JP7185186B2 - 画像処理装置、機械学習モデルをトレーニングする方法、および、コンピュータプログラム - Google Patents
画像処理装置、機械学習モデルをトレーニングする方法、および、コンピュータプログラム Download PDFInfo
- Publication number
- JP7185186B2 JP7185186B2 JP2019017098A JP2019017098A JP7185186B2 JP 7185186 B2 JP7185186 B2 JP 7185186B2 JP 2019017098 A JP2019017098 A JP 2019017098A JP 2019017098 A JP2019017098 A JP 2019017098A JP 7185186 B2 JP7185186 B2 JP 7185186B2
- Authority
- JP
- Japan
- Prior art keywords
- range
- data
- dot data
- input
- image
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/21—Ink jet for multi-colour printing
- B41J2/2132—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding
- B41J2/2135—Alignment of dots
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/21—Ink jet for multi-colour printing
- B41J2/2121—Ink jet for multi-colour printing characterised by dot size, e.g. combinations of printed dots of different diameter
- B41J2/2128—Ink jet for multi-colour printing characterised by dot size, e.g. combinations of printed dots of different diameter by means of energy modulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/015—Ink jet characterised by the jet generation process
- B41J2/04—Ink jet characterised by the jet generation process generating single droplets or particles on demand
- B41J2/045—Ink jet characterised by the jet generation process generating single droplets or particles on demand by pressure, e.g. electromechanical transducers
- B41J2/04501—Control methods or devices therefor, e.g. driver circuits, control circuits
- B41J2/04595—Dot-size modulation by changing the number of drops per dot
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/205—Ink jet for printing a discrete number of tones
- B41J2/2054—Ink jet for printing a discrete number of tones by the variation of dot disposition or characteristics, e.g. dot number density, dot shape
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/21—Ink jet for multi-colour printing
- B41J2/2121—Ink jet for multi-colour printing characterised by dot size, e.g. combinations of printed dots of different diameter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Description
を備え、前記調整ステップにおいて、前記複数個の演算パラメータは、特定の前記入力画像データと前記入力パラメータとしての第1値とを含む第1の前記データセットに対応する第1の前記部分ドットデータと、前記特定の入力画像データと前記入力パラメータとしての第2値であって前記第1値とは異なる前記第2値とを含む第2の前記データセットに対応する第2の前記部分ドットデータと、が異なるデータになるように調整される、方法。
A-1.画像処理装置の構成
次に、実施の形態を実施例に基づき説明する。図1は、実施例の印刷システム1000の構成を示すブロック図である。
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、端末装置200において、コンピュータプログラムPGが実行されて、プリンタドライバが起動されているときに、ユーザの開始指示に基づいて開始される。
図1に示すようにコンピュータプログラムPGは、機械学習モデルMMをモジュールとして含んでいる。図4は、機械学習モデルMMの説明図である。この機械学習モデルMMは、図2のS60のハーフトーン処理に用いられる。機械学習モデルMMは、ニューラルネットワーク(Neural Network)を用いたモデルである。
図2のS60のハーフトーン処理について説明する。図6は、図2のS60の機械学習モデルMMを用いるハーフトーン処理のフローチャートである。図7は、対象領域PIと、対応領域DIと、の一例を示す図である。
次に、機械学習モデルMMの学習処理について説明する。学習処理は、機械学習モデルMMの上述した複数個の演算パラメータ(重みおよびバイアス)を調整することで、機械学習モデルMMが適切な部分ドットデータODを出力できるようにトレーニングする処理である。上述した不揮発性記憶装置230に格納されたコンピュータプログラムPGに組み込まれた機械学習モデルMMは、本学習処理によってトレーニングされた学習済みモデルである。
(1)上記実施例の図6のハーフトーン処理では、印刷画像の画質を向上させるために、以下の2つの工夫を行っている。一つ目は、入力範囲IAよりも出力範囲OAを大きくして2以上の出力範囲OAが互いに重複する部分を含むようにすることであり、2つ目は、入力パラメータrを機械学習モデルMMの入力に追加して同じ入力画像データに対して複数個の異なる部分ドットデータODを出力させることである。変形例としては、これらの2つの工夫のうち、いずれか一方だけを行い、他方を行わなくても良い。
Claims (13)
- 印刷材を用いて印刷媒体上にドットを形成する印刷実行部のための画像処理装置であって、
複数個の画素を含む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、
前記対象画像データを用いて、前記対象画像に対応する印刷画像の複数個の画素のそれぞれについて前記ドットの形成状態を示すドットデータを生成するドットデータ生成部と、
を備え、
前記ドットデータ生成部は、
前記対象画像データのうち、前記対象画像のうちの一部である第1入力範囲に対応する第1部分画像データと、入力パラメータである第1値と、を機械学習モデルに入力することによって、前記印刷画像のうち、前記第1入力範囲に対応する範囲を含む第1出力範囲内の前記ドットの形成状態を示す第1部分ドットデータを前記機械学習モデルに出力させ、
前記対象画像データのうち、前記対象画像のうちの前記第1入力範囲とは異なる部分である第2入力範囲に対応する第2部分画像データと、前記入力パラメータとしての第2値であって前記第1値とは異なる前記第2値と、を前記機械学習モデルに入力することによって、前記印刷画像のうち、前記第2入力範囲に対応する範囲を含む第2出力範囲内の前記ドットの形成状態を示す第2部分ドットデータを前記機械学習モデルに出力させ、
前記第1部分ドットデータと前記第2部分ドットデータとを用いて、前記ドットデータを生成し、
前記機械学習モデルは、前記第2部分画像データが前記第1部分画像データと同一のデータである場合であっても、前記入力パラメータが異なることに基づいて、前記第1部分ドットデータとは異なる前記第2部分ドットデータを出力する、画像処理装置。 - 請求項1に記載の画像処理装置であって、
前記第2入力範囲は、前記対象画像のうちの前記第1入力範囲に隣接する一部であり、
前記第1出力範囲は、前記印刷画像のうち、前記第1入力範囲に対応する範囲と、前記第2入力範囲の一部に対応する範囲と、を含み、
前記第2出力範囲は、前記印刷画像のうち、前記第2入力範囲に対応する範囲と、前記第1入力範囲の一部に対応する範囲と、を含み、
前記第1出力範囲と前記第2出力範囲とは、前記第1入力範囲と前記第2入力範囲との境界に対応する部分において互いに重複している、画像処理装置。 - 印刷材を用いて印刷媒体上にドットを形成する印刷実行部のための画像処理装置であって、
複数個の画素を含む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、
前記対象画像データを用いて、前記対象画像に対応する印刷画像の複数個の画素のそれぞれについて前記ドットの形成状態を示すドットデータを生成するドットデータ生成部と、
を備え、
前記ドットデータ生成部は、
前記対象画像データのうち、前記対象画像のうちの一部である第1入力範囲に対応する第1部分画像データを機械学習モデルに入力することによって、第1出力範囲内の前記ドットの形成状態を示す第1部分ドットデータを前記機械学習モデルに出力させ、
前記対象画像データのうち、前記対象画像のうちの前記第1入力範囲に隣接する一部である第2入力範囲に対応する第2部分画像データを前記機械学習モデルに入力することによって、第2出力範囲内の前記ドットの形成状態を示す第2部分ドットデータを前記機械学習モデルに出力させ、
前記第1部分ドットデータと前記第2部分ドットデータとを用いて、前記ドットデータを生成し、
前記第1出力範囲は、前記印刷画像のうち、前記第1入力範囲に対応する範囲と、前記第2入力範囲の一部に対応する範囲と、を含み、
前記第2出力範囲は、前記印刷画像のうち、前記第2入力範囲に対応する範囲と、前記第1入力範囲の一部に対応する範囲と、を含み、
前記第1出力範囲と前記第2出力範囲とは、前記第1入力範囲と前記第2入力範囲との境界に対応する部分において互いに重複している、画像処理装置。 - 請求項2または3のいずれかに記載の画像処理装置であって、
前記ドットデータ生成部は、前記ドットデータのうち、前記第1出力範囲と前記第2出力範囲とが重複する重複範囲内の第1の画素の値を、前記第1部分ドットデータのうちの対応する画素の値とし、前記重複範囲内の第2の画素の値を前記第2部分ドットデータのうちの対応する画素の値とすることによって、前記ドットデータを生成する、画像処理装置。 - 請求項4に記載の画像処理装置であって、
前記第1の画素と前記第2の画素とは、前記重複範囲内の複数個の画素の中からランダムに選択される、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、さらに、
前記対象画像において、写真を含む第1種の領域と、前記写真とは異なる画像を含む第2種の領域と、を特定する領域特定部を備え、
前記ドットデータ生成部は、
前記第1種の領域に対応する前記第1部分ドットデータと前記第2部分ドットデータと、を前記機械学習モデルに出力させ、
前記ドットデータのうち、前記第1種の領域に対応するデータを、前記第1部分ドットデータと前記第2部分ドットデータとを用いて生成し、
前記対象画像データのうち、前記第2種の領域に対応するデータに対して、前記機械学習モデルを用いることなく、特定のハーフトーン処理を実行することによって、前記ドットデータのうち、前記第2種の領域に対応するデータを生成する、画像処理装置。 - 対象画像のうちの一部である入力範囲に対応する部分画像データが入力され、前記対象画像に基づく印刷画像のうち、前記入力範囲に対応する範囲を含む出力範囲内のドットの形成状態を示す部分ドットデータを出力する機械学習モデルをトレーニングする方法であって、
複数組のデータセットを取得する取得ステップであって、前記複数組のデータセットのそれぞれは、前記部分画像データのサンプルである入力画像データと、複数の特定値の中から選択される1つの値である入力パラメータと、を含む、前記取得ステップと、
前記複数組のデータセットを入力として前記機械学習モデルに入力して、前記複数組のデータセットに対応する複数個の前記部分ドットデータを出力させる入出力ステップと、
前記入出力ステップにて出力される前記複数個の部分ドットデータを用いて、前記機械学習モデルによる演算に用いられる複数個の演算パラメータを調整する調整ステップと、
を備え、
前記調整ステップにおいて、前記複数個の演算パラメータは、特定の前記入力画像データと前記入力パラメータとしての第1値とを含む第1の前記データセットに対応する前記部分ドットデータである第1部分ドットデータと、前記特定の入力画像データと前記入力パラメータとしての第2値であって前記第1値とは異なる前記第2値とを含む第2の前記データセットに対応する前記部分ドットデータである第2部分ドットデータと、が異なるデータになるように調整される、方法。 - 請求項7に記載の方法であって、
前記調整ステップにおいて、前記複数個の演算パラメータは、前記入出力ステップにて出力される前記複数個の部分ドットデータを用いて、特定の損失関数に基づいて算出される指標値が小さくなるように調整され、
前記特定の損失関数は、前記第1部分ドットデータと前記第2部分ドットデータとの差異が大きいほど小さくなる第1の項を含む、方法。 - 請求項7または8に記載の方法であって、
前記印刷画像は、複数種の印刷材を用いて印刷される画像であり、
前記部分ドットデータは、前記複数種の印刷材に対応する複数種の前記ドットの形成状態を画素毎に示すデータであり、
前記調整ステップにおいて、前記複数個の演算パラメータは、前記入出力ステップにて出力される前記複数個の部分ドットデータを用いて、特定の損失関数に基づいて算出される指標値が小さくなるように調整され、
前記特定の損失関数は、前記部分ドットデータにおいて、2種以上の前記ドットの形成を示す画素データの個数が多いほど大きくなる第2の項を含む、方法。 - 請求項7~9のいずれかに記載の方法であって、
前記調整ステップにおいて、前記複数個の演算パラメータは、前記入出力ステップにて出力される前記複数個の部分ドットデータを用いて、特定の損失関数に基づいて算出される指標値が小さくなるように調整され、
前記特定の損失関数は、前記部分ドットデータによって示される画像の粒状度が大きいほど大きくなる第3の項を含む、方法。 - 請求項7~10のいずれかに記載の方法であって、
前記調整ステップにおいて、前記複数個の演算パラメータは、前記入出力ステップにて出力される前記複数個の部分ドットデータを用いて、特定の損失関数に基づいて算出される指標値が小さくなるように調整され、
前記特定の損失関数は、前記部分ドットデータによって示される画像の濃度が、対応する前記データセットに含まれる前記入力画像データによって示される画像の濃度に近いほど小さくなる第4の項を含む、方法。 - 印刷材を用いて印刷媒体上にドットを形成する印刷実行部のためのコンピュータプログラムであって、
複数個の画素を含む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、
前記対象画像データを用いて、前記対象画像に対応する印刷画像の複数個の画素のそれぞれについて前記ドットの形成状態を示すドットデータを生成するドットデータ生成機能と、
をコンピュータに実現させ、
前記ドットデータ生成機能は、
前記対象画像データのうち、前記対象画像のうちの一部である第1入力範囲に対応する第1部分画像データと、入力パラメータである第1値と、を機械学習モデルに入力することによって、前記印刷画像のうち、前記第1入力範囲に対応する範囲を含む第1出力範囲内の前記ドットの形成状態を示す第1部分ドットデータを前記機械学習モデルに出力させ、
前記対象画像データのうち、前記対象画像のうちの前記第1入力範囲とは異なる部分である第2入力範囲に対応する第2部分画像データと、前記入力パラメータとしての第2値であって前記第1値とは異なる前記第2値と、を前記機械学習モデルに入力することによって、前記印刷画像のうち、前記第2入力範囲に対応する範囲を含む第2出力範囲内の前記ドットの形成状態を示す第2部分ドットデータを前記機械学習モデルに出力させ、
前記第1部分ドットデータと前記第2部分ドットデータとを用いて、前記ドットデータを生成し、
前記機械学習モデルは、前記第2部分画像データが前記第1部分画像データと同一のデータである場合であっても、前記入力パラメータが異なることに基づいて、前記第1部分ドットデータとは異なる前記第2部分ドットデータを出力する、コンピュータプログラム。 - 印刷材を用いて印刷媒体上にドットを形成する印刷実行部のためのコンピュータプログラムであって、
複数個の画素を含む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、
前記対象画像データを用いて、前記対象画像に対応する印刷画像の複数個の画素のそれぞれについて前記ドットの形成状態を示すドットデータを生成するドットデータ生成機能と、
をコンピュータに実現させ、
前記ドットデータ生成機能は、
前記対象画像データのうち、前記対象画像のうちの一部である第1入力範囲に対応する第1部分画像データを機械学習モデルに入力することによって、第1出力範囲内の前記ドットの形成状態を示す第1部分ドットデータを前記機械学習モデルに出力させ、
前記対象画像データのうち、前記対象画像のうちの前記第1入力範囲に隣接する一部である第2入力範囲に対応する第2部分画像データを前記機械学習モデルに入力することによって、第2出力範囲内の前記ドットの形成状態を示す第2部分ドットデータを前記機械学習モデルに出力させ、
前記第1部分ドットデータと前記第2部分ドットデータとを用いて、前記ドットデータを生成し、
前記第1出力範囲は、前記印刷画像のうち、前記第1入力範囲に対応する範囲と、前記第2入力範囲の一部に対応する範囲と、を含み、
前記第2出力範囲は、前記印刷画像のうち、前記第2入力範囲に対応する範囲と、前記第1入力範囲の一部に対応する範囲と、を含み、
前記第1出力範囲と前記第2出力範囲とは、前記第1入力範囲と前記第2入力範囲との境界に対応する部分において互いに重複している、コンピュータプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019017098A JP7185186B2 (ja) | 2019-02-01 | 2019-02-01 | 画像処理装置、機械学習モデルをトレーニングする方法、および、コンピュータプログラム |
US16/775,448 US11325398B2 (en) | 2019-02-01 | 2020-01-29 | Image processing device generating dot data using machine learning model and method for training machine learning model |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019017098A JP7185186B2 (ja) | 2019-02-01 | 2019-02-01 | 画像処理装置、機械学習モデルをトレーニングする方法、および、コンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020127081A JP2020127081A (ja) | 2020-08-20 |
JP7185186B2 true JP7185186B2 (ja) | 2022-12-07 |
Family
ID=71837226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019017098A Active JP7185186B2 (ja) | 2019-02-01 | 2019-02-01 | 画像処理装置、機械学習モデルをトレーニングする方法、および、コンピュータプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11325398B2 (ja) |
JP (1) | JP7185186B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7478585B2 (ja) * | 2020-04-28 | 2024-05-07 | 株式会社日立製作所 | プログラム部品評価システム、及びプログラム部品評価方法 |
CN113569694B (zh) * | 2021-07-22 | 2024-03-19 | 北京市博汇科技股份有限公司 | 一种面部筛选方法、装置、设备及存储介质 |
CN113997699B (zh) * | 2021-10-29 | 2022-07-15 | 星河智联汽车科技有限公司 | 一种路面图案喷绘方法、装置及车辆 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0447473A (ja) | 1990-06-14 | 1992-02-17 | Canon Inc | ニューラルネットワークを用いた画像処理方法 |
JPH05225378A (ja) | 1991-06-03 | 1993-09-03 | Fujitsu Ltd | 文書画像の領域分割システム |
JPH0531958A (ja) * | 1991-08-01 | 1993-02-09 | Fujitsu Ltd | 画像形成装置 |
JPH05130395A (ja) * | 1991-11-08 | 1993-05-25 | Ricoh Co Ltd | 色信号処理装置 |
JPH0825693A (ja) * | 1994-07-15 | 1996-01-30 | Canon Inc | 印刷方法及び装置 |
JPH1155507A (ja) * | 1997-07-31 | 1999-02-26 | Sharp Corp | 画像処理装置 |
JP4558232B2 (ja) | 2001-03-26 | 2010-10-06 | 株式会社リコー | 画像処理方法、画像処理装置および画像処理方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2002300397A (ja) * | 2001-03-29 | 2002-10-11 | Fuji Photo Film Co Ltd | 網点画像表示装置および網点画像表示プログラム |
JP4670921B2 (ja) * | 2008-09-12 | 2011-04-13 | ブラザー工業株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP5709394B2 (ja) * | 2010-03-26 | 2015-04-30 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP5776419B2 (ja) | 2011-07-29 | 2015-09-09 | ブラザー工業株式会社 | 画像処理装置、画像処理プラグラム |
JP2018142097A (ja) * | 2017-02-27 | 2018-09-13 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP7030423B2 (ja) * | 2017-04-27 | 2022-03-07 | シスメックス株式会社 | 画像解析方法、装置、プログラムおよび深層学習アルゴリズムの製造方法 |
-
2019
- 2019-02-01 JP JP2019017098A patent/JP7185186B2/ja active Active
-
2020
- 2020-01-29 US US16/775,448 patent/US11325398B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020127081A (ja) | 2020-08-20 |
US11325398B2 (en) | 2022-05-10 |
US20200247138A1 (en) | 2020-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7185186B2 (ja) | 画像処理装置、機械学習モデルをトレーニングする方法、および、コンピュータプログラム | |
US11233921B2 (en) | Image processing apparatus that specifies edge pixel in target image using single-component image data | |
EP1558017A2 (en) | Halftoning method and system | |
US10529058B2 (en) | Image processing apparatus that smooths image using classification result of pixels included therein | |
US9147140B2 (en) | Image processing apparatus, method, and product for converting image data into fewer gradations based on total value of pixels in a group except for a detected pixel having a specific value | |
US10565465B2 (en) | Image processing apparatus that identifies character pixel in target image using first and second candidate character pixels | |
US20140092441A1 (en) | Image processing device capable of suppressing deformation of printing medium | |
JP7423905B2 (ja) | 機械学習モデルのトレーニング方法、データ生成装置、および、学習済みの機械学習モデル | |
US11381707B2 (en) | Error diffusion for printing | |
US10339636B2 (en) | Image processing apparatus that specifies edge pixel in target image by calculating edge strength | |
JP5715386B2 (ja) | 画像処理装置及びその制御方法、並びにプログラム及び記憶媒体 | |
US11900564B2 (en) | Storage medium storing program, image processing apparatus, and training method of machine learning model | |
JP4108517B2 (ja) | ハーフトーン化処理方法及びハーフトーン化処理システム | |
JP4637766B2 (ja) | 色誤差拡散 | |
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 | |
JP2020082694A (ja) | ディザマトリクスの生成装置、生成方法、当該ディザマトリクスを用いた画像処理装置、画像処理方法、及びプログラム | |
JP7191665B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2018098552A (ja) | 画像処理装置、画像処理プログラム及び画像処理方法 | |
JP2007336081A (ja) | 色域外郭作成装置、色域外郭作成方法、及び色域外郭作成プログラム | |
JP4238660B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
US9143654B2 (en) | Image processing apparatus, image processing method, and storage medium | |
CN109040516A (zh) | 图像处理装置和图像处理方法 | |
JP2005341142A (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよびそのプログラムを記録した記録媒体 | |
JP2006324721A (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよびそのプログラムを記録した記録媒体 | |
JP2006060645A (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理プログラムを記録した記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220114 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220906 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220914 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221019 |
|
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: 20221026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7185186 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |