JP2022100689A - 画像処理方法、画像処理装置 - Google Patents
画像処理方法、画像処理装置 Download PDFInfo
- Publication number
- JP2022100689A JP2022100689A JP2020214811A JP2020214811A JP2022100689A JP 2022100689 A JP2022100689 A JP 2022100689A JP 2020214811 A JP2020214811 A JP 2020214811A JP 2020214811 A JP2020214811 A JP 2020214811A JP 2022100689 A JP2022100689 A JP 2022100689A
- Authority
- JP
- Japan
- Prior art keywords
- image
- feature
- test
- singular
- preprocessed
- 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
- 238000012545 processing Methods 0.000 title claims description 147
- 238000003672 processing method Methods 0.000 title claims description 23
- 238000012360 testing method Methods 0.000 claims abstract description 199
- 230000007547 defect Effects 0.000 claims abstract description 110
- 239000003086 colorant Substances 0.000 claims abstract description 39
- 239000013598 vector Substances 0.000 claims abstract description 36
- 239000000203 mixture Substances 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 298
- 230000008569 process Effects 0.000 claims description 281
- 238000003909 pattern recognition Methods 0.000 claims description 50
- 230000000737 periodic effect Effects 0.000 claims description 37
- 238000000605 extraction Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 14
- 230000008685 targeting Effects 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 5
- 238000003384 imaging method Methods 0.000 abstract 1
- 238000012937 correction Methods 0.000 description 31
- 238000012546 transfer Methods 0.000 description 30
- 238000006243 chemical reaction Methods 0.000 description 10
- 238000007906 compression Methods 0.000 description 10
- 230000006835 compression Effects 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000007723 transport mechanism Effects 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
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00007—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for relating to particular apparatus or devices
- H04N1/00023—Colour systems
-
- 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
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00026—Methods therefor
- H04N1/00029—Diagnosis, i.e. identifying a problem by comparison with a normal state
-
- 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
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00026—Methods therefor
- H04N1/00034—Measuring, i.e. determining a quantity by comparison with a standard
-
- 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
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00026—Methods therefor
- H04N1/00068—Calculating or estimating
-
- 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
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00071—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for characterised by the action taken
- H04N1/00074—Indicating or reporting
-
- 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
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00071—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for characterised by the action taken
- H04N1/00082—Adjusting or controlling
-
- 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
- H04N1/46—Colour picture communication systems
- H04N1/52—Circuits or arrangements for halftone screening
-
- 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
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/58—Edge or detail enhancement; Noise or error suppression, e.g. colour misregistration correction
-
- 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
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/603—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer
- H04N1/6033—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer using test pattern analysis
-
- 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
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/603—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer
- H04N1/6033—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer using test pattern analysis
- H04N1/6041—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer using test pattern analysis for controlling uniformity of color across image area
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
- Color Image Communication Systems (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
- Control Or Security For Electrophotography (AREA)
- Color Electrophotography (AREA)
Abstract
【課題】タンデム式の画像形成装置において生じる画像不良の原因を、より少ないテスト画像によって判定すること。【解決手段】プロセッサー80は、混色テスト画像g1における複数の有意な画素からなる特異部Ps1を特定する。さらに、前記プロセッサー80は、前記混色テスト画像g1における前記特異部Ps1の色および前記特異部Ps1の周辺を含む参照領域の色の一方から他方への色空間内のベクトルを表す色ベクトルを特定する。さらに、前記プロセッサー80は、1つの前記混色テスト画像から特定された前記色ベクトルに基づいて、前記画像不良の原因が画像形成装置2における複数の現像色に対応する複数の作像部4xのいずれであるかを判定する。【選択図】図2
Description
本発明は、テスト画像に基づいて画像不良の原因を判定する画像処理方法および画像処理装置に関する。
プリンターまたは複合機などの画像形成装置は、シートに画像を形成するプリント処理を実行する。前記プリント処理において、縦スジ、横スジ、ノイズ点または濃度ムラなどの画像不良が、出力シートに形成された画像に生じる場合がある。
例えば、前記画像形成装置が電子写真方式で前記プリント処理を実行する装置である場合、前記画像不良の原因は、感光体、帯電部、現像部および転写部などの様々な部分が考えられる。そして、前記画像不良の原因の判定には熟練を要する。
また、画像処理装置において、前記画像不良の一例である縦スジを引き起こす現象と、前記縦スジの色、濃度またはスクリーン線数などの特徴情報とが、予めテーブルデータとして対応付けられ、前記縦スジを引き起こす現象が、テスト画像における前記縦スジの画像の色、濃度またはスクリーン線数の情報と前記テーブルデータとに基づいて特定されることが知られている(例えば、特許文献1参照)。
前記テーブルデータは、前記縦スジを引き起こす現象の種類ごとに、画像の色、濃度またはスクリーン線数などのパラメーターの範囲が閾値によって設定されたデータである。
ところで、前記画像形成装置は、カラープリントが可能なタンデム式である場合、それぞれ現像色が異なる複数の作像部を備える。前記作像部各々は、前記感光体、前記帯電部および前記現像部などを含む。一般に、前記現像色は、シアン、マゼンタ、イエローおよびブラックの4色である。
前記画像形成装置において、前記複数の作像部のいずれが前記画像不良の原因であるかを判定することが必要になる。この場合、画像処理装置が、前記現像色ごとに単色の前記テスト画像に基づいて前記画像不良の判定を行うことが考えられる。
しかしながら、前記画像不良の判定に必要な前記テスト画像のプリント枚数は、シートおよび現像剤の消費量の低減のために、より少ないことが好ましい。
本発明の目的は、タンデム式の画像形成装置において生じる画像不良の原因を、より少ないテスト画像によって判定することができる画像処理方法および画像処理装置を提供することにある。
本発明の一の局面に係る画像処理方法は、プロセッサーが、画像形成装置の出力シートに対する画像読取処理を通じて得られる複数の現像色に対応する複数の単色ハーフトーン画像が合成された混色テスト画像に基づいて画像不良の原因を判定する方法である。前記画像処理方法は、前記プロセッサーが、前記混色テスト画像における複数の有意な画素からなる特異部を特定することを含む。さらに前記画像処理方法は、前記プロセッサーが、前記混色テスト画像における前記特異部の色および前記特異部の周辺を含む参照領域の色の一方から他方への色空間内のベクトルを表す色ベクトルを特定することを含む。さらに前記画像処理方法は、前記プロセッサーが、1つの前記混色テスト画像から特定された前記色ベクトルに基づいて、前記画像不良の原因が前記画像形成装置における前記複数の現像色に対応する複数の作像部のいずれであるかを判定することを含む。
本発明の他の局面に係る画像処理装置は、前記画像処理方法の処理を実行するプロセッサーを備える。
本発明によれば、タンデム式の画像形成装置において生じる画像不良の原因を、より少ないテスト画像によって判定することができる画像処理方法および画像処理装置を提供することが可能になる。
以下、図面を参照しながら、本発明の実施形態について説明する。なお、以下の実施形態は、本発明を具体化した一例であって、本発明の技術的範囲を限定するものではない。
[画像処理装置10の構成]
実施形態に係る画像処理装置10は、プリント処理を実行する画像形成装置2を備える。前記プリント処理は、シートに画像を形成する処理である。前記シートは、用紙またはシート状の樹脂部材などの画像形成媒体である。
実施形態に係る画像処理装置10は、プリント処理を実行する画像形成装置2を備える。前記プリント処理は、シートに画像を形成する処理である。前記シートは、用紙またはシート状の樹脂部材などの画像形成媒体である。
さらに、画像処理装置10は、原稿から画像を読み取る読取処理を実行する画像読取装置1も備える。例えば、画像処理装置10は、複写機、ファクシミリ装置または複合機などである。
前記プリント処理の対象となる画像は、画像読取装置1によって前記原稿から読み取られる画像または不図示のホスト装置から受信されるプリントデータが表す画像などである。前記ホスト装置は、パーソナルコンピューターまたは携帯情報端末などの情報処理装置である。
さらに、画像形成装置2は、前記プリント処理によって予め定められた原テスト画像g01を前記シートに形成する場合もある(図6参照)。原テスト画像g01は、画像形成装置2における画像不良の有無および原因の判定に用いられるテスト画像g1の元になる画像である(図6参照)。テスト画像g1については後述する。
画像読取装置1の前記読取処理と、前記読取処理で得られる画像に基づく画像形成装置2の前記プリント処理とを含む処理はコピー処理である。
図1に示されるように、画像形成装置2は、シート搬送機構3およびプリント部4を備える。シート搬送機構3は、シート送出機構31および複数組のシート搬送ローラー対32を含む。
シート送出機構31は、前記シートをシート収容部21からシート搬送路30へ送り出す。複数組のシート搬送ローラー対32は、前記シートをシート搬送路30に沿って搬送し、画像が形成された前記シートを排出トレイ22へ排出する。
プリント部4は、シート搬送機構3によって搬送される前記シートに対して前記プリント処理を実行する。本実施形態において、プリント部4は、電子写真方式で前記プリント処理を実行する。
プリント部4は、作像部4x、レーザースキャニングユニット4y、転写装置44および定着装置46を備える。作像部4xは、ドラム状の感光体41、帯電装置42、現像装置43およびドラムクリーニング装置45を含む。
感光体41が回転し、帯電装置42が感光体41の表面を一様に帯電させる。帯電装置42は、感光体41の表面に接する状態で回転する帯電ローラー42aを含む。レーザースキャニングユニット4yは、レーザー光を走査することによって帯電した感光体41の表面に静電潜像を書き込む。
現像装置43は、前記静電潜像をトナー像へ現像する。現像装置43は、感光体41にトナーを供給する現像ローラー43aを含む。転写装置44は、感光体41の表面の前記トナー像を前記シートに転写する。なお、前記トナーは、粒状の現像剤の一例である。
定着装置46は、前記シート上の前記トナー像を加熱することによって前記シートに定着させる。定着装置46は、前記シートに接触し回転する定着回転体46aと、定着回転体46aを加熱する定着ヒーター46bとを備える。
図1に示される画像形成装置2は、タンデム式のカラープリント装置であり、カラー画像の前記プリント処理を実行可能である。そのため、プリント部4は、それぞれ異なる色のトナーに対応する4つの作像部4xを備える。
また、タンデム式の画像形成装置2において、転写装置44は、4つの感光体41に対応する4つの一次転写ローラー441と、中間転写ベルト440と、二次転写ローラー442と、ベルトクリーニング装置443とを含む。
4つの作像部4xは、それぞれシアン、マゼンタ、イエローおよびブラックの前記トナー像を感光体41の表面に形成する。一次転写ローラー441各々は、作像部4x各々の一部でもある。
作像部4x各々において、一次転写ローラー441は、回転しつつ中間転写ベルト440を感光体41の表面へ付勢する。一次転写ローラー441は、前記トナー像を感光体41から中間転写ベルト440へ転写する。これにより、4色の前記トナー像からなるカラー画像が中間転写ベルト440上に形成される。
作像部4x各々において、ドラムクリーニング装置45は、中間転写ベルト440に転写されずに感光体41上に残ったトナーを、感光体41から除去し回収する。
二次転写ローラー442は、中間転写ベルト440上の4色の前記トナー像を前記シートに転写する。なお、画像処理装置10において、感光体41および転写装置44の中間転写ベルト440は、それぞれ前記トナー像を担持して回転する像担持体の一例である。
ベルトクリーニング装置443は、前記シートに転写されずに中間転写ベルト440上に残ったトナーを、中間転写ベルト440から除去し回収する。
図1に示されるように、画像処理装置10は、画像形成装置2および画像読取装置1に加え、データ処理部8およびヒューマンインターフェイス装置800を備える。ヒューマンインターフェイス装置800は、操作部801および表示部802を含む。
データ処理部8は、前記プリント処理または前記読取処理に関する各種のデータ処理を実行し、さらに、各種の電気機器を制御する。
操作部801は、ユーザーの操作を受け付ける装置である。例えば、操作部801は、押しボタンおよびタッチパネルの一方または両方を含む。表示部802は、ユーザーに提要する情報を表示する表示パネルを含む。
図2に示されるように、データ処理部8は、CPU(Central Processing Unit)80、RAM(Random Access Memory)81、二次記憶装置82および通信装置83を備える。
CPU80は、通信装置83の受信データの処理、各種の画像処理および画像形成装置2の制御を実行可能である。前記受信データは、前記プリントデータを含む場合がある。CPU80は、前記画像処理を含むデータ処理を実行するプロセッサーの一例である。なお、CPU80が、DSP(Digital Signal Processor)などの他の種類のプロセッサーで実現されてもよい。
通信装置83は、LAN(Local Area Network)などのネットワークを通じて前記ホスト装置などの他装置との間で通信を行う通信インターフェイスデバイスである。CPU80は、前記外部装置との間のデータの送信および受信の全てを、通信装置83を通じて行う。
二次記憶装置82は、コンピューター読み取り可能な不揮発性の記憶装置である。二次記憶装置82は、CPU80により実行される前記コンピュータープログラムおよびCPU80により参照される各種のデータを記憶する。例えば、フラッシュメモリーまたはハードディスクドライブの一方または両方が、二次記憶装置82として採用される。
RAM81は、コンピューター読み取り可能な揮発性の記憶装置である。RAM81は、CPU80が実行する前記コンピュータープログラムおよびCPU80が前記プログラムを実行する過程で出力および参照するデータを一次記憶する。
CPU80は、コンピュータープログラムを実行することにより実現される複数の処理モジュールを含む。前記複数の処理モジュールは、主制御部8aおよびジョブ制御部8bなどを含む。なお、前記複数の処理モジュールの一部または全部が、DSPなどのCPU80とは別の独立したプロセッサーによって実現されてもよい。
主制御部8aは、操作部801に対する操作に応じたジョブの選択処理、表示部802に情報を表示させる処理および各種データを設定する処理などを実行する。さらに、主制御部8aは、通信装置83の受信データの内容を判別する処理も実行する。
ジョブ制御部8bは、画像読取装置1および画像形成装置2を制御する。例えば、ジョブ制御部8bは、通信装置83の受信データが前記プリントデータを含む場合に、画像形成装置2に前記受信プリント処理を実行させる。
また、主制御部8aが操作部801に対するコピー要求操作を検出したときに、ジョブ制御部8bは、画像読取装置1に前記読取処理を実行させるとともに、画像形成装置2に前記読取処理で得られる画像に基づく前記プリント処理を実行させる。
前記プリント処理において、縦スジPs11、横スジPs12、ノイズ点Ps13または濃度ムラなどの画像不良が、出力シートに形成された画像に生じる場合がある(図6,7参照)。
前述したように、画像形成装置2は、電子写真方式で前記プリント処理を実行する。この場合、前記画像不良の原因は、感光体41、帯電装置42、現像装置43および転写装置44などの様々な部分が考えられる。そして、前記画像不良の原因の判定には熟練を要する。
本実施形態において、画像形成装置2は、予め定められた原テスト画像g01を前記シートに形成するテストプリント処理を実行する(図6参照)。
例えば、主制御部8aが操作部801に対するテスト出力操作を検出したときに、ジョブ制御部8bは、画像形成装置2に前記テストプリント処理を実行させる。以下の説明において、原テスト画像g01が形成された前記シートのことをテスト出力シート9と称する(図1参照)。
さらに、主制御部8aは、前記テストプリント処理が実行されたときに表示部802に予め定められた案内メッセージを表示させる。この案内メッセージは、画像読取装置1にテスト出力シート9をセットした上で操作部801に読み取り開始操作を行うことを促すメッセージである。
そして、主制御部8aが、前記案内メッセージが表示部802に表示された後に操作部801に対する読み取り開始操作を検出したときに、ジョブ制御部8bは、前記読取処理を画像読取装置1に実行させる。これにより、原テスト画像g01が、画像形成装置2により出力されたテスト出力シート9から画像読取装置1によって読み取られ、原テスト画像g01に対応する読取画像が得られる。
そして、後述するように、CPU80は、前記読取画像または前記読取画像が圧縮された画像であるテスト画像g1に基づいて、前記画像不良の有無および原因を判定する処理を実行する(図6参照)。CPU80は、前記画像不良の有無および原因を判定するための画像処理方法の処理を実行するプロセッサーの一例である。
なお、テスト出力シート9からテスト画像g1を読み取る装置が、例えばデジタルカメラのように画像読取装置1以外の装置であってもよい。
ところで、画像形成装置2は、カラープリントが可能なタンデム式であり、それぞれ現像色が異なる複数の作像部4xを備える(図1参照)。
画像形成装置2において、複数の作像部4xのいずれが前記画像不良の原因であるかを判定することが必要になる。この場合、CPU80が、前記現像色ごとに単色のテスト画像に基づいて前記画像不良の判定を行うことが考えられる。
しかしながら、前記画像不良の判定に必要な前記テスト画像のプリント枚数は、シートおよび現像剤の消費量の低減のために、より少ないことが好ましい。
画像処理装置10のCPU80は、後述する画像不良判定処理を実行する(図3参照)。これにより、CPU80は、タンデム式の画像形成装置2において生じる前記画像不良の原因を、より少ないテスト画像g1によって判定することができる。
また、テスト画像g1は複数の種類の前記画像不良を含む場合がある。この場合、前記画像不良の部分が種類ごとに抽出された画像を対象として前記画像不良の原因の判定を行うことが、判定処理の簡素化、および、判定精度の向上のために好ましい。
一方、画像処理装置10において、簡易な処理により、テスト画像g1から前記画像不良の部分を種類ごとに抽出し、判定対象の画像を生成できることが好ましい。
CPU80は、前記画像不良判定処理を実行することにより、簡易な処理によってテスト画像g1から前記画像不良の部分を種類ごとに抽出し、前記画像不良の種類ごとに原因を判定することができる。
また、前記画像不良の原因が、画像の色、濃度またはスクリーン線数などの特定の画像パラメーターの値と予め定められた閾値との比較によって判定される場合、判定の漏れ、または、誤判定が生じやすい。
一方、画像のパターン認識処理は、入力画像を高精度で多くの事象に分類することに適している。例えば、前記パターン認識処理は、複数の事象の候補に対応するサンプル画像を教師データとして学習された学習モデルによって入力画像が前記複数の事象の候補のいずれに対応する画像であるかを判定する処理などである。
しかしながら、画像の情報量は多く、前記画像不良の種類は、縦スジPs11、横スジPs12、ノイズ点Ps13および前記濃度ムラなど複数存在する(図6参照)。さらに、前記画像不良の種類ごとに考えられる原因の候補も多い。
従って、前記画像不良を含むテスト画像g1が前記パターン認識処理の入力画像として用いられる場合、前記パターン認識処理の演算量が非常に大きくなる。そのため、複合機などが備えるプロセッサーで前記パターン認識処理を実行することが難しい。
また、前記画像不良の原因の判定精度を高めるために、膨大な前記教師データが前記学習モデルの学習のために必要となる。しかしながら、画像形成装置2の機種ごとに、考え得る前記画像不良の種類および前記画像不良の原因の組み合わせに対応する膨大な数のテスト画像g1を用意することは多大な手間を要する。
後述するように、CPU80は、前記画像不良判定処理において、演算量を抑制できる態様で画像のパターン認識処理を行う。これにより、前記画像不良の原因を、高い精度で判定することができる。
以下の説明において、CPU80による処理の対象となるテスト画像g1などの画像は、デジタル画像データである。前記デジタル画像データは、3原色それぞれについて主走査方向D1および主走査方向D1に交差する副走査方向D2の二次元の座標領域に対応する複数の画素値を含むマップデータを構成する。前記3原色は、例えば赤、緑および青である。なお、副走査方向D2は主走査方向D1に直交する。なお、主走査方向D1はテスト画像g1における横方向であり、副走査方向D2はテスト画像g1における縦方向である。
例えば、原テスト画像g01およびテスト画像g1は、画像形成装置2における複数の現像色に対応するそれぞれ一様な複数の単色ハーフトーン画像が合成された混色ハーフトーン画像である。前記複数の単色ハーフトーン画像は、それぞれ予め定められた中間階調の基準濃度で一様に形成された画像である。
前記テストプリント処理において、1つの原テスト画像g01を含む1枚のテスト出力シート9が出力される。従って、原テスト画像g01に対応する1つのテスト画像g1が、前記画像不良の特定の対象である。
本実施形態において、テスト画像g1は、画像形成装置2における全ての現像色に対応するそれぞれ一様な4つの単色ハーフトーン画像が合成された混色ハーフトーン画像である。本実施形態におけるテスト画像g1は混色テスト画像の一例である。
また、CPU80における前記複数の処理モジュールは、前記画像不良判定処理を実行するために、特徴画像生成部8c、特異部特定部8d、色ベクトル特定部8e、周期性判定部8f、パターン認識部8gおよびランダムムラ判定部8hをさらに含む(図2参照)。
[画像不良判定処理]
以下、図3に示されるフローチャートを参照しつつ、前記画像不良判定処理の手順の一例について説明する。以下の説明において、S101,S102,…は、前記画像不良判定処理における複数の工程の識別符号を表す。
以下、図3に示されるフローチャートを参照しつつ、前記画像不良判定処理の手順の一例について説明する。以下の説明において、S101,S102,…は、前記画像不良判定処理における複数の工程の識別符号を表す。
主制御部8aは、前記案内メッセージが表示部802に表示された後に、操作部801に対する前記読み取り開始操作に応じて前記読取処理が実行されたときに、前記画像不良判定処理における工程S101の処理を特徴画像生成部8cに実行させる。
<工程S101>
工程S101において、特徴画像生成部8cは、テスト出力シート9に対する前記画像読取処理に得られた前記読取画像からテスト画像g1を生成する。
工程S101において、特徴画像生成部8cは、テスト出力シート9に対する前記画像読取処理に得られた前記読取画像からテスト画像g1を生成する。
例えば、特徴画像生成部8cは、前記読取画像から外縁の余白領域を除いた前記原画像の部分をテスト画像g1として抽出する。
或いは、特徴画像生成部8cは、前記読取画像から外縁の余白領域を除いた前記原画像の部分を予め定められた基準解像度へ圧縮する圧縮処理によってテスト画像g1を生成する。特徴画像生成部8cは、前記読取画像の解像度が前記基準解像度よりも高い場合に前記読取画像を圧縮する。主制御部8aは、テスト画像g1を生成した後、処理を工程S102へ移行させる。
<工程S102>
工程S102において、特徴画像生成部8cは、後述する特異不良判定処理を開始する。前記特異不良判定処理は、テスト画像g1における縦スジPs11、横スジPs12またはノイズ点Ps13などの特異部Ps1の有無および特異部Ps1の発生原因を判定する処理である(図6参照)。特異部Ps1は、前記画像不良の一例である。また、本実施形態におけるテスト画像g1は、特異部Ps1の特定の対象となる対象テスト画像の一例である。
工程S102において、特徴画像生成部8cは、後述する特異不良判定処理を開始する。前記特異不良判定処理は、テスト画像g1における縦スジPs11、横スジPs12またはノイズ点Ps13などの特異部Ps1の有無および特異部Ps1の発生原因を判定する処理である(図6参照)。特異部Ps1は、前記画像不良の一例である。また、本実施形態におけるテスト画像g1は、特異部Ps1の特定の対象となる対象テスト画像の一例である。
さらに、主制御部8aは、前記特異不良判定処理が終了したときに、処理を工程S103へ移行させる。
<工程S103>
工程S103において、周期性判定部8fは、後述する濃度ムラ判定処理を開始する。さらに、主制御部8aは、前記濃度ムラ判定処理が終了したときに、処理を工程S104へ移行させる。
工程S103において、周期性判定部8fは、後述する濃度ムラ判定処理を開始する。さらに、主制御部8aは、前記濃度ムラ判定処理が終了したときに、処理を工程S104へ移行させる。
<工程S104>
工程S104において、主制御部8aは、工程S102または工程S103の処理によって前記画像不良が生じていると判定された場合に処理を工程S105へ移行させ、そうでない場合に処理を工程S106へ移行させる。
工程S104において、主制御部8aは、工程S102または工程S103の処理によって前記画像不良が生じていると判定された場合に処理を工程S105へ移行させ、そうでない場合に処理を工程S106へ移行させる。
<工程S105>
工程S105において、主制御部8aは、工程S102または工程S103の処理によって発生していると判定された前記画像不良の種類および原因に対し予め対応付けられた不良対応処理を実行する。
工程S105において、主制御部8aは、工程S102または工程S103の処理によって発生していると判定された前記画像不良の種類および原因に対し予め対応付けられた不良対応処理を実行する。
例えば、前記不良対応処理は、以下に示される第1対応処理および第2対応処理の一方または両方を含む。前記第1対応処理は、前記画像不良の原因である部品の交換を促すメッセージを表示部802に表示させる処理である。前記第2対応処理は、前記画像不良を解消または緩和するために作像パラメーターを補正する処理である。前記作像パラメーターは、作像部4xの制御に関するパラメーターである。
主制御部8aは、前記不良対応処理を実行した後、前記画像不良判定処理を終了させる。
<工程S106>
一方、工程S106において、主制御部8aは、前記画像不良が特定されなかったことを表す正常通知を実行した上で、前記画像不良判定処理を終了させる。
一方、工程S106において、主制御部8aは、前記画像不良が特定されなかったことを表す正常通知を実行した上で、前記画像不良判定処理を終了させる。
[特異不良判定処理]
続いて、図4に示されるフローチャートを参照しつつ、工程S102の前記特異不良判定処理の手順の一例について説明する。以下の説明において、S201,S202,…は、前記特異不良判定処理における複数の工程の識別符号を表す。前記特異不良判定処理は、工程S201から開始される。
続いて、図4に示されるフローチャートを参照しつつ、工程S102の前記特異不良判定処理の手順の一例について説明する。以下の説明において、S201,S202,…は、前記特異不良判定処理における複数の工程の識別符号を表す。前記特異不良判定処理は、工程S201から開始される。
<工程S201>
まず、工程S201において、特徴画像生成部8cは、テスト画像g1に対して予め定められた特徴抽出処理を実行することにより複数の特徴画像g21,g22,g23を生成する。特徴画像g21,g22,g23各々は、テスト画像g1における予め定められた特定の種類の特異部Ps1が抽出された画像である。
まず、工程S201において、特徴画像生成部8cは、テスト画像g1に対して予め定められた特徴抽出処理を実行することにより複数の特徴画像g21,g22,g23を生成する。特徴画像g21,g22,g23各々は、テスト画像g1における予め定められた特定の種類の特異部Ps1が抽出された画像である。
本実施形態において、複数の特徴画像g21,g22,g23は、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を含む(図6参照)。
第1特徴画像g21は、テスト画像g1における縦スジPs11が抽出された画像である。第2特徴画像g22は、テスト画像g1における横スジPs12が抽出された画像である。第3特徴画像g23は、テスト画像g1におけるノイズ点Ps13が抽出された画像である。
本実施形態において、前記特徴抽出処理は、第1前処理と、第2前処理と、特異部抽出処理と、を含む。以下の説明において、テスト画像g1から順次選択される画素のことを注目画素Px1と称する(図6,7参照)。
特徴画像生成部8cは、テスト画像g1に対する前記第1前処理を、主走査方向D1を処理方向Dx1として実行することによって第1前処理画像g11を生成する(図6参照)。
さらに、特徴画像生成部8cは、テスト画像g1に対する前記第2前処理を、副走査方向D2を処理方向Dx1として実行することによって第2前処理画像g12を生成する(図6参照)。
さらに、特徴画像生成部8cは、第1前処理画像g11および第2前処理画像g12に対する前記特異部抽出処理を実行することによって3つの特徴画像g21,g22,g23を生成する。
前記第1前処理は、主走査方向D1を処理方向Dx1とする主フィルター処理を含む。前記主フィルター処理は、テスト画像g1から順次選択される注目画素Px1の画素値を、注目領域Ax1の画素値と2つの隣接領域Ax2の画素値との差を強調する処理により得られる変換値へ変換する処理である(図6,7参照)。
注目領域Ax1は、注目画素Px1を含む領域であり、2つの隣接領域Ax2は、注目領域Ax1に対し予め設定される処理方向Dx1において両側に隣接する領域である。注目領域Ax1および隣接領域Ax2は、それぞれ1つ以上の画素を含む領域である。
注目領域Ax1および隣接領域Ax2のサイズは、抽出されるべき縦スジPs11もしくは横スジPs12の幅、または抽出されるべきノイズ点Ps13の大きさに応じて設定される。
注目領域Ax1および隣接領域Ax2各々は、処理方向Dx1に交差する方向において同じ範囲を占める。図7に示される例において、注目領域Ax1は、注目画素Px1を中心として3列および7行に亘る21画素分の領域である。隣接領域Ax2各々も、3列7行に亘る21画素分の領域である。なお、注目領域Ax1および隣接領域Ax2各々において、行数は処理方向Dx1に沿うラインの数であり、列数は処理方向Dx1に交差する方向に沿うラインの数である。注目領域Ax1および隣接領域Ax2各々の大きさは予め設定される。
前記主フィルター処理において、注目領域Ax1の各画素値は、予め定められた第1補正係数K1を用いて第1補正値へ変換され、隣接領域Ax2各々の各画素値は、予め定められた第2補正係数K2を用いて第2補正値へ変換される。
例えば、第1補正係数K1は、注目領域Ax1の各画素値に乗算される1以上の係数であり、第2補正係数K2は、隣接領域Ax2の各画素値に乗算される0未満の係数である。この場合、第1補正係数K1に注目領域Ax1の画素数を乗算して得られる値と、第2補正係数K2に2つの隣接領域Ax2の画素数を乗算して得られる値との合計がゼロになるように、第1補正係数K1および第2補正係数K2は設定される。
特徴画像生成部8cは、注目領域Ax1の各画素値に第1補正係数K1を乗算することにより、注目領域Ax1の各画素に対応する前記第1補正値を導出し、2つの隣接領域Ax2の各画素値に第2補正係数K2を乗算することにより、2つの隣接領域Ax2の各画素に対応する前記第2補正値を導出する。そして、特徴画像生成部8cは、前記第1補正値および前記第2補正値を統合した値を注目画素Px1の画素値の前記変換値として導出する。
さらに、特徴画像生成部8cは、注目領域Ax1の複数の画素に対応する複数の前記第1補正値の合計値または平均値と、2つの隣接領域Ax2の複数の画素に対応する複数の前記第2補正値の合計値または平均値とを加算することにより、前記変換値を導出する。
例えば、特徴画像生成部8cが、主走査方向D1を処理方向Dx1とする前記主フィルター処理により得られる複数の前記変換値を含む第1主マップデータを第1前処理画像g11として生成することが考えられる。
図6に示されるように、テスト画像g1が縦スジPs11およびノイズ点Ps13の一方または両方を含む場合に、テスト画像g1に含まれる縦スジPs11およびノイズ点Ps13の一方または両方が抽出された前記第1主マップデータが、主走査方向D1を処理方向Dx1とする前記主フィルター処理によって生成される。
また、テスト画像g1が横スジPs12を含む場合に、テスト画像g1に含まれる横スジPs12が除かれた前記第1主マップデータが、主走査方向D1を処理方向Dx1とする前記主フィルター処理によって生成される。
なお、縦スジPs11は第1特異部に相当し、横スジPs12は第2特異部に相当し、ノイズ点Ps13は第3特異部に相当する。
一方、前記第2前処理は、副走査方向D2を処理方向Dx1とする前記主フィルター処理を含む。
例えば、特徴画像生成部8cが、副走査方向D2を処理方向Dx1とする前記主フィルター処理により得られる複数の前記統合値を含む第2主マップデータを第2前処理画像g12として生成することが考えられる。
図6に示されるように、テスト画像g1が横スジPs12およびノイズ点Ps13の一方または両方を含む場合に、テスト画像g1に含まれる横スジPs12およびノイズ点Ps13の一方または両方が抽出された前記第2主マップデータが、副走査方向D2を処理方向Dx1とする前記主フィルター処理によって生成される。
また、テスト画像g1が縦スジPs11を含む場合に、テスト画像g1に含まれる縦スジPs11が除かれた前記第2主マップデータが、副走査方向D2を処理方向Dx1とする前記主フィルター処理によって生成される。
しかしながら、前記主フィルター処理において、特異部Ps1における処理方向Dx1の両端のエッジ部において、本来の特異部Ps1の状態を表す前記統合値に対して正負が逆の誤った前記統合値が導出されてしまう場合がある。そのような誤った前記統合値は、特異部Ps1を表す画素値として処理された場合に、前記画像不良の判定に悪影響を及ぼすおそれがある。
そこで、本実施形態において、前記第1前処理は、主走査方向D1を処理方向Dx1とする前記主フィルター処理に加え、主走査方向D1を処理方向Dx1とするエッジ強調フィルター処理をさらに含む。
同様に、前記第2前処理は、副走査方向D2を処理方向Dx1とする前記主フィルター処理に加え、副走査方向D2を処理方向Dx1とする前記エッジ強調フィルター処理をさらに含む。
前記エッジ強調フィルター処理は、注目領域Ax1と2つの隣接領域Ax2のうちの予め定められた一方とを対象としてエッジ強調を行う処理である。
具体的には、前記エッジ強調フィルター処理は、テスト画像g1から順次選択される注目画素Px1の画素値を、注目領域Ax1の画素値を正または負の第3補正係数K3で補正した第3補正値と、一方の隣接領域Ax2の画素値を第3補正係数K3とは正負が逆の第4補正係数K4で補正した第4補正値とを統合したエッジ強度へ変換する処理である(図6参照)。
図6に示される例において、第3補正係数K3は正の係数であり、第4補正係数K4は負の係数である。第3補正係数K3に注目領域Ax1の画素数を乗算して得られる値と、第4補正係数K4に一方の隣接領域Ax2の画素数を乗算して得られる値との合計がゼロになるように、第3補正係数K3および第4補正係数K4は設定される。
前記エッジ強調フィルター処理が、主走査方向D1を処理方向Dx1として実行されることにより、テスト画像g1の各画素値が前記エッジ強度へ変換された横エッジ強度マップデータが生成される。
同様に、前記エッジ強調フィルター処理が、副走査方向D2を処理方向Dx1として実行されることにより、テスト画像g1の各画素値が前記エッジ強度へ変換された縦エッジ強度マップデータが生成される。
本実施形態において、特徴画像生成部8cは、主走査方向D1を処理方向Dx1とする前記主フィルター処理により生成される前記第1主マップデータを生成する。
さらに、特徴画像生成部8cは、主走査方向D1を処理方向Dx1とする前記エッジ強調フィルター処理を実行することにより前記横エッジ強度マップデータを生成する。
さらに、特徴画像生成部8cは、前記第1主マップデータの各画素値を対応する前記横エッジ強度マップデータの各画素値で補正することにより第1前処理画像g11を生成する。例えば、特徴画像生成部8cは、前記第1主マップデータの各画素値に、前記横エッジ強度マップデータの各画素値の絶対値を加算することにより、第1前処理画像g11を生成する。
同様に、特徴画像生成部8cは、副走査方向D2を処理方向Dx1とする前記主フィルター処理を実行することにより前記第2主マップデータを生成する。
さらに、特徴画像生成部8cは、副走査方向D2を処理方向Dx1とする前記エッジ強調フィルター処理を実行することにより前記縦エッジ強度マップデータを生成する。
さらに、特徴画像生成部8cは、前記第2主マップデータの各画素値を対応する前記縦エッジ強度マップデータの各画素値で補正することにより第2前処理画像g12を生成する。例えば、特徴画像生成部8cは、前記第2主マップデータの各画素値に、前記縦エッジ強度マップデータの各画素値の絶対値を加算することにより、第2前処理画像g12を生成する。
前記特異部抽出処理は、第1前処理画像g11または第2前処理画像g12に含まれる縦スジPs11、横スジPs12およびノイズ点Ps13がそれぞれ個別に抽出された3つの特徴画像g21,g22,g23を生成する処理である。3つの特徴画像g21,g22,g23は、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23である。
第1特徴画像g21は、第1前処理画像g11および第2前処理画像g12における1つ以上の有意な画素からなる特異部Ps1のうち、第1前処理画像g11に存在し第1前処理画像g11および第2前処理画像g12に共通しない特異部Ps1が抽出された画像である。第1特徴画像g21は、横スジPs12およびノイズ点Ps13を含まず、第1前処理画像g11が縦スジPs11を含む場合にはその縦スジPs11を含む。
なお、前記有意な画素は、テスト画像g1における各画素値もしくは各画素値に基づく指標値と予め定められた閾値とを比較することによって他の画素と区別可能な画素である。
第2特徴画像g22は、第1前処理画像g11および第2前処理画像g12における特異部Ps1のうち、第2前処理画像g12に存在し第1前処理画像g11および第2前処理画像g12に共通しない特異部Ps1が抽出された画像である。第2特徴画像g22は、縦スジPs11およびノイズ点Ps13を含まず、第2前処理画像g12が横スジPs12を含む場合にはその横スジPs12を含む。
第3特徴画像g23は、第1前処理画像g11および第2前処理画像g12に共通の特異部Ps1が抽出された画像である。第3特徴画像g23は、縦スジPs11および横スジPs12を含まず、第1前処理画像g11および第2前処理画像g12がノイズ点Ps13を含む場合にはそのノイズ点Ps13を含む。
第1前処理画像g11および第2前処理画像g12から3つの特徴画像g21,g22,g23を生成する方法は各種考えられる。
例えば、特徴画像生成部8cは、第1前処理画像g11における予め定められた基準値を超える各画素値である第1画素値Xiと第2前処理画像g12における前記基準値を超える各画素値である第2画素値Yiとを以下の(1)式に適用することによって指標値Ziを導出する。ここで、添字iは各画素の位置の識別番号である。
縦スジPs11を構成する画素の指標値Ziの値は、比較的大きな正の数となる。また、横スジPs12を構成する画素の指標値Ziの値は、非確定小さな負の数となる。また、ノイズ点Ps13を構成する画素の指標値Ziの値は、0または0に近い値となる。指標値Ziは、第1前処理画像g11および第2前処理画像g12における対応する各画素値の差の指標値の一例である。
指標値Ziの上記の性質は、第1前処理画像g11から縦スジPs11を抽出し、第2前処理画像g12から横スジPs12を抽出し、第1前処理画像g11または第2前処理画像g12からノイズ点Ps13を抽出する処理を簡素化するために利用することができる。
例えば、特徴画像生成部8cは、第1前処理画像g11における第1画素値Xiを以下の(2)式により導出される第1特異度Piへ変換することによって第1特徴画像g21を生成する。これにより、第1前処理画像g11から縦スジPs11が抽出された第1特徴画像g21が生成される。
さらに、特徴画像生成部8cは、第2前処理画像g12における第2画素値Yiを以下の(3)式により導出される第2特異度Qiへ変換することによって第2特徴画像g22を生成する。これにより、第2前処理画像g12から横スジPs12が抽出された第2特徴画像g22が生成される。
さらに、特徴画像生成部8cは、第1前処理画像g11における第1画素値Xiを以下の(4)式により導出される第3特異度Riへ変換することによって第3特徴画像g23を生成する。これにより、第1前処理画像g11からノイズ点Ps13が抽出された第3特徴画像g23が生成される。
或いは、特徴画像生成部8cは、第2前処理画像g12における第2画素値Yiを以下の(5)式により導出される第3特異度Riへ変換することによって第3特徴画像g23を生成してもよい。これにより、第2前処理画像g12からノイズ点Ps13が抽出された第3特徴画像g23が生成される。
以上に示されるように、特徴画像生成部8cは、第1前処理画像g11の各画素値を指標値Ziに基づく予め定められた(2)式で変換する処理により第1特徴画像g21を生成する。(2)式は第1変換式の一例である。
さらに特徴画像生成部8cは、第2前処理画像g12の各画素値を指標値Ziに基づく予め定められた(3)式で変換する処理により第2特徴画像g22を生成する。(3)式は第2変換式の一例である。
さらに特徴画像生成部8cは、第1前処理画像g11または第2前処理画像g12の各画素値を指標値Ziに基づく予め定められた(4)式または(5)式で変換する処理により第3特徴画像g23を生成する。(4)式および(5)式は、それぞれ第3変換式の一例である。
工程S201における第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を生成する処理は、第1前処理画像g11および第2前処理画像g12における1つ以上の特異部Ps1のうち縦スジPs11、横スジPs12およびノイズ点Ps13をそれぞれ前記画像不良として抽出する処理の一例である。
特徴画像生成部8cは、特徴画像g21,g22,g23が生成された後、処理を工程S202へ移行させる。
<工程S202>
工程S202において、特異部特定部8dは、特徴画像g21,g22,g23それぞれにおける特異部Ps1の位置を特定する。工程S201,S201の処理は、テスト画像g1における複数の有意な画素からなる特異部Ps1を特定する処理の一例である。
工程S202において、特異部特定部8dは、特徴画像g21,g22,g23それぞれにおける特異部Ps1の位置を特定する。工程S201,S201の処理は、テスト画像g1における複数の有意な画素からなる特異部Ps1を特定する処理の一例である。
例えば、特異部特定部8dは、特徴画像g21,g22,g23それぞれにおける予め定められた基準範囲から外れる画素値を有する部分を特異部Ps1であると判定する。
また、特異部特定部8dは、特徴画像g21,g22,g23それぞれについて、複数の特異部Ps1が主走査方向D1および副走査方向D2のそれぞれにおいて予め定められた近接範囲内に存在する場合に、それら複数の特異部Ps1を一連の1つの特異部Ps1として結合する結合処理を実行する。
例えば、第1特徴画像g21が、前記近接範囲内で副走査方向D2に間隔を空けて並ぶ2本の縦スジPs11を含む場合に、特異部特定部8dは、前記結合処理によってそれら2本の縦スジPs11を1本の縦スジPs11として結合する。
同様に、第2特徴画像g22が、前記近接範囲内で主走査方向D1に間隔を空けて並ぶ2本の横スジPs12を含む場合に、特異部特定部8dは、前記結合処理によってそれら2本の横スジPs12を1本の横スジPs12として結合する。
また、第3特徴画像g23が、前記近接範囲内で主走査方向D1または副走査方向D2に間隔を隔てて並ぶ複数のノイズ点Ps13を含む場合に、特異部特定部8dは、前記結合処理によってそれら複数のノイズ点Ps13を1つのノイズ点Ps13として結合する。
特異部特定部8dは、3つの特徴画像g21,g22,g23のいずれにおいても特異部Ps1の位置が特例されなかった場合に、前記特異不良判定処理を終了させる。一方、特異部特定部8dは、3つの特徴画像g21,g22,g23のうちの1つ以上について特異部Ps1の位置が特定された場合に、処理を工程S203へ移行させる。
<工程S203>
工程S203において、色ベクトル特定部8eは、テスト画像g1における特異部Ps1の色および特異部Ps1の周辺を含む参照領域の色の一方から他方への色空間内のベクトルを表す色ベクトルを特定する。
工程S203において、色ベクトル特定部8eは、テスト画像g1における特異部Ps1の色および特異部Ps1の周辺を含む参照領域の色の一方から他方への色空間内のベクトルを表す色ベクトルを特定する。
前記参照領域は、特異部Ps1を基準にして定まる予め定められた範囲の領域である。例えば、前記参照領域は、特異部Ps1に隣接する周辺領域を含み、特異部Ps1を含まない領域である。また、前記参照領域が、特異部Ps1と特異部Ps1に隣接する周辺領域とを含んでもよい。
テスト画像g1は、本来は一様なハーフトーン画像である。そのため、良好なテスト画像g1がテスト出力シート9に形成された場合、特異部Ps1は特定されず、テスト画像g1のいずれの位置の前記色ベクトルも概ねゼロベクトルである。
一方、特異部Ps1が特定された場合、特異部Ps1とその特異部Ps1に対応する前記参照領域との間の前記色ベクトルの方向は、画像形成装置2における4つの現像色のうちのいずれかのトナー濃度の過剰または不足を表す。
従って、前記色ベクトルの方向は、特異部Ps1が発生した原因が画像形成装置2における4つの作像部4xのうちのいずれであるかを表す。
なお、色ベクトル特定部8eは、テスト画像g1における特異部Ps1の色および予め定められた基準色の一方から他方への色空間内のベクトルを、前記色ベクトルとして特定してもよい。この場合、前記基準色は、テスト画像g1の本来の色である。
さらに、工程S203において、色ベクトル特定部8eは、前記色ベクトルに基づいて、特異部Ps1の原因となっている現像色と、その現像色の濃度の過不足の状態とを判定する。
例えば、テスト画像g1の前記基準色に対してシアン、マゼンタ、イエローまたはブラックのそれぞれの濃度が増大する方向および同濃度が不足する方向を表す複数の単位ベクトルの情報が、予め二次記憶装置82に記憶されている。
色ベクトル特定部8eは、前記色ベクトルを予め定められた単位長さに正規化する。さらに、色ベクトル特定部8eは、正規化後の前記色ベクトルが、シアン、マゼンタ、イエローまたはブラックの濃度の増大または不足に対応する複数の前記単位ベクトルのうちのいずれに最も近似するかを判定することにより、特異部Ps1の原因となっている現像色と、その現像色の濃度の過不足の状態とを判定する。
そして、色ベクトル特定部8eは、工程S203の処理を実行した後に、処理を工程S204へ移行させる。
<工程S204>
工程S204において、周期性判定部8fは、第2特徴画像g22および第3特徴画像g23の一方または両方において特異部Ps1が特定されている場合に、処理を工程S205へ移行させ、そうでない場合に処理を工程S206へ移行させる。
工程S204において、周期性判定部8fは、第2特徴画像g22および第3特徴画像g23の一方または両方において特異部Ps1が特定されている場合に、処理を工程S205へ移行させ、そうでない場合に処理を工程S206へ移行させる。
以下の説明において、第2特徴画像g22および第3特徴画像g23のうち特異部Ps1が特定されている一方または両方のことを周期性判定対象画像と称する。前記周期性判定対象画像における特異部Ps1は、横スジPs12またはノイズ点Ps13である(図6参照)。
<工程S205>
工程S205において、周期性判定部8fは、前記周期性判定対象画像ついて周期的特異部判定処理を実行する。前記周期的特異部判定処理は、数判定処理と、特異部周期性判定処理と、特異部周期性原因判定処理とを含む。
工程S205において、周期性判定部8fは、前記周期性判定対象画像ついて周期的特異部判定処理を実行する。前記周期的特異部判定処理は、数判定処理と、特異部周期性判定処理と、特異部周期性原因判定処理とを含む。
前記数判定処理は、前記周期性判定対象画像において副走査方向D2に並ぶ特異部Ps1の数を判定する処理である。
具体的には、周期性判定部8fは、第2特徴画像g22において、主走査方向D1の同じ範囲を占める部分が予め定められた比率を超える横スジPs12が副走査方向D2に並ぶ数をカウントすることにより、副走査方向D2に並ぶ横スジPs12の数を判定する。
さらに、周期性判定部8fは、第3特徴画像g23において、主走査方向D1の位置ズレが予め定められた範囲内であるノイズ点Ps13が副走査方向D2に並ぶ数をカウントすることにより、副走査方向D2に並ぶノイズ点Ps13の数を判定する。
周期性判定部8fは、副走査方向D2に並ぶ数が2つ以上の特異部Ps1についてのみ前記特異部周期性判定処理を実行する。
また、周期性判定部8fは、副走査方向D2に並ぶ数が1つの特異部Ps1については、前記周期性が無いと判定し、前記特異部周期性判定処理および前記特異部周期性原因判定処理をスキップする。
前記特異部周期性判定処理は、前記周期性判定対象画像について副走査方向D2における予め定められた1つ以上の周期性の有無を判定する処理である。
前記周期性は、作像部4x各々、または、転写装置44において、感光体41、帯電ローラー42a、現像ローラー43aまたは一次転写ローラー441などの作像関連の回転体の外周長に対応している。前記作像関連の回転体の状態は、前記シートに形成される画像の良否に影響する。以下の説明において、前記作像関連の回転体のことを作像回転体と称する。
前記作像回転体の不良が原因で前記画像不良が生じる場合、前記作像回転体の外周長に対応する前記周期性が、複数の横スジPs12または複数のノイズ点Ps13の副走査方向D2の間隔として現れることがある。
従って、前記周期性判定対象画像が、前記作像回転体の外周長に対応する前記周期性を有する場合、その周期性に対応する前記作像回転体が、前記周期性判定対象画像における横スジPs12またはノイズ点Ps13の原因であるといえる。
周期性判定部8fは、前記周期性判定対象画像において副走査方向D2に並ぶ特異部Ps1の数が2つである場合、前記特異部周期性判定処理として間隔導出処理を実行する。
周期性判定部8fは、前記間隔導出処理において、2つの特異部Ps1の副走査方向D2の間隔を2つの特異部Ps1の周期として導出する。
周期性判定部8fは、前記周期性判定対象画像において副走査方向D2に並ぶ特異部Ps1の数が3つ以上である場合、前記特異部周期性判定処理として周波数解析処理を実行する。
周期性判定部8fは、前記周波数解析処理において、副走査方向D2に並ぶ3つ以上の特異部Ps1を含む前記周期性判定対象画像についてフーリエ変換などの周波数解析を行うことにより、前記周期性判定対象画像における特異部Ps1のデータ列の周波数分布における支配的な周波数である特異部周波数を特定する。
さらに、周期性判定部8fは、前記特異部周波数に対応する周期を3つ以上の特異部Ps1の周期として導出する。
そして、周期性判定部8fは、前記特異部周期性原因判定処理において、予め定められた前記作像回転体の複数の候補について、各候補の外周長が特異部Ps1の周期との間で予め定められた周期近似条件を満たすか否かを判定する。工程S205における前記作像回転体の複数の候補は、横スジPs12またはノイズ点Ps13に対応する予め定められた複数の原因候補の一例である。
以下の説明において、第2特徴画像g22および第3特徴画像g23に含まれる特異部Ps1のうち、前記作像回転体の候補のいずれかが前記周期近似条件を満たすと判定された対象の特異部Ps1のことを周期的特異部と称し、その他の特異部Ps1のことを非周期的特異部と称する。
周期性判定部8fは、前記特異部周期性原因判定処理において、前記周期近似条件を満たすと判定された前記作像回転体の候補の1つが前記周期的特異部の発生の原因であると判定する。これにより、横スジPs12またはノイズ点Ps13の原因が判定される。
また、工程S205において、周期性判定部8fは、工程S203で判定された前記色ベクトルに基づいて、横スジPs12またはノイズ点Ps13の原因が、それぞれ現像色が異なる4つの作像部4xのうちのいずれの前記作像回転体であるかを判定する。
また、周期性判定部8fは、副走査方向D2に並ぶ3つ以上の特異部Ps1が前記特異部周波数に対応しない前記非周期的特異部を含む場合、前記非周期的特異部を後述する特徴パターン認識処理の対象とする。
例えば、周期性判定部8fは、前記フーリエ変換により得られる前記周波数分布から前記特異部周波数以外の周波数成分が除去されたものに逆フーリエ変換を施すことにより逆フーリエ変換データを生成する。
さらに、周期性判定部8fは、副走査方向D2に並ぶ3つ以上の特異部Ps1のうち、前記逆フーリエ変換データが示す副走査方向D2の波形におけるピーク位置から外れた位置に存在するものを前記非周期的特異部として判別する。
そして、周期性判定部8fは、工程S205の処理の結果、第2特徴画像g22および第3特徴画像g23が前記非周期的特異部を含まないと判定された場合に、前記特異不良判定処理を終了させる。
一方、工程S205の処理の結果、第2特徴画像g22および第3特徴画像g23が前記非周期的特異部を含むと判定された場合に、処理を工程S206へ移行させる。
<工程S206>
工程S206において、パターン認識部8gは、第1特徴画像g21と、それぞれ前記非周期的特異部を含む第2特徴画像g22および第3特徴画像g23とのそれぞれについて特徴パターン認識処理を実行する。前記非周期的特異部を含む第2特徴画像g22、または、前記非周期的特異部を含む第3特徴画像g23は、非周期的特徴画像の一例である。
工程S206において、パターン認識部8gは、第1特徴画像g21と、それぞれ前記非周期的特異部を含む第2特徴画像g22および第3特徴画像g23とのそれぞれについて特徴パターン認識処理を実行する。前記非周期的特異部を含む第2特徴画像g22、または、前記非周期的特異部を含む第3特徴画像g23は、非周期的特徴画像の一例である。
前記特徴パターン認識処理において、第1特徴画像g21と、それぞれ前記非周期的特異部を含む第2特徴画像g22および第3特徴画像g23とのそれぞれが入力画像とされる。パターン認識部8gは、前記特徴パターン認識処理において、前記入力画像のパターン認識により、前記入力画像が前記画像不良に対応する予め定められた複数の原因候補のいずれに対応するかを判定する。
また、前記特徴パターン認識処理の前記入力画像が、前記エッジ強調フィルター処理により得られる前記横エッジ強度マップデータまたは前記縦エッジ強度マップデータを含んでいてもよい。例えば、縦スジPs11の判定のための前記特徴パターン認識処理において、第1特徴画像g21および前記横エッジ強度マップデータが前記入力画像として用いられる。
同様に、横スジPs12の判定のための前記特徴パターン認識処理において、第2特徴画像g22および前記縦エッジ強度マップデータが前記入力画像として用いられる。
同様に、ノイズ点Ps13の判定のための前記特徴パターン認識処理において、第3特徴画像g23と、前記横エッジ強度マップデータおよび前記縦エッジ強度マップデータの一方もしくは両方とが前記入力画像として用いられる。
例えば、前記特徴パターン認識処理は、前記複数の原因候補に対応する複数のサンプル画像を教師データとして予め学習された学習モデルにより、前記入力画像を前記複数の原因候補のいずれかに分類する処理である。
例えば、前記学習モデルは、ランダムフォレストと称される分類型の機械学習アルゴリズムが採用されたモデル、SVM(Support Vector Machine)と称される機械学習アルゴリズムが作用されたモデル、またはCNN(Convolutional Neural Network)アルゴリズムが採用されたモデルなどである。
前記学習モデルは、第1特徴画像g21と、それぞれ前記非周期的特異部を含む第2特徴画像g22および第3特徴画像g23とのそれぞれについて個別に用意される。また、前記原因候補ごとに前記複数のサンプル画像が前記教師データとして用いられる。
また、工程S206において、パターン認識部8gは、工程S203で判定された前記色ベクトルに基づいて、縦スジPs11、横スジPs12またはノイズ点Ps13の原因が、それぞれ現像色が異なる4つの作像部4xのうちのいずれの部品であるかを判定する。
工程S206の処理により、縦スジPs11の原因と、前記非周期的特異部として判別された横スジPs12およびノイズ点Ps13の原因とが判定される。パターン認識部8gは、工程S206の処理を実行した後、前記特異不良判定処理を終了させる。
[濃度ムラ判定処理]
続いて、図5に示されるフローチャートを参照しつつ、工程S103の前記濃度ムラ判定処理の手順の一例について説明する。以下の説明において、S301,S302,…は、前記濃度ムラ判定処理における複数の工程の識別符号を表す。前記濃度ムラ判定処理は、工程S301から開始される。
続いて、図5に示されるフローチャートを参照しつつ、工程S103の前記濃度ムラ判定処理の手順の一例について説明する。以下の説明において、S301,S302,…は、前記濃度ムラ判定処理における複数の工程の識別符号を表す。前記濃度ムラ判定処理は、工程S301から開始される。
<工程S301>
工程S301において、周期性判定部8fは、テスト画像g1について、予め定められた特定色ごとに縦データ列VD1を導出する。前記特定色は、画像形成装置2の現像色に対応する色である。縦データ列VD1は、テスト画像g1を構成する前記特定色の画像における主走査方向D1のラインごとの複数の画素値の代表値V1のデータ列である(図8参照)。
工程S301において、周期性判定部8fは、テスト画像g1について、予め定められた特定色ごとに縦データ列VD1を導出する。前記特定色は、画像形成装置2の現像色に対応する色である。縦データ列VD1は、テスト画像g1を構成する前記特定色の画像における主走査方向D1のラインごとの複数の画素値の代表値V1のデータ列である(図8参照)。
例えば、前記特定色は、画像形成装置2の4つの現像色のうちの3つの彩色である。この場合、周期性判定部8fは、テスト画像g1を構成する赤、緑および青の画像データを、シアン、イエローおよびマゼンタの画像データへ変換する。
そして、周期性判定部8fは、テスト画像g1に対応する3つの前記特定色の画像データそれぞれについて、主走査方向D1のラインごとの複数の画素値の代表値V1を導出することにより、シアン、イエローおよびマゼンタに対応する3つの縦データ列VD1を導出する。
なお、前記特定色が赤、緑および青の3つの原色であってもよい。この場合、周期性判定部8fは、テスト画像g1における赤、緑および青の3つの画像データ各々の各画素値を、テスト画像g1における赤、緑および青の3つの画像データの各画素値の平均値または合計値に対する比を表す値へ変換する。さらに、周期性判定部8fは、変換後の3つの画像データについて3つの縦データ列VD1を導出する。
ここで、赤がシアンに対応する色であり、緑がマゼンタに対応する色であり、青がイエローに対応する色である。即ち、シアンの濃度ムラが前記変換後の赤の画像データにおいて濃度ムラとして現れ、マゼンタの濃度ムラが前記変換後の緑の画像データにおいて濃度ムラとして現れ、イエローの濃度ムラが前記変換後の青の画像データにおいて濃度ムラとして現れる。
例えば、代表値V1は、主走査方向D1のラインの全ての画素値から特異部Ps1の画素値を除いた残りの画素値の平均値、最大値または最小値などである。また、代表値V1が、主走査方向D1のラインの全ての画素値の平均値、最大値または最小値などであってもよい。
そして、周期性判定部8fは、工程S301の処理を実行した後、処理を工程S302へ移行させる。
<工程S302>
工程S302において、周期性判定部8fは、前記特定色ごとの縦データ列VD1について周期的ムラ判定処理を実行する。
工程S302において、周期性判定部8fは、前記特定色ごとの縦データ列VD1について周期的ムラ判定処理を実行する。
例えば、周期性判定部8fは、縦データ列VD1それぞれについてフーリエ変換などの周波数解析を行うことにより、縦データ列VD1の周波数分布における支配的な周波数である濃度ムラ周波数を特定する。
さらに、周期性判定部8fは、前記濃度ムラ周波数に対応する周期をテスト画像g1における濃度ムラの周期として導出する。
さらに、周期性判定部8fは、予め定められた前記作像回転体の複数の候補について、各候補の外周長が前記濃度ムラの周期との間で前記周期近似条件を満たすか否かを判定する。前記作像回転体の複数の候補のいずれかが前記周期的近似条件を満たすと判定されることは、周期的濃度ムラがテスト画像g1に生じていると判定されることを意味する。
工程S302における前記作像回転体の複数の候補は、テスト画像g1における前記周期的濃度ムラに対応する予め定められた複数の原因候補の一例である。前記周期的濃度ムラは画像不良の一例である。
さらに、周期性判定部8fは、縦データ列VD1に対応する前記現像色と前記周期近似条件を満たすと判定された前記作像回転体の候補とに基づいて、前記周期的濃度ムラの原因を判定する。
但し、前記周期的濃度ムラが、ブラックの作像部4xに起因して生じる場合、テスト画像g1を構成する赤、緑および青の画像データの全てにおいて、画素値のばらつきが生じる。
そこで、周期性判定部8fは、シアン、マゼンタおよびイエローの全てにおいて前記周期性が共通する前記周期的濃度ムラが生じていると判定した場合に、ブラックの作像部4xがその周期的濃度ムラの原因であると判定する。
そして、周期性判定部8fは、テスト画像g1に前記周期的濃度ムラが生じていると判定する場合に前記濃度ムラ判定処理を終了させ、そうでない場合に処理を工程S303へ移行させる。
<工程S303>
工程S303において、ランダムムラ判定部8hは、テスト画像g1に対応する3つの前記特定色の画像データそれぞれについてランダム濃度ムラの発生有無を判定する。前記ランダム濃度ムラは、前記画像不良の一種である。
工程S303において、ランダムムラ判定部8hは、テスト画像g1に対応する3つの前記特定色の画像データそれぞれについてランダム濃度ムラの発生有無を判定する。前記ランダム濃度ムラは、前記画像不良の一種である。
ランダムムラ判定部8hは、3つの前記特定色の画像データそれぞれについて画素値のばらつきが予め定められた許容範囲を超えるか否かを判定することにより、前記ランダム濃度ムラの発生有無を判定する。
例えば、前記画素値のばらつきの大きさは、前記4つの現像色の画像データそれぞれにおける分散、標準偏差、または中央値と最大値および最小値との差などによって判定される。
但し、周期性判定部8fは、シアン、マゼンタおよびイエローの全てにおいて前記ランダム濃度ムラが生じていると判定した場合に、ブラックの作像部4xがそのランダム濃度ムラの原因であると判定する。
そして、ランダムムラ判定部8hは、テスト画像g1に前記ランダム濃度ムラが発生していると判定する場合に処理を工程S304へ移行させ、そうでない場合に前記濃度ムラ判定処理を終了させる。
<工程S304>
工程S304において、パターン認識部8gは、ランダムパターン認識処理を実行する。前記ランダムパターン認識処理は、前記ランダム濃度ムラが発生していると判定されたテスト画像g1を入力画像とし、前記入力画像のパターン認識により、前記入力画像が1つ以上の前記原因候補のいずれに対応するかを判定する処理である。
工程S304において、パターン認識部8gは、ランダムパターン認識処理を実行する。前記ランダムパターン認識処理は、前記ランダム濃度ムラが発生していると判定されたテスト画像g1を入力画像とし、前記入力画像のパターン認識により、前記入力画像が1つ以上の前記原因候補のいずれに対応するかを判定する処理である。
そして、パターン認識部8gは、工程S304の処理を実行した後、前記濃度ムラ判定処理を終了させる。
CPU80が、前記特異不良判定処理および前記濃度ムラ判定処理を含む前記画像不良判定処理を実行することは、画像形成装置2の出力シートから読み取られたテスト画像g1に基づいて前記画像不良の原因を判定する画像処理方法の一例である。
以上に示されるように、特徴画像生成部8cは、前記主フィルター処理を含む前記第1前処理を、テスト画像g1の横方向を処理方向Dx1として実行することによって第1前処理画像g11を生成する。前記主フィルター処理は、テスト画像g1から順次選択される注目画素Px1の画素値を、注目領域Ax1の画素値と注目領域Ax1に対し予め設定される処理方向Dx1において両側に隣接する2つの隣接領域Ax2の画素値との差を強調する処理によって得られる前記変換値へ変換する処理である(図4の工程S201および図6を参照)。
さらに、特徴画像生成部8cは、テスト画像g1の縦方向を処理方向Dx1とする前記主フィルター処理を含む前記第2前処理を実行することによって第2前処理画像g12を生成する(図4の工程S201および図6を参照)。
さらに、特徴画像生成部8cは、第1前処理画像g11および第2前処理画像g12における1つ以上の特異部Ps1のうち縦スジPs11、横スジPs12およびノイズ点Ps13をそれぞれ前記画像不良として抽出する(図4の工程S201および図6を参照)。具体的には、特徴画像生成部8cは、工程S201において、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を生成する。
第1特徴画像g21は、第1前処理画像g11および第2前処理画像g12における複数の有意な画素からなる特異部Ps1のうち第1前処理画像g11に存在し、第1前処理画像g11および第2前処理画像g12に共通しない特異部Ps1が抽出された画像である(図6参照)。
第2特徴画像g22は、第1前処理画像g11および第2前処理画像g12における特異部Ps1のうち第2前処理画像g12に存在し、第1前処理画像g11および第2前処理画像g12に共通しない特異部Ps1が抽出された画像である(図6参照)。
第3特徴画像g23は、第1前処理画像g11および第2前処理画像g12に共通する特異部Ps1が抽出された画像である(図6参照)。
なお、工程S201の処理は、テスト画像g1に対して予め定められた特徴抽出処理を実行することにより複数の特徴画像g21,g22,g23を生成する処理の一例である。前記特徴抽出処理は、前記第1前処理と前記第2前処理と前記特異部抽出処理とを含む。
前記特徴抽出処理は、演算負荷の小さな簡易な処理である。このような簡易な処理により、1つのテスト画像g1からそれぞれ形状の異なる特異部Ps1が個別に抽出された3つの特徴画像g21,g22,g23を生成することができる。
そして、周期性判定部8fおよびパターン認識部8gは、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を用いた前記周期的特異部判定処理および前記特徴パターン認識処理を実行することにより、それぞれ前記画像不良の一種である縦スジPs11、横スジPs12およびノイズ点Ps13の原因を判定する(図4の工程S205および工程S206と、図6とを参照)。
前記画像不良の原因の判定が、それぞれ種類の異なる特異部Ps1を含む3つの特徴画像g21,g22,g23について個別に行われることにより、比較的簡易な判定処理によって高い精度で前記画像不良の原因を判定することができる。
工程S205の前記周期的特異部判定処理は、第2特徴画像g22または第3特徴画像g23について副走査方向D2における予め定められた1つ以上の前記周期性の有無を判定し、前記周期性の判定結果に応じて横スジPs12またはノイズ点Ps13の原因を判定する処理である。
横スジPs12またはノイズ点Ps13が前記作像関連の回転体の不良に起因して生じる場合、回転体の外周長に対応する前記周期性を判定する前記周期的特異部判定処理により、横スジPs12またはノイズ点Ps13の原因を高い精度で判定することができる。
また、工程S206の前記特徴パターン認識処理は、入力画像のパターン認識により、前記入力画像が前記縦スジ、前記横スジおよび前記ノイズ点に対応する予め定められた複数の原因候補のいずれに対応するかを判定する処理である。ここで、第1特徴画像g21と、第2特徴画像g22および第3特徴画像g23のうち前記周期的特異部判定処理により前記周期性が無いと判定されたものとが、工程S206における前記入力画像である(図4の工程S204~S206を参照)。
工程S205の前記周期的特異部判定処理および工程S206の前記特徴パターン認識処理は、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を用いた予め定められた原因判定処理の一例である。
学習モデルなどを用いた前記特徴パターン認識処理は、それぞれ特定の種類の特異部Ps1が抽出された特徴画像g21,g22,g23ごとに行われる。これにより、前記画像不良の原因を、CPU80の演算量を抑制しつつ高い精度で判定することが可能である。また、特異部Ps1の種類ごとの前記学習モデルは、それぞれ特定の種類の特異部Ps1に対応する比較的少ない教師データが用意されるだけで十分に学習することができる。
また、工程S206の前記特徴パターン認識処理は、複数の特徴画像g21,g22,g23のうち、工程S205の前記周期的特異部判定処理の対象にならなかった第1特徴画像g21、および、工程S205の前記周期的特異部判定処理により前記周期性がないと判定された第2特徴画像g22または第3特徴画像g23について実行される(図4の工程S204~S206を参照)。
上記の場合、前記特徴パターン認識処理において、前記画像不良の原因が前記作像関連の回転体の周期性に対応する原因である可能性を除外することができる。これにより、前記特徴パンターン認識処理がより簡素化される。
また、色ベクトル特定部8eは、テスト画像g1における特異部Ps1の色および特異部Ps1の周辺を含む前記参照領域の色の一方から他方への色空間内のベクトルを表す前記色ベクトルを特定する(図4の工程S203を参照)。
そして、工程S205における周期性判定部8fおよび工程S206におけるパターン認識部8gは、前記原因判定処理において、前記色ベクトルをさらに用いて縦スジPs11、横スジPs12およびノイズ点Ps13の原因を判定する。即ち、周期性判定部8fおよびパターン認識部8gは、前記色ベクトルに基づいて、前記画像不良の原因が画像形成装置2における複数の現像色に対応する複数の作像部4xのいずれであるかを判定する。
カラー画像をプリント可能な画像形成装置2において、前記色ベクトルが用いられることにより、前記画像不良が複数の現像色のうちいずれの色に対応する部分に起因して生じているのかを容易に、かつ、確実に判定することが可能である。さらに、前記画像不良の原因の判定を、画像形成装置2の全現像色の数よりも少ないテスト出力シート9に基づいて行うことが可能である。
また、周期性判定部8fは、テスト画像g1について予め定められた前記特定色ごとに前記周期的ムラ判定処理を実行する(図5の工程S301,S302を参照)。前記周期的ムラ判定処理は、副走査方向D2における予め定められた1つ以上の前記周期性の有無を判定し、さらに前記周期性の判定結果に応じて前記画像不良の一種である前記周期的濃度ムラの発生有無および原因を判定する処理である。
前記周期的ムラ判定処理により、前記周期的濃度ムラの原因を高い精度で判定することができる。
また、ランダムムラ判定部8hは、工程S302の前記周期的ムラ判定処理により前記周期性が無いと判定されたテスト画像g1について、前記特定色ごとに画素値のばらつきが予め定められた許容範囲を超えるか否かを判定することにより前記ランダム濃度ムラの発生有無を判定する(図5の工程S303を参照)。前記ランダム濃度ムラは前記画像不良の一種である。
また、パターン認識部8gは、前記ランダム濃度ムラが発生していると判定されたテスト画像g1を前記入力画像として前記ランダムパターン認識処理を実行する(図5の工程S304を参照)。前記ランダムパターン認識処理において、前記入力画像が1つ以上の前記原因候補のいずれに対応するかが、前記入力画像のパターン認識により判定される。
また、テスト画像g1は、画像形成装置2における複数の現像色に対応するそれぞれ一様な複数の単色ハーフトーン画像が合成された混色ハーフトーン画像である。これにより、CPU80は、画像形成装置2により使用される現像色の数よりも少ないテスト画像g1を用いて画像形成装置2における全ての現像色についての前記画像不良の原因を判定することができる。
[第1応用例]
次に、図9に示されるフローチャートを参照しつつ、画像処理装置10の第1応用例における前記特徴画像生成処理の手順について説明する。
次に、図9に示されるフローチャートを参照しつつ、画像処理装置10の第1応用例における前記特徴画像生成処理の手順について説明する。
以下の説明において、S401,S402,…は、本応用例に係る前記特徴画像生成処理における複数の工程の識別符号を表す。本応用例に係る前記特徴画像生成処理は、工程S401から開始される。
<工程S401>
工程S401において、特徴画像生成部8cは、予め設定された複数の圧縮率候補の中から採用する圧縮率を選択し、処理を工程S402へ移行させる。
工程S401において、特徴画像生成部8cは、予め設定された複数の圧縮率候補の中から採用する圧縮率を選択し、処理を工程S402へ移行させる。
<工程S402>
工程S402において、特徴画像生成部8cは、選択された前記圧縮率で前記読取画像を圧縮することによりテスト画像g1を生成する。工程S401,S402の処理は圧縮処理の一例である。その後、特徴画像生成部8cは、処理を工程S403へ移行させる。
工程S402において、特徴画像生成部8cは、選択された前記圧縮率で前記読取画像を圧縮することによりテスト画像g1を生成する。工程S401,S402の処理は圧縮処理の一例である。その後、特徴画像生成部8cは、処理を工程S403へ移行させる。
<工程S403>
工程S403において、特徴画像生成部8cは、工程S401で得られる圧縮後のテスト画像g1に前記第1前処理を実行することにより、第1前処理画像g11を生成する。その後、特徴画像生成部8cは、処理を工程S404へ移行させる。
工程S403において、特徴画像生成部8cは、工程S401で得られる圧縮後のテスト画像g1に前記第1前処理を実行することにより、第1前処理画像g11を生成する。その後、特徴画像生成部8cは、処理を工程S404へ移行させる。
<工程S404>
工程S404において、特徴画像生成部8cは、工程S401で得られる圧縮後のテスト画像g1に前記第2前処理を実行することにより、第2前処理画像g12を生成する。その後、特徴画像生成部8cは、処理を工程S405へ移行させる。
工程S404において、特徴画像生成部8cは、工程S401で得られる圧縮後のテスト画像g1に前記第2前処理を実行することにより、第2前処理画像g12を生成する。その後、特徴画像生成部8cは、処理を工程S405へ移行させる。
<工程S405>
工程S405において、特徴画像生成部8cは、前記複数の圧縮率候補の全てについて工程S401からS404の処理が実行された場合に、処理を工程S406へ移行させ、そうでない場合に、異なる前記圧縮率について工程S401~S404の処理を実行する。
工程S405において、特徴画像生成部8cは、前記複数の圧縮率候補の全てについて工程S401からS404の処理が実行された場合に、処理を工程S406へ移行させ、そうでない場合に、異なる前記圧縮率について工程S401~S404の処理を実行する。
特徴画像生成部8cは、工程S401,S402の前記圧縮処理において、前記読取画像を複数の圧縮率それぞれで圧縮することによりサイズの異なる複数のテスト画像g1を生成する。
さらに特徴画像生成部8cは、工程S403,S404において、複数のテスト画像g1に対して前記第1前処理および前記第2前処理を実行することにより、それぞれ複数のテスト画像g1に対応する複数の第1前処理画像g11および複数の第2前処理画像g12を生成する。
<工程S406>
工程S406において、特徴画像生成部8cは、複数の第1前処理画像g11および複数の前記第2前処理画像のそれぞれに対して前記特異部抽出処理を実行する。これにより、特徴画像生成部8cは、複数のテスト画像g1に対応する第1特徴画像g21、第2特徴画像g22および第3特徴画像g23のそれぞれの複数の候補を生成する。その後、特徴画像生成部8cは、処理を工程S407へ移行させる。
工程S406において、特徴画像生成部8cは、複数の第1前処理画像g11および複数の前記第2前処理画像のそれぞれに対して前記特異部抽出処理を実行する。これにより、特徴画像生成部8cは、複数のテスト画像g1に対応する第1特徴画像g21、第2特徴画像g22および第3特徴画像g23のそれぞれの複数の候補を生成する。その後、特徴画像生成部8cは、処理を工程S407へ移行させる。
<工程S407>
工程S407において、特徴画像生成部8cは、工程S406で得られる前記複数の候補を集約することにより、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を生成する。その後、特徴画像生成部8cは、前記特徴画像生成処理を終了させる。
工程S407において、特徴画像生成部8cは、工程S406で得られる前記複数の候補を集約することにより、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を生成する。その後、特徴画像生成部8cは、前記特徴画像生成処理を終了させる。
例えば、特徴画像生成部8cは、第1特徴画像g21の複数の候補における各画素値の最大値または平均値などの代表値を第1特徴画像g21の各画素値として設定する。第2特徴画像g22および第3特徴画像g23についても同様である。
工程S401~S404の処理は、テスト画像g1と注目領域Ax1および隣接領域Ax2のサイズとのサイズ比の異なる複数回の前記第1前処理および前記第2前処理を実行することにより、複数の第1前処理画像g11および複数の第2前処理画像g12を生成する処理の一例である。前記圧縮率を変更することは、テスト画像g1と注目領域Ax1および隣接領域Ax2のサイズとの前記サイズ比を変更することの一例である。
また、工程S406~S407の処理は、複数の第1前処理画像g11および複数の第2前処理画像g12に基づく前記特異部抽出処理により、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を生成する処理の一例である。
本応用例が採用されることにより、太さの異なる縦スジPs11もしくは横スジPs12、または、大きさの異なるノイズ点Ps13を漏れなく抽出することができる。
[第2応用例]
次に、図10に示されるフローチャートを参照しつつ、画像処理装置10の第2応用例における前記特徴画像生成処理の手順について説明する。
次に、図10に示されるフローチャートを参照しつつ、画像処理装置10の第2応用例における前記特徴画像生成処理の手順について説明する。
以下の説明において、S501,S502,…は、本応用例に係る前記特徴画像生成処理における複数の工程の識別符号を表す。本応用例に係る前記特徴画像生成処理は、工程S501から開始される。
<工程S501~S505>
特徴画像生成部8cは、工程S401~S405と同じ処理である工程S501~S505の処理を実行する。工程S505において、特徴画像生成部8cは、前記複数の圧縮率候補の全てについて工程S501からS504の処理が実行された場合に、処理を工程S506へ移行させる。
特徴画像生成部8cは、工程S401~S405と同じ処理である工程S501~S505の処理を実行する。工程S505において、特徴画像生成部8cは、前記複数の圧縮率候補の全てについて工程S501からS504の処理が実行された場合に、処理を工程S506へ移行させる。
<工程S506>
工程S506において、特徴画像生成部8cは、複数の第1前処理画像g11および複数の前記第2前処理画像をそれぞれ1つに集約する。その後、特徴画像生成部8cは、処理を工程S507へ移行させる。
工程S506において、特徴画像生成部8cは、複数の第1前処理画像g11および複数の前記第2前処理画像をそれぞれ1つに集約する。その後、特徴画像生成部8cは、処理を工程S507へ移行させる。
例えば、特徴画像生成部8cは、複数の第1前処理画像g11における各画素値の最大値または平均値などの代表値を集約後の第1特徴画像g21の各画素値として設定する。複数の第2前処理画像g12についても同様である。
<工程S507>
工程S507において、特徴画像生成部8cは、集約後の第1前処理画像g11および第2前処理画像g12に対して前記特異部抽出処理を実行することにより、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を生成する。その後、特徴画像生成部8cは、前記特徴画像生成処理を終了させる。
工程S507において、特徴画像生成部8cは、集約後の第1前処理画像g11および第2前処理画像g12に対して前記特異部抽出処理を実行することにより、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23を生成する。その後、特徴画像生成部8cは、前記特徴画像生成処理を終了させる。
本応用例が採用される場合も、第1応用例が採用される場合と同様の効果が得られる。
[第3応用例]
次に、図11に示されるフローチャートを参照しつつ、画像処理装置10の第3応用例における前記特徴画像生成処理の手順について説明する。
次に、図11に示されるフローチャートを参照しつつ、画像処理装置10の第3応用例における前記特徴画像生成処理の手順について説明する。
以下の説明において、S601,S602,…は、本応用例に係る前記特徴画像生成処理における複数の工程の識別符号を表す。本応用例に係る前記特徴画像生成処理は、工程S601から開始される。
以下の説明において、前記第1前処理および前記第2前処理における注目領域Ax1および隣接領域Ax2のサイズのことをフィルターサイズと称する。
<工程S601>
工程S601において、特徴画像生成部8cは、予め設定された複数のサイズ候補の中から採用する前記フィルターサイズを選択し、処理を工程S602へ移行させる。
工程S601において、特徴画像生成部8cは、予め設定された複数のサイズ候補の中から採用する前記フィルターサイズを選択し、処理を工程S602へ移行させる。
<工程S602>
工程S602において、特徴画像生成部8cは、テスト画像g1に工程S601で選択された前記フィルターサイズでの前記第1前処理を実行することにより、第1前処理画像g11を生成する。その後、特徴画像生成部8cは、処理を工程S603へ移行させる。
工程S602において、特徴画像生成部8cは、テスト画像g1に工程S601で選択された前記フィルターサイズでの前記第1前処理を実行することにより、第1前処理画像g11を生成する。その後、特徴画像生成部8cは、処理を工程S603へ移行させる。
<工程S603>
工程S603において、特徴画像生成部8cは、テスト画像g1に工程S601で選択された前記フィルターサイズでの前記第2前処理を実行することにより、第2前処理画像g12を生成する。その後、特徴画像生成部8cは、処理を工程S604へ移行させる。
工程S603において、特徴画像生成部8cは、テスト画像g1に工程S601で選択された前記フィルターサイズでの前記第2前処理を実行することにより、第2前処理画像g12を生成する。その後、特徴画像生成部8cは、処理を工程S604へ移行させる。
<工程S604>
工程S604において、特徴画像生成部8cは、前記複数のサイズ候補の全てについて工程S601からS603の処理が実行された場合に、処理を工程S605へ移行させ、そうでない場合に、異なる前記フィルターサイズによって工程S601~S603の処理を実行する。
工程S604において、特徴画像生成部8cは、前記複数のサイズ候補の全てについて工程S601からS603の処理が実行された場合に、処理を工程S605へ移行させ、そうでない場合に、異なる前記フィルターサイズによって工程S601~S603の処理を実行する。
特徴画像生成部8cは、工程S601~S604において、1つのテスト画像g1に対して注目領域Ax1および隣接領域Ax2のサイズの異なる複数回の前記第1前処理および複数回の前記第2前処理を実行する。これにより、特徴画像生成部8cは、複数の第1前処理画像g11および複数の第2前処理画像g12を生成する。
<工程S605,S606>
特徴画像生成部8cは、工程S605およびS606において、図9の工程S406およびS407と同じ処理を実行する。その後、特徴画像生成部8cは、前記特徴画像生成処理を終了させる。
特徴画像生成部8cは、工程S605およびS606において、図9の工程S406およびS407と同じ処理を実行する。その後、特徴画像生成部8cは、前記特徴画像生成処理を終了させる。
工程S605,S606の処理により、第1特徴画像g21、第2特徴画像g22および第3特徴画像g23の複数の候補が集約され、集約後の第1特徴画像g21、第2特徴画像g22および第3特徴画像g23が生成される。
工程S601~S604の処理は、テスト画像g1と注目領域Ax1および隣接領域Ax2のサイズとのサイズ比の異なる複数回の前記第1前処理および前記第2前処理を実行することにより、複数の第1前処理画像g11および複数の第2前処理画像g12を生成する処理の一例である。前記フィルターサイズを変更することは、テスト画像g1と注目領域Ax1および隣接領域Ax2のサイズとの前記サイズ比を変更することの一例である。
本応用例が採用されることにより、太さの異なる縦スジPs11もしくは横スジPs12、または、大きさの異なるノイズ点Ps13を漏れなく抽出することができる。
[第4応用例]
次に、図12に示されるフローチャートを参照しつつ、画像処理装置10の第4応用例における前記特徴画像生成処理の手順について説明する。
次に、図12に示されるフローチャートを参照しつつ、画像処理装置10の第4応用例における前記特徴画像生成処理の手順について説明する。
以下の説明において、S701,S702,…は、本応用例に係る前記特徴画像生成処理における複数の工程の識別符号を表す。本応用例に係る前記特徴画像生成処理は、工程S701から開始される。
<工程S701~S704>
特徴画像生成部8cは、工程S601~S604と同じ処理である工程S701~S704の処理を実行する。工程S704において、特徴画像生成部8cは、前記複数のサイズ候補の全てについて工程S701からS703の処理が実行された場合に、処理を工程S705へ移行させる。
特徴画像生成部8cは、工程S601~S604と同じ処理である工程S701~S704の処理を実行する。工程S704において、特徴画像生成部8cは、前記複数のサイズ候補の全てについて工程S701からS703の処理が実行された場合に、処理を工程S705へ移行させる。
<工程S705,S706>
さらに特徴画像生成部8cは、工程S506,S507と同じ処理である工程S705,S706の処理を実行する。その後、特徴画像生成部8cは、前記特徴画像生成処理を終了させる。
さらに特徴画像生成部8cは、工程S506,S507と同じ処理である工程S705,S706の処理を実行する。その後、特徴画像生成部8cは、前記特徴画像生成処理を終了させる。
本応用例が採用される場合も、第1応用例が採用される場合と同様の効果が得られる。
[第5応用例]
次に、画像処理装置10の第5応用例における前記特徴画像生成処理について説明する。
次に、画像処理装置10の第5応用例における前記特徴画像生成処理について説明する。
本応用例において、特徴画像生成部8cは、第1前処理画像g11および第2前処理画像g12の各画素値と予め定められた基準範囲との比較により、特異部Ps1を構成する画素とそうでない画素とを判別する。
即ち、本応用例において、特徴画像生成部8cは、前記特異部抽出処理において、第1前処理画像g11および第2前処理画像g12の各画素値の大きさにより特異部Ps1を特定する。
さらに特徴画像生成部8cは、第1前処理画像g11の特異部Ps1から第1前処理画像g11および第2前処理画像g12に共通の特異部Ps1を除くことにより縦スジPs11を抽出する。
さらに特徴画像生成部8cは、第2前処理画像g12の特異部Ps1から第1前処理画像g11および第2前処理画像g12に共通の特異部Ps1を除くことにより横スジPs12を抽出する。
さらに特徴画像生成部8cは、第1前処理画像g11および第2前処理画像g12に共通の特異部Ps1をノイズ点Ps13として抽出する。
例えば、特徴画像生成部8cは、第1前処理画像g11における縦スジPs11以外に判別された第1画素値Xiを周囲の画素値に基づく補間値へ変換することによって第1特徴画像g21を生成する。
同様に、特徴画像生成部8cは、第2前処理画像g12における横スジPs12以外に判別された第2画素値Yiを周囲の画素値に基づく補間値へ変換することによって第2特徴画像g22を生成する。
同様に、特徴画像生成部8cは、第1前処理画像g11におけるノイズ点Ps13以外に判別された第1画素値Xiを周囲の画素値に基づく補間値へ変換することによって第3特徴画像g23を生成する。
或いは、特徴画像生成部8cは、第2前処理画像g12におけるノイズ点Ps13以外に判別された第2画素値Yiを周囲の画素値に基づく補間値へ変換することによって第3特徴画像g23を生成してもよい。
[第6応用例]
以下、画像処理装置10の第6応用例における前記画像不良判定処理について説明する。
以下、画像処理装置10の第6応用例における前記画像不良判定処理について説明する。
一般に、イエローと他の色とが混在する画像からイエローの部分の濃淡をイメージセンサーによって正確に検出することは、各色の濃度の状況によって難しい場合がある。同様に、ブラックと彩色とが混在する画像から彩色の部分の濃淡をイメージセンサーによって正確に検出することも、各色の濃度の状況によって難しい場合がある。
本応用例において、ジョブ制御部8bは、前記テストプリント処理において、それぞれ異なる種類の原テスト画像g01が形成された2枚または3枚のテスト出力シート9を出力させる。
3枚のテスト出力シート9が出力される場合、一様なシアンの単色ハーフトーン画像および一様なマゼンタの単色ハーフトーン画像が合成された原混色テスト画像が形成されたシートと、一様なイエローの単色ハーフトーン画像である原イエローテスト画像が形成されたシートと、一様なブラックの単色ハーフトーン画像である原グレーテスト画像が形成されたシートとが出力される。
2枚のテスト出力シート9が出力される場合、一様なシアンの単色ハーフトーン画像、一様なマゼンタの単色ハーフトーン画像および一様なイエローの単色ハーフトーン画像が合成された混色テスト画像が形成されたシートと、前記原グレーテスト画像が形成されたシートとが出力される。
従って、本応用例におけるテスト画像g1は、前記原混色テスト画像、前記原イエローテスト画像および前記原グレーテスト画像のそれぞれに相当する混色テスト画像、イエローテスト画像およびグレーテスト画像を含む。
前記イエローテスト画像および前記グレーテスト画像は、それぞれ前記混色テスト画像に混合されている色とは異なる1つの現像色のハーフトーン画像である。前記イエローテスト画像および前記グレーテスト画像は、それぞれ単色テスト画像の一例である。
本応用例において、特徴画像生成部8cは、複数枚のテスト出力シート9から読み取られた前記混色テスト画像および前記単色テスト画像のそれぞれについて、第1特徴画像g21,第2特徴画像g22および第3特徴画像g23を生成する。
さらに、本応用例において、特異部特定部8dは、前記混色テスト画像および前記単色テスト画像のそれぞれに対応する第1特徴画像g21,第2特徴画像g22およぎ第3特徴画像g23について特異部Ps1の位置を特定する。なお、本応用例における前記混合テスト画像および前記単色テスト画像は、それぞれ特異部Ps1の特定の対象となる対象テスト画像の一例である。
そして、本応用例において、色ベクトル特定部8e、周期性判定部8fおよびパターン認識部8gは、前記実施形態と同様に、前記混色テスト画像に対応する第1特徴画像g21,第2特徴画像g22および第3特徴画像g23を用いて、前記画像不良の原因を判定するための処理を実行する。
本応用例における周期性判定部8fおよびパターン認識部8gは、前記混色テスト画像における前記特異部に対応する前記画像不良の原因を、前記混色テスト画像に混合されている複数の現像色に対応する複数の作像部4xの中から判定する。
さらに、本応用例において、周期性判定部8fおよびパターン認識部8gは、前記実施形態と同様に、前記単色テスト画像に対応する第1特徴画像g21,第2特徴画像g22および第3特徴画像g23を用いて、前記画像不良の原因を判定するための処理を実行する。
本応用例における周期性判定部8fおよびパターン認識部8gは、前記単色テスト画像における前記特異部に対応する前記画像不良の原因を、複数の作像部4xのうち前記単色テスト画像の色に対応する1つの中から判定する。
本応用例が採用される場合も、前記画像不良の原因の判定を、画像形成装置2の全現像色の数よりも少ないテスト出力シート9に基づいて行うことが可能である。
[第7応用例]
以下、画像処理装置10の第7応用例における前記画像不良判定処理について説明する。
以下、画像処理装置10の第7応用例における前記画像不良判定処理について説明する。
本応用例において、CPU80は、パターン認識部8gによる処理の代わりに、他の処理によって前記画像不良の原因の判定を行う。
例えば、本応用例におけるCPU80は、第1特徴画像g21、第2特徴画像g22または第3特徴画像g23における特異部Ps1の数、特異部Ps1の太さもしくは縦横比、および特異部Ps1の画素値のレベルのうちの1つまたは複数に基づく場合分けにより、前記画像不良の原因を判定する。
1 :画像読取装置
2 :画像形成装置
4 :プリント部
4x :作像部
8 :データ処理部
9 :テスト出力シート
10 :画像処理装置
80 :CPU
81 :RAM
82 :二次記憶装置
Ps1 :特異部
Ps11 :縦スジ
Ps12 :横スジ
Ps13 :ノイズ点
Px1 :注目画素
g1 :テスト画像
g11 :第1前処理画像
g12 :第2前処理画像
g21 :第1特徴画像
g22 :第2特徴画像
g23 :第3特徴画像
2 :画像形成装置
4 :プリント部
4x :作像部
8 :データ処理部
9 :テスト出力シート
10 :画像処理装置
80 :CPU
81 :RAM
82 :二次記憶装置
Ps1 :特異部
Ps11 :縦スジ
Ps12 :横スジ
Ps13 :ノイズ点
Px1 :注目画素
g1 :テスト画像
g11 :第1前処理画像
g12 :第2前処理画像
g21 :第1特徴画像
g22 :第2特徴画像
g23 :第3特徴画像
Claims (11)
- プロセッサーが、画像形成装置の出力シートに対する画像読取処理を通じて得られる複数の現像色に対応する複数の単色ハーフトーン画像が合成された混色テスト画像に基づいて画像不良の原因を判定する画像処理方法であって、
前記プロセッサーが、前記混色テスト画像における複数の有意な画素からなる特異部を特定することと、
前記プロセッサーが、前記混色テスト画像における前記特異部の色および前記特異部の周辺を含む参照領域の色の一方から他方への色空間内のベクトルを表す色ベクトルを特定することと、
前記プロセッサーが、1つの前記混色テスト画像から特定された前記色ベクトルに基づいて、前記画像不良の原因が前記画像形成装置における前記複数の現像色に対応する複数の作像部のいずれであるかを判定することと、を含む画像処理方法。 - 前記プロセッサーが、前記混色テスト画像に混合されている色とは異なる1つの現像色のハーフトーン画像である単色テスト画像が形成されたシートから読み取られた前記単色テスト画像における前記特異部を特定することと、
前記プロセッサーが、前記単色テスト画像における前記特異部に対応する前記画像不良の原因を、前記複数の作像部のうち前記単色テスト画像の色に対応するもの中から判定することと、をさらに含む請求項1に記載の画像処理方法。 - 前記混色テスト画像に混合される前記複数の現像色はシアンおよびマゼンタを含み、
前記単色テスト画像に含まれる1つの前記現像色はイエローまたはブラックである、請求項2に記載の画像処理方法。 - 前記プロセッサーが前記混色テスト画像またはその他の画像である対象テスト画像における前記特異部を特定することは、
前記テスト画像から順次選択される注目画素の画素値を、前記注目画素を含む注目領域の画素値と前記注目領域に対し予め設定される処理方向において両側に隣接する2つの隣接領域の画素値との差を強調する処理により得られる変換値へ変換する主フィルター処理を含む第1前処理を、前記テスト画像の横方向を前記処理方向として実行することによって第1前処理画像を生成することと、
前記テスト画像の縦方向を前記処理方向とする前記主フィルター処理を含む第2前処理を実行することによって第2前処理画像を生成することと、
前記プロセッサーが、前記第1前処理画像および前記第2前処理画像における1つ以上の有意な画素からなる特異部のうち、前記第1前処理画像に存在し前記第1前処理画像および前記第2前処理画像に共通しない第1特異部と、前記第2前処理画像に存在し前記第1前処理画像および前記第2前処理画像に共通しない第2特異部と、前記第1前処理画像および前記第2前処理画像に共通する第3特異部と、をそれぞれ前記画像不良として抽出する特異部抽出処理を実行することと、を含み、
前記プロセッサーが、前記画像不良の原因を判定することは、
前記プロセッサーが、前記第1特異部、前記第2特異部および前記第3特異部それぞれについて個別に前記画像不良の原因を判定することを含む、請求項1から請求項3のいずれか1項に記載の画像処理方法。 - 前記第1前処理は、
前記横方向を前記処理方向とする前記主フィルター処理を実行することによって第1主マップデータを生成することと、
前記テスト画像に対し、前記横方向を前記処理方向として前記注目領域および前記2つの隣接領域の一方を対象とするエッジ強調フィルター処理を実行することによって横エッジ強度マップデータを生成することと、
前記第1主マップデータの各画素値を対応する前記横エッジ強度マップデータの各画素値で補正することにより前記第1前処理画像を生成することと、を含み、
前記第2前処理は、
前記縦方向を前記処理方向とする前記主フィルター処理を実行することによって第2主マップデータを生成することと、
前記テスト画像に対し、前記横方向を前記処理方向として前記注目領域および前記2つの隣接領域を対象とする前記エッジ強調フィルター処理を実行することによって縦エッジ強度マップデータを生成することと、
前記第2主マップデータの各画素値を対応する前記縦エッジ強度マップデータの各画素値で補正することにより前記第2前処理画像を生成することと、を含む、請求項4に記載の画像処理方法。 - 前記原因判定処理は、
前記第2特徴画像または前記第3特徴画像について前記副走査方向における予め定められた1つ以上の周期性の有無を判定し、前記周期性の判定結果に応じて前記第2特異部または前記第3特異部の原因を判定する周期的特異部判定処理と、
前記第1特異部が抽出された画像と、前記第2特異部および前記第3特異部のうち前記周期的特異部判定処理により前記周期性が無いと判定されたものが抽出された画像と、をそれぞれ入力画像とし、前記入力画像のパターン認識により、前記入力画像が前記第1特異部、前記第2特異部および前記第3特異部に対応する予め定められた複数の原因候補のいずれに対応するかを判定する特徴パターン認識処理と、を含む、請求項4または請求項5に記載の画像処理方法。 - 前記特徴パターン認識処理は、前記複数の原因候補に対応する複数のサンプル画像を教師データとして予め学習された学習モデルにより、前記入力画像を前記複数の原因候補のいずれかに分類する処理である、請求項6に記載の画像処理方法。
- 前記プロセッサーが、前記混色テスト画像またはその他の画像である対象テスト画像について予め定められた色ごとに予め定められた副走査方向における予め定められた1つ以上の周期性の有無を判定し、前記周期性の判定結果に応じて前記画像不良の一種である周期的濃度ムラの発生有無および原因を判定する周期的ムラ判定処理を実行すること、をさらに含む、請求項1から請求項7のいずれか1項に記載の画像処理方法。
- 前記プロセッサーが、前記周期的ムラ判定処理により前記周期性が無いと判定された前記対象テスト画像について、予め定められた色ごとに画素値のばらつきが予め定められた許容範囲を超えるか否かを判定することにより前記画像不良の一種であるランダム濃度ムラの発生有無を判定すること、をさらに含む、請求項8に記載の画像処理方法。
- 前記プロセッサーが、前記ランダム濃度ムラが発生していると判定された前記対象テスト画像を入力画像とし、前記入力画像のパターン認識により、前記入力画像が予め定められた1つ以上の前記画像不良の原因候補のいずれに対応するかを判定するランダムパターン認識処理を実行すること、をさらに含む、請求項9に記載の画像処理方法。
- 請求項1から請求項10のいずれか1項に記載の画像処理方法の処理を実行するプロセッサーを備える画像処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020214811A JP2022100689A (ja) | 2020-12-24 | 2020-12-24 | 画像処理方法、画像処理装置 |
US17/558,250 US11483452B2 (en) | 2020-12-24 | 2021-12-21 | Image processing method and apparatus determing cause of image defect based on mixed color test image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020214811A JP2022100689A (ja) | 2020-12-24 | 2020-12-24 | 画像処理方法、画像処理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022100689A true JP2022100689A (ja) | 2022-07-06 |
Family
ID=82117977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020214811A Pending JP2022100689A (ja) | 2020-12-24 | 2020-12-24 | 画像処理方法、画像処理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11483452B2 (ja) |
JP (1) | JP2022100689A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11902475B2 (en) * | 2021-09-01 | 2024-02-13 | Canon Kabushiki Kaisha | Diagnostic system for diagnosing image forming apparatus using image formed by image forming apparatus |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017083544A (ja) | 2015-10-23 | 2017-05-18 | 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 |
JP7449154B2 (ja) * | 2020-04-24 | 2024-03-13 | キヤノン株式会社 | 画像形成システム、画像形成装置、情報処理装置及びプログラム |
JP2022100707A (ja) * | 2020-12-24 | 2022-07-06 | 京セラドキュメントソリューションズ株式会社 | 画像処理方法、画像処理装置 |
JP2022100704A (ja) * | 2020-12-24 | 2022-07-06 | 京セラドキュメントソリューションズ株式会社 | 画像処理方法、画像処理装置 |
JP2022100693A (ja) * | 2020-12-24 | 2022-07-06 | 京セラドキュメントソリューションズ株式会社 | 画像処理方法、画像処理装置 |
JP2022100711A (ja) * | 2020-12-24 | 2022-07-06 | 京セラドキュメントソリューションズ株式会社 | 画像処理方法、画像処理装置 |
JP2022100712A (ja) * | 2020-12-24 | 2022-07-06 | 京セラドキュメントソリューションズ株式会社 | 画像処理方法、画像処理装置 |
JP2022100709A (ja) * | 2020-12-24 | 2022-07-06 | 京セラドキュメントソリューションズ株式会社 | 画像処理方法、画像処理装置 |
JP2022100705A (ja) * | 2020-12-24 | 2022-07-06 | 京セラドキュメントソリューションズ株式会社 | 画像処理方法、画像処理装置 |
-
2020
- 2020-12-24 JP JP2020214811A patent/JP2022100689A/ja active Pending
-
2021
- 2021-12-21 US US17/558,250 patent/US11483452B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20220210293A1 (en) | 2022-06-30 |
US11483452B2 (en) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6241121B2 (ja) | 画像検査装置、画像検査システム及び画像検査方法 | |
US8780378B2 (en) | Inspection apparatus, inspection method, inspection system, and storage medium | |
US9065938B2 (en) | Apparatus, system, and method of inspecting image, and recording medium storing image inspection control program | |
US8208183B2 (en) | Detecting image quality defects by measuring images printed on image bearing surfaces of printing devices | |
JP2022100705A (ja) | 画像処理方法、画像処理装置 | |
JP2022100712A (ja) | 画像処理方法、画像処理装置 | |
JP2019158994A (ja) | 診断システム、診断方法、画像形成装置およびプログラム | |
US20220207701A1 (en) | Image processing method, image processing apparatus | |
CN114666450B (zh) | 图像处理方法和图像处理装置 | |
JP6171730B2 (ja) | 画像検査装置、画像検査方法及び画像検査プログラム | |
JP6705305B2 (ja) | 検査装置、検査方法及びプログラム | |
JP6635335B2 (ja) | 画像検査装置及び画像形成システム | |
JP6606913B2 (ja) | 画像形成システム及び画像検査装置 | |
JP2022100689A (ja) | 画像処理方法、画像処理装置 | |
JP2009290612A (ja) | 画像処理装置、画像処理方法及び画像形成装置 | |
JP2022100709A (ja) | 画像処理方法、画像処理装置 | |
US20220207703A1 (en) | Image processing method, image processing apparatus | |
US11715192B2 (en) | Image processing method, image processing apparatus | |
WO2022138685A1 (ja) | 画像処理方法、画像処理装置 | |
WO2022138684A1 (ja) | 画像処理方法、画像処理装置 | |
JP7505595B2 (ja) | 画像処理方法、画像処理装置 | |
EP3751257A1 (en) | Image clarity evaluation device and method | |
CN104079796A (zh) | 图像处理装置、图像形成装置和图像处理方法 | |
JP2020071261A (ja) | 診断システム、画像形成装置、診断方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231128 |