画像情報処理方法、画像情報処理装置、及び記録媒体
【課題】より短時間で、平坦度、色純度、及び空間分散度の比較的高い部分領域の組合せを画像の全領域の中から特定する。
【解決手段】画像全領域から部分領域を抽出する部分領域抽出手段１２ａ、部分領域の平坦度を算出する平坦度算出手段１２ｂ、部分領域の色純度を算出する色純度算出手段１２ｃ、及び平坦度や色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段１２ｄとを具備する繰り返し処理手段１２と、画像の全領域のうち、優秀部分領域を多く含む領域を候補領域として選択する候補領域選択手段１３と、候補領域の中で成立し得る４つの部分領域の組合せを特定する組合せ特定手段１４と、特定された組合せについて、平坦度、色純度、及び空間分散度に基づいて指標値を算出する指標値算出手段１５と、指標値に基づいて、画質の良否判定の被検対象とする組合せを決定する被検対象決定手段１６とを設けた。
【解決手段】画像全領域から部分領域を抽出する部分領域抽出手段１２ａ、部分領域の平坦度を算出する平坦度算出手段１２ｂ、部分領域の色純度を算出する色純度算出手段１２ｃ、及び平坦度や色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段１２ｄとを具備する繰り返し処理手段１２と、画像の全領域のうち、優秀部分領域を多く含む領域を候補領域として選択する候補領域選択手段１３と、候補領域の中で成立し得る４つの部分領域の組合せを特定する組合せ特定手段１４と、特定された組合せについて、平坦度、色純度、及び空間分散度に基づいて指標値を算出する指標値算出手段１５と、指標値に基づいて、画質の良否判定の被検対象とする組合せを決定する被検対象決定手段１６とを設けた。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理方法や画像処理装置に関するものである。また、かかる画像処理方法を実現するプログラムを機械読み取り可能に記録した記録媒体に関するものである。
【背景技術】
【０００２】
従来より、プリンタ等の画像形成装置によって出力した画像の色と、オリジナルの画像情報の色との差を比較して、画像形成装置の作像性能の良否を判定することが行われている。一般的には、次のような判定手法によって作像性能の良否を判定する。即ち、まず、予め用意されている画像情報を利用して色判定用のチャート画像を出力した後、そのチャート画像をスキャナに読み取らせて出力画像情報を得る。次いで、チャート画像における各部の色について、オリジナルの画像情報によって表現されている色と、出力画像情報によって表現されている色との差を求め、その結果に基づいて作像性能の良否を判定する。
【０００３】
しかしながら、写真画像などの出力需要が増えてきている近年において、そのような判定手法を用いると、専用のチャート画像を高価なフォト光沢紙に出力しなければならず、コスト高になってしまう。このため、専用のチャート画像の代わりに、ユーザーが自由に出力した画像を用いて、作像性能の良否を判定する技術の開発が望まれている。
【０００４】
ユーザーが自由に出力した画像を用いて作像性能の良否を判定するためには、その画像の全領域から、色の判定に適した被検領域を抽出する技術が必要になる。そして、かかる技術としては、特許文献１に開示されている領域抽出方法が挙げられる。この領域抽出方法は、まず、画像情報に基づいて、オリジナルの画像の全領域から、注目画素を含む小区画領域を抽出し、その小区画領域における各画像の画素値に基づいて、その小区画領域における濃度差の平坦性（濃度の均一性）を示すエントロピー値を求める。そして、注目画素を順次ずらしていきながら、前述の小区画領域の抽出とエントロピー値の算出とを行う処理を繰り返し実施した後、それぞれの小区画領域のエントロピー値に基づいて、画像の全領域の中から、濃度差の平坦な領域を特定する。濃度差の平坦な領域は、色の変化が少ないため、出力色のチェックを行う領域として適している。つまり、特許文献１に開示されている領域抽出方法を応用すれば、ユーザーによって提供されるオリジナルの画像の全領域から、色の判定に適した被検領域を抽出することが可能である。
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ところが、単に濃度差の平坦な領域を抽出するだけでは、作像性能の良否を精度良く判定することはできない。精度良い判定のためには、濃度差が平坦である（平坦度が高い）ことに加えて、色材に近い色調である（色純度が高い）ことや、画像の全領域の中で適度に散らばっている（空間分散度が高い）ことが求められる。具体的には、カラー画像を出力する画像形成装置では、インクやトナーなどの色材として、Ｙ（イエロー）、Ｍ（マゼンタ）、Ｃ（シアン）などといった互いに色の異なる少なくとも３つの色材を用いる。そして、必要に応じてそれら単色の色材を紙面上で混ぜ合わせたり、それぞれの色材だけからなる単色ドットの面積比率を調整したりして、多彩な色調を再現している。このような構成において、色の再現性を精度良く判定するためには、被検領域として、Ｙ、Ｍ、Ｃ色に近い色調の単色領域を選択するなどといった具合に、色材に近い色調の領域を被検領域として選択する必要がある。また、画像形成装置には、同じ色であっても紙面の上側と下側とでは再現性が異なるなど、画像の位置によって異なる色再現性を示すことがある。このため、Ｙ，Ｍ，Ｃなどの各単色についてそれぞれ画像全領域の中の１領域だけを被検対象とするだけでは不十分であり、それぞれ画像中で適度に散らばっている複数領域を被検対象とする必要がある。よって、各単色についてそれぞれ、平坦度や色純度の比較的高い部分領域を複数組み合わせたものであって、且つ、それら部分領域の空間分散度が比較的高くなるものを、画像の全領域の中から特定しなければならないのである。
【０００６】
本発明者は、そのような部分領域の組合せを特定する方法として、次のような方法を採用することを考えた。即ち、まず、画像の全領域の中から所定の大きさの部分領域を抽出してその平坦度及び色純度を算出する処理を、画像全体を網羅するまで繰り返し実施する。次に、全ての部分領域の中から、所定数の部分領域を選択して組み合わせる場合に成立し得る全ての組合せを特定し、それぞれの組合せについて、各部分領域の平坦度、色純度及び空間分散度の線形和を求めて指標値とする。そして、その指標値が最も大きくなった組合せを、出力色の被検対象とする部分領域の組合せとして特定する方法である。
【０００７】
しかしながら、この方法では、全ての部分領域の中から、所定数の部分領域を選択して組み合わせる場合に成立し得る膨大な量の組合せについてそれぞれ上述した線形和を求めるのに多大な処理時間を費やしてしまうため、実用的でないことが判明した。
【０００８】
本発明は、以上の背景に鑑みてなされたものであり、その目的とするところは、次のような画像処理方法、画像処理装置、及びプログラムを記録した記録媒体を提供することである。即ち、より短時間で、平坦度、色純度、及び空間分散度の比較的高い部分領域の組合せを画像の全領域の中から特定することができる画像処理方法等である。
【課題を解決するための手段】
【０００９】
上記目的を達成するために、請求項１の発明は、少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理方法において、前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出工程と、抽出した部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出工程と、抽出した部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出工程と、抽出した部分領域について、前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定工程とを繰り返し実施した後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択工程と、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定工程と、特定した複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出工程と、前記指標値に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定する被検対象決定工程とを実施することを特徴とするものである。
また、請求項２の発明は、少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置において、前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出手段と、抽出された部分領域について、前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段と、前記部分領域抽出手段による抽出処理、平坦度算出手段による平坦度算出処理、色純度算出手段による色純度算処理、及び優劣判定手段による優劣判定処理の繰り返しの実施によって複数の前記優秀部分領域が特定された後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択手段と、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定手段と、特定された複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出手段と、前記指標値に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定する被検対象決定手段とを備えることを特徴とするものである。
また、請求項３の発明は、請求項２の画像処理装置において、前記部分領域における画素の色情報である画素値の分散度、画素値の最大値と最小値との差分、及び画素値の周波数特性のうち、少なくとも何れか１つに基づいて前記平坦度を算出する処理を実施するように、前記平坦度算出手段を構成したことを特徴とするものである。
また、請求項４の発明は、請求項２又は３の画像処理装置において、前記部分領域における画素の色情報である画素値の平均と、前記特定色との均等色空間内におけるユークリッド距離を前記色純度として算出する処理を実施するように、前記色純度算出手段を構成したことを特徴とするものである。
また、請求項５の発明は、請求項２又は３の画像処理装置において、前記部分領域における互いに異なる少なくとも３つの色成分のそれぞれの平均値のうち、前記特定色に対応するものの符号を正又は負の符号とする一方で、他の平均値の符号を前記特定色に対応する平均値とは逆符号にした数値に基づいて前記色純度を算出する処理を実施するように、前記色純度算出手段を構成したことを特徴とするものである。
また、請求項６の発明は、請求項２乃至５の何れかの画像処理装置において、前記組合せにおける各部分領域それぞれの代表点座標の分散共分散行列又はこれの逆表列を前記空間分散度として算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項７の発明は、請求項２乃至５の何れかの画像処理装置において、前記組合せにおける各部分領域それぞれの代表点座標間の距離の逆数を総和したものを前記空間分散度として算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項８の発明は、請求項２乃至７の何れかの画像処理装置において、前記組合せ特定手段により、前記候補領域に含まれる全ての部分領域の中で成立し得る全ての前記組合せが特定されるのに先立って、前記組合せ特定手段によって特定された前記組合せについての前記指標値の算出を開始するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項９の発明は、請求項８の画像処理装置において、算出済みの指標値の履歴に基づいて、新たな組合せを特定してその前記指標値を算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項１０の発明は、請求項２乃至９の何れかの画像処理装置において、前記平坦度、色純度、及び空間分散度に対してそれぞれ固有の重み付け係数を乗算した値の和に基づいて前記指標値を算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項１１の発明は、プログラムを機械読み取り可能に記録した記録媒体であって、少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置における、前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出手段と、抽出された部分領域について前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段と、前記部分領域抽出手段による抽出処理、平坦度算出手段による平坦度算出処理、色純度算出手段による色純度算処理、及び優劣判定手段による優劣判定処理の繰り返しの実施によって複数の前記優秀部分領域が特定された後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択手段と、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定手段と、特定された複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出手段と、前記指標値に基づいて複数の前記組合せの中から画質の良否判定の被検対象とする組合せを決定する被検対象決定手段とを備える画像処理装置として、コンピュータを機能させるためのプログラムを機械読み取り可能に記録したことを特徴とするものである。
また、請求項１２の発明は、少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置において、前記画像の全領域の中から部分的に抽出した部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度、及び特定色に対する純度である色純度を算出し、算出結果に基づいてその部分領域について前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する処理を繰り返し実施した後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択し、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出し、算出結果に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定することを特徴とするものである。
【発明の効果】
【００１０】
これらの発明においては、画像の全領域から抽出した複数の部分領域のうち、平坦度及び色純度の優れた部分領域だけを優秀部分領域であると判定する。そして、例えば優秀部分領域を多く含む領域を候補領域とするなど、それら優秀部分領域の画像全領域における位置に基づいて、画像の全領域の中から、被検対象とする候補領域を選択した後、その候補領域の中に含まれる部分領域だけについて、所定数の部分領域からなる複数の組合せを特定する。その後、それぞれの組合せについて、被検対象とするか否かを判定するための指標値を算出する。かかる構成においては、画像の全領域の中で成立し得る膨大な数の部分領域組合せの全てについて上記指標値を算出する場合に比べて、上記指標値の算出対象とする組合せ数を低減する。これにより、指標値の算出に要する時間を短縮することが可能になるので、より短時間で、平坦度、色純度、及び空間分散度の比較的高い部分領域の組合せを画像の全領域の中から特定することができる。
【図面の簡単な説明】
【００１１】
【図１】実施形態に係る画像処理装置の要部構成を示すブロック図。
【図２】同画像処理装置によって実施される被検対象領域決定処理の処理フローを示すフローチャート。
【図３】正方行列Ｑの対角成分を正、非対角成分を負、ｗを０ベクトルとして色純度ｆ（μ）を定義し、且つｍＹ＝ｍＫ＝０とした場合における関数の形状を示す模式図。
【図４】図２のＳ７の工程によって選択された候補領域の一例を説明するための模式図。
【図５】画像の全領域と、４つの部分領域からなる組合せと、候補領域との関係の一例を示す模式図。
【図６】各部分領域のそれぞれの重心間のユークリッド距離に基づく空間分散度の算出方法を説明するための模式図。
【図７】変形例に係る画像処理装置の要部構成を示すブロック図。
【図８】同画像処理装置によって実施される被検対象領域決定処理の処理フローを示すフローチャート。
【図９】図８に示される処理フローのＳ８の工程であって、且つ２つ目以降の組合せの特定の際に実施される工程をより詳しく示す詳細フロー。
【図１０】同詳細フローの他の例を示すフローチャート。
【図１１】同画像処理装置によって特定される新たな組合せと保持解組合せとの関係の第１例を示す模式図。
【図１２】同関係の第２例を示す模式図。
【発明を実施するための形態】
【００１２】
以下、本発明を適用した画像処理装置の一実施形態について説明する。
図１は、実施形態に係る画像処理装置１０の要部構成を示すブロック図である。図示のように、画像処理装置１０は、画像情報取得手段１１、繰り返し処理手段１２、候補領域選択手段１３、組合せ特定手段１４、指標値算出手段１５、処理停止判定手段１６、被検対象決定手段１７等を有している。また、繰り返し処理手段１２は、部分領域抽出手段１２ａ、平坦度算出手段１２ｂ、色純度算出手段１２ｃ、及び優劣判定手段１２ｄを具備している。
【００１３】
画像処理装置１０の画像情報取得手段１１は、ユーザーからパーソナルコンピュータ等を介して送られてくる画像データを取得する。この画像データは、画像を構成する、マトリクス状に並ぶ複数の画素についてそれぞれＣ（シアン），Ｍ（マゼンタ），Ｙ（イエロー），Ｋ（黒）の単色成分の明度を表した画素値を具備するものであり、パーソナルコンピュータ等からプリンタに出力されるオリジナルの画像データである。画像処理装置１０は、この画像データの全領域のうち、どの領域を色検査の被検対象にするのかを決定するものである。この決定の後、画像処理装置１０に対して、出力画像をスキャナで読み取らせた読取画像データが入力されると、画像処理装置１０は、その出力画像における被検対象領域を、各画素のマトリクスの位置に基づいて特定し、その色データをオリジナルの色データと比較して、出力色の良否を判定する。
【００１４】
画像処理装置１０は、オリジナルの画像データにおける色検査の被検領域を決定するにあたり、まず、Ｃ，Ｍ，Ｙ，Ｋの４色についてそれぞれ、その画像データの全領域の中から、色の検査に適した部分領域の組合せを決定する。
【００１５】
図２は、画像処理装置１０によって実施される被検対象領域決定処理の処理フローを示すフローチャートである。画像処理装置１０は、まず、画像情報取得手段（１１）によって画像データを取得する（ステップ１：以下、ステップをＳと記す）。そして、繰り返し処理手段１２により、Ｓ２〜Ｓ６の処理を繰り返し行う。具体的には、画像データによって表される画素マトリクスの所定位置にある画素を注目画素とし、その注目画素を中心とする所定サイズの領域を部分領域として抽出する。例えば、初回の抽出においては、画素マトリクスにおける左上から５１列目で且つ５１行目の画素を注目画素とし、この注目画素を中心とする１０１画素×１０１画素の矩形領域（約４ｍｍ角の領域）を部分領域として抽出する。この抽出は、図１に示したように、繰り返し処理手段１２の部分領域抽出手段１２ａによって行われる。
【００１６】
繰り返し処理手段１２の平坦度算出手段１２ｂは、部分領域抽出手段１２ａによって抽出された部分領域における各画素の画素値（Ｃ，Ｍ，Ｙ，Ｋ）を参照しながら、その部分領域全体としての濃淡の平坦さを示す平坦度を算出する（Ｓ２）。平坦度としては、様々な算出法によって求められたものを用いることが可能である。平坦度の第１例としては、次のような算出法によって求められたものを挙げることができる。即ち、まず、Ｃ，Ｍ，Ｙ，Ｋについてそれぞれ、各画素の分散を求める。次いで、その分散の和に負の符号をつけたものを部分領域内の平坦度として求める。
【００１７】
平坦度の第２例として、分散共分散行列の行列式を挙げることができる。具体的には、Ｃ，Ｍ，Ｙ，Ｋについてそれぞれ、部分領域内の各画素における分散と共分散を求める。次いで、分散を対角成分に、共分散を非対角成分に配置した４×４の分散共分散行列を構築し、その行列式を計算する。そして、行列式の値に負の符号を付けたものを平坦度として求めてもよい。分散共分散行列の行列式を用いることで、ＣＭＹＫ空間での分布の広がりを評価することができるからである。先に説明した第１例の平坦度に比べて、異なる成分間の色の広がりも評価することができる点が優れている。
【００１８】
また、平坦度の第３例として、色の周波数特性を利用したものを挙げることができる。具体的には、部分領域内の各画素値を用いてフーリエ変換を行い、特定周波数のフーリエ係数の絶対値の二乗の和を求める。この和に負の符号を付けて平坦度とする。特定周波数については複数の周波数を用いることができる。第１例の平坦度では、中間調処理された画像に対しては中間調処理のパターンの影響を受けて、平坦である領域を識別できないケースがある。これに対し、第３例の平坦度では、特定周波数のフーリエ係数の絶対値の二乗の和を用いることで、中間調処理の影響を排した平坦度を算出することができる。
【００１９】
Ｓ３の工程で求める平坦度は、これまで説明した第１例〜第３例のものに限られるものではなく、公知の平坦度算出技術を用いることが可能である。
【００２０】
繰り返し処理手段１２は、平坦度算出手段１２ａによって部分領域の平坦度を求めると、次に、色純度算出手段１２ｂにより、部分領域のＣ，Ｍ，Ｙ，Ｋについての色純度をそれぞれ算出する（Ｓ４）。色純度としては、様々な算出法によって求められたものを用いることが可能である。色純度の第１例としては、次のような算出法によって求められたものを挙げることができる。即ち、まず、部分領域における各画素の画素値の平均値を算出し、それをＬ＊ａ＊ｂ＊や、Ｌ＊ｕ＊ｖ＊等の均等色空間の点に変換する。そして、均等色空間にて、その変換点とＣ，Ｍ，Ｙ，Ｋの点とのユークリッド距離を算出して、それぞれ最も小さい値をＣ，Ｍ，Ｙ，Ｋについての色純度として算出する。
【００２１】
色純度の第２例として、ＣＭＹＫ成分量の二次式を用いたものを挙げることができる。具体的には、まず、部分領域の各画素におけるＣ，Ｍ，Ｙ，Ｋについて平均値ｍＣ，ｍＭ，ｍＹ，ｍＫを算出する。次いで、平均値ｍＣ，ｍＭ，ｍＹ，ｍＫを要素とした４次元の縦ベクトルをμとして、４次元の縦ベクトルｗと４×４の正方行列Ｑとを設計パラメータとして次式により色純度ｆ（μ）を算出する。
【数１】
【００２２】
数１の数式における上付添え字のＴは転置を表している。Ｑの非対角成分を負に設定することで、異なるＣ，Ｍ，Ｙ，Ｋ成分の積に対して色純度を減少させることができる。Ｑの対角成分を正に設定すれば、Ｃ，Ｍ，Ｙ，Ｋの二乗値に対して色純度を増加させることができる。ｗの設定で色純度が極大となる点を調整することができる。図３に、数１の数式で正方行列Ｑの対角成分を正、非対角成分を負、ｗを０ベクトルとして色純度ｆ（μ）を定義し、且つｍＹ＝ｍＫ＝０とした場合における関数の形状を示す。単色に近く且つ濃度が高いほど純度が高くなり、ＣとＭとが同比率で混合している場合に純度が低くなることがわかる。この第２例では、色純度をＣ，Ｍ，Ｙ，Ｋの平均値の二次式で表現したが、三次以上の式で表現することも可能である。その場合も、異なるＣ，Ｍ，Ｙ，Ｋ成分の積に対して色純度を減少させ、単色項に対しては色純度が増加するように係数を設定すればよい。なお、色純度としては、これまで説明した第１例や第２例のものに限られるわけではなく、公知の色純度算出技術を用いることが可能である。
【００２３】
繰り返し処理手段１２は、色純度算出手段１２ｃによって部分領域におけるＣ，Ｍ，Ｙ，Ｋについての色純度をそれぞれ求めると、次に、優劣判定手段１２ｄにより、その部分領域について平坦度及び色純度の優れた優秀部分領域であるか否かを判定する（Ｓ５）。この判定については、Ｃ，Ｍ，Ｙ，Ｋの各色についてそれぞれ個別に行う。より詳しくは、Ｃ，Ｍ，Ｙ，Ｋの各色についてそれぞれ、平坦度が所定の閾値以上となり、且つ色純度が所定の閾値以上となった場合には、優秀部分領域であると判定するのに対し、何れか一方でも閾値未満になった場合には、優秀部分領域でないと判定する。
【００２４】
このようにして部分領域の優劣を判定すると、繰り返し処理手段１２は、次に全ての部分領域を抽出したか否か（画像の全領域について部分領域の抽出が完了したか否か）、を判断する（Ｓ６）。そして、まだ抽出していない部分領域があると判断した場合には（Ｓ６でＮ）、処理フローをＳ２の工程にループさせて、Ｓ２〜Ｓ６までの工程を繰り返し行う。このとき、例えば２個目の部分領域の抽出であれば、注目画素の位置を右方向に１画素分だけずらして、左上から５２列目、５１行目の画素を注目画素とし、それを中心とする１０１画素×１０１画素の矩形領域を部分領域として抽出する。以降、３、４、５・・・ｎ個目の部分領域の抽出の際に、それぞれ注目画素の位置を右方向に１画素分だけずらしていく。そして、注目画素の列方向の位置をマトリクスの右端から左に向けて５１番目の位置までずらした後は、注目画素の列方向の位置をマトリクスの左端から右に向けて５１番目の位置まで戻すとともに、行方向の位置を１画素分だけ下方向にずらす。その後、注目画素の位置を１画素分ずつ右にずらす処理を繰り返す。以上のようにして、注目画素の位置をラスタ走査のように順次ずらしていって、画像の全領域を網羅する。
【００２５】
なお、注目画素を１画素分ずつずらすのではなく、抽出した部分領域同士の縁部を互いに重ねないように各部分領域を抽出してもよい。例えば、５１列目、５１行目の注目画素を中心とする１０１画素×１０１画素の大きさの部分領域を抽出した後には、１０２列目、５１行目の注目画素を中心とする１０１画素×１０１画素の大きさの部分領域を抽出するのである。
【００２６】
画像の全領域からの部分領域の抽出や優劣の判定を行うと、繰り返し処理手段１２は、全ての優秀部分領域の位置情報を候補領域選択手段１３に出力する。候補領域選択手段１３は、それら優秀部分領域の位置情報に基づいて、画像の全領域の中から、優秀部分領域を多く含む領域を候補領域として選択する（Ｓ７）。
【００２７】
図４は、Ｓ７の工程によって選択された候補領域の一例を説明するための模式図である。この例では、図示のように画像の全領域の中から、大、中、小の３つの候補領域が選択されている。このようにして候補領域が選択されると、組合せ特定手段１４が、候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる全ての組合せを特定する。実施形態では、その所定数を４に設定している。そして、図４に示した大、中、小の３つの候補領域が選択された例では、図５に示すように、それら候補領域に含まれる全ての部分領域の中から、４つの部分領域を選択して組み合わせる場合に成立し得る互いに異なる全ての組合せを特定する。
【００２８】
このようにして特定された組合せの情報は、組合せ特定手段１４から指標値算出手段１５に送られる。指標値算出手段１５は、組合せ特定手段１４から送られてきた全ての組合せの情報のうち、１つをランダムに選択した後、その部分領域について、空間分散度の算出と（Ｓ９）、指標値の算出（Ｓ１０）とを行う。
【００２９】
空間分散度の算出の工程（Ｓ９）において求められる空間分散度の第１例として、各部分領域の重心間のユークリッド距離に基づいて求められるものを挙げることができる。具体的には、図６に示すように、その組合せに含まれる４つの部分領域の重心をそれぞれの代表点として、代表点間のユークリッド距離（ｄ１２、ｄ１３、ｄ１４、ｄ２３、ｄ２４、ｄ３４）の逆数の和を算出し、それに負の符号を付したものを空間分散度とする。
【００３０】
空間分散度の第２例として、各部分領域間の（統計量としての）分散を利用して求められるものを挙げることができる。具体的には、まず、４つの部分領域の代表点（例えば重心）の座標を算出し、その水平・垂直位置の分散共分散行列を算出する。次いで、その分散共分散行列のトレースまたは行列式を空間分散度とするのである。なお、空間分散度は、これまで説明した第１例や第２例のものに限られるわけではなく、公知の空間分散度算出技術を用いることが可能である。
【００３１】
指標値算出手段１５は、上記組合せにおける空間分散度を算出すると（Ｓ９）、次に、その空間分散度と、組合せにおける４つの部分領域の平坦度及び色純度とに基づいて、次式のようにして指標値を算出する。
【数２】
【００３２】
この式において、ａは平坦度についての重み付け係数、ｂは色純度についての重み付け係数、ｃは空間分散度についての重み付け係数である。また、平坦度、色純度、空間分散度の横にそれぞれ付されているΣは、４つの部分領域の平坦度、色純度、空間分散度を総和することを示している。この指標値は、平坦度、色純度、空間分散度の組合せが優れたものであるほど、数値が大きくなる。
【００３３】
このようにして指標値が求められると、その結果が指標値算出手段１５から処理停止判定手段１６を介して被検対象決定手段１７に送られる。処理停止判定手段１６は、指標値の算出を停止するか否かを判断するための判断基準を予め記憶している。実施形態では、その判断基準として、指標値の算出回数を採用している。例えば、１０００回（互いに異なる１０００個の組合せについてそれぞれ指標値を算出）など、算出回数の閾値を記憶しており、実際の算出回数について閾値に達しているか否かを判断する（Ｓ１１）。そして、達している場合には、それ以上の算出を停止すると判断し、その結果を被検対象決定手段１７に送る。これに対し、まだ停止基準に達していない（閾値に達していない）と判断した場合には、指標値算出手段１５に対し、他の組合せについての指標値を算出するように命令信号を送る。この命令信号を受信した指標値算出手段１５は、組合せ特定手段１４から予め提供されている全ての組合せのうち、まだ選択していないものをランダムに１つ選択して、その指標値を算出する。
【００３４】
被検対象決定手段１７は、指標値の算出を停止する旨の信号を処理停止は根知手段１６から受信すると、それまで受信した全ての指標値のうち、最も数値の大きい指標値に対応する組合せ（４つの部分領域からなる）を、被検対象とする４つの部分領域の組合せとして決定する（Ｓ１２）。そして、その組合せの位置データを被検対象領域データとして出力する。
【００３５】
なお、Ｓ８〜Ｓ１２の工程については、Ｃ，Ｍ，Ｙ，Ｋの各色でそれぞれ個別に行われる。よって、被検対象決定手段１７は、被検対象領域データとして、Ｃ，Ｍ，Ｙ，Ｋ用のものをそれぞれ個別に出力する。
【００３６】
以上の構成の画像処理装置においては、画像の全領域から抽出した全ての部分領域のうち、平坦度及び色純度の優れた部分領域だけを優秀部分領域であるとみなす。そして、画像の全領域のうち、それら優秀部分領域を比較的多く含む候補領域だけについて、互いに異なる４つの部分領域からなる組合せの全てを特定し、それぞれの組合せについて指標値を算出する。かかる構成においては、画像の全領域から抽出した全ての部分領域について、４つの部分領域からなる組合せの全てを特定してそれぞれについて指標値を算出する場合に比べて、指標値の算出に要する時間を短縮するので、より短時間で、平坦度、色純度、及び空間分散度の比較的高い部分領域の組合せを画像の全領域の中から特定することができる。
【００３７】
実施形態に係る画像処理装置１０は、パーソナルコンピュータと、これを画像処理装置として機能させるためのプログラムとから構成されている。そして、このプログラムは、記録媒体たるＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ等の光ディスクに機械読み取り可能に記憶され、その光ディスクからパーソナルコンピュータのハードディスクにインストールすることが可能になっている。先に図１に示した繰り返し処理手段１２、候補領域選択手段１３、組合せ特定手段１４、指標値算出手段１５、処理停止判定手段１６、被検対象決定手段１７は、何れもパーソナルコンピュータのＣＰＵの演算処理によってソフト的に実現されるものである。
【００３８】
なお、候補領域として、複数の優秀部分領域を含むものを選択する例について説明したが、一部又は全ての候補領域として、優秀部分領域を１つだけ含むもの（部分領域と同じ大きさのもの）を選択してもよい。
【００３９】
次に、画像処理装置１０の変形例について説明する。なお、以下に特筆しない限り、変形例に係る画像処理装置１０の構成は、実施形態と同様である。
図７は、変形例に係る画像処理装置１０の要部構成を示すブロック図である。また、図８は、変形例に係る画像処理装置１０によって実施される被検対象領域決定処理の処理フローを示すフローチャートである。変形例に係る画像処理装置１０は、組合せ特定手段１４による組合せ特定処理や、その後の処理工程が、実施形態と異なっている。図２のフローチャートと図８のフローチャートとは互いに非常に似ているが、前者がＳ１１の工程からＳ９の工程にループしているのに対し、後者がＳ１１の工程からＳ９の工程にループしている点が異なっている。このようなループ先の違いは、指標値の算出対象となる組合せを決定しているのが前者では指標値算出手段１５であるのに対し、後者では組合せ特定手段１４であることに起因している。
【００４０】
変形例に係る画像処理装置１０の組合せ特定手段１４は、ＲＡＭ等からなる保持解記憶部を有している。この保持解記憶部には、指標値が比較的高い値になった組合せのデータが記憶される。組合せ特定手段１４は、候補領域に含まれる全ての部分領域の中から４つを選択して組み合わせて新たな組合せを特定する毎に、その特定結果を指標値算出手段１５に順次出力する。そして、指標値算出手段１５は、新たな組合せのデータが組合せ特定手段１４から送られてくる毎に、その組合せについての指標値の算出を行う。つまり、実施形態では、候補領域の中で成立し得る４つの部分領域からなる全ての組合せのうち、どの組合せの指標値を求めるのかの選択を指標値算出手段１５がランダムに行っていたのに対し、変形例ではその選択を組合せ特定手段１４が行っている。
【００４１】
組合せ特定手段１４は、４つの部分領域からなる１つ目の組合せをランダムに特定すると、その結果を指標値算出手段１５に送った後、指標値算出手段１５から指標値の算出結果が送られてくるのを待機する。そして、算出結果が送られてくると、それを組合せのデータとともに保持解記憶部に記憶する。次いで、組合せ特定手段１４は、２つ目の組合せをランダムに特定した後、その組合せの指標値の算出結果を指標値算出手段１５から受け取ると、それと、保持解記憶部に記憶している算出結果とを比較する。そして、新たに特定された組合せの指標値の方が、保持解記憶部の指標値よりも大きい場合には、保持解記憶部内のデータを新たに特定された組合せに関するデータに更新する。また、その逆に、後者の指標値の方が前者の指標値よりも大きい場合には、保持解記憶部内のデータをそのままにしておく。その後、３つ目の組合せを新たに特定する際には、保持解記憶部内に記憶している組合せを参照しながら、その組合せと位置的に近くなる組合せを新たに特定する。このような、必要に応じた保持解の更新と、保持解に基づく新たな組合せの特定とを、３つ目以降の組合せの特定の際に行う。
【００４２】
図９は、図８に示される処理フローのＳ８の工程であって、且つ２つ目以降の組合せの特定の際に実施される工程をより詳しく示す詳細フローである。同図に示すように、２つ目以降の組合せを特定する際には、まず、前回の評価値（例えば２つ目の組合せを特定する場合には１つ目の組合せの評価値）について、保持解記憶部に記憶している評価値よりも大きいか否かを判定する（Ｓ８ａ）。そして、大きいと判定した場合には（Ｓ８ａでＹ）、保持解記憶部に記憶している組合せと評価値とのデータを、前回の組合せのものに更新する（Ｓ８ｂ）。これに対し、大きくないと判定した場合には（Ｓ８ａでＮ）、保持解記憶部のデータをそのまま保持する。そして、保持解記憶部に記憶している組合せに対して、位置的に近い組合せを新たな組合せとして特定する（Ｓ８ｃ）。
【００４３】
このように、保持解記憶部に記憶している組合せと位置的に近い組合せを新たな組合せとして特定することで、新たな組合せとして、指標値の比較的高くなる組合せを選択する可能性を高くすることができる。これにより、指標値の高くなる組合せを効率的に探索していくことができる。
【００４４】
なお、Ｓ８ａの工程で、前回の評価値が保持解保持部内の評価値（以下、保持解評価値という）を下回った場合であっても、ある条件を満たす場合には保持解の更新を行うようにしてもよい。例えば、図１０に示すように、保持解評価値に対する前回の評価値の改悪量をｄとし、パラメータｔのもとでｅｘｐ（−ｄ／ｔ）の確率で保持解の更新を行うようにしてもよい。パラメータｔについては繰り返しごとに値を減少させる。この方法は、模擬焼きなまし法（Ｓｉｍｕｌａｔｅｄ Ａｎｎｅａｌｉｎｇ）と呼ばれるものである。
【００４５】
また例えば、Ｓ１１の工程における停止基準として、保持解の更新頻度がある一定値以下になる（たとえば、１０回連続で保持解が更新されなければ停止する）等の基準を用いても良い。模擬焼きなまし法について説明したが、新たな組合せとして評価値の大きなものを特定する確率を高くする方法は、これに限るものではなく、公知の最適化技術を用いることが可能である。
【００４６】
保持解記憶部に記憶している組合せと位置的に近いものを新たな組合せとして特定する方法の第１例として、次のようなものを挙げることができる。即ち、新たな組合せにおける４つの部分領域のうち、３つとしてそれぞれ保持解記憶部に記憶している組合せ（以下、保持解組合せという）と全く同じものを選択し、且つ残りの１つとして保持解組合せの残りの１つに部分的に重なるあるいは隣接するものを選択する方法である。例えば、前回の組合せが先に図５に示した４つの部分領域からなるものである場合、新たな組合せとして、図１１に示すものを特定するのである。図１１に示される新たな組合せにおいて、４つの部分領域のうち、３つは図５の部分領域と全く同じものである。また、残りの１つは、図中点線で示される保持解組合せの残りの１つの部分領域にと局所的に重複する部分領域である。
【００４７】
また、保持解記憶部に記憶している組合せと位置的に近いものを新たな組合せとして特定する方法の第１例として、次のようなものを挙げることができる。即ち、新たな組合せにおける４つの部分領域のうち、いくつかとして保持解組合せと全く同じものを選択し、且つ、残りをランダムに選択する方法である。例えば、前回の組合せが先に図５に示した４つの部分領域からなるものである場合、新たな組合せとして、図１２に示すものを特定するのである。図１２に示される新たな組合せにおいて、４つの部分領域のうち、３つは図５の部分領域と全く同じものである。また、残りの１つは、図中点線で示される保持解組合せの残りの１つの代わりとして、候補領域の中からランダムに選択されたものである。
【００４８】
これまで、Ｙ，Ｍ，Ｃ，Ｋの４つの色成分についてそれぞれ明度を示した画素値を具備するカラー画像データを処理する例について説明したが、画素値によって白黒の明度だけを示す２値画像データ、グレースケール画像、Ｒ（レッド）、Ｇ（グリーン）、Ｂ（ブルー）の３つの色成分についてそれぞれ明度を示す画素値を具備するカラー画像データ、４色以上の色瀬異聞についてそれぞれ明度を示す画素値を具備するカラー画像データ、分光画像データなどを処理してもよい。なお、色純度を算出する際に、均等色空間のユークリッド距離を使用する第１例の方法では目的の色を変更することで、Ｃ，Ｍ，Ｙ，Ｋに対する色純度の代わりに、他の色に対する色純度を求めることが可能である。また、二次式を用いる第２例の方法では、軸の取り方を変更することで、Ｃ，Ｍ，Ｙ，Ｋに対する色純度の代わりに、他の色に対する色純度を求めることが可能である。
【００４９】
実施形態に係る画像処理装置１０においては、部分領域における画素の色情報である画素値の分散度、画素値の最大値と最小値との差分、及び画素値の周波数特性のうち、少なくとも何れか１つに基づいて部分領域の平坦度を算出する処理を実施するように、平坦度算出手段１２ｂを構成している。かかる構成では、平坦度として、部分領域の濃淡の均一性と相関の高い数値を算出することができる。
【００５０】
また、実施形態に係る画像処理装置１０において、第１例の色純度を算出するものでは、部分領域における画素の色情報である画素値の平均と、特定色であるＣ，Ｍ，Ｙ，Ｋとの均等色空間内におけるユークリッド距離を色純度として算出する処理を実施するように、色純度算出手段１２ｃを構成している。かかる構成では、部分領域の平均色の均等色空間内における特定色（Ｃ，Ｍ，Ｙ，Ｋ）とのユークリッド距離が小さくなるほど、色純度の値を大きくすることができる。
【００５１】
また、実施形態に係る画像処理装置１０において、第２例の色純度を算出するものでは、部分領域における互いに異なるＣ，Ｍ，Ｙ，Ｋの色成分のそれぞれの平均値のうち、検査対象となる色（Ｃ，Ｍ，Ｙ又はＫ）に対応するものの符号を正（又は負でもよい）の符号とする一方で、他の平均値の符号を前記色に対応する平均値とは逆符号にした数値に基づいて色純度を算出する処理を実施するように、色純度算出手段１２ｃを構成している。かかる構成では、検査対象となる色に平均色が近い部分領域ほど、色純度の値をプラス側に大きくする（又はこの逆）ことができる。
【００５２】
また、実施形態に係る画像処理装置１０において、第２例の空間分散度を算出するものでは、４つの部分領域からなる組合せにおける各部分領域それぞれの代表点座標の分散共分散行列又はこれの逆表列を前記空間分散度として算出する処理を実施するように、指標値算出手段１５を構成している。かかる構成では、行列又は逆行列によって４つの部分領域の分散性を把握することができる。
【００５３】
また、実施形態に係る画像処理装置１０において、第１例の空間分散度を算出するものでは、４つの部分領域からなる組合せにおける各部分領域それぞれの代表点座標間の距離の逆数を総和したものを空間分散度として算出する処理を実施するように、指標値算出手段１５を構成している。かかる構成では、単純な数値によって４つの部分領域の分散性を把握することができる。
【００５４】
また、変形例に係る画像処理装置１０においては、組合せ特定手段１４により、候補領域に含まれる全ての部分領域の中で成立し得る全ての組合せが特定されるのに先立って、組合せ特定手段１４によって特定された組合せについての指標値の算出を開始するように、指標値算出手段１５を構成している。かかる構成では、全ての組合せが特定されてからそれぞれの組合せの指標値の算出を開始する場合に比べて、指標値算出の開始タイミングを早めることができる。
【００５５】
また、変形例に係る画像処理装置１０においては、算出済みの指標値の履歴である保持解組合せの指標値に基づいて、新たな組合せを特定してその指標値を算出する処理を実施するように、指標値算出手段１５を構成している。かかる構成では、新たな組合せとして、指標値の比較的高くなる組合せを選択する可能性を高くすることができる。
【００５６】
また、実施形態に係る画像処理装置１０においては、平坦度、色純度、及び空間分散度に対してそれぞれ固有の重み付け係数ａ、ｂ、ｃを乗算した値の和に基づいて指標値を算出する処理を実施するように、指標値算出手段１５を構成している。かかる構成では、重み付け係数ａ、ｂ、ｃの大きさの比率を調整することで、平坦度、色純度、及び空間分散度のうち、指標値の変化に最も影響を与えるものや、最も影響を与え難くするものを、任意に調整することができる。
【符号の説明】
【００５７】
１０：画像処理装置
１２ａ：部分領域抽出手段
１２ｂ：平坦度算出手段
１２ｃ：色純度算出手段
１２ｄ：優劣判定手段
１２：繰り返し処理手段
１３：候補領域選択手段
１４：組合せ特定手段
１５：指標値算出手段
１７：被検対象決定手段
【先行技術文献】
【特許文献】
【００５８】
【特許文献１】特許第３８６０５４０号公報
【技術分野】
【０００１】
本発明は、画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理方法や画像処理装置に関するものである。また、かかる画像処理方法を実現するプログラムを機械読み取り可能に記録した記録媒体に関するものである。
【背景技術】
【０００２】
従来より、プリンタ等の画像形成装置によって出力した画像の色と、オリジナルの画像情報の色との差を比較して、画像形成装置の作像性能の良否を判定することが行われている。一般的には、次のような判定手法によって作像性能の良否を判定する。即ち、まず、予め用意されている画像情報を利用して色判定用のチャート画像を出力した後、そのチャート画像をスキャナに読み取らせて出力画像情報を得る。次いで、チャート画像における各部の色について、オリジナルの画像情報によって表現されている色と、出力画像情報によって表現されている色との差を求め、その結果に基づいて作像性能の良否を判定する。
【０００３】
しかしながら、写真画像などの出力需要が増えてきている近年において、そのような判定手法を用いると、専用のチャート画像を高価なフォト光沢紙に出力しなければならず、コスト高になってしまう。このため、専用のチャート画像の代わりに、ユーザーが自由に出力した画像を用いて、作像性能の良否を判定する技術の開発が望まれている。
【０００４】
ユーザーが自由に出力した画像を用いて作像性能の良否を判定するためには、その画像の全領域から、色の判定に適した被検領域を抽出する技術が必要になる。そして、かかる技術としては、特許文献１に開示されている領域抽出方法が挙げられる。この領域抽出方法は、まず、画像情報に基づいて、オリジナルの画像の全領域から、注目画素を含む小区画領域を抽出し、その小区画領域における各画像の画素値に基づいて、その小区画領域における濃度差の平坦性（濃度の均一性）を示すエントロピー値を求める。そして、注目画素を順次ずらしていきながら、前述の小区画領域の抽出とエントロピー値の算出とを行う処理を繰り返し実施した後、それぞれの小区画領域のエントロピー値に基づいて、画像の全領域の中から、濃度差の平坦な領域を特定する。濃度差の平坦な領域は、色の変化が少ないため、出力色のチェックを行う領域として適している。つまり、特許文献１に開示されている領域抽出方法を応用すれば、ユーザーによって提供されるオリジナルの画像の全領域から、色の判定に適した被検領域を抽出することが可能である。
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ところが、単に濃度差の平坦な領域を抽出するだけでは、作像性能の良否を精度良く判定することはできない。精度良い判定のためには、濃度差が平坦である（平坦度が高い）ことに加えて、色材に近い色調である（色純度が高い）ことや、画像の全領域の中で適度に散らばっている（空間分散度が高い）ことが求められる。具体的には、カラー画像を出力する画像形成装置では、インクやトナーなどの色材として、Ｙ（イエロー）、Ｍ（マゼンタ）、Ｃ（シアン）などといった互いに色の異なる少なくとも３つの色材を用いる。そして、必要に応じてそれら単色の色材を紙面上で混ぜ合わせたり、それぞれの色材だけからなる単色ドットの面積比率を調整したりして、多彩な色調を再現している。このような構成において、色の再現性を精度良く判定するためには、被検領域として、Ｙ、Ｍ、Ｃ色に近い色調の単色領域を選択するなどといった具合に、色材に近い色調の領域を被検領域として選択する必要がある。また、画像形成装置には、同じ色であっても紙面の上側と下側とでは再現性が異なるなど、画像の位置によって異なる色再現性を示すことがある。このため、Ｙ，Ｍ，Ｃなどの各単色についてそれぞれ画像全領域の中の１領域だけを被検対象とするだけでは不十分であり、それぞれ画像中で適度に散らばっている複数領域を被検対象とする必要がある。よって、各単色についてそれぞれ、平坦度や色純度の比較的高い部分領域を複数組み合わせたものであって、且つ、それら部分領域の空間分散度が比較的高くなるものを、画像の全領域の中から特定しなければならないのである。
【０００６】
本発明者は、そのような部分領域の組合せを特定する方法として、次のような方法を採用することを考えた。即ち、まず、画像の全領域の中から所定の大きさの部分領域を抽出してその平坦度及び色純度を算出する処理を、画像全体を網羅するまで繰り返し実施する。次に、全ての部分領域の中から、所定数の部分領域を選択して組み合わせる場合に成立し得る全ての組合せを特定し、それぞれの組合せについて、各部分領域の平坦度、色純度及び空間分散度の線形和を求めて指標値とする。そして、その指標値が最も大きくなった組合せを、出力色の被検対象とする部分領域の組合せとして特定する方法である。
【０００７】
しかしながら、この方法では、全ての部分領域の中から、所定数の部分領域を選択して組み合わせる場合に成立し得る膨大な量の組合せについてそれぞれ上述した線形和を求めるのに多大な処理時間を費やしてしまうため、実用的でないことが判明した。
【０００８】
本発明は、以上の背景に鑑みてなされたものであり、その目的とするところは、次のような画像処理方法、画像処理装置、及びプログラムを記録した記録媒体を提供することである。即ち、より短時間で、平坦度、色純度、及び空間分散度の比較的高い部分領域の組合せを画像の全領域の中から特定することができる画像処理方法等である。
【課題を解決するための手段】
【０００９】
上記目的を達成するために、請求項１の発明は、少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理方法において、前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出工程と、抽出した部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出工程と、抽出した部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出工程と、抽出した部分領域について、前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定工程とを繰り返し実施した後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択工程と、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定工程と、特定した複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出工程と、前記指標値に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定する被検対象決定工程とを実施することを特徴とするものである。
また、請求項２の発明は、少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置において、前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出手段と、抽出された部分領域について、前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段と、前記部分領域抽出手段による抽出処理、平坦度算出手段による平坦度算出処理、色純度算出手段による色純度算処理、及び優劣判定手段による優劣判定処理の繰り返しの実施によって複数の前記優秀部分領域が特定された後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択手段と、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定手段と、特定された複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出手段と、前記指標値に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定する被検対象決定手段とを備えることを特徴とするものである。
また、請求項３の発明は、請求項２の画像処理装置において、前記部分領域における画素の色情報である画素値の分散度、画素値の最大値と最小値との差分、及び画素値の周波数特性のうち、少なくとも何れか１つに基づいて前記平坦度を算出する処理を実施するように、前記平坦度算出手段を構成したことを特徴とするものである。
また、請求項４の発明は、請求項２又は３の画像処理装置において、前記部分領域における画素の色情報である画素値の平均と、前記特定色との均等色空間内におけるユークリッド距離を前記色純度として算出する処理を実施するように、前記色純度算出手段を構成したことを特徴とするものである。
また、請求項５の発明は、請求項２又は３の画像処理装置において、前記部分領域における互いに異なる少なくとも３つの色成分のそれぞれの平均値のうち、前記特定色に対応するものの符号を正又は負の符号とする一方で、他の平均値の符号を前記特定色に対応する平均値とは逆符号にした数値に基づいて前記色純度を算出する処理を実施するように、前記色純度算出手段を構成したことを特徴とするものである。
また、請求項６の発明は、請求項２乃至５の何れかの画像処理装置において、前記組合せにおける各部分領域それぞれの代表点座標の分散共分散行列又はこれの逆表列を前記空間分散度として算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項７の発明は、請求項２乃至５の何れかの画像処理装置において、前記組合せにおける各部分領域それぞれの代表点座標間の距離の逆数を総和したものを前記空間分散度として算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項８の発明は、請求項２乃至７の何れかの画像処理装置において、前記組合せ特定手段により、前記候補領域に含まれる全ての部分領域の中で成立し得る全ての前記組合せが特定されるのに先立って、前記組合せ特定手段によって特定された前記組合せについての前記指標値の算出を開始するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項９の発明は、請求項８の画像処理装置において、算出済みの指標値の履歴に基づいて、新たな組合せを特定してその前記指標値を算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項１０の発明は、請求項２乃至９の何れかの画像処理装置において、前記平坦度、色純度、及び空間分散度に対してそれぞれ固有の重み付け係数を乗算した値の和に基づいて前記指標値を算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とするものである。
また、請求項１１の発明は、プログラムを機械読み取り可能に記録した記録媒体であって、少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置における、前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出手段と、抽出された部分領域について前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段と、前記部分領域抽出手段による抽出処理、平坦度算出手段による平坦度算出処理、色純度算出手段による色純度算処理、及び優劣判定手段による優劣判定処理の繰り返しの実施によって複数の前記優秀部分領域が特定された後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択手段と、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定手段と、特定された複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出手段と、前記指標値に基づいて複数の前記組合せの中から画質の良否判定の被検対象とする組合せを決定する被検対象決定手段とを備える画像処理装置として、コンピュータを機能させるためのプログラムを機械読み取り可能に記録したことを特徴とするものである。
また、請求項１２の発明は、少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置において、前記画像の全領域の中から部分的に抽出した部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度、及び特定色に対する純度である色純度を算出し、算出結果に基づいてその部分領域について前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する処理を繰り返し実施した後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択し、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出し、算出結果に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定することを特徴とするものである。
【発明の効果】
【００１０】
これらの発明においては、画像の全領域から抽出した複数の部分領域のうち、平坦度及び色純度の優れた部分領域だけを優秀部分領域であると判定する。そして、例えば優秀部分領域を多く含む領域を候補領域とするなど、それら優秀部分領域の画像全領域における位置に基づいて、画像の全領域の中から、被検対象とする候補領域を選択した後、その候補領域の中に含まれる部分領域だけについて、所定数の部分領域からなる複数の組合せを特定する。その後、それぞれの組合せについて、被検対象とするか否かを判定するための指標値を算出する。かかる構成においては、画像の全領域の中で成立し得る膨大な数の部分領域組合せの全てについて上記指標値を算出する場合に比べて、上記指標値の算出対象とする組合せ数を低減する。これにより、指標値の算出に要する時間を短縮することが可能になるので、より短時間で、平坦度、色純度、及び空間分散度の比較的高い部分領域の組合せを画像の全領域の中から特定することができる。
【図面の簡単な説明】
【００１１】
【図１】実施形態に係る画像処理装置の要部構成を示すブロック図。
【図２】同画像処理装置によって実施される被検対象領域決定処理の処理フローを示すフローチャート。
【図３】正方行列Ｑの対角成分を正、非対角成分を負、ｗを０ベクトルとして色純度ｆ（μ）を定義し、且つｍＹ＝ｍＫ＝０とした場合における関数の形状を示す模式図。
【図４】図２のＳ７の工程によって選択された候補領域の一例を説明するための模式図。
【図５】画像の全領域と、４つの部分領域からなる組合せと、候補領域との関係の一例を示す模式図。
【図６】各部分領域のそれぞれの重心間のユークリッド距離に基づく空間分散度の算出方法を説明するための模式図。
【図７】変形例に係る画像処理装置の要部構成を示すブロック図。
【図８】同画像処理装置によって実施される被検対象領域決定処理の処理フローを示すフローチャート。
【図９】図８に示される処理フローのＳ８の工程であって、且つ２つ目以降の組合せの特定の際に実施される工程をより詳しく示す詳細フロー。
【図１０】同詳細フローの他の例を示すフローチャート。
【図１１】同画像処理装置によって特定される新たな組合せと保持解組合せとの関係の第１例を示す模式図。
【図１２】同関係の第２例を示す模式図。
【発明を実施するための形態】
【００１２】
以下、本発明を適用した画像処理装置の一実施形態について説明する。
図１は、実施形態に係る画像処理装置１０の要部構成を示すブロック図である。図示のように、画像処理装置１０は、画像情報取得手段１１、繰り返し処理手段１２、候補領域選択手段１３、組合せ特定手段１４、指標値算出手段１５、処理停止判定手段１６、被検対象決定手段１７等を有している。また、繰り返し処理手段１２は、部分領域抽出手段１２ａ、平坦度算出手段１２ｂ、色純度算出手段１２ｃ、及び優劣判定手段１２ｄを具備している。
【００１３】
画像処理装置１０の画像情報取得手段１１は、ユーザーからパーソナルコンピュータ等を介して送られてくる画像データを取得する。この画像データは、画像を構成する、マトリクス状に並ぶ複数の画素についてそれぞれＣ（シアン），Ｍ（マゼンタ），Ｙ（イエロー），Ｋ（黒）の単色成分の明度を表した画素値を具備するものであり、パーソナルコンピュータ等からプリンタに出力されるオリジナルの画像データである。画像処理装置１０は、この画像データの全領域のうち、どの領域を色検査の被検対象にするのかを決定するものである。この決定の後、画像処理装置１０に対して、出力画像をスキャナで読み取らせた読取画像データが入力されると、画像処理装置１０は、その出力画像における被検対象領域を、各画素のマトリクスの位置に基づいて特定し、その色データをオリジナルの色データと比較して、出力色の良否を判定する。
【００１４】
画像処理装置１０は、オリジナルの画像データにおける色検査の被検領域を決定するにあたり、まず、Ｃ，Ｍ，Ｙ，Ｋの４色についてそれぞれ、その画像データの全領域の中から、色の検査に適した部分領域の組合せを決定する。
【００１５】
図２は、画像処理装置１０によって実施される被検対象領域決定処理の処理フローを示すフローチャートである。画像処理装置１０は、まず、画像情報取得手段（１１）によって画像データを取得する（ステップ１：以下、ステップをＳと記す）。そして、繰り返し処理手段１２により、Ｓ２〜Ｓ６の処理を繰り返し行う。具体的には、画像データによって表される画素マトリクスの所定位置にある画素を注目画素とし、その注目画素を中心とする所定サイズの領域を部分領域として抽出する。例えば、初回の抽出においては、画素マトリクスにおける左上から５１列目で且つ５１行目の画素を注目画素とし、この注目画素を中心とする１０１画素×１０１画素の矩形領域（約４ｍｍ角の領域）を部分領域として抽出する。この抽出は、図１に示したように、繰り返し処理手段１２の部分領域抽出手段１２ａによって行われる。
【００１６】
繰り返し処理手段１２の平坦度算出手段１２ｂは、部分領域抽出手段１２ａによって抽出された部分領域における各画素の画素値（Ｃ，Ｍ，Ｙ，Ｋ）を参照しながら、その部分領域全体としての濃淡の平坦さを示す平坦度を算出する（Ｓ２）。平坦度としては、様々な算出法によって求められたものを用いることが可能である。平坦度の第１例としては、次のような算出法によって求められたものを挙げることができる。即ち、まず、Ｃ，Ｍ，Ｙ，Ｋについてそれぞれ、各画素の分散を求める。次いで、その分散の和に負の符号をつけたものを部分領域内の平坦度として求める。
【００１７】
平坦度の第２例として、分散共分散行列の行列式を挙げることができる。具体的には、Ｃ，Ｍ，Ｙ，Ｋについてそれぞれ、部分領域内の各画素における分散と共分散を求める。次いで、分散を対角成分に、共分散を非対角成分に配置した４×４の分散共分散行列を構築し、その行列式を計算する。そして、行列式の値に負の符号を付けたものを平坦度として求めてもよい。分散共分散行列の行列式を用いることで、ＣＭＹＫ空間での分布の広がりを評価することができるからである。先に説明した第１例の平坦度に比べて、異なる成分間の色の広がりも評価することができる点が優れている。
【００１８】
また、平坦度の第３例として、色の周波数特性を利用したものを挙げることができる。具体的には、部分領域内の各画素値を用いてフーリエ変換を行い、特定周波数のフーリエ係数の絶対値の二乗の和を求める。この和に負の符号を付けて平坦度とする。特定周波数については複数の周波数を用いることができる。第１例の平坦度では、中間調処理された画像に対しては中間調処理のパターンの影響を受けて、平坦である領域を識別できないケースがある。これに対し、第３例の平坦度では、特定周波数のフーリエ係数の絶対値の二乗の和を用いることで、中間調処理の影響を排した平坦度を算出することができる。
【００１９】
Ｓ３の工程で求める平坦度は、これまで説明した第１例〜第３例のものに限られるものではなく、公知の平坦度算出技術を用いることが可能である。
【００２０】
繰り返し処理手段１２は、平坦度算出手段１２ａによって部分領域の平坦度を求めると、次に、色純度算出手段１２ｂにより、部分領域のＣ，Ｍ，Ｙ，Ｋについての色純度をそれぞれ算出する（Ｓ４）。色純度としては、様々な算出法によって求められたものを用いることが可能である。色純度の第１例としては、次のような算出法によって求められたものを挙げることができる。即ち、まず、部分領域における各画素の画素値の平均値を算出し、それをＬ＊ａ＊ｂ＊や、Ｌ＊ｕ＊ｖ＊等の均等色空間の点に変換する。そして、均等色空間にて、その変換点とＣ，Ｍ，Ｙ，Ｋの点とのユークリッド距離を算出して、それぞれ最も小さい値をＣ，Ｍ，Ｙ，Ｋについての色純度として算出する。
【００２１】
色純度の第２例として、ＣＭＹＫ成分量の二次式を用いたものを挙げることができる。具体的には、まず、部分領域の各画素におけるＣ，Ｍ，Ｙ，Ｋについて平均値ｍＣ，ｍＭ，ｍＹ，ｍＫを算出する。次いで、平均値ｍＣ，ｍＭ，ｍＹ，ｍＫを要素とした４次元の縦ベクトルをμとして、４次元の縦ベクトルｗと４×４の正方行列Ｑとを設計パラメータとして次式により色純度ｆ（μ）を算出する。
【数１】
【００２２】
数１の数式における上付添え字のＴは転置を表している。Ｑの非対角成分を負に設定することで、異なるＣ，Ｍ，Ｙ，Ｋ成分の積に対して色純度を減少させることができる。Ｑの対角成分を正に設定すれば、Ｃ，Ｍ，Ｙ，Ｋの二乗値に対して色純度を増加させることができる。ｗの設定で色純度が極大となる点を調整することができる。図３に、数１の数式で正方行列Ｑの対角成分を正、非対角成分を負、ｗを０ベクトルとして色純度ｆ（μ）を定義し、且つｍＹ＝ｍＫ＝０とした場合における関数の形状を示す。単色に近く且つ濃度が高いほど純度が高くなり、ＣとＭとが同比率で混合している場合に純度が低くなることがわかる。この第２例では、色純度をＣ，Ｍ，Ｙ，Ｋの平均値の二次式で表現したが、三次以上の式で表現することも可能である。その場合も、異なるＣ，Ｍ，Ｙ，Ｋ成分の積に対して色純度を減少させ、単色項に対しては色純度が増加するように係数を設定すればよい。なお、色純度としては、これまで説明した第１例や第２例のものに限られるわけではなく、公知の色純度算出技術を用いることが可能である。
【００２３】
繰り返し処理手段１２は、色純度算出手段１２ｃによって部分領域におけるＣ，Ｍ，Ｙ，Ｋについての色純度をそれぞれ求めると、次に、優劣判定手段１２ｄにより、その部分領域について平坦度及び色純度の優れた優秀部分領域であるか否かを判定する（Ｓ５）。この判定については、Ｃ，Ｍ，Ｙ，Ｋの各色についてそれぞれ個別に行う。より詳しくは、Ｃ，Ｍ，Ｙ，Ｋの各色についてそれぞれ、平坦度が所定の閾値以上となり、且つ色純度が所定の閾値以上となった場合には、優秀部分領域であると判定するのに対し、何れか一方でも閾値未満になった場合には、優秀部分領域でないと判定する。
【００２４】
このようにして部分領域の優劣を判定すると、繰り返し処理手段１２は、次に全ての部分領域を抽出したか否か（画像の全領域について部分領域の抽出が完了したか否か）、を判断する（Ｓ６）。そして、まだ抽出していない部分領域があると判断した場合には（Ｓ６でＮ）、処理フローをＳ２の工程にループさせて、Ｓ２〜Ｓ６までの工程を繰り返し行う。このとき、例えば２個目の部分領域の抽出であれば、注目画素の位置を右方向に１画素分だけずらして、左上から５２列目、５１行目の画素を注目画素とし、それを中心とする１０１画素×１０１画素の矩形領域を部分領域として抽出する。以降、３、４、５・・・ｎ個目の部分領域の抽出の際に、それぞれ注目画素の位置を右方向に１画素分だけずらしていく。そして、注目画素の列方向の位置をマトリクスの右端から左に向けて５１番目の位置までずらした後は、注目画素の列方向の位置をマトリクスの左端から右に向けて５１番目の位置まで戻すとともに、行方向の位置を１画素分だけ下方向にずらす。その後、注目画素の位置を１画素分ずつ右にずらす処理を繰り返す。以上のようにして、注目画素の位置をラスタ走査のように順次ずらしていって、画像の全領域を網羅する。
【００２５】
なお、注目画素を１画素分ずつずらすのではなく、抽出した部分領域同士の縁部を互いに重ねないように各部分領域を抽出してもよい。例えば、５１列目、５１行目の注目画素を中心とする１０１画素×１０１画素の大きさの部分領域を抽出した後には、１０２列目、５１行目の注目画素を中心とする１０１画素×１０１画素の大きさの部分領域を抽出するのである。
【００２６】
画像の全領域からの部分領域の抽出や優劣の判定を行うと、繰り返し処理手段１２は、全ての優秀部分領域の位置情報を候補領域選択手段１３に出力する。候補領域選択手段１３は、それら優秀部分領域の位置情報に基づいて、画像の全領域の中から、優秀部分領域を多く含む領域を候補領域として選択する（Ｓ７）。
【００２７】
図４は、Ｓ７の工程によって選択された候補領域の一例を説明するための模式図である。この例では、図示のように画像の全領域の中から、大、中、小の３つの候補領域が選択されている。このようにして候補領域が選択されると、組合せ特定手段１４が、候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる全ての組合せを特定する。実施形態では、その所定数を４に設定している。そして、図４に示した大、中、小の３つの候補領域が選択された例では、図５に示すように、それら候補領域に含まれる全ての部分領域の中から、４つの部分領域を選択して組み合わせる場合に成立し得る互いに異なる全ての組合せを特定する。
【００２８】
このようにして特定された組合せの情報は、組合せ特定手段１４から指標値算出手段１５に送られる。指標値算出手段１５は、組合せ特定手段１４から送られてきた全ての組合せの情報のうち、１つをランダムに選択した後、その部分領域について、空間分散度の算出と（Ｓ９）、指標値の算出（Ｓ１０）とを行う。
【００２９】
空間分散度の算出の工程（Ｓ９）において求められる空間分散度の第１例として、各部分領域の重心間のユークリッド距離に基づいて求められるものを挙げることができる。具体的には、図６に示すように、その組合せに含まれる４つの部分領域の重心をそれぞれの代表点として、代表点間のユークリッド距離（ｄ１２、ｄ１３、ｄ１４、ｄ２３、ｄ２４、ｄ３４）の逆数の和を算出し、それに負の符号を付したものを空間分散度とする。
【００３０】
空間分散度の第２例として、各部分領域間の（統計量としての）分散を利用して求められるものを挙げることができる。具体的には、まず、４つの部分領域の代表点（例えば重心）の座標を算出し、その水平・垂直位置の分散共分散行列を算出する。次いで、その分散共分散行列のトレースまたは行列式を空間分散度とするのである。なお、空間分散度は、これまで説明した第１例や第２例のものに限られるわけではなく、公知の空間分散度算出技術を用いることが可能である。
【００３１】
指標値算出手段１５は、上記組合せにおける空間分散度を算出すると（Ｓ９）、次に、その空間分散度と、組合せにおける４つの部分領域の平坦度及び色純度とに基づいて、次式のようにして指標値を算出する。
【数２】
【００３２】
この式において、ａは平坦度についての重み付け係数、ｂは色純度についての重み付け係数、ｃは空間分散度についての重み付け係数である。また、平坦度、色純度、空間分散度の横にそれぞれ付されているΣは、４つの部分領域の平坦度、色純度、空間分散度を総和することを示している。この指標値は、平坦度、色純度、空間分散度の組合せが優れたものであるほど、数値が大きくなる。
【００３３】
このようにして指標値が求められると、その結果が指標値算出手段１５から処理停止判定手段１６を介して被検対象決定手段１７に送られる。処理停止判定手段１６は、指標値の算出を停止するか否かを判断するための判断基準を予め記憶している。実施形態では、その判断基準として、指標値の算出回数を採用している。例えば、１０００回（互いに異なる１０００個の組合せについてそれぞれ指標値を算出）など、算出回数の閾値を記憶しており、実際の算出回数について閾値に達しているか否かを判断する（Ｓ１１）。そして、達している場合には、それ以上の算出を停止すると判断し、その結果を被検対象決定手段１７に送る。これに対し、まだ停止基準に達していない（閾値に達していない）と判断した場合には、指標値算出手段１５に対し、他の組合せについての指標値を算出するように命令信号を送る。この命令信号を受信した指標値算出手段１５は、組合せ特定手段１４から予め提供されている全ての組合せのうち、まだ選択していないものをランダムに１つ選択して、その指標値を算出する。
【００３４】
被検対象決定手段１７は、指標値の算出を停止する旨の信号を処理停止は根知手段１６から受信すると、それまで受信した全ての指標値のうち、最も数値の大きい指標値に対応する組合せ（４つの部分領域からなる）を、被検対象とする４つの部分領域の組合せとして決定する（Ｓ１２）。そして、その組合せの位置データを被検対象領域データとして出力する。
【００３５】
なお、Ｓ８〜Ｓ１２の工程については、Ｃ，Ｍ，Ｙ，Ｋの各色でそれぞれ個別に行われる。よって、被検対象決定手段１７は、被検対象領域データとして、Ｃ，Ｍ，Ｙ，Ｋ用のものをそれぞれ個別に出力する。
【００３６】
以上の構成の画像処理装置においては、画像の全領域から抽出した全ての部分領域のうち、平坦度及び色純度の優れた部分領域だけを優秀部分領域であるとみなす。そして、画像の全領域のうち、それら優秀部分領域を比較的多く含む候補領域だけについて、互いに異なる４つの部分領域からなる組合せの全てを特定し、それぞれの組合せについて指標値を算出する。かかる構成においては、画像の全領域から抽出した全ての部分領域について、４つの部分領域からなる組合せの全てを特定してそれぞれについて指標値を算出する場合に比べて、指標値の算出に要する時間を短縮するので、より短時間で、平坦度、色純度、及び空間分散度の比較的高い部分領域の組合せを画像の全領域の中から特定することができる。
【００３７】
実施形態に係る画像処理装置１０は、パーソナルコンピュータと、これを画像処理装置として機能させるためのプログラムとから構成されている。そして、このプログラムは、記録媒体たるＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ等の光ディスクに機械読み取り可能に記憶され、その光ディスクからパーソナルコンピュータのハードディスクにインストールすることが可能になっている。先に図１に示した繰り返し処理手段１２、候補領域選択手段１３、組合せ特定手段１４、指標値算出手段１５、処理停止判定手段１６、被検対象決定手段１７は、何れもパーソナルコンピュータのＣＰＵの演算処理によってソフト的に実現されるものである。
【００３８】
なお、候補領域として、複数の優秀部分領域を含むものを選択する例について説明したが、一部又は全ての候補領域として、優秀部分領域を１つだけ含むもの（部分領域と同じ大きさのもの）を選択してもよい。
【００３９】
次に、画像処理装置１０の変形例について説明する。なお、以下に特筆しない限り、変形例に係る画像処理装置１０の構成は、実施形態と同様である。
図７は、変形例に係る画像処理装置１０の要部構成を示すブロック図である。また、図８は、変形例に係る画像処理装置１０によって実施される被検対象領域決定処理の処理フローを示すフローチャートである。変形例に係る画像処理装置１０は、組合せ特定手段１４による組合せ特定処理や、その後の処理工程が、実施形態と異なっている。図２のフローチャートと図８のフローチャートとは互いに非常に似ているが、前者がＳ１１の工程からＳ９の工程にループしているのに対し、後者がＳ１１の工程からＳ９の工程にループしている点が異なっている。このようなループ先の違いは、指標値の算出対象となる組合せを決定しているのが前者では指標値算出手段１５であるのに対し、後者では組合せ特定手段１４であることに起因している。
【００４０】
変形例に係る画像処理装置１０の組合せ特定手段１４は、ＲＡＭ等からなる保持解記憶部を有している。この保持解記憶部には、指標値が比較的高い値になった組合せのデータが記憶される。組合せ特定手段１４は、候補領域に含まれる全ての部分領域の中から４つを選択して組み合わせて新たな組合せを特定する毎に、その特定結果を指標値算出手段１５に順次出力する。そして、指標値算出手段１５は、新たな組合せのデータが組合せ特定手段１４から送られてくる毎に、その組合せについての指標値の算出を行う。つまり、実施形態では、候補領域の中で成立し得る４つの部分領域からなる全ての組合せのうち、どの組合せの指標値を求めるのかの選択を指標値算出手段１５がランダムに行っていたのに対し、変形例ではその選択を組合せ特定手段１４が行っている。
【００４１】
組合せ特定手段１４は、４つの部分領域からなる１つ目の組合せをランダムに特定すると、その結果を指標値算出手段１５に送った後、指標値算出手段１５から指標値の算出結果が送られてくるのを待機する。そして、算出結果が送られてくると、それを組合せのデータとともに保持解記憶部に記憶する。次いで、組合せ特定手段１４は、２つ目の組合せをランダムに特定した後、その組合せの指標値の算出結果を指標値算出手段１５から受け取ると、それと、保持解記憶部に記憶している算出結果とを比較する。そして、新たに特定された組合せの指標値の方が、保持解記憶部の指標値よりも大きい場合には、保持解記憶部内のデータを新たに特定された組合せに関するデータに更新する。また、その逆に、後者の指標値の方が前者の指標値よりも大きい場合には、保持解記憶部内のデータをそのままにしておく。その後、３つ目の組合せを新たに特定する際には、保持解記憶部内に記憶している組合せを参照しながら、その組合せと位置的に近くなる組合せを新たに特定する。このような、必要に応じた保持解の更新と、保持解に基づく新たな組合せの特定とを、３つ目以降の組合せの特定の際に行う。
【００４２】
図９は、図８に示される処理フローのＳ８の工程であって、且つ２つ目以降の組合せの特定の際に実施される工程をより詳しく示す詳細フローである。同図に示すように、２つ目以降の組合せを特定する際には、まず、前回の評価値（例えば２つ目の組合せを特定する場合には１つ目の組合せの評価値）について、保持解記憶部に記憶している評価値よりも大きいか否かを判定する（Ｓ８ａ）。そして、大きいと判定した場合には（Ｓ８ａでＹ）、保持解記憶部に記憶している組合せと評価値とのデータを、前回の組合せのものに更新する（Ｓ８ｂ）。これに対し、大きくないと判定した場合には（Ｓ８ａでＮ）、保持解記憶部のデータをそのまま保持する。そして、保持解記憶部に記憶している組合せに対して、位置的に近い組合せを新たな組合せとして特定する（Ｓ８ｃ）。
【００４３】
このように、保持解記憶部に記憶している組合せと位置的に近い組合せを新たな組合せとして特定することで、新たな組合せとして、指標値の比較的高くなる組合せを選択する可能性を高くすることができる。これにより、指標値の高くなる組合せを効率的に探索していくことができる。
【００４４】
なお、Ｓ８ａの工程で、前回の評価値が保持解保持部内の評価値（以下、保持解評価値という）を下回った場合であっても、ある条件を満たす場合には保持解の更新を行うようにしてもよい。例えば、図１０に示すように、保持解評価値に対する前回の評価値の改悪量をｄとし、パラメータｔのもとでｅｘｐ（−ｄ／ｔ）の確率で保持解の更新を行うようにしてもよい。パラメータｔについては繰り返しごとに値を減少させる。この方法は、模擬焼きなまし法（Ｓｉｍｕｌａｔｅｄ Ａｎｎｅａｌｉｎｇ）と呼ばれるものである。
【００４５】
また例えば、Ｓ１１の工程における停止基準として、保持解の更新頻度がある一定値以下になる（たとえば、１０回連続で保持解が更新されなければ停止する）等の基準を用いても良い。模擬焼きなまし法について説明したが、新たな組合せとして評価値の大きなものを特定する確率を高くする方法は、これに限るものではなく、公知の最適化技術を用いることが可能である。
【００４６】
保持解記憶部に記憶している組合せと位置的に近いものを新たな組合せとして特定する方法の第１例として、次のようなものを挙げることができる。即ち、新たな組合せにおける４つの部分領域のうち、３つとしてそれぞれ保持解記憶部に記憶している組合せ（以下、保持解組合せという）と全く同じものを選択し、且つ残りの１つとして保持解組合せの残りの１つに部分的に重なるあるいは隣接するものを選択する方法である。例えば、前回の組合せが先に図５に示した４つの部分領域からなるものである場合、新たな組合せとして、図１１に示すものを特定するのである。図１１に示される新たな組合せにおいて、４つの部分領域のうち、３つは図５の部分領域と全く同じものである。また、残りの１つは、図中点線で示される保持解組合せの残りの１つの部分領域にと局所的に重複する部分領域である。
【００４７】
また、保持解記憶部に記憶している組合せと位置的に近いものを新たな組合せとして特定する方法の第１例として、次のようなものを挙げることができる。即ち、新たな組合せにおける４つの部分領域のうち、いくつかとして保持解組合せと全く同じものを選択し、且つ、残りをランダムに選択する方法である。例えば、前回の組合せが先に図５に示した４つの部分領域からなるものである場合、新たな組合せとして、図１２に示すものを特定するのである。図１２に示される新たな組合せにおいて、４つの部分領域のうち、３つは図５の部分領域と全く同じものである。また、残りの１つは、図中点線で示される保持解組合せの残りの１つの代わりとして、候補領域の中からランダムに選択されたものである。
【００４８】
これまで、Ｙ，Ｍ，Ｃ，Ｋの４つの色成分についてそれぞれ明度を示した画素値を具備するカラー画像データを処理する例について説明したが、画素値によって白黒の明度だけを示す２値画像データ、グレースケール画像、Ｒ（レッド）、Ｇ（グリーン）、Ｂ（ブルー）の３つの色成分についてそれぞれ明度を示す画素値を具備するカラー画像データ、４色以上の色瀬異聞についてそれぞれ明度を示す画素値を具備するカラー画像データ、分光画像データなどを処理してもよい。なお、色純度を算出する際に、均等色空間のユークリッド距離を使用する第１例の方法では目的の色を変更することで、Ｃ，Ｍ，Ｙ，Ｋに対する色純度の代わりに、他の色に対する色純度を求めることが可能である。また、二次式を用いる第２例の方法では、軸の取り方を変更することで、Ｃ，Ｍ，Ｙ，Ｋに対する色純度の代わりに、他の色に対する色純度を求めることが可能である。
【００４９】
実施形態に係る画像処理装置１０においては、部分領域における画素の色情報である画素値の分散度、画素値の最大値と最小値との差分、及び画素値の周波数特性のうち、少なくとも何れか１つに基づいて部分領域の平坦度を算出する処理を実施するように、平坦度算出手段１２ｂを構成している。かかる構成では、平坦度として、部分領域の濃淡の均一性と相関の高い数値を算出することができる。
【００５０】
また、実施形態に係る画像処理装置１０において、第１例の色純度を算出するものでは、部分領域における画素の色情報である画素値の平均と、特定色であるＣ，Ｍ，Ｙ，Ｋとの均等色空間内におけるユークリッド距離を色純度として算出する処理を実施するように、色純度算出手段１２ｃを構成している。かかる構成では、部分領域の平均色の均等色空間内における特定色（Ｃ，Ｍ，Ｙ，Ｋ）とのユークリッド距離が小さくなるほど、色純度の値を大きくすることができる。
【００５１】
また、実施形態に係る画像処理装置１０において、第２例の色純度を算出するものでは、部分領域における互いに異なるＣ，Ｍ，Ｙ，Ｋの色成分のそれぞれの平均値のうち、検査対象となる色（Ｃ，Ｍ，Ｙ又はＫ）に対応するものの符号を正（又は負でもよい）の符号とする一方で、他の平均値の符号を前記色に対応する平均値とは逆符号にした数値に基づいて色純度を算出する処理を実施するように、色純度算出手段１２ｃを構成している。かかる構成では、検査対象となる色に平均色が近い部分領域ほど、色純度の値をプラス側に大きくする（又はこの逆）ことができる。
【００５２】
また、実施形態に係る画像処理装置１０において、第２例の空間分散度を算出するものでは、４つの部分領域からなる組合せにおける各部分領域それぞれの代表点座標の分散共分散行列又はこれの逆表列を前記空間分散度として算出する処理を実施するように、指標値算出手段１５を構成している。かかる構成では、行列又は逆行列によって４つの部分領域の分散性を把握することができる。
【００５３】
また、実施形態に係る画像処理装置１０において、第１例の空間分散度を算出するものでは、４つの部分領域からなる組合せにおける各部分領域それぞれの代表点座標間の距離の逆数を総和したものを空間分散度として算出する処理を実施するように、指標値算出手段１５を構成している。かかる構成では、単純な数値によって４つの部分領域の分散性を把握することができる。
【００５４】
また、変形例に係る画像処理装置１０においては、組合せ特定手段１４により、候補領域に含まれる全ての部分領域の中で成立し得る全ての組合せが特定されるのに先立って、組合せ特定手段１４によって特定された組合せについての指標値の算出を開始するように、指標値算出手段１５を構成している。かかる構成では、全ての組合せが特定されてからそれぞれの組合せの指標値の算出を開始する場合に比べて、指標値算出の開始タイミングを早めることができる。
【００５５】
また、変形例に係る画像処理装置１０においては、算出済みの指標値の履歴である保持解組合せの指標値に基づいて、新たな組合せを特定してその指標値を算出する処理を実施するように、指標値算出手段１５を構成している。かかる構成では、新たな組合せとして、指標値の比較的高くなる組合せを選択する可能性を高くすることができる。
【００５６】
また、実施形態に係る画像処理装置１０においては、平坦度、色純度、及び空間分散度に対してそれぞれ固有の重み付け係数ａ、ｂ、ｃを乗算した値の和に基づいて指標値を算出する処理を実施するように、指標値算出手段１５を構成している。かかる構成では、重み付け係数ａ、ｂ、ｃの大きさの比率を調整することで、平坦度、色純度、及び空間分散度のうち、指標値の変化に最も影響を与えるものや、最も影響を与え難くするものを、任意に調整することができる。
【符号の説明】
【００５７】
１０：画像処理装置
１２ａ：部分領域抽出手段
１２ｂ：平坦度算出手段
１２ｃ：色純度算出手段
１２ｄ：優劣判定手段
１２：繰り返し処理手段
１３：候補領域選択手段
１４：組合せ特定手段
１５：指標値算出手段
１７：被検対象決定手段
【先行技術文献】
【特許文献】
【００５８】
【特許文献１】特許第３８６０５４０号公報
【特許請求の範囲】
【請求項１】
少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理方法において、
前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出工程と、
抽出した部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出工程と、
抽出した部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出工程と、
抽出した部分領域について、前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定工程とを繰り返し実施した後、
画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択工程と、
前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定工程と、
特定した複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出工程と、
前記指標値に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定する被検対象決定工程と
を実施することを特徴とする画像処理方法。
【請求項２】
少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置において、
前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出手段と、
抽出された部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出手段と、
抽出された部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出手段と、
抽出された部分領域について、前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段と、
前記部分領域抽出手段による抽出処理、平坦度算出手段による平坦度算出処理、色純度算出手段による色純度算処理、及び優劣判定手段による優劣判定処理の繰り返しの実施によって複数の前記優秀部分領域が特定された後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択手段と、
前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定手段と、
特定された複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出手段と、
前記指標値に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定する被検対象決定手段と
を備えることを特徴とする画像処理装置。
【請求項３】
請求項２の画像処理装置において、
前記部分領域における画素の色情報である画素値の分散度、画素値の最大値と最小値との差分、及び画素値の周波数特性のうち、少なくとも何れか１つに基づいて前記平坦度を算出する処理を実施するように、前記平坦度算出手段を構成したことを特徴とする画像処理装置。
【請求項４】
請求項２又は３の画像処理装置において、
前記部分領域における画素の色情報である画素値の平均と、前記特定色との均等色空間内におけるユークリッド距離を前記色純度として算出する処理を実施するように、前記色純度算出手段を構成したことを特徴とする画像処理装置。
【請求項５】
請求項２又は３の画像処理装置において、
前記部分領域における互いに異なる少なくとも３つの色成分のそれぞれの平均値のうち、前記特定色に対応するものの符号を正又は負の符号とする一方で、他の平均値の符号を前記特定色に対応する平均値とは逆符号にした数値に基づいて前記色純度を算出する処理を実施するように、前記色純度算出手段を構成したことを特徴とする画像処理装置。
【請求項６】
請求項２乃至５の何れかの画像処理装置において、
前記組合せにおける各部分領域それぞれの代表点座標の分散共分散行列又はこれの逆表列を前記空間分散度として算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項７】
請求項２乃至５の何れかの画像処理装置において、
前記組合せにおける各部分領域それぞれの代表点座標間の距離の逆数を総和したものを前記空間分散度として算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項８】
請求項２乃至７の何れかの画像処理装置において、
前記組合せ特定手段により、前記候補領域に含まれる全ての部分領域の中で成立し得る全ての前記組合せが特定されるのに先立って、前記組合せ特定手段によって特定された前記組合せについての前記指標値の算出を開始するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項９】
請求項８の画像処理装置において、
算出済みの指標値の履歴に基づいて、新たな組合せを特定してその前記指標値を算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項１０】
請求項２乃至９の何れかの画像処理装置において、
前記平坦度、色純度、及び空間分散度に対してそれぞれ固有の重み付け係数を乗算した値の和に基づいて前記指標値を算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項１１】
プログラムを機械読み取り可能に記録した記録媒体であって、
少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置における、
前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出手段と、抽出された部分領域について前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段と、前記部分領域抽出手段による抽出処理、平坦度算出手段による平坦度算出処理、色純度算出手段による色純度算処理、及び優劣判定手段による優劣判定処理の繰り返しの実施によって複数の前記優秀部分領域が特定された後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択手段と、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定手段と、特定された複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出手段と、前記指標値に基づいて複数の前記組合せの中から画質の良否判定の被検対象とする組合せを決定する被検対象決定手段とを備える画像処理装置として、コンピュータを機能させるためのプログラムを機械読み取り可能に記録したことを特徴とする記録媒体。
【請求項１２】
少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置において、
前記画像の全領域の中から部分的に抽出した部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度、及び特定色に対する純度である色純度を算出し、算出結果に基づいてその部分領域について前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する処理を繰り返し実施した後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択し、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出し、算出結果に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定することを特徴とする画像処理装置。
【請求項１】
少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理方法において、
前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出工程と、
抽出した部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出工程と、
抽出した部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出工程と、
抽出した部分領域について、前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定工程とを繰り返し実施した後、
画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択工程と、
前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定工程と、
特定した複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出工程と、
前記指標値に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定する被検対象決定工程と
を実施することを特徴とする画像処理方法。
【請求項２】
少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置において、
前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出手段と、
抽出された部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出手段と、
抽出された部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出手段と、
抽出された部分領域について、前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段と、
前記部分領域抽出手段による抽出処理、平坦度算出手段による平坦度算出処理、色純度算出手段による色純度算処理、及び優劣判定手段による優劣判定処理の繰り返しの実施によって複数の前記優秀部分領域が特定された後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択手段と、
前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定手段と、
特定された複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出手段と、
前記指標値に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定する被検対象決定手段と
を備えることを特徴とする画像処理装置。
【請求項３】
請求項２の画像処理装置において、
前記部分領域における画素の色情報である画素値の分散度、画素値の最大値と最小値との差分、及び画素値の周波数特性のうち、少なくとも何れか１つに基づいて前記平坦度を算出する処理を実施するように、前記平坦度算出手段を構成したことを特徴とする画像処理装置。
【請求項４】
請求項２又は３の画像処理装置において、
前記部分領域における画素の色情報である画素値の平均と、前記特定色との均等色空間内におけるユークリッド距離を前記色純度として算出する処理を実施するように、前記色純度算出手段を構成したことを特徴とする画像処理装置。
【請求項５】
請求項２又は３の画像処理装置において、
前記部分領域における互いに異なる少なくとも３つの色成分のそれぞれの平均値のうち、前記特定色に対応するものの符号を正又は負の符号とする一方で、他の平均値の符号を前記特定色に対応する平均値とは逆符号にした数値に基づいて前記色純度を算出する処理を実施するように、前記色純度算出手段を構成したことを特徴とする画像処理装置。
【請求項６】
請求項２乃至５の何れかの画像処理装置において、
前記組合せにおける各部分領域それぞれの代表点座標の分散共分散行列又はこれの逆表列を前記空間分散度として算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項７】
請求項２乃至５の何れかの画像処理装置において、
前記組合せにおける各部分領域それぞれの代表点座標間の距離の逆数を総和したものを前記空間分散度として算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項８】
請求項２乃至７の何れかの画像処理装置において、
前記組合せ特定手段により、前記候補領域に含まれる全ての部分領域の中で成立し得る全ての前記組合せが特定されるのに先立って、前記組合せ特定手段によって特定された前記組合せについての前記指標値の算出を開始するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項９】
請求項８の画像処理装置において、
算出済みの指標値の履歴に基づいて、新たな組合せを特定してその前記指標値を算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項１０】
請求項２乃至９の何れかの画像処理装置において、
前記平坦度、色純度、及び空間分散度に対してそれぞれ固有の重み付け係数を乗算した値の和に基づいて前記指標値を算出する処理を実施するように、前記指標値算出手段を構成したことを特徴とする画像処理装置。
【請求項１１】
プログラムを機械読み取り可能に記録した記録媒体であって、
少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置における、
前記画像の全領域から所定の大きさの部分領域を抽出する部分領域抽出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度を算出する平坦度算出手段と、抽出された部分領域の各画素の色情報に基づいてその部分領域全体における特定色に対する純度である色純度を算出する色純度算出手段と、抽出された部分領域について前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する優劣判定手段と、前記部分領域抽出手段による抽出処理、平坦度算出手段による平坦度算出処理、色純度算出手段による色純度算処理、及び優劣判定手段による優劣判定処理の繰り返しの実施によって複数の前記優秀部分領域が特定された後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択する候補領域選択手段と、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せを特定する組合せ特定手段と、特定された複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出する指標値算出手段と、前記指標値に基づいて複数の前記組合せの中から画質の良否判定の被検対象とする組合せを決定する被検対象決定手段とを備える画像処理装置として、コンピュータを機能させるためのプログラムを機械読み取り可能に記録したことを特徴とする記録媒体。
【請求項１２】
少なくとも画像における個々の画素の色情報を具備する画像情報に基づいて、前記画像の全領域のうち、画質の良否判定の被検対象とする領域を決定する画像処理装置において、
前記画像の全領域の中から部分的に抽出した部分領域の各画素の色情報に基づいてその部分領域全体における濃淡の平坦度、及び特定色に対する純度である色純度を算出し、算出結果に基づいてその部分領域について前記平坦度及び色純度の優れた優秀部分領域であるか否かを判定する処理を繰り返し実施した後、画像の全領域における個々の優秀部分領域の位置に基づいて、画像の全領域の中から、上記被検対象の候補となる候補領域を選択し、前記候補領域に含まれる全ての部分領域の中から所定数の部分領域を選択して組み合わせる場合に成立し得る互いに異なる複数の組合せについてそれぞれ、各部分領域の空間分散度を算出してから、各部分領域の前記平坦度、色純度、及び空間分散度に基づいて被検対象とするか否かを判断するための指標値を算出し、算出結果に基づいて、複数の前記組合せの中から、画質の良否判定の被検対象とする組合せを決定することを特徴とする画像処理装置。
【図１】
【図２】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図３】
【図２】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図３】
【公開番号】特開２０１１−１１９８４３（Ｐ２０１１−１１９８４３Ａ）
【公開日】平成２３年６月１６日（２０１１．６．１６）
【国際特許分類】
【出願番号】特願２００９−２７３５０７（Ｐ２００９−２７３５０７）
【出願日】平成２１年１２月１日（２００９．１２．１）
【出願人】（０００００６７４７）株式会社リコー (37,907)
【Ｆターム（参考）】
【公開日】平成２３年６月１６日（２０１１．６．１６）
【国際特許分類】
【出願日】平成２１年１２月１日（２００９．１２．１）
【出願人】（０００００６７４７）株式会社リコー (37,907)
【Ｆターム（参考）】
[ Back to top ]