JP2004343365A - 画像処理装置、画像処理方法、プログラムおよび記録媒体 - Google Patents

Abstract

【課題】ユーザ毎に好ましい色変換を行うとともに、ユーザ負担を低減し、ユーザの好みに適した色補正処理を行う。
【解決手段】ユーザーの履歴情報を取得する手段２０ａは、出力画像データの代表値とその出力枚数を記憶する。記憶手段２０ｂは基準データ群と基準データ群から構成される第１のマハラノビス空間を記憶する。構築手段２０ｃは基準データ群と履歴情報から第２のマハラノビス空間を構築し、第２のマハラノビス空間に基づいて色補正パラメータを算出（２０ｄ）し、色補正手段２０ｅは色補正パラメータを用いて入力画像に対して色補正を施す。
【選択図】 図４

Description

【０００１】
【発明の属する技術分野】
本発明は、ユーザの好みに適した補正処理を施す画像処理装置、画像処理方法、プログラムおよび記録媒体に関する。
【０００２】
【従来の技術】
ＲＧＢ形式からＣＭＹＫ形式への色変換においては、出力装置の機械的なプロセス条件や出力画像の内容によって微調整された画像処理の結果、ＣＭＹＫの値として算出される。この色変換方法は印刷装置内に予め決められた変換式または変換係数として保持されているため、出力画像に対して一様に画像処理が施される。
【０００３】
しかしながら、出力された色の印象はユーザによって異なるものであり、個人的な好みにも左右される。中でも特に、記憶色と呼ばれる人間の肌色、空の青、草木の緑などの人の記憶に残り易い特定の色は、これに対するユーザの目が敏感であるため、ユーザの相違による影響を受けやすい。例えば、ユーザの人種（地域）、年齢、性別、嗜好が異なる場合、ユーザの各記憶色に対する好みの再現色は、大きく異なっている。
【０００４】
また、出力装置を複数のユーザによって共有している場合、出力装置を共有する全てのユーザの要求を満たす画像処理を施すことは困難であった。このため、従来からユーザの好みに応じた記憶色を出力する種々の技術が提案されている。
【０００５】
例えば、入力装置および出力装置の色再現特性を記述した色変換特性およびユーザの修正情報とその履歴情報を用いて、入力画像と出力画像の所定色が一致するように、色補正パラメータを修正する技術が提案されている（例えば、特許文献１を参照）。特許文献１では、ユーザの人種（地域）、年齢、性別、嗜好が大きく異なる記憶色に対しても入力画像と出力画像の所定色を一致させる、所謂カラーマッチングなる画像処理を施すものである。この概要を図１を参照して説明する。
【０００６】
図１は、入力画像のある入力値Ｐ０（×）に対する出力値Ｐ１（○）の関係を、ある明度における６色相分割面領域にプロットしたものである。ユーザは入力値（×）を出力値（○）に修正すると、その修正量と修正履歴に基づいて、入力値（×）が出力値（○）で出力されるように補正処理が施される。
【０００７】
しかし、本発明者等が鋭意研究した結果、画像の色のズレが大きい場合でも、特定の色に対しては、図１の入力値に対して出力を出力値Ｐ２（◎）なる位置に補正した方がより好ましい画像と知覚される。この特定の色は、人間の記憶色に関わる色において顕著であったこと、さらに、好ましい画像の補正処理は特定の補正方向であったことに鑑み、本発明に至った。
【０００８】
また、色み調整に関するプロファイルをユーザ毎に記憶し、ユーザのプロファイルに応じて入力画像の色み、あるいは濃度を調整する技術がある（例えば、特許文献２を参照）。特許文献２では、ユーザの色みに関するプロファイルを画像処理装置の記憶部が保持するため、入力画像に対してユーザ各々が好ましい色みに調整できる技術として有用である。特許文献２におけるユーザごとのプロファイル作成方法は、ユーザ自身が補正量を調整し、調整した補正量に基づきプロファイルを作成する。例えば、ある入力画像の青みを増やして出力する場合は、入力画像のＲＧＢ信号を次式（１）により調整したＲ’Ｇ’Ｂ’信号とする。前記補正量（次式のα）をプロファイルとして記憶するものである。
Ｒ’＝ＲｘαＲ、Ｇ’＝Ｇ、Ｂ’＝Ｂ （１）
ここで、αはユーザが調整した調整量
【０００９】
しかし、上記技術では、ある画像Ａに対してユーザが補正量を調整し、補正量αＡを含むプロファイルＰＡを作成する。次いで、ある画像Ｂに対してユーザが補正量を調整し、補正量αＢを含むプロファイルＰＢを作成する。さらに、ある画像Ｃに対してユーザが補正量を調整し、補正量αＣを含むプロファイルＰＣを作成する。この場合、画像ごとにプロファイルを複数作成し、記憶することが考えられるが、画像Ｘが入力された場合に、プロファイルＰＡ，ＰＢ，ＰＣなどをユーザ自身が指定する必要が生じ、ユーザ負担が大きい。
【００１０】
さらに、色補正パラメータとして、肌色調整度合いに応じて肌色、草の緑、および空の青という各記憶色の色補正パラメータを、それぞれ対応づけて記憶し、肌色の調整を行なうと、肌色、草の緑、空の青などの他の記憶色の色補正パラメータも設定されるため、ユーザは少ない操作で好みの記憶色が再現される技術もある（例えば、特許文献３を参照）。前掲した特許文献２におけるユーザの負担を低減しつつ、好みの色に調整できる技術として有用である。
【００１１】
上記技術によれば、地域、年齢、性別等で分類されたユーザに対する色変換パラメータを予め準備し、これに応じた色補正を施すものである。
【００１２】
図２は、ユーザと照明光に対応した色補正パラメータを示している。例えば、ユーザが好みの肌色の調整度合いとして図２の肌色調整１を選択すると、肌色の他に、草の緑、および空の青も同時にユーザが好むであろう色が再現されるように色変換パラメータが設定される。
【００１３】
【特許文献１】
特開２０００−４３６９号公報
【特許文献２】
特開２００１−２０２２２１号公報
【特許文献３】
特開２００１−２９８６２９号公報
【００１４】
【発明が解決しようとする課題】
しかし、ユーザの好みの補正する度合は、予め色補正パラメータにより定められている。従って、ユーザはある記憶色に関する補正量を強く補正し、別の記憶色に関する補正量を弱く補正する（例えば、図２の肌色の色補正パラメータＰ１１を大きくし、草の緑の色補正パラメータＰ１２を小さくする）ことは難しい。もし、上記技術による解決を試行すれば、ユーザ毎に色変換パラメータを多数準備することになり、課題の根本的な解決とはなり得ない。
【００１５】
本発明は上記した問題点に鑑みてなされたもので、
本発明の目的は、ユーザ毎に好ましい色変換を行うとともに、ユーザ負担を低減し、ユーザの好みに適した色補正処理を行う画像処理装置、画像処理方法、プログラムおよび記録媒体を提供することにある。
【００１６】
【課題を解決するための手段】
本発明は、ユーザの履歴情報を記憶する第１の記憶手段と、予め複数の入出力関係に基づく第１の多次元基準空間を記憶した第２の記憶手段と、前記履歴情報と基準空間とに基づき第２の多次元基準空間を生成する生成手段と、前記第１あるいは第２の多次元基準空間を選択する選択手段と、前記選択結果に基づいて色補正パラメータを演算する演算手段、および前記演算結果に応じて色補正処理を施す補正手段とを有することを一つの特徴とし、これにより、ユーザの負担を低減しつつ、ユーザの好ましい画像に補正処理できる画像処理が可能となる。
【００１７】
【発明の実施の形態】
以下、本発明の実施例を図面を用いて具体的に説明する。
【００１８】
（実施例１）
図３は、本発明が適用されるシステム構成例を示す。図３に示す装置構成は、情報処理装置Ａ、情報処理装置Ｂ、および出力装置Ａがネットワークを介して接続されている。情報処理装置としては、例えばパソコン等があげられ、出力装置としては、例えばプリンタ、複写機などのデバイスがあげられる。なお、本発明が適用される装置構成は、上記した例に限定されない。
【００１９】
図４は、本発明の実施例の構成を示す。図４における画像入力手段１０と画像処理手段２０は、図３の情報処理装置Ａ、情報処理装置Ｂに実装され、画像出力手段３０は出力装置Ａに相当する。
【００２０】
入力画像データは、画像入力手段１０から入力され、画像処理手段２０において補正処理を施された後、画像出力手段３０で出力される。このとき色空間として任意の色空間を適用することが可能である。例えば、Ｌａｂ知覚空間、Ｌｕｖ知覚空間、ＹＣｂＣｒ空間などがあげられるが、本実施例ではＬａｂ知覚空間に適用した場合を説明する。
【００２１】
画像処理手段２０は、ユーザーの履歴情報を取得する履歴情報取得手段２０ａと、第１のマハラノビス空間とその基準データ群を記憶する記憶手段２０ｂと、前記基準データ群と履歴情報から第２のマハラノビス空間を構築するマハラノビス空間構築手段２０ｃと、前記第２のマハラノビス空間に基づいて色補正パラメータを算出する色補正パラメータ算出手段２０ｄと、前記算出された色補正パラメータに基づいて入力画像データに対して色補正を施す色補正手段２０ｅとから構成されている。
【００２２】
以下、画像処理手段２０を構成する各要素について詳述する。
【００２３】
ユーザーの履歴情報を取得する履歴情報取得手段２０ａは、ユーザが既に出力した出力画像データから出力履歴を取得する。すなわち、ユーザの出力画像データの代表値を算出し、その出力枚数とともにユーザの履歴情報として記憶しておく。
【００２４】
出力画像データの代表値算出方法、ユーザの履歴情報について説明する。
【００２５】
出力画像データの代表値は、出力画像データの１画素の色情報を所定の領域に分割した色空間内にプロットし、この頻度分布を算出する。このときの記憶色に関わる色で、かつ頻度分布が高い色を代表色とする。このときの記憶色とは、予め所定の色、あるいは色の範囲を記憶しておき、算出した代表色が記憶されている所定の色、あるい色の範囲に含まれているか否かを判別することで可能となる。その例を図５に示す。図の左から入力画像データのＲＧＢ値、頻度、その色が記憶色に該当するか否かの有無を記憶する。ここでは、記憶色に関わる色であり、かつ頻度分布における最頻値の（Ｒ，Ｇ，Ｂ）＝（２２４，１６５，１４５）が代表色として算出される。なお、本実施例では入力画像データの代表色として最頻値を用いたが、平均値、重心値、尖度などの統計量に基づいた値を適用することが可能である。
【００２６】
ユーザの履歴情報は、前記出力画像データの代表値と、その出力枚数である。この履歴情報は、ユーザ毎に一元的に管理・記憶すると、ユーザに応じた後述の色補正処理が施せるため望ましい。なお、ユーザの識別情報としては、ネットワーク上の管理情報であるＴＣＰ／ＩＰ，ＩＰＰ，ＮｅｔＢＥＵＩ等の情報、あるいはプリンタドライバ上のユーザ名などを用いることが可能である。図６は、その例を示すが、プリンタドライバから取得したユーザ名、入力画像データの代表色、その出力枚数を記憶している。
【００２７】
第１のマハラノビス空間とその基準データ群を記憶する記憶手段２０ｂは、基準データ群および、その基準データ群から構成されるマハラノビス空間とを記憶している。
【００２８】
基準データ群の作成方法を説明すると、複数の画像サンプルを提示し、提示した画像サンプルに対して、好ましい色に感じるように、色補正処理を施す。はじめに提示した画像を元画像、色補正処理後の画像を補正後画像とし、得られた元画像と補正後画像の代表色とを基準データ群とする。
【００２９】
図７は、基準データ群の例であり、元画像のＬａｂ値（ｏｒｇＬ，ｏｒｇ＿ａ，ｏｒｇ＿ｂ）と補正後画像のＬａｂ値（ｃｈｇ＿Ｌ，ｃｈｇ＿ａ，ｃｈｇ＿ｂ）とからなる。このときの代表色抽出方法は、画像サンプルの１画素の色情報を所定の領域に分割した色空間内にプロットし、この頻度分布を算出する。このとき頻度分布が高く、かつ記憶色に関わる色を代表色（記憶色）、記憶色に関わらない色を代表色（背景色）とする。そして、記憶色に関わる代表色（記憶色）を「基準データ群」とする。なお、本実施例では画像の代表色として最頻値を用いたが、平均値、重心値、尖度などの統計量に基づいた値を適用することが可能である。
【００３０】
前記「基準データ群」を用いて、マハラノビス空間を作成する。このときの算出方法を次に示す。
１．「基準データ群」の正規化
前記元画像と修正後画像のＬａｂ値を基準データとする。すなわち、ｏｒｇ＿Ｌ，ｏｒｇ＿ｂ，ｏｒｇ＿ｂ，ｃｈｇ＿Ｌ，ｃｈｇ＿ａ，およびｃｈｇ＿ｂの各変量ごとに、それらの平均と標準偏差を算出し、次式（２）に従って、データを正規化する。
【００３１】
【数１】

このとき、Ｙ，ｉ，ｊはそれぞれ変量，変量の数，サンプル数である。
【００３２】
２．変量間の相関係数行列の算出
各変量間の相関係数を算出する。すなわち、すべての変量から２個を取り出す組合せについて、次式（３）で相関係数を算出する。
【数２】

このとき、ｒは相関係数、ｐ，ｑは変量である。
【００３３】
３．相関行列の作成
対角要素を１、その他のｐ行ｑ列の要素をｒｐｑとした相関行列Ｒを作成する。
【数３】

【００３４】
４．相関行列の逆行列の算出
上記相関行列Ｒの逆行列ｍａｔＡを算出する
【数４】

【００３５】
５．「マハラノビス空間」の作成
上記したように作成した相関行列ｍａｔＡを「マハラノビス空間」とする。
【００３６】
第２のマハラノビス空間を構築する構築手段２０ｃは、前記基準データ群と履歴情報とから第２のマハラノビス空間を構築する。
【００３７】
第２のマハラノビス空間の作成方法は、まず、第１のマハラノビス空間の「基準データ群」の代表色と、ユーザの履歴情報における代表色との関係より、基準データ群の代表色を抽出する。次いで、両代表値間の色差が最小となる「基準データ群」の代表色を抽出する。そして、ユーザの履歴情報における出力枚数に応じて「基準データ群」のサンプル数を増加し、「更新基準データ群」を作成した後、これに基づいて第２のマハラノビス基準空間を作成する。以下、その詳細を説明する。
【００３８】
図８は、本発明の実施例に係る第２のマハラノビス空間作成方法を示す。本実施例では、ｓＲＧＢ環境を想定し、入力プロファイルに応じたＬａｂに変換する。
【００３９】
ユーザの履歴情報から出力画像データの代表値を取得する（ステップ１０１）。実施例では、（Ｒ，Ｇ，Ｂ）＝（２２４，１６５，１４５）を取得し、これをＬａｂに変換し、（Ｌ，ａ，ｂ）＝（７３，２１，１９）を得る。
【００４０】
次いで、第１のマハラノビス空間の基準データ群における元画像の代表色を取得する（ステップ１０３）。実施例では、（ｏｒｇ＿Ｌ，ｏｒｇ＿ａ，ｏｒｇ＿ｂ）＝（７４，２９，２１）を取得する。
【００４１】
次いで、ステップ１０１で取得したユーザ代表色とステップ１０３で取得した基準データ群における元画像の代表色の相対距離（色差）を算出し、これを所定回数繰返す（ステップ１０２、１０４）。なお、色差のΔＥは次式で算出する。
【数５】

【００４２】
続いて、前記色差を最小とする、第１のマハラノビス空間の基準データ群の代表色を抽出する（ステップ１０５）。実施例では、基準データ群の第１番目の代表色が抽出される。つまり、（ｏｒｇ＿Ｌ，ｏｒｇ＿ａ，ｏｒｇ＿ｂ，ｃｈｇ＿Ｌ，ｃｈｇ＿ａ，およびｃｈｇ＿ｂ）＝（７４，２９，２１，８３，２０，２４）が抽出される。
【００４３】
続いて、ユーザの履歴情報の出力枚数に基づいて、基準データ群のサンプル数を更新する（ステップ１０６）。実施例では、図９に示すように、基準データ群を更新した。すなわち、第１番目の代表色を出力枚数だけ増加さ、「更新基準データ群」を作成する。
【００４４】
最後に、前記「更新基準データ群」に基づき第２のマハラノビス空間を作成する（ステップ１０７）。第２のマハラノビス空間の行列要素の算出方法は、第１のマハラノビス空間、基準データ群を記憶する記憶手段２０ｂ中で説明したマハラノビス空間生成方法と同様である。
【００４５】
色補正パラメータ算出手段２０ｄは、前記第２のマハラノビス空間に基づいて入力値と出力値との相対距離を算出する算出手段と、前記相対距離を最小とする色補正パラメータを算出する第２の算出手段とから構成される。実際の色補正方式は、処理方式やメモリ容量あるいは、変換精度を考慮して定めるため、種々の公知の色変換方式を適用することが可能である。
【００４６】
本実施例の適用例として、６色相分割したマスキングパラメータの算出方法について説明する。なお、マスキングパラメータとは、色空間を無彩色軸を中心として放射状に拡がる平面で分割し、分割色空間ごとに対応した色補正係数の係数である。
【００４７】
図１０は、マスキングパラメータ作成のフローチャートを示す。 ６色相で分割された色分割空間を選択する（ステップ２０１）。これは、固定した２つの制御点Ｂｌａｃｋ（ＦＦＦ）、Ｗｈｉｔｅ（０００）と２つの制御点Ｐ１（Ｐ１Ｒ，Ｐ１Ｇ，Ｐ１Ｂ）、Ｐ２（Ｐ２Ｒ，Ｐ２Ｇ，Ｐ２Ｂ）に囲まれた色分割空間である。例えば、記憶色の肌色近い色分割空間は、Ｐ１（Ｆ００），Ｐ２（ＦＦ０），Ｂｋ（ＦＦＦ），Ｗ（０００）が選択される。
【００４８】
前記「更新基準データ群」の入力Ｌａｂ値をｉｎ＿Ｌ，ｉｎ＿ｂ，ｉｎ＿ｂ，修正後Ｌａｂ値をｏｕｔ＿Ｌ，ｏｕｔ＿ａ，ｏｕｔ＿ｂとしたときのマハラノビス距離を次式（７）で算出する（ステップ２０３）。
【数６】

入力Ｌａｂ値は、ｉｎ＿Ｌ，ｉｎ＿ａ，ｉｎ＿ｂ、
入力Ｌａｂ値の平均は、ｉｎ＿Ｌａｖｅ，ｉｎ＿ａａｖｅ，ｉｎ＿ｂａｖｅ
出力Ｌａｂ値はｏｕｔ＿Ｌ，ｏｕｔ＿ａ，ｏｕｔ＿ｂ
出力Ｌａｂ値の平均はｏｕｔ＿Ｌａｖｅ，ｏｕｔ＿ａａｖｅ，ｏｕｔ＿ｂａｖｅｍａｔＡは第２のマハラノビス基準空間であり、
【数７】

は行列Ｙの転置行列である。
【００４９】
マハラノビス距離が最小となるマスキングパラメータを算出する（ステップ２０４）。マスキングパラメータは、式（８）の関係を満たす要素Ｐ１１，Ｐ１２，Ｐ１３，Ｐ２１，Ｐ２２，Ｐ２３，Ｐ３１，Ｐ３２，およびＰ３３である。このとき、最小値の算出は種々の最適化手法を適用可能であるが、本実施例ではパウエル法を適用し、式（９）に示すマスキングパラメータを得た。
【数８】

【００５０】
前記マスキングパラメータを分割色空間で算出し、所定の回数試行を繰返し、マスキングパラメータを得る（ステップ２０２）。すなわち、ＲＧＢ色空間をＲｅｄ，Ｇｒｅｅｎ，Ｂｌｕｅ，Ｃｙａｎ，Ｍａｇｅｎｔａ，およびＹｅｌｌｏｗの６色相面に分割した本実施例では、６色相の空間上の各色相はそれぞれＲ（Ｆ００），Ｇ（０Ｆ０），Ｂ（００Ｆ），Ｃ（０ＦＦ），Ｍ（Ｆ０Ｆ），およびＹ（ＦＦ０）中の２つの制御点のそれぞれについてマスキングパラメータを算出する。
【００５１】
色補正手段２０ｅおよび画像出力手段３０は、前記マスキングパラメータに基づいて入力画像データを出力装置固有の色信号に変換する変換手段と、得られた出力値に基づいて、画像データを出力する出力手段とから構成される。すなわち、入力された画像データに対して、算出したマスキングパラメータに基づいて色補正を施した後、得られた出力値を出力装置固有の色信号に変換し、該出力信号を出力装置で出力する。このとき、入力画像データ（ＲＧＢデータ）は、前述の処理を施され（ｏｕｔ＿Ｒ，ｏｕｔ＿Ｇ，およびｏｕｔ＿Ｂ）た後、次式（１０）式により出力装置固有の色信号（Ｙ，Ｍ，Ｃ，Ｂｋ）に変換される。なお、本実施例では色変換方式としてマトリックス変換を用いたが、メモリマップ法、メモリマップ補間法などを用いることも可能である。
【００５２】
【数９】

【００５３】
実施例１によれば、ユーザの好ましさに、より好適な補正処理を施した画像が得られる。
【００５４】
（実施例２）
図３を参照して実施例２を説明する。なお、本実施例が適用される装置構成は、図３に限定されない。ここで、あるユーザＡが情報処理装置Ａから画像を随時出力しており、次いで、異なる情報処理装置Ｂで画像を出力する場合を想定する。もちろん、情報処理装置Ｂの出力傾向は、情報処理装置Ａからの出力傾向と異なる。このとき、次のステップを行うことで、ユーザＡが好む画像を情報処理装置Ｂで得ることが可能となる。
【００５５】
すなわち、ユーザーの履歴情報を取得する取得手段２０ａは、ユーザの出力履歴を情報処理装置Ａより取得し、取得した情報に基づいて、色補正処理を施して、入力画像データを出力する。以下、この詳細を説明する。
【００５６】
情報処理装置Ｂにおける取得手段２０ａは、出力装置Ａの履歴情報を取得し、ユーザＡの出力画像データの代表値、その出力枚数などを次のステップに従って取得する。
【００５７】
（ステップ１）
情報処理装置Ｂでは、情報処理装置Ｂで画像データを出力する直前に、（図示しない）モニタのプリンタドライバ等を介して、ネットワーク内に存在するすべての情報処理装置の一覧表を提示する。
【００５８】
（ステップ２）
ユーザは、モニタのプリンタドライバ等に提示された条件中で、適合する画像出力環境を選択する。この例を図１１に示す。ネットワーク上に存在する情報処理装置、出力装置が提示されるので、ユーザＡは情報処理装置Ａに対応した名称Ｔａｍを指定する。なお、ここでの画像出力環境とは、ユーザが使用していた情報処理装置の名称やＴＣＰ／ＩＰアドレス，クライアント名等をＤＮＳサーバやプリンタサーバ等が保持するブロードキャストテーブル等より取得した情報である。
【００５９】
（ステップ３）
選択した条件に応じた履歴情報を情報処理装置Ｂの取得手段２０ａが取得する。例えば、出力環境として情報処理装置Ａ、および出力装置Ａが選択された場合、情報処理装置Ａで出力したユーザの代表色と出力枚数を履歴情報として取得する。以降は、実施例１の場合と同様であり、説明を省略する。
【００６０】
以上の結果、ユーザＡは情報処理装置Ａ、情報処理装置Ｂのどちらにおいても、より好ましい画像を得ることが可能となる。また、プリンタサーバは、情報処理装置における画像入力機器および出力機器のプロファイルからその入出力特性を解析し、情報処理装置Ａ、情報処理装置Ｂでより好ましい画像で、かつ色が一致した画像を提供することも可能である。
【００６１】
本実施例によれば、ユーザの履歴情報が識別情報ごとに一元的に管理されており、かつ識別情報がネットワークアドレスまたはユーザ名のいずれかであるため、ユーザは出力装置および情報処理装置に関わらず、常に同じ補正処理を施した好ましい画像を得ることが可能となる。
【００６２】
（実施例３）
実施例３に係る、第２のマハラノビス空間を構築する構築手段２０ｃは、前記基準データ群と履歴情報とから第２のマハラノビス空間を構築する。すなわち、第１のマハラノビス空間の「基準データ群」の代表色と、ユーザの履歴情報における代表色との関係より、基準データ群の代表色を抽出する。次いで、両代表値間の色差が最小となる「基準データ群」の代表色を抽出する。次いで、ユーザの履歴情報における出力枚数と前記色差に応じて基準データ群のサンプル数を増加し、第２のマハラノビス空間を作成する。以下、その詳細を説明する。
【００６３】
図１２は、実施例３に係る、第２のマハラノビス空間作成方法を示す。本実施例では、ｓＲＧＢ環境を想定し、入力プロファイルに応じたＬａｂに変換する。
【００６４】
ユーザの履歴情報から出力画像データの代表値を取得する（ステップ３０１）。実施例では、（Ｒ，Ｇ，Ｂ）＝（２２４，１６５，１４５）を取得し、これをＬａｂに変換し、（Ｌ，ａ，ｂ）＝（７３，２１，１９）を得る。
【００６５】
第１のマハラノビス空間の基準データ群における元画像の代表色を取得する（ステップ３０３）。実施例では、（ｏｒｇ＿Ｌ，ｏｒｇ＿ａ，ｏｒｇ＿ｂ）＝（７４，２９，２１）を取得する。このときのＬａｂ値は元画像のＬａｂ値である。
【００６６】
上記ステップ３０１およびステップ３０３の相対距離（色差）を算出し、これを所定回数繰返す（ステップ３０２、３０４）。なお、色差のΔＥは次式で算出する。
【数１０】

【００６７】
ユーザの履歴情報における出力枚数と前ステップ３０４で算出された色差を一次的に記憶する（ステップ３０５）。
【００６８】
ユーザの履歴情報の出力枚数に基づいて、基準データ群のサンプル数を更新する（ステップ３０６）。すなわち、色差と出力枚数の積を算出し、これを全体に対する比率（％）に変換する（図１３を参照）。この比率に応じてポイント代表色を出力枚数だけ増加させる。本実施例の場合、比率が４５：３５：１６：４であるので、これを「基準データ群」の比率に対応させて、図１４を得る。そして、これを「更新基準データ群」とする。
【００６９】
前記更新した「更新基準データ群」に基づき第２のマハラノビス空間を作成する（ステップ３０７）。
【００７０】
第２のマハラノビス空間の行列要素の算出方法は、第１のマハラノビス空間、基準データ群を記憶する記憶手段２０ｂで説明したマハラノビス空間生成方法と同様である。
【００７１】
本実施例によれば、構築手段が、基準データ群における代表色と、履歴情報における代表色との相対距離を算出する算出手段と、該算出結果と履歴情報における出力枚数に応じて、基準データ群のサンプル数を変更する変更手段を有するため、出力枚数が少ない場合でも、より好ましい色補正を施すことが可能となる。
【００７２】
なお、本発明は、上記した処理機能を実現するプログラムを記録した記録媒体をシステムや装置に供給し、システムや装置のコンピュータが記録媒体に記録されたプログラムを読み出し実行することによっても達成される。
【００７３】
【発明の効果】
以上、説明したように、本発明によれば、ユーザの負担を低減しつつ、ユーザの好ましい画像に補正処理することができる。
【図面の簡単な説明】
【図１】従来の画像処理方法を説明する図である。
【図２】従来の色変換パラメータの例を示す。
【図３】本発明が適用される構成例を示す。
【図４】本発明の実施例の構成を示す。
【図５】履歴情報における入力画像データの代表値の例を示す。
【図６】履歴情報の例を示す。
【図７】基準データ群の例を示す。
【図８】本発明の実施例に係る第２のマハラノビス空間作成方法を示す。
【図９】更新後の基準データ群の例を示す。
【図１０】マスキングパラメータ作成のフローチャートを示す。
【図１１】画像出力環境を選択する例を示す。
【図１２】実施例３に係る、第２のマハラノビス空間作成方法を示す。
【図１３】実施例３において、色差と出力枚数の積を、全体に対する比率に変換した例を示す。
【図１４】実施例３における更新後の基準データ群の例を示す。
【符号の説明】
１０ 画像入力手段
２０ 画像処理手段
２０ａ 履歴情報取得手段
２０ｂ 基準データ群、マハラノビス空間記憶手段
２０ｃ マハラノビス空間構築手段
２０ｄ 色補正パラメータ算出手段
２０ｅ 色補正手段
３０ 画像出力手段

Claims (10)

1. 入力画像に対してユーザの好みに適した補正処理を施す画像処理装置であって、第１のマハラノビス空間とその基準データ群を記憶する記憶手段と、ユーザーの履歴情報を取得する手段と、前記基準データ群と履歴情報から第２のマハラノビス空間を構築する構築手段と、前記第２のマハラノビス空間に基づいて補正処理を行う補正手段とを備えたことを特徴とする画像処理装置。
2. 前記基準データ群は、複数の画像サンプルに対する評価に基づき代表色の入出力関係を演算し、前記演算結果に基づいてマハラノビス空間を生成することを特徴とする請求項１記載の画像処理装置。
3. 前記複数の画像サンプルは、人間の好ましさに関わる記憶色を含む画像であることを特徴とする請求項２記載の画像処理装置。
4. 前記ユーザの履歴情報は、識別情報ごとに一元的に管理されており、前記識別情報がネットワークアドレスまたはユーザ名のいずれかであることを特徴とする請求項１記載の画像処理装置。
5. 前記履歴情報は、出力画像データの統計的情報およびこれに対応する出力枚数であることを特徴とする請求項１または４記載の画像処理装置。
6. 前記出力画像データの統計的情報は、出力画像の画素ごとの色に関する頻出分布に基づく情報であることを特徴とする請求項５記載の画像処理装置。
7. 前記構築手段は、基準データ群における代表色と、履歴情報における代表色との相対距離を算出する算出手段と、該算出結果と履歴情報に応じて、基準データ群のサンプル数を変更する変更手段とを有することを特徴とする請求項１記載の画像処理装置。
8. 入力画像に対してユーザの好みに適した補正処理を施す画像処理方法であって、第１のマハラノビス空間とその基準データ群を記憶するステップと、ユーザーの履歴情報を取得するステップと、前記基準データ群と履歴情報から第２のマハラノビス空間を構築するステップと、前記第２のマハラノビス空間に基づいて補正処理を行うステップとを含むことを特徴とする画像処理方法。
9. 請求項８記載の画像処理方法の各ステップをコンピュータに実行させるためのプログラム。
10. 請求項８記載の画像処理方法の各ステップを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。

Images