JP6944127B2 - 画像処理装置、コンピュータプログラム、および、画像処理方法 - Google Patents
画像処理装置、コンピュータプログラム、および、画像処理方法 Download PDFInfo
- Publication number
- JP6944127B2 JP6944127B2 JP2017247063A JP2017247063A JP6944127B2 JP 6944127 B2 JP6944127 B2 JP 6944127B2 JP 2017247063 A JP2017247063 A JP 2017247063A JP 2017247063 A JP2017247063 A JP 2017247063A JP 6944127 B2 JP6944127 B2 JP 6944127B2
- Authority
- JP
- Japan
- Prior art keywords
- character
- pixels
- image data
- block
- learning model
- 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.)
- Active
Links
Images
Landscapes
- Facsimile Image Signal Circuits (AREA)
Description
[適用例2]
適用例1に記載の画像処理装置であって、
前記候補画素抽出部は、前記対象画像データに対して前記対象画像内のエッジの強度を調整するエッジ調整処理を実行することなく、前記複数個の文字候補画素を抽出する、画像処理装置。
[適用例3]
適用例1または2に記載の画像処理装置であって、
前記対象画像データは、複数個の画素の色値を含み、
前記色値は、複数個の成分値を含み、
前記候補画素抽出部は、
前記対象画像データを用いて、前記複数個の画素の色値に対応する複数個の第1値を含む第1画像データであって、前記複数個の第1値のそれぞれは、対応する前記色値の複数個の成分値のうちの最小値および最大値のいずれかに基づく値である、前記第1画像データを生成し、
前記第1画像データを用いて前記複数個の文字候補画素を抽出する、画像処理装置。
[適用例4]
適用例1〜3のいずれかに記載の画像処理装置であって、
前記候補画素抽出部は、
前記対象画像データを用いて、前記対象画像内の複数個の画素のうちの対応する画素の輝度を示す複数個の第2値を含む第2画像データを生成し、
基準よりも高い輝度を有する画素を前記文字候補画素として抽出するように、前記第2画像データを二値化する、画像処理装置。
[適用例5]
適用例1〜4のいずれかに記載の画像処理装置であって、
前記候補画素抽出部は、
第1の抽出処理を実行して、前記複数個の文字候補画素のうちの複数個の第1の文字候補画素を抽出し、
前記第1の抽出処理とは異なる第2の抽出処理を実行して、前記複数個の文字候補画素のうちの複数個の第2の文字候補画素を抽出し、
前記文字画素特定部は、
前記判断部による判断結果を用いて、前記複数個の第1の文字候補画素の中から、複数個の第1の画素を特定し、
前記判断部による判断結果を用いて、前記複数個の第2の文字候補画素の中から、複数個の第2の画素を特定し、
前記複数個の第1の画素と前記複数個の第2の画素とを含む前記複数個の文字画素を特定する、画像処理装置。
[適用例6]
適用例5に記載の画像処理装置であって、
前記判断部によって用いられる前記機械学習モデルは、第1の機械学習モデルと、前記第1の機械学習モデルとは異なる第2の機械学習モデルと、を含み、
前記判断部は、
前記第1の機械学習モデルを用いて、前記複数個のブロックのそれぞれが前記文字ブロックあるか否かをブロックごとに判断し、
前記第2の機械学習モデルを用いて、前記複数個のブロックのそれぞれが前記文字ブロックあるか否かをブロックごとに判断し、
前記文字画素特定部は、
前記第1の機械学習モデルを用いた判断結果を用いて、前記複数個の第1の画素を特定し、
前記第2の機械学習モデルを用いた判断結果を用いて、前記複数個の第2の画素を特定する、画像処理装置。
[適用例7]
適用例6に記載の画像処理装置であって、
前記複数個の文字画像データは、複数個の第1の文字画像データと、前記複数個の第1の文字画像データとは異なる複数個の第2の文字画像データと、を含み、
前記複数個の非文字画像データは、複数個の第1の非文字画像データと、前記複数個の第1の非文字画像データとは異なる複数個の第2の非文字画像データと、を含み、
前記第1の機械学習モデルは、前記複数個の第1の文字画像データと、前記複数個の第1の非文字画像データと、を用いてトレーニングされた前記機械学習モデルであり、
前記第2の機械学習モデルは、前記複数個の第2の文字画像データと、前記複数個の第2の非文字画像データと、を用いてトレーニングされた前記機械学習モデルである、画像処理装置。
[適用例8]
適用例7に記載の画像処理装置であって、
前記対象画像データは、複数個の画素の色値を含み、
前記色値は、複数個の成分値を含み、
前記第1の抽出処理は、
前記対象画像データを用いて、前記複数個の画素の色値に対応する複数個の第1値を含む第1画像データであって、前記複数個の第1値のそれぞれは、対応する前記色値の複数個の成分値のうちの最小値および最大値のいずれかに基づく値である、前記第1画像データを生成する処理と、
前記第1画像データを二値化することによって前記複数個の第1の画素を特定する処理と、
を含み、
前記第2の抽出処理は、
前記対象画像データを用いて、前記対象画像内の複数個の画素のうちの対応する画素の輝度を示す複数個の第2値を含む第2画像データを生成する処理と、
基準よりも高い輝度を有する画素を前記文字候補画素として特定するように、前記第2画像データを二値化することによって前記複数個の第2の画素を特定する処理と、
を含み、
前記第1の機械学習モデルは、背景よりも輝度が低い文字である第1の文字を示す前記複数個の第1の文字画像データと、前記第1の文字を示さない前記複数個の第1の非文字画像データと、を用いてトレーニングされた前記機械学習モデルであり、
前記第2の機械学習モデルは、背景よりも輝度が高い文字である第2の文字を示す前記複数個の第2の文字画像データと、前記第2の文字を示さない前記複数個の第2の非文字画像データと、を用いてトレーニングされた前記機械学習モデルである、画像処理装置。
[適用例9]
適用例1〜8のいずれかに記載の画像処理装置であって、
前記対象画像データのうち、特定済みの前記複数個の文字画素の値に対して第1の画像処理を実行し、前記複数個の文字画素とは異なる画素の値に対して前記第1の画像処理とは異なる第2の画像処理を実行して、画像処理済みの前記対象画像データを生成する画像処理部を備える、画像処理装置。
[適用例10]
適用例9に記載の画像処理装置であって、
前記画像処理済みの前記対象画像データを用いて、印刷データを生成する印刷データ生成部を備える、画像処理装置。
A−1:複合機200の構成
実施の形態を実施例に基づき説明する。図1は、画像処理装置の一例である複合機200の構成を示すブロック図である。複合機200は、画像処理装置を制御するプロセッサであるCPU210と、DRAMなどの揮発性記憶装置220と、フラッシュメモリやハードディスクドライブなどの不揮発性記憶装置230と、液晶ディスプレイなどの表示部240と、液晶ディスプレイと重畳されたタッチパネルやボタンを含む操作部250と、ユーザの端末装置100などの外部装置と通信を行うためのインタフェース(通信IF)270と、印刷実行部280と、読取実行部290と、を備えている。
図2は、画像処理のフローチャートである。この画像処理は、例えば、ユーザが、読取実行部290の原稿台に、原稿を載置して、コピーの実行指示を入力した場合に実行される。この画像処理は、原稿を、読取実行部290を用いて読み取ることによって生成されるスキャンデータを取得し、該スキャンデータを用いて、原稿を示す印刷データを生成することで、いわゆる原稿のコピーを実現する処理である。
図2のS20の文字特定処理について説明する。S21では、CPU210は、スキャンデータを用いて、第1の二値画像データ生成処理を実行して、第1の二値画像データを生成する。第1の二値画像データは、文字候補画素と、文字候補画素とは異なる画素と、を示す二値データである。文字候補画素は、文字特定処理にて特定すべき文字画素の候補である。ここで、第1の二値画像データによって示される文字候補画素を第1の文字候補画素とも呼ぶ。
図2のS21の第1の二値画像データ生成処理について説明する。図5は、第1の二値画像データ生成処理のフローチャートである。S100では、CPU210は、スキャンデータを用いて、最小成分データを生成する。具体的には、CPU210は、スキャンデータに含まれる複数個の画素の値(RGB値)のそれぞれから、最小成分値Vminを取得する。最小成分値Vminは、RGB値に含まれる複数個の成分値(R値、G値、B値)のうちの最小値である。CPU210は、これらの最小成分値Vminを複数個の画素の値とする画像データを、最小成分データとして生成する。最小成分データは、スキャン画像SIと同じサイズの画像を示す画像データである。最小成分データに含まれる複数個の画素の値のそれぞれは、スキャンデータの対応する画素の値(RGB値)の最小成分値Vminである。
図2のS24の第2の二値画像データ生成処理について説明する。図8は、第2の二値画像データ生成処理のフローチャートである。S200では、CPU210は、スキャンデータを用いて、輝度画像データを生成する。具体的には、CPU210は、スキャンデータから取得される各画素のR値、G値、B値を用いて、各画素の輝度Yを算出する。輝度Yは、例えば、上記3成分の加重平均であり、具体的には、Y=0.299×R+0.587×G+0.114×Bの式を用いて算出できる。このように、輝度画像データの複数個の画素の値は、スキャン画像SI内の複数個の画素のうちの対応する画素の輝度Yを示す。
図2のS22の第1のブロック判定処理およびS25の第2のブロック判定処理について説明する。これらのブロック判定処理は、文字を示す複数個の文字画像データと文字を示さない複数個の非文字画像データとを用いてトレーニングされた機械学習モデルを用いて実行される。第1のブロック判定処理と第2のブロック判定処理とでは、用いられる機械学習モデルが互いに異なる。第1のブロック判定処理で用いられる機械学習モデルを第1の機械学習モデルと呼び、第2のブロック判定処理で用いられる機械学習モデルを第2の機械学習モデルと呼ぶ。本実施例では、第1のブロック判定処理と第2のブロック判定処理とでは、用いられる機械学習モデルを除いた処理は同一であり、1つのフローチャートを用いて説明する。
LeNetは、例えば、「Y. LeCun, L. Bottou, Y. Bengio, and P. Haffner(1998): Gradient-based learning applied to document recognition. Proceedings of the IEEE 86, 11(November 1998),2278-2324.」に開示されている。AlexNetは、例えば、「Alex Krizhevsky, Ilya Sutskever and Geoffrey E. Hinton(2012): ImageNet classification with deep convolutional neural networks In F. Pereira, C. J. C. Burges, L. Bottou, & K. Q. Weinberger, eds. Advances in Neural Information Processing Systems 25. Curran Associates, Inc., 1097-1105.5」に開示されている。
Gout=Gmax−Gin …(2)
Bout=Bmax−Bin …(3)
Claims (9)
- 画像処理装置であって、
対象画像を示す対象画像データを取得する画像取得部と、
対象画像データを用いて、複数個の文字画素の候補である複数個の文字候補画素を抽出する候補画素抽出部であって、前記複数個の文字画素のそれぞれは、前記対象画像上の文字が配置された領域において文字を構成する画素である、前記候補画素抽出部と、
前記対象画像データを用いて、前記対象画像上に配置される複数個のブロックのそれぞれが文字ブロックであるか否かをブロックごとに判断する判断部であって、前記文字ブロックは、対象画像上の文字が配置された領域に対応するブロックであり、前記ブロックごとの判断は、文字を示す複数個の文字画像データと文字を示さない複数個の非文字画像データとを用いてトレーニングされた機械学習モデルを用いて実行され、前記機械学習モデルは、第1の機械学習モデルと、前記第1の機械学習モデルとは異なる第2の機械学習モデルと、を含む、前記判断部と、
前記判断部による判断結果を用いて、前記複数個の文字候補画素の中から、前記複数個の文字画素を特定する文字画素特定部と、
を備え、
前記候補画素抽出部は、
第1の抽出処理を実行して、前記複数個の文字候補画素のうちの複数個の第1の文字候補画素を抽出し、
前記第1の抽出処理とは異なる第2の抽出処理を実行して、前記複数個の文字候補画素のうちの複数個の第2の文字候補画素を抽出し、
前記判断部は、
前記第1の機械学習モデルを用いて、前記複数個のブロックのそれぞれが前記文字ブロックあるか否かをブロックごとに判断し、
前記第2の機械学習モデルを用いて、前記複数個のブロックのそれぞれが前記文字ブロックあるか否かをブロックごとに判断し、
前記文字画素特定部は、
前記第1の機械学習モデルを用いた判断結果を用いて、前記複数個の第1の文字候補画素の中から、複数個の第1の画素を特定し、
前記第2の機械学習モデルを用いた判断結果を用いて、前記複数個の第2の文字候補画素の中から、複数個の第2の画素を特定し、
前記複数個の第1の画素と前記複数個の第2の画素とを含む前記複数個の文字画素を特定する、画像処理装置。 - 請求項1に記載の画像処理装置であって、
前記候補画素抽出部は、前記対象画像データに対して前記対象画像内のエッジの強度を調整するエッジ調整処理を実行することなく、前記複数個の文字候補画素を抽出する、画像処理装置。 - 請求項1または2に記載の画像処理装置であって、
前記複数個の文字画像データは、複数個の第1の文字画像データと、前記複数個の第1の文字画像データとは異なる複数個の第2の文字画像データと、を含み、
前記複数個の非文字画像データは、複数個の第1の非文字画像データと、前記複数個の第1の非文字画像データとは異なる複数個の第2の非文字画像データと、を含み、
前記第1の機械学習モデルは、前記複数個の第1の文字画像データと、前記複数個の第1の非文字画像データと、を用いてトレーニングされた前記機械学習モデルであり、
前記第2の機械学習モデルは、前記複数個の第2の文字画像データと、前記複数個の第2の非文字画像データと、を用いてトレーニングされた前記機械学習モデルである、画像処理装置。 - 請求項3に記載の画像処理装置であって、
前記対象画像データは、複数個の画素の色値を含み、
前記色値は、複数個の成分値を含み、
前記第1の抽出処理は、
前記対象画像データを用いて、前記複数個の画素の色値に対応する複数個の第1値を含む第1画像データであって、前記複数個の第1値のそれぞれは、対応する前記色値の複数個の成分値のうちの最小値および最大値のいずれかに基づく値である、前記第1画像データを生成する処理と、
前記第1画像データを二値化することによって前記複数個の第1の画素を特定する処理と、
を含み、
前記第2の抽出処理は、
前記対象画像データを用いて、前記対象画像内の複数個の画素のうちの対応する画素の輝度を示す複数個の第2値を含む第2画像データを生成する処理と、
基準よりも高い輝度を有する画素を前記文字候補画素として特定するように、前記第2画像データを二値化することによって前記複数個の第2の画素を特定する処理と、
を含み、
前記第1の機械学習モデルは、背景よりも輝度が低い文字である第1の文字を示す前記複数個の第1の文字画像データと、前記第1の文字を示さない前記複数個の第1の非文字画像データと、を用いてトレーニングされた前記機械学習モデルであり、
前記第2の機械学習モデルは、背景よりも輝度が高い文字である第2の文字を示す前記複数個の第2の文字画像データと、前記第2の文字を示さない前記複数個の第2の非文字画像データと、を用いてトレーニングされた前記機械学習モデルである、画像処理装置。 - 請求項1または2に記載の画像処理装置であって、
前記複数個の文字画像データは、背景よりも輝度が低い文字である第1の文字を示す複数個の第1の文字画像データと、背景よりも輝度が高い文字である第2の文字を示す複数個の第2の文字画像データと、を含み、
前記第1の機械学習モデルは、前記複数個の第1の文字画像データを用いてトレーニングされた前記機械学習モデルであり、
前記第2の機械学習モデルは、前記複数個の第2の文字画像データを用いてトレーニングされた前記機械学習モデルである、画像処理装置。 - 請求項1〜5のいずれかに記載の画像処理装置であって、
前記対象画像データのうち、特定済みの前記複数個の文字画素の値に対して第1の画像処理を実行し、前記複数個の文字画素とは異なる画素の値に対して前記第1の画像処理とは異なる第2の画像処理を実行して、画像処理済みの前記対象画像データを生成する画像処理部を備える、画像処理装置。 - 請求項6に記載の画像処理装置であって、
前記画像処理済みの前記対象画像データを用いて、印刷データを生成する印刷データ生成部を備える、画像処理装置。 - コンピュータプログラムであって、
対象画像を示す対象画像データを取得する画像取得機能と、
対象画像データを用いて、複数個の文字画素の候補である複数個の文字候補画素を抽出する候補画素抽出機能であって、前記複数個の文字画素のそれぞれは、前記対象画像上の文字が配置された領域において文字を構成する画素である、前記候補画素抽出機能と、
前記対象画像データを用いて、前記対象画像上に配置される複数個のブロックのそれぞれが文字ブロックであるか否かをブロックごとに判断する判断機能であって、前記文字ブロックは、対象画像上の文字が配置された領域に対応するブロックであり、前記ブロックごとの判断は、文字を示す複数個の文字画像データと文字を示さない複数個の非文字画像データとを用いてトレーニングされた機械学習モデルを用いて実行され、前記機械学習モデルは、第1の機械学習モデルと、前記第1の機械学習モデルとは異なる第2の機械学習モデルと、を含む、前記判断機能と、
前記判断機能による判断結果を用いて、前記複数個の文字候補画素の中から、前記複数個の文字画素を特定する文字画素特定機能と、
をコンピュータに実現させ、
前記候補画素抽出機能は、
第1の抽出処理を実行して、前記複数個の文字候補画素のうちの複数個の第1の文字候補画素を抽出し、
前記第1の抽出処理とは異なる第2の抽出処理を実行して、前記複数個の文字候補画素のうちの複数個の第2の文字候補画素を抽出し、
前記判断機能は、
前記第1の機械学習モデルを用いて、前記複数個のブロックのそれぞれが前記文字ブロックあるか否かをブロックごとに判断し、
前記第2の機械学習モデルを用いて、前記複数個のブロックのそれぞれが前記文字ブロックあるか否かをブロックごとに判断し、
前記文字画素特定機能は、
前記第1の機械学習モデルを用いた判断結果を用いて、前記複数個の第1の文字候補画素の中から、複数個の第1の画素を特定し、
前記第2の機械学習モデルを用いた判断結果を用いて、前記複数個の第2の文字候補画素の中から、複数個の第2の画素を特定し、
前記複数個の第1の画素と前記複数個の第2の画素とを含む前記複数個の文字画素を特定する、コンピュータプログラム。 - 画像処理方法であって、
対象画像を示す対象画像データを取得する画像取得工程と、
対象画像データを用いて、複数個の文字画素の候補である複数個の文字候補画素を抽出する候補画素抽出工程であって、前記複数個の文字画素のそれぞれは、前記対象画像上の文字が配置された領域において文字を構成する画素である、前記候補画素抽出工程と、
前記対象画像データを用いて、前記対象画像上に配置される複数個のブロックのそれぞれが文字ブロックであるか否かをブロックごとに判断する判断工程であって、前記文字ブロックは、対象画像上の文字が配置された領域に対応するブロックであり、前記ブロックごとの判断は、文字を示す複数個の文字画像データと文字を示さない複数個の非文字画像データとを用いてトレーニングされた機械学習モデルを用いて実行され、前記機械学習モデルは、第1の機械学習モデルと、前記第1の機械学習モデルとは異なる第2の機械学習モデルと、を含む、前記判断工程と、
前記判断工程における判断結果を用いて、前記複数個の文字候補画素の中から、前記複数個の文字画素を特定する文字画素特定工程と、
を備え、
前記候補画素抽出工程は、
第1の抽出処理を実行して、前記複数個の文字候補画素のうちの複数個の第1の文字候補画素を抽出し、
前記第1の抽出処理とは異なる第2の抽出処理を実行して、前記複数個の文字候補画素のうちの複数個の第2の文字候補画素を抽出し、
前記判断工程は、
前記第1の機械学習モデルを用いて、前記複数個のブロックのそれぞれが前記文字ブロックあるか否かをブロックごとに判断し、
前記第2の機械学習モデルを用いて、前記複数個のブロックのそれぞれが前記文字ブロックあるか否かをブロックごとに判断し、
前記文字画素特定工程は、
前記第1の機械学習モデルを用いた判断結果を用いて、前記複数個の第1の文字候補画素の中から、複数個の第1の画素を特定し、
前記第2の機械学習モデルを用いた判断結果を用いて、前記複数個の第2の文字候補画素の中から、複数個の第2の画素を特定し、
前記複数個の第1の画素と前記複数個の第2の画素とを含む前記複数個の文字画素を特定する、画像処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017247063A JP6944127B2 (ja) | 2017-12-22 | 2017-12-22 | 画像処理装置、コンピュータプログラム、および、画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017247063A JP6944127B2 (ja) | 2017-12-22 | 2017-12-22 | 画像処理装置、コンピュータプログラム、および、画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019114927A JP2019114927A (ja) | 2019-07-11 |
JP6944127B2 true JP6944127B2 (ja) | 2021-10-06 |
Family
ID=67222926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017247063A Active JP6944127B2 (ja) | 2017-12-22 | 2017-12-22 | 画像処理装置、コンピュータプログラム、および、画像処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6944127B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6703672B1 (ja) * | 2019-07-16 | 2020-06-03 | 株式会社テクムズ | 検査対象品の欠陥検出方法、その装置及びそのコンピュータプログラム |
CN113313120A (zh) * | 2020-02-27 | 2021-08-27 | 顺丰科技有限公司 | 智能卡图像识别模型的建立方法以及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11261814A (ja) * | 1998-03-13 | 1999-09-24 | Matsushita Electric Ind Co Ltd | 画像属性判別システム |
JP3334047B2 (ja) * | 1999-04-12 | 2002-10-15 | ミノルタ株式会社 | 画像処理装置およびこれを搭載した画像読取装置と画像形成装置、並びに画像処理方法、および画像処理手順を記憶したコンピュータ読み取り可能な記憶媒体 |
JP3392798B2 (ja) * | 2000-02-22 | 2003-03-31 | 理想科学工業株式会社 | 画像属性判別方法および装置 |
JP5857634B2 (ja) * | 2011-10-31 | 2016-02-10 | 富士通株式会社 | 単語間空白検出装置、単語間空白検出方法及び単語間空白検出用コンピュータプログラム |
-
2017
- 2017-12-22 JP JP2017247063A patent/JP6944127B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019114927A (ja) | 2019-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4926568B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP4890974B2 (ja) | 画像処理装置、及び画像処理方法 | |
JP6781406B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
JP6769045B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
JP6944127B2 (ja) | 画像処理装置、コンピュータプログラム、および、画像処理方法 | |
JP7248943B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
JP6841075B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
JP3689574B2 (ja) | 画像処理方法及び装置及び画像処理システム、及び記録媒体 | |
US10565465B2 (en) | Image processing apparatus that identifies character pixel in target image using first and second candidate character pixels | |
US20020136456A1 (en) | Image process apparatus, image process method and storage medium | |
JP2010114503A (ja) | 画像処理装置、画像処理方法、画像処理プログラム及び記録媒体 | |
US10339636B2 (en) | Image processing apparatus that specifies edge pixel in target image by calculating edge strength | |
JP2010268399A (ja) | 画像処理装置、画像形成装置、画像処理方法、プログラム及び記録媒体 | |
JP6879465B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
JP6841254B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
US10389909B2 (en) | Image processing apparatus that specifies edge pixel in target image using minimum and maximum component values of pixel value in target image data | |
JP7205689B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
JP7248944B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
JP6867609B2 (ja) | 画像処理装置、および、コンピュータプログラム | |
JP2006109482A (ja) | 画像処理方法、画像処理装置及び画像処理プログラム | |
TWI729416B (zh) | 最佳化列印的方法 | |
JP6852665B2 (ja) | 画像処理装置、コンピュータプログラム、および、画像処理方法 | |
JP2020136785A (ja) | 画像処理装置、および、コンピュータプログラム | |
JP2007306432A (ja) | 画像形成装置および画像形成方法 | |
JP2020052892A (ja) | 画像処理装置、および、コンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200312 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201201 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210129 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210217 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210310 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210607 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20210607 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210608 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20210719 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20210721 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210811 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210824 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6944127 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |