CN116137842A - 莫尔条纹产生预测装置、莫尔条纹产生预测***以及莫尔条纹产生预测方法 - Google Patents
莫尔条纹产生预测装置、莫尔条纹产生预测***以及莫尔条纹产生预测方法 Download PDFInfo
- Publication number
- CN116137842A CN116137842A CN202180060098.8A CN202180060098A CN116137842A CN 116137842 A CN116137842 A CN 116137842A CN 202180060098 A CN202180060098 A CN 202180060098A CN 116137842 A CN116137842 A CN 116137842A
- Authority
- CN
- China
- Prior art keywords
- moire
- image
- processing
- generation
- periodic structure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 138
- 238000012545 processing Methods 0.000 claims abstract description 266
- 230000000737 periodic effect Effects 0.000 claims abstract description 92
- 230000001629 suppression Effects 0.000 claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 238000004891 communication Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims description 87
- 238000000605 extraction Methods 0.000 claims description 44
- 238000006243 chemical reaction Methods 0.000 claims description 42
- 238000009499 grossing Methods 0.000 claims description 33
- 238000007781 pre-processing Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000007639 printing Methods 0.000 abstract description 60
- 230000006866 deterioration Effects 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 29
- 238000003860 storage Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 10
- 230000003595 spectral effect Effects 0.000 description 9
- 238000012216 screening Methods 0.000 description 8
- 239000003086 colorant Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000001771 impaired effect Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000004304 visual acuity Effects 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007645 offset printing Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000004371 high visual acuity Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/40068—Modification of image resolution, i.e. determining the values of picture elements at new relative positions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/405—Halftoning, i.e. converting the picture signal of a continuous-tone original into a corresponding signal showing only two levels
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Color, Gradation (AREA)
- Image Analysis (AREA)
- Quality & Reliability (AREA)
Abstract
提供一种莫尔条纹产生预测方法,预测产生莫尔条纹的区域,仅对包含该区域在内的图案实施莫尔条纹抑制处理,由此能够抑制印刷劣化,并且能够抑制莫尔条纹的产生,进行品质良好的印刷,包含:通信部,其接收成为莫尔条纹产生预测的对象的输入图像;周期构造含有判定部,其用于在输入图像中判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域;以及莫尔条纹预测部,其对判定出的各周期构造区域实施规定的频率解析处理,由此判定在各周期构造区域中产生莫尔条纹的危险度,生成并输出针对各周期构造区域而表示危险度的莫尔条纹产生预告。
Description
技术领域
本公开的实施方式涉及莫尔条纹产生预测装置、莫尔条纹产生预测***以及莫尔条纹产生预测方法。
背景技术
“莫尔条纹(或者叠纹)”是指在多个周期性的花纹、构造重叠时在视觉上产生的干涉条纹。另外,在物理学中,莫尔条纹可以称为两个空间频率的拍频现象。
还有时将该莫尔条纹用作有用的方法,但如果产生意外的莫尔条纹,则有时图像的设计性受损而导致印刷物的品质变差,因此提出了作为不期望出现的现象而将莫尔条纹去除的方法。
例如,在专利文献1中,作为去除莫尔条纹的方法,记载了如下技术,即,“具有:第1半色调处理单元,其利用阈值并根据所输入的图像数据而生成第1半色调图像数据;第1滤波处理单元,其利用具有与所述阈值的周期对应的尺寸的第1滤波器对所述第1半色调图像数据实施平滑化;第2滤波处理单元,其利用具有与所述第1滤波器相应的特性的第2滤波器对所述输入的图像数据实施平滑化;以及
评价单元,其基于由所述第1滤波处理单元实施了平滑化的第1半色调图像数据与由所述第2滤波处理单元实施了平滑化的图像数据的差值,评价所述第1半色调图像数据产生的莫尔条纹。”。
专利文献1:日本特开2011-155362号公报
发明内容
在专利文献1中记载了如下方法,即,获取程度不同的2个平滑化滤波器之差而检测莫尔条纹,进行将莫尔条纹去除的处理。
然而,关于专利文献1记载的方法,将平滑化滤波器的差值较大的部分全部都从AM网点(screen)向FM网点变换,因此对未产生莫尔条纹的图像的区域与产生莫尔条纹的区域一起进行处理。但是,如果对未产生莫尔条纹的图像的区域实施莫尔条纹去除处理,则有时会引起使得图像中的物体的质感受损、或者使得图像的锐度下降等印刷品质的劣化。因此,在应用专利文献1中记载的方法的情况下,针对未产生莫尔条纹的图像的区域也实施莫尔条纹去除处理,因此除了处理负荷增大以外,还因过度实施莫尔条纹防止处理而产生劣化。
因此,优选具有预先预测产生莫尔条纹的区域,仅对该区域实施莫尔条纹抑制处理的方法。
因此,本公开的实施方式的目的在于提供一种莫尔条纹产生预测方法,预测产生莫尔条纹的区域,仅对包含该区域在内的图案实施莫尔条纹抑制处理,由此能够抑制印刷劣化,并且能够抑制莫尔条纹的产生进行优良的印刷。
为了解决上述问题,代表性的本公开的莫尔条纹产生预测***之一经由通信网络而将客户终端与莫尔条纹产生预测装置连接,所述莫尔条纹产生预测装置包含:周期构造含有判定部,在接收到成为莫尔条纹产生预测的对象的输入图像的情况下,该周期构造含有判定部用于在所述输入图像中判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域;以及莫尔条纹预测部,其对判定出的各周期构造区域实施规定的频率解析处理,由此判定各周期构造区域中产生莫尔条纹的危险度,生成针对各周期构造区域而表示所述危险度的莫尔条纹产生预告并向所述客户终端发送。
发明的效果
根据本公开,能够提供如下莫尔条纹产生预测方法,其预测产生莫尔条纹的区域,仅对包含该区域在内的图案实施莫尔条纹抑制处理,由此能够抑制印刷劣化,并且能够抑制莫尔条纹的产生,进行品质良好的印刷。
通过下面的实施方式的说明使得上述以外的问题、结构以及效果变得明确。
附图说明
图1是表示用于实施本公开的实施方式的计算机***的图。
图2是表示本公开的实施方式所涉及的产生预测***的结构的一个例子的图。
图3是表示包含本公开的实施方式所涉及的莫尔条纹产生预测处理在内的印刷工序的整个流程的图。
图4是表示本公开的实施方式所涉及的GUI的一个例子的图。
图5是表示本公开的实施方式所涉及的莫尔条纹产生预测处理的一个例子的图。
图6是表示本公开的实施方式所涉及的周期构造含有判定处理的流程的一个例子的图。
图7是本公开的实施方式所涉及的频率解析的一个例子的图。
图8是表示本公开的实施方式所涉及的莫尔条纹预测处理的流程的一个例子的图。
图9是表示对本公开的实施方式所涉及的差值提取图像进行频率解析的情况的一个例子的图。
图10是表示在对本公开的实施方式所涉及的差值提取图像进行频率解析之后利用阈值判定莫尔条纹的情况的一个例子的图。
图11是表示用于本公开的实施方式所涉及的频率解析处理的掩模的一个例子的图。
图12是表示本公开的实施方式所涉及的抑制处理区域的筛选处理的流程的一个例子的图。
图13是表示本公开的实施方式所涉及的莫尔条纹产生预告的一个例子的图。
图14是表示本公开的实施方式所涉及的处理用模块的一个例子的图。
具体实施方式
下面,参照附图对本公开的实施方式进行说明。此外,不是由该实施方式限定本公开。另外,在附图的记载中,对相同部分标注相同标号而表示。
(本公开的背景及概要)
如上所述,在成为印刷对象的图像中存在条纹、网状花纹之类的周期性的花纹的情况下,将图像变换为印刷用的网点图像,如果要利用网点使该花纹再现,则花纹的周期与网点的周期发生干涉,有时出现称为莫尔条纹的在源图像中不存在的纹理。特别地,产生周期较大的莫尔条纹,如果目视看到则对使用者造成不和谐感,成为品质下降的要因。
例如,在印刷品位的要求特性严格的目录印刷的情况下,如果产生莫尔条纹,则必须再次印刷目录的多个页面,产生较大的损失。
另外,在漫画的印刷的情况下,如果存在使用了网点色调的区域,则容易在该网点色调区域产生莫尔条纹,因此会成为大量印刷损失的原因。
当前,对于这种莫尔条纹,进行通过目视方式检查图像、通过手动作业修正莫尔条纹的作业,但较多图像、页面的检查、修正需要作业人员的劳力,负荷较大。
另一方面,为了防止莫尔条纹,例如通常为预先将源图像的高频成分去除的方法,但如果是目录则会使得其服饰的质感受损,如果是漫画则会使得印刷的锐度受损,因此存在印刷品质下降以及手动作业的作业成本较高的问题。
因此,优选具有预先预测产生莫尔条纹的区域,仅对该区域实施莫尔条纹抑制处理的方法。
因此,如上所述,根据本公开,能够提供如下莫尔条纹产生预测方法,即,预测产生莫尔条纹的区域,仅对包含该区域在内的图案实施莫尔条纹抑制处理,由此能够抑制印刷劣化,并且能够抑制莫尔条纹的产生,进行品质良好的印刷。
(硬件结构)
首先,参照图1对用于实施本公开的实施方式的计算机***300进行说明。本说明书中公开的各种实施方式的机构及装置可以应用于任意适当的计算***。计算机***300的主要组成部分包含大于或等于1个的处理器302、存储器304、终端接口312、储存接口314、I/O(输入输出)设备接口316以及网络接口318。上述组成部分可以经由存储器总线306、I/O总线308、总线接口单元309以及I/O总线接口单元310而相互连接。
计算机***300可以包含统称为处理器302的1个或多个通用可编程中央处理装置(CPU)302A及302B。在某个实施方式中,计算机***300可以具有多个处理器,另外,在其他实施方式中,计算机***300可以是单个CPU***。各处理器302可以执行存储器304中储存的命令,包含板上集成缓存。
在某个实施方式中,存储器304可以包含用于对数据及程序进行存储的随机存取半导体存储器、存储装置或者存储介质(易失性或非易失性的任一种)。存储器304可以对实施本说明书中说明的功能的程序、组件以及数据构造的全部或一部分进行储存。例如,存储器304可以对莫尔条纹预测应用350进行储存。在某个实施方式中,莫尔条纹预测应用350可以包含在处理器302上执行后述功能的命令或者记述。
在某个实施方式中,莫尔条纹预测应用350可以取代基于处理器的***、或者在基于处理器的***的基础上,经由半导体设备、芯片、逻辑门、电路、电路卡和/或其他物理硬件设备而利用硬件进行实施。在某个实施方式中,莫尔条纹预测应用350可以包含除了命令或记述以外的数据。在某个实施方式中,可以以与总线接口单元309、处理器302或者计算机***300的其他硬件直接通信的方式提供照相机、传感器或者其他数据输入设备(未图示)。
计算机***300可以包含进行处理器302、存储器304、显示***324以及I/O总线接口单元310之间的通信的总线接口单元309。I/O总线接口单元310可以与用于与各种I/O单元之间传送数据的I/O总线308连结。I/O总线接口单元310可以经由I/O总线308而与作为I/O处理器(IOP)或者I/O适配器(IOA)也已知的多个I/O接口单元312、314、316及318通信。
显示***324可以包含显示控制器、显示存储器或者这两者。显示控制器能够向显示装置326提供视频、音频或者这两者的数据。另外,计算机***300可以包含构成为收集数据且向处理器302提供该数据的1个或多个传感器等设备。
例如,计算机***300可以包含收集心率数据、压力水平数据等的生物统计传感器、收集湿度数据、温度数据、压力数据等的环境传感器、以及收集加速度数据、运动数据等的运动传感器等。还可以使用除此以外的类型的传感器。显示***324可以与单独的显示器画面、电视机、平板电脑或者便携型设备等显示装置326连接。
I/O接口单元具有与各种储存器或I/O设备通信的功能。例如,终端接口单元312可以安装视频显示装置、扬声器电视机等用户输出设备、键盘、鼠标、小型键盘、触摸板、轨迹球、按钮、光笔或者其他定点设备等用户输入设备之类的用户I/O设备320。用户可以使用用户接口并对用户输入设备进行操作,由此将输入数据、指示向用户I/O设备320以及计算机***300输入,接收来自计算机***300的输出数据。用户接口例如可以经由用户I/O设备320在显示装置进行显示、或者利用扬声器进行播放、或者经由打印机进行印刷。
储存接口314可以安装1个或多个盘式驱动器、直接存取储存装置322(通常为磁盘式驱动储存装置,但也可以是构成为视为单个盘式驱动器的盘式驱动器的阵列或者其他储存装置)。在某个实施方式中,储存装置322可以作为任意的二级存储装置而安装。存储器304的内容可以存储于储存装置322,根据需要而从储存装置322读出。I/O设备接口316可以提供针对打印机、传真机等其他I/O设备的接口。网络接口318可以以使得计算机***300与其他设备能够相互通信的方式提供通信路径。该通信路径例如可以是网络330。
在某个实施方式中,计算机***300可以是多用户主架构计算机***、单用户***或者服务器计算机等不具有直接的用户接口的、接收来自其他计算机***(客户端)的请求的设备。在其他实施方式中,计算机***300可以是台式计算机、便携型计算机、笔记本电脑、平板电脑计算机、掌上计算机、电话机、智能手机、或者任意的其他适当的电子仪器。
接下来,参照图2对本公开的实施方式所涉及的莫尔条纹产生预测***进行说明。
图2是表示本公开的实施方式所涉及的产生预测***200的结构的一个例子的图。如图2所示,产生预测***200包含客户终端205、印刷部210以及莫尔条纹产生预测装置230。另外,客户终端205、印刷部210以及莫尔条纹产生预测装置230例如经由通信网络225而相互连接。
通信网络225例如可以是因特网、LAN(Local Area Network)。
客户终端205是将成为后述的莫尔条纹产生预测处理的对象的输入图像经由通信网络225而向莫尔条纹产生预测发送的终端。该客户终端205可以是个人利用的终端,也可以是民企等组织的共享终端。另外,该客户终端205例如为台式电脑、笔记本电脑、平板电脑、智能手机等任意设备。
客户终端205的用户例如可以经由客户终端205的GUI(Graphical UserInterface)而将输入图像、该输入图像的印刷条件等输入。此外,后文中对客户终端205的GUI的详情进行叙述(参照图4)。
印刷部210是用于印刷由莫尔条纹产生预测装置230生成的抑制了莫尔条纹之后的图像数据的印刷单元。此外,该印刷部210可以印刷从莫尔条纹产生预测装置230的莫尔条纹抑制部236输出的图像,也可以印刷从客户终端接收到的图像。
莫尔条纹产生预测装置230是用于实施本公开的实施方式所涉及的莫尔条纹产生预测方法的处理的装置。如图2所示,莫尔条纹产生预测装置230包含通信部231、前处理部232、周期构造含有判定部233、莫尔条纹预测部234、区域提取部235、莫尔条纹抑制部236以及储存部240。莫尔条纹产生预测装置230能够提供如下莫尔条纹产生预测方法,即,例如利用上述功能部对从客户终端205接收到的输入图像进行处理,由此针对构成输入图像的多个区域分别预测产生莫尔条纹的危险度,例如仅对危险度较高的区域实施莫尔条纹抑制处理,由此能够抑制印刷劣化,并且能够抑制莫尔条纹的产生,进行品质良好的印刷。
通信部231是用于进行在莫尔条纹产生预测装置230、客户终端205以及印刷部210之间通信的各种信息的收发的功能部。例如,通信部231可以接收从客户终端205接收到的输入图像、或者将由莫尔条纹预测部234或莫尔条纹抑制部236生成的图像向客户终端205或印刷部210发送。
前处理部232是用于进行针对成为莫尔条纹产生预测装置的莫尔条纹产生预测处理的对象的图像的前处理的功能部。例如,前处理部232可以进行如下任意的前处理,即,实施针对从客户终端205接收的作为矢量数据形式的源图像的RIP(Raster ImageProcessor)处理,生成作为栅格数据形式的网点图像、或者将输入图像分割成多个处理用模块等。
周期构造含有判定部233是用于在源图像中判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域的功能部。如后所述,周期构造含有判定部233可以对源图像实施用于向规定的颜色空间变换的颜色变换处理,实施用于提取轮廓成分的轮廓成分提取处理,实施平滑化处理,使像素的最大值及最小值实现标准化,实施规定的频率解析处理而基于源图像的频率的峰值、频率的峰值强度、或者强度分布的任一个,判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域。
此外,后文中参照图6对周期构造含有判定部233的处理的详情进行叙述。
莫尔条纹预测部234是如下功能部,即,对由周期构造含有判定部233判定出的各周期构造区域实施规定的频率解析处理,由此判定在各周期构造区域中产生莫尔条纹的危险度,生成针对各周期构造区域表示危险度的莫尔条纹产生预告并输出。更具体而言,莫尔条纹预测部234可以对源图像实施用于向规定的颜色空间变换的颜色变换处理,实施用于提取轮廓成分的轮廓成分提取处理,实施平滑化处理,对网点图像实施用于向规定的颜色空间变换的颜色变换处理,实施用于与源图像的分辨率匹配的分辨率变换处理,实施平滑化处理,然后,生成表示源图像与所述网点图像的像素差值的差值提取图像,对差值提取图像实施规定的频率解析处理,由此基于差值提取图像的频率的峰值、频率的峰值强度、或者强度分布的任一个,判定产生莫尔条纹的危险度,生成针对每个处理用模块而表示危险度的莫尔条纹产生预告。
在某个实施方式中,该莫尔条纹产生预告可以向客户终端205发送,在其他实施方式中,后述的区域提取部235以及莫尔条纹抑制部236可以基于该莫尔条纹产生预告而实施莫尔条纹抑制处理。
此外,后文中参照图8对莫尔条纹预测部234的处理的详情进行叙述。
区域提取部235是如下功能部,即,对源图像实施用于向规定的颜色空间变换的颜色变换处理,生成表示具有相似的像素值的相似区域的要素相似对应图。
此外,后文中参照图12对区域提取部235的处理的详情进行叙述。
莫尔条纹抑制部236是用于针对网点图像的每个相似区域而实施规定的莫尔条纹抑制处理的功能部。作为莫尔条纹抑制部236进行的莫尔条纹抑制处理,考虑了如下方法,即,以使网点图像的各色调浓度与该位置的源图像浓度一致的方式,调整色调的尺寸、或者将网点图像的色调形状变换为漂亮的色调,但本公开的实施方式所涉及的莫尔条纹抑制部236并不限定于此,可以实施任意的莫尔条纹抑制处理。
储存部240是用于对由上述各功能部利用的各种信息进行储存的存储区域。例如,如图2所示,储存部240可以对从客户终端205接收的矢量数据形式的源图像241、对该源图像实施RIP(Raster Image Processor)处理而生成的栅格数据形式的网点图像242进行储存。储存部240例如可以是硬盘驱动器、固态驱动器等储存装置,也可以是云型的储存区域。
利用如以上说明那样构成的莫尔条纹产生预测装置230,能够提供如下莫尔条纹产生预测方法,即,预测产生莫尔条纹的区域,仅对包含该区域在内的图案实施莫尔条纹抑制处理,由此能够抑制印刷劣化,并且能够抑制莫尔条纹的产生,进行品质良好的印刷。
接下来,参照图3对包含本公开的实施方式所涉及的莫尔条纹产生预测处理在内的整个印刷工序的流程进行说明。
图3是表示包含本公开的实施方式所涉及的莫尔条纹产生预测处理在内的整个印刷工序360的流程的图。除了莫尔条纹产生预测处理368、374以外,图3所示的印刷工序360实质上与所谓胶版印刷相同。因此,在本说明书中,省略已有的印刷工序的详细说明,以本公开的实施方式所涉及的莫尔条纹产生预测处理为中心进行说明。
在步骤362中,首先,进行数据入稿。这里,要委托印刷的用户例如可以利用图2所示的客户终端等,输入成为印刷对象的源图像、印刷条件等。
接下来,在步骤364中,将步骤362中输入的源图像修正为用于印刷。例如,这里,作为矢量数据形式的源图像可以通过RIP处理变换为栅格数据形式的网点图像、或者调整分辨率、大小。
接下来,在步骤366中,例如基于步骤362中输入的印刷条件,对成为印刷对象的图像的文字/图版/照片等的配置进行调整。
接下来,在步骤368中,进行本公开的实施方式所涉及的莫尔条纹产生预测处理。这里,针对印刷对象的图像的各部分进行莫尔条纹产生预测处理。
此外,后文中参照图5等对该莫尔条纹产生预测处理的详情进行叙述。
接下来,在步骤370中,生成成为印刷对象的图像的DDCP(Direct Digital ColorProof),准备能够直接向印刷机输出的电子数据。
接下来,在步骤372中,在确认结束之后,步骤370中准备的电子数据进入印刷的执行阶段(所谓“出稿”或者“下版”)。
接下来,在步骤374中,进行本公开的实施方式所涉及的莫尔条纹产生预测处理。步骤374中进行的莫尔条纹产生预测处理实质上与上述的步骤368的莫尔条纹产生预测处理相同,但在步骤374中进行的莫尔条纹产生预测处理是针对所有页面进行这一点上不同。
接下来,在步骤376中,将基于步骤370中准备的电子数据制作的印刷用的薄膜(制版薄膜)烧结于版材,由此制造印刷用的印版。
接下来,在步骤377中,印刷机利用步骤376中制造的印版而进行印刷。
如以上说明,本公开的实施方式所涉及的莫尔条纹产生预测处理是在已有的一般的胶版印刷工序的中途进行的处理。另外,在图3所示的例子中,在步骤366的组版工序结束后、以及出稿/下版工序372结束后执行2次本公开的实施方式所涉及的莫尔条纹产生预测处理,但本公开并不限定于此,还可以形成为仅进行1次莫尔条纹产生预测处理的结构、进行大于或等于3次的结构。但是,根据准确地预测/抑制莫尔条纹且维持整个印刷工序的效率的观点,优选为如图3所示那样进行2次莫尔条纹产生预测处理的结构。
接下来,参照图4对用于将本公开的实施方式所涉及的输入图像输入的GUI的一个例子进行说明。
图4是表示用于将本公开的实施方式所涉及的输入图像输入的GUI400的一个例子的图。GUI400是用于将成为印刷及本公开的实施方式所涉及的莫尔条纹产生预测解析的对象的输入图像、以及该输入图像的印刷条件输入的接口。经由GUI400而输入的输入图像及印刷条件向莫尔条纹产生预测装置发送。另外,GUI400例如可以是莫尔条纹产生预测装置经由通信网络向客户终端提供的网页上的接口、应用上的接口。
首先,GUI400的用户将部署/部门402、员工编号403等用户信息输入。在某个实施方式中,GUI400的用户可以预先针对每个部署/部门而准备,从保存的预置中选择期望的预置。另外,在某个实施方式中,用户经由GUI400而委托的印刷/莫尔条纹产生预测的任务与该用户的员工编号建立关联,在任务的结果一览表中,能够仅对与规定的员工编号对应的任务的结果进行显示。由此,例如只有委托了任务的本人能够确认该任务的结果,因此能够提高安全性。
接下来,用户可以将预先登记的设定项目的预置404、网型405、指定RIP处理的算法的保存场所、号机的RIP处理机的指定406、轮廓变换的条件(在利用印版实施颜色变换的情况下,以指定的条件生成网点)407、指定结果的自动打印目标的设定的打印机408、指定印刷中使用的版(例如,在以2种颜色印刷的情况下,删除不需要的版)的使用版409输入。
此外,网型405中设定的内容例如可以包含网的形状(方点、链点等)、每种墨水的网角/线数、写出的1位数据的分辨率(2400dpi/4000dpi)、自动叠印(抠像叠印:knock outand over print)的设定。
另外,这里,也可以形成为如下结构,即,预先准备推荐的设定项目,在用户选择特定的设定项目时,自动地选择推荐的设定。
接下来,用户可以按下登记开始按钮410,由此将成为印刷及本公开的实施方式所涉及的莫尔条纹产生预测的对象的输入图像、以及该输入图像的印刷条件输入。在存在多个输入图像的情况下,用户可以一次性地设定上述多个输入图像、以及与各输入图像对应的印刷条件。
这里的输入图像至少包含矢量数据形式的图像(下面为源图像),但也可以包含印刷用的网点图像。例如,在某个实施方式中,可以在客户终端侧制作源图像、以及与该源图像对应的RIP处理完毕的网点图像并均经由GUI400而输入。另外,在其他实施方式中,可以在源图像经由GUI400而输入之后在莫尔条纹产生预测装置侧制作与该源图像对应的RIP处理完毕的网点图像。在本说明书中,在无需区分源图像与网点图像的情况下,统称为“输入图像”。
输入图像的形式例如可以是PDF、RAW、JPEG等任意的形式。
另外,这里的印刷条件例如可以包含颜色数量、颜色的指定、特殊颜色的有无、网型(网点角度、线数)等。上述印刷条件可以作为特定的数值而输入,也可以作为范围而输入,还可以从预先准备的模板中选择。在某个实施方式中,上述预先准备的模板可以分别与不同的印刷线对应,包含该印刷线用的印刷条件。
以上说明的设定项目、输入图像以及印刷条件的信息经由通信网络而向莫尔条纹产生预测装置发送。然后,通过后述的莫尔条纹产生预测处理对该输入图像进行解析,仅对预测为产生莫尔条纹的区域实施莫尔条纹抑制处理,从而能够抑制印刷劣化,并且能够抑制莫尔条纹的产生,进行品质良好的印刷。
接下来,参照图5对本公开的实施方式所涉及的莫尔条纹产生预测处理进行说明。
图5是表示本公开的实施方式所涉及的莫尔条纹产生预测处理500的一个例子的图。图5所示的莫尔条纹产生预测处理500例如是利用图2所示的莫尔条纹产生预测装置230进行的处理,且是用于预测产生莫尔条纹的区域,仅对包含该区域在内的图案实施莫尔条纹抑制处理的处理。
此外,这里的莫尔条纹产生预测处理500是与参照图3说明的莫尔条纹产生预测处理368、374对应的处理。
首先,在步骤510中,莫尔条纹产生预测装置将成为印刷及莫尔条纹产生预测处理的对象的输入图像输入。这里,莫尔条纹产生预测装置例如可以接收经由参照图4说明的GUI400而设定的输入图像及印刷条件。
这里接收的输入图像的文件形式例如可以是JPEG、GIF、TIFF、BMP、PNG等任意的文件形式。另外,可以是输入图像的尺寸为10,000x10,000像素至1,000,000x1,000,000像素的较大的图像数据。
此时,莫尔条纹产生预测装置可以作为输入图像而将矢量数据形式的图像、以及与该源图像对应的RIP处理完毕的网点图像这两者输入,在从客户终端仅发送矢量数据形式的源图像的情况下,可以对该源图像实施RIP处理,生成栅格数据形式的网点图像。
另外,在将输入图像输入之后,莫尔条纹产生预测装置的前处理部232可以将接收到的输入图像分割为作为固定尺寸的分区的处理用区域。处理用模块的尺寸例如优选为2的乘方的尺寸,但并未特别限定。另外,优选处理用模块的纵横为相同尺寸。作为处理用模块的尺寸的例子,例如可以使用128x128、256x256、512x512、1024x1024、2048x2048等。
此外,处理用模块的实际尺寸可以大于或等于2mm而小于或等于50mm。
另外,前处理部可以变换输入图像的分辨率而设定为大于或等于600dpi而小于或等于2400dpi。
在此后的处理(例如提取构造含有区域的处理520、莫尔条纹检测处理530)中,针对每个处理用模块而进行引发莫尔条纹的周期构造的有无的判定、莫尔条纹检测的判定。更具体而言,根据离散傅里叶变换的2维数据判定是否存在特有的峰值,由此能够判定引发莫尔条纹的周期构造的有无。分割为处理用模块的理由与以包含各种周期构造的状态进行判定相比,区划为小区域进行解析更容易反映任意的图案信息,因此优选进行模块分割。
接下来,在步骤520中,莫尔条纹产生预测装置的周期构造含有判定部针对矢量数据形式的源图像,判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域。
此外,后文中参照图6对周期构造含有判定处理的详情进行叙述。
接下来,在步骤530中,莫尔条纹产生预测装置的莫尔条纹预测部针对由周期构造含有判定部判定出的各周期构造区域实施规定的频率解析处理,由此在各周期构造区域判定产生莫尔条纹的危险度,生成针对各周期构造区域而表示危险度的莫尔条纹产生预告。
此外,后文中参照图8对莫尔条纹预测处理的详情进行叙述。
接下来,在步骤540中,莫尔条纹产生预测装置的区域提取部对源图像实施用于向规定的颜色空间变换的颜色变换处理,生成表示具有相似的像素值的相似区域的要素相似对应图,由此提取作为与成为步骤530的莫尔条纹预测处理的对象的区域相同的图案的区域的相似区域。
此外,后文中参照图12对抑制处理区域的筛选处理进行叙述。
接下来,在步骤550中,莫尔条纹产生预测装置的莫尔条纹抑制部针对步骤540中提取的相似区域实施规定的莫尔条纹抑制处理。作为莫尔条纹预测部进行的莫尔条纹抑制处理,考虑以使得网点图像各自的色调浓度与该位置的源图像浓度一致的方式调整色调的尺寸的方法、将网点图像的色调形状变换为漂亮的色调的方法,但本公开的实施方式所涉及的莫尔条纹预测处理并不限定于此,可以实施任意的莫尔条纹抑制处理。
接下来,在步骤560中,将由莫尔条纹产生预测装置的莫尔条纹抑制部处理后的抑制了莫尔条纹的图像向客户终端或印刷部输出。
根据以上说明的莫尔条纹产生预测处理,预测产生莫尔条纹的区域,仅对包含该区域在内的图案实施莫尔条纹抑制处理,由此能够抑制印刷劣化,并且能够抑制莫尔条纹的产生,进行品质良好的印刷。
接下来,参照图6对本公开的实施方式所涉及的周期构造含有判定处理进行说明。
图6是表示本公开的实施方式所涉及的周期构造含有判定处理520的流程的一个例子的图。图6所示的周期构造含有判定处理520是利用图2所示的周期构造含有判定部233进行的处理,且是用于在源图像中判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域的处理。
作为原则,源图像中包含的周期构造与网点的倾斜/角度发生干涉而产生莫尔条纹。因此,如上所述,针对构成源图像的处理用模块,分别实施本公开的实施方式所涉及的周期构造含有判定处理520,由此能够在该源图像中判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域。另外,如后所述,通过对这样判定的周期构造区域实施规定的频率解析处理,从而能够判定在各周期构造区域中产生莫尔条纹的危险度,能够生成针对各周期构造区域而表示危险度的莫尔条纹产生预告。
此外,关于判定为不包含周期构造的处理用模块,不进行后述的莫尔条纹预测处理、莫尔条纹抑制处理等。这样,仅对包含引发莫尔条纹的产生的周期构造在内的模块进行后述的莫尔条纹预测处理、莫尔条纹抑制处理等,从而与当前的莫尔条纹抑制方法相比,能够使得处理速度实现高速化,能够抑制对不包含莫尔条纹的剩余区域实施莫尔条纹抑制处理而产生的品质劣化。
首先,在步骤521中,周期构造含有判定部将源图像输入。这里,周期构造含有判定部例如可以从储存部获取利用通信部从客户终端接收且由前处理部进行了前处理的源图像。
接下来,在步骤522中,周期构造含有判定部实施用于使源图像向任意的颜色空间变换的颜色变换处理。在该颜色变换处理中,可以使由RGB的颜色构成的源图像向LUV颜色空间、LAB空间变换。
在变换的颜色的成分中,能够使用视敏度较高的亮度成分。另外,a*及b*也存在视敏度的不同,因此可以进行与其差相应的加权。并且,可以仅使用a*及b*的任一者。
接下来,在步骤523中,周期构造含有判定部生成提取出(即,去除/排除)源图像的轮廓成分的掩模。
更具体而言,在判定源图像的周期构造的有无时,在物体的轮廓附近等的亮度急剧变化的边界存在于处理用模块中的情况下,有时该边界的部分的高频率成分变为噪声,判定时的S/N比(Signal/Noise Ratio)下降。因此,优选在进行将存在急剧的亮度变化的边界去除的前处理之后进行频率分析。
因此,周期构造含有判定部对颜色变换后的源图像进行提取出轮廓成分的掩模的生成,由此能够避免S/N比,提高周期构造含有判定的精度。
接下来,在步骤524中,周期构造含有判定部进行对源图像的像素的最大值以及最小值实施标准化的处理。
更具体而言,在后述的频率解析中,根据进行了离散傅里叶变换的2维数据判定是否包含特有的峰值,由此能够判定引发莫尔条纹的产生的周期构造。在判定源图像的周期构造的有无时,在去除了前述的轮廓成分的基础上对构造的浓度信息(颜色/亮度信息)实施标准化,由此能够进一步提高周期构造含有判定的精度。作为一个例子,对颜色变换后的源图像实施平滑化处理,提取出平滑化前后的差值,能够以使得像素值的最大/最小值变为特定值的方式进行标准化,但本公开并不限定于此,可以使用任意的标准化方法。
接下来,在步骤525中,周期构造含有判定部针对接受了上述的颜色变换处理、轮廓掩模生成处理以及标准化处理的源图像进行频率解析处理。作为此时的频率解析处理,例如作为代表性的算法能举出FFT(高速傅里叶变换:Fast Fourier Transform)。FFT是指使得作为针对离散数据的傅里叶变换的DFT(离散傅里叶变换:Discrete FourierTransform)实现高速化的算法。
通过针对源图像的FFT生成的功率谱图像将中心位置设为频率零并,以随着使各方位的频率成分从中心离开而频率升高的方式分布。
作为包含引发莫尔条纹的产生的周期构造在内的图像的频率分布的特征,能举出强度较高的频率成分集中于特定区域、最大峰值强度较高、以及在高频区域也能够获取强度较高的频率成分。
另一方面,在不包含周期构造的图像的频率分布中,强度较高的频率成分分布于低频区域。
因而,在步骤525中,周期构造含有判定部为了判定引发莫尔条纹的产生的周期构造的有无,作为特征值而定量地计算出峰值位置、峰值强度以及以任意角度刻度分割了频率分布时的强度分布。然后,对由此获得的特征值进行评价,能够判定针对各模块产生莫尔条纹的危险度。
此外,作为特征值的评价方法,能举出对各特征值设置阈值而评价的方法、在回归分析后以似然度进行评价的方法、通过聚类分析对莫尔条纹有无进行分类的方法、或者组合上述方法的方法。
接下来,在步骤526中,包含通过上述处理判定出的周期构造在内的周期构造区域的信息向莫尔条纹预测部输出。
接下来,参照图7对本公开的实施方式所涉及的频率解析进行说明。
图7是表示本公开的实施方式所涉及的频率解析的一个例子的图。如上所述,在本公开的实施方式所涉及的莫尔条纹产生预测处理中,对输入图像(源图像和/或网点图像)实施频率解析处理,由此能够在输入图像中判定引发莫尔条纹的产生的周期构造,能够预测产生莫尔条纹的危险度。
图7是表示对输入图像710、720分别实施了频率解析处理的频率解析完毕图像715、725的图。如上所述,莫尔条纹为明暗的周期构造,因此作为包含引发莫尔条纹的产生的周期构造在内的图像的频率分布的特征,能举出强度较高的频率成分集中于特定区域、最大峰值强度较高、以及在高频区域也能获取强度较高的频率成分。
另一方面,在不包含周期构造的图像的频率分布中,强度较高的频率成分分布于低频区域。
因此,通过对输入图像实施本公开的实施方式所涉及的频率解析处理,能够在该输入图像中判断是否存在引发莫尔条纹的周期构造。
作为一个例子,对输入图像710实施上述频率解析处理而能够获得以一定的间隔分离的具有峰值强度较高的频谱成分的频率解析完毕图像715。根据该频率解析完毕图像715中呈现的频谱成分的周期性的分布以及峰值的强度,将输入图像710判定为具有引发莫尔条纹的周期构造。
另一方面,作为另一个例子,通过对输入图像720实施上述频率解析处理,能够获得具有强度较高的频谱成分分布于低频区域的频率分布的频率解析完毕图像720。根据该频率解析完毕图像720的频谱成分的分布,将输入图像720判定为不具有引发莫尔条纹的周期构造。
因此,如下面的说明,通过对任意的输入图像实施本公开的实施方式所涉及的频率解析处理,能够判定包含引发莫尔条纹的周期构造在内的区域。另外,仅对包含引发莫尔条纹的周期构造在内的区域实施莫尔条纹抑制处理,从而能够抑制印刷劣化,并且能够抑制莫尔条纹的产生,提供品质良好的印刷物。
接下来,参照图8对本公开的实施方式所涉及的莫尔条纹预测处理进行说明。
图8是表示本公开的实施方式所涉及的莫尔条纹预测处理530的流程的一个例子的图。图6所示的莫尔条纹预测处理530是利用图2所示的莫尔条纹预测部234进行的处理,且是用于针对判定为包含引发莫尔条纹的周期构造的周期构造区域的每个处理用模块预测莫尔条纹、且判定产生莫尔条纹的危险度的处理。
关于通过RIP处理而获得的网点图像与源图像,分辨率、描画方法存在差异,但除了颜色/明度/图案信息之类的莫尔条纹以外的成分是相同的。因此,在莫尔条纹预测处理530中,将两个图像的分辨率/描画对齐并进行对比,由此能够提取莫尔条纹成分。然后,进行针对该莫尔条纹成分的频率解析,由此能够针对周期构造区域的每个处理用模块而预测莫尔条纹的产生,判定产生莫尔条纹的危险度。
首先,在步骤531a以及步骤531b中,将源图像及网点图像输入。这里,莫尔条纹预测部可以从储存部获取实施了周期构造含有判定处理的源图像、以及与该源图像对应的网点图像。
接下来,在步骤532a以及步骤532b中,莫尔条纹预测部对源图像以及网点图像实施用于向规定的颜色空间变换的颜色变换处理。
更具体而言,源图像以及网点图像是如CMYK(Cyan Magenta Yellow Black)那样分版了的图像数据,还存在因多个版重叠而呈现出莫尔条纹的例子。因此,存在即使以各版的图像彼此进行对比也无法提取的莫尔条纹,因此为了检测因多个版重叠而产生的莫尔条纹,优选使版的信息结合并进行颜色变换。作为颜色变换的例子,能举出Lab、LUV空间等。
此外,对获得的明度图像(例如L)以及颜色图像(例如a、b)进行此后的处理。另外,这里,可以利用通过上述周期构造含有判定生成的源图像的颜色变换结果。
接下来,在步骤533中,莫尔条纹预测部生成提取出(即,用于去除/排除)源图像的轮廓成分的掩模。
在对网点图像实施后述的分辨率变换时,网点图像相对于源图像,图案的轮廓有可能偏移、或者轮廓有可能产生加粗/缩细。因此,在进行后述的差值提取处理时,如果对网点图像以及源图像进行对比并求出图像彼此的浓度差,则有可能无法提取准确的差值。另外,在图像内较细的描画的区域中,如果宏观地观察则因错视效果而没有不和谐感,但以网点图像和源图像对像素值的数据本身进行对比,则呈现出产生较大误差的趋势。
因此,鉴于上述,为了提取品质更好的差值,对源图像进行轮廓成分的提取,进行将轮廓区域从解析对象排除的轮廓掩模的制作。
此外,这里,可以利用通过上述周期构造含有判定而生成的轮廓掩模。
接下来,在步骤534a中,莫尔条纹预测部进行针对源图像的平滑化处理。该平滑化处理是对源图像实施滤波处理,针对关注像素包含附近的像素值的信息且实施平滑化的处理。作为平滑化处理的滤波器,能举出针对周围像素的权重均匀的移动平均滤波器、越接近关注像素则权重越大的高斯滤波器,也可以使用任一者。
此外,优选地,平滑化的程度取决于平滑化滤波器的尺寸,线数越大,滤波器的尺寸越小。如果线数较小,则网点较大,因此需要为了消除网点而强烈地实施平滑化,如果在线数较大时强烈地实施平滑化,则有可能产生新的莫尔条纹。
接下来,在步骤534b中,莫尔条纹预测部对网点图像进行用于使网点图像的分辨率与源图像的分辨率匹配的分辨率变换处理以及平滑化处理。
在进行分辨率变换处理之前的状态下,网点图像为1bit的数据,分辨率较高。另一方面,以8bit的灰阶描画源图像,与网点图像相比,分辨率更低(例如,考虑网点图像为2400dpi、源图像为600dpi等的实例)。因此,为了提取品质更好的差值,优选进行针对网点图像的分辨率变换、以及用于使描画一致的平滑化。
作为分辨率变换的代表性方法,能举出最近邻法、双三次法、双线性法等。但是,如果以最近邻法压缩网点图像,则网点图像会变得过粗,如果以双三次法进行压缩,则插补时的平滑化过强,因此有时此后的解析中产生不良情况。因此,优选基于双线性法的分辨率压缩。
此外,在步骤534b中对网点图像实施的平滑化处理实质上与步骤534a中对源图像实施的平滑化处理相同,因此这里省略其说明。另外,作为针对网点图像处理的次序,优选在颜色变换后进行分辨率变换/平滑化。这是因为,使前述的版重叠而呈现出的莫尔条纹的强度成分会减弱。
接下来,在步骤535中,莫尔条纹预测部生成表示接受了上述的颜色变换处理、平滑化处理、和/或分辨率变换处理的网点图像与源图像的像素差值的差值提取图像,对该差值提取图像乘以上述的轮廓掩模而提取莫尔条纹成分。
接下来,在步骤536中,莫尔条纹预测部对经由上述处理的图像数据进行频率解析处理。这里的频率解析处理实质上与例如参照图4说明的构造含有判定处理的频率解析处理相同,因此这里省略其详细说明。
在这里的频率解析处理中,作为特征值而定量地计算出峰值位置、峰值强度以及以任意角度刻度分割了频率成分的频率分布时的强度分布。然后,基于由此获得的特征值而进行评价,能够判定针对各模块而产生莫尔条纹的危险度。
另外,为了使包含罗塞塔图案在内的高频噪声对判定造成的影响缓和,反映人的视敏度,希望通过经由低通滤波器而提高精度。关于低通滤波器,优选随着远离直流成分而强度衰减的Gaussian滤波器、Welch滤波器。低通滤波器的尺寸与格栅尺寸相应地设为与人的视敏度相似的尺寸。
此外,在特征值的提取中,为了以浓色反映峰值位置的信息,利用参照图9后述的2种掩模,关于低频、高频区域而分别提取特征值,由此能期望评价精度的提高。低频、高频区域的边界可以设为固定值,也可以设为线性的函数。函数可以设为单调函数。
对通过实施频率解析处理而获得的特征值进行评价,针对各处理用模块而判定产生莫尔条纹的危险度。这里,产生莫尔条纹的危险度是表示产生莫尔条纹的可能性的尺度,可以以任意数量的阶段表现。例如,在某个实施方式中,产生莫尔条纹的危险度可以以3:没有产生莫尔条纹的可能性、2:有可能产生莫尔条纹、1:产生莫尔条纹的可能性较高等3个阶段表现。另外,在某个实施方式中,在处理用模块线该模块中可以根据产生莫尔条纹的可能性以规定的模拟色彩进行着色(灰色:没有产生莫尔条纹的可能性、黄色:有可能产生莫尔条纹、红色:产生莫尔条纹的可能性较高)。另外,在其他实施方式中,可以在处理用模块分别在该模块中以百分比表现产生莫尔条纹的概率。
此外,作为上述评价方法,能举出对各特征值设置阈值而进行评价的方法、在回归分析后以似然度进行评价的方法、通过聚类分析对莫尔条纹有无进行分类的方法、组合上述方法的方法。另外,判定的阈值可以以2个阶段而设定。例如,在将松缓的条件设为“通报注意莫尔条纹”、严格的条件设为“莫尔条纹警报”时,能够以下述方式等分开使用,即,在图像修正工序中基于通报注意莫尔条纹而进行判断,在印版工序中基于莫尔条纹警报而进行判断。
接下来,在步骤537中,莫尔条纹预测部可以生成针对各处理用模块而表示产生莫尔条纹的危险度的莫尔条纹产生预告并将其输出。如上所述,该莫尔条纹产生预告例如可以是针对各处理用模块而表示产生莫尔条纹的危险度的图像(参照图12)。
在某个实施方式中,在莫尔条纹预测部将生成的莫尔条纹产生预告向客户终端发送之后,接收到该莫尔条纹产生预告的客户终端可以在客户终端侧进行莫尔条纹抑制处理。
另外,在其他实施方式中,莫尔条纹预测部可以在将生成的莫尔条纹产生预告向区域提取部235输出之后,在莫尔条纹产生预测装置侧进行莫尔条纹抑制处理。然后,通信部可以将莫尔条纹产生预告、以及实施莫尔条纹抑制处理的图像一起向客户终端发送。
另外,在其他实施方式中,莫尔条纹预测部仅提取满足规定的危险度基准的(例如产生莫尔条纹的危险度较高)处理用模块,向客户终端发送。由此,能够抑制发送的数据的容量。
根据以上说明的处理,能够针对构成源图像的多个处理用模块分别预测产生莫尔条纹的危险度。另外,仅对基于该危险度而预测为产生莫尔条纹的处理用模块实施莫尔条纹抑制处理,由此能够抑制印刷劣化,并且能够抑制莫尔条纹的产生,进行品质良好的印刷。
接下来,参照图9~图10对针对本公开的实施方式所涉及的差值提取图像进行频率解析的情况的一个例子进行说明。
图9是表示针对本公开的实施方式所涉及的差值提取图像进行频率解析的情况的一个例子的图。如上所述,在本公开的实施方式所涉及的莫尔条纹产生预测处理中,针对对源图像与网点图像进行对比而生成的差值提取图像,实施频率解析处理,由此能够作为特征值定量地计算出峰值位置、峰值强度以及以任意角度刻度分割频率成分的频率分布时的强度分布,基于上述特征值能够预测产生莫尔条纹的危险度。
图9是表示针对差值提取图像910、920分别实施频率解析处理的频率解析完毕图像915、925的图。
作为一个例子,对差值提取图像910实施上述频率解析处理而能够获得以一定的间隔分离的具有峰值强度较高的频谱成分的频率解析完毕图像915。
另一方面,作为另一个例子,对差值提取图像820实施上述频率解析处理而能够获得具有强度较高的频率成分分布于低频区域的频率分布的频率解析完毕图像925。
图10是表示在对本公开的实施方式所涉及的差值提取图像进行频率解析之后利用阈值而判定莫尔条纹的情况的一个例子的图。更具体而言,图10表示对图9所示的频率解析完毕图像915、925分别应用两个滤波器(这里,窄域滤波器以及广域滤波器),将这两个滤波器内的值的比设定为用于判定莫尔条纹的阈值的情况的一个例子。利用该阈值能够判别噪声与莫尔条纹。
例如,如果对频率解析完毕图像915应用窄域滤波器以及广域滤波器,则窄域滤波器内的频谱成分的总和Enarrow、与广域滤波器内的频谱成分的总和Ewide的比即Enarrow/Ewide计算出为0.7。
另一方面,如果对频率解析完毕图像925应用窄域滤波器以及广域滤波器,则窄域滤波器内的频谱成分的总和Enarrow与广域滤波器内的频谱成分的总和Ewide的比即Enarrow/Ewide计算出为0.3。
作为用于判定莫尔条纹的阈值,设定0.5≤Enarrow/Ewide≤0.99。即,在窄域滤波器内的频谱成分的总和Enarrow与广域滤波器内的频谱成分的总和Ewide的比即Enarrow/Ewide满足0.5≤Enarrow/Ewide≤0.99的情况下,判定为该图像中存在莫尔条纹,在Enarrow/Ewide小于0.5的情况下,判定为该图像为噪声。
这样,在对对象的图像实施了频率解析处理之后,应用两个滤波器(这里,窄域滤波器以及广域滤波器),将这两个滤波器内的值的比设定为用于判定莫尔条纹的阈值,由此能够基于该阈值而在对象的图像中预测是否产生莫尔条纹。
另外,可以在上述阈值的基础上将Enarrow、Ewide的绝对值设为莫尔条纹的强度的指标。此时的阈值可以根据图像、印刷的种类等而由操作人员设定。
接下来,参照图11对用于本公开的实施方式所涉及的频率解析处理的掩模进行说明。
图11是表示用于本公开的实施方式所涉及的频率解析处理的掩模的一个例子的图。如上所述,在本公开的实施方式所涉及的频率解析处理中,能够作为特征值而定量地计算峰值位置、峰值强度以及以任意角度刻度分割频率成分的频率分布时的强度分布。在该特征值的计算中,为了以浓色反映峰值位置的信息,优选利用掩模。作为这里使用的掩模的一个例子,例如能举出图11所示的低频掩模1110以及高频掩模1120。在频率解析处理中利用图11所示的低频掩模1110以及高频掩模1120这2种掩模,能够针对低频区域及高频区域分别计算出特征值,因此能够提高上述莫尔条纹的评价精度。
另外,低频区域以及高频区域的边界可以设为固定值,也可以设为线性函数。该函数可以设为单调函数。
此外,在图11所示的低频掩模1110以及高频掩模1120中,白色区域表示有效像素。
接下来,参照图12对本公开的实施方式所涉及的抑制处理区域的筛选处理进行说明。
图12是表示本公开的实施方式所涉及的抑制处理区域的筛选处理540的流程的一个例子的图。图12所示的抑制处理区域的筛选处理540是利用图2所示的区域提取部235进行的处理,且是用于提取具有相似要素的相似区域的处理。
更具体而言,在上述莫尔条纹预测处理结束的阶段,能够获得表示在任意尺寸的处理用模块单位中产生莫尔条纹的危险度的莫尔条纹产生预告。对预测为产生莫尔条纹的处理用模块进行莫尔条纹抑制处理,由此能够将该莫尔条纹去除。但是,如果针对每个处理用模块实施抑制处理,则有可能目视确认模块状的莫尔条纹抑制处理有无。即,在图像中存在相似的描画、图案的处理用模块,如果仅对上述处理用模块的一部分实施莫尔条纹抑制处理,则因实施了莫尔条纹抑制处理的处理用模块、以及未实施莫尔条纹抑制处理的处理用模块产生视觉的差异,有可能对用户造成不和谐感。
因此,在本公开的实施方式所涉及的抑制处理区域的筛选处理540中,将源图像按照描画、图案共通的每个相似区域进行分割,以相似区域为单位进行莫尔条纹抑制处理,由此能够解决目视确认上述莫尔条纹抑制处理的有无的问题。
下面,对抑制处理区域的筛选处理540的详情进行说明。此外,抑制处理区域的筛选处理540是对未分割为处理用模块的源图像进行的处理。
首先,在步骤541中,区域提取部235将源图像输入。这里,区域提取部235可以从莫尔条纹产生预测装置的储存部获取源图像。
接下来,在步骤542中,区域提取部235实施用于将源图像向任意的颜色空间变换的颜色变换处理。在该颜色变换处理中,可以将由RGB的颜色构成的源图像向LUV颜色空间、LAB空间变换。
此外,这里,区域提取部235例如可以利用在上述周期构造含有判定处理520中生成的源图像的颜色变换结果。
接下来,区域提取部235将源图像按照描画、图案共通的每个相似区域进行分割,生成表示具有上述相似的像素值的相似区域的要素相似对应图。
这里,作为将源图像按照描画、图案共通的每个相似区域进行分割的方法,考虑对源图像计算出Sobel值且进行平滑化处理。通过该处理,生成具有与描画、每个图案相似的像素值的要素相似对应图。另外,关于每个相似区域的分割,优选如上述处理那样根据微细的周期构造的有无而分割相似区域。
如上所述,如果产生莫尔条纹的局限于包含微细的周期构造的情况、且是具有相同图案的相似区域,则通过上述处理在一面使得均匀的像素值分布,因此上述方法是此后的处理无浪费、且符合意愿的方法。
此外,分割相似区域的方法可以采用关注明度、色度的方法、语义分割等图像处理。
对于通过该处理获得的要素相似对应图实施轮廓提取,能够获得各相似区域的边界线的信息。
接下来,在步骤544中,区域提取部235基于步骤543中获得的相似区域的边界线信息、以及由上述莫尔条纹预测处理530获得的莫尔条纹产生预告,选择实施抑制处理的区域。这里,信息结合的方法可以利用FloodFill(漫水填充算法),也可以使用其他图像处理方法。
能够通过以上说明的抑制处理区域的筛选处理540,将源图像按照描画、图案共通的每个相似区域进行分割,能够以相似区域为单位进行莫尔条纹抑制处理。通过抑制处理区域的筛选处理540提取出的相似区域进入图5所示的莫尔条纹产生预测处理500的莫尔条纹抑制处理,接受莫尔条纹抑制处理。
接下来,参照图13对本公开的实施方式所涉及的莫尔条纹产生预告进行说明。
图13是表示本公开的实施方式所涉及的莫尔条纹产生预告1300的一个例子的图。如上所述,本公开的实施方式所涉及的莫尔条纹产生预告1300是针对各处理用模块而表示产生莫尔条纹的危险度的信息。如图13所示,在某个实施方式中,该莫尔条纹产生预告1300可以是针对各处理用模块而表示产生莫尔条纹的危险度的图像。
如上所述,在图13所示的莫尔条纹产生预告1300中,各处理用模块分别可以在该模块中根据产生莫尔条纹的可能性以规定的模拟色彩进行着色。例如,可以将在莫尔条纹产生预告1300中没有产生莫尔条纹的可能性的处理用模块1330设为灰色,将有可能产生莫尔条纹的处理用模块1320(通报注意区域)设为黄色,可以将产生莫尔条纹的可能性较高的处理用模块1310设为红色。
接下来,参照图14对本公开的实施方式所涉及的处理用模块的一个例子进行说明。
图14是表示本公开的实施方式所涉及的处理用模块的一个例子的图。如上所述,这里的处理用模块是指将源图像分割为固定尺寸的分区的小区域,且是成为处理对象的单位。
如图14所示,源图像1410可以分割为20个(4×5)的固定尺寸的处理用模块1415。处理用模块1415的尺寸例如优选为2的乘方的尺寸,但并未特别限定。另外,处理用模块优选为纵横相同的尺寸。作为处理用模块的尺寸的例子,例如可以使用128x128、256x256、512x512、1024x1024、2048x2048等。
此外,处理用模块的实际尺寸可以大于或等于2mm而小于或等于50mm。
如上所述,针对每个处理用模块而进行本公开的实施方式所涉及的处理(例如提取构造含有区域的处理520、以及莫尔条纹检测处理530)。另外,在某个实施方式中,关于针对每个处理用模块进行的处理,不仅可以针对1个1个的处理用模块进行,也可以针对以跨越多个相邻的处理用模块的方式重叠的、尺寸与处理用模块相同的重叠区域1430进行。例如,如图14所示,该重叠区域1430可以是以处理用模块的一半错开的区域。
这样,在针对处理用模块的处理的基础上,如果针对以跨越多个相邻的处理用模块的方式重叠的重叠区域1430进行,则处理量增加,但能够提高跨越处理用模块的部分的莫尔条纹的预测概率。
利用图14所示的一定尺寸的处理用模块1415能够实现计算的高速化,在此基础上,能够削减处理的存储器、提高缓存命中率。另外,利用以跨越多个相邻的处理用模块的方式重叠的重叠区域1430而能够减小跨越处理用模块的边界的周期构造、以及处理用模块内的差异。
并且,能够将图14所示的处理用模块1415分割为更小的子模块1445。上述子模块1445例如可以为处理用模块1415的一半的尺寸、1/4的尺寸。另外,上述子模块1445能够沿用在重叠区域1430的傅里叶变换的计算时已经计算完毕的子模块的结果,因此能够实现处理的高效化。
这样,利用子模块设置使得处理用模块重叠的重叠区域,能够提高引发莫尔条纹的周期构造的判定精度。
以上对本公开的实施方式进行了说明,本公开并不限定于上述实施方式,能够在不脱离本公开的主旨的范围内进行各种变更。
以上参照附图对用于实施本发明的最佳方式进行了说明,但本公开的范围并不限定于图示的记载的实施方式,还可以包含能带来与本发明的目的相同的效果的所有实施方式。并且,本公开的范围并不限定于由技术方案描述的发明的特征(feature),还包含所有公开的各特征(feature)、该特征(feature)的所有组合。
本公开中使用的“部”、“***”、“网络”之类的用语是物理的存在。物理的存在可以设为电路、其附属设备、或者以有线/无线的方式将它们连接的结构。它们可以设为具有特定功能。具有特定功能的上述组合能够通过各功能的组合而体现出叠加效果。
本公开以及特别随附的权利要求书中使用的用语(例如随附的权利要求书的正文)通常应当解释为“开放性的”用语(例如“具有”之类的用语应当解释为“至少具有”,“包含”之类的用语应当解释为“虽然包含但并不限定于此”等)。
另外,在解释用语、结构、特征(feature)、方面、实施方式的情况下,应当根据需要而按照附图。根据附图直接且毫无疑义地导出的事项应当与文本相同地,成为修改的依据。
并且,在想要记载特定数量的导入的技术方案的情况下,这种意图明确会记载于技术方案中,在未进行这种记载的情况下,不存在这种意图。例如,为了帮助理解,下面随附的权利要求书包含“至少1个”以及“1个或者多个”的导入句的使用,能够导入请求的列举。然而,这种语句的使用不应当解释为,基于不定冠词“a”或者“an”的技术方案的记载的导入将包含这种技术方案的特定技术方案限定为仅包含一种这样记载的实施方式。“大于或等于1个”或者“至少1个”的开头的语句以及“a”或者“an”等不定冠词(例如“a”和/或“an”)应当解释为至少是指“至少”。“1个”或者“大于或等于1个”)。关于为了导入技术方案的记述而使用的明确的事项的使用也相同。
标号的说明
200:产生预测***、205:客户终端、210:印刷部、225:通信网络、230:莫尔条纹产生预测装置、231:通信部、232:前处理部、233:周期构造含有判定部、234:莫尔条纹预测部、235:区域提取部、236:莫尔条纹抑制部、240:储存部、241:源图像、242:网点图像。
Claims (15)
1.一种莫尔条纹产生预测***,其特征在于,
所述莫尔条纹产生预测***包含:
通信部,其接收输入图像;
周期构造含有判定部,其用于在所述输入图像中判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域;以及
莫尔条纹预测部,其对判定出的各周期构造区域实施规定的频率解析处理,由此判定在各周期构造区域中产生莫尔条纹的危险度,生成并输出针对各周期构造区域而表示所述危险度的莫尔条纹产生预告。
2.根据权利要求1所述的莫尔条纹产生预测装置,其特征在于,
所述输入图像包含矢量数据形式的源图像以及栅格数据形式的网点图像。
3.根据权利要求2所述的莫尔条纹产生预测装置,其特征在于,
所述莫尔条纹产生预测装置还包含前处理部,
所述前处理部将所述输入图像分割为固定尺寸的处理用模块。
4.根据权利要求3所述的莫尔条纹产生预测装置,其特征在于,
所述周期构造含有判定部针对所述源图像,
实施用于向规定的颜色空间变换的颜色变换处理,
实施用于提取轮廓成分的轮廓成分提取处理,
实施平滑化处理,
将像素的最大值及最小值标准化,
实施所述规定的频率解析处理,
由此,基于所述源图像的频率的峰值、频率的峰值强度、或者强度分布的任一个,针对每个所述处理用模块而判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域。
5.根据权利要求4所述的莫尔条纹产生预测装置,其特征在于,
所述莫尔条纹预测部针对所述源图像,
实施用于向规定的颜色空间变换的颜色变换处理,
实施用于提取轮廓成分的轮廓成分提取处理,
实施平滑化处理,
针对所述网点图像,
实施用于向规定的颜色空间变换的颜色变换处理,
实施用于与所述源图像的分辨率匹配的分辨率变换处理,
实施平滑化处理,然后,
生成表示所述源图像与所述网点图像的像素差值的差值提取图像,
通过针对所述差值提取图像实施所述规定的频率解析处理,
从而基于所述差值提取图像的频率的峰值、频率的峰值强度、或者强度分布的任一个,
判定产生莫尔条纹的危险度,生成针对每个所述处理用模块而表示所述危险度的莫尔条纹产生预告。
6.根据权利要求5所述的莫尔条纹产生预测装置,其特征在于,
所述周期构造含有判定部以及所述莫尔条纹预测部,对以跨越多个相邻的处理用模块的方式重叠的重叠区域进行处理。
7.根据权利要求6所述的莫尔条纹产生预测装置,其特征在于,
所述莫尔条纹产生预测装置还包含用于提取成为莫尔条纹抑制处理的对象的区域的区域提取部,
所述区域提取部针对所述源图像,
实施用于向规定的颜色空间变换的颜色变换处理,
生成表示具有相似的像素值的相似区域的要素相似对应图。
8.根据权利要求7所述的莫尔条纹产生预测装置,其特征在于,
所述莫尔条纹产生预测装置还包含莫尔条纹抑制部,
所述莫尔条纹抑制部基于所述莫尔条纹产生预告,针对所述网点图像的每个所述相似区域实施规定的莫尔条纹抑制处理,由此生成莫尔条纹抑制完毕图像。
9.一种莫尔条纹产生预测***,其经由通信网络而将客户终端与莫尔条纹产生预测装置连接,其特征在于,
所述莫尔条纹产生预测装置包含:
通信部,其接收输入图像;
周期构造含有判定部,其用于在所述输入图像中判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域;以及
莫尔条纹预测部,其对判定出的各周期构造区域实施规定的频率解析处理,由此判定在各周期构造区域中产生莫尔条纹的危险度,生成针对各周期构造区域而表示所述危险度的莫尔条纹产生预告并向所述客户终端发送。
10.根据权利要求9所述的莫尔条纹产生预测***,其特征在于,
所述输入图像包含矢量数据形式的源图像以及栅格数据形式的网点图像,
所述莫尔条纹产生预测装置还包含前处理部,
所述前处理部将所述输入图像分割为固定尺寸的处理用模块。
11.根据权利要求10所述的莫尔条纹产生预测***,其特征在于,
所述莫尔条纹预测部针对所述源图像,
实施用于向规定的颜色空间变换的颜色变换处理,
实施用于提取轮廓成分的轮廓成分提取处理,
实施平滑化处理,
针对所述网点图像,
实施用于向规定的颜色空间变换的颜色变换处理,
实施用于与所述源图像的分辨率匹配的分辨率变换处理,
实施平滑化处理,然后,
生成表示所述源图像与所述网点图像的像素差值的差值提取图像,
通过针对所述差值提取图像实施所述规定的频率解析处理,
从而基于所述差值提取图像的频率的峰值、频率的峰值强度、或者强度分布的任一个,
判定产生莫尔条纹的危险度,生成针对每个所述处理用模块而表示所述危险度的莫尔条纹产生预告。
12.根据权利要求11所述的莫尔条纹产生预测***,其特征在于,
所述通信部仅针对满足规定的危险度基准的所述处理用模块,生成所述莫尔条纹产生预告。
13.根据权利要求11所述的莫尔条纹产生预测***,其特征在于,
所述莫尔条纹产生预测装置还包含:
区域提取部,其用于提取成为莫尔条纹抑制处理的对象的区域;以及
莫尔条纹抑制部,
所述区域提取部针对所述源图像,
实施用于向规定的颜色空间变换的颜色变换处理,
生成表示具有相似的像素值的相似区域的要素相似对应图,
所述莫尔条纹抑制部基于所述莫尔条纹产生预告,针对所述网点图像的每个所述相似区域实施规定的莫尔条纹抑制处理,由此生成莫尔条纹抑制完毕图像。
14.根据权利要求13所述的莫尔条纹产生预测***,其特征在于,
所述通信部将所述莫尔条纹产生预告以及所述莫尔条纹抑制完毕图像一起向所述客户终端发送。
15.一种莫尔条纹产生预测方法,其特征在于,
所述莫尔条纹产生预测方法包含如下工序:
接收源图像;
使所述源图像向网点图像变换;
将所述源图像和/或所述网点图像分割为固定尺寸的处理用模块;
针对所述源图像,实施用于向规定的颜色空间变换的颜色变换处理、实施用于提取轮廓成分的轮廓成分提取处理、实施平滑化处理、将像素的最大值及最小值标准化、实施所述规定的频率解析处理,由此基于所述源图像的频率的峰值、频率的峰值强度、或者强度分布的任一个,针对每个所述处理用模块而判定包含引发莫尔条纹的产生的周期构造在内的周期构造区域;
针对所述源图像,实施用于向规定的颜色空间变换的颜色变换处理、实施用于提取轮廓成分的轮廓成分提取处理、实施平滑化处理,针对所述网点图像,实施用于向规定的颜色空间变换的颜色变换处理、实施用于与所述源图像的分辨率匹配的分辨率变换处理、实施平滑化处理,然后生成表示所述源图像与所述网点图像的像素差值的差值提取图像;
针对所述差值提取图像,实施所述规定的频率解析处理,由此基于所述差值提取图像的频率的峰值、频率的峰值强度、或者强度分布的任一个而判定产生莫尔条纹的危险度,生成针对每个所述处理用模块而表示所述危险度的莫尔条纹产生预告;
针对所述源图像,实施用于向规定的颜色空间变换的颜色变换处理,生成表示具有相似的像素值的相似区域的要素相似对应图;以及
基于所述莫尔条纹产生预告,针对所述网点图像的每个所述相似区域实施规定的莫尔条纹抑制处理,由此生成并输出莫尔条纹抑制完毕图像。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-124988 | 2020-07-22 | ||
JP2020124988A JP7031701B2 (ja) | 2020-07-22 | 2020-07-22 | モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法 |
PCT/JP2021/022607 WO2022019005A1 (ja) | 2020-07-22 | 2021-06-15 | モアレ発生予測装置、モアレ発生予測システム及びモアレ発生予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116137842A true CN116137842A (zh) | 2023-05-19 |
CN116137842B CN116137842B (zh) | 2024-03-22 |
Family
ID=79729339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180060098.8A Active CN116137842B (zh) | 2020-07-22 | 2021-06-15 | 莫尔条纹产生预测装置、莫尔条纹产生预测***以及莫尔条纹产生预测方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4155089A4 (zh) |
JP (2) | JP7031701B2 (zh) |
CN (1) | CN116137842B (zh) |
WO (1) | WO2022019005A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11275367A (ja) * | 1998-03-26 | 1999-10-08 | Toppan Printing Co Ltd | モアレ縞抑圧方法 |
JP2001119575A (ja) * | 1999-10-15 | 2001-04-27 | Ricoh Co Ltd | 画像処理装置 |
JP2006254095A (ja) * | 2005-03-10 | 2006-09-21 | Fuji Xerox Co Ltd | 画像処理装置および画像処理方法、画像形成装置 |
JP2010278924A (ja) * | 2009-05-29 | 2010-12-09 | Sharp Corp | 画像処理装置、画像形成装置、画像処理方法、プログラムおよび記録媒体 |
JP2019092101A (ja) * | 2017-11-16 | 2019-06-13 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007129558A (ja) * | 2005-11-04 | 2007-05-24 | Canon Inc | 画像形成装置及び画像処理装置 |
JP2010010881A (ja) * | 2008-06-25 | 2010-01-14 | Olympus Imaging Corp | 撮影装置および画像中のモアレ有無の告知方法 |
JP5675253B2 (ja) * | 2009-12-28 | 2015-02-25 | キヤノン株式会社 | 画像処理装置、画像処理方法及びコンピュータプログラム |
JP5504915B2 (ja) | 2010-01-26 | 2014-05-28 | ソニー株式会社 | 撮像制御装置、撮像制御方法、プログラム |
JP2015023378A (ja) * | 2013-07-18 | 2015-02-02 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
JP2020005117A (ja) * | 2018-06-28 | 2020-01-09 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
CN111383186B (zh) * | 2018-12-29 | 2023-08-01 | Tcl科技集团股份有限公司 | 一种图像处理方法、装置及终端设备 |
-
2020
- 2020-07-22 JP JP2020124988A patent/JP7031701B2/ja active Active
-
2021
- 2021-06-15 EP EP21846149.9A patent/EP4155089A4/en active Pending
- 2021-06-15 CN CN202180060098.8A patent/CN116137842B/zh active Active
- 2021-06-15 WO PCT/JP2021/022607 patent/WO2022019005A1/ja unknown
-
2022
- 2022-02-10 JP JP2022019269A patent/JP2022065060A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11275367A (ja) * | 1998-03-26 | 1999-10-08 | Toppan Printing Co Ltd | モアレ縞抑圧方法 |
JP2001119575A (ja) * | 1999-10-15 | 2001-04-27 | Ricoh Co Ltd | 画像処理装置 |
JP2006254095A (ja) * | 2005-03-10 | 2006-09-21 | Fuji Xerox Co Ltd | 画像処理装置および画像処理方法、画像形成装置 |
JP2010278924A (ja) * | 2009-05-29 | 2010-12-09 | Sharp Corp | 画像処理装置、画像形成装置、画像処理方法、プログラムおよび記録媒体 |
JP2019092101A (ja) * | 2017-11-16 | 2019-06-13 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
EP4155089A1 (en) | 2023-03-29 |
CN116137842B (zh) | 2024-03-22 |
WO2022019005A1 (ja) | 2022-01-27 |
US20230164283A1 (en) | 2023-05-25 |
EP4155089A4 (en) | 2023-11-01 |
JP2022021439A (ja) | 2022-02-03 |
JP2022065060A (ja) | 2022-04-26 |
JP7031701B2 (ja) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8867796B2 (en) | Automated inspection of a printed image | |
US11107210B2 (en) | Image data generating apparatus generating image data for inspecting external appearance of product | |
JP4548528B2 (ja) | 画像処理装置及びエッジ分類方法 | |
US9342898B2 (en) | Image inspection system, image inspection method, and recording medium storing image inspection program | |
KR101140699B1 (ko) | 디지털 포렌직 기술을 이용한 보안 인쇄물 위조식별 시스템 및 그 방법 | |
JPH1051632A (ja) | 複合モードの文書の品質を向上させるための方法及び装置 | |
US9407794B2 (en) | Image processing apparatus and image processing system | |
US20120114230A1 (en) | Image processing apparatus, image processing method, and storage medium | |
US9965227B2 (en) | Image processing apparatus, image processing method, computer-readable recording medium, printing system, and method of producing printed material | |
JP4093413B2 (ja) | 画像処理装置、画像処理プログラム及び該プログラムを記録した記録媒体 | |
US9092854B2 (en) | Metrics to identify image smoothness | |
CN116137842B (zh) | 莫尔条纹产生预测装置、莫尔条纹产生预测***以及莫尔条纹产生预测方法 | |
Jing et al. | A general approach for assessment of print quality | |
JP4570534B2 (ja) | 画像処理装置、画像形成装置、画像処理方法、及びコンピュータプログラム | |
US7586647B2 (en) | Halftone detection and removal | |
US12047544B2 (en) | Moiré occurrence prediction device, moiré occurrence prediction system, and moiré occurrence prediction method | |
JP6540056B2 (ja) | 選択的な向上のあるデジタル画像ハーフトーン変換 | |
JP5453215B2 (ja) | 画像処理装置、画像形成装置、および画像処理方法 | |
CN109523504A (zh) | 图像处理设备及其控制方法和存储介质 | |
US20060221397A1 (en) | Method and apparatus for forming image using edge information of image | |
JP6008826B2 (ja) | 画像処理装置、画像形成装置、および画像処理方法 | |
JP2005031769A (ja) | 画像評価装置、画像評価方法、および同方法のプログラムを記録した記録媒体 | |
Chen | Laser scanner jitter characterization, page content analysis for optimal rendering, and understanding image graininess | |
JP6217413B2 (ja) | 網点画像の不適切濃度領域検出装置,方法およびプログラム | |
EP3028439B1 (en) | Analysing image content |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |