JPH0630253A

JPH0630253A - 画像処理装置及び画像処理方法

Info

Publication number: JPH0630253A
Application number: JP4221887A
Authority: JP
Inventors: Yoshiaki Nishikawa; 喜章西川; Akira Kojima; 晃小嶋; Takashi Kitaguchi; 貴史北口; Takahiko Uno; 高彦宇野; Konosuke Maruyama; 幸之助丸山; Koshu Suzuki; 弘修鈴木
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1992-07-08
Filing date: 1992-07-08
Publication date: 1994-02-04

Abstract

(57)【要約】【目的】画像処理の追加，及び，画像処理内容の変更
を容易に行える。また，簡単な構成で，装置のコストを
上昇させることなく，画像処理の追加，及び，画像処理
内容の変更を行える。【構成】結合係数に基づいて学習を行うニューラルネ
ットワークを用いて第１の色分解データを第２の色分解
データに変換する画像処理部２０１と，第１の色分解デ
ータ及び（或いは）第２の色分解データを外部に出力す
る演算ユニット２０３とを備えている。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はＲ，Ｇ，Ｂ，或いは，
Ｙ，Ｍ，Ｃから成る色分解データを入力して画像処理を
施す画像処理装置に関し，より詳細には，ニューラルネ
ットワークを用いて画像処理を施す画像処理装置に関す
る。

【０００２】

【従来の技術】従来のＲ（レッド），Ｇ（グリーン），
Ｂ（ブルー），或いは，Ｙ（イエロー），Ｍ（マゼン
タ），Ｃ（シアン）から成る色分解データを入力して画
像処理を施す画像処理装置，例えば，カラー複写機の画
像処理装置において，色抜き，モノトーン，色変換とい
った画像処理を実行可能なものがある。

【０００３】

【発明が解決しようとする課題】しかしながら，上記の
従来の画像処理装置によれば，色抜き，モノトーン，色
変換等の各処理は，それぞれ処理別に専用のハードウェ
ア，或いは，ソフトウェアを必要とするため，既存の処
理に別の処理を追加したり，処理内容を変更することが
困難であるという問題点があった。特に，処理別に専用
のハードウェアを増設する場合には，装置のコストが上
昇するという問題点や，構成が複雑になるという問題点
もあった。

【０００４】本発明は上記に鑑みてなされたものであっ
て，画像処理の追加，及び，画像処理内容の変更が容易
に行えることを目的とする。

【０００５】また，本発明は上記に鑑みてなされたもの
であって，簡単な構成で，装置のコストを上昇させるこ
となく，画像処理の追加，及び，画像処理内容の変更を
行うことを目的とする。

【０００６】

【課題を解決するための手段】本発明は上記の目的を達
成するために，Ｒ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成
る第１の色分解データを入力して，第１の色分解データ
に画像処理を施す画像処理装置において，結合係数に基
づいて学習を行うニューラルネットワークを用いて第１
の色分解データを第２の色分解データに変換する変換手
段と，第１の色分解データ及び（或いは）第２の色分解
データを外部に出力する出力手段とを備えた画像処理装
置を提供するものである。尚，前記第１の色分解データ
は，原稿読取手段によって原稿画像を光電変換して生成
した色分解データであることが望ましい。

【０００７】また，本発明は上記の目的を達成するため
に，原稿読取手段によって原稿画像を光電変換して生成
したＲ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成る第１の色
分解データを入力して，第１の色分解データに画像処理
を施す画像処理装置において，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換する変換手段と，第１
の色分解データ及び（或いは）第２の色分解データを外
部に出力する出力手段と，前記変換手段の外部に交換及
び着脱可能に取り付けられた結合係数格納手段とを備え
た画像処理装置を提供するものである。尚，前記結合係
数格納手段には，複数の結合係数が格納されていること
が望ましい。

【０００８】また，本発明は上記の目的を達成するため
に，原稿読取手段によって原稿画像を光電変換して生成
したＲ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成る第１の色
分解データを入力して，第１の色分解データに画像処理
を施す画像処理装置において，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換する変換手段と，第１
の色分解データ及び（或いは）第２の色分解データを外
部に出力する出力手段と，前記変換手段の外部に交換及
び着脱可能に取り付けられた結合係数格納手段と，前記
第１の色分解データと第２の色分解データとを記憶する
記憶手段とを備えた画像処理装置を提供するものであ
る。

【０００９】また，本発明は上記の目的を達成するため
に，原稿読取手段によって原稿画像を光電変換して生成
したＲ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成る第１の色
分解データを入力して，第１の色分解データに画像処理
を施す画像処理装置において，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換する変換手段と，第１
の色分解データ及び（或いは）第２の色分解データを外
部に出力する出力手段と，前記変換手段の外部に交換及
び着脱可能に取り付けられた結合係数格納手段と，前記
第１の色分解データと第２の色分解データとを記憶する
と共に，前記変換手段のニューラルネットワークに転送
する記憶転送手段とを備えた画像処理装置を提供するも
のである。

【００１０】また，本発明は上記の目的を達成するため
に，原稿読取手段によって原稿画像を光電変換して生成
したＲ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成る第１の色
分解データを入力して，第１の色分解データに画像処理
を施す画像処理装置において，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換する変換手段と，第１
の色分解データ及び（或いは）第２の色分解データを外
部に出力する出力手段と，前記変換手段の外部に交換及
び着脱可能に取り付けられた結合係数格納手段と，前記
第１の色分解データと第２の色分解データとを記憶する
と共に，前記変換手段のニューラルネットワークに転送
する記憶転送手段と，前記第１の色分解データと第２の
色分解データとを同期させる同期手段と，前記第１の色
分解データと第２の色分解データとを演算し，演算結果
を出力する演算手段とを備えた画像処理装置を提供する
ものである。尚，前記演算手段は，複数の種類の演算を
行うことが可能で，且つ，演算を切り替えるタイミング
が任意に設定されることが望ましい。

【００１１】また，本発明は上記の目的を達成するため
に，原稿読取手段によって原稿画像を光電変換して生成
したＲ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成る第１の色
分解データを入力して，第１の色分解データに画像処理
を施す画像処理装置において，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換する変換手段と，第１
の色分解データ及び（或いは）第２の色分解データを外
部に出力する出力手段と，前記変換手段の外部に交換及
び着脱可能に取り付けられた結合係数格納手段と，前記
第１の色分解データと第２の色分解データとを記憶する
と共に，前記変換手段のニューラルネットワークに転送
する記憶転送手段と，前記第１の色分解データと第２の
色分解データとを同期させる同期手段と，前記第１の色
分解データと第２の色分解データとを演算し，演算結果
を出力する演算手段と，原稿画像の領域を指定する領域
指定手段と，前記領域指定手段で指定された領域に基づ
いて，前記演算手段を制御する制御手段とを備えた画像
処理装置を提供するものである。

【００１２】また，本発明は上記の目的を達成するため
に，原稿読取手段によって原稿画像を光電変換して生成
したＲ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成る第１の色
分解データを入力して，第１の色分解データに画像処理
を施す画像処理装置において，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換する変換手段と，第１
の色分解データ及び（或いは）第２の色分解データを外
部に出力する出力手段と，前記変換手段の外部に交換及
び着脱可能に取り付けられた結合係数格納手段と，前記
第１の色分解データと第２の色分解データとを記憶する
と共に，前記変換手段のニューラルネットワークに転送
する記憶転送手段と，原稿画像の領域を指定する領域指
定手段と，前記領域指定手段で指定された領域に基づい
て，前記ニューラルネットワークの学習制御を行う制御
手段とを備えた画像処理装置を提供するものである。

【００１３】また，本発明は上記の目的を達成するため
に，原稿読取手段によって原稿画像を光電変換して生成
したＲ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成る第１の色
分解データを入力して，第１の色分解データに画像処理
を施す画像処理装置において，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換する変換手段と，前記
第１の色分解データ及び第２の色分解データと，新たに
前記原稿読取手段で読み取った色分解データを第３の色
分解データとして記憶する記憶手段と，前記第３の色分
解データを正解データとして前記ニューラルネットワー
クに与える正解データ供給手段とを備え，前記第１の色
分解データの入力に対して，前記ニューラルネットワー
クから第３の色分解データと同一の色分解データが第２
の色分解データとして出力されるようにニューラルネッ
トワークの学習を行う画像処理装置を提供するものであ
る。尚，前記第１の色分解データは，前記原稿読取手段
によって原稿画像上の第１の領域から入力した色分解デ
ータであり，前記第３の色分解データは前記原稿読取手
段によって原稿画像上の第２の領域から入力した色分解
データであることが望ましい。

【００１４】また，本発明は上記の目的を達成するため
に，原稿読取手段によって原稿画像を光電変換して生成
したＲ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成る第１の色
分解データを入力して，第１の色分解データに画像処理
を施す画像処理装置において，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換する変換手段と，前記
第１の色分解データ及び第２の色分解データと，新たに
前記原稿読取手段で読み取った色分解データを第３の色
分解データとして記憶する記憶手段と，前記第３の色分
解データを正解データとして前記ニューラルネットワー
クに与える正解データ供給手段と，原稿画像の領域を複
数指定する領域指定手段と，指定された領域の第１の色
分解データと，第２の色分解データ及び第３の色分解デ
ータを同期的に制御する同期手段とを備え，前記第１の
色分解データの入力に対して，前記ニューラルネットワ
ークから第３の色分解データと同一の色分解データが第
２の色分解データとして出力されるようにニューラルネ
ットワークの学習を行う画像処理装置を提供するもので
ある。

【００１５】また，本発明は上記の目的を達成するため
に，原稿画像を光電変換して第１の色分解データを生成
するステップと，結合係数に基づいて学習を行うニュー
ラルネットワークを用いて第１の色分解データを第２の
色分解データに変換するステップと，第１の色分解デー
タ及び第２の色分解データと，新たに前記原稿読取手段
で読み取った色分解データを第３の色分解データとして
記憶するステップと，前記第３の色分解データを正解デ
ータとして前記ニューラルネットワークに与えるステッ
プと，前記第１の色分解データの入力に対して，前記ニ
ューラルネットワークから第３の色分解データと同一の
色分解データが第２の色分解データとして出力されるよ
うにニューラルネットワークの学習を行うステップを有
した画像処理方法を提供するものである。

【００１６】また，本発明は上記の目的を達成するため
に，原稿読取手段によって原稿画像を光電変換して生成
したＲ，Ｇ，Ｂ，或いは，Ｙ，Ｍ，Ｃから成る第１の色
分解データを入力して，第１の色分解データに画像処理
を施す画像処理装置において，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換する変換手段と，第１
の色分解データと第２の色分解データとの対応を一覧と
して出力する画像出力する画像出力手段とを備えた画像
処理装置を提供するものである。尚，前記一覧は，第１
の色分解データと第２の色分解データとの対応毎に符号
が付けられていることが望ましい。また，前記一覧に付
けられている符号を入力して，第１の色分解データから
第２の色分解データへの変換或いは変換禁止を選択する
変換選択手段を備えることが望ましい。

【００１７】

【作用】本発明の画像処理装置及び画像処理方法は，変
換手段において，結合係数に基づいて学習を行うニュー
ラルネットワークを用いて色分解データの変換を行う。
この時，必要に応じてニューラルネットワークの学習を
行うことにより，変換処理の内容を変更する。また，変
換手段の外部に交換及び着脱可能に取り付けられた結合
係数格納手段を取り替えることにより，変換手段の変換
処理の内容を変更する。

【００１８】

【実施例】以下，本発明の画像処理装置及び画像処理方
法の一実施例を図面に基づいて詳細に説明する。

【００１９】図１は，本発明の画像処理装置を適用した
デジタル複写機の制御ブロック図を示す。デジタル複写
機は，大別して，原稿画像を読み取る原稿読取装置１０
０と，本発明の画像処理装置２００と，画像データを出
力するプリンタ３００と，装置全体の制御を行う制御ユ
ニット４００と，オペレータが各種の指令を入力するた
めの操作部５００とから構成される。

【００２０】原稿読取装置１００は，原稿からの反射光
を分光したＲ（レッド），Ｇ（グリーン），Ｂ（ブル
ー）の色分解データを光電変換するＣＣＤ１０１Ｒ，１
０１Ｇ，１０１Ｂと，光電変換後のアナログデータをデ
ジタルデータに変換するＡ／Ｄコンバータ１０２Ｒ，１
０２Ｇ，１０２Ｂと，Ａ／Ｄ変換後のＲ，Ｇ，Ｂのそれ
ぞれの色分解データを入力してシェーディング補正を行
うシェーディング補正回路１０３と，Ｒ，Ｇ，Ｂの色分
解データをＹ（イエロー），Ｍ（マゼンタ），Ｃ（シア
ン）に変換し，γ（ガンマ）補正を行うＲＧＢ・ＹＭＣ
変換／ガンマ補正回路１０４と，ＲＧＢ・ＹＭＣ変換／
ガンマ補正回路１０４に用いるデータテーブルを格納し
たＲＯＭ１０５とから構成される。

【００２１】画像処理装置２００は，原稿読取装置１０
０でＹ，Ｍ，Ｃに色分解・補正された色分解データを入
力して，変換処理を行うニューラルネットワーク２０１
ａ（図３参照）を含む画像処理部２０１と，画像処理部
２０１のニューラルネットワーク２０１ａで使用する複
数の結合係数（重みデータ）を格納した着脱可能な記憶
装置（ここでは，ＩＣカード）であるＲＯＭ２０２ａ，
ＲＯＭ２０２ｂ，ＲＡＭ２０２ｃと，原稿読取装置１０
０から出力された色分解データＹ，Ｍ，Ｃと，画像処理
部２０１から出力された色分解データＹ⁰，Ｍ⁰，Ｃ⁰
とを入力し，演算・選択して出力する演算ユニット２０
３と，原稿読取装置１００及び演算ユニット２０３から
出力される色分解データを記憶する画像メモリ２０４と
を備えている。尚，２０５は画像処理部２０１のニュー
ラルネットワーク２０１ａの学習時に，画像メモリ２０
４からニューラルネットワーク２０１ａへデータを入出
力するためのラインを示す。また，２０３ａは，演算ユ
ニット２０３の原稿読取装置１００側の入力部を示し，
２０３ｂは演算ユニット２０３の画像処理部２０１側の
入力部を示す。

【００２２】プリンタ３００は，色分解データの出力が
可能なカラープリンタである。尚，従来のカラープリン
タを適用できるので構成の図示及び説明を省略する。

【００２３】制御ユニット４００は，原稿読取装置１０
０，画像処理装置２００，プリンタ３００等の同期及び
制御を行うユニットであり，ＣＰＵ４０１，ＲＯＭ４０
２，ＲＡＭ４０３，Ｉ／Ｏポート４０４，Ｉ／Ｏポート
４０５がバス４０６で接続されている。また，Ｉ／Ｏポ
ート４０５を介して同期／制御回路４０７が接続されて
おり，Ｉ／Ｏポート４０４を介して，操作部５００，各
種センサ及び各種負荷（図示せず）が接続されている。
ここで同期／制御回路４０７は，原稿読取装置１００，
画像処理装置２００，プリンタ３００等の各装置間の同
期制御を行うと共に，色分解データＹ，Ｍ，Ｃと色分解
データＹ⁰，Ｍ⁰，Ｃ⁰との同期制御を行うものであ
る。また，後述する画像処理に関する制御も全て制御ユ
ニット４００の制御によって実行される。

【００２４】図２は，操作部５００の外観を示す。操作
部５００は，コピー枚数や座標を入力するためのテンキ
ー５０１と，置数入力のためのエンターキー５０２と，
コピースタートキー５０３と，本発明の画像処理を指定
するための画像処理指定キー５０４と，画像処理指定キ
ー５０４に対応して処理内容を表示する表示部５０５と
を備えている。また，図示を省略するが，操作部５００
には，各種のモードや，処理を選択を行うための液晶タ
ッチパネルが設けられている。

【００２５】次に，図３を参照して，画像処理部２０１
の基本構成について説明する。画像処理部２０１におい
て，ニューラルネットワーク２０１ａは入力Ｄ_IN（図１
に示す色分解データＹ，Ｍ，Ｃ）を出力Ｄ_OUT（図１に
示す色分解データＹ⁰，Ｍ⁰，Ｃ⁰）に変換して出力す
る。ニューラルネットワーク２０１ａの入力Ｄ_INから出
力Ｄ_OUTへの変換を決定する結合係数は，図１で示した
ように複数の着脱可能なメモリ（２０２ａ〜２０２ｃ）
に格納されており，その中の少なくとも１つは自由に読
み書きができるメモリ（図３では，ＲＡＭ２０２ｃ）で
ある。尚，図において，２０１ｂはニューラルネットワ
ーク２０１ａの学習時に使用する比較器を示し，２０１
ｃはニューラルネットワーク２０１ａの出力Ｄ_OUTと画
像メモリ２０４の出力Ｄ_xxとの差分ΔＤ（ΔＤ＝｜Ｄ
_OUT−Ｄ_xx｜）を求める差分器を示す。

【００２６】ニューラルネットワーク２０１ａの構成
は，階層構造であっても，その他の構成であっても良
く，特に限定する必要はない。また，その実現方法も，
ソフトウェアによるものでも，ハードウェアニューロン
によるものであっても良い。また，ソフトウェアとハー
ドウェアニューロンとの両方を用いたものでも良い。

【００２７】ここで，図３の基本構成と共に，図４のフ
ローチャートを参照して，ニューラルネットワーク２０
１ａに所望の画像処理を行わせるための学習（即ち，結
合係数の修正）の概略について説明する。学習に先立っ
て，画像メモリ２０４の中に所望の画像データＤ_xx，換
言すれば，入力Ｄ_INに対して出力する画像データ（或い
は，出力させたい画像データ）Ｄ_xxを記憶させる。

【００２８】次に，ニューラルネットワーク２０１ａに
入力Ｄ_INを入力すると_,ニューラルネットワーク２０１
ａから出力Ｄ_OUTが得られる（Ｓ４０１）。続いて，差
分器２０１ｃで出力Ｄ_OUTと画像メモリ２０４中のＤ_xx
との差分ΔＤを求め（Ｓ４０２），比較器２０１ｂにお
いて，差分ΔＤと所定値とを比較し（Ｓ４０３），所定
値以上の場合，結合係数の修正を行う（Ｓ４０４）。Ｓ
４０４における結合係数の修正はバックプロパゲーショ
ン等の方法を適用することができる。一方，差分ΔＤが
所定値より小さい場合には，Ｓ４０５へ進む。

【００２９】Ｓ４０５では，Ｓ４０１〜Ｓ４０４のステ
ップが所定回数繰り返されたか否か判断し，所定回数終
了していれば，処理を終了する（Ｓ４０５）。このよう
に結合係数の修正を行うことにより，ニューラルネット
ワーク２０１ａを用いて所望の画像処理を行うことがで
きるようになる。この学習を終えた結合係数は，不揮発
性メモリに記憶させ，本実施例と同様の他の画像処理部
に利用することができる。換言すれば，１つの画像処理
部２０１の学習結果を結合係数として蓄積及び抽出する
ことで，他のデジタル複写機の画像処理部に移植するこ
とができる。尚，上記の出力Ｄ_OUTは一旦画像メモリ２
０４に記憶させることもできる。

【００３０】以上の構成において，原稿の全画像に対
して画像処理を行う場合，原稿の一部に対して画像処
理を行う場合，ニューラルネットワークの学習を行う
場合，変換一覧出力処理，変換指定処理，実施例
の効果の順序でその動作を説明する。

【００３１】原稿の全画像に対して画像処理を行う場
合本発明の画像処理を行う場合，先ず，画像処理部２０１
で処理させる画像処理の内容に対応した結合係数が格納
されているメモリをＲＯＭ２０２ａ，２０２ｂ，或いは
ＲＡＭ２０２ｃより選択し，画像処理部２０１に接続す
る。実際には，画像処理として『色抜き』を行いたい場
合，図２に示した操作部５００の画像処理キー５０４を
介して，色抜きの番号（ここでは，１）を押下すること
によって対応するＲＯＭ２０２ａ，２０２ｂ，或いはＲ
ＡＭ２０２が自動的に選択される構成である。

【００３２】所望の画像処理を選択した後，原稿を原稿
読取装置１００に設定して，コピースタートーキー５０
３を押下すると，原稿読取装置１００によって原稿画像
が読み取られ，色分解データＹ，Ｍ，Ｃが画像処理装置
２００に送られる。

【００３３】原稿読取装置１００から出力された色分解
データＹ，Ｍ，Ｃは，画像処理装置２００においてニュ
ーラルネットワーク２０１ａに入力される。原稿の全画
像に対して画像処理（ここでは，色抜き処理）を実行す
る場合は，常に，演算ユニット２０３の入力２０３ａが
マスクされ，２０３ｂから入力される色分解データ
Ｙ⁰，Ｍ⁰，Ｃ⁰が色分解データＹ⁰⁰，Ｍ⁰⁰，Ｃ⁰⁰とし
てプリンタ３００に出力される。

【００３４】このように所望の画像処理を選択すること
により，ＲＯＭ２０２ａ，２０２ｂ，或いはＲＡＭ２０
２ｃの中から対応する結合係数が選択され，ニューラル
ネットワーク２０１ａが該結合係数を用いて色変換を行
うので，予め実行した画像処理に対応した結合係数を作
成し，ＩＣカード（ＲＯＭ２０２ａ，ＲＯＭ２０２ｂ，
ＲＡＭ２０２ｃ）として準備するだけで，種々の画像処
理を容易に行うことができる。

【００３５】原稿の一部に対して画像処理を行う場合一方，原稿の特定の領域のみに対して画像処理を実行す
る場合には，予め領域指定手段を用いて対象領域或いは
対象外領域を指定する。具体的には，例えば，領域指定
手段として操作部５００を用いて，Ｘ座標２点，Ｙ座標
２点を入力すれば良い。図５は，原稿の特定の領域のみ
に対して画像処理を実行する場合に，ＣＰＵ４０１が実
行する領域入力処理フローチャートを示す。

【００３６】原稿をセットした後（Ｓ５０１），操作部
５００を介して処理選択を行う（Ｓ５０２）。尚，詳細
な説明を省略するが，この操作部５００における処理選
択は液晶タッチパネルを用いて行うものとする。ここ
で，画像処理禁止領域入力，画像処理領域入力を選択す
ることができ，画像処理を行わない領域（禁止領域）
と，画像処理を行う領域とを指定することができる（Ｓ
５０３，Ｓ５０４）。上記の領域指定は，所定の終了キ
ーを押下するまで繰り返される（Ｓ５０５）。即ち，複
数領域の指定が可能である。

【００３７】次に，図５の領域入力処理が行われた場合
の動作について，図６の領域指定画像処理のフローチャ
ートを参照して説明する。先ず，原稿読取装置１００で
原稿読み取りを実行し，色分解データＹ，Ｍ，Ｃを画像
処理装置２００へ送信する（Ｓ６０１）。原稿読取装置
１００から出力された色分解データＹ，Ｍ，Ｃは，画像
処理装置２００においてニューラルネットワーク２０１
ａに入力される。

【００３８】次に，領域入力処理で指定された画像処理
を行う領域であるか否かの判定を行い（Ｓ６０２），画
像処理を行う領域ならば，演算ユニット２０３の入力２
０３ａをマスクし，ニューラルネットワーク２０１ａに
よる画像処理（ここでは，色抜き処理）を実行し，色分
解データＹ⁰，Ｍ⁰，Ｃ⁰を演算ユニット２０３の入力
２０３ｂへ出力する（Ｓ６０３，Ｓ６０４）。従って，
演算ユニット２０３は，入力２０３ｂから入力される色
分解データＹ⁰，Ｍ⁰，Ｃ⁰を色分解データＹ⁰⁰，
Ｍ⁰⁰，Ｃ⁰⁰としてプリンタ３００に出力する（Ｓ６０
６）。

【００３９】一方，画像処理を行う領域でないならば
（即ち，禁止領域ならば），演算ユニット２０３の入力
２０３ｂをマスクする（Ｓ６０５）。この時，演算ユニ
ット２０３の入力２０３ａには，色分解データＹ，Ｍ，
Ｃが送られている。従って，演算ユニット２０３は，入
力２０３ａから入力される色分解データＹ，Ｍ，Ｃを色
分解データＹ⁰⁰，Ｍ⁰⁰，Ｃ⁰⁰としてプリンタ３００に出
力する（Ｓ６０６）。

【００４０】上記のＳ６０１〜Ｓ６０６のステップを原
稿読み取りが終了するまで繰り返す（Ｓ６０７）。

【００４１】ニューラルネットワークの学習を行う場
合図７のフローチャート，及び，図８の画像メモリ２０４
の構成を参照して，ニューラルネットワーク２０１ａの
学習時の処理について説明する。先ず，学習処理を行う
前処理として，Ｓ７０１〜Ｓ７０３で，変換前の原稿画
像（以下，変換前原稿と記載する）を読み取り，色分解
・補正等を行った後，図８に示すように画像メモリ２０
４に記憶させる。

【００４２】次に，Ｓ７０４〜Ｓ７０６で，変換前原稿
を変化させたときの所望の画像を示す原稿画像（以下，
所望原稿と記載する）を読み取り，色分解・補正等を行
った後，図８に示すように画像メモリ２０４に記憶させ
る。この所望原稿がニューラルネットワーク２０１ａの
正解データとなる。

【００４３】続いて，Ｓ７０７〜Ｓ７１１でニューラル
ネットワーク２０１ａの学習処理を実行する。先ず，画
像メモリ２０４から変換前原稿のデータ（画素単位）を
ニューラルネットワーク２０１ａに入力し（Ｓ７０
７），ニューラルネットワーク２０１ａから出力された
変換後のデータを変換後原稿として画像メモリ２０４に
記憶させる（Ｓ７０８）。

【００４４】変換後原稿のデータと所望原稿のデータを
画像処理部２０１で比較し，一致しない場合，ニューラ
ルネットワーク２０１ａの結合係数を変える学習を行う
（Ｓ７０９，Ｓ７１０）。一方，変換後原稿のデータと
所望原稿のデータとが一致した場合には，現在の結合係
数で所望の画像処理が実行されたことを示しているの
で，結合係数の変更を行わない。ニューラルネットワー
ク２０１ａの学習は，カオスニューラルネットワークを
用いる方法や，バックプロパゲーション等の方法がある
が，何れを用いても良く特に学習方法は問わない。

【００４５】上記のＳ７０７〜Ｓ７１０のステップは１
画素毎に全画素について実行され，全画素に対する処理
を１学習単位として，所定回数学習を行う（Ｓ７１
１）。学習の必要回数は，原稿によって異なるので必要
に応じて更に学習を行っても良い。

【００４６】尚，上記の図７のフローチャートでは，変
換前原稿と所望原稿との２枚の原稿を読み取らせる方法
を説明したが，図９（ａ）に示すように予め２つの領域
が設けられた学習用紙を用いて，変換前原稿の代わりに
領域１を読み込み，所望原稿の代わりに領域２を読み込
むことでも学習を行うことができる。この場合には，操
作部５００を介して学習用紙モードを選択すると，ＣＰ
Ｕ４０１は，図７のＳ７０１〜Ｓ７０３において領域１
を変換前原稿として処理し，Ｓ７０４〜Ｓ７０６で領域
２を所望原稿として処理する。

【００４７】また，任意の領域を指定する学習の時，例
えば図９（ｂ）に示す領域指定状態を例とすると，領域
１から領域２への変換，領域３から領域４への変換をそ
れぞれ目的とすると，変換前原稿の代わりに領域１及び
領域３を読み込み，所望原稿の代わりに領域２及び領域
４を読み込むことで実現できる。

【００４８】このように変換前原稿と所望原稿とを用い
て，ニューラルネットワーク２０１ａの学習を行うこと
により，ユーザ独自の画像処理を設定することができ
る。

【００４９】変換一覧出力処理本実施例では，ニューラルネットワーク２０１ａの学習
の際に画像メモリ２０４に記憶されたデータを，図１０
に示すような，変換一覧表としてプリンタ３００で出力
することができる。

【００５０】図１１は，変換一覧出力処理のフローチャ
ートを示す。先ず，符号Ｎに１を設定し（Ｓ１１０
１），符号Ｎを出力する（Ｓ１１０２）。次に，画像メ
モリ２０４の変換前原稿のデータ（元データ）を出力し
（Ｓ１１０３），文字『→』を出力し（Ｓ１１０４），
次に画像メモリ２０４の変換後原稿のデータ（変換デー
タ）を出力する（Ｓ１１０５）。符号Ｎの値を１つずつ
増やして，改行を繰り返す（Ｓ１１０７，Ｓ１１０
８）。最後のデータが終了するとプリンタ３００にプリ
ントアウトの指令を送信して図１０の変換一覧表を得る
（Ｓ１１０６，Ｓ１１０９）。

【００５１】このように変換一覧表を出力することによ
り，ユーザは変換前原稿の色が変換後原稿ではどの様な
色になるか視覚的に確認することができる。

【００５２】変換指定処理本実施例のデジタル複写機では，前述した変換一覧表を
参照して，変換させたい色，或いは，変換させたくない
色を指定することにより，ニューラルネットワーク２０
１ａに学習させた画像処理を更に変更して使用すること
が可能である。以下，図１２及び図１３のフローチャー
トを参照して，変換指定処理及び変換指定処理後の画像
出力処理について説明する。

【００５３】先ず，変換指定処理を行う場合，操作部５
００を介して処理選択を行う（Ｓ１２０１）。この操作
部５００における処理選択は液晶タッチパネルを用いて
行うものとする。出力された変換一覧表の中から変換さ
せたい（或いは，変換させたくない）色がある場合，操
作部５００から「変換番号入力（或いは，変換禁止番号
入力）モード」を選択し，次に，変換一覧表の符号を入
力する（Ｓ１２０２）。上記の符号入力は，所定の終了
キーを押下するまで繰り返される（Ｓ１２０３）。即
ち，複数の符号入力が可能である。

【００５４】これにより，図１３の変換指定処理後の画
像出力処理の動作では，先ず，原稿読取装置１００で原
稿読み取りを実行し，色分解データＹ，Ｍ，Ｃを画像処
理装置２００へ送信する（Ｓ１３０１）。原稿読取装置
１００から出力された色分解データＹ，Ｍ，Ｃは，画像
処理装置２００においてニューラルネットワーク２０１
ａに入力される。

【００５５】次に，変換指定処理で指定された情報に基
づいて，画像データの変換を行うか否かを判断し（Ｓ１
３０２），変換処理を行う画像データならば，演算ユニ
ット２０３の入力２０３ａをマスクし，ニューラルネッ
トワーク２０１ａによる画像処理を実行し，色分解デー
タＹ⁰，Ｍ⁰，Ｃ⁰を演算ユニット２０３の入力２０３
ｂへ出力する（Ｓ１３０３，Ｓ１３０４）。従って，演
算ユニット２０３は，入力２０３ｂから入力される色分
解データＹ⁰，Ｍ⁰，Ｃ⁰を色分解データＹ⁰⁰，Ｍ⁰⁰，
Ｃ⁰⁰としてプリンタ３００に出力する（Ｓ１３０６）。

【００５６】一方，変換処理を行う画像データでないな
らば（即ち，変換禁止ならば），演算ユニット２０３の
入力２０３ｂをマスクする（Ｓ１３０５）。この時，演
算ユニット２０３の入力２０３ａには，色分解データ
Ｙ，Ｍ，Ｃが送られている。従って，演算ユニット２０
３は，入力２０３ａから入力される色分解データＹ，
Ｍ，Ｃを色分解データＹ⁰⁰，Ｍ⁰⁰，Ｃ⁰⁰としてプリンタ
３００に出力する（Ｓ１３０６）。

【００５７】上記のＳ１３０１〜Ｓ１３０６のステップ
を原稿読み取りが終了するまで繰り返す（Ｓ１３０
７）。

【００５８】実施例の効果前述したように本実施例の画像処理装置２００では，ニ
ューラルネットワーク２０１ａを用いて学習させながら
色分解データを生成し，外部に出力するので，通常のカ
ラー画像処理に加えて，汎用性のある様々な画像処理を
行うことができる。

【００５９】また，ニューラルネットワーク２０１ａを
用いて画像処理を行い，且つ，結合係数を着脱可能な記
憶装置（ここでは，ＩＣカード）に記憶させてあるの
で，ＩＣカードを取り替えることにより，結合係数を変
更することで画像処理の内容を容易に変更できる。

【００６０】また，画像メモリ２０４に変換前原稿のデ
ータ及び変換後原稿のデータを記憶させるので，ニュー
ラルネットワーク２０１ａによる画像処理の結果を容易
に知ることができる。また，画像メモリ２０４から変換
前原稿のデータ及び変換後原稿のデータをニューラルネ
ットワーク２０１ａに転送することができるので，十分
に色分解データに関する学習を行うことができる。

【００６１】また，同期／制御回路４０７で，色分解デ
ータＹ，Ｍ，Ｃと色分解データＹ⁰，Ｍ⁰，Ｃ⁰との同
期制御を行い，且つ，演算ユニット２０３で２種類の色
分解データの演算を行うので，２種類の色分解データを
組み合わせた画像処理を行うことができ，また，２種類
の色分解データに関する画像を確実に外部に出力するこ
とができる。

【００６２】また，演算ユニット２０３の演算を切り替
えるタイミングが任意に行えるので，原稿画像での領域
処理が容易になる。また，指定された領域に対して各種
の画像処理が容易になる。

【００６３】また，任意の領域に対して学習を行わせる
ことができるので，簡単な構成で色分解データに関する
学習，及び，各種の処理を実現することができる。

【００６４】また，画像メモリ２０４に変換前原稿のデ
ータ，所望原稿のデータ，及び，変換後原稿のデータを
記憶させ，画像メモリ２０４から所望原稿のデータをニ
ューラルネットワーク２０１ａに転送することができる
ので，簡単な構成で効率良く学習を行うことができる。

【００６５】また，学習用紙を用いて学習を行わせるこ
とができるので，学習手順が簡単になり，ユーザが容易
に学習させることができる。

【００６６】また，変換一覧表を出力できるので，ユー
ザにとって理解し易い形，及び，利用し易い形で学習結
果を提供できる。また，学習結果を有効活用できる。

【００６７】また，複雑なソフトウェアロジックを必要
とせず，色分解データに関する学習によって，種々の画
像処理を提供することができる。

【００６８】また，色変換の指定及び禁止を変換一覧表
の符号に基づいて行えるので，学習結果を活用する際の
操作性が向上する。

【００６９】尚，前述の実施例では，デジタル複写機を
例としてプリンタ３００を用いて画像データの出力を行
っているが，特にこれに限定するものではなく，例え
ば，ＣＲＴ等のカラーディスプレイを介して画面表示す
る構成でも良い。また，画像処理装置２００で処理する
色分解データも，Ｙ，Ｍ，Ｃに限らず，Ｒ，Ｇ，Ｂの色
分解データを入力してＲ，Ｇ，Ｂの色分解データを出力
する構成でも良い。

【００７０】

【発明の効果】以上説明したように本発明の画像処理装
置は，結合係数に基づいて学習を行うニューラルネット
ワークを用いて第１の色分解データを第２の色分解デー
タに変換する変換手段と，第１の色分解データ及び（或
いは）第２の色分解データを外部に出力する出力手段と
を備えたため，画像処理の追加，及び，画像処理内容の
変更を容易に行うことができる。また，簡単な構成で，
装置のコストを上昇させることなく，画像処理の追加，
及び，画像処理内容の変更を行うことができる。

【００７１】また，本発明の画像処理装置は，変換手段
の外部に交換及び着脱可能に取り付けられた結合係数格
納手段を備えたため，結合係数格納手段を取り替えるこ
とにより，結合係数を変更することで画像処理の内容を
容易に変更することができる。

【００７２】また，本発明の画像処理装置は，第１の色
分解データと第２の色分解データとを記憶する記憶手段
を備えたため，変換手段による画像処理の結果を容易に
知ることができる。

【００７３】また，本発明の画像処理装置は，第１の色
分解データと第２の色分解データとを記憶すると共に，
変換手段のニューラルネットワークに転送する記憶転送
手段を備えたため，記憶転送手段から第１の色分解デー
タ及び第２の色分解データをニューラルネットワークに
転送することができるので，十分に色分解データに関す
る学習を行うことができる。

【００７４】また，本発明の画像処理装置は，第１の色
分解データと第２の色分解データとを同期させる同期手
段と，第１の色分解データと第２の色分解データとを演
算し，演算結果を出力する演算手段とを備えたため，２
種類の色分解データを組み合わせた画像処理を行うこと
ができ，また，２種類の色分解データに関する画像を確
実に外部に出力することができる。

【００７５】また，本発明の画像処理装置は，原稿画像
の領域を指定する領域指定手段と，領域指定手段で指定
された領域に基づいて，演算手段を制御する制御手段と
を備えたため，指定された領域に対して各種の画像処理
を容易に行える。

【００７６】また，本発明の画像処理装置は，原稿画像
の領域を指定する領域指定手段と，領域指定手段で指定
された領域に基づいて，ニューラルネットワークの学習
制御を行う制御手段とを備えたため，簡単な構成で色分
解データに関する学習，及び，各種の処理を実現するこ
とができる。

【００７７】また，本発明の画像処理装置は，結合係数
に基づいて学習を行うニューラルネットワークを用いて
第１の色分解データを第２の色分解データに変換する変
換手段と，第１の色分解データ及び第２の色分解データ
と，新たに原稿読取手段で読み取った色分解データを第
３の色分解データとして記憶する記憶手段と，第３の色
分解データを正解データとしてニューラルネットワーク
に与える正解データ供給手段とを備え，第１の色分解デ
ータの入力に対して，ニューラルネットワークから第３
の色分解データと同一の色分解データが第２の色分解デ
ータとして出力されるようにニューラルネットワークの
学習を行うため，画像処理の追加，及び，画像処理内容
の変更を容易に行うことができる。また，簡単な構成
で，装置のコストを上昇させることなく，画像処理の追
加，及び，画像処理内容の変更を行うことができる。ま
た，簡単な構成で効率良く学習を行うことができる。

【００７８】また，本発明の画像処理装置は，結合係数
に基づいて学習を行うニューラルネットワークを用いて
第１の色分解データを第２の色分解データに変換する変
換手段と，第１の色分解データ及び第２の色分解データ
と，新たに原稿読取手段で読み取った色分解データを第
３の色分解データとして記憶する記憶手段と，第３の色
分解データを正解データとしてニューラルネットワーク
に与える正解データ供給手段と，原稿画像の領域を複数
指定する領域指定手段と，指定された領域の第１の色分
解データと，第２の色分解データ及び第３の色分解デー
タを同期的に制御する同期手段とを備え，第１の色分解
データの入力に対して，ニューラルネットワークから第
３の色分解データと同一の色分解データが第２の色分解
データとして出力されるようにニューラルネットワーク
の学習を行うため，画像処理の追加，及び，画像処理内
容の変更を容易に行うことができる。また，簡単な構成
で，装置のコストを上昇させることなく，画像処理の追
加，及び，画像処理内容の変更を行うことができる。ま
た，学習手順が簡単になり，ユーザが容易に学習させる
ことができる。

【００７９】また，本発明の画像処理方法は，原稿画像
を光電変換して第１の色分解データを生成するステップ
と，結合係数に基づいて学習を行うニューラルネットワ
ークを用いて第１の色分解データを第２の色分解データ
に変換するステップと，第１の色分解データ及び第２の
色分解データと，新たに原稿読取手段で読み取った色分
解データを第３の色分解データとして記憶するステップ
と，第３の色分解データを正解データとしてニューラル
ネットワークに与えるステップと，第１の色分解データ
の入力に対して，ニューラルネットワークから第３の色
分解データと同一の色分解データが第２の色分解データ
として出力されるようにニューラルネットワークの学習
を行うステップを有したため，画像処理の追加，及び，
画像処理内容の変更を容易に行うことができる。また，
簡単な構成で，装置のコストを上昇させることなく，画
像処理の追加，及び，画像処理内容の変更を行うことが
できる。また，複雑なソフトウェアロジックを必要とせ
ず，色分解データに関する学習によって，種々の画像処
理を提供することができる。

【００８０】また，本発明の画像処理装置は，第１の色
分解データと第２の色分解データとの対応を一覧として
出力する画像出力する画像出力手段とを備えたため，変
換一覧表を出力でき，ユーザにとって理解し易い形，及
び，利用し易い形で学習結果を提供できる。また，学習
結果を有効活用できる。

【図面の簡単な説明】

【図１】本発明の画像処理装置を適用したデジタル複写
機の制御ブロック図である。

【図２】操作部の外観を示す説明図である。

【図３】画像処理部の基本構成を示す説明図である。

【図４】ニューラルネットワークの学習処理の概略を示
すフローチャートである。

【図５】原稿の特定の領域のみに対して画像処理を実行
する場合の領域入力処理フローチャートである。

【図６】領域指定画像処理のフローチャートである。

【図７】ニューラルネットワークの学習時の処理を示す
フローチャートである。

【図８】画像メモリの構成を示す説明図である。

【図９】同図（ａ）は学習用紙を用いた場合の原稿の入
力を示す説明図，同図（ｂ）は任意の領域を指定する場
合の原稿の入力を示す説明図である。

【図１０】変換一覧表の出力例を示す説明図である。

【図１１】変換一覧出力処理のフローチャートである。

【図１２】変換（禁止）色の入力を示すフローチャート
である。

【図１３】変換指定処理後の画像出力処理を示すフロー
チャートである。

【符号の説明】

１００原稿読取装置２００画像処理装置２０１画像処理部２０１ａニューラルネットワーク２０１ｂ比較器２０１ｃ差分器２０２ａ２０２ｂＲＯＭ２０２ｃＲＡＭ２０３演算ユニット２０４画像メモリ２０５学習時データ用のライン３００プリンタ４００制御ユニット４０１ＣＰＵ４０７同期／制御回路５００操作部

───────────────────────────────────────────────────── フロントページの続き (72)発明者宇野高彦東京都大田区中馬込１丁目３番６号株式会社リコー内 (72)発明者丸山幸之助東京都大田区中馬込１丁目３番６号株式会社リコー内 (72)発明者鈴木弘修東京都大田区中馬込１丁目３番６号株式会社リコー内

Claims

【特許請求の範囲】

【請求項１】Ｒ（レッド），Ｇ（グリーン），Ｂ（ブ
ルー），或いは，Ｙ（イエロー），Ｍ（マゼンタ），Ｃ
（シアン）から成る第１の色分解データを入力して，第
１の色分解データに画像処理を施す画像処理装置におい
て，結合係数に基づいて学習を行うニューラルネットワ
ークを用いて第１の色分解データを第２の色分解データ
に変換する変換手段と，第１の色分解データ及び（或い
は）第２の色分解データを外部に出力する出力手段とを
備えたことを特徴とする画像処理装置。
【請求項２】前記第１の色分解データは，原稿読取手
段によって原稿画像を光電変換して生成した色分解デー
タであることを特徴とする請求項１記載の画像処理装
置。
【請求項３】原稿読取手段によって原稿画像を光電変
換して生成したＲ（レッド），Ｇ（グリーン），Ｂ（ブ
ルー），或いは，Ｙ（イエロー），Ｍ（マゼンタ），Ｃ
（シアン）から成る第１の色分解データを入力して，第
１の色分解データに画像処理を施す画像処理装置におい
て，結合係数に基づいて学習を行うニューラルネットワ
ークを用いて第１の色分解データを第２の色分解データ
に変換する変換手段と，第１の色分解データ及び（或い
は）第２の色分解データを外部に出力する出力手段と，
前記変換手段の外部に交換及び着脱可能に取り付けられ
た結合係数格納手段とを備えたことを特徴とする画像処
理装置。
【請求項４】前記結合係数格納手段には，複数の結合
係数が格納されていることを特徴とする請求項３記載の
画像処理装置。
【請求項５】原稿読取手段によって原稿画像を光電変
換して生成したＲ（レッド），Ｇ（グリーン），Ｂ（ブ
ルー），或いは，Ｙ（イエロー），Ｍ（マゼンタ），Ｃ
（シアン）から成る第１の色分解データを入力して，第
１の色分解データに画像処理を施す画像処理装置におい
て，結合係数に基づいて学習を行うニューラルネットワ
ークを用いて第１の色分解データを第２の色分解データ
に変換する変換手段と，第１の色分解データ及び（或い
は）第２の色分解データを外部に出力する出力手段と，
前記変換手段の外部に交換及び着脱可能に取り付けられ
た結合係数格納手段と，前記第１の色分解データと第２
の色分解データとを記憶する記憶手段とを備えたことを
特徴とする画像処理装置。
【請求項６】原稿読取手段によって原稿画像を光電変
換して生成したＲ（レッド），Ｇ（グリーン），Ｂ（ブ
ルー），或いは，Ｙ（イエロー），Ｍ（マゼンタ），Ｃ
（シアン）から成る第１の色分解データを入力して，第
１の色分解データに画像処理を施す画像処理装置におい
て，結合係数に基づいて学習を行うニューラルネットワ
ークを用いて第１の色分解データを第２の色分解データ
に変換する変換手段と，第１の色分解データ及び（或い
は）第２の色分解データを外部に出力する出力手段と，
前記変換手段の外部に交換及び着脱可能に取り付けられ
た結合係数格納手段と，前記第１の色分解データと第２
の色分解データとを記憶すると共に，前記変換手段のニ
ューラルネットワークに転送する記憶転送手段とを備え
たことを特徴とする画像処理装置。
【請求項７】原稿読取手段によって原稿画像を光電変
換して生成したＲ（レッド），Ｇ（グリーン），Ｂ（ブ
ルー），或いは，Ｙ（イエロー），Ｍ（マゼンタ），Ｃ
（シアン）から成る第１の色分解データを入力して，第
１の色分解データに画像処理を施す画像処理装置におい
て，結合係数に基づいて学習を行うニューラルネットワ
ークを用いて第１の色分解データを第２の色分解データ
に変換する変換手段と，第１の色分解データ及び（或い
は）第２の色分解データを外部に出力する出力手段と，
前記変換手段の外部に交換及び着脱可能に取り付けられ
た結合係数格納手段と，前記第１の色分解データと第２
の色分解データとを記憶すると共に，前記変換手段のニ
ューラルネットワークに転送する記憶転送手段と，前記
第１の色分解データと第２の色分解データとを同期させ
る同期手段と，前記第１の色分解データと第２の色分解
データとを演算し，演算結果を出力する演算手段とを備
えたことを特徴とする画像処理装置。
【請求項８】前記演算手段は，複数の種類の演算を行
うことが可能で，且つ，演算を切り替えるタイミングが
任意に設定されることを特徴とする請求項７記載の画像
処理装置。
【請求項９】原稿読取手段によって原稿画像を光電変
換して生成したＲ（レッド），Ｇ（グリーン），Ｂ（ブ
ルー），或いは，Ｙ（イエロー），Ｍ（マゼンタ），Ｃ
（シアン）から成る第１の色分解データを入力して，第
１の色分解データに画像処理を施す画像処理装置におい
て，結合係数に基づいて学習を行うニューラルネットワ
ークを用いて第１の色分解データを第２の色分解データ
に変換する変換手段と，第１の色分解データ及び（或い
は）第２の色分解データを外部に出力する出力手段と，
前記変換手段の外部に交換及び着脱可能に取り付けられ
た結合係数格納手段と，前記第１の色分解データと第２
の色分解データとを記憶すると共に，前記変換手段のニ
ューラルネットワークに転送する記憶転送手段と，前記
第１の色分解データと第２の色分解データとを同期させ
る同期手段と，前記第１の色分解データと第２の色分解
データとを演算し，演算結果を出力する演算手段と，原
稿画像の領域を指定する領域指定手段と，前記領域指定
手段で指定された領域に基づいて，前記演算手段を制御
する制御手段とを備えたことを特徴とする画像処理装
置。
【請求項１０】原稿読取手段によって原稿画像を光電
変換して生成したＲ（レッド），Ｇ（グリーン），Ｂ
（ブルー），或いは，Ｙ（イエロー），Ｍ（マゼン
タ），Ｃ（シアン）から成る第１の色分解データを入力
して，第１の色分解データに画像処理を施す画像処理装
置において，結合係数に基づいて学習を行うニューラル
ネットワークを用いて第１の色分解データを第２の色分
解データに変換する変換手段と，第１の色分解データ及
び（或いは）第２の色分解データを外部に出力する出力
手段と，前記変換手段の外部に交換及び着脱可能に取り
付けられた結合係数格納手段と，前記第１の色分解デー
タと第２の色分解データとを記憶すると共に，前記変換
手段のニューラルネットワークに転送する記憶転送手段
と，原稿画像の領域を指定する領域指定手段と，前記領
域指定手段で指定された領域に基づいて，前記ニューラ
ルネットワークの学習制御を行う制御手段とを備えたこ
とを特徴とする画像処理装置。
【請求項１１】原稿読取手段によって原稿画像を光電
変換して生成したＲ（レッド），Ｇ（グリーン），Ｂ
（ブルー），或いは，Ｙ（イエロー），Ｍ（マゼン
タ），Ｃ（シアン）から成る第１の色分解データを入力
して，第１の色分解データに画像処理を施す画像処理装
置において，結合係数に基づいて学習を行うニューラル
ネットワークを用いて第１の色分解データを第２の色分
解データに変換する変換手段と，前記第１の色分解デー
タ及び第２の色分解データと，新たに前記原稿読取手段
で読み取った色分解データを第３の色分解データとして
記憶する記憶手段と，前記第３の色分解データを正解デ
ータとして前記ニューラルネットワークに与える正解デ
ータ供給手段とを備え，前記第１の色分解データの入力
に対して，前記ニューラルネットワークから第３の色分
解データと同一の色分解データが第２の色分解データと
して出力されるようにニューラルネットワークの学習を
行うことを特徴とする画像処理装置。
【請求項１２】前記第１の色分解データは，前記原稿
読取手段によって原稿画像上の第１の領域から入力した
色分解データであり，前記第３の色分解データは前記原
稿読取手段によって原稿画像上の第２の領域から入力し
た色分解データであることを特徴とする請求項１１記載
の画像処理装置。
【請求項１３】原稿読取手段によって原稿画像を光電
変換して生成したＲ（レッド），Ｇ（グリーン），Ｂ
（ブルー），或いは，Ｙ（イエロー），Ｍ（マゼン
タ），Ｃ（シアン）から成る第１の色分解データを入力
して，第１の色分解データに画像処理を施す画像処理装
置において，結合係数に基づいて学習を行うニューラル
ネットワークを用いて第１の色分解データを第２の色分
解データに変換する変換手段と，前記第１の色分解デー
タ及び第２の色分解データと，新たに前記原稿読取手段
で読み取った色分解データを第３の色分解データとして
記憶する記憶手段と，前記第３の色分解データを正解デ
ータとして前記ニューラルネットワークに与える正解デ
ータ供給手段と，原稿画像の領域を複数指定する領域指
定手段と，指定された領域の第１の色分解データと，第
２の色分解データ及び第３の色分解データを同期的に制
御する同期手段とを備え，前記第１の色分解データの入
力に対して，前記ニューラルネットワークから第３の色
分解データと同一の色分解データが第２の色分解データ
として出力されるようにニューラルネットワークの学習
を行うことを特徴とする画像処理装置。
【請求項１４】原稿画像を光電変換して第１の色分解
データを生成するステップと，結合係数に基づいて学習
を行うニューラルネットワークを用いて第１の色分解デ
ータを第２の色分解データに変換するステップと，第１
の色分解データ及び第２の色分解データと，新たに前記
原稿読取手段で読み取った色分解データを第３の色分解
データとして記憶するステップと，前記第３の色分解デ
ータを正解データとして前記ニューラルネットワークに
与えるステップと，前記第１の色分解データの入力に対
して，前記ニューラルネットワークから第３の色分解デ
ータと同一の色分解データが第２の色分解データとして
出力されるようにニューラルネットワークの学習を行う
ステップを有したことを特徴とする画像処理方法。
【請求項１５】原稿読取手段によって原稿画像を光電
変換して生成したＲ（レッド），Ｇ（グリーン），Ｂ
（ブルー），或いは，Ｙ（イエロー），Ｍ（マゼン
タ），Ｃ（シアン）から成る第１の色分解データを入力
して，第１の色分解データに画像処理を施す画像処理装
置において，結合係数に基づいて学習を行うニューラル
ネットワークを用いて第１の色分解データを第２の色分
解データに変換する変換手段と，第１の色分解データと
第２の色分解データとの対応を一覧として出力する画像
出力する画像出力手段とを備えたことを特徴とする画像
処理装置。
【請求項１６】前記一覧は，第１の色分解データと第
２の色分解データとの対応毎に符号が付けられているこ
とを特徴とする請求項１５記載の画像処理装置。
【請求項１７】前記一覧に付けられている符号を入力
して，第１の色分解データから第２の色分解データへの
変換或いは変換禁止を選択する変換選択手段を備えたこ
とを特徴とする請求項１６記載の画像処理装置。