JP2017037099A - Image forming apparatus and method of controlling the same - Google Patents
Image forming apparatus and method of controlling the same Download PDFInfo
- Publication number
- JP2017037099A JP2017037099A JP2015156236A JP2015156236A JP2017037099A JP 2017037099 A JP2017037099 A JP 2017037099A JP 2015156236 A JP2015156236 A JP 2015156236A JP 2015156236 A JP2015156236 A JP 2015156236A JP 2017037099 A JP2017037099 A JP 2017037099A
- Authority
- JP
- Japan
- Prior art keywords
- image forming
- forming apparatus
- density
- image
- unit
- 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.)
- Pending
Links
Images
Landscapes
- Control Or Security For Electrophotography (AREA)
Abstract
Description
本願発明は、画像形成装置およびその制御方法に関する。 The present invention relates to an image forming apparatus and a control method thereof.
画像形成装置は、設置環境の変動や装置内の環境の変動に起因する短期的な変動、及び感光体や現像剤の経時変化（経時劣化）に起因する長期的な変動等の影響で、出力画像の濃度や濃度階調性が所望の濃度や階調性と異なる場合が生じる。そこで、画像形成装置では、所望の濃度や階調性に合わせるために様々な変動を考慮して画像形成条件を随時補正する必要がある。濃度や色味の変化を適切に補正する処理は、一般にキャリブレーションと称される。キャリブレーション処理として、例えば、濃度が一様なパターン画像を形成し、形成したパターンの濃度を測定して目標値と比較し、その比較結果に基づいて画像を形成するための各種条件を調整する。例えば特許文献１では、出力画像の濃度や階調性を安定化させるために、階調パターン等の特定パターンを用紙に形成し、画像読取部で読み取った階調パターン情報をγ補正等の画像形成条件にフィードバックさせる。
The image forming apparatus outputs output due to short-term fluctuations caused by fluctuations in the installation environment, fluctuations in the environment within the apparatus, and long-term fluctuations caused by changes in the photoreceptor and developer over time (deterioration with time). There are cases where the density and gradation of the image are different from the desired density and gradation. Therefore, in the image forming apparatus, it is necessary to correct the image forming conditions as needed in consideration of various variations in order to match the desired density and gradation. The process of appropriately correcting changes in density and color is generally referred to as calibration. As a calibration process, for example, a pattern image having a uniform density is formed, the density of the formed pattern is measured and compared with a target value, and various conditions for forming the image are adjusted based on the comparison result. . For example, in
一方、画質の安定性と同時に、ユーザビリティの向上、特に待機時間やダウンタイムの削減による生産性の向上に対する要求が高まっている。そのため、キャリブレーション制御に対しても、より短時間に制御することが強く求められている。制御時間短縮化への対応技術として、パッチの作像／測色の際の制御時間を短縮化するために、外部環境の変動とパッチの変動との間の相関関係をモデル化して、濃度を予測する濃度予測制御が提案されている。 On the other hand, there is an increasing demand for improving the usability by improving the usability, particularly by reducing the waiting time and downtime, as well as the stability of the image quality. For this reason, there is a strong demand for a shorter time for calibration control. In order to shorten the control time for patch image formation / colorimetry as a technology for shortening the control time, the correlation between the fluctuations in the external environment and the patch fluctuations is modeled to reduce the density. Concentration prediction control for prediction has been proposed.
濃度予測制御は、外部環境の変動と実際のパッチの変動との間にある相関関係を、様々なデータを取得することによって数式化し、外部環境の変動値を入力することによって、濃度の変動値を算出する。このような方法は、制御時間の短縮化に非常に有用である。しかしながら、数式化をして取得できる濃度変動モデルは、画像形成装置が作動していない時間、すなわち放置時間によって異なり、同一のモデルを使用すると予測誤差が大きくなってしまう。 In density prediction control, the correlation between fluctuations in the external environment and actual patch fluctuations is expressed by obtaining various data, and the fluctuation values in the density are entered by inputting the fluctuation values in the external environment. Is calculated. Such a method is very useful for shortening the control time. However, the density variation model that can be obtained by mathematical expression differs depending on the time during which the image forming apparatus is not operated, that is, the leaving time, and if the same model is used, a prediction error increases.
本発明は、上記課題を鑑み、色味・濃度階調性の安定化のためのキャリブレーションを、放置時間の長さに関わらず高精度に実行することを可能とする。 In view of the above-described problems, the present invention makes it possible to execute calibration for stabilizing color tone / density gradation property with high accuracy regardless of the length of the standing time.
上記課題を解決するために本願発明は以下の構成を有する。すなわち、記録剤を用いて画像形成を行う画像形成手段を備えた画像形成装置であって、前記画像形成手段により画像形成を行う際の画像信号に対して出力される前記記録剤の濃度を予測する予測手段と、前記予測手段にて予測された濃度に基づいて、前記画像形成手段による画像形成を制御する制御手段とを有し、前記画像形成装置の環境条件と当該環境条件において前記画像形成装置により画像形成された濃度との関係に基づき、前記画像形成装置が動作せずに放置された経過時間に対応して複数の関数が予め定義されており、前記予測手段は、前記画像形成装置が動作せずに放置された経過時間に応じて、前記複数の関数の中から濃度を予測する際に用いる関数を選択する。 In order to solve the above problems, the present invention has the following configuration. That is, an image forming apparatus including an image forming unit that forms an image using a recording agent, and predicts the density of the recording agent that is output with respect to an image signal when the image forming unit forms an image. And a control unit that controls image formation by the image forming unit on the basis of the density predicted by the prediction unit, and the image formation is performed under the environmental conditions of the image forming apparatus and the environmental conditions. Based on the relationship with the density formed by the apparatus, a plurality of functions are defined in advance corresponding to the elapsed time in which the image forming apparatus has not been operated, and the predicting means includes the image forming apparatus. A function to be used for predicting the concentration is selected from the plurality of functions according to the elapsed time that is left without operating.
本発明により、色味・濃度階調性の安定化のためのキャリブレーションを高精度に実行することが可能になる。 According to the present invention, calibration for stabilizing color tone / density gradation can be executed with high accuracy.
＜第一の実施形態＞
本発明の第一の実施形態について説明する。本実施形態に係る画像形成装置は電子写真方式を例にとって説明するが、これに限定するものではない。本願発明の制御の特徴的な点は、インクジェットプリンタや昇華型プリンタなどでも同じ課題があり、かつ、以下で述べる方法を用いて課題を解決することができる。
<First embodiment>
A first embodiment of the present invention will be described. The image forming apparatus according to the present embodiment will be described by taking an electrophotographic method as an example, but is not limited thereto. The characteristic point of the control of the present invention has the same problem in an ink jet printer, a sublimation printer, and the like, and the problem can be solved by using the method described below.
［画像形成装置］
（リーダー部）
図１に示すように、画像形成装置１００は、リーダー部Ａを有する。リーダー部Ａの原稿台ガラス１０２上に置かれた原稿は光源１０３によって照射され、原稿Ｇからの反射光が光学系１０４を介してＣＣＤセンサ１０５に結像する。ＣＣＤセンサ１０５は、三列に配置されたレッド、グリーン、およびブルーのＣＣＤラインセンサ群からなり、ラインセンサ毎にレッド、グリーン、およびブルーの色成分信号を生成する。これら読取光学系ユニットは、図１に示す矢印Ｒ３の方向に移動され、原稿Ｇの画像をライン毎の電気信号に変換する。原稿台ガラス１０２上には、位置決め部材１０７、および基準白色板１０６が配置されている。位置決め部材１０７は、原稿Ｇの一辺を当接させて原稿Ｇの斜め配置を防ぐ。基準白色板１０６は、ＣＣＤセンサ１０５の白レベルを決定し、ＣＣＤセンサ１０５のスラスト方向のシェーディング補正を行うための基準白色板１０６が配置されている。ＣＣＤセンサ１０５によって得られる画像信号は、リーダー画像処理部１０８によってＡ／Ｄ変換、基準白色板１０６の読取信号を用いたシェーディング補正、色変換がされてプリンタ部に送られ、プリンタ部内のプリンタコントローラ３００で処理される。また、リーダー部Ａには、オペレーターがコピー開始や各種設定等の操作するための操作部２０および操作パネル２１８が接続されている。
[Image forming apparatus]
(Leader)
As illustrated in FIG. 1, the
（プリンタ部）
図１に示すように、本実施形態に係る画像形成装置１００は、各色に対応する画像形成部Ｐを備えるタンデム型中間転写方式のフルカラープリンタである。ここでは、中間転写ベルト６に沿ってイエロー（Ｙ）、マゼンタ（Ｍ）、シアン（Ｃ）、ブラック（Ｋ）の画像形成部ＰＹ、ＰＭ、ＰＣ、ＰＫが配列されている。
(Printer part)
As shown in FIG. 1, the
画像形成部ＰＹでは、感光ドラム１Ｙにイエロートナー像が形成されて中間転写ベルト６に一次転写される。画像形成部ＰＭでは、感光ドラム１Ｍにマゼンタトナー像が形成されて中間転写ベルト６のイエロートナー像に重ねて一次転写される。画像形成部ＰＣ、ＰＫでは、それぞれ感光ドラム１Ｃ、１Ｋにシアントナー像、ブラックトナー像が形成されて同様に中間転写ベルト６に順次重ねて一次転写される。
In the image forming unit PY, a yellow toner image is formed on the
中間転写ベルト６に一次転写された四色のトナー像は、二次転写部Ｔ２へ搬送されて記録材Ｐへ一括二次転写される。四色のトナー像を二次転写された記録材Ｐは、定着装置１１で加熱加圧を受けて表面にトナー像を定着された後に、装置外部へ排出される。ここでの記録材Ｐは、例えば紙などが該当する。
The four-color toner images primarily transferred to the intermediate transfer belt 6 are transported to the secondary transfer portion T2 and collectively transferred to the recording material P. The recording material P on which the four-color toner images are secondarily transferred is heated and pressed by the fixing
中間転写ベルト６は、テンションローラ６１、駆動ローラ６２、及び対向ローラ６３に掛け渡して支持され、駆動ローラ６２に駆動されて所定のプロセススピードで矢印Ｒ２方向に回転する。
The intermediate transfer belt 6 is supported around a
記録材カセット６５から引き出された記録材Ｐは、分離ローラ６６で１枚ずつに分離され、レジストローラ６７へ送り出される。レジストローラ６７は、停止状態で記録材Ｐを受け入れて待機させ、中間転写ベルト６のトナー像にタイミングを合わせて記録材Ｐを二次転写部Ｔ２へ送り込む。
The recording material P drawn from the
二次転写ローラ６４は、対向ローラ６３に支持された中間転写ベルト６に当接して二次転写部Ｔ２を形成する。二次転写ローラ６４に正極性の直流電圧が印加されることによって、負極性に帯電して中間転写ベルト６に担持されたトナー像が記録材Ｐへ二次転写される。
The
画像形成部ＰＹ、ＰＭ、ＰＣ、ＰＫは、現像装置４Ｙ、４Ｍ、４Ｃ、４Ｋで用いるトナーの色がイエロー、マゼンタ、シアン、ブラックと異なる以外は、実質的に同一に構成される。以下では、特に区別を要しない場合は、いずれかの色に対応することを示すために符号に付した添え字Ｙ、Ｍ、Ｃ、Ｋは省略して、総括的に説明する。
The image forming units PY, PM, PC, and PK are configured substantially the same except that the color of toner used in the developing
図１に示すように、画像形成部Ｐには、感光ドラム１の周囲に、帯電装置２、露光装置３、現像装置４、一次転写ローラ７、およびクリーニング装置８が配置される。感光ドラム１は、アルミニウムシリンダの外周面に負極性の帯電極性を持たせた感光層が形成され、所定のプロセススピードで矢印Ｒ１方向に回転する。感光ドラム１は、近赤外光（９６０ｎｍ）の反射率が約４０％のＯＰＣ感光体である。しかし、反射率が同程度であるアモルファスシリコン系の感光体などであっても構わない。
As shown in FIG. 1, a charging device 2, an
帯電装置２は、スコロトロン帯電器を用いており、コロナ放電に伴う荷電粒子を感光ドラム１に照射して、感光ドラム１の表面を一様な負極性の電位に帯電する。スコロトロン帯電器は、高圧電圧が印加されるワイヤと、アースにつながれたシールド部と、所望の電圧が印加されたグリッド部とを有する。帯電装置２のワイヤには、帯電バイアス電源（不図示）から、所定の帯電バイアスが印加される。帯電装置２のグリッド部には、グリッドバイアス電源（不図示）から、所定のグリッドバイアスが印加される。ワイヤに印加される電圧にも依存するが、感光ドラム１は、ほぼグリッド部に印加された電圧に帯電する。
The charging device 2 uses a scorotron charger and irradiates the
露光装置３は、レーザービームを回転ミラーで走査して、帯電した感光ドラム１の表面に画像の静電像を書き込む。電位検出手段の一例である電位センサ（不図示）は、露光装置３が感光ドラム１に形成した静電像の電位を検出可能である。現像装置４は、感光ドラム１の静電像にトナーを付着させてトナー像に現像する。
The
一次転写ローラ７は、中間転写ベルト６の内側面を押圧して、感光ドラム１と中間転写ベルト６との間に一次転写部Ｔ１を形成する。正極性の直流電圧が一次転写ローラ７に印加されることによって、感光ドラム１に担持された負極性のトナー像が、一次転写部Ｔ１を通過する中間転写ベルト６へ一次転写される。
The
画像濃度センサ（パッチ検センサ）４００は、中間転写ベルト６に対向させて配置され、中間転写ベルト６上の未定着の記録剤（ここでは、トナー）の画像濃度を測定する。なお、本実施形態中では中間転写ベルト６に対向させて配置した構成であるが、感光ドラム１に対向させて配置する構成も含め、適宜配置することが可能である。また、感光ドラム１や中間転写ベルト６の上に配置した画像濃度センサ４００は、未定着のトナーの画像濃度を測定するセンサであるが、定着後のパターン画像を測定する画像濃度センサを別途、記録材Ｐの搬送方向下流側に配置してもよい。従って、本実施形態で説明する画像濃度センサに限定されるものではない。
An image density sensor (patch detection sensor) 400 is arranged to face the intermediate transfer belt 6 and measures the image density of an unfixed recording agent (here, toner) on the intermediate transfer belt 6. In the present embodiment, the configuration is arranged to face the intermediate transfer belt 6, but the arrangement can be appropriately arranged including the configuration to face the
クリーニング装置８は、感光ドラム１にクリーニングブレードを摺擦させて、中間転写ベルト６への転写を逃れて感光ドラム１に残った転写残トナーを回収する。ベルトクリーニング装置６８は、中間転写ベルト６にクリーニングブレードを摺擦させて、記録材Ｐへの転写を逃れて二次転写部Ｔ２を通過して中間転写ベルト６に残った転写残トナーを回収する。
The
（画像処理部）
図２は、本発明係るプリントシステムの構成例を示す図である。図２において、プリントシステムには、ホストコンピュータ３０１、および画像形成装置１００が含まれる。ホストコンピュータ３０１及び画像形成装置１００は、ＵＳＢ２．０Ｈｉｇｈ−Ｓｐｅｅｄ、１０００Ｂａｓｅ−Ｔ／１００Ｂａｓｅ−ＴＸ／１０Ｂａｓｅ−Ｔ（ＩＥＥＥ ８０２．３準拠）などの通信線によって接続されている。なお、各装置は、無線通信を用いて接続されてもよい。
(Image processing unit)
FIG. 2 is a diagram illustrating a configuration example of a print system according to the present invention. In FIG. 2, the print system includes a
画像形成装置１００において、プリンタコントローラ３００は、画像形成装置１００全体の動作を制御する。また、プリンタコントローラ３００は、ホストＩ／Ｆ部３０２、入出力バッファ３０３、プリンタコントローラＣＰＵ３１３、プログラムＲＯＭ３０４、ＲＡＭ３０９、画像情報生成部３０５、ＲＩＰ部３１４、色処理部３１５、階調補正部３１６、擬似中間調処理部３１７、エンジンＩ／Ｆ部３１８を有する。ホストＩ／Ｆ部３０２は、ホストコンピュータ３０１との入出力を司る。入出力バッファ３０３は、ホストＩ／Ｆ部３０２からの制御コードや各通信手段からデータの送受信を行う。プリンタコントローラＣＰＵ３１３は、プリンタコントローラ３００全体の動作を制御する。プログラムＲＯＭ３０４は、プリンタコントローラＣＰＵ３１３の制御プログラムや制御データが内蔵されている。ＲＡＭ３０９は、制御コード、データの解釈や印刷に必要な計算、或いは印刷データの処理のためのワークメモリに利用される。画像情報生成部３０５は、ホストコンピュータ３０１から受信したデータの設定より各種の画像オブジェクトを生成する。ＲＩＰ（Ｒａｓｔｅｒ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｏｒ）部３１４は、画像オブジェクトをビットマップ画像に展開する。色処理部３１５は、多次色の色変換処理を行う。階調補正部３１６は、単色の階調補正を実行する。擬似中間調処理部３１７は、ディザマトリクスや誤差拡散法などの擬似中間調処理を実行する。エンジンＩ／Ｆ部３１８は、変換された画像を画像形成エンジン部１０１に転送する。画像形成エンジン部１０１は、プリンタコントローラ３００から転送されてきた画像を用いて画像形成が行われる。図２において、基本的な画像形成時のプリンタコントローラ３００の画像処理の流れを、太い矢印にて示している。
In the
プリンタコントローラ３００は、画像形成だけではなく各種制御演算も司る。プリンタコントローラ３００は、各種制御演算のための制御プログラムをプログラムＲＯＭ３０４内に備える。その制御プログラムとして、最大濃度条件決定部３０６、予測濃度算出部３０７、および階調補正テーブル生成部３０８を有する。最大濃度条件決定部３０６は、最大濃度調整を行う。予測濃度算出部３０７は、センサからの出力値等により濃度を予測する。階調補正テーブル生成部３０８は、濃度階調補正（γＬＵＴ）を行う。なお、プリンタコントローラ３００は、各制御プログラムをプリンタコントローラＣＰＵ３１３にてプログラムＲＯＭ３０４から読み出して実行することにより各制御処理を実現するが、各種制御演算に関する詳細説明は後述する。
The
更にプリンタコントローラ３００は、テーブル格納部３１０、操作パネル２１８、パネルＩ／Ｆ部３１１、外部メモリ部１８１、メモリＩ／Ｆ部３１２、およびシステムバス３１９を備える。テーブル格納部３１０は、最大濃度条件決定部３０６〜階調補正テーブル生成部３０８の調整結果を一次格納する。操作パネル２１８は、印刷装置の操作や補正処理に実行指示を行う。パネルＩ／Ｆ部３１１は、プリンタコントローラ３００と操作パネル２１８とを繋ぐ。外部メモリ部１８１は、印字データや様々な印刷装置の情報等の保存に利用される。メモリＩ／Ｆ部３１２は、プリンタコントローラ３００と外部メモリ部１８１とを繋ぐ。システムバス３１９は、プリンタコントローラ３００内の各ユニットをつなぐ。
The
（予測濃度算出部）
次に、図３を用いて、プリンタコントローラ３００内での予測濃度算出部３０７について説明する。
(Predicted concentration calculator)
Next, the predicted density calculation unit 307 in the
画像形成装置１００が備える画像形成エンジン部１０１におけるセンサ２００、タイマー２０１、およびカウンター２０２からの各種信号値が、エンジンＩ／Ｆ部３１８を介して予測濃度算出部３０７に入力される。この時、まず予測濃度算出部３０７内の入力信号値処理部３２０に信号値は入力される。入力信号値処理部３２０は、信号値記憶部３２１と、差分算出部３２２とを備える。信号値記憶部３２１は、基本となる信号値を記憶する。差分算出部３２２は、入力された信号値と信号値記憶部３２１に記憶されている信号値との差分を算出する。
Various signal values from the
入力信号値処理部３２０にて処理された信号値は、濃度予測部３３０に入力される。濃度予測部３３０は、濃度記憶部３３１、および予測関数部３３２を備える。濃度記憶部３３１は、基本となる濃度を記憶する。予測関数部３３２は、入力信号値処理部３２０からの入力値に基づき濃度を予測する。予測関数部３３２は、入力値と基本となる濃度とから濃度変化量を算出する画像濃度予測モデルを有し、ここで算出された濃度変化量と、濃度記憶部３３１に記憶されている基本濃度とを足し合わせることで、現在の予測濃度を算出する。なお、画像濃度予測モデルについては後述する。また、基本となる信号値の取得、基本となる濃度の取得についても後述する。
The signal value processed by the input signal
算出された予測濃度は、階調補正テーブル生成部３０８に入力され、階調補正テーブル生成部３０８は、階調補正部３１６に入力するためのγＬＵＴを作成する。なお、階調補正方法については後述する。
The calculated predicted density is input to the gradation correction
［基本信号値、基本濃度取得］
次に、信号値記憶部３２１に保存される信号値、及び濃度記憶部３３１に保存される濃度の取得方法について説明する。本実施形態で用いる基本濃度は、図４に示す定期的に行われる自動階調補正制御時に取得される。
[Get basic signal value and basic density]
Next, a method for acquiring the signal value stored in the signal
まず、任意のタイミングで自動階調補正が開始されると、画像形成装置１００は、各色６４階調の画像パターンを形成し、パッチ画像として用紙上へ出力する（Ｓ２０１）。なお、階調数についてはこれに限定されるものではない。
First, when automatic gradation correction is started at an arbitrary timing, the
パッチ画像が出力された用紙は、ユーザーによりリーダー部Ａにセットされる。そして、画像形成装置１００は、リーダー部Ａにより用紙の画像を読み取り、画像パターンの濃度を検出する（Ｓ２０２）。
The sheet on which the patch image is output is set in the reader unit A by the user. Then, the
画像形成装置１００は、画像パターンから得られた濃度から、補間処理とスムージング処理を行い、全濃度領域のエンジンγ特性を得る。次に、画像形成装置１００は、得られたエンジンγ特性と予め設定されている階調ターゲットを用いて、入力画像信号を出力用の画像信号に変換するための階調補正テーブルを作成する（Ｓ２０３）。本実施形態では、図５に示すように、階調ターゲットに対して一致するように逆変換処理を行い作成する。この作業が終了すると、階調ターゲットに対して用紙上の濃度が全濃度領域で一致するようになる。
The
画像形成装置１００は、生成した階調補正テーブルを用いて、複数の画像パターンを形成する（Ｓ２０４）。更に、画像形成装置１００は、中間転写ベルト６上で画像濃度センサ４００を用いて濃度を検出する（Ｓ２０５）。そして、画像形成装置１００は、検出した濃度値が中間転写ベルト６上におけるターゲット濃度となるため、その値を基本濃度として濃度記憶部３３１に保存する（Ｓ２０６）。本実施形態では、階調補正テーブルが作成された後に各色１０階調の画像パターンを形成し、画像濃度センサ４００を用いて濃度値を検出する。そして、その結果を基本濃度として濃度記憶部３３１に保存する。
The
更に、画像形成装置１００は、基本濃度を取得した際のセンサ、カウンター、タイマーの値を、基本となる信号値として、信号値記憶部３２１に保存する（Ｓ２０７）。
Further, the
なお、本実施形態では画像濃度予測モデルを中間転写体（中間転写ベルト６）上のパッチ濃度を予測するモデルとしたため、基本となる濃度値は中間転写体上で測定した濃度値を保存した。しかし、例えば用紙等の記録媒体上に形成されたパッチの濃度を予測するモデルとする場合は、基本となる濃度値は記録媒体上のパッチ濃度として保存する。基本濃度は、画像濃度予測モデルを、どの位置のパッチ濃度を扱うかによって、適宜選択すればよく、上記に限定されるものではない。 In this embodiment, since the image density prediction model is a model for predicting the patch density on the intermediate transfer body (intermediate transfer belt 6), the density value measured on the intermediate transfer body is stored as the basic density value. However, when a model for predicting the density of a patch formed on a recording medium such as paper is used, the basic density value is stored as the patch density on the recording medium. The basic density may be selected as appropriate depending on which position of the patch density is used in the image density prediction model, and is not limited to the above.
［ＬＵＴ作成方法］
次に、本実施形態において、予測濃度値をＬＵＴに反映する方法について説明する。
[LUT creation method]
Next, a method for reflecting the predicted density value in the LUT in this embodiment will be described.
図４にて説明したように、任意のタイミングで行った自動階調補正時に、予め設定されている階調ターゲット（以後、階調ＬＵＴ）になるように、エンジンγ特性に合わせて階調補正テーブル（以後、基本補正ＬＵＴ）が形成される。その後、各色１０階調の基本濃度値が取得される。従って、自動階調補正後は、入力画像データに基本補正ＬＵＴを適用してエンジンに入力し、エンジンγ特性が合わさって出力されることにより、狙いの階調ＬＵＴになるように出力される。以後、例えば、電源ＯＮ時、スリープ復帰時、環境変動時、予め設定された任意のタイミングで予測濃度値を取得し、その予測濃度値を用いて画像出力時のＬＵＴ（以後、合成補正ＬＵＴ）を作成する。 As described with reference to FIG. 4, when automatic gradation correction is performed at an arbitrary timing, gradation correction is performed in accordance with the engine γ characteristics so that a predetermined gradation target (hereinafter referred to as gradation LUT) is obtained. A table (hereinafter basic correction LUT) is formed. Thereafter, a basic density value of 10 gradations for each color is acquired. Therefore, after the automatic gradation correction, the basic correction LUT is applied to the input image data and input to the engine, and the combined engine γ characteristics are output, so that the target gradation LUT is output. Thereafter, for example, when the power is turned on, when returning from sleep, when the environment changes, the predicted density value is acquired at an arbitrary timing set in advance, and the LUT at the time of image output using the predicted density value (hereinafter referred to as a combined correction LUT). Create
図６〜図９を用いて合成補正ＬＵＴ作成方法について説明する。図６に補正ＬＵＴを作成する処理のフローチャートを示す。 A composite correction LUT creation method will be described with reference to FIGS. FIG. 6 shows a flowchart of processing for creating a correction LUT.
まず、プリンタコントローラ３００は、予測濃度値を取得する（Ｓ３０１）。次に、プリンタコントローラ３００は、取得した予測濃度値を階調毎にプロットし、図７の○点に示す予測濃度値に対する濃度カーブ（破線）を作成する（Ｓ３０２）。
First, the
プリンタコントローラ３００は、作成した予測濃度値の濃度カーブを、基本濃度カーブに補正するために逆変換を行い、図８の長破線で示すような予測時ＬＵＴを作成する（Ｓ３０３）。
The
最後に、プリンタコントローラ３００は、予測時ＬＵＴと、基本補正ＬＵＴを掛け合わせることで、図９の２点鎖線に示すような合成補正ＬＵＴを作成する（Ｓ３０４）。そして、プリンタコントローラ３００は、作成した合成補正ＬＵＴを出力画像に反映させて、画像を出力する。なお、濃度カーブの作成方法は、１０点を結ぶような近似式を用いる等、一般的に使用される近似方法で構わない。
Finally, the
［予測濃度算出］
予測濃度値を算出する処理のフローチャートを、図１０に示す。ここでは、予め基本信号値、基本濃度が取得された状態において、画像形成装置１００本体を起動させた場合の濃度を予測するフローについて説明する。
[Predicted concentration calculation]
FIG. 10 shows a flowchart of the process for calculating the predicted density value. Here, a flow for predicting the density when the main body of the
まず、画像形成装置１００本体が起動されると、プリンタコントローラ３００は、画像形成エンジン部１０１に備えられているセンサ２００、タイマー２０１、およびカウンター２０２から、起動時の入力信号値を取得する（Ｓ４０１）。プリンタコントローラ３００は、この取得した信号値と、予め記憶されている基本信号値との差分を抽出する（Ｓ４０２）。
First, when the main body of the
次に、プリンタコントローラ３００は、抽出された差分値を、予め検討に基づいて作成されている画像濃度予測モデルに代入する（Ｓ４０３）。そして、プリンタコントローラ３００は、現時点での濃度における基本濃度からの差分値（変動量）を予測値として算出する（Ｓ４０４）。プリンタコントローラ３００は、算出した予測値と基本濃度値との和から、現時点での予測濃度値を算出する（Ｓ４０５）。
Next, the
［画像濃度予測モデルの作成］
画像濃度予測モデルは、画像の濃度変動に相関のある情報を入力情報とし、画像濃度情報を出力情報として、実験結果に基づいて数式化することで得られる。ここでの入力情報とは、例えば、画像形成装置１００の電源投入直後にセンサ２００から取得できる環境情報、タイマー２０１から取得できる前の印刷からの放置時間などの時間情報、もしくはカウンター２０２から取得できるトナー補給回数や空回転回数などの回数情報が挙げられる。
[Create image density prediction model]
The image density prediction model is obtained by formulating based on the experimental results using information correlated with the density fluctuation of the image as input information and image density information as output information. The input information here is, for example, environmental information that can be acquired from the
画像濃度予測モデルは、必ずしも画像濃度に最も相関の高い情報から成るとは限らない。例えば、センサ２００から取得される環境情報で、印刷時よりも過去の情報の方が最も相関が高いとする。この場合、電源投入直後においては、過去の情報は、センサが通電されていないため得られない。過去の環境情報と相関が高い濃度変動の特性を持つ画像形成装置において、画像濃度予測モデルを使って濃度補正を行うには、過去の環境情報の代わりに印刷時の現在の情報を入力とした予測モデルを構築する必要がある。
The image density prediction model does not necessarily include information having the highest correlation with the image density. For example, in the environment information acquired from the
なお、画像濃度予測モデルは、画像形成装置の構成や印刷速度、画像形成装置における様々な制御によって、モデル構造やモデル構造の因子、係数が変化する。従って、以下に説明する画像濃度予測モデルの作成方法によって作成された予測モデルに限定されるものではない。 In the image density prediction model, the model structure, the factors of the model structure, and the coefficients vary depending on the configuration and printing speed of the image forming apparatus and various controls in the image forming apparatus. Therefore, the present invention is not limited to the prediction model created by the image density prediction model creation method described below.
以下、本発明に用いる画像濃度予測モデルを作成するための手順を、図１１を用いて説明する。 Hereinafter, the procedure for creating the image density prediction model used in the present invention will be described with reference to FIG.
まず、ユーザーは、環境条件の変動パターンを多数用意し、その条件下で画像形成装置１００に印刷動作を実行させ、環境条件とそれに対応する出力画像の画像濃度を測定する（Ｓ１０１）。ここでの環境条件とは、印刷時の現像器内のトナー濃度や様々な箇所の温度・湿度、前の印刷時の現像器内のトナー濃度や、前の印刷からの放置時間などである。これらは、電源投入直後に入手できる環境情報である。画像濃度とは、トナーパッチの感光体上での濃度や中間転写体上での濃度や印刷媒体上での濃度のいずれかである。画像濃度は階調によって環境条件に対する感度が異なるため、例えば濃度の異なる１０階調のトナーパッチを印刷して、各階調の画像濃度を測定する。本実施形態では、環境条件は、印刷時の現像器内のトナー濃度、現像器内の温度、現像器外の湿度、および前の印刷からの放置時間とする。画像濃度は、１０階調のトナーパッチの中間転写体上での濃度とする。本例で用いる環境条件および検出された画像濃度のデータの具体例については後述する。
First, the user prepares a large number of variation patterns of environmental conditions, causes the
次に、ユーザーは、測定データを同定用データと検証用データとに分類する（Ｓ１０２）。次に、ユーザーは、測定データから、実験時の最初のデータを基準とした環境変動と画像濃度の変動のデータを算出する（Ｓ１０３）。次に、ユーザーは、同定用データに対して、各環境条件を入力変数とし、各階調の画像濃度を出力変数とする一次関数式でカーブフィットを行う（Ｓ１０４）。 Next, the user classifies the measurement data into identification data and verification data (S102). Next, the user calculates environmental variation and image density variation data based on the first data at the time of the experiment from the measurement data (S103). Next, the user performs curve fitting with respect to the identification data using a linear function equation having each environmental condition as an input variable and image density of each gradation as an output variable (S104).
自動階調補正制御が行われてからの経過時間ｔ秒後の入力変数を、現像器内の温度変動ｘ１（ｔ）［℃］、現像器外の湿度変動ｘ２（ｔ）［％］、印刷時の現像器内のトナー濃度変動ｘ３（ｔ）、前の印刷からの放置時間変動ｘ４（ｔ）［分］とする。そして、入力変数ｘｉ（ｔ）を用いて予測する出力変数を、１０階調の画像濃度変動
この一次関数モデルを用いて、入力変数ごとに（ｉ＝１〜４）、出力変数である１０階調の各画像濃度変動の測定データｙｎ（ｔ）（ｎ＝１〜１０）に対してカーブフィットを行う。カーブフィットの方法の一例としては、一次関数モデルの係数ａｎｉに対して、次式で表される予測誤差の二乗和Ｓｎｉを演算し、これを最小にする係数ａｎｉを探索する。
次に、ユーザーは、検証用データを使って、Ｓ１０４で求めた一次関数モデルの予測誤差を演算する（Ｓ１０５）。ユーザーは、検証用データの環境条件で、各一次関数モデルを使って各階調の画像濃度変動の予測値
最後に、ユーザーは、入力変数に対する評価値Ｓｉを比較し、最適な入力変数と一次関数モデルとを得て、これを画像濃度予測モデルとする（Ｓ１０７）。ここで決定する最適な画像濃度予測モデルの例については、後述する検証と併せて説明する。 Finally, the user compares the evaluation value S i with respect to the input variable, obtains the optimum input variable and the linear function model, and uses this as the image density prediction model (S107). An example of the optimum image density prediction model determined here will be described together with verification described later.
［検証］
本実施形態においては、入力値としての放置時間に応じて、画像濃度予測モデルに係る係数を変更し、それぞれのモデルにおいて濃度予測値の算出を行う。まず、放置時間によって予測モデルの係数を変化させる必要性について説明する。
[Verification]
In the present embodiment, the coefficient relating to the image density prediction model is changed according to the standing time as the input value, and the density prediction value is calculated in each model. First, the necessity of changing the coefficient of the prediction model according to the standing time will be described.
図１２は、画像形成装置１００の放置時間が１時間より長い場合の測定データの一例であり、図１１のＳ１０１で得られるデータである。ここでは、環境条件および画像濃度を日ごとに測定したデータを用いる。図１２（ａ）は、環境条件の測定データである。図１２（ｂ）は、画像濃度の測定データである。ユーザーは、この測定データを同定用データと検証用データとに分類する。また、図１３（ａ）は、図１１のＳ１０３で得られる環境条件の変動データである。図１３（ｂ）は、画像濃度の変動データである。
FIG. 12 is an example of measurement data when the
図１４は、図１１のＳ１０４で得られるカーブフィットの結果であり、図１３のデータを基にカーブフィットした結果について、一次関数モデル（予測関数）と、予測誤差の二乗和の最小値を示す図である。なお、以下のデータに記載される記号Ｅは、指数表記である。例えば、（Ｅ−１）＝（１０）−１＝０．１となり、（Ｅ−２）＝（１０）−２＝（１／１０）２＝０．０１となる。図１５は、図１１のＳ１０５で得られる検証用のデータを演算した場合の予測誤差の二乗和である。図１６は、図１１のＳ１０６で得られる二乗和の総和である。 FIG. 14 shows the result of the curve fitting obtained in S104 of FIG. 11, and shows the linear function model (prediction function) and the minimum value of the sum of squares of the prediction errors for the result of curve fitting based on the data of FIG. FIG. In addition, the symbol E described in the following data is an exponential notation. For example, (E-1) = (10) -1 = 0.1, and (E-2) = (10) -2 = (1/10) 2 = 0.01. FIG. 15 is a sum of squares of prediction errors when the verification data obtained in S105 of FIG. 11 is calculated. FIG. 16 shows the total sum of squares obtained in S106 of FIG.
以上のようなモデル作成手順に基づいて、図１２のように取得された画像形成装置の放置時間が１時間より長い場合の画像濃度予測モデルが完成される。本実施形態では、検証用データを用いて演算した予測誤差の二乗和の総和Ｓｉを比較し、この値が最小である、現像器外の湿度を入力変数とした一次関数モデルを画像濃度予測モデルとする。つまり、図１１のＳ１０７において決定される最適な環境条件および一次関数モデルである。 Based on the model creation procedure as described above, an image density prediction model in the case where the image forming apparatus is left standing for more than 1 hour as shown in FIG. 12 is completed. In the present embodiment, the total sum S i of prediction errors calculated using the verification data is compared, and a linear function model having the minimum value and humidity outside the developing unit as an input variable is used as the image density prediction. Model. That is, the optimum environmental condition and the linear function model determined in S107 of FIG.
一方、図１７Ａ、図１７Ｂは、本実施形態にて説明した方法で取得した、画像形成装置の放置時間が１時間以内の場合の測定データの一例である。図１７Ａは環境条件でのデータであり、図１７Ｂは画像濃度のデータである。また、図１８Ａ、図１８Ｂは、環境変動と画像濃度の変動のデータである。このデータを、図１２のデータを基に作成された画像濃度予測モデルに入力し、各階調の画像濃度変動の予測値と、各階調の濃度変動の実測値とを比較すると、図１９のような予測誤差になる。 On the other hand, FIG. 17A and FIG. 17B are examples of measurement data obtained by the method described in the present embodiment when the image forming apparatus is left unused for one hour or less. FIG. 17A shows data under environmental conditions, and FIG. 17B shows image density data. FIG. 18A and FIG. 18B are data of environmental variation and image density variation. This data is input to an image density prediction model created based on the data of FIG. 12, and the predicted value of the image density fluctuation at each gradation and the measured value of the density fluctuation at each gradation are compared, as shown in FIG. Prediction error.
図１９は、モデル作成時に画像形成装置を１時間より長い時間放置させた場合のデータから作成された、現像器外湿度を入力変数とした一次関数モデルを用いる。この一次関数モデルに対し、１時間より長い時間放置させた場合のデータ（ａ）と、１時間以内の放置時間の場合のデータ（ｂ）のそれぞれで検証を行って予測誤差を算出し比較した表である。 FIG. 19 uses a linear function model that is created from data obtained when the image forming apparatus is allowed to stand for longer than one hour at the time of model creation, with the humidity outside the developing device as an input variable. For this linear function model, the data (a) when left for more than 1 hour and the data (b) when left for less than 1 hour are verified, and a prediction error is calculated and compared. It is a table.
図１９から分かるように、（ａ）よりも（ｂ）の方が、予測誤差が大きくなっている。これは、画像形成装置の放置時間が長い場合と短い場合では、係数を含めたモデルの構造が異なってくることを意味している。 As can be seen from FIG. 19, the prediction error is larger in (b) than in (a). This means that the model structure including the coefficient differs between when the image forming apparatus is left for a long time and when it is short.
放置時間が長い場合は、前回行ったジョブの影響がほとんど残らない状態で、次のジョブが開始される。これに対し、放置時間が短い場合は、前回行ったジョブの影響が残っている状態で次のジョブが開始されるため、同じモデル構造で予測した場合、誤差が大きくなってしまうと想定される。 If the neglected time is long, the next job is started with almost no influence from the previous job. On the other hand, if the neglected time is short, the next job is started with the effect of the previous job remaining, so if it is predicted with the same model structure, the error is assumed to be large. .
特に画像形成装置で用いるトナーは、環境の変動や放置時間によってトナー帯電量が大きく変化する。従って、画像濃度予測モデルを作成する場合は、上記のように放置時間が変化した場合を考慮する必要が出てくる。 In particular, the toner charge amount of the toner used in the image forming apparatus varies greatly depending on the environmental change and the standing time. Therefore, when creating the image density prediction model, it is necessary to consider the case where the leaving time changes as described above.
次に、図１７のデータ、すなわち、画像形成装置の放置時間が１時間以内の場合のデータを用いて画像濃度予測モデルを作成する場合について説明する。図２０は、図１１のフローに従って環境データと画像濃度実測値のカーブフィットを行い、同定用のデータを用いて各一次関数モデルと予測誤差の二乗和の最小値を示す。また、図２１は、図１１のＳ１０５で得られる検証用のデータを演算したときの予測誤差の二乗和を示す。図２２は、図１１のＳ１０６で得られる二乗和の総和を示す。 Next, a case where an image density prediction model is created using the data in FIG. 17, that is, data in the case where the image forming apparatus is left for one hour or less will be described. FIG. 20 shows the minimum value of the square function sum of each linear function model and prediction error using the identification data by performing curve fitting of the environmental data and the actually measured image density value according to the flow of FIG. FIG. 21 shows the sum of squares of prediction errors when the verification data obtained in S105 of FIG. 11 is calculated. FIG. 22 shows the sum of square sums obtained in S106 of FIG.
図２１、図２２から分かるように、画像形成装置の放置時間が１時間以内のデータを用いて画像濃度予測モデルを作成した場合、予測誤差が小さく、従って精度よく濃度予測ができていることが分かる。これは、放置時間が１時間より長い場合の測定データを用いて画像濃度予測モデルを作成した場合と同様であり、同じ環境条件下のデータを用いて画像濃度予測モデルを作成することで精度が向上している。図２３は、放置時間が１時間以内の場合と、１時間より長い場合における画像濃度予測モデルにおける各階調の係数を示す。図２３において、縦軸を予測関数の係数とし、横軸を画像信号値とする。 As can be seen from FIGS. 21 and 22, when an image density prediction model is created using data in which the image forming apparatus is left for an hour or less, the prediction error is small, and thus the density prediction can be performed with high accuracy. I understand. This is the same as the case where the image density prediction model is created using the measurement data when the standing time is longer than 1 hour, and the accuracy can be improved by creating the image density prediction model using the data under the same environmental conditions. It has improved. FIG. 23 shows the coefficient of each gradation in the image density prediction model when the leaving time is within one hour and when it is longer than one hour. In FIG. 23, the vertical axis represents the coefficient of the prediction function, and the horizontal axis represents the image signal value.
また、図２４は、入力画像信号値が１００％、５０％、１０％の画像に対して、濃度と経過時間の関係を示す図である。図２４において、縦軸を濃度とし、横軸を経過時間とする。実線は、本実施形態で説明したような方法を用いて画像濃度センサ４００にて実測した場合を示す。点線は、画像形成装置の放置時間が１時間より長い場合のデータを用いて画像濃度予測モデルを作成し、そのモデルを用いて濃度予測を行った場合を示す。破線は、画像形成装置の放置時間が１時間以内の場合のデータを用いて画像濃度予測モデルを作成し、そのモデルを用いて濃度予測を行った場合を示す。
FIG. 24 is a diagram showing the relationship between density and elapsed time for images with input image signal values of 100%, 50%, and 10%. In FIG. 24, the vertical axis represents density and the horizontal axis represents elapsed time. A solid line indicates a case where measurement is performed by the
図２４から分かるように、画像形成装置の放置時間が１時間以上のデータを用いて濃度予測を行った場合は、実測とのずれ分が大きい。これに対して、画像形成装置の放置時間が１時間以内のデータを用いて濃度予測を行った場合は、実測とのずれ分が非常に小さくなることが分かる。特に画像信号値の入力値が小さいほど（ここでは、１０％）その誤差に対するモデル間の差異が顕著になる。 As can be seen from FIG. 24, when the density prediction is performed using the data in which the image forming apparatus is left for one hour or more, the deviation from the actual measurement is large. In contrast, when the density prediction is performed using data in which the image forming apparatus is left for less than 1 hour, it can be seen that the deviation from the actual measurement becomes very small. In particular, the smaller the input value of the image signal value (here, 10%), the more significant the difference between the models with respect to the error.
以上、色味・濃度階調性の安定化制御のためのキャリブレーションを、外部環境の変動を入力値として予測濃度値を算出して実行する濃度予測制御において、放置時間の長さによって使用する濃度予測モデルを変更する。これにより、環境の変動に対して高精度に出力濃度を予測することが可能になる。その結果、色味・濃度階調性の安定化のためのキャリブレーションを高精度に実行することが可能になる。 As described above, the calibration for the stabilization control of the color tone / density gradation property is used according to the length of the standing time in the density prediction control in which the predicted density value is calculated by using the change of the external environment as the input value. Change the concentration prediction model. This makes it possible to predict the output density with high accuracy with respect to environmental changes. As a result, calibration for stabilizing color tone / density gradation can be executed with high accuracy.
＜その他の実施形態＞
第一の実施形態においては、画像濃度予測モデルを作成するための測定データを、画像形成装置の放置時間が１時間より長い場合と、１時間以内とに分けて説明したが、放置時間はこれに限定されるものではない。さらに細かく場合分けをして測定を行い、各々のデータに対してそれぞれモデルを作成することによって、より高精度な予測モデルを作成することも可能である。
<Other embodiments>
In the first embodiment, the measurement data for creating the image density prediction model has been described as being divided into the case where the image forming apparatus is left to be longer than 1 hour and within 1 hour. It is not limited to. It is also possible to create a more accurate prediction model by performing measurement with finely divided cases and creating a model for each data.
例えば、第一の実施形態で説明したような画像濃度予測モデルを、画像形成装置の放置時間を１時間以内、１時間〜２時間、２時間〜３時間、３時間以上で各階調における予測関数の係数を比較したものを図２５に示す。このように、放置時間を１時間毎などの所定の時間間隔に区切って定義する方法は、予測精度を向上させる方法として有効である。 For example, an image density prediction model as described in the first embodiment is applied to a prediction function for each gradation within 1 hour to 2 hours, 2 hours to 3 hours, 3 hours or more when the image forming apparatus is left unattended. A comparison of the coefficients is shown in FIG. As described above, the method of defining the leaving time by dividing it into predetermined time intervals such as every hour is effective as a method for improving the prediction accuracy.
また、予測関数の係数は、図２５の実線（１時間以内）、点線（１時間〜２時間）、破線（２時間〜３時間）、一点鎖線（３時間以上）のように、画像信号値に対する近似式で表すことも可能である。さらに、この近似式の係数を放置時間ｔの関数として表し、画像濃度予測モデルに組み込むことも可能である。 The coefficients of the prediction function are the image signal values as shown by the solid line (within 1 hour), dotted line (1 hour to 2 hours), broken line (2 hours to 3 hours), and alternate long and short dash line (3 hours or more) in FIG. It is also possible to express with an approximate expression for. Furthermore, the coefficient of this approximate expression can be expressed as a function of the standing time t and incorporated into the image density prediction model.
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。 The present invention supplies a program that realizes one or more functions of the above-described embodiments to a system or apparatus via a network or a storage medium, and one or more processors in a computer of the system or apparatus read and execute the program This process can be realized. It can also be realized by a circuit (for example, ASIC) that realizes one or more functions.
１：感光体ドラム、２：帯電装置、３：露光装置、４：現像装置、６：転写装置、２００：中間転写上画像濃度センサ、３００：プリンタコントローラ 1: Photosensitive drum, 2: Charging device, 3: Exposure device, 4: Development device, 6: Transfer device, 200: Image density sensor on intermediate transfer, 300: Printer controller
Claims (10)
前記画像形成手段により画像形成を行う際の画像信号に対して出力される前記記録剤の濃度を予測する予測手段と、
前記予測手段にて予測された濃度に基づいて、前記画像形成手段による画像形成を制御する制御手段と
を有し、
前記画像形成装置の環境条件と当該環境条件において前記画像形成装置により画像形成された濃度との関係に基づき、前記画像形成装置が動作せずに放置された経過時間に対応して複数の関数が予め定義されており、
前記予測手段は、前記画像形成装置が動作せずに放置された経過時間に応じて、前記複数の関数の中から濃度を予測する際に用いる関数を選択することを特徴とする画像形成装置。 An image forming apparatus including an image forming unit that forms an image using a recording agent,
Predicting means for predicting the density of the recording agent that is output for an image signal when image formation is performed by the image forming means;
Control means for controlling image formation by the image forming means based on the density predicted by the prediction means;
Based on the relationship between the environmental conditions of the image forming apparatus and the density of the image formed by the image forming apparatus under the environmental conditions, a plurality of functions are provided corresponding to the elapsed time that the image forming apparatus has been left without operating. Predefined,
The image forming apparatus, wherein the predicting unit selects a function to be used for predicting density from the plurality of functions in accordance with an elapsed time in which the image forming apparatus is left without operating.
（予測濃度）＝（基本となる濃度）＋ａ×（画像形成時の画像形成装置の環境条件の値と当該環境条件の基本となる値との差分値）
で表わされ、
前記関数における係数ａは、前記画像形成装置が放置された経過時間に応じて異なることを特徴とする請求項１に記載の画像形成装置。 The function used when the concentration is predicted by the prediction means is
(Predicted density) = (basic density) + a × (difference value between environmental condition value of image forming apparatus at the time of image formation and basic value of the environmental condition)
Represented by
The image forming apparatus according to claim 1, wherein the coefficient a in the function varies according to an elapsed time in which the image forming apparatus is left unattended.
前記環境条件の基本となる値は、前記階調補正を行った際の値であることを特徴とする請求項２または３に記載の画像形成装置。 The elapsed time that the image forming apparatus has been left without operating is the elapsed time since the image forming apparatus performed gradation correction,
The image forming apparatus according to claim 2, wherein the basic value of the environmental condition is a value obtained when the gradation correction is performed.
前記画像形成手段により画像形成を行う際の画像信号に対して出力される前記記録剤の濃度を予測する予測工程と、
前記予測工程にて予測された濃度に基づいて、前記画像形成手段による画像形成を制御する制御工程と
を有し、
前記画像形成装置の環境条件と当該環境条件において前記画像形成装置により画像形成された濃度との関係に基づき、前記画像形成装置が動作せずに放置された経過時間に対応して複数の関数が予め定義されており、
前記予測工程において、前記画像形成装置が動作せずに放置された経過時間に応じて、前記複数の関数の中から濃度を予測する際に用いる関数を選択することを特徴とする画像形成装置の制御方法。 A method for controlling an image forming apparatus including an image forming unit that forms an image using a recording agent,
A predicting step of predicting the density of the recording agent output for an image signal when image formation is performed by the image forming unit;
A control step of controlling image formation by the image forming unit based on the density predicted in the prediction step;
Based on the relationship between the environmental conditions of the image forming apparatus and the density of the image formed by the image forming apparatus under the environmental conditions, a plurality of functions are provided corresponding to the elapsed time that the image forming apparatus has been left without operating. Predefined,
In the prediction step, a function to be used for predicting the density is selected from the plurality of functions according to an elapsed time in which the image forming apparatus is left without operating. Control method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015156236A JP2017037099A (en) | 2015-08-06 | 2015-08-06 | Image forming apparatus and method of controlling the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015156236A JP2017037099A (en) | 2015-08-06 | 2015-08-06 | Image forming apparatus and method of controlling the same |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2017037099A true JP2017037099A (en) | 2017-02-16 |
Family
ID=58049304
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015156236A Pending JP2017037099A (en) | 2015-08-06 | 2015-08-06 | Image forming apparatus and method of controlling the same |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2017037099A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020091427A (en) * | 2018-12-06 | 2020-06-11 | キヤノン株式会社 | Image forming apparatus |
-
2015
- 2015-08-06 JP JP2015156236A patent/JP2017037099A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020091427A (en) * | 2018-12-06 | 2020-06-11 | キヤノン株式会社 | Image forming apparatus |
| JP7222682B2 (en) | 2018-12-06 | 2023-02-15 | キヤノン株式会社 | image forming device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2017037100A (en) | Image forming apparatus and method of controlling the same | |
| JP2007033770A (en) | Image forming apparatus | |
| US11818304B2 (en) | Image forming apparatus determining information related to a density of an image to be formed based on a determination condition | |
| JP2023038807A (en) | Image forming apparatus | |
| US20180129154A1 (en) | Image forming apparatus | |
| US10620577B2 (en) | Method for controlling density of image to be formed by image forming apparatus having developer and humidity sensors | |
| US20120105881A1 (en) | Image forming apparatus for performing image control according to target value | |
| US11758058B2 (en) | Image forming apparatus controlling timing of forming measurement image based on prior measurements and density of image to be formed | |
| JP5064833B2 (en) | Image forming apparatus | |
| US11977349B2 (en) | Image forming apparatus | |
| JP2017037101A (en) | Image forming apparatus and method of controlling the same | |
| JP2017037099A (en) | Image forming apparatus and method of controlling the same | |
| JP2009145692A (en) | Image forming apparatus and image quality adjustment method | |
| JP6668759B2 (en) | Image forming apparatus, gradation correction method, and gradation correction program | |
| JP6060745B2 (en) | Image forming apparatus and program | |
| JP4952817B2 (en) | Printing apparatus and printing program | |
| JP2022061267A (en) | Image forming apparatus | |
| JP2019070743A (en) | Image forming apparatus | |
| US20230064610A1 (en) | Information processing apparatus | |
| JP2023077875A (en) | Image formation apparatus | |
| JP2019074574A (en) | Image forming apparatus and image forming system | |
| JP7146380B2 (en) | image forming device | |
| JP2010271595A (en) | Image formation control device, image forming apparatus, and image formation control method | |
| JP2023082348A (en) | Image forming apparatus | |
| JP2001255711A (en) | Image forming device |