画像欠陥診断システム、画像形成装置、およびプログラム
【課題】画像形成装置にて形成された画像に発生した画像欠陥の検出精度を向上させる。
【解決手段】画像欠陥に関する検査対象画像上での位置座標情報を、検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における位置座標情報に座標変換処理し、角度ずつ座標変換処理された座標系各々での位置座標情報により、座標系各々での画像欠陥の発生状況を検出する。そして、座標系各々での画像欠陥の発生状況に基づき、画像欠陥の位置座標情報に対して施す座標変換処理での座標回転角を設定し、座標回転角だけ回転させた座標系での位置座標情報を用いて画像欠陥を特徴付ける特徴量を抽出する。
【解決手段】画像欠陥に関する検査対象画像上での位置座標情報を、検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における位置座標情報に座標変換処理し、角度ずつ座標変換処理された座標系各々での位置座標情報により、座標系各々での画像欠陥の発生状況を検出する。そして、座標系各々での画像欠陥の発生状況に基づき、画像欠陥の位置座標情報に対して施す座標変換処理での座標回転角を設定し、座標回転角だけ回転させた座標系での位置座標情報を用いて画像欠陥を特徴付ける特徴量を抽出する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、画像欠陥診断システム、画像形成装置、およびプログラムに関する。
【背景技術】
【０００２】
例えば複写機、プリンタ等の画像形成装置では、自らが印刷したテストチャート画像等といった検査対象画像を画像読取装置により読み取り、検査対象画像に関する読取画像データに基づいて画像欠陥を診断し、画像欠陥の発生状況に基づいて画像形成装置自身の故障箇所を推定する技術が知られている。
例えば特許文献１には、プリンタにて印刷されたテストチャート画像を画像読取装置で読み取り、読み取ったテストチャート画像に関する画像データをテストチャート画像データと比較し、両者の差異を比較することで印字品質を自己判断して故障等に対応させる技術が記載されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００２‐２８３６８１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明は、画像形成装置にて形成された画像に発生した画像欠陥の検出精度を向上させることを目的とする。
【課題を解決するための手段】
【０００５】
請求項１に記載の発明は、画像欠陥に関する検査対象とする検査対象画像を読み取ることで生成された画像データを取得する取得手段と、前記取得手段にて取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する画像欠陥検出手段と、前記画像欠陥検出手段にて検出された前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する座標変換処理手段と、前記座標変換処理手段にて前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する発生状況検出手段と、前記発生状況検出手段にて検出された前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する設定手段と、前記設定手段にて設定された前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する特徴量抽出手段とを備えたことを特徴とする画像欠陥診断システムである。
【０００６】
請求項２に記載の発明は、前記発生状況検出手段は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項１記載の画像欠陥診断システムである。
請求項３に記載の発明は、前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々の重心の位置座標を求め、当該画像欠陥各々の重心に関する前記検査対象画像の主走査方向における位置から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項２記載の画像欠陥診断システムである。
請求項４に記載の発明は、前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々を構成する画素の前記検査対象画像での主走査方向位置に関する分散を求め、当該分散から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項２記載の画像欠陥診断システムである。
請求項５に記載の発明は、前記設定手段は、前記発生状況検出手段にて検出された前記ばらつき量が予め定めた規定値以下である場合に、前記画像欠陥の前記位置座標情報に対して施す前記座標変換処理での前記座標回転角を設定することを特徴とする請求項２記載の画像欠陥診断システムである。
請求項６に記載の発明は、前記特徴量抽出手段は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項１記載の画像欠陥診断システムである。
請求項７に記載の発明は、前記画像欠陥検出手段にて検出された前記画像欠陥の面積を算出し、当該面積が予め定めた規定値以下である場合に当該画像欠陥を検査対象と判定する判定手段をさらに備えたことを特徴とする請求項１記載の画像欠陥診断システムである。
【０００７】
請求項８に記載の発明は、画像欠陥に関する検査対象とする検査対象画像を記録材上に形成する画像形成手段と、前記画像形成手段にて形成された前記検査対象画像を読み取り、当該検査対象画像に関する画像データを生成する画像読取手段と、前記画像読取手段にて生成された前記画像データにより前記検査対象画像に発生した画像欠陥を特徴付ける特徴量を抽出し、当該特徴量を用いて自装置の故障原因を診断する画像欠陥診断手段とを有し、前記画像欠陥診断手段は、前記画像読取手段から前記画像データを取得する取得手段と、前記取得手段にて取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する画像欠陥検出手段と、前記画像欠陥検出手段にて検出された前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する座標変換処理手段と、前記座標変換処理手段にて前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する発生状況検出手段と、前記発生状況検出手段にて検出された前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する設定手段と、前記設定手段にて設定された前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する特徴量抽出手段とを備えたことを特徴とする画像形成装置である。
【０００８】
請求項９に記載の発明は、前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項８記載の画像形成装置である。
請求項１０に記載の発明は、前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々の重心の位置座標を求め、当該画像欠陥各々の重心に関する前記検査対象画像の主走査方向における位置から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項９記載の画像形成装置である。
請求項１１に記載の発明は、前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々を構成する画素の前記検査対象画像での主走査方向位置に関する分散を求め、当該分散から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項９記載の画像形成装置である。
請求項１２に記載の発明は、前記画像欠陥診断手段の前記特徴量抽出手段は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項８記載の画像形成装置である。
【０００９】
請求項１３に記載の発明は、コンピュータに、画像欠陥に関する検査対象とする検査対象画像を読み取ることで生成された画像データを取得する機能と、取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する機能と、前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する機能と、前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する機能と、前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する機能と、前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する機能とを実現させることを特徴とするプログラムである。
【００１０】
請求項１４に記載の発明は、前記画像欠陥の発生状況を検出する機能は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項１３記載のプログラムである。
請求項１５に記載の発明は、前記特徴量を抽出する機能は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項１３記載のプログラムである。
【発明の効果】
【００１１】
請求項１の発明によれば、本発明を採用しない場合に比べ、画像形成装置にて形成された画像に発生した画像欠陥の特徴量抽出精度を向上させることができる。
請求項２の発明によれば、全体が傾いた状態で読み取られた検査対象画像の傾き角を抽出することができる。
請求項３の発明によれば、本発明を採用しない場合に比べ、欠陥領域各々のばらつきの程度をより客観的に検出することができる。
請求項４の発明によれば、本発明を採用しない場合に比べ、欠陥領域各々のばらつきの程度をより客観的に検出することができる。
請求項５の発明によれば、本発明を採用しない場合に比べ、検査対象画像が傾いた状態で読み取られたか否かをより客観的に判断することができる。
請求項６の発明によれば、本発明を採用しない場合に比べ、全体が傾いた状態で読み取られた検査対象画像に周期的に発生している画像欠陥に関する特徴量をより正確に抽出することができる。
請求項７の発明によれば、周期的に発生する傾向にある画像欠陥を選択的に抽出することができる。
【００１２】
請求項８の発明によれば、本発明を採用しない場合に比べ、画像形成装置にて形成された画像に発生した画像欠陥の特徴量抽出精度を向上させることができる。
請求項９の発明によれば、全体が傾いた状態で読み取られた検査対象画像の傾き角を抽出することができる。
請求項１０の発明によれば、本発明を採用しない場合に比べ、欠陥領域各々のばらつきの程度をより客観的に検出することができる。
請求項１１の発明によれば、本発明を採用しない場合に比べ、欠陥領域各々のばらつきの程度をより客観的に検出することができる。
請求項１２の発明によれば、本発明を採用しない場合に比べ、全体が傾いた状態で読み取られた検査対象画像に周期的に発生している画像欠陥に関する特徴量をより正確に抽出することができる。
【００１３】
請求項１３の発明によれば、本発明を採用しない場合に比べ、画像形成装置にて形成された画像に発生した画像欠陥の特徴量抽出精度を向上させることができる。
請求項１４の発明によれば、全体が傾いた状態で読み取られた検査対象画像の傾き角を抽出することができる。
請求項１５の発明によれば、本発明を採用しない場合に比べ、全体が傾いた状態で読み取られた検査対象画像に周期的に発生している画像欠陥に関する特徴量をより正確に抽出することができる。
【図面の簡単な説明】
【００１４】
【図１】本実施の形態が適用される画像形成装置の全体構成の一例を示したブロック図である。
【図２】故障診断部の構成を説明するブロック図である。
【図３】操作表示部にて表示されるサービスの内容に関する表示画面の一例を示す図である。
【図４】操作表示部にて表示される画像欠陥の種別に関する表示画面の一例を示す図である。
【図５】操作表示部にて表示される画像欠陥の詳細な種別に関する表示画面の一例を示す図である。
【図６】画像欠陥診断モデルを構成するベイジアンネットワークの一例を示した図である。
【図７】操作表示部にて表示される診断結果に関する表示画面の一例を示した図である。
【図８】故障診断部の内部構成を示すブロック図である。
【図９】実施の形態１の傾き処理部の構成を説明するブロック図図である。
【図１０】回転処理部が行う座標変換処理を説明する図である。
【図１１】前処理部にて生成された各座標系の座標回転角と各座標系各々での点状/局所欠陥のばらつきとの対応関係の一例を示した図である。
【図１２】規定値の設定方法を説明する図である。
【図１３−１】故障診断部が行う故障診断処理の内容の一例を説明するフローチャートである。
【図１３−２】故障診断部が行う故障診断処理の内容の一例を説明するフローチャートである。
【図１４】実施の形態２の傾き処理部の構成を説明するブロック図である。
【図１５】前処理部が求める投影分布波形を説明する図である。
【図１６】前処理部にて生成された各座標系の座標回転角と各座標系各々での点状/局所欠陥の投影分布波形に関する分散値との対応関係の一例を示した図である。
【図１７−１】故障診断部が行う故障診断処理の内容の一例を説明するフローチャートである。
【図１７−２】故障診断部が行う故障診断処理の内容の一例を説明するフローチャートである。
【発明を実施するための形態】
【００１５】
以下、添付図面を参照して、本発明の実施の形態について詳細に説明する。
＜画像形成装置の説明＞
図１は本実施の形態が適用される画像形成装置１の全体構成の一例を示したブロック図である。図１に示す画像形成装置１は、画像形成装置１の動作全体を制御する制御部１０、画像上に発生した画像欠陥から画像形成装置１の故障を診断する画像欠陥診断手段の一例としての故障診断部２０、例えばハードディスクドライブ（ＨＤＤ）やフラッシュメモリ等で構成され、各種のプログラムやデータ等が記憶される外部記憶部３０を備えている。
また、画像形成装置１は、画像データ（ビデオデータ）に基づいて記録材（用紙）上に画像を形成する画像形成手段の一例としての画像形成部４０、ユーザからの操作入力の受付やユーザに対する各種情報の表示を行う操作表示部５０、原稿から各色成分の反射率を読み取って画像データを生成する画像読取手段の一例としての画像読取部６０、例えばＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、インターネット等といった通信手段（ネットワーク）と通信を行う通信部７０を備えている。ここで、画像形成部４０としては、例えば電子写真方式の画像形成エンジンが用いられる。
さらに、画像形成装置１は、画像形成装置１内の温湿度や、画像形成部４０にて搬送される用紙が用紙搬送路を通過する時間、画像形成装置１内にて使用される駆動電流等といった画像形成装置１の内部状態を表す各種情報（以下、「内部状態情報」）を検出する内部状態検出部９０を備えている。
【００１６】
さらに、画像形成装置１は、外部記憶部３０とのデータ転送を高速で行うＤＭＡＣ（Direct Memory Access Controller）８１、画像形成部４０とのビデオデータの送受信を制御するビデオインターフェース（Ｉ/Ｆ）８２、操作表示部５０とのデータの送受信を制御する操作表示インターフェース（Ｉ/Ｆ）８３、画像読取部６０との画像データの送受信を制御するスキャナインターフェース（Ｉ/Ｆ）８４、通信部７０とのデータの送受信を制御するネットワークインターフェース（Ｉ/Ｆ）８５、内部状態検出部９０とのデータの送受信を制御するセンサインターフェース（Ｉ/Ｆ）８６を備えている。
制御部１０、故障診断部２０、ビデオＩ/Ｆ８２、操作表示Ｉ/Ｆ８３、スキャナＩ/Ｆ８４、およびネットワークＩ/Ｆ８５、センサＩ/Ｆ８６それぞれは、ＰＣＩ（Peripheral Components Interconnect bus）バス８０に接続されている。
また、外部記憶部３０は、ＤＭＡＣ８１を介してＰＣＩバス８０に接続され、ＰＣＩバス８０に接続された制御部１０や各種インターフェース（Ｉ/Ｆ）との間のデータ転送を高速で行う。
【００１７】
なお、故障診断部２０は、制御部１０や画像形成部４０や画像読取部６０等と一体的に構成しても、別体に構成してもよい。このような別体構成では、故障診断部２０と制御部１０や画像形成部４０や画像読取部６０等とは、例えば、通信部７０を介してＬＡＮ、ＷＡＮ、インターネット等といったネットワークにより接続される。それにより、故障診断部２０を画像形成装置１の外部に備えた故障診断システムが構築される。ここでのネットワークを構成する通信回線としては、電話回線や衛星通信回線（例えば、デジタル衛星放送における空間伝送路）等を含んでもよい。
【００１８】
＜故障診断部の説明＞
図２は、故障診断部２０の構成を説明するブロック図である。
図２に示すように、故障診断部２０は、画像読取部６０にて生成された画像データを取得する取得手段の一例としての画像データ取得部２１、画像データ取得部２１にて取得された画像データを記憶する画像データ記憶部２２を備えている。また、故障診断部２０は、画像上にて画像欠陥が生じている領域（以下、「欠陥領域」）を検出する画像欠陥検出手段の一例としての画像欠陥検出部２３、画像の傾きに対応させて画像欠陥の周期性の有無を判定する傾き処理部２４、画像上の欠陥領域から画像欠陥の特徴量を抽出する特徴量抽出手段の一例としての特徴量抽出部２５を備えている。さらにまた、故障診断部２０は、画像上に生じた画像欠陥の種別を判定する欠陥種別判定部２６、画像上に生じた画像欠陥の種別に関する情報や欠陥領域から抽出された画像欠陥の特徴量等を用いて画像欠陥を生じさせた故障原因を診断する診断部２７を備えている。
【００１９】
＜故障診断部にて故障診断に使用される画像データの取得の説明＞
画像データ取得部２１は、ユーザ（例えば、画像形成装置１の使用者や管理者等）が操作表示部５０を操作することで選択された検査対象画像（以下、「テストチャート画像」）に関する画像データを取得する。このテストチャート画像は、診断対象とする画像欠陥の発生状態や発生色等の欠陥発生状況に基づいて、ユーザが操作表示部５０から選択したものである。
すなわち、制御部１０は、例えば画像形成装置１のメインスイッチ（不図示）がオンされると、操作表示Ｉ/Ｆ８３を介して操作表示部５０に対し、ユーザに提供するサービス内容の表示を指示する制御信号を送信する。それにより、操作表示部５０には、図３（操作表示部５０にて表示されるサービスの内容に関する表示画面の一例を示す図）に例示したように、画像形成装置１がユーザに提供するサービスの内容を示す表示画面を表示する。この表示画面には、例えば、複写機能を実行する「コピー」、メールを送信する機能を実行する「メール送信」、画像読取部６０にて読み取った画像データをパーソナルコンピュータ（ＰＣ）に記憶（保存）させる機能を実行する「ＰＣ保存」、さらには、画像欠陥を生じさせた故障原因を診断する機能を実行する「画像診断」を表す画面を表示する。さらには、これらの機能の何れかの選択をユーザに促す指示コメントを表示する。
【００２０】
そして、ユーザによる操作表示部５０に対する操作入力により、「画像診断」の実行が選択されると、制御部１０は、操作表示Ｉ/Ｆ８３を介して操作表示部５０に対し、診断対象とする画像欠陥の種別の表示を指示する制御信号を送信する。それにより、操作表示部５０には、図４（操作表示部５０にて表示される画像欠陥の種別に関する表示画面の一例を示す図）に例示したように、画像欠陥の種別を表示する。表示される画像欠陥の種別としては、例えば、画像上に現れた線状や筋状の汚れ、またはその他の形状の汚れであることを示す「線・筋・汚れ」、すべての色成分または一部の色成分についての画像抜けであることを示す「白抜け・色抜け」、画像濃度や色の不具合であることを示す「濃度・色味不良」、用紙の搬送方向下流側に前の画像の写しが残像のように２重に印刷されたものであることを示す「残像」、用紙上に画像がまったく印刷されないことを示す「何も印刷されない」を表す画面を表示する。さらには、これらの画像欠陥の種別の何れかの選択をユーザに促す指示コメントを表示する。
【００２１】
そして、ここでは、ユーザによる操作表示部５０に対する操作入力により、例えば「線・筋・汚れ」が選択されたものとする（図４のハッチングされた欄）。そうすると、制御部１０は、操作表示Ｉ/Ｆ８３を介して操作表示部５０に対し、画像欠陥の種別「線・筋・汚れ」に関するさらに詳細な画像欠陥の種別の表示を指示する制御信号を送信する。それにより、操作表示部５０には、図５（操作表示部５０にて表示される画像欠陥の詳細な種別に関する表示画面の一例を示す図）に例示したように、「線・筋・汚れ」に関する画像欠陥の詳細な種別を表示する。ここで表示される画像欠陥の詳細な種別として、例えば、画像上における用紙搬送方向に沿って現れた線状や筋状の汚れであることを示す「用紙送り方向に線・筋・汚れ」、画像全体に広がるうっすらとした汚れ（所謂「かぶり」）であることを示す「かぶりが発生」、文字や罫線等の周辺にてトナーが飛び散ったように生じた汚れやかすれであることを示す「文字・罫線の周辺汚れ・かすれ」、画像上の濃度が高い領域にのみ生じた線状や筋状の汚れであることを示す「濃度の濃い部分にのみ線・筋像」、用紙上の一部分または全部が塗りつぶされたものであることを示す「ページの一部または全体が塗りつぶされる」、用紙の白地領域に発生する各色成分（１次色）からなる点（黒点・色点）であることを示す「黒点・色点が発生」を表す表示画面を表示する。さらには、これらの画像欠陥の詳細な種別の何れかの選択をユーザに促す指示コメントを表示する。
【００２２】
そして、ここでは、ユーザによる操作表示部５０に対する操作入力により、画像欠陥の詳細な種別の一つである「黒点・色点が発生」が選択されるものとする（図５のハッチングされた欄）。この場合には、制御部１０は、「黒点・色点が発生」を診断するために用いるテストチャート画像を選択する。そして、制御部１０は、ビデオＩ/Ｆ８２を介して画像形成部４０に対し、選択したテストチャート画像を印刷するように指示する制御信号を送信する。それにより、画像形成部４０は、制御部１０により印刷指示されたテストチャート画像を印刷する。なお、テストチャート画像を印刷するに際しては、印刷に用いられる色成分（Ｙ（イエロー）,Ｍ（マゼンタ）,Ｃ（シアン）,Ｋ（黒））に関しても、ユーザにより画像欠陥の発生状況に応じて指定されており、例えばＫ色が指定されることで、Ｋ色からなるテストチャート画像が印刷される。
さらに、制御部１０は、ユーザに対し、印刷されたテストチャート画像を画像読取部６０により読み取る操作を行うように指示する表示を、操作表示Ｉ/Ｆ８３を介して操作表示部５０に指示する制御信号を送信する。それにより、操作表示部５０は、印刷されたテストチャート画像を画像読取部６０により読み取る操作を行うことをユーザに促す指示コメントを表示する。
【００２３】
そして、画像読取部６０によってテストチャート画像が読み取られると、制御部１０は、テストチャート画像の反射率からなる画像データを、画像読取部６０から故障診断部２０（画像データ取得部２１）に転送させる。
このようにして、故障診断部２０の画像データ取得部２１は、テストチャート画像に関する画像データを取得する。さらに、画像データ取得部２１にて取得されたテストチャート画像に関する画像データは、画像データ記憶部２２に送られ、記憶される。
【００２４】
＜画像欠陥検出部の説明＞
画像欠陥検出部２３は、画像データ記憶部２２から、画像欠陥の発生状況に基づいてユーザが選択した検査対象画像（テストチャート画像）に関する画像データを取得する。また、画像欠陥検出部２３は、外部記憶部３０から、画像形成部４０にて形成されたテストチャート画像に画像欠陥が生じているか否かを判定するための、基準となる基準画像データを取得する。この基準画像データは、テストチャート画像を形成する際の基データとなったものである。そして、画像欠陥検出部２３は、このテストチャート画像に関する画像データと、外部記憶部３０から取得した基準画像データとを比較して、画像欠陥が発生している領域を判定する。そして、画像欠陥検出部２３は、画像欠陥と判定された領域に関する画像データと、そのテストチャート画像上での位置座標情報（位置座標データ）とを対応付けた「画像欠陥データ」を抽出し、抽出した画像欠陥データを傾き処理部２４に出力する。
なお、画像欠陥検出部２３において画像欠陥が発生している領域を判定する際に、テストチャート画像に関する画像データを予め定められた濃度閾値と比較する方法を用いてもよい。
【００２５】
＜傾き処理部の説明＞
一般に、画像形成装置１（画像形成部４０）にて用紙上にテストチャート画像を形成する際に、例えば用紙の搬送が不安定となることで、用紙上にテストチャート画像が傾いて形成される場合がある。また、テストチャート画像を画像読取部６０により読み取らせる際に、画像読取部６０に設けられた画像読取センサ（不図示）がテストチャート画像を読み取る際の読取基準位置と、画像読取部６０のプラテンガラス（不図示）上に設置されたテストチャート画像との間に傾きが生じる場合がある。それにより、画像読取部６０においてテストチャート画像全体が傾いて読み取られ、テストチャート画像に生じた画像欠陥に関する特徴量、特に、画像欠陥の周期性に関する特徴量を正確に抽出できない場合がある。
そのため、傾き処理部２４は、外部記憶部３０に記憶された判定条件情報に基づき、画像読取部６０にて読み取られたテストチャート画像が傾いているか否かを判定し、傾いていると判定された場合には、その傾きを補正して特徴量抽出部２５に出力する。さらには、その傾きを補正して画像欠陥に周期性があるか否かを判定する。そして、周期性があると判定された場合には、画像欠陥の周期性に関する特徴量を抽出し、特徴量抽出部２５に出力する。
【００２６】
すなわち、傾き処理部２４は、画像欠陥検出部２３から取得した画像欠陥データによりテストチャート画像上に生じた画像欠陥の発生状態を判断する。そして、画像欠陥の発生状態から、画像データ記憶部２２から取得した画像データが傾いた状態で読み取られたものであるか否かを判定する。そして、傾き処理部２４は、テストチャート画像の画像データが予め定めた角度以上に傾いた状態で読み取られた画像データであると判定した場合には、画像欠陥検出部２３から取得した画像欠陥データに関し、テストチャート画像の傾き角に対応した傾き補正処理を行って特徴量抽出部２５に出力する。さらに、傾き処理部２４は、テストチャート画像の傾き角に対応させて画像欠陥データに周期性が有るか無いかを判定する。画像欠陥データに周期性が有ると判定した場合には、画像欠陥の周期を算出し、画像欠陥の周期に関する特徴量として特徴量抽出部２５に出力する。
【００２７】
また、傾き処理部２４は、画像欠陥データにより画像欠陥と判定された領域の面積が予め定めた面積よりも小さい場合、または用紙上に印刷されたテストチャート画像全体の傾き角が予め定めた角度よりも小さいと判定した場合には、画像欠陥検出部２３から取得した画像欠陥データをそのまま特徴量抽出部２５に出力する。
なお、傾き処理部２４の構成および傾き処理部２４にて実行される処理の内容に関しては、後段で詳述する。
【００２８】
＜特徴量抽出部の説明＞
続いて、特徴量抽出部２５は、傾き処理部２４から取得した画像欠陥データや画像欠陥の周期に関する特徴量に基づき、画像欠陥を特徴付ける種々の特徴量を抽出する。特徴量抽出部２５は、例えば、画像欠陥が生じている領域の形状、大きさ、濃度階調値、輪郭の状態、欠陥の発生方向、位置等といった特徴量や、傾き処理部２４から取得した画像欠陥の周期に関する特徴量を抽出する。
例えば、テストチャート画像に黒線が発生する画像欠陥が発生しており、傾き処理部２４から取得した画像欠陥データにより、画像欠陥が発生している色成分がＫ（黒）色である場合には、特徴量抽出部２５は、例えば、黒線の線幅、黒線の長さ、黒線のコントラスト、黒線の周期性を特徴量として算出する。
そして、特徴量抽出部２５は、算出した特徴量に関する情報を欠陥種別判定部２６および診断部２７に出力する。
【００２９】
＜欠陥種別判定部の説明＞
欠陥種別判定部２６は、特徴量抽出部２５から取得した画像欠陥を特徴付ける特徴量に基づいて、画像欠陥の種別に関し類似性のあるもの同士を一群のデータとして分類するクラスタリング処理を行う。クラスタリング処理のアルゴリズムには、Ｋ−Ｍｅａｎｓ法や各種階層クラスタリング法等の既存のアルゴリズムが用いられる。
クラスタリング処理により分類された画像欠陥の種別としては、例えば、「用紙送り方向（副走査方向）の線・筋」、「かぶり」、「文字・罫線の周辺汚れ・かすれ」、「濃度の濃い部分の線・筋」、「ページの一部または全体の塗りつぶし」、「黒点・色点」等がある。
また、欠陥種別判定部２６は、クラスタリング処理を行うことにより分類された画像欠陥の種別に対応させて、外部記憶部３０に記憶された判定条件情報に基づき、画像欠陥を推定するために使用する画像欠陥診断モデル（後段参照）を選択する。
そして、欠陥種別判定部２６は、クラスタリング処理を行うことにより分類された画像欠陥の種別に関する情報と、選択した画像欠陥診断モデルを特定する情報とを診断部２７に出力する。
【００３０】
＜診断部の説明＞
診断部２７は、画像欠陥診断モデルを用いて画像欠陥を推定する。すなわち、診断部２７は、画像欠陥診断モデルに、特徴量抽出部２５にて算出された特徴量、欠陥種別判定部２６から取得した画像欠陥の種別に関する情報、操作表示部５０から取得したユーザによる操作入力情報（例えば「黒点・色点が発生」）、内部状態検出部９０から取得した画像形成装置１の各種内部状態情報、外部記憶部３０に記憶された画像形成装置１の使用履歴情報等を入力し、画像欠陥を誘発させた故障原因を推定する。
その際に、診断部２７は、欠陥種別判定部２６にて選択された画像欠陥の種別に対応した画像欠陥診断モデルを記憶部（例えば、後段図８のＮＶＭ２０４）から読み出す。本実施の形態では、複数の画像欠陥の種別に対応した画像欠陥診断モデルが診断部２７内に設けられた記憶部に予め記憶されている。そして、診断部２７は、欠陥種別判定部２６にて選択された画像欠陥診断モデルをこの記憶部から読み出す。
ここでの「画像欠陥診断モデル」は、例えば、ベイジアンネットワーク（Bayesian Network）で構成されている。ベイジアンネットワークとは、確率理論を使用して問題領域をモデル化するものである。すなわち、因果関係が複雑な問題領域を表すため、相互に関連付けられた複数の問題要因間の因果関係を順次結線したグラフ構造を持つネットワークとして表現し、問題要因間の依存関係を有向グラフにより表したものである。
【００３１】
図６は、画像欠陥診断モデルを構成するベイジアンネットワークの一例を示した図である。図６に例示した画像欠陥診断モデルでは、黒線が発生する画像結果に対応するベイジアンネットワークを示したものである。
図６に示すように、ベイジアンネットワークの各ノードは、「原因」→「結果」の関係になるように結線されている。例えば、「感光体傷」と「線幅情報」との関係は、「感光体傷」が元（原因）で細い線が発生（結果）といった「線幅情報」が現れるという関係になる。一方、「プリント枚数履歴情報」と「定着装置」との関係は、「プリント枚数」に基づく状態（プリント枚数が何枚以上）が元（原因）で「定着装置」劣化による黒線発生の可能性が高くなるという関係が成り立つ。各ノードの確率データの初期値は、例えば、過去のデータに基づいて決定する。その後、画像形成装置１における部品の交換頻度や、不具合の発生頻度等、市場トラブルの統計データ等を基にして、定期的に各ノードの確率を更新するようにしてもよい。また、図６中に示した「線幅情報」や「周期性情報」といった画像欠陥の特徴を表すノードは、特徴量抽出部２５にて算出された特徴量により状態が決定される。
そして、診断部２７は、記憶部（後段のＮＶＭ２０４）から読み出したベイジアンネットワークに基づき、故障原因や故障箇所を推定する。さらには、診断部２７は、推定した故障原因や故障箇所を制御部１０に通知する。それにより、制御部１０は、操作表示部５０に故障原因や故障推定箇所を表示し、ユーザに通知する。さらには、通信部７０からネットワークを介してＰＣ等の外部装置に通知してもよい。
【００３２】
図７は、操作表示部５０にて表示される診断結果に関する表示画面の一例を示した図である。図７に示したように、「故障原因・故障推定箇所」が確度（「故障確率」）の高い順に示されるとともに、故障状態を復旧させるための「作業難易度」も示される。作業難易度を示すことにより、例えば確度が近似する故障原因・故障推定箇所が表示された場合に、作業難易度の低い故障原因・故障推定箇所から作業することにより、復旧作業の効率化が図られる。また、図７に示した項目以外にも、「故障原因・故障推定箇所」欄を操作することにより、故障原因・故障推定箇所に対応する復旧作業が記述された処置情報を表示するように構成してもよい。
【００３３】
＜故障診断部の内部構成の説明＞
ここで、図８は、故障診断部２０の内部構成を示すブロック図である。図８に示したように、故障診断部２０は、故障診断処理を実行するに際して、予め定められた処理プログラムに従ってデジタル演算処理を実行するＣＰＵ２０１、ＣＰＵ２０１の作業用メモリ等として用いられるＲＡＭ２０２、ＣＰＵ２０１での処理に使用される各種設定値等が格納されるＲＯＭ２０３、書き換え可能で電源供給が途絶えた場合にもデータを保持できる、電池によりバックアップされたフラッシュメモリ等の不揮発性メモリ（ＮＶＭ）２０４、ＰＣＩバス８０を介して故障診断部２０に接続される制御部１０や外部記憶部３０や画像読取部６０等の各構成部との信号の入出力を制御するインターフェース（Ｉ/Ｆ）部２０５を備えている。
そして、ＣＰＵ２０１が、処理プログラムを外部記憶部３０から主記憶装置（ＲＡＭ２０２）に読み込み、画像データ取得部２１、画像欠陥検出部２３、傾き処理部２４、特徴量抽出部２５、欠陥種別判定部２６、診断部２７の各機能部の機能を実現させる。
【００３４】
なお、この処理プログラムに関するその他の提供形態としては、予めＲＯＭ２０３に格納された状態にて提供され、ＲＡＭ２０２にロードされる形態がある。さらに、ＥＥＰＲＯＭ等の書き換え可能なＲＯＭ２０３を備えている場合には、ＣＰＵ２０１がセッティングされた後に、プログラムだけがＲＯＭ２０３にインストールされ、ＲＡＭ２０２にロードされる形態がある。また、インターネット等のネットワークを介して故障診断部２０にプログラムが伝送され、故障診断部２０のＲＯＭ２０３にインストールされ、ＲＡＭ２０２にロードされる形態がある。さらにまた、ＤＶＤ−ＲＯＭやフラッシュメモリ等の外部記録媒体からＲＡＭ２０２にロードされる形態がある。
【００３５】
［実施の形態１］
＜傾き処理部の詳細な説明＞
次に、上記した故障診断部２０に備えられる傾き処理部２４の一実施の形態について説明する。
図９は、本実施の形態の傾き処理部２４の構成を説明するブロック図である。
図９に示したように、傾き処理部２４は、画像欠陥検出部２３から取得した画像欠陥データが微小な画像欠陥または局所的に発生した画像欠陥（以下、「点状/局所欠陥」）に関するものか否かを判定する判定手段の一例としての第１判定部２４１、画像欠陥データが点状/局所欠陥に関するものである場合に、点状/局所欠陥が周期的に発生しているかランダムに発生しているかを判定するために使用する、点状/局所欠陥相互の相対的な位置関係を示す情報（以下、「相対位置情報」）を算出する前処理部２４２を備えている。
また、傾き処理部２４は、前処理部２４２にて算出された点状/局所欠陥相互の相対位置情報を用いて、点状/局所欠陥が周期的に発生しているかランダムに発生しているかを判定する第２判定部２４３、第２判定部２４３により点状/局所欠陥が周期的に発生していると判定された場合に、点状/局所欠陥の周期情報を抽出するために画像欠陥データに対して回転処理を行う回転処理部２４４、回転処理された画像欠陥データから点状/局所欠陥の周期情報を抽出する周期情報抽出部２４５を備えている。
【００３６】
また、傾き処理部２４に備えられた前処理部２４２は、座標変換手段の一例としての回転処理部２４２Ａと、画像欠陥の発生状況を検出する発生状況検出手段の一例としての重心算出部２４２Ｂおよびばらつき算出部２４２Ｃとを備えている。
前処理部２４２の回転処理部２４２Ａは、画像欠陥検出部２３から取得した画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標として設定し、画像欠陥データの位置座標情報（位置座標データ）に対して予め定めた角度（例えば、±１°）ずつ座標系を回転させる座標変換処理を行う。
重心算出部２４２Ｂは、画像欠陥データを予め定めた角度ずつ座標変換処理を行う毎に、新たな座標系での点状/局所欠陥各々の重心を算出する。
ばらつき算出部２４２Ｃは、重心算出部２４２Ｂにて算出された点状/局所欠陥各々の重心位置に関するばらつき（Δ）を算出する。
【００３７】
＜傾き処理部を構成する各部の説明＞
第１判定部２４１は、画像欠陥検出部２３から取得した画像欠陥データから、画像欠陥領域の面積を算出し、予め定められた規定面積値と比較する。そして、画像欠陥領域の面積が第１の規定面積値よりも大きければ、微小な画像欠陥または局所的に発生した画像欠陥（点状/局所欠陥）ではないと判定し、画像欠陥検出部２３から取得した画像欠陥データをそのまま特徴量抽出部２５に転送する。
一方、第１判定部２４１は、画像欠陥領域の面積が第１の規定面積値以下であれば、点状/局所欠陥であると判定し、画像欠陥検出部２３から取得した画像欠陥データを前処理部２４２に転送する。
この場合に、第１判定部２４１は、第１の規定面積値以下である第２の規定面積値を設定しておき、画像欠陥領域の面積が第２の規定面積値以下となる点状/局所欠陥については、対象から除外するように処理してもよい。それにより、例えばノイズによって検出された微細な点状/局所欠陥が除外され、ばらつき算出部２４２Ｃにて算出されるばらつき（Δ）の精度が高められる。
【００３８】
引き続く前処理部２４２では、回転処理部２４２Ａは、第１判定部２４１から転送された画像欠陥データについて、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標として設定する。そして、画像欠陥データの位置座標データ（位置座標情報）に対して、予め定めた規定角度δθ（例えば、δθ＝１°）ずつ座標系を回転させる座標変換処理を行う。
ここで、図１０は、回転処理部２４２Ａが行う座標変換処理を説明する図である。
図１０に示したように、回転処理部２４２Ａは、テストチャート画像上の予め定めた１点（Ｃ点）を回転中心座標として設定する。そして、回転中心座標Ｃを中心として、画像欠陥データが抽出されたテストチャート画像上の座標系（Ｘ−Ｙ座標系）を規定角度δθずつ（規定角度δθステップで）回転させ、新たな座標系（Ｘ’−Ｙ’座標系）に変換する。例えば、図１０では、規定角度δθずつの座標変換処理のｎ回目を示している。この場合には、回転角θは、θ＝δθ×ｎとなる。それにより、画像欠陥データの位置座標データを新たなＸ’−Ｙ’座標系での位置座標データに変換する。なお、ここでのＸ座標（Ｘ’座標）は主走査方向に沿った座標軸であり、Ｙ座標（Ｙ’座標）は副走査方向に沿った座標軸である。
【００３９】
前処理部２４２の重心算出部２４２Ｂは、回転処理部２４２Ａにて座標変換処理が行われた画像欠陥データに関し、新たなＸ’−Ｙ’座標系での位置座標データから点状/局所欠陥の重心に関する位置座標を算出する。
そして、前処理部２４２のばらつき算出部２４２Ｃは、テストチャート画像上に存在する点状/局所欠陥の重心位置に関し、主走査方向（Ｘ’座標）でのばらつきΔ＝ＸＭＡＸ’−ＸＭＩＮ’を算出する。ここで、ＸＭＡＸ’は、テストチャート画像上に存在する点状/局所欠陥の中で、重心位置のＸ’座標値が最大である点状/局所欠陥の重心のＸ’座標値である。また、ＸＭＩＮ’は、重心位置のＸ’座標値が最小である点状/局所欠陥の重心のＸ’座標値である。
【００４０】
このように、前処理部２４２では、第１判定部２４１から転送された画像欠陥データについて、回転処理部２４２Ａが予め定めた角度範囲内で規定角度δθずつ座標系を回転させる座標変換処理を行う。そして、重心算出部２４２Ｂが、規定角度δθずつ回転させた各座標系（Ｘ’−Ｙ’座標系）各々において、点状/局所欠陥の重心位置を算出する。さらには、ばらつき算出部２４２Ｃが、テストチャート画像上に存在する点状/局所欠陥の重心位置について、ばらつき量の一例としての主走査方向（Ｘ’座標）でのばらつきΔを算出する。そして、回転処理部２４２Ａが座標変換処理した際の各座標系の座標回転角θ（＝δθ×ｎ）と、各座標系各々での点状/局所欠陥のばらつきΔとを対応付けた対応関係（θ,Δ）を生成する。前処理部２４２は、この対応関係（θ,Δ）により、各座標系（Ｘ’−Ｙ’座標系）各々における画像欠陥の発生状況を検出する。
【００４１】
次に、第２判定部２４３は、前処理部２４２から、画像欠陥データに加えて、座標変換処理された各座標系の座標回転角θと、各座標系各々での点状/局所欠陥のばらつきΔとを対応付けた対応関係（θ,Δ）と、重心算出部２４２Ｂにて算出された点状/局所欠陥の重心位置に関する位置座標情報とを取得する。そして、前処理部２４２から取得した各座標系での対応関係（θ,Δ）から、点状/局所欠陥のばらつきΔの最小値（以下、「最小ばらつきΔＭＩＮ」）と、最小値ΔＭＩＮを与える座標系の座標回転角θ（＝θＭＩＮ）を抽出する。
ここで、図１１は、前処理部２４２にて生成された各座標系の座標回転角θと各座標系各々での点状/局所欠陥のばらつきΔとの対応関係（θ,Δ）の一例を示した図である。第２判定部２４３は、図１１に例示した対応関係を有する各座標系の座標回転角θと各座標系各々での点状/局所欠陥のばらつきΔとから、点状/局所欠陥の最小ばらつきΔＭＩＮと、最小ばらつきΔＭＩＮを与える座標系の座標回転角θＭＩＮとを抽出する。
【００４２】
そして、第２判定部２４３は、抽出した点状/局所欠陥の最小ばらつきΔＭＩＮと、ばらつきΔに関する予め定めた規定値Δｔｈとを比較する。その結果、最小ばらつきΔＭＩＮが規定値Δｔｈ以上である場合には、点状/局所欠陥はランダムに発生していると判定する。その場合には、第２判定部２４３は、第１判定部２４１から転送された画像欠陥データをそのまま特徴量抽出部２５に転送する。
一方、第２判定部２４３は、最小ばらつきΔＭＩＮが規定値Δｔｈよりも小さい場合には、点状/局所欠陥は方向性・周期性を持って発生していると判定する。そして、第２判定部２４３は、第１判定部２４１から転送された画像欠陥データと、点状/局所欠陥の最小ばらつきΔＭＩＮを与える座標回転角θＭＩＮに関するデータと、点状/局所欠陥の重心位置に関する位置座標情報とを回転処理部２４４に出力する。
ここで、第２判定部２４３は、座標変換処理における座標回転角を設定する設定手段として機能する。
【００４３】
ここで、点状/局所欠陥はランダムに発生しているか、方向性・周期性を持って発生しているかを判定するための規定値Δｔｈは、例えば、次のように設定される。
次の図１２は、規定値Δｔｈの設定方法を説明する図である。
まず図１２（ａ）に示したように、周期的な画像欠陥（点状/局所欠陥）が発生した複数のサンプル画像の各々において、点状/局所欠陥の各領域の主走査方向（Ｘ座標）の幅（Ｗｉ）を計測する。ここで、ｉは、各サンプル画像に発生した点状/局所欠陥各々に付した番号である。
さらに、計測した点状/局所欠陥各々の幅Ｗｉの平均値（ＷＡＶＥ＝ΣＷｉ/ｎ）と、点状/局所欠陥各々の重心位置のＸ座標値の最大値ＸＭＡＸと最小値ＸＭＩＮとの差Δとを算出する。この場合に、Ｗｉ,Δの単位はｍｍとし、画像読取部６０の読取解像度Ｒ（ｄｐｉ）に応じて画素位置に２５．４ｍｍ/Ｒを乗じて算出する。
次に図１２（ｂ）に示したように、複数のサンプル画像から得られた（Ｗａｖｅ,Δ）に関し、例えば最小二乗法を用いて回帰直線を求める。さらに、回帰直線と各プロット（Ｗａｖｅ,Δ）のΔ値との標準偏差σから分散σ２を求め、Δの増加する方向に回帰直線を例えば３σだけ平行移動させる。これは、サンプル画像から得られた点状/局所欠陥各々に関するΔ値が、回帰直線を平行移動させた直線よりも低くなるように設定するためである。また、移動量３σは、点状/局所欠陥各々に関するΔ値をかかる直線よりも低くするのに充分な値だからである。そして、この直線を規定値Δｔｈを求めるための算出式（以下、「規定値算出式」）として設定する。
【００４４】
続いて、図１２（ｂ）に示した直線（規定値算出式）Δｔｈ＝ｆ（Ｗａｖｅ）を用いて、検査対象画像（テストチャート画像）における規定値Δｔｈを算出する。すなわち、規定値直線Δｔｈ＝ｆ（Ｗａｖｅ）は、具体的に、
Δｔｈ＝ａ×Ｗａｖｅ＋ｂ（ａ,ｂ：定数）…（１）
と表現できる。それにより、テストチャート画像における画像欠陥領域での主走査方向（Ｘ座標）の幅Ｗｉの平均値Ｗａｖｅを算出し、算出した平均値Ｗａｖｅを（１）式に代入することで、Δｔｈを求めることができる。
【００４５】
次に、回転処理部２４４は、第２判定部２４３から、第１判定部２４１から転送された画像欠陥データ（前処理部２４２にて算出された点状/局所欠陥の重心位置に関する位置座標情報を含む）と、点状/局所欠陥の最小ばらつきΔＭＩＮを与える座標回転角θＭＩＮに関するデータとを取得する。そして、回転処理部２４４は、上記した前処理部２４２の回転処理部２４２Ａと同様に、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標Ｃとして設定し、画像欠陥データの位置座標データに関し、座標回転角θＭＩＮだけ座標系を回転させる座標変換処理する。そして、画像欠陥データの位置座標データを座標回転角θＭＩＮだけ回転させた新たな座標系での位置座標データに変換する。
回転処理部２４４は、第１判定部２４１から転送された画像欠陥データと、座標回転角θＭＩＮだけ回転された座標系での位置座標データに変換された画像欠陥データ（前処理部２４２にて算出された点状/局所欠陥の重心位置に関する位置座標情報を含む）とを周期情報抽出部２４５に出力する。
【００４６】
周期情報抽出部２４５は、第１判定部２４１から転送された画像欠陥データと、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データ（点状/局所欠陥の重心位置に関する位置座標情報を含む）を回転処理部２４４から取得する。そして、周期情報抽出部２４５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、各点状/局所欠陥の重心の副走査方向（Ｙ’座標）の間隔Ｄｉ（ｉ＝１,２,３…）を算出する（上記図１０参照）。
周期情報抽出部２４５は、算出した副走査方向（Ｙ’座標）の間隔Ｄｉを、予め保持する周期情報と比較する。その結果、予め保持する周期情報の一つと一致した場合には、その周期情報を「画像欠陥の周期に関する特徴量」として保持する。そして、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データとともに、画像欠陥の周期に関する特徴量を特徴量抽出部２５に出力する。それにより、特徴量抽出部２５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、周期に関する特徴量以外の他の特徴量をも抽出する。ここでの周期情報抽出部２４５は、特徴量抽出手段としても機能する。
一方、上記の比較の結果、周期情報の何れとも一致しない場合には、周期情報抽出部２４５は、算出した副走査方向（Ｙ’座標）の間隔Ｄｉに関する情報を破棄し、第１判定部２４１から転送された画像欠陥データをそのまま特徴量抽出部２５に転送する。それにより、特徴量抽出部２５は、第１判定部２４１から転送された画像欠陥データ、すなわち画像欠陥検出部２３から取得した画像欠陥データから特徴量を抽出する。
【００４７】
ここで、算出した副走査方向（Ｙ’座標）の間隔Ｄｉと比較する周期情報は、例えば、画像形成部４０に備えられる感光体の周長、１次転写ロールの周長、２次転写ロールの周長、定着ロールの周長等に基づく周期に関する情報である。この周期情報は、例えばＮＶＭ２０４等に記憶されている。
【００４８】
＜故障診断処理の内容の説明＞
次に、本実施の形態の故障診断部２０が行う故障診断処理の内容を説明する。
図１３−１および図１３−２は、故障診断部２０が行う故障診断処理の内容の一例を説明するフローチャートである。
まず、図１３−１に示すように、故障診断部２０は、画像データ取得部２１にて画像読取部６０からテストチャート画像（検査対象画像）に関する画像データを取得し、画像データ記憶部２２に記憶する（ステップ１０１）。
故障診断部２０の画像欠陥検出部２３は、画像データ記憶部２２から画像データを取得し、テストチャート画像に関する画像データと、外部記憶部３０から取得した基準画像データとを比較して、画像欠陥が発生している領域（画像欠陥領域）を抽出する（ステップ１０２）。
【００４９】
故障診断部２０の傾き処理部２４は、画像欠陥と判定された領域（画像欠陥領域）に関する画像データと、そのテストチャート画像上での位置座標情報（位置座標データ）とを対応付けた「画像欠陥データ」から画像欠陥領域の面積を算出し、予め定められた規定面積値と比較する（ステップ１０３）。そして、画像欠陥領域の面積が規定面積値（例えば、上記した「第１の規定面積値」）よりも大きければ（ステップ１０３でＮｏ）、微小な画像欠陥または局所的に発生した画像欠陥（点状/局所欠陥）ではないと判定し、故障診断部２０の特徴量抽出部２５が、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量を抽出する（ステップ１１９）。
【００５０】
一方、画像欠陥領域の面積が規定面積値（例えば、上記した「第１の規定面積値」）以下であれば（ステップ１０３でＹｅｓ）、点状/局所欠陥であると判定する。そして、故障診断部２０の傾き処理部２４は、画像欠陥検出部２３から取得した画像欠陥データに対する座標変換処理を行う。
まず、傾き処理部２４は、回転中心座標Ｃを中心としてテストチャート画像上の座標系（Ｘ−Ｙ座標系）に座標変換処理を施す際の座標回転角θをθ＝０°に設定する（ステップ１０４）。そして、傾き処理部２４は、座標回転角θ＝０°での各点状/局所欠陥の重心の位置座標（重心位置座標）を算出する（ステップ１０５）。さらに、傾き処理部２４は、テストチャート画像上に存在する点状/局所欠陥の重心位置について、主走査方向（Ｘ座標）におけるばらつきΔ（＝ＸＭＡＸ−ＸＭＩＮ）を算出する（ステップ１０６）。ＸＭＡＸは、テストチャート画像上に存在する点状/局所欠陥の中で、重心位置のＸ座標値が最大である点状/局所欠陥の重心のＸ座標値であり、ＸＭＩＮは、重心位置のＸ座標値が最小である点状/局所欠陥の重心のＸ座標値である。
【００５１】
傾き処理部２４は、座標変換処理した際の各座標系の座標回転角θ（ここでは、θ＝０°）と、各座標系各々での点状/局所欠陥のばらつきΔとを対応付けた対応関係（θ,Δ）を生成し、保存する（ステップ１０７）。
続いて、傾き処理部２４は、座標回転角θを規定角度δθだけ加算し、新たな座標回転角θを設定する（ステップ１０８）。そして、傾き処理部２４は、新たに設定された座標回転角θが予め定めた角度範囲内か否かを判定する（ステップ１０９）。
新たに設定された座標回転角θが予め定めた角度範囲内であれば（ステップ１０９でＹｅｓ）、ステップ１０５に戻り、新たに設定された座標回転角θによりステップ１０５からステップ１０８までの処理を実施する。
新たに設定された座標回転角θが予め定めた角度範囲を超えたものであった場合には（ステップ１０９でＮｏ）、座標変換処理を終了する。
【００５２】
そして図１３−２のフローチャートに移り、傾き処理部２４の第２判定部２４３は、各座標系の座標回転角θと、各座標系各々での点状/局所欠陥のばらつきΔとの対応関係（θ,Δ）から、点状/局所欠陥のばらつきΔの最小値（最小ばらつきΔＭＩＮ）と、最小値ΔＭＩＮを与える座標系の座標回転角θ（＝θＭＩＮ）を抽出する（ステップ１１０）。
そして、第２判定部２４３は、抽出した点状/局所欠陥の最小ばらつきΔＭＩＮを、ばらつきΔに関する予め定めた規定値Δｔｈと比較する（ステップ１１１）。そして、最小ばらつきΔＭＩＮが規定値Δｔｈよりも大きい場合には（ステップ１１１でＮｏ）、点状/局所欠陥はランダムに発生していると判定し、故障診断部２０の特徴量抽出部２５にて、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量が抽出される（ステップ１１９）。
一方、第２判定部２４３は、最小ばらつきΔＭＩＮが規定値Δｔｈ以下であった場合には（ステップ１１１でＹｅｓ）、点状/局所欠陥が方向性・周期性を持って発生していると判定する。
それにより、傾き処理部２４の回転処理部２４４は、点状/局所欠陥の最小ばらつきΔＭＩＮを与える座標回転角θＭＩＮに関するデータを第２判定部２４３から取得する（ステップ１１２）。そして、回転処理部２４４は、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標Ｃとして設定し、画像欠陥データのテストチャート画像上での位置座標データに関し、座標回転角θＭＩＮだけ座標系を回転させる座標変換処理する（ステップ１１３）。
【００５３】
傾き処理部２４の周期情報抽出部２４５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、各点状/局所欠陥の重心の副走査方向（Ｙ’座標）の間隔Ｄｉ（ｉ＝１,２,３…）を算出する（ステップ１１４）。
周期情報抽出部２４５は、算出した副走査方向（Ｙ’座標）の間隔Ｄｉを、予め保持する周期情報と比較する（ステップ１１５）。その結果、周期情報の一つと一致した場合には（ステップ１１５でＹｅｓ）、その周期情報を「画像欠陥の周期に関する特徴量」として保持する（ステップ１１６）。画像欠陥の周期に関する特徴量は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データとともに、特徴量抽出部２５に出力される。
特徴量抽出部２５は、傾き処理部２４から取得した画像欠陥データに基づき、画像欠陥の周期に関する特徴量以外の画像欠陥を特徴付ける他の特徴量を抽出する（ステップ１１７）。
【００５４】
一方、比較した結果、周期情報の何れとも一致しない場合には（ステップ１１５でＮｏ）、周期情報抽出部２４５は、算出した副走査方向（Ｙ’座標）の間隔Ｄｉに関する情報を破棄する（ステップ１１８）。
そして、特徴量抽出部２５は、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量を抽出する（ステップ１１９）。
その後、特徴量抽出部２５にて抽出された特徴量は、欠陥種別判定部２６および診断部２７に送られ、画像欠陥を生じさせた故障原因を診断する故障診断処理が実行される（ステップ１２０）。
【００５５】
［実施の形態２］
＜傾き処理部の詳細な説明＞
次に、上記した故障診断部２０に備えられる傾き処理部２４の他の実施の形態について説明する。
実施の形態１では、点状/局所欠陥の重心位置のばらつきΔにより、点状/局所欠陥が方向性・周期性を持って発生しているか否かを判定する構成について説明した。本実施の形態では、点状/局所欠陥の主走査方向に沿った座標軸（Ｘ座標軸）への投影分布波形についての分散により、点状/局所欠陥が方向性・周期性を持って発生しているか否かを判定する構成について説明する。なお、実施の形態１と同様な構成については同様な符号を用い、ここではその詳細な説明を省略する。
【００５６】
図１４は、本実施の形態の傾き処理部２４の構成を説明するブロック図である。
図１４に示したように、本実施の形態の傾き処理部２４は、前処理部２４６を座標変換手段の一例としての回転処理部２４６Ａと、画像欠陥の発生状況を検出する発生状況検出手段の一例としての投影分布波形生成部２４６Ｂおよび分散値算出部２４６Ｃとにより構成している。
前処理部２４６の回転処理部２４６Ａは、画像欠陥検出部２３から取得した画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標として設定し、画像欠陥データの位置座標情報（位置座標データ）に対して予め定めた角度（例えば、±１°）ずつ座標系を回転させる座標変換処理を行う。
投影分布波形生成部２４６Ｂは、画像欠陥データを予め定めた角度ずつ座標変換処理を行う毎に、新たな座標系において、点状/局所欠陥各々のＸ（Ｘ’）座標軸への投影分布波形を求める。具体的には、新たな座標系における点状/局所欠陥各々に関し、点状/局所欠陥を構成する画素のＸ（Ｘ’）座標軸への投影分布波形（Ｘ（Ｘ’）座標値毎の画素の累積個数）を求める。
分散値算出部２４６Ｃは、ばらつき量の一例として、投影分布波形生成部２４６Ｂにて求められた点状/局所欠陥各々の投影分布波形（点状/局所欠陥を構成する画素のＸ（Ｘ’）座標値毎の累積個数）に関する分散値（σ２）を算出する。
【００５７】
本実施の形態の前処理部２４６では、第１判定部２４１から転送された画像欠陥データについて、回転処理部２４６Ａが予め定めた角度範囲内で規定角度δθずつ座標系を回転させる座標変換処理を行う。そして、投影分布波形生成部２４６Ｂが、規定角度δθずつ回転させた各座標系（Ｘ’−Ｙ’座標系）各々において、点状/局所欠陥各々を構成する画素のＸ’座標値毎の累積個数（投影分布波形）を求める。さらには、分散値算出部２４６Ｃが、テストチャート画像上に存在する点状/局所欠陥の投影分布波形について、分散値σ２を算出する。そして、回転処理部２４６Ａが座標変換処理した際の各座標系の座標回転角θ（＝δθ×ｎ）と、各座標系各々での点状/局所欠陥の分散値σ２とを対応付けた対応関係（θ,σ２）を生成する。前処理部２４６は、この対応関係（θ,σ２）により、各座標系（Ｘ’−Ｙ’座標系）各々における画像欠陥の発生状況を検出する。
【００５８】
ここで、図１５は、前処理部２４６が求める投影分布波形を説明する図である。
図１５に示したように、回転処理部２４６Ａは、テストチャート画像上の予め定めた１点（Ｃ点）を回転中心座標として設定する。そして、回転中心座標Ｃを中心として、画像欠陥データが抽出されたテストチャート画像上の座標系（Ｘ−Ｙ座標系）を規定角度δθずつ（規定角度δθステップで）回転させ、新たな座標系（Ｘ’−Ｙ’座標系）に変換する。例えば、図１５では、規定角度δθずつの座標変換処理のｎ回目を示している。この場合には、回転角θは、θ＝δθ×ｎとなる。それにより、画像欠陥データの位置座標データを新たなＸ’−Ｙ’座標系での位置座標データに変換する。なお、ここでのＸ座標（Ｘ’座標）は主走査方向に沿った座標軸であり、Ｙ座標（Ｙ’座標）は副走査方向に沿った座標軸である。
そして、投影分布波形生成部２４６Ｂは、新たな座標系（Ｘ’−Ｙ’座標系）において、点状/局所欠陥各々を構成する画素のＸ’座標値毎の累積個数（投影分布波形）を求める。さらには、分散値算出部２４６Ｃが、投影分布波形生成部２４６Ｂにて求められた点状/局所欠陥の投影分布波形に関する分散値σ２を算出する。
【００５９】
次に、本実施の形態の第２判定部２４３は、前処理部２４６から、画像欠陥データに加えて、座標変換処理された各座標系の座標回転角θと、各座標系各々での点状/局所欠陥の投影分布波形に関する分散値σ２とを対応付けた対応関係（θ,σ２）とを取得する。そして、第２判定部２４３は、前処理部２４６から取得した各座標系での対応関係（θ,σ２）から、点状/局所欠陥の投影分布波形に関する分散値σ２の最小値（以下、「最小分散値σ２ＭＩＮ」）と、最小分散値σ２ＭＩＮを与える座標系の座標回転角θ（＝θＭＩＮ）を抽出する。
ここで、図１６は、前処理部２４６にて生成された各座標系の座標回転角θと各座標系各々での点状/局所欠陥の投影分布波形に関する分散値σ２との対応関係（θ,σ２）の一例を示した図である。第２判定部２４３は、図１６に例示した対応関係を有する各座標系の座標回転角θと各座標系各々での点状/局所欠陥の投影分布波形に関する分散値σ２とから、点状/局所欠陥の最小分散値σ２ＭＩＮと、最小分散値σ２ＭＩＮを与える座標系の座標回転角θＭＩＮとを抽出する。
【００６０】
そして、第２判定部２４３は、抽出した点状/局所欠陥の最小分散値σ２ＭＩＮと、分散値σ２に関する予め定めた規定値σｔｈ２とを比較する。その結果、最小分散値σ２ＭＩＮが規定値σｔｈ２以上である場合には、点状/局所欠陥はランダムに発生していると判定する。その場合には、第２判定部２４３は、第１判定部２４１から転送された画像欠陥データをそのまま特徴量抽出部２５に転送する。それにより、特徴量抽出部２５は、第１判定部２４１から転送された画像欠陥データ、すなわち画像欠陥検出部２３から取得した画像欠陥データから特徴量を抽出する。
【００６１】
一方、第２判定部２４３は、最小分散値σ２ＭＩＮが規定値σｔｈ２よりも小さい場合には、点状/局所欠陥は方向性・周期性を持って発生していると判定する。そして、第２判定部２４３は、第１判定部２４１から転送された画像欠陥データと、点状/局所欠陥の最小分散値σ２ＭＩＮを与える座標回転角θＭＩＮに関するデータとを回転処理部２４４に出力する。
【００６２】
回転処理部２４４は、第２判定部２４３から、第１判定部２４１から転送された画像欠陥データと、点状/局所欠陥の最小分散値σ２ＭＩＮを与える座標回転角θＭＩＮに関するデータとを取得する。そして、回転処理部２４４は、上記した前処理部２４６の回転処理部２４２Ａと同様に、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標Ｃとして設定し、画像欠陥データの位置座標データに関し、座標回転角θＭＩＮだけ座標系を回転させる座標変換処理を行う。そして、画像欠陥データの位置座標データを座標回転角θＭＩＮだけ回転させた新たな座標系での位置座標データに変換する。
回転処理部２４４は、第１判定部２４１から転送された画像欠陥データと、座標回転角θＭＩＮだけ回転された座標系での位置座標データに変換された画像欠陥データとを周期情報抽出部２４５に出力する。
【００６３】
周期情報抽出部２４５は、第１判定部２４１から転送された画像欠陥データと、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データを回転処理部２４４から取得する。そして、周期情報抽出部２４５は、座標回転角θＭＩＮだけ回転された座標系での点状/局所欠陥各々に関する画像欠陥データのＹ’座標値の平均値を算出する。そして、算出した点状/局所欠陥各々に関するＹ’座標値の平均値（平均Ｙ’座標値）相互の差分を、予め保持する周期情報と比較する。その結果、予め保持する周期情報の一つと一致した場合には、その周期情報を「画像欠陥の周期に関する特徴量」として保持する。そして、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データとともに、画像欠陥の周期に関する特徴量を特徴量抽出部２５に出力する。それにより、特徴量抽出部２５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、周期に関する特徴量以外の他の特徴量をも抽出する。
一方、上記の比較の結果、周期情報の何れとも一致しない場合には、周期情報抽出部２４５は、第１判定部２４１から転送された画像欠陥データをそのまま特徴量抽出部２５に転送する。それにより、特徴量抽出部２５は、第１判定部２４１から転送された画像欠陥データ、すなわち画像欠陥検出部２３から取得した画像欠陥データから特徴量を抽出する。
【００６４】
＜故障診断処理の内容の説明＞
次に、本実施の形態の故障診断部２０が行う故障診断処理の内容を説明する。
図１７−１および図１７−２は、故障診断部２０が行う故障診断処理の内容の一例を説明するフローチャートである。
まず、図１７−１に示すように、故障診断部２０は、画像データ取得部２１にて画像読取部６０からテストチャート画像（検査対象画像）に関する画像データを取得し、画像データ記憶部２２に記憶する（ステップ２０１）。
故障診断部２０の画像欠陥検出部２３は、画像データ記憶部２２から画像データを取得し、テストチャート画像に関する画像データと、外部記憶部３０から取得した基準画像データとを比較して、画像欠陥が発生している領域（画像欠陥領域）を抽出する（ステップ２０２）。
【００６５】
故障診断部２０の傾き処理部２４は、画像欠陥と判定された領域（画像欠陥領域）に関する画像データと、そのテストチャート画像上での位置座標情報（位置座標データ）とを対応付けた「画像欠陥データ」から画像欠陥領域の面積を算出し、予め定められた規定面積値と比較する（ステップ２０３）。そして、画像欠陥領域の面積が規定面積値（例えば、上記した「第１の規定面積値」）よりも大きければ（ステップ２０３でＮｏ）、微小な画像欠陥または局所的に発生した画像欠陥（点状/局所欠陥）ではないと判定し、故障診断部２０の特徴量抽出部２５が、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量を抽出する（ステップ２１９）。
【００６６】
一方、画像欠陥領域の面積が規定面積値（例えば、上記した「第１の規定面積値」）以下であれば（ステップ２０３でＹｅｓ）、点状/局所欠陥であると判定する。そして、故障診断部２０の傾き処理部２４は、画像欠陥検出部２３から取得した画像欠陥データに対する座標変換処理を行う。
まず、傾き処理部２４は、回転中心座標Ｃを中心としてテストチャート画像上の座標系（Ｘ−Ｙ座標系）に座標変換処理を施す際の座標回転角θをθ＝０°に設定する（ステップ２０４）。そして、傾き処理部２４は、座標回転角θ＝０°での点状/局所欠陥のＸ（Ｘ’）座標軸への投影分布波形を求める（ステップ２０５）。具体的には、座標回転角θ＝０°での座標系における点状/局所欠陥に関し、点状/局所欠陥各々を構成する画素のＸ座標値毎の画素の累積個数を求める。さらに、傾き処理部２４は、テストチャート画像上に存在する点状/局所欠陥各々の投影分布波形（点状/局所欠陥を構成する画素のＸ（Ｘ’）座標値毎の累積個数）に関する分散値σ２を算出する（ステップ２０６）。
【００６７】
傾き処理部２４は、座標変換処理した際の各座標系の座標回転角θ（ここでは、θ＝０°）と、各座標系各々での点状/局所欠陥の分散値σ２とを対応付けた対応関係（θ,σ２）を生成し、保存する（ステップ２０７）。
続いて、傾き処理部２４は、座標回転角θを規定角度δθだけ加算し、新たな座標回転角θを設定する（ステップ２０８）。そして、傾き処理部２４は、新たに設定された座標回転角θが予め定めた角度範囲内か否かを判定する（ステップ２０９）。
新たに設定された座標回転角θが予め定めた角度範囲内であれば（ステップ２０９でＹｅｓ）、ステップ２０５に戻り、新たに設定された座標回転角θによりステップ２０５からステップ２０８までの処理を実施する。
新たに設定された座標回転角θが予め定めた角度範囲を超えたものであった場合には（ステップ２０９でＮｏ）、座標変換処理を終了する。
【００６８】
そして図１７−２のフローチャートに移り、傾き処理部２４の第２判定部２４３は、各座標系の座標回転角θと、各座標系各々での点状/局所欠陥の分散値σ２との対応関係（θ,σ２）から、点状/局所欠陥の分散値σ２の最小値（最小分散値σ２ＭＩＮ）と、最小分散値σ２ＭＩＮを与える座標系の座標回転角θ（＝θＭＩＮ）を抽出する（ステップ２１０）。
そして、第２判定部２４３は、抽出した点状/局所欠陥の最小分散値σ２ＭＩＮを、分散値σ２に関する予め定めた規定値σｔｈ２と比較する（ステップ２１１）。そして、最小ばらつきΔＭＩＮが規定値Δｔｈよりも大きい場合には（ステップ２１１でＮｏ）、点状/局所欠陥はランダムに発生していると判定し、故障診断部２０の特徴量抽出部２５にて、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量が抽出される（ステップ２１９）。
一方、第２判定部２４３は、最小分散値σ２ＭＩＮが規定値σｔｈ２以下であった場合には（ステップ２１１でＹｅｓ）、点状/局所欠陥が方向性・周期性を持って発生していると判定する。
それにより、傾き処理部２４の回転処理部２４４は、点状/局所欠陥の最小分散値σ２ＭＩＮを与える座標回転角θＭＩＮに関するデータを第２判定部２４３から取得する（ステップ２１２）。そして、回転処理部２４４は、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標Ｃとして設定し、画像欠陥データのテストチャート画像上での位置座標データに関し、座標回転角θＭＩＮだけ座標系を回転させる座標変換処理する（ステップ２１３）。
【００６９】
傾き処理部２４の周期情報抽出部２４５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、各点状/局所欠陥の画像欠陥データのＹ’座標値の平均値（平均Ｙ’座標値）を算出し、算出した点状/局所欠陥各々に関する平均Ｙ’座標値相互の差分を求める（ステップ２１４）。
周期情報抽出部２４５は、算出した点状/局所欠陥各々に関する平均Ｙ’座標値相互の差分を、予め保持する周期情報と比較する（ステップ２１５）。その結果、周期情報の一つと一致した場合には（ステップ２１５でＹｅｓ）、その周期情報を「画像欠陥の周期に関する特徴量」として保持する（ステップ２１６）。画像欠陥の周期に関する特徴量は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データとともに、特徴量抽出部２５に出力される。
特徴量抽出部２５は、傾き処理部２４から取得した画像欠陥データに基づき、画像欠陥の周期に関する特徴量以外の画像欠陥を特徴付ける他の特徴量を抽出する（ステップ２１７）。
【００７０】
一方、比較した結果、周期情報の何れとも一致しない場合には（ステップ２１５でＮｏ）、周期情報抽出部２４５は、算出した点状/局所欠陥各々に関する平均Ｙ’座標値相互の差分に関する情報を破棄する（ステップ２１８）。
そして、特徴量抽出部２５は、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量を抽出する（ステップ２１９）。
その後、特徴量抽出部２５にて抽出された特徴量は、欠陥種別判定部２６および診断部２７に送られ、画像欠陥を生じさせた故障原因を診断する故障診断処理が実行される（ステップ２２０）。
【００７１】
以上説明したように、本実施の形態の画像形成装置１の故障診断部２０では、画像読取部６０にて読み取られたテストチャート画像が傾いているか否かを判定し、傾いていると判定された場合には、その傾きを補正して特徴量を抽出する。さらには、その傾きを補正して画像欠陥に周期性があるか否かを判定する。そして、周期性があると判定された場合には、画像欠陥の周期性に関する特徴量を抽出する。それにより、画像形成装置１にて形成された画像に発生した画像欠陥の検出精度が向上する。
【符号の説明】
【００７２】
１…画像形成装置、１０…制御部、２０…故障診断部、２１…画像データ取得部、２２…画像データ記憶部、２３…画像欠陥検出部、２４…傾き処理部、２５…特徴量抽出部、２６…欠陥種別判定部、２７…診断部、４０…画像形成部、５０…操作表示部、６０…画像読取部、９０…内部状態検出部、２４１…第１判定部、２４２,２４６…前処理部、２４２Ａ,２４６Ａ…回転処理部、２４２Ｂ…重心算出部、２４２Ｃ…ばらつき算出部、２４３…第２判定部、２４４…回転処理部、２４５…周期情報抽出部、２４６Ｂ…投影分布波形生成部、２４６Ｃ…分散値算出部
【技術分野】
【０００１】
本発明は、画像欠陥診断システム、画像形成装置、およびプログラムに関する。
【背景技術】
【０００２】
例えば複写機、プリンタ等の画像形成装置では、自らが印刷したテストチャート画像等といった検査対象画像を画像読取装置により読み取り、検査対象画像に関する読取画像データに基づいて画像欠陥を診断し、画像欠陥の発生状況に基づいて画像形成装置自身の故障箇所を推定する技術が知られている。
例えば特許文献１には、プリンタにて印刷されたテストチャート画像を画像読取装置で読み取り、読み取ったテストチャート画像に関する画像データをテストチャート画像データと比較し、両者の差異を比較することで印字品質を自己判断して故障等に対応させる技術が記載されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００２‐２８３６８１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明は、画像形成装置にて形成された画像に発生した画像欠陥の検出精度を向上させることを目的とする。
【課題を解決するための手段】
【０００５】
請求項１に記載の発明は、画像欠陥に関する検査対象とする検査対象画像を読み取ることで生成された画像データを取得する取得手段と、前記取得手段にて取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する画像欠陥検出手段と、前記画像欠陥検出手段にて検出された前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する座標変換処理手段と、前記座標変換処理手段にて前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する発生状況検出手段と、前記発生状況検出手段にて検出された前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する設定手段と、前記設定手段にて設定された前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する特徴量抽出手段とを備えたことを特徴とする画像欠陥診断システムである。
【０００６】
請求項２に記載の発明は、前記発生状況検出手段は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項１記載の画像欠陥診断システムである。
請求項３に記載の発明は、前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々の重心の位置座標を求め、当該画像欠陥各々の重心に関する前記検査対象画像の主走査方向における位置から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項２記載の画像欠陥診断システムである。
請求項４に記載の発明は、前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々を構成する画素の前記検査対象画像での主走査方向位置に関する分散を求め、当該分散から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項２記載の画像欠陥診断システムである。
請求項５に記載の発明は、前記設定手段は、前記発生状況検出手段にて検出された前記ばらつき量が予め定めた規定値以下である場合に、前記画像欠陥の前記位置座標情報に対して施す前記座標変換処理での前記座標回転角を設定することを特徴とする請求項２記載の画像欠陥診断システムである。
請求項６に記載の発明は、前記特徴量抽出手段は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項１記載の画像欠陥診断システムである。
請求項７に記載の発明は、前記画像欠陥検出手段にて検出された前記画像欠陥の面積を算出し、当該面積が予め定めた規定値以下である場合に当該画像欠陥を検査対象と判定する判定手段をさらに備えたことを特徴とする請求項１記載の画像欠陥診断システムである。
【０００７】
請求項８に記載の発明は、画像欠陥に関する検査対象とする検査対象画像を記録材上に形成する画像形成手段と、前記画像形成手段にて形成された前記検査対象画像を読み取り、当該検査対象画像に関する画像データを生成する画像読取手段と、前記画像読取手段にて生成された前記画像データにより前記検査対象画像に発生した画像欠陥を特徴付ける特徴量を抽出し、当該特徴量を用いて自装置の故障原因を診断する画像欠陥診断手段とを有し、前記画像欠陥診断手段は、前記画像読取手段から前記画像データを取得する取得手段と、前記取得手段にて取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する画像欠陥検出手段と、前記画像欠陥検出手段にて検出された前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する座標変換処理手段と、前記座標変換処理手段にて前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する発生状況検出手段と、前記発生状況検出手段にて検出された前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する設定手段と、前記設定手段にて設定された前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する特徴量抽出手段とを備えたことを特徴とする画像形成装置である。
【０００８】
請求項９に記載の発明は、前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項８記載の画像形成装置である。
請求項１０に記載の発明は、前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々の重心の位置座標を求め、当該画像欠陥各々の重心に関する前記検査対象画像の主走査方向における位置から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項９記載の画像形成装置である。
請求項１１に記載の発明は、前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々を構成する画素の前記検査対象画像での主走査方向位置に関する分散を求め、当該分散から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項９記載の画像形成装置である。
請求項１２に記載の発明は、前記画像欠陥診断手段の前記特徴量抽出手段は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項８記載の画像形成装置である。
【０００９】
請求項１３に記載の発明は、コンピュータに、画像欠陥に関する検査対象とする検査対象画像を読み取ることで生成された画像データを取得する機能と、取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する機能と、前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する機能と、前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する機能と、前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する機能と、前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する機能とを実現させることを特徴とするプログラムである。
【００１０】
請求項１４に記載の発明は、前記画像欠陥の発生状況を検出する機能は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項１３記載のプログラムである。
請求項１５に記載の発明は、前記特徴量を抽出する機能は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項１３記載のプログラムである。
【発明の効果】
【００１１】
請求項１の発明によれば、本発明を採用しない場合に比べ、画像形成装置にて形成された画像に発生した画像欠陥の特徴量抽出精度を向上させることができる。
請求項２の発明によれば、全体が傾いた状態で読み取られた検査対象画像の傾き角を抽出することができる。
請求項３の発明によれば、本発明を採用しない場合に比べ、欠陥領域各々のばらつきの程度をより客観的に検出することができる。
請求項４の発明によれば、本発明を採用しない場合に比べ、欠陥領域各々のばらつきの程度をより客観的に検出することができる。
請求項５の発明によれば、本発明を採用しない場合に比べ、検査対象画像が傾いた状態で読み取られたか否かをより客観的に判断することができる。
請求項６の発明によれば、本発明を採用しない場合に比べ、全体が傾いた状態で読み取られた検査対象画像に周期的に発生している画像欠陥に関する特徴量をより正確に抽出することができる。
請求項７の発明によれば、周期的に発生する傾向にある画像欠陥を選択的に抽出することができる。
【００１２】
請求項８の発明によれば、本発明を採用しない場合に比べ、画像形成装置にて形成された画像に発生した画像欠陥の特徴量抽出精度を向上させることができる。
請求項９の発明によれば、全体が傾いた状態で読み取られた検査対象画像の傾き角を抽出することができる。
請求項１０の発明によれば、本発明を採用しない場合に比べ、欠陥領域各々のばらつきの程度をより客観的に検出することができる。
請求項１１の発明によれば、本発明を採用しない場合に比べ、欠陥領域各々のばらつきの程度をより客観的に検出することができる。
請求項１２の発明によれば、本発明を採用しない場合に比べ、全体が傾いた状態で読み取られた検査対象画像に周期的に発生している画像欠陥に関する特徴量をより正確に抽出することができる。
【００１３】
請求項１３の発明によれば、本発明を採用しない場合に比べ、画像形成装置にて形成された画像に発生した画像欠陥の特徴量抽出精度を向上させることができる。
請求項１４の発明によれば、全体が傾いた状態で読み取られた検査対象画像の傾き角を抽出することができる。
請求項１５の発明によれば、本発明を採用しない場合に比べ、全体が傾いた状態で読み取られた検査対象画像に周期的に発生している画像欠陥に関する特徴量をより正確に抽出することができる。
【図面の簡単な説明】
【００１４】
【図１】本実施の形態が適用される画像形成装置の全体構成の一例を示したブロック図である。
【図２】故障診断部の構成を説明するブロック図である。
【図３】操作表示部にて表示されるサービスの内容に関する表示画面の一例を示す図である。
【図４】操作表示部にて表示される画像欠陥の種別に関する表示画面の一例を示す図である。
【図５】操作表示部にて表示される画像欠陥の詳細な種別に関する表示画面の一例を示す図である。
【図６】画像欠陥診断モデルを構成するベイジアンネットワークの一例を示した図である。
【図７】操作表示部にて表示される診断結果に関する表示画面の一例を示した図である。
【図８】故障診断部の内部構成を示すブロック図である。
【図９】実施の形態１の傾き処理部の構成を説明するブロック図図である。
【図１０】回転処理部が行う座標変換処理を説明する図である。
【図１１】前処理部にて生成された各座標系の座標回転角と各座標系各々での点状/局所欠陥のばらつきとの対応関係の一例を示した図である。
【図１２】規定値の設定方法を説明する図である。
【図１３−１】故障診断部が行う故障診断処理の内容の一例を説明するフローチャートである。
【図１３−２】故障診断部が行う故障診断処理の内容の一例を説明するフローチャートである。
【図１４】実施の形態２の傾き処理部の構成を説明するブロック図である。
【図１５】前処理部が求める投影分布波形を説明する図である。
【図１６】前処理部にて生成された各座標系の座標回転角と各座標系各々での点状/局所欠陥の投影分布波形に関する分散値との対応関係の一例を示した図である。
【図１７−１】故障診断部が行う故障診断処理の内容の一例を説明するフローチャートである。
【図１７−２】故障診断部が行う故障診断処理の内容の一例を説明するフローチャートである。
【発明を実施するための形態】
【００１５】
以下、添付図面を参照して、本発明の実施の形態について詳細に説明する。
＜画像形成装置の説明＞
図１は本実施の形態が適用される画像形成装置１の全体構成の一例を示したブロック図である。図１に示す画像形成装置１は、画像形成装置１の動作全体を制御する制御部１０、画像上に発生した画像欠陥から画像形成装置１の故障を診断する画像欠陥診断手段の一例としての故障診断部２０、例えばハードディスクドライブ（ＨＤＤ）やフラッシュメモリ等で構成され、各種のプログラムやデータ等が記憶される外部記憶部３０を備えている。
また、画像形成装置１は、画像データ（ビデオデータ）に基づいて記録材（用紙）上に画像を形成する画像形成手段の一例としての画像形成部４０、ユーザからの操作入力の受付やユーザに対する各種情報の表示を行う操作表示部５０、原稿から各色成分の反射率を読み取って画像データを生成する画像読取手段の一例としての画像読取部６０、例えばＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、インターネット等といった通信手段（ネットワーク）と通信を行う通信部７０を備えている。ここで、画像形成部４０としては、例えば電子写真方式の画像形成エンジンが用いられる。
さらに、画像形成装置１は、画像形成装置１内の温湿度や、画像形成部４０にて搬送される用紙が用紙搬送路を通過する時間、画像形成装置１内にて使用される駆動電流等といった画像形成装置１の内部状態を表す各種情報（以下、「内部状態情報」）を検出する内部状態検出部９０を備えている。
【００１６】
さらに、画像形成装置１は、外部記憶部３０とのデータ転送を高速で行うＤＭＡＣ（Direct Memory Access Controller）８１、画像形成部４０とのビデオデータの送受信を制御するビデオインターフェース（Ｉ/Ｆ）８２、操作表示部５０とのデータの送受信を制御する操作表示インターフェース（Ｉ/Ｆ）８３、画像読取部６０との画像データの送受信を制御するスキャナインターフェース（Ｉ/Ｆ）８４、通信部７０とのデータの送受信を制御するネットワークインターフェース（Ｉ/Ｆ）８５、内部状態検出部９０とのデータの送受信を制御するセンサインターフェース（Ｉ/Ｆ）８６を備えている。
制御部１０、故障診断部２０、ビデオＩ/Ｆ８２、操作表示Ｉ/Ｆ８３、スキャナＩ/Ｆ８４、およびネットワークＩ/Ｆ８５、センサＩ/Ｆ８６それぞれは、ＰＣＩ（Peripheral Components Interconnect bus）バス８０に接続されている。
また、外部記憶部３０は、ＤＭＡＣ８１を介してＰＣＩバス８０に接続され、ＰＣＩバス８０に接続された制御部１０や各種インターフェース（Ｉ/Ｆ）との間のデータ転送を高速で行う。
【００１７】
なお、故障診断部２０は、制御部１０や画像形成部４０や画像読取部６０等と一体的に構成しても、別体に構成してもよい。このような別体構成では、故障診断部２０と制御部１０や画像形成部４０や画像読取部６０等とは、例えば、通信部７０を介してＬＡＮ、ＷＡＮ、インターネット等といったネットワークにより接続される。それにより、故障診断部２０を画像形成装置１の外部に備えた故障診断システムが構築される。ここでのネットワークを構成する通信回線としては、電話回線や衛星通信回線（例えば、デジタル衛星放送における空間伝送路）等を含んでもよい。
【００１８】
＜故障診断部の説明＞
図２は、故障診断部２０の構成を説明するブロック図である。
図２に示すように、故障診断部２０は、画像読取部６０にて生成された画像データを取得する取得手段の一例としての画像データ取得部２１、画像データ取得部２１にて取得された画像データを記憶する画像データ記憶部２２を備えている。また、故障診断部２０は、画像上にて画像欠陥が生じている領域（以下、「欠陥領域」）を検出する画像欠陥検出手段の一例としての画像欠陥検出部２３、画像の傾きに対応させて画像欠陥の周期性の有無を判定する傾き処理部２４、画像上の欠陥領域から画像欠陥の特徴量を抽出する特徴量抽出手段の一例としての特徴量抽出部２５を備えている。さらにまた、故障診断部２０は、画像上に生じた画像欠陥の種別を判定する欠陥種別判定部２６、画像上に生じた画像欠陥の種別に関する情報や欠陥領域から抽出された画像欠陥の特徴量等を用いて画像欠陥を生じさせた故障原因を診断する診断部２７を備えている。
【００１９】
＜故障診断部にて故障診断に使用される画像データの取得の説明＞
画像データ取得部２１は、ユーザ（例えば、画像形成装置１の使用者や管理者等）が操作表示部５０を操作することで選択された検査対象画像（以下、「テストチャート画像」）に関する画像データを取得する。このテストチャート画像は、診断対象とする画像欠陥の発生状態や発生色等の欠陥発生状況に基づいて、ユーザが操作表示部５０から選択したものである。
すなわち、制御部１０は、例えば画像形成装置１のメインスイッチ（不図示）がオンされると、操作表示Ｉ/Ｆ８３を介して操作表示部５０に対し、ユーザに提供するサービス内容の表示を指示する制御信号を送信する。それにより、操作表示部５０には、図３（操作表示部５０にて表示されるサービスの内容に関する表示画面の一例を示す図）に例示したように、画像形成装置１がユーザに提供するサービスの内容を示す表示画面を表示する。この表示画面には、例えば、複写機能を実行する「コピー」、メールを送信する機能を実行する「メール送信」、画像読取部６０にて読み取った画像データをパーソナルコンピュータ（ＰＣ）に記憶（保存）させる機能を実行する「ＰＣ保存」、さらには、画像欠陥を生じさせた故障原因を診断する機能を実行する「画像診断」を表す画面を表示する。さらには、これらの機能の何れかの選択をユーザに促す指示コメントを表示する。
【００２０】
そして、ユーザによる操作表示部５０に対する操作入力により、「画像診断」の実行が選択されると、制御部１０は、操作表示Ｉ/Ｆ８３を介して操作表示部５０に対し、診断対象とする画像欠陥の種別の表示を指示する制御信号を送信する。それにより、操作表示部５０には、図４（操作表示部５０にて表示される画像欠陥の種別に関する表示画面の一例を示す図）に例示したように、画像欠陥の種別を表示する。表示される画像欠陥の種別としては、例えば、画像上に現れた線状や筋状の汚れ、またはその他の形状の汚れであることを示す「線・筋・汚れ」、すべての色成分または一部の色成分についての画像抜けであることを示す「白抜け・色抜け」、画像濃度や色の不具合であることを示す「濃度・色味不良」、用紙の搬送方向下流側に前の画像の写しが残像のように２重に印刷されたものであることを示す「残像」、用紙上に画像がまったく印刷されないことを示す「何も印刷されない」を表す画面を表示する。さらには、これらの画像欠陥の種別の何れかの選択をユーザに促す指示コメントを表示する。
【００２１】
そして、ここでは、ユーザによる操作表示部５０に対する操作入力により、例えば「線・筋・汚れ」が選択されたものとする（図４のハッチングされた欄）。そうすると、制御部１０は、操作表示Ｉ/Ｆ８３を介して操作表示部５０に対し、画像欠陥の種別「線・筋・汚れ」に関するさらに詳細な画像欠陥の種別の表示を指示する制御信号を送信する。それにより、操作表示部５０には、図５（操作表示部５０にて表示される画像欠陥の詳細な種別に関する表示画面の一例を示す図）に例示したように、「線・筋・汚れ」に関する画像欠陥の詳細な種別を表示する。ここで表示される画像欠陥の詳細な種別として、例えば、画像上における用紙搬送方向に沿って現れた線状や筋状の汚れであることを示す「用紙送り方向に線・筋・汚れ」、画像全体に広がるうっすらとした汚れ（所謂「かぶり」）であることを示す「かぶりが発生」、文字や罫線等の周辺にてトナーが飛び散ったように生じた汚れやかすれであることを示す「文字・罫線の周辺汚れ・かすれ」、画像上の濃度が高い領域にのみ生じた線状や筋状の汚れであることを示す「濃度の濃い部分にのみ線・筋像」、用紙上の一部分または全部が塗りつぶされたものであることを示す「ページの一部または全体が塗りつぶされる」、用紙の白地領域に発生する各色成分（１次色）からなる点（黒点・色点）であることを示す「黒点・色点が発生」を表す表示画面を表示する。さらには、これらの画像欠陥の詳細な種別の何れかの選択をユーザに促す指示コメントを表示する。
【００２２】
そして、ここでは、ユーザによる操作表示部５０に対する操作入力により、画像欠陥の詳細な種別の一つである「黒点・色点が発生」が選択されるものとする（図５のハッチングされた欄）。この場合には、制御部１０は、「黒点・色点が発生」を診断するために用いるテストチャート画像を選択する。そして、制御部１０は、ビデオＩ/Ｆ８２を介して画像形成部４０に対し、選択したテストチャート画像を印刷するように指示する制御信号を送信する。それにより、画像形成部４０は、制御部１０により印刷指示されたテストチャート画像を印刷する。なお、テストチャート画像を印刷するに際しては、印刷に用いられる色成分（Ｙ（イエロー）,Ｍ（マゼンタ）,Ｃ（シアン）,Ｋ（黒））に関しても、ユーザにより画像欠陥の発生状況に応じて指定されており、例えばＫ色が指定されることで、Ｋ色からなるテストチャート画像が印刷される。
さらに、制御部１０は、ユーザに対し、印刷されたテストチャート画像を画像読取部６０により読み取る操作を行うように指示する表示を、操作表示Ｉ/Ｆ８３を介して操作表示部５０に指示する制御信号を送信する。それにより、操作表示部５０は、印刷されたテストチャート画像を画像読取部６０により読み取る操作を行うことをユーザに促す指示コメントを表示する。
【００２３】
そして、画像読取部６０によってテストチャート画像が読み取られると、制御部１０は、テストチャート画像の反射率からなる画像データを、画像読取部６０から故障診断部２０（画像データ取得部２１）に転送させる。
このようにして、故障診断部２０の画像データ取得部２１は、テストチャート画像に関する画像データを取得する。さらに、画像データ取得部２１にて取得されたテストチャート画像に関する画像データは、画像データ記憶部２２に送られ、記憶される。
【００２４】
＜画像欠陥検出部の説明＞
画像欠陥検出部２３は、画像データ記憶部２２から、画像欠陥の発生状況に基づいてユーザが選択した検査対象画像（テストチャート画像）に関する画像データを取得する。また、画像欠陥検出部２３は、外部記憶部３０から、画像形成部４０にて形成されたテストチャート画像に画像欠陥が生じているか否かを判定するための、基準となる基準画像データを取得する。この基準画像データは、テストチャート画像を形成する際の基データとなったものである。そして、画像欠陥検出部２３は、このテストチャート画像に関する画像データと、外部記憶部３０から取得した基準画像データとを比較して、画像欠陥が発生している領域を判定する。そして、画像欠陥検出部２３は、画像欠陥と判定された領域に関する画像データと、そのテストチャート画像上での位置座標情報（位置座標データ）とを対応付けた「画像欠陥データ」を抽出し、抽出した画像欠陥データを傾き処理部２４に出力する。
なお、画像欠陥検出部２３において画像欠陥が発生している領域を判定する際に、テストチャート画像に関する画像データを予め定められた濃度閾値と比較する方法を用いてもよい。
【００２５】
＜傾き処理部の説明＞
一般に、画像形成装置１（画像形成部４０）にて用紙上にテストチャート画像を形成する際に、例えば用紙の搬送が不安定となることで、用紙上にテストチャート画像が傾いて形成される場合がある。また、テストチャート画像を画像読取部６０により読み取らせる際に、画像読取部６０に設けられた画像読取センサ（不図示）がテストチャート画像を読み取る際の読取基準位置と、画像読取部６０のプラテンガラス（不図示）上に設置されたテストチャート画像との間に傾きが生じる場合がある。それにより、画像読取部６０においてテストチャート画像全体が傾いて読み取られ、テストチャート画像に生じた画像欠陥に関する特徴量、特に、画像欠陥の周期性に関する特徴量を正確に抽出できない場合がある。
そのため、傾き処理部２４は、外部記憶部３０に記憶された判定条件情報に基づき、画像読取部６０にて読み取られたテストチャート画像が傾いているか否かを判定し、傾いていると判定された場合には、その傾きを補正して特徴量抽出部２５に出力する。さらには、その傾きを補正して画像欠陥に周期性があるか否かを判定する。そして、周期性があると判定された場合には、画像欠陥の周期性に関する特徴量を抽出し、特徴量抽出部２５に出力する。
【００２６】
すなわち、傾き処理部２４は、画像欠陥検出部２３から取得した画像欠陥データによりテストチャート画像上に生じた画像欠陥の発生状態を判断する。そして、画像欠陥の発生状態から、画像データ記憶部２２から取得した画像データが傾いた状態で読み取られたものであるか否かを判定する。そして、傾き処理部２４は、テストチャート画像の画像データが予め定めた角度以上に傾いた状態で読み取られた画像データであると判定した場合には、画像欠陥検出部２３から取得した画像欠陥データに関し、テストチャート画像の傾き角に対応した傾き補正処理を行って特徴量抽出部２５に出力する。さらに、傾き処理部２４は、テストチャート画像の傾き角に対応させて画像欠陥データに周期性が有るか無いかを判定する。画像欠陥データに周期性が有ると判定した場合には、画像欠陥の周期を算出し、画像欠陥の周期に関する特徴量として特徴量抽出部２５に出力する。
【００２７】
また、傾き処理部２４は、画像欠陥データにより画像欠陥と判定された領域の面積が予め定めた面積よりも小さい場合、または用紙上に印刷されたテストチャート画像全体の傾き角が予め定めた角度よりも小さいと判定した場合には、画像欠陥検出部２３から取得した画像欠陥データをそのまま特徴量抽出部２５に出力する。
なお、傾き処理部２４の構成および傾き処理部２４にて実行される処理の内容に関しては、後段で詳述する。
【００２８】
＜特徴量抽出部の説明＞
続いて、特徴量抽出部２５は、傾き処理部２４から取得した画像欠陥データや画像欠陥の周期に関する特徴量に基づき、画像欠陥を特徴付ける種々の特徴量を抽出する。特徴量抽出部２５は、例えば、画像欠陥が生じている領域の形状、大きさ、濃度階調値、輪郭の状態、欠陥の発生方向、位置等といった特徴量や、傾き処理部２４から取得した画像欠陥の周期に関する特徴量を抽出する。
例えば、テストチャート画像に黒線が発生する画像欠陥が発生しており、傾き処理部２４から取得した画像欠陥データにより、画像欠陥が発生している色成分がＫ（黒）色である場合には、特徴量抽出部２５は、例えば、黒線の線幅、黒線の長さ、黒線のコントラスト、黒線の周期性を特徴量として算出する。
そして、特徴量抽出部２５は、算出した特徴量に関する情報を欠陥種別判定部２６および診断部２７に出力する。
【００２９】
＜欠陥種別判定部の説明＞
欠陥種別判定部２６は、特徴量抽出部２５から取得した画像欠陥を特徴付ける特徴量に基づいて、画像欠陥の種別に関し類似性のあるもの同士を一群のデータとして分類するクラスタリング処理を行う。クラスタリング処理のアルゴリズムには、Ｋ−Ｍｅａｎｓ法や各種階層クラスタリング法等の既存のアルゴリズムが用いられる。
クラスタリング処理により分類された画像欠陥の種別としては、例えば、「用紙送り方向（副走査方向）の線・筋」、「かぶり」、「文字・罫線の周辺汚れ・かすれ」、「濃度の濃い部分の線・筋」、「ページの一部または全体の塗りつぶし」、「黒点・色点」等がある。
また、欠陥種別判定部２６は、クラスタリング処理を行うことにより分類された画像欠陥の種別に対応させて、外部記憶部３０に記憶された判定条件情報に基づき、画像欠陥を推定するために使用する画像欠陥診断モデル（後段参照）を選択する。
そして、欠陥種別判定部２６は、クラスタリング処理を行うことにより分類された画像欠陥の種別に関する情報と、選択した画像欠陥診断モデルを特定する情報とを診断部２７に出力する。
【００３０】
＜診断部の説明＞
診断部２７は、画像欠陥診断モデルを用いて画像欠陥を推定する。すなわち、診断部２７は、画像欠陥診断モデルに、特徴量抽出部２５にて算出された特徴量、欠陥種別判定部２６から取得した画像欠陥の種別に関する情報、操作表示部５０から取得したユーザによる操作入力情報（例えば「黒点・色点が発生」）、内部状態検出部９０から取得した画像形成装置１の各種内部状態情報、外部記憶部３０に記憶された画像形成装置１の使用履歴情報等を入力し、画像欠陥を誘発させた故障原因を推定する。
その際に、診断部２７は、欠陥種別判定部２６にて選択された画像欠陥の種別に対応した画像欠陥診断モデルを記憶部（例えば、後段図８のＮＶＭ２０４）から読み出す。本実施の形態では、複数の画像欠陥の種別に対応した画像欠陥診断モデルが診断部２７内に設けられた記憶部に予め記憶されている。そして、診断部２７は、欠陥種別判定部２６にて選択された画像欠陥診断モデルをこの記憶部から読み出す。
ここでの「画像欠陥診断モデル」は、例えば、ベイジアンネットワーク（Bayesian Network）で構成されている。ベイジアンネットワークとは、確率理論を使用して問題領域をモデル化するものである。すなわち、因果関係が複雑な問題領域を表すため、相互に関連付けられた複数の問題要因間の因果関係を順次結線したグラフ構造を持つネットワークとして表現し、問題要因間の依存関係を有向グラフにより表したものである。
【００３１】
図６は、画像欠陥診断モデルを構成するベイジアンネットワークの一例を示した図である。図６に例示した画像欠陥診断モデルでは、黒線が発生する画像結果に対応するベイジアンネットワークを示したものである。
図６に示すように、ベイジアンネットワークの各ノードは、「原因」→「結果」の関係になるように結線されている。例えば、「感光体傷」と「線幅情報」との関係は、「感光体傷」が元（原因）で細い線が発生（結果）といった「線幅情報」が現れるという関係になる。一方、「プリント枚数履歴情報」と「定着装置」との関係は、「プリント枚数」に基づく状態（プリント枚数が何枚以上）が元（原因）で「定着装置」劣化による黒線発生の可能性が高くなるという関係が成り立つ。各ノードの確率データの初期値は、例えば、過去のデータに基づいて決定する。その後、画像形成装置１における部品の交換頻度や、不具合の発生頻度等、市場トラブルの統計データ等を基にして、定期的に各ノードの確率を更新するようにしてもよい。また、図６中に示した「線幅情報」や「周期性情報」といった画像欠陥の特徴を表すノードは、特徴量抽出部２５にて算出された特徴量により状態が決定される。
そして、診断部２７は、記憶部（後段のＮＶＭ２０４）から読み出したベイジアンネットワークに基づき、故障原因や故障箇所を推定する。さらには、診断部２７は、推定した故障原因や故障箇所を制御部１０に通知する。それにより、制御部１０は、操作表示部５０に故障原因や故障推定箇所を表示し、ユーザに通知する。さらには、通信部７０からネットワークを介してＰＣ等の外部装置に通知してもよい。
【００３２】
図７は、操作表示部５０にて表示される診断結果に関する表示画面の一例を示した図である。図７に示したように、「故障原因・故障推定箇所」が確度（「故障確率」）の高い順に示されるとともに、故障状態を復旧させるための「作業難易度」も示される。作業難易度を示すことにより、例えば確度が近似する故障原因・故障推定箇所が表示された場合に、作業難易度の低い故障原因・故障推定箇所から作業することにより、復旧作業の効率化が図られる。また、図７に示した項目以外にも、「故障原因・故障推定箇所」欄を操作することにより、故障原因・故障推定箇所に対応する復旧作業が記述された処置情報を表示するように構成してもよい。
【００３３】
＜故障診断部の内部構成の説明＞
ここで、図８は、故障診断部２０の内部構成を示すブロック図である。図８に示したように、故障診断部２０は、故障診断処理を実行するに際して、予め定められた処理プログラムに従ってデジタル演算処理を実行するＣＰＵ２０１、ＣＰＵ２０１の作業用メモリ等として用いられるＲＡＭ２０２、ＣＰＵ２０１での処理に使用される各種設定値等が格納されるＲＯＭ２０３、書き換え可能で電源供給が途絶えた場合にもデータを保持できる、電池によりバックアップされたフラッシュメモリ等の不揮発性メモリ（ＮＶＭ）２０４、ＰＣＩバス８０を介して故障診断部２０に接続される制御部１０や外部記憶部３０や画像読取部６０等の各構成部との信号の入出力を制御するインターフェース（Ｉ/Ｆ）部２０５を備えている。
そして、ＣＰＵ２０１が、処理プログラムを外部記憶部３０から主記憶装置（ＲＡＭ２０２）に読み込み、画像データ取得部２１、画像欠陥検出部２３、傾き処理部２４、特徴量抽出部２５、欠陥種別判定部２６、診断部２７の各機能部の機能を実現させる。
【００３４】
なお、この処理プログラムに関するその他の提供形態としては、予めＲＯＭ２０３に格納された状態にて提供され、ＲＡＭ２０２にロードされる形態がある。さらに、ＥＥＰＲＯＭ等の書き換え可能なＲＯＭ２０３を備えている場合には、ＣＰＵ２０１がセッティングされた後に、プログラムだけがＲＯＭ２０３にインストールされ、ＲＡＭ２０２にロードされる形態がある。また、インターネット等のネットワークを介して故障診断部２０にプログラムが伝送され、故障診断部２０のＲＯＭ２０３にインストールされ、ＲＡＭ２０２にロードされる形態がある。さらにまた、ＤＶＤ−ＲＯＭやフラッシュメモリ等の外部記録媒体からＲＡＭ２０２にロードされる形態がある。
【００３５】
［実施の形態１］
＜傾き処理部の詳細な説明＞
次に、上記した故障診断部２０に備えられる傾き処理部２４の一実施の形態について説明する。
図９は、本実施の形態の傾き処理部２４の構成を説明するブロック図である。
図９に示したように、傾き処理部２４は、画像欠陥検出部２３から取得した画像欠陥データが微小な画像欠陥または局所的に発生した画像欠陥（以下、「点状/局所欠陥」）に関するものか否かを判定する判定手段の一例としての第１判定部２４１、画像欠陥データが点状/局所欠陥に関するものである場合に、点状/局所欠陥が周期的に発生しているかランダムに発生しているかを判定するために使用する、点状/局所欠陥相互の相対的な位置関係を示す情報（以下、「相対位置情報」）を算出する前処理部２４２を備えている。
また、傾き処理部２４は、前処理部２４２にて算出された点状/局所欠陥相互の相対位置情報を用いて、点状/局所欠陥が周期的に発生しているかランダムに発生しているかを判定する第２判定部２４３、第２判定部２４３により点状/局所欠陥が周期的に発生していると判定された場合に、点状/局所欠陥の周期情報を抽出するために画像欠陥データに対して回転処理を行う回転処理部２４４、回転処理された画像欠陥データから点状/局所欠陥の周期情報を抽出する周期情報抽出部２４５を備えている。
【００３６】
また、傾き処理部２４に備えられた前処理部２４２は、座標変換手段の一例としての回転処理部２４２Ａと、画像欠陥の発生状況を検出する発生状況検出手段の一例としての重心算出部２４２Ｂおよびばらつき算出部２４２Ｃとを備えている。
前処理部２４２の回転処理部２４２Ａは、画像欠陥検出部２３から取得した画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標として設定し、画像欠陥データの位置座標情報（位置座標データ）に対して予め定めた角度（例えば、±１°）ずつ座標系を回転させる座標変換処理を行う。
重心算出部２４２Ｂは、画像欠陥データを予め定めた角度ずつ座標変換処理を行う毎に、新たな座標系での点状/局所欠陥各々の重心を算出する。
ばらつき算出部２４２Ｃは、重心算出部２４２Ｂにて算出された点状/局所欠陥各々の重心位置に関するばらつき（Δ）を算出する。
【００３７】
＜傾き処理部を構成する各部の説明＞
第１判定部２４１は、画像欠陥検出部２３から取得した画像欠陥データから、画像欠陥領域の面積を算出し、予め定められた規定面積値と比較する。そして、画像欠陥領域の面積が第１の規定面積値よりも大きければ、微小な画像欠陥または局所的に発生した画像欠陥（点状/局所欠陥）ではないと判定し、画像欠陥検出部２３から取得した画像欠陥データをそのまま特徴量抽出部２５に転送する。
一方、第１判定部２４１は、画像欠陥領域の面積が第１の規定面積値以下であれば、点状/局所欠陥であると判定し、画像欠陥検出部２３から取得した画像欠陥データを前処理部２４２に転送する。
この場合に、第１判定部２４１は、第１の規定面積値以下である第２の規定面積値を設定しておき、画像欠陥領域の面積が第２の規定面積値以下となる点状/局所欠陥については、対象から除外するように処理してもよい。それにより、例えばノイズによって検出された微細な点状/局所欠陥が除外され、ばらつき算出部２４２Ｃにて算出されるばらつき（Δ）の精度が高められる。
【００３８】
引き続く前処理部２４２では、回転処理部２４２Ａは、第１判定部２４１から転送された画像欠陥データについて、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標として設定する。そして、画像欠陥データの位置座標データ（位置座標情報）に対して、予め定めた規定角度δθ（例えば、δθ＝１°）ずつ座標系を回転させる座標変換処理を行う。
ここで、図１０は、回転処理部２４２Ａが行う座標変換処理を説明する図である。
図１０に示したように、回転処理部２４２Ａは、テストチャート画像上の予め定めた１点（Ｃ点）を回転中心座標として設定する。そして、回転中心座標Ｃを中心として、画像欠陥データが抽出されたテストチャート画像上の座標系（Ｘ−Ｙ座標系）を規定角度δθずつ（規定角度δθステップで）回転させ、新たな座標系（Ｘ’−Ｙ’座標系）に変換する。例えば、図１０では、規定角度δθずつの座標変換処理のｎ回目を示している。この場合には、回転角θは、θ＝δθ×ｎとなる。それにより、画像欠陥データの位置座標データを新たなＸ’−Ｙ’座標系での位置座標データに変換する。なお、ここでのＸ座標（Ｘ’座標）は主走査方向に沿った座標軸であり、Ｙ座標（Ｙ’座標）は副走査方向に沿った座標軸である。
【００３９】
前処理部２４２の重心算出部２４２Ｂは、回転処理部２４２Ａにて座標変換処理が行われた画像欠陥データに関し、新たなＸ’−Ｙ’座標系での位置座標データから点状/局所欠陥の重心に関する位置座標を算出する。
そして、前処理部２４２のばらつき算出部２４２Ｃは、テストチャート画像上に存在する点状/局所欠陥の重心位置に関し、主走査方向（Ｘ’座標）でのばらつきΔ＝ＸＭＡＸ’−ＸＭＩＮ’を算出する。ここで、ＸＭＡＸ’は、テストチャート画像上に存在する点状/局所欠陥の中で、重心位置のＸ’座標値が最大である点状/局所欠陥の重心のＸ’座標値である。また、ＸＭＩＮ’は、重心位置のＸ’座標値が最小である点状/局所欠陥の重心のＸ’座標値である。
【００４０】
このように、前処理部２４２では、第１判定部２４１から転送された画像欠陥データについて、回転処理部２４２Ａが予め定めた角度範囲内で規定角度δθずつ座標系を回転させる座標変換処理を行う。そして、重心算出部２４２Ｂが、規定角度δθずつ回転させた各座標系（Ｘ’−Ｙ’座標系）各々において、点状/局所欠陥の重心位置を算出する。さらには、ばらつき算出部２４２Ｃが、テストチャート画像上に存在する点状/局所欠陥の重心位置について、ばらつき量の一例としての主走査方向（Ｘ’座標）でのばらつきΔを算出する。そして、回転処理部２４２Ａが座標変換処理した際の各座標系の座標回転角θ（＝δθ×ｎ）と、各座標系各々での点状/局所欠陥のばらつきΔとを対応付けた対応関係（θ,Δ）を生成する。前処理部２４２は、この対応関係（θ,Δ）により、各座標系（Ｘ’−Ｙ’座標系）各々における画像欠陥の発生状況を検出する。
【００４１】
次に、第２判定部２４３は、前処理部２４２から、画像欠陥データに加えて、座標変換処理された各座標系の座標回転角θと、各座標系各々での点状/局所欠陥のばらつきΔとを対応付けた対応関係（θ,Δ）と、重心算出部２４２Ｂにて算出された点状/局所欠陥の重心位置に関する位置座標情報とを取得する。そして、前処理部２４２から取得した各座標系での対応関係（θ,Δ）から、点状/局所欠陥のばらつきΔの最小値（以下、「最小ばらつきΔＭＩＮ」）と、最小値ΔＭＩＮを与える座標系の座標回転角θ（＝θＭＩＮ）を抽出する。
ここで、図１１は、前処理部２４２にて生成された各座標系の座標回転角θと各座標系各々での点状/局所欠陥のばらつきΔとの対応関係（θ,Δ）の一例を示した図である。第２判定部２４３は、図１１に例示した対応関係を有する各座標系の座標回転角θと各座標系各々での点状/局所欠陥のばらつきΔとから、点状/局所欠陥の最小ばらつきΔＭＩＮと、最小ばらつきΔＭＩＮを与える座標系の座標回転角θＭＩＮとを抽出する。
【００４２】
そして、第２判定部２４３は、抽出した点状/局所欠陥の最小ばらつきΔＭＩＮと、ばらつきΔに関する予め定めた規定値Δｔｈとを比較する。その結果、最小ばらつきΔＭＩＮが規定値Δｔｈ以上である場合には、点状/局所欠陥はランダムに発生していると判定する。その場合には、第２判定部２４３は、第１判定部２４１から転送された画像欠陥データをそのまま特徴量抽出部２５に転送する。
一方、第２判定部２４３は、最小ばらつきΔＭＩＮが規定値Δｔｈよりも小さい場合には、点状/局所欠陥は方向性・周期性を持って発生していると判定する。そして、第２判定部２４３は、第１判定部２４１から転送された画像欠陥データと、点状/局所欠陥の最小ばらつきΔＭＩＮを与える座標回転角θＭＩＮに関するデータと、点状/局所欠陥の重心位置に関する位置座標情報とを回転処理部２４４に出力する。
ここで、第２判定部２４３は、座標変換処理における座標回転角を設定する設定手段として機能する。
【００４３】
ここで、点状/局所欠陥はランダムに発生しているか、方向性・周期性を持って発生しているかを判定するための規定値Δｔｈは、例えば、次のように設定される。
次の図１２は、規定値Δｔｈの設定方法を説明する図である。
まず図１２（ａ）に示したように、周期的な画像欠陥（点状/局所欠陥）が発生した複数のサンプル画像の各々において、点状/局所欠陥の各領域の主走査方向（Ｘ座標）の幅（Ｗｉ）を計測する。ここで、ｉは、各サンプル画像に発生した点状/局所欠陥各々に付した番号である。
さらに、計測した点状/局所欠陥各々の幅Ｗｉの平均値（ＷＡＶＥ＝ΣＷｉ/ｎ）と、点状/局所欠陥各々の重心位置のＸ座標値の最大値ＸＭＡＸと最小値ＸＭＩＮとの差Δとを算出する。この場合に、Ｗｉ,Δの単位はｍｍとし、画像読取部６０の読取解像度Ｒ（ｄｐｉ）に応じて画素位置に２５．４ｍｍ/Ｒを乗じて算出する。
次に図１２（ｂ）に示したように、複数のサンプル画像から得られた（Ｗａｖｅ,Δ）に関し、例えば最小二乗法を用いて回帰直線を求める。さらに、回帰直線と各プロット（Ｗａｖｅ,Δ）のΔ値との標準偏差σから分散σ２を求め、Δの増加する方向に回帰直線を例えば３σだけ平行移動させる。これは、サンプル画像から得られた点状/局所欠陥各々に関するΔ値が、回帰直線を平行移動させた直線よりも低くなるように設定するためである。また、移動量３σは、点状/局所欠陥各々に関するΔ値をかかる直線よりも低くするのに充分な値だからである。そして、この直線を規定値Δｔｈを求めるための算出式（以下、「規定値算出式」）として設定する。
【００４４】
続いて、図１２（ｂ）に示した直線（規定値算出式）Δｔｈ＝ｆ（Ｗａｖｅ）を用いて、検査対象画像（テストチャート画像）における規定値Δｔｈを算出する。すなわち、規定値直線Δｔｈ＝ｆ（Ｗａｖｅ）は、具体的に、
Δｔｈ＝ａ×Ｗａｖｅ＋ｂ（ａ,ｂ：定数）…（１）
と表現できる。それにより、テストチャート画像における画像欠陥領域での主走査方向（Ｘ座標）の幅Ｗｉの平均値Ｗａｖｅを算出し、算出した平均値Ｗａｖｅを（１）式に代入することで、Δｔｈを求めることができる。
【００４５】
次に、回転処理部２４４は、第２判定部２４３から、第１判定部２４１から転送された画像欠陥データ（前処理部２４２にて算出された点状/局所欠陥の重心位置に関する位置座標情報を含む）と、点状/局所欠陥の最小ばらつきΔＭＩＮを与える座標回転角θＭＩＮに関するデータとを取得する。そして、回転処理部２４４は、上記した前処理部２４２の回転処理部２４２Ａと同様に、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標Ｃとして設定し、画像欠陥データの位置座標データに関し、座標回転角θＭＩＮだけ座標系を回転させる座標変換処理する。そして、画像欠陥データの位置座標データを座標回転角θＭＩＮだけ回転させた新たな座標系での位置座標データに変換する。
回転処理部２４４は、第１判定部２４１から転送された画像欠陥データと、座標回転角θＭＩＮだけ回転された座標系での位置座標データに変換された画像欠陥データ（前処理部２４２にて算出された点状/局所欠陥の重心位置に関する位置座標情報を含む）とを周期情報抽出部２４５に出力する。
【００４６】
周期情報抽出部２４５は、第１判定部２４１から転送された画像欠陥データと、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データ（点状/局所欠陥の重心位置に関する位置座標情報を含む）を回転処理部２４４から取得する。そして、周期情報抽出部２４５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、各点状/局所欠陥の重心の副走査方向（Ｙ’座標）の間隔Ｄｉ（ｉ＝１,２,３…）を算出する（上記図１０参照）。
周期情報抽出部２４５は、算出した副走査方向（Ｙ’座標）の間隔Ｄｉを、予め保持する周期情報と比較する。その結果、予め保持する周期情報の一つと一致した場合には、その周期情報を「画像欠陥の周期に関する特徴量」として保持する。そして、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データとともに、画像欠陥の周期に関する特徴量を特徴量抽出部２５に出力する。それにより、特徴量抽出部２５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、周期に関する特徴量以外の他の特徴量をも抽出する。ここでの周期情報抽出部２４５は、特徴量抽出手段としても機能する。
一方、上記の比較の結果、周期情報の何れとも一致しない場合には、周期情報抽出部２４５は、算出した副走査方向（Ｙ’座標）の間隔Ｄｉに関する情報を破棄し、第１判定部２４１から転送された画像欠陥データをそのまま特徴量抽出部２５に転送する。それにより、特徴量抽出部２５は、第１判定部２４１から転送された画像欠陥データ、すなわち画像欠陥検出部２３から取得した画像欠陥データから特徴量を抽出する。
【００４７】
ここで、算出した副走査方向（Ｙ’座標）の間隔Ｄｉと比較する周期情報は、例えば、画像形成部４０に備えられる感光体の周長、１次転写ロールの周長、２次転写ロールの周長、定着ロールの周長等に基づく周期に関する情報である。この周期情報は、例えばＮＶＭ２０４等に記憶されている。
【００４８】
＜故障診断処理の内容の説明＞
次に、本実施の形態の故障診断部２０が行う故障診断処理の内容を説明する。
図１３−１および図１３−２は、故障診断部２０が行う故障診断処理の内容の一例を説明するフローチャートである。
まず、図１３−１に示すように、故障診断部２０は、画像データ取得部２１にて画像読取部６０からテストチャート画像（検査対象画像）に関する画像データを取得し、画像データ記憶部２２に記憶する（ステップ１０１）。
故障診断部２０の画像欠陥検出部２３は、画像データ記憶部２２から画像データを取得し、テストチャート画像に関する画像データと、外部記憶部３０から取得した基準画像データとを比較して、画像欠陥が発生している領域（画像欠陥領域）を抽出する（ステップ１０２）。
【００４９】
故障診断部２０の傾き処理部２４は、画像欠陥と判定された領域（画像欠陥領域）に関する画像データと、そのテストチャート画像上での位置座標情報（位置座標データ）とを対応付けた「画像欠陥データ」から画像欠陥領域の面積を算出し、予め定められた規定面積値と比較する（ステップ１０３）。そして、画像欠陥領域の面積が規定面積値（例えば、上記した「第１の規定面積値」）よりも大きければ（ステップ１０３でＮｏ）、微小な画像欠陥または局所的に発生した画像欠陥（点状/局所欠陥）ではないと判定し、故障診断部２０の特徴量抽出部２５が、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量を抽出する（ステップ１１９）。
【００５０】
一方、画像欠陥領域の面積が規定面積値（例えば、上記した「第１の規定面積値」）以下であれば（ステップ１０３でＹｅｓ）、点状/局所欠陥であると判定する。そして、故障診断部２０の傾き処理部２４は、画像欠陥検出部２３から取得した画像欠陥データに対する座標変換処理を行う。
まず、傾き処理部２４は、回転中心座標Ｃを中心としてテストチャート画像上の座標系（Ｘ−Ｙ座標系）に座標変換処理を施す際の座標回転角θをθ＝０°に設定する（ステップ１０４）。そして、傾き処理部２４は、座標回転角θ＝０°での各点状/局所欠陥の重心の位置座標（重心位置座標）を算出する（ステップ１０５）。さらに、傾き処理部２４は、テストチャート画像上に存在する点状/局所欠陥の重心位置について、主走査方向（Ｘ座標）におけるばらつきΔ（＝ＸＭＡＸ−ＸＭＩＮ）を算出する（ステップ１０６）。ＸＭＡＸは、テストチャート画像上に存在する点状/局所欠陥の中で、重心位置のＸ座標値が最大である点状/局所欠陥の重心のＸ座標値であり、ＸＭＩＮは、重心位置のＸ座標値が最小である点状/局所欠陥の重心のＸ座標値である。
【００５１】
傾き処理部２４は、座標変換処理した際の各座標系の座標回転角θ（ここでは、θ＝０°）と、各座標系各々での点状/局所欠陥のばらつきΔとを対応付けた対応関係（θ,Δ）を生成し、保存する（ステップ１０７）。
続いて、傾き処理部２４は、座標回転角θを規定角度δθだけ加算し、新たな座標回転角θを設定する（ステップ１０８）。そして、傾き処理部２４は、新たに設定された座標回転角θが予め定めた角度範囲内か否かを判定する（ステップ１０９）。
新たに設定された座標回転角θが予め定めた角度範囲内であれば（ステップ１０９でＹｅｓ）、ステップ１０５に戻り、新たに設定された座標回転角θによりステップ１０５からステップ１０８までの処理を実施する。
新たに設定された座標回転角θが予め定めた角度範囲を超えたものであった場合には（ステップ１０９でＮｏ）、座標変換処理を終了する。
【００５２】
そして図１３−２のフローチャートに移り、傾き処理部２４の第２判定部２４３は、各座標系の座標回転角θと、各座標系各々での点状/局所欠陥のばらつきΔとの対応関係（θ,Δ）から、点状/局所欠陥のばらつきΔの最小値（最小ばらつきΔＭＩＮ）と、最小値ΔＭＩＮを与える座標系の座標回転角θ（＝θＭＩＮ）を抽出する（ステップ１１０）。
そして、第２判定部２４３は、抽出した点状/局所欠陥の最小ばらつきΔＭＩＮを、ばらつきΔに関する予め定めた規定値Δｔｈと比較する（ステップ１１１）。そして、最小ばらつきΔＭＩＮが規定値Δｔｈよりも大きい場合には（ステップ１１１でＮｏ）、点状/局所欠陥はランダムに発生していると判定し、故障診断部２０の特徴量抽出部２５にて、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量が抽出される（ステップ１１９）。
一方、第２判定部２４３は、最小ばらつきΔＭＩＮが規定値Δｔｈ以下であった場合には（ステップ１１１でＹｅｓ）、点状/局所欠陥が方向性・周期性を持って発生していると判定する。
それにより、傾き処理部２４の回転処理部２４４は、点状/局所欠陥の最小ばらつきΔＭＩＮを与える座標回転角θＭＩＮに関するデータを第２判定部２４３から取得する（ステップ１１２）。そして、回転処理部２４４は、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標Ｃとして設定し、画像欠陥データのテストチャート画像上での位置座標データに関し、座標回転角θＭＩＮだけ座標系を回転させる座標変換処理する（ステップ１１３）。
【００５３】
傾き処理部２４の周期情報抽出部２４５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、各点状/局所欠陥の重心の副走査方向（Ｙ’座標）の間隔Ｄｉ（ｉ＝１,２,３…）を算出する（ステップ１１４）。
周期情報抽出部２４５は、算出した副走査方向（Ｙ’座標）の間隔Ｄｉを、予め保持する周期情報と比較する（ステップ１１５）。その結果、周期情報の一つと一致した場合には（ステップ１１５でＹｅｓ）、その周期情報を「画像欠陥の周期に関する特徴量」として保持する（ステップ１１６）。画像欠陥の周期に関する特徴量は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データとともに、特徴量抽出部２５に出力される。
特徴量抽出部２５は、傾き処理部２４から取得した画像欠陥データに基づき、画像欠陥の周期に関する特徴量以外の画像欠陥を特徴付ける他の特徴量を抽出する（ステップ１１７）。
【００５４】
一方、比較した結果、周期情報の何れとも一致しない場合には（ステップ１１５でＮｏ）、周期情報抽出部２４５は、算出した副走査方向（Ｙ’座標）の間隔Ｄｉに関する情報を破棄する（ステップ１１８）。
そして、特徴量抽出部２５は、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量を抽出する（ステップ１１９）。
その後、特徴量抽出部２５にて抽出された特徴量は、欠陥種別判定部２６および診断部２７に送られ、画像欠陥を生じさせた故障原因を診断する故障診断処理が実行される（ステップ１２０）。
【００５５】
［実施の形態２］
＜傾き処理部の詳細な説明＞
次に、上記した故障診断部２０に備えられる傾き処理部２４の他の実施の形態について説明する。
実施の形態１では、点状/局所欠陥の重心位置のばらつきΔにより、点状/局所欠陥が方向性・周期性を持って発生しているか否かを判定する構成について説明した。本実施の形態では、点状/局所欠陥の主走査方向に沿った座標軸（Ｘ座標軸）への投影分布波形についての分散により、点状/局所欠陥が方向性・周期性を持って発生しているか否かを判定する構成について説明する。なお、実施の形態１と同様な構成については同様な符号を用い、ここではその詳細な説明を省略する。
【００５６】
図１４は、本実施の形態の傾き処理部２４の構成を説明するブロック図である。
図１４に示したように、本実施の形態の傾き処理部２４は、前処理部２４６を座標変換手段の一例としての回転処理部２４６Ａと、画像欠陥の発生状況を検出する発生状況検出手段の一例としての投影分布波形生成部２４６Ｂおよび分散値算出部２４６Ｃとにより構成している。
前処理部２４６の回転処理部２４６Ａは、画像欠陥検出部２３から取得した画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標として設定し、画像欠陥データの位置座標情報（位置座標データ）に対して予め定めた角度（例えば、±１°）ずつ座標系を回転させる座標変換処理を行う。
投影分布波形生成部２４６Ｂは、画像欠陥データを予め定めた角度ずつ座標変換処理を行う毎に、新たな座標系において、点状/局所欠陥各々のＸ（Ｘ’）座標軸への投影分布波形を求める。具体的には、新たな座標系における点状/局所欠陥各々に関し、点状/局所欠陥を構成する画素のＸ（Ｘ’）座標軸への投影分布波形（Ｘ（Ｘ’）座標値毎の画素の累積個数）を求める。
分散値算出部２４６Ｃは、ばらつき量の一例として、投影分布波形生成部２４６Ｂにて求められた点状/局所欠陥各々の投影分布波形（点状/局所欠陥を構成する画素のＸ（Ｘ’）座標値毎の累積個数）に関する分散値（σ２）を算出する。
【００５７】
本実施の形態の前処理部２４６では、第１判定部２４１から転送された画像欠陥データについて、回転処理部２４６Ａが予め定めた角度範囲内で規定角度δθずつ座標系を回転させる座標変換処理を行う。そして、投影分布波形生成部２４６Ｂが、規定角度δθずつ回転させた各座標系（Ｘ’−Ｙ’座標系）各々において、点状/局所欠陥各々を構成する画素のＸ’座標値毎の累積個数（投影分布波形）を求める。さらには、分散値算出部２４６Ｃが、テストチャート画像上に存在する点状/局所欠陥の投影分布波形について、分散値σ２を算出する。そして、回転処理部２４６Ａが座標変換処理した際の各座標系の座標回転角θ（＝δθ×ｎ）と、各座標系各々での点状/局所欠陥の分散値σ２とを対応付けた対応関係（θ,σ２）を生成する。前処理部２４６は、この対応関係（θ,σ２）により、各座標系（Ｘ’−Ｙ’座標系）各々における画像欠陥の発生状況を検出する。
【００５８】
ここで、図１５は、前処理部２４６が求める投影分布波形を説明する図である。
図１５に示したように、回転処理部２４６Ａは、テストチャート画像上の予め定めた１点（Ｃ点）を回転中心座標として設定する。そして、回転中心座標Ｃを中心として、画像欠陥データが抽出されたテストチャート画像上の座標系（Ｘ−Ｙ座標系）を規定角度δθずつ（規定角度δθステップで）回転させ、新たな座標系（Ｘ’−Ｙ’座標系）に変換する。例えば、図１５では、規定角度δθずつの座標変換処理のｎ回目を示している。この場合には、回転角θは、θ＝δθ×ｎとなる。それにより、画像欠陥データの位置座標データを新たなＸ’−Ｙ’座標系での位置座標データに変換する。なお、ここでのＸ座標（Ｘ’座標）は主走査方向に沿った座標軸であり、Ｙ座標（Ｙ’座標）は副走査方向に沿った座標軸である。
そして、投影分布波形生成部２４６Ｂは、新たな座標系（Ｘ’−Ｙ’座標系）において、点状/局所欠陥各々を構成する画素のＸ’座標値毎の累積個数（投影分布波形）を求める。さらには、分散値算出部２４６Ｃが、投影分布波形生成部２４６Ｂにて求められた点状/局所欠陥の投影分布波形に関する分散値σ２を算出する。
【００５９】
次に、本実施の形態の第２判定部２４３は、前処理部２４６から、画像欠陥データに加えて、座標変換処理された各座標系の座標回転角θと、各座標系各々での点状/局所欠陥の投影分布波形に関する分散値σ２とを対応付けた対応関係（θ,σ２）とを取得する。そして、第２判定部２４３は、前処理部２４６から取得した各座標系での対応関係（θ,σ２）から、点状/局所欠陥の投影分布波形に関する分散値σ２の最小値（以下、「最小分散値σ２ＭＩＮ」）と、最小分散値σ２ＭＩＮを与える座標系の座標回転角θ（＝θＭＩＮ）を抽出する。
ここで、図１６は、前処理部２４６にて生成された各座標系の座標回転角θと各座標系各々での点状/局所欠陥の投影分布波形に関する分散値σ２との対応関係（θ,σ２）の一例を示した図である。第２判定部２４３は、図１６に例示した対応関係を有する各座標系の座標回転角θと各座標系各々での点状/局所欠陥の投影分布波形に関する分散値σ２とから、点状/局所欠陥の最小分散値σ２ＭＩＮと、最小分散値σ２ＭＩＮを与える座標系の座標回転角θＭＩＮとを抽出する。
【００６０】
そして、第２判定部２４３は、抽出した点状/局所欠陥の最小分散値σ２ＭＩＮと、分散値σ２に関する予め定めた規定値σｔｈ２とを比較する。その結果、最小分散値σ２ＭＩＮが規定値σｔｈ２以上である場合には、点状/局所欠陥はランダムに発生していると判定する。その場合には、第２判定部２４３は、第１判定部２４１から転送された画像欠陥データをそのまま特徴量抽出部２５に転送する。それにより、特徴量抽出部２５は、第１判定部２４１から転送された画像欠陥データ、すなわち画像欠陥検出部２３から取得した画像欠陥データから特徴量を抽出する。
【００６１】
一方、第２判定部２４３は、最小分散値σ２ＭＩＮが規定値σｔｈ２よりも小さい場合には、点状/局所欠陥は方向性・周期性を持って発生していると判定する。そして、第２判定部２４３は、第１判定部２４１から転送された画像欠陥データと、点状/局所欠陥の最小分散値σ２ＭＩＮを与える座標回転角θＭＩＮに関するデータとを回転処理部２４４に出力する。
【００６２】
回転処理部２４４は、第２判定部２４３から、第１判定部２４１から転送された画像欠陥データと、点状/局所欠陥の最小分散値σ２ＭＩＮを与える座標回転角θＭＩＮに関するデータとを取得する。そして、回転処理部２４４は、上記した前処理部２４６の回転処理部２４２Ａと同様に、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標Ｃとして設定し、画像欠陥データの位置座標データに関し、座標回転角θＭＩＮだけ座標系を回転させる座標変換処理を行う。そして、画像欠陥データの位置座標データを座標回転角θＭＩＮだけ回転させた新たな座標系での位置座標データに変換する。
回転処理部２４４は、第１判定部２４１から転送された画像欠陥データと、座標回転角θＭＩＮだけ回転された座標系での位置座標データに変換された画像欠陥データとを周期情報抽出部２４５に出力する。
【００６３】
周期情報抽出部２４５は、第１判定部２４１から転送された画像欠陥データと、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データを回転処理部２４４から取得する。そして、周期情報抽出部２４５は、座標回転角θＭＩＮだけ回転された座標系での点状/局所欠陥各々に関する画像欠陥データのＹ’座標値の平均値を算出する。そして、算出した点状/局所欠陥各々に関するＹ’座標値の平均値（平均Ｙ’座標値）相互の差分を、予め保持する周期情報と比較する。その結果、予め保持する周期情報の一つと一致した場合には、その周期情報を「画像欠陥の周期に関する特徴量」として保持する。そして、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データとともに、画像欠陥の周期に関する特徴量を特徴量抽出部２５に出力する。それにより、特徴量抽出部２５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、周期に関する特徴量以外の他の特徴量をも抽出する。
一方、上記の比較の結果、周期情報の何れとも一致しない場合には、周期情報抽出部２４５は、第１判定部２４１から転送された画像欠陥データをそのまま特徴量抽出部２５に転送する。それにより、特徴量抽出部２５は、第１判定部２４１から転送された画像欠陥データ、すなわち画像欠陥検出部２３から取得した画像欠陥データから特徴量を抽出する。
【００６４】
＜故障診断処理の内容の説明＞
次に、本実施の形態の故障診断部２０が行う故障診断処理の内容を説明する。
図１７−１および図１７−２は、故障診断部２０が行う故障診断処理の内容の一例を説明するフローチャートである。
まず、図１７−１に示すように、故障診断部２０は、画像データ取得部２１にて画像読取部６０からテストチャート画像（検査対象画像）に関する画像データを取得し、画像データ記憶部２２に記憶する（ステップ２０１）。
故障診断部２０の画像欠陥検出部２３は、画像データ記憶部２２から画像データを取得し、テストチャート画像に関する画像データと、外部記憶部３０から取得した基準画像データとを比較して、画像欠陥が発生している領域（画像欠陥領域）を抽出する（ステップ２０２）。
【００６５】
故障診断部２０の傾き処理部２４は、画像欠陥と判定された領域（画像欠陥領域）に関する画像データと、そのテストチャート画像上での位置座標情報（位置座標データ）とを対応付けた「画像欠陥データ」から画像欠陥領域の面積を算出し、予め定められた規定面積値と比較する（ステップ２０３）。そして、画像欠陥領域の面積が規定面積値（例えば、上記した「第１の規定面積値」）よりも大きければ（ステップ２０３でＮｏ）、微小な画像欠陥または局所的に発生した画像欠陥（点状/局所欠陥）ではないと判定し、故障診断部２０の特徴量抽出部２５が、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量を抽出する（ステップ２１９）。
【００６６】
一方、画像欠陥領域の面積が規定面積値（例えば、上記した「第１の規定面積値」）以下であれば（ステップ２０３でＹｅｓ）、点状/局所欠陥であると判定する。そして、故障診断部２０の傾き処理部２４は、画像欠陥検出部２３から取得した画像欠陥データに対する座標変換処理を行う。
まず、傾き処理部２４は、回転中心座標Ｃを中心としてテストチャート画像上の座標系（Ｘ−Ｙ座標系）に座標変換処理を施す際の座標回転角θをθ＝０°に設定する（ステップ２０４）。そして、傾き処理部２４は、座標回転角θ＝０°での点状/局所欠陥のＸ（Ｘ’）座標軸への投影分布波形を求める（ステップ２０５）。具体的には、座標回転角θ＝０°での座標系における点状/局所欠陥に関し、点状/局所欠陥各々を構成する画素のＸ座標値毎の画素の累積個数を求める。さらに、傾き処理部２４は、テストチャート画像上に存在する点状/局所欠陥各々の投影分布波形（点状/局所欠陥を構成する画素のＸ（Ｘ’）座標値毎の累積個数）に関する分散値σ２を算出する（ステップ２０６）。
【００６７】
傾き処理部２４は、座標変換処理した際の各座標系の座標回転角θ（ここでは、θ＝０°）と、各座標系各々での点状/局所欠陥の分散値σ２とを対応付けた対応関係（θ,σ２）を生成し、保存する（ステップ２０７）。
続いて、傾き処理部２４は、座標回転角θを規定角度δθだけ加算し、新たな座標回転角θを設定する（ステップ２０８）。そして、傾き処理部２４は、新たに設定された座標回転角θが予め定めた角度範囲内か否かを判定する（ステップ２０９）。
新たに設定された座標回転角θが予め定めた角度範囲内であれば（ステップ２０９でＹｅｓ）、ステップ２０５に戻り、新たに設定された座標回転角θによりステップ２０５からステップ２０８までの処理を実施する。
新たに設定された座標回転角θが予め定めた角度範囲を超えたものであった場合には（ステップ２０９でＮｏ）、座標変換処理を終了する。
【００６８】
そして図１７−２のフローチャートに移り、傾き処理部２４の第２判定部２４３は、各座標系の座標回転角θと、各座標系各々での点状/局所欠陥の分散値σ２との対応関係（θ,σ２）から、点状/局所欠陥の分散値σ２の最小値（最小分散値σ２ＭＩＮ）と、最小分散値σ２ＭＩＮを与える座標系の座標回転角θ（＝θＭＩＮ）を抽出する（ステップ２１０）。
そして、第２判定部２４３は、抽出した点状/局所欠陥の最小分散値σ２ＭＩＮを、分散値σ２に関する予め定めた規定値σｔｈ２と比較する（ステップ２１１）。そして、最小ばらつきΔＭＩＮが規定値Δｔｈよりも大きい場合には（ステップ２１１でＮｏ）、点状/局所欠陥はランダムに発生していると判定し、故障診断部２０の特徴量抽出部２５にて、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量が抽出される（ステップ２１９）。
一方、第２判定部２４３は、最小分散値σ２ＭＩＮが規定値σｔｈ２以下であった場合には（ステップ２１１でＹｅｓ）、点状/局所欠陥が方向性・周期性を持って発生していると判定する。
それにより、傾き処理部２４の回転処理部２４４は、点状/局所欠陥の最小分散値σ２ＭＩＮを与える座標回転角θＭＩＮに関するデータを第２判定部２４３から取得する（ステップ２１２）。そして、回転処理部２４４は、画像欠陥データが抽出されたテストチャート画像上の１点を回転中心座標Ｃとして設定し、画像欠陥データのテストチャート画像上での位置座標データに関し、座標回転角θＭＩＮだけ座標系を回転させる座標変換処理する（ステップ２１３）。
【００６９】
傾き処理部２４の周期情報抽出部２４５は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データから、各点状/局所欠陥の画像欠陥データのＹ’座標値の平均値（平均Ｙ’座標値）を算出し、算出した点状/局所欠陥各々に関する平均Ｙ’座標値相互の差分を求める（ステップ２１４）。
周期情報抽出部２４５は、算出した点状/局所欠陥各々に関する平均Ｙ’座標値相互の差分を、予め保持する周期情報と比較する（ステップ２１５）。その結果、周期情報の一つと一致した場合には（ステップ２１５でＹｅｓ）、その周期情報を「画像欠陥の周期に関する特徴量」として保持する（ステップ２１６）。画像欠陥の周期に関する特徴量は、座標回転角θＭＩＮだけ回転された座標系での画像欠陥データとともに、特徴量抽出部２５に出力される。
特徴量抽出部２５は、傾き処理部２４から取得した画像欠陥データに基づき、画像欠陥の周期に関する特徴量以外の画像欠陥を特徴付ける他の特徴量を抽出する（ステップ２１７）。
【００７０】
一方、比較した結果、周期情報の何れとも一致しない場合には（ステップ２１５でＮｏ）、周期情報抽出部２４５は、算出した点状/局所欠陥各々に関する平均Ｙ’座標値相互の差分に関する情報を破棄する（ステップ２１８）。
そして、特徴量抽出部２５は、画像読取部６０にて読み取った（画像欠陥検出部２３から取得した）テストチャート画像（検査対象画像）の画像欠陥データにより、画像欠陥を特徴付ける種々の特徴量を抽出する（ステップ２１９）。
その後、特徴量抽出部２５にて抽出された特徴量は、欠陥種別判定部２６および診断部２７に送られ、画像欠陥を生じさせた故障原因を診断する故障診断処理が実行される（ステップ２２０）。
【００７１】
以上説明したように、本実施の形態の画像形成装置１の故障診断部２０では、画像読取部６０にて読み取られたテストチャート画像が傾いているか否かを判定し、傾いていると判定された場合には、その傾きを補正して特徴量を抽出する。さらには、その傾きを補正して画像欠陥に周期性があるか否かを判定する。そして、周期性があると判定された場合には、画像欠陥の周期性に関する特徴量を抽出する。それにより、画像形成装置１にて形成された画像に発生した画像欠陥の検出精度が向上する。
【符号の説明】
【００７２】
１…画像形成装置、１０…制御部、２０…故障診断部、２１…画像データ取得部、２２…画像データ記憶部、２３…画像欠陥検出部、２４…傾き処理部、２５…特徴量抽出部、２６…欠陥種別判定部、２７…診断部、４０…画像形成部、５０…操作表示部、６０…画像読取部、９０…内部状態検出部、２４１…第１判定部、２４２,２４６…前処理部、２４２Ａ,２４６Ａ…回転処理部、２４２Ｂ…重心算出部、２４２Ｃ…ばらつき算出部、２４３…第２判定部、２４４…回転処理部、２４５…周期情報抽出部、２４６Ｂ…投影分布波形生成部、２４６Ｃ…分散値算出部
【特許請求の範囲】
【請求項１】
画像欠陥に関する検査対象とする検査対象画像を読み取ることで生成された画像データを取得する取得手段と、
前記取得手段にて取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する画像欠陥検出手段と、
前記画像欠陥検出手段にて検出された前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する座標変換処理手段と、
前記座標変換処理手段にて前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する発生状況検出手段と、
前記発生状況検出手段にて検出された前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する設定手段と、
前記設定手段にて設定された前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する特徴量抽出手段と
を備えたことを特徴とする画像欠陥診断システム。
【請求項２】
前記発生状況検出手段は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項１記載の画像欠陥診断システム。
【請求項３】
前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々の重心の位置座標を求め、当該画像欠陥各々の重心に関する前記検査対象画像の主走査方向における位置から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項２記載の画像欠陥診断システム。
【請求項４】
前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々を構成する画素の前記検査対象画像での主走査方向位置に関する分散を求め、当該分散から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項２記載の画像欠陥診断システム。
【請求項５】
前記設定手段は、前記発生状況検出手段にて検出された前記ばらつき量が予め定めた規定値以下である場合に、前記画像欠陥の前記位置座標情報に対して施す前記座標変換処理での前記座標回転角を設定することを特徴とする請求項２記載の画像欠陥診断システム。
【請求項６】
前記特徴量抽出手段は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項１記載の画像欠陥診断システム。
【請求項７】
前記画像欠陥検出手段にて検出された前記画像欠陥の面積を算出し、当該面積が予め定めた規定値以下である場合に当該画像欠陥を検査対象と判定する判定手段をさらに備えたことを特徴とする請求項１記載の画像欠陥診断システム。
【請求項８】
画像欠陥に関する検査対象とする検査対象画像を記録材上に形成する画像形成手段と、
前記画像形成手段にて形成された前記検査対象画像を読み取り、当該検査対象画像に関する画像データを生成する画像読取手段と、
前記画像読取手段にて生成された前記画像データにより前記検査対象画像に発生した画像欠陥を特徴付ける特徴量を抽出し、当該特徴量を用いて自装置の故障原因を診断する画像欠陥診断手段とを有し、
前記画像欠陥診断手段は、
前記画像読取手段から前記画像データを取得する取得手段と、
前記取得手段にて取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する画像欠陥検出手段と、
前記画像欠陥検出手段にて検出された前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する座標変換処理手段と、
前記座標変換処理手段にて前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する発生状況検出手段と、
前記発生状況検出手段にて検出された前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する設定手段と、
前記設定手段にて設定された前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する特徴量抽出手段と
を備えたことを特徴とする画像形成装置。
【請求項９】
前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項８記載の画像形成装置。
【請求項１０】
前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々の重心の位置座標を求め、当該画像欠陥各々の重心に関する前記検査対象画像の主走査方向における位置から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項９記載の画像形成装置。
【請求項１１】
前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々を構成する画素の前記検査対象画像での主走査方向位置に関する分散を求め、当該分散から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項９記載の画像形成装置。
【請求項１２】
前記画像欠陥診断手段の前記特徴量抽出手段は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項８記載の画像形成装置。
【請求項１３】
コンピュータに、
画像欠陥に関する検査対象とする検査対象画像を読み取ることで生成された画像データを取得する機能と、
取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する機能と、
前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する機能と、
前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する機能と、
前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する機能と、
前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する機能と
を実現させることを特徴とするプログラム。
【請求項１４】
前記画像欠陥の発生状況を検出する機能は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項１３記載のプログラム。
【請求項１５】
前記特徴量を抽出する機能は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項１３記載のプログラム。
【請求項１】
画像欠陥に関する検査対象とする検査対象画像を読み取ることで生成された画像データを取得する取得手段と、
前記取得手段にて取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する画像欠陥検出手段と、
前記画像欠陥検出手段にて検出された前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する座標変換処理手段と、
前記座標変換処理手段にて前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する発生状況検出手段と、
前記発生状況検出手段にて検出された前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する設定手段と、
前記設定手段にて設定された前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する特徴量抽出手段と
を備えたことを特徴とする画像欠陥診断システム。
【請求項２】
前記発生状況検出手段は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項１記載の画像欠陥診断システム。
【請求項３】
前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々の重心の位置座標を求め、当該画像欠陥各々の重心に関する前記検査対象画像の主走査方向における位置から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項２記載の画像欠陥診断システム。
【請求項４】
前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々を構成する画素の前記検査対象画像での主走査方向位置に関する分散を求め、当該分散から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項２記載の画像欠陥診断システム。
【請求項５】
前記設定手段は、前記発生状況検出手段にて検出された前記ばらつき量が予め定めた規定値以下である場合に、前記画像欠陥の前記位置座標情報に対して施す前記座標変換処理での前記座標回転角を設定することを特徴とする請求項２記載の画像欠陥診断システム。
【請求項６】
前記特徴量抽出手段は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項１記載の画像欠陥診断システム。
【請求項７】
前記画像欠陥検出手段にて検出された前記画像欠陥の面積を算出し、当該面積が予め定めた規定値以下である場合に当該画像欠陥を検査対象と判定する判定手段をさらに備えたことを特徴とする請求項１記載の画像欠陥診断システム。
【請求項８】
画像欠陥に関する検査対象とする検査対象画像を記録材上に形成する画像形成手段と、
前記画像形成手段にて形成された前記検査対象画像を読み取り、当該検査対象画像に関する画像データを生成する画像読取手段と、
前記画像読取手段にて生成された前記画像データにより前記検査対象画像に発生した画像欠陥を特徴付ける特徴量を抽出し、当該特徴量を用いて自装置の故障原因を診断する画像欠陥診断手段とを有し、
前記画像欠陥診断手段は、
前記画像読取手段から前記画像データを取得する取得手段と、
前記取得手段にて取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する画像欠陥検出手段と、
前記画像欠陥検出手段にて検出された前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する座標変換処理手段と、
前記座標変換処理手段にて前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する発生状況検出手段と、
前記発生状況検出手段にて検出された前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する設定手段と、
前記設定手段にて設定された前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する特徴量抽出手段と
を備えたことを特徴とする画像形成装置。
【請求項９】
前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項８記載の画像形成装置。
【請求項１０】
前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々の重心の位置座標を求め、当該画像欠陥各々の重心に関する前記検査対象画像の主走査方向における位置から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項９記載の画像形成装置。
【請求項１１】
前記画像欠陥診断手段の前記発生状況検出手段は、前記座標系各々での前記画像欠陥各々を構成する画素の前記検査対象画像での主走査方向位置に関する分散を求め、当該分散から当該座標系各々での前記ばらつき量を算出することを特徴とする請求項９記載の画像形成装置。
【請求項１２】
前記画像欠陥診断手段の前記特徴量抽出手段は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項８記載の画像形成装置。
【請求項１３】
コンピュータに、
画像欠陥に関する検査対象とする検査対象画像を読み取ることで生成された画像データを取得する機能と、
取得された前記画像データから、前記検査対象画像に発生した画像欠陥を検出する機能と、
前記画像欠陥に関する前記検査対象画像上での位置座標情報を、当該検査対象画像上の予め定められた座標点を回転中心座標として予め定められた角度ずつ回転させた座標系における当該位置座標情報に座標変換処理する機能と、
前記角度ずつ座標変換処理された前記座標系各々での前記位置座標情報により、当該座標系各々での前記画像欠陥の発生状況を検出する機能と、
前記座標系各々での前記画像欠陥の発生状況に基づき、当該画像欠陥の前記位置座標情報に対して施す前記座標変換処理での座標回転角を設定する機能と、
前記座標回転角だけ回転させた座標系での前記位置座標情報を用いて前記画像欠陥を特徴付ける特徴量を抽出する機能と
を実現させることを特徴とするプログラム。
【請求項１４】
前記画像欠陥の発生状況を検出する機能は、前記座標系各々での前記画像欠陥に関して前記検査対象画像の主走査方向における位置のばらつき量を算出し、算出された当該ばらつき量に応じて当該画像欠陥の発生状況を検出することを特徴とする請求項１３記載のプログラム。
【請求項１５】
前記特徴量を抽出する機能は、前記画像欠陥が前記検査対象画像での副走査方向に沿って一定の間隔毎に位置する周期性に関する前記特徴量を抽出することを特徴とする請求項１３記載のプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３−１】
【図１３−２】
【図１４】
【図１５】
【図１６】
【図１７−１】
【図１７−２】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３−１】
【図１３−２】
【図１４】
【図１５】
【図１６】
【図１７−１】
【図１７−２】
【公開番号】特開２０１１−２９７９４（Ｐ２０１１−２９７９４Ａ）
【公開日】平成２３年２月１０日（２０１１．２．１０）
【国際特許分類】
【出願番号】特願２００９−１７１６５６（Ｐ２００９−１７１６５６）
【出願日】平成２１年７月２２日（２００９．７．２２）
【出願人】（０００００５４９６）富士ゼロックス株式会社 (21,908)
【Ｆターム（参考）】
【公開日】平成２３年２月１０日（２０１１．２．１０）
【国際特許分類】
【出願日】平成２１年７月２２日（２００９．７．２２）
【出願人】（０００００５４９６）富士ゼロックス株式会社 (21,908)
【Ｆターム（参考）】
[ Back to top ]