CN1809117A - 图像处理装置及方法、图像形成装置、图像读取处理装置 - Google Patents

Abstract

本发明提供一种图像处理装置。图像处理装置包括对多个颜色分量构成的输入图像数据的网点线数进行识别的网点线数识别部。该网点线数识别部包括：在多个像素构成的局部块中，设定在二值化处理中使用的阈值的阈值设定部；为了除去不需要的颜色分量造成的影响，根据输入图像数据，对阈值进行调整的阈值调整部；根据调整的阈值，求二值数据的最大反转次数的平均值的最大反转次数平均值计算部；以及从该最大反转次数平均值来判定网点线数的网点线数判定部。由此，即使对于混色网点和单色网点，也可以通过作为相同线数进行识别而实现能够高精度地识别网点线数的图像处理装置。

Description

图像处理装置及方法、图像形成装置、图像读取处理装置

技术领域

本发明涉及图像处理装置以及图像处理方法和包含它的图像读取处理装置、图像形成装置、程序、记录介质，该图像处理装置被供给数字复印机或传真装置等，为了实现记录图像的图像质量提高，而对扫描原稿得到的图像信号判别网点的线数的级别，并基于其结果进行适当的处理。

背景技术

数字扫描器或数字照相机等数字彩色图像输入装置中，输入彩色图像数据(彩色信息)，一般地将由分色系统的固体摄像元件(CCD)得到的三刺激值的颜色信息(R、G、B)从模拟信号变换为数字信号而作为输入信号使用。在最佳地显示或输出由该图像输入装置输入的信号的情况下，进行分离为读取原稿图像内的具有同一特性的每个小区域的处理。然后，对于该特性相同的区域，通过实施最合适的图像处理而可以再现优质的图像。

一般地，在将原稿图像分离为小区域时，对读取原稿图像内存在的字符区域、网点区域(halftone region)、照片区域(其它的区域)的各区域进行以局部为单位识别的处理。被识别的各区域通过在具有各自特性的每个区域中切换图像质量提高处理来提高图像的再现性。

而且，在上述网点区域(图像)的情况下，使用有65线/英寸、85线/英寸、100线/英寸、120线/英寸、133线/英寸、150线/英寸、175线/英寸、200线/英寸的从低线数到高线数的网点。因此，提出对这些网点线数(halftonefrequencies)进行判别，并根据其结果进行适当的处理的方法。

例如，在日本公开专利公报‘特开2004-102551号公报(公开日2004年4月2日)’(以下，称为专利文献1)中，记载了使用对于输入图像的二值化数据中的二值的切换次数——反转次数进行网点的线数识别的方法。此外，在日本公开专利公报‘特开2001-218046号公报(公开日2001年8月10日)’(以下，称为专利文献2)中，记载了从在关注块和参照区域内与将关注块移动规定像素数的位置中的块的相似度来求相似的峰值，根据在网点区域时距中心最短距离的峰值来检测网点线数的方法。

在专利文献1中，在二值化处理和计算反转次数时，甚至对混色网点或单色网点都未考虑。而在专利文献2中，与专利文献1同样，甚至对混色网点或单色网点都未考虑。因此，专利文献1和专利文献2都难以在混色网点区域中高精度地识别网点线数。

此外，在日本公开专利公报‘专利第3093235号公报(授权公告日2000年10月3日)’和日本公开专利公报‘特开2002-77623(公开日2002年3月15日)’中，记载了根据在每个规定块中计数用M×N像素尺寸(M、N是预先通过实验而求出的整数)的掩模(mask)求出的峰值像素所获得的峰值像素数，进行网点的线数识别的方法。

在上述方法中，根据规定块的峰值像素数进行网点线数识别，但即使是具有相同线数的网点，在青绿色(以下为C)、品红色(以下为M)、黄色(以下为Y)、黑色(以下为K)中两颜色以上的网点构成的混色网点和上述各颜色的单色网点中，峰值像素数极大地不同。换句话说，例如，133线的混色网点和175线的单色网点的峰值像素数具有相近的值而难以识别。即，不能仅提取特定的颜色分量的峰值像素数。

发明内容

本发明的目的在于提供一种图像处理装置、图像处理方法、包括图像处理装置的图像读取装置、图像形成装置、图像处理程序、以及记录了该程序的计算机可读取的记录介质，可以仅提取特定的颜色分量的特征量。更具体地说，本发明提供一种图像处理装置、图像处理方法、包括图像处理装置的图像读取装置、图像形成装置、图像处理程序、以及记录了该程序的计算机可读取的记录介质，对于虽然是相同线数，但规定块内的峰值像素数极大不同的混色网点和单色网点，通过作为相同线数进行识别而能够高精度地识别网点线数。

为了实现上述目的，本发明的图像处理装置包括对通过读取装置从原稿读取的图像的网点线数进行识别的网点线数识别部件，所述网点线数识别部件包括：阈值决定部件，用对应于所述读取装置中的各颜色分量的读取特性而预先确定的调整值，决定用于提取表示各像素间的浓度变化状况的特征量的阈值；提取部件，根据所述阈值决定部件决定的阈值，提取所述特征量；以及网点线数判定部件，从所述提取部件提取出的特征量来判定网点线数。

根据上述结构，阈值决定部用对应于所述读取装置中的各颜色分量的读取特性而预先确定的调整值，决定阈值。

这里，读取装置中的各颜色分量的读取特性，例如有扫描器等的读取装置中的各颜色分量的滤色分光特性或对应于各颜色的油墨的分光反射特性等。例如，G图像数据理论上仅由具有其补色关系的品红色构成，但根据读取装置中的原稿的读取特性，不需要的青绿色分量也被混入。该不需要的青绿色分量的影响度因所述读取特性而有所不同。

因此，在对应于读取特性而预先确定的调整值中，包含有相对于特定颜色分量的图像数据的该特定颜色分量以外的不需要的颜色分量的影响度。因此，阈值决定部通过用该调整值来决定阈值，可以对阈值进行调整，以除去不需要的颜色分量的影响度。

而且，提取部根据阈值决定部决定的阈值，提取用于表示各像素间的浓度变化状况的特征量。因此，在提取部提取出的特征量中，不包含不需要的颜色分量的影响。其结果，通过从提取部提取出的特征量来判定网点线数，可以识别基于特定颜色分量的网点线数。即，即使是混色网点区域，也可以高精度地识别网点线数。

本发明的其他目的、特征、及优点通过以下所示的记载而十分清楚。此外，本发明的好处在参照附图的以下说明中会十分明显。

附图说明

图1是表示本发明的实施方式1的图，是表示图像处理装置中配有的网点线数识别部的结构的方框图。

图2是表示本发明的实施方式1的图像形成装置的结构的方框图。

图3是表示本发明的实施方式1的图像处理装置中配有的原稿类别自动判别部的结构的方框图。

图4(a)是表示在上述原稿类别自动判别部中配有的字符像素检测部中，在用于检测字符像素进行的卷积运算中使用的一例块存储器的说明图。

图4(b)是表示在上述原稿类别自动判别部中配有的字符像素检测部中，对用于检测字符像素的输入图像数据进行卷积运算的一例滤波系数的说明图。

图4(c)是表示在上述原稿类别自动判别部中配有的字符像素检测部中，对用于检测字符像素的输入图像数据进行卷积运算的另一例滤波系数的说明图。

图5(a)是表示在上述原稿类别自动判别部中配有的背景基底检测部中，被作为背景基底像素检测的情况下的一例浓度直方图的说明图。

图5(b)是表示在上述原稿类别自动判别部中配有的背景基底检测部中，不被作为背景基底像素检测的情况下的一例浓度直方图的说明图。

图6(a)是表示在上述原稿类别自动判别部中配有的网点像素检测部中，在用于检测网点像素的特征量(相邻像素差分值总和、最大浓度差)计算中使用的一例块存储器的说明图。

图6(b)是表示以用于检测网点像素的特征量——相邻像素差分值总和和最大浓度差为轴的二维平面中的一例字符、网点、照片区域的分布的说明图。

图7(a)是表示一例存在多个照片部分的输入图像数据的说明图。

图7(b)是表示相对于图7(a)的原稿类别自动判别部中配有的照片候选像素标记部中的一例处理结果的说明图。

图7(c)是表示相对于图7(b)中的原稿类别自动判别部中配有的照片类别判定部中的一例判定结果的说明图。

图7(d)是表示相对于图7(b)中的原稿类别自动判别部中配有的照片类别判定部中的一例判定结果的说明图。

图8是表示图3所示的原稿类别自动判别部(照片类别判定部)的处理流程的流程图。

图9是表示图3所示的原稿类别自动判别部中配有的标记部的处理流程的流程图。

图10(a)是表示处理像素的上邻像素为1的情况下的上述标记部的一例处理方法的说明图。

图10(b)是表示处理像素的上邻和左邻的像素为1、左邻的像素附加有与上邻的像素不同的标记的情况下的上述标记部的一例处理方法的说明图。

图10(c)是表示处理像素的上邻的像素为0、左邻的像素为1的情况下的上述标记部的一例处理方法的说明图。

图10(d)是表示处理像素的上邻和左邻的像素为0的情况下的上述标记部的一例处理方法的说明图。

图11是表示上述原稿类别自动判别部的另一例子的结构的方框图。

图12(a)是表示上述网点线数识别部作为对象的网点像素的说明图。

图12(b)是表示上述网点线数识别部作为对象的网点区域的说明图。

图13是表示实施方式1的网点线数识别部的处理流程的流程图。

图14(a)是表示由青绿色网点和品红色网点构成的一例120线混色网点的说明图。

图14(b)是表示相对于图14(a)的网点的G图像数据的说明图。

图14(c)是表示相对于图14(a)的网点的未反映青绿色网点的浓度变化的情况下的一例G图像数据的说明图。

图15是表示从图14(b)的上部起第2行的主扫描方向行的浓度变化、相对于该变化的阈值th1、应调整阈值th1的最佳阈值范围的说明图。

图16(a)是表示对于采用阈值th2的情况下的图14(b)所示的G图像数据进行了二值化处理的二值数据的说明图。

图16(b)是表示对于采用阈值th1的情况下的图14(b)所示的G图像数据进行了二值化处理的二值数据的说明图。

图17(a)是表示175线的一例单色网点的说明图。

图17(b)是表示对于图17(a)的网点的G图像数据进行了二值化处理的二值数据的说明图。

图18(a)是为了在图18(b)中与本发明的情况进行比较而使用的二值数据的最大反转次数平均值的频度分布的说明图。

图18(b)是表示本发明中的二值数据的最大反转次数平均值的频度分布的说明图。

图19(a)是表示一例相对于85线网点为最佳滤波频率特性的说明图。

图19(b)是表示一例相对于133线网点为最佳滤波频率特性的说明图。

图19(c)是表示一例相对于175线网点为最佳滤波频率特性的说明图。

图20(a)是表示对应于图19(a)的一例滤波系数的说明图。

图20(b)是表示对应于图19(b)的一例滤波系数的说明图。

图20(c)是表示对应于图19(c)的一例滤波系数的说明图。

图21(a)是表示在根据线数采用的网点上字符检测处理中使用的低频边缘滤波器的一例滤波系数的说明图。

图21(b)是表示在根据线数采用的网点上字符检测处理中使用的低频边缘滤波器的另一例滤波系数的说明图。

图22是表示本发明的实施方式2的图像处理装置中配有的网点线数识别部的结构的方框图。

图23是表示实施方式2的网点线数识别部的处理流程的流程图。

图24是表示本发明的实施方式3的图像处理装置中配有的网点线数识别部的结构的方框图。

图25是表示本发明的实施方式5的图像读取处理装置的结构的方框图。

图26是表示将本发明作为软件(应用程序)来实现的情况下的上述图像处理装置的结构的方框图。

图27是表示本发明的实施方式4的图像处理装置中配有的网点线数识别部的结构的方框图。

具体实施方式

[实施方式1]

对于本发明的一实施方式，根据图1至图21进行说明时，如下所示。

<关于图像形成装置的整体结构>

如图2所示，本实施方式的图像形成装置包括：彩色图像输入装置1、图像处理装置2、彩色图像输出装置3和操作面板4。

操作面板4由用于设定图像形成装置(例如，数字复印机)的动作模式的设定按钮或数字键盘、液晶显示器等构成的显示部构成。

彩色图像输入装置(读取装置)1例如由扫描部构成，将来自原稿的反射光作为RGB(R：红色、G：绿色、B：蓝色)模拟信号用CCD(Charge CoupledDevice)读取。

彩色图像输出装置3是在图像处理装置2中进行规定的图像处理，并输出其结果的装置。

图像处理装置2包括：A/D(模拟/数字)变换部11、黑斑校正部12、原稿类别自动判别部13、网点线数识别部(网点线数识别部件)14、输入色调校正部15、颜色校正部16、黑版生成(black generation)底色除去部17、空间滤波处理部18、输出色调校正部19、色调再现处理部20、及区域分离处理部21。

A/D变换部11将彩色图像输入装置1读取出的模拟信号变换为数字信号。

黑斑校正部12进行用于除去在彩色图像输入装置2的照明系统、成像系统、摄像系统中产生的各种失真的黑斑校正。

原稿类别自动判别部13对于由黑斑校正部12除去了各种失真的RGB信号(RGB的反射率信号)，变换为浓度信号等被图像处理装置2采用的图像处理系统容易处理的信号，同时进行被输入的原稿图像是字符原稿、打印照片原稿(网点)、印相纸照片(连续色调)、还是将它们组合的字符/打印照片原稿等的原稿类别的判别。该原稿类别自动判别部13根据原稿类别判别结果，将表示原稿图像的类别的原稿类别信号向输入色调校正部15、区域分离处理部21、颜色校正部16、黑版生成底色除去部17、空间滤波处理部18、及色调再现处理部20输出。此外，原稿类别自动判别部13根据原稿类别判别结果，将表示网点区域的网点区域信号输出到网点线数识别部14。

网点线数识别部14对于由原稿类别自动判别部13求出的网点区域，基于表示线数的特征量进行网点线数的识别。再有，有关细节后面论述。

输入色调校正部15根据上述原稿类别自动判别部13的判定结果，实施基底区域浓度的除去或对比度等的图像质量调整处理。

区域分离处理部21根据上述原稿类别自动判别部13的判定结果，每个像素被分离在字符、网点、照片(其他)区域的其中一个中。该区域分离处理部21根据分离结果，将表示像素属于哪个区域的区域识别信号输出到颜色校正部16、黑版生成底色除去部17、空间滤波处理部18、以及色调再现处理部20。

颜色校正部16是为了实现颜色再现的真实化，而根据包含不需要吸收分量的CMY(C：青绿色、M：品红色、Y：黄色)色材的分光特性，进行除去色混浊的颜色校正处理。

黑版生成底色除去部17进行由颜色校正后的CMY的三色信号生成黑版(K)信号的黑版生成处理，另一方面，进行从原来的CMY信号中减去由黑版生成得到的K信号并进行生成新的CMY信号的底色除去处理。然后，这些处理(黑版生成处理、底色除去处理)的结果，CMY的三色信号被变换为CMYK的四色信号。

空间滤波处理部18通过进行基于数字滤波的空间滤波处理，校正空间频率特性，防止输出图像的模糊或粒状性劣化。

输出色调校正部19进行将浓度信号等的信号变换为图像输出装置的特性值——网点面积率的输出色调校正处理。

色调再现处理部20进行色调再现处理(中间色调生成处理)，以将图像最终分割为像素而可再现各自的色调。

再有，由上述区域分离处理部21作为黑色字符或根据情况作为彩色字符提取出的图像区域，为了提高黑色字符或彩色字符的再现性，将空间滤波处理部18中的清晰度强调处理中的高频的强调量增大。此时，空间滤波处理部18进行基于来自网点线数识别部14的网点线数识别信号的处理，但有关该处理后面论述。同时，在中间色调生成处理中，选择适合于高频再现的高析像的屏幕(screen)中的二值化或多值化处理。

另一方面，对于由区域分离处理部21判别为网点的区域，在空间滤波处理部18中，被实施用于除去输入网点分量的低通滤波处理。此时，空间滤波处理部18进行基于来自网点线数识别部14的网点线数识别信号的处理，但有关该处理后面论述。此外，在中间色调处理，同时地进行重视色调再现性的屏幕中的二值化或多值化处理。

而且，对于由区域分离处理部21分离为照片的区域，进行在重视色调再现性的屏幕中的二值化或多值化处理。

这样，实施了上述各处理的图像数据被临时存储于未图示的存储部件中，按规定的定时被读出并被输入到彩色图像输出装置3。再有，上述处理由CPU(Central Processing Unit)进行。

再有，该彩色图像输出装置3将图像数据输出到记录介质(例如纸等)上，例如，可以列举采用电子照片方式或喷墨方式的彩色图像形成装置等，但不限于此。

原稿类别自动判别部13不一定需要，取代原稿类别自动判别部13而设有网点线数识别部14，将进行了预扫描的图像数据或黑斑校正后的图像数据存储在硬盘等的存储器中，用存储的图像数据判定是否包含网点区域，并根据其结果，进行网点线数的识别就可以。

<关于原稿类别自动判别部>

下面，说明关于检测作为网点线数识别处理的对象的网点区域的原稿类别自动判别部13中的图像处理。

如图3所示，原稿类别自动判别部13包括：字符像素检测部31；背景基底像素检测部32；网点像素检测部33；照片候选像素检测部34；照片候选像素标记部35；照片候选像素计数部36；网点像素计数部37；照片类别判定部38。再有，以下，采用将RGB信号进行补色反转后的CMY信号进行说明，但也可以直接使用RGB信号。

上述字符像素检测部31输出输入图像数据的各像素是否存在于字符边缘区域的识别信号。例如，作为上述字符像素检测部的处理，对于图4(a)那样的存储于块存储器中的输入图像数据(f(0，0)～f(2，2)表示输入图像数据的像素值浓度)，采用图4(b)、图4(c)那样的滤波系数的以下所示的卷积运算处理结果S1、S2。

S1＝1×f(0，0)+2×f(0，1)+1×f(0，2)-1×f(2，0)-2×f(2，1)-1×f(2，2)

S2＝1×f(0，0)+2×f(1，0)+1×f(2，0)-1×f(0，2)-2×f(1，2)-1×f(2，2)

$S=\sqrt{S1+S2}$

在上述S比预先设定的阈值大的情况下，将上述块存储器中存储的输入图像数据中的关注像素(坐标(1，1))作为存在于字符边缘区域中的字符像素来识别。通过将上述处理应用于输入图像数据的全部像素，可以对输入图像数据中的字符像素进行识别。

上述背景基底像素检测部32输出在背景基底区域中是否存在输入图像数据的各像素的识别信号。例如，作为上述背景基底像素检测部32的处理，是采用了表示图5那样的输入图像数据的各像素浓度值(例如，补色反转后的CMY信号的M信号)的频度的浓度直方图的处理。

用图5(a)、图5(b)说明具体的处理步骤。

步骤1：检测最大频度(Fmax)。

步骤2：在Fmax比预先设定的阈值(THbg)小的情况下，设为在输入图像数据中不存在背景基底区域。

步骤3：在Fmax大于等于预先设定的阈值(THbg)的情况下，用相对于作为Fmax的像素浓度值(Dmax)附近的像素浓度值、例如Dmax-1、Dmax+1的像素浓度值的频度Fn1、Fn2，在上述Fmax和上述Fn1及上述Fn2(图5(a)的带网部分)的总和比预先设定的阈值大的情况下，设在输入图像数据中存在背景基底区域。

步骤4：在步骤3中存在背景基底区域的情况下，将具有上述Dmax附近的像素浓度值、例如Dmax-5～Dmax+5为止的像素浓度值的像素作为背景基底区域中存在的背景基底像素来识别。

此外，作为浓度直方图，也可以不使用各像素浓度值，而使用浓度分区(例如，将256色调的像素浓度值分为16个浓度分区的像素浓度值)的简易的浓度直方图。或者，根据下面算式求亮度Y，使用亮度直方图也可以。

Y_j＝0.30R_j+0.59G_j+0.11B_j

Y_j：各像素的亮度值，R_j、G_j、B_j：各像素的颜色分量

上述网点像素检测部33输出在网点区域中是否存在输入图像数据的各像素的识别信号。例如，作为上述网点像素检测部33的处理，是相对于图6(a)那样的存储于块存储器中的输入图像数据(f(0，0)～f(4，4)表示输入图像数据的像素浓度值)的采用以下所示的相邻像素差分值总和Busy和最大浓度差MD的处理。

Busy1＝∑|f(i，j)-f(i，j+1)|    (0≤i≤5，0≤j≤4)

$\mathrm{Busy}2=\underset{i,j}{\overset{i,j}{\mathrm{\&Sigma;}}}|f(i,j)-f(i+1,j)|(0\&le;i\&le;\mathrm{4,0}\&le;j\&le;5)$

Busy＝max(busy1，busy2)

MaxD：f(0，0)～f(4，4)中的最大值

MinD：f(0，0)～f(4，4)中的最小值

MD＝MaxD-MinD

这里，上述Busy和上述MD被用于关注像素(坐标(2，2))是否是网点区域中存在的网点像素的识别。

在以上述Busy和上述MD为轴的二维平面中，如图6(b)所示，由于网点像素呈现与其他区域中存在的像素(字符、照片)不同的分布，所以对于在输入图像数据的每个关注像素中求出的上述Busy和上述MD，通过进行用图6(b)所示的边界线(虚线)的阈值处理，对各关注像素在网点区域中存在的网点像素进行识别。

以下表示上述阈值处理的例子。

MD≤70并且Busy＞2000时  网点区域

MD＜70并且MD≤Busy时  网点区域

通过将上述处理应用于输入图像数据的全部像素，可以对输入图像数据中的网点像素进行识别。

上述照片候选像素检测部34输出在照片候选像素区域中是否存在输入图像数据的各像素的识别信号。例如，将输入图像数据中的上述字符像素检测部31识别出的字符像素、及上述背景基底像素检测部32识别出的背景基底像素以外的像素作为照片候选像素来识别。

如图7(a)所示，上述照片候选像素标记部35对于存在多个照片部分的输入图像数据，通过对由上述照片候选像素检测部34识别出的照片候选像素构成的多个照片候选区域进行标记处理，如图7(b)所示的照片候选区域(1)、及照片候选区域(2)那样进行标记添加，将各个照片候选区域作为不同的区域来识别。这里，照片候选区域为(1)、除此以外为(0)，采用以1像素为单位进行标记处理。有关标记处理的细节后面论述。

上述照片候选像素计数部36对由上述照片候选像素标记部35添加了标记的多个照片候选区域的像素数分别计数。

上述网点像素计数部37在由上述照片候选像素标记部35添加了标记的每个照片候选区域中分别计数由上述网点像素检测部33识别出的相对于网点区域中的像素数。例如，通过上述网点像素计数部37，如图7(b)所示，构成照片候选区域(1)中存在的网点区域(网点区域(1))的像素数Ns1和构成照片候选区域(2)中存在的网点区域(网点区域(2))的像素数Ns2被计数。

上述照片类别判定部38判定上述照片候选区域的各个区域是打印照片(网点)、相纸照片(连续色调)、或打印输出照片(由激光打印机、喷墨打印机或热转印型打印机等输出的照片)的哪一个。例如，如图7(c)、图7(d)所示，通过使用了上述照片候选像素数Np和上述网点像素数Ns及预先设定的阈值THr1、THr2的以下条件算式进行判定。

条件1：Ns/Np＞THr1的情况          作为打印照片(网点)来判定

条件2：THr1≥Ns/Np≥THr2的情况    作为打印输出照片来判定

条件3：Ns/Np＜THr2的情况    作为相纸照片(连续色调)来判定

作为上述阈值的一例，可列举THr1＝0.7、THr2＝0.3等。

此外，上述判定结果可以以像素为单位、或以区域为单位、或以原稿为单位进行输出。此外，在上述处理例中，类别判定的对象仅为照片，但以字符、背景基底以外的原稿构成要素，例如图形、曲线图等为对象也可以。此外，照片类别判定部38不是进行打印照片/打印输出照片/印相纸照片的判定，而是基于网点像素数Ns对照片候选像素数Np的比率和预先设定的阈值的比较结果，进行控制而切换颜色校正部16/空间滤波处理部18等的处理内容。

在图7(c)中，由于照片候选区域(1)满足条件1，因此判定为打印照片，由于照片候选区域(2)满足条件2，因此判定为打印输出照片区域。此外，在图7(d)中，由于照片候选区域(1)满足条件3，因此判定为印相纸照片，由于照片候选区域(2)满足条件2，因此判定为打印输出照片区域。

这里，以下参照图8所示的流程图来说明上述结构的原稿类别自动判别部13中的图像类别识别处理的流程。

首先，基于由通过黑斑校正部12(参照图2)除去了各种失真的RGB信号(RGB的反射率信号)变换的RGB的浓度信号，同时进行字符像素检测处理(S11)、背景基底像素检测处理(S12)、网点像素检测处理(S13)。这里，字符图像检测处理在上述字符图像检测部31中进行，背景基底图像检测处理在上述背景基底像素检测部32中进行，网点像素检测处理在上述网点像素检测部33中进行，所以省略这些处理的细节。

接着，根据字符像素检测处理的处理结果和背景基底像素检测处理的处理结果，进行照片候选像素检测处理(S14)。这里的照片候选像素检测处理在上述照片候选像素检测部34中进行，所以省略有关处理的细节。

接着，对于检测出的照片候选像素，进行标示处理(S15)。后面叙述该标示处理的细节。

接着，基于标示处理中的处理结果，进行对照片候选像素数Np进行计数的处理(S16)。这里的照片候选像素数计数处理在上述照片候选像素计数部36中进行，所以省略处理的细节。

与上述S11～S16的处理并行，基于S13中的网点像素检测处理的结果，进行对网点像素数Ns进行计数的处理(S17)。这里的网点像素数计数处理在上述网点像素计数部37中进行，所以省略处理的细节。

接着，基于在S16中求出的照片候选像素数Np和在S17中求出的网点像素数Ns，计算网点像素数Ns对于照片候选像素数Np的比例、即Ns/Np(S18)。

接着，根据在S18中求出的Ns/Np判定是打印照片、打印输出照片、印相纸照片的哪一个(S19)。

上述S18、S19中的处理在上述照片类别判定部38中进行，所以省略处理的细节。

这里，说明上述标示处理。

一般地，标示处理是指对连接的前景像素(＝1)的块分配相同标记，不同的连接分量分配不同的连接分量的处理(参照图像处理标准规范CG-ARTS协会p.262～268)。作为标示处理提出了各种处理，但在本实施方式中叙述二次扫描的方式。以下参照图9所示的流程图说明该标示处理的流程。

首先，从左上邻像素以光栅扫描的顺序调查像素的值(S21)，在关注像素值为1时，判断是否上邻的像素为1、左邻的像素为0(S22)。

这里，在S22中，在上邻的像素为1、左邻的像素为0的情况下，执行以下的步骤1。

步骤1：如图10(a)所示，在关注像素为1的情况下，处理像素的上邻的像素为1，如果已经附加标记(A)，则也对处理像素附加相同的标记(A)(S23)。然后，转移到S29，并判断是否对所有像素结束了标示。这里，如果所有像素结束，则转移到图8所示的步骤S16，对每个照片候选区域，将照片候选像素数Np进行计数。

另外，在S22中，在上邻的像素为1、左邻的像素不为0的情况下，判断是否上邻的像素为0、左邻的像素为1(S24)。

这里，在S24中，在上邻的像素为0、左邻的像素为1的情况下，执行以下的步骤2。

步骤2：如图10(c)所示，在上邻的像素为0、左邻的像素为1的情况下，对处理像素附加与左邻相同的标记(A)(S25)。然后，转移到S29，并判断是否对所有像素结束了标示。这里，如果所有像素结束，则转移到图8所示的步骤S16，在每个照片候选区域中对照片候选像素数Np进行计数。

此外，在S24中，在上邻的像素为0、左邻的像素不为1的情况下，判断是否上邻像素为1、左邻像素为1(S26)

这里，在S26中，在上邻像素为1、左邻像素为1的情况下，执行以下的步骤3。

步骤3：如图10(b)所示，在左邻的像素也是1，且被附加了与上邻的像素不同的标记(B)的情况下，记录与上邻相同的标记(A)，同时保持在左邻的像素中的标记(B)和上邻的像素中的标记(A)之间存在相关(S27)。然后，转移到S29，并判断是否对所有像素结束了标示。这里，如果所有像素结束，则转移到图8所示的S16，在每个照片候选区域中对照片候选像素数Np进行计数。

此外，在S26中，在上述像素为1、左邻的像素不为1的情况下，执行以下的步骤4。

步骤4：如图10(d)所示，在上邻和左邻都为0的情况下，附加新的标记(C)(S28)。然后，转移到S29，并判断是否对所有像素结束了标示。这里，如果所有像素结束，则转移到图8所示的S16，在每个照片候选区域中对照片候选像素数Np进行计数。

另外，在记录了多个标记的情况下，基于上述规则统一标记。

此外，使用图3所示的结构，不仅可判别照片区域的类别而且可判别图像整体的类别。在该情况下，在照片类别判别部38的后级设置图像类别判定部39(参照图11)。由图像类别判定部39求字符像素数对于全部像素的比率Nt/Na、照片候选像素数和网点像素数的差对于全部像素数的比率(Np-Ns)/Na、网点像素数对于全部像素数的比率Ns/Na，与预定的阈值THt、THp、THs进行比较，同时基于照片类别判别部38的结果，进行图像整体的类别的判别。例如，在字符像素数对于全部像素数的比率Nt/Na大于等于阈值，照片类别判别部38的结果为打印输出照片的情况下，判定为字符和打印输出照片的混合原稿。

<关于网点线数识别部>

接着，说明作为本实施方式中的特征点的网点线数识别部14中的图像处理(网点线数识别处理)。

所述网点线数识别部14仅以所述原稿类别自动判别部13的处理过程中检测出的网点像素(图12(a))或所述原稿类别自动判定部13检测出的网点区域(图12(b))作为对象进行处理。图12(a)所示的网点像素相当于图7(b)所示的网点区域(1)，图12(b)所示的网点区域相当于图7(c)所示的打印照片(网点)区域。

如图1所示，网点线数识别部14包括：颜色分量选择部40、阈值决定部(阈值决定部件)41、阈值调整部(阈值调整部件)42、二值化处理部(提取部件、二值化处理部件)43、最大反转次数计算部(提取部件、反转次数计算部件)44、最大反转次数平均值计算部(提取部件、反转次数提取部件)45、网点线数判定部(网点线数判定部件)46。

这些各处理部以由关注像素和其附近像素构成的M×N像素尺寸(M、N是预先通过实验求出的整数)的局部块为单位进行处理，按像素依次或按块依次输出处理结果。

颜色分量选择部40求相邻的像素中的R、G、B各分量的浓度差的总和(以下称为复杂度)，选择复杂度最大的颜色分量的图像数据作为对阈值设定部41、阈值调整部42以及二值化处理部43输出的图像数据。此外，颜色分量选择部40将表示选择的颜色分量的选择颜色分量信号输出到阈值调整部42。

阈值设定部41对于颜色分量选择部40选择的颜色分量的图像数据，计算局部块中的像素的平均浓度值ave，并将该平均浓度值ave作为用于导出适用于局部块的二值化处理的最终阈值th2的阈值th1来设定。

阈值调整部42计算最大浓度差msub作为局部块的浓度信息后，用所述阈值设定部41设定的阈值th1、所述平均浓度值ave、所述最大浓度差msub，如以下算式(1)进行阈值th1的调整，求最终阈值th2。阈值调整部42对阈值进行调整，以便在二值化处理部43中，避免颜色分量选择部40选择的颜色分量以外的不需要的颜色被提取。

 …算式(1)

再有，thave、c1、c2(c1、c2：调整值)对应于彩色图像输入装置1中的各颜色分量的读取特性，是对每个R、G、B分量预先通过试验求出的最佳值。阈值调整部42存储在每个颜色分量中预定的thave、c1、c2，用对应于来自颜色分量选择部40的选择颜色分量信号的thave、c1、c2。有关thave、c1、c2的求取方法，后面论述。

二值化处理部43使用由所述阈值调整部42求出的最终阈值th2，对于颜色分量选择部40选择的颜色分量的图像数据，将局部块的像素进行二值化处理而求二值数据。

最大反转次数计算部44对所述二值数据，基于主扫描、副扫描各行的二值数据的切换次数(反转次数)(mrev)计算局部块的最大反转次数。

最大反转次数平均值计算部45对每个局部块计算对于由所述最大反转次数计算部44算出的反转次数(mrev)的网点区域整体的平均值mrev_ave。对每个局部块算出的反转次数可以存储在最大反转次数平均值计算部45中，或者也可以存储在另外的存储器中。

网点线数判定部46比较由所述最大反转次数平均值计算部45算出的最大反转次数平均值mrev_ave和预先求出的各线数的网点原稿(打印照片原稿)具有的理论上的最大反转次数，从而判定输入图像的线数。例如，120线的网点原稿具有的理论上的最大反转次数为6～8，175线的网点原稿具有的理论上的最大反转次数为10～12。网点线数判定部46输出对判定的网点线数进行识别的网点线数识别信号。

这里，以下参照图13所示的流程图来说明上述结构的网点线数识别部14中的网点线数识别处理的流程。

首先，对于在原稿判别自动判定部13中检测出的网点像素或网点区域的局部块，通过颜色分量选择部40选择复杂度最大的颜色分量(S31)。此外，颜色分量选择部40将表示选择出的颜色分量的选出颜色分量信号输出到阈值调整部42。

接着，阈值设定部41计算在局部块中由颜色分量选择部40选择的颜色分量的平均浓度值ave，并将该平均浓度值ave设定为阈值th1(S32)。

接着，阈值调整部42在局部块中，计算由颜色分量选择部40选择的颜色分量的最大浓度差msub(S33)。然后，阈值调整部42根据最大浓度差msub、对应于从颜色分量选择部40输出的选择颜色分量信号的thave、c1、c2，根据上述算式(1)调整阈值，并计算最终阈值th2(S34)。

然后，在二值化处理部43中，使用由阈值调整部42求出的最终阈值th2，进行局部块中的各像素的二值化处理(S35)。

接着，在最大反转次数计算部44中，进行局部块中的最大反转次数的计算处理(S36)。

然后，进行所有的局部块的处理是否结束的判定(S37)。在所有的局部块的处理未结束的情况下，对于下个局部块重复进行上述S31～S36的处理。

另一方面，在所有的局部块的处理结束的情况下，最大反转次数平均值计算部45对每个局部块计算相对于上述S36算出的最大反转次数的网点区域整体的平均值(S38)。

然后，网点线数判定部46根据最大反转次数平均值计算部45算出的最大反转次数平均值，判定网点区域中的网点线数(S39)。然后，网点线数判定部46输出用于表示识别出的网点线数的网点线数识别信号。由此，网点线数识别处理完成。

接着，说明对于实际的图像数据的处理的具体例和效果。这里，将局部块的大小设为10×10像素。

图14(a)是表示由品红色网点和青绿色网点构成的一例120线混色网点的图。在输入图像为混色网点的情况下，最好在每个局部块中着眼于CMY中浓度变化最大的颜色的网点，仅使用该颜色的网点周期识别原稿的网点线数。进而，对于浓度变化最大的颜色的网点，最好使用其颜色的网点的浓度被最好的读取的信道(输入图像数据的信号)进行处理。即，如图14(a)所示，对于主要由品红色构成的混色网点，通过对品红色反应最好的G(绿色)图像(品红色的互补色)，大致可以进行仅着眼于品红色网点的网点线数识别处理。因此，上述颜色分量选择部40对于如图14(a)所示的局部块，选择复杂度最大的G图像数据作为对阈值设定部41、阈值调整部42以及二值化处理部43输出的图像数据。

但是，扫描器等的彩色图像输入装置1中的分光透过性很少一定具有与油墨的分光反射特性相近的特性。因此，即使是G图像数据，在图14(a)所示的品红色和青绿色构成的混色网点的情况下，青绿色网点的浓度变化也被反映。其结果，对于图14(a)，由扫描器等取入的RGB图像的G图像数据如图14(b)(表示图14(a)的图像的每个像素的浓度值(G信号的值)的图像数据。‘0’表示黑色，而‘255’表示白色)所示，成为不仅反映了着眼于品红色网点的浓度变化，而且也反映了未着眼的不需要的青绿色网点的浓度变化的图像数据。另一方面，图14(c)是表示未反映青绿色网点的浓度变化的情况下的一例图像数据，青绿色网点部分的浓度成为与纸色部分相同的浓度(190)。但是，实际上，如图14(b)所示，青绿色网点部分的浓度为与纸色部分不同的浓度值。

对于图14(b)所示的G图像数据，由所述阈值设定部41将平均像素浓度值ave(＝138)设定为阈值th1。

在所述阈值调整部42，对于阈值th1进行调整，求最终阈值th2。这里，目的是调整阈值th1，以通过二值化处理能够仅提取要对反转次数进行计数的被关注的颜色分量(即，颜色分量选择部40选择的颜色分量)的网点、这里仅为品红色网点。

另外，图15是表示图14(b)的从上起第2行的主扫描方向行的浓度变化、相对该浓度变化的阈值th1、要调整阈值th1的最佳阈值范围的图。这里，如果所述阈值设定部41设定的阈值th1为平均浓度值ave，则阈值th1可以位于局部块的浓度范围的大致中央。

上述最佳阈值范围依赖于彩色图像输入装置1中的来自原稿的各颜色分量的读取特性。这里，读取特性是各颜色分量的滤波分光特性或对应于各颜色的油墨的分光反射特性等。如上述那样，在各RGB图像数据中，理论上只包含与其为补色关系的颜色分量，但实际上也混有不需要的颜色分量。这种不需要的颜色分量的混合程度，即不需要的颜色分量的影响度因彩色图像输入装置1的读取特性而改变。因此，上述thave、c1和c2对应于彩色图像输入装置1的读取特性而被预先求取，以使对于各种各样的网点原稿，最终阈值th2进入图15所示的最佳阈值范围。即，thave、c1和c2对应于彩色图像输入装置1的读取特性被实验性地求取，以使相对于最终阈值th2的二值化数据的反转次数接近理论值(期待值)。这里，thave被设定为中央浓度值——128，c1被设定为0.2，c2被设定为0。

由此，阈值调制部42在阈值调整中，通过以浓度范围的大致中央为基点，参照最大浓度差msub，可以不低于提取的网点浓度而调整到图15所示的最佳阈值范围。

具体地说，阈值调整部42计算相对于图14(b)所示的G图像数据的最大浓度差msub(＝170)，用被预先设定的thave(＝128)、c1(＝0.2)、c2(＝0)，根据上述算式(1)调整阈值th1，并设定最终阈值th2。

这样，通过使最终阈值th2为使用了局部块的平均浓度值ave和局部块的最大浓度差msub的函数，即使对于具有任意的浓度特性的网点原稿，也可以比较容易地在可以只提取期望的网点的浓度范围内调整阈值。

另一方面，在所述阈值设定部41中不使用平均浓度值ave，并且在所述阈值调整部42中不使用最大浓度差msub的情况下，即在所述阈值设定部41和所述阈值调整部42中使用固定值的情况下，基点没有位于局部块的大致中央，并且调整的上限不清楚。因此，对于各种各样的网点区域，通过使最终阈值th2低于本来要提取的网点浓度等，二值数据的反转次数大多成为距理论值远的值。即，大多不能正确地仅提取被关注的颜色分量。

再有，如算式(1)所示，阈值调整部42在平均浓度值ave比thave大的情况和除此以外的情况下，进行不同的调整。其理由如下。

即，如果浓度‘0’表示各颜色分量的信号呈现的颜色(例如，G信号的情况下为绿)，浓度‘255’表示白色时，则如图15所示，在平均浓度值ave比thave大的情况下，网点呈现白基色的混色网点。这种情况下，如上述那样，通过从阈值th1中减去Msub×c1+c2，可以除去被着眼的颜色分量(这里，为品红色)以外的不需要的颜色分量(这里，为青绿色)的网点(图15中的像素位置5的网点)的影响。再有，G信号小是表示G信号被品红色分量吸收，G信号大是表示品红色分量少而未被吸收。

另一方面，在平均浓度值ave比thave小的情况下，网点呈现混色网点基色的白点。这种情况下，通过从阈值th1中加上Msub×c1+c2，可以除去被着眼的颜色分量(这里，为品红色)以外的不需要的颜色分量(这里，为青绿色)的白点的影响。

接着，对于图14(b)所示的G图像数据，在所述二值化处理部43中，将由所述阈值调整部42算出的最终阈值th2(＝104)进行二值化处理所得的二值数据示于图16(a)。

在采用了阈值th2的图16(a)中，仅作为对反转次数进行计数的对象的品红色网点被提取。此外，在图16(a)所示的例子，在最大反转次数计算部44中，通过依据以下方法的处理，计算局部块的最大反转次数mrev(＝8)。

(1)对沿主扫描方向的各行的二值数据的切换次数revm(j)(j＝0～9)(j表示列的数。将从‘0’到‘1’、从‘1’到‘0’进行反转的情况分别计数一次)进行计数。

(2)计算revm(j)的最大值mrevm。

(3)对沿副扫描方向的各行的二值数据的切换次数revs(i)(i＝0～9)进行计数(i表示行的数)。

(4)计算revs(i)的最大值mrevs(主扫描方向、副扫描方向的计算结果参照图16(a))。

(5)根据以下的算式

mrev＝mrevm+mrevs

求局部块中的最大反转次数mrev。

作为局部块的反转次数mrev的其它计算方法，举出

mrev＝mrevm×mrevs

mrev＝max(mrevm，mrevs)。

为了使本实施方式的效果明确，作为比较例，对于图14(b)所示的G图像数据，在所述二值化处理部43中，将用所述阈值设定部41设定的阈值th1(＝138)进行二值化处理所得的二值数据示于图16(b)。在采用了阈值th1的图16(b)中，可知不仅提取被着眼的品红色网点，还提取不需要的青绿色网点。通过相对于图16(b)的最大反转次数计算部44中的处理，计算局部块的最大反转次数mrev(＝12)。

根据扫描器等读取装置的输入分辨率和打印物的网点线数，唯一地决定局部块中的反转次数。例如，在图14(a)所示的网点的情况下，由于局部块内存在四个网点，所以局部块中的最大反转次数mrev理论上为6～8。另一方面，在图17(a)所示的高线数(175线)的单色网点的情况下，在局部块内存在9个网点。因此，如图17(b)所示，局部块中的最大反转次数mrev理论上为10～12。

如上所述，在对于图14(a)所示的局部块采用由所述阈值调整部42调整的最终阈值th2的情况下的mrev是8，成为对应于原来的网点线数(133线)的理论性的数值。相反，对于图14(a)所示的局部块采用未被调整的阈值th1的情况下的merv是12，与对应于原来的网点线数(133线)的理论性的数值不一致，与对应于更高线数(175线)的网点线数的理论性数值一致。这是因为不仅原来应计数的品红色网点、而且不需要的青绿色网点也被计数。在用阈值th1的情况下，与图17所示的对于更高线数(175线)的单色网点所得的理论性数值(10～12)接近，可能识别错误的线数。即，导致线数识别的精度下降。

图18(a)是表示用所述阈值设定部41设定的阈值th1的情况下的相对于85线、133线、175线的各自多张网点原稿的一例最大反转次数平均值的频度分布的图。在用阈值th1的情况下，低线数的混色网点和高线数的单色网点的最大反转次数平均值接近，所以看到各自的频度分布的重叠，与重叠的部分相当的原稿成为线数未被正确地识别的原稿。另一方面，图18(b)是表示用所述阈值调整部42调整的阈值th2的情况下的相对于85线、133线、175线的各自多张网点原稿的一例最大反转次数平均值的频度分布的图。在用阈值th2的情况下，由于低线数的混色网点和高线数的单色网点的最大反转次数平均值有所不同，所以没有各自的频度分布的重叠，或重叠很少，可提高网点线数识别精度。

再有，在上述说明中，将阈值设定部41和阈值调整部42作为单独的块而构成，但阈值设定部41和阈值调整部42也可以作为同一块来构成。

<网点线数识别信号的应用处理例>

接着，以下表示基于所述网点线数识别部14中的网点线数识别结果而应用的处理例。

网点图像有时由于该网点的周期和高频抖动(dither)处理等周期性的中间色调处理的干扰而发生波纹干扰。为了抑制该波纹干扰，有时进行如预先控制网点图像的振幅的平滑处理。此时，有网点照片和网点上的字符同时发生模糊的图像质量劣化的情况。作为其解决对策，举出以下的方法。

(1)应用对只有成为波纹干扰发生原因的网点具有的频率的振幅进行抑制，并使形成了照片的构成要素(人物、风景等)或字符的与所述频率相比使低频率分量的振幅放大的平滑/强调混合滤波处理。

(2)检测网点上字符，进行与照片网点或基底网点不同的强调处理。

关于上述(1)，由于网点具有的频率根据网点线数而改变，所以对于各网点线数，同时实现干扰波纹抑制和网点照片或网点上字符的清晰度的滤波器的频率特性不同。因此，空间滤波处理部18根据网点线数识别部14识别的网点线数，进行具有适于该网点线数的频率特性的滤波处理。由此，对于任何的线数的网点，都可以兼顾干扰波纹的抑制和网点照片或网点上字符的清晰度。

另一方面，如以往那样，在不知道网点图像的线数的情况下，为了抑制图像质量劣化最大的波纹干扰，需要使所有的线数的网点图像中不发生干扰波纹的处理。因此，仅能应用降低所有的网点频率的振幅的平滑滤波器，发生网点照片或网点上字符的模糊。

另外，图19(a)表示一例对于85线网点的最佳的滤波频率特性，图19(b)表示一例对于133线网点最佳的滤波频率特性，图19(c)表示一例对于175线网点最佳的滤波频率特性。此外，图20(a)表示与图19(a)对应的一例滤波系数，图20(b)表示与图19(b)对应的一例滤波系数，图20(c)表示与图19(c)对应的一例滤波系数。

关于上述(2)，高线数网点上的字符中字符和高线数网点的频率特性不同，因此通过如图21(a)、图21(b)所示的低频边缘检测滤波器等，不会误检测网点的边缘，可以高精度地检测网点上字符。但是，低线数网点上的字符中，由于低线数网点的频率特性与字符的频率特性相似，所以难以检测，在检测出的情况下，由于网点边缘的误检测大，所以引起图像质量恶化。因此，基于由网点线数识别部14识别的网点图像的线数，区域分离处理部21仅在是高线数网点、例如大于等于133线的网点的情况下，进行网点上字符检测处理，或使网点上字符检测结果有效。由此，不会引起图像质量恶化，可以使高线数网点上字符的可读性提高。

另外，上述网点线数识别信号的应用处理也可以在颜色校正部16或色调再现处理部20中进行。

[实施方式2]

本发明的其它的实施方式的说明如下。另外，对于与所述实施方式1具有相同的功能的部件赋予相同的标号，省略其说明。

本实施方式的彩色图像形成装置配有图22所示的网点线数识别部(网点线数识别部件)14a，取代上述实施方式1的图1所示的网点线数识别部14。

如图22所示，上述网点线数识别部14a包括：颜色分量选择部40；阈值设定部(阈值决定部件)41a；平均像素浓度计算部47；阈值调整部(阈值决定部件)42a；二值化处理部43；最大反转次数计算部44；最大反转次数平均值计算部45；以及网点线数判定部46。图23是表示上述网点线数识别部14a中的处理流程的流程图。

作为用于导出适用于局部块的二值化处理的最终阈值th2的阈值th1，阈值设定部41a设定预先决定的固定值。例如，作为固定值，阈值设定部41a设定作为整体浓度范围(0～255)的中央值的128。

平均像素浓度计算部47计算局部块中的像素的平均浓度值ave。

阈值调整部42a用上述阈值设定部41a设定的阈值th1和上述平均像素浓度计算部47算出的平均浓度值ave，根据以下的算式(2)进行阈值th1的调整，求最终阈值th2。

 …算式(2)

再有，thave和c3是在R、G、B各分量中预先通过实验求出的最佳值。阈值调整部42a存储对每个颜色分量预定的thave、c3，用来自颜色分量选择部40的选择颜色分量信号所对应的thave、c3。

此外，对于各种各样的网点原稿，thave、c3被求取，以使最终阈值th2进入仅提取着眼的期望的颜色分量的网点，而不提取不需要的颜色分量的最佳阈值范围。即，对于预先知道网点线数的各种各样的网点原稿，thave、c3被实验地求取，以使相对于最终阈值th2的二值数据的反转次数接近理论值(期待值)。

以下，参照图23所示的流程图来说明上述结构的网点线数识别部14a中的网点线数识别处理的流程。

首先，在阈值设定部41a中，固定值(例如，整体浓度范围的中央值)被设定为阈值th1(S41)。

接着，在颜色分量选择部40中，从R、G、B图像数据中选出复杂度最大的图像数据，选出的图像数据被输出到平均像素浓度计算部47和二值化处理部43(S42)。此外，颜色选择部40将表示选出的颜色分量的选择颜色分量信号输出到阈值调整部42a。

接着，在平均像素浓度计算部47中，计算局部块的平均浓度值ave(S43)。

然后，阈值调整部42a根据从颜色分量选择部40输出的选择颜色分量信号所对应的thave、c3，根据上述算式(2)调整阈值th1，并计算最终阈值th2(S44)。

后面的处理S35～S39与上述实施方式1中说明的相同。

[实施方式3]

本发明的其它的实施方式的说明如下。另外，对于与所述实施方式1具有相同的功能的部件赋予相同的标号，省略其说明。

本实施方式的彩色图像形成装置配有图24所示的网点线数识别部14b，取代上述实施方式1的图1所示的网点线数识别部14。

如图24所示，上述网点线数识别部(网点线数识别部件)14b包括：颜色分量选择部40；阈值设定部41；阈值调整部(阈值决定部件)42b；二值化处理部43；最大反转次数计算部44；最大反转次数平均值计算部45；以及网点线数判定部46。

阈值调整部42b用上述阈值设定部41设定的阈值th1(即，平均浓度值ave)，根据上述算式(2)进行阈值th1的调整，求最终阈值th2。再有，阈值调整部42b存储对每个颜色分量预定的thave、c3，使用来自颜色分量选择部40的选择颜色分量信号所对应的thave、c3。

上述结构的网点线数识别部14b中的网点线数识别处理的流程，除了图13所示的流程图中的S34的阈值调整处理由依据上述算式(2)取代依据上述算式(1)以外，与上述实施方式1大致相同。

[实施方式4]

在上述各实施方式，作为网点线数所对应的特征量，着眼于二值数据的反转次数，但网点线数所对应的特征量不限于此。作为网点线数所对应的特征量，例如，可列举上述专利文献1、2中公开的峰值像素密度。

本实施方式是，作为网点线数所对应的特征量，着眼于峰值像素密度，并判定网点线数。

如图27所示，本实施方式的网点线数识别部(网点线数识别部件)14c包括：颜色分量选择部40；阈值设定部(阈值决定部件)41c；阈值调整部(阈值决定部件)42c；平均像素浓度计算部47；峰值像素检测部(提取部件、峰值像素检测部件)48；峰值像素密度计算部(提取部件、峰值像素密度计算部件)49；以及网点线数判定部(网点线数判定部件)46c。

阈值设定部41c作为导出用于检测峰值像素的最终阈值mth2的阈值mth1，设定预先确定的固定值。

阈值调整部42c用上述阈值设定部41c设定的阈值mth1和上述平均像素浓度计算部47算出的平均浓度值ave，根据以下算式(3)进行阈值mth1的调整，求最终阈值mth2。

…算式(3)

再有，thave和c4是在各R、G、B分量中预先通过实验求出的最佳值。阈值调整部42c存储对每个颜色分量被预先确定的thave、c4，使用与来自颜色分量选择部40的选择颜色分量信号所对应的thave、c4。

对于各种各样的网点原稿，thave、c4被预先求取，以使所述最终阈值mth2比复杂度最大的颜色分量以外的颜色分量的峰值像素与其周围像素的绝对浓度差大，并且比复杂度最大的颜色分量的峰值像素与其周围像素的绝对浓度差小。

在局部块中，在关注像素(坐标(1，1))的浓度值f(1，1)和该关注像素的周围像素(坐标(0，0)、(0，1)、(0，2)、(1，0)、(1，2)、(2，0)、(2，1)、(2，2))的各浓度值f(0，0)、f(0，1)、f(0，2)、f(1，0)、f(1，2)、f(2，0)、f(2，1)、f(2，2)的关系满足以下算式(算式9及算式10)的情况下，峰值像素检测部48作为峰值像素进行检测。

f(1，1)≥f(i，j)其中0≤i≤2、0≤j≤2   算式9

$\underset{i=0}{\overset{2}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{2}{\mathrm{\&Sigma;}}}|f\left(\mathrm{1,1}\right)-f(i,j)|>\mathrm{mth}2$  算式10

再有，如上述那样，由于最终阈值mth2被调整，以使其比复杂度最大的颜色分量以外的颜色分量的峰值像素与其周围像素的绝对浓度差大，并且比复杂度最大的颜色分量的峰值像素与其周围像素的绝对浓度差小，所以峰值像素检测部48可以仅提取与着眼的颜色分量对应的峰值像素。

峰值像素密度检测部49对局部块内的峰值像素数进行计数，并检测峰值像素密度。

图像处理装置判定部46c根据峰值像素密度检测部49检测出的峰值像素密度和通过网点线数而理论性求取的峰值像素密度，判定网点线数。

如上述那样，峰值像素检测部48用调整过的最终阈值mth2来检测峰值像素，所以仅对着眼的颜色分量的峰值像素进行检测。即，对于混色网点，峰值像素检测部48也仅检测一个颜色分量的峰值像素。因此，对于混色网点，网点线数判定部46c可以识别精度高的网点线数。

[实施方式5]

本发明的其它的实施方式的说明如下。另外，对于与前述实施方式具有相同的功能的部件赋予相同的标号，省略其说明。

本实施方式是有关其上配有上述实施方式的网点线数识别部14的图像读取处理装置的实施方式。

如图25所示，本实施方式的图像读取处理装置包括：彩色图像输入装置101；图像处理装置102和操作面板104。

操作面板104由设定图像读取处理装置的动作模式的设定按钮或数字键、液晶显示器等构成的显示部构成。

彩色图像输入装置101例如由扫描部构成，该装置由CCD(ChargeCoupled Device，电荷耦合装置)将来自原稿的反射光像作为RGB(R：红；G：绿；B：蓝)模拟信号来读取。

图像处理装置102包括：上述A/D(模拟/数字)变换部11、黑斑校正部12、原稿种类自动判别部13以及网点线数识别部14。

另外，本实施方式中的原稿种类自动判别部13对后级的装置(例如，计算机或打印机等)输出用于表示原稿的种类的原稿种类信号。此外，本实施方式的网点线数识别部14对后级的装置(例如，计算机或打印机等)输出用于表示识别的网点的线数的网点线数识别信号。

这样，对后级的计算机从图像读取处理装置除了输入读取原稿的RGB信号之外，还输入原稿种类识别信号/网点线数识别信号。或者，也可以不经由计算机而直接输入打印机。如上所述，在该情况下也不一定需要原稿种类自动判别部13。此外，图像处理装置102也可以包括上述网点线数识别部14a或网点线数识别部14b而代替网点线数识别部14。

[程序/记录介质的说明]

此外，本发明的网点线数识别处理的方法也可以作为软件(应用程序)来实现。在该情况下，也可以在计算机或打印机中设置组合了实现基于网点线数识别结果的处理的软件的打印机驱动器。

作为上述例子，以下使用图26说明基于网点线数识别结果的处理。

如图26所示，计算机5装有打印机驱动器51、通信端口驱动器52、通信端口53。打印机驱动器51具有颜色校正部54、空间滤波处理部55、色调再现处理部56、打印机语言翻译部57。此外，计算机5与打印机(图像输出装置)6连接，打印机6根据从计算机5输出的图像数据进行图像输出。

在计算机5中，通过执行各种应用程序而生成的图像数据由颜色校正部54施加除去颜色浑浊的颜色校正处理，在空间滤波处理部55中进行基于网点线数识别结果的上述滤波处理。再有，这种情况下，颜色校正部54中还包含黑版生成底色除去处理。

进行了上述处理的图像数据在色调再现处理部56中被施加了上述色调再现处理(中间色调生成处理)之后，由打印机语言翻译部57变换为打印机语言。然后，被变换为打印机语言的图像数据经由通信端口驱动器52、通信端口(例如RS232C/LAN等)53被输入打印机6。打印机6可以是除了具有打印功能外，还具有复印功能以及传真功能的数字复合机。

此外，本发明可以在记录了用于使计算机执行的程序的计算机可读取的记录介质中记录进行网点线数识别处理的图像处理方法。

其结果，可携带并自由地提供记录了用于进行网点线数的识别，进行基于其结果实施适当的处理的图像处理方法的程序的记录介质。

作为记录介质，可以是为了由计算机进行处理而设置了未图示的存储器、例如ROM这样的程序介质，未图示的作为外部存储装置的程序读取装置，并通过对其插入记录介质而可读取的程序介质。

在任何的情况下，可以是存储的程序由微处理器访问并执行的结构，也可以是读出程序，读出的程序被下载到微型计算机的未图示的程序存储区域中，执行该程序的方式。在该情况下，下载用的程序预先存储在本体装置中。

这里，上述程序介质是构成为可与本体分离的记录介质，也可以是包含磁带或卡带等带类、软盘(注册商标)或硬盘等磁盘以及CD-ROM/MO/MD/DVD等光盘的盘类、IC卡(包含存储卡)/光卡等卡类、或掩模ROM、EPROM(Erasable Programmable Read Only Memory，可擦可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read Only Memory，电可擦可编程只读存储器)、闪速ROM等半导体存储器的固定地承载程序的介质。

此外，在该情况下，由于是可连接包含因特网的通信网络的系统结构，因此也可以是从通信网络下载程序这样流动地承载程序的介质。另外，在这样从通信网络下载程序的情况下，该下载用的程序可以预先存储在本体装置中，或从其它的记录介质安装。

上述记录介质通过从数字彩色图像形成装置或计算机系统中包括的程序读取装置进行读取，从而执行上述图像处理方法。

另外，上述计算机系统包括：平台式扫描器、胶片扫描器、数字照相机等图像输入装置；通过载入规定的程序而进行上述图像处理方法等各种处理的计算机；显示计算机的处理结果的CRT显示器、液晶显示器等图像显示装置以及将计算机的处理结果输出到纸上的打印机。进而，包括作为用于经由网络连接到服务器的通信部件的网卡或调制解调器等。

在以上，作为防止对混色网点区域提取不需要的颜色分量的信号(除去不需要的颜色分量的信号)的方法，说明了对每个局部块变更用于进行选择出的颜色分量的图像数据的二值化处理的阈值的方法。即，上述阈值调整部是用于只提取由着眼的颜色分量选择部选择的颜色分量的信号的特定颜色分量提取部件。但是，除去不需要的颜色分量的信号的方法不限于此，例如，对于RGB信号组成的图像数据，求色平衡，根据其结果，只选择必要的信号就可以。

更具体地说，如下那样。

如上所述，对于在原稿类别自动判别部13中检测出的网点像素或网点区域的局部块，由颜色分量选择部40选择复杂度最大的颜色分量。然后，在输入图像为混色网点的情况下，对每个局部块着眼于CMY中浓度变化最大的颜色的网点，期望是仅用该颜色的网点周期来识别原稿的网点线数。而且，对于浓度变化最大的颜色的网点，期望是用该颜色的网点的浓度被最好地读取的信道(channel)(输入图像数据的信号)进行处理。即，如图14(a)所示，对于主要由品红色构成的混色网点，通过对品红色反应最好的G(绿色)图像(品红色的互补色)，大致可以进行仅着眼于品红色网点的网点线数识别处理。因此，上述颜色分量选择部40对于如图14(a)所示的局部块，选择复杂度最大的G图像数据作为对阈值设定部41、阈值调整部42以及二值化处理部43输出的图像数据。

上述处理的情况下，作为对象的网点可以限定为品红色，所以对于混色网点，通过将具有该品红色以外的颜色分量的网点的影响除去，同时计算用于表示线数的特征的特征量，可进行高精度的线数识别。

例如，颜色分量选择部40将表示选择的颜色分量的选择颜色分量信号输出到最大反转次数计算部44或峰值像素密度检测部49就可以。

上述最大反转次数计算部44对所述二值数据，基于主扫描、副扫描各行的二值数据的切换次数(反转次数)(mrev)计算局部块的最大反转次数。这里，最大反转次数计算部44基于与上述二值数据被切换的像素相当的R、G、B图像的像素值的平衡，仅在为从颜色分量选择部40输出的选择颜色分量信号所对应的颜色分量的网点(这里，为品红色)的情况下，通过使切换次数增加，可仅测量相对于作为对象的颜色的网点的反转次数。

此外，峰值像素密度检测部49对局部块内的峰值像素数进行计数，并检测峰值像素密度。这里，峰值像素密度检测部49根据与上述峰值像素相当的R、G、B图像的像素值的平衡，仅在为从颜色分量选择部40输出的选择颜色分量信号所对应的颜色分量的网点(这里，为品红色)的情况下，通过进行计数，可仅测量相对于作为对象的颜色的网点的峰值像素。

此外，对于上述混色网点区域除去不需要的颜色分量的信号的方法，不限定于求网点线数的方法，也可以在提取网点区域时使用。

这样，本发明的图像处理装置，在包括对从原稿读取的图像的网点线数进行识别的网点线数识别部(网点线数识别部件)14的图像处理装置2中，所述网点线数识别部14包括：选择复杂度最大的颜色分量的颜色分量选择部(颜色分量选择部件)40；以及测量该颜色分量选择部40选择出的颜色分量的网点所对应的二值数据的反转次数的最大反转次数计算部(特定颜色分量信号提取部件)44。

此外，本发明的图像处理装置，在包括对从原稿读取的图像的网点线数进行识别的网点线数识别部(网点线数识别部件)14的图像处理装置2中，所述网点线数识别部14包括：选择复杂度最大的颜色分量的颜色分量选择部(颜色分量选择部件)40；以及测量该颜色分量选择部40选择出的颜色分量的网点所对应的峰值像素的峰值像素密度检测部(特定颜色分量信号提取部件)49。

即，最大反转次数计算部44和峰值像素密度检测部49是所谓仅测量颜色分量选择部40选择出的颜色分量的网点所对应的特征量的特定颜色分量信号提取部件。

由此，可以除去不需要的颜色分量的信号。

如以上那样，本发明的图像处理装置，在配有对通过读取装置从原稿读取的图像的网点线数进行识别的网点线数识别部件的图像处理装置中，所述网点线数识别部件包括：用对应于所述读取装置中的各颜色分量的读取特性而预先确定的调整值，决定用于提取表示各像素间的浓度变化的状况的特征量的阈值决定部件；根据所述阈值决定部件决定的阈值，提取所述特征量的提取部件；以及由所述提取部件提取的特征量来判定网点线数的网点线数判定部件。

根据上述结构，阈值决定部件用所述读取装置中的对应于各颜色分量的读取特性而预先确定的调整值，决定阈值。

这里，读取装置中的各颜色分量的读取特性，例如是扫描器等的读取装置中的各颜色分量的滤波分光特性或对应于各颜色的油墨分光反射特性等。例如，例如，G图像数据理论上仅由具有其补色关系的品红色构成，但根据读取装置中的原稿的读取特性，不需要的青绿色分量也被混入。该不需要的青绿色分量的影响度因所述读取特性而有所不同。

因此，在对应于读取特性而预先确定的调整值中，包含有相对于特定颜色分量的图像数据的该特定颜色分量以外的不需要的颜色分量的影响度。因此，阈值决定部件可以通过用该调整值来决定阈值，对阈值进行调整，以除去不需要的颜色分量的影响度。

而且，提取部件根据阈值决定部件决定的阈值，提取用于表示各像素间的浓度变化状况的特征量。因此，在提取部件提取出的特征量中，不包含不需要的颜色分量的影响。其结果，通过从提取部件提取出的特征量来判定网点线数，可以识别基于特定颜色分量的网点线数。即，即使是混色网点区域，也可以高精度地识别网点线数。

而且，本发明的图像处理装置除了上述结构以外，所述提取部件还包括：根据所述阈值决定部件决定的阈值，生成各像素的二值数据的二值化处理部件；以及作为所述特征量，计算所述二值化处理部件生成的二值数据的反转次数的反转次数计算部件。

对于使用了青绿色、品红色、黄色等的混色网点区域，在阈值决定部件不如上述那样调整阈值，如果只将固定值用作阈值进行二值化时，则有时多个颜色分量的网点被提取而不能正确地再现网点周期。

但是，根据上述结构，阈值决定部件根据用对应于读取装置中的各颜色分量的读取特性而预先确定的调整值决定的阈值，生成二值数据。因此，即使是混色网点，也可正确地生成仅提取期望的特定颜色分量的网点的二值数据。由此，可以计算原稿本来具有的正确的网点线数，可进行精度高的网点线数识别处理。

而且，本发明的图像处理装置除了上述结构以外，所述阈值决定部件根据多个像素构成的规定块中的像素的平均浓度值，决定所述阈值。

根据上述结构，阈值决定部件根据规定块中的像素的平均浓度值，可以对规定块的浓度范围的位于大致中央的值进行识别。由此，阈值决定部件从浓度范围的大致中央，使用调整值调整阈值，从而可以具有获得将期望的颜色分量的网点周期正确地再现的二值数据的浓度范围。由此，更容易获得将期望的特定颜色分量的网点周期正确地再现的二值数据。

此外，阈值决定部件通过比较平均浓度值和浓度范围的中央值，可以对像素是被用于网点的色材的颜色(例如，青绿色、品红色、黄色、或使用它们的混色)作为基底的颜色(以下，记载为网点基底)还是以纸色作为基底的颜色(白色基底)进行识别。例如，在0～255的浓度范围中，考虑‘0’表示白色、‘255’表示各颜色分量的信号呈现的颜色(例如，青绿色、品红色、黄色)的情况(形成将RGB信号进行补色反转的CMY信号的情况)。此时，在平均浓度值比中央值大的情况下，是网点基底，在平均浓度值比中央值小的情况下，是白色基底。在是网点基底的情况下，阈值决定部件用所述调整值，可以决定将平均浓度值减去规定量的阈值。该阈值位于特定颜色分量的白点的像素峰值的峰值位置中的浓度值(这里，为像素峰值的极小值)和特定颜色分量以外的不需要的颜色分量的白点的像素峰值的峰值位置中的浓度值(这里，为像素峰值的极小值)之间。因此，反转次数计算部件算出的反转次数成为仅与网点基底中的特定颜色分量的白点的像素峰值对应的值。因此，可以识别正确的期望的特定颜色分量的网点线数。

另一方面，在是白色基底的情况下，阈值决定部件用所述调整值，可以决定将平均浓度值增加规定量的阈值。该阈值位于特定颜色分量的像素峰值的峰值位置中的浓度值(这里，为像素峰值的极大值)和特定颜色分量以外的不需要的颜色分量的像素峰值的峰值位置中的浓度值(这里，为像素峰值的极大值)之间。因此，反转次数计算部件算出的反转次数成为仅与白色基底中的特定颜色分量的像素峰值对应的值。因此，可以识别正确的期望的特定颜色分量的网点线数。

再有，进行线数识别的规定块不限于矩形区域，也可以是任意的形状。

而且，本发明的图像处理装置除了上述结构以外，所述阈值决定部件还根据多个像素构成的规定块中的浓度信息，决定所述阈值。

在所述阈值决定部件决定的阈值过大的情况下，甚至连期望的特定颜色分量的网点也不能提取，而在过小的情况下，不仅期望的特定颜色分量的网点被检测，而且期望多个颜色分量的网点也被检测。

但是，根据上述结构，阈值决定部件基于规定块的浓度信息(例如，最大浓度差)，所以在仅提取期望的特定颜色分量的范围内容易地决定阈值。由此，更容易获得将特定颜色分量的网点周期正确地再现的二值数据。

而且，本发明的图像处理装置的所述提取部件包括：根据所述阈值决定部件决定的阈值，检测峰值像素的峰值像素检测部件；以及作为所述特征量，计算所述峰值像素检测部件检测出的峰值像素的密度的峰值像素密度计算部件。

在使用上述专利文献1、2那样的现有技术的峰值像素数，进行网点线数的识别的情况下，由于多个颜色分量的网点被作为峰值像素来检测，所以有时不能正确地识别网点线数。

但是，根据上述结构，根据阈值调整决定部件用对应于读取特性而预先确定的调整值决定的阈值，峰值像素检测部件检测峰值像素。如上述那样，在调整值中，包含相对于特定颜色分量的图像数据的该特定颜色分量以外的不需要的颜色分量的影响度。因此，峰值像素检测部件可以仅提取特定颜色分量的峰值像素。而且，峰值像素密度计算部件仅将该特定颜色分量的峰值像素密度作为所述特征量来计算，网点线数判定部件根据该峰值像素密度来判定网点线数。由此，即使混色网点，也可以求期望的特定颜色分量的网点周期，可以计算原稿本来具有的正确的网点线数。即，可进行精度高的线数识别处理。

也可以将上述结构的图像处理装置包括在图像形成装置中。

这种情况下，应用考虑了输入图像数据的网点线数的图像处理，例如，根据线数进行最合适的滤波处理，从而可以尽力不使图像模糊而具有清晰度，同时抑制干扰条纹。此外，通过仅对133线以上的网点区域检测网点上字符而进行最佳处理，从而抑制因在低于133线的网点中经常看到的误识别造成的图像质量劣化。因此，可以提供能够输出质量良好的图像的图像形成装置。

也可以将上述结构的图像处理装置包括在图像读取处理装置中。

这种情况下，对于包含于原稿中的网点区域，可以输出对精度高的网点线数进行识别的网点线数识别信号。

如果使用使计算机作为上述结构的图像处理装置的各部件而起作用的图像处理程序，则可用通用的计算机简单地实现上述图像处理装置的各部件。

此外，优选上述图像处理程序被存储在计算机可读取的记录介质中。

由此，通过从记录介质中读出的图像处理程序，可以在计算机上简单实现上述图像处理装置。

此外，本发明的图像处理方法也可以应用于数字彩色复印机，此外，如果是需要实现输入图像数据而输出的图像数据的再现性的提高的装置，则可以应用任何的装置。作为这样的装置，例如有扫描仪等读取装置。

在发明的详细的说明项目中进行的具体的实施方式或实施例始终用于使本发明的技术内容明确，不应仅限定于这样的具体例而被狭义地解释，在本发明的精神和权利要求的范围内，可以进行各种变更来实施。

Claims (14)

1.一种图像处理装置(2、102)，包括：对通过读取装置(1、101)从原稿读取的图像的网点线数进行识别的网点线数识别部件(14、14a、14b、14c)，

所述网点线数识别部件(14、14a、14b、14c)包括：

阈值决定部件(41、41a、41c、42、42a、42b、42c)，用对应于所述读取装置(1、101)中的各颜色分量的读取特性而预先确定的调整值，决定用于提取表示各像素间的浓度变化状况的特征量的阈值；

提取部件(43、44、45、48、49)，根据所述阈值决定部件(41、41a、41c、42、42a、42b、42c)决定的阈值，提取所述特征量；以及

网点线数判定部件(46、46c)，从所述提取部件(43、44、45、48、49)提取出的特征量来判定网点线数。

2.如权利要求1所述的图像处理装置(2、102)，其中，所述提取部件(43、44、45)包括：

二值化处理部件(43)，根据由所述阈值决定部件(41、41a、42、42a、42b)决定的阈值，生成各像素的二值数据；以及

反转次数计算部件(44、45)，作为所述特征量，计算所述二值化处理部件(43)生成的二值数据的反转次数。

3.如权利要求2所述的图像处理装置(2、102)，其中，所述阈值决定部件(41、41a、42、42a、42b)根据多个像素构成的规定块中的像素的平均浓度值，决定所述阈值。

4.如权利要求2所述的图像处理装置(2、102)，其中，所述阈值决定部件(41、41a、42、42a、42b)根据多个像素构成的规定块中的浓度信息，决定所述阈值。

5.如权利要求1所述的图像处理装置(2、102)，其中，所述提取部件(48、49)包括：

峰值像素检测部件(48)，根据由所述阈值决定部件(41c、42c)决定的阈值，检测峰值像素；以及

峰值像素密度计算部件(49)，作为所述特征量，计算所述峰值像素检测部件(48)检测出的峰值像素的密度。

6.一种图像形成装置，包括权利要求1至5的任何一项所述的图像处理装置(2、102)。

7.一种图像读取处理装置，包括权利要求1至5的任何一项所述的图像处理装置(2、102)。

8.一种图像处理方法，包括：对通过读取装置(1、101)从原稿读取出的图像的网点线数进行识别的网点线数识别步骤，

所述网点线数识别步骤包括：

阈值决定步骤，用对应于所述读取装置(1、101)中的各颜色分量的读取特性而预先确定的调整值，决定用于提取表示各像素间的浓度变化状况的特征量的阈值；

提取步骤，根据由所述阈值决定步骤决定的阈值，提取所述特征量；以及

网点线数判定步骤，从所述提取步骤提取出的特征量来判定网点线数。

9.如权利要求8所述的图像处理方法，其中，所述提取步骤包括：

二值化处理步骤，根据由所述阈值决定步骤决定的阈值，生成各像素的二值数据；以及

反转次数计算步骤，作为所述特征量，计算由所述二值化处理步骤生成的二值数据的反转次数。

10.如权利要求9所述的图像处理方法，其中，在所述阈值决定步骤中，根据多个像素构成的规定块中的像素的平均浓度值，决定所述阈值。

11.如权利要求9所述的图像处理方法，其中，在所述阈值决定步骤中，根据多个像素构成的规定块中的浓度信息，决定所述阈值。

12.如权利要求8所述的图像处理方法，其中，所述提取步骤包括：

峰值像素检测步骤，根据由所述阈值决定步骤决定的阈值，检测峰值像素；以及

峰值像素密度计算步骤，作为所述特征量，计算由所述峰值像素检测步骤检测出的峰值像素的密度。

13.一种图像处理程序，使权利要求1至5的任何一项所述的图像处理装置(2、102)动作，该程序使计算机(5)作为上述各部件而起作用。

14.一种计算机(5)可读取记录介质，记录了权利要求13所述的图像处理程序。

Images