JP2020069717A - 画像処理装置、画像形成装置、画像処理方法、画像処理プログラム及び記録媒体 - Google Patents

Abstract

【課題】隣接画素間の濃淡変化の頻度を示す特徴量だけでなく濃淡変化の大小の程度を示す特徴量や濃度分布を特徴量に追加することにより、線数の判定精度を高め、その判定結果に応じた画像処理を行い、鮮鋭度を保ちながらモアレが知覚されにくい画像を出力することが可能な画像処理装置等を提供すること。【解決手段】原稿を走査して、画像データとして入力する画像データ入力部と、前記画像データの隣接画素間の濃淡変化の頻度を示す第１の特徴量と、前記画像データの濃淡変化の大小の程度を示す第２の特徴量とを含む画像データ特徴量に基づいて前記原稿の網点の線数を判定する判定部と、前記判定部の判定結果に応じて、前記画像データに画像処理を行う画像処理部と、を備えることを特徴とする。【選択図】図１

Description

本発明は、画像処理装置、画像処理方法および画像処理プログラムに関し、画像データに適切な画像処理を行うために、画像データに基づき網点の線数を判定する方法に関する。

電子複写機などの画像形成装置は、従来のアナログ式のほかにデジタル式のものが普及しており、またデジタル画像処理技術の進展によって、カラー画像を高画質に再現するフルカラーのデジタル複写機が製品化されている。

デジタル複写機では、画像読み取り部のスキャナから読み込まれた原稿の画像データから、原稿の網点の線数（網点線数）を判定し、判定結果に応じた画像処理が行われている。

特許文献１では、ＲＧＢデータのうちＧ画像データを入力し、所定サイズ（例えば３×３画素）のマトリクスにて中心画素がピーク画素で有るかを検出し、所定領域（例えば２０×９画素）内にピーク画素の数が多ければ高線数、少なければ低線数として判定している。

特開２００８−０７８８３０号公報（２００８年４月３日公開） 特開２００２−２３２７０８号公報（２００２年８月１６日公開） 特開２０００−３５４１６７号公報（２０００年１２月１９日公開）

しかし、上記ピーク画素数のような隣接画素間の濃淡変化の頻度を示す特徴量だけで線数判定をすると、紙質、紙の濃度、印刷品質、裏写りの有無、などが、反転回数に影響する。例えば、同じ線数の原稿でも、紙質が悪かったり、その紙質により印刷品質が悪かったり、紙が真っ白ではなく少し濃かったり、裏写りが有ったり、などすると、原稿の網点一つ一つがぼやけて読み取られ、反転回数が少なくなりがちである。その場合、原稿が低線数の原稿であると判定されやすくなってしまう。

また、同じ線数の原稿であっても、単色網点と混色網点とでは、上記の画素値の反転回数の傾向は異なる。例えば、読取装置から読み取られる原稿の画像データがＲＧＢデータの場合、Ｇ画像データは、理論的にはその補色関係にあるマゼンタのみで構成されるが、読取装置における原稿の読取特性により、不要なシアン、イエロー、ブラックの網点の成分も混入される。したがって、原稿の網点の混色の構成次第で判定結果が変わってしまう。

本発明は斯かる事情に鑑みてなされたものであり、隣接画素間の濃淡変化の頻度を示す特徴量だけでなく濃淡変化の大小の程度を示す特徴量や濃度分布を特徴量に追加することにより、線数の判定精度を高め、その判定結果に応じた画像処理を行い、鮮鋭度を保ちながらモアレが知覚されにくい画像を出力することが可能な画像処理装置等を提供することを目的とする。

上述した課題を解決するために、本発明の画像処理装置は、
原稿を走査して、画像データとして入力する画像データ入力部と、
前記画像データの隣接画素間の濃淡変化の頻度を示す第１の特徴量と、前記画像データの濃淡変化の大小の程度を示す第２の特徴量とを含む画像データ特徴量に基づいて前記原稿の網点の線数を判定する判定部と、
前記判定部の判定結果に応じて、前記画像データに画像処理を行う画像処理部 と、
を備えることを特徴とする。

本発明の画像処理方法は、
原稿を走査して、画像データとして入力する画像データ入力ステップと、
前記画像データの隣接画素間の濃淡変化の頻度を示す第１の特徴量と、前記画像データの濃淡変化の大小の程度を示す第２の特徴量とを含む画像データ特徴量に基づいて前記原稿の網点の線数を判定する判定ステップと、
前記判定ステップの判定結果に応じて、前記画像データに画像処理を行う画像処理ステップと、
を含むことを特徴とする。

本発明の画像処理プログラムは、
画像処理装置のプロセッサに、
原稿を走査して、画像データとして入力する画像データ入力ステップと、
前記画像データの隣接画素間の濃淡変化の頻度を示す第１の特徴量と、前記画像データの濃淡変化の大小の程度を示す第２の特徴量とを含む画像データ特徴量に基づいて前記原稿の網点の線数を判定する判定ステップと、
前記判定ステップの判定結果に応じて、前記画像データに画像処理を行う画像処理ステップと、
を実行させることを特徴とする。

本発明のコンピュータ読み取り可能な記録媒体は、
画像処理装置のプロセッサに、
原稿を走査して、画像データとして入力する画像データ入力ステップと、
前記画像データの隣接画素間の濃淡変化の頻度を示す第１の特徴量と、前記画像データの濃淡変化の大小の程度を示す第２の特徴量とを含む画像データ特徴量に基づいて前記原稿の網点の線数を判定する判定ステップと、
前記判定ステップの判定結果に応じて、前記画像データに画像処理を行う画像処理ステップと、
を実行させる画像処理プログラムが記録されることを特徴とする。

本発明の画像処理装置等によれば、濃淡変化の大小の程度を示す特徴量を線数判定のパラメータに追加することで、紙質、紙の濃度、印刷品質、裏写りの有無、などに線数判定の結果が左右されにくくなる。したがって、隣接画素間の濃淡変化の頻度を示す特徴量だけで線数判定をすることにより、紙質、紙の濃度、印刷品質、裏写りの有無、網点の混色の構成、などに線数判定の結果が左右されてしまうことを防ぐことが可能となる。

本実施形態における画像形成装置の概略構成を示すブロック図である。 本実施形態における原稿特徴判定部の構成を示すブロック図である。 本実施形態の原稿特徴判定部における処理の流れを示すフローチャートである。 原稿の画像データのうちヒストグラム生成の対象から除外する除外領域の設定方法を示す説明図である。 領域画素判定処理における網点線数を分類する判定処理の動作例を示す図である。 網点領域に適用するフィルタの例である。 本実施形態における画像形成装置のスキャン出力機能に関わる部分の概略構成を示すブロック図である。 線数判定の閾値を設定する操作パネルの例を示す図である。

以下、本発明をその実施の形態を示す図面に基づいて具体的に説明する。

図１は、本実施形態にかかる画像形成装置１の概略構成を示すブロック図である。なお、本実施形態では、画像形成装置１が電子写真方式のデジタルカラー複写機である場合について説明するが、画像形成装置１の構成はこれに限るものではなく、原稿の画像データに対して画像処理を施す機能を有する装置であればよい。

画像形成装置１は、図１に示すように、カラー画像入力装置１１０、カラー画像処理装置１２０、カラー画像出力装置１３０、操作パネル１４０、および制御部１００を備えている。また、カラー画像処理装置１２０は、Ａ／Ｄ（アナログ／デジタル）変換部１１、シェーディング補正部１２、原稿特徴判定部１３、入力階調補正部１４、領域分離処理部１５、色補正部１６、黒生成下色除去部１７、空間フィルタ処理部１８、出力階調補正部１９、階調再現処理部２０を備えている。

カラー画像入力装置１１０は、原稿を読み取って原稿の画像データを生成することにより、原稿の画像データを入力する。そして、生成した（入力した）画像データをカラー画像処理装置１２０に出力する。なお、カラー画像入力装置１１０の構成は、原稿の画像データを生成することができる構成であれば特に限定されるものではなく、従来から公知の種々の画像入力装置を用いることができる。例えば、ＣＣＤ（Charge Coupled Device）を備えたスキャナ部（図示せず）を有し、原稿からの反射光像をＣＣＤで読み取ってＲＧＢ（Ｒ：赤、Ｇ：緑、Ｂ：青）のアナログ信号から成る画像データを生成する構成のものを用いてもよい。

カラー画像処理装置１２０は、カラー画像入力装置１１０から入力される画像データを、Ａ／Ｄ変換部１１、シェーディング補正部１２、原稿特徴判定部１３、入力階調補正部１４、領域分離処理部１５、色補正部１６、黒生成下色除去部１７、空間フィルタ処理部１８、出力階調補正部１９、および階調再現処理部２０の順に送り、最終的にＣＭＹＫ（Ｃ：シアン、Ｍ：マゼンタ、Ｙ：イエロー、Ｋ：ブラック）のそれぞれに対応するデジタルカラー信号で表される画像データをカラー画像出力装置１３０へ出力する。

Ａ／Ｄ変換部１１は、ＲＧＢのそれぞれに対応するアナログ信号の画像データをデジタル信号の画像データに変換する。

シェーディング補正部１２は、Ａ／Ｄ変換部１１から送られてきたＲＧＢに対応するデジタル信号の画像データに対して、カラー画像入力装置１１０の照明系、結像系、撮像系で生じる各種の歪みを取り除く処理を施す。また、シェーディング補正部１２は、カラーバランスの調整を行う。

原稿特徴判定部１３は、シェーディング補正部１２にて各種の歪みが取り除かれ、カラーバランスの調整がなされたＲＧＢ信号（ＲＧＢの反射率信号）を濃度信号に変換する。また、原稿特徴判定部１３は、（ｉ）原稿が文字原稿、印刷写真原稿、あるいは文字と印刷写真が混在した文字印刷写真原稿、などのいずれであるかを判定する原稿種別判定処理、および（ｉｉ）下地除去処理を行うべき原稿である否かを判定する下地判定処理を行う。また、原稿種別判定処理は、原稿に印刷されている網点の線数を判定する線数判定処理を行う。そして、原稿特徴判定部１３は、原稿種別判定処理の結果を示す原稿特徴判定信号を生成し、入力階調補正部１４、色補正部１６、黒生成下色除去部１７、空間フィルタ処理部１８、および階調再現処理部２０に出力する。入力階調補正部１４、色補正部１６、黒生成下色除去部１７、空間フィルタ処理部１８、および階調再現処理部２０は、原稿特徴判定信号に応じて、画像データに対する画像処理を行う。なお、原稿特徴判定部１３の詳細については後述する。

入力階調補正部１４は、下地濃度の除去、およびコントラストなどの画質調整処理を行う。

すなわち、原稿の下地（文字などが印刷された用紙）の色はさまざまであり、下地の色によっては白地部分（下地部分）を白（あるいは無色）として扱わないと、記録材（トナーあるいはインク）が余分に使用されてしまう場合がある。例えば、わら半紙のように黄色っぽいものや、下地に色がついている原稿をモノクロモードで画像形成する場合、下地の色を白として扱わないと、画像出力時に白地部分（下地部分）にも記録材が使われてしまう。このため、余分な記録材が使用されることを抑制するために、入力階調補正部１４は、下地濃度の除去処理（すなわち下地の濃度を白色の濃度にする処理）を行うとともに、コントラストの調整処理を行う。

また、入力階調補正部１４は、ＲＧＢの濃度信号（以下、特に断らない限り、ＲＧＢ信号は濃度信号（画素値を表す信号）を表すものとする。）から成る画像データを領域分離処理部１５に出力する。

領域分離処理部１５は、入力階調補正部１４から出力された画像データにおける各画素を、ＲＧＢ濃度信号に基づいて、下地領域、写真領域（連続階調領域）、文字領域、および網点領域のいずれに属するのか判定する領域分離処理を行う。また、領域分離処理部１５は、領域分離処理の結果に基づいて、各画素がどの領域に属しているかを示す領域識別信号を生成し、色補正部１６、黒生成下色除去部１７、空間フィルタ処理部１８、および階調再現処理部２０へと出力するとともに、入力階調補正部１４から入力されたＲＧＢ信号をそのまま後段の色補正部１６に出力する。

色補正部１６は、領域分離処理部１５から入力されるＲＧＢ信号を、領域分離処理部１５から入力される領域識別信号に応じて、ＣＭＹ信号に変換する。また、色補正部１６では、色再現の忠実化実現のために、不要吸収成分を含むＣＭＹ色材の分光特性に基づいた色濁りを取り除く処理を行う。

黒生成下色除去部１７は、色補正部１６による色補正後のＣＭＹ信号から黒（Ｋ）信号を生成する黒生成処理と、元のＣＭＹ信号から黒生成処理で得たＫ信号を差し引いて新たなＣＭＹ信号を生成する下色除去処理とを行う。これによって、ＣＭＹ信号はＣＭＹＫの４色の信号（以下、ＣＭＹＫ信号という）に変換される。

例えば、黒生成下色除去部１７では、黒生成処理として、スケルトンブラックによる黒生成を行う。このスケルトンブラックによる黒生成処理では、スケルトンカーブの入出力特性をｙ＝ｆ（ｘ）とし、入力されるＣＭＹ信号のＣ信号、Ｍ信号、Ｙ信号のそれぞれに対応する濃度をそれぞれＣ、Ｍ、Ｙとし、出力されるＣＭＹＫ信号のＣ信号、Ｍ信号、Ｙ信号、Ｋ信号のそれぞれに対応する濃度をそれぞれＣ’、Ｍ’、Ｙ’、Ｋ’とし、ＵＣＲ（Under Color Removal）率をα（０＜α＜１）とすると、
Ｋ’＝ｆ｛ｍｉｎ（Ｃ，Ｍ，Ｙ）｝
Ｃ’＝Ｃ−αＫ’
Ｍ’＝Ｍ−αＫ’
Ｙ’＝Ｙ−αＫ’
によってＣＭＹの３色の濃度信号をＣＭＹＫの４色の濃度信号に変換する。

空間フィルタ処理部１８は、黒生成下色除去部１７から入力されるＣＭＹＫ信号の画像データに対して、空間周波数特性を補正することにより、画像データのぼやけ、および粒状性劣化を防ぐために、領域分離処理部１５から入力される領域識別信号に応じて、領域の種別毎に予め設定されるデジタルフィルタによる空間フィルタ処理を行う。なお、空間フィルタ処理部１８の詳細については後述する。

出力階調補正部１９は、空間フィルタ処理部１８から入力されるＣＭＹＫ信号の画像データに対して、カラー画像出力装置１３０の出力特性に基づく出力階調補正処理を行う。

階調再現処理部２０は、出力階調補正部１９から入力されるＣＭＹＫ信号の画像データに対して、領域分離処理部１５から入力される領域識別信号に応じて、領域の種別毎に予め定められた処理を施す。

例えば、領域分離処理部１５によって文字領域に分離された領域に関しては、特に黒文字あるいは色文字の再現性を高めるために、空間フィルタ処理部１８は鮮鋭強調処理により高周波数の強調量を大きくし、階調再現処理部２０は高域周波数の再現に適した高解像度のスクリーンでの二値化または多値化処理を行う。

また、領域分離処理部１５によって網点領域に分離された領域に関しては、空間フィルタ処理部１８は入力網点成分を除去するためのローパス・フィルタ処理を施し、階調再現処理部２０はそれぞれの画素の階調を再現できるように処理する階調再現処理（中間調生成）を施す。

また、領域分離処理部１５によって写真領域（連続階調領域）に分離された領域に関しては、階調再現処理部２０は階調再現性を重視したスクリーンでの二値化または多値化処理を行う。

階調再現処理部２０から出力される画像データ、すなわち前述した各処理が施された画像データは、記憶部（図示せず）に一旦記憶され、所定のタイミングで読み出されてカラー画像出力装置１３０に出力される。

カラー画像出力装置１３０は、画像データに応じた画像を記録媒体（例えば紙などのシート体）に出力する。カラー画像出力装置１３０は、２色以上（本実施形態ではＣ、Ｍ、Ｙ、Ｋの４色）の記録材を用いて記録媒体に画像を形成する。なお、本実施形態では、カラー画像出力装置１３０として、電子写真方式のプリンタ装置を用いている。ただし、カラー画像出力装置１３０の構成はこれに限るものではなく、例えばインクジェット方式などの他の方式のプリンタ装置を用いてもよい。

操作パネル１４０は、ユーザからの指示入力を受け付けて制御部１００に伝達する。操作パネル１４０は、例えば、液晶ディスプレイなどの表示部とユーザの操作入力を受け付ける操作キーとを含んで構成される。あるいは、操作パネル１４０はタッチパネルであってもよい。

制御部１００は、ＣＰＵ（Central Processing Unit）や専用プロセッサなどの演算処理部、および、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）などの記憶部（いずれも図示せず）などにより構成されるコンピュータ装置である。制御部１００は、上記記憶部に記憶されている各種情報および各種制御を実施するためのプログラム、操作パネル１４０を介して入力されるユーザからの指示入力、および画像形成装置１に備えられる各種センサの検知結果などに応じて、カラー画像入力装置１１０、カラー画像処理装置１２０、カラー画像出力装置１３０、および操作パネル１４０の動作を制御する。

（原稿特徴判定部の詳細）
原稿特徴判定部１３の詳細について説明する。図２は原稿特徴判定部１３の構成を示すブロック図であり、図３は原稿特徴判定部１３における処理の流れを示すフローチャートである。

図２に示すように、原稿特徴判定部１３は、画素判定部１３０１、領域画素カウント部１３０２、データ選択部１３０３、ヒストグラム生成部１３０４、下地判定部１３０５、原稿種別判定部１３０６、および下地除去部１３０７を備えている。

原稿特徴判定部１３では、図３に示すように、まず、画素判定部１３０１が、シェーディング補正部１２から入力されるＲＧＢ信号（画像データ）の各画素を下地画素、写真画素（連続階調画素）、文字画素、網点画素の何れかに分類する領域画素判定処理を行う（Ｓ１）。なお、以降の説明では、下地画素、写真画素（連続階調画素）、文字画素、および網点画素に分類された画素を領域画素と称する。

領域画素に分類するためのアルゴリズムは、特に限定されるものではなく、既存の領域分離方法を用いることができる。例えば、特許文献２に記載の方法を用いてもよい。この方法では、以下の（１）〜（８）の処理により領域画素判定処理を行う。

（１）注目画素を含むｎ×ｍ（たとえば、７画素×７画素）の画素ブロックにおける最小濃度値および、最大濃度値を算出する。
（２）算出された最小濃度値及び最大濃度値を用いて最大濃度差を算出する。
（３）注目画素に隣接する画素の濃度差の絶対値の総和である総和濃度繁雑度（たとえば、主走査方向と副走査方向について算出した値の和）を算出する。
（４）算出された最大濃度差と最大濃度差閾値との比較及び算出された総和濃度繁雑度と総和濃度繁雑度閾値との比較を行う。
（５）最大濃度差＜最大濃度差閾値および総和濃度繁雑度＜総和濃度繁雑度閾値のとき、注目画素は下地・写真領域（連続階調領域）に属すると判定する。
（６）上記条件を満たさないときは、注目画素は文字・網点領域に属すると判定する。
（７）下地・写真領域（連続階調領域）に属すると判定された画素について、注目画素が、最大濃度差＜下地・印画紙判定閾値を充たすとき、下地画素であると判定し、この条件を充たさないときは、写真画素（連続階調画素）であると判定する。
（８）文字・網点領域に属すると判定された画素について、注目画素が、総和濃度繁雑度＜（最大濃度差に文字・網点判定閾値を掛けた値）の条件を満たすとき、文字画素であると判定し、この条件を満たさないときは、網点画素であると判定する。
また、領域画素判定処理では、原稿の網点線数判定のための画素の分類処理も行う。詳細は後述する。

なお、領域画素判定処理は、例えば、プレスキャンされた画像データを用いて行ってもよく、ハードディスク等の記憶手段に一旦格納された画像データを用いて行ってもよい。

次に、領域画素カウント部１３０２が、画素判定部１３０１での領域画素判定処理の結果に基づいて、領域画素の種別毎に（下地画素、写真画素（連続階調画素）、文字画素、および網点画素の各領域画素毎に）、分類された画素（領域画素）の数をカウントする領域画素カウント処理を行う。網点線数の分類結果の数のカウントも行う（Ｓ２）。

次に、データ選択部１３０３が、シェーディング補正部１２から入力されたＲＧＢ信号に基づく画像領域を、後述するヒストグラム生成処理の対象とする対象領域とヒストグラム生成処理の対象から除外する除外領域とに分離する領域選択処理を行う（Ｓ３）。すなわち、本実施形態では、ヒストグラム生成を入力画像の全画素を対象として行うのではなく、一部の画素を除外して行う。

図４は、原稿の画像データのうちヒストグラム生成の対象から除外する除外領域の設定方法を示す説明図である。

カラー画像入力装置１１０によって読み取られた原稿の画像データは、シェーディング補正部１２においてカラー画像入力装置１１０の照明系、結像系、撮像系で生じる各種の歪みを取り除く処理を施すが、必ずしも画像データの全領域に対して適切な補正が行われるわけではない。例えば、カラー画像入力装置１１０での原稿読取時に、原稿における原稿台の端部に配置された領域（原稿の端部領域）は比較的暗めの信号となってしまう場合がある。

そこで、本実施形態では、図４に示したように、データ選択部１３０３が、原稿の画像データのうち、画像読取時にカラー画像入力装置１１０における原稿台のガラス面の端部に位置していた所定範囲の領域の画像データをヒストグラム生成の対象領域から除外し、その他の領域をヒストグラム生成の対象領域とする。

上記所定範囲は特に限定されるものではなく、適宜設定すればよいが、例えば、原稿のボイド領域のうち、原稿読取時に原稿台のガラス面の端部に隣接していた箇所をヒストグラム生成の対象から除外するようにしてもよい。ボイド領域とは、プリンタで印刷あるいはコピーされた原稿における端部（周縁部）から数ｍｍ程度（例えば４ｍｍ程度）の幅で存在する、何も印刷されない領域である。

次に、ヒストグラム生成部１３０４が、シェーディング補正部１２から入力されたＲＧＢ信号のうち、領域画素判定処理において下地画素と判定され、かつ領域選択処理においてヒストグラム生成の対象領域と判定された領域に属する画素を注目画素として抽出し、ヒストグラム生成処理（最小値ヒストグラム生成処理）を行う（Ｓ４）。

具体的には、ヒストグラム生成部１３０４は、注目画素についてプレーン毎（色成分毎）の比較を行い、当該注目画素の各色成分間での最小値を算出し、予め設定した複数の濃度区分のうち、算出した上記最小値が属する濃度区分の度数に１を加算する。なお、本実施形態では、ヒストグラムの濃度区分の数を、画素値（濃度値）の小さい方から順に第１濃度区分、第２濃度区分とし、画素値の最も大きい区分を第３２濃度区分として３２区分に設定している。本実施形態では、ＲＧＢ信号を用いているので、画素値（濃度値）が「０」に近い方が（濃度値が小さい方が）実際の濃度は濃くなり、画素値（濃度値）が「２５５」に近い方が（濃度値が大きい方が）濃度は薄く（淡く）なる。

なお、色成分間の最小値を用いてヒストグラムを作成するのは、下地の最も濃い色成分（濃度値が最小値である色成分）の濃度値を下地濃度とし、その濃度値に対応する補正量テーブルを全色成分に対して適用して下地除去処理を行うことにより、最も濃い色成分以外の色成分についても下地除去を行うことができるからである。

その後、原稿特徴判定部１３は、Ｓ１〜Ｓ４の処理を全ての画素について行ったか否かを判断し（Ｓ５）、未処理の画素が残っている場合にはＳ１の処理に戻って未処理の画素に対してＳ１〜Ｓ４の処理を行う。

一方、Ｓ５において全ての画素に対してＳ１〜Ｓ４の処理が完了したと判断した場合、下地判定部１３０５が下地除去を行うべきか否かを判定する下地判定処理を行う（Ｓ６）。

Ｓ６で下地判定処理を行った後、原稿種別判定部１３０６は、原稿種別判定処理を行う（Ｓ７）。

具体的には、原稿種別判定部１３０６は、領域画素カウント部１３０２でカウントされた領域画素数と、予め定められている下地領域、写真領域（連続階調領域）、網点領域および文字領域にそれぞれ対応する閾値とを比較することにより、原稿全体の種別を判定する。

例えば、文字、網点、写真（連続階調）の順に検出精度が高い場合、文字領域の画素の比率が全画素数の３０％以上の場合には文字原稿であると判定し、網点領域の画素の比率が全画素数の２０％以上の場合には網点原稿（印刷写真原稿）であると判定し、写真領域（連続階調領域）の画素の比率が全画素数の１０％以上の場合には印画紙写真原稿であると判定する。また、文字領域の比率と網点領域の比率とが、それぞれ閾値以上であるときは、文字／網点原稿（文字印刷写真原稿）であると判定する。文字領域の比率と写真領域（連続階調領域）の比率とが、それぞれ閾値以上であるときは、文字／写真原稿（文字印画紙写真原稿）であると判定する。

また、原稿に印刷されている網点の線数を判定する。その詳細については後述する。

なお、原稿種別判定部１３０６は、原稿種別の判定結果を示す原稿特徴判定信号を、下地除去部１３０７、入力階調補正部１４、色補正部１６、黒生成下色除去部１７、空間フィルタ処理部１８、および階調再現処理部２０に出力する。

次に、下地除去部１３０７は、原稿種別判定部１３０６による原稿種別の判定結果に基づいて、下地除去を行うべき原稿であるか否かを判定する（Ｓ８）。すなわち、下地除去部１３０７は、原稿種別判定部１３０６によって判定された原稿種別が、下地除去を行うべき原稿種別として予め設定された種別であるか否かを判断する。

例えば、下地除去を行う原稿として、文字原稿、写真領域（連続階調領域）を含まない原稿、文字／網点原稿（文字印刷写真原稿）で網点領域の比率が小さい原稿（例えば網点領域の比率が原稿全体に対して４０％以下の原稿）などを設定してもよい。

Ｓ８において下地除去すべき原稿ではないと判断した場合、原稿特徴判定部１３は、下地除去を行わずに処理を終了する。

一方、Ｓ８において下地除去すべき原稿であると判断した場合、下地除去部１３０７は、下地除去処理を行い（Ｓ９）、処理を終了する。

下地除去処理の方法は特に限定されるものではなく、既存の下地除去方法を用いることができる。

例えば、特許文献３に記載されている方法を用いて下地除去を行ってもよい。この方法では、下地であると判定された場合、下地濃度値に対応する補正量テーブルを選択し、下地除去処理を行う。下地画素のプレーン毎（色成分毎）の最小値を用いてヒストグラムを作成した場合、全色成分について上記最小値に対応する補正量テーブルを選択して下地除去処理を行えばよい。

（領域画素判定処理における原稿の網点線数判定のための画素の分類処理）
画素判定部１３０１によって実行される領域画素判定処理（Ｓ１）における、原稿の網点線数判定のための画素の分類処理について説明する。ＲＧＢ画像の各色成分に対して、注目画素（図５においてハッチングを施した中央の画素）を含むｎ×ｍ（たとえば、７画素×７画素）の画素ブロック内の図５に示される二方向に対して隣接画素の濃度差が隣接画素濃度差閾値を越える場合に立上り画素または立下り画素と判定して、判定された画素数を反転回数としてカウントする。ただし、連続する立上り画素、立下り画素はカウントしないようにする。隣接画素濃度差閾値は、注目画素を含むｎ×ｍ（例えば、５画素×５画素）の画素ブロック内の平均値などをもとに決定する。平均値が第１所定値（例えば、１００）以上であれば隣接画素濃度差閾値をＴＨ１（例えば、５０）、平均値が第１所定値未満かつ第２所定値（例えば、７０）以上であれば隣接画素濃度差閾値をＴＨ２（例えば、３３）、平均値が第２所定値未満であれば隣接画素濃度差閾値をＴＨ３（例えば、１５）としておく。画素ブロック内の平均値に応じて立上り画素または立下り画素をカウントする隣接画素濃度差閾値を異ならせるのは、平均して濃い部分か淡い部分かによって濃い方の画素と淡い方の画素との濃淡差が異なるからである。平均して濃い部分の方が淡い部分より、濃い方の画素と淡い方の画素との濃淡差が小さい傾向にあるため、平均値を３分割して、それぞれでの隣接画素濃度差閾値を定めている。なお、ここでは、平均値を３分割しているが、必ずしも３分割に限定されるものではなく、分割数は４以上でも構わない。

ＲＧＢの各成分の反転回数カウント値の最大値を求め、その最大値が第１反転回数閾値以上（例えば、３０）であれば第１線数画素、第１反転回数閾値未満かつ第２反転回数閾値以上（例えば、１５）であれば第２線数画素、第２反転回数閾値未満であれば第３線数画素で有ると判定する。ここでは、反転回数カウントを３分割して判定しているが、必ずしも３分割に限定されるものではなく、分割数は４以上でも構わない、また、この反転回数の分類は、網点領域の線数を判定するために行うものなので、網点領域に判定された画素に限定して行っても良い。

（原稿種別判定処理における線数判定の詳細）
原稿種別判定部１３０６によって実行される領域画素判定処理（Ｓ７）における、原稿の線数を判定する線数判定について説明する。原稿に印刷されている網点の線数の判定には、次のカウント値やヒストグラム度数を用いる。領域画素カウント部１３０２において網点画素と判定された画素をカウントした結果である網点領域画素数（ｓｃｒ０）、第１線数画素数（ｓｃｒ１）、第２線数画素数（ｓｃｒ２）、第３線数画素数（ｓｃｒ３）、ヒストグラム生成部１３０４におけるヒストグラム対象画素数（ｂｇｃｎｔ）、ヒストグラム第１６区分度数（ｈｓｔ１６）、ヒストグラム第１７区分度数（ｈｓｔ１７）、…、ヒストグラム第３１区分度数（ｈｓｔ３１）を用いる。

上記のカウント値やヒストグラム度数から、画像データに関する特徴量（画像データ特徴量）を算出する（Ｓ７１）。例えば、第１線数画素数（ｓｃｒ１）の網点領域画素数（ｓｃｒ０）に対する比、第２線数画素数（ｓｃｒ２）の網点領域画素数（ｓｃｒ０）に対する比、第３線数画素数（ｓｃｒ３）の網点領域画素数（ｓｃｒ０）に対する比に基づき、隣接画素における濃淡変化の頻度を示す特徴量（第１の特徴量）を算出する。また、ヒストグラム第１６区分度数（ｈｓｔ１６）のヒストグラム対象画素数（ｂｇｃｎｔ）に対する比、ヒストグラム第１７区分度数（ｈｓｔ１７）のヒストグラム対象画素数（ｂｇｃｎｔ）に対する比、…、ヒストグラム第３１区分度数（ｈｓｔ３１）のヒストグラム対象画素数（ｂｇｃｎｔ）に対する比に基づき、下地画素における画素の濃淡変化の大小の程度を示す特徴量（第２の特徴量）を算出する。これらの特徴量に基づき、原稿が高線数か低線数かを判定する網点線数判定処理を行う（Ｓ７２）。

網点の線数が一枚の原稿の中で一定であっても、マスク内の濃淡の反転回数が一定になるわけではない。また、紙質、紙の濃度、印刷品質、裏写りの有無、などが、濃淡の反転回数に影響する。そのため、濃淡の反転回数の頻度の特徴量を増やし、濃度分布を特徴量に追加している。

これらの特徴量に基づき、機械学習によって、高線数・低線数の判定を行ってもよい。例えば、これらの特徴量を、予めサポートベクターマシンの学習結果に基づいた数式に入力する。サポートベクターマシンは、これらの特徴量の組に、高線数あるいは低線数を示す２値のいずれかの教師信号をセットにして学習させておく。例えば、高線数に判定してほしい原稿５００枚の特徴量の組を用意し、それらの組の教師信号を１とする。低線数に判定してほしい原稿５００枚の特徴量の組を用意し、それらの組の教師信号を０とする。これら１０００枚の原稿の特徴量の組と教師信号をセットにして学習させておく。なお、高線数か低線数かは、必ずしも所定線数以上か否かで分けずに、空間フィルタ処理部１８の網点領域のフィルタに高線数用のものを適用すると画質問題なるモアレが現れるか否かで分けても良い。

学習結果に基づいて、特徴量の組のベクターを入力として、次のような数式（識別関数）で高線数・低線数の判定を行う。

なお、ｘ以外は予め学習結果により求められているものである。ｘ_ｎは１０００組の特徴量から抽出されたＮ組のサポートベクター、ａ_ｎはＮ組のサポートベクターそれぞれに対する重み、ｔ_ｎはＮ組のサポートベクターそれぞれの教師信号、ｂはバイアスと呼ばれ決定境界の位置を表すパラメータである。ｋ（ｘ，ｘ_ｎ）は、学習時にも用いる動径基底関数カーネルというもので、以下の式で定義される。

γは、学習時にも用いるパラメータである。

算出されたｙ（ｘ）の出力結果が判定結果となる。ｙ（ｘ）≧０であれば高線数、ｙ（ｘ）＜０であれば低線数ということになる。

なお、サポートベクターマシン以外の機械学習の手法によって、高線数・低線数を判定してもよい。例えば、決定木や、ニューラルネットワーク（ディープラーニング）といった手法によって学習された数式に特徴量を入力することで、高線数・低線数を判定してもよい。

（空間フィルタ処理部１８の詳細）
空間フィルタ処理部１８の詳細について説明する。図６は、網点領域に適用するフィルタの例である。線数判定結果が高線数であるか低線数であるかによって網点領域に適用するフィルタを異ならせる。高線数に判定された場合の網点領域は、低線数に判定された場合の網点領域よりも強調度が高く平滑度が弱くなる処理を行う。言い換えると、低線数に判定された場合の網点領域は、高線数に判定された場合の網点領域よりも強調度が弱く平滑度が強くなる処理を行う。図６（ａ）は、高線数に判定された場合の網点領域のフィルタ係数、図６（ｂ）は、低線数に判定された場合の網点領域のフィルタ係数である。

これにより、高線数に判定された原稿の画像データは、網点領域に画質問題になるモアレは現れずに鮮鋭度の高い画像を出力することができる。網点領域に誤認識してしまう文字や網点上文字もくっきり読みやすく出力することができる。低線数に判定された原稿の画像データは、網点領域の鮮鋭度は高くないが画質問題になるモアレが現れることなく出力することができる。

（入力手段を複数持つ場合の例）
カラー画像入力装置１１０が、原稿台と原稿お送り装置を備えていて、原稿台に原稿を置いてＣＣＤを動かして原稿を読み取る手段と、原稿送り装置でＣＣＤは固定のまま原稿を送りながら原稿を読み取る手段を備える場合がある。

原稿送り装置で読み取った原稿の画像データは、原稿台で読み取った画像データに比べ、ＲＧＢ間の画像にズレが生じやすい傾向にある。そのため、原稿台で読み取った場合用の識別関数と、原稿送り装置で読み取った場合用の識別関数とを別々に用意しておき、それぞれの入力手段に応じた識別関数に特徴量を入力して線数判定を行う。

また、原稿送り装置が両面同時に読み取る手段を持つ場合、表面と裏面で読取方式が異なる場合がある。表面は前記ＣＣＤで読み取り、裏面はＣＩＳ（Contact Image Sensor）で読み取る場合がある。

表面のＣＣＤによる読み取りと裏面のＣＩＳによる読み取りとでは、色の出力特性や鮮鋭度が一致しない。そのため、原稿送り装置表面で読み取った場合用の識別関数と原稿送り装置裏面で読み取った場合用の識別関数を別々に用意しておき、それぞれの場合に応じた識別関数に特徴量を入力して線数判定を行う。

もちろん、それぞれの識別関数は、それぞれの入力手段で原稿を読み取って得られる特徴量の組を教師信号とセットに機械学習（例えば、サポートベクターマシン）を用いて学習させておいた結果によるものとする。

これにより、いずれのカラー画像入力装置１１０で読み取られても適切な線数判定結果を出力することができる。

（入力解像度を複数持つ場合の例）
使用者の指示する処理により、入力解像度が異なる場合がある。例えば、画質を優先する主走査６００ｄｐｉ、副走査６００ｄｐｉによる入力と、速度を優先する主走査６００ｄｐｉ、副走査４００ｄｐｉによる入力を使用者が選択できる場合がある。

同じ原稿であっても、主走査６００ｄｐｉ、副走査６００ｄｐｉによる入力と、主走査６００ｄｐｉ、副走査４００ｄｐｉによる入力とでは、前記反転回数は異なり、すなわち、識別関数に入力される特徴量も異なってくる。そのため、主走査６００ｄｐｉ、副走査６００ｄｐｉによる入力用と、主走査６００ｄｐｉ、副走査４００ｄｐｉによる入力用、それぞれの識別関数で線数判定を行う。

もちろん、それぞれの識別関数は、それぞれの入力解像度で原稿を読み取って得られる特徴量の組を教師信号とセットに学習させておいた結果によるものとする。

これにより、いずれの入力解像度で読み取られても適切な線数判定結果を出力することができる。

（モノクロ出力用・カラー出力用を持つ場合の例）
コピー出力の場合、原稿の網点の周期、入力解像度による周期、階調再現処理部２０のディザ処理による周期のずれによりモアレが現れることが有る。なお、原稿はＲＧＢ信号で読み取られるが、階調再現処理部２０のディザ処理は、モノクロ出力の場合はＫ（ブラック）信号のみで処理され、カラー出力の場合ＣＭＹＫ（Ｃ：シアン、Ｍ：マゼンタ、Ｙ：イエロー、Ｋ：ブラック）信号のそれぞれで処理される。そのため、モノクロ出力のディザ処理をカラー出力のＫ（ブラック）信号と同じディザ処理を用いたとすれば、比較的モアレは現れにくい傾向である。そのため、モノクロ出力用、カラー出力用、それぞれの識別関数で線数判定を行う。

もちろん、それぞれの識別関数は、モノクロ出力、カラー出力、それぞれで原稿を読み取って得られる特徴量の組を教師信号とセットに学習させておいた結果によるものとする。

これにより、モノクロ出力、カラー出力、それぞれで適切な線数判定結果を出力することができる。

（階調再現設定を複数持つ場合の例）
コピー出力の場合、原稿の網点の周期、入力解像度による周期、階調再現処理部２０のディザ処理による周期のずれによりモアレが現れることが有る。そこで、階調再現処理部２０のディザ処理は、周期の異なる２種類から選択可能とする。ディザ処理が異なれば、モアレの現れ方も異なる。ディザ処理による周期の粗い方が比較的モアレが現れやすく、ディザ処理による周期の細かい方が比較的モアレは現れにくい。そのため、粗い周期のディザ処理用、細かい周期のディザ処理用、それぞれの識別関数で線数判定を行う。

なお、階調再現処理部２０の階調再現設定は、ディザ処理と誤差拡散処理の２種類から選択可能でも構わない。誤差拡散処理そのものには周期性が無く、原稿の網点の周期、入力解像度による周期だけでしかモアレは現れないため、ディザ処理に比べ、比較的モアレが現れにくい。そのため、ディザ処理用、誤差拡散処理用、それぞれの識別関数で線数判定を行う。

もちろん、それぞれの識別関数は、粗い周期のディザ処理用及び細かい周期のディザ処理用それぞれで、又は、ディザ処理用及び誤差拡散処理用それぞれで原稿を読み取って得られる特徴量の組を教師信号とセットに学習させておいた結果によるものとする。なお、上述した以外の階調再現設定を有してもよいことは当然である。

これにより、複数の階調再現設定を有する場合において、選択された階調再現設定に基づき、適切な線数判定結果を出力することができる。

（スキャン出力の場合）
図７は、図１の画像形成装置１がスキャン出力機能を有する場合のスキャン出力機能に関わる部分の概略構成を示すブロック図である。

図７に示すように、カラー画像入力装置１１０、カラー画像処理装置１２０、操作パネル１４０、および制御部１００を備えている。また、カラー画像処理装置１２０は、Ａ／Ｄ変換部１１、シェーディング補正部１２、原稿特徴判定部１３、入力階調補正部１４、領域分離処理部１５、色補正部１６、空間フィルタ処理部１８、出力階調補正部１９を備えている。

カラー画像入力装置１１０、操作パネル１４０、および制御部１００は、図１の画像形成装置１におけるカラー画像入力装置１１０は、操作パネル１４０、および制御部１００とそれぞれ同様のため、説明を省略する。

カラー画像処理装置１２０におけるＡ／Ｄ変換部１１、シェーディング補正部１２、入力階調補正部１４、および領域分離処理部１５は、図１の画像形成装置１におけるカラー画像処理装置１２０のＡ／Ｄ変換部１１、シェーディング補正部１２、入力階調補正部１４、および領域分離処理部１５とそれぞれ同様のため、説明を省略する。

原稿特徴判定部１３は、図１の画像形成装置１におけるカラー画像処理装置１２０の原稿特徴判定部１３と同様の処理を行うが、特徴量の組をスキャン出力用の識別関数に入力して線数判定を行う。

スキャン出力の場合は、階調再現処理部２０のディザ処理は行われないので、コピー出力に比べてモアレは比較的現れにくい。そのため、高線数か低線数かの判断基準はコピー出力と異なって構わない。よって、コピー出力用とは別にスキャン出力用の識別関数により線数判定を行う。

もちろん、スキャン出力用の識別関数は、スキャン出力用の特徴量の組を教師信号とセットに学習させておいた結果によるものとする。

色補正部１６は、図１の画像形成装置１におけるカラー画像処理装置１２０の色補正部１６と異なり、領域分離処理部１５から入力されるＲＧＢ信号を、領域分離処理部１５から入力される領域識別信号に応じて、ＲＧＢ信号に変換する。

空間フィルタ処理部１８は、図１の画像形成装置１におけるカラー画像処理装置１２０の空間フィルタ処理部１８と異なり、色補正部１６から入力されるＲＧＢ信号の画像データに対して、空間周波数特性を補正することにより、出力画像のぼやけ、および粒状性劣化を防ぐために、領域分離処理部１５から入力される領域識別信号に応じて、領域の種別毎に予め設定されるデジタルフィルタによる空間フィルタ処理を行う。

出力階調補正部１９は、図１の画像形成装置１におけるカラー画像処理装置１２０の出力階調補正部１９と異なり、空間フィルタ処理部１８から入力されるＲＧＢ信号の画像データに対して出力階調補正処理を行う。

（網点線数を判定する閾値を使用者が変更可能とする場合）
上記識別関数出力値ｙ（ｘ）をシグモイド関数へ入力する。

ａは正の数で、例えば、ａ＝１で良い。

これにより、シグモイド関数を通した識別関数は、０より大きく１より小さい値で出力される。閾値をｔｈｌとすると、ｆ（ｙ（ｘ））≧ｔｈｌなら高線数、ｆ（ｙ（ｘ））＜ｔｈｌなら低線数に判定される。

様々な条件に応じて識別関数を異ならせる場合は、このシグモイド関数を通すことで、
出力値を０から１の範囲に収まるように統一することができる。

操作パネル１４０は、ユーザからの指示入力により閾値を変更可能とする。

図８は、線数判定の閾値を設定する操作パネル１４０の一例（表示例）である。５段階のうちから１段階を設定可能で、初期設定は段階３で閾値ｔｈｌ＝０．５が対応する。段階２、段階１へ設定を変えるとより低線数に判定されやすくなり、段階４、段階５へ設定を変えるとより高線数に判定されやすくなる。段階１で閾値ｔｈｌ＝０．９、段階２で閾値ｔｈｌ＝０．７、段階４で閾値ｔｈｌ＝０．３、段階５で閾値ｔｈｌ＝０．１が対応する。操作キーにより段階の数値を入力しても良いし、タッチパネルで各段階の位置をタッチしても良い。また、閾値はさらに細かく設定可能なものでも良い。０から１までの値で直接数値を入力できるようにしても構わない。

このように、本実施形態によれば、従来隣接画素間の濃淡変化の頻度を示す特徴量だけで線数判定をすると、紙質、紙の濃度、印刷品質、裏写りの有無、網点の混色の構成、などに結果が左右されてしまうところ、濃淡変化の大小の程度を示す特徴量を線数判定のパラメータに追加することで、紙質、紙の濃度、印刷品質、裏写りの有無、などに線数判定の結果が左右されにくくなる。

また、本実施形態では、隣接画素間の濃淡変化の頻度を示す特徴量又は濃淡変化の大小の程度を示す特徴量の少なくとも一方は複数の特徴量とする。これにより、隣接画素間の濃淡変化の頻度を示す特徴量や、濃淡変化の大小の程度を示す特徴量が一つだけでは十分に網点の特徴を捉えることが難しい場合において、複数種類にすることにより、精度良く判定させることができる。

また、隣接画素間の濃淡変化の頻度を示す特徴量は網点領域画素に判定された画素に限定して算出することにより精度良く網点の線数を判定することができる。

また、濃淡変化の大小の程度を示す特徴量には濃度分布を示す特徴量を含むことにより、より精度良く判定させることができる。

また、画像データに対する画像処理として線数判定結果に応じた空間フィルタ処理を行ことにより、鮮鋭度を保ちながらモアレが知覚されにくい画像を出力することができる。

また、線数の判定として、機械学習の結果を用いた数式に画像データ特徴量を入力して得られる出力値に基づき、原稿の網点の線数を判定することにより、人間が判定の閾値や境界を設定して判定するよりも、精度良く判定させることができる。

この機械学習はサポートベクターマシンであってもよい。サポートベクターマシンは機械学習の中でも比較的簡易な計算のため、コピー出力やスキャン出力を遅らせずに処理することができる。

また、画像データの入力手段を複数備える場合は、画像データが入力された入力手段に対応する機械学習の結果を用いた数式に、画像データ特徴量を入力して得られる出力値により原稿の網点の線数を判定する。これにより、画像データの入力手段に応じて、精度良く判定することができる。

また、画像データの入力手段において画像入力解像度設定を複数有する場合は、画像入力解像度設定に対応する機械学習の結果を用いた数式に、画像データ特徴量を入力して得られる出力値に基づき、原稿の網点の線数を判定する。これにより、画像入力解像度に応じて、精度良く判定することができる。

また、画像データの出力形式に対応する機械学習の結果を用いた数式に、画像データ特徴量を入力して得られる出力値に基づき、原稿の網点の線数を判定する。例えば、出力形式をコピー出力及びスキャン出力とすることにより、コピー出力、スキャン出力それぞれ鮮鋭度を保ちながらモアレが知覚されにくい画像を出力することができる。

また、階調再現設定を複数有する階調再現手段を備え、階調再現設定に対応する機械学習の結果を用いた数式に、画像データ特徴量を入力して得られる出力値に基づき、原稿の網点の線数を判定する。これにより、階調再現設定が変わっても、それぞれ鮮鋭度を保ちながらモアレが知覚されにくい画像を出力することができる。

また、モノクロ出力用、カラー出力用の何れかの出力に対応する機械学習の結果を用いた数式に、画像データ特徴量を入力して得られる出力値に基づき、原稿の網点の線数を判定する。これにより、モノクロ出力、カラー出力それぞれ鮮鋭度を保ちながらモアレが知覚されにくい画像を出力することができる。

また、機械学習の結果を用いた数式の出力値に対して網点線数を判定する閾値を使用者が変更可能とすることにより、使用者の好みに応じて、高線数に判定されやすくしたり、逆に低線数に判定されやすくしたりすることができる。

本発明の各態様に係る画像処理装置は、コンピュータによって実現してもよく、この場合には、コンピュータを原稿特徴判定部１３として動作させることにより画像処理装置をコンピュータにて実現させる画像処理プログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も本発明の範疇に含まれる。

本発明は上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。すなわち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

（ソフトウェアでの処理）
図１及び図７のカラー画像処理装置１２０の制御ブロック（特に原稿特徴判定部１３）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ＣＰＵを用いてソフトウェアによって実現してもよい。

後者の場合、カラー画像処理装置１２０は、各機能を実現するソフトウェアであるプログラムの命令を実行するＣＰＵ、上記プログラムおよび各種データがコンピュータ（またはＣＰＵ）で読み取り可能に記録されたＲＯＭまたは記憶装置（これらを「記録媒体」と称する）、上記プログラムを展開するＲＡＭなどを備えている。そして、コンピュータ（またはＣＰＵ）が上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

これにより、原稿特徴判定部１３の処理を実行するプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）を記録した記録媒体を持ち運び自在に提供することができる。また、記録媒体に記録させたプログラムを画像形成装置１、画像読取装置１ｂ、あるいはコンピュータシステムに備えられるプログラム読取装置に読み取られせることにより、上記の原稿特徴判定処理を実行させることができる。

コンピュータシステムは、フラットベッドスキャナ、フィルムスキャナ、デジタルカメラなどの画像入力装置、所定のプログラムコードがロードされることにより上記画像処理方法など様々な処理が行われるコンピュータ、コンピュータの処理結果を表示するＣＲＴディスプレイ、液晶ディスプレイなどの画像表示装置およびコンピュータの処理結果を紙などに出力するプリンタにより構成されていてもよい。また、ネットワークを介してサーバーなどに接続するための通信手段としてのネットワークカードやモデムなどを備えていてもよい。

１ 画像形成装置
１００ 制御部
１１０ カラー画像入力装置
１２０ カラー画像処理装置
１１ Ａ／Ｄ変換部
１２ シェーディング補正部
１３ 原稿特徴判定部
１３０１ 画素判定部
１３０２ 領域画素カウント部
１３０３ データ選択部
１３０４ ヒストグラム生成部
１３０５ 下地判定部
１３０６ 原稿種別判定部
１３０７ 下地除去部
１４ 入力階調補正部
１５ 領域分離処理部
１６ 色補正部
１７ 黒生成下色除去部
１８ 空間フィルタ処理部
１９ 出力階調補正部
２０ 階調再現処理部
１３０ カラー画像出力装置
１４０ 操作パネル

Claims (19)

1. 原稿を走査して、画像データとして入力する画像データ入力部と、
   前記画像データの隣接画素間の濃淡変化の頻度を示す第１の特徴量と、前記画像データの濃淡変化の大小の程度を示す第２の特徴量とを含む画像データ特徴量に基づいて前記原稿の網点の線数を判定する判定部と、
   前記判定部の判定結果に応じて、前記画像データに画像処理を行う画像処理部と、
   を備えることを特徴とする画像処理装置。
2. 前記画像データから、前記画像データ特徴量を算出する算出部を更に含むことを特徴とする請求項１に記載の画像処理装置。
3. 前記第１の特徴量又は前記第２の特徴量の少なくとも一方は、複数の特徴量を含むことを特徴とする請求項１又は２に記載の画像処理装置。
4. 前記第１の特徴量は、網点領域に含まれる画素に限定して算出された特徴量であることを特徴とする請求項１から３の何れか一項に記載の画像処理装置。
5. 前記第２の特徴量は、濃度分布を示す特徴量を含むことを特徴とする請求項１から４の何れか１項に記載の画像処理装置。
6. 前記画像処理部は、前記画像処理として空間フィルタ処理を行うことを特徴とする請求項１から５の何れか１項に記載の画像処理装置。
7. 前記判定部は、機械学習の結果を用いた数式に前記画像データ特徴量を入力して得られる出力値に基づき、前記原稿の網点の線数を判定することを特徴とする請求項１から６の何れか１項に記載の画像処理装置。
8. 前記機械学習はサポートベクターマシンであることを特徴とする請求項７に記載の画像処理装置。
9. 前記画像データ入力部を複数備え、
   前記判定部は、前記画像データが入力された前記画像データ入力部に対応する前記機械学習の結果を用いた数式に、前記画像データ特徴量を入力して得られる出力値に基づき、前記原稿の網点の線数を判定することを特徴とする請求項７に記載の画像処理装置。
10. 前記画像データ入力部の画像入力解像度設定を複数有し、
    前記判定部は、前記画像入力解像度設定に対応する前記機械学習の結果を用いた数式に、前記画像データ特徴量を入力して得られる出力値に基づき、前記原稿の網点の線数を判定することを特徴とする請求項７に記載の画像処理装置。
11. 前記判定部は、前記画像データの出力形式に対応する前記機械学習の結果を用いた数式に、前記画像データ特徴量を入力して得られる出力値に基づき、前記原稿の網点の線数を判定することを特徴とする請求項７に記載の画像処理装置。
12. 前記出力形式は、コピー出力及びスキャン出力であることを特徴とする請求項１１に記載の画像処理装置。
13. 階調再現設定を複数有する階調再現部を備えており、
    前記判定部は、前記階調再現設定に対応する前記機械学習の結果を用いた数式に、前記画像データ特徴量を入力して得られる出力値に基づき、前記原稿の網点の線数を判定することを特徴とする請求項７に記載の画像処理装置。
14. 前記判定部は、モノクロ出力又はカラー出力の何れかの出力に対応する前記機械学習の結果を用いた数式に、前記画像データ特徴量を入力して得られる出力値に基づき、前記原稿の網点の線数を判定することを特徴とする請求項７に記載の画像処理装置。
15. 前記判定部において、前記機械学習の結果を用いた数式の出力値に対して網点線数を判定する閾値を変更可能とすることを特徴とする請求項７に記載の画像処理装置。
16. 請求項１から１５のいずれか１項に記載の画像処理装置と、
    前記画像処理装置によって処理された画像データに基づき、画像を形成する画像形成部を備えた画像形成装置。
17. 原稿を走査して、画像データとして入力する画像データ入力ステップと、
    前記画像データの隣接画素間の濃淡変化の頻度を示す第１の特徴量と、前記画像データの濃淡変化の大小の程度を示す第２の特徴量とを含む画像データ特徴量に基づいて前記原稿の網点の線数を判定する判定ステップと、
    前記判定ステップの判定結果に応じて、前記画像データに画像処理を行う画像処理ステップと、
    を含むことを特徴とする画像処理方法。
18. 画像処理装置のプロセッサに、
    原稿を走査して、画像データとして入力する画像データ入力ステップと、
    前記画像データの隣接画素間の濃淡変化の頻度を示す第１の特徴量と、前記画像データの濃淡変化の大小の程度を示す第２の特徴量とを含む画像データ特徴量に基づいて前記原稿の網点の線数を判定する判定ステップと、
    前記判定ステップの判定結果に応じて、前記画像データに画像処理を行う画像処理ステップと、
    を実行させる画像処理プログラム。
19. 画像処理装置のプロセッサに、
    原稿を走査して、画像データとして入力する画像データ入力ステップと、
    前記画像データの隣接画素間の濃淡変化の頻度を示す第１の特徴量と、前記画像データの濃淡変化の大小の程度を示す第２の特徴量とを含む画像データ特徴量に基づいて前記原稿の網点の線数を判定する判定ステップと、
    前記判定ステップの判定結果に応じて、前記画像データに画像処理を行う画像処理ステップと、
    を実行させる画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体。

Images