JPH09163382A - 色ずれ修正方法及び装置 - Google Patents

色ずれ修正方法及び装置

Info

Publication number
JPH09163382A
JPH09163382A JP7319302A JP31930295A JPH09163382A JP H09163382 A JPH09163382 A JP H09163382A JP 7319302 A JP7319302 A JP 7319302A JP 31930295 A JP31930295 A JP 31930295A JP H09163382 A JPH09163382 A JP H09163382A
Authority
JP
Japan
Prior art keywords
color
light source
value
image
color separation
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
Application number
JP7319302A
Other languages
English (en)
Inventor
Yoshifumi Arai
佳文 荒井
Shirou Usui
支朗 臼井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyo Ink Mfg Co Ltd
Original Assignee
Toyo Ink Mfg Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyo Ink Mfg Co Ltd filed Critical Toyo Ink Mfg Co Ltd
Priority to JP7319302A priority Critical patent/JPH09163382A/ja
Priority to US08/736,257 priority patent/US5929906A/en
Publication of JPH09163382A publication Critical patent/JPH09163382A/ja
Pending legal-status Critical Current

Links

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
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6083—Colour correction or control controlled by factors external to the apparatus
    • H04N1/6086—Colour correction or control controlled by factors external to the apparatus by scene illuminant, i.e. conditions at the time of picture capture, e.g. flash, optical filter used, evening, cloud, daylight, artificial lighting, white point measurement, colour temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)
  • Color Image Communication Systems (AREA)
  • Processing Of Color Television Signals (AREA)
  • Facsimile Scanning Arrangements (AREA)
  • Color Television Image Signal Generators (AREA)

Abstract

(57)【要約】 【課題】 観察時、撮影時の照明に関係なく、任意の光
源下における再現画像と、または、任意の光源下におけ
いて撮影される物体の色と、昼白色光源下での色とが一
致するように色ずれの修正を行う。 【解決手段】 色ずれ修正部２０は、撮像部１０からＣ
ＭＹ値等の色分解値を入力する。制御部２１による制御
の下、任意の光源の分光分布に基づいて予め学習された
ニューラルネットワークにより構成される第１変換部２
２の出力が、前記色分解値と所定の条件を満足するよう
に前記第１変換部２２の入力が制御される。所定の条件
を満足する第１変換部２２の入力値は、画像出力部３０
に送られる。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】この発明は、デジタルカメラ
やＣＣＤカメラ等の撮像装置により撮像された物体の色
ずれ修正や、カラーＤＴＰ(DeskTop Publishing)におけ
る昇華型のプリンタ等の画像出力装置に表示される画像
における色ずれ修正を行う方法及び装置に関し、特に、
色の物理的（分光測色的）な特性を正確に表現する分光
反射率を用いることによって、いかなる光源下で撮影が
行われた場合であっても、更に、いかなる特性を有する
撮像装置及び画像出力装置（色再現装置）であっても、
撮像された物体の色や出力・表示された物体の色が昼白
色光源下での物体の色となるような色合わせを行う色ず
れ修正方法及び装置に関する。
【０００２】
【従来の技術】通常、人間の目で物体を見たり、カメラ
等の撮像装置で物体を撮影する場合、対象物の色の見え
方や写真等で再生される対象物の色は、光源の種類（分
光分布）によって影響を受ける。例えば、白熱電球や蛍
光灯下で撮影された写真は、昼白色光源下で撮影された
写真に比べ、全体が赤味や青味をおび、非常に違和感の
ある再生画像になる。以降、このような物体の撮影時や
観察時における、光源の種類、即ち、光源の分光分布の
違いを光源変動と称する。
【０００３】一方、最近では、カラーＤＴＰ(DeskTop P
ublishing)が個人出版や社内印刷などの用途で多く用い
られるようになっている。また、デジタルカメラなどの
普及によって、撮影されたデジタル画像をそのままコン
ピュータ上で編集・修正することが可能となってきてい
る。このため、前述したような光源変動（分光分布の違
い）による画像の色への影響が問題となっている。
【０００４】例えば、人間の目によって認識される物体
の色、または撮像装置によって撮像された物体の色は、
光源の分光分布と物体の分光反射率（または分光透過
率）とを乗じた特性に、更に人間の目の特性または撮像
装置のセンサ・フィルタの特性（等色関数）がかけられ
た特性（色彩値，応答量）に従った色が認識・撮影され
る。このため、光源の変動、即ち光源の分光分布が異な
る場合、人間により観察されたり撮像装置により撮影さ
れる際の物体の色と、カラーＤＴＰ(DeskTop Publishin
g)における昇華型のプリンタ等の画像出力装置によって
出力される画像の色との色ずれが大きな問題となる。更
に、前述した撮影時の問題だけでなく、一般のカラーＤ
ＴＰの色管理システムでは、Ｄ５０光源等の昼白色光源
に基づいて校正処理が行われるため、作成した印刷物を
その他の光源で見るような場合、光源変動による色ずれ
によって画像全体のカラーバランスが崩れ、印刷物が違
和感のあるものに見えるという画像出力時の問題も生じ
る。
【０００５】又、人間の目の特性には、白熱電球や蛍光
灯下の物体の色を昼白色光源下の色としてみなす特性が
あり、このため、人間の目で観察される物体の色と、撮
像装置によって撮像された物体の色とが異なる場合もあ
る。
【０００６】従来、画像出力装置によって再現される画
像の色、即ち、再現色が、画像出力装置に依存せずどの
ような装置で再現しても同じ色を再現する方法として、
撮影された色を示す色情報を、装置に依存しない表現に
一度変換することによって色修正を行なう色合わせ方法
がある。
【０００７】上記の色合わせ方法では、色情報の中間表
現法としてＣＩＥ(Commission Internationale de I'Ec
lairage)が規定したＣＩＥ ＸＹＺ値、または、均等知
覚色空間ＣＩＥ Ｌ* ａ* ｂ* 等の色彩値を用い、ＣＭ
ＹＫ値等の色分解値と前記色彩値との間の変換を行うこ
とによって、装置に依存することなく常に同じ色を高い
精度で再現する色修正法が用いられている。
【０００８】
【発明が解決しようとする課題】しかし、前述したよう
なＣＩＥ Ｌ* ａ* ｂ* 値やＣＩＥ ＸＹＺ値は、光源
の分光分布と撮影対象の物体表面の分光反射率、及び等
色関数によって定義されるため、従来の装置に依存しな
い色再現法では、観察時（出力された画像を見る時）の
照明が、ＣＩＥ Ｌ* ａ* ｂ* 値導出の際に用いられた
照明と同じ時だけしか色の一致を保証できないという問
題がある。そのため、カラーＤＴＰの分野において、こ
れらの問題を解決するための技術が要求されている。
【０００９】このような、撮像された画像の光源変動に
よる色ずれを修正するための技術として、ビデオカメラ
等で一般に用いられているホワイトポイント調整(White
Point Maping : WPM)法がある。これは、光源の参照白
色のずれを計測し、そのずれ分だけ画像全体の色を移動
させる方法である。この方法は、単純に白色だけを昼白
色光源のそれと一致させる方法のため、画像のカラーバ
ランスを修正することはできない。これに対し、バーヘ
ル(Vrhel) らは、光源変動による色ずれの問題を分光反
射率を推定する問題として捉え、推定した分光反射率を
用いた色ずれ修正法を提案している（M.J.Vrhel, H.J.T
russell : Color Correction Using Principal Compone
nts, Color research and application, Vol.17, No.5
pp.328-338(1992)を参照）。即ち、分光反射率の主成分
分析によって得られる３主成分を用いた有限次元線形モ
デルによって、画像の各ピクセルの分光反射率を近似
し、その情報に基づく変換によって指定された光源と昼
白色光源での色を一致させる方法を提案し、ＷＰＭ法よ
り比較的良い精度が実現できることを報告している。ま
た、この方法は、単に白色だけでなく各色に対し、それ
ぞれ変換可能であるため、カラーバランスの調整も同時
に行えるという利点がある。しかし、この方法による色
ずれ修正の精度では、まだ現状の装置への適用に不十分
であり、また、再現画像の光源変動による色ずれ修正に
用いることができないという問題がある。
【００１０】以上の説明したように、従来の装置に依存
しない色再現法においては、色が同じに見える光源が制
限され（光源の分光分布が制限され）、非常に限られた
環境下（照明下）でしかカラーマッチングが成立しない
という問題がある。一方、画像出力装置によって出力さ
れた色を観察する場合の照明は、一般に白熱電球照明
下、蛍光灯照明下、太陽光下など種々雑多であり、現在
のカラーＤＴＰにおいて一般に用いられている従来の装
置に依存しない色再現法では、そうした光源下で再現色
を常に一致させることは不可能である。また、再現画像
の光源変動による色ずれの修正については、対応する方
法がまだ存在しないのが現状である。
【００１１】この発明は、前記実情に鑑みてなされたも
のであり、観察時、撮影時の照明に関係なく、任意の光
源下における再現画像と、または、任意の光源下におけ
いて撮影される物体の色と、昼白色光源下での色とが一
致するように、極めて信頼性の高い光源変動による色ず
れの修正を行う方法及び装置を提供することを目的とす
る。
【００１２】
【課題を解決するための手段】この発明に係る色ずれ修
正方法は、色分解値から画像の光源による色ずれを修正
する方法であって、分光反射率及び分光透過率のいずれ
か一方を中間表色系として、色分解値から前記中間表色
系への変換が学習されたニューラルネットワークを用
い、少なくとも３つの色分解値から前記中間表色系へ変
換するステップと、前記中間表色系から所定の光源下に
おける色彩値を算出するステップと、前記色彩値と所定
の色彩値から前記ニューラルネットワークにより変換さ
れる色分解値を最適化するステップとを具備することを
特徴とする。
【００１３】即ち、光源に依存しない分光反射率、また
は、分光透過率を中間表色系とし、撮像装置によって得
られる画像、または、再現装置の再現色の各色再現装置
に固有な少なくとも３つの色分解値から前記中間表色系
への変換を学習させられたニューラルネットワークによ
る非線形変換を用いて、少なくとも３つの色分解値から
前記中間表色系への変換を行い、変換によって得られた
分光反射率、または、分光透過率から計算される昼白色
光源と指定された光源における色彩値、または、上記３
つの色分解値との間の関係、あるいは、指定された光源
において撮像された画像の色彩値、または、上記３つの
色分解値とニューラルネットによって求められた分光反
射率から計算される色分解値、または、色彩値との間の
関係に関する拘束条件のもとでの最適化によって再現装
置の再現色、または、撮像装置で得られる画像の光源変
動による色ずれ修正を実現するようにしている。
【００１４】ここで、前記色分解値組はカラー画像を構
成するＲ、Ｇ、Ｂ値等の加法混色の三原色、または、カ
ラー画像を構成するＣ、Ｍ、Ｙ、Ｋ値等の減法混色の三
原色とするようにしている。
【００１５】更に、前記２つのニューラルネットワーク
は３層から５層の多層フィードフォワード型ニューラル
ネットワークであり、前記ニューラルネットワークは学
習機能を有するようにしている。
【００１６】又、前記拘束条件として、昼白色光源と指
定された光源下での対象色と再現色の色彩値、または、
前記３つの色分解値間、あるいは、指定された光源下で
撮像された画像の色彩値、または、前記３つの色分解値
と、前記ニューラルネットによって求められた分光反射
率から計算される色彩値、または、前記３つの色分解値
と間の２乗誤差（２乗ノルム）、または、平均色差を最
適化手法によって最小化することを条件とするようにし
ている。
【００１７】又、前記最適化手法に極値探索の一般的方
法である非線形最適化手法を用いるようにしている。
又、前記昼白色光源として、ＣＩＥ(Commission Intern
ationale de I'Eclairage)が規定するＣ光源、または、
色温度が４０００[K] から７５００[K] を有するＤ光
源、もしくはそれらと等価な分光分布を持つ光源を用い
るようにしている。
【００１８】又、前記指定された光源としては、ＣＩＥ
(Commission Internationale de I'Eclairage)が規定す
るＡ光源、Ｂ光源、Ｃ光源、Ｄ光源、Ｆ１からＦ１２光
源もしくはそれらと等価な分光分布を持つ任意の光源を
用いることが可能であることようにしている。
【００１９】又、この発明に係る第１の色ずれ修正装置
は、物体を撮像し、少なくとも３つの色分解値組を生成
する撮像手段と、少なくとも３つの色分解値組を、多層
フィードフォワード型のニューラルネットワークによっ
て分光反射率及び分光透過率のいずれか一方に変換する
変換手段と、前記変換手段により求められる分光反射率
及び分光透過率のいずれか一方と、を用い、所定の光源
下の色彩値と前記撮像手段により生成される色分解値組
との２乗誤差及び平均色差の少なくとも一方を最小化す
るように前記少なくとも３つの色分解値組を最適化する
最適化手段とを具備することを特徴とする。
【００２０】即ち、撮像装置で得られる画像の色彩値、
または、少なくとも３つの色分解値組とその色彩値、ま
たは、色分解値組に対応する色の分光反射率、または、
分光透過率間の変換を行うことによって光源変動による
色ずれを修正する装置では、前記少なくとも３つの色分
解値組を適当な電気信号、あるいは光信号に変換する入
力手段と、適当な少なくとも３つの色分解値組を、予め
学習させられたニューラルネットワークによって分光反
射率、または、分光透過率に変換し、電気信号として出
力する変換手段と、予め学習させられたニューラルネッ
トワークの結合係数、および、ＣＩＥ等色関数、また
は、Ｒ、Ｇ、Ｂの各ＣＣＤセンサの分光特性、あるい
は、光学フィルタの分光特性、さらにまた、用いる可能
性のある光源の分光分布を記憶しておく記憶装置と、前
記入力手段からの電気信号と前記変換手段から出力され
た分光反射率、または、分光透過率から計算される色彩
値、または、少なくとも３つの色分解値との間の関係に
関する拘束条件のもとでの最適化によって色ずれ修正さ
れた色彩値、または、色分解値に変換する変換手段と変
換手段から出力される電気信号を任意の出力信号として
出力する出力手段を含み、前記変換手段は３から５層の
多層フィードフォワード型のニューラルネットであり、
前記ニューラルネットは学習機能を有し、少なくとも３
つの色分解値組をその色分解値組に対応する再現色の分
光反射率、または分光透過率分布に変換することを学習
させられており、そしてまた、入力手段の出力である指
定された光源下で撮像された画像の色の色彩値、また
は、少なくとも３つの色分解値と第１の変換手段の出力
から記憶装置に記憶されている等色関数、または、ＣＣ
Ｄセンサの分光特性、あるいは、光学フィルタの分光特
性を用いて計算される指定された光源下での色彩値、ま
たは、少なくとも３つの色分解値間の２乗誤差（２乗ノ
ルム）、または、平均色差を最小化するという条件のも
とで第１の変換手段の出力を最適化手法を用いて最適化
する第２の変換手段によって光源変動による色ずれの修
正をを実現するようにしている。
【００２１】又、この発明に係る第２の色ずれ修正装置
は、少なくとも３つの色分解値組を入力する入力手段
と、色分解値組から画像を出力する画像出力手段と、少
なくとも３つの色分解値組を、前記画像出力手段の特性
に従って学習された多層フィードフォワード型のニュー
ラルネットワークによって分光反射率及び分光透過率の
いずれか一方に変換する第１変換手段と、前記入力手段
に入力された色分解値組を、所定の画像出力特性に従っ
て学習された多層フィードフォワード型のニューラルネ
ットワークによって分光反射率及び分光透過率のいずれ
か一方に変換する第２変換手段と、前記第１及び第２変
換手段により求められる分光反射率及び分光透過率のい
ずれか一方とを用い、それぞれ計算される所定の光源下
での色彩値間の２乗誤差及び平均色差の少なくとも一方
を最小化するように前記入力された色分解値組を最適化
する最適化手段とを具備することを特徴とする。
【００２２】即ち、色再現装置で再現される画像の少な
くとも３つの色分解値組とその色分解値組に対応する色
の分光反射率または分光透過率間の変換を行うことによ
って光源変動による色ずれを修正する装置では、前記少
なくとも３つの色分解値組を電気信号に変換する入力手
段と、前記入力手段からの電気信号を予め学習させられ
たニューラルネットワークによって分光反射率、また
は、分光透過率に変換し、電気信号として出力する第１
変換手段と、適当な色分解値の初期値に対応する電気信
号を予め学習させられたニューラルネットワークによっ
て分光反射率、または、分光透過率に変換し、電気信号
として出力する第２変換手段と、予め学習させられた前
記２つのニューラルネットワークの結合係数、および、
ＣＩＥ等色関数、または、Ｒ、Ｇ、Ｂ、の各ＣＣＤセン
サの分光特性、あるいは、光学フィルタの分光特性、さ
らにまた、用いる可能性のある光源の分光分布を記憶し
ておく記憶装置と、前記第１変換手段から出力された標
準の色再現装置の分光反射率、または、分光透過率の電
気信号と前記第２変換手段から出力された色ずれ修正の
対象となる色再現装置の分光反射率、または、分光透過
率を色ずれ修正された色分解値に変換する第３変換手段
と第２変換手段から出力される電気信号を任意の出力信
号として出力する出力手段を含み、前記第１及び第２変
換手段は３から５層の多層フィードフォワード型のニュ
ーラルネットであり、前記２つのニューラルネットワー
クはそれぞれ学習機能を有し、少なくとも３つの色分解
値組をその色分解値組に対応する再現色の分光反射率、
または分光透過率分布に変換することをそれぞれ学習さ
せられており、そしてまた、第１変換手段の出力から、
記憶装置に記憶されている等色関数、または、ＣＣＤセ
ンサの分光特性、あるいは、光学フィルタの分光特性を
用いて計算される昼白色光源下での色彩値、または、少
なくとも３つの色分解値と第２変換手段の出力から、記
憶装置に記憶されている等色関数、または、ＣＣＤセン
サの分光特性、あるいは、光学フィルタの分光特性を用
いて計算される指定された光源下での色彩値、または、
少なくとも３つの色分解値間の２乗誤差（２乗ノル
ム）、または、平均色差を最小化するという条件のもと
で第２変換手段の出力を最適化手法を用いて最適化する
第３変換手段によって光源変動による色ずれの修正をを
実現するようにしている。
【００２３】従って、この発明の光源に依存しない分光
反射率、または、分光透過率を用いた光源変動による色
ずれの修正方法および装置においては、ニューラルネッ
トワークの学習機能を有効に利用することにより、色
が、ＣＭＹ値、または、ＣＭＹＫ値で表現される場合に
も、ＲＧＢ値で表現される場合であっても、これらの色
に関する色分解値と分光反射率との間の変換を高精度に
実現する事ができる。
【００２４】また、ＣＭＹ値、ＣＭＹＫ値、あるいは、
ＲＧＢ値等の色分解値組と分光反射率、または、分光透
過率との間の変換に学習機能を有するニューラルネット
ワークを用いるため、十分に学習させられたニューラル
ネットはその汎化能力によって、入力に学習に用いなか
った未知のデータが入力された場合であっても、入力デ
ータに対する適切な出力を得ることができる。
【００２５】更に、昼白色光源下と指定した光源下での
色彩値もしくは、光学フィルタやＣＣＤセンサの応答
量、あるいは、指定された光源下で撮像された画像の色
彩値、または、光学フィルタやＣＣＤセンサの応答量
と、ニューラルネットによって求められた分光反射率か
ら計算される色彩値、または、光学フィルタやＣＣＤセ
ンサの応答量間の２乗ノルム、または、平均色差を最小
とすることを条件とする非線形最適化手法によって、装
置にも光源にも依存しない非常に信頼性の高い色ずれ修
正を実現することが可能となる。従って、分光反射率を
ＣＩＥ Ｌ* ａ* ｂ* 値やＣＩＥ ＸＹＺ値と同様に色
の中間的な表現として用いることにより、単に装置に独
立なだけでなく、光源に独立な色再現が実現できる。
【００２６】
【発明の実施の形態】先ず、この発明に係る色ずれ修正
装置の基本的な考え方について説明する。従来から、人
間やサルなどの高等動物の色知覚における色恒常現象で
は、光学センサの一種である３種類の錘体の応答量（Ｃ
ＭＹ等）から物体表面の分光反射率と光源の分光分布を
同時に推定する仮定が用いられている。従って、色知覚
モデルでは、視覚系が応答量から分光反射率が推定さ
れ、この色知覚モデルによる推定結果が色知覚における
色恒常現象を説明することができるという多数の報告が
ある。又、現在ではそうした仮定が妥当であると考えら
れている。
【００２７】この発明は、前述した事実を実際に色再現
の分野において、装置及び光源に独立した色の再現・色
ずれ修正のための色の中間表色系に応用し、再現された
色、及び、撮影された画像の色の分光反射率の推定を行
うと共に、光源に依存しない色再現を実現する。
【００２８】この発明に係る色ずれを修正する装置で
は、標準の画像出力部および、撮像部のＣＭＹＫ値、Ｒ
ＧＢ値のような色分解値組と、再現（出力）または撮影
された画像の色の分光反射率（または分光透過率）との
間の変換を学習したニューラルネットワークを用いて行
う。更に、その出力値を用いて昼白色光源と指定された
光源下での色彩値、または、所定条件を満足する最適化
によって色ずれを修正した色分解値に変換する。最適化
には、光学フィルタやＣＣＤセンサの応答量の２乗誤差
（２乗ノルム）、あるいは、平均色差を最小にするとい
う条件が含まれるが詳細は後述する。
【００２９】以下、図面を参照してこの発明の実施の形
態に係る色ずれを修正する装置を説明する。この発明の
第１の実施の形態である色ずれを修正する装置の機能構
成を図１に示す。図１に示されるように色ずれを修正す
る装置は、撮像部１０，色ずれ修正部２０，画像出力部
３０により構成される。撮像部１０は、デジタルカメラ
やＣＣＤカメラ等、光学フィルタやＣＣＤセンサを用い
て対象物体の色をＲＧＢ値やＣＭＹ値（ＣＭＹＫ値）等
の色分解値に変換し電気信号として出力する撮像装置が
適用される。画像出力部３０は、入力される色分解値に
従ってディスクプレイや紙に画像を出力するカラーＤＴ
Ｐ(DeskTop Publishing)における昇華型のプリンタ等の
画像出力装置が適用される。色ずれ修正部２０は、色ず
れ修正処理全体の制御を司る制御部２１、ニューラルネ
ットワークで構成される第１変換部２２、所定の条件の
下で変換処理を行う第２変換部２３、第１及び第２変換
部に係る各種パラメータ等を記憶するメモリ２４により
構成される。
【００３０】第１変換部２２は、制御部２１の制御の
下、後述する変換機能を有するように学習処理が施され
る。第２変換部２３は、同じく制御部２１による制御の
下、後述するように指定された光源下での撮像された画
像の色彩値、または、光学フィルタやＣＣＤセンサの応
答量を、第１変換部２２の出力である分光反射率、およ
び、メモリ２４に記憶されている等色関数、光学フィル
タやＣＣＤセンサの分光特性に従って、指定された光源
の分光分布から計算される色彩値に変換する。この際、
光学フィルタやＣＣＤセンサの応答量間の２乗誤差（２
乗ノルム）、あるいは、平均色差を最小にするという条
件のもとでの最適化が行われ、色ずれ修正された色分解
値が求められる。
【００３１】また、第１変換部２２は、適当な値を持つ
初期値の電気信号を、分光反射率に変換する。この第１
変換部２２に用いられているニューラルネットワークの
一例を図２に示す。同図に示されるように、中間層は入
出力関係がシグモイド関数によって表される神経回路素
子により構成され、入・出力層は線形の神経回路素子で
構成されることが望ましい。出力層については中間層と
同様にシグモイド特性を持つ神経回路素子で構成されて
もよい。図２に示すニューラルネットは、離散化された
分光反射率の点数に対応する出力ユニットＵ1 ，Ｕ2 、
…Ｕn を有しており、入出力層のユニット数は３、中間
層のユニット数は１８、出力層のユニット数は３１で構
成される。
【００３２】制御部２１は、第２変換部２３を用い、第
１変換部２２から出力される電気信号、即ち、指定され
た光源下での色彩値や光学フィルタやＣＣＤセンサの応
答量と、撮像部１０から送られてくる指定された光源下
での色彩値や光学フィルタやＣＣＤセンサの応答量との
２乗誤差（２乗ノルム）または平均色差を最小にすると
いう条件のもとで最適化を行い、これにより定められた
分光反射率を用いて色ずれ修正された色分解値を求め
る。
【００３３】メモリ２４は、学習を終えたニューラルネ
ットワークの結合係数や、使用される可能性のある光源
の分光分布、等色関数、撮像部１０に適用されるの光学
フィルタやＣＣＤセンサの分光特性等を記憶する。
【００３４】次に、ニューラルネットワークにより構成
される第１変換部２２と、第２変換部２３について詳細
に説明する。図１に示される撮像部１０により、撮影さ
れた色に関する少なくとも３つの色分解値組がそれに対
応する電気信号に変換される。即ち、色情報の変換を行
うべき元の色のＣ（シアン）Ｍ（マゼンタ）Ｙ（イエロ
ー）値、Ｃ（シアン）Ｍ（マゼンタ）Ｙ（イエロー）Ｋ
（ブラック）値、またはＲ（レッド）Ｇ（グリーン）Ｂ
（ブルー）値のような色分解値を示す電気信号として出
力される。
【００３５】第１変換部２２では、ＣＭＹ値、ＣＭＹＫ
値、ＲＧＢ値等の色分解値が適当な初期値として入力層
に与えられると、図２に示すような構造を持つニューラ
ルネットワークの中間層ユニットの出力Ｈi は以下の式
に従って出力される。
【００３６】
【数１】
【００３７】ここで、Ｗ（ｈ）ijはｊ番目の入力ユニッ
トとｉ番目の中間ユニットの結合係数を表し、またＩi
は中間ユニットの出力、ｂj はバイアス値を表す。ま
た、出力層ユニットの出力Ｏi も同様に次式に従って出
力される。
【００３８】
【数２】
【００３９】但し、Ｗ（ｏ）ijはｊ番目の中間ユニット
とｉ番目の出力ユニットの結合係数を表し、またＨi は
前記（１）式で定義されるｉ番目の中間ユニットの出力
値である。また、ｎ、ｍ、ｋはそれぞれ入力層、中間
層、出力層のユニット数である。この時、入力層のユニ
ットの特性は入力をそのまま出力するような特性であ
り、また、中間層ユニットの関数ｆ（ｘ）は次式で定義
される［０，１］の間で単調増加なシグモイド関数で表
される特性である。
【００４０】
【数３】
【００４１】また、出力ユニットはシグモイド関数ある
いは線形関数で表される特性である。ただし、出力層は
バイアスユニットからの入力があってもよい。このニュ
ーラルネットの結合係数は、各出力ユニットの出力と教
師信号として与えられる分光反射率との２乗誤差を最小
にするように予め学習・修正される。学習には、ルーメ
ルハート(Rumelhert) が提案したバックプロパゲーショ
ン学習則が用いられ、ＣＭＹ値、ＣＭＹＫ値、ＲＧＢ値
等から分光反射率への変換を学習する。学習を終えたニ
ューラルネットワークの結合係数は、メモリ２４に記憶
される。
【００４２】一方、第２変換部２３では、撮像部１０の
色分解値から分光反射率への学習を終えたニューラルネ
ットによって得られる、第１変換部２２の出力である分
光反射率Ｒ（Ｃ，Ｍ，Ｙ）と、等色関数または撮像部１
０の光学フィルタやＣＣＤの分光特性Ｍと、指定された
光源の分光分布Ｌとから
【００４３】
【数４】 で計算される色彩値や光学フィルタやＣＣＤセンサの応
答量と、撮像部１０から送られてくる指定された光源で
の色彩値または光学フィルタやＣＣＤセンサの応答量と
の２乗誤差（２乗ノルム）、または、平均色差を最小に
するという条件のもとで第１変換部２２の入力の最適化
によって得られる分光反射率Ｒｄ（Ｃ，Ｍ，Ｙ）を用い
て下記の（５）式によって計算される色ずれ修正した色
彩値、または、少なくとも３つの色分解値に変換する。
【００４４】
【数５】
【００４５】第２変換部２３における最適化によって変
換された色ずれ修正された色分解値組は、画像出力部３
０に送られ、電気信号や光信号等任意の信号に変換され
る。次に、この第１の実施の形態における第１変換部２
２の学習を、第１及び第２の実施の形態に適用される照
明光と共に説明する。
【００４６】この第１の実施の形態及び後述する第２の
実施の形態では、ＣＩＥ(CommisionInternationale de
I'Eclairage: 国際照明委員会) によって分光分布が規
定されているＤ５０光源（昼白色光源）、Ａ光源( 白熱
電球) 、Ｆ３光源（蛍光灯）を用いる。各光源の分光分
布を図３に示す。ここで、各光源の分布は、エネルギー
が等しくなるように正規化されている。
【００４７】図４に、ニューラルネットワークで構成さ
れる第１変換部２２の学習処理を示す。前述したように
この学習処理は、制御部２１の制御の下で実施される。
尚、ＣＣＤの分光特性には、ＣＩＥの等色関数を用いて
簡易化を図る。又、ニューラルネットワークの学習に用
いる分光反射率データには、画像出力部３０でＣＭＹ値
を０から１００％まで１０％間隔で変えて印刷した１３
３１色のカラーチップの分光反射率を分光測色器で測色
して得たデータを、色分解値には測色時のＣＭＹ値を用
いて簡易化を図る。尚、学習データは、このデータのう
ちの２１６色だけを用いる。
【００４８】先ず、第１変換部２２の入力層にデバイス
値を入力する（ステップＳ１０）。ここでは、前述した
ように昇華型プリンタ等の画像出力部３０からのＣＭＹ
値が入力される。この後、出力層に対して分光測色器で
測色された分光反射率が教師信号として与えられる（ス
テップＳ１１）。次に、バックプロパゲーション学習則
に基づいて学習処理が施される（ステップＳ１２）。即
ち、出力層より出力される値が教師信号である分光反射
率に近づくようにニューラルネットワーク内のユニット
の結合の強さ（結合係数）が変更される。
【００４９】この後、ステップＳ１２における学習が、
所定の学習条件、例えば、結合係数を変更した回数が所
定回数に達しているかや、出力層から出力される値と教
師信号である分光反射率との誤差が所定の誤差以内であ
るか等が判定される（ステップＳ１３）。所定の学習条
件を満たしている場合には、ニューラルネットの結合係
数がメモリ２４に保存され、学習処理が終了する（ステ
ップＳ１３，ＹＥＳ）。又、学習条件が満たされていな
い場合、再びステップＳ１０からの学習処理が実行され
る（ステップＳ１３，ＮＯ）。
【００５０】次に、この第１の実施の形態における、色
ずれ修正処理を図５のフローチャートを参照して説明す
る。前述の学習処理により求められた結合係数を用い
て、Ａ光源（白熱電球）、Ｆ３光源（蛍光灯）下で撮像
部１０により撮影された画像の色ずれ修正処理が行われ
る。これらの色ずれ修正処理は、前述したように制御部
２１の制御の下で実施される。
【００５１】先ず、撮像部１０によりＡ光源，Ｆ３光源
下で撮影された物体の色分解値（ＣＭＹ値）が色ずれ修
正部２０に送られる（ステップＳ２０）。又、同時に第
２変換部２３において初期値の設定として乱数入力が行
われる。ここでは、ＣＭＹ値の各Ｃ，Ｍ，Ｙの値はそれ
ぞれ０〜１００までの範囲である。この後、予めメモリ
２４に保存されている光源Ｌ0 （Ｄ５０光源）の分光分
布、等色関数、前記学習処理により定められたニューラ
ルネットワークの結合係数が第１変換部２２に設定され
る（ステップＳ２１）。第１変換部２２では、乱数入力
されたＣＭＹ値が対応する分光反射率に変換される（ス
テップＳ２２）。更に、ここでは、得られた分光反射率
と、メモリに記憶されているＣＣＤセンサの分光特性
と、指定された光源（Ｄ５０光源）の分光特性とからＣ
ＣＤセンサの応答量が前記式（４）によって求められ
る。
【００５２】この後、第２変換部２３において、第１変
換部により求められた応答量と、撮像部１０から送られ
たＣＭＹ値とを用いて最適化処理が行われる（ステップ
Ｓ２３）。この最適化処理は、２つの応答量間の２乗誤
差（２乗ノルム）、または、平均色差を最小にするとい
う条件を満足するように実施され、第１変換部２２に入
力されるＣＭＹ値が更新される（ステップＳ２４）。
【００５３】次に、更新されたＣＭＹ値が最適化の条
件、例えば、２乗誤差（２乗ノルム）または平均色差が
所定の値以下である条件を満足しているか否かが判断さ
れる（ステップＳ２５）。この最適化条件を満足してい
ない場合には（ステップＳ２５，ＮＯ）再びステップＳ
２２からの処理が更新されたＣＭＹ値に従って行われ
る。最適化条件を満足している場合（ステップＳ２５，
ＹＥＳ）、この処理によって得られる分光反射率Ｒd か
ら前記（５）式を用いて色ずれを修正された色分解値が
計算される（ステップＳ２６）。図６に前記ステップＳ
２３，Ｓ２４における処理の流れの略を示す。尚、ここ
では、２つの応答量の最適化に非線形最適化の一般的な
手法であるＢＦＧＳ法を用いた。
【００５４】ここで、従来に提案されている、ＭＷＰ法
および、バーヘル(Vrhel) らの有限次元線形モデルを用
いた方法との比較を図７及図８に示す。ここでは、この
第１の実施の形態によって求められた、Ｆ３光源、Ａ光
源の色ずれ修正の精度評価の結果を（ｃ）に、ＭＷＰ(W
hite Point Mapp ing)法による結果を（ａ）に、バーヘ
ルらによる方法を（ａ）に示す。ここで、上段のグラフ
では色ずれの修正誤差を
【００５５】
【数６】 で計算されるＣＩＥ Ｌ* ａ* ｂ* 空間のａ* −ｂ* 平
面上にプロットした結果であり、点は、評価に用いた各
色票を実測した分光反射率のＤ５０光源での色を、細線
は、修正誤差をそれぞれ表している。又、下段のグラフ
は、評価用データに対する修正誤差の色差ヒストグラム
であり、縦線は、１２５色の平均色差を示している。こ
の時の色差は、
【００５６】
【数７】 を用いて計算されている。
【００５７】これらの結果より、ＷＰＭ法では、参照白
色近辺ａ* −ｂ* 平面の原点近辺の色は、ほんとんど誤
差無く修正されているものの、有彩色( 原点から離れた
色)ではかなり大きな修正誤差が生じ、その方向も様々
である。又、平均、最大色差もそれぞれＦ３光源で、１
１．２０４、２５．３２４、Ａ光源で９．７２８６、２
０．７６８と大きい。これに対し、バーヘルらの方法で
は、参照白色付近の色だけでなく、全ての色において比
較的良い精度で修正されていることが分かる。これは、
平均、最大色差がそれぞれＦ３光源で３．８２９６、１
５．３８６、Ａ光源で３．８７０５、１７．７０９であ
ることからも確認できる。一方、この第１の実施の形態
では、バーヘルらの方法よりさらに精度の良い修正が実
現されており、平均、最大色差はＦ３光源で１．７０７
６、１２．７１６、Ａ光源で１．４６０７、１１．６７
９と小さい。心理実験の結果によれば、隣接比較した場
合でも、色差２以下の色の違いを肉眼で識別することは
難しいとされていることから、この第１の実施の形態に
より、色修正の精度として十分な精度が得られていると
考えられ、この有効性が示される。
【００５８】次に、この発明の第２の実施の形態を図面
を参照して説明する。先ず、前述した第１の実施の形態
との相違を図９を参照して説明する。図９（ａ），
（ｂ）はそれぞれ撮像した画像の光源による色ずれ補正
と、画像出力（再現）される画像の色ずれ補正を示して
いる。
【００５９】先に説明したように、撮像した画像の色ず
れ補正の場合（例えば、カメラやビデオ等の画像）で
は、撮影する時の光源は種々あり、例えば、室内で撮影
するときには、光源は蛍光灯や白熱電球となり、室外で
あれば太陽光となる。このように撮影された画像は、各
種光源下で撮影されていることとなり、撮影によって得
られる画像は、既に光源の影響（光源変動）によって色
ずれしていることになる。
【００６０】前述した第１の実施の形態では、既に光源
の影響で色ずれした画像を標準光源下（Ｄ５０光源下）
で撮影した画像に色修正されている。このような補正を
図９（ａ）に示す。
【００６１】一方、画像をプリンタ等の画像出力装置に
より再現した場合、再現した画像をどの光源下で見るか
によって色の見え方が大きく異なる。このような問題を
解決するため、第２の実施の形態では、出力された画像
がどのような光源の下で見られるかを予め調べ（指定さ
れた光源下での画像の色の見え）、標準光源下で見られ
る画像と、その指定された光源下で見られる画像の色見
えが一致するように修正がなされる。この修正を行うた
め、画像を再現する前に（実際にプリンタ等で出力する
前に）、指定された光源下で色がどのように見えるかを
予測し、この予測した色ずれ（標準光源下での画像から
のずれ）の逆補正を画像に施し、この後に画像を再現し
ている。このように逆補正がなされた画像を再現するこ
とにより、実際に指定された光源下で見られる色との色
ずれが差し引き０となり、指定された光源下での再現画
像を見たときの色見えと、標準光源下で画像を見たとき
の色見えとが一致する。このような色ずれの修正を図９
（ｂ）に示す。尚、後述する第２の実施の形態では、再
現画像の色ずれ修正を２つの異なるプリンタ間の再現画
像について行うことが示されている。
【００６２】この発明の第２の実施の形態に係る色ずれ
を修正する装置の機能構成を図１０に示す。図１０に示
されるように、この色ずれを修正する装置は、入力部４
０、色ずれ修正部５０、画像出力部６０とにより構成さ
れる。入力部４０は、ＣＭＹ値等、色分解値を入力し、
対応する電気信号として色ずれ修正部５０に出力する。
画像出力部６０は、前述した第１の実施の形態における
画像出力部３０と同様の構成を有する。
【００６３】色ずれ修正部５０は、色ずれ修正処理全体
の制御を司る制御部５１、ニューラルネットワークで構
成される第１変換部５２及び第２変換部５３、所定の条
件の元で変換処理を行う第３変換部５４、第１及び第２
変換部のニューラルネットワーク、及び第３変換部に係
る各種パラメータ等を記憶するメモリ５５により構成さ
れる。尚、第１変換部５２、第２変換部５３は、それぞ
れ後述する変換機能を有していると同時に、この機能を
実現するように制御部５１の下、学習処理がなされる。
【００６４】また、第３変換部５４は、後述するように
昼白色光源と、指定された光源下での色彩値または光学
フィルタやＣＣＤセンサの応答量との間の２乗誤差（２
乗ノルム）、あるいは、平均色差を最小にするという条
件のもとで最適化を行い、色ずれ修正された色分解値を
求める。
【００６５】第１変換部５２は、色分解値を入力した
時、それに対応する分光反射率を出力する。この第１変
換部５２に用いられているニューラルネットワークの一
例を図１１に示す。図１１に示されるように中間層は入
出力関係がシグモイド関数によって表される神経回路素
子により構成され、また、バイアスユニットからの入力
を持つことが好ましい。入・出力層は線形の神経回路素
子で構成されることが望ましく、出力層については中間
層と同様にシグモイド特性を持つ神経回路素子で構成さ
れてもよい。但し、出力層はバイアスユニットからの入
力があってもよい。尚、この第２の実施の形態では、入
力層のユニット数を３、中間層のユニット数を１５、出
力層のユニット数を３１とする。
【００６６】第２変換部５３は、任意の色分解値を初期
値として入力され、そのときの対応する分光反射率を出
力する。この第２変換部５３に用いられているニューラ
ルネットワークの構成の一例を図１２に示す。図１２に
示されるように中間層は入出力関係がシグモイド関数に
よって表される神経回路素子により構成され、また、バ
イアスユニットからの入力を持つことが好ましい。入・
出力層は、線形の神経回路素子で構成されることが望ま
しく、出力層については中間層と同様にシグモイド特性
を持つ神経回路素子で構成されてもよい。但し、出力層
はバイアスユニットからの入力があってもよい。尚、こ
の第２の実施の形態では、入力層のユニット数を３、中
間層のユニット数を１８、出力層のユニット数を３１と
する。
【００６７】次に、第１変換部５２及び第２変換部５３
の学習処理について説明する。第１変換部５２及び第２
変換部５３のニューラルネットワークの学習処理は、制
御部５１の制御の下で行われる。学習処理の流れは、図
４に示される、前述した第１の実施の形態と同様である
ので詳細な説明は省略する。但し、第１変換部５２の入
力値は、プルーフプリンタのＣＭＹ値であり、このプリ
ンタで印刷された色票を分光測色器で測色した分光反射
率が教師信号として与えられる。又、第２変換部５３
は、昇華型プリンタのＣＭＹ値が入力値として与えら
れ、このプリンタで印刷された色票を分光測色器で測色
した分光反射率が教師信号として与えられる。
【００６８】次に、この第２の実施の形態における色ず
れ修正処理について図１３のフローチャートを参照して
説明する。先ず、入力部３０から各色票の色分解値（Ｃ
ＭＹ値）が色ずれ修正部２０に送られる（ステップＳ３
０）。又、同時に第２変換部５３において初期値の設定
として乱数入力が行われる。ここでは、ＣＭＹ値の各
Ｃ，Ｍ，Ｙの値はそれぞれ０〜１００までの範囲であ
る。この後、予めメモリ５５に保存されている光源Ｌ0
（Ｄ５０光源）の分光分布、等色関数、前記学習処理に
より定められたニューラルネットワークの結合係数が第
１変換部５２に設定される（ステップＳ３１）。又、予
めメモリ５５に保存されている光源Ｌの分光分布、等色
関数、前記学習処理により定められたニューラルネット
ワークの結合係数が第２第２変換部５３に設定される
（ステップＳ３２）。第１変換部５２では、入力部３０
から送られたＣＭＹ値が、前記（１）式、（２）式に基
づいて対応する分光反射率に変換される（ステップＳ３
３）。又、第２変換部５３では、前記乱数によるＣＭＹ
値が、同じく前記（１）式、（２）式に従って対応する
分光反射率に変換される（ステップＳ３４）。
【００６９】この後、第３変換部５４において、第１変
換部５２と第２変換部５３との出力に従って最適化処理
が行われる（ステップＳ３５）。この最適化処理は、２
つの応答量間の２乗誤差（２乗ノルム）、または、平均
色差を最小にするという条件を満足するように実施さ
れ、第２変換部５３に入力されるＣＭＹ値が更新される
（ステップＳ３６）。
【００７０】即ち、第３変換部５４では、標準の色再現
装置の色分解値から分光反射率への変換を学習したニュ
ーラルネットを用いて得られる第１変換部５２の出力で
ある、分光反射率Ｒ２（Ｃ，Ｍ，Ｙ）、および、メモリ
５５に記憶されている等色関数、光学フィルタやＣＣＤ
センサの分光特性Ｍ、昼白色光源の分光分布Ｌ0 から前
記（４）式によって計算される色彩値、あるいは、光学
フィルタやＣＣＤセンサの応答量と、色ずれ修正の対象
となる色再現装置の、色分解値から分光反射率への変換
を学習したニューラルネットを用いて得られる第２変換
部５３の出力である分光反射率、および、メモリ５５に
記憶されている等色関数、光学フィルタやＣＣＤセンサ
の分光特性Ｒ１（Ｃ，Ｍ，Ｙ）、指定された光源の分光
分布Ｌから前記（４）式によって計算される色彩値、あ
るいは、光学フィルタやＣＣＤセンサの応答量との２乗
誤差（２乗ノルム）、あるいは、平均色差を最小にする
という条件のもとで第２の変換部２２の出力を最適化す
ることによって色ずれを修正した色分解値に変換する。
【００７１】次に、更新されたＣＭＹ値が最適化の条
件、例えば、２乗誤差（２乗ノルム）または平均色差が
所定の値以下である条件を満足しているか否かが判断さ
れる（ステップＳ３７）。この最適化条件を満足してい
ない場合には（ステップＳ３７，ＮＯ）再びステップＳ
３４からの処理が更新されたＣＭＹ値に従って行われ
る。最適化条件を満足している場合（ステップＳ３７，
ＹＥＳ）、更新によって決定されたＣＭＹ値が色ずれ修
正された色分解値として、画像出力部６０に送られる
（ステップＳ３８）。図１４に前記ステップＳ３５，Ｓ
３６における処理の流れの概略を示す。
【００７２】この第２の実施の形態においては、指定さ
れた光源として、Ｆ３光源、Ａ光源を用い、この際の効
果を図１５に示す。図１５は、標準の色再現装置で印刷
した再現色のＤ５０光源でのＣＩＥ Ｌ* ａ* ｂ* 値と
色ずれ修正の対象である色再現装置で印刷した再現色の
Ｆ３光源、およびＡ光源でのＣＩＥ Ｌ* ａ* ｂ* 値を
それぞれ比較評価した結果である。
【００７３】これらの結果から、このこの第２の実施の
形態においては、平均、最大色差はＦ３光源で２．３７
８２、２１．４７２、Ａ光源で２．１５３７、１０．５
８６と小さい。心理実験の結果によれば、隣接比較した
場合でも、色差２以下の色の違いを肉眼で識別すること
は難しいとされていることから、再現画像の光源変動に
よる色ずれを修正するこの第２の実施の形態は、色修正
の精度として十分な精度が得られていると考えられ、有
効性が示されている。尚、前述した第１及び第２の実施
の形態では、分光反射率を用いた場合について説明して
いるが、分光反射率の代わりに分光透過率を適用しても
よい。
【００７４】
【発明の効果】以上詳記したようにこの発明によれば、
光源に依存しない分光反射率、または、分光透過率を用
い、更に、ニューラルネットワークの学習機能を有効に
利用することにより、色が、ＣＭＹ値、または、ＣＭＹ
Ｋ値で表現される場合にも、ＲＧＢ値で表現される場合
であっても、これらの色に関する色分解値と分光反射率
との間の変換を高精度に実現する事ができる。 また、
ＣＭＹ値、ＣＭＹＫ値、あるいは、ＲＧＢ値等の色分解
値組と分光反射率、または、分光透過率との間の変換に
学習機能を有するニューラルネットワークを用いるた
め、十分に学習させられたニューラルネットはその汎化
能力によって、入力に学習に用いなかった未知のデータ
が入力された場合であっても、入力データに対する適切
な出力を得ることができる。
【００７５】更に、昼白色光源下と指定した光源下での
色彩値もしくは、光学フィルタやＣＣＤセンサの応答
量、あるいは、指定された光源下で撮像された画像の色
彩値、または、光学フィルタやＣＣＤセンサの応答量
と、ニューラルネットによって求められた分光反射率か
ら計算される色彩値、または、光学フィルタやＣＣＤセ
ンサの応答量間の２乗ノルム、または、平均色差を最小
とすることを条件とする非線形最適化手法によって、装
置にも光源にも依存しない非常に信頼性の高い色ずれ修
正を実現することが可能となる。従って、分光反射率を
ＣＩＥ Ｌ* ａ* ｂ* 値やＣＩＥ ＸＹＺ値と同様に色
の中間的な表現として用いることにより、単に装置に独
立なだけでなく、光源にも独立な色再現が実現できる。
【図面の簡単な説明】
【図１】この発明に係る第１の実施の形態である色ずれ
修正装置の機能構成を示すブロック図。
【図２】前記第１の実施の形態における第１変換部に適
用されるニューラルネットワークの一例を示す図。
【図３】この発明の実施の形態に適用される３種類の光
源の分光分布を示す線図。
【図４】この発明の第１の実施の形態におけるニューラ
ルネットワークの学習処理を示すフローチャート。
【図５】この発明の第１の実施の形態における色ずれ修
正処理を示すフローチャート。
【図６】この発明の第１の実施の形態の色ずれ修正処理
における最適化処理を示す模式図。
【図７】この発明の第１の実施の形態による効果を説明
する図であり、第１の実施の形態と２種類の従来技術と
の修正精度をＦ３光源の場合について比較した線図、及
びヒストグラム。
【図８】この発明の第１の実施の形態による効果を説明
する図であり、第１の実施の形態と２種類の従来技術と
の修正精度をＡ光源の場合について比較した線図、及び
ヒストグラム。
【図９】この発明に係る第１の実施の形態と第２の実施
の形態との違いを説明する図。
【図１０】この発明に係る第２の実施の形態である色ず
れ修正装置の機能構成を示すブロック図。
【図１１】前記第２の実施の形態における第１変換部に
適用されるニューラルネットワークの一例を示す図。
【図１２】前記第２の実施の形態における第２変換部に
適用されるニューラルネットワークの一例を示す図。
【図１３】この発明の第２の実施の形態における色ずれ
修正処理を示すフローチャート。
【図１４】この発明の第２の実施の形態の色ずれ修正処
理における最適化処理を示す模式図。
【図１５】この発明の第２の実施の形態による効果を説
明する図であり、この第２の実施の形態における修正精
度をＦ３光源とＡ光源の場合について示した線図、及び
ヒストグラム。
【符号の説明】
１０…撮像部、２０，５０…色ずれ修正部、３０，６０
…画像出力部、４０…入力部、２１，５１…制御部、２
２，５２…第１変換部、２３，５３…第２変換部、２
４，５５…メモリ、５４…第３変換部。

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 色分解値から画像の光源による色ずれを
    修正する方法において、 分光反射率及び分光透過率のいずれか一方を中間表色系
    として、色分解値から前記中間表色系への変換が学習さ
    れたニューラルネットワークを用い、少なくとも３つの
    色分解値から前記中間表色系へ変換するステップと、 前記中間表色系から所定の光源下における色彩値を算出
    するステップと、 前記色彩値と所定の色彩値から前記ニューラルネットワ
    ークにより変換される色分解値を最適化するステップと
    を具備することを特徴とする色ずれ修正方法。
  2. 【請求項２】 前記最適化するステップは、前記算出ス
    テップにより求められる色彩値と、前記所定の色彩値と
    の２乗誤差及び平均色差の少なくとも一方を最小とする
    ように、前記色分解値を最適化することを特徴とする請
    求項１記載の色ずれ修正方法。
  3. 【請求項３】 前記色分解値はカラー画像を構成するＲ
    （レッド）、Ｇ（グリーン）、Ｂ（ブラック）値の加法
    混色の三原色であることを特徴とする請求項１記載の色
    ずれ修正方法。
  4. 【請求項４】 前記色分解値はカラー画像を構成するＣ
    （シアン）、Ｍ（マゼンタ）、Ｙ（イエロー）、及び
    Ｃ、Ｍ、Ｙ、Ｋ（ブラック）値のいずれかである減法混
    色の原色であることを特徴とする請求項１記載の色ずれ
    修正方法。
  5. 【請求項５】 前記ニューラルネットワークは多層フィ
    ードフォワード型ニューラルネットワークであることを
    特徴とする請求項１記載の色ずれ修正方法。
  6. 【請求項６】 前記最適化ステップは、非線形最適化を
    行うことを特徴とする請求項１または５記載の色ずれ修
    正方法。
  7. 【請求項７】 前記所定の光源は、ＣＩＥ(Commission
    Internationale deI'Eclairage)が規定するＣ光源、及
    び、色温度が４０００[K] から７５００[K]を有するＤ
    光源のいずれか一方であることを特徴とする請求項１記
    載の色ずれ修正方法。
  8. 【請求項８】 前記所定の光源は、ＣＩＥ(Commission
    Internationale deI'Eclairage)が規定するＡ光源、Ｂ
    光源、Ｃ光源、任意の色温度のＤ光源、Ｆ１からＦ１２
    光源持つ光源のいずれか一つであることを特徴とする請
    求項１または５記載の色ずれ修正方法。
  9. 【請求項９】 物体を撮像し、少なくとも３つの色分解
    値組を生成する撮像手段と、 少なくとも３つの色分解値組を、多層フィードフォワー
    ド型のニューラルネットワークによって分光反射率及び
    分光透過率のいずれか一方に変換する変換手段と、 前記変換手段により求められる分光反射率及び分光透過
    率のいずれか一方と、を用い、所定の光源下の色彩値と
    前記撮像手段により生成される色分解値組との２乗誤差
    及び平均色差の少なくとも一方を最小化するように前記
    少なくとも３つの色分解値組を最適化する最適化手段と
    を具備することを特徴とする色ずれ修正装置。
  10. 【請求項１０】 少なくとも３つの色分解値組を入力す
    る入力手段と、 色分解値組から画像を出力する画像出力手段と、 少なくとも３つの色分解値組を、前記画像出力手段の特
    性に従って学習された多層フィードフォワード型のニュ
    ーラルネットワークによって分光反射率及び分光透過率
    のいずれか一方に変換する第１変換手段と、 前記入力手段に入力された色分解値組を、所定の画像出
    力特性に従って学習された多層フィードフォワード型の
    ニューラルネットワークによって分光反射率及び分光透
    過率のいずれか一方に変換する第２変換手段と、 前記第１及び第２変換手段により求められる分光反射率
    及び分光透過率のいずれか一方とを用い、それぞれ計算
    される所定の光源下での色彩値間の２乗誤差及び平均色
    差の少なくとも一方を最小化するように前記入力された
    色分解値組を最適化する最適化手段とを具備することを
    特徴とする色ずれ修正装置。
JP7319302A 1995-12-07 1995-12-07 色ずれ修正方法及び装置 Pending JPH09163382A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP7319302A JPH09163382A (ja) 1995-12-07 1995-12-07 色ずれ修正方法及び装置
US08/736,257 US5929906A (en) 1995-12-07 1996-10-24 Color correcting method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP7319302A JPH09163382A (ja) 1995-12-07 1995-12-07 色ずれ修正方法及び装置

Publications (1)

Publication Number Publication Date
JPH09163382A true JPH09163382A (ja) 1997-06-20

Family

ID=18108687

Family Applications (1)

Application Number Title Priority Date Filing Date
JP7319302A Pending JPH09163382A (ja) 1995-12-07 1995-12-07 色ずれ修正方法及び装置

Country Status (2)

Country Link
US (1) US5929906A (ja)
JP (1) JPH09163382A (ja)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002037863A1 (fr) * 2000-10-31 2002-05-10 Sony Corporation Correcteur de reproduction chromatique pour dispositif de saisie d"image et procede de correction de reproduction chromatique
US6987567B2 (en) 2002-05-10 2006-01-17 Canon Kabushiki Kaisha Color evaluation apparatus and method
US7433102B2 (en) 2002-05-10 2008-10-07 Canon Kabushiki Kaisha Reproduction color prediction apparatus and method
JP2009027532A (ja) * 2007-07-20 2009-02-05 Nikon Corp 色座標変換装置、撮像装置、色座標変換プログラム、色座標変換テーブルの作成方法
CN102788642A (zh) * 2011-05-20 2012-11-21 精工爱普生株式会社 光谱推断参数生成装置和方法以及光谱推断装置
JP2013160772A (ja) * 2013-03-27 2013-08-19 Seiko Epson Corp 分光計測方法、および分光計測器
US9041928B2 (en) 2011-05-20 2015-05-26 Seiko Epson Corporation Feature value estimation device and corresponding method, and spectral image processing device and corresponding method
CN109671124A (zh) * 2018-12-27 2019-04-23 湖南师范大学 一种矿物浮选泡沫图像颜色校正方法及泡沫颜色检测***
KR101976959B1 (ko) * 2017-12-20 2019-05-09 세종대학교산학협력단 영상 기반의 홍수 탐지 방법
CN109859110A (zh) * 2018-11-19 2019-06-07 华南理工大学 基于光谱维控制卷积神经网络的高光谱图像全色锐化方法

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1526720A3 (en) * 1997-01-20 2005-05-11 Matsushita Electric Industrial Co., Ltd. Digital camera with interchangeable displays
JPH10334212A (ja) * 1997-04-01 1998-12-18 Fuji Photo Film Co Ltd 付加情報付き画像ファイルからの画像プリントシステム
JPH10285610A (ja) * 1997-04-01 1998-10-23 Sony Corp 色補正装置および色補正制御装置
US6144776A (en) * 1997-04-24 2000-11-07 Sharp Kabushiki Kaisha Image reader
US6559982B1 (en) * 1999-01-12 2003-05-06 Hewlett-Packard Company Accurate monitor to printer color reproduction technique
US6211971B1 (en) * 1999-03-11 2001-04-03 Lockheed Martin Missiles & Space Co. Method and apparatus to compress multi-spectral images to a single color image for display
JP2000311243A (ja) * 1999-04-28 2000-11-07 Sony Corp 画像色補正方法及び装置
DE10022009C2 (de) * 1999-11-26 2002-12-05 Inb Vision Ag Verfahren und Einrichtung zur Bestimmung und mindestens teilweisen Korrektur der Fehler eines Bildwiedergabesystems
US6888963B2 (en) * 2000-07-18 2005-05-03 Matsushita Electric Industrial Co., Ltd. Image processing apparatus and image processing method
JP4371566B2 (ja) * 2000-11-22 2009-11-25 キヤノン株式会社 色処理装置およびその方法
US6804390B2 (en) 2001-02-07 2004-10-12 Basf Corporation Computer-implemented neural network color matching formulation applications
US6714924B1 (en) 2001-02-07 2004-03-30 Basf Corporation Computer-implemented neural network color matching formulation system
US6973211B2 (en) * 2001-06-05 2005-12-06 Basf Corporation Color management and solution distribution system and method
US6892194B2 (en) * 2001-06-05 2005-05-10 Basf Corporation System and method for organizing color values using an artificial intelligence based cluster model
US20020184168A1 (en) * 2001-06-05 2002-12-05 Mcclanahan Craig J. System and method for determining acceptability of proposed color solution using an artificial intelligence based tolerance model
US6999615B2 (en) * 2001-06-05 2006-02-14 Basf Corporation Color management and solution distribution system and method
US6993512B2 (en) 2001-06-05 2006-01-31 Basf Corporation System and method for converting a color formula using an artificial intelligence based conversion model
US20040201726A1 (en) * 2002-03-19 2004-10-14 Bloom Daniel M. Digital camera and method for balancing color in a digital image
US7221807B2 (en) * 2002-03-29 2007-05-22 Sharp Laboratories Of America, Inc. Methods and systems for digital image characteristic adjustment using a neural network
US20030002165A1 (en) * 2002-06-27 2003-01-02 Larry Mathias System and method for vision enhancement in a vehicle
JP2004267448A (ja) * 2003-03-07 2004-09-30 Minolta Co Ltd 画像処理装置、画像処理方法およびプログラム
JP4388554B2 (ja) * 2003-11-03 2009-12-24 セイコーエプソン株式会社 印刷用色変換プロファイルの生成
US7652789B2 (en) * 2003-11-03 2010-01-26 Seiko Epson Corporation Production of color conversion profile for printing
US7706604B2 (en) * 2003-11-03 2010-04-27 Seiko Epson Corporation Production of color conversion profile for printing
US7269297B2 (en) * 2003-11-25 2007-09-11 Xerox Corporation Illuminant-neutral gray component replacement in systems for spectral multiplexing of source images to provide a composite image, for rendering the composite image, and for spectral demultiplexing of the composite image
US7379588B2 (en) * 2003-11-25 2008-05-27 Xerox Corporation Systems for spectral multiplexing of source images to provide a composite image, for rendering the composite image, and for spectral demultiplexing the composite image to obtain a normalized color image
US7835577B2 (en) * 2005-01-18 2010-11-16 Siemens Corporation System and method for multi-label image segmentation of digital photographs
US7525704B2 (en) * 2005-12-20 2009-04-28 Xerox Corporation System for providing depth discrimination of source images encoded in a rendered composite image
FR2895823A1 (fr) * 2006-01-05 2007-07-06 France Telecom Correction d'image couleur et obtention d'au moins un invar iant couleur
US7800698B2 (en) * 2006-04-27 2010-09-21 Qualcomm Incorporated Weight adjustment in color correction
JP5473194B2 (ja) * 2007-04-26 2014-04-16 キヤノン株式会社 色処理装置およびその方法
US20100157330A1 (en) * 2008-12-18 2010-06-24 Yue Qiao Optimized color conversion
US8330991B2 (en) * 2009-03-03 2012-12-11 Columbia Insurance Company Method for managing metamerism of color merchandise
US8467090B2 (en) 2009-03-03 2013-06-18 Columbia Insurance Company Color selection apparatus and method for producing low metameric color merchandise
US8456697B2 (en) * 2009-07-16 2013-06-04 Xerox Corporation Adaptive illumination independent matching of spot colors
US8456698B2 (en) * 2009-07-31 2013-06-04 Xerox Corporation Adaptive illumination independent matching of out of gamut spot colors using various gamut mapping techniques
JP5693192B2 (ja) * 2010-12-13 2015-04-01 キヤノン株式会社 色処理装置、色処理方法、プログラム及び記憶媒体
JP2012208553A (ja) * 2011-03-29 2012-10-25 Sony Corp 画像処理装置、および画像処理方法、並びにプログラム
US10331975B2 (en) * 2016-11-29 2019-06-25 Google Llc Training and/or using neural network models to generate intermediary output of a spectral image
JP6954260B2 (ja) * 2018-12-18 2021-10-27 セイコーエプソン株式会社 学習装置、印刷制御装置及び学習済モデル
CN113411466B (zh) * 2021-05-08 2022-09-20 华南理工大学 基于彩色印刷生产***的多色彩色差智能校正方法及***
WO2024052790A1 (en) * 2022-09-08 2024-03-14 Blue Cube Technology (Pty) Ltd Accurate measurement of spectral reflectivity of flotation froth bubbles

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4500919A (en) * 1982-05-04 1985-02-19 Massachusetts Institute Of Technology Color reproduction system
JPH0786433B2 (ja) * 1990-05-22 1995-09-20 支朗 臼井 色覚情報変換方法及び装置
US5546195A (en) * 1994-08-11 1996-08-13 Toyo Ink Manufacturing Co., Ltd. Apparatus for reproducing color images
JP3287177B2 (ja) * 1995-05-17 2002-05-27 東洋インキ製造株式会社 カラーイメージング方法および装置

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002037863A1 (fr) * 2000-10-31 2002-05-10 Sony Corporation Correcteur de reproduction chromatique pour dispositif de saisie d"image et procede de correction de reproduction chromatique
KR100843821B1 (ko) * 2000-10-31 2008-07-04 소니 가부시끼 가이샤 화상 입력 장치용 색 재현 보정 장치 및 색 재현 보정 방법
US6987567B2 (en) 2002-05-10 2006-01-17 Canon Kabushiki Kaisha Color evaluation apparatus and method
US7433102B2 (en) 2002-05-10 2008-10-07 Canon Kabushiki Kaisha Reproduction color prediction apparatus and method
US7667845B2 (en) 2002-05-10 2010-02-23 Canon Kabushiki Kaisha Color evaluation apparatus and method
JP2009027532A (ja) * 2007-07-20 2009-02-05 Nikon Corp 色座標変換装置、撮像装置、色座標変換プログラム、色座標変換テーブルの作成方法
US8294777B2 (en) 2007-07-20 2012-10-23 Nikon Corporation Chromatic coordinate converting apparatus, imaging apparatus, computer readable recording medium, and creating method of chromatic coordinate converting table
JP2012242271A (ja) * 2011-05-20 2012-12-10 Seiko Epson Corp 分光推定パラメーター生成装置およびその方法、分光推定装置、並びにコンピュータープログラム
CN102788642A (zh) * 2011-05-20 2012-11-21 精工爱普生株式会社 光谱推断参数生成装置和方法以及光谱推断装置
US9041928B2 (en) 2011-05-20 2015-05-26 Seiko Epson Corporation Feature value estimation device and corresponding method, and spectral image processing device and corresponding method
CN102788642B (zh) * 2011-05-20 2016-04-06 精工爱普生株式会社 光谱推断参数生成装置和方法以及光谱推断装置
JP2013160772A (ja) * 2013-03-27 2013-08-19 Seiko Epson Corp 分光計測方法、および分光計測器
KR101976959B1 (ko) * 2017-12-20 2019-05-09 세종대학교산학협력단 영상 기반의 홍수 탐지 방법
CN109859110A (zh) * 2018-11-19 2019-06-07 华南理工大学 基于光谱维控制卷积神经网络的高光谱图像全色锐化方法
CN109859110B (zh) * 2018-11-19 2023-01-06 华南理工大学 基于光谱维控制卷积神经网络的高光谱图像全色锐化方法
CN109671124A (zh) * 2018-12-27 2019-04-23 湖南师范大学 一种矿物浮选泡沫图像颜色校正方法及泡沫颜色检测***
CN109671124B (zh) * 2018-12-27 2023-03-24 湖南师范大学 一种矿物浮选泡沫图像颜色校正方法及泡沫颜色检测***

Also Published As

Publication number Publication date
US5929906A (en) 1999-07-27

Similar Documents

Publication Publication Date Title
JPH09163382A (ja) 色ずれ修正方法及び装置
JP3417051B2 (ja) 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置
JP3287177B2 (ja) カラーイメージング方法および装置
EP1092323B1 (en) Methods and apparatus for color device characterization
US7636473B2 (en) Image color adjustment
US7956886B2 (en) Multi-eye image pickup apparatus and adjusting method
JP3072729B2 (ja) カラーマッチング方法、カラーマッチング装置並びにプログラムを記録した機械読み取り可能な記録媒体
JP4540492B2 (ja) 色変換マトリクス算出方法および画像信号処理装置
US5793884A (en) Spectral based color image editing
JPH10191378A (ja) 撮像装置の色再現補正装置および補正方法
JPH10257295A (ja) 色再現域圧縮方法および装置
JP2001285889A (ja) 好まれるカラーマッピングを伴なうシーンのカラー画像再生
JP2005117612A (ja) 画像処理方法および装置
JP2007036462A (ja) 画像処理装置
JP2978615B2 (ja) カラーバランス調整装置及び方法
JP2008510382A (ja) デジタル・カラー忠実度
JP2004312748A (ja) 均衡化された最小の色誤差を含むデジタルカラー画像を作成する方法
JP3304740B2 (ja) 色シミュレーション装置
CN102257805A (zh) 基于脊的色域映射
JP2005045446A (ja) 色変換マトリクス算出方法および色補正方法
JP2006222783A (ja) 色変換テーブルの作成
JP5097927B2 (ja) 色変換マトリクス算出方法
JPH10173941A (ja) 自然画像の色ずれ修正方法および装置
JPH10243247A (ja) 色の見えを合わせる色情報変換方法及び装置
JP4136820B2 (ja) 色変換マトリクス算出方法および色補正方法

Legal Events

Date Code Title Description
A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20040706