CN114666450A - 图像处理方法和图像处理装置 - Google Patents
图像处理方法和图像处理装置 Download PDFInfo
- Publication number
- CN114666450A CN114666450A CN202111580894.2A CN202111580894A CN114666450A CN 114666450 A CN114666450 A CN 114666450A CN 202111580894 A CN202111580894 A CN 202111580894A CN 114666450 A CN114666450 A CN 114666450A
- Authority
- CN
- China
- Prior art keywords
- image
- noise point
- processing
- noise
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 218
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 183
- 230000007547 defect Effects 0.000 claims abstract description 26
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 234
- 238000012937 correction Methods 0.000 claims description 66
- 238000011161 development Methods 0.000 claims description 59
- 230000002159 abnormal effect Effects 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000003909 pattern recognition Methods 0.000 claims description 30
- 108091008695 photoreceptors Proteins 0.000 claims description 29
- 238000007781 pre-processing Methods 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 8
- 230000002950 deficient Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000008685 targeting Effects 0.000 claims 1
- 238000012546 transfer Methods 0.000 description 37
- 239000013598 vector Substances 0.000 description 26
- 239000003086 colorant Substances 0.000 description 22
- 239000002699 waste material Substances 0.000 description 17
- 238000006243 chemical reaction Methods 0.000 description 14
- 230000000737 periodic effect Effects 0.000 description 13
- 230000006835 compression Effects 0.000 description 11
- 238000007906 compression Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 238000004140 cleaning Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00026—Methods therefor
- H04N1/00029—Diagnosis, i.e. identifying a problem by comparison with a normal state
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
- G03G15/00—Apparatus for electrographic processes using a charge pattern
- G03G15/50—Machine control of apparatus for electrographic processes using a charge pattern, e.g. regulating differents parts of the machine, multimode copiers, microprocessor control
- G03G15/5075—Remote control machines, e.g. by a host
- G03G15/5087—Remote control machines, e.g. by a host for receiving image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/12—Detection or correction of errors, e.g. by rescanning the pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/16—Image preprocessing
- G06V30/164—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00092—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for relating to the original or to the reproducing medium, e.g. imperfections or dirt
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30144—Printing quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
- H04N2201/0077—Types of the still picture apparatus
- H04N2201/0094—Multifunctional device, i.e. a device capable of all of reading, reproducing, copying, facsimile transception, file transception
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Image Processing (AREA)
- Control Or Security For Electrophotography (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Electrophotography (AREA)
- Facsimiles In General (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
Abstract
本发明提供图像处理方法和图像处理装置。处理器根据测试图像来判定图像不良的原因,所述测试图像通过针对图像形成装置的输出薄片体的图像读取处理而得到。所述处理器生成将所述测试图像中的作为图像不良的一种的噪声点抽出的抽出图像。而且,所述处理器使用所述抽出图像中的所述噪声点的边缘强度、所述噪声点的扁平程度、以及作为横切所述噪声点的像素列的横切像素列中的像素值分布中的至少一方,来判定所述噪声点的原因。
Description
技术领域
本发明涉及根据测试图像判定图像不良的原因的图像处理方法和图像处理装置。
背景技术
打印机或复合机等图像形成装置执行在薄片体上形成图像的打印处理。在所述打印处理中,形成在输出薄片体上的图像有时会产生纵条纹、横条纹或噪声点等图像不良。
例如,在所述图像形成装置是以电子照相方式执行所述打印处理的装置的情况下,所述图像不良的原因可以考虑感光体、带电部、显影部和转印部等各种部分。而且,所述图像不良的原因的判定需要熟练经验。
此外,在图像处理装置中,已知的是,引起作为所述图像不良的一例的纵条纹的现象与所述纵条纹的颜色、浓度或屏线数等特征信息被预先作为表格数据建立关联,根据测试图像中的所述纵条纹的图像的颜色、浓度或屏线数的信息以及所述表格数据,来确定引起所述纵条纹的现象。
所述表格数据是如下的数据:按照引起所述纵条纹的现象的种类,利用阈值设定图像的颜色、浓度或屏线数等参数的范围。
可是,作为所述图像不良的一种的噪声点可能是因异常显影、载体显影或废调色剂掉落等各种原因而产生的。
所述异常显影是点状的不良调色剂像利用所述图像形成装置的显影部而显影于所述感光体的表面,进而向薄片体转印的现象。所述载体显影是双组分显影剂中的与所述调色剂混合的磁性载体向所述感光体转移,进而向薄片体转印的现象。
所述废调色剂掉落是将调色剂像向薄片体转印的中间转印带上附着的废调色剂转印于所述薄片体的现象。所述废调色剂是从带清洁装置逆流回所述中间转印带的调色剂,所述带清洁装置将残留调色剂从所述中间转印带除去。
如果不是熟练者,则难以准确判定所述噪声点的原因。此外,用于消除所述噪声点的对策对应于所述噪声点的原因而不同。
发明内容
本发明的目的在于提供一种图像处理方法和图像处理装置,可以根据测试图像准确判定作为图像不良的一种的噪声点的原因,所述测试图像通过针对图像形成装置的输出薄片体的图像读取处理而得到。
本发明一方面的图像处理方法是处理器根据测试图像来判定图像不良的原因的方法,所述测试图像通过针对图像形成装置的输出薄片体的图像读取处理而得到。所述图像处理方法包括所述处理器生成将所述测试图像中的作为所述图像不良的一种的噪声点抽出的抽出图像。而且,所述图像处理方法包括所述处理器使用所述抽出图像中的所述噪声点的边缘强度、所述噪声点的扁平程度、以及作为横切所述噪声点的像素列的横切像素列中的像素值分布中的至少一方,来判定所述噪声点的原因。
本发明另一方面的图像处理装置包括执行所述图像处理方法的处理的处理器。
按照本发明,可以提供一种图像处理方法和图像处理装置,可以根据测试图像准确判定作为图像不良的一种的噪声点的原因,所述测试图像通过针对图像形成装置的输出薄片体的图像读取处理而得到。
本说明书适当地参照附图,通过使对以下详细说明中记载的概念进行总结的内容简略化的方式来进行介绍。本说明书的意图并不是限定权利要求中记载的主题的重要特征和本质特征,此外,意图也不是限定权利要求中记载的主题的范围。此外,在权利要求中记载的对象,并不限定于解决本发明中任意部分中记载的一部分或全部缺点的实施方式。
附图说明
图1是实施方式的图像处理装置的构造图。
图2是表示实施方式的图像处理装置中的数据处理部的构造的框图。
图3是表示实施方式的图像处理装置中的图像不良判定处理的步骤的一例的流程图。
图4是表示实施方式的图像处理装置中的特异不良判定处理的步骤的一例的流程图。
图5是表示实施方式的图像处理装置中的噪声点判定处理的步骤的一例的流程图。
图6是表示实施方式的图像处理装置中的电压修正处理的步骤的一例的流程图。
图7是表示包含特异部的测试图像的一例、以及基于所述测试图像生成的前处理图像和特征图像的一例的图。
图8是表示在实施方式的图像处理装置的主滤波处理中从测试图像依次选择的关注区域和邻接区域的一例的图。
图9是表示噪声点、横切像素列中的像素值分布和横切像素列中的微分值分布的一例的图,图9A是表示噪声点的症状为轻度的情况的图,图9B是表示噪声点的症状为中度的情况的图,图9C是表示噪声点的症状为重度的情况的图。
图10是表示测试图像中的作为原本描绘部的一例的多线屏的图。
图11是表示测试图像中的噪声点与原本描绘部的位置关系的一例的图。
图12是表示实施方式的图像处理装置的第一应用例中的特征图像生成处理的步骤的一例的流程图。
图13是表示实施方式的图像处理装置的第二应用例中的特征图像生成处理的步骤的一例的流程图。
图14是表示实施方式的图像处理装置的第三应用例中的特征图像生成处理的步骤的一例的流程图。
图15是表示实施方式的图像处理装置的第四应用例中的特征图像生成处理的步骤的一例的流程图。
具体实施方式
以下,参照附图说明本发明的实施方式。另外,以下的实施方式是将本发明具体化的一例,并不用于限定本发明的技术范围。
(图像处理装置10的构造)
如图1所示,实施方式的图像处理装置10具备执行打印处理的图像形成装置2。所述打印处理是在薄片体上形成图像的处理。所述薄片体为纸张或薄片体状的树脂构件等图像形成介质。
而且,图像处理装置10还具备用于执行从原稿读取图像的读取处理的图像读取装置1。例如,图像处理装置10为复印机、传真机或复合机等。
图像处理装置10除了具备图像形成装置2和图像读取装置1以外,还具备数据处理部8和人机界面装置800。人机界面装置800包含操作部801和显示部802。
作为所述打印处理的对象的图像是由图像读取装置1从所述原稿读取的图像或从未图示的主机装置接收的打印数据所示的图像等。所述主机装置为个人计算机或便携信息终端等信息处理装置。
而且,图像形成装置2有时也在所述薄片体上形成由所述打印处理预先决定的原测试图像g01(参照图7)。原测试图像g01是用于判定图像形成装置2中有无图像不良和原因的测试图像g1的基础图像(参照图7)。测试图像g1如后所述。
包含图像读取装置1的所述读取处理以及基于所述读取处理得到的图像的图像形成装置2的所述打印处理的处理为复印处理。
如图1所示,图像形成装置2具备薄片体输送机构3和打印部4。薄片体输送机构3包含薄片体送出机构31和多组薄片体输送辊对32。
薄片体送出机构31将所述薄片体从薄片体收容部21向薄片体输送通道30送出。多组薄片体输送辊对32沿着薄片体输送通道30输送所述薄片体,并将形成有图像的所述薄片体向排出盘22排出。
打印部4针对由薄片体输送机构3输送的所述薄片体执行所述打印处理。在本实施方式中,打印部4以电子照相方式执行所述打印处理。
打印部4具备图像制作部4x、偏压输出电路430、激光扫描单元4y、转印装置44和定影装置46。图像制作部4x包含鼓状的感光体41、带电装置42、显影装置43和鼓清洁装置45。
感光体41旋转,带电装置42使感光体41的表面均匀带电。带电装置42包含在与感光体41的表面接触的状态下旋转的带电辊42a。带电装置42通过带电辊42a向感光体41输出带电电压,由此使感光体41的表面带电。
激光扫描单元4y通过扫描激光而向带电的感光体41的表面写入静电潜影。
显影装置43使所述静电潜影显影为调色剂像。感光体41是承载所述调色剂像的像载体的一例。显影装置43具备显影辊43a、显影槽43b和限制板43c等。显影槽43b是收容调色剂的容器。
显影辊43a通过承载显影槽43b内的所述调色剂并旋转,从而向感光体41的表面供给所述调色剂。偏压输出电路430向各显影辊43a施加显影偏压。所述显影偏压的基准电位是感光体41的电位。在本实施方式中,偏压输出电路430可修正所述显影偏压。
所述限制板是限制承载于显影辊43a的所述调色剂的层的厚度的构件。另外,与四种显影色对应的四个显影装置43分别是显影部的一例。
转印装置44将感光体41的表面的所述调色剂像转印于所述薄片体。另外,所述调色剂是粒状的显影剂的一例。
定影装置46通过对所述薄片体上的所述调色剂像进行加热,从而将所述调色剂像定影于所述薄片体。定影装置46具备与所述薄片体接触并旋转的定影旋转体46a、以及对定影旋转体46a进行加热的定影加热器46b。
图1所示的图像形成装置2为串列式的彩色打印装置,能执行彩色图像的所述打印处理。因此,打印部4具备分别与不同颜色的调色剂对应的四个图像制作部4x。四个图像制作部4x各自的显影色不同。
此外,在串列式的图像形成装置2中,转印装置44包含与四个感光体41对应的四个一次转印辊441、中间转印带440、二次转印辊442和带清洁装置443。
四个图像制作部4x分别在感光体41的表面形成青色、品红色、黄色和黑色的所述调色剂像。各一次转印辊441也分别是各图像制作部4x的一部分。
在各图像制作部4x中,一次转印辊441边旋转边将中间转印带440向感光体41的表面压靠。一次转印辊441将所述调色剂像从感光体41向中间转印带440转印。由此,在中间转印带440上形成由四色的所述调色剂像构成的彩色图像。
在各图像制作部4x中,鼓清洁装置45将未转印于中间转印带440而残留在感光体41上的调色剂从感光体41除去并回收。
二次转印辊442将中间转印带440上的四色的所述调色剂像转印于所述薄片体。另外,在图像处理装置10中,中间转印带440是将所述调色剂像转印于所述薄片体的转印体的一例。
带清洁装置443将未转印于所述薄片体而残留在中间转印带440上的调色剂从中间转印带440除去并回收。
数据处理部8执行与所述打印处理或所述读取处理相关的各种数据处理,而且控制各种电气设备。
操作部801是接受用户的操作的装置。例如,操作部801包含按钮和触摸面板的一方或双方。显示部802包含用于显示向用户提示的信息的显示面板。
如图2所示,数据处理部8具备CPU(Central Processing Unit:中央处理器)80、RAM(Random Access Memory:随机存储器)81、二次存储装置82和通信装置83。
CPU80可执行通信装置83的接收数据的处理、各种图像处理和图像形成装置2的控制。所述接收数据有时包含所述打印数据。CPU80是执行包含所述图像处理的数据处理的处理器的一例。另外,CPU80也可以由DSP(Digital Signal Processor:数字信号处理器)等其他种类的处理器来实现。
通信装置83是通过LAN(Local Area Network:局域网)等网络与所述主机装置等其他装置之间进行通信的通信接口设备。CPU80与所述外部装置之间的数据的发送和接收均通过通信装置83进行。
二次存储装置82是计算机可读取的非易失性的存储装置。二次存储装置82存储由CPU80执行的所述计算机程序和CPU80所参照的各种数据。例如,采用闪存器或硬盘驱动器的一方或双方作为二次存储装置82。
RAM81是计算机可读取的易失性的存储装置。RAM81将CPU80执行的所述计算机程序以及在CPU80执行所述程序的过程中输出和参照的数据进行一次存储。
CPU80包含通过执行计算机程序而实现的多个处理模块。所述多个处理模块包含主控制部8a和作业控制部8b等。另外,所述多个处理模块的一部分或全部也可以由DSP之类的与CPU80不同的独立的处理器来实现。
主控制部8a执行与针对操作部801的操作对应的作业的选择处理、使显示部802显示信息的处理、以及设定各种数据的处理等。而且,主控制部8a也执行用于辨别通信装置83的接收数据的内容的处理。
作业控制部8b控制图像读取装置1和图像形成装置2。例如,在通信装置83的接收数据包含所述打印数据的情况下,作业控制部8b使图像形成装置2执行所述接收打印处理。
此外,在主控制部8a检测到针对操作部801的复印请求操作时,作业控制部8b使图像读取装置1执行所述读取处理,并且使图像形成装置2执行基于所述读取处理而得到的图像的所述打印处理。
在所述打印处理中,形成于输出薄片体的图像有时会产生纵条纹Ps11、横条纹Ps12或噪声点Ps13等图像不良(参照图7)。
如上所述,图像形成装置2以电子照相方式执行所述打印处理。在这种情况下,所述图像不良的原因可以考虑感光体41、带电装置42、显影装置43和转印装置44等各种部分。而且,所述图像不良的原因的判定需要熟练经验。
在本实施方式中,图像形成装置2执行在所述薄片体上形成预先决定的原测试图像g01的测试打印处理(参照图7)。
例如,在主控制部8a检测到针对操作部801的测试输出操作时,作业控制部8b使图像形成装置2执行所述测试打印处理。在以下的说明中,将形成有原测试图像g01的所述薄片体称为测试输出薄片体9(参照图1)。
而且,在执行了所述测试打印处理时,主控制部8a使显示部802显示预先决定的引导信息。所述引导信息是用于敦促在向图像读取装置1设置测试输出薄片体9的基础上,在操作部801进行读取开始操作的信息。
而且,当主控制部8a在显示部802显示了所述引导信息之后检测到针对操作部801的读取开始操作时,作业控制部8b使图像读取装置1执行所述读取处理。由此,由图像读取装置1从由图像形成装置2输出的测试输出薄片体9读取原测试图像g01,得到与原测试图像g01对应的读取图像。
而且,如后所述,CPU80根据所述读取图像或测试图像g1,执行判定所述图像不良的有无和原因的处理(参照图7),测试图像g1是所述读取图像被压缩而得到的图像。CPU80是执行用于判定所述图像不良的有无和原因的图像处理方法的处理的处理器的一例。
另外,从测试输出薄片体9读取原测试图像g01的装置例如也可以是数码相机。另外,图像读取装置1或所述数码相机从测试输出薄片体9读取原测试图像g01的处理是针对测试输出薄片体9的图像读取处理的一例。
作为所述图像不良的一种的噪声点Ps13可能因异常显影、载体显影或废调色剂掉落等各种原因而产生。
所述异常显影是由图像形成装置2的显影装置43将点状的不良调色剂像显影于感光体41的表面,进而向所述薄片体转印的现象。
所述载体显影是双组分显影剂中的与所述调色剂混合的磁性载体向感光体41转移,进而向所述薄片体转印的现象。由于周围的环境或所述磁性载体的劣化等主要原因,所述磁性载体有时会从显影辊43a转移到感光体41的表面。在这种情况下,所述磁性载体利用转印装置44而从感光体41的表面向所述薄片体转印。通常,所述磁性载体的颜色是黑色系的颜色。
所述废调色剂掉落是将调色剂像向所述薄片体转印的中间转印带440上附着的废调色剂被转印于所述薄片体的现象。所述废调色剂是从带清洁装置443逆流回中间转印带440的调色剂,所述带清洁装置443将残留调色剂从中间转印带440除去。有时所述废调色剂在被暂时回收于带清洁装置443之后,向中间转印带440转移。通常,所述废调色剂的颜色是多个显影色混合后的颜色。
如果不是熟练者,则难以准确判定噪声点Ps13的原因。此外,用于消除噪声点Ps13的对策根据噪声点Ps13的原因而不同。
CPU80通过执行后述的图像不良判定处理,从而可以根据测试图像g1准确判定作为所述图像不良的一种的噪声点Ps13的原因,其中,通过针对测试输出薄片体9的所述图像读取处理而得到所述测试图像g1。
在以下的说明中,作为CPU80的处理对象的测试图像g1等图像为数码图像数据。所述数码图像数据构成针对三原色分别包含多个像素值的映射数据,多个像素值对应于主扫描方向D1以及与主扫描方向D1交叉的副扫描方向D2的二维坐标区域。所述三原色例如是红色、绿色和蓝色。另外,副扫描方向D2与主扫描方向D1正交。另外,主扫描方向D1是测试图像g1中的横向,副扫描方向D2是测试图像g1中的纵向。
在本实施方式中,测试图像g1是与图像形成装置2中的多个显影色对应的分别同样的多个单色半色调图像合成的混色半色调图像。所述多个单色半色调图像分别是以预先决定的中间浓淡度的基准浓度同样形成的图像。
例如,原测试图像g01和测试图像g1是与图像形成装置2中的多个显影色对应的分别同样的多个单色半色调图像合成的混色半色调图像。所述多个单色半色调图像分别是以预先决定的中间浓淡度的基准浓度同样形成的图像。
在本实施方式中,原测试图像g01和测试图像g1是与图像形成装置2中的全部显影色对应的分别同样的四个单色半色调图像合成的混色半色调图像。在所述测试打印处理中,输出包含一个原测试图像g01的一张测试输出薄片体9。因此,与原测试图像g01对应的一个测试图像g1是所述图像不良的确定对象。本实施方式中的测试图像g1是混色测试图像的一例。
此外,为了执行所述图像不良判定处理,CPU80中的所述多个处理模块还包含特征图像生成部8c、特异部确定部8d、颜色矢量确定部8e、周期性判定部8f、图案识别部8g和噪声点判定部8h(参照图2)。
(图像不良判定处理)
以下参照图3所示的流程图,说明所述图像不良判定处理的步骤的一例。在以下的说明中,S101、S102、……表示所述图像不良判定处理中的多个工序的识别符号。
在显示部802显示了所述引导信息之后,当根据针对操作部801的所述读取开始操作而执行了所述读取处理时,主控制部8a使特征图像生成部8c执行所述图像不良判定处理中的工序S101的处理。
(工序S101)
在工序S101中,特征图像生成部8c从针对测试输出薄片体9的所述图像读取处理中得到的所述读取图像生成测试图像g1。
例如,特征图像生成部8c把从所述读取图像除去外缘的余白区域所得到的所述原图像的部分作为测试图像g1抽出。
或者,特征图像生成部8c利用压缩处理,生成测试图像g1,所述压缩处理将从所述读取图像除去外缘的余白区域所得到的所述原图像的部分压缩到预先决定的基准分辨率。在所述读取图像的分辨率高于所述基准分辨率的情况下,特征图像生成部8c将所述读取图像压缩。在生成了测试图像g1之后,主控制部8a使处理转移到工序S102。
(工序S102)
在工序S102中,特征图像生成部8c开始后述的特异不良判定处理。所述特异不良判定处理是判定测试图像g1中的纵条纹Ps11、横条纹Ps12或噪声点Ps13等特异部Ps1的有无以及特异部Ps1的发生原因的处理(参照图7)。特异部Ps1是所述图像不良的一例。
而且,在所述特异不良判定处理结束时,主控制部8a使处理转移到工序S103。
(工序S103)
在工序S103中,在利用工序S102的处理判定为产生所述图像不良的情况下,主控制部8a使处理转移到工序S104,否则使处理转移到工序S105。
(工序S104)
在工序S104中,主控制部8a执行不良对应处理,所述不良对应处理与利用工序S102的处理而判定为发生的所述图像不良的种类和原因预先相关联。
例如,所述不良对应处理包含以下所示的第一对应处理和第二对应处理的一方或双方。所述第一对应处理是如下的处理:使显示部802显示所述图像不良的原因的判定结果,以及表示与所述图像不良的原因对应的对策的信息。
在所述图像不良的原因包含噪声点Ps13的原因的情况下,所述第一对应处理是将噪声点Ps13的判定结果通过通知装置通知的处理的一例。显示部802是所述通知装置的一例。表示所述对策的信息例如是用于敦促更换或清扫与所述图像不良的原因对应的部件的信息。
所述第二对应处理是为了消除或缓和所述图像不良而修正图像制作参数的处理。所述图像制作参数是与图像制作部4x的控制相关的参数。在本实施方式中,在判定噪声点Ps13的原因为所述异常显影的情况下,主控制部8a执行后述的电压修正处理作为所述第二对应处理。
主控制部8a在执行了所述不良对应处理之后,使所述图像不良判定处理结束。
(工序S105)
另一方面,在工序S105中,主控制部8a在执行了表示未确定所述图像不良的正常通知的基础上,使所述图像不良判定处理结束。
(特异不良判定处理)
接下来,参照图4所示的流程图,说明工序S102的所述特异不良判定处理的步骤的一例。在以下的说明中,S201、S202、……表示所述特异不良判定处理中的多个工序的识别符号。所述特异不良判定处理从工序S201开始。
(工序S201)
首先,在工序S201中,特征图像生成部8c通过对测试图像g1执行预先决定的特征抽出处理,从而生成多个特征图像g21、g22、g23。特征图像g21、g22、g23分别是抽出了测试图像g1中的预先决定的特定种类的特异部Ps1的图像。
在本实施方式中,多个特征图像g21、g22、g23包含第一特征图像g21、第二特征图像g22和第三特征图像g23(参照图7)。
第一特征图像g21是抽出了测试图像g1中的纵条纹Ps11的图像。第二特征图像g22是抽出了测试图像g1中的横条纹Ps12的图像。第三特征图像g23是抽出了测试图像g1中的噪声点Ps13的图像。
在本实施方式中,所述特征抽出处理包含第一前处理、第二前处理和特异部抽出处理。在以下的说明中,将从测试图像g1依次选择的像素称为关注像素Px1(参照图7、8)。
特征图像生成部8c通过以主扫描方向D1为处理方向Dx1来执行针对测试图像g1的所述第一前处理,从而生成第一前处理图像g11(参照图7)。
而且,特征图像生成部8c通过以副扫描方向D2为处理方向Dx1来执行针对测试图像g1的所述第二前处理,从而生成第二前处理图像g12(参照图7)。
而且,特征图像生成部8c通过执行针对第一前处理图像g11和第二前处理图像g12的所述特异部抽出处理,从而生成三个特征图像g21、g22、g23。
所述第一前处理包含以主扫描方向D1为处理方向Dx1的主滤波处理。所述主滤波处理是将从测试图像g1依次选择的关注像素Px1的像素值转换为转换值的处理,其中,利用使关注区域Ax1的像素值与两个邻接区域Ax2的像素值之差突出的处理而得到所述转换值(参照图7、8)。
关注区域Ax1是包含关注像素Px1的区域,两个邻接区域Ax2是相对于关注区域Ax1在预先设定的处理方向Dx1上在两侧邻接的区域。关注区域Ax1和邻接区域Ax2分别是包含一个以上的像素的区域。
关注区域Ax1和邻接区域Ax2的尺寸对应于应抽出的纵条纹Ps11或横条纹Ps12的宽度、或者应抽出的噪声点Ps13的大小而设定。
关注区域Ax1和邻接区域Ax2分别在与处理方向Dx1交叉的方向上占据相同范围。在图8的示例中,关注区域Ax1是以关注像素Px1为中心呈3列7行的21个像素的区域。邻接区域Ax2也分别是呈3列7行的21个像素的区域。另外,在关注区域Ax1和邻接区域Ax2中,行数是沿着处理方向Dx1的行的数量,列数是沿着与处理方向Dx1交叉的方向的行的数量。关注区域Ax1和邻接区域Ax2各自的大小被预先设定。
在所述主滤波处理中,关注区域Ax1的各像素值采用预先决定的第一修正系数K1而转换为第一修正值,邻接区域Ax2各自的各像素值采用预先决定的第二修正系数K2而转换为第二修正值。
例如,第一修正系数K1是与关注区域Ax1的各像素值相乘的1以上的系数,第二修正系数K2是与邻接区域Ax2的各像素值相乘的小于0的系数。在这种情况下,以使第一修正系数K1乘以关注区域Ax1的像素数所得到的值、以及第二修正系数K2乘以两个邻接区域Ax2的像素数所得到的值的合计为零的方式,来设定第一修正系数K1和第二修正系数K2。
特征图像生成部8c通过将关注区域Ax1的各像素值乘以第一修正系数K1,从而导出与关注区域Ax1的各像素对应的所述第一修正值,并且通过将两个邻接区域Ax2的各像素值乘以第二修正系数K2,从而导出与两个邻接区域Ax2的各像素对应的所述第二修正值。而且,特征图像生成部8c导出综合了所述第一修正值和所述第二修正值的值,作为关注像素Px1的像素值的所述转换值。
而且,特征图像生成部8c通过将与关注区域Ax1的多个像素对应的多个所述第一修正值的合计值或平均值、以及与两个邻接区域Ax2的多个像素对应的多个所述第二修正值的合计值或平均值相加,从而导出所述转换值。
所述转换值的绝对值成为将关注区域Ax1的像素值与两个邻接区域Ax2的像素值之差的绝对值放大所得到的值。导出综合了所述第一修正值和所述第二修正值的所述转换值的处理,是突出关注区域Ax1的像素值与两个邻接区域Ax2的像素值之差的处理的一例。
另外,也可以考虑第一修正系数K1为负数,第二修正系数K2为正数的情况。
例如,可以考虑特征图像生成部8c生成第一主映射数据作为第一前处理图像g11,所述第一主映射数据包含利用以主扫描方向D1为处理方向Dx1的所述主滤波处理而得到的多个所述转换值。
如图7所示,在测试图像g1包含纵条纹Ps11和噪声点Ps13的一方或双方的情况下,利用以主扫描方向D1为处理方向Dx1的所述主滤波处理,生成抽出了测试图像g1所含的纵条纹Ps11和噪声点Ps13的一方或双方的所述第一主映射数据。
此外,在测试图像g1包含横条纹Ps12的情况下,利用以主扫描方向D1为处理方向Dx1的所述主滤波处理,生成除去了测试图像g1所含的横条纹Ps12的所述第一主映射数据。
另外,纵条纹Ps11相当于第一特异部,横条纹Ps12相当于第二特异部,噪声点Ps13相当于第三特异部。
另一方面,所述第二前处理包含以副扫描方向D2为处理方向Dx1的所述主滤波处理。
例如,可以考虑特征图像生成部8c生成第二主映射数据作为第二前处理图像g12,所述第二主映射数据包含利用以副扫描方向D2为处理方向Dx1的所述主滤波处理而得到的多个所述转换值。
如图7所示,在测试图像g1包含横条纹Ps12和噪声点Ps13的一方或双方的情况下,利用以副扫描方向D2为处理方向Dx1的所述主滤波处理,生成抽出了测试图像g1所含的横条纹Ps12和噪声点Ps13的一方或双方的所述第二主映射数据。
此外,在测试图像g1包含纵条纹Ps11的情况下,利用以副扫描方向D2为处理方向Dx1的所述主滤波处理,生成除去了测试图像g1所含的纵条纹Ps11的所述第二主映射数据。
可是,在所述主滤波处理中,在特异部Ps1中的处理方向Dx1的两端的边缘部中,有时会导出相对于表示原本的特异部Ps1的状态的所述转换值而正负相反的错误的所述转换值。这样的错误的所述转换值在作为表示特异部Ps1的像素值被处理的情况下,有可能给所述图像不良的判定带来恶劣影响。
因此,在本实施方式中,所述第一前处理除了包含以主扫描方向D1为处理方向Dx1的所述主滤波处理以外,还包含以主扫描方向D1为处理方向Dx1的边缘突出滤波处理。
同样,所述第二前处理除了包含以副扫描方向D2为处理方向Dx1的所述主滤波处理以外,还包含以副扫描方向D2为处理方向Dx1的所述边缘突出滤波处理。
所述边缘突出滤波处理是将关注区域Ax1、以及两个邻接区域Ax2中的预先决定的一方作为对象,进行边缘突出的处理。
具体而言,所述边缘突出滤波处理是将从测试图像g1依次选择的关注像素Px1的像素值转换为边缘强度的处理,其中,所述边缘强度综合了将关注区域Ax1的像素值用正或负的第三修正系数K3修正所得到的第三修正值,以及将一方的邻接区域Ax2的像素值用与第三修正系数K3正负相反的第四修正系数K4修正所得到的第四修正值(参照图7)。
在图7的示例中,第三修正系数K3是正的系数,第四修正系数K4是负的系数。以第三修正系数K3乘以关注区域Ax1的像素数所得到的值、以及第四修正系数K4乘以一方的邻接区域Ax2的像素数所得到的值的合计为零的方式,来设定第三修正系数K3和第四修正系数K4。
通过以主扫描方向D1为处理方向Dx1来执行所述边缘突出滤波处理,从而生成测试图像g1的各像素值被转换为所述边缘强度的横边缘强度映射数据。
同样,通过以副扫描方向D2为处理方向Dx1来执行所述边缘突出滤波处理,从而生成测试图像g1的各像素值被转换为所述边缘强度的纵边缘强度映射数据。
在本实施方式中,特征图像生成部8c利用以主扫描方向D1为处理方向Dx1的所述主滤波处理,生成所述第一主映射数据。
而且,特征图像生成部8c通过执行以主扫描方向D1为处理方向Dx1的所述边缘突出滤波处理,从而生成所述横边缘强度映射数据。
而且,特征图像生成部8c通过将所述第一主映射数据的各像素值用对应的所述横边缘强度映射数据的各像素值进行修正,从而生成第一前处理图像g11。例如,特征图像生成部8c通过在所述第一主映射数据的各像素值上加上所述横边缘强度映射数据的各像素值的绝对值,从而生成第一前处理图像g11。
同样,特征图像生成部8c通过执行以副扫描方向D2为处理方向Dx1的所述主滤波处理,从而生成所述第二主映射数据。
而且,特征图像生成部8c通过执行以副扫描方向D2为处理方向Dx1的所述边缘突出滤波处理,从而生成所述纵边缘强度映射数据。
而且,特征图像生成部8c通过将所述第二主映射数据的各像素值用对应的所述纵边缘强度映射数据的各像素值进行修正,从而生成第二前处理图像g12。例如,特征图像生成部8c通过在所述第二主映射数据的各像素值上加上所述纵边缘强度映射数据的各像素值的绝对值,从而生成第二前处理图像g12。
所述特异部抽出处理是用于生成三个特征图像g21、g22、g23的处理,所述三个特征图像g21、g22、g23将第一前处理图像g11或第二前处理图像g12所含的纵条纹Ps11、横条纹Ps12和噪声点Ps13分别单独抽出。三个特征图像g21、g22、g23为第一特征图像g21、第二特征图像g22和第三特征图像g23。
第一特征图像g21是如下的图像:其从第一前处理图像g11和第二前处理图像g12中的一个以上的有效像素构成的特异部Ps1中,抽出了存在于第一前处理图像g11且第一前处理图像g11和第二前处理图像g12非共通的特异部Ps1。第一特征图像g21不包含横条纹Ps12和噪声点Ps13,在第一前处理图像g11包含纵条纹Ps11的情况下,第一特征图像g21包含所述纵条纹Ps11。
另外,所述有效像素是将测试图像g1中的各像素值或基于各像素值的指标值与预先决定的阈值进行比较而能够与其他像素区分的像素。
第二特征图像g22是如下的图像:其从第一前处理图像g11和第二前处理图像g12中的特异部Ps1中,抽出了存在于第二前处理图像g12且第一前处理图像g11和第二前处理图像g12非共通的特异部Ps1。第二特征图像g22不包含纵条纹Ps11和噪声点Ps13,在第二前处理图像g12包含横条纹Ps12的情况下,第二特征图像g22包含所述横条纹Ps12。
第三特征图像g23是将第一前处理图像g11和第二前处理图像g12共通的特异部Ps1抽出的图像。第三特征图像g23不包含纵条纹Ps11和横条纹Ps12,在第一前处理图像g11和第二前处理图像g12包含噪声点Ps13的情况下,第三特征图像g23包含所述噪声点Ps13。
可以考虑从第一前处理图像g11和第二前处理图像g12生成三个特征图像g21、g22、g23的各种方法。
例如,特征图像生成部8c通过将第一前处理图像g11中的超过预先决定的基准值的各像素值亦即第一像素值Xi、以及第二前处理图像g12中的超过所述基准值的各像素值亦即第二像素值Yi应用到以下的式(1),从而导出指标值Zi。其中,下标i是各像素的位置的识别编号。
(算式1)
Zi=(|Xi|-|Yi|)/(|Xi|+|Yi|)…(1)
构成纵条纹Ps11的像素的指标值Zi是相对较大的正数。此外,构成横条纹Ps12的像素的指标值Zi是相对较小的负数。此外,构成噪声点Ps13的像素的指标值Zi为0或接近0的值。指标值Zi是第一前处理图像g11和第二前处理图像g12中的对应的各像素值之差的指标值的一例。
指标值Zi的上述性质可以用于简化从第一前处理图像g11抽出纵条纹Ps11、从第二前处理图像g12抽出横条纹Ps12、以及从第一前处理图像g11或第二前处理图像g12抽出噪声点Ps13的处理。
例如,特征图像生成部8c通过将第一前处理图像g11中的第一像素值Xi转换为由以下的式(2)导出的第一特异度Pi,从而生成第一特征图像g21。由此,生成从第一前处理图像g11抽出了纵条纹Ps11的第一特征图像g21。
(算式2)
Pi=Xi·Zi···(2)
而且,特征图像生成部8c通过将第二前处理图像g12中的第二像素值Yi转换为由以下的式(3)导出的第二特异度Qi,从而生成第二特征图像g22。由此,生成从第二前处理图像g12抽出了横条纹Ps12的第二特征图像g22。
(算式3)
Qi=Yi·(-Zi)···(3)
而且,特征图像生成部8c通过将第一前处理图像g11中的第一像素值Xi转换为由以下的式(4)导出的第三特异度Ri,从而生成第三特征图像g23。由此,生成从第一前处理图像g11抽出了噪声点Ps13的第三特征图像g23。
(算式4)
Ri=Xi·(1-Zi)···(4)
或者,特征图像生成部8c也可以通过将第二前处理图像g12中的第二像素值Yi转换为由以下的式(5)导出的第三特异度Ri,从而生成第三特征图像g23。由此,生成从第二前处理图像g12抽出了噪声点Ps13的第三特征图像g23。
(算式5)
Ri=Yi·(Zi-1)···(5)
如上所示,特征图像生成部8c利用将第一前处理图像g11的各像素值通过基于指标值Zi的预先决定的式(2)进行转换的处理,生成第一特征图像g21。式(2)是第一转换式的一例。
而且,特征图像生成部8c利用将第二前处理图像g12的各像素值通过基于指标值Zi的预先决定的式(3)进行转换的处理,生成第二特征图像g22。式(3)是第二转换式的一例。
而且,特征图像生成部8c利用将第一前处理图像g11或第二前处理图像g12的各像素值通过基于指标值Zi的预先决定的式(4)或式(5)进行转换的处理,生成第三特征图像g23。式(4)和式(5)分别是第三转换式的一例。
工序S201中的生成第一特征图像g21、第二特征图像g22和第三特征图像g23的处理,是从第一前处理图像g11和第二前处理图像g12中的一个以上的特异部Ps1中,将纵条纹Ps11、横条纹Ps12和噪声点Ps13分别作为所述图像不良而抽出的处理的一例。
在工序S201中生成第三特征图像g23的处理,是用于生成抽出图像的处理的一例,所述抽出图像从第一前处理图像g11和第二前处理图像g12中的一个以上的特异部Ps1中,将第一前处理图像g11和第二前处理图像g12共通的特异部作为噪声点Ps13抽出。第三特征图像g23是所述抽出图像的一例。
在生成了特征图像g21、g22、g23后,特征图像生成部8c使处理转移到工序S202。
(工序S202)
在工序S202中,特异部确定部8d确定各特征图像g21、g22、g23中的特异部Ps1的位置。工序S201、S202的处理是确定测试图像g1中的多个有效像素构成的特异部Ps1的处理的一例。
例如,特异部确定部8d将各特征图像g21、g22、g23中的具有偏离预先决定的基准范围的像素值的部分判定为特异部Ps1。在工序S202中,从第一特征图像g21确定纵条纹Ps11,从第二特征图像g22确定横条纹Ps12,从第三特征图像g23确定噪声点Ps13。
此外,特异部确定部8d针对各特征图像g21、g22、g23执行结合处理。所述结合处理是如下的处理:在多个特异部Ps1在主扫描方向D1和副扫描方向D2上分别存在于预先决定的接近范围内的情况下,将上述的多个特异部Ps1结合为一系列的一个特异部Ps1。
例如,在第一特征图像g21包含在所述接近范围内沿着副扫描方向D2分开间隔排列的两条纵条纹Ps11的情况下,特异部确定部8d利用所述结合处理将上述两条纵条纹Ps11结合为一条纵条纹Ps11。
同样,在第二特征图像g22包含在所述接近范围内沿着主扫描方向D1分开间隔排列的两条横条纹Ps12的情况下,特异部确定部8d利用所述结合处理将上述两条横条纹Ps12结合为一条横条纹Ps12。
此外,在第三特征图像g23包含在所述接近范围内沿着主扫描方向D1或副扫描方向D2分开间隔排列的多个噪声点Ps13的情况下,特异部确定部8d利用所述结合处理将上述多个噪声点Ps13结合为一个噪声点Ps13。
特异部确定部8d在执行了工序S202的处理后,使处理转移到工序S203。
(工序S203)
在工序S203中,特异部确定部8d执行针对第三特征图像g23的薄片体噪声除去处理。
所述薄片体噪声除去处理是如下的处理:从第三特征图像g23中的噪声点Ps13检测出测试输出薄片体9中的薄片体自身所含的点状的薄片体噪声,并从第三特征图像g23除去所述薄片体噪声。作为所述薄片体噪声除去处理的对象的第三特征图像g23是根据第一前处理图像g11和第二前处理图像g12而生成的图像。
所述薄片体有时具有在制造阶段形成的点状的所述薄片体噪声。由于所述薄片体噪声并非所述图像不良,所以希望将其从第三特征图像g23除去。
例如,特异部确定部8d根据在工序S202中得到的噪声点Ps13的位置,将第三特征图像g23中的包含噪声点Ps13的部分作为特征部抽出。
而且,特异部确定部8d将所述特征部作为输入图像,利用所述输入图像的图案识别,执行薄片体噪声图案识别处理来检测所述薄片体噪声,所述薄片体噪声图案识别处理判定所述输入图像是否为与所述薄片体噪声对应的图像。
而且,特异部确定部8d将检测出的所述薄片体噪声从第三特征图像g23除去。而且,特异部确定部8d从在工序S202中针对第三特征图像g23确定的噪声点Ps13的位置,将检测出的所述薄片体噪声的位置排除。即,特异部确定部8d将第三特征图像g23中的所述薄片体噪声视为并非特异部Ps1。
例如,特异部确定部8d将第三特征图像g23中的被判定为所述薄片体噪声的噪声点Ps13的部分的像素值转换为基于周围的像素值的插值,由此生成除去了所述薄片体噪声的第三特征图像g23。
例如,所述薄片体噪声图案识别处理是如下的处理:利用将与所述薄片体噪声对应的多个样本图像作为教师数据预先学习过的学习模型,判定所述输入图像是否为与所述薄片体噪声对应的图像。所述薄片体噪声图案识别处理是与后述的特征图案识别处理同样的处理。
与所述薄片体噪声图案识别处理对应的所述样本图像,是与测试输出薄片体9对应的测试图像g1中的包含所述薄片体噪声的所述特征部,其中,所述测试输出薄片体9在包含所述薄片体噪声的所述薄片体上形成有不含所述图像不良的原测试图像g01。
此外,与所述薄片体噪声图案识别处理对应的所述学习模型也可以按照所述薄片体的每个种类来准备。在这种情况下,主控制部8a按照针对操作部801的操作,从预先设定的多个候补中选择与测试输出薄片体9对应的所述薄片体的种类。
而且,特异部确定部8d根据与选择出的所述薄片体的种类对应的所述学习模型来执行所述薄片体噪声图案识别处理。
例如,所述学习模型为采用被称为随机森林的分类型的机器学习算法的模型、采用被称为SVM(Support Vector Machine:支持向量机)的机器学习算法的模型、或采用CNN(Convolutional Neural Network:卷积神经网络)算法的模型等。
而且,利用工序S202、S203的处理在三个特征图像g21、g22、g23中均未确定特异部Ps1的位置的情况下,特异部确定部8d使所述特异不良判定处理结束。另一方面,针对三个特征图像g21、g22、g23中的一个以上的特征图像确定了特异部Ps1的位置的情况下,特异部确定部8d使处理转移到工序S204。
另外,在后述的工序S204~S208中作为处理的对象的第三特征图像g23是所述薄片体噪声被除去的第三特征图像g23。
(工序S204)
在工序S204中,颜色矢量确定部8e确定颜色矢量,所述颜色矢量表示测试图像g1中的从特异部Ps1的颜色和包含特异部Ps1的周边的参照区域的颜色的一方朝向另一方的颜色空间内的矢量。
所述参照区域是以特异部Ps1为基准确定的预先决定的范围的区域。例如,所述参照区域是包含与特异部Ps1邻接的周边区域,而不包含特异部Ps1的区域。此外,所述参照区域也可以包含特异部Ps1和与特异部Ps1邻接的周边区域。
测试图像g1原本是同样的半色调图像。因此,在测试输出薄片体9上形成有良好的测试图像g1的情况下,不能确定特异部Ps1,测试图像g1的任意位置的所述颜色矢量也大体是零矢量。
另一方面,在确定了特异部Ps1的情况下,特异部Ps1与对应于所述特异部Ps1的所述参照区域之间的所述颜色矢量的方向,表示图像形成装置2中的四个显影色中的某一个的调色剂浓度的过剩或不足。
因此,所述颜色矢量的方向表示特异部Ps1产生的原因是图像形成装置2中的四个图像制作部4x中的某一个。
另外,颜色矢量确定部8e也可以将测试图像g1中的从特异部Ps1的颜色和预先决定的基准色的一方朝向另一方的颜色空间内的矢量,确定为所述颜色矢量。在这种情况下,所述基准色是测试图像g1的原本的颜色。
而且,在工序S204中,颜色矢量确定部8e根据所述颜色矢量,判定成为特异部Ps1的原因的显影色、以及所述显影色的浓度的过剩或不足的状态。
例如,在二次存储装置82中预先存储有多个单位矢量的信息,所述多个单位矢量的信息表示相对于测试图像g1的所述基准色,青色、品红色、黄色或黑色各自的浓度增大的方向和该浓度不足的方向。
颜色矢量确定部8e将所述颜色矢量标准化为预先决定的单位长度。而且,颜色矢量确定部8e判定标准化后的所述颜色矢量最近似于多个所述单位矢量中的哪一个。由此,颜色矢量确定部8e判定成为特异部Ps1的原因的显影色以及所述显影色的浓度的过剩或不足的状态。
而且,颜色矢量确定部8e在执行了工序S204的处理后,使处理转移到工序S205。
(工序S205)
在工序S205中,在第二特征图像g22和第三特征图像g23的一方或双方中确定了特异部Ps1的情况下,周期性判定部8f使处理转移到工序S206,否则使处理转移到工序S207。
在以下的说明中,将第二特征图像g22和第三特征图像g23中的确定了特异部Ps1的一方或双方称为周期性判定对象图像。所述周期性判定对象图像中的特异部Ps1是横条纹Ps12或噪声点Ps13(参照图7)。
(工序S206)
在工序S206中,周期性判定部8f针对所述周期性判定对象图像执行周期性特异部判定处理。所述周期性特异部判定处理包含数量判定处理、特异部周期性判定处理和特异部周期性原因判定处理。
所述数量判定处理是如下的处理:判定在所述周期性判定对象图像中沿着副扫描方向D2排列的特异部Ps1的数量。
具体而言,周期性判定部8f通过在第二特征图像g22中对占据主扫描方向D1的相同范围的部分超过预先决定的比率的横条纹Ps12沿着副扫描方向D2排列的数量进行计数,从而判定沿着副扫描方向D2排列的横条纹Ps12的数量。
而且,周期性判定部8f通过在第三特征图像g23中对主扫描方向D1的位置偏移处于预先决定的范围内的噪声点Ps13沿着副扫描方向D2排列的数量进行计数,从而判定沿着副扫描方向D2排列的噪声点Ps13的数量。
周期性判定部8f仅针对沿着副扫描方向D2排列的数量为两个以上的特异部Ps1执行所述特异部周期性判定处理。
此外,周期性判定部8f针对沿着副扫描方向D2排列的数量为一个的特异部Ps1,判定没有所述周期性,并跳过所述特异部周期性判定处理和所述特异部周期性原因判定处理。
所述特异部周期性判定处理是如下的处理:针对所述周期性判定对象图像判定有无副扫描方向D2上的预先决定的一个以上的周期性。
在各图像制作部4x或转印装置44中,所述周期性与感光体41、带电辊42a、显影辊43a或一次转印辊441等的图像制作相关的旋转体的外周长度对应。所述图像制作相关的旋转体的状态会影响到所述薄片体上形成的图像的好坏。在以下的说明中,将所述图像制作相关的旋转体称为图像制作旋转体。
在因所述图像制作旋转体的不良而产生所述图像不良的情况下,与所述图像制作旋转体的外周长度对应的所述周期性会显现为多个横条纹Ps12或多个噪声点Ps13的副扫描方向D2的间隔。
因此,在所述周期性判定对象图像具有与所述图像制作旋转体的外周长度对应的所述周期性的情况下,与所述周期性对应的所述图像制作旋转体可以说是所述周期性判定对象图像中的横条纹Ps12或噪声点Ps13的原因。
在所述周期性判定对象图像中沿着副扫描方向D2排列的特异部Ps1的数量为两个的情况下,周期性判定部8f执行间隔导出处理作为所述特异部周期性判定处理。
周期性判定部8f在所述间隔导出处理中,将两个特异部Ps1的副扫描方向D2的间隔作为两个特异部Ps1的周期导出。
在所述周期性判定对象图像中沿着副扫描方向D2排列的特异部Ps1的数量为三个以上的情况下,周期性判定部8f执行频率解析处理作为所述特异部周期性判定处理。
周期性判定部8f在所述频率解析处理中,针对包含沿着副扫描方向D2排列的三个以上的特异部Ps1的所述周期性判定对象图像确定特异部频率。所述特异部频率是所述周期性判定对象图像中的特异部Ps1的数据列的频率分布中的支配性频率。周期性判定部8f通过进行傅里叶变换等频率解析来确定所述特异部频率。
而且,周期性判定部8f将与所述特异部频率对应的周期作为三个以上的特异部Ps1的周期导出。
而且,周期性判定部8f在所述特异部周期性原因判定处理中,针对预先决定的所述图像制作旋转体的多个候补,判定各候补的外周长度是否满足与特异部Ps1的周期之间预先决定的周期近似条件。工序S206中的所述图像制作旋转体的多个候补是与横条纹Ps12或噪声点Ps13对应的预先决定的多个原因候补的一例。
在以下的说明中,将所述图像制作旋转体的候补的某一个被判定为满足所述周期近似条件的对象的特异部Ps1称为周期性特异部,将其他的特异部Ps1称为非周期性特异部。所述周期性特异部和所述非周期性特异部是第二特征图像g22或第三特征图像g23所含的特异部Ps1。
周期性判定部8f在所述特异部周期性原因判定处理中,将被判定为满足所述周期近似条件的所述图像制作旋转体的候补之一判定为所述周期性特异部的产生原因。由此,判定了横条纹Ps12或噪声点Ps13的原因。
此外,在工序S206中,周期性判定部8f根据在工序S204中判定的所述颜色矢量,判定横条纹Ps12或噪声点Ps13的原因分别是显影色不同的四个图像制作部4x中的哪一个的所述图像制作旋转体。
此外,在沿着副扫描方向D2排列的三个以上的特异部Ps1包含与所述特异部频率不对应的所述非周期性特异部的情况下,周期性判定部8f将所述非周期性特异部作为后述的特征图案识别处理的对象。
例如,周期性判定部8f对利用所述傅里叶变换得到的所述频率分布除去所述特异部频率以外的频率成分得到的频率成分实施逆傅里叶变换,生成逆傅里叶变换数据。
而且,周期性判定部8f将沿着副扫描方向D2排列的三个以上的特异部Ps1中的、在所述逆傅里叶变换数据所示的副扫描方向D2的波形中存在于偏离峰值位置的位置的特异部Ps1,辨别为所述非周期性特异部。
而且,在工序S206的处理的结果是判定为第二特征图像g22和第三特征图像g23不含所述非周期性特异部的情况下,周期性判定部8f使所述特异不良判定处理结束。
另一方面,在工序S206的处理的结果是判定为第二特征图像g22和第三特征图像g23包含所述非周期性特异部的情况下,使处理转移到工序S207。
(工序S207)
在工序S207中,噪声点判定部8h针对包含所述非周期性特异部的第三特征图像g23,执行后述的噪声点判定处理。所述噪声点判定处理是判定第三特征图像g23中的不具有所述周期性的噪声点Ps13的原因的处理。
在工序S207的处理之后,在第二特征图像g22或第三特征图像g23包含未判定的所述非周期性特异部的情况下,噪声点判定部8h使处理转移到工序S208,否则使所述特异不良判定处理结束。
(工序S208)
在工序S208中,图案识别部8g针对第一特征图像g21以及各自包含未判定的所述非周期性特异部的第二特征图像g22和第三特征图像g23,分别执行特征图案识别处理。
在所述特征图案识别处理中,将第一特征图像g21以及各自包含未判定的所述非周期性特异部的第二特征图像g22和第三特征图像g23分别作为输入图像。图案识别部8g在所述特征图案识别处理中利用所述输入图像的图案识别,判定所述输入图像与对应于所述图像不良的预先决定的多个原因候补的哪一个对应。
此外,所述特征图案识别处理的所述输入图像也可以包含由所述边缘突出滤波处理得到的所述横边缘强度映射数据或所述纵边缘强度映射数据。例如,在用于判定纵条纹Ps11的所述特征图案识别处理中,第一特征图像g21和所述横边缘强度映射数据被用作所述输入图像。
同样,在用于判定横条纹Ps12的所述特征图案识别处理中,第二特征图像g22和所述纵边缘强度映射数据被用作所述输入图像。
同样,在用于判定噪声点Ps13的所述特征图案识别处理中,第三特征图像g23、以及所述横边缘强度映射数据和所述纵边缘强度映射数据的一方或双方被用作所述输入图像。
例如,所述特征图案识别处理是如下的处理:利用将与所述多个原因候补对应的多个样本图像作为教师数据预先学习过的学习模型,将所述输入图像分类为所述多个原因候补的某一个。
例如,所述学习模型是采用所述随机森林的模型、采用所述SVM的模型或采用所述CNN算法的模型等。
所述学习模型针对第一特征图像g21、以及各自包含所述非周期性特异部的第二特征图像g22和第三特征图像g23分别单独准备。此外,按照每个所述原因候补,所述多个样本图像被用作所述教师数据。
此外,在工序S208中,图案识别部8g根据工序S204中判定的所述颜色矢量,判定纵条纹Ps11、横条纹Ps12或噪声点Ps13的原因分别是显影色不同的四个图像制作部4x中的哪一个的部件。
利用工序S208的处理,判定纵条纹Ps11的原因、以及被辨别为所述非周期性特异部的横条纹Ps12和噪声点Ps13的原因。图案识别部8g在执行了工序S208的处理之后,使所述特异不良判定处理结束。
(噪声点判定处理)
接下来,参照图5所示的流程图,说明工序S207的所述噪声点判定处理的步骤的一例。在以下的说明中,S301、S302、……表示所述噪声点判定处理中的多个工序的识别符号。所述噪声点判定处理从工序S301开始。
另外,如上所述,作为所述噪声点判定处理的对象的噪声点Ps13是被辨别为所述非周期性特异部的噪声点Ps13。此外,利用所述薄片体噪声除去处理,从作为所述噪声点判定处理的对象的噪声点Ps13排除所述薄片体噪声。
(工序S301)
在工序S301中,噪声点判定部8h针对第三特征图像g23中的噪声点Ps13分别导出多个特征参数。在本实施方式中,所述多个特征参数包含噪声点Ps13的边缘强度、噪声点Ps13的扁平程度、基于横切噪声点Ps13的像素列亦即横切像素列AR1中的像素值分布的边缘数(参照图9)。
在图9中,横切像素列AR1中的像素值V1分别是表示各像素的辉度的值。可是,也存在横切像素列AR1中的像素值V1分别是表示各像素的浓度的值的情况。
所述边缘强度表示第三特征图像g23中的噪声点Ps13的像素值V1与邻接于噪声点Ps13的邻接区域AN1的像素值V1之差的程度。例如,噪声点判定部8h将噪声点Ps13中的像素值V1的代表值与邻接区域AN1的像素值V1的代表值之差作为所述边缘强度导出。
此外,噪声点判定部8h也可以将通过对第三特征图像g23执行公知的边缘突出处理而得到的图像中的噪声点Ps13的外缘部分的像素值V1作为所述边缘强度导出。
此外,噪声点判定部8h将噪声点Ps13的主扫描方向D1的长度与副扫描方向D2的长度之比、真圆度或扁平率等作为所述扁平程度导出。另外,所述真圆度表示偏离圆形形体的几何学正圆的大小。
此外,噪声点判定部8h确定噪声点Ps13的长边方向DL1,并将噪声点Ps13中的长边方向DL1的长度与正交于长边方向DL1的宽度方向的长度之比作为所述扁平程度导出。
此外,噪声点判定部8h设定横切噪声点Ps13的横切线L1,并将噪声点Ps13和噪声点Ps13两侧的邻接区域AN1中的沿着横切线L1的像素列确定为横切像素列AR1。
例如,噪声点判定部8h将经过噪声点Ps13中的所述宽度方向的中心并沿着长边方向DL1的线设定为横切线L1。
而且,噪声点判定部8h将横切像素列AR1中的像素值V1的变化超过容许范围的部位的数量作为所述边缘数导出。
例如,噪声点判定部8h将横切像素列AR1中的像素值V1的微分值dV1偏离预先决定的第一基准范围RA1的部位的数量作为所述边缘数导出(参照图9)。
此外,噪声点判定部8h也可以将横切像素列AR1中的像素值V1与基准值VA1或第二基准范围RA2交叉的部位的数量作为所述边缘数导出(参照图9)。
例如,噪声点判定部8h根据邻接区域AN1的像素值V1设定基准值VA1或第二基准范围RA2。另外,邻接区域AN1的像素值V1是横切像素列AR1的像素值V1的一例。
噪声点判定部8h在导出了所述特征参数之后,使处理转移到工序S302。
(工序S302)
在工序S302中,噪声点判定部8h采用三个所述特征参数执行第一原因判定处理。所述第一原因判定处理是判定第三特征图像g23中的噪声点Ps13的原因是否为所述异常显影的处理。
例如,噪声点判定部8h导出与所述边缘数对应的第一评价值、与所述边缘强度对应的第二评价值、以及与所述扁平程度对应的第三评价值。
图9A~9C表示了原因是所述异常显影的情况下的噪声点Ps13的一例。图9A表示噪声点Ps13的症状为轻度的情况,图9B表示噪声点Ps13的症状为中度的情况,图9C表示噪声点Ps13的症状为重度的情况。
如图9所示,以所述异常显影为原因的噪声点Ps13越重症化越呈环状的像,进而环状的像呈沿着直线连锁的形状。这种现象在以所述异常显影以外为原因的噪声点Ps13中不会产生。因此,所述边缘数量越多,则噪声点Ps13的原因是所述异常显影的可能性越高。
因此,噪声点判定部8h设定所述第一评价值,所述第一评价值表示所述边缘数量越多,则噪声点Ps13的原因是所述异常显影的可能性越高。
此外,如图9所示,以所述异常显影为原因的噪声点Ps13越重症化越扁平。这种现象在以所述异常显影以外为原因的噪声点Ps13中不会产生。因此,所述扁平程度越表示更扁平的状态,则噪声点Ps13的原因是所述异常显影的可能性越高。
因此,噪声点判定部8h设定所述第二评价值,所述第二评价值表示所述扁平程度越表示更扁平的状态,则噪声点Ps13的原因为所述异常显影的可能性越高。
此外,以所述异常显影为原因的噪声点Ps13与其他原因的噪声点Ps13相比,所述边缘强度更大。因此,噪声点判定部8h设定所述第三评价值,所述第三评价值表示所述边缘强度越大,则噪声点Ps13的原因为所述异常显影的可能性越高。
例如,在综合了所述第一评价值、所述第二评价值和所述第三评价值的综合评价值超过预先决定的阈值的情况下,噪声点判定部8h判定噪声点Ps13的原因是所述异常显影,否则判定噪声点Ps13的原因不是所述异常显影。
例如,所述综合评价值是所述第一评价值、所述第二评价值和所述第三评价值的合计值或加权平均值等。
此外,也可以在所述第一评价值、所述第二评价值和所述第三评价值中的至少一个超过各自对应的阈值的情况下,噪声点判定部8h判定噪声点Ps13的原因是所述异常显影,否则判定噪声点Ps13的原因不是所述异常显影。
在以下的说明中,将第三特征图像g23的噪声点Ps13中的被判定为原因是所述异常显影的噪声点Ps13称为显影色点。
而且,噪声点判定部8h根据与所述显影色点对应的所述颜色矢量,判定所述异常显影在四个图像制作部4x中的哪一个的显影装置43中发生。
噪声点判定部8h在执行了所述第一原因判定处理之后,使处理转移到工序S303。另外,工序S302的处理是使用所述第一评价值、所述第二评价值和所述第三评价值判定噪声点Ps13的原因是否为所述异常显影的处理的一例。
如以上所示,噪声点判定部8h在工序S301、S302中使用第三特征图像g23中的噪声点Ps13的所述边缘强度、噪声点Ps13的所述扁平程度、以及横切像素列AR1中的像素值分布中的至少一方,来判定噪声点Ps13的原因是否为所述异常显影。
(工序S303)
在工序S303中,噪声点判定部8h将噪声点Ps13中的所述显影色点从以后的工序S304~S306的处理对象排除。随后,噪声点判定部8h使处理转移到工序S304。
(工序S304)
在工序S304中,噪声点判定部8h判定测试图像g1中的噪声点Ps13的颜色是彩色和非彩色中的哪一个。
通常,噪声点Ps13起因于所述废调色剂掉落或所述载体显影而产生的情况下,噪声点Ps13的颜色是黑色系的非彩色。
因此,噪声点判定部8h在判定噪声点Ps13的颜色是彩色的情况下,不进行噪声点Ps13的原因是所述废调色剂掉落和所述载体显影中的哪一个的判定,使所述噪声点判定处理结束。
另一方面,噪声点判定部8h在判定噪声点Ps13的颜色是非彩色时,使处理转移到工序S305。
(工序S305)
在工序S305中,噪声点判定部8h确定测试图像g1中的作为原本应描绘的部分的原本描绘部Pd1(参照图10、11)。
在测试图像g1为由多个线图像构成的屏来表示浓淡的图像的情况下,噪声点判定部8h将所述屏的部分确定为原本描绘部Pd1。图10是将测试输出薄片体9的一部分放大表示的图。
在图10的示例中,测试图像g1是由分别在与副扫描方向D2交叉的方向上延伸的多个线图像构成的多线屏来表示浓淡的图像。在这种情况下,噪声点判定部8h将所述多线屏的部分确定为原本描绘部Pd1。另外,副扫描方向D2是测试图像g1中的纵向。
在此,将表示利用预先决定的数学式确定的所述多线屏的一部分的位置或所述多线屏的轮廓的坐标称为逻辑坐标。此外,将表示测试图像g1中的与所述逻辑坐标对应的一部分的位置或测试图像g1的轮廓的坐标称为对象坐标。
例如,噪声点判定部8h以使所述逻辑坐标与所述对象坐标最近似的方式,导出朝向和大小的修正系数。而且,噪声点判定部8h通过用所述修正系数修正由所述逻辑式确定的所述多线屏的位置,从而确定原本描绘部Pd1的位置。
此外,可以考虑原测试图像g01和测试图像g1分别包含预先决定的形状的多个基准标识。在这种情况下,噪声点判定部8h确定测试图像g1中的所述多个基准标识的位置,并以所述多个基准标识的位置为基准来确定原本描绘部Pd1。另外,测试图像g1中的所述基准标识的部分被从所述图像不良的判定对象排除。
噪声点判定部8h在执行了工序S305的处理之后,使处理转移到工序S306。
(工序S306)
在工序S306中,噪声点判定部8h执行第二原因判定处理。所述第二原因判定处理是如下的处理:通过判定原本描绘部Pd1与噪声点Ps13的重合度,从而判定噪声点Ps13的原因为预先决定的两种原因候补中的哪一个。所述两种原因候补是所述废调色剂掉落和所述载体显影。
在图11中,第一噪声点Ps131表示原因为所述废调色剂掉落的噪声点Ps13,第二噪声点Ps132表示原因为所述载体显影的噪声点Ps13。
第一噪声点Ps131与原本描绘部Pd1的位置无关,可以在任何位置产生。因此,第一噪声点Ps131大多与原本描绘部Pd1重合。另一方面,由于第二噪声点Ps132容易发生在感光体41的表面中的暗电位的部分,所以大多与原本描绘部Pd1不重合。
因此,噪声点判定部8h导出测试图像g1的多个噪声点Ps13中的与原本描绘部Pd1重合的噪声点Ps13的比率亦即重合率。而且,在所述重合率低于预先决定的比率的情况下,噪声点判定部8h判定噪声点Ps13的原因为所述载体显影,否则判定噪声点Ps13的原因为所述废调色剂掉落。
如上所示,噪声点判定部8h在工序S305、S306中,判定被判断为所述非彩色的噪声点Ps13的原因是所述废调色剂掉落和所述载体显影中的哪一个。
但是,为了进行上述判定,原本描绘部Pd1的间隙需要大于起因于所述载体显影的第二噪声点Ps132的直径。因此,优选测试图像g1由至少分开40微米的间隔排列的多个线图像构成的屏形成。
此外,起因于所述废调色剂掉落的第一噪声点Ps131有时形成为纵长的形状。因此,优选测试图像g1是由分别在与副扫描方向D2交叉的方向上延伸的多个线图像构成的所述多线屏来表示浓淡的图像。由此,容易产生纵长的第一噪声点Ps131与原本描绘部Pd1重合的状况。
在图10的示例中,测试图像g1是由分别在相对于副扫描方向D2倾斜交叉的方向上延伸的多个线图像构成的所述多线屏来表示浓淡的图像。
噪声点判定部8h在工序S306的处理之后,使所述噪声点判定处理结束。
(电压修正处理)
接下来,参照图6所示的流程图,说明判定噪声点Ps13的原因为所述异常显影的情况下执行的所述电压修正处理的步骤的一例。
主控制部8a在所述电压修正处理中,通过修正带电装置42向感光体41输出的所述带电电压、以及偏压输出电路430向显影辊43a输出的所述显影偏压的一方或双方,从而修正间隙电压。
所述间隙电压是感光体41的表面的暗电位与所述显影偏压的最大电位差。所述暗电位是感光体41的表面中的利用带电装置42而带电的部分被写入所述静电潜影之前的电位。
如果所述带电电压、所述显影偏压和所述间隙电压被过度修正,则会成为所述异常显影以外的所述图像不良的原因。因此,在预先决定的容许修正范围内进行所述间隙电压的修正。
在以下的说明中,S401、S402、……表示所述电压修正处理中的多个工序的识别符号。所述电压修正处理从工序S401开始。
(工序S401)
在工序S401中,在现状的所述间隙修正的状况相对于所述容许修正范围尚有余量的情况下,主控制部8a使处理转移到工序S402,否则使处理转移到工序S404。
(工序S402)
在工序S402中,主控制部8a针对带电装置42和偏压输出电路430的一方或双方,输出表示将所述间隙电压修正为变小的修正指令。
所述修正指令包含表示使所述带电电压下降的针对带电装置42的指令、以及表示使所述显影偏压上升的针对偏压输出电路430的指令的一方或双方。
例如,主控制部8a根据噪声点Ps13的不良程度,设定所述间隙电压的修正量。噪声点Ps13的所述不良程度例如是在图4的工序S202中确定的第三特征图像g23中的噪声点Ps13的数量。此时,在噪声点Ps13的数量较多的情况下,与噪声点Ps13的数量较少的情况相比,主控制部8a以使所述间隙电压变得更小的方式来设定所述修正指令。
此外,主控制部8a也可以将在图5的工序S301中导出的噪声点Ps13的所述边缘数用作噪声点Ps13的所述不良程度。
主控制部8a在工序S402的处理之后,使处理转移到工序S403。
(工序S403)
在工序S403中,主控制部8a将判定为噪声点Ps13的原因是所述异常显影时的噪声点Ps13的所述不良程度,以及与所述异常显影的判定对应的所述修正指令相关的历史记录信息存储于二次存储装置82。二次存储装置82是非易失性的存储装置的一例。
在执行了所述电压修正处理之后,有时会重新判定为噪声点Ps13的原因是所述异常显影。在这种情况下,主控制部8a在新的所述电压修正处理的工序S402中,根据所述历史记录信息来设定所述修正指令的内容。
例如,主控制部8a根据所述历史记录信息中的所述间隙电压的修正量、从所述历史记录信息中的上次的噪声点Ps13的所述不良程度至本次的噪声点Ps13的所述不良程度的改善程度,来设定本次的所述间隙电压的修正量。
主控制部8a在工序S403的处理之后,使所述电压修正处理结束。
(工序S404)
在工序S404中,主控制部8a输出预先决定的警告通知。例如,所述警告通知的输出是使显示部802显示用于表示不能利用所述电压修正处理来消除噪声点Ps13的内容的信息。
主控制部8a在工序S404的处理之后,使所述电压修正处理结束。
此外,在本实施方式中,主控制部8a在执行了所述电压修正处理之后,在由特异部确定部8d确定了新的测试图像g1中的噪声点Ps13的情况下,执行改善通知处理。所述改善通知处理是根据所述历史记录信息判定噪声点Ps13的改善状况,并通知判定结果的处理。
例如,主控制部8a在所述改善通知处理中,算出从所述历史记录信息中的上次的噪声点Ps13的数量至本次的新测试图像g1中的噪声点Ps13的数量的改善率。而且,主控制部8a利用所述改善通知处理使显示部802显示用于表示达成了相当于所述改善率的噪声点Ps13的改善的内容的信息。
此外,主控制部8a也可以在所述电压修正处理中,针对四个显影色分别依次执行工序S402和工序S403的处理。在这种情况下,当执行了针对新的测试图像g1的所述特异不良判定处理时,主控制部8a根据所述历史记录信息算出每个所述显影色的所述改善率。
而且,主控制部8a针对与满足预先决定的有效条件的所述改善率对应的所述显影色,维持所述间隙电压的修正量。例如,所述有效条件为所述改善率超过预先决定的值的条件。此外,所述有效条件也可以是与四个显影色对应的所述改善率中的最大值的条件。
另一方面,主控制部8a针对与不满足所述有效条件的所述改善率对应的所述显影色,使所述间隙电压的修正量返回上一次的状态。由此,对每个所述显影色进行适当的所述间隙电压的修正。另外,上一次的所述间隙电压的修正量的信息包含于所述历史记录信息。
如上所示,特征图像生成部8c生成将测试图像g1中的作为所述图像不良的一种的噪声点Ps13抽出的第三特征图像g23(参照图4的工序S201)。
而且,噪声点判定部8h使用第三特征图像g23中的噪声点Ps13的所述边缘强度、噪声点Ps13的所述扁平程度、以及横切噪声点Ps13的横切像素列AR1中的像素值分布中的至少一方,来判定噪声点Ps13的原因(参照图5的工序S301、S302)。
在本实施方式中,噪声点判定部8h从横切像素列AR1中的像素值分布导出所述边缘数。而且,噪声点判定部8h至少使用所述边缘数来判定噪声点Ps13的原因是否为所述异常显影。
按照本实施方式,可以根据测试图像g1准确判定作为所述图像不良的一种的噪声点Ps13的原因,所述测试图像g1通过针对测试输出薄片体9的所述图像读取处理而得到。
所述特征抽出处理是计算负荷较小的简易处理。利用这种简易处理,可以生成从一个测试图像g1单独抽出形状彼此不同的特异部Ps1的三个特征图像g21、g22、g23。
而且,周期性判定部8f针对第二特征图像g22或第三特征图像g23中的特异部Ps1执行所述周期性特异部判定处理(参照图4的工序S206和图7)。由此,周期性判定部8f根据所述周期性的判定结果来判定横条纹Ps12或噪声点Ps13的原因。
在横条纹Ps12或噪声点Ps13起因于所述图像制作相关的旋转体的不良而产生的情况下,利用判定与旋转体的外周长度对应的所述周期性的所述周期性特异部判定处理,能高精度地判定横条纹Ps12或噪声点Ps13的原因。
而且,噪声点判定部8h针对未能由所述周期性特异部判定处理判定出原因的噪声点Ps13,执行所述噪声点判定处理(参照图4的工序S206~S207和图5、图7、图8)。由此,在噪声点Ps13的原因为所述图像制作旋转体的旋转不良以外的原因的情况下,能高精度地判定所述原因。
此外,图案识别部8g针对未能由所述周期性特异部判定处理和所述噪声点判定处理判定出原因的特异部Ps1,执行所述特征图案识别处理(参照图4的工序S206~S208)。由此,能判定特异部Ps1的各种原因。
此外,通过针对包含彼此种类不同的特异部Ps1的三个特征图像g21、g22、g23单独地执行所述图像不良的原因的判定,从而可以利用较简易的判定处理高精度地判定所述图像不良的原因。
(第一应用例)
接下来,参照图12所示的流程图,说明图像处理装置10的第一应用例中的所述特征图像生成处理的步骤。
在以下的说明中,S501、S502、……表示本应用例的所述特征图像生成处理中的多个工序的识别符号。本应用例的所述特征图像生成处理从工序S501开始。
(工序S501)
在工序S501中,特征图像生成部8c从预先设定的多个压缩率候补中选择所采用的压缩率,并使处理转移到工序S502。
(工序S502)
在工序S502中,特征图像生成部8c通过以选择的所述压缩率压缩所述读取图像,从而生成测试图像g1。工序S501、S502的处理是压缩处理的一例。随后,特征图像生成部8c使处理转移到工序S503。
(工序S503)
在工序S503中,特征图像生成部8c通过对在工序S502中得到的压缩后的测试图像g1执行所述第一前处理,从而生成第一前处理图像g11。随后,特征图像生成部8c使处理转移到工序S504。
(工序S504)
在工序S504中,特征图像生成部8c通过对在工序S502中得到的压缩后的测试图像g1执行所述第二前处理,从而生成第二前处理图像g12。随后,特征图像生成部8c使处理转移到工序S505。
(工序S505)
在工序S505中,在针对全部的所述多个压缩率候补执行了工序S501至S504的处理的情况下,特征图像生成部8c使处理转移到工序S506,否则针对不同的所述压缩率执行工序S501~S504的处理。
特征图像生成部8c在工序S501、S502的所述压缩处理中,通过分别以多个压缩率压缩所述读取图像,从而生成尺寸不同的多个测试图像g1。
而且,特征图像生成部8c通过在工序S503、S504中对多个测试图像g1执行所述第一前处理和所述第二前处理,从而分别生成与多个测试图像g1对应的多个第一前处理图像g11和多个第二前处理图像g12。
(工序S506)
在工序S506中,特征图像生成部8c对多个第一前处理图像g11和多个所述第二前处理图像分别执行所述特异部抽出处理。由此,特征图像生成部8c生成与多个测试图像g1对应的第一特征图像g21、第二特征图像g22和第三特征图像g23各自的多个候补。随后,特征图像生成部8c使处理转移到工序S507。
(工序S507)
在工序S507中,特征图像生成部8c通过将在工序S506中得到的所述多个候补汇集,从而生成第一特征图像g21、第二特征图像g22和第三特征图像g23。随后,特征图像生成部8c使所述特征图像生成处理结束。
例如,特征图像生成部8c将第一特征图像g21的多个候补中的各像素值的最大值或平均值等代表值设定为第一特征图像g21的各像素值。第二特征图像g22和第三特征图像g23也同样如此。
工序S501~S504的处理是通过执行测试图像g1与关注区域Ax1及邻接区域Ax2的尺寸的尺寸比不同的多次所述第一前处理和所述第二前处理,从而生成多个第一前处理图像g11和多个第二前处理图像g12的处理的一例。变更所述压缩率是变更测试图像g1与关注区域Ax1及邻接区域Ax2的尺寸的所述尺寸比的一例。
此外,工序S506~S507的处理是利用基于多个第一前处理图像g11和多个第二前处理图像g12的所述特异部抽出处理,生成第一特征图像g21、第二特征图像g22和第三特征图像g23的处理的一例。
通过采用本应用例,可以将粗细不同的纵条纹Ps11或者横条纹Ps12,或者大小不同的噪声点Ps13无遗漏地抽出。
(第二应用例)
接下来,参照图13所示的流程图,说明图像处理装置10的第二应用例中的所述特征图像生成处理的步骤。
在以下的说明中,S601、S602、……表示本应用例的所述特征图像生成处理中的多个工序的识别符号。本应用例的所述特征图像生成处理从工序S601开始。
(工序S601~S605)
特征图像生成部8c执行与工序S501~S505相同的处理、即工序S601~S605的处理。在工序S605中,在针对全部的所述多个压缩率候补执行了工序S601至S604的处理的情况下,特征图像生成部8c使处理转移到工序S606。
(工序S606)
在工序S606中,特征图像生成部8c将多个第一前处理图像g11和多个所述第二前处理图像分别汇集为一个。随后,特征图像生成部8c使处理转移到工序S607。
例如,特征图像生成部8c将多个第一前处理图像g11中的各像素值的最大值或平均值等代表值设定为汇集后的第一特征图像g21的各像素值。多个第二前处理图像g12也同样如此。
(工序S607)
在工序S607中,特征图像生成部8c通过对汇集后的第一前处理图像g11和第二前处理图像g12执行所述特异部抽出处理,从而生成第一特征图像g21、第二特征图像g22和第三特征图像g23。随后,特征图像生成部8c使所述特征图像生成处理结束。
在采用本应用例的情况下,也能得到与采用第一应用例的情况同样的效果。
(第三应用例)
接下来,参照图14所示的流程图,说明图像处理装置10的第三应用例中的所述特征图像生成处理的步骤。
在以下的说明中,S701、S702、……表示本应用例的所述特征图像生成处理中的多个工序的识别符号。本应用例的所述特征图像生成处理从工序S701开始。
在以下的说明中,将所述第一前处理和所述第二前处理中的关注区域Ax1和邻接区域Ax2的尺寸称为滤波尺寸。
(工序S701)
在工序S701中,特征图像生成部8c从预先设定的多个尺寸候补中选择所采用的所述滤波尺寸,并使处理转移到工序S702。
(工序S702)
在工序S702中,特征图像生成部8c通过对测试图像g1以工序S701中选择的所述滤波尺寸执行所述第一前处理,从而生成第一前处理图像g11。随后,特征图像生成部8c使处理转移到工序S703。
(工序S703)
在工序S703中,特征图像生成部8c通过对测试图像g1以工序S701中选择的所述滤波尺寸执行所述第二前处理,从而生成第二前处理图像g12。随后,特征图像生成部8c使处理转移到工序S704。
(工序S704)
在工序S704中,在针对全部的所述多个尺寸候补执行了工序S701至S703的处理的情况下,特征图像生成部8c使处理转移到工序S705,否则利用不同的所述滤波尺寸执行工序S701~S703的处理。
特征图像生成部8c在工序S701~S704中,针对一个测试图像g1执行关注区域Ax1和邻接区域Ax2的尺寸不同的多次所述第一前处理和多次所述第二前处理。由此,特征图像生成部8c生成多个第一前处理图像g11和多个第二前处理图像g12。
(工序S705、S706)
特征图像生成部8c在工序S705和S706中,执行与图12的工序S506和S507相同的处理。随后,特征图像生成部8c使所述特征图像生成处理结束。
利用工序S705、S706的处理,第一特征图像g21、第二特征图像g22和第三特征图像g23的多个候补被汇集,生成汇集后的第一特征图像g21、第二特征图像g22和第三特征图像g23。
工序S701~S704的处理是通过执行测试图像g1与关注区域Ax1及邻接区域Ax2的尺寸的尺寸比不同的多次所述第一前处理和所述第二前处理,从而生成多个第一前处理图像g11和多个第二前处理图像g12的处理的一例。变更所述滤波尺寸是变更测试图像g1与关注区域Ax1及邻接区域Ax2的尺寸的所述尺寸比的一例。
通过采用本应用例,可以将粗细不同的纵条纹Ps11或横条纹Ps12,或者大小不同的噪声点Ps13无遗漏地抽出。
(第四应用例)
接下来,参照图14所示的流程图,说明图像处理装置10的第四应用例中的所述特征图像生成处理的步骤。
在以下的说明中,S801、S802、……表示本应用例的所述特征图像生成处理中的多个工序的识别符号。本应用例的所述特征图像生成处理从工序S801开始。
(工序S801~S804)
特征图像生成部8c执行与工序S701~S704相同的处理、即工序S801~S804的处理。在工序S804中,在针对全部的所述多个尺寸候补执行了工序S801至S803的处理的情况下,特征图像生成部8c使处理转移到工序S805。
(工序S805、S806)
进而,特征图像生成部8c执行与工序S606、S607相同的处理、即工序S805、S806的处理。随后,特征图像生成部8c使所述特征图像生成处理结束。
在采用本应用例的情况下,也能得到与采用第一应用例的情况同样的效果。
(第五应用例)
接下来,说明图像处理装置10的第五应用例中的所述特征图像生成处理。
在本应用例中,特征图像生成部8c利用第一前处理图像g11和第二前处理图像g12的各像素值与预先决定的基准范围的比较,来辨别构成特异部Ps1的像素和其他像素。
即,在本应用例中,特征图像生成部8c在所述特异部抽出处理中,利用第一前处理图像g11和第二前处理图像g12的各像素值的大小来确定特异部Ps1。
而且,特征图像生成部8c通过从第一前处理图像g11的特异部Ps1除去第一前处理图像g11和第二前处理图像g12共通的特异部Ps1,从而抽出纵条纹Ps11。
而且,特征图像生成部8c通过从第二前处理图像g12的特异部Ps1除去第一前处理图像g11和第二前处理图像g12共通的特异部Ps1,从而抽出横条纹Ps12。
而且,特征图像生成部8c将第一前处理图像g11和第二前处理图像g12共通的特异部Ps1作为噪声点Ps13抽出。
例如,特征图像生成部8c通过将第一前处理图像g11中的被辨别为纵条纹Ps11以外的第一像素值Xi转换为基于周围的像素值的插值,从而生成第一特征图像g21。
同样,特征图像生成部8c通过将第二前处理图像g12中的被辨别为横条纹Ps12以外的第二像素值Yi转换为基于周围的像素值的插值,从而生成第二特征图像g22。
同样,特征图像生成部8c通过将第一前处理图像g11中的被辨别为噪声点Ps13以外的第一像素值Xi转换为基于周围的像素值的插值,从而生成第三特征图像g23。
或者,特征图像生成部8c通过将第二前处理图像g12中的被辨别为噪声点Ps13以外的第二像素值Yi转换为基于周围的像素值的插值,从而生成第三特征图像g23。
(第六应用例)
以下,说明图像处理装置10的第六应用例中的所述图像不良判定处理。
通常,根据各色浓度的状况,有时难以由图像传感器从黄色与其他颜色混合的图像准确检测黄色部分的浓淡。同样,根据各色浓度的状况,有时也难以由图像传感器从黑色与彩色混合的图像准确检测彩色部分的浓淡。
在本应用例中,作业控制部8b在所述测试打印处理中,输出形成有彼此不同种类的原测试图像g01的两张或三张测试输出薄片体9。
在输出三张测试输出薄片体9的情况下,输出形成有由同样青色的单色半色调图像和同样品红色的单色半色调图像合成的原混色测试图像的薄片体、形成有作为同样黄色的单色半色调图像的原黄色测试图像的薄片体、以及形成有作为同样黑色的单色半色调图像的原灰色测试图像的薄片体。
在输出两张测试输出薄片体9的情况下,输出形成有由同样青色的单色半色调图像、同样品红色的单色半色调图像和同样黄色的单色半色调图像合成的混色测试图像的薄片体、以及形成有所述原灰色测试图像的薄片体。
因此,本应用例中的测试图像g1包含分别相当于所述原混色测试图像、所述原黄色测试图像和所述原灰色测试图像的混色测试图像、黄色测试图像和灰色测试图像。
所述黄色测试图像和所述灰色测试图像分别是与所述混色测试图像中混合的颜色不同的一个显影色的半色调图像。所述黄色测试图像和所述灰色测试图像分别是单色测试图像的一例。
在本应用例中,特征图像生成部8c分别针对从多张测试输出薄片体9读取的所述混色测试图像和所述单色测试图像,生成第一特征图像g21、第二特征图像g22和第三特征图像g23。
而且,在本应用例中,特异部确定部8d针对分别与所述混色测试图像和所述单色测试图像对应的第一特征图像g21、第二特征图像g22和第三特征图像g23,确定特异部Ps1的位置。
而且,在本应用例中,颜色矢量确定部8e、周期性判定部8f、噪声点判定部8h和图案识别部8g使用与所述混色测试图像对应的第一特征图像g21、第二特征图像g22和第三特征图像g23,执行用于判定所述图像不良的原因的处理。这与前述实施方式相同。
本应用例中的周期性判定部8f、噪声点判定部8h和图案识别部8g从与所述混色测试图像中混合的多个显影色对应的多个图像制作部4x之中,判定所述混色测试图像中的特异部Ps1的原因。但是,特异部Ps1的原因被判定为图像制作部4x以外的情况是例外的。
而且,在本应用例中,周期性判定部8f、噪声点判定部8h和图案识别部8g使用与单色测试图像对应的第一特征图像g21、第二特征图像g22和第三特征图像g23,执行用于判定所述图像不良的原因的处理。
本应用例中的周期性判定部8f、噪声点判定部8h和图案识别部8g从多个图像制作部4x中的与所述单色测试图像的颜色对应的一个图像制作部4x之中,判定所述单色测试图像中的与所述特异部对应的所述图像不良的原因。但是,特异部Ps1的原因被判定为图像制作部4x以外的情况是例外的。
在采用本应用例的情况下,也能根据少于图像形成装置2的全部显影色的数量的测试输出薄片体9,进行所述图像不良的原因的判定。
(第七应用例)
以下,说明图像处理装置10的第七应用例中的所述图像不良判定处理。
在本应用例中,作业控制部8b在所述测试打印处理中,输出分别形成有不同显影色的所述单色测试图像的四张测试输出薄片体9。因此,本应用例中的测试图像g1分别是不同显影色的所述单色测试图像。在这种情况下,不需要颜色矢量确定部8e的处理。
而且,在本应用例中,周期性判定部8f、噪声点判定部8h和图案识别部8g使用与所述单色测试图像对应的第一特征图像g21、第二特征图像g22和第三特征图像g23,执行用于判定所述图像不良的原因的处理。
本应用例中的周期性判定部8f、噪声点判定部8h和图案识别部8g将多个图像制作部4x中的与所述单色测试图像的颜色对应的一个图像制作部4x判定为特异部Ps1的原因。但是,特异部Ps1的原因被判定为图像制作部4x以外的情况是例外的。
在采用本应用例的情况下,CPU80也可以根据从图像形成装置2输出的测试输出薄片体9读取的所述单色测试图像,准确判定纵条纹Ps11、横条纹Ps12和噪声点Ps13的原因。
(第八应用例)
以下,说明图像处理装置10的第八应用例中的所述图像不良判定处理。
在本应用例中,取代图案识别部8g的处理,CPU80利用针对第一特征图像g21、第二特征图像g22或第三特征图像g23的其他处理,进行所述图像不良的原因的判定。
例如,本应用例中的CPU80通过根据特异部Ps1的数量、特异部Ps1的粗细或者纵横比、以及特异部Ps1的像素值的水平中的一个或多个进行分类,来判定所述图像不良的原因。
(第九应用例)
以下,说明图像处理装置10的第九应用例中的所述图像不良判定处理。
在本应用例中,噪声点判定部8h在工序S302的所述第一原因判定处理中,使用学习模型判定噪声点Ps13的原因是否为所述异常显影。在这种情况下,噪声点判定部8h将基于第三特征图像g23的噪声点Ps13的所述特征参数作为输入数据,通过将所述输入数据应用到所述学习模型来判定噪声点Ps13的原因是否为所述异常显影。
在本应用例中,将所述特征参数作为所述输入数据的所述学习模型是如下的模型:其将与原因为所述异常显影的噪声点Ps13对应的多组所述特征参数的样本作为教师数据预先学习。
本发明的范围并不限于上述内容,而是由权利要求的记载来定义,所以可以认为本说明书记载的实施方式只是举例说明,而并非进行限定。因此,所有不脱离权利要求的范围、界限的更改,以及等同于权利要求的范围、界限的内容都包含在权利要求的范围内。
Claims (14)
1.一种图像处理方法,是处理器根据测试图像来判定图像不良的原因的图像处理方法,所述测试图像通过针对图像形成装置的输出薄片体的图像读取处理而得到,所述图像处理方法的特征在于,包括如下步骤:
所述处理器生成将所述测试图像中的作为所述图像不良的一种的噪声点抽出的抽出图像;以及
所述处理器使用所述抽出图像中的所述噪声点的边缘强度、所述噪声点的扁平程度、以及作为横切所述噪声点的像素列的横切像素列中的像素值分布中的至少一方,来判定所述噪声点的原因。
2.根据权利要求1所述的图像处理方法,其特征在于,所述处理器使用边缘数,判定所述噪声点的原因是否为由所述图像形成装置的显影部将不良调色剂像显影于像载体的表面的异常显影,所述边缘数是所述横切像素列中的像素值的变化超过容许范围的部位的数量。
3.根据权利要求2所述的图像处理方法,其特征在于,所述处理器将所述横切像素列中的像素值的微分值超过预先决定的第一基准范围的部位的数量,或者所述横切像素列中的像素值与根据所述横切像素列的像素值设定的基准值或第二基准范围交叉的部位的数量作为所述边缘数导出。
4.根据权利要求2所述的图像处理方法,其特征在于,所述处理器导出与所述边缘数对应的第一评价值、与所述边缘强度对应的第二评价值、以及与所述扁平程度对应的第三评价值,并使用所述第一评价值、所述第二评价值和所述第三评价值判定所述噪声点的原因是否为所述异常显影。
5.根据权利要求4所述的图像处理方法,其特征在于,所述处理器根据所述第一评价值、所述第二评价值和所述第三评价值的转换值是否超过了预先决定的阈值,判定所述噪声点的原因是否为所述异常显影。
6.根据权利要求4所述的图像处理方法,其特征在于,所述处理器根据所述第一评价值、所述第二评价值和所述第三评价值中的至少一方是否超过了对应的阈值,判定所述噪声点的原因是否为所述异常显影。
7.根据权利要求1所述的图像处理方法,其特征在于,
所述处理器生成所述抽出图像的步骤包括如下步骤:
通过以所述测试图像的横向为处理方向来执行包含主滤波处理的第一前处理,从而生成第一前处理图像,其中,所述主滤波处理将从所述测试图像依次选择的关注像素的像素值转换为转换值,利用使包含所述关注像素的关注区域的像素值、以及相对于所述关注区域在预先设定的所述处理方向上在两侧邻接的两个邻接区域的像素值之差突出的处理,而得到所述转换值;
通过执行第二前处理而生成第二前处理图像,所述第二前处理包含以所述测试图像的纵向为所述处理方向的所述主滤波处理;以及
将所述第一前处理图像和所述第二前处理图像的一个以上的有效像素构成的特异部中的、所述第一前处理图像和所述第二前处理图像共通的特异部作为所述噪声点抽出的图像,被生成为所述抽出图像。
8.根据权利要求7所述的图像处理方法,其特征在于,
所述第一前处理包括如下步骤:
通过执行以所述横向为所述处理方向的所述主滤波处理,从而生成第一主映射数据;
针对所述测试图像,通过以所述横向为所述处理方向来执行将所述关注区域、以及所述两个邻接区域的一方作为对象的边缘突出滤波处理,从而生成横边缘强度映射数据;以及
通过将所述第一主映射数据的各像素值用对应的所述横边缘强度映射数据的各像素值进行修正,从而生成所述第一前处理图像,
所述第二前处理包括如下步骤:
通过执行以所述纵向为所述处理方向的所述主滤波处理,从而生成第二主映射数据;
针对所述测试图像,通过以所述纵向为所述处理方向来执行将所述关注区域、以及所述两个邻接区域的一方作为对象的所述边缘突出滤波处理,从而生成纵边缘强度映射数据;以及
通过将所述第二主映射数据的各像素值用对应的所述纵边缘强度映射数据的各像素值进行修正,从而生成所述第二前处理图像。
9.根据权利要求7所述的图像处理方法,其特征在于,
生成所述抽出图像的步骤包括如下步骤:从根据所述第一前处理图像和所述第二前处理图像生成的所述抽出图像中的所述噪声点,检测所述输出薄片体中的薄片体自身所含的点状的薄片体噪声,并从所述抽出图像除去所述薄片体噪声,
所述处理器根据除去了所述薄片体噪声的所述抽出图像来判定所述噪声点的原因。
10.根据权利要求9所述的图像处理方法,其特征在于,所述处理器将所述抽出图像中的包含所述噪声点的特征部作为输入图像,利用所述输入图像的图案识别,执行用于判定所述输入图像是否为与所述薄片体噪声对应的图像的薄片体噪声图案识别处理,由此检测所述薄片体噪声。
11.根据权利要求10所述的图像处理方法,其特征在于,所述薄片体噪声图案识别处理是利用学习模型判定所述输入图像是否为与所述薄片体噪声对应的图像的处理,所述学习模型将与所述薄片体噪声对应的多个样本图像作为教师数据预先学习。
12.根据权利要求1所述的图像处理方法,其特征在于,还包括如下步骤:
所述处理器将所述噪声点的原因的判定结果通过通知装置进行通知。
13.根据权利要求1所述的图像处理方法,其特征在于,还包括如下步骤:
在判定所述噪声点的原因为由所述图像形成装置的显影部将不良调色剂像显影于像载体的表面的异常显影的情况下,所述处理器对所述图像形成装置输出修正指令,所述修正指令表示将感光体的表面的暗电位与将所述感光体的表面上形成的静电潜影显影为调色剂像的显影辊被施加的显影偏压的最大电位差修正为变小。
14.一种图像处理装置,其特征在于,包括执行权利要求1至13中任意一项所述的图像处理方法的处理的处理器。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-214816 | 2020-12-24 | ||
JP2020214816A JP2022100693A (ja) | 2020-12-24 | 2020-12-24 | 画像処理方法、画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114666450A true CN114666450A (zh) | 2022-06-24 |
CN114666450B CN114666450B (zh) | 2024-05-14 |
Family
ID=82025769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111580894.2A Active CN114666450B (zh) | 2020-12-24 | 2021-12-22 | 图像处理方法和图像处理装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220207702A1 (zh) |
JP (1) | JP2022100693A (zh) |
CN (1) | CN114666450B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022100689A (ja) * | 2020-12-24 | 2022-07-06 | 京セラドキュメントソリューションズ株式会社 | 画像処理方法、画像処理装置 |
CN116342610B (zh) * | 2023-05-31 | 2023-08-15 | 山东恒海钢结构有限公司 | 一种钢结构装配式建筑焊接异常检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060066916A1 (en) * | 2004-09-30 | 2006-03-30 | Konica Minolta Business Technologies, Inc. | Image reading apparatus reading an original while transporting the same |
JP2014003462A (ja) * | 2012-06-19 | 2014-01-09 | Olympus Corp | 画像処理装置、内視鏡装置及び孤立点ノイズ補正方法 |
JP2015108960A (ja) * | 2013-12-04 | 2015-06-11 | キヤノン株式会社 | 画像処理装置、その制御方法及びプログラム |
JP2019083467A (ja) * | 2017-10-31 | 2019-05-30 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8891609B2 (en) * | 2009-03-24 | 2014-11-18 | Samsung Electronics Co., Ltd. | System and method for measuring blockiness level in compressed digital video |
JP2013101015A (ja) * | 2011-11-08 | 2013-05-23 | Canon Inc | 検品装置、検品方法、検品システム、コンピュータプログラム |
JP5813523B2 (ja) * | 2012-01-31 | 2015-11-17 | シャープ株式会社 | 画像処理装置、画像形成装置、画像処理方法、プログラムおよび記録媒体 |
JP7135568B2 (ja) * | 2018-08-13 | 2022-09-13 | コニカミノルタ株式会社 | 画像検査装置、画像形成装置、及びプログラム |
JP7196698B2 (ja) * | 2019-03-11 | 2022-12-27 | 株式会社リコー | 画像処理装置、画像処理方法、及び画像処理プログラム |
KR20220008766A (ko) * | 2020-07-14 | 2022-01-21 | 캐논 가부시끼가이샤 | 화상 처리 장치, 제어 방법, 및 저장 매체 |
-
2020
- 2020-12-24 JP JP2020214816A patent/JP2022100693A/ja active Pending
-
2021
- 2021-12-21 US US17/558,350 patent/US20220207702A1/en active Pending
- 2021-12-22 CN CN202111580894.2A patent/CN114666450B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060066916A1 (en) * | 2004-09-30 | 2006-03-30 | Konica Minolta Business Technologies, Inc. | Image reading apparatus reading an original while transporting the same |
JP2014003462A (ja) * | 2012-06-19 | 2014-01-09 | Olympus Corp | 画像処理装置、内視鏡装置及び孤立点ノイズ補正方法 |
US20150071564A1 (en) * | 2012-06-19 | 2015-03-12 | Olympus Corporation | Image processing device, endoscope apparatus, isolated point noise correction method, and information storage device |
JP2015108960A (ja) * | 2013-12-04 | 2015-06-11 | キヤノン株式会社 | 画像処理装置、その制御方法及びプログラム |
JP2019083467A (ja) * | 2017-10-31 | 2019-05-30 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022100693A (ja) | 2022-07-06 |
CN114666450B (zh) | 2024-05-14 |
US20220207702A1 (en) | 2022-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6241121B2 (ja) | 画像検査装置、画像検査システム及び画像検査方法 | |
US9065938B2 (en) | Apparatus, system, and method of inspecting image, and recording medium storing image inspection control program | |
US8848244B2 (en) | Image inspection method, apparatus, control program overlapping inspection images to obtain positional shift | |
US7916945B2 (en) | Image processing device, image forming device, computer readable medium and image processing method | |
CN114666451B (zh) | 图像处理方法和图像处理装置 | |
JP5962642B2 (ja) | 画像形成装置及びプログラム | |
US11630409B2 (en) | Image processing method, image processing apparatus | |
CN114666450B (zh) | 图像处理方法和图像处理装置 | |
US10686945B2 (en) | Diagnosis system, diagnosis method and storage medium | |
US20220207701A1 (en) | Image processing method, image processing apparatus | |
JP6705305B2 (ja) | 検査装置、検査方法及びプログラム | |
JP6635335B2 (ja) | 画像検査装置及び画像形成システム | |
US11715192B2 (en) | Image processing method, image processing apparatus | |
US11483452B2 (en) | Image processing method and apparatus determing cause of image defect based on mixed color test image | |
US20220207703A1 (en) | Image processing method, image processing apparatus | |
US11756181B2 (en) | Method for performing image processing for determining image defect in mixed-color test image through image reading | |
JP2019159131A (ja) | 画像形成装置及びプログラム | |
JP7505595B2 (ja) | 画像処理方法、画像処理装置 | |
WO2022138684A1 (ja) | 画像処理方法、画像処理装置 | |
JP2020033145A (ja) | 異常搬送検査装置及び画像形成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |