段と、その予
測誤差算出手段で算出された予測誤差値の統計を行う予
測誤差統計手段と、その予測誤差統計手段で統計された
情報を元に算術符号化で必要とする統計モデルを適応的
に変更して作成する統計モデル作成手段と、前記予測誤
差算出手段で算出された予測誤差値と前記統計モデル作
成手段で作成された統計モデルを用いて算術符号化を行
う算術符号化手段とを備えると共に、前記各色成分の多
値画像にそれぞれ対応する算術符号化手段で作成された
色成分毎の符号を元に全体の符号列を作成する符号作成
手段を備えたことを特徴とする。

【００１８】請求項３記載の多値画像符号化装置は、請
求項２記載の多値画像符号化装置において、前記各色成
分の多値画像にそれぞれ対応する各統計モデル作成手段
は、既に符号化の終了した色成分の多値画像に対応する
予測誤差統計手段で統計された情報を元にして統計モデ
ルを作成することを特徴とする。

【００１９】請求項４記載の多値画像符号化装置は、請
求項２記載の多値画像符号化装置において、前記各色成
分の多値画像にそれぞれ対応する予測誤差算出手段は、
色成分間の相関を考慮して予測誤差値を算出することを
特徴とする。

【００２０】請求項５記載の多値画像符号化装置は、請
求項２記載の多値画像符号化装置において、前記各色成
分の多値画像にそれぞれ対応する前記統計モデル作成手
段は、色成分間の相関を考慮して統計モデルを作成する
ことを特徴とする。

【００２１】請求項６記載の多値画像符号化装置は、請
求項１または２のいずれかの記載の多値画像符号化装置
において、前記統計モデル作成手段は、前記予測誤差統
計手段が前記予測誤差算出手段で算出された予測誤差値
を統計して得た統計情報に基づいて符号化対象の注目画
素が文字領域の画素であるか写真領域の画素であるかを
判断し、その判断結果に基づいて統計モデルで使用する
参照画素配置を変更することを特徴とする。

【００２２】請求項７記載の多値画像符号化装置は、請
求項１または請求項２のいずれかの記載の多値画像符号
化装置において、前記統計モデル作成手段は、前記予測
誤差統計手段が前記予測誤差算出手段で算出された予測
誤差値を統計して得た統計情報に基づいて符号化対象の
注目画素が文字領域の画素であるか写真領域の画素であ
るかを判断し、その判断結果に基づいて統計モデルで使
用する参照画素数を変更することを特徴とする。

【００２３】請求項８記載の多値画像符号化装置は、請
求項１または２のいずれかの記載の多値画像符号化装置
において、前記統計モデル作成手段は、前記予測誤差統
計手段が前記予測誤差算出手段で算出された予測誤差値
を統計して得た統計情報に基づいて符号化対象の注目画
素が文字領域の画素であるか写真領域の画素であるかを
判断し、その判断結果に基づいて統計モデルで使用する
予測誤差レベルの状態分け変更することを特徴とする。

【００２４】

【発明の実施の形態】以下、添付図面を参照しながら、
本発明の実施の形態を詳細に説明する。

【００２５】まず、本発明にかかる多値画像符号化装置
を詳細に説明する前に、本発明にかかる多値画像符号化
装置が具体的に適用される場合の一例としてファクシミ
リ装置を例にとって図１を参照して説明する。同図は、
本発明にかかる多値画像符号化装置を適用した、送信側
及び受信側のファクシミリ装置のブロック構成図を示し
ている。

【００２６】先ず、送信側で画像読取り部１０１におい
てＣＣＤイメーゾセンサ等を用いて原稿を読み取り、続
く画像処理部１０２で送信データを適切なデータにする
ために処理を行い、最後に符号化部１０３において符号
化を行って作成された符号化データを伝送路へ送出す
る。一方、受信側で画像を再生するときは、伝送路から
の符号化データを複号化部１０４により復号し、画像処
理部１０５で出力装置に適した画像処理を行い、プロッ
タ等の画像出力部１０６に出力することでハードコピー
を得る。

【００２７】なお、画像処理部１０２、１０５で行われ
る処理の例としては、２値画像においては解像度変換、
サイズ変換等があり、カラーを含めた多値画像において
は色（色成分）変換，解像度変換，サイズ変換等が挙げ
られる。また、上記の符号化部１０３、復号化部１０４
で使われる符号化方式の従来例として、２値画像を対象
とするものでは従来のファクシミリ装置で使われている
ＭＨ、ＭＲ，ＭＭＲ方式やＪＢＩＧ方式があり、多値画
像を対象とするものではＪＰＥＧ方式がある。

【００２８】それらの符号化方式のうち、本発明にかか
る多値画像符号化装置と関連する符号化方式として、既
に標準化され、多階調画像をロスレスに符号化すること
ができるＪＰＥＧ／Ｓｐａｔｉａｌ方式について簡単に
説明する。なお、ＪＰＥＧの基本はＤＣＴ（Ｄｉｓｃｒ
ｅｔｅＣｏｓｉｎｅＴｒａｎｓｆｏｒｍ）を用いた
ＤＣＴ方式であるが、ＤＣＴ方式がロッシー符号化方式
であるためにロスレス符号化を実現する方法として２次
元空間でＤＰＣＭ（ＤｉｆｆｅｒｅｎｔｉａｌＰＣＭ）
を行うＪＰＥＧ／Ｓｐａｔｉａｌ方式が設けられてい
る。

【００２９】図２にＪＰＥＧ／Ｓｐａｔｉａｌ方式の基
本ブロック図を示す。ビット精度としては２ビットから
１６ビットの任意のビット数がとれる入力画像は、予測
器２０１に入力され、その予測器２０１で求められた予
測誤差信号がエントロピー符号器２０２によりエントロ
ピー符号化され圧縮された符号データが出力される。

【００３０】予測器２０１における予測演算式と、現在
符号化しようとしている注目画素ｙと予測に用いる周囲
３画素（ａ、ｂ、ｃ）との位置関係とを図３に示す。予
測演算式は、ｙ＝ａ、ｙ＝ｂ、ｙ＝ｃ、ｙ＝ａ＋ｂ−
ｃ、ｙ＝ａ＋（（ｂ−ｃ）／２）、ｙ＝ｂ＋（（ａ−
ｃ）／２）、ｙ＝（ａ＋ｂ）／２の中から選択可能にな
っており、注目画素ｙから上記各予測演算式により算出
された予測値を引くことによって予測誤差値を求める。

【００３１】このように予測器２０１により算出された
予測誤差値は、エントロピー符号器２０２によりエント
ロピー符号化されるが、そのエントロピー符号化には、
ハフマン符号化と算術符号化がある。

【００３２】ハフマン符号化の場合は、予測誤差値は、
先ず図４に示される表にしたがってグループ化される。
このグループ化によりグループ番号（ＳＳＳＳ）とグル
ープ内での予測誤差値を示す付加ビット（ビット数はＳ
ＳＳＳで示された値と同じ）に分けられる。そしてＳＳ
ＳＳは１次元のハフマン符号テーブルを用いて符号化さ
れ、各ハフマン符号の後に付加ビットが付けられるとい
うものである。

【００３３】一方、算術符号化の場合は、予測誤差値を
２値化した後に統計モデルを用いて算術符号化を行うも
のである。まず２値化であるが、その手順を次に示す。（１）ゼロの判定予測誤差がゼロの時０を、ゼロでない時１を出力する。（２）サイン（正負符号）の判定予測誤差が正の時０を、正でない時１を出力する。（３）グループ番号予測誤差の絶対値から１を減じたものとしてＳｚを定義
し、そのＳｚをグループｎ（ｎ＝０〜１５）に属してい
るかどうかの判定を行う。この判定はグループ番号の小
さい方から順に行い、Ｓｚが属するグループが見つかる
まで行う。この際、Ｓｚがグループｎに属していない場
合は１を出力し、グループｎの属する場合はｎを出力す
る。（図５参照）（４）付加ビットグループ内の係数識別に用いる付加ビットをそのまま出
力する。

【００３４】上記手順で２値化表現系列を算術符号化す
るときは、２値データの確率推定のために、図６に示す
ように各々の判定項目に対して状態分けして符号化す
る。同図中、５×５とあるのは，直上画素と直左画素の
予測誤差をその大きさと正負によりそれぞれ５通りに分
割しているためである。

【００３５】算術符号化方式は図７に示すように、入力
された画像データのうち、符号化対象の画素情報は、算
術符号化回路４０２に入力され、符号化対象画素の周囲
の画素情報は、予測情報作成回路（テンプレートと呼ぶ
こともある）４０１に入力され、予測情報作成回路４０
１は、符号化する画素と周囲の画素との状況により情報
源のマルコフ分離を行った予測情報を作成し、その予測
情報をもとに算術符号化回路４０２で予測データを動的
に評価しながら符号化を行っている。

【００３６】上記算術符号化回路４０２で行われる算術
符号化方式は、従来のランレングス符号化方式（ＭＨ方
式，ＭＲ方式等）よりは一般的に符号化効率が良いもの
である。その符号化方法は、（０、１）の数直線上の対
応区間（２進少数で［０．０…０，０．１…１］）を各
シンボルの生起確率に応じて不等長に分割していき、対
象シンボル系列を対応する部分区間に割り当て、再帰的
に分割を繰り返していくことにより得られた区間内に含
まれる点の座標を、少なくとも他の区間と区別できる２
進小数で表現してそのまま符号とするものである。

【００３７】シンボル系列“０１００”を例に算術符号
化の概念を図８を参照して簡単に説明する。同図におい
て、まず第１シンボルの符号化時には全区間が０と１の
シンボルの生起確率の比に従ってＡ（０）とＡ（１）に
分割され、０の発生により区間Ａ（０）が選択される。
次に、第２シンボルの符号化の際にはその状態における
両シンボルの生起確率比によってＡ（０）がさらに分割
され、発生シンボル系列に対応する区間としてＡ（０
１）が選択される。このような分割と選択の処理の繰り
返しにより符号化が進んでいく。

【００３８】そのように符号化された符号化データは、
算術復号化回路４０３に入力され、復号化された画像デ
ータは、復号化画素情報として出力される一方、次の符
号データの復号化のために予測情報作成回路４０４に入
力され、算術復号化回路４０３は、その予測情報作成回
路４０４からの予測情報にもとに符号化データを評価し
ながら復号化を行う。

【００３９】その場合の復号化では符号化と全く逆の処
理を行い、符号が示す２進小数をもとにシンボルを再生
する。このとき重要なのは、シンボルの符号化を行う際
の数直線の幅であり、この数直線の幅が符号化開始時と
復号化開始時とで一致しないとシンボルを正確に再現で
きなくなってしまうため、普通はこの数直線の幅を符号
化側と復号化側で１としている。

【００４０】次に本発明の実施の形態にかかる多値画像
符号化装置について、図９のブロック構成図を参照して
説明する。

【００４１】同図において、多値画像符号化装置は、入
力される多値画情報を構成する各画素を注目画素とし
て、その注目画素の画素レベルの予測値を周囲面素レベ
ルより算術する面素レベル予測手段６０１、その画素レ
ベル予測手段で算術された注目画素の予測値を実際の注
目画素値から引くことにより予測誤差値を算出する予測
誤差算出手段６０２、その予測誤差算出手段６０２で算
出された予測誤差値の統計を行う予測誤差統計手段６０
３、その予測誤差統計手段６０４で統計された情報を元
に算術符号化で必要とする統計モデルを適応的に変更し
て作成する統計モデル作成手段６０４、予測誤差算出手
段６０２で算出された予測誤差値と統計モデル作成手段
６０４で作成された統計モデルを用いて算術符号化を行
って符号データを出力する算術符号化手段６０５から構
成される。

【００４２】このように構成される多値画像符号化装置
の動作について簡単に説明する。先ず符号化するために
入力された画情報は画素レベル予測手段６０１および予
測誤差算出手段６０２に入力される。面素レベル予測手
段６０１では注目画素の画素レベルを周囲画素の画素レ
ベル値より予測する。予測方法の一例としては予測レベ
ル値をＰｘ、注目画素の直左画素のレベル値をＲａ、直
上画素の面素レベル値をＲｂとすると、Ｐｘ＝（Ｒａ＋
Ｒｂ）／２という式でＰｘを求める方法がある。

【００４３】予測誤差算出手段６０２では予測された予
測レベル値と注目画素の実際の面素レベル値とから予測
誤差値を算出する。予測誤差値の算出方法は、予測誤差
値をＤｘ、注目画素レベル値をＰとすると、単純にＤｋ
＝Ｐｘ−Ｐで求める。算出された予測誤差値は算術符号
化手段６０５で算術符号化されるが、その前に統計モデ
ルの作成が行われる。

【００４４】予測誤差統計手段６０３では統計モデルを
作成するための参照情報として予測誤差値を用いその統
計を行い統計情報を得る。その統計情報の一例としては
予測誤差値の偏りや予測誤差値の分布範囲を統計するこ
とが挙げられる。統計された情報は統計モデル作成手段
６０４に入力され算術符号化用の統計モデルが作成され
る。なお、作成される統計モデルは統計情報を元にして
適応的に変化する。適応的に変化させる方法については
後述する。算術符号化手段６０５は、統計モデル作成手
段６０４で作成された統計モデルを用いて算術符号化を
行い符号データを出力する。以上のようにして入力画情
報に対する符号列が作成される。

【００４５】次に本発明の実施の形態にかかる別の多値
画像符号化装置について、図１０のブロック構成図を参
照して説明する。同図に示す多値画像符号化装置は、図
９に示したものが単純な多値画像を対象とするのであっ
たのに対して、Ｒ（赤）Ｇ（緑）Ｂ（青）の３原色成分
より構成されているカラー多値画情報を対象とするもの
であるが、色成分の構成や種類はそれ以外であっても構
わない。

【００４６】さて、図１０において、多値画像符号化装
置は、入力されるカラー多値画情報を色成分毎の多値画
像に分解する色成分分解手段７０１、色成分毎に分解さ
れた多値面情報のそれぞれについて注目画素の画素レベ
ルの予測値を周囲面素レベルより算出する画素レベル予
測手段（７０２ａ、７０２ｂ、７０２ｃ）、色成分毎に
分解された多値画情報のそれぞれについて画素レベル予
測手段（７０２ａ、７０２ｂ、７０２ｃ）で算出された
注目画素の予測レベル値を実際の注目画素レベル値から
引くことにより予測誤差値を算出する予測誤差算出手段
（７０３ａ、７０３ｂ、７０３ｃ）、色成分毎に分解さ
れた多値画情報のそれぞれについて予測誤差算出手段
（７０３ａ、７０３ｂ、７０３ｃ）で算出された予測誤
差値の統計を行う予測認差流計手段（７０４ａ、７０４
ｂ、７０４ｃ）、色成分毎に分解されたカメラ装置面情
報のそれぞれについて予測誤差統計手段（７０４ａ、７
０４ｂ、７０４ｃ）で統計された情報を元に算術符号化
で必要とする統計モデルを適応的に変更して作成する統
計モデル作成手段（７０５ａ、７０５ｂ、７０５ｃ）、
色成分毎に分解された多値画情報のそれぞれについて予
測誤差算出手段（７０３ａ、７０３ｂ、７０３ｃ）で算
出された予測誤差値と統計モデル作成手段（７０５ａ、
７０５ｂ、７０５ｃ）で作成された統計モデルを用いて
算術符号化を行う算術符号化手段（７０６ａ、７０６
ｂ、７０６ｃ）、それらの算術符号化手段（７０６ａ、
７０６ｂ、７０６ｃ）で作成された各色成分の多値画像
毎の符号を元に入力されるカラー多値画像に対する全体
の符号列を作成する符号作成手段７０７から構成され
る。

【００４７】このように構成される多値画像符号化装置
の動作について簡単に説明する。先ず符号化するために
入力されたカラー多値画情報は色成分分解手段７０１に
入力され、色成分毎の多値画像に分解される。分解され
た色成分毎の多値画像は色成分単位で各々処理される。
分解された色成分毎の面情報は画素レベル予測手段（７
０２ａ、７０２ｂ、７０２ｃ）および予測誤差算出手段
（７０３ａ、７０３ｂ、７０３ｃ）に入力される。画素
レベル予測手段（７０２ａ、７０２ｂ、７０２ｃ）では
注目画素の画素レベルを周囲画素の面素レベル値より予
測する。予測方法の一例としては図９に示した多値画像
符号化装置と同様に、予測レベル値をＰｘ、注目画素の
直左画素のレベル値をＲａ、直上画素の面素レベル値を
Ｒｂとすると、Ｐｘ＝（Ｒａ＋Ｒｂ）／２という式でＰ
ｘを求める方法が挙げられる。予測誤差算出手段（７０
３ａ、７０３ｂ、７０３ｃ）では予測された予測レベル
値と注目画素の実際の画素レベル値とから予測誤差値を
算出する。予測誤差値の算出方法の例としては、図９に
示した多値画像符号化装置と同様に、予測誤差値をＤ
ｘ、注目画素レベル値をＰとすると、単純にＤｋ＝Ｐｘ
−Ｐで求めることか挙げられる。算出された予測誤差値
は算術符号化手段（７０６ａ、７０６ｂ、７０６ｃ）で
算術符号化されるのであるが、その前に統計モデルの作
成が行われる。

【００４８】予測誤差統計手段（７０４ａ、７０４ｂ、
７０４ｃ）では統計モデルを作成するための参照情報と
して予測誤差値を用いその統計を行い統計情報を得る。
統計情報の一例としては予測誤差値の偏りや予測誤差値
の分布範囲を統計することが挙げられる。統計された情
報は統計モデル作成手段（７０５ａ、７０５ｂ、７０５
ｃ）に入力され算術符号化用の統計モデルが作成され
る。なお、作成される統計モデルは統計情報を元にして
適応的に変化する。適応的に変化させる方法については
後述する。算術符号化手段（７０６ａ、７０６ｂ、７０
６ｃ）は、統計モデル作成手段（７０５ａ、７０５ｂ、
７０５ｃ）で作成された統計モデルを用いて算術符号化
を行い符号データを出力する。以上のようにして各色成
分の多値画像に対する符号列が作成される。最後に、各
々の算術符号化手段（７０６ａ、７０６ｂ、７０６ｃ）
で作成された色成分毎の多値画像に対する符号列は符号
作成手段７０７に入力され全体の符号列が作成される。

【００４９】なお、第１０に示した構成の多値画像符号
化装置では、処理時間の高速化を図るために、ＲＧＢの
各色成分毎の多値画像毎に符号化手段のバスを並列的に
並べてあるが、第１１図に示すように１つの符号手段の
バスを、各色成分の多値画像について再帰的に利用する
ことも可能である。第１１図の構成にした場合の利点と
しては、構成が簡単になる点と、後述する学習効果を十
分に利用することができる点である。ただし、学習効果
については第１０図のような構成でも統計モデル作成手
段（７０５ａ、７０５ｂ、７０５ｃ）間で情報のやりと
りを行うことで利用することは可能である。

【００５０】その学習効果について説明する。第１０に
示した構成の多値画像符号化装置のように、ＲＧＢの各
色成分の多値画像毎に符号化手段のバスを単に並列的に
並べてた場合、色成分毎に統計モデルを独立して作成す
るために、既に符号化を終了した色成分における統計モ
デルの学習効果を利用することができないため、まだ符
号化効率が低いという問題がある。符号化を行いながら
統計モデルを変更するためには、予測誤差値の状態から
判断して動的に行わなければならない。言い換えれば学
習を行うことで最適なモデルを作成できることになる。
したがって、既に終了した色成分における学習を有効に
利用するために、既に符号化が終了した色成分における
統計モデルの情報を元にして、続く色成分の符号化にお
ける統計モデルを作成することで、カラー画像において
ロスレスで高能率な符号化が可能となる。

【００５１】次に、図９、１０または１１に示した多値
画像符号化装置において、統計モデル作成手段が、予測
誤差統計手段で統計された情報を元に算術符号化で必要
とする統計モデルを適応的に変更して作成するために、
統計モデルを適応的に変化させる方法について以下説明
する。なお、図９、１０または１１に示す各構成要素に
付される符号は基本的に省略し、必要な場合のみ付す。

【００５２】統計モデルを適応的に変化させる方法とし
ては、前記した学習効果を利用することの他に、統計モ
デルを適応的に変化させるための参照条件として、各色
成分間の相関を利用する場合（図１０または図１１に示
す多値画像符号化装置に限られる）と、予測誤差値の統
計情報を利用する場合（図９、図１０または図１１に示
す多値画像符号化装置のすべてに適用できる）とが考え
られる。

【００５３】先ず、各色成分間の相関を利用する場合に
ついて説明する。カラー画像を構成する色成分の間には
何らかの相関関係が存在する。したがって、図６に示し
た従来の統計モデルのように統計モデルが固定されるの
ではなく、色成分間の相関を考慮することでより符号化
に適した統計モデルを変更して作成することで、符号化
効率を向上させることができる。その場合、図１０に示
す多値画像符号化装置では、各色成分に対応する統計モ
デル作成手段（７０５ａ、７０５ｂ、７０５ｃ）は、自
色に対応する予測誤差統計手段（７０４ａ、７０４ｂ、
７０４ｃ）のみならず、他色に対応する予測誤差統計手
段（７０４ａ、７０４ｂ、７０４ｃ）からの統計情報に
ついても考慮することで各色の相関を求め、その相関を
考慮した統計モデルを作成する。図１１に示す多値画像
符号化装置では、統計モデル作成手段８０５が、予測誤
差統計手段８０４からの各色成分毎の統計情報について
考慮することで各色の相関を求め、その相関を考慮した
統計モデルを作成する。

【００５４】次に、予測誤差値の統計情報を利用する場
合について説明する。予測誤差値の統計情報によって統
計モデルを変更する方法としては、予測測誤差値の統計
情報から注目画素が文字領域内にあるのか写真領域にあ
るのか判断して、文字領域または写真領域に適した統計
モデルに変更する方法が考えられる。

【００５５】つまり、文字領域の画素における予測誤差
値Ｐｄは、文字部や背景部ではＰｄ＝０、エッジ部では
Ｐｄが比較的大きな値になることが多い。また、Ｐｄの
分布としてはＰｄ＝０およびＰｄが比較的大きな値とに
集中する。これに対して写真領域におけるＰｄは文字領
域における場合と逆で、Ｐｄ＝０となる場合が比較的少
ない反面、Ｐｄの値が大きくなることも少なく、分布と
してはＰｄが小さい値に集中する。よって、この性質を
利用すれば注目画素に対して最適な統計モデルを作成す
ることが可能になり符号化効率を向上させることができ
る。

【００５６】統計モデルを作成するための因子として
は、参照画素の配置および数と、予測誤差レベルの状態
分けの３つである。つまり、統計モデルを適応的に変更
して作成するためにはこれらの因子を適応的に変更すれ
ばよい。参照画素の配置については、文字画像を符号化
する際には参照画素の配置は注目画素の比較的近傍に置
く方が符号化効率が良くなり、写真画像では文字画像と
は逆に参照画素の配置は注目画素より離れた位置に置く
方が符号化効率が良くなる場合があるので、この性質を
利用する。参照画素の数は、文字画像を符号化する際に
はあまり多くする必要はなく、状態数を多くしてしまう
とかえって符号化効率が悪くなってしまう。逆に、写真
画像では数を比較的多くした方が符号化効率が良くなる
場合があるので、この性質を利用する。予測誤差レベル
の状態分けは画像によって異なるため、画像に適した状
態分けを行う。

【００５７】以上、算術符号化手段における符号化効率
を向上させるために統計モデルを適応的に変更すること
を中心に説明してきたが、画素レベル予測手段による注
目画素の予測レベル値と、実際の注目画素の画素値との
差をできるでけ小さくすることも符号化効率を向上させ
るためには重要である。そこで、図１０または図１１に
示した構成の多値画像符号化装置においては、カラー多
値画像を構成する色成分間の相関を考慮することで注目
画素の予測レベルをより正確な値にして、予測誤差値を
全体的に小さくすることで符号化効率を向上させること
も可能である。その場合、図１０に示す多値画像符号化
装置では、画素レベル予測手段（７０２ａ、７０２ｂ、
７０２ｃ）のそれぞれが各色成分毎の周囲画素レベルを
通知し合うことで、各色の相関を求め、その相関を考慮
して予測誤差値を算出する。図１１に示す多値画像符号
化装置では、画素レベル予測手段８０２が各色成分毎の
注意画素レベルを比較することで、各色の相関を求め、
その相関を考慮して予測誤差値を算出する。

【００５８】

【発明の効果】請求項１に係る発明によれば、符号化対
象情報の分布範囲や偏差から統計モデルを適応的に変化
させることで、白黒多階調画像においてロスレスで高能
率な符号化が可能となる。つまり、算術符号化において
は適切な統計モデルを用いれば非常に高い符号化効率を
得ることができる一方、統計モデルは画像の種類や性質
に非常に関係しているため、符号化対象となる画像によ
って千差万別であることを考慮して符号化対象情報の分
布範囲や偏差を判断材料として統計モデルを適応的に変
化させることで、効能率な符号化が可能となる。

【００５９】請求項２に係る発明によれば、符号化対象
情報の分布範囲や偏差から統計モデルを色成分毎に適応
的に変化させることで、カラー多値画像においてロスレ
スで高能率な符号化が可能となる。つまり、カラー多値
画像を色成分に分けて符号化することで、各色成分は白
黒多階調画像と同様に扱うことが可能になり、色成分毎
に最適な統計モデルを適用することで非常に高い符号化
効率で符号化が可能になる。

【００６０】請求項３に係る発明によれば、既に符号化
が終了した色成分における学習を有効に利用するため
に、既に符号化が終了した色成分における統計モデルの
情報を元にして、続く色成分の符号化における統計モデ
ルを作成することで、カラー画像においてロスレスで高
能率な符号化が可能となる。つまり、請求項２に係る発
明では、色成分毎に統計モデルを独立して作成するため
に、既に符号化を終了した色成分における統計モデルの
学習効果を利用することができず符号化効率の向上の余
地があったが、本発明では、既に符号化を終了した色成
分における統計モデルの学習効果を利用することで、更
なる符号化効率の向上が可能となる。

【００６１】請求項４に係る発明によれば、色成分間の
相関を利用して予測誤差値を算出することで、カラー画
像においてロスレスで高能率な符号化が可能となる。つ
まり、請求項２に係る発明では、色成分間の相関を利用
していないために、まだ符号化効率の向上の余地があっ
たが、本発明では、カラー画像を構成する色成分の間の
相関関係の存在に着目して、この色成分間の相関を考慮
することで注目画素の予測レベルをより正確な値にする
ことが可能となる。予測レベルが正確になることは予測
誤差値が全体的に小さくなることなので、結果として符
号化効率が向上する。

【００６２】請求項５に係る発明によれば、色成分間の
相関を利用して統計モデルを作成することで、カラー画
像においてロスレスで高能率な符号化が可能となる。つ
まり、本発明では、カラー画像を構成する色成分の間の
相関関係の存在に着目して、この色成分間の相関を考慮
して統計モデルを作成することで、より最適な統計モデ
ルを適用した算術符号化が可能となり、結果として符号
化効率が向上する。

【００６３】請求項６に係る発明によれば、予測誤差値
の統計情報から文字領域画素であるか写真領域画素であ
るかの判断をし、その判断結果を元に参照画素配置を変
更することで適応的に統計モデルを変更することによ
り、ロスレスで高能率な符号化が可能となる。つまり、
本発明で、算術符号化における統計モデルでは、文字画
像を符号化する際には参照画素の配置は注目画素の比較
的近傍に置く方が符号化効率が良くなる一方、写真画像
では文字画像とは逆に参照画素の配置は注目画素より離
れた位置に置く方が符号化効率が良くなる場合があるこ
とを考慮して、文字画像にはそれに適した参照画素配置
の統計モデルを適用し、写真画像には、それに適した参
照画素配置の統計モデルを適用することでいっそう効能
率な符号化が可能となる。

【００６４】請求項７に係る発明によれば、予測誤差値
の統計情報から文字領域画素であるか写真領域画素であ
るかの判断をし、その判断結果を元に参照画素数を変更
することで適応的に統計モデルを変更することにより、
ロスレスで高能率な符号化が可能となる。つまり、本発
明では、算術符号化における統計モデルでは、文字画像
を符号化する際には状態数はあまり多くする必要はな
く、状態数を多くしてしまうとかえって符号化効率が悪
くなってしまう一方、写真画像では状態数を比較的多く
した方が符号化効率が良くなることを考慮して、文字画
像にはそれに適した参照画素数の統計モデルを適用し、
写真画像には、それに適した参照画素数の統計モデルを
適用することでいっそう効能率な符号化が可能となる。

【００６５】請求項８に係る発明によれば、予測誤差値
の統計情報から文字領域画素であるか写真領域画素であ
るかの判断をし、その判断結果を元に予測誤差レベルの
状態分けを変更することで適応的に統計モデルを変更す
ることにより、ロスレスで高能率な符号化が可能とな
る。つまり、本発明では、算術符号化における統計モデ
ルでは、参照画素の配置および数と、予測誤差レベルの
状態分けが重要であり、予測誤差レベルの状態分けは画
像によって異なるため、画像に適した状態分けを行うこ
とで符号化効率を高くすることが可能であることを考慮
して、文字画像にはそれに適した予測誤差レベルの状態
分けがなされた統計モデルを適用し、写真画像には、そ
れに適した予測誤差レベルの状態分けがなされた統計モ
デルを適用することでいっそう効能率な符号化が可能と
なる。

【図面の簡単な説明】

【図１】本発明にかかる多値画像符号化装置が適用され
るファクシミリ装置のブロック構成図でる。

【図２】ＪＰＥＧ／Ｓｐａｔｉａｌ方式の基本ブロック
図を示す。

【図３】注目画素ｙと予測に用いる周囲３画素（ａ、
ｂ、ｃ）との位置関係を示す図である。

【図４】予測誤差値のグループ分けを示す図である。

【図５】Ｓｚのグループ分けを示す図である。

【図６】算術符号化によるロスレス符号化統計モデルを
示す図である。

【図７】算術符号化方式の一例を示すブロック構成図で
ある。

【図８】算術符号化の概念図である。

【図９】本発明の実施の形態に係る多値画像符号化装置
のブロック構成図である。

【図１０】本発明の実施の形態に係る別の多値画像符号
化装置のブロック構成図である。

【図１１】本発明の実施の形態に係るまた別の多値画像
符号化装置のブロック構成図である。

【符号の説明】

１０１画像読取り部１０２画像処理部１０３符号化部１０４復号部１０５画像処理部１０６画像出力部２０１予測器２０２エントロピー符号器４０１予測情報作成回路４０２算術符号化回路４０３算術復号化回路４０４予測情報作成回路６０１、７０２ａ、７０２ｂ、７０２ｃ、８０２画素
レベル予測手段６０２、７０３ａ、７０３ｂ、７０３ｃ、８０３予測
誤差算出手段６０３、７０４ａ、７０４ｂ、７０４ｃ、８０４予測
誤差統計手段６０４、７０５ａ、７０５ｂ、７０５ｃ、８０５統計
モデル作成手段６０５、７０６ａ、７０６ｂ、７０６ｃ、８０６算術
符号化手段７０１、８０１色成分分解手段７０７、８０７符号作成手段

Claims

【特許請求の範囲】

【請求項１】多値画像を構成する各画素を注目面素と
して、その注目画素の予測値を周囲面素レベルより算出
する面素レベル予測手段と、その画素レベル予測手段に
より算出された前記注目画素の予測値を実際の注目画素
値から引くことにより予測誤差値を算出する予測誤差算
出手段と、その予測誤差算出手段で算出された予測誤差
値の統計を行う予測誤差統計手段と、その予測誤差統計
手段で統計された情報を元に算術符号化で必要とする統
計モデルを適応的に変更して作成する統計モデル作成手
段と、前記予測誤差算出手段で算出された予測誤差値と
前記統計モデル作成手段で作成された統計モデルを用い
て算術符号化を行う算術符号化手段とを備えたことを特
徴とする多値画像符号化装置。
【請求項２】複数の色成分で構成されるカラー画像を
それらの各色成分毎の多値画像に分解する色成分分解手
段と、その分解された各色成分毎の多値画像のそれぞれ
について、その多値画像を構成する各画素を注目面素と
して、その注目画素の予測値を周囲面素レベルより算出
する面素レベル予測手段と、その画素レベル予測手段に
より算出された前記注目画素の予測値を実際の注目画素
値から引くことにより予測誤差値を算出する予測誤差算
出手段と、その予測誤差算出手段で算出された予測誤差
値の統計を行う予測誤差統計手段と、その予測誤差統計
手段で統計された情報を元に算術符号化で必要とする統
計モデルを適応的に変更して作成する統計モデル作成手
段と、前記予測誤差算出手段で算出された予測誤差値と
前記統計モデル作成手段で作成された統計モデルを用い
て算術符号化を行う算術符号化手段とを備えると共に、
前記各色成分の多値画像にそれぞれ対応する算術符号化
手段で作成された色成分毎の符号を元に全体の符号列を
作成する符号作成手段を備えたことを特徴とする多値画
像符号化装置。
【請求項３】前記各色成分の多値画像にそれぞれ対応
する各統計モデル作成手段は、既に符号化の終了した色
成分の多値画像に対応する予測誤差統計手段で統計され
た情報を元にして統計モデルを作成することを特徴とす
る請求項２記載の多値画像符号化装置。
【請求項４】前記各色成分の多値画像にそれぞれ対応
する予測誤差算出手段は、色成分間の相関を考慮して予
測誤差値を算出することを特徴とする請求項２記載の多
値画像符号化装置。
【請求項５】前記各色成分の多値画像にそれぞれ対応
する前記統計モデル作成手段は、色成分間の相関を考慮
して統計モデルを作成することを特徴とする請求項２記
載の多値画像符号化装置。
【請求項６】前記統計モデル作成手段は、前記予測誤
差統計手段が前記予測誤差算出手段で算出された予測誤
差値を統計して得た統計情報に基づいて符号化対象の注
目画素が文字領域の画素であるか写真領域の画素である
かを判断し、その判断結果に基づいて統計モデルで使用
する参照画素配置を変更することを特徴とする請求項１
または２のいずれかの記載の多値画像符号化装置。
【請求項７】前記統計モデル作成手段は、前記予測誤
差統計手段が前記予測誤差算出手段で算出された予測誤
差値を統計して得た統計情報に基づいて符号化対象の注
目画素が文字領域の画素であるか写真領域の画素である
かを判断し、その判断結果に基づいて統計モデルで使用
する参照画素数を変更することを特徴とする請求項１ま
たは請求項２のいずれかの記載の多値画像符号化装置。
【請求項８】前記統計モデル作成手段は、前記予測誤
差統計手段が前記予測誤差算出手段で算出された予測誤
差値を統計して得た統計情報に基づいて符号化対象の注
目画素が文字領域の画素であるか写真領域の画素である
かを判断し、その判断結果に基づいて統計モデルで使用
する予測誤差レベルの状態分け変更することを特徴とす
る請求項１または２のいずれかの記載の多値画像符号化
装置。