JP2004328292A - 画像処理装置および画像処理方法並びにそれを備えた画像形成装置、プログラム、記録媒体 - Google Patents

Abstract

【課題】簡単な構成で原稿画像の網点線数を判定し、良好な出力画像を再現できる画像処理方法および画像処理装置並びに画像読取装置、画像形成装置、プログラム、記録媒体を提供する。
【解決手段】第１網点判定部８は、網点領域画素数を算出することにより、原稿画像が網点を含むか否かを判定し、網点を含むと判定された場合に、網点線数判定部９により網点線数を判定する。網点線数判定部９は、原稿画像の各画素から得られる特徴量を２種以上、例えば、入力画像データの反転回数とマスク内画素の差分値を計数することにより、網点領域画素数を算出する。そして、第１網点判定部８と網点線数判定部９とから算出された網点画素数の比に応じて、網点の線数を判別する。制御部１７は、第１網点判定部８により原稿画像が網点を含むと判定された場合にのみ網点線数の判定を行うように網点線数判定部９を制御する。
【選択図】 図１

Description

【０００１】
【発明の属する技術分野】
本発明は、入力画像信号から、網点の線数のレベルを判別しその結果に基づいて適切な処理を行う画像処理装置および画像処理方法並びにそれを備えた画像形成装置、プログラム、記録媒体に関するものである。
【０００２】
【従来の技術】
デジタルスキャナやデジタルスチルカメラ等のデジタルカラー画像入力装置では、一般的に、入力カラー画像データ（カラー情報）は、色分解系の固体撮像素子（ＣＣＤ）によって得られる３刺激値の色情報（Ｒ、Ｇ、Ｂ）を、アナログ信号からデジタル信号に変換し入力信号として利用している。この画像入力装置によって入力された信号を最適に表示あるいは出力する場合、読み取り原稿画像内の同一特性を有する小領域ごとに分離が行われる。そして、この特性が同じ領域に対して、最適な画像処理を施すことより良質な画像を再現することが可能である。
【０００３】
一般的に、原稿画像を小領域に分離する際には、読み取り原稿内（入力のソースは原稿に限定するものではなく、風景や人工的な形成画像等、画像入力デバイスで扱うことのできる画像全般に当てはめることが可能である）に存在する文字領域・網点領域・写真領域（その他の領域）の各領域を局所単位で識別する処理が行われる。識別された各領域は、それぞれの特性をもつ領域ごとに画質向上処理を切り換えることで画像の再現性を高められる。
【０００４】
ところで、上記網点領域（画像）の場合、６５線／ｍｍ、８５線／ｍｍ、１００線／ｍｍ、１２０線／ｍｍ、１３３線／ｍｍ、１７５線／ｍｍと低線数から高線数の網点が用いられている。このため、これらの網点線数を判別し、その結果に応じて適切な処理を行う方法が提案されている。
【０００５】
例えば、特開平１−１３３４７０号公報（特許文献１）には、読み込んだ画像情報と網点プレートから得られる参照データとの相関性を求め、相関性の大小から網点の有無を識別し、更に順次に網点プレートの網点密度（周期）を切り換えて、各密度で得られる相関性の大小を比較し、最も大きな相関性が得られた密度を、網点周期として判別する方法が記載されている。すなわち、特許文献１に記載の判別方法は、パターンマッチング処理により原稿画像上の網点の線数を判別している。
【０００６】
また、特開平７−２２００７２号公報（特許文献２）には、入力画像に対してライン毎の１次元フーリエ変換を行い、該１次元フーリエ変換出力信号を空間周波数毎に分類することにより、入力画像の１次元方向の空間周波数特性を演算検知することにより網点周期を判別する方法が記載されている。すなわち、特許文献２に記載の判別方法は、１次元フーリエ変換を用いて網点周期を判別している。
【０００７】
【特許文献１】
特開平１−１３３４７０号公報 （公開日：１９８９年５月２５日）
【０００８】
【特許文献２】
特開平７−２２００７２号公報 （公開日：１９９５年８月１８日）
【０００９】
【発明が解決しようとする課題】
上記のように、網点検出または網点線数検出に関して、従来はパターンマッチングや周波数解析であるフーリエ変換が用いられてきた。しかし、パターンマッチングを用いた画像識別方法では、数多くのパターンを用意する必要がある。このため、メモリ容量が膨大になったり、汎用性に乏しいといった問題が生じる。
【００１０】
また、フーリエ変換を用いた画像識別方法では、ソフトウェアおよびハードウェアで行うにしろ計算が複雑で、高速化が困難な上、安価なシステムで構成することができないといった問題点がある。
【００１１】
本発明は、上記の問題点に鑑みてなされたものであり、その目的は、周波数解析等の複雑で回路規模の膨大な処理を行うことなく、簡単な構成にて網点の特徴量を抽出し、網点線数を判定することができる画像処理装置、画像処理方法、画像処理装置を備えた画像読取装置、画像形成装置、画像処理プログラム、およびこれを記録したコンピュータ読み取り可能な記録媒体を提供することにある。
【００１２】
【課題を解決するための手段】
本発明にかかる画像処理装置は、上記の課題を解決するために、入力画像データから原稿画像の網点の線数を判定した結果に応じて、出力画像を得るための出力画像データを生成する画像処理装置において、原稿画像の各画素が網点領域画素であるか否かを判定する第１網点判定手段と、原稿画像の各画素から得られる特徴量を２種以上計数して網点領域画素を算出した結果に基づき、原稿画像の網点の線数を判定する網点線数判定手段とを備え、前記網点線数判定手段は、前記第１網点判定手段で算出した網点領域画素数と網点線数判定手段で算出した網点領域画素数とを用いて原稿画像の網点の線数を判定することを特徴としている。
【００１３】
上記の発明によれば、原稿画像の網点の線数は、第１網点判定手段および網点線数判定手段で算出した網点領域画素数を用いて判定される。また、網点線数判定手段で算出される網点領域画素数は、原稿画像の各画素から得られる特徴量を２種以上計数することにより算出される。つまり、従来のように、パターンマッチングや周波数解析といった複雑で回路規模の膨大な処理を行って網点線数を判定する必要はない。
【００１４】
したがって、簡単な構成にて原稿画像の網点の特徴量を抽出し、網点線数を精度よく判定することが可能となる。その結果、網点線数に適した画像処理を行うことが可能となり、出力画像の画質の向上が図れる。すなわち、網点線数に応じた各処理がなされるため、鮮鋭度を保ちながらモアレのない出力画像を得ることが可能となる。
【００１５】
なお、本発明において「原稿画像」とは、紙などの原稿に限定されるものではなく、風景や人工的な形成画像等、画像入力デバイスで扱える画像全般を示すものである。また、「特徴量」とは、原稿画像における網点領域画素の特徴を算出できるものであればよく、さらに原稿画像の網点の線数によって変動するものであることが好ましい。
【００１６】
本発明の画像処理装置において、前記網点線数判定手段は、各画素から得られる特徴量として、入力画像データの反転回数を計数することを特徴としている。
【００１７】
上記の発明によれば、網点線数判定部で算出される網点領域画素数は、原稿画像の各画素から得られる特徴量として、入力画像データの反転回数を計数することにより算出される。ここで、「反転回数」とは、入力画像データを２値化データとしたときの２値の切り替わり回数を示す。
【００１８】
これにより、低線数の網点は反転回数が少なく、高線数の網点は反転回数が多いという網点の特徴量を抽出し、簡単な構成にて原稿画像の網点の線数を精度よく判定することが可能となる。
【００１９】
本発明の画像処理装置において、前記網点線数判定手段は、複数の画素からなるマスク内画素濃度の差分値を計数することを特徴としている。
【００２０】
上記の発明によれば、網点線数判定部で算出される網点領域画素数は、原稿画像の各画素から得られる特徴量として、マスク内画素濃度の差分値を計数することにより算出される。ここで、「差分値を算出」とは、ある画素と隣接画素との濃度差を算出することを示す。
【００２１】
これにより、低線数の網点は隣接画素との濃度の差分値が大きく、高線数の網点は隣接画素との濃度差が小さいという網点の特徴量を抽出し、簡単な構成にて原稿画像の網点の線数を精度よく判定することが可能となる。
【００２２】
本発明の画像処理装置において、前記網点線数判定手段は、原稿画像を、主走査方向、主走査方向に対して略垂直方向の副走査方向、および主走査方向に対して副走査方向とは異なる任意の角度の方向に、前記原稿画像の各画素の差分値を計数することを特徴としている。
【００２３】
上記の発明によれば、原稿画像の各画素の差分値の計数が、主走査方向、副走査方向、および任意の角度の方向に対して行われる。
【００２４】
したがって、原稿画像がスクリーン角度を有する網点の場合、または原稿画像の設置方向に関わらず、各画素の差分値を計数できる。それゆえ、精度よく網点の線数を判定することができる。
【００２５】
本発明の画像処理装置において、前記網点線数判定手段は、原稿画像を読み込む条件に応じて、差分値の算出結果を補正することを特徴としている。
【００２６】
差分値はスキャン速度、すなわち副走査方向の倍率によって変化する。例えば、主走査方向と副走査方向との差分値がほぼ同じである原稿画像の場合であっても、縮小時またはプレスキャンのような高速スキャン時は、副走査方向の差分値が大きくなる。逆に、拡大時のような低速スキャン時は、副走査方向の差分値が小さくなる。このように、スキャン速度に応じて、反転回数の誤差が生じる。
【００２７】
上記の発明によれば、原稿画像を読み込む条件に応じて（スキャン速度に応じて）、各走査方向における差分値の補正を行うので、差分値の誤差が解消される。その結果、精度よく差分値を計数できる。これにより、特に、通常スキャンより速い速度のプレスキャンにより差分値を計数する場合、および、本スキャンにて差分値を計数する場合の差分値の誤差を解消できる。
【００２８】
本発明の画像処理装置において、前記網点線数判定手段は、複数の画素からなるマスク内画素の最大値濃度および最小値濃度を算出することを特徴としている。
【００２９】
上記の発明によれば、網点線数判定部で算出される網点領域画素数は、原稿画像の各画素から得られる特徴量として、マスク内画素の最大値濃度および最小値濃度を計数して求められる最大濃度差から算出される。
【００３０】
これにより、低線数の網点は最大濃度差が大きく、高線数の網点は最大濃度差が小さいという網点の特徴量を抽出し、簡単な構成にて原稿画像の網点の線数を精度よく判定することが可能となる。
【００３１】
本発明の画像処理装置において、前記網点線数判定手段は、前記差分値の算出結果の値、または、前記最大値濃度および最小値濃度の差である最大濃度差の値のうちの少なくとも１つの値の、マスクサイズの変化による変動を算出することを特徴としている。
【００３２】
上記の発明によれば、網点線数判定部で算出される網点領域画素数は、原稿画像の各画素から得られる特徴量として、前記マスク内画素の差分値、または、最大濃度差の少なくとも１つの値の、マスクサイズの変化による変動（つまりマスクサイズ依存性）を計数することにより算出される。
【００３３】
これにより、低線数の網点は隣接画素との差分値および最大濃度差のマスクサイズの変化による変動が大きく、高線数の網点は隣接画素との差分値および最大濃度差のマスクサイズの変化による変動が小さいという、マスクサイズ依存性として網点の特徴量を抽出し、簡単な構成にて原稿画像の網点の線数を精度よく判定することが可能となる。
【００３４】
本発明の画像処理装置において、前記第１網点判定手段にて、原稿画像に網点領域画素があると判定された場合にのみ、原稿画像の網点の線数を判定するように網点線数判定手段を制御する制御手段を備えていることを特徴とする請求項１に記載の画像処理装置。
【００３５】
上記の発明によれば、制御手段が、第１網点判定手段により原稿画像に網点が含まれないと判定された場合には、網点線数判定手段による処理を行わないように制御する。
【００３６】
これにより、網点を含む原稿画像のみ網点の線数を判定するので、網点線数判定手段の判定時間を短縮できる。
【００３７】
本発明の画像形成装置は、上記の課題を解決するために、上記したいずれかの画像処理装置を備えていることを特徴としている。
【００３８】
したがって、簡単な構成にて原稿画像中の網点の特徴量を抽出し、網点線数を判定できる画像形成装置を提供できる。その結果、網点線数に適した画像処理を行うことが可能となり、出力画像の画質の向上が図れる。すなわち、網点線数に応じた各処理がなされるため、鮮鋭度を保ちながらモアレのない出力画像を得ることが可能となる。
【００３９】
本発明の画像処理方法は、上記の課題を解決するために、入力画像データから原稿画像の網点の線数を判定した結果に応じて、出力画像を得るための出力画像データを生成する画像処理方法において、入力画像データから原稿画像の各画素から得られる特徴量を２種以上計数して、原稿画像の網点の線数を判定することを特徴としている。
【００４０】
また、本発明の別の画像処理方法は、入力画像データから原稿画像の網点の線数を判定した結果に応じて、出力画像を得るための出力画像データを生成する画像処理方法において、各画素が網点領域画素であるか否かを判定する第１網点判定処理と、原稿画像の網点領域画素数を算出した結果に基づき、原稿画像の網点の線数を判定する網点線数判定処理とを含み、前記網点線数判定処理は、入力画像データから原稿画像の各画素から得られる特徴量を２種以上計数し、かつ、前記第１網点判定処理で算出した網点領域画素数と網点線数判定処理で算出した網点領域画素数とを用いて原稿画像の網点の線数を判定することを特徴としている。
【００４１】
上記の方法によれば、網点領域画素数は、原稿画像の各画素から得られる特徴量を２種以上計数することにより算出される。つまり、従来のように、パターンマッチングや周波数解析といった複雑で回路規模の膨大な処理を行って網点の線数を判定する必要はない。
【００４２】
したがって、簡単な構成にて原稿画像の網点の特徴量を抽出し、網点の線数を精度よく判定することが可能となる。その結果、網点の線数に適した画像処理を行うことが可能となり、出力画像の画質の向上が図れる。すなわち、網点の線数に応じた各処理がなされるため、鮮鋭度を保ちながらモアレのない出力画像を得ることが可能となる。
【００４３】
本発明にかかるプログラムは、上記の課題を解決するために、上記した入力画像データから原稿画像の各画素から得られる特徴量を２種以上計数して原稿画像の網点の線数を判定する処理、または第１網点判定処理および前記網点線数判定処理を、コンピュータに実行させることを特徴としている。
【００４４】
上記の発明によれば、簡単な構成にて原稿画像中の網点の特徴量を抽出し、網点線数を判定できる画像処理方法をコンピュータが読み取り実行することができるプログラムを提供できる。したがって、本発明にかかる画像処理方法を汎用的なものとすることができる。
【００４５】
本発明の記録媒体は、上記の課題を解決するために、コンピュータに、原稿画像の各画素から得られる特徴量を２種以上計数して原稿画像の網点の線数を判定する処理、または第１網点判定処理および前記網点線数判定処理を実行させるためのプログラムを記録したコンピュータ読取可能としている。
【００４６】
上記の発明によれば、簡単な構成にて原稿画像中の網点の特徴量を抽出し、網点線数を判定できる画像処理方法のプログラムを容易にコンピュータに供給できる記録媒体を提供できる。
【００４７】
【発明の実施の形態】
以下、本発明の実施の一形態について図１ないし図２４に基づいて説明する。
【００４８】
〔実施の形態１〕
近年、内部装置が小型化され、且つ組装置化（ユニット化）されて比較的安価になったこととも相俟って、タンデム型のカラー画像形成装置が主流となりつつある。まず、本発明の画像処理装置が適用される画像形成装置について説明する。
【００４９】
図２は、タンデム方式を適用するカラー画像形成装置の概略構成を示す主要部の断面図である。本発明の画像形成装置は、図２に示されるような、タンデム型のデジタルカラー複写機１である。
【００５０】
デジタルカラー複写機１は、画像形成ステーション２００Ｋ、２１０Ｃ、２２０Ｍ、２３０Ｙ、給紙部２４０、搬送用ベルト２５０、および定着装置２６０を備えている。
【００５１】
画像形成ステーションは、Ｃ・Ｍ・Ｙ・Ｋ（Ｃ：シアン・Ｍ：マゼンタ・Ｙ：イエロー・Ｋ：クロ）のそれぞれの画像形成ステーション２００Ｋ、２１０Ｃ、２２０Ｍ、および２３０Ｙを備えている。
【００５２】
図２において、画像形成ステーションは、感光体、帯電器、書き込み光学系、現像装置、クリーニング装置から構成されている。画像形成ステーション２００Ｋを例にとると、ドラム状の感光体２０１Ｋは図中の矢印Ｄ方向に回転し、その周りには少なくとも回転順に帯電器２０２Ｋ、書き込み光学系２０３Ｋ、現像装置２０４Ｋ、クリーニング装置２０５Ｋが配置されている。
【００５３】
このデジタルカラー複写機１では、帯電器２０２Ｋと現像装置２０４Ｋとの間の感光体表面に書き込み光学系２０３Ｋからレーザー光が照射され、感光体２０１ＫにＫの静電潜像が形成されるようになっている。
【００５４】
このような感光体２０１Ｋを中心とした画像形成ステーション２００Ｋと同等の画像形成ステーション２１０Ｃ・２２０Ｍ・２３０Ｙが、用紙搬送手段である用紙搬送ベルト２５０に沿って並置されている。用紙搬送ベルト２５０は各画像形成ステーションの現像装置とクリーニング装置との間で感光体に当接しており、用紙搬送ベルト２５０の各感光体側の裏側に当たる面（裏面）には転写バイアスを印加するための転写ローラ２０６Ｋ、２１６Ｃ、２２６Ｍ、２３６Ｙが配置されている。各画像形成ステーションは、現像装置内部のトナー色が異なるだけで、その他は全て同様の構成となっている。Ｃ・Ｍ・Ｙについても、同様の構成である。
【００５５】
図２に示す構成のデジタルカラー複写機１において、画像形成処理は次のようにして行われる。まず、各画像形成ステーション２００Ｋ、２１０Ｃ、２２０Ｍ、２３０Ｃにおいて、感光体２０１Ｋ、２１１Ｃ、２２１Ｍ、２３１Ｙが帯電器２０２Ｋ、２１２Ｃ、２２２Ｍ、２３２Ｙにより帯電され、次に書き込み光学系２０３Ｋ、２１３Ｃ、２２３Ｍ、２３３Ｙからのレーザー光により、作成する各色の画像に対応した静電潜像が形成される。
【００５６】
次に、現像装置２０４Ｋ、２１４Ｃ、２２４Ｍ、２３４Ｙにより静電潜像を現像してトナー像が形成される。現像装置２０４Ｋ、２１４Ｃ、２２４Ｍ、２３４Ｙは、それぞれＫ、Ｃ、Ｍ、Ｙのトナーで現像を行う現像装置で、４つの感光体２０１Ｋ、２１１Ｃ、２２１Ｍ、２３１Ｙ上で作られた各色のトナー像は用紙上で重ねられる。
【００５７】
用紙は、給紙部２４０から上記感光体２０１Ｋ、２１１Ｃ、２２１Ｍ、２３１Ｙ上への画像形成とタイミングを合わせて、図中矢印Ｅ方向へ向け、用紙搬送ベルト２５０上に送られる。
【００５８】
用紙搬送ベルト２５０上に保持された用紙は搬送されて、各感光体２０１Ｋ、２１１Ｃ、２２１Ｍ、２３１Ｙとの当接位置（転写部）で各色トナー像の転写が行われる。感光体２０１Ｋ、２１１Ｃ、２２１Ｍ、２３１Ｙ上のトナー像は、転写ローラ２０６Ｋ、２１６Ｃ、２２６Ｍ、２３６Ｙに印加された転写バイアスと感光体との電位差から形成される電界により、用紙上に転写される。
【００５９】
そして、４つの転写部を通過して４色のトナー像が重ねられた記録紙は、定着装置２６０に搬送され、トナーが定着されて、図示しない排紙部に排紙される。
【００６０】
また、転写部で転写されずに各感光体に残った残留トナーは、クリーニング装置２０５Ｋ、２１５Ｃ、２２５Ｍ、２３５Ｙで回収される。
【００６１】
なお、図２のデジタルカラー複写機１では、画像形成ユニットは、用紙搬送方向上流側から下流側に向けて、Ｋ、Ｃ、Ｍ、Ｙの色の順で並んでいるが、この順番に限るものではなく、色の順は任意に設定すればよい。
【００６２】
また、上記したように、各画像形成ステーションは現像装置内部のトナー色が異なるだけで、その他は全て同様の構成となっている。そのため各画像形成ステーションの現像装置の回転数も同一回転数に設定されている。
【００６３】
次に、デジタルカラー複写機１について、詳細に説明する。
【００６４】
デジタルカラー複写機１は、図１にブロック図として示されるような、本発明の画像処理装置の構成が適用されたカラー画像処理装置を備える、デジタルカラー複写機である。最初に、デジタルカラー複写機の構成について説明する。
【００６５】
デジタルカラー複写機（画像形成装置）１は、図１に示されるように、カラー画像入力装置２と、カラー画像処理装置３と、カラー画像出力装置４と、操作パネル５とを備えている。
【００６６】
カラー画像入力装置（画像入力装置・画像読取手段）２は、例えばＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）を備えたスキャナ部より構成されている。そして、原稿画像からの反射光像を、ＲＧＢ（Ｒ：赤・Ｇ：緑・Ｂ：青）のアナログ信号の状態にある入力画像データとしてＣＣＤによって読み込んで、カラー画像処理装置３に入力する。
【００６７】
カラー画像処理装置３は、Ａ／Ｄ変換部６、シェーディング補正部７、第１網点判定部８、網点線数判定部９、入力階調補正部１０、領域分離処理部１１、色補正部１２、黒生成下色除去部１３、空間フィルタ処理部１４、出力階調補正部１５、および階調再現処理部（中間調生成）１６を備えている。そして、カラー画像入力装置２から入力されたＲＧＢアナログ信号を、上記の順で送り、ＣＭＹＫのデジタルカラー信号として、カラー画像出力装置４へ出力する。このように、カラー画像処理装置３に、カラー画像入力装置２とカラー画像出力装置４とが接続され、全体としてデジタルカラー複写機１を構成している。
【００６８】
Ａ／Ｄ（アナログ／デジタル）変換部６は、カラー画像入力装置２から出力されたＲＧＢアナログ信号を、デジタル信号に変換する。
【００６９】
シェーディング補正部７は、Ａ／Ｄ変換部６から送られてきたデジタルのＲＧＢ信号に対して、カラー画像入力装置２の照明系、結像系、撮像系で生じる各種の歪みを取り除く処理を行う。また、シェーディング補正部７では、ＲＧＢの反射率信号を濃度信号に変換するとともに、カラーバランスを整える処理を行う。
【００７０】
第１網点判定部８は、入力された原稿画像に網点領域が含まれているか否かの判定を行う。加えて、第１網点判定部８は、原稿画像の網点領域画素数の算出も行う。そして、網点領域の判定結果に応じて、後段の制御部１７に網点線数判定部９のパラメータを変更するような信号を出力する。
【００７１】
網点線数判定部９は、制御部１７からの信号により変更されたパラメータを用いて網点の線数判定を行う。
【００７２】
本発明は、特に、第１網点判定部８、網点線数判定部９および制御部１７に関わるものであり、これらの構成例については、後に詳述する。
【００７３】
入力階調補正部１０は、ＲＧＢ信号に対して、下地濃度の除去やコントラストなどの画質調整処理を行う。
【００７４】
領域分離処理部１１は、ＲＧＢ信号より、入力画像中の各画素を文字領域、網点領域、その他（写真など）の領域の何れかに分離する処理を行う。そして、その分離結果に基づき、注目画素がどの領域に属しているかを示す領域識別信号を、後段の色補正部１２、黒生成下色除去部１３、空間フィルタ処理部１４、および階調再現処理部１５へと出力する。さらに、入力階調補正部１０より出力された入力信号をそのまま後段の色補正部１２に出力する。
【００７５】
色補正部１２は、色再現の忠実化実現のために、不要吸収成分を含むＣＭＹ（Ｃ：シアン・Ｍ：マゼンタ・Ｙ：イエロー）色材の分光特性に基づいた色濁りを取り除く処理を行うものである。
【００７６】
色補正部１２は、色再現の忠実化のために、ＲＧＢ信号（またはＲＧＢ信号を補色反転した入力ＣＭＹ信号）を出力ＣＭＹ（Ｃ：シアン、Ｍ：マゼンタ、Ｙ：イエロー）信号に変換する色変換処理を行う。
【００７７】
黒生成下色除去部１３は、黒生成部と下色除去部とから構成されている。黒生成部は、色補正部１２で色変換されたＣＭＹ信号と領域識別信号とに基づいて、黒（Ｋ）生成処理を行う。下色除去部は、黒信号から計算される下色の量をＣＭＹ信号から減算し、新たなＣＭＹ信号を生成する処理を行う。これにより、ＣＭＹの３色信号はＣＭＹＫの４色の信号に変換される。
【００７８】
黒生成処理の一例として、スケルトンブラックによる黒生成を行う方法（一般的方法）がある。この方法では、スケルトンカーブの入出力特性をｙ＝ｆ（ｘ）、入力されるデータをＣ、Ｍ、Ｙ、出力されるデータをＣ’、Ｍ’、Ｙ’、Ｋ’、ＵＣＲ（Ｕｎｄｅｒ Ｃｏｌｏｒ Ｒｅｍｏｖａｌ）率をα（０＜α＜１）とすると、黒生成下色除去処理は以下の式（１）で表わされる。
【００７９】
Ｋ’＝ｆ｛ｍｉｎ（Ｃ、Ｍ、Ｙ）｝
Ｃ’＝Ｃ−αＫ’
Ｍ’＝Ｍ−αＫ’ （１）
Ｙ’＝Ｙ−αＫ’
空間フィルタ処理部１４は、領域識別信号および黒生成下色除去部１３より入力されるＣＭＹＫ信号の画像データに対して、領域識別信号を基にデジタルフィルタによる空間フィルタ処理を行う。すなわち、空間周波数特性を補正して、出力画像のぼやけや、粒状性劣化を防ぐように処理する。
【００８０】
出力階調補正部１５は、濃度信号などをカラー画像出力装置４の特性値である網点面積率に変換する出力階調補正処理を行う。そして、最終的に階調再現処理部１４で、画像を画素に分離してそれぞれの階調を再現できるように処理する階調再現処理（中間調生成）がなされる。
【００８１】
階調再現処理部１６も、空間フィルタ処理部１４と同様に、ＣＭＹＫ信号の画像データに対して、領域識別信号を基に所定の処理を施すものである。
【００８２】
例えば、領域分離処理部１１にて文字に分離された画像領域は、特に黒文字或いは色文字の再現性を高めるために、空間フィルタ処理部１４による空間フィルタ処理における鮮鋭強調処理で高周波数の強調量が大きくされる。同時に、階調再現処理部１６では、高域周波数の再現に適した高解像度のスクリーンでの二値化または多値化処理が選択される。
【００８３】
また、領域分離処理部１１にて網点領域に分離された画像領域は、空間フィルタ処理部１４において、入力網点成分を除去するためのローパス・フィルタ処理が施される。そして、出力階調補正部１５は、濃度信号などの信号をカラー画像出力装置４の特性値である網点面積率に変換する出力階調補正処理を行った後、階調再現処理部１６で、最終的に画像を画素に分離してそれぞれの階調を再現できるように処理する階調再現処理（中間調生成）を行う。また、領域分離処理部１１にてその他の領域に分離された領域に関しては、階調再現性を重視したスクリーンでの二値化または多値化処理が行われる。
【００８４】
以上のように、カラー画像処理装置３の各部で各処理が行われたＣＭＹＫ信号の画像データは、画像出力用データとして、一旦図示しない記憶手段に記憶され、所定のタイミングで読み出されてカラー画像出力装置４に入力される。カラー画像出力装置４は、画像データを記録媒体（例えば紙等）上に出力するもので、例えば、電子写真方式やインクジェット方式を用いたカラー画像出力装置等を挙げることができるが特に限定されるものではない。なお、以上の処理は図示しないＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）により制御される。
【００８５】
このように、カラー画像処理装置（画像処理装置）３は、カラー画像入力装置２から入力された入力画像データに所定の画像処理を行って、カラー画像出力装置４に入力される画像出力用データとする。
【００８６】
操作パネル５は、図示しないデジタルカラー複写機１の動作モードを設定する設定ボタンやテンキーなどの入力手段、液晶ディスプレイなどで構成される表示画面を備えている。
【００８７】
次に、本発明の特徴部分である、第１網点判定部８、および網点線数判定部９（図２参照）について詳細に説明する。
【００８８】
（１）第１網点判定部８
第１網点判定部８は、図３に示されるように、文字領域判定部１８、網点領域判定部１９ａ、第１判定部２０ａ、および総合判定部２１から構成されている。
【００８９】
文字領域判定部１８は、シェーディング補正およびカラーバランスの調整がなされたＲＧＢ信号が文字領域画素であるか否かを判定する。同様に、網点領域判定部１９ａは、シェーディング補正およびカラーバランスの調整がなされたＲＧＢ信号が網点領域画素であるか否かを判定する。
【００９０】
網点領域判定部１９ａは、図５に示されるように、反転回数算出部２８、反転回数判定部３０、およびパラメータ設定部３１ａを備えている。
【００９１】
反転回数算出部（網点線数判定手段）２８は、上記マスク内画素の主走査方向および副走査方向の各方向における反転回数を計数するものであり、２値化処理部２７、主走査方向計数部３２、副走査方向計数部３３、および最大値選択部２９から構成されている。
【００９２】
２値化処理部２７は、注目画素を含むマスク内画素値から算出した、平均値等の値を閾値として入力画像データの２値化を行う。
【００９３】
主走査方向計数部３２および副走査方向計数部３３は、２値化処理部２７で得られた入力画像の２値化データに基づいて、各方向の反転回数を計数する。
【００９４】
最大値選択部２９は、主走査方向計数部３２および副走査方向計数部３３における反転回数の結果の最大値を選択する。ここで選択された最大値は、反転回数判定部３０にて、パラメータ設定部３１ａに設定されたパラメータと比較される。これにより、網点領域画素であるか、非網点領域画素であるかが判定される。そして、判定信号が第１判定部２０ａに入力される。
【００９５】
第１判定部２０ａは、文字領域判定部１８および網点領域判定部１９ａによる判定結果に基づいて、原稿画像の各画素が、網点領域であるか、文字領域であるか、またはその何れでもないかを判定する。
【００９６】
総合判定部２１は、原稿画像中の網点の有無を判定するものであり、文字領域画素カウンタ２２、網点領域画素カウンタ２３ａ、総画素数カウンタ２４、除算機２５、第２判定部２６から構成されている。
【００９７】
次に、第１網点判定部８を構成する各部の処理について詳細に説明する。
【００９８】
（ａ）文字領域判定部１８
文字領域判定部１８の判定方法としては、例えば、本出願人により出願された特開２００２−２３２７０９（公開日：２００２年８月１６日）の方法を用いることができる。以下、この方法について簡単に説明する。
【００９９】
先ず、注目画素を含むｎ×ｍのブロック画素（ｍ、ｎは自然数）において、主走査方向の最小濃度値および最大濃度値の算出し、最小濃度値および最大濃度値より最大濃度差を算出する。次に、隣接する画素の濃度差の絶対値の総和（総和濃度繁雑度）を算出する。そして、最大濃度差と最大濃度差閾値および総和濃度繁雑度と総和濃度繁雑度閾値との比較を行い、最大濃度差が最大濃度差閾値より大きく、且つ、総和濃度繁雑度が総和濃度繁雑度閾値より大きい場合、文字・網点領域であると判定する。
【０１００】
さらに、算出された総和濃度繁雑度と、最大濃度差に文字・網点判定閾値を掛けた値との比較を行い、総和濃度繁雑度の方が小さければ、文字領域であると判定する。
【０１０１】
これは、文字領域では、最大濃度差が大きく、それに伴い総和濃度繁雑度も大きくなるが、網点領域よりも濃度変化が少ないため、網点領域よりも総和濃度繁雑度は小さくなるという特徴を用いたものである。
【０１０２】
文字領域判定部１８の判定方法は、上記のような処理を副走査方向の画素についても同様に行い、各々の判定結果に基づいて注目画素の領域の判定を行うものである。
【０１０３】
（ｂ）網点領域判定部１９ａ
網点領域判定部１９ａの判定方法としては、例えば、図６に示されるフローチャートのように行うことができる。すなわち、まず、２値化処理部２７にて、注目画素を含むマスク内画素値から算出した平均値等の値を閾値として、マスク内画素が２値化される（Ｓ１）。次に、主走査方向計数部３２および副走査方向計数部３３にて、２値化されたマスク内画素から、反転回数（すなわち「０」から「１」、「１」から「０」へ変化した点数）が、主走査方向および副走査方向に計数される（Ｓ２）。続いて、最大値選択部２９にて、計数された反転回数の最大値（ＭａｘＲｅｖ）が選択され（Ｓ３）、反転回数判定部３０にて、反転回数の最大値（ＭａｘＲｅｖ）とパラメータ設定部３１ａのパラメータ（ＰｒｅｖＴＨ１：例えば、４）とが比較される（Ｓ４）。そして、反転回数の最大値（ＭａｘＲｅｖ）が第１の閾値（ＰｒｅｖＴＨ１）より大きければ、網点領域画素であると判定され（Ｓ５）、反転回数の最大値（ＭａｘＲｅｖ）が第１の閾値（ＰｒｅｖＴＨ１）以下であれば、非網点領域画素であると判定される（Ｓ６）。
【０１０４】
（ｃ）第１判定部
第１判定部２０ａは、文字領域判定部１８および網点領域判定部１９ａの判定結果に基づき、原稿画像の各画素の領域を判定する。第１判定部２０ａでは、例えば、図４に示されるように、原稿画像の各画素が、網点領域画素、文字領域画素、その他の領域の画素、いずれの領域の画素であるかが判定される。なお、本実施形態では、例として、図４に示されるように、網点領域判定部１９ａにて原稿画像の注目画素に網点領域が含まれていると判定され（“１”）、かつ、文字領域判定部１８にて原稿画像の注目画素に文字領域のも含まれていると判定された（“１”）場合は、当該注目画素は、網点領域であると判定するように設定している。すなわち、網点領域判定部１９ａにて、網点領域画素と判定されると、第１判定部２０ａにおいても網点領域画素と判定される。
【０１０５】
このように、第１判定部２０ａでは、表１に示される領域判定信号からの判定例のように、各画素それぞれどの領域の画素であるか判定される（ここでは、網点領域画素に対して優先順位を高く設定しているので、文字領域画素判定：１、網点領域画素判定：１の時は網点画素であると判定するようにしている。）。
【０１０６】
（ｄ）総合判定部２１
このようにして第１判定部２０ａにて判定された各画素に含まれる文字領域画素または網点領域画素を、文字領域画素カウンタ２２、網点領域画素カウンタ２３ａにてそれぞれカウントアップする。更に、除算器２５にて、総画素数カウンタ２４でカウントされた総画素数に対する網点画素数の比を算出する。
【０１０７】
第２判定部２６では、当該総画素数に対する網点画素数の比が所定値（例えば、０．０５）より大きければ原稿画像中に網点ありとし、所定値以下であれば原稿画像中に網点なしという判定信号が制御部１７に出力される。
【０１０８】
（２）網点線数判定部９
次に、網点線数判定部９ａ〜９ｅについて説明する。
【０１０９】
（２−１）網点線数判定部９ａ
網点線数判定部９ａは、図７に示されるように、第２網点判定部３４、網点領域画素カウンタ２３ｂ、網点線数判別部３５、閾値設定部３６を備えている。また、制御部１７は、後述するパラメータ設定部３１ｂのパラメータを、前述した第１網点判定部８の判定結果に応じて変更する。
【０１１０】
第２網点判定部３４は、反転回数算出部２８、パラメータ設定部３１ｂ、特徴量算出部３７、および特徴判定部３８を備えており、網点領域判定部１９ａと同様に、注目画素が網点領域画素であるか否かを判定する。
【０１１１】
反転回数算出部２８の構成は、図５で説明した反転回数算出部２８と同様であり、反転回数計数結果の最大値を算出する。
【０１１２】
パラメータ設定部３１ｂには、第２網点判定部３４に対する処理パラメータが格納されている。例えば、後述のように、反転回数に関するパラメータ、および反転回数以外の特徴量に関するパラメータなどが格納されている。このパラメータにより、特徴判定部３８にて、注目画素が網点領域画素であるか非網点領域画素であるかの判定がなされる。
【０１１３】
特徴量算出部（網点線数判定手段）３７は、入力画像データの反転回数以外の少なくとも１つの特徴量を算出する。特徴算出部３７の具体例については、後述する。
【０１１４】
特徴判定部３８は、パラメータ設定部３１ｂに設定されたパラメータを用いて、注目画素が網点であるか非網点であるかの判定がなされる。
【０１１５】
網点領域画素カウンタ２３ｂは、特徴判定部３８にて網点と判定された画素数をカウントアップする。
【０１１６】
網点線数判別部３５は、第１網点判定部８の網点領域画素カウンタ２３ａにて算出した第１網点領域画素数（ｓｃｒ１）と、網点線数判定部９ａの網点領域画素カウンタ２３ｂにて算出した第２網点領域画素数（ｓｃｒ２）との比（ｓｃｒ２／ｓｃｒ１）を、閾値設定部３６に設定された閾値（ＴＨ２）と比較することにより、網点線数を判別する。
【０１１７】
網点線数判定部９ａでは、第１網点判定部８の判定結果に応じて、制御部１７により、パラメータ設定部３１ｂのパラメータが変更される。具体的には、第１網点判定部８にて注目画素に網点有りと判定された場合、制御部１７は、反転回数が小さい場合に網点領域画素と判定しないように（つまり反転回数が大きい場合にのみ網点領域画素と判定するように）、パラメータ設定部３１ｂの反転回数に関するパラメータ（ＰｒｅｖＴＨ１）を変更する。この場合、例えば、変更前のパラメータ（ＰｒｅｖＴＨ１）を「２」、変更後のパラメータを「４」のように、変更前より大きい値に設定する。また、パラメータ設定部３１ｂの反転回数以外の特徴量に関するパラメータ（ＰｘＴＨ１）も、高線数の場合のみ網点領域画素と判定されるよう設定しておく。
【０１１８】
これにより、特徴判定部３８では、反転回数と、反転回数以外の特徴量とによって、高精度に網点領域画素を判定することができ、反転回数が少ない、すなわち低線数網点であると、網点領域画素と判定しないようにすることができる。
【０１１９】
図８は、第１網点判定部８（図３）、網点線数判定部９ａおよび制御部１７（図７）の画像処理（特に、網点線数判定部９ａでの画像処理）の一例を示すフローチャートである。
【０１２０】
すなわち、まず、本スキャンに先立ってプレスキャンが行われる（Ｓ７）。次に、第１網点判定部８にて、得られた入力信号データから、第１網点領域画素数（ｓｃｒ１）の算出および網点領域画素の有無が判定される（Ｓ８）。このとき、原稿画像に網点が無いと判定されると（Ｓ９）、網点線数判定部９にて網点線数の判定は行わず（Ｓ１０）、処理を終了して本スキャン処理に入る。
【０１２１】
一方、原稿画像に網点があると判定されると（Ｓ９）、制御部１７にてパラメータ設定部３１ｂの反転回数に関するパラメータ（ＰｒｅｖＴＨ１）が変更される（Ｓ１１）。続いて、第２網点判定部３４の反転回数算出部２８による反転回数の最大値の算出（Ｓ１２）、および、特徴量算出部３７による特徴量（反転回数以外）の算出が行われる（Ｓ１３）。特徴判定部３８では、反転回数の最大値および特徴量を、変更されたパラメータ（ＰｒｅｖＴＨ１）および反転回数以外の特徴量に関するパラメータ（ＰｘＴＨ１）を用いて、高精度に網点領域画素が判定され、網点領域画素カウンタ２３ｂにて第２網点領域画素数（ｓｃｒ２）が算出される（Ｓ１４）。次に、網点線数判別部３５にて、第１および第２網点領域画素数（ｓｃｒ１およびｓｃｒ２）の比（ｓｃｒ２／ｓｃｒ１）が算出され（Ｓ１５）、この比（ｓｃｒ２／ｓｃｒ１）と、閾値設定部３６に設定される閾値（ＴＨ２）（例えば、０．２５）とが比較される（Ｓ１６）。そして、この比（ｓｃｒ２／ｓｃｒ１）が閾値（ＴＨ２）より大きければ高線数の網点であると判定され（Ｓ１７）、本スキャン処理に入る。一方、この比（ｓｃｒ２／ｓｃｒ１）が、閾値（ＴＨ２）以下であれば低線数の網点であると判定され（Ｓ１８）、本スキャン処理に入る。
【０１２２】
本スキャン以降の処理は、網点線数判定結果に応じて、後段の領域分離パラメータ・フィルタ係数・ディザパターンなどが選択され、最適な処理が行われる。これにより、網点線数に応じた各処理がなされるため、鮮鋭度を保ちながらモアレのない出力画像を得ることが可能となる。なお、本スキャンは、上記Ｓ７〜Ｓ１８までに得られた原稿画像の情報をもとに最適な画像処理を行うためのスキャンである。
【０１２３】
なお、図３の網点領域画素カウンタ２３ａと図７の網点領域画素カウンタ２３ｂとは共通とする構成としてもよい。この場合、例えば、制御部１７は、第１網点判定部８にて原稿画像に網点領域画素があると判定された時に、図５のパラメータ設定部３１ａのパラメータを変更するようにすればよい。
【０１２４】
本発明は、上記フローに限定されるものでない。また、上記の説明では、プレスキャンを行う構成にて記載したが、プレスキャンは必ずしも必要ではない。プレスキャンを行わない場合、入力画像データを画像メモリなどの記憶手段に格納しておき、この画像データを用いて網点線数判定処理を行った後、一連の画像処理を行うよう構成すればよい。
【０１２５】
また、網点線数の判定結果は高線数または低線数のみでなく、閾値設定部３６の閾値を複数備えるようにして、段階的に網点線数を判定する（網点線数をさらに細かく分類する）よう構成してもよい。これにより、さらに高精度に網点線数を判定することができる。それゆえ、網点線数に応じた画像処理を行うことが可能となり、画質の向上が図れる。
【０１２６】
（２−２）網点線数判定部９ｂ
図９は、網点線数判定部９ｂの構成を示すブロック図である。
【０１２７】
網点線数判定部９ｂは、文字領域判定部１８、第２網点判定部３４、第１判定部２０ｂ、文字領域画素カウンタ２２、網点領域画素カウンタ２３ｃ、網点線数判別部３５、および閾値設定部３６を備えている。
【０１２８】
図９の網点線数判定部９ｂは、図３の第１網点判定部８、および図７の網点線数判定部９ａの構成と類似している。しかし、網点線数判定部９ｂは、図３の第１網点判定部８とは異なり、総画素数カウンタ２４、除算器２５、および第２判定部２５を備えず、網点線数判別部３５および閾値設定部３６を備えている。また、網点線数判定部９ｂは、図７の網点線数判定部９ａとは異なり、第２網点判定部３４に加えて、文字領域判定部１８、第１判定部２０ｂおよび文字領域画素カウンタ２２を備えている。制御部１７は、網点線数判定部９ａと同様に、第１網点判定部８の判定結果に応じて、第２網点判定部３４のパラメータを変更するように設定されている。
【０１２９】
網点線数判定部９ｂに入力される、シェーディング補正およびカラーバランスの調整がなされたＲＧＢ信号は、文字領域判定部１８にて、注目画素が文字領域画素であるか否か、また第２網点判定部３４にて、注目画素が網点領域画素であるか否かが判定される。なお、第２網点判定部３４の構成は、図７で説明した第２網点判定部３４の構成と同様でよい。
【０１３０】
これらの判定結果から、第１判定部２０ｂにて、例えば、図４に示される領域判定信号からの判定例の表に示すように、各画素それぞれどの領域の画素であるか判定される。こうして判定された各画素は、文字領域画素カウンタ２２および網点領域画素カウンタ２３ｃにてそれぞれカウントアップされる。網点線数判別部３５では、第１網点判定部８にて算出した網点領域画素数と、第２網点判定部３４にて算出した網点領域画素数との比を閾値設定部３６の閾値と比較することにより、網点線数を判別する。
【０１３１】
このように、網点線数判定部９ａ・９ｂでは、低線数の網点は反転回数が少なく、高線数の網点は反転回数が多いという反転回数の特徴に加えて、反転回数以外の特徴を利用して画像処理が行われる。それゆえ、従来のように、パターンマッチングや、周波数解析等の複雑で回路規模の膨大な処理をすることなく、簡単な構成にて原稿画像の網点の特徴量を抽出し、網点線数を精度よく判定することが可能となる。
【０１３２】
また、反転回数と反転回数以外の特徴量とを算出して網点の線数を判定しているので、反転回数のみによって網点線数を判定する場合よりも、線数の判定精度が大きく向上する。
【０１３３】
具体的には、図２４に示すように、反転回数のみによって網点線数を判定する場合、反転回数が大きいものを網点（高線数の網点）と判定する。すなわち、高線数網点候補Ａ（斜線部Ａ）を検出して、網点線数が判定される。本発明では、この反転回数による高線数網点候補Ａに加えて、反転回数以外の特徴量を算出して高線数網点候補Ｂ（斜線部Ｂ）を検出し、両方を満たす領域Ｃ（網掛け部）のみ高線数の網点と判定する。したがって、高精度に網点線数を判定することができる。それゆえ、網点線数に応じた画像処理を行うことが可能となり、画質の向上が図れる。なお、反転回数以外の特徴量の算出の種類を多くするにつれ、網点線数の判定精度もさらに向上する。
【０１３４】
（２−３）網点線数判定部９ｃ
図１０は、網点線数判定部９ｃの構成を示すブロック図である。
【０１３５】
網点線数判定部９ｃは、反転回数以外の特徴量として、複数の画素からなるマスクの画素濃度の差分値を算出する構成である。すなわち、網点線数判定部９ｃは、図７の第２網点判定部３４における特徴量算出部３７を、差分値を算出する差分値算出部３９とする構成である。
【０１３６】
前述のように、第２網点判定部３４は、注目画素が網点領域画素であるか否かを判定し、反転回数算出部２８は、反転回数計数結果の最大値を算出する。
【０１３７】
差分値算出部（網点線数判定手段）３９は、主走査方向計数部３２、副走査方向計数部３３、および第２最大値選択部４２を備えている。なお、第１最大値選択部４０は、前述の反転回数算出部２８の最大値選択部２９と同様であるが、図１０では、第２最大値選択部４２と区別するために別の部材番号とした。
【０１３８】
差分値算出部３９（網点線数判定手段）は、反転回数以外の特徴量であるマスク画素濃度の差分値を算出するものである。差分値算出部３９に備えられた主走査方向計数部３２および副走査方向計数部３３は、隣接画素との濃度差の絶対値を、各方向に計数し、加算する。そして、この加算結果の最大値が、第２最大値選択部４１で選択される。
【０１３９】
差分値算出部３９の差分値算出方法は、上記の説明に限定されるものではない。例えば、隣接画素との差分ではなく、１画素または複数画素おきの差分を算出する構成とすることもできる。また、複数画素おきの差分の最大値と最小値との比または差を算出する構成とすることもできる。
【０１４０】
パラメータ設定部３１ｂには、第２網点判定部３４に関する処理パラメータが格納されている。ここでは、例えば、反転回数に関するパラメータ、およびに差分値算出結果に関するパラメータなどが格納されている。このパラメータにより、特徴判定部３８にて、注目画素が網点領域画素であるか非網点領域画素であるかの判定がなされる。
【０１４１】
網点領域画素カウンタ２３ｂは、特徴判定部３８にて網点と判定された画素数をカウントアップする。
【０１４２】
網点線数判別部３５は、第１網点判定部８の網点領域画素カウンタ２３ａにて算出した第１網点領域画素数（ｓｃｒ１）と、網点線数判定部９ｃの網点領域画素カウンタ２３ｂにて算出した第２網点領域画素数（ｓｃｒ２）との比（ｓｃｒ２／ｓｃｒ１）を、閾値設定部３６に設定された閾値（ＴＨ２）と比較することにより、網点線数を判別する。
【０１４３】
網点線数判定部９ｃでも、第１網点判定部８にて注目画素に網点有りと判定された場合、制御部１７は、反転回数が小さい場合に網点領域画素と判定しないように（つまり反転回数が大きい場合にのみ網点領域画素と判定するように）、パラメータ設定部３１ｂの反転回数に関するパラメータ（ＰｒｅｖＴＨ１）を変更する。この場合、例えば、変更前のパラメータ（ＰｒｅｖＴＨ１）を「２」、変更後のパラメータを「４」のように、変更前より大きい値に設定する。
【０１４４】
また、パラメータ設定部３１ｂの差分値に関するパラメータ（ＰｓｕｂＴＨ１）も、高線数の場合のみ網点領域画素と判定されるよう設定しておく。
【０１４５】
パラメータ（ＰｓｕｂＴＨ１）は、スキャナのＭＴＦ（Ｍｏｄｕｌａｔｉｏｎ Ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ）特性によって、低線数網点では網点のコントラストが大きく、高線数網点ではコントラストが小さく入力されることに基づいて、低線数網点では差分値が大きく、高線数網点では差分値が小さく算出されることを利用して設定することができる。
【０１４６】
また、隣接画素濃度との差分の絶対値を加算する差分値算出の例では、パラメータ（ＰｓｕｂＴＨ１）は、算出するマスクサイズに応じて設定する必要がある。例えば、１０画素×１０画素の場合、パラメータ（ＰｓｕｂＴＨ１）を「１００」、５画素×５画素の場合はパラメータ（ＰｓｕｂＴＨ１）を「５０」のように設定する。
【０１４７】
図１１は、第１網点判定部８（図３）、網点線数判定部９ｃおよび制御部１７（図１０）の画像処理（特に、網点線数判定部９ｃでの画像処理）の一例を示すフローチャートである。
【０１４８】
すなわち、まず、本スキャンに先立ってプレスキャンが行われる（Ｓ１９）。次に、第１網点判定部８にて、得られた入力信号データから、第１網点領域画素数（ｓｃｒ１）の算出および網点領域画素の有無が判定される（Ｓ２０）。このとき、原稿画像に網点が無いと判定されると（Ｓ２１）、網点線数判定部９にて網点線数の判定は行わず（Ｓ２２）、処理を終了して本スキャン処理に入る。
【０１４９】
一方、原稿画像に網点があると判定されると（Ｓ２１）、制御部１７にてパラメータ設定部３１ｂの反転回数に関するパラメータ（ＰｒｅｖＴＨ１）が変更される（Ｓ２３）。続いて、第２網点判定部３４の反転回数算出部２８による反転回数の最大値（ＭａｘＲｅｖ）の算出（Ｓ２４）、および、差分算出部３９による差分最大値（ＭａｘＳｕｂ）の算出が行われる（Ｓ２５）。
【０１５０】
特徴判定部３８では、反転回数の最大値（ＭａｘＲｅｖ）および差分最大値（ＭａｘＳｕｂ）を、変更されたパラメータ（ＰｒｅｖＴＨ１）および差分算出結果に関するパラメータ（ＰｘＴＨ１）と比較することにより（Ｓ２６）、高精度に網点領域画素が判定される。すなわち、反転回数の最大値（ＭａｘＲｅｖ）が変更されたパラメータ（ＰｒｅｖＴＨ１）より大きく、かつ、差分最大値（ＭａｘＳｕｂ）がパラメータ（ＰｘＴＨ１）小さいという条件を満たす場合に網点領域画素と判定し（Ｓ２８）、満たさない場合に非網点画素と判定する（Ｓ２７）。網点領域画素は、網点領域画素カウンタ２３ｂにてカウントされ、第２網点領域画素数（ｓｃｒ２）が算出される（Ｓ２９）。次に、網点線数判別部３５にて、第１および第２網点領域画素数（ｓｃｒ１およびｓｃｒ２）の比（ｓｃｒ２／ｓｃｒ１）が算出され（Ｓ３０）、この比（ｓｃｒ２／ｓｃｒ１）と、閾値設定部３６に設定される閾値（ＴＨ２）（例えば、０．２５）とが比較される（Ｓ３１）。そして、この比（ｓｃｒ２／ｓｃｒ１）が閾値（ＴＨ２）より大きければ高線数の網点であると判定され（Ｓ３３）、本スキャン処理に入る。一方、この比（ｓｃｒ２／ｓｃｒ１）が、閾値（ＴＨ２）以下であれば低線数の網点であると判定され（Ｓ３２）、本スキャン処理に入る。
【０１５１】
本スキャン以降の処理は、網点線数判定結果に応じて、後段の領域分離パラメータ・フィルタ係数・ディザパターンなどが選択され、最適な処理が行われる。これにより、網点線数に応じた各処理がなされるため、鮮鋭度を保ちながらモアレのない出力画像を得ることが可能となる。なお、本発明は、上記フローに限定されるものではない。
【０１５２】
このように、網点線数判定部９ｃでは、低線数の網点は反転回数が少なく、高線数の網点は反転回数が多いという反転回数の特徴に加えて、低線数の網点は隣接画素との濃度の差分値が大きく、高線数の網点は隣接画素との濃度の差分値が小さいという差分値の特徴を利用して画像処理が行われる。それゆえ、従来のように、パターンマッチングや、周波数解析等の複雑で回路規模の膨大な処理をすることなく、簡単な構成にて原稿画像の網点の特徴量を抽出し、高精度に網点線数を判定することが可能となる。
【０１５３】
次に、差分値算出部３９における別の差分値の算出方法について説明する。
【０１５４】
図１０の差分値算出部３９において、さらに高精度に網点線数の検出行うためには、図１２に示すように、主走査方向計数部３２および副走査方向計数部３３に加えて、任意の方向に対して差分値を算出する１以上の斜め方向計数部４２ａを備えることが好ましい。
【０１５５】
図１２の第２最大値選択部４１では、主走査方向計数部３２、副走査方向計数部３３および斜め方向計数部４２ａの差分値の最大値が選択される。なお、破線で示したように、複数の斜め方向計数部４２ｂ〜４２ｎによって、複数の角度の差分値を算出することによって、より高精度に網点線数を判定することができる。
【０１５６】
図１３および図１４は、図１２における主走査方向計数部３２、副走査方向計数部３３、および斜め方向計数部４２ａ〜４２ｎの各方向での差分値の算出例を示す図である。ここでは、マスクサイズは１０×１０とする。
【０１５７】
図１３（ａ）は、主走査方向の算出方式である。図中の矢印で示すように、ａ１，ａ２，ａ３，………，ａ１０の差分値算出結果である主走査方向差分値（Ｈｓｕｂ１）、ｂ１，ｂ２，ｂ３，………，ｂ１０の差分値算出結果である主走査方向差分値（Ｈｓｕｂ２）と、順次算出し、主走査方向差分値（Ｈｓｕｂ１〜Ｈｓｕｂ１０）を得る。
【０１５８】
図１３（ｂ）は、主走査方向に対してほぼ垂直な方向に走査する副走査方向の算出方式である。図中の矢印で示すように、ａ１，ｂ１，ｃ１，………，ｊ１の差分値算出結果である副走査方向の差分値（Ｖｓｕｂ１）、ａ２，ｂ２，ｃ２，………，ｊ２の差分値算出結果である副走査方向差分値（Ｖｓｕｂ２）と、順次算出し、副走査方向差分値（Ｖｓｕｂ１〜Ｖｓｕｂ１０）を得る。
【０１５９】
図１３（ｃ）は、斜め方向として、斜め４５°方向の計数方式の例である。図中の矢印で示すように、ａ３，ｂ４，ｃ５，………， ｈ１０の差分値算出結果である斜め方向差分値（Ｓ１ｓｕｂ１）、ａ２，ｂ３，ｃ４，………，ｉ１０の差分値算出結果である斜め方向差分値（Ｓ１ｓｕｂ２）、ａ１，ｂ２，ｃ３，………，ｊ１０の差分値算出結果である斜め方向差分値（Ｓ１ｓｕｂ３）と、順次算出し、斜め方向差分値（Ｓ１ｓｕｂ１〜Ｓ１ｓｕｂ５）を得る。
【０１６０】
斜め方向に差分値を計数する場合、１ラインの反転計数対象画素数が、斜め方向差分値（Ｓ１ｓｕｂ１）では８画素（差分算出箇所は７箇所）、斜め方向差分値（（Ｓ１ｓｕｂ２）では９画素（差分算出箇所は８箇所）、斜め方向差分値（Ｓ１ｓｕｂ３）では１０画素（差分算出箇所は９箇所）と異なるので、計数結果を補正してもよい。
【０１６１】
例えば、斜め方向差分値（Ｓ１ｓｕｂ３）の結果は、基準にして下式のように補正することができる。
【０１６２】
Ｓ１ｓｕｂ１’＝ Ｓ１ｓｕｂ１ × ９ ／ ７ ・・・・（２）
Ｓ１ｓｕｂ２’＝ Ｓ１ｓｕｂ２ × ９ ／ ８ ・・・・（３）
図１３（ｄ）は、斜め方向として、斜め−４５°方向の計数方式の例である。図中の矢印で示すように、ａ８，ｂ７，ｃ６，………，ｈ１の差分値算出結果である斜め方向差分値（Ｓ２ｓｕｂ１）、ａ９，ｂ８，ｃ７，………，ｉ１の差分値算出結果である斜め方向差分値（Ｓ２ｓｕｂ２）、ａ１０，ｂ９，ｃ８， ………，ｊ１の差分値算出結果である斜め方向差分値（Ｓ２ｓｕｂ３）と、順次算出し、斜め方向差分値（Ｓ２ｓｕｂ１〜Ｓ２ｓｕｂ５）を得る。この結果も、前述の斜め方向差分値（Ｓ１ｓｕｂ１’〜Ｓ１ｓｕｂ５’）同様、式（２）および（３）によって補正してもよい。
【０１６３】
図１４（ａ）は、斜め方向として、斜め７２°方向の計数方式の例である。図中の矢印で示すように、ａ１，ａ２，ａ３，ｂ４，………，ｄ１０の差分値算出結果である斜め方向差分値（Ｓ３ｓｕｂ１）、ｂ１，ｂ２，ｂ３，ｃ４，………，ｅ１０の差分値算出結果である斜め方向差分値（Ｓ３ｓｕｂ２）と、順次算出し、斜め方向差分値（Ｓ３ｓｕｂ１〜Ｓ３ｓｕｂ７）を得る。
【０１６４】
図１４（ｂ）は、斜め方向の例である、斜め方向として、斜め−７２°方向の計数方式の例である。図中の矢印で示すように、ａ１０，ａ９，ａ８，ｂ７，………，ｄ１の差分値算出結果である斜め方向差分値（Ｓ４ｓｕｂ１）、ｂ１０，ｂ９，ｂ８，ｃ７，………，ｅ１の差分値算出結果である斜め方向差分値（Ｓ４ｓｕｂ２）と、順次算出し、斜め方向差分値（Ｓ４ｓｕｂ１〜Ｓ４ｓｕｂ７）を得る。
【０１６５】
図１４（ｃ）は、斜め方向として、斜め−２２°方向の計数方式の例である。図中の矢印で示すように、ａ１０，ｂ１０，ｃ１０，ｄ９，………，ｊ７の差分値算出結果である斜め方向差分値（Ｓ５ｓｕｂ１）、ａ９，ｂ９，ｃ９，ｄ８，………，ｊ６の差分値算出結果である斜め方向差分値（Ｓ５ｓｕｂ２）と、順次算出し、斜め方向差分値（Ｓ５ｓｕｂ１〜Ｓ５ｓｕｂ７）を得る。
【０１６６】
図１４（ｄ）は、斜め方向として、斜め６３°方向の計数方式の例である。図中の矢印で示すように、ａ１，ａ２，ｂ３，ｂ４，………，ｅ１０の差分値算出結果である斜め方向差分値（Ｓ６ｓｕｂ１）、ｂ１，ｂ２，ｃ３，ｃ４，………，ｆ１０の差分値算出結果である斜め方向差分値（Ｓ６ｓｕｂ２）と、順次算出し、斜め方向差分値（Ｓ６ｓｕｂ１〜Ｓ６ｓｕｂ６）を得る。
【０１６７】
なお、図１３および図１４において、斜め方向の角度は、例として便宜的に、主走査方向を＋９０°、副走査方向を０°としての角度で記載している。
【０１６８】
このように、斜め方向に関しては、任意の角度での差分値を計数するよう設定しておく。どの角度の計数を行うかは、組み合わせを予め設定しておいてもよいし、選択できるよう構成してもよい。組み合わせを選択する際には、例えば、操作パネル５（図１参照）より入力すれば良い。また、本発明を後述するコンピュータシステムを用いて実現する際には、液晶ディスプレイなどの画像表示装置に組み合わせのパターンを表示し、キーボードやマウスを用いて所望のパターンを選択するようにすれば良い。
【０１６９】
このようにして算出された各方向での差分値算出結果の最大値が、第２最大値選択部４１で選択され、特徴判定部３８にて差分値に関するパラメータと比較される。
【０１７０】
図１５および図１６は、種々の網点パターンを、前述の各方向に差分値算出した例を示す図である。差分値の算出方向は、図１３および図１４に示した、主走査方向、副走査方向、斜め±４５°、斜め約±７２°とする。
【０１７１】
図１５（ａ）は、高線数網点の例（図中の数値は各画素の濃度値（０：白、２５５：黒）を表す）と、その各方向での差分値の計数結果を示している。差分値の最大値は、図中矢印および斜線で示した、斜め４５°の差分値（Ｓ１ｓｕｂ３）「１３５」となる。
【０１７２】
一方、図１５（ｂ）は、低線数網点の例と、その各方向での差分値の計数結果を示している。差分値の最大値は、図中矢印および斜線で示した、斜め４５°の差分値（Ｓ１ｓｕｂ３）「２７０」となる。
【０１７３】
図１５（ａ）および図１５（ｂ）において、例えば、図１０のパラメータ設定部３１ｂの差分値に関するパラメータ（ＰｓｕｂＴＨ１）を「２００」としておけば、最大値「１３５」である図１５（ａ）は網点であると判定され、最大値「２７０」である図１５（ｂ）は網点でないと判定される。
【０１７４】
図１６（ａ）は、高線数網点の例と、その各方向での差分値の計数結果を示している。差分値の最大値は、図中矢印および斜線で示した、斜め約７２°の差分値（Ｓ３ｓｕｂ１およびＳ３ｓｕｂ５）「９０」となる。
【０１７５】
一方、図１６（ｂ）は、低線数網点の例と、その各方向での差分値の計数結果を示している。差分値の最大値は、図中矢印および斜線で示した、斜め約７２°の差分値（Ｓ３ｓｕｂ２）「２５０」となる。
【０１７６】
図１６（ａ）および図１６（ｂ）のように、斜め７２°の差分値を計数すると、主走査・副走査方向、斜め±４５°での結果よりも多くの差を検出することが可能となる。つまり、差分値を斜め方向にも計数することによって、主走査方向および副走査方向のみの場合よりも、精度よく網点線数の検出を行うことができる。
【０１７７】
図１６（ａ）（ｂ）においても、図１５（ａ）（ｂ）と同様に、図１０のパラメータ設定部３１ｂの差分値に関するパラメータ（ＰｓｕｂＴＨ１）を「２００」としておけば、最大値「９０」である図１６（ａ）は網点であると判定され、最大値「２５０」である図１６（ｂ）は網点でないと判定される。
【０１７８】
このように、差分値算出部３９において、差分値の算出を、主走査方向、副走査方向のみでなく、任意の角度（斜め方向）に対しても行うことにより、原稿画像がスクリーン角度をもつ網点であった場合や、原稿が斜めに載置された場合にも、精度良く網点線数の検出を行うことが可能となる。
【０１７９】
差分値算出部３９は、原稿画像を読み取る画像入力装置の読み込み条件に基づいて各方向での算出結果を補正して差分値を算出する構成とすることもできる。
【０１８０】
差分値は、スキャン速度すなわち副走査方向の倍率によって変化する。このため、網点線数の判定を、通常速度より速い速度でのプレスキャンデータにて行う場合や、本スキャンデータで行う場合であっても、変倍時には、主走査方向と副走査方向とで倍率が変化する。
【０１８１】
例えば、図１７（ａ）に示されるような通常速度のスキャンでの画像データを、副走査方向に２倍速スキャン（すなわち倍率５０％）すると図１７（ｂ）に示されるような結果となり、副走査方向に１／２倍速スキャン（すなわち倍率２００％）すると図１７（ｃ）示されるような結果となる。図１７（ａ）と、図１７（ｂ）または図１７（ｃ）とを比較すると、いずれの場合も主走査方向の差分値は同じであるが、副走査方向での差分値が異なっている。この副走査方向の差分値は、以下の（３）式により補正することができる。
【０１８２】
補正後の差分値＝補正前の差分値×α×γ／β ・・・（３）
ただし、α＝倍率（％）／１００、β＝副走査方向のマスクサイズ、γ＝差分値算出対象副走査方向サイズとする。なお、差分値算出対象副走査方向サイズは、反転回数を計数した副走査方向のブロック数を示している。
【０１８３】
すなわち、図１７（ｂ）の場合、α＝０．５、β＝１０、γ＝１０となり、補正前の差分値に０．５を乗算した値となる。
【０１８４】
また、上記（３）式は、斜め方向の差分値の補正にも同様に適用可能である。例えば、図１４（ａ）の斜め約７２°で副走査方向１／２倍速スキャン（すなわち倍率２００％）の場合、α＝２、β＝１０、γ＝４となり、補正前の反転回数に０．８を乗算した値となる。
【０１８５】
このように、スキャン速度に応じて、主走査方向、副走査方向、および斜め方向の各方向での差分値算出結果の補正を行うことで、副走査方向における誤差が解消され、より精度の良い算出結果が得られる。それゆえ、通常スキャンより速度の速いプレスキャンにて、網点線数の判定を行う構成の場合や、本スキャンにて網点線数の判定を行う構成での変倍時に、精度よく網点線数を判定できる。
【０１８６】
また、ＡＤＦ（自動原稿画像読取装置）などで、原稿画像を読み取り、粗いデータを基にして前処理を行う場合、すなわち、読取データのサンプリング条件を変えた時も同様である。
【０１８７】
（２−４）網点線数判定部９ｄ
図１８は、網点線数判定部９ｄの構成を示すブロック図である。
【０１８８】
網点線数判定部９ｄは、反転回数以外の特徴量として、マスク内画素の濃度の最大値濃度および最小値濃度を算出する構成である。すなわち、網点線数判定部９ｄは、図７の第２網点判定部３４における特徴量算出部３７を、マスク内濃度の最大値および最小値を算出する最大最小算出部４３とする構成である。
【０１８９】
前述のように、第２網点判定部３４は、注目画素が網点領域画素であるか否かを判定し、反転回数算出部２８は、反転回数計数結果の最大値を算出する。
【０１９０】
最大最小算出部（網点線数判定手段）４３は、最大最小選択部４４および最大濃度差算出部４５を備えている。最大最小選択部４４は、反転回数以外の特徴量である複数の画素からなるマスクの最大濃度値および最小濃度値を選択し、最大濃度差算出部４５は、この最大濃度値および最小濃度値を用いて、例えば、最大濃度値から最小濃度値を差し引いた、最大濃度差を算出する。
【０１９１】
パラメータ設定部３１ｂには、第２網点判定部３４に関する処理パラメータが格納されている。ここでは、反転回数に関するパラメータ、およびに最大濃度差に関するパラメータなどが格納されている。このパラメータにより、特徴判定部３８にて、注目画素が網点領域画素であるか非網点領域画素であるかの判定がなされる。
【０１９２】
網点領域画素カウンタ２３ｂは、特徴判定部３８にて網点と判定された画素数をカウントアップする。
【０１９３】
網点線数判別部３５は、第１網点判定部８の網点領域画素カウンタ２３ａにて算出した第１網点領域画素数（ｓｃｒ１）と、網点線数判定部９ｄの網点領域画素カウンタ２３ｂにて算出した第２網点領域画素数（ｓｃｒ２）との比（ｓｃｒ２／ｓｃｒ１）を、閾値設定部３６に設定された閾値（ＴＨ２）と比較することにより、網点線数を判別する。
【０１９４】
網点線数判定部９ｄでも、第１網点判定部８にて注目画素に網点有りと判定された場合、制御部１７は、反転回数が小さい場合に網点領域画素と判定しないように（つまり反転回数が大きい場合にのみ網点領域画素と判定するように）、パラメータ設定部３１ｂの反転回数に関するパラメータ（ＰｒｅｖＴＨ１）を変更する。この場合、例えば、変更前のパラメータ（ＰｒｅｖＴＨ１）を「２」、変更後のパラメータを「４」のように、変更前より大きい値に設定する。
【０１９５】
また、パラメータ設定部３１ｂの最大濃度差に関するパラメータ（ＰｍｍｄＴＨ１）も、高線数の場合のみ網点領域画素と判定されるよう設定しておく。
【０１９６】
具体的には、スキャナのＭＴＦ特性によって、低線数網点では網点のコントラストが大きく高線数網点ではコントラストが小さく入力されることから、低線数網点では最大濃度差が大きく、高線数網点では最大濃度差が小さく算出されることを利用し、例えば、最大濃度差に関するパラメータ（ＰｍｍｄＴＨ１）を「５０」のように設定する。これにより、精度よく網点を検出することができる。
【０１９７】
図１８において、第２網点判定部３４は、特徴量算出部として、最大最小算出部４３に加えて前述の差分値算出部３９も用いて、網点を判定する構成としてもよい。
【０１９８】
図１９は、第１網点判定部８（図３）、網点線数判定部９ｄおよび制御部１７（図１８）の画像処理（特に、網点線数判定部９ｄでの画像処理）の一例を示すフローチャートである。図１８のフローチャートは、図１１のフローチャートと略同様である。
【０１９９】
図１８では、図１１における差分算出部３９の関与する処理（Ｓ２５、２６）が、最大最小算出部４３の関与する処理（Ｓ４０、４１）に置き換わっている。
【０２００】
すなわち、まず、本スキャンに先立ってプレスキャンが行われる（Ｓ３４）。次に、第１網点判定部８にて、得られた入力信号データから、第１網点領域画素数（ｓｃｒ１）の算出および網点領域画素の有無が判定される（Ｓ３５）。このとき、原稿画像に網点が無いと判定されると（Ｓ３６）、網点線数判定部９にて網点線数の判定は行わず（Ｓ３７）、処理を終了して本スキャン処理に入る。
【０２０１】
一方、原稿画像に網点があると判定されると（Ｓ３６）、制御部１７にてパラメータ設定部３１ｂの反転回数に関するパラメータ（ＰｒｅｖＴＨ１）が変更される（Ｓ３８）。続いて、第２網点判定部３４の反転回数算出部２８による反転回数の最大値（ＭａｘＲｅｖ）の算出（Ｓ３９）、および、最大最小算出部４３による最大濃度差（ＭＭｄ）の算出が行われる（Ｓ４０）。
【０２０２】
特徴判定部３８では、反転回数の最大値（ＭａｘＲｅｖ）および最大濃度差（ＭＭｄ）を、変更されたパラメータ（ＰｒｅｖＴＨ１）および最大濃度差に関するパラメータ（ＰｍｍｄＴＨ１）と比較することにより（Ｓ４１）、高精度に網点領域画素が判定される。すなわち、反転回数の最大値（ＭａｘＲｅｖ）が変更されたパラメータ（ＰｒｅｖＴＨ１）より大きく、かつ、最大濃度差（ＭＭｄ）がパラメータ（ＰｍｍｄＴＨ１）より小さいという条件を満たす場合に網点領域画素と判定し（Ｓ４３）、満たさない場合に非網点画素と判定する（Ｓ４２）。網点領域画素は、網点領域画素カウンタ２３ｂにてカウントされ、第２網点領域画素数（ｓｃｒ２）が算出される（Ｓ４４）。次に、網点線数判別部３５にて、第１および第２網点領域画素数（ｓｃｒ１およびｓｃｒ２）の比（ｓｃｒ２／ｓｃｒ１）が算出され（Ｓ４５）、この比（ｓｃｒ２／ｓｃｒ１）と、閾値設定部３６に設定される閾値（ＴＨ２）（例えば、０．２５）とが比較される（Ｓ４６）。そして、この比（ｓｃｒ２／ｓｃｒ１）が閾値（ＴＨ２）より大きければ高線数の網点であると判定され（Ｓ４８）、本スキャン処理に入る。一方、この比（ｓｃｒ２／ｓｃｒ１）が、閾値（ＴＨ２）以下であれば低線数の網点であると判定され（Ｓ４７）、本スキャン処理に入る。
【０２０３】
本スキャン以降の処理は、網点線数判定結果に応じて、後段の領域分離パラメータ・フィルタ係数・ディザパターンなどが選択され、最適な処理が行われる。これにより、網点線数に応じた各処理がなされるため、鮮鋭度を保ちながらモアレのない出力画像を得ることが可能となる。なお、本発明は、上記フローに限定されるものではない。
【０２０４】
このように、網点線数判定部９ｄでは、低線数の網点は反転回数が少なく、高線数の網点は反転回数が多いという反転回数の特徴に加えて、低線数の網点は最大濃度差が大きく、高線数の網点は最大濃度差が小さいという差分値の特徴を利用して画像処理が行われる。それゆえ、従来のように、パターンマッチングや、周波数解析等の複雑で回路規模の膨大な処理をすることなく、簡単な構成にて原稿画像の網点の特徴量を抽出し、高精度に網点線数を判定することが可能となる。
【０２０５】
（２−５）網点線数判定部９ｅ
図２０は、網点線数判定部９ｅの構成を示すブロック図である。
【０２０６】
網点線数判定部９ｅは、反転回数以外の特徴量として、前述の差分値、および／または最大値濃度および最小値濃度を算出した値のマスクサイズ依存性を算出する構成である。以下では、例として、最大濃度値および最小濃度値を用いて算出された最大濃度差のマスクサイズ依存性を算出する場合について説明する。
【０２０７】
すなわち、網点線数判定部９ｅは、図７の第２網点判定部３４における特徴量算出部３７を、最大濃度差のマスクサイズ依存性を算出する最大濃度差マスクサイズ依存性算出部４６とする構成である。
【０２０８】
前述のように、第２網点判定部３４は、注目画素が網点領域画素であるか否かを判定し、反転回数算出部２８は、反転回数計数結果の最大値を算出する。
【０２０９】
最大濃度差マスクサイズ依存性算出部（網点線数判定手段）４６は、最大最小選択部４７ａ〜４７ｅ、それに対応する最大濃度差算出部４８ａ〜４８ｅ、最小値選択部４９、および減算部５０を備えている。
【０２１０】
最大最小選択部４７ａ〜４７ｅおよび最大濃度差算出部４８ａ〜４８ｅのａ〜ｅは、図２１におけるマスクａ〜ｅに対応している。例えば、最大最小選択部４７ａおよび最大濃度差４８ａは、マスクａに対応している。図２１では、マスクａが１０画素×１０画素、マスクｂ〜ｅはマスクａを４分割したサイズとなっている。
【０２１１】
最大最小選択部４７ａ〜４７ｅは、マスクの最大濃度値および最小濃度値を選択し、最大濃度差算出部４８ａ〜４８ｅは、この最大濃度値および最小濃度値を用いて、例えば、最大濃度値から最小濃度値を差し引いた、最大濃度差を算出する。
【０２１２】
最小値選択部４９は、分割されたマスクｂ〜ｅに対応する最大濃度差算出部４８ｂ〜４８ｅの最小値を算出する。
【０２１３】
減算部５０は、最大濃度差算出部４８ａの結果と最小値選択部４９の結果との差を算出する。
【０２１４】
例えば、図１５（ａ）（ｂ）の結果を用いた場合、図２２に示すような、結果となる。すなわち、減算部５０の減算結果は、高線数網点である図１５（ａ）の場合「０」、低線数網点である図１５（ｂ）の場合「１２５」となる。
【０２１５】
パラメータ設定部３１ｂには、第２網点判定部３４に関する処理パラメータが格納されている。ここでは、反転回数に関するパラメータ、およびに最大濃度差マスクサイズ依存性に関するパラメータなどが格納されている。このパラメータにより、特徴判定部３８にて、注目画素が網点領域画素であるか非網点領域画素であるかの判定がなされる。
【０２１６】
網点領域画素カウンタ２３ｂは、特徴判定部３８にて網点と判定された画素数をカウントアップする。
【０２１７】
網点線数判別部３５は、第１網点判定部８の網点領域画素カウンタ２３ａにて算出した第１網点領域画素数（ｓｃｒ１）と、網点線数判定部９ｅの網点領域画素カウンタ２３ｂにて算出した第２網点領域画素数（ｓｃｒ２）との比（ｓｃｒ２／ｓｃｒ１）を、閾値設定部３６に設定された閾値（ＴＨ２）と比較することにより、網点線数を判別する。
【０２１８】
網点線数判定部９ｅでも、第１網点判定部８にて注目画素に網点有りと判定された場合、制御部（制御手段）１７は、反転回数が小さい場合に網点領域画素と判定しないように（つまり反転回数が大きい場合にのみ網点領域画素と判定するように）、パラメータ設定部３１ｂの反転回数に関するパラメータ（ＰｒｅｖＴＨ１）を変更する。この場合、例えば、変更前のパラメータ（ＰｒｅｖＴＨ１）を「２」、変更後のパラメータを「４」のように、変更前より大きい値に設定する。
【０２１９】
また、パラメータ設定部３１ｂの最大濃度差のマスク依存性に関するパラメータ（ＰｍｍｄｍＴＨ１）も、高線数の場合のみ網点領域画素と判定されるよう設定しておく。
【０２２０】
低線数の網点では網点周期が長いことから、マスクａのような大きなマスクサイズで最大濃度差を算出した場合と、マスクｂ〜ｅのような小さなマスクサイズでえ最大濃度差を算出した場合とでは、算出結果のバラツキが大きくなり、高線数の網点では、網点周期が短いことから、マスクａでも、マスクｂ〜ｅに近い結果が得られるという特性を利用し、例えば、最大濃度差のマスク依存性に関するパラメータ（ＰｍｍｄｍＴＨ１）を「５０」のように設定する。これにより、精度よく網点を検出することができる。
【０２２１】
なお、説明は省略するが、差分値のマスクサイズ依存性についても、最大濃度差のマスクサイズ依存性と同様の構成にて実施可能である。また、差分値のマスクサイズ依存性と最大濃度差のマスクサイズ依存性とを用いて、網点線数の判定を行う構成とすることも可能である。
【０２２２】
図２３は、第１網点判定部８（図３）、網点線数判定部９ｅおよび制御部１７（図２２）の画像処理（特に、網点線数判定部９ｅでの画像処理）の一例を示すフローチャートである。図２３のフローチャートは、図１１のフローチャートと略同様である。
【０２２３】
図２３では、図１１における差分算出部３９の関与する処理（Ｓ２５、２６）が、最大濃度差マスクサイズ依存性算出部４６の関与する処理（Ｓ５５、５６）に置き換わっている。
【０２２４】
すなわち、まず、本スキャンに先立ってプレスキャンが行われる（Ｓ４９）。次に、第１網点判定部８にて、得られた入力信号データから、第１網点領域画素数（ｓｃｒ１）の算出および網点領域画素の有無が判定される（Ｓ５０）。このとき、原稿画像に網点が無いと判定されると（Ｓ５１）、網点線数判定部９にて網点線数の判定は行わず（Ｓ５２）、処理を終了して本スキャン処理に入る。
【０２２５】
一方、原稿画像に網点があると判定されると（Ｓ５１）、制御部１７にてパラメータ設定部３１ｂの反転回数に関するパラメータ（ＰｒｅｖＴＨ１）が変更される（Ｓ５３）。続いて、第２網点判定部３４の反転回数算出部２８による反転回数の最大値（ＭａｘＲｅｖ）の算出（Ｓ５４）、および、最大濃度差マスクサイズ依存性算出部４６による最大濃度差のマスク依存性（ＭＭｄＭ）の算出が行われる（Ｓ５５）。
【０２２６】
特徴判定部３８では、反転回数の最大値（ＭａｘＲｅｖ）および最大濃度差のマスク依存性（ＭＭｄＭ）を、変更されたパラメータ（ＰｒｅｖＴＨ１）および最大濃度差のマスク依存性に関するパラメータ（ＰｍｍｄｍＴＨ１）と比較することにより（Ｓ５６）、高精度に網点領域画素が判定される。すなわち、反転回数の最大値（ＭａｘＲｅｖ）が変更されたパラメータ（ＰｒｅｖＴＨ１）より大きく、かつ、最大濃度差（ＭＭｄ）がパラメータ（ＰｍｍｄｍＴＨ１）より小さいという条件を満たす場合に網点領域画素と判定し（Ｓ５８）、満たさない場合に非網点画素と判定する（Ｓ５７）。網点領域画素は、網点領域画素カウンタ２３ｂにてカウントされ、第２網点領域画素数（ｓｃｒ２）が算出される（Ｓ５９）。次に、網点線数判別部３５にて、第１および第２網点領域画素数（ｓｃｒ１およびｓｃｒ２）の比（ｓｃｒ２／ｓｃｒ１）が算出され（Ｓ６０）、この比（ｓｃｒ２／ｓｃｒ１）と、閾値設定部３６に設定される閾値（ＴＨ２）（例えば、０．２５）とが比較される（Ｓ６１）。そして、この比（ｓｃｒ２／ｓｃｒ１）が閾値（ＴＨ２）より大きければ高線数の網点であると判定され（Ｓ６３）、本スキャン処理に入る。一方、この比（ｓｃｒ２／ｓｃｒ１）が、閾値（ＴＨ２）以下であれば低線数の網点であると判定され（Ｓ６２）、本スキャン処理に入る。
【０２２７】
本スキャン以降の処理は、網点線数判定結果に応じて、後段の領域分離パラメータ・フィルタ係数・ディザパターンなどが選択され、最適な処理が行われる。これにより、網点線数に応じた各処理がなされるため、鮮鋭度を保ちながらモアレのない出力画像を得ることが可能となる。なお、本発明は、上記フローに限定されるものではない。
【０２２８】
このように、網点線数判定部９ｅでは、低線数の網点は反転回数が少なく、高線数の網点は反転回数が多いという反転回数の特徴に加えて、低線数の網点は隣接画素との差分値および最大濃度差とともにマスクサイズに応じた変動が大きく、高線数の網点は隣接画素との差分値および最大濃度差とともにマスクサイズに応じた変動が小さいというマスク依存性の特徴を利用して画像処理が行われる。それゆえ、従来のように、パターンマッチングや、周波数解析等の複雑で回路規模の膨大な処理をすることなく、簡単な構成にて原稿画像の網点の特徴量を抽出し、高精度に網点線数を判定することが可能となる。
【０２２９】
なお、網点線数判定部９ａ〜９ｅにおける閾値設定部３５の閾値を複数設定すれば、原稿画像の判定結果を段階的に出力することが可能となる。したがって、当該閾値を多く設定すればするほど、細かな判定結果をえることが可能である。その結果、より原稿画像の特徴に応じた設定にて画像処理を行うことが可能となり、高画質化が図れる。
【０２３０】
また、上記の説明では、原稿画像から得られる特徴量として、原稿画像の各画素の濃度変化から得られる特徴量によって、原稿画像の網点の線数が判定されるが、濃度変化に限定されるものではなく、例えば輝度の変換など、その他の特徴量によって網点の線数を判定することもできる。
【０２３１】
なお、本発明は、以下のように表現することも可能である。
【０２３２】
本発明の画像処理装置は、原稿画像を読み込むあるいは撮像することにより得られる入力画像信号から原稿画像の網点の線数を判定し、その結果に基づいて処理を施す画像処理装置において、原稿画像の各画素が網点領域画素であるか否かを判定する第１網点判定部と、原稿画像の網点の線数を判定する網点線数判定部とを備え、前記網点線数判定部は、反転回数算出部と、反転回数以外の少なくとも１つの特徴量を算出する特徴量算出部とからなり、前記反転回数算出部と特徴量算出部との結果より求められた網点領域画素数と、前記第１網点判定部で求められた網点領域画素数とを用いて網点の線数を判定することを特徴とする画像処理装置である。
【０２３３】
これにより、周波数解析等の、複雑で回路規模の膨大な処理を行うことなく、簡単な構成にて網点の特徴量を抽出し、網点線数を判定することが可能となる。反転回数のみにより判定する場合に比べ、線数の判定精度が大きく向上する。これにより、網点線数に適した設定にて各処理を行うことが可能となり、画質向上が図れる。
【０２３４】
前記特徴量算出部は、複数の画素よりなるマスクの画素濃度の差分値を算出する差分算出部であってもよい。
【０２３５】
これにより、低線数の網点は反転回数が少なく、高線数の網点は反転回数が多い特徴だけでなく、低線数の網点は隣接画素との濃度の差分値が大きく、高線数の網点は隣接画素との濃度の差分値が小さいという特徴を用いて、簡単な構成にて、線数の判定をより精度よく行うことが可能となる。
【０２３６】
前記差分算出部における差分値の算出は、主走査方向、副走査方向及び任意の角度の方向に対して行うこともできる。
【０２３７】
これにより、差分値の算出を、主走査方向、副走査方向のみでなく、任意の角度に対して行うことにより、原稿がスクリーン角度をもつ網点であった場合や、原稿が斜めに載置された場合にも、精度良く網点線数の検出を行うことが可能となる。
【０２３８】
前記差分算出部における差分値の算出は、原稿画像を読み込む画像入力装置の読み込み条件に基づいて各方向での算出結果の補正された値とすることもできる。
【０２３９】
差分値は、スキャン速度、すなわち副走査方向の倍率によって変化することから、例えば主走査方向と副走査方向とで差分値がほぼ同じである画像の場合にも、縮小時やプレスキャンでの高速スキャンでは、副走査方向の差分値が大きくなる。拡大時の低速スキャンでは、副走査方向の差分値が小さくなる。スキャン速度に応じて各方向での算出結果の補正を行うことで、これらの誤差は解消され、より精度の良い結果が得られる。通常スキャンより速度の速いプレスキャンにて判定を行う構成の場合や、本スキャンにて判定を行う構成での変倍時に効果がある。なお、スキャン速度は、原稿画像をスキャナにより走査して読み込む時の条件である。ＡＤＦ（自動原稿読取装置）などで、原稿画像を読み取り、粗いデータを基にして前処理を行うような時は読取データのサンプリング条件が対応する。
【０２４０】
前記特徴量算出部は、マスク内画素の濃度の最大濃度値および最小濃度値を算出する最大最小算出部とすることもできる。
【０２４１】
これにより、低線数の網点は反転回数が少なく、高線数の網点は反転回数が多い特徴だけでなく、低線数の網点は最大濃度差が大きく、高線数の網点は最大濃度差が小さいという特徴を用いて、簡単な構成にて、線数の判定をより精度よく行うことが可能となる。
【０２４２】
前記特徴量算出部は、前記差分算出部により算出された値、あるいは前記最大最小算出部により算出された値のうちの少なくとも１つの値の、マスクサイズ依存性を算出するマスクサイズ依存性算出部とすることもできる。
【０２４３】
これにより、低線数の網点は反転回数が少なく、高線数の網点は反転回数が多い特徴だけでなく、低線数の網点は隣接画素との差分値及び最大濃度差ともにマスクサイズに応じての変動が大きく、高線数の網点は隣接画素との差分値及び最大濃度差ともにマスクサイズに応じての変動が小さいという特徴を用いて、簡単な構成にて、線数の判定をより精度よく行うことが可能となる。
【０２４４】
本発明の画像処理方法は、原稿画像を読み込むあるいは撮像することにより得られる入力画像信号から原稿画像の網点の線数を判定し、その結果に基づいて処理を施す画像処理方法において、網点の線数判定のために、画素の反転回数に加えて、反転回数以外の少なくとも１つの特徴量を用いる方法でもある。
【０２４５】
これにより、簡単な構成にて網点の特徴量を抽出し、網点線数を判定することが可能となる。反転回数のみにより判定する場合に比べ、線数の判定精度が大きく向上する。これにより、網点線数に適した設定にて各処理を行うことが可能となり、画質向上が図れる。
【０２４６】
〔実施の形態２〕
本発明は、コンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体に、実施の形態１で説明した画像処理方法を記録するものとすることもできる。
【０２４７】
この結果、画像処理方法を行うプログラムを記録した記録媒体を持ち運び自在に提供することができる。
【０２４８】
なお、本発明においては、この記録媒体として、マイクロコンピュータで処理が行われるために図示していないメモリ、例えばＲＯＭのようなものそのものがプログラムメディアであってもよいし、また、図示していないが外部記憶装置としてプログラム読み取り装置が設けられ、そこに記録媒体を挿入することで読み取り可能なプログラムメディアであってもよい。
【０２４９】
いずれの場合においても、格納されているプログラムはマイクロプロセッサがアクセスして実行させる構成であってもよいし、あるいは、いずれの場合もプログラムを読み出し、読み出されたプログラムは、マイクロコンピュータの図示されていないプログラム記憶エリアにダウンロードされて、そのプログラムが実行される方式であってもよい。このダウンロード用のプログラムは予め本体装置に格納されているものとする。
【０２５０】
ここで、上記プログラムメディアは、本体と分離可能に構成される記録媒体であり、磁気テープやカセットテープ等のテープ系、フロッピー（登録商標）ディスクやハードディスク等の磁気ディスクやＣＤ−ＲＯＭ／ＭＯ／ＭＤ／ＤＶＤ等の光ディスクのディスク系、ＩＣカード（メモリカードを含む）／光カード等のカード系、あるいはマスクＲＯＭ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュＲＯＭ等による半導体メモリを含めた固定的にプログラムを担持する媒体であっても良い。
【０２５１】
また、本実施の形態においては、インターネットを含む通信ネットワークを接続可能なシステム構成であることから、通信ネットワークからプログラムをダウンロードするように流動的にプログラムを担持する媒体であっても良い。なお、このように通信ネットワークからプログラムをダウンロードする場合には、そのダウンロード用のプログラムは予め本体装置に格納しておくか、あるいは別な記録媒体からインストールされるものであっても良い。
【０２５２】
上記記録媒体は、デジタルカラー複写機やコンピュータシステムに備えられるプログラム読み取り装置により読み取られることで上述した画像処理方法が実行される。
【０２５３】
コンピュータシステムは、フラットベッドスキャナ・フィルムスキャナ・デジタルカメラなどの画像入力装置、所定のプログラムがロードされることにより上記画像処理方法など様々な処理が行われるコンピュータ、コンピュータの処理結果を表示するＣＲＴディスプレイ・液晶ディスプレイなどの画像表示装置およびコンピュータの処理結果を紙などに出力するプリンタより構成される。さらには、ネットワークを介してサーバーなどに接続するための通信手段としてのモデムなどが備えられる。
【０２５４】
本発明は上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
【０２５５】
【発明の効果】
以上のように、本発明は、原稿画像の網点領域画素数を、原稿画像の各画素から得られる特徴量を２種以上計数することにより算出するものである。したがって、従来のように、パターンマッチングや周波数解析といった複雑で回路規模の膨大な処理を行って網点線数を判定する必要はない。
【０２５６】
それゆえ、簡単な構成にて原稿画像の網点の特徴量を抽出し、網点線数を精度よく判定することが可能となる。その結果、網点線数に適した画像処理を行うことが可能となり、出力画像の画質の向上が図れるという効果を奏する。
【図面の簡単な説明】
【図１】本発明の実施の形態１におけるカラー画像形成装置の構成を示すブロック図である。
【図２】本発明の実施の形態１におけるタンデム方式を適用したカラー画像形成装置の概略構成を示す主要部の断面図である。
【図３】図１の第１網点判定部の構成を示すブロック図である。
【図４】図１の第１網点判定部における領域判定の例を示す表である。
【図５】図３の網点領域判定部の構成を示すブロック図である。
【図６】図３の網点領域判定部における処理の流れを示すフローチャートである。
【図７】図１の網点線数判定部の構成を示すブロック図である。
【図８】図１の第１網点判定部から図８の網点線数判定部における網点線数の判定の流れを示すフローチャートである。
【図９】図１の網点線数判定部の別の構成を示すブロック図である。
【図１０】図１の網点線数判定部のさらに別の構成を示すブロック図である。
【図１１】図１の第１網点判定部から図１０の網点線数判定部における網点線数の判定の流れを示すフローチャートである。
【図１２】図１０の差分値算出部の別の構成を示すブロック図である。
【図１３】図１０差分値算出部における差分値算出方法を示す図であり、図１３（ａ）は主走査方向に反転回数を計数する例であり、図１３（ｂ）は副走査方向に反転回数を計数する例であり、図１３（ｃ）は斜め＋４５°方向に反転回数を計数する例であり、図１３（ｄ）は斜め−４５°方向に反転回数を計数する例である。
【図１４】図１０差分値算出部における差分値算出方法を示す図であり、図１４（ａ）は斜め＋７２°方向に反転回数を計数する例であり、図１４（ｂ）斜め−７２°方向に反転回数を計数する例であり、図１４（ｃ）斜め約−２２°方向に反転回数を計数する例であり、図１４（ｄ）は斜め約＋６３°方向に反転回数を計数する例である。
【図１５】図１３（ａ）〜図１４（ｂ）の差分値算出方法により、網点パターンの差分値を計数した結果を示す図である。
【図１６】図１３（ａ）〜図１４（ｂ）の差分値算出方法により、網点パターンの差分値を計数した結果を示す図である。
【図１７】同一の画像データについてスキャン速度を変化させた場合における差分値の計数結果を示す図であり、図１７（ａ）は通常のスキャン速度の場合における差分値の計数結果であり、図１７（ｂ）は副走査方向に通常の２倍のスキャン速度の場合における差分値の計数結果を示す図であり、図１７（ｃ）は副走査方向に通常の０．５倍のスキャン速度の場合における差分値の計数結果を示す図である。
【図１８】図１の網点線数判定部のさらに別の構成を示すブロック図である。
【図１９】図１の第１網点判定部から図１８の網点線数判定部における網点線数の判定の流れを示すフローチャートである。
【図２０】図１の網点線数判定部のさらに別の構成を示すブロック図である。
【図２１】図２０の最大濃度差マスクサイズ依存性算出部が算出するマスクサイズの一例を示す図である。
【図２２】図１５（ａ）（ｂ）における最大濃度差のマスク依存性を算出した例を示す図である。
【図２３】図１の第１網点判定部から図２０の網点線数判定部における網点線数の判定の流れを示すフローチャートである。
【図２４】反転回数と反転回数以外の特徴量を用いて高線数の網点候補を算出する例を説明する図である。
【符号の説明】
１ デジタルカラー複写機（画像形成装置）
８ 第１網点判定部（第１網点判定手段）
９・９ａ〜９ｅ 網点線数判定部（網点線数判定手段）
１７ 制御部（制御手段）
２８ 反転回数算出部（網点線数判定手段）
３７ 特徴量算出部（網点線数判定手段）
３９ 差分値算出部（網点線数判定手段）
４３ 最大最小算出部（網点線数判定手段）
４６ 最大濃度差マスクサイズ依存性算出部（網点線数判定手段）

Claims (13)

1. 入力画像データから原稿画像の網点の線数を判定した結果に応じて、出力画像を得るための出力画像データを生成する画像処理装置において、
   原稿画像の各画素が網点領域画素であるか否かを判定する第１網点判定手段と、
   原稿画像の各画素から得られる特徴量を２種以上計数して網点領域画素を算出した結果に基づき、原稿画像の網点の線数を判定する網点線数判定手段とを備え、
   前記網点線数判定手段は、前記第１網点判定手段で算出した網点領域画素数と網点線数判定手段で算出した網点領域画素数とを用いて原稿画像の網点の線数を判定することを特徴とする画像処理装置。
2. 前記網点線数判定手段は、各画素から得られる特徴量として、入力画像データの反転回数を計数することを特徴とする請求項１に記載の画像処理装置。
3. 前記網点線数判定手段は、各画素から得られる特徴量として、複数の画素からなるマスク内画素濃度の差分値を計数することを特徴とする請求項１または２に記載の画像処理装置。
4. 前記網点線数判定手段は、原稿画像を、主走査方向、主走査方向に対して略垂直方向の副走査方向、および主走査方向に対して副走査方向とは異なる任意の角度の方向に、前記原稿画像の各画素の差分値を計数することを特徴とする請求項１に記載の画像処理装置。
5. 前記網点線数判定手段は、原稿画像を読み込む条件に応じて、差分値の算出結果を補正することを特徴とする請求項３に記載の画像処理装置。
6. 前記網点線数判定手段は、複数の画素からなるマスク内画素の最大値濃度および最小値濃度を算出することを特徴とする請求項１、２または３に記載の画像処理装置。
7. 前記網点線数判定手段は、前記差分値の算出結果の値、または、前記最大値濃度および最小値濃度の差である最大濃度差の値のうちの少なくとも１つの値の、マスクサイズの変化による変動を算出することを特徴とする請求項３または６に記載の画像処理装置。
8. 前記第１網点判定手段にて、原稿画像に網点領域画素があると判定された場合にのみ、原稿画像の網点の線数を判定するように網点線数判定手段を制御する制御手段を備えていることを特徴とする請求項１に記載の画像処理装置。
9. 請求項１〜８のいずれか１項に記載の画像処理装置を備えていることを特徴とする画像形成装置。
10. 入力画像データから原稿画像の網点の線数を判定した結果に応じて、出力画像を得るための出力画像データを生成する画像処理方法において、
    入力画像データから原稿画像の各画素から得られる特徴量を２種以上計数して、原稿画像の網点の線数を判定することを特徴とする画像処理方法。
11. 入力画像データから原稿画像の網点の線数を判定した結果に応じて、出力画像を得るための出力画像データを生成する画像処理方法において、
    原稿画像の各画素が網点領域画素であるか否かを判定する第１網点判定処理と、
    原稿画像の網点領域画素数を算出した結果に基づき、原稿画像の網点の線数を判定する網点線数判定処理とを含み、
    前記網点線数判定処理は、入力画像データから原稿画像の各画素から得られる特徴量を２種以上計数し、かつ、前記第１網点判定処理で算出した網点領域画素数と網点線数判定手段で算出した網点領域画素数とを用いて原稿画像の網点の線数を判定することを特徴とする画像処理方法。
12. 請求項１０または１１に記載の、入力画像データから原稿画像の各画素から得られる特徴量を２種以上計数して原稿画像の網点の線数を判定する処理、または第１網点判定処理および前記網点線数判定処理を、コンピュータに実行させることを特徴とするプログラム。
13. コンピュータに、請求項１０または１１に記載の、入力画像データから原稿画像の各画素から得られる特徴量を２種以上計数して原稿画像の網点の線数を判定する処理、または第１網点判定処理および前記網点線数判定処理を実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体。

Images