CN115619704A - 图像处理装置、图像形成装置以及图像处理方法 - Google Patents
图像处理装置、图像形成装置以及图像处理方法 Download PDFInfo
- Publication number
- CN115619704A CN115619704A CN202210702689.7A CN202210702689A CN115619704A CN 115619704 A CN115619704 A CN 115619704A CN 202210702689 A CN202210702689 A CN 202210702689A CN 115619704 A CN115619704 A CN 115619704A
- Authority
- CN
- China
- Prior art keywords
- feature
- monitoring
- value
- abnormality
- assist
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及图像处理装置、图像形成装置以及图像处理方法;异常检测部(12)检测对象图像中的异常对象;特征监控部(13)进行如下处理:(a)对于异常对象,监控至少两个基本特征的值,(b)判断该基本特征的值是否满足任意一个异常类别的规定的监控判断条件,(c)当判断为该基本特征的值满足监控判断条件时,将与该基本特征的值满足监控判断条件的异常类别对应的特征,确定为异常对象相关的辅助特征,(d)开始对该辅助特征的值进行监控;异常类别确定部(14)根据监控中的基本特征和辅助特征,确定与检测到的异常对象对应的异常类别。
Description
技术领域
本发明涉及图像处理装置、图像形成装置以及图像处理方法。
背景技术
一般而言,在多功能一体机、打印机等的图像处理装置中,根据图像处理装置中的特定原因,有时在打印生成物或扫描图像中形成异常图像(异常对象)。异常图像例如是预料之外的条纹或点、打印生成物或扫描图像的整体中的斑点等。
在一种图像处理装置中,输出多种调色剂颜色和白色的测试图案(testpattern),根据该测试图案中的点形状或条纹形状的异常对象,确定异常原因。
但是,在上述图像处理装置中,需要输出很多测试图案,因而导致确定异常原因时的所需时间变长。另外,仅参照了某一时点的测试图案的情况下,也有可能无法准确地确定异常原因。
发明内容
本发明是鉴于上述问题而完成的,其目的在于得到一种:在不使检测异常图像时的所需时间变长的情况下,能够准确地确定异常原因的图像处理装置、图像形成装置以及图像处理方法。
(用于解决课题的技术方案)
本发明的图像处理装置,具备:异常检测部,其检测对象图像中的异常对象;特征监控部,其进行如下处理:(a)对于所述异常对象,监控至少两个基本特征的值,(b)判断所述基本特征的值是否满足规定的多个异常类别中的任意一个异常类别的规定的监控判断条件,(c)当判断为所述基本特征的值满足所述监控判断条件时,将与所述基本特征的值满足所述监控判断条件的所述异常类别对应的特征,确定为所述异常对象相关的辅助特征,(d)开始对所述辅助特征的值进行监控;异常类别确定部,其根据由所述特征监控部监控的所述基本特征和所述辅助特征,确定与所述异常对象对应的所述异常类别。
本发明的图像形成装置,具备所述图像处理装置和生成所述对象图像的内部装置。
本发明的图像形成方法,包括如下步骤:检测对象图像中的异常对象的步骤;(a)对于所述异常对象,监控至少两个基本特征的值,(b)判断所述基本特征的值是否满足规定的多个异常类别中的任意一个异常类别的规定的监控判断条件,(c)当判断为所述基本特征的值满足所述监控判断条件时,将与所述基本特征的值满足所述监控判断条件的所述异常类别对应的特征,确定为所述异常对象相关的辅助特征,(d)开始对所述辅助特征的值进行监控的步骤;根据被监控的所述基本特征和所述辅助特征,确定与所述异常对象对应的所述异常类别的步骤。
(发明效果)
根据本发明,能够得到一种:在不使检测异常图像时的所需时间变长的情况下,能够准确地确定异常原因的图像处理装置、图像形成装置以及图像处理方法。
本发明的上述或其他目的、特征以及优点,在附图的基础上结合以下详细说明将更加清楚。
附图说明
图1是表示本发明实施方式涉及的图像处理装置的构成的框图。
图2是对异常对象的特征进行说明的图。
图3是对各异常类别相关的、基本特征空间中的正常判断区域、监控判断区域以及使用极限判断区域进行说明的图。
图4是对根据基本特征的值追加监控的辅助特征的选择进行说明的图。
图5是对辅助特征的监控的开始和结束进行说明的图。
图6是对图1中所示图像处理装置的动作进行说明的流程图(1/2)。
图7是对图1中所示图像处理装置的动作进行说明的流程图(2/2)。
图8是对图6中的已达到使用寿命或发生故障判断处理进行说明的图。
图9是对图7中的辅助特征评价处理进行说明的图。
图10是对图7中的异常分类处理进行说明的图。
具体实施方式
以下,根据附图对本发明的实施方式进行说明。
图1是表示本发明实施方式涉及的图像处理装置的构成的框图。图1中所示的图像处理装置是个人计算机、服务器等的信息处理装置、或者数码相机、图像形成装置(扫描器、多功能一体机等)等的电子装置,该图像处理装置具备运算处理装置1、存储装置2、通信装置3、显示装置4、输入装置5、内部装置6等。
运算处理装置1具备计算机,其利用该计算机执行图像处理程序,从而作为各种处理部进行工作。具体而言,该计算机具备CPU(Central Processing Unit;中央处理器)、ROM(Read Only Memory、只读存储器)、RAM(Random Access Memory;随机存取存储器)等,通过将存储于ROM或存储装置2的程序下载到RAM中并由CPU执行该程序,从而作为规定的处理部进行工作。
另外,运算处理装置1还可以具备作为特定的处理部发挥作用的ASIC(Application Specific Integrated Circuit;专用集合成电路)。
存储装置2是闪存器等的非易失性存储装置,其存储后述的处理所需的图像处理程序或数据。图像处理程序存储于例如非暂时性且计算机可读形式的记录介质中,将该图像处理程序从该记录介质安装于该存储装置2。
通信装置3是与外部装置进行数据通信的装置,其例如是网络接口、外围设备接口等。
显示装置4是向用户显示各种信息的装置,其例如是液晶显示器等的显示面板等。
输入装置5是检测用户操作的装置,其例如是键盘、触摸面板等。
内部装置6是发挥该图像处理装置的规定功能的装置。例如,当该图像处理装置为图像形成装置时,内部装置6是从原稿光学读取原稿图像的图像读取装置、或者将图像打印在打印用纸上的打印装置等。
在此,运算处理装置1作为(作为上述处理部的)对象图像获取部11、异常检测部12、特征监控部13以及异常类别确定部14进行工作。
对象图像获取部11从存储装置2、通信装置3、内部装置6等获取对象图像(图像数据)并存储于RAM等中。需要说明的是,对象图像例如是对打印规定的基准图像而得到的打印品进行扫描而获得的图像。另外,基准图像(图像数据)预先存储于存储装置2。
异常检测部12将对象图像和基准图像进行比较,并检测对象图像内的异常对象。
例如,异常检测部12进行如下处理:生成通过对对象图像进行滤波处理而得到的第一特征图和通过对基准图像进行相同的滤波处理而得到的第二特征图,生成第一特征图和第二特征图的差分图像,将该差分图像内的对象(object)检测为异常对象。该滤波处理是根据条纹、点、斑点等的异常对象的类别(点、条纹等)而进行设定。在该滤波处理中,使用例如二阶微分滤波器、伽柏滤波器(gabor filter)等。
特征监控部13进行如下处理:(a)对于异常对象,监控至少两个基本特征的值,(b)判断基本特征的值是否满足规定的多个异常类别中的任意一个异常类别的规定的监控判断条件,(c)当判断为基本特征的值满足监控判断条件时,将与基本特征的值满足监控判断条件的异常类别对应的特征,确定为异常对象相关的辅助特征,(d)开始对所确定的辅助特征的值进行监控。
需要说明的是,异常类别是异常原因(异常部位等)的类别等。异常部位例如是可更换的易耗品部件。
为了监控基本特征(或者,基本特征和辅助特征)的值,对象图像获取部11以特定的时间间隔或测量时间反复获取对象图像;异常检测部12从各获取时点的对象图像中检测异常对象;特征监控部13确定检测到的异常对象的基本特征(或者,基本特征和辅助特征)的值。
在此,基本特征和辅助特征是针对每一个异常类别,从规定的特征组中预先被选择,基本特征始终成为监控对象,辅助特征则仅在基本特征满足特定条件时被监控。
例如,该规定的特征组,作为特征,包括:异常对象的面积、朝向、延伸方向、异常对象的浓度、异常对象的边缘强度、异常对象的颜色、异常对象的周期、异常对象的数量等。
图2是对异常对象的特征进行说明的图。例如,图2中的异常对象101、102、103是异常类别为“点”的异常对象,在异常对象101、102、103中,其面积、浓度以及边缘强度相互不同。
在此,异常对象的朝向是异常对象的长度方向的朝向;延伸方向是根据以特定的时间间隔得到的异常对象的形状确定的异常对象的延伸方向;异常对象的浓度是对象图像中的异常对象部分的浓度的平均值或中值、对象图像中的异常对象以外的其他部分的平均值或中值和对象部分的浓度的平均值或中值的差分値;异常对象的边缘强度是对象图像中的异常对象的边缘的浓度梯度;异常对象的颜色是对象图像中的异常对象的颜色;异常对象的周期是多个异常对象的空间周期;异常对象的数量是各对象类别的异常对象的数量。
图3是对各异常类别相关的、基本特征空间中的正常判断区域、监控判断区域以及使用极限判断区域进行说明的图。
例如,如图3中所示,在基本特征空间(此处为由基本特征A和基本特征B构成的平面空间)中,每一异常类别存在正常判断区域、监控判断区域以及使用极限判断区域。使用极限判断区域是被判断为已达到使用寿命或者发生故障的区域。正常判断区域是被判断为正常的区域,监控判断区域是被判断为已达到使用寿命或者发生故障之前阶段的区域。在正常判断区域中,(辅助特征的值不被监控)基本特征的值被监控,在监控判断区域中,基本特征的值被监控,并且,至少异常类别被确定之前,辅助特征的值被监控。
图4是对根据基本特征的值追加监控的辅助特征的选择进行说明的图。当应判断的异常类别被指定多个时,存在多个异常类别相关的正常判断区域和监控判断区域的边界(监控判断边界),当基本特征的值超过监控判断边界而进入监控判断区域时,开始对辅助特征的值进行监控。例如,如图4中所示,当基本特征A、B的值为测量结果#1时,基本特征A、B的值处于异常类别#1的监控判断区域内且处于异常类别#2的监控判断区域内,作为应开始监控的辅助特征,选择对应于异常类别#1的辅助特征C以及对应于异常类别#2的辅助特征D。另外,例如,如图4中所示,当基本特征A、B的值为测量结果#2时,基本特征A、B的值处于异常类别#3的监控判断区域内,作为应开始监控的辅助特征,选择对应于异常类别#3的辅助特征E。
对于辅助特征的监控,是根据基本特征A、B的值开始和结束。在本实施方式中,特征监控部13进行如下处理:根据监控中的特征(例如,基本特征A、B)的值导出异常度r的值,当异常度r的值超过某一异常类别相关的规定阈值TH1时,判断为基本特征的值超过该异常类别相关的监控判断边界而进入了监控判断区域(即,判断为满足监控判断条件),开始对与该异常类别对应的辅助特征的值进行监控。另外,当异常度r的值小于该异常类别相关的规定阈值TH2时,特征监控部13结束对于与该异常类别对应的辅助特征的值的监控。
需要说明的是,也可以构成为:该异常度r使用函数或表(table)等被导出,该函数或表通过实验等被预先确定,且为近似一次式(r=W1×A+W2×B+W3,W1、W2、W3为常数)等。另外,阈值TH2可以与阈值TH1相同,也可以不同。
进一步地,对于各辅助特征,个别地判断是否结束监控。当监控中的辅助特征为多个时,对于各辅助特征,个别地判断是否结束监控。图5是对辅助特征的监控的开始和结束进行说明的图。例如,如图5中所示,当监控中的辅助特征的值脱离了相对于特定的预测值V的容许误差范围σ时,特征监控部13结束对于该辅助特征的值的监控。该预测值V是通过规定的计算式或表等,根据监控开始时的基本特征的值导出。预测值V和容许误差范围σ,是对每一辅助特征个别地设定。
进一步地,特征监控部13进行如下处理:(a)作为与特定的异常类别对应的特征,确定多个辅助特征集合,(b)选择该多个辅助特征集合中的一个辅助特征集合,将所选择的辅助特征集合中所包含的一个或多个特征确定为辅助特征,(c)当所选择的辅助特征集合中所包含的一个或多个特征的所有监控结束时,选择该多个辅助特征集合中的另一个辅助特征集合,将所选择的辅助特征集合中所包含的一个或多个特征确定为辅助特征。需要说明的是,多个辅助特征集合是按照规定的优先顺序被选择。
当例如图4中所示那样得到了测量结果#1时,作为上述的辅助特征集合,设定辅助特征C、D的集合(set)、仅辅助特征C的集合、仅辅助特征D的集合等。此时,也可以构成为:包含与从基本特征的值(坐标)以规定距离范围邻接的监控判断边界的某一异常类别相关联的辅助特征(在此,是与异常类别#3相关联的辅助特征E),将辅助特征C、D、E的集合、辅助特征E的集合等,也设定为上述的辅助特征集合。
也可以构成为特征监控部13进行如下处理:(a)根据从当前的基本特征的值,至满足上述规定的多个异常类别中的、应监控的辅助特征的异常类别以外的其他异常类别的监控判断条件的基本特征的值为止的距离(例如,对于图4中的测量结果#1而言,是从测量结果#1的位置至异常类别#3的监控判断边界为止的距离),选择应监控的辅助特征以外的异常类别中的一个异常类别,(b)使与所选择的异常类别对应的辅助特征包含于辅助特征集合中。即,选择该距离为规定值以下的异常类别,不选择该距离不是规定值以下的异常类别。
另外,关于这些辅助特征集合的优先顺序,包含基本特征A、B的值进入监控判断区域的两个异常类别中的双方的辅助特征C、D的辅助特征集合的优先顺序最高,接下来,包含这些辅助特征C、D中的一者的辅助特征集合的优先顺序高,包含与相邻的监控判断边界对应的辅助特征E的辅助特征集合的优先顺序,低于不包含辅助特征E的集合的顺序。例如,关于该测量结果#1,优先顺序以辅助特征C、D的集合、仅辅助特征D的集合、仅辅助特征C的集合、辅助特征C、D、E的集合、辅助特征E的集合的顺序变低。
另外,当例如图4中所示那样得到测量结果#2时,设定仅辅助特征E的集合、以及与相邻的监控判断边界对应的辅助特征D和辅助特征E的集合。该情况下,关于测量结果#2,根据上述距离,选择异常类别#2(辅助特征D),但不选择异常类别#1(辅助特征C)。例如,关于该测量结果#2,优先顺序以仅辅助特征E的集合、辅助特征D、E的集合的顺序变低。
需要说明的是,在多个辅助特征(例如,辅助特征C、D)的值被监控中的情况下,当该多个辅助辅助特征中的一部分脱离与基本特征的值对应的范围,但该多个辅助特征中的剩余部分未脱离与基本特征的值对应的范围时,特征监控部13结束对于该一部分的该辅助特征的监控,而对于该剩余部分,则继续监控该辅助特征。
另外,当在规定期间(从辅助特征的监控开始起规定时间长度的期间;以下相同)内,异常度r和辅助特征的值的变动幅度(上述的容许误差范围σ;以下相同)为规定值以下时,特征监控部13结束对于该辅助特征的值的监控。
返回图1。异常类别确定部14根据由特征监控部13监控的基本特征(或者,基本特征和辅助特征),确定与异常对象对应的异常类别。所确定的异常类别,通知给管理者或者维修人员等,或者使用于异常的修复。
具体而言,当在规定期间内,某一异常类别相关的异常度r和辅助特征的值的变动幅度为规定值以下时,异常类别确定部14判断为该辅助特征收敛,该辅助特征和异常度r之间存在相关性,且判断为该异常类别是成为检测到的异常对象的原因的异常类别。
进一步地,当该异常类别相关的上述异常度r超过判断阈值δ时,异常类别确定部14判断为与该异常类别对应的部位已达到了使用极限(已达到使用寿命或者发生故障的状态)。另外,在本实施方式中,当即使由特征监控部13监控与规定的多个异常类别的各异常类别对应的辅助特征的值,也无法确定与异常对象对应的异常类别时,异常类别确定部14判断为该异常对象是基于未知的异常类别的异常对象。这些判断结果通知给管理者或者维修人员等。
另外,当在规定期间内,异常度r和辅助特征的值的变动幅度为规定值以下时,上述特征监控部13设定该判断阈值δ。此时,关于判断阈值δ,可以为预先指定的值,也可以根据该辅助特征的值进行设定。另外,上述特征监控部13进行如下处理:(a)当在规定期间内,异常度和辅助特征的值的变动幅度为规定值以下时,将与画质相关的特征选择为画质监控用特征,将所选择的特征追加为辅助特征,(b)当监控中的画质监控用特征的值超过规定阈值时,判断为发生了画质的降低。需要说明的是,关于画质监控用特征,可以预选指定,也可以从监控过的辅助特征(根据针对画质的规定的指标)中进行选择。
接下来,对图1中所示的图像处理装置的动作进行说明。图6和图7是对图1中所示的图像处理装置的动作进行说明的流程图。
对象图像获取部11获取对象图像(图像数据)(步骤S1)。获取了对象图像后,异常检测部12根据对象图像和基准图像,尝试检测异常对象,并判断是否检测到了异常对象(步骤S2)。
当未检测到异常对象时,判断为正常状态,不进行修复处理等。
当检测到异常对象时,特征监控部13确定检测到的异常对象的基本特征的值(由多个基本特征的值构成的基本特征空间中的坐标值)(步骤S3)。
特征监控部13判断该异常对象相关的异常类别是否已经分类(步骤S4)。当该异常对象相关的异常类别已经分类时,特征监控部13进行已达到使用寿命或发生故障判断处理(步骤S5)。
图8是对图6中的已达到使用寿命或发生故障判断处理进行说明的图。在已达到使用寿命或发生故障判断处理中,对于所确定的异常类别,判断基于(不包含辅助特征)基本特征的上述异常度r的值是否超过判断阈值δ(步骤S21),当异常度r的值超过判断阈值δ时,发出已达到使用寿命或发生故障的警告(步骤S22)。另外,判断是否存在监控中的画质监控用辅助特征的值(步骤S23),当存在监控中的画质监控用辅助特征的值时,确定其值(步骤S24),且判断其值是否超过画质阈值ε(步骤S25)。当其值超过画质阈值ε时,发出画质降低的警告(步骤S26)。
通过如此,根据状况,将该图像处理装置内的特定部位已达到使用寿命或发生了故障等的已达到使用极限的情况或者画质降低的情况,显示在例如显示装置4上,从而告知用户或者维修人员。
返回图6。当该异常对象相关的异常类别并未已经分类时,特征监控部13根据例如上述的异常度r,判断是否存在此次确定的基本特征的值属于监控判断区域的异常类别(步骤S6)。
当不存在此次确定的基本特征的值属于监控判断区域的异常类别时,特征监控部13判断是否存在监控中的辅助特征(步骤S7),当存在监控中的辅助特征时,结束对于该辅助特征的监控(步骤S8)。
另一方面,当存在此次确定的基本特征的值属于监控判断区域的异常类别时,特征监控部13针对该异常类别,如上所述那样确定一个或多个辅助特征集合,并且,按照规定的优先顺序,从该一个或多个辅助特征集合中选择一个辅助特征集合(步骤S9)。另外,此时,结束对于所选择的辅助特征集合以外的辅助特征的监控。
然后,特征监控部13判断所选择的辅助特征集合(属于其的辅助特征)是否已经在监控中(步骤S10),若所选择的辅助特征集合(属于其的辅助特征)并非监控中,则开始对其进行监控(步骤S11)。
特征监控部13对监控中的辅助特征(属于所选择的辅助特征集合的辅助特征)进行辅助特征评价处理(步骤S12)。在辅助特征评价处理中,判断对监控中的各辅助特征是否继续进行监控。
图9是对图7中的辅助特征评价处理进行说明的图。如图9中所示,在辅助特征评价处理中,从属于所选择的辅助特征集合的辅助特征中选择一个辅助特征(步骤S31),确定异常对象相关的所选择辅助特征的值(步骤S32)。另一方面,该辅助特征相关的预测值V如上所述那样被导出(步骤S33),判断该辅助特征的值是否处于容许误差范围内(步骤S34)。然后,当该辅助特征的值处于容许误差范围内时,继续对该辅助特征的值进行监控(步骤S35),若该辅助特征的值不处于容许误差范围内,则结束对于该辅助特征的值的监控(步骤S36)。然后,判断是否存在属于所选择辅助特征集合的辅助特征中的未选择的辅助特征(步骤S37),且直至不存在未选择的辅助特征为止,返回步骤S32,选择未选择的辅助特征中的一个辅助特征,并进行同样的处理。
与实际的异常的类别不同的异常类别相关的辅助特征的值,随着时间的经过而容易偏离预测值V,因此,对于这样的辅助特征,从监控中排除。
返回图7。在辅助特征评价处理之后,特征监控部13判断是否存在应继续监控的辅助特征(步骤S13)。当不存在应继续监控的辅助特征时,特征监控部13判断是否存在所确定的一个或多个辅助特征集合中的未选择的辅助特征集合(步骤S14),当存在未选择的辅助特征集合时,选择未选择的辅助特征集合中的一个辅助特征集合(步骤S15),对于所选择的辅助特征集合,同样地进行步骤S10及其以后的处理。
另一方面,当不存在未选择的辅助特征集合时,特征监控部13判断为是未知的异常,将该情况显示在例如显示为装置4上,从而告知用户或维修人员(步骤S16)。
另一方面,当在步骤S13中,存在应继续监控的辅助特征时,异常类别确定部14进行异常分类处理(步骤S17)。
图10是对图7中的异常分类处理进行说明的图。如图10中所示,在异常分类处理中,对监控中的辅助特征,确定从监控开始起的经过时间t(步骤S41)。需要说明的是,经过时间t是通过未图示的计时器等被计测。
然后,判断该经过时间t是否超过规定的时间阈值THt(步骤S42),当该经过时间t超过规定的时间阈值THt时,继续监控时间THt,因此,根据该辅助特征的值,对异常类别进行分类(步骤S43)。
例如,当监控中的辅助特征为一个时,按照与该辅助特征对应的异常类别,对该异常对象进行分类;当监控中的辅助特征为多个时,按照与这些辅助特征对应的异常类别中的满足规定条件的异常类别(例如,与值最大的辅助特征对应的异常类别),对该异常对象进行分类。
然后,设定与被分类(确定)的异常类别对应的判断阈值δ(步骤S44),结束对于所有辅助特征的监控(步骤S45)。另外,此时,对于基本特征的监控继续进行。通过结束对于辅助特征的监控,可以减少运算处理装置1的运算负荷。
在此,判断是否存在与画质具有相关性的辅助特征(步骤S46),若存在与画质具有相关性的辅助特征,则将与画质具有相关性的辅助特征中的任意一个辅助特征,设定为上述的画质监控用辅助特征(步骤S47),设定上述的画质阈值ε(步骤S48),开始对该画质监控用辅助特征进行监控(步骤S49)。
另外,是以异常度r低的状态进行该异常分类处理,之后,异常度r变高,进行上述的已达到使用寿命或发生故障判断处理,因此,根据此处设定的阈值δ、ε进行上述的已达到使用寿命或发生故障判断处理。
在此,对具体例进行说明。
作为上述规定的多个异常类别,设定曝光条纹、带电条纹以及限制条纹,15日的期间内每日获取对象图像,对条纹形状的异常对象进行了异常类别的分类,其结果是,与基于多种调色剂颜色和白色的测试图案(test pattern)的上述技术相比,可以得到高精度的分类结果。
如上所述,在上述实施方式中,异常检测部12检测对象图像中的异常对象。
特征监控部13进行如下处理:(a)对于异常对象,监控至少两个基本特征的值,(b)判断该基本特征的值是否满足规定的多个异常类别中的任意一个异常类别的规定的监控判断条件,(c)当判断为该基本特征的值满足监控判断条件时,将与该基本特征的值满足监控判断条件的异常类别对应的特征,确定为异常对象相关的辅助特征,(d)开始对该辅助特征的值进行监控。
异常类别确定部14根据由特征监控部13监控的基本特征和辅助特征,确定与检测到的异常对象对应的异常类别。
通过如此,能够在不使检测异常图像时的所需时间变长的情况下,准确地确定异常原因。另外,是在达到使用极限之前早期阶段确定不良状况及其原因部位,因此,不易发生达到使用极限的情况,并且,在达到使用极限之前减少异常。
需要说明的是,关于上述实施方式,也可以在不脱离其主旨和范围且不减弱其所意图的优点的范围内进行各种变更和修改,由于这些变更和修改对于本领域技术人员而言是显而易见的,因此这些变更和修改,也应该包含在本申请权利要求的范围内。
(产业上的可利用性)
本发明可以应用于例如图像形成装置等的异常的检测中。
Claims (12)
1.一种图像处理装置,其特征在于,
具备:
异常检测部,其检测对象图像中的异常对象,
特征监控部,其进行如下处理:(a)对于所述异常对象,监控至少两个基本特征的值,(b)判断所述基本特征的值是否满足规定的多个异常类别中的任意一个异常类别的规定的监控判断条件,(c)当判断为所述基本特征的值满足所述监控判断条件时,将与所述基本特征的值满足所述监控判断条件的异常类别对应的特征,确定为所述异常对象相关的辅助特征,(d)开始对所述辅助特征的值进行监控,以及
异常类别确定部,其根据由所述特征监控部监控的所述基本特征和所述辅助特征,确定与所述异常对象对应的所述异常类别。
2.根据权利要求1所述的图像处理装置,其特征在于,
所述特征监控部,进行如下处理:(a)从所述基本特征的值导出异常度,(b)当所述异常度的值超过规定的第一阈值时,判断为满足所述监控判断条件,开始对与所述监控判断条件的所述异常类别对应的所述辅助特征的值进行监控。
3.根据权利要求2所述的图像处理装置,其特征在于,
当所述异常度的值小于规定的第二阈值时,所述特征监控部结束对于与所述监控判断条件的所述异常类别对应的所述辅助特征的值的监控。
4.根据权利要求3所述的图像处理装置,其特征在于,
所述特征监控部,进行如下处理:(a)作为与特定的所述异常类别对应的特征,确定多个辅助特征集合,(b)选择所述多个辅助特征集合中的一个辅助特征集合,将所选择的所述辅助特征集合中所包含的一个或多个特征,确定为所述辅助特征,(c)当所选择的所述辅助特征集合中所包含的一个或多个特征的所有监控结束时,选择所述多个辅助特征集合中的另一个辅助特征集合,将所选择的所述辅助特征集合中所包含的一个或多个特征,确定为所述辅助特征。
5.根据权利要求4所述的图像处理装置,其特征在于,
所述特征监控部,进行如下处理:(a)根据从所述基本特征的值,到满足应监控的所述辅助特征以外的异常类别的监控判断条件的所述基本特征的值为止的距离,选择应监控的所述辅助特征的异常类别以外的其他异常类别中的一个异常类别,(b)使与所选择的所述异常类别对应的辅助特征包含于所述辅助特征集合中。
6.根据权利要求1所述的图像处理装置,其特征在于,
在多个所述辅助特征的值被监控中的情况下,当多个所述辅助特征中的一部分脱离与所述基本特征的值对应的范围,但多个所述辅助特征中的剩余部分并未脱离与所述基本特征的值对应的范围时,所述特征监控部结束对于所述一部分的该辅助特征的监控,而对于所述剩余部分,则继续监控该辅助特征。
7.根据权利要求2所述的图像处理装置,其特征在于,
当在规定期间内,所述异常度和所述辅助特征的值的变动幅度为规定值以下时,所述特征监控部结束对于该辅助特征的值的监控。
8.根据权利要求1所述的图像处理装置,其特征在于,
所述异常类别确定部进行如下处理:(a)从所述基本特征的值导出异常度,(b)当所述异常类别相关的所述异常度超过特定的判断阈值时,判断为与该异常类别对应的部位已达到使用极限;
当在规定期间内,所述异常度和所述辅助特征的值的变动幅度为规定值以下时,所述特征监控部根据所述辅助特征的值设定所述判断阈值。
9.根据权利要求1所述的图像处理装置,其特征在于,
所述特征监控部,进行如下处理:(a)从所述基本特征的值导出异常度,当在规定期间内,所述异常度和所述辅助特征的值的变动幅度为规定值以下时,选择画质监控用特征,将所选择的所述特征追加为所述辅助特征,(b)当监控中的所述画质监控用特征的值超过规定阈值时,判断为发生了画质的降低。
10.根据权利要求1所述的图像处理装置,其特征在于,
当即使由所述特征监控部对与规定的多个异常类别的各异常类别对应的所述辅助特征的值进行监控,也无法确定与所述异常对象对应的所述异常类别时,所述异常类别确定部判断为所述异常对象是基于未知的异常类别的异常对象。
11.一种图像形成装置,其特征在于,
具备:
权利要求1至10中任一项所述的图像处理装置,
生成所述对象图像的内部装置。
12.一种图像处理方法,其特征在于,
包括如下步骤:
检测对象图像中的异常对象的步骤;
(a)对于所述异常对象,监控至少两个基本特征的值,(b)判断所述基本特征的值是否满足规定的多个异常类别中的任意一个异常类别的规定的监控判断条件,(c)当判断为所述基本特征的值满足所述监控判断条件时,将与所述基本特征的值满足所述监控判断条件的所述异常类别对应的特征,确定为所述异常对象相关的辅助特征,(d)开始对所述辅助特征的值进行监控的步骤;以及
根据被监控的所述基本特征和所述辅助特征,确定与所述异常对象对应的所述异常类别的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-108184 | 2021-06-29 | ||
JP2021108184A JP2023005915A (ja) | 2021-06-29 | 2021-06-29 | 画像処理装置、画像形成装置、および画像処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115619704A true CN115619704A (zh) | 2023-01-17 |
Family
ID=84542344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210702689.7A Pending CN115619704A (zh) | 2021-06-29 | 2022-06-21 | 图像处理装置、图像形成装置以及图像处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220414852A1 (zh) |
JP (1) | JP2023005915A (zh) |
CN (1) | CN115619704A (zh) |
-
2021
- 2021-06-29 JP JP2021108184A patent/JP2023005915A/ja active Pending
-
2022
- 2022-06-20 US US17/844,196 patent/US20220414852A1/en active Pending
- 2022-06-21 CN CN202210702689.7A patent/CN115619704A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220414852A1 (en) | 2022-12-29 |
JP2023005915A (ja) | 2023-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11943406B2 (en) | Methods, apparatuses, and systems for detecting printing defects and contaminated components of a printer | |
US8531744B2 (en) | Image defect diagnostic system, image forming apparatus, image defect diagnostic method and computer readable medium | |
JP7468716B2 (ja) | 検査システム、検査方法及び検査プログラム | |
JP4710495B2 (ja) | 故障診断システム、画像形成装置及び故障診断方法 | |
US8126199B2 (en) | Identification of faulty jets via sensing on customer images | |
US8451504B2 (en) | Banding defect detection in digital imaging systems | |
JP7091727B2 (ja) | 診断システム、診断方法、画像形成装置およびプログラム | |
US9185240B2 (en) | Image test apparatus, image test system, and image test method | |
JP2021063931A (ja) | 画像検査装置、画像検査方法及び画像検査プログラム | |
JP4872979B2 (ja) | 画像処理装置、画像形成装置及びプログラム | |
JP2007234021A (ja) | 閉ループシステムのための、容量と可読性を強化されたカラーバーコード | |
JP2008157676A (ja) | 色判別装置、色判別プログラム、故障診断装置 | |
CN115619704A (zh) | 图像处理装置、图像形成装置以及图像处理方法 | |
CN104427183B (zh) | 图像形成装置及其控制方法 | |
JP5812441B2 (ja) | プリンタ、プリンタの異常検出装置、及びその異常検出方法 | |
JP2008224745A (ja) | 画像処理装置、画像処理プログラム、故障診断装置、及び故障診断プログラム | |
US20220210278A1 (en) | Image forming apparatus, image forming method, non-transitory computer readable recording medium storing an image processing program | |
US11503167B2 (en) | Image processing apparatus, method, and computer program product excludes specific anomalies among detected anomalies | |
US20230034236A1 (en) | Image processing apparatus, image forming apparatus, and image processing method | |
JP2021021840A (ja) | 画像形成装置、画像作成方法及び画像作成プログラム | |
KR102256571B1 (ko) | 소모품을 진단하는 화상형성장치 및 화상형성방법 | |
JP2023005914A (ja) | 画像処理装置、画像形成装置、および画像処理方法 | |
JP2016001843A (ja) | 色変動監視装置、画像形成装置及びプログラム | |
JP7139882B2 (ja) | 診断システム、画像形成装置、診断方法およびプログラム | |
JP2012203279A (ja) | 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 |