用于图像压缩和解压的图像处理电路和显示面板驱动器.pdf

一种图像处理电路（13）包括：代表值计算电路（31）和所有组合比较压缩电路（32）。代表值计算电路（31）被配置成通过对与N个像素相关联的图像数据执行预处理来生成每个均包括多个代表值的M个数据集，M为大于一且小于N的自然数。所有组合比较压缩电路（32）被配置成：对于从所述M个数据集选择的两个数据集的所有可能组合，计算该两个数据集之间的相关性；响应于所计算的相关性而从多种压缩处理选择压缩处理；并且通过使用所选择的压缩处理压缩所述M个数据集来生成所述压缩图像数据。图像处理电路（13）可以被并入显示面板驱动器（3）中。

权利要求书
1.  一种显示面板驱动器，包括：
压缩电路，所述压缩电路通过压缩与N个像素相关联的图像数据生成压缩图像数据，N为等于或大于三的自然数；
图像存储器，所述图像存储器存储所述压缩图像数据；
解压电路，所述解压电路通过将从所述图像存储器读取的所述压缩图像数据解压来生成解压图像数据；以及
驱动电路，所述驱动电路响应于所述解压图像数据来驱动显示面板，
其中，所述压缩电路包括：
代表值计算电路，所述代表值计算电路被配置成通过对与所述N个像素相关联的所述图像数据执行预处理来生成每个均包括多个代表值的M个数据集，M为大于一且小于N的自然数；以及
所有组合比较压缩电路，所述所有组合比较压缩电路被配置成：对于从所述M个数据集选择的两个数据集的所有可能组合，计算该两个数据集之间的相关性；响应于所计算的相关性，从多种压缩处理选择压缩处理；并且通过使用所述选择的压缩处理压缩所述M个数据集，来生成所述压缩图像数据。

2.  根据权利要求1所述的显示面板驱动器，其中，在所述预处理中，所述代表值计算电路执行将所述N个像素分成M个组的分组，所述M个组分别与所述M个数据集相关联；并且所述代表值计算电路基于属于所述M个组中的相关联的一组的像素的图像数据，计算包括在所述M个数据集中的每一个中的代表值。

3.  根据权利要求2所述的显示面板驱动器，其中，所述N个像素中的每一个包括与第一颜色相关联的子像素，与第二颜色相关联的子像素和与第三颜色相关联的子像素，并且
其中，通过初始地将所述N个像素分组成单个组并且重复地执行 下述过程，来实现将所述N个像素分成所述M个组的分组，所述过程涉及：从当前关注的一个或多个组中选择在子像素的灰度级的最大值与最小值之间的差最大的组和颜色；并且取决于与所选择的颜色相关联的子像素的灰度级，将属于所选择的组的像素分组成两组。

4.  根据权利要求1至3中的任何一项所述的显示面板驱动器，其中，所述M个数据集包括四个数据集，
其中，所述多种压缩处理包括：
第一压缩处理，所述第一压缩处理涉及计算与所述四个数据集相关联的第一代表值，并且将所述第一代表值并入所述压缩图像数据中；
第二压缩处理，所述第二压缩处理涉及计算与所述四个数据集中的两个相关联的第二代表值，计算与所述四个数据集中的另两个相关联的第三代表值，并且将所述第二和第三代表值并入所述压缩图像数据中；
第三压缩处理，所述第三压缩处理涉及计算与所述四个数据集中的两个数据集相关联的第四代表值，通过对另两个数据集中的每一个独立地执行减位处理来生成第一减位数据，并且将所述第四代表值和所述第一减位数据并入所述压缩图像数据中；以及
第四压缩处理，所述第四压缩处理涉及通过对所述四个数据集中的每一个独立地执行减位处理生成第二减位数据，并且将所述第二减位数据并入所述压缩图像数据中。

5.  根据权利要求1所述的显示面板驱动器，其中，所述N个像素包括八个像素，
其中，所述M个数据集包括每个均包括三个代表值的四个数据集，并且
其中，在所述预处理中，所述代表值计算电路通过对所述八个像素的图像数据执行YCrCb变换来生成所述八个像素中的每一个的Y数据、Cr数据和Cb数据；由从所述八个像素的Y数据、Cr数据和Cb数据中选择的数据计算八个第一代表值，所述选择的数据在最大值与 最小值之间具有最大差；并且从所述八个像素的Y数据、Cr数据和Cb数据中的其余两个计算四个第二代表值，所述四个数据集中的每一个包括所述八个第一代表值中的两个和所述四个第二代表值中的一个。

6.  根据权利要求5所述的显示面板驱动器，其中，所述多种压缩处理包括：
第一压缩处理，所述第一压缩处理涉及计算与所述四个数据集相关联的第一代表值；并且将所述第一代表值并入所述压缩图像数据中；
第二压缩处理，所述第二压缩处理涉及计算与所述四个数据集中的两个相关联的第二代表值，计算与所述四个数据集中的另两个相关联的第三代表值；并且将所述第二和第三代表值并入所述压缩图像数据中；
第三压缩处理，所述第三压缩处理涉及计算与所述四个数据集中的两个数据集相关联的第四代表值，通过对另两个数据集中的每一个独立地执行减位处理来生成第一减位数据；并且将所述第四代表值和所述第一减位数据并入所述压缩图像数据中；以及
第四压缩处理，所述第四压缩处理涉及通过对所述四个数据集中的每一个独立地执行减位处理生成第二减位数据；并且将所述第二减位数据并入所述压缩图像数据中。

7.  一种显示装置，包括：
显示面板：以及
显示面板驱动器，所述显示面板驱动器驱动所述显示面板，
其中，所述显示面板驱动器包括：
压缩电路，所述压缩电路通过压缩与N个像素相关联的图像数据生成压缩图像数据，N为等于或大于三的自然数；
图像存储器，所述图像存储器存储所述压缩图像数据；
解压电路，所述解压电路通过将从所述图像存储器读取的所述压缩图像数据解压来生成解压图像数据；以及
驱动电路，所述驱动电路响应于所述解压图像数据来驱动显 示面板，
其中，所述压缩电路包括：
代表值计算电路，所述代表值计算电路被配置成通过对与所述N个像素相关联的所述图像数据执行预处理来生成每个均包括多个代表值的M个数据集，M为大于一且小于N的自然数；以及
所有组合比较压缩电路，所述所有组合比较压缩电路被配置成：对于从所述M个数据集选择的两个数据集的所有可能组合，计算该两个数据集之间的相关性；响应于所计算的相关性，从多种压缩处理选择压缩处理；并且通过使用所述选择的压缩处理压缩所述M个数据集，来生成所述压缩图像数据。

8.  根据权利要求7所述的显示装置，其中，在所述预处理中，所述代表值计算电路执行将所述N个像素分成M个组的分组，所述M个组分别与所述M个数据集相关联；并且所述代表值计算电路基于属于所述M个组中的相关联的一组的像素的图像数据，计算包括在所述M个数据集中的每一个中的代表值。

9.  根据权利要求8所述的显示装置，其中，所述N个像素中的每一个包括与第一颜色相关联的子像素，与第二颜色相关联的子像素和与第三颜色相关联的子像素，
其中，通过初始地将所述N个像素分组成单个组并且重复地执行下述过程，来实现将所述N个像素分为所述M个组的分组，所述过程涉及：从当前关注的一个或多个组中选择在子像素的灰度级的最大值与最小值之间的差最大的组和颜色；并且取决于与所选择的颜色相关联的子像素的灰度级，将属于所选择的组的像素分组成两组。

10.  根据权利要求7所述的显示装置，其中，所述N个像素包括八个像素，
其中，所述M个数据集包括每个均包括三个代表值的四个数据集，并且
其中，在所述预处理中，所述代表值计算电路通过对所述八个像素的图像数据执行YCrCb变换来生成所述八个像素中的每一个的Y数据、Cr数据和Cb数据；由从所述八个像素的Y数据、Cr数据和Cb数据中选择的数据计算八个第一代表值，所述选择的数据在最大值与最小值之间具有最大差；并且从所述八个像素的Y数据、Cr数据和Cb数据中的其余两个计算四个第二代表值，所述四个数据集中的每一个包括所述八个第一代表值中的两个和所述四个第二代表值中的一个。

11.  一种图像处理电路，包括：
代表值计算电路，所述代表值计算电路被配置成通过对与所述N个像素相关联的图像数据执行预处理来生成每个均包括多个代表值的M个数据集，M为大于一且小于N的自然数；以及
所有组合比较压缩电路，所述所有组合比较压缩电路被配置成：对于从所述M个数据集选择的两个数据集的所有可能组合，计算该两个数据集之间的相关性；响应于所计算的相关性，从多种压缩处理选择压缩处理；并且通过使用所述选择的压缩处理压缩所述M个数据集，来生成所述压缩图像数据。

12.  根据权利要求11所述的图像处理电路，其中，在所述预处理中，所述代表值计算电路执行将所述N个像素分成M个组的分组，所述M个组分别与所述M个数据集相关联；并且所述代表值计算电路基于属于所述M个组中的相关联的一组的像素的图像数据，计算包括在所述M个数据集中的每一个中的代表值。

13.  根据权利要求12所述的图像处理电路，其中，所述N个像素中的每一个包括与第一颜色相关联的子像素，与第二颜色相关联的子像素和与第三颜色相关联的子像素，
其中，通过初始地将所述N个像素分组成单个组并且重复地执行下述过程，来实现将所述N个像素分成所述M个组的分组，所述过程涉及：从当前关注的一个或多个组中选择在子像素的灰度级的最大值 与最小值之间的差最大的组和颜色；并且取决于与所选择的颜色相关联的子像素的灰度级将属于所选择的组的像素分组成两组。

14.  根据权利要求11所述的图像处理电路，其中，所述N个像素包括八个像素，
其中，所述M个数据集包括每个均包括三个代表值的四个数据集，并且
其中，在所述预处理中，所述代表值计算电路通过对所述八个像素的图像数据执行YCrCb变换来生成所述八个像素中的每一个的Y数据、Cr数据和Cb数据；由从所述八个像素的Y数据、Cr数据和Cb数据中选择的数据计算八个第一代表值，所述选择的数据在最大值与最小值之间具有最大差；并且从所述八个像素的Y数据、Cr数据和Cb数据中的其余两个计算四个第二代表值，所述四个数据集中的每一个包括所述八个第一代表值中的两个和所述四个第二代表值中的一个。

15.  一种图像处理方法，包括：
通过对与所述N个像素相关联的图像数据执行预处理来生成每个均包括多个代表值的M个数据集，M为大于一且小于N的自然数；
对于从所述M个数据集选择的两个数据集的所有可能组合，计算该两个数据集之间的相关性；
响应于所计算的相关性，从多种压缩处理选择压缩处理；以及
通过使用所述选择的压缩处理压缩所述M个数据集，来生成所述压缩图像数据。

说明书用于图像压缩和解压的图像处理电路和显示面板驱动器
技术领域
本发明涉及图像处理电路和方法，显示面板驱动器和显示装置，更特别地，涉及用于执行图象压缩和解压的图像处理电路和方法，以及并入了该图像处理电路的显示面板驱动器和显示装置。
背景技术
显示装置，诸如液晶显示装置、有机电致发光显示装置和等离子体显示装置，常常被设计用于图像压缩技术。当驱动显示面板（例如液晶显示面板、有机电致发光显示装置和液晶显示面板）的显示面板驱动器并入了图像存储器时，例如，使用图像压缩允许减小图像存储器的容量。另一方面，当图像数据在传输到显示面板驱动器之前被压缩时，这有效地减小了数据传输量。数据传输量的减少有助于降低数据传输速率和传输图像数据所需的电力消耗。
常用的图像压缩方法之一为块编码，其中将图像数据以块为单位压缩，每个块包括多个像素。在块编码中，与构成块的多个像素相关联的图像数据由至少一个代表值表示。块编码的一个主要示例为BTC（块截断编码）。BTC公开于例如日本专利申请公告No.2006-42194A、No.2009-212789A、No.2011-19204A和日本专利公报No.3,790,728B中。BTC并不提供高数据压缩比并且提出了多次重复执行相同BCT基压缩过程的技术（参看专利申请公告No.2007-43577A和日本专利公报No.3,036,058B）。
另一已知的压缩方法为将相应像素的图像数据变换为频域的数据的方法。这种压缩方法的一个主要示例为DCT（离散余弦变换）。DCT为压缩诸如JPEG（联合图像专家组）的图像的基本技术，并且广泛地 用于图像处理。
然而，当以固定数据长度执行压缩处理（即，当压缩比固定时）时，BTC和DCT都对特定图像类型造成大压缩误差，并且这导致图像劣化。更具体而言，BTC对于包括大量低频分量的图像（例如，照片的图像等）造成严重的图像劣化，而DCT对于包括大量高频分量的图像（例如，包括字符等的图像）造成严重图像劣化。常常需要便携式终端（例如，智能电话等）的显示装置来显示字符、静态图片和图形图像的混合图像（例如，当显示web网站时），并且在这样的情形下，对于特定类型的图像造成严重图像劣化的图像处理并非优选的。
为了解决这个问题，本发明人提出了以下技术：响应于块内像素之间的相关性来选择压缩方法（参看例如日本专利公报No.4,507,265B）。这个技术的一个特点为对于从包括于块中的像素选择的两个像素的每种可能组合计算相关性。响应于对于所有可能组合计算的相关性选择压缩方法有效地减少压缩误差并且抑制图像劣化。
尽管有效地用于减小压缩误差，由于像素组合数量的增加，当待同时处理的像素（即，在每个块中包括的像素数量）增加时，响应于块中的像素之间的相关性选择压缩方法的技术不期望地增加电路大小。当包括于块中的像素数量为例如四个的情况下，来自该块的两个像素的可能组合的数量为六（=4C2）。在包括于块中的像素数量为八个的情况下，另一方面，来自该块的两个像素的可能组合的像素为28（=8C2）。
因此，存在提供以减小的电路大小来减小压缩误差的技术的技术需要。
发明内容
因此，本发明的目的在于提供有效地减小压缩误差同时抑制电路 大小增加的图像处理电路和方法，和并入了该图像处理电路的显示面板驱动器和显示装置。
本发明的其它目的将从本申请的整个公开理解。
在本发明的一个方面，一种显示面板驱动器包括：压缩电路，其通过压缩与N像素相关联的图像数据来生成压缩图像数据，N为等于或大于三的自然数；图像存储器，其存储压缩图像数据；解压电路，其通过将从图像存储器读取的压缩图像数据解压来生成解压图像数据；以及驱动电路，其响应于解压图像数据来驱动显示面板。压缩电路包括：代表值计算电路，其被配置成通过对与N个像素相关联的图像数据执行预处理来生成各包括多个代表值的M个数据集，M为大于一且小于N的自然数；以及所有组合比较压缩电路，其被配置成对于两个数据集的所有可能组合，计算从M个数据集选择的两个数据集之间的相关性；响应于计算的相关性，从多种压缩处理选择压缩处理；并且通过使用选择的压缩处理压缩M个数据集来生成压缩图像数据。
在一个实施例中，在预处理中，代表值计算电路执行将N个像素分成M个组的分组，M个组分别与M个数据集相关联；并且基于M个组中相关联的一个所属的像素的图像数据计算包括于M个数据集中的每一个中的代表值。
当N个像素中的每一个包括与第一颜色相关联的子像素（subpixel），与第二颜色相关联的子像素和与第三颜色相关联的子像素时，通过将N个像素初始地分成单个组并且重复执行涉及下列步骤的过程来实现将N个像素分为M个组：从当前关注的一个或多个组中选择在子像素的灰度级的最大值与最小值之间的差最大的组和颜色；并且取决于与所选择颜的色相关联的子像素的灰度级将属于所选择的组的像素分成两组。
在一个示例中，M个数据集包括四个数据集。在此情况下，多种压缩处理优选地包括：第一压缩处理，其涉及计算与四个数据集相关联的第一代表值，并且将第一代表值并入压缩图像数据内；第二压缩处理，其涉及计算与四个数据集中的两个相关联的第二代表值，计算与四个数据集中的另两个相关联的第三代表值，并且将第二代表值和第三代表值并入压缩图像数据内；第三压缩处理，其涉及计算与四个数据集中的两个数据集相关联的第四代表值，通过对另两个数据集中的每一个独立地执行减位（bit-reducing）处理来生成第一减位数据，并且将第四代表值和第一减位数据并入压缩图像数据内；以及第四压缩处理，其涉及通过对四个数据集中的每一个独立地执行减位处理生成第二减位数据，并且将第二减位数据并入压缩图像数据内。
在另一实施例中，N个像素包括八个像素并且M个数据集包括各包括三个代表值的四个数据集。在此情况下，优选地，在预处理中，代表值计算电路通过对八个像素的图像数据执行YCrCb变换而生成八个像素中的每一个的Y数据、Cr数据和Cb数据，由从八个像素的Y数据、Cr数据和Cb数据中选择的数据来计算八个第一代表值，所选择的数据在最大值与最小值之间具有最大差；并且从八个像素的Y数据、Cr数据和Cb数据中的其余两个计算四个第二代表值，四个数据集中的每一个包括八个第一代表值中的两个和四个第二代表值中的一个。
在本发明的另一方面，一种显示装置包括：显示面板和驱动显示面板的显示面板驱动器。显示面板驱动器包括：压缩电路，其通过压缩与N像素相关联的图像数据来生成压缩图像数据，N为等于或大于三的自然数，图像存储器，其存储压缩图像数据；解压电路，其通过将从图像存储器读取的压缩图像数据解压来生成解压图像数据；以及驱动电路，其响应于解压图像数据来驱动显示面板。压缩电路包括：代表值计算电路，其被配置成通过对与N个像素相关联的图像数据执行预处理来生成各包括多个代表值的M个数据集，M为大于一且小于 N的自然数；以及所有组合比较压缩电路，其被配置成：对于两个数据集的所有可能组合，计算从M个数据集选择的两个数据集之间的相关性；响应于所计算的相关性，从多种压缩处理选择压缩处理；并且通过使用选择的压缩处理压缩M个数据集来生成压缩图像数据。
在本发明的再一方面，一种图像处理电路包括：代表值计算电路，其被配置成通过对与N个像素相关联的图像数据执行预处理来生成各包括多个代表值的M个数据集，M为大于一且小于N的自然数；以及所有组合比较压缩电路，其被配置成：对于两个数据集的所有可能组合，计算从M个数据集选择的两个数据集之间的相关性；响应于计算的相关性，从多种压缩处理选择压缩处理；并且通过使用选择的压缩处理压缩M个数据集来生成压缩图像数据。
在本发明的另一方面，一种图像处理方法包括：通过对与N个像素相关联的图像数据执行预处理来生成各包括多个代表值的M个数据集，M为大于一且小于N的自然数；对于从M个数据集选择的两个数据集的所有可能组合计算该两个数据集之间的相关性；响应于计算的相关性，从多种压缩处理选择压缩处理；以及通过使用选择的压缩处理压缩M个数据集来生成压缩图像数据。
本发明提供一种有效地减小压缩误差同时抑制电路大小增加的图像处理电路和方法，和并入了该图像处理电路的显示面板驱动器和显示装置。
附图说明
从结合附图理解的下文描述，本发明的上述和其它优点和特点将会更加明显，在附图中：
图1为示出在本发明的第一实施例中的液晶显示装置的示例性配置的框图；
图2A为示出在第一实施例中的图像压缩电路的示例性配置的框 图；
图2B为示出在第一实施例中的所有组合比较压缩电路的示例性配置的框图；
图3A为示出在第一实施例中的图像解压电路的示例性配置的框图；
图3B为示出在第一实施例中12代表值再现电路的示例性配置的框图；
图4A和图4B示出了描绘在第一实施例中由12代表值计算电路执行的预处理的内容的流程图；
图5至图12为以具体数值示例示出了在第一实施例中由12代表值计算电路执行的预处理的图；
图13为示出在第一实施例中的数据集A、B、C和D的内容的图；
图14为在第一实施例中在所有组合比较压缩电路的模式识别部中选择适当压缩处理的示例性操作的流程图；
图15为示出了在四个数据集包括图12所示的数据的情况下，在第一实施例中再现的八个像素的图像数据内容的表；
图16示出描绘了在第二实施例中由12代表值计算电路执行的预处理的内容的流程图；
图17至图21为以具体数值示例示出了在第二实施例中由12代表值计算电路执行的预处理的图；
图22为示出在第二实施例中的数据集A、B、C和D的内容的图；
图23为示出了在第二实施例中在图像解压电路中执行的解压处理的内容的流程图；
图24至图25为以具体数值示例示出了在第二实施例中由图像解压电路执行的解压处理的图；
图26为示出了无损压缩数据的示例性格式的图；
图27为示出了（1×4）压缩数据的示例性格式的图；
图28为示出了（2+1×2）压缩数据的示例性格式的图；
图29为示出了（2×2）压缩数据的示例性格式的图；
图30为示出了（4×1）压缩数据的示例性格式的图。
具体实施例
首先，将给出在本发明的实施例中使用的图像压缩方法的概述的描述。在本发明的一个实施例中，以像素集为单位执行图像压缩处理，每个像素集包括N个像素，其中N为等于或大于三的自然数。在图像压缩处理中，首先对N个像素的图像数据执行预处理以生成M个数据集，其中M为大于一且小于N的自然数。每个数据集包括基于相对应的N个像素的图像数据确定的多个代表值。然后响应于M个数据集之间的相关性从多种压缩处理选择适当压缩处理，并且通过对M个数据集执行所选择的压缩处理来最终生成压缩图像数据。
在对压缩图像数据解压时，对最终获得的压缩图像数据执行解压处理以再现M个数据集，该解压处理对应于为M个数据选择的压缩处理。这之后对M个数据集执行与上述预处理相对应的后处理以再现N个像素的原始图像数据。
这种压缩和解压处理通过执行减小了相关性计算中可能组合的数量的预处理而有效地抑制电路大小增加，同时通过响应于M个数据集之间的相关性选择适当压缩处理而减小了压缩误差。
在下文中，将给出本发明的实施例的详细描述。在下面的实施例中，公开了一种压缩处理，其中，对要经受压缩处理的块中包括的八个像素的图像数据执行预处理，由此生成各包括三个代表值的四个数据集，并且然后响应于四个数据集之间的相关性来从多种压缩处理选择适当压缩处理。应当指出的是包括于块中的像素数量并不限于八个。还应当指出的是为该块生成的数据集的数量并不限于四个。还应当指出的是包括于每个数据集中的代表值数量并不限于三个。
（第一实施例）
1.液晶显示装置的总体配置
图1为示出在本发明的第一实施例中液晶显示装置的示例性配置的框图。液晶显示装置1包括LCD（液晶显示器）面板2和控制器/驱动器3。LCD面板2包括数据线、栅极线和布置成V行和H列的像素。在LCD面板2的每个水平行中，排列H个像素。每个像素包括与红色相关联的子像素（在下文中被称作R子像素）、与绿色相关联的子像素（在下文中被称作G子像素）和与蓝色相关联的子像素（在下文中被称作B子像素）。每个子像素设置于数据线与栅极线相交处。控制器/驱动器3响应于从处理器4接收的输入图像数据5驱动在LCD面板2内的相应子像素以显示所期望的图像。在此实施例中，输入图像数据5以八位表示每个像素的每个子像素的灰度级，即由24位表示每个像素的颜色。控制器/驱动器3的操作受到从处理器4供应的一组控制信号6控制。CPU（中央处理单元）可以用作处理器4。该组控制信号6可以包括例如点时钟信号DCLK、水平同步信号Hsync和竖直同步信号Vsync。
控制器/驱动器3包括命令控制电路11、行存储器12、图像压缩电路13、图像存储器14、图像解压电路15、数据线驱动电路16、栅极线驱动电路17、定时控制电路18和灰度电压生成电路19。
命令控制电路11具有以下三种功能：首先，命令控制电路11具有响应于控制信号6向定时控制电路18供应定时设定数据25的功能，定时设定数据25指示控制器/驱动器3的操作定时。其次，命令控制电路11具有向灰度电压生成电路19供应灰度设定数据26的功能，灰度设定数据26用于设定所期望的伽马曲线，即，在馈送到LCD面板2的数据线的驱动电压的电压电平与输入图像数据5中指示的灰度级之间的关系。
第三，命令控制电路11具有将从处理器4供应的输入图像数据5转发到图像压缩电路13的功能。在此操作中，命令控制电路11将输入图像数据5以像素集为单位转发到图像压缩电路13，每个像素集由 被布置为两行和四列的像素（即，两个水平行×每个水平行四个像素）组成。由于图像数据通常以从最上部水平行的像素到最下部水平行的像素的次序转移到LCD驱动器，需要将输入图像数据5分类以按每个均包括被布置成两行和四列的像素的像素集为单位来转移输入图像数据5。命令控制电路11通过使用行存储器12来执行对输入图像数据5的分类，行存储器12具有足以保持与一个水平行的像素对应的输入图像数据5的容量。在图1中，通过这种分类获得的图像数据以数字21表示。
图像压缩电路13对从命令控制电路11接收的图像数据21执行图象压缩处理。以各包括两个像素的像素集为单位执行图象解压处理。在下文中，为图像压缩处理的单位的、被布置成两行和四列的像素被称作“块”并且要经受图像压缩处理的块被称作“目标块”。当从命令控制电路11转发与目标块的像素相关联的图像数据21时，图像压缩电路13对图像数据21执行图象压缩处理以生成压缩图像数据22。
在此实施例中，由图像压缩电路13生成的压缩图像数据22以64位表示包括于每个块中的八个像素的灰度级。这暗示图像压缩处理将数据量减小到三分之一，因为原始图像数据21以192（=24×8）位表示包括于每个块中的八个像素的灰度级。即，为特定块生成的压缩图像数据22的位数为与块相关联的原始图像数据21的位数的三分之一。
图像存储器14存储由图像压缩电路13生成的压缩图像数据22。在一个实施例中，图像存储器14具有（1/8）×V×H×64位的容量。将从图像存储器14读取的压缩图像数据被转移到图像解压电路15。在图1中，由附图标记23表示从图像存储器14读取的压缩图像数据。
图像解压电路15将从图像存储器14读取的压缩图像数据23解压以生成解压图像数据24。在此实施例中，解压图像数据24为24位数据，其以八位表示每个像素的三个子像素中的每一个的灰度级。将在 下文中描述图像解压电路15的配置和操作的细节。将生成的解压图像数据24转移到数据线驱动电路16。
数据线驱动电路16响应于从图像解压电路15接收的解压图像数据24驱动LCD面板2。详细地，数据线驱动电路16包括移位寄存器16a、显示锁存器16b和驱动电路16c。移位寄存器16a从图像解压电路15顺序接收解压图像数据并且存储解压图像数据。移位寄存器16a具有足以保持与定位于一个水平行中的H个像素相关联的解压图像数据的容量。显示锁存器16b暂时锁存与保持在移位寄存器16a中的一个水平行的像素（H个像素）相关联的解压图像数据，并且将锁存的解压图像数据转发到驱动电路16c。通过从定时控制电路18馈送的定时控制信号27来控制移位寄存器16a和显示锁存器16b的操作定时。驱动电路16c对于从对应于一个水平行的显示锁存器16b接收的解压图像数据做出响应，用于驱动LCD面板2的相对应的数据线。更具体而言，驱动电路16c对于解压图像数据做出响应以在从灰度电压生成电路19供应的多个灰度电压V1至Vm中选择相对应的灰度电压，以将相对应的数据线驱动到所选择的灰度电压。
栅极线驱动电路17驱动LCD面板2的栅极线。由从定时控制电路18接收的定时控制信号28控制栅极线驱动电路17的操作定时。
定时控制电路18响应于从命令控制电路11接收的定时设定数据25执行控制器/驱动器3的总体定时控制。更具体而言，定时控制电路18通过将定时控制信号27供应到数据线驱动电路16来控制数据线驱动电路16的操作定时，并且通过向栅极线驱动电路17供应定时控制信号28来控制栅极线驱动电路17的操作定时。
灰度电压生成电路19响应于从命令控制电路11接收的灰度设定数据26生成灰度电压V1至Vm并且将灰度电压V1至Vm供应到数据线驱动电路16。响应于灰度设定数据26控制灰度电压V1至Vm的电压电 平。
2.图像压缩电路和图像解压电路的配置和操作
接下来将给出图像压缩电路13和图像解压电路15的配置和操作的描述。图2A为示出图像压缩电路13的示例性配置的框图。图像压缩电路13具有通过将为192位数据的、与八个像素（即，24个子像素）相关联的图像数据21压缩成64位数据来生成压缩图像数据22的功能。图像压缩电路13包括12代表值计算电路31和所有组合比较压缩电路32。
12代表值计算电路31执行上述预处理以从与目标块的八个像素（即，24子像素）相关联的图像数据21生成代表值数据33。代表值数据33由四个数据集和辅助数据表示与八个像素（即，24子像素）相关联的图像数据21。在此实施例中，四个数据集中的每一个包括三个8位代表值。换言之，代表值数据33包括12个代表值。另一方面，辅助数据包括16位数据。这暗示代表数据33为112（=8×12+16）位数据。
如下文详细地描述，八个像素被分组为四组并且这四组分别与四个数据集相关联。每个数据集的三个代表值被确定分别为与相对应组相关联的像素的R子像素的灰度级的中心值、G子像素的灰度级的中心值和B子像素的灰度级的中心值。应当指出的是中心值意指最大值与最小值的平均值。还应当指出的是“组”可以包括仅一个像素。而且，取决于分组的过程，可以不将像素分组到特定组（例如，与所有像素相关联的图像数据是相同的）。在此情况下，特定组的数据可以通过复制任何其它组的数据而生成。
所有组合比较压缩电路32响应于包括于代表值数据33中的四个数据集之间的相关性，从多种压缩处理选择一种压缩处理，并且通过对四个数据集执行所选择的压缩处理而生成压缩图像数据22。生成压 缩图像数据22以便包括通过所选择的压缩处理得到的压缩数据和代表值数据33的辅助数据。
示意性地，如下所述在所有组合比较压缩电路32中执行压缩处理：对于从在代表值数据33中所描述的四个数据集中选择的两个数据集的所有可能组合，所有组合比较压缩电路32计算两个数据集之间的相关性。所有组合比较压缩电路32响应于所计算的相关性选择适当压缩处理并且对四个数据集执行所选择的压缩处理。所有组合比较压缩电路32通过将由压缩处理生成的48位数据附加到在代表值数据33中包括的16位辅助数据而生成64位压缩图像数据22。由所有组合比较压缩电路32生成的压缩图像数据22被转移到图像存储器14并且存储于图像存储器14中。
在此实施例中，被允许由所有组合比较压缩电路32选择的压缩处理包括以下五种压缩处理：无损压缩、（1×4）压缩、（2+1×2）压缩、（2×2）压缩以及（4×1）压缩。将在下文中详细地描述这五种压缩处理的细节。
另一方面，图3A为示出图像解压电路15的示例性配置的框图。图像解压电路15包括12代表值再现电路34和图像数据再现电路35。12代表值再现电路34执行与在所有组合比较压缩电路32中执行的压缩处理相对应的解压处理，并且由此再现代表值数据33的四个数据集。详细地，12代表值再现电路34确定上述五种压缩处理中的哪一种被用于生成从图像存储器14读取的压缩图像数据23，并且利用与实际用于生成压缩图像数据23的压缩处理对应的解压处理来将压缩图像数据23解压，以再现代表值数据33的四个数据集。12代表值再现电路34还输出代表值再现数据36，代表值再现数据36包括四个再现数据集和包括于压缩图像数据23中的辅助数据（即，包括于代表值数据33中的辅助数据）。在此实施例中，因为四个数据集各包括三个代表值，并且每个代表值由八位表示，而辅助数据为16位数据，因此代表值再现 数据36为112位数据。
图像数据再现电路35由四个再现数据集和包括于代表值再现数据36中的辅助数据再现八个像素的原始图像数据。图像数据再现电路35将八个像素的再现图像数据作为解压图像数据24输出到数据线驱动电路16。
3.在12代表值计算电路中执行的预处理的细节
接下来，给出由图像压缩电路13的12代表值计算电路31执行的预处理的详细描述。图4A和图4B示出了描绘由12代表值计算电路31所执行的预处理的内容的流程图，并且图5至图12为示出了由12代表值计算电路31执行的预处理的具体数值示例的图。
一般而言，由12代表值计算电路31对与目标块的八个像素相关联的图像数据21执行的预处理包括以下步骤：
（a）将八个像素分组为四组；以及
（b）对于四组中的每一个，计算每组的像素的R子像素的灰度级的中心值，G子像素的灰度级的中心值和B子像素的灰度级的中心值。所计算的每个组的像素的R子像素的灰度级的中心值、G子像素的灰度级的中心值和B子像素的灰度级的中心值被用作构成与每个组相关联的数据集的代表值。
在将八个像素分组为四组的过程中，重复地执行以下三个处理，直到通过分组限定所期望的组数：
（a1）计算指示属于每个组的像素的R子像素的灰度级变化的数据、指示G子像素的灰度级变化的数据和指示B子像素的灰度级变化的数据的处理（参看步骤S12、S13、S16、S17、S20和S21）；
（a2）选择所计算的变化最大的组和其颜色的组合的处理（参看步骤S14、S18和S22）；以及，
（a3）取决于所选择的颜色的子像素的灰度级，将所选择的组的 像素分组为两组的处理（参看步骤S15、S19和S23）。
应当指出的是在初始状态，首先执行上述处理（a2）和（a3），假定八个像素属于单个组。换言之，当首先执行处理（a2）时，仅存在选择该组的一个选择，并且因此当首先执行处理（a3）时自动选择初始限定的组。
还应当指出的是具有最大灰度级变化的组在处理（a2）和（a3）中被划分。这样的处理有效地减小包括于每个组中的像素的变化。这暗示在R子像素、G子像素和B子像素的灰度级的中心值被用作代表值的情况下，减小信息丢失，这有助于减轻图像质量劣化。在下文中，给出由12代表值计算电路31执行的预处理的详细描述。
参考图4A，当与八个像素相关联的图像数据21被输入到12代表值计算电路31（步骤S11）时，执行计算指示关注的八个像素的R子像素的灰度级变化的数据、指示G子像素的灰度级变化的数据和指示B子像素的灰度级变化的数据的处理（步骤S12和S13）。更具体而言，计算关注的八个像素的R子像素的灰度级的最大值和最小值（步骤S12-1）。例如，当对与图5所示的八个像素#0至#7相关联的图像数据执行预处理时，像素#0至#7的R子像素的灰度级的最大值Rmax为“107”并且最小值Rmin为“100”，如图6所示。
相对应地，关于关注的八个像素，计算G子像素的灰度级的最大值和最小值以及B子像素的灰度级的最大值和最小值（步骤S12-2和S12-3）。当对与图5所示的八个像素#0至#7相关联的图像数据执行预处理时，像素#0至#7的G子像素的灰度级的最大值Gmax为“235”并且最小值Gmin为“200”，如图6所示。另一方面，像素#0至#7的B子像素的灰度级的最大值Bmax为“187”并且最小值Bmin为“97”。
而且，计算关注的八个像素的R子像素的灰度级的中心值R_center （其被定义为最大值与最小值的平均值）并且将在最大值与最小值之间的差Rdiff计算为指示R子像素的灰度级变化的数据（步骤S13-1）。对于图6的示例，R子像素的灰度级的中心值R_center被计算为“103.5”并且差Rdiff被计算为“7”。
相对应地，计算关注的八个像素的G子像素的灰度级的中心值G_center（其被定义为最大值与最小值的平均值）并且将在最大值与最小值之间的差Gdiff计算为指示G子像素的灰度级变化的数据（步骤S13-2）。而且，计算关注的八个像素的B子像素的灰度级的中心值B_center（其被定义为在最大值与最小值的平均值）并且将在最大值与最小值之间的差Bdiff计算为指示B子像素灰度级变化的数据（步骤S13-3）。
这之后选择关注的八个像素的子像素的灰度级变化最大的颜色（步骤S14）。在图6的示例中，Bdiff大于Rdiff和Gdiff，并且这意味着B子像素展示灰度级的最大变化。因此，在图6的示例中选择颜色“B”（蓝色）。
这之后取决于与所选择的颜色相关联的子像素的灰度级来将关注的八个像素分组（步骤S15）。在图7的示例中，因为选择了颜色“B”，所以取决于B子像素的灰度级执行分组。详细地，将从关注的八个像素选择的、包括灰度级大于中心值B_center的B子像素的像素分组到组#0，并且将包括灰度级小于中心值B_center的B子像素的像素分组到组#1。可以通过比较每个像素的B子像素的灰度级与关注的八个像素的B子像素的灰度值的中心值B_center来实现这样的分组。在图7中，示出了B子像素的灰度值的中心值B_center为142的示例。在图7所示的示例中，具有灰度级大于中心值B_center的B子像素的像素#2、#3、#6和#7被分组到组#0，并且具有灰度级小于中心值B_center的B子像素的像素#0、#1、#4和#5被分到组#1。
接下来，对于每个组执行计算指示被分组到每个组中的像素的R子像素变化的数据、指示G子像素的变化的数据和指示B子像素的变化的数据的处理（步骤S16和S17）。更具体而言，对于组#0的四个像素，计算R子像素的灰度值的最大值Rmax和最小值Rmin，G子像素的灰度值的最大值Gmax和最小值Gmin和B子像素的灰度值的最大值Bmax和最小值Bmin（步骤S16-1）。相对应地，对于组#1的四个像素，计算R子像素的灰度值的最大值Rmax和最小值Rmin，G子像素的灰度值的最大值Gmax和最小值Gmin和B子像素的灰度值的最大值Bmax和最小值Bmin（步骤S16-2）。图8示出了对于图7的示例，关于组#0和#1两者，最大值和最小值的计算结果。
而且，对于组#0的四个像素，计算R子像素、G子像素和B子像素的中心值R_center、G_center和B_center（各自被定义为最大值和最小值的平均值），并且计算R子像素、G子像素和B子像素的灰度级的最大值和最小值之间的差Rdiff、Gdiff和Bdiff（步骤S17-1）。相对应地，对于组#1的四个像素，计算R子像素、G子像素和B子像素的中心值R_center、G_center和B_center（各自被定义为最大值和最小值的平均值），并且计算R子像素、G子像素和B子像素的灰度级的最大值和最小值之间的差Rdiff、Gdiff和Bdiff（步骤S17-2）。
这之后选择具有子像素的灰度级最大变化（即，在最大值与最小值之间的差）的组和颜色的组合（步骤S18）。在图8的示例中，组#1的像素的B子像素的灰度级变化（Bdiff）大于组#1的像素的R子像素和G子像素的灰度级变化（Rdiff和Gdiff）和组#0的像素的R子像素、G子像素和B子像素的灰度级变化（Rdiff、Gdiff和Bdiff），并且因此选择组#1和颜色“B”的组合。
接下来，如图4B所示，取决于与所选择的颜色相关联的子像素的灰度级使所选择的组的像素经受分组（步骤S19）。关于图8的示例，其中选择组#1和颜色“B”的组合，如图9所示，关于组#1的像素#0、 #1、#4和#5，将具有灰度级大于组#1的像素的B子像素的灰度级中心值的B子像素的两个像素分组到组#10，并将具有灰度级小于组#1的像素的B子像素的灰度级中心值的B子像素的另两个像素分组到组#11。可以通过比较组#1的每个像素的B子像素的灰度值与组#1的像素的B子像素的灰度级中心值B_center来实现这样的分组。图9示出了B子像素的灰度级的中心值B_center为114的示例。应当指出的是在步骤S19，不对未选择的组执行分组（即，组的划分）。
以相同方式，重复执行：计算指示分组到每个组的像素的R子像素的灰度级变化的数据、指示G子像素的灰度级变化的数据和指示B子像素的灰度级变化的数据的处理（参考步骤S16和S17）；选择所计算的变化最大的组和颜色的组合的处理（参考步骤S18）；以及取决于与所选择的颜色相关联的子像素的灰度级，将所选择的组的像素分组为两组的处理（参考步骤S19），直到由分组限定所期望的组数。
在限定四组的本实施例中，再次执行上述一系列处理。详细地，对于组#0的四个像素，计算R子像素的灰度值的最大值Rmax和最小值Rmin，G子像素的灰度值的最大值Gmax和最小值Gmin和B子像素的灰度值的最大值Bmax和最小值Bmin（步骤S20-1）。相对应地，对于组#10的两个像素计算R子像素的灰度值的最大值Rmax和最小值Rmin，G子像素的灰度值的最大值Gmax和最小值Gmin和B子像素的灰度值的最大值Bmax和最小值Bmin（步骤S20-2），以及对于组#11的两个像素计算R子像素的灰度值的最大值Rmax和最小值Rmin，G子像素的灰度值的最大值Gmax和最小值Gmin和B子像素的灰度值的最大值Bmax和最小值Bmin（步骤S20-3）。图10示出了对于图9所示的示例，关于组#0，#10和#11的最大值和最小值的计算结果。
而且，对于组#0的四个像素，计算R子像素、G子像素和B子像素的中心值R_center、G_center和B_center（即，最大值和最小值的平均值），并且计算R子像素、G子像素和B子像素的灰度级的最大值 和最小值之间的差Rdiff、Gdiff和Bdiff（步骤S21-1）。相对应地，对于组#10的二个像素，计算R子像素、G子像素和B子像素的中心值R_center、G_center和B_center（即，最大值和最小值的平均值），并且计算R子像素、G子像素和B子像素的灰度级的最大值和最小值之间的差Rdiff、Gdiff和Bdiff（步骤S21-2）。而且，对于组#11的二个像素，计算R子像素、G子像素和B子像素的中心值R_center、G_center和B_center（即，最大值和最小值的平均值），并且计算R子像素、G子像素和B子像素的灰度级的最大值和最小值之间的差Rdiff、Gdiff和Bdiff（步骤S21-2）。
这之后选择子像素的灰度级变化（即，在最大值与最小值之间的差）最大的组和颜色的组合（步骤S22）。在图10的示例中，选择了组#0和颜色“G”的组合，因为组#0的像素的G子像素的灰度级变化（Gdiff）大于组#0的像素的R子像素和B子像素的灰度级变化，组#10的像素的R子像素、G子像素和B子像素的灰度级变化和组#11的R子像素、G子像素和B子像素的灰度级变化。
这之后取决于与所选择的颜色“G”相关联的子像素的灰度级来将所选择的组#0的像素分组（步骤S23）。在选择了组#0和颜色“G”的组合的图10的示例中，如图11所示，关于组#0的像素#2、#3、#6和#7，将具有灰度级大于组#0的像素的G子像素的灰度级中心值的G子像素的两个像素分组到组#00，并将具有灰度级小于被分组到组#0的像素的G子像素的灰度级中心值的G子像素的另两个像素分组到组#01。可以通过比较组#0的每个像素的G子像素的灰度值与组#0的像素的G子像素的灰度级中心值G_center来实现这样的分组。图11示出了B子像素的灰度级中心值B_center为222的示例。
上述过程导致限定四个组#00、#01、#10和#11。应当指出的是，尽管在上述过程中通过在将八个像素分组到组#0和#1之后将组#0和#1中的每一个划分为两个组来限定四组，实际实现方式并不限于利用这 种过程限定四组。例如，当在步骤S22从组#0、#10和#11中选择组#10和特定颜色的组合作为子像素的灰度级变化最大的组和颜色的组合时，可以将组#10划分为组#100和#101。还应当指出的是组可以被限定为作为分组的结果仅包括一个像素。还应当指出的是，在与所有像素相关联的图像数据相同的情况下，例如，在通过与中心值的比较来实现分组的本实施例中可以不将像素分组到特定组中。在此情况下，任何其它组的数据可以被复制为该特定组的数据。
接下来，对于四个组中的每一个，计算每个组的像素的R子像素的灰度值的最大值Rmax和最小值Rmin，G子像素的灰度值的最大值Gmax和最小值Gmin和B子像素的灰度值的最大值Bmax和最小值Bmin（步骤S24-1至S24-4）。而且，对于四个组中的每一个，计算被分组到每个组的像素的R子像素、G子像素和B子像素的灰度级的中心值R_center、G_center和B_center（最大值和最小值的平均值）（步骤S25-1至S25-4）。图12示出了对于图11所示的示例，相对于组#00、#01、#10和#11，R子像素、G子像素和B子像素的灰度级的中心值的计算结果。
这之后为将组分类（步骤S26）。执行该分类使得特定像素（在此实施例中，像素#0）属于由特定组ID标识的组（在此实施例中，组#00）。此处，组ID为标识组的序列号，在此实施例中，在标记“组#x”中的x为组ID。
这种分类的目的在于减小包括于代表值数据33中的辅助数据的位数。指示每个像素所属的组的分组数据被并入在代表值数据33中包括的辅助数据中。可以通过将特定像素（在此实施例中，像素#0）限定为属于由特定ID标识的组（在本实施例中，组#00），来减少辅助数据的位数。在此实施例中，像素#1至#7中的每一个所属的组由两位标识。换言之，辅助数据的14位用作分组数据，分组数据描述了像素#1至#7中的每一个所属的组。辅助数据的剩余两位可以任意使用；在 实际实现方式中，剩余两位可以被用作指示执行如在此实施例中所描述的压缩处理（即，通过预处理生成四个数据集并且取决于四个数据集之间相关性从多种压缩处理选择适当的压缩处理的压缩处理）的标识符。
将属于每个组的R子像素、G子像素和B子像素的灰度级的中心值用作12代表值，该中心值关于如上文所限定的四组中的每组计算。此处，由每个组的像素的R子像素、G子像素和G子像素的灰度级的中心值组成的三个数据用作一个数据集。图13为示出四个数据集的内容的图。四个数据集A至D分别与组#00、#01、#10和#11相关联。数据集A由属于组#00的像素的R子像素、G子像素和B子像素的灰度级的中心值组成；并且数据集B由属于组#01的像素的R子像素、G子像素和B子像素的灰度级的中心值组成。相对应地，数据集C由属于组#10的像素的R子像素、G子像素和B子像素的灰度级的中心值组成；并且数据集D由属于组#11的像素的R子像素、G子像素和B子像素的灰度级的中心值组成。
通过将上述四个数据集附加16位辅助数据来生成代表值数据33。如上文所描述，辅助数据包括指示每个像素所属的组的14位分组数据。
4.在所有组合比较压缩电路中执行的压缩处理
接下来，将给出由图像压缩电路13的所有组合比较压缩电路32所执行的压缩处理的描述。如上文所描述的，所有组合比较压缩电路32响应于描述于代表值数据33中包括的四个数据集之间的相关性，从多种压缩处理选择压缩处理，并且通过对四个数据集执行所选择的压缩处理而生成压缩图像数据22。在此实施例中，从无损压缩、（1×4）压缩、（2+1×2）压缩、（2×2）压缩和（4×1）压缩选择适当压缩处理，如上文所描述。
此处，无损压缩为允许由压缩图像数据完全再现原始数据集的压 缩处理；在此实施例中，在要被压缩的四个数据集落入任何特定模式的情况下使用无损压缩。（1×4）压缩为对要被压缩的四个数据集中的每一个单独地执行减小位数的处理（在此实施例中，使用抖动矩阵的抖动）的压缩处理。当在要被压缩的四个数据集之间存在差相关性时，（1×4）压缩是有利的。
（2+1×2）压缩为确定表示要被压缩的四个数据集中的两个的数据值的代表值并对另两个数据集中的每一个单独地执行减少位数的处理（在此实施例中，使用抖动矩阵的抖动）的压缩处理。当在四个数据集中的两个之间的相关性高并且在另两个数据集之间的相关性差时，（2+1×2）压缩是有利的。
（2×2）压缩为将要被压缩的四个数据集分组为各包括两个数据集的两对，并且对于每对数据集确定表示数据值的代表值的压缩处理。当在四个数据集中的两个之间的相关性高，并且在另两个数据集之间的相关性高时，（2×2）压缩是有利的。
（4×1）压缩为确定表示要被压缩的四个数据集的代表值的压缩处理。当在要被压缩的所有四个数据集之间的相关性高时，（4×1）压缩是有利的。
取决于要被压缩的四个数据集是否落入任何特定模式和从要被压缩的四个数据集选择的两个数据集的所有可能组合之间的相关性来确定将使用的上述五种压缩处理中的哪一种。例如，当四个数据集之间的相关性高时，使用（4×1）压缩，而当在四个数据集中的两个之间的相关性高并且另两个数据集之间的相关性高时使用（2×2）压缩。
为了执行上述操作，如图2B所示，所有组合比较压缩电路32包括模式识别部41、无损压缩部42、（1×4）压缩部43、（2+1×2）压缩部44、（2×2）压缩部45、（4×1）压缩部46和压缩数据选择部 47。
模式识别部41接收代表值数据33的四个数据集并且确定要选择上述五种压缩处理中的哪一种。例如，模式识别部41识别数据集的哪个组合提供高相关性或者哪个数据集表现出与其它数据集的低相关性。而且，模式识别部41生成指示使用五种压缩处理：无损压缩、（1×4）压缩、（2+1×2）压缩、（2×2）压缩以及（4×1）压缩中哪一种的选择数据。
无损压缩部42、（1×4）压缩部43、（2+1×2）压缩部44、（2×2）压缩部45和（4×1）压缩部46分别对代表值数据33的四个数据集执行上述无损压缩、（1×4）压缩、（2+1×2）压缩、（2×2）压缩和（4×1）压缩，从而生成无损压缩数据、（1×4）压缩数据、（2+1×2）压缩数据、（2×2）压缩数据和（4×1）压缩数据。
压缩数据选择部47基于从模式识别部41接收的选择数据选择无损压缩数据、（1×4）压缩数据、（2+1×2）压缩数据、（2×2）压缩数据和（4×1）延伸数据中的任何一个，并且输出将代表值数据33中包括的16位辅助数据附加到选择压缩数据而生成的数据作为压缩图像数据22。压缩图像数据22包括指示使用上述五种压缩处理中哪一种的一个或多个压缩类型识别位。将从压缩数据选择部47输出的压缩图像数据22转移到图像存储器14并且写入到图像存储器14中。
图14为示出在所有组合比较压缩电路32的模式识别部41中选择适当压缩处理的示例性操作的流程图。在下文的描述中，数据集A、B、C和D的R子像素的中心值分别被称作R数据RA、RB、RC和RD。同样，数据集A、B、C和D的G子像素的中心值分别被称作G数据GA、GB、GC和GD，并且数据集A、B、C和D的B子像素的中心值分别被称作B数据BA、BB、BC和BD。
首先确定数据集A、B、C和D是否落入任何预定特定模式，并且如果数据集A、B、C和D落入任何特定模式，则执行无损压缩。在此实施例中，选择数据集A、B、C和D的不同数据值的数量为五个或更少的预定模式作为将执行无损压缩的特定模式。
在一个示例中，当数据集A、B、C和D落入以下四个模式（1）至（4）中的任何一个时，执行无损压缩：
（1）在数据集A、B、C和D相同的情况下
如果数据集A、B、C和D满足以下条件（1a），则执行无损压缩：
条件（1a）
RA=RB=RC=RD，
GA=GB=GC=GD，以及
BA=BB=BC=BD。
在此情况下，数据集A、B、C和D的不同数据值的数量为三个。
（2）在数据集A、B、C和D中的每一个的三个代表值相同的情况下
也在数据集A、B、C和D满足以下条件（2a）时执行无损压缩：
条件（2a）
RA=GA=BA，
RB=GB=BB，
RC=GC=BC，以及
RD=GD=BD。
在此情况下，数据集A、B、C和D的不同数据值的数量为四个。
（3）在R、G和B数据中的两个的数据值对于数据集A、B、C和D而言相同的情况下
如果满足下面三个条件（3a）至（3c）的任何一个，也执行无损压缩：
条件（3a）
GA=GB=GC=GD=BA=BB=BC=BD。
条件（3b）
BA=BB=BC=BD=RA=RB=RC=RD。
条件（3c）
RA=RB=RC=RD=GA=GB=GC=GD。
在此情况下，数据集A、B、C和D的不同数据值的数量为五个。
（4）在R、G和B数据中的一个的数据值对于数据集A、B、C和D相同并且另两个数据的数据值对于数据集A、B、C和D相同的情况下
此外，如果满足下面三个条件（4a）至（4c）的任何一个，也执行无损压缩：
条件（4a）
GA=GB=GC=GD，
RA=BA，
RB=BB，,
RC=BC，以及
RD=BD。
条件（4b）
BA=BB=BC=BD，
RA=GA，
RB=GB，
RC=GC，以及
RD=GD。
条件（4c）
RA=RB=RC=RD，
GA=BA，
GB=BB，
GC=BC，以及
GD=BD。
在此情况下，数据集A、B、C和D的不同数据值的数量为五个。
当不使用无损压缩时，取决于数据集A、B、C和D之间的相关性来选择压缩处理。更具体而言，模式识别部41确定数据集A、B、C和D落入下面情况中的哪一种：
情况A：
在从数据集A、B、C和D选择的两个数据集的任何组合之间存在差相关性。
情况B：
在数据集A、B、C和D中的两个之间存在高相关性，在先前提到的两个数据集和另两个数据集之间存在差相关性，并且在该另两个数据集彼此之间存在差相关性。
情况C：
在数据集A、B、C和D的两个数据集之间存在高相关性，并且在另两个数据集之间存在高相关性。
情况D：
在数据集A、B、C和D之间存在高相关性。
具体而言，如果对于满足：
i∈{A,B,C,D}，
j∈{A,B,C,D}，以及
i≠j，
的i和j的所有组合并未满足以下条件（A），则模式识别部41确定数据集A、B、C和D落入情况A（即，在从数据集A、B、C和D选择的两个数据集的任何组合之间存在差相关性）（步骤S02）。
条件（A）
|Ri–Rj|≤Th1，
|Gi–Gj|≤Th1，以及
|Bi–Bj|≤Th1，
其中Th1为预定阈值。
当数据集A、B、C和D落入情况A时，模式识别部41确定执行（1×4）压缩。
当并未确定数据集A、B、C和D落入情况A时，图像识别部41限定从数据集A、B、C和D选择的第一对数据集和第二对数据集，并且对于第一对和第二对的所有可能组合，确定是否满足在属于第一对的两个数据集的数据值之间的差小于预定值并且在属于第二对的两个数据集的数据值之间的差小于预定值的条件。
更具体而言，模式识别部41确定是否满足以下条件（B1）至（B3）中的任何一个（步骤103）：
条件（B1）
|RA–RB|≤Th2，
|GA–GB|≤Th2，
|BA–BB|≤Th2，
|RC–RD|≤Th2，
|GC–GD|≤Th2，以及
|BC–BD|≤Th2。
条件（B2）
|RA–RC|≤Th2，
|GA–GC|≤Th2，
|BA–BC|≤Th2，
|RB–RD|≤Th2，
|GB–GD|≤Th2，以及
|BB–BD|≤Th2。
条件（B3）
|RA–RD|≤Th2，
|GA–GD|≤Th2，
|BA–BD|≤Th2，
|RB–RC|≤Th2，
|GB–GC|≤Th2，以及
|BB–BC|≤Th2。
应当指出的是Th2为预定阈值。
如果满足了上述条件（B1）至（B3），则模式识别部41确定数据集A、B、C和D落入情况B（即，在两个数据集之间存在高相关性，在先前提到的两个数据集与另两个数据集之间存在差相关性，并且在该另两个像素彼此之间存在差相关性）。在此情况下，模式识别部41确定执行（2+1×2）压缩。
如果四个数据集既不落入A也不落入情况B，则模式识别部41 确定在四个数据集的最大值与最小值之间的差是否小于四个数据集的R数据、G数据和B数据中的每一个的预定值。更具体而言，模式识别部41确定是否满足了以下条件（C）（步骤S04）：
条件（C）
max（RA,RB,RC,RD）–min（RA,RB,RC,RD）<Th3，
max（GA,GB,GC,GD）–min（GA,GB,GC,GD）<Th3，以及
max（BA,BB,BC,BD）–min（BA,BB,BC,BD）<Th3。
如果不满足条件（C），则模式识别部41确定四个数据集落入情况C（即，在两个数据集之间存在高相关性并且在另两个数据集之间存在高相关性）。在此情况下，模式识别部41确定执行（2×2）压缩。
另一方面，如果满足条件（C），则模式识别部41确定四个数据集落入情况D（在四个数据集之间存在高相关性）。在此情况下，模式识别部41确定执行（4×1）压缩。
模式识别部41基于在上述识别相关性识别结果生成选择数据，以指示将使用（1×4）压缩、（2+1×2）压缩、（2×2）压缩和（4×1）压缩中的哪一个，并且将选择数据发送到压缩数据选择部47。如上文所描述，压缩数据选择部47对于从模式识别部41接收的选择数据做出响应，以输出从无损压缩部42输出的无损压缩数据、从（1×4）压缩部43输出的（1×4）压缩数据、从（2+1×2）压缩部44输出的（2+1×2）压缩数据、从（2×2）压缩部45输出的（2×2）压缩数据和从（4×1）压缩部46输出的（4×1）压缩数据中的任何一个作为压缩图像数据22。
应当指出的是将在下文中描述无损压缩、（1×4）压缩、（2+1×2）压缩、（2×2）压缩和（4×1）压缩的细节。
5.在12代表值再现电路中执行的解压处理
12代表值再现电路34确定上述五种压缩处理中的哪一个实际上用于生成从图像存储器14接收的压缩图像数据23，并且通过对应于实际上用于生成压缩图像数据23的压缩处理的解压处理来将压缩图像数据23解压。
为了实现这样的操作，如图3B所示，12代表值再现电路34包括原始数据再现部51、（1×4）解压部52、（2+1×2）解压部53、（2×2）解压部54、（4×1）解压部55和解压数据选择部56。原始数据再现部51、（1×4）解压部52、（2+1×2）解压部53、（2×2）解压部54、（4×1）解压部55和解压数据选择部56分别具有将由无损压缩、（1×4）压缩、（2+1×2）压缩、（2×2）压缩和（4×1）压缩所生成的压缩图像数据23解压的功能。解压数据选择部56从包括于压缩图像数据23中的（多个）压缩类型识别位识别实际上用于生成压缩图像数据23的压缩处理，并且从输出自原始数据再现部51、（1×4）解压部52、（2+1×2）解压部53、（2×2）解压部54和（4×1）解压部55的解压数据选择由与实际使用的压缩处理对应的解压处理生成的解压数据。解压数据选择部56将包括于压缩图像数据23中的16位辅助数据附加到所选择的解压数据而生成的数据输出为代表值再现数据36。这导致通过由12代表值再现电路34执行的解压处理得到的代表值再现数据36包括四个再现数据集和16位辅助数据。因此，代表值再现数据36为112位数据。
应当指出的是将在下文中描述在原始数据再现部51、（1×4）解压部52、（2+1×2）解压部54和（4×1）解压部55中执行的解压处理的细节。
6.由图像数据再现电路执行的后处理
图像数据再现电路35执行从四个数据集和在代表值再现数据36中所描述的辅助数据再现与八个像素相关联的原始图像数据的处理 （这样的处理在下文中被称作“后处理”）。图像数据再现电路35将由后处理再现的图像数据输出为解码图像数据24。在由图像数据再现电路35执行的后处理中，由以下过程再现各个像素的图像数据。
首先，从八个像素选择要再现图像数据的像素。在下文中，所选择的像素被称作目标像素。然后，从辅助数据标识目标像素所属于的组。通过将在与所标识的组相关联的数据集中描述的R子像素、G子像素和B子像素的灰度级的中心值确定为目标像素的R子像素、G子像素和B子像素的灰度级，来再现目标像素的图像数据。
图15为示出对于四个数据集由图12所示的数据组成的情况，八个像素的再现图像数据的内容（即，解压图像数据24的内容）。例如，考虑属于组#00的像素#0。图像数据再现电路35从代表值再现数据36的辅助数据识别像素#0属于组#00。另一方面，与组#00相关联的数据集A描述了R子像素、G子像素和B子像素的中心值分别为“102”、“210”和“97”。在此情况下，像素#0的R子像素、G子像素和B子像素的灰度级分别被还原为“102”、“210”和“97”。对于其它像素#1至#7执行类似处理并且由此生成解压图像数据24。
解压图像数据24被转移到数据线驱动电路16，并且响应于解压图像数据24来驱动LCD面板2的数据线。
如上文所描述，通过对与八个像素相关联的图像数据21执行预处理而由图像压缩电路13生成包括四个数据集的代表值数据33。然后响应于四个数据集之间的相关性，从多种压缩处理选择适当压缩处理，并且对代表值数据33的四个数据集执行所选择的压缩处理，以因此生成压缩图像数据22。
在压缩图像数据23的解压中，对压缩图像数据23执行对应于所选择的压缩处理的解压处理，并且由此再现包括四个数据集的代表值 再现数据36。然后对四个数据集执行对应于上述预处理的后处理，并且由此生成解压图像数据24，解压图像数据24为八个像素的原始图像数据的再现。
上述压缩和解压处理通过执行减少了相关性计算的组合数量的预处理而有效地抑制电路大小增加，并且通过响应于四个数据集之间的相关性来选择压缩处理而有效地减小压缩误差。
此外，因为执行分组从而划分具有最大变化的组，在本实施例中执行的预处理有效地减小了包括于每个组中的像素变化。这意味着当R子像素的灰度级中心值以及G子像素和B子像素的灰度级中心值被用作代表值时，丢失更少的信息；这有助于减轻图像质量劣化。
（第二实施例）
图16为示出了在本发明的第二实施例中由12代表值计算电路31执行的预处理的内容的流程图，并且图17至图22为示出了由12代表值计算电路31执行的预处理的数值示例的图。而且，图23为由图像数据再现电路35执行的后处理内容的流程图，并且图24和图25为示出由图像数据再现电路35执行的后处理的数值示例的图。
在第二实施例中，由12代表值计算电路31执行的预处理和由图像数据再现电路35执行的后处理的内容与第一实施例中执行的那些不同。在下文中，给出由12代表值计算电路31执行的预处理和由图像再现电路35执行的后处理的详细描述。应当指出的是除了由12代表值计算电路31执行的预处理和由图像数据再现电路35执行的后处理之外，在第二实施例中的液晶显示装置1的配置和操作与第一实施例中的那些相同。
一般而言，由12代表值计算电路31执行的预处理包括：
（a）对与八个像素相关联的图像数据21执行YCrCb变换的处理；
（b）从选自由YCrCb变换获得的亮度数据（Y数据）和两种色差数据（Cr数据和Cb数据）的、具有最大变化的数据生成八个代表值的处理；以及
（c）从另两个数据中的每一个生成两个代表值（即，生成总共四个代表值）的处理。
因此得到的12个代表值被分成四个数据集。因此限定的四个数据集然后经受所有组合压缩电路32的压缩处理（即，响应于四个数据集之间的相关性，从多种压缩处理选择适当压缩处理的处理）以生成压缩图像数据22。在下文中，将给出第二实施例中由12代表值计算电路31执行的预处理的描述。
当与八个像素相关联的图像数据21被输入到12代表值计算电路31（步骤S31）时，与八个像素相关联的输入图像数据21经受YCrCb变换（步骤S32）。在此实施例中，根据以下方程式对每个像素执行YCrCb变换：
Y=R+2G+B，……（11a）
Cr=R-G，以及，……（11b）
Cb=B-G，……（11c）
其中R表示每个像素的R子像素的灰度级，G表示每个像素的G子像素的灰度级，并且B表示每个像素的B子像素的灰度级。应当指出的是，如本领域中已知的，可以通过使用与方程式（11a）至（11c）不同的各种方程式来实现YCrCb变换。图17示出了与八个像素相关联的图像数据21的具体数值示例，并且图18示出了通过对与图17所示的八个像素相关联的图像数据21执行根据方程式（11a）至（11c）的YCrCb变换得到的Y数据、Cr数据和Cb数据。
然后从Y数据、Cr数据和Cb数据选择具有最大变化的数据，并且从所选择的数据生成八个代表值并且然后存储（步骤S33）。详细地，对于八个像素的Y数据、Cr数据和Cb数据中的每一个，计算最大值 和最小值并且然后计算在最大值与最小值之间的差。从Y数据、Cr数据和Cb数据选择在最大值与最小值之间具有最大差的数据，作为具有最大变化的数据。对于图18所示的示例，由于Y数据的最大值与最小值之间的差大于Cr数据和Cb数据的最大值与最小值之间的差，Y数据被选择为具有最大变化的数据，并且从八个像素的Y数据生成八个代表值并然后将其存储。
在此实施例中，代表值被限定为8位数据，并且因此当被选择为具有最大变化的数据的位宽度大于8位时，执行减少位数的处理。当图像数据21描述例如具有8位数据的R子像素、G子像素和B子像素中的每一个的灰度级时，例如，由上述方程式（11a）获得的Y数据为10位数据。因此，当Y数据被选择为具有最大变化的数据时，执行从Y数据截断低两位的处理（即，将Y数据值除以四的处理）。即，通过截断八个像素的Y数据的低两位而生成八个代表值。在图16中，由数字Y0至Y7表示因此获得的八个代表值。
而且，生成指示选择Y数据、Cr数据和Cb数据中的哪一个的颜色变换数据。颜色变换数据为2位数据并且作为16位辅助数据的两位而被并入代表值数据33内。
应当指出的是尽管下文的描述针对于Y数据被选择为具有最大变化的情况，如果Cr数据或Cb数据被选择为具有最大变化的数据，那么对于其余两种类型的数据（即，Y数据和在Cr数据和Cb数据中未选择的数据）执行下文所描述的步骤S34至S41的处理。
这之后计算Cr数据和Cb数据（即，对于在步骤S33未选择的其余两种类型的数据）中的每一个的最大值和最小值（步骤S34-1和S34-2）。而且，对于Cr数据和Cb数据中的每一个计算中心值（即，最大值与最小值的平均值）和变化（即，在最大值与最小值之间的差）（步骤S35-1至S35-2）。图19示出了对于图18所示的Cr数据和Cb 数据中的每一个计算的最大值、最小值和变化（在最大值与最小值之间的差）。此处，Cr_Max、Cr_Min和Cr_Diff分别表示Cr数据的最大值、最小值和变化（即，在最大值与最小值之间的差）。相对应地，Cb_Max、Cb_Min和Cb_Diff分别表示Cb数据的最大值、最小值和变化（在最大值与最小值之间的差）。
这之后从Cr数据和Cb数据选择具有更大变化的数据（即，在最大值与最小值之间具有更大差的数据）（步骤S36）。在图19的示例中，由于Cb数据的变化Cb_Diff大于Cr数据的变化Cr_Diff，选择Cb数据。
这之后取决于所选择的数据对八个像素执行分组（步骤S37）。在选择Cb数据的图20的示例中，基于Cb数据执行分组。详细地，在关注的八个像素中，将具有大于中心值Cb_center的Cb数据的像素分组到组#0，并且将具有小于中心值Cb_center的Cb数据的像素分组到组#1。可以通过比较每个像素的Cb数据与Cb数据的中心值Cb_center来实现这样的分组。图20示出了Cb数据的中心值Cb_center为75的示例。在图20的示例中，具有大于中心值Cb_center的Cb数据的像素#0、#4和#5被分组到组#0，并且具有小于中心值Cb_center的Cb数据的像素#1、#2、#3、#6和#7被分组到组#1。
应当指出的是执行步骤S37的分组使得将特定像素（在此实施例中像素#0）无条件地分到组#0。这消除了存储对指示像素#0属于哪个组的信息的需要。
由于在步骤S37的分组的结果，生成指示#1至#7分别被分组到哪个组的分组数据。分组数据为7位数据并且作为16位辅助数据的七位而被并入代表值数据33内。这之后执行计算属于每个组的像素的Cr数据和Cb数据的最大值和最小值的处理（步骤S38）和计算属于每个组的像素的Cr数据和Cb数据的中心值（最大值与最小值的平均值） 的处理（步骤S39）。更具体而言，计算属于组#0的像素的Cr数据的最大值Cr_Max0和最小值Cr_Min0以及Cb数据的最大值Cb_Max0、最小值Cb_Min0（步骤S38-1）。相对应地，计算属于组#1的像素的Cr数据的最大值Cr_Max0、最小值Cr_Min0以及Cb数据的最大值Cb_Max0、最小值Cb_Min0（步骤S38-2）。图21示出了关于图20所示的示例，对组#0和#1中的每一个的Cr数据和Cb数据的最大值和最小值的计算结果。
而且，计算属于组#0的像素的Cr数据和Cb数据的中心值Cr_Center0和Cb_Center0（步骤S39-1）。将中心值Cr_Center0和Cb_Center0分别计算为Cr数据和Cb数据的最大值和最小值的平均值，并且其满足：
Cr_Center0=（Cr_Max0+Cr_Min0）/2，和……（12a）
Cb_Center0=（Cb_Max0+Cb_Min0）/2。……（12b）
对于组#1同样如此。通过以下方程式来计算属于组#1的像素的Cr数据和Cb数据的中心值Cr_Center1和Cb_Center1（步骤S39-2）：
Cr_Center1=（Cr_Max1+Cr_Min1）/2，和……（12c）
Cb_Center1=（Cb_Max1+Cb_Min1）/2。……（12d）
这之后执行从属于组#0的像素的Cr数据和Cb数据的中心值Cr_Center0和Cb_Center0和属于组#1的像素的Cr数据和Cb数据的中心值Cr_Center1和Cb_Center1确定其余四个代表值的处理。下文所描述的步骤S40和S41目的在于确定其余四个代表值（应当指出的是已经从八个像素的Y数据确定八个代表值）。
属于组#0和#1的像素的Cr数据的中心值Cr_Center0和Cr_Center1按原样被用作两个代表值。在下文中，从属于组#0和#1的像素的Cr数据的中心值Cr_Center0和Cr_Center1确定的代表值分别由符号Cr0和Cr1表示。
换言之，满足以下条件：
Cr0=Cr_Center0，和……（13a）
Cr1=Cr_Center1。……（13b）
另一方面，Cb数据的中心值Cb_Center0和Cb_Center1经受加法/减法处理，使得对中心值Cb_Center0的加法/减法处理的结果接近Cr_Center0的值，并且通过加法/减法处理得到的两个值被用作其余两个代表值。在下文中，从属于组#0和#1的像素的Cb数据的中心值Cb_Center0和Cb_Center1确定的代表值分别由符号Cb0和Cb1表示。
详细地，首先计算属于组#0的像素的Cr数据和Cb数据的中心值之间的差ΔCrCb0（步骤S40），其中：
ΔCrCb0=Cr_Center0-Cb_Center0。
而且，将取决于差ΔCrCb0确定的参数值η加到Cb数据的中心值Cb_Center0和Cb_Center1的处理（步骤S41）。换言之，通过以下方程式计算代表值Cb0和Cb1：
Cb0=Cb_center0+η，和……（14a）
Cb1=Cb_center1+η。……（14b）
应当指出的是允许参数值η为负值。换言之，根据方程式（14a）和（14b）的处理可以被表示为对Cb数据的中心值Cb_Center0和Cb_Center1执行加法或减法的处理。
方程式（4a）和（4b）中使用的参数值η被确定为使得满足：
η=m·2K，      ……（15a）
其中m为取决于差ΔCrCb0（=Cr_Center0-Cb_Center0）确定的整数，并且K为小于Cr数据和Cb数据的位数的预定自然数。应当指出的是m可为正整数、负整数或零中的任何一个。在此实施例中，考 虑到Cr数据和Cb数据的位数为九并且K为五的情况。在此情况下，方程式（15a）可以被重写为以下方程式（15b）：
η=32×m。……（15b）
在通过方程式（15b）来确定参数值η的本实施例中，基于方程式（14a）和（14b）的计算导致加或减32（=25）的整倍数。
参数m取决于差ΔCrCb0（=Cr_Center0-Cb_Center0）。更具体而言，如下来确定m：
（A）如果Cr_center0≤Cb_center0,
m=[|ΔCrCb0|/2K]，和……（16a）
（B）如果Cr_center0>Cb_center0,
m=-[|ΔCrCb0|/2K]，……（16b）
其中[x]为x的地板函数，表示对于实数x而言不大于x的最大整数。
向从Cr数据和Cb数据的位数减去在方程式（5a）中定义的K得到的数加一而得到表示参数m所需的位数。在此实施例中，m可以被表示为5位数据。由方程式（16a）和（16b）确定的参数m被定义为CrCb差数据，并且将CrCb差数据作为16位辅助数据中的五位并入代表值数据33内。
在图21的示例中，差ΔCrCb0为二。这导致m被确定为零并且η也被确定为零。因此，满足：
Cb0=Cb_Center0，和  ……（14a’）
Cb1=Cb_Center1。……（14b’）
这意味着中心值Cb_Center0和Cb_Center1按原样被用作代表值值Cb0和Cb1。
应当指出的是，在步骤S40，Cb数据的中心值Cb_Center0和Cb_Center1基于差ΔCrCb0而经受加法/减法处理，从组#0的像素的Cr数据的中心值Cr_Center0和Cb数据的中心值Cb_Center0计算差ΔCrCb0。替代地，Cb数据的中心值Cb_Center0和Cb_Center1可以基于差ΔCrCb1而经受加法/减法处理，从组#1的像素的Cr数据的中心值Cr_Center1和Cb数据的中心值Cb_Center1来计算差ΔCrCb1。在此情况下，取决于差ΔCrCb1（=Cr_Center1-Cb_Center1）来确定m。更具体而言，如下确定m：
（A）如果Cr_Center1≤Cb_Center1，
m=[|ΔCrCb1|/2K]，和    ……（16c）
（B）如果Cr_Center1>Cb_Center1，
m=-[|ΔCrCb1|/2K]。……（16c）
因此通过上述过程来确定12代表值（即，Y0至Y7、Cr0、Cb0、Cr1和Cb1）。从这12代表值来限定四个数据集。图22为示出四个数据集A、B、C和D的内容的表。数据集A包括数据Y0、Cr0和Y4，并且数据集B包括数据Y1、Cb0和Y5。而且，数据集C包括数据Y2、Cr1和Y6，并且数据集D包括数据Y3、Cb1和Y7。
应当指出的是上文所描述方案确定四个数据集A、B、C和D，使得其具有相对高的相关性。Y0至Y7的变化小，因为Y0至Y7是从布置成两行和四列的八个像素（这暗示八个像素相对靠近彼此定位）的图像数据21计算的亮度数据（Y数据）得到的。在Cr0与Cr1之间的差也小，因为Cr0和Cr1是从布置成两行和四列的八个像素的图像数据21计算的色差数据（Cr数据）得到的。而且，由于在步骤S40和S41的计算，Cr0和Cb0被确定为使得Cr0与Cb0之间的差小。这导致减少信息丢失，有助于减轻图像质量劣化。
通过将16位辅助数据附加到因此限定的四个数据集来生成代表值数据33。如上文所描述，辅助数据包括指示在步骤S33选择Y数据、 Cr数据和Cb数据中的哪一个的颜色变换数据（二位），指示每个像素所属的组的分组数据（七位）和指示由方程式（16a）和（16b）确定的m的CrCb差数据（五位）。辅助数据的其余两位可以被用于任何目的。在一个示例中，辅助数据的其余两位可以被用作指示执行本实施例中所描述的压缩处理的标识符。
将因此生成的代表值数据33输入到所有组合比较压缩电路32，并且由所有组合比较压缩电路32对代表值数据33的数据集A、B、C和D执行压缩处理。应当指出的是，在本实施例中，在包括于代表值数据33的数据集A、B、C和D与用作所有组合比较压缩电路32的输入的十二个数据（即，数据RA、RB、RC、RD、GA、GB、GC、GD、BA、BB、BC和BD）之间限定对应关系。首先，代表值数据33的数据集A、B、C和D的数据Y0、Y1、Y2和Y3分别用作R数据RA、RB、RC和RD。而且，代表值数据33的数据集A、B、C和D的数据Cr0、Cb0、Cr1和Cb1分别用作G数据GA、GB、GC和GD。而且，代表值数据33的数据集A、B、C和D的数据Y4、Y5、Y6和Y7分别用作B数据BA、BB、BC和BD。尽管作为所有组合比较压缩电路32的输入的R数据、G数据和B数据在第二实施例中并不具有标识颜色的技术功能，第二实施例的所有组合比较压缩电路32也执行与第一实施例的计算处理相同的计算处理，以生成压缩图像数据22。应当指出的是压缩图像数据22并入了包括于代表值数据33中的辅助数据。
图23为在第二实施例中对从图像存储器14转移的压缩图像数据23执行的解压处理的流程图。当从图像存储器14转移的压缩图像数据23被首先输入到图像解压电路15（步骤S51）时，由12代表值再现电路34执行与所有组合比较压缩电路32中执行的压缩处理相对应的解压处理（步骤S52）。更具体而言，12代表值再现电路34确定上述五种压缩处理中的哪一种被用于生成从图像存储器14转移的压缩图像数据23，并且对压缩图像数据23执行与实际使用的压缩处理相对应的解压处理，以生成代表值再现数据36。换言之，再现12个代表值（即， Y0至Y7、Cr0、Cb0、Cr1和Cb1）。此处，将包括于压缩图像数据23中的辅助数据按原样并入代表值再现数据36内。
而且，图像数据再现电路35执行后处理以从四个数据集和在代表值再现数据36中描述的辅助数据再现八个像素的原始图像数据。图像数据再现电路35输出由后处理再现的图像数据作为解压图像数据24。在此实施例中，如下在由图像数据再现电路35执行的后处理中再现与相应像素相关联的图像数据：
首先，基于包括于辅助数据中的颜色变换数据，图像数据再现电路35识别在步骤S33选择的亮度数据（Y数据）。
而且，图像数据再现电路35从在代表值再现数据36中描述的Cr0、Cb0、Cr1、Cb1和CrCb差数据再现组#0和#1的像素的Cr数据和Cb数据的中心值Cr_Center0、Cb_Center0、Cr_Center1和Cb_Center1（步骤S53）。应当指出的是可以通过方程式（14a）、（14b）、（15a）和（15b）再现中心值Cr_Center0、Cb_Center0、Cr_Center1和Cb_Center1，因为CrCb差数据指示由方程式（16a）和（16b）确定的参数m。
然后，图像数据再现电路35执行从数据Y0至Y7和中心值Cr_Center0、Cb_Center0、Cr_Center1和Cb_Center1再现八个像素的原始Y数据、Cr数据和Cb数据的处理。如下实现了八个像素的原始Y数据、Cr数据和Cb数据的再现：
首先，从八个像素选择要再现Y数据、Cr数据和Cb数据的像素。在下文中，所选择的像素被称作目标像素。这之后基于辅助数据来标识目标像素所属的组。目标像素的Cr数据和Cb数据被再现为目标像素所属的组的Cr数据和Cb数据的中心值对（即，Cr_Center0和Cb_Center0的对或者Cr_Center1和Cb_Center1的对）。此外，从数据Y0至Y7中的、与目标像素对应的数据再现目标像素的Y数据。在通 过截断Y数据的低两位来生成数据Yi（其中i为从零到七的整数）的本实施例中，目标像素的Y数据被再现为与数据Y0至Y7中的、与目标数据对应的数据的四倍的值。
图24为示出在组#0和#1的Cr数据和Cb数据的中心值为图21所示的值的情况下，八个像素的所再现的Y数据、Cr数据和Cb数据的内容（即，解压图像数据24的内容）。考虑例如属于组#0的像素#0。在此情况下，通过将对应于像素#0的数据Y0乘以四来再现像素#0的Y数据。而且，基于代表值再现数据36的辅助数据，图像数据再现电路35识别属于组#0的像素#0。像素#0的Cr数据被确定为对于组#0计算的Cr数据的中心值Cr_Center0，并且像素#0的Cb数据被确定为对于组#0计算的Cb数据的中心值Cb_Center0。因此，像素#0的Y数据、Cr数据和Cb数据分别被确定为593、110和108。对于其它像素#1至#7执行类似处理并且由此确定像素#1至#7的Y数据、Cr数据和Cb数据。
这之后对像素#0至#7的Y数据、Cr数据和Cb数据执行YCrCb-RGB变换以生成与像素#0至#7相关联的解压图像数据24。解压图像数据24被转移到数据线驱动电路16，并且响应于解压图像数据24驱动LCD面板2的数据线。
应当指出的是尽管以上描述了将Y数据选择为具有最大变化的数据的情况，在Cr数据或Cb数据中的任何一个被选择为具有最大变化的数据的情况下，对于其余两种类型的数据（即，Y数据和Cr数据和Cb数据中未选择的数据）执行上述步骤S53和S54。
如上文所描述，也在本实施例中图像压缩电路13中对八个像素的图像数据21执行预处理来生成包括四个数据集的代表值数据33。而且，响应于在四个数据集之间的相关性从多种压缩处理选择适当压缩处理，并且对代表值数据33的四个数据集执行所选择的压缩处理以最终 生成压缩图像数据22。
另一方面，在解压处理中，对压缩的图像23执行对应于所选择的压缩处理的解压处理以再现代表值再现数据36，代表值再现数据36包括四个数据集。这之后对四个数据集执行与上述预处理相对应的后处理，以生成解压图像数据24，对解压图像数据24再现八个像素的原始图像数据。
上述压缩和解压处理通过执行减小了相关性计算的组合数量的预处理来有效地抑制电路大小增加，并且通过响应于四个数据集之间的相关性来选择压缩处理而有效地减小压缩误差。
此外，确定四个数据集A、B、C和D使得在彼此之间具有高相关性。在数据Y0至Y7之间的变化相对小，因为数据Y0至Y7是从与布置为两行和四列的八个像素相关联的图像数据计算的亮度数据（Y数据）获得的。同样，在Cr0与Cr1之间的差也小，因为Cr0和Cr1是从布置为两行和四列的八个像素相关联的图像数据21计算的色差数据（Cr数据）获得的。而且，由于在步骤S40和S41的上述计算的结果，在Cr0与Cb0之间的差也小。这有效地减小信息丢失，有助于减轻图像质量劣化。
（在所有组合比较压缩电路中的压缩处理和在12代表值再现电路的解压处理的细节）
在下文中，给出了无损压缩、（1×4）压缩、（2+1×2）压缩、（2×2）压缩和（4×1）压缩和在12代表值再现电路34中对由这些压缩处理生成的压缩图像数据执行的解压处理的示例的详细描述。
1.无损压缩和其解压处理
在本实施例中，通过重新布置数据集A、B、C和D的数据值而 实现了无损压缩。图26示出了通过无损压缩生成的无损压缩数据的示例性格式。在本实施例中，无损压缩数据为48位数据，包括压缩类型识别位、模式类型数据、数据#1至#5和填充数据。
压缩类型识别位指示实际使用的压缩处理并且四位被分配到无损压缩数据中的压缩类型识别位。在本实施例中，无损压缩数据的压缩类型识别位的值为“1111”。
模式类型数据标识数据集A、B、C和D落入的模式。在限定了八个特定模式（即，分别对应于上述条件（1a）、（2a）、（3a）至（3c）和（4a）至（4c）的模式）的本实施例中，模式类型数据为3位数据。
通过重新布置数据集A、B、C和D的数据值而获得数据#1至#5。数据#1至#5全部是8位数据。如上文所描述的，当选择了无损压缩时，数据集A、B、C和D的不同数据值的数量等于或小于五。这暗示数据集A、B、C和D的全部数据值可以被包含于数据#1至#5中。
可以加上填充数据以使得无损压缩数据的位数等于由其它压缩处理所生成的压缩图像数据。在本实施例中，填充数据为一位。
通过参考模式类型数据重新布置数据#1至#5，来实现通过上述无损压缩生成的无损压缩数据的解压。由于模式类型数据描述了数据集A、B、C和D落入的模式，可以通过参考模式类型数据无压缩误差地完全再现数据集A、B、C和D。
2.（1×4）压缩和其解压处理
图27为示出（1×4）压缩数据的示例性格式的概念图。如上文所描述，（1×4）压缩用于当从四个数据集选择的两个数据集的所有可能组合之间存在差相关性的情况。在本实施例中，如图27所示，（1×4）压缩数据包括压缩类型识别位、RA*数据、GA*数据、BA*数据、RB*数 据、GB*数据、BB*数据、RC*数据、GC*数据、BC*数据、RD*数据和、GD*数据和BD*数据。在本实施例中，（1×4）压缩数据为48位数据。
压缩类型识别位指示实际使用的压缩处理；在（1×4）压缩数据中，一位被分配给压缩类型识别位。在本实施例中，（1×4）压缩数据的压缩类型识别位的值为“0”。
另一方面，通过分别对数据集A的R数据RA、G数据GA和B数据BA执行减位处理获得RA*数据、GA*数据和BA*数据，并且通过分别对数据集B的R数据RB、G数据GB和B数据BB执行减位处理而获得RB*数据、GB*数据和BB*数据。相对应地，通过分别对数据集C的R数据RC、G数据GC和B数据BC执行减位处理获得RC*数据、GC*数据和BC*数据，并且分别对数据集D的R数据RD、G数据GD和B数据BD执行减位处理获得RD*数据、GD*数据和BD*数据。在此实施例中，仅与数据集D的B数据相关联的BD*数据为3位数据，并且其它数据（即，RA*、GA*和BA*数据，RB*数据、GB*和BB*数据，RC*、GC*和BC*数据和RD*和GD*数据）为4位数据。
在下文中将参考图27给出（1×4）压缩中执行的数据处理的描述。在（1×4）压缩中，对数据集A至D中的每一个执行使用抖动矩阵的抖动处理以减少数据集A至D的位数。更具体而言，首先执行的是向数据集A、B、C和D的R数据、G数据和B数据中的每一个加上误差数据α的处理。在此实施例中，取决于待执行的压缩处理的块的位置来确定误差数据α（例如，使用作为拜耳矩阵的基本矩阵的方法）。在下文中，假定数据集A、B、C和D的误差数据α分别被设定为0、5、10和15。
被加上误差数据α的、数据集A、B、C和D的RA数据、GA数据、BA数据经受舍入处理和位截断处理，以生成RA*、GA*、BA*数据、RB*、GB*、BB*数据RC*、GC*、BC*数据和RD*、GD*和BD*数据。详细地， 数据集D的B数据BD经受加上值16的处理并且然后截断低五位。数据集A、B和C的R数据、G数据和B数据和数据集D的R数据和G数据经受加上值8的处理并且然后截断低四位。通过将值“0”的压缩类型识别位附加到这样生成的RA*、GA*、BA*数据，RB*、GB*、BB*数据，RC*、GC*、BC*数据和RD*、GD*和BD*数据来生成（1×4）压缩数据。
在由（1×4）压缩生成的压缩图像数据的解压中，首先对RA*、GA*和BA*数据，RB*、GB*和BB*数据，RC*、GC*和BC*数据和RD*、GD*和BD*数据执行进位。详细地，对于数据集D的B数据相关联的BD*数据执行5位进位，并且对其它数据（即，RA*、GA*和BA*数据，RB*、GB*和BB*数据，RC*、GC*和BC*数据和RD*和GD*数据）执行4位进位。而且，从进位处理得到的各个数据减去误差数据α以完成数据集A至D的R、G和B数据的再现。这完成了由（1×4）压缩生成的压缩图像数据的解压处理。
3.（2+1×2）压缩和其解压处理
图28为示出（2+1×2）压缩数据的示例性格式的概念图。如上文所描述，当在两个数据集之间存在高相关性，在先前提到的两个数据集与另两个数据集之间存在差相关性，并且在该另两个数据集彼此之间存在差相关性时，使用（2+1×2）压缩。在此实施例中，如图28所示，（2+1×2）压缩数据包括压缩类型识别位、选择数据、R代表值、G代表值、B代表值、额外信息数据、Ri*数据、Gi*数据、Bi*数据、Rj*数据、Gj*数据和Bj*数据。此处，如在上述（1×4）压缩数据的情况下，（2+1×2）压缩数据为48位数据。
压缩类型识别位指示实际使用的压缩处理，并且两位被分配到（2+1×2）压缩数据中的压缩类型识别位。在本实施例中，（2+1×2）压缩数据的压缩类型识别位的值为“10”。
选择数据为指示在数据集A至D之中的哪两个数据集具有高相关性的3位数据。当使用（2+1×2）压缩时，数据集A至D中的两个具有高相关性，并且另两个数据集与这两个数据集具有差相关性。因此，高相关的两个数据集的可能组合的数量为如下所述的六个：
·数据集A和C
·数据集B和D
·数据集A和B
·数据集C和D
·数据集B和C
·数据集A和D
选择数据通过使用三位来指示这六个组合中哪些为高相关的两个数据集。
R、G和B代表值为分别表示高相关的两个数据集的R、G和B数据的值。在图28的示例中，R和G代表值各为5位和6位数据，并且B代表值为5位数据。
额外信息数据包括β比较结果数据和量值关系数据。β比较结果数据指示在高相关的两个数据集的R数据之间的差和在高相关的两个数据集的G数据之间的差是否大于预定阈值β。在此实施例中，β比较数据为2位数据。另一方面，量值关系数据指示高相关的两个数据集中的哪一个具有更大值的R数据，并且高相关的两个数据集中的哪一个具有更大值的G数据。仅当高相关的两个数据集的R数据之间的差大于预定阈值β时，生成与R数据相关联的量值关系数据，并且仅当高相关的两个数据集的G数据之间的差大于预定阈值β时，生成与G数据相关联的量值关系数据。因此，量值关系数据为0至2位数据。
通过分别对差相关的两个数据集的R数据、G数据和B数据执行减少位数的处理来获得Ri*数据、Gi*数据、Bi*数据、Rj*数据、Gj*数据和Bj*数据。应当指出的是i和j为选自A、B、C和D中的两个， 使得i和j彼此不同。在此实施例中，全部Ri*数据、Gi*数据、Bi*数据、Rj*数据、Gj*数据和Bj*数据为4位数据。
在下文中，参考图28给出了在（2+1×2）压缩中执行的数据处理的描述。在下文中，给出在数据集A与B之间的相关性高、在数据集C、D和数据集A和B之间的相关性差，并且在数据集C与D之间的相关性差的情况的描述。本领域技术人员将易于理解对于不同的情况可以以相同的方式生成（2+1×2）压缩数据。
首先描述数据集A和B（其具有高相关性）的压缩处理。首先，对于数据集A和B计算R数据、G数据和B数据的平均值。通过以下方程式来计算R数据、G数据和B数据的平均值Rave、Gave和Bave：
Rave=（RA+RB+1）/2，
Gave=（GA+GB+1）/2，以及
Bave=（BA+BB+1）/2。
而且，将数据集A与B的R数据之间的差|RA–RB|和G数据之间的差|GA–GB|与预定阈值β相比较。这些比较结果被并入（2+1×2）压缩数据的辅助数据中，作为β比较结果数据。
而且，对于数据集A和B的R和G数据集，通过以下过程生成量值关系数据：当数据集A与B的R数据之间的差|RA–RB|大于阈值β时，将量值关系数据生成为使得描述数据集A和B中的哪一个具有更大R数据。当数据集A和B的R数据之间的差|RA–RB|等于或小于阈值β时，将量值关系数据生成为使得不描述数据集A和B的R数据之间的量值关系。同样，当数据集A和B的G数据之间的差|GA–GB|大于阈值β时，将量值关系数据生成为使得描述数据集A和B中哪一个具有更大G数据。当在数据集A和B的G数据之间的差|GA–GB|等于或小于阈值β时，将量值关系数据生成为使得不描述在数据集A和B的G数据之间的量值关系。
随后，将误差数据α加到R数据、G数据和B数据的平均值Rave、Gave和Bave。在本实施例中，从使用任何合适方法（例如，使用作为拜耳矩阵的基本矩阵的方法）执行压缩处理的块的位置确定误差数据α。在下文中，对于数据集A和B两者而言，假定误差数据α为零。
这之后执行舍入处理和位截断处理来计算R代表值、G代表值和B代表值。详细地，加到R数据的平均值Rave和G数据的平均值Gave的数值和在位截断处理中对于R数据的平均值Rave和G数据的平均值Gave截断的位数取决于在差|RA–RB|、|GA–GB|和阈值β之间的量值关系。对于R数据的平均值Rave，当R数据的差|RA–RB|大于阈值β时，将值四加到R数据的平均值Rave并且然后截断R数据的平均值Rave的低三位以计算R代表值。否则，将值2加到R数据的平均值Rave并且截断R数据的平均值Rave的低两位以计算R代表值。对于G数据的平均值Gave也同样如此。当G数据的差|GA–GB|大于阈值β时，将值四加到G数据的平均值Gave并且然后截断G数据的平均值Gave的低三位以计算G代表值。否则，将值二加到G数据的平均值Gave并且截断G数据的平均值Gave的低两位以计算G代表值。
另一方面，对于B代表值而言，将值四加到B数据的平均值Bave并且然后截断B数据的平均值Bave的低三位以计算B代表值。这完成了数据集A和B的压缩处理。
另一方面，对于数据集C和D（其相关性差），执行与（1×4）压缩相同的处理。即，对于数据C和D中的每一个独立地执行使用抖动矩阵的抖动处理，从而减少数据集C和D的R数据、G数据和B数据中的每一个的位数。详细地，首先执行将误差数据α加到数据集C和D的R数据、G数据和B数据中的每一个的处理。如上文所描述的，从执行压缩处理的块的位置计算每个数据集的误差数据α。在下文中，数据集C和D所确定的误差数据α分别被假定为10和15。
然后执行舍入处理和位截断处理以生成RC*数据、GC*数据、BC*数据、RD*数据、GD*数据和BD*数据。详细地，将值八加到数据集C和D中的每一个的R、G和B数据中的每一个，并且然后从数据集C和D中的每一个的R、G和B数据中的每一个截断低四位。因此，计算RC*数据、GC*数据、BC*数据、RD*数据、GD*数据和BD*数据。
通过将压缩类型识别位和选择数据附加到如上文所描述生成的R、G和B代表值、额外信息数据、RC*数据、GC*数据、BC*数据、RD*数据、GD*数据和BD*数据，来最终生成（2+1×2）压缩数据。
如下实现了由（2+1×2）压缩生成的压缩图像数据的解压处理：在下文中，给出数据集A和B彼此具有高相关性，数据集C和D与数据集A和B具有差相关性并且数据集C、D之间具有差相关性的情况的描述。本领域技术人员将理解对于其它情况可以以类似方式将（2+1×2）压缩数据解压。
首先给出数据集A和B（其为高相关的）的解压处理的描述。首先对于R、G和B代表值中的每一个执行进位处理。此处，对于R和G代表值，进位处理的位数取决于在β比较结果数据中描述的、在差|RA–RB|和|GA–GB|与阈值β之间的量值关系。当R数据之间的差|RA–RB|大于阈值β时，对R代表值进行3位进位处理，否则执行2位进位处理。同样，当在G数据之间的差|GA–GB|大于阈值β时，对G代表值执行3位进位处理，否则执行2位进位处理。
而且，在从相对应的R、G和B代表值减去误差数据α后，从R、G和B代表值再现数据集A和B的R数据、G和B数据的灰度级。
包括于额外信息数据中的β比较结果数据和量值关系数据被用于再现数据集A和B的R数据。当β比较结果数据描述了在R数据之间 的差|RA–RB|大于阈值β时，通过将常数（例如五）加到R代表值得到的值再现为量值关系数据中被描述成具有更大R数据的数据集的R数据，并且将从R代表值减去常数值得到的值再现为在量值关系数据中描述成具有更小R数据的另一数据集的R数据。另一方面，当R数据之间的差|RA–RB|小于阈值β时，数据集A和B的R数据都被再现为与R代表值相同的值。
对于数据集A和B的G数据的再现，使用β比较数据和量值关系数据执行相同的处理。另一方面，在数据集A和B的B数据再现中，数据集A和B的B数据都被再现为与B代表值相同的值，独立于β比较数据和量值关系数据。
这完成了数据集A和B的R数据、G数据和B数据的再现。
另一方面，在数据集C和D（其具有差相关性）的解压处理中，执行与上述（1×4）压缩的解压处理相同的处理。在数据集C和D的解压处理中，对于RC*数据、GC*数据、BC*数据、RD*数据、GD*数据和BD*数据中的每一个首先执行4位进位处理。然后从由4位进位处理得到的数据减去误差数据α，从而再现数据集C和D的R数据、G数据和B数据。
由于上述过程，完成了所有数据集A至D的再现。换言之，完成了对由（2+1×2）压缩生成的压缩图像数据的解压处理。
4.（2×2）压缩和其解压处理
图29为示出（2×2）压缩数据的示例性格式的概念图。如上文所描述，（2×2）压缩用于在两个数据集之间存在高相关性，并且在另两个数据集之间存在高相关性的情况。在本实施例中，如图29所示，（2×2）压缩数据为48位数据，包括：压缩类型识别位、选择数据、R代表值#1、G代表值#1、B代表值#1、R代表值#2、G代表值#2、B代表值#2 和额外信息数据。
压缩类型识别位指示实际使用的压缩处理，并且三位被分配给（2×2）压缩数据中的压缩类型识别位。在此实施例中，（2×2）压缩数据的压缩类型识别位的值为“110”。
选择数据为2位数据，指示像素A至D中的哪两个在相对应的图像数据之间具有高相关性。在使用（2×2）压缩的情况下，在像素A至D中的两个像素的图像数据之间存在高相关性，并且在另两个像素的图像数据之间具有高相关性。因此，在相对应的图像数据之间具有高相关性的两个像素的组合的数量如下：
·在像素A与B之间的相关性高，并且在像素C与D之间的相关性高。
·在像素A与C之间的相关性高，并且在像素B与D之间的相关性高。
·在像素A与D之间的相关性高，并且在像素B与C之间的相关性高。
选择数据以2位指示目标块的图像数据的相关性落入这三种组合中的哪种。
R代表值#1、G代表值#1和B代表值#1为表示第一对高相关的数据集的R数据、G数据和B数据的值，并且R代表值#2、G代表值#2和B代表值#2为表示第二对高相关的数据集的R数据、G数据和B数据的值。在图29的示例中，R代表值#1、G代表值#1、B代表值#1、R代表值#2和B代表值#2中的每一个为5位或6位数据，并且G代表值#2为6位或7位数据。
额外信息数据包括β比较结果数据和量值关系数据。β比较结果数据指示在每对高相关的数据集的R数据之间的差、每对高相关的数据集的G数据之间的差和每对高相关的数据集的B数据之间的差是否 大于预定阈值β。在本实施例中，β比较结果数据为6位数据，其中，三位被分配给第一对和第二对高相关的数据集中的每一个。另一方面，量值关系数据指示对于第一对数据集和第二对数据集中的每一个而言两个高相关的数据集中的哪一个具有更大的R数据，两个高相关的数据集中的哪一个具有更大的G数据和两个高相关的数据集中的哪一个具有更大的B数据。对于每对数据集，与R数据相关联的量值关系数据仅在该对数据集的R数据之间的差大于阈值β的情况下生成。相对应地，与G数据相关联的量值关系数据仅在每对数据集的G数据之间的差大于阈值β的情况下生成；并且与B数据相关联的量值关系数据仅在每对数据集的B数据之间的差大于阈值β的情况下生成。因此，量值关系数据为0至6位数据。
在下文中参考图29来描述在（2×2）压缩中的数据处理。在下文中，给出在数据集A和B之间的相关性高并且在数据集C和D之间的相关性高的情况的描述。数据集A和B被定义为第一对数据集，并且数据集C和D被定义为第二对数据集。本领域技术人员将理解到对于其它情况可以以相同的方式生成（2×2）压缩数据。
对于每对数据集首先计算R数据、G数据和B数据的平均值。详细地，通过以下方程式来计算数据集A和B的R数据、G数据和B数据平均值Rave1、Gave1和Bave1和数据集C和D的R数据、G数据和B数据的平均值Rave2、Gave2和Bave2：
Rave1=（RA+RB+1）/2，
Gave1=（GA+GB+1）/2，
Bave1=（BA+BB+1）/2，
Rave2=（RC+RD+1）/2，
Gave2=（GC+GD+1）/2，以及
Bave2=（BC+BD+1）/2。
然后将数据集A和B的R数据之间差|RA–RB|、G数据之间的差|GA–GB|和B数据之间的差|GA–GB|与预定阈值β比较。同样，在数据集C和D的R数据之间的差|RC–RD|、在G数据之间的差|GC–GD|和在B数据之间的差|BC–BD|与预定阈值β比较。将这些比较的结果作为β比较结果数据并入（2×2）压缩数据的额外信息数据中。
而且对于第一对数据集A和B和第二对数据集C和D中的每一个生成量值关系数据。将所生成的量值关系数据并入（2×2）压缩数据的额外信息数据中。
详细地，当在数据集A和B的R数据之间的差|RA–RB|大于阈值β时，将量值关系数据生成为描述数据集A和B中哪一个具有更大R数据。当在数据集A和B的R数据之间的差|RA–RB|等于或小于阈值β时，将量值关系数据生成为使得不描述在数据集A与B的R数据之间的量值关系。同样，当数据集A和B的G数据的差|GA–GB|大于阈值β时，将量值关系数据生成为描述数据集A和B中的哪一个具有更大G数据。当数据集A与B的G数据之间的差|GA–GB|等于或小于阈值β时，将量值关系数据生成为使得不描述数据集A和B的G数据之间的量值关系。此外，当数据集A和B的B数据的差|BA–BB|大于阈值β时，将量值关系数据生成为描述数据集A和B中哪一个具有更大B数据。当数据集A和B的B数据之间的差|BA–BB|等于或小于阈值β时，将量值关系数据生成为使得不描述数据集A和B的B数据之间的量值关系。
相对应地，当在数据集C和D的R数据之间的差|RC–RD|大于阈值β时，将量值关系数据生成为描述数据集C和D中哪一个具有更大R数据。当在数据集C和D的R数据之间的差|RC–RD|等于或小于阈值β时，将量值关系数据生成为使得不描述在数据集C和D的R数据之间的量值关系。同样，当数据集C和D的G数据的差|GC–GD|大于阈值β时，将量值关系数据生成为描述数据集C和D中的哪一个具有 更大G数据。当数据集C与D的G数据之间的差|GC–GD|等于或小于阈值β时，将量值关系数据生成为使得不描述数据集C和D的G数据之间的量值关系。此外，当数据集C和D的B数据的差|BC–BD|大于阈值β时，将量值关系数据生成为描述数据集C和D中哪一个具有更大B数据。当数据集C和D的B数据之间的差|BC–BD|等于或小于阈值β时，将量值关系数据生成为使得不描述数据集C和D的B数据之间的量值关系。
而且，误差数据α被加到数据集A和B的R数据、G数据和B数据的平均值Rave1、Gave1和Bave1和数据集C和D的R数据、G数据和B数据的平均值Rave2、Gave2和Bave2。在本实施例中，使用z作为拜耳矩阵的基本矩阵从要执行压缩处理的块的位置确定误差数据α。在下文中，将对于像素A和B确定的误差数据α假定为零。
然后，执行舍入处理和位截断处理，以计算R代表值#1、G代表值#1、B代表值#1、R代表值#2、G代表值#2和B代表值#2。
对于数据集A和B，取决于在差|RA–RB|与阈值β之间的量值关系、在差|GA–GB|与阈值β之间的量值关系和在差|BA–BB|与阈值β之间的量值关系，在两位与三位之间选择舍入处理中加上的值和在位截断处理中截断的位数。当在数据集A和B的R数据之间的差|RA–RB|大于阈值β时，将值四加到R数据的平均值Rave1，并且然后从平均值Rave1截断低三位，从而计算R代表值#1。否则，将值二加到平均值Rave1，并且然后从平均值Rave1截断低两位，从而计算R代表值#1。因此，R代表值#1为5位或6位数据。对于G数据和B数据同样如此。当在数据集A和B的G数据之间的差|GA–GB|大于阈值β时，将值四加到G数据的平均值Gave1，并且然后从平均值Gave1截断低三位，从而计算G代表值#1。否则，将值二加到平均值Gave1，并且然后从平均值Gave1截断低两位，从而计算G代表值#1。而且，当在数据集A和B的B数据之间的差|BA–BB|大于阈值β时，将值四加到 B数据的平均值Bave1，并且然后从平均值Bave1截断低三位，从而计算B代表值#1。否则，将值二加到平均值Bave1，并且然后从平均值Bave1截断低两位，从而计算B代表值#1。
对于成对数据集C和D执行类似的处理以计算R代表值#2、G代表值#2和B代表值#2。但对于数据集C和D的G数据而言，在舍入处理中加上的值和在位截断处理中截断的位数为一位或两位。当在数据集C和D的G数据之间的差|GC–GD|大于阈值β时，将值二加到G数据的平均值Gave2，并且然后从平均值Gave2截断低两位，从而计算G代表值#2。否则，将值一加到平均值Gave2，并且然后从平均值Gave2截断下一位，从而计算G代表值#2。
上述过程完成（2×2）压缩。
另一方面，如下实现由（2×2）压缩生成的压缩图像数据的解压处理。在下文中，给出对于在数据集A与B之间的相关性高且在数据集C和D之间的相关性高的情况的（2×2）压缩数据的解压的描述。本领域技术人员将理解对于其它情况能以类似方式解压（2×2）压缩数据。
初始地，首先对R代表值#1、G代表值#1和B代表值#1执行进位处理。取决于在β比较结果数据中描述的、在阈值β与数据集A和B的R数据、G数据和B数据的差|RA-RB|、|GA-GB|和|BA-BB|之间的量值关系来确定进位处理的位数。当数据集A与B的R数据之间的差|RA-RB|大于阈值β时，对R代表值#1执行3位进位处理，否则对R代表值#1执行2位进位处理。当数据集A和B的G数据之间的差|GA-GB|大于阈值β时，对G代表值#1执行3位进位处理，否则对G代表值#1执行2位进位处理。而且，当数据集A和B的B数据之间的差|BA-BB|大于阈值β时，对B代表值#1执行3位进位处理，否则对B代表值#1执行2位进位处理。
对R代表值#2、G代表值#2和B代表值#2执行类似进位处理。然而，应注意的是对于G代表值#2的进位处理的位数在一位与两位之间选择。当数据集C和D的G数据之间的差|GC-GD|大于阈值β时，对G代表值#2执行2位进位处理，否则对G代表值#2执行1位进位处理。
而且，从R代表值#1、G代表值#1、B代表值#1、R代表值#2、G代表值#2、B代表值#2的每一个减去误差数据α，并且然后从所得到的代表值执行数据集A至D的R数据、G数据和B数据的再现。
在R数据、G数据和B数据的再现中，使用β比较结果数据和量值关系数据。如果β比较结果数据描述了在数据集A和B的R数据之间的差|RA–RB|大于阈值β，则通过将常数值（例如五）加到R代表值#1而得到的值被再现为在量值关系数据中被描述为具有更大R数据的数据集A和B之一的R数据，并且通过从R代表值#1减去常数值而得到的值再现为在量值关系数据中被描述为具有更小R数据的另一个的R数据。如果在数据集A和B的R数据之间的差|RA–RB|小于阈值β，将数据集A和B的R数据再现为与R代表值#1相同的值。此外，也通过相同的过程再现数据集A和B的G数据和B数据以及数据集C和D的R数据、C数据和B数据。
上述过程完成了数据集A至D的R数据、G数据和B数据的再现。换言之，实现了通过（2×2）压缩生成压缩图像数据的解压处理。
5.（4×1）压缩和其解压处理
图30为示出了（4×1）压缩数据的示例性格式的概念图。如上文所描述，（4×1）压缩用于四个数据集之间存在高相关性的情况。在本实施例中，如图30所示，（4×1）压缩数据为48位数据，包括压缩类型识别位和以下七种类型的数据：Ymin、Ydist0至Ydist2、地址数据、Cb’和Cr’。
压缩类型识别位指示实际使用的压缩处理，并且将四位分配到（4×1）压缩数据中的压缩类型识别位。在本实施例中，压缩类型识别位的值为“1110”。
通过对数据集A至D的R数据、G数据和B数据执行YUV变换以得到YUV数据并且对YUV数据执行压缩处理，来得到Ymin、Ydist0至Ydist2、地址数据、Cb’和Cr’。此处，从四个数据集的YUV数据的亮度数据获得Ymin和Ydist至Ydist2，并且从色差数据获得Cb’和Cr’。Ymin、Ydist0至Ydist2、Cb’和Cr’被用作数据集A至D的代表值。在本实施例中，将10位分配到Ymin，将四位分配到Ydist0至Ydist2中的每一个，将两位分配到地址数据，并且将10位分配到Cb’和Cr’中的每一个。在下文中，给出（4×1）压缩的详细描述。
首先对数据集A至D中的每一个的R数据、G数据和B数据执行如下矩阵计算，以计算亮度数据Y和色差数据Cr和Cb：
YkCrkCbk=1210-111-10RkGkBk,]]>
其中Yk为数据集k的亮度数据，并且Crk和Cbk为数据集K的色差数据。如上文所描述，Rk、Gk和Bk分别为R数据、G数据和B数据。
而且，从数据集A至D的亮度数据Yk、色差数据Crk和Cbk生成Ymin、Ydist0至Ydist2、地址数据、Cb’和Cr’。
Ymin被定义为亮度数据YA至YD的最小值（最小亮度数据）。而且，通过对其它亮度数据与最小亮度数据Ymin之间的差执行截断两位来生成Ydist0至Ydist2。将地址数据生成为指示数据集A至D的亮度数据中具有最小值的数据。当亮度数据YD在为亮度数据YA至YD中的最小值时，通过下式计算
Ymin和Ydist0至Ydist2：
Ymin=YD，
Ydist0=（YA-Ymin）>>2，
Ydist1=（YB-Ymin）>>2，以及
Ydist2=（YC-Ymin）>>2，
其中“>>2”为指示2位截断处理的运算符号。在地址数据中描述亮度数据YD具有最小值的事实。
而且，通过对CrA至CrD的和执行1位截断处理来生成Cr。同样，通过对CbA至CbD的和执行1位截断处理来生成Cb’。换言之，通过以下方程式来计算Cr’和Cb’：
Cr’=（CrA+CrB+CrC+CrD）>>1,以及
Cb’=（CbA+CbB+CbC+CbD）>>1,
其中“>>1”为指示1位截断处理的运算符号。上述过程完成（4×1）压缩数据的生成。
另一方面，如下实现由（4×1）压缩生成的压缩图像数据的解压处理。在（4×1）压缩数据的解压中，首先从Ymin和Ydist0至Ydist2再现数据集A至D中的每一个的亮度数据。在下文中，再现的数据集A至D的亮度数据分别被称作YA’和YD’。更具体而言，将最小亮度数据Ymin的值用作在地址数据中被描述为具有最小值的数据集的亮度数据。而且，通过将对Ydist0至Ydist2执行2位进位处理而得到的值加到最小亮度数据Ymin来再现其它数据集的亮度数据。当亮度数据YD在亮度数据YA至YD之中最小时，通过下式再现亮度数据YA’至YD’：
YA’=Ydist0×4+Ymin,
YB’=Ydist1×4+Ymin,
YC’=Ydist2×4+Ymin,以及
YD’=Ymin。
而且，通过以下矩阵操作来从亮度数据YA’至YD’和色差数据Cr’和Cb’再现数据集A至D的R数据、G数据和B数据：
RkGkBk=1-131-1-113-1Yk′Cr′Cb′>>2,]]>
其中“>>2”为指示2位截断处理的运算符号。如从上式可以了解，色差数据Cr’和Cb’共同地用于数据集A至D的R数据、G数据和B数据的再现。
上述过程完成了数据集A至D的R数据、G数据和B数据的再现。换言之，实现了由（4×1）压缩生成的压缩图像数据的解压处理。
尽管详细地具体描述了本发明的各种实施例，本发明并不限于上述实施例。本领域技术人员将意识到可以以各种修改来实施本发明。例如，尽管上述实施例涉及包括LCD面板2的液晶显示装置1，本发明适用于包括其它显示面板（例如，液晶显示面板和有机EL（电致发光显示面板等））的显示装置。
而且，尽管在上述的实施例中执行压缩处理以生成存储于图像存储器14中的压缩图像数据22，根据本发明的图像处理方法适用于其它目的。例如，根据本发明的图像处理方法可以用于将压缩图像数据转移到显示面板驱动器。
而且，在一个实施例中，可以取决于要被压缩的图像数据的内容来选择第一实施例中描述的预处理和在第二实施例中的预处理中的一个。在此情况下，所选择的预处理用于图像数据的压缩。