JP6465765B2 - 画像処理装置および画像処理方法 - Google Patents

Description

本発明は検査対象物における欠陥のような特異部を抽出するための画像処理装置および画像処理方法に関する。

特許文献１や非特許文献１には、検査対象物の欠陥を人の視覚メカニズムに準じて検出するためのアルゴリズムが開示されている。具体的には、検査対象物を撮像した後、得られた画像を所定サイズの分割領域に分割して個々の分割領域で平均化および量子化する。そして、このような処理を分割領域のサイズや位相を異ならせた複数の場合について行い、それらの量子化値を加算した結果から欠陥の有無やその位置を判断している。このような方法を採用することにより、検査対象物の欠陥を、人間の注視を伴うことなく効率的に抽出したり顕在化したりすることが可能となる。

また、特許文献２には、検査対象物をインクジェット記録装置の記録物とした場合に、記録装置特有の欠陥を抽出しやすいベタ領域をまず抽出し、当該ベタ領域に対して検査を行うことにより、検査の処理負荷やスピード低下を抑える方法が開示されている。

特開２０１３−１８５８６２号公報 特開２０１０−１１１０３１号公報

「周辺視と固視微動に学ぶ「傷の気付き」アルゴリズム」 精密工学会誌 Vol.79, No.11.2013 p.1045-1049

しかしながら、特許文献１や非特許文献１のアルゴリズムを採用する場合、一様な画像の中から特異部を抽出することは出来るが、実際に記録された画像の中から特異部を抽出しようとすると、もともとの画像データが有している特異部も同時に検出してしまう。これを回避するために、特許文献２の方法を採用してベタ領域についてのみ検査することも出来るが、この場合にはベタ領域では目立ち難い欠陥を抽出することが出来なくなる。

本発明は、上記問題点を解決するためになされたものである。よってその目的とするところは、実際に記録された画像を検査対象とする場合でも、記録された画像の特異部を抽出することなく、欠陥部分のみを効果的に抽出することが可能な画像処理装置および画像処理方法を提供することである。

そのために本発明は、入力画像データに基づいてシアン、マゼンタ、イエロー、ブラックのインクを用いて記録された画像から所定方向に延在する特異部を検出するための画像処理装置であって、前記画像を読み取った結果の読み取り画像データに基づいて検査対象画像データを生成する生成手段と、前記入力画像データに基づき、前記検査対象画像データの中から検査対象領域を設定する設定手段と、前記設定手段によって設定された前記検査対象領域に対して所定の処理を施すことにより、前記特異部を抽出する抽出手段とを備え、前記設定手段は、全画像領域を前記所定方向及び前記所定方向と交差する交差方向のそれぞれにおいて複数に分割して生成される複数の検査候補領域のうち、シアン、マゼンタ、イエロー、及びブラックの全てのインク色が使用されたと判断された領域であって、且つ、前記検査対象画像データの前記交差方向に並ぶ画素のうち前記検査対象領域である画素の占める割合が、前記検査対象画像データの前記所定方向に並ぶ画素のうち前記検査対象領域である画素の占める割合よりも大きくなるように、前記検査対象領域を設定することを特徴とする。

本発明によれば、処理負荷をなるべく抑えながらも、検査対象とする実画像の中から欠陥箇所を確実且つ効率的に抽出することが可能となる。

（ａ）〜（ｄ）は、本発明に使用可能な画像処理装置１の形態例を示す図である。 画像処理システムにおける制御の構成を説明するためのブロック図である。 本発明で使用可能な複合機としてインクジェット記録装置の概略構成図である。 記録素子の配列構成と読み取り素子の配列構成とを示す図である。 第１実施形態における欠陥検出の基本工程を示すフローチャートである。 第１実施形態における欠陥検出アルゴリズムを示すフローチャートである。 （ａ）および（ｂ）は、画像データの分割状態を説明するための図である。 ２×２画素の分割サイズにおいて、加算処理の過程を模式的に示した図である。 ３×３画素の分割サイズにおいて、加算処理の過程を模式的に示した図である。 （ａ）および（ｂ）は、白線を含む画像を読み取る場合を説明する図である。 （ａ）および（ｂ）は、記録素子の吐出不良に伴う白スジを説明する図である。 （ａ）〜（ｃ）は、読み取り画像データおよび処理の過程を示す図である。 （ａ）および（ｂ）は、検査対象画像データの生成および検査対象領域の設定工程を説明するためのフローチャートである。 （ａ）および（ｂ）は、エッジ画素のカウント方法を説明するための図である。 （ａ）および（ｂ）は、検査対象領域に適した分割サイズを説明する図である。 （ａ）および（ｂ）は、検査対象領域に適した位相を説明する図である。 （ａ）および（ｂ）は、ガウスフィルタの一例を示す図である。 第２実施形態における特異部検出の基本工程を示すフローチャートである。 第２実施形態における特異部検出アルゴリズムを示すフローチャートである。 （ａ）〜（ｃ）は、特異部検出アルゴリズムの処理結果を示す図である。 検査対象領域の設定方法を説明するための図である。 白画像を含む場合の検査対象領域の設定処理を示すフローチャートである。 検査対象領域の設定アルゴリズムを説明するためのフローチャートである。 一般的な画像処理を説明するためのブロック図である。 シリアル型のインクジェット記録装置を説明するための図である。 （ａ）〜（ｃ）は、ダミーデータの生成方法を説明するための図である。

図１（ａ）〜（ｄ）は、本発明に使用可能な画像処理装置１の形態例を示す図である。本発明の画像処理装置は、記録された画像の特異部をユーザが認識しやすくするためのポップアップ処理や装置自体が判別するための処理を、撮像された画像データに対し施すものであり、システムとしては様々な形態を取ることができる。

図１（ａ）は、画像処理装置１が読み取り部２を備えている形態を示す。例えば、インクジェット記録装置によって所定の画像が記録されたシートが、画像処理装置１内の読み取り部２の読取台に設置されて光学センサなどによって撮像され、その画像データを画像処理部３が処理する場合がこれに相当する。画像処理部３は、ＣＰＵやこれよりも高速な処理が可能な画像処理アクセラレータを備え、読み取り部２による読み取り動作を制御したり、受け取った画像データに対し所定の検査処理を実行したりする。

図１（ｂ）は、読み取り部２を備えた読み取り装置２Ａに画像処理装置１が外部接続された形態を示している。例えば、スキャナにＰＣが接続されているようなシステムがこれに相当する。接続形式としては、ＵＳＢやＧｉｇＥ、ＣａｍｅｒａＬｉｎｋといった汎用的な接続方式で良い。読み取り部２が読み取った画像データはインターフェース４を介して画像処理部３に提供され、画像処理部３は受け取った画像データに対し所定の検査処理を実行する。なお、この形態の場合、画像処理装置１は、記録部５を備えた記録装置に更に外部接続されていても良い。

図１（ｃ）は、画像処理装置１が読み取り部２および記録部５を備えている形態を示している。例えばスキャナ機能、プリンタ機能、および画像処理機能を兼ね備えた複合機がこれに相当する。画像処理部３は、記録部５における記録動作、読み取り部２における読み取り動作、および読み取り部２が読み取った画像に対する検査処理などの全てを制御する。

図１（ｄ）は、読み取り部２と記録部５とを備えた複合機６に画像処理装置１が外部接続された形態を示している。例えば、スキャナ機能とプリンタ機能とを兼ね備えた複合機にＰＣが接続されているようなシステムがこれに相当する。

本発明の画像処理装置１は図１（ａ）〜（ｄ）のいずれの形態も採ることができる。以下、図１（ｄ）の形態を採用した場合を例に、本発明の実施形態を詳細に説明する。

（第１の実施形態）
図２は、図１（ｄ）の形態における制御の構成を説明するためのブロック図である。画像処理装置１はホストＰＣなどからなり、ＣＰＵ３０１は、ＨＤＤ３０３に保持されるプログラムに従ってＲＡＭ３０２をワークエリアとしながら各種処理を実行する。例えばＣＰＵ３０１は、キーボード・マウスＩ／Ｆ ３０５を介してユーザより受信したコマンドやＨＤＤ３０３に保持されるプログラムに従って複合機６が記録可能な画像データを生成し、これを複合機６に転送する。また、データ転送Ｉ／Ｆ ３０４を介して複合機６から受信した画像データに対し、ＨＤＤに記憶されているプログラムに従って所定の処理を行い、その結果や様々な情報をディスプレイＩ／Ｆ ３０６を介して不図示のディスプレイに表示する。

一方、複合機６において、ＣＰＵ３１１は、ＲＯＭ３１３に保持されるプログラムに従ってＲＡＭ３１２をワークエリアとしながら各種処理を実行する。更に、複合機６は、高速な画像処理を行うための画像処理アクセラレータ３０９、読み取り部２を制御するためのスキャナコントローラ３０７、記録部５を制御するためのヘッドコントローラ３１４を備えている。

画像処理アクセラレータ３０９は、ＣＰＵ３１１よりも高速に画像処理を実行可能なハードウェアである。画像処理アクセラレータ３０９は、ＣＰＵ３１１が画像処理に必要なパラメータとデータをＲＡＭ３１２の所定のアドレスに書き込むことにより起動され、上記パラメータとデータを読み込んだ後、上記データに対し所定の画像処理を実行する。但し、画像処理アクセラレータ３０９は必須な要素ではなく、同等の処理はＣＰＵ３１１で実行することができる。

ヘッドコントローラ３１４は、記録部５に備えられた記録ヘッド１００に記録データを供給するとともに、記録ヘッド１００の記録動作を制御する。ヘッドコントローラ３１４は、ＣＰＵ３１１が、記録ヘッド１００が記録可能な記録データと制御パラメータをＲＡＭ３１２の所定のアドレスに書き込むことにより起動され、当該記録データに従って吐出動作を実行する。

スキャナコントローラ３０７は、読み取り部２に配列する個々の読み取り素子を制御しつつ、これらから得られるＲＧＢの輝度データをＣＰＵ３１１に出力する。ＣＰＵ３１１は、得られたＲＧＢの輝度データをデータ転送Ｉ／Ｆ３１０を介して画像処理装置１に転送する。画像処理装置１のデータ転送Ｉ／Ｆ ３０４および複合機６のデータ転送Ｉ／Ｆ ３１０における接続方式としては、ＵＳＢ、ＩＥＥＥ１３９４、ＬＡＮ等を用いることができる。

図３は、本実施形態の複合機６として使用可能なインクジェット記録装置（以下、単に記録装置とも言う）の概略構成図である。本実施形態の記録装置はフルラインタイプの記録装置であり、記録媒体や検査対象物となりうるシートＰの幅と同等の幅を有する記録ヘッド１００と読み取りヘッド１０７が並列配置されている。記録ヘッド１００は、ブラック（Ｋ）、シアン（Ｃ）、マゼンタ（Ｍ）、イエロー（Ｙ）のインクをそれぞれ吐出する４列の記録素子列１０１〜１０４を備え、これら記録素子列１０１〜１０４はシートＰの搬送方向（Ｙ方向）に並列配置されている。記録素子列１０１〜１０４の更に下流には、読み取りヘッド１０７が配備されている。読み取りヘッド１０７には、記録された画像を読み取るための読み取り素子がＸ方向に複数配列されている。

記録処理や読み取り処理を行う際、シートＰは搬送ローラ１０５の回転に伴って図のＹ方向に所定の速度で搬送され、この搬送の最中、記録ヘッド１００による記録処理や読み取りヘッド１０７による読み取り処理が行われる。記録ヘッド１００による記録処理や読み取りヘッド１０７による読み取り処理が行われる位置のシートＰは、平板からなるプラテン１０６によって下方から支えされ、記録ヘッド１００や読み取りヘッド１０７からの距離と平滑性が維持されている。

図４は、記録ヘッド１００における記録素子の配列構成と読み取りヘッド１０７における読み取り素子の配列構成とを示す図である。記録ヘッド１００において、各インク色に対応する記録素子列１０１〜１０４の夫々は、複数の記録素子１０８が一定のピッチで配列される記録素子基板２０１の複数が、オーバーラップ領域Ｄを設けながらＸ方向に連続するようにＹ方向に交互に配置されている。一定の速度でＹ方向に搬送されるシートＰに対し、個々の記録素子１０８が記録データに従って一定の周波数でインクを吐出することにより、シートＰには記録素子１０８の配列ピッチに相応する解像度の画像が記録される。

一方、読み取りヘッド１０７には、複数の読み取りセンサ１０９がＸ方向に所定のピッチで配列されている。一定の速度でＹ方向に搬送されるシートＰ上の画像を、個々の読み取りセンサ１０９の読み取り素子が所定の周波数で撮像することにより、シートＰに記録された画像を読み取り素子の配列ピッチで読み取ることが出来る。

以下、本実施形態における特異部検出アルゴリズムについて具体的に説明する。本実施形態の特異部検出アルゴリズムは、既に記録された画像を撮像し、得られた画像データに対して欠陥（特異部）を抽出するために所定の画像処理を行うためのアルゴリズムである。画像を記録するのは、複合機６としてのインクジェット記録装置でなくても構わないが、以下では複合機６の記録ヘッド１００が記録した画像を読み取りヘッド１０７で読み取る場合について説明する。

図５は、本実施形態の画像処理装置１が実行する特異部検出の基本工程を説明するためのフローチャートである。本処理が開始されると、画像処理装置１は、ステップＳ１において記録部５が記録するための入力画像データを取得する。

続くステップＳ２では、ステップＳ１で取得した入力画像データに従って記録部５が記録し読み取り部２が読み取った結果の読み取り画像データを取得する。具体的には、ステップＳ１で取得した入力画像データを記録ヘッド１００で記録させ、記録が終了した領域の画像を読み取りヘッド１０７に読み取らせる。但し、記録動作と読み取り動作とは、必ずしもシートＰの同じ搬送動作で行わなくても良い。記録動作が完了して装置外に排出されたシートＰを、読み取り動作のために再び装置内に搬入しても良いし、記録動作を行う装置と読み取り動作を行う装置が別のものであっても良い。

ステップＳ３においてＣＰＵ３０１は、ステップＳ１で取得した入力画像データとステップＳ２で取得した読み取り画像データに基づいて、検査の対象とする検査対象画像データを生成する。さらに、ステップＳ４において、ステップＳ１で取得した入力画像データに基づいて、検査対象領域の設定を行う。検査対象領域とは、ステップＳ３で生成された検査対象画像データのうち、ステップＳ６にて実際に特異部抽出アルゴリズムを施す領域を示し、ステップＳ４ではこのような検査対象領域を複数設定する。ステップＳ３における検査対象画像の生成およびステップＳ４おける検査対象領域の設定のアルゴリズムについては後に詳しく説明する。

ステップＳ５では、続くステップＳ６で実行する特異部抽出処理のために用いる分割サイズと位相を、ステップＳ４で設定された検査対象領域ごとに独立に設定する。分割サイズと位相の定義については後に詳しく説明するが、ステップＳ５では、個々の検査対象領域に適した分割サイズと位相のそれぞれを、少なくとも１種類以上ずつ設定する。検査対象領域とこれに適した分割サイズと位相の関係についても後に詳しく説明する。

ステップＳ６では、ステップＳ３で設定された検査対象領域のそれぞれに対し、特異部検出アルゴリズムを実行する。

図６は、ＣＰＵ３０１がステップＳ６で実行する欠陥検出アルゴリズムの工程を、説明するためのフローチャートである。本処理が開始されると、ＣＰＵ３０１は、まずステップＳ１０において、ステップＳ４で設定された複数の検査対象領域の中から１つの検査対象領域を設定する。続くステップＳ１１では、ステップＳ５で設定された検査対象領域に適した分割サイズの中から、１つの分割サイズを設定する。ここで、分割サイズとは、後にステップＳ６で特異部検出アルゴリズムを行う際に利用する分割領域の画素サイズを示す。そして、ステップＳ１２では、ステップＳ１１で設定された分割サイズに対応する複数の位相の中から、１つの位相を設定する。更に、ステップＳ１３では、ステップＳ１１で設定された分割サイズとステップＳ１２で設定された位相に基づいて、ステップＳ２で取得した画像データを分割して平均化処理を行う。

図７（ａ）および（ｂ）は、分割サイズと位相に基づく画像データの分割状態を説明するための図である。図７（ａ）は分割サイズを２×２画素とした場合、同図（ｂ）は分割サイズを３×２画素とした場合を夫々示している。図７（ａ）のように分割サイズ１０００を２×２画素とした場合、画像データ領域１００１は２×２画素の単位で分割されるが、その分け方は１００２〜１００５の４通りが可能である。このように、位相とは指定された分割サイズの起点Ｏを示すものと考えることが出来る。図７（ｂ）のように分割サイズ１００５を３×２画素とした場合、画像データ領域１００１の分け方は１００６〜１０１１の６通りが可能であり、６種類の位相が存在することになる。

図６に戻る。ステップＳ１３では、ステップＳ１２で分割した分割領域の夫々について平均化処理を行う。具体的には、分割領域に含まれる複数の画素について、個々の画素が有する輝度データの平均値を求める。この際、個々の画素に対応する輝度データとしては、個々の画素が有するＲＧＢの輝度データをそのまま平均したものであっても良いし、ＲＧＢデータの夫々に所定の重み付け係数を掛けた後に加算した値であっても良い。更に、ＲＧＢのうちいずれか１色の輝度データをそのまま画素の輝度データとしても良い。

ステップＳ１４では、ステップＳ１３で算出した平均値を画素ごとに量子化する。量子化は２値化であっても良いし数レベルへの多値量子化であっても良い。これにより、各画素の量子化値が分割領域ごとに揃っている状態の量子化データが得られる。

ステップＳ１５では、ステップＳ１４で得られた量子化値を加算画像データに加算する。加算画像データとは、分割サイズと位相を様々に異ならせた場合の夫々で得られる量子化データを加算した結果を示す画像データである。ステップＳ１４で得られた量子化データが最初の分割サイズの最初の位相である場合、ステップＳ１５で得られる加算画像データはステップＳ１４で得られる量子化データと等しくなる。

続くステップＳ１６において、画像処理装置１は現在設定されている分割サイズに対する全ての位相についての処理が完了したか否かを判断する。未だ処理すべき位相が残っていると判断した場合、ステップＳ１２に戻り次の位相を設定する。一方、全ての位相について処理が完了したと判断した場合はステップＳ１７に進む。

図８および図９は、所定の分割サイズにおいて、ステップＳ１５の加算処理を全ての位相について順番に行う過程を模式的に示した図である。分割サイズを２×２画素にした場合、位相は４種類存在する。図８では、これら４種類の位相を順番に変えていく過程において、注目画素Ｐｘの加算処理のために周辺画素の輝度データが利用される回数を画素ごとに示している。一方、分割サイズを３×３画素にした場合、位相は９種類存在する。図９では、これら９種類の位相を順番に変えていく過程において、注目画素Ｐｘの加算処理のために周辺画素の輝度データが利用される回数を画素ごとに示している。

どちらの図においても、注目画素Ｐｘについては、自身が分割領域内に含まれる全ての位相について利用されるので加算回数は最も多く、加算結果への寄与も最も大きい。注目画素Ｐｘから離れる画素ほど加算回数は少なくなり、加算結果への寄与も少なくなる。すなわち、最終的には注目画素を中心にフィルタ処理が行われたような結果が得られる。

図６のフローチャートに戻る。ステップＳ１７において、画像処理装置１はステップＳ５で設定された全ての分割サイズについての処理が完了したか否かを判断する。未だ、処理すべき分割サイズが残っていると判断した場合、ステップＳ１１に戻り次の分割サイズを設定する。一方、全ての分割サイズについて処理が完了したと判断した場合はステップＳ１８に進む。

ステップＳ１８では、現在得られている加算画像データに基づいて、欠陥箇所（特異部）の抽出処理を行う。抽出処理の方法は特に限定されるものではないが、周辺の輝度データと比較して信号値の変動が大きい箇所を特異箇所として抽出したり、テンプレートマッチング等を利用して抽出したり、公知の判別処理を利用することが出来る。以上で本処理を終了する。

図６で説明したアルゴリズムに従って抽出された欠陥箇所（特異部）の情報は、その後様々な用途に用いることが出来る。例えば、画像の特異部検査において検査員が欠陥部を判別し易くするために、抽出された特異部をポップアップ表示することが出来る。この場合、検査員はポップアップされた画像に基づいて欠陥部か否かを確認し、欠陥部を補修したり不良品として除外したりすることが出来る。また、特異部の情報を別のシステムで利用するために記憶することも出来る。

更に、欠陥を正常な状態に補正する機能を自身で有するデバイスの場合は、特異部の情報を補正処理で利用出来るように設定することが出来る。例えば、周囲に比べて輝度が高く現れたり低く現れたりする領域が抽出された場合には、当該領域に対して補正用の画像処理パラメータを用意することが出来る。また、インクジェット記録装置における吐出不良の有無を検出して、該当する位置の記録素子のために記録ヘッドに対してメンテナンス処理を実行することも出来る。

いずれにせよ、図６で説明した特異部検出アルゴリズムを採用すれば、分割サイズや位相を様々に異ならせた結果の加算に基づいて特異部を抽出しているので、個々の読み取り画素が有するノイズを適量に抑えながら、実質的な欠陥を顕在化することが可能となる。

しかしながら、上記特異部検出アルゴリズムを用いた場合でも、図３で示したインクジェット記録装置で、記録ヘッド１００で記録中の画像を読み取りヘッド１０７で読み取って検査しようとすると、処理負荷が大きくスループットを低下させてしまう懸念がある。また、検査画像自体に極端に輝度が高かったり低かったりする領域が含まれていると、当該領域が特異部として抽出されてしまうおそれも生じる。

例えば、図１０（ａ）のように、Ｙ方向に延在する白線画像１８０２を含む読み取り画像１８０１の中に、特異部として抽出したい白スジ１８０３が発生した場合について考える。このような画像に対し、上述した特異部抽出アルゴリズムを採用して分割領域１８０５ごとに平均化処理を行うと、白スジ１８０３が存在する分割領域も存在しない分割領域も、平均化した結果は図１０（ｂ）のように殆ど差の無い状態となってしまう。そして、このような状態で、図１０（ｃ）のように分割領域の位相をずらした場合、白スジ１８０３とは異なる位置にある注目画素に対しても、その加算画像データに白スジ１８０３の存在が影響し、特異部として抽出されてしまうおそれが生じる。

この様な状況を回避するため、本実施形態では、上記特異部抽出アルゴリズム（図５のステップＳ６）を施す前のステップＳ３〜Ｓ６において、本発明の特徴的な処理を施している。具体的には、まずステップ３において、読み取り画像データを基に、入力画像データの影響を抑制した検査対象画像データを生成する。また、ステップＳ４において、処理負荷をなるべく抑えながらも、本実施形態で特に着眼する記録素子の吐出不良に伴う白スジを確実に抽出できるような画像領域を検査対象領域として選出する。更に、ステップＳ５において、ステップＳ４で設定された検査対象領域のそれぞれについて、ステップＳ６で実行する特異部抽出アルゴリズムに適切な分割サイズと位相を設定する。以下、本実施形態が検出対象とする白スジの特徴と、これに適応するための検査対象画像の生成および検出対象領域の設定について具体的に説明する。

図１１（ａ）および（ｂ）は、本実施形態で特に特異部として抽出したい記録素子の吐出不良にともなう白スジを説明するための図である。ここでは、図４（ａ）で示した記録素子列１０１〜１０４のうちの１つにおいて、記録素子の配列状態と個々の記録素子がシートＰ上に記録したドットのレイアウトを示している。図１１（ａ）は、いずれの記録素子にも吐出不良が発生していない状態、同図（ｂ）は、記録素子７０７に吐出不良が発生した状態を示している。ある１つの記録素子に吐出不良が生じた場合、図１１（ｂ）に見るように、その記録素子が記録すべき領域にドットは配置されず、シートＰ上にはＹ方向に延びる白スジ１８０３が現れる。

本実施形態では、このような白スジを特異部として確実に抽出しようとするものである。このため、Ｘ方向に並ぶいずれの記録素子に吐出不良が発生しても、これを確実に抽出できるように、Ｘ方向については全画像領域に及ぶように検査対象画像を設定する。その一方、白スジはＹ方向に延在するので、Ｙ方向については一部の領域のみを選出して、処理負荷を減らすようにする。

図１２（ａ）〜（ｃ）は、図５のステップＳ１で取得する入力画像データとステップＳ２で取得する読み取り画像データの具体例を示す図である。図１２（ａ）は、ステップＳ１で取得される入力画像データ８０１の例を示し、個々の四角は１画素領域に相当している。ここでは、一様なグレーのハーフトーン画像の中に黒文字「Ａ」を記録する場合を示している。

一方、図１２（ｂ）は、入力画像データ８０１に従って記録部５がシートＰ上に記録した画像を読み取り部２が読み取ることによって得られた読み取り画像データ８０２を示している。読み取り画像データ８０２には、入力画像データ８０１に従って記録された領域に相当する記録領域データ８０３と、これを囲うシートＰの白紙領域に相当するデータが含まれている。入力画像データ８０１に従って記録動作を行う際、ＣＰＵ３０１は画像処理アクセラレータ３０９を介して入力画像データ８０１の四隅に切り出しマーク８０４を付加しており、読み取り画像データ８０２内にも切り出しマーク８０４が現れている。図では、記録ヘッド１００に吐出不良の記録素子が１つ含まれており、当該記録素子が記録すべき位置に白スジ１８０３が生じている場合を示している。

図１３（ａ）および（ｂ）は、図５のステップＳ３およびステップＳ４でＣＰＵ３０１が実行する処理を説明するためのフローチャートである。まず、図１３（ａ）に従って、図５のステップＳ３で行う検査対象画像データの生成工程について説明する。

本処理が開始されると、ＣＰＵ３０１はステップＳ４０１において、切り出しマーク８０４を基準として、読取画像データ８０２から記録領域データ８０３を切り出す。続くステップＳ４０２において、ＣＰＵ３０１は、記録領域データ８０３の解像度と入力画像データ８０１の解像度が一致するように解像度調整を行う。本実施形態において、ステップＳ１で取得する入力画像データとステップＳ２で取得する読み取り画像データは、同じ解像度でなくて構わない。ステップＳ４０２では、これらが等しくなかった場合に、これらを一致させるような解像度調整を行う。ステップＳ１およびＳ２で得られる入力画像データと読み取り画像データの解像度が始めから一致しているような場合には、本工程は行わなくて良い。

続くステップＳ４０３において、ＣＰＵ３０１は、ステップＳ４０２で解像度調整された入力画像データ８０１と記録領域データ８０３に基づいて検査対象画像データを生成する。具体的には、入力画像データのＲＧＢ信号値と記録領域データのＲＧＢ信号値の差分から、検査対象画像データを生成する。但しこの際、（式１）のようにＲＧＢの色ごとに重み付けを行っても良い。

ここで、ｉｎＲ、ｉｎＧ、ｉｎＢは入力画像データ８０１の信号値を示し、ｓｃａｎＲ、ｓｃａｎＧ、ｓｃａｎＢは記録領域データ８０３の信号値を示す。また、添え字のｋおよびｌは、Ｘ方向およびＹ方向それぞれの画素位置を示している。このように、入力画像データ８０１と記録領域データ８０３の差分を取ることによって特異部抽出処理の対象となる検査対象画像データを生成すれば、入力画像データが有する特異部の影響を抑えることが出来る。

ところで、図６で説明した特異部検出アルゴリズムでは、図８や図９で説明したように、注目画素Ｐｘを中心に移動する分割領域に含まれる全画素の平均値に基づいて加算データを算出する。このため、記録画像データの端部に位置する注目画素については、分割領域の中にデータの存在しない領域が含まれてしまい、正しい処理が得られないおそれが生じる。このような状況に対応するため、ステップＳ４０３では、予め実際の検査対象画像データの周囲にダミーの画像データを生成し付随しておく。

図２６（ａ）〜（ｃ）は、ダミーデータの生成方法を説明するための図である。図において、検査対象画像データに相当する領域は斜線で示している。図２６（ａ）に示すように、黒で示した注目画素Ｐｘが検査対象領域の角に位置する場合、注目画素Ｐｘを中心とした分割領域（実線）においても、そこから位相をずらした分割領域（点線）においても、データの存在しない領域（白領域）が含まれてしまう。このため、本実施形態では、注目画素Ｐｘに対し、最大の分割サイズを用い最大の移動距離とした場合でも分割領域に含まれる全ての画素に相応なデータが存在するように、ダミーデータを作成しておく。

図２６（ｂ）は、ダミーデータの生成方法を示す図である。検査対象画像データを頂点Ａ、Ｂ、Ｃ、Ｄのそれぞれについて点対象に反転した４つ画像と、辺ＡＢ、ＢＣ、ＣＤ、ＤＡのそれぞれについて線対称に反転した４つの画像を生成し、これら８つの画像で検査対象画像データを囲む。ここで、例えば特異部検出アルゴリズムにおける最大の分割サイズを（Ｓｘ、Ｓｙ）最大の移動距離を（Ｋｘ、Ｋｙ）とする。このとき、ダミーデータは検査対象画像データの端部より、Ｘ方向にＦｐ＝（Ｓｘ／２）＋Ｋｘ、Ｙ方向にＦｑ＝（Ｓｙ／２）＋Ｋｙだけ拡張した領域まで生成されれば良い。図２６（ｃ）は、このようにしてダミーデータが付加された検査対象画像データを示す。このようにして、検査対象画像データの生成が完了する。

次に、図１３（ｂ）を参照しながら、図５のステップＳ４で行われる検査対象領域の設定アルゴリズムについて説明する。本処理が開始されると、ＣＰＵ３０１は、まずステップＳ４０４において、入力画像データ８０１を、複数の検査候補領域に分割する。図１２（ｃ）は、入力画像データ８０１をＸ方向に５分割、Ｙ方向に４分割して、２０個の検査候補領域を生成した例を示している。図において、個々の検査候補領域は、７×７画素を有している。続くステップＳ４０５では、ステップＳ４０４で生成された検査候補領域ごとに、エッジ画素数をカウントする。

図１４（ａ）および（ｂ）は、ステップＳ４０５におけるエッジ画素のカウント方法を説明するための図である。本処理を行う際、ＣＰＵ３０１は、まず入力画像データ８０１に対し例えばラプラシアンフィルタ９００を用いて個々の画素にフィルタ処理（エッジ強調）を施し、図１４（ａ）のように、入力画像データのエッジ部のみが抽出された画像データを取得する。図では、エッジ画素を黒で、非エッジ画素を白で示している。そして、ＣＰＵ３０１は、検査候補領域ごとにエッジ画素の数をカウントする。

ここで、複数の検査候補領域のＸ方向の位置をｉ（ｉ＝１〜５）、Ｙ方向の位置をｊ（ｊ＝１〜４）とし、個々の検査候補領域に含まれるエッジ画素の数をＲ（ｉ，ｊ）とする。すると、図１４（ａ）の場合、
Ｒ（１，１）＝０ Ｒ（１，２）＝０ Ｒ（１，３）＝０ Ｒ（１，４）＝０
Ｒ（２，１）＝０ Ｒ（２，２）＝６ Ｒ（２，３）＝１２ Ｒ（２，４）＝４
Ｒ（３，１）＝９ Ｒ（３，２）＝１６ Ｒ（３，３）＝１４ Ｒ（３，４）＝０
Ｒ（４，１）＝０ Ｒ（４，２）＝６ Ｒ（４，３）＝１２ Ｒ（４，４）＝４
Ｒ（５，１）＝０ Ｒ（５，２）＝０ Ｒ（５，３）＝０ Ｒ（５，４）＝０
となる。

このように、個々の検査候補領域のエッジ画素数が得られると、ＣＰＵ３０１はステップＳ４０６に進み、得られたエッジ画素数に基づいて、複数の検査候補領域の中から幾つかの検査対象領域を設定する。本実施形態では、２０個の検査候補領域のうち、Ｘ方向の各列ｉ＝１〜５について、最もエッジ画素数の少ない領域を１つずつ選出し５つの検査対象領域を設定する。

例えば、１列目（ｉ＝１）については、Ｒ（１，１）〜Ｒ（１，４）の全てが０である。よって、Ｒ（１，１）〜Ｒ（１，４）のうち任意の検査候補領域を検査対象領域に設定する。ここでは、（ｉ＝１，ｊ＝１）の検査候補領域を検査対象領域に設定したものとする。

２列目（ｉ＝２）については、Ｒ（２，１）＝０が最も小さい。よって、（ｉ＝２，ｊ＝１）の検査候補領域を検査対象領域に設定する。３列目（ｉ＝３）については、Ｒ（３，４）＝０が最も小さい。よって、（ｉ＝３，ｊ＝４）の検査候補領域を検査対象領域に設定する。４列目（ｉ＝４）については、Ｒ（４，１）＝０が最も小さい。よって、（ｉ＝４，ｊ＝１）の検査候補領域を検査対象領域に設定する。５列目（ｉ＝５）については、Ｒ（５，１）〜Ｒ（５，４）の全てが０である。よって、Ｒ（５，１）〜Ｒ（５，４）のうち任意の検査候補領域を検査対象領域に設定する。ここでは、（ｉ＝５，ｊ＝１）の検査候補領域を検査対象領域に設定してものとする。

以上より、本例では（ｉ＝１，ｊ＝１）、（ｉ＝２，ｊ＝１）、（ｉ＝３，ｊ＝４）、（ｉ＝４，ｊ＝１）および（ｉ＝５，ｊ＝１）の５つの検査候補領域が検査対象領域に設定される。図１４（ｂ）は、図１４（ａ）に示したエッジ画素抽出画像に対し、設定された検査対象領域を太線で示した図である。以上で、検査対象領域の設定アルゴリズムが終了する。

次に、図５のステップＳ５で設定される、検査対象領域のそれぞれに適切な分割サイズと位相について説明する。図１５（ａ）および（ｂ）は、検査対象領域に適した分割サイズを説明するための図である。両図とも、白線画像１８０２と、特異部として抽出したい白スジ１８０３の両方が含まれる検査対象領域１９０１に対し、図６で説明した平均化処理（Ｓ１３）と量子化処理（Ｓ１４）を行った結果を示している。

既に図１０でも説明したように、平均化処理の単位となる分割領域の１つにあまり多くの白線画像１８０２が含まれていると、平均化処理の結果において、白スジ１８０３が含まれている分割領域との差別化が困難になる。よって、本実施形態では、図１５（ａ）のように比較的多くの白線画像１８０２が含まれているような場合には、太線で示す分割領域のサイズを小さくして、個々の分割領域に多くの白線画像１８０２が含まれないようにする。一方、図１５（ｂ）のように僅かな白線画像１８０２しか含まれていないような場合は、分割領域のサイズを比較的大きくして、処理の軽減化を図る。図１５（ａ）および（ｂ）に見るように、いずれの場合も量子化処理を行うことによって実際に白スジが存在する適切な位置を抽出することが出来る。

本実施形態においては、実際に白線画像１８０２を検出するのではなく、個々の検査対象領域に含まれるエッジ画素のカウント値Ｒ（ｉ，ｊ）を利用して、分割サイズを設定する。すなわち、エッジ画素数が比較的多い検査対象領域については小さな分割サイズが設定され、エッジ画素数が比較的少ない検査対象領域については大きな分割サイズが設定されるようにする。例えば、エッジ画素数と分割サイズの種類が対応づけられたテーブルを予めメモリに格納しておき、図５のステップＳ５では当該テーブルを参照し、ステップＳ４で検査対象領域の設定を行う際に得られたエッジ画素数に基づいて分割サイズを設定すれば良い。

一方、図１６（ａ）および（ｂ）は、検査対象領域に適した位相を説明するための図である。両図とも、白線画像１８０２と、特異部として抽出したい白スジ１８０３の両方が含まれる検査対象領域１９０１に対し、所定の分割サイズで分割した状態と量子化処理（Ｓ１４）後の結果を示している。

本実施形態のように、分割サイズを固定した状態で位相を異ならせて得られる複数の結果を加算処理する場合、実線で示す基準位置からの移動距離が大きいほど、より多くの白線画像１８０２の影響を受けることになる。その結果、実際に白スジ１８０３が含まれている画素との差別化が困難になる。よって、本実施形態では、図１６（ａ）のように比較的多くの白線画像１８０２が含まれているような場合には、位相の大きさ（移動距離の範囲）を小さくして、加算画像データに影響を与える画像の範囲をなるべく小さく抑える。一方、図１６（ｂ）のように僅かな白線画像１８０２しか含まれていないような場合は、位相の大きさ（移動距離の範囲）を広げ、加算画像データに影響を与える画像の範囲を広くして、ノイズの軽減化を図る。

本実施形態においては、このような位相についても、分割サイズと同様にエッジ画素のカウント値Ｒ（ｉ，ｊ）を利用して設定する。すなわち、同じ分割サイズであっても、エッジ画素数が比較的多い検査対象領域については小さな移動距離（位相の大きさ）が設定され、エッジ画素数が比較的少ない検査対象領域については大きな移動距離（位相の大きさ）が設定されるようにする。例えば、エッジ画素数と分割サイズおよび位相の種類が対応づけられたテーブルを予めメモリに格納しておけば良い。そして、図５のステップＳ５では当該テーブルを参照し、ステップＳ４で検査対象領域の設定を行う際に得られたエッジ画素数に基づいて、適切な分割サイズと位相を設定すれば良い。但し、全てのエッジ画素数に対応づけて分割サイズや位相を記憶するとメモリの増大化が懸念される場合には、何種類かのエッジ画素数に対応した分割サイズと位相を記憶しておき、線形補間など公知の補間演算などを利用して分割サイズと位相を求めても良い。

以上説明した本実施形態によれば、実画像を検査対象とする場合でも、実画像の影響を抑えた検査対象画像データを生成するとともに、懸念される特異部を確実に抽出できるような画像領域を検査対象領域として設定する。これにより、処理負荷をなるべく抑えながらも効率的な特異部抽出を行うことが可能となる。

（第２の実施形態）
第１の実施形態では、図６に示したフローチャートで説明したように、所定の分割サイズに対応する複数の位相について平均値の加算結果を求める処理を行った。ところで、このような処理は、図８や図９を用いて説明したように、最終的に注目画素を中心にフィルタ処理を施したような結果が得られている。本実施形態ではこのような点を鑑み、等しい分割サイズについての複数の位相の加算処理を、ガウスフィルタを用いた重み付け係数の加算処理で置き換えるものとする。

図１７（ａ）および（ｂ）は、ガウスフィルタの一例を示す図である。図１７（ａ）は等方的なガウスフィルタであり、（式２）で表すことが出来る。

ここで、σは標準偏差を示す。

このような等方的なガウスフィルタは、第１の実施形態において２×２や３×３のように正方形の分割サイズを用いる場合に相当する。一方、図１７（ｂ）は異方正を持たせたガウスフィルタであり、第１の実施形態において２×３のように長方形の分割サイズを用いる場合に相当する。このような異方性を持たせたガウスフィルタは、式（２）に対しｘｙの比率を偏らせることによって生成可能である。例えば、図１７（ｂ）は、式（２）のｘを ｘ´＝ｘ／２で置き換えたものに相当する。本実施形態では、いずれのガウスフィルタを用いることも出来るが、以下では図１７（ａ）に示す等方的なガウスフィルタを模した場合を例に説明を続ける。

図１７（ａ）のガウスフィルタは、注目画素を原点とし、σ＝３とした場合の−１５≦Ｘ≦１５および−１５≦Ｙ≦１５の範囲に位置する個々の画素の係数が示されている。このように−１５≦Ｘ≦１５および−１５≦Ｙ≦１５の範囲について係数を設定する形態は、第１の実施形態では分割サイズを８×８として図８や図９のような加算処理を行った状態に類似する。すなわち、ガウスフィルタのサイズ（直径）をＦ、第１実施形態における分割サイズをＶ×Ｖとすると、
Ｆ≒２Ｖ−１
と表すことが出来る。そして、このガウスフィルタサイズＦとともに標準偏差σを調整することにより、様々なガウスフィルタを用意することが出来る。本実施形態では、このように１つのガウスフィルタを用いて注目画素の輝度データにフィルタ処理を行い、更に量子化して得られた結果を、異なる複数のガウスフィルタについて求め、これらを加算する。これにより、第１の実施形態における加算結果と同等の加算結果に基づいて特異部抽出処理を行うことが可能となる。

本実施形態においても、画像処理装置１は図１で説明したような様々な形態を取ることができる。図１８は、本実施形態の画像処理装置１が実行する特異部検出アルゴリズムの基本的なフローチャートである。本処理が開始されると、画像処理装置１は、ステップＳ１５１において入力画像データを取得し、続くステップＳ１５２にて読取画像データを取得する。さらに、ステップＳ１５３において検査対象画像データを生成し、ステップＳ１５４にて検査対象領域を設定する。上記ステップＳ１５１〜Ｓ１５４は、図５のステップＳ１〜Ｓ４と同等の処理である。なお、ステップＳ１５３で検査対象画像データを生成する際、ダミーデータの大きさＦｐおよびＦｑは、Ｆｐ＝ＩＮＴ（Ｆｘ／２）およびＦｑ＝ＩＮＴ（Ｆｙ／２）となる。ここで、ＦｘおよびＦｐは、特異部検出アルゴリズムで使用する最大のガウスフィルタサイズＦのＸ成分とＹ成分を示す。

ステップＳ１５５においてＣＰＵ３０１は、続くステップＳ１５６で実行する特異部抽出処理のために用いるガウスフィルタのファイルパラメータを検査対象領域ごとに複数種類設定する。ファイルパラメータとは、図１７（ａ）や（ｂ）で説明したようなガウス関数の方向性や、異なるフィルタサイズＦ或はσを指定するためのパラメータである。そして、ステップＳ１５６では、ステップＳ１５５で設定したファイルパラメータに基づいて、ステップＳ１５４で設定した検査対象領域に対し、所定の特異部検出アルゴリズムを実行する。

図１９は、ＣＰＵ３０１がステップＳ１５６で実行する特異部検出アルゴリズムの工程を説明するためのフローチャートである。ここで示す処理は、ステップＳ１５４で設定された検査対象領域に含まれる画素の１つ１つに対して行われる。

本処理が開始されると、ＣＰＵ３０１は、まずステップＳ１６１において、ステップＳ１５５で設定された複数のファイルパラメータの中から、１つのファイルパラメータを設定する。更に、ステップＳ１６２では、ステップＳ１６１で設定したファイルパラメータに対応するパラメータσを設定する。パラメータσは、ガウス関数の標準偏差に相当するものであり、ファイルパラメータやフィルタサイズに対応づけて予めメモリに格納されているものとする。ステップＳ１６１およびＳ１６２によるファイルパラメータおよびパラメータσの設定により、ガウスフィルタの形状が決まる。

続くステップＳ１６３では、ステップＳ１６１およびＳ１６２で設定されたガウスフィルタを用いて、ステップＳ１５４で設定した検査画像領域の注目画素に対しフィルタ処理をかける。具体的には、注目画素とフィルタサイズＦに含まれる周辺画素が有する輝度データそれぞれに、ガウスフィルタが定める係数を乗算し更にこれらを合計した結果を、注目画素のフィルタ処理値として算出する。

ステップＳ１６４ではステップＳ１６３で得られたフィルタ処理値に対して量子化処理を行い、更にステップＳ１６５では、ステップＳ１６４で得られた量子化値を加算画像データに加算する。加算画像データとは、ファイルパラメータすなわちガウスフフィルタの種類を様々に異ならせた場合の夫々で得られる量子化データを加算した結果を得るための画像データである。ステップＳ１６４で得られた量子化データが最初のガウスフィルタの結果である場合、加算画像データはステップＳ１６４で得られる量子化データと等しくなる。

続くステップＳ１６６において、画像処理装置１はステップＳ１５３で設定した全てのファイルパラメータについての処理が完了したか否かを判断する。未だ、処理すべきファイルパラメータが残っていると判断した場合、ステップＳ１６１に戻り次のファイルパラメータを設定する。一方、全てのファイルパラメータについて処理が終了したと判断した場合はステップＳ１６７に進む。

ステップＳ１６７では、現在得られている加算画像データに基づいて、特異箇所の抽出処理を行う。抽出方法は第１の実施形態と同様、特に限定されるものではない。以上で本処理を終了する。

本実施形態においても、第１の実施形態と同様、白スジは確実に抽出しながらも、入力画像データの影響はなるべく受けないようにする。このため、ステップＳ１５５では検査対象領域ごとに、設定するファイルパラメータに制限を設ける。すなわち、比較的多くの白線画像が高密度に含まれているような検査対象領域については、フィルタサイズＦを小さくして、加算画像データに影響を与える画像の範囲をなるべく小さく抑える。一方、僅かな白線画像しか含まれていないような場合は、フィルタサイズＦを広げ、ノイズの軽減化を図る。

図２０（ａ）〜（ｃ）は、設定された検査対象領域に対し、本実施形態の特異部検出アルゴリズムを実行した場合の結果を説明するための図である。図２０（ａ）は、図１８のステップＳ１５３で生成された検査対象画像データのうち、ステップＳ１５４で設定された検査対象領域の１つを示している。入力画像データの影響が除去された一様な画像の中で、吐出不良に伴う白スジが現れている。

図２０（ｂ）は、同図（ａ）で示す検査対象画像に対し、フィルタサイズＦｘ＝Ｆｙ＝３０、標準偏差σ＝３としたガウスフィルタを用いて処理した場合の結果を示している。白スジを含む画像全体がぼかされていることが分かる。さらに、図２０（ｃ）は、図１９で説明したフローチャートを実行した結果を示している。具体的には、σ＝１、２、３のそれぞれをステップＳ１６１にて設定して得られる結果をステップＳ１６５で加算し、更にステップＳ１６７で２値化した結果を示している。図２０（ａ）において白スジが現れる箇所が、更に強調されて適切に抽出されていることが分かる。

以上説明したように、ガウスフィルタを利用した本実施形態においても、第１の実施形態と同様に、特異部を効果的に抽出することが出来る。

なお、以上では、Ｘ方向に並ぶいずれの記録素子に吐出不良が発生しても、これを確実に抽出できるように、Ｘ方向については全画像領域に及ぶように、すなわちＸ方向において検査対象領域が占める割合が１００％となるように、検査対象画像を設定した。その一方、Ｙ方向については処理負荷を減らすために一部の領域のみを選出するようにした。このため、図５のステップＳ４や図１８のステップＳ１５４では、図１４（ｂ）に見るように、Ｘ方向の各列ｉ＝１〜５について、最もエッジ画素数の少ない領域を１つずつ選出した。

しかしながら、上記実施形態はこのような形態に限定されるものではない。Ｙ方向に延在する白スジが他の特異部よりもより確実に抽出されるという効果が得られれば、検査対象領域は様々な方法で採用することが出来る。例えば、第１の実施形態で説明したように複数の検査候補領域から検査対象領域を選出する場合であっても、Ｘ方向の各列ｉ＝１〜５について、処理の増大化が問題にならない程度に、複数ずつの検査対象領域を選出することも出来る。

更に、検査対象領域をなるべく少なく抑えながらも、Ｙ方向に延在する白スジの抽出を他の特異部の抽出よりも優先するという観点から見れば、検査対象領域がＸ方向に占める割合がＹ方向に占める割合よりも高ければ良い。すなわち、入力画像データにおけるＸ方向の画素数をＭ、Ｙ方向の画素数をＮとし、検査対象領域に含まれるＸ方向の画素数をｍ、Ｙ方向の画素数をｎとしたとき、（式３）が満足されれば、上記実施形態の効果は得られる。
ｍ／Ｍ ＞ ｎ／Ｎ ・・・ （式３）
この際、検査対象領域がＸ方向に占める割合をＹ方向に占める割合よりも高くするために、個々の検査候補領域の重心の座標や辺の座標を利用することも出来る。重心の座標を利用する場合、図２１を参照するに、個々の検査候補領域１１０１の重心１１０４の座標は、４つの頂点ＡＢＣＤの座標からを求めることが出来る。本例では、検査候補領域１１０１を正方形としているので、頂点ＡＢＣＤの交点から重心座標を求めることが出来る。そして、得られた複数の重心座標を互いに比較し、Ｘ座標がなるべく異なるような検査候補領域の組み合わせを、検査対象領域に設定すれば良い。

また、辺の座標を利用する場合は、個々の検査候補領域１１０１の４つの頂点ＡＢＣＤの座標より、Ｙ軸に平行な辺のＸ座標（辺ＡＢのＸ座標または辺ＣＤのＸ座標）を求める。そして、得られた複数のＸ座標を互いに比較し、これらがなるべく異なるような検査候補領域の組み合わせを、検査対象領域に設定すれば良い。

更に、以上では、図１２（ａ）のように、一様なグレーのハーフトーン画像の中に黒文字「Ａ」がレイアウトされた画像が入力画像データ８０１で有る場合を例に説明したが、無論入力画像データはこのようなパターンばかりではない。例えば、ハーフトーン画像ではなく白画像である場合、当該領域にインクは付与されないので、図１２（ｂ）に示すような白スジは発生せず、吐出不良を発見することは出来ない。

図２２は、入力画像データに白データが含まれる場合に、ＣＰＵ３０１が図５のステップ４や図１８のステップＳ１５４で実行する検査対象領域の設定アルゴリズムを説明するためのフローチャートである。既に説明した図１３（ｂ）と比較すると、ステップＳ４０７が追加されていることが分かる。

本処理が開始されると、ＣＰＵ３０１は、まずステップＳ４０４において、入力画像データ８０１を、複数の検査候補領域に分割する。そして、ステップＳ４０７では、これら複数の検査候補領域の中から、所定数以上の画素が白である領域、すなわち信号値がＲＧＢ＝（２５５，２５５，２５５）であるような画素が所定数以上存在する領域、を検査候補領域から除外する。

その後ステップＳ４０５では、ステップＳ４０７で残された検査候補領域ごとにエッジ画素数をカウントする。更にステップＳ４０６では、得られたエッジ画素数に基づいて、上述したいずれかの方法を用いて複数の検査候補領域の中から幾つかの検査対象領域を設定する。このようにすれば、入力画像データの中にある程度の白画像が含まれていたとしても、相対的に多くの白画像で構成される領域が検査対象領域に設定されることを回避し、白スジを確実に抽出することが出来る。

（第３の実施形態）
本実施形態では、吐出不良箇所をインク色別に正確に抽出するため方法を説明する。上記実施形態では、図１２（ａ）に示すように、ハーフトーン画像の中に黒文字「Ａ」がレイアウトされた入力画像データを例に説明した。しかし、例えばハーフトーン画像にブラックインクが使用されていない場合、ブラックインクの吐出不良は、８０１のような白スジとして現れることは無く、ブラックインクの吐出不良を検出することが出来ない。このため、本実施形態では、図５のステップＳ４や図１８のステップＳ１５４において、エッジ画素数のほか、使用インク色の種類も考慮に入れて検査対象領域を設定する。

図２３は、本実施形態のＣＰＵ３０１が実行する検査対象領域の設定アルゴリズムを説明するためのフローチャートである。本処理が開始されると、ＣＰＵ３０１は、まずステップＳ２３０１において、入力画像データ８０１を、複数の検査候補領域に分割する。続くステップＳ２３０２において、ＣＰＵ３０１は、ステップＳ２３０１で生成された検査候補領域ごとに、記録に使用されるインク色を検出する。すなわち、ブラック（Ｋ）、シアン（Ｃ）、マゼンタ（Ｍ）およびイエロー（Ｙ）のそれぞれが、個々の検査候補領域で使用されるか否かを判断する。この際、個々の画素についての、ブラック（Ｋ）、シアン（Ｃ）、マゼンタ（Ｍ）およびイエロー（Ｙ）の記録データは、個々の画素についての入力画像データ（ＲＧＢ）から導くことが出来る。

図２４は、画像処理装置１のＣＰＵ３０１が、記録ヘッド１００が記録可能な記録データを生成するために、入力画像データに対して行う一般的な画像処理を説明するためのブロック図である。個々に示すブロックは、ＣＰＵ３０１が実行する処理機能を示すものであり、ハードウェアとしての構成を限定するものではない。以下、図に沿って画像処理を順番に説明する。

入力部１５０１が受信する入力画像データは、例えばｓＲＧＢのようなモニタの色空間における色座標データである。入力色変換処理部１５０２は、このようなモニタの色空間から記録装置が表現可能な色空間にマッピングするための処理を行う。具体的には、予め記憶されている３次元のルックアップテーブルを参照し、ＲＧＢの多値データを別の組み合わせのＲＧＢの多値データに変換する。

インク色変換処理部１５０３は、入力色変換処理部１５０２から出力されたＲＧＢの多値データを記録装置が使用するインク色に対応した多値の濃度データに変換する。具体的には、予め記憶されている３次元のルックアップテーブルを参照し、ＲＧＢの多値データをＣＭＹＫの多値データに変換する。

ＴＲＣ処理部１５０４は、シート上で表現される各色の濃度がＣＭＹＫの多値データに対し線形関係が得られるようにするための変換処理を行う。具体的には、ＣＭＹＫの多値データのそれぞれについて用意された１次元のルックアップテーブルを用い、ＣＭＹＫの多値データを同じくＣＭＹＫの多値データに変換する。

量子化処理部１５０５は、ＴＲＣ処理部から出力されたＣＭＹＫの多値データのそれぞれに対し量子化処理を施し、個々の画素について各インク色のドットの記録（１）または非記録（０）を決定する。量子化処理方法としては、既知のディザ法や誤差拡散法などを採用することが出来る。量子化処理部１５０５から出力された記録データは出力部１５０６を介し、データ転送Ｉ／Ｆ３０４から複合機６へ転送される。

このような一連の画像処理のもと、ＣＰＵ３０１は、量子化処理部１５０５から出力された記録データに基づいて、個々の検査候補領域で使用されるインク色を確認することが出来る。そして、図２３のステップＳ２３０３では、ステップＳ２３０１で生成された検査候補領域ごとに、エッジ画素数をカウントする。

ここで、例えば、図１４（ａ）に示す入力画像データの３列目（ｉ＝３）について、上記ステップＳ２３０２およびＳ２３０３にて以下の結果が得られたとする。
検査候補領域（３，１） エッジ画素数 Ｒ（３，１）＝９ 使用インク色：ＣＭＹＫ
検査候補領域（３，２） エッジ画素数 Ｒ（３，２）＝１６ 使用インク色：ＣＭＹＫ
検査候補領域（３，３） エッジ画素数 Ｒ（３，３）＝１４ 使用インク色：ＣＭＹＫ
検査候補領域（３，４） エッジ画素数 Ｒ（３，４）＝０ 使用インク色：ＣＭＹ
この場合、第１および第２の実施形態では、Ｒ（３，４）＝０が最も小さいことから、（ｉ＝３，ｊ＝４）の検査候補領域を検査対象領域に設定した。しかし、使用インク色に着眼すると、（ｉ＝３，ｊ＝４）の検査候補領域ではブラックインクが使用されていない。つまり、ブラックの吐出不良が発生しても当該領域でこれを検出することは出来ない。このため、本実施形態のステップＳ２３０４では、全インク色が使用されている検査候補領域の中でエッジ画素数が最も少ないものを選出し、これを検査対象領域に設定する。このため、上記４つの候補領域の中では、Ｒ（３，１）＝９である検査候補領域が３列目（ｉ＝３）について検査対象領域に設定される。

このような本実施形態によれば、いずれのインク色に吐出不良が発生した場合であっても、これを正確に抽出することが出来る。

（その他の実施形態）
以上の実施形態では、複合機６で記録した画像を同じ複合機で読み取り処理する形態の一例として、図３で示したフルライン型のインクジェット記録装置を用いた。しかし、複合機６としては、図２５（ａ）および（ｂ）に示すようなシリアル型のインクジェット記録装置を採用することも出来る。

図２５（ａ）において、記録ヘッド１７０は、キャリッジ１７１に搭載された状態で図のＸ方向に往復移動し、この移動の最中に４列の記録素子列から、ブラック（Ｋ）、シアン（ｃ）、マゼンタ（Ｍ）、イエロー（Ｙ）のインクそれぞれを吐出する。そして、１回分の記録走査が終了すると、シートＰは記録ヘッド１７０の記録幅に相当する距離だけＹ方向に搬送される。このような記録走査と搬送動作とを交互に繰り返すことによりシートＰ上に画像が形成される。一方、読み取りヘッド１０７は、図３と同様、Ｘ方向に配列する複数の読み取り素子で構成されている。

図２５（ａ）のようなシリアル型のインクジェット記録装置で吐出不良の記録素子が発生した場合、白スジは図２５（ｂ）に示すようにＸ方向に延在する。よって、図５のステップＳ４では、Ｘ方向に延在する白スジの抽出を優先するように、検査対象領域を設定することになる。例えば、入力画像データにおけるＸ方向の画素数をＭ、Ｙ方向の画素数をＮとし、検査対象領域に含まれるＸ方向の画素数をｍ、Ｙ方向の画素数をｎとしたとき、（式４）が満足されるようにする。
ｍ／Ｍ ＜ ｎ／Ｎ ・・・ （式４）
ところで、以上では、記録素子の吐出不良に起因する白スジの抽出を優先する場合について説明したが、本発明はこのような形態に限定されるものではない。所定の方向に延在する特異部を抽出しようとする形態であれば、その発生原因は特に限定されるものではない。例えば、シートＰを搬送する搬送ローラに異物などが付着すると出力画像にはＹ方向に延びる搬送傷が発生する場合があり、本発明によればこのような傷を白スジとともに抽出することも出来る。但し、図３のようなフルライン型の記録装置であれば搬送傷は白スジと同じＹ方向に延在するが、図２５のようなシリアル型の記録装置の場合は、搬送傷と白スジとは交差する方向に現れる。そして後者の場合、Ｘ方向にもＹ方向にも検査に漏れが無い様に全領域を検査対象領域に設定すると、処理負荷は大きくなってしまう。

このよう場合は、図５のステップ４や図１８のステップＳ１５４で検査対象領域を設定する際に、白スジ検出用の検査対象領域と搬送傷検出用の検査対象領域を別々に用意すれば良い。すなわち、白スジ検出用についてはＹ方向の全画像領域に及ぶように検査対象画像を設定し、搬送傷検出用についてはＸ方向の全画像領域に及ぶように検査対象画像を設定する。例えば図１４の場合、白スジ検出用についてはＹ座標の異なる４つの検査対象画像を設定し、搬送傷検出用についてはＸ座標の異なる５つの検査対象画像を設定することになる。そして、それぞれについて特異部検出アルゴリズムを実行すれば、全ての領域について特異部アルゴリズムを実行するよりも処理負荷を十分に抑えることが出来る。このように本発明においては、抽出したい特異部が所定方向に延在するという特徴を有していれば、その方向がＸ方向であってもＹ方向であっても、またその特異部がいかなる原因で発生するものであっても、これを確実かつ効率的に抽出することが出来る。

なお、以上の実施形態では、図５のステップＳ１や図１８のステップＳ１５１で取得する入力画像データをＲＧＢの多値データとして説明したが、入力画像データはＣＭＹＫデータとすることも出来る。このような場合には、図５のステップＳ３や図１８のステップＳ１５３で検査対象画像を生成する際に、ＩＣＣプロファイルなどを用いてＲＧＢデータに変換した後に、図１３（ａ）で説明したような処理を行えば良い。

更に本発明は、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。

１ 画像処理装置
３ 画像処理部
８０１ 入力画像データ
８０２ 読取画像データ
１８０３ 白スジ
Ｐ シート

Claims (20)

1. 入力画像データに基づいてシアン、マゼンタ、イエロー、ブラックのインクを用いて記録された画像から所定方向に延在する特異部を検出するための画像処理装置であって、
   前記画像を読み取った結果の読み取り画像データに基づいて検査対象画像データを生成する生成手段と、
   前記入力画像データに基づき、前記検査対象画像データの中から検査対象領域を設定する設定手段と、
   前記設定手段によって設定された前記検査対象領域に対して所定の処理を施すことにより、前記特異部を抽出する抽出手段と
   を備え、
   前記設定手段は、全画像領域を前記所定方向及び前記所定方向と交差する交差方向のそれぞれにおいて複数に分割して生成される複数の検査候補領域のうち、シアン、マゼンタ、イエロー、及びブラックの全てのインク色が使用されたと判断された領域であって、且つ、前記検査対象画像データの前記交差方向に並ぶ画素のうち前記検査対象領域である画素の占める割合が、前記検査対象画像データの前記所定方向に並ぶ画素のうち前記検査対象領域である画素の占める割合よりも大きくなるように、前記検査対象領域を設定することを特徴とする画像処理装置。
2. 前記設定手段は、前記検査対象画像データの前記交差方向に並ぶ画素のうち前記検査対象領域である画素の占める割合が１００％となるように、前記検査対象領域を設定することを特徴とする請求項１に記載の画像処理装置。
3. 前記設定手段は、前記入力画像データに基づいて画像のエッジ部に相当するエッジ画素の数を前記複数の検査候補領域ごとにカウントし、
   前記所定方向に並ぶ複数の前記検査候補領域において、前記エッジ画素の数が相対的に少ない前記検査候補領域に相当する領域を前記検査対象領域に優先して設定することを特徴とする請求項１または２に記載の画像処理装置。
4. 前記設定手段は、
   前記入力画像データに基づいて白データである画素の数を前記複数の検査候補領域ごとにカウントし、
   前記所定方向に並ぶ複数の前記検査候補領域において、前記白データである画素の数が相対的に少ない前記検査候補領域に相当する領域を前記検査対象領域に優先して設定することを特徴とする請求項１ないし３のいずれか１項に記載の画像処理装置。
5. 前記設定手段は、前記複数の検査候補領域のうち、全てのインク色が画像の記録に使用された領域であるかを判断し、判断された領域の中から前記検査対象領域を設定することを特徴とする請求項１ないし４のいずれか１項に記載の画像処理装置。
6. 前記抽出手段は、前記検査対象領域に対し、
   所定の分割サイズで分割して得られる分割領域のそれぞれについての平均化処理および量子化処理を行い、
   前記量子化処理によって得られる値を、前記検査対象領域を前記所定の分割サイズで互いに位相が異なる関係で分割した場合のそれぞれについて加算し、
   当該加算の結果を、前記所定の分割サイズを異ならせた場合のそれぞれについて更に加算した結果に基づいて、前記特異部を抽出することを特徴とする請求項１ないし５のいずれか１項に記載の画像処理装置。
7. 前記抽出手段は、前記検査対象領域のそれぞれについて前記所定の分割サイズおよび前記位相を独立に設定することを特徴とする請求項６に記載の画像処理装置。
8. 前記抽出手段は、前記検査対象領域に対し、
   所定のフィルタサイズによるフィルタ処理および量子化処理を行い、
   前記量子化処理によって得られる値を、前記所定のフィルタのパラメータを異ならせた場合のそれぞれについて加算した結果に基づいて、前記特異部を抽出することを特徴とする請求項１ないし５のいずれか１項に記載の画像処理装置。
9. 前記抽出手段は、前記検査対象領域のそれぞれについて前記所定のフィルタのパラメータを独立に設定することを特徴とする請求項８に記載の画像処理装置。
10. 前記生成手段は、前記画像を記録するために使用された入力画像データと前記読み取り画像データに基づいて前記検査対象画像データを生成することを特徴とする請求項１ないし９のいずれか１項に記載の画像処理装置。
11. 前記生成手段は、前記入力画像データと前記読み取り画像データの差分より前記検査対象画像データを生成することを特徴とする請求項１０に記載の画像処理装置。
12. 前記設定手段は、前記検査対象画像データにおける前記交差方向の異なる位置に複数の前記検査対象領域の重心が配置されるように前記検査対象領域を設定することを特徴とする請求項１から１１のいずれか１項に記載の画像処理装置。
13. 前記設定手段は、前記検査対象画像データにおける前記交差方向の異なる位置に複数の前記検査対象領域の辺が配置されるように前記検査対象領域を設定することを特徴とする請求項１ないし１１のいずれか１項に記載の画像処理装置。
14. 前記画像はインクジェット記録装置で記録された画像であり、
    前記特異部は、前記インクジェット記録装置の記録ヘッドにおける記録素子の吐出不良に伴い発生する前記所定方向に延在する白スジであり、
    前記記録ヘッドにおいて複数の記録素子が前記交差方向に配列され、
    前記画像は、当該画像が記録される記録媒体に対する前記記録ヘッドの前記所定方向の相対的な記録走査において前記複数の記録素子からインクが付与されることにより記録された画像であることを特徴とする請求項１ないし１３のいずれか１項に記載の画像処理装置。
15. 前記抽出手段は、前記特異部の箇所を顕在化するためのポップアップ処理を行うことを特徴とする請求項１ないし１４のいずれか１項に記載の画像処理装置。
16. 前記抽出手段によって抽出された特異部の箇所を記憶し、前記特異部を補正するための画像処理パラメータを生成する手段を更に備えることを特徴とする請求項１ないし１４のいずれか１項に記載の画像処理装置。
17. 前記画像を記録する記録手段と、
    前記抽出手段によって抽出された特異部の有無に応じて、前記記録手段に対するメンテナンス処理を実行する手段と、
    を更に備えることを特徴とする請求項１ないし１６のいずれか１項に記載の画像処理装置。
18. 前記抽出手段が抽出した情報に基づいて、前記特異部の存在を判断する判断手段を更に備えることを特徴とする請求項１ないし１７のいずれか１項に記載の画像処理装置。
19. 入力画像データに基づいてシアン、マゼンタ、イエロー、ブラックのインクを用いて記録された画像から所定方向に延在する特異部を検出するための画像処理方法であって、
    前記画像を読み取った結果の読み取り画像データに基づいて検査対象画像データを生成する生成工程と、
    前記入力画像データに基づき、前記検査対象画像データの中から検査対象領域を設定する設定工程と、
    前記設定工程によって設定された前記検査対象領域に対し所定の処理を施すことにより前記特異部を抽出する抽出工程と
    を有し、
    前記設定工程において、全画像領域を前記所定方向及び前記所定方向と交差する交差方向のそれぞれにおいて複数に分割して生成される複数の検査候補領域のうち、シアン、マゼンタ、イエロー、及びブラックの全てのインク色が使用されたと判断された領域であって、且つ、前記検査対象画像データの前記交差方向に並ぶ画素のうち前記検査対象領域である画素の占める割合が、前記検査対象画像データの前記所定方向に並ぶ画素のうち前記検査対象領域である画素の占める割合よりも大きくなるように、前記検査対象領域が設定されることを特徴とする画像処理方法。
20. 請求項１から１８の何れか１項に記載の画像処理装置の各手段としてコンピュータを機能させるためのプログラム。