JP2006203703A - 画像処理装置、画像形成装置、画像読取処理装置、画像処理方法、画像処理プログラムおよびコンピュータ読み取り可能な記録媒体 - Google Patents

Abstract

【課題】 混色網点であっても高精度に網点線数を認識できる画像処理装置を実現する。
【解決手段】 画像処理装置は、複数の色成分からなる入力画像データの網点線数を識別する網点線数認識部１４を備えている。該網点線数認識部１４は、局所ブロックごとに濃度分布情報を抽出し、該濃度分布情報に基づいて、局所ブロックが濃度変化の小さな平坦網点領域であるか否かを識別する平坦網点識別部４１と、読取装置における各色成分の読取特性に対応して予め定められた調整値を用いて、画素濃度の２値データを抽出するための閾値を決定する閾値調整部４３と、平坦網点領域であると識別された局所ブロックについて、閾値調整部４３が決定した閾値により生成された２値データの反転回数の平均値を算出する最大反転回数平均値算出部４６と、該平均値に基づいて網点線数を判定する網点線数判定部４７とを備える。これにより、混色網点であっても、精度よく網点線数を認識できる。
【選択図】 図１

Description

本発明は、デジタル複写機やファクシミリ装置等に供され、記録画像の画質向上を図るため、原稿を走査して得られた画像信号に対し、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読取処理装置、画像形成装置、プログラム、記録媒体に関するものである。

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する処理が行われる。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。

一般的に、原稿画像を小領域に分離する際には、読み取り原稿画像内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。

さらに、上記網点領域（画像）の場合、６５線／inch、８５線／inch、１００線／inch、１２０線／inch、１３３線／inch、１５０線／inch、１７５線／inch、２００線／inch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。

例えば、特許文献１および特許文献２には、Ｍ×Ｎ画素サイズ（Ｍ、Ｎは予め実験により求められた整数）のマスクを用いて求められたピーク画素を所定ブロックごとに計数して得られたピーク画素数により網点の線数認識を行う方法が記載されている。

また、例えば、特許文献３には、入力画像に対する２値化データにおける２値の切り替わり回数である反転回数を用いて網点の線数認識を行う方法が記載されている。
特許第３０９３２３５号（発行日２０００年１０月３日） 特開２００２−７７６２３（公開日２００２年３月１５日） 特開２００４−１０２５５１（公開日２００４年４月２日）

上記特許文献１および特許文献２に記載の方法では、所定ブロックのピーク画素数により網点線数認識を行っているが、同一線数を持つ網点であっても、シアン（以降、Ｃ）、マゼンタ（以降、Ｍ）、イエロー（以降、Ｙ）、ブラック（以降、Ｋ）の中で２色以上の網点からなる混色網点と上記各色の単色網点では、ピーク画素数が大きく異なってくる。言い換えれば、例えば、１３３線の混色網点と１７５線の単色網点のピーク画素数が近い値を持つため識別が困難になることがある。すなわち、特定の色成分のピーク画素数だけを抽出することができなかった。

また、上記特許文献３に記載の方法では、入力画像データに対する２値化データの切り替わり回数（反転回数）を用いて網点線数認識を行っているが、濃度分布情報については考慮されていない。そのため、濃度変化の大きい網点領域に対し２値化処理を行った場合に、以下のような問題が生じる。

図３２（ａ）は、濃度変化が大きい網点領域における局所ブロックの主走査方向１ラインの一例を示したものである。図３２（ｂ）は、図３２（ａ）の濃度変化を示したものである。ここで、２値化データを生成するための閾値として、例えば、図３２（ｂ）に示す濃度平均値であるｔｈ１を設定したとする。この場合、図３２（ｄ）に示されるように、白画素部（低濃度網点部を示す）と黒画素部（高濃度網点部を示す）に分別されてしまう。他の閾値ｔｈ２ａやｔｈ２ｂを用いても同様である。したがって、図３２（ｃ）に示されるような黒画素部（網点印字部を示す）抽出により正しく網点周期を再現した２値データが生成されない。そのため、網点線数の認識精度が低下するという問題が生じる。

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、特定の色成分の特徴量のみを抽出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処理装置、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。より具体的には、混色網点であっても、高精度に網点線数を認識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処理装置、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。

本発明の画像処理装置は、上記の課題を解決するために、読取装置によって原稿から読み取られた画像の網点線数を識別する網点線数認識手段を備える画像処理装置において、前記網点線数認識手段は、複数の画素よりなる局所ブロックごとに濃度分布情報を抽出し、該濃度分布情報に基づいて、局所ブロックが、濃度変化の小さな平坦網点領域であるか、濃度変化の大きな非平坦網点領域であるかを識別する平坦網点識別手段と、前記読取装置における各色成分の読取特性に対応して予め定められた調整値を用いて、各画素間の濃度変化の状況を示す特徴量を抽出するための閾値を決定する閾値決定手段と、前記平坦網点識別手段が平坦網点領域であると識別した局所ブロックについて、前記閾値決定手段が決定した閾値により前記特徴量を抽出する抽出手段と、前記抽出手段が抽出した特徴量に基づいて網点線数を判定する網点線数判定手段とを備えることを特徴としている。

ここで、上記局所ブロックは、矩形領域に限定されるものではなく、任意の形状でよい。

上記の構成によれば、平坦網点識別手段は、複数の画素よりなる局所ブロックごとに濃度分布情報を抽出し、該濃度分布情報に基づいて、各局所ブロックが、濃度変化の小さな平坦網点領域であるか、濃度変化の大きな非平坦網点領域であるかを識別する。そして、抽出手段が、平坦網点領域と識別された局所ブロックについて、各画素間の濃度変化の状況を示す特徴量を抽出し、該特徴量に基づいて網点線数が判定される。

このように、網点線数は、濃度変化の小さい平坦網点領域に含まれる局所ブロックからの特徴量に基づいて判定される。すなわち、上述したように本来の網点線数と異なる網点線数に認識されてしまう濃度変化の大きい非平坦網点領域の影響を取り除いたうえで、網点線数が判定される。これにより、網点線数を精度良く認識することができる。

また、読取装置における各色成分の読取特性とは、例えば、スキャナ等の読取装置における各色成分のフィルタ分光特性や各色に対応するインクの分光反射特性等である。例えば、Ｇ画像データは、理論的にはその補色関係にあるマゼンタのみで構成されるが、読取装置における原稿の読取特性により、不要なシアン成分も混入される。該不要なシアン成分の影響度は、前記読取特性によって異なる。

したがって、読取特性に対応して予め定められる調整値には、特定色成分の画像データに対する該特定色成分以外の不要な色成分の影響度がどれくらいであるかを示す情報を含めることができる。そのため、閾値決定手段は、該調整値を用いて閾値を決定することにより、不要な色成分の影響度を除くように、閾値を調整することができる。

さらに、抽出手段は、閾値決定手段が決定した閾値により、各画素間の濃度変化の状況を示す特徴量を抽出する。そのため、抽出手段が抽出した特徴量には、不要な色成分の影響が含まれない。この結果、抽出手段が抽出した特徴量から網点線数を判定することにより、特定色成分に基づいた網点線数を認識することができる。これにより、混色網点であっても、高精度に網点線数を認識できる。

さらに、本発明の画像処理装置は、上記の構成に加えて、前記抽出手段は、前記閾値決定手段が決定した閾値により、前記局所ブロックにおける各画素の２値データを生成する２値化処理手段と、前記２値化処理手段が生成した２値データの反転回数を算出する反転回数算出手段と、前記反転回数算出手段が算出した反転回数の中から、前記平坦網点識別手段が平坦網点領域と識別した局所ブロックに対応する反転回数を、前記特徴量として抽出する反転回数抽出手段とを備えることを特徴としている。

濃度変化の大きい非平坦網点領域に対し２値化処理を行った場合、図３２（ｄ）に示されるように白画素部（低濃度網点部）と黒画素部（高濃度網点部）に分別されてしまい、図３２（ｃ）に示されるような、網点印字部のみを抽出した、正しい網点周期を再現した２値データが生成されない。

しかしながら、上記の構成によれば、局所ブロックに対し単一の閾値を適用する２値化処理を用いても、正しく網点周期を再現した２値データが生成される濃度変化の小さい平坦網点領域を識別する。そして、反転回数抽出手段は、反転回数算出手段により算出された反転回数の中から、平坦網点識別手段が平坦網点領域と識別した局所ブロックに対する反転回数のみを、特徴量として抽出する。

これにより、特徴量として抽出された反転回数は、正しく網点周期を再現した２値データが生成される濃度変化の小さい平坦網点領域に対応するものである。そのため、該特徴量として抽出された反転回数を用いることで、精度良く網点線数を判定することができる。

また、シアン、マゼンタ、イエローなどを用いた混色網点領域に対して、閾値決定手段が上記のように閾値を調整せず、単に固定値を閾値として用いて２値化しただけでは、複数の色成分の網点が抽出されてしまい正しく網点周期を再現できないことがある。

しかしながら、上記の構成によれば、閾値決定手段が読取装置における各色成分の読取特性に対応して予め定められた調整値を用いて閾値を決定する。そのため、例えば、閾値決定手段は、特定色成分の網点の濃度値から、該特定色成分以外の不要な色成分の網点の濃度値までの範囲になるように閾値を決定することができる。

そして、該閾値を基に２値データを生成しているため、該２値データは、不要な色成分の影響の無いものとなる。その結果、混色網点であっても、正しく所望の特定色成分の網点だけが抽出された２値化データの生成が可能となる。そして、該２値データの反転回数に基づくことで高精度に網点線数を認識できる。

さらに、本発明の画像処理装置は、上記の構成に加えて、前記抽出手段は、前記平坦網点識別手段が平坦網点領域と識別した局所ブロックに対して、前記閾値決定手段が決定した閾値により、各画素の２値データを生成する２値化処理手段と、前記２値化処理手段が生成した２値データの反転回数を前記特徴量として算出する反転回数算出手段とを備えることを特徴としている。

上記の構成によれば、２値化処理手段は、平坦網点識別手段が平坦網点領域と識別した局所ブロックに対して、各画素の２値データを生成する。そして、反転回数算出手段は、特徴量として、２値化処理手段が生成した２値データの反転回数を算出する。そのため、特徴量として算出された反転回数は、平坦網点識別手段が平坦網点領域と識別した局所ブロック、つまり、正しく網点周期を再現した２値データが生成される濃度変化の小さい平坦網点領域に対応するものとなる。そして、該特徴量として算出された反転回数を用いることで、精度良く網点線数を判定することができる。

さらに、本発明の画像処理装置は、上記の構成に加えて、前記閾値決定手段は、局所ブロックにおける画素の平均濃度値に基づいて、前記閾値を決定することを特徴としている。

上記の構成によれば、閾値決定手段は、局所ブロックにおける画素の平均濃度値を基に、該局所ブロックの濃度レンジのほぼ中央に位置する値を認識することができる。これにより、閾値決定手段は、濃度レンジのほほ中央から、調整値を用いて閾値を調整し、正しく所望の特定色成分の網点周期を再現した２値化データが得られる濃度レンジに持っていくことができる。これにより、正しく所望の特定色成分の網点周期を再現した２値データが得ることが一層容易となる。

また、閾値決定手段は、平均濃度値と濃度レンジの中央値とを比較することにより、画像が網点に用いられる色材の色（例えば、シアン、マゼンタ、イエロー、またはそれらを用いた混色）をベースにしたもの（以下、網点ベースと記載）であるのか紙色をベースにしたもの（白ベース）であるのかを認識することができる。例えば、０〜２５５の濃度レンジにおいて、「０」が白、「２５５」が各色成分の信号が表す色（例えば、シアン、マゼンタ、イエロー）を示している場合（ＲＧＢ信号を補色反転したＣＭＹ信号とした場合）を考える。このとき、平均濃度値が中央値よりも大きい場合、網点ベースであり、平均濃度値が中央値よりも小さい場合、白ベースである。網点ベースである場合、閾値決定手段は、前記調整値を用いて、平均濃度値を所定量だけ減らした閾値を決定することができる。該閾値は、特定色成分の白点の画素ピーク位置における濃度値（ここでは、画素ピークの極小値）と、特定色成分以外の不要な色成分の白点の画素ピーク位置における濃度値（ここでは、画素ピークの極小値）との間に位置する。そのため、反転回数算出手段が算出する反転回数は、網点ベースにおける特定色成分の白点の画素ピークのみに対応した値となる。よって、正しい所望の特定色成分の網点線数を認識できる。

一方、白ベースである場合、閾値決定手段は、前記調整値を用いて、平均濃度値を所定量だけ増やした閾値を決定することができる。該閾値は、特定色成分の画素ピーク位置における濃度値（ここでは、画素ピークの極大値）と、特定色成分以外の不要な色成分の画素ピーク位置における濃度値（ここでは、画素ピークの極大値）との間に位置する。そのため、反転回数算出手段が算出する反転回数は、白ベースにおける特定色成分の画素ピークのみに対応した値となる。よって、正しい所望の特定色成分の網点線数を認識できる。

さらに、本発明の画像処理装置は、上記の構成に加えて、前記閾値決定手段は、局所ブロックにおける濃度情報に基づいて、前記閾値を決定することを特徴としている。

前記閾値決定手段が決定した閾値が過度に大きい場合、所望の特定色成分の網点さえも抽出できない、また過度に小さい場合、所望の特定色成分の網点だけでなく、複数の色成分の網点が検出されることがある。

しかしながら、上記の構成によれば、閾値決定手段は、所定ブロックの濃度情報（例えば、最大濃度差）に基づくため、所望の特定色成分のみを抽出する範囲内に閾値を決定しやすくなる。これにより、正しく特定色成分の網点周期を再現した２値化データが得ることが一層容易になる。

さらに、本発明の画像処理装置は、上記の構成に加えて、前記平坦網点識別手段は、局所ブロックにおける隣接画素間の濃度差を基に、平坦網点領域か否かを判定することを特徴としている。

上記の構成によれば、隣接画素間の濃度差を用いるために、より正確に、局所ブロックが平坦網点領域か否かが判定される。

さらに、本発明の画像処理装置は、上記の構成に加えて、前記局所ブロックが所定数のサブブロックに分割されており、前記平坦網点識別手段は、前記サブブロックに含まれる画素の平均濃度値を求め、該平均濃度値の各サブブロック間の差分を基に、平坦網点領域か否かを判定することを特徴としている。

上記の構成によれば、平坦網点領域の判定に関して、平坦網点識別手段は、各サブブロック間の平均濃度値の差分を用いる。したがって、各画素間の差分を用いる場合に比べて、平坦網点識別手段における処理時間を短縮することができる。

上記構成の画像処理装置を画像形成装置に備えるようにしてもよい。

この場合、入力画像データの網点線数を考慮した画像処理を適用、例えば、線数に応じて最適なフィルタ処理を行うことにより、極力、画像をぼかすことなく鮮鋭度をたもちながらモアレを抑制することができる。また、１３３線以上の網点領域に対してのみ網点上文字を検出して最適処理することにより、１３３線未満の網点では良く見られる誤認識による画質劣化を抑制することが可能となる。従って、品質の良い画像を出力する画像形成装置を提供することができる。

上記構成の画像処理装置を画像読取処理装置に備えるようにしてもよい。

この場合、原稿に含まれる網点領域に対して、精度のよい網点線数を識別する網点線数識別信号を出力することができる。

コンピュータを上記構成の画像処理装置の各手段として機能させるための画像処理プログラムを用いれば、汎用なコンピュータで上記画像処理装置の各手段を簡単に実現することが可能となる。

また、上記画像処理プログラムは、コンピュータ読取り可能な記録媒体に記録されているのが好ましい。

これにより、記録媒体から読み出された画像処理プログラムによって、上記画像処理装置をコンピュータ上に簡単に実現することができる。

本発明の画像処理装置は、以上のように、複数の画素よりなる局所ブロックごとに濃度分布情報を抽出し、該濃度分布情報に基づいて、局所ブロックが、濃度変化の小さな平坦網点領域であるか、濃度変化の大きな非平坦網点領域であるかを識別する平坦網点識別手段と、前記読取装置における各色成分の読取特性に対応して予め定められた調整値を用いて、各画素間の濃度変化の状況を示す特徴量を抽出するための閾値を決定する閾値決定手段と、前記平坦網点識別手段が平坦網点領域であると識別した局所ブロックについて、前記閾値決定手段が決定した閾値により前記特徴量を抽出する抽出手段と、前記抽出手段が抽出した特徴量に基づいて網点線数を判定する網点線数判定手段とを備える。

それゆえ、本来の網点線数と異なる網点線数に認識されてしまう濃度変化の大きい非平坦網点領域の影響を取り除いたうえで、網点線数が判定される。これにより、網点線数を精度良く認識することができる。

また、読取特性に対応して予め定められる調整値には、特定色成分の画像データに対する該特定色成分以外の不要な色成分の影響度が含まれることとなる。そのため、閾値決定手段は、該調整値を用いて閾値を決定することにより、不要な色成分の影響度を除くように、閾値を調整することができる。さらに、抽出手段は閾値調決定手段が決定した閾値により、各画素間の濃度変化の状況を示す特徴量を抽出するため、抽出した特徴量には不要な色成分の影響が含まれない。この結果、抽出手段が抽出した特徴量から網点線数を判定することにより、特定色成分に基づいた網点線数を認識することができる。すなわち、混色網点領域であっても、高精度に網点線数を認識できる。

〔実施形態１〕
本発明の一実施形態について図１ないし図２９に基づいて説明すると以下の通りである。

＜画像形成装置の全体構成について＞
図２に示すように、本実施の形態に係る画像形成装置は、カラー画像入力装置（読取装置）１、画像処理装置２、カラー画像出力装置３および操作パネル４から構成されている。

操作パネル４は、画像形成装置（例えば、デジタル複写機）の動作モードを設定する設定ボタンやテンキー、液晶ディスプレイなどで構成される表示部より構成されるものである。

カラー画像入力装置１は、例えば、スキャナ部より構成されており、原稿からの反射光像をＲＧＢ（Ｒ：赤・Ｇ：緑・Ｂ：青）アナログ信号としてＣＣＤ(Charge Coupled Device)にて読み取るものである。

カラー画像出力装置３は、画像処理装置２にて所定の画像処理を行い、その結果を出力する装置である。

画像処理装置２は、Ａ／Ｄ（アナログ／デジタル）変換部１１、シェーディング補正部１２、原稿種別自動判別部１３、網点線数認識部（網点線数認識手段）１４、入力階調補正部１５、色補正部１６、黒生成下色除去部１７、空間フィルタ処理部１８、出力階調補正部１９、階調再現処理部２０、および領域分離処理部２１を備えている。

Ａ／Ｄ変換部１１は、カラー画像入力装置１にて読み取ったアナログ信号をデジタル信号に変換するものである。

シェーディング補正部１２は、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歪みを取り除くためのシェーディング補正を行うものである。

原稿種別自動判別部１３は、シェーディング補正部１２にて各種の歪みが取り除かれたＲＧＢ信号（ＲＧＢの反射率信号）に対して、濃度信号など画像処理装置２に採用されている画像処理システムの扱い易い信号に変換すると共に、入力された原稿画像が、文字原稿、印刷写真写原稿、印画紙写真であるか、あるいはそれらを組み合わせた文字／印刷写真原稿であるかなど原稿種別の判別を行うものである。この原稿種別自動判別部１３は、原稿種別判別結果に基づき、原稿画像の種別を示す原稿種別信号を、入力階調補正部１５、領域分離処理部２１、色補正部１６、黒生成下色除去部１７、空間フィルタ処理部１８、および階調再現処理部２０へと出力する。また、原稿種別自動判別部１３は、原稿種別判別結果に基づき、網点領域を示す網点領域信号を、網点線数認識部１４に出力する。

網点線数認識部１４は、原稿種別自動判別部１３で求められた網点領域に対して、線数を表す特徴量を基に網点線数の認識を行うものである。なお、詳細については後述する。

入力階調補正部１５は、上記原稿種類自動判別部１３の判定結果を基に下地領域濃度の除去やコントラストなどの画質調整処理を施こすものである。

領域分離処理部２１は、上記原稿種別自動判別部１３の判定結果を基に画素毎に文字、網点、写真（その他）領域の何れかに分離される。この領域分離処理部２１は、分離結果に基づき、画素がどの領域に属しているかを示す領域識別信号を、色補正部１６、黒生成下色除去部１７、空間フィルタ処理部１８、および階調再現処理部２０へと出力する。

色補正部１６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色補正処理を行うものである。

黒生成下色除去部１７は、色補正後のＣＭＹの３色信号から黒（Ｋ）信号を生成する黒生成処理を行う一方、元のＣＭＹ信号から黒生成で得たＫ信号を差し引いて新たなＣＭＹ信号を生成する下色除去処理を行なうものである。そして、これらの処理（黒生成処理・下色除去処理）の結果、ＣＭＹの３色信号はＣＭＹＫの４色信号に変換される。

空間フィルタ処理部１８は、デジタルフィルタによる空間フィルタ処理を行い、空間周波数特性を補正することによって、出力画像のボヤケや粒状性劣化を防ぐものである。

出力階調補正部１９は、濃度信号等の信号を、画像出力装置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ものである。

階調再現処理部２０は、最終的に画像を画素に分割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（中間調生成処理）を行うものである。

なお、上記領域分離処理部２１にて黒文字や場合によっては色文字として抽出された画像領域は、黒文字ある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１８における鮮鋭度強調処理での高域周波数の強調量を大きくされる。このとき、空間フィルタ処理部１８は、網点線数認識部１４からの網点線数識別信号に基づいた処理を行うが、これについては後述する。同時に、中間調生成処理において高周波数再現に適した高解像のスクリーンでの二値化又は多値化処理を選択するように構成している。

一方、領域分離処理部２１により網点と判別された領域に関しては、空間フィルタ処理部１８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。このとき、空間フィルタ処理部１８は、網点線数認識部１４からの網点線数識別信号に基づいた処理を行うが、これについては後述する。また、同時に、中間調生成処理では、階調再現性を重視したスクリーンでの二値化又は多値化処理が行われる。

さらに、領域分離処理部２１にて写真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。

このように、上述した各処理が施された画像データは、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３に入力される。なお、上記の処理はＣＰＵ（Central Processing Unit）により行われる。

なお、このカラー画像出力装置３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形成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。

原稿種別自動判別部１３は必ずしも必要ではなく、原稿種別自動判別部１３の代わりに網点線数認識部１４を設け、プレスキャンを行った画像データあるいはシェーディング補正後の画像データをハードディスク等のメモリに格納し、格納された画像データを用いて網点領域が含まれているか否か判定し、その結果に基づいて、網点線数の識別を行うようにしても構わない。

＜原稿種別自動判別部について＞
次に、網点線数認識処理の対象となる網点領域を検出する原稿種別自動判別部１３における画像処理について説明する。

原稿種別自動判別部１３は、図３に示すように、文字画素検出部３１と、背景下地画素検出部３２と、網点画素検出部３３と、写真候補画素検出部３４と、写真候補画素ラベリング部３５と、写真候補画素カウント部３６と、網点画素カウント部３７と、写真種別判定部３８とから構成される。尚、以下では、ＲＧＢ信号を補色反転したＣＭＹ信号を用いて説明するが、ＲＧＢ信号をそのまま用いても構わない。

上記文字画素検出部３１は、入力画像データの各画素が文字エッジ領域に存在するか否かの識別信号を出力するものである。例えば、上記文字画素検出部の処理としては、図４（ａ）のようなブロックメモリに格納された入力画像データ（f(0,0)〜f(2,2)は入力画像データの画素濃度値を表す）に対して、図４（ｂ）（ｃ）のようなフィルタ係数による以下に示すたたみ込み演算処理結果Ｓ１，Ｓ２を用いたものがある。

上記Ｓがあらかじめ設定された閾値より大きい場合、上記ブロックメモリに格納されている入力画像データ中の注目画素（座標（1,1））を文字エッジ領域に存在する文字画素として識別する。上記処理を入力画像データの全画素に適用することにより、入力画像データ中の文字画素を識別することができる。

上記背景下地画素検出部３２は、入力画像データの各画素が背景下地領域に存在するか否かの識別信号を出力するものである。例えば、上記背景下地画素検出部３２の処理としては、図５のような入力画像データの各画素濃度値（例えば、補色反転したＣＭＹ信号のＭ信号）の度数を表した濃度ヒストグラムを用いたものがある。

具体的な処理手順を図５（ａ）（ｂ）を用いて説明する。
手順１：最大度数（Ｆｍａｘ）を検出する。
手順２：Ｆｍａｘがあらかじめ設定された閾値（ＴＨｂｇ）より小さい場合は、入力画像データには背景下地エリアは存在しないものとする。
手順３：Ｆｍａｘがあらかじめ設定された閾値（ＴＨｂｇ）以上の場合で、Ｆｍａｘとなる画素濃度値（Ｄｍａｘ）に近い画素濃度値、例えばＤｍａｘ−１、Ｄｍａｘ＋１の画素濃度値に対する度数Ｆｎ１，Ｆｎ２を用いて、上記Ｆｍａｘと上記Ｆｎ１と上記Ｆｎ２（図５（ａ）の網掛け部）の総和があらかじめ設定された閾値より大きい場合、入力画像データには背景下地エリアが存在するものとする。
手順４：手順３で背景下地エリアが存在する場合、上記Ｄｍａｘ近傍の画素濃度値、例えば、Ｄｍａｘ−５〜Ｄｍａｘ＋５までの画素濃度値をもつ画素を背景下地エリアに存在する背景下地画素として識別する。

また、濃度ヒストグラムとしては、各画素濃度値ではなく、濃度区分（例えば、２５６階調の画素濃度値を１６の濃度区分に分けたもの）を用いた簡易的な濃度ヒストグラムでも良い。あるいは、下記式により輝度Ｙを求め、輝度ヒストグラムを用いても良い。

上記網点画素検出部３３は、入力画像データの各画素が網点領域に存在するか否かの識別信号を出力するものである。例えば、上記網点画素検出部３３の処理としては、図６（ａ）のようなブロックメモリに格納された入力画像データ（f(0,0)〜f(4,4)は入力画像データの画素濃度値を表す）に対する以下に示す隣接画素差分値総和Ｂｕｓｙと最大濃度差ＭＤを用いたものがある。

ここで、上記Ｂｕｓｙと上記ＭＤは、注目画素(座標(2,2))が網点エリアに存在する網点画素であるか否かの識別に用いられる。

上記Ｂｕｓｙと上記ＭＤを軸とした２次元平面において、図６（ｂ）に示すように網点画素は、他のエリアに存在する画素（文字、写真）とは異なった分布を示すため、入力画像データの各注目画素ごとに求められた上記Ｂｕｓｙと上記ＭＤに対して、図６（ｂ）に示した境界線（点線）を用いた閾値処理を行うことで、各注目画素が網点エリアに存在する網点画素を識別する。

上記閾値処理の例を以下に示す。

上記処理を入力画像データの全画素に適用することにより、入力画像データ中の網点画素を識別することができる。

上記写真候補画素検出部３４は、入力画像データの各画素が写真候補画素領域に存在するか否かの識別信号を出力するものである。例えば、入力画像データ中における上記文字画素検出部２１で識別された文字画素、及び上記背景下地画素検出部３２で識別された背景下地画素以外の画素を写真候補画素として識別する。

上記写真候補画素ラベリング部３５は、図７（ａ）に示すように、複数の写真部が存在する入力画像データに対して、上記写真候補画素検出部３４により識別された写真候補画素から構成される複数の写真候補エリアに対しラベリング処理を行うことで、図７（ｂ）に示す写真候補エリア（１）、及び写真候補エリア（２）のようにラベル付けを行い、それぞれの写真候補エリアを異なるエリアとして識別するものである。ここでは、写真候補エリアを（１）、それ以外を（０）とし、１画素単位でラベリング処理を適用する。ラベリング処理の詳細については後述する。

上記写真候補画素カウント部３６は、上記写真候補画素ラベリング部３５によりラベル付けされた複数の写真候補エリアに対する画素数を各々カウントするものである。

上記網点画素カウント部３７は、上記網点画素検出部３３により識別された網点エリアに対する画素数を、上記写真候補画素ラベリング部３５によりラベル付けされた写真候補エリアごとに各々カウントするものである。例えば、上記網点画素カウント部３７により、図７（ｂ）に示すように、写真候補エリア（１）に存在する網点エリア（網点エリア（１））を構成する画素数Ｎｓ１と写真候補エリア（２）に存在する網点エリア（網点エリア（２））を構成する画素数Ｎｓ２がカウントとされる。

上記写真種別判定部３８は、上記写真候補エリアそれぞれが印刷写真（網点）、印画紙写真（連続調）、またはプリンタ出力写真（レーザ・ビーム・プリンタ、インクジェットプリンタや熱転写型プリンタなどにより出力された写真）の何れであるかを判定するものである。例えば、図７（ｃ）（ｄ）に示すように、上記写真候補画素数Ｎｐと上記網点画素数Ｎｓとあらかじめ設定された閾値ＴＨｒ１、ＴＨｒ２を用いた以下の条件式により判定を行うものである。

上記閾値の一例としては、ＴＨｒ１＝０．７、ＴＨｒ２＝０．３などが挙げられる。

また、上記判定結果は画素単位、もしくはエリア単位、もしくは原稿単位で出力してもよい。また、上記処理例では種別判定の対象が写真だけであるが、文字、背景下地以外の原稿構成要素、例えば図形、グラフなどを対象にしても良い。また、写真種別判定部３８は、印刷写真・プリント出力写真・印画紙写真という判別を行うのではなく、写真候補画素数Ｎｐに対する網点画素数Ｎｓの比率とあらかじめ設定された閾値との比較結果に基づいて、色補正部１６・空間フィルタ処理部１８等の処理内容を切り替えるように制御しても良い。

図７（ｃ）では、写真候補エリア（１）は条件１を満たすため、印刷写真として判定され、写真候補エリア（２）は条件２を満たすため、プリント出力写真エリアとして判定される。また、図７（ｄ）では、写真候補エリア（１）は条件３を満たすため、印画紙写真として判定され、写真候補エリア（２）は条件２を満たすため、プリント出力写真エリアとして判定される。

ここで、上記構成の原稿種別自動判別部１３における画像種別認識処理の流れを図８に示すフローチャートを参照しながら以下に説明する。

先ず、シェーディング補正部１２（図２参照）にて各種の歪みが取り除かれたＲＧＢ信号（ＲＧＢの反射率信号）より変換されたＲＧＢの濃度信号に基づいて、文字画素検出処理（Ｓ１１）、背景下地画素検出処理（Ｓ１２）、網点画素検出処理（Ｓ１３）が同時に行われる。ここで、文字画素検出処理は、上述した文字画素検出部３１において行われ、背景下地画素検出処理は、上述した背景下地画素検出部３２において行われ、網点画素検出処理は、上述した網点画素検出部３３において行われるので、これら処理の詳細については省略する。

次に、文字画素検出処理における処理結果と、背景下地画素検出処理における処理結果とに基づいて、写真候補画素検出処理が行われる（Ｓ１４）。ここでの写真候補画素検出処理は、上述した写真候補画素検出部３４において行われるので、処理の詳細については省略する。

引き続き、検出された写真候補画素に対して、ラベリング処理が行われる（Ｓ１５）。このラベリング処理の詳細については後述する。

続いて、ラベリング処理における処理結果に基づいて、写真候補画素数Ｎｐをカウントする処理が行われる（Ｓ１６）。ここでの写真候補画素数カウント処理は、上述した写真候補画素カウント部３６において行われるので、処理の詳細については省略する。

上記Ｓ１１〜Ｓ１６までの処理と並列して、Ｓ１３における網点画素検出処理の結果に基づいて、網点画素数Ｎｓをカウントする処理が行われる（Ｓ１７）。ここでの網点画素数カウント処理は、上述した網点画素カウント部３７において行われるので、処理の詳細については省略する。

次いで、Ｓ１６において求めた写真候補画素数Ｎｐと、Ｓ１７において求めた網点画素数Ｎｓとに基づいて、写真候補画素数Ｎｐに対する網点画素数Ｎｓの割合、すなわちＮｓ／Ｎｐを算出する（Ｓ１８）。

続いて、Ｓ１８において求めたＮｓ／Ｎｐから、印刷写真、プリンタ出力写真、印画紙写真の何れかを判定する（Ｓ１９）。

上記のＳ１８、Ｓ１９における処理は、上述した写真種別判定部３８において行われるので、処理の詳細については省略する。

ここで、上述したラベリング処理について説明する。

一般的に、ラベリング処理とは、連結する前景画素（＝１）の塊に対して同ラベルを割り当て、異なる連結成分は異なる連結成分を割り当てる処理である（画像処理標準テキストブックCG-ARTS協会p.262〜268参照）。ラベリング処理として、種々のものが提案されているが、本実施の形態では２回の走査による方式について述べる。このラベリング処理の流れを図９に示すフローチャートを参照に以下に説明する。

まず、左上画素からラスタスキャンの順序で画素の値を調べ（Ｓ２１）、注目画素値が１のとき、上隣の画素が１で左隣の画素が０であるか否かを判断する（Ｓ２２）。

ここで、Ｓ２２において、上隣の画素が１で左隣の画素が０である場合、以下の手順１が実行される。

手順１：図１０（ａ）に示すように、注目画素が１の場合、処理画素の上隣の画素が１で、すでにラベル（Ａ）がつけられていれば、処理画素にも同じラベル（Ａ）をつける（Ｓ２３）。そして、Ｓ２９に移行して、全画素に対してラベリングが終了したか否かを判断する。ここで、全画素終了であれば、図８に示すステップＳ１６に移行し、写真候補エリア毎に写真候補画素数Ｎｐをカウントする。

また、Ｓ２２において、上隣の画素が１で左隣の画素が０でない場合、上隣の画素が０で左隣の画素が１であるか否かを判断する（Ｓ２４）。

ここで、Ｓ２４において、上隣の画素が０で左隣の画素が１である場合、以下の手順２が実行される。

手順２：図１０（ｃ）に示すように、上隣の画素が０で左隣が１の場合、処理画素に左隣と同じラベル（Ａ）をつける（Ｓ２５）。そして、Ｓ２９に移行して、全画素に対してラベリングが終了したか否かを判断する。ここで、全画素終了であれば、図８に示すＳ１６に移行し、写真候補エリア毎に写真候補画素数Ｎｐをカウントする。

また、Ｓ２４において、上隣の画素が０で左隣の画素が１でない場合、上隣の画素が１で左隣の画素が１であるか否かを判断する（Ｓ２６）。

ここで、Ｓ２６において、上隣の画素が１で左隣の画素が１である場合、以下の手順３が実行される。

手順３：図１０（ｂ）に示すように、左隣の画素も１で、上隣の画素とは異なるラベル（Ｂ）がつけられている場合は、上隣と同じラベル（Ａ）を記録するとともに、左隣の画素におけるラベル（Ｂ）と上隣の画素におけるラベル（Ａ）との間に相関があることを保持する（Ｓ２７）。そして、Ｓ２９に移行して、全画素に対してラベリングが終了したか否かを判断する。ここで、全画素終了であれば、図８に示すＳ１６に移行し、写真候補エリア毎に写真候補画素数Ｎｐをカウントする。

また、Ｓ２６おいて、上隣の画素が１で左隣の画素が１でない場合、以下の手順４が実行される。

手順４：図１０（ｄ）に示すように、上隣も左隣も０の場合、新しいラベル（Ｃ）をつける（Ｓ２８）。そして、Ｓ２９に移行して、全画素に対してラベリングが終了したか否かを判断する。ここで、全画素終了であれば、図８に示すＳ１６に移行し、写真候補エリア毎に写真候補画素数Ｎｐをカウントする。

なお、複数のラベルが記録されている場合、上記の規則に基づいてラベルを統一する。

また、図３に示した構成を用いて、写真領域だけでなく画像全体の種別を判別するようにしても良い。この場合、写真種別判定部３８の後段に、画像種別判定部３９を設ける（図１１参照）。画像種別判定部３９では、全画素数に対する文字画素数の比率Ｎｔ／Ｎａ、全画素数に対する写真候補画素数と網点画素数の差の比率（Ｎｐ−Ｎｓ）／Ｎａ、全画素数に対する網点画素数の比率Ｎｓ／Ｎａを求め、予め定められる閾値ＴＨｔ、ＴＨｐ、ＴＨｓと比較を行うとともに、写真種別判定部３８の結果に基づいて、画像全体の種別の判別を行う。例えば、全画素数に対する文字画素数の比率Ｎｔ／Ｎａが閾値以上であり、写真種別判別部３８の結果がプリント出力写真である場合、文字とプリント出力写真との混在原稿であると判断される。

＜網点線数認識部について＞
次に、本実施の形態における特徴点である網点線数認識部１４における画像処理（網点線数認識処理）について説明する。

前記網点線数認識部１４は、前記原稿種別自動判定部１３の処理過程で検出されている網点画素（図１２（ａ））、もしくは前記原稿種別自動判定部１３で検出された網点エリア（図１２（ｂ））のみを対象として処理が行われる。図１２（ａ）に示された網点画素は、図７（ｂ）に示された網点エリア（１）に相当し、図１２（ｂ）に示された網点エリアは、図７（ｃ）に示された印刷写真（網点）エリアに相当する。

網点線数認識部１４は、図１に示すように、色成分選定部４０と、平坦網点識別部（平坦網点識別手段）４１、閾値設定部（閾値決定手段）４２と、閾値調整部（閾値決定手段）４３と、２値化処理部（抽出手段、２値化処理手段）４４と、最大反転回数算出部（抽出手段、反転回数算出手段）４５と、最大反転回数平均値算出部（抽出手段、反転回数抽出手段）４６と、網点線数判定部（網点線数判定手段）４７とから構成される。

これらの各処理部は、注目画素とその近傍画素からなるＭ×Ｎ画素サイズ（Ｍ、Ｎは予め実験により求められた整数）の局所ブロック単位で処理が行われ、画素逐次、もしくはブロック逐次で処理結果が出力される。

色成分選定部４０は、隣接する画素のＲ，Ｇ，Ｂ各成分の濃度差の総和（以下、繁雑度とよぶ）を求め、最も繁雑度が大きい色成分の画像データを、平坦網点識別部４１，閾値設定部４２，閾値調整部４３および２値化処理部４４に出力する画像データとして選定するものである。また、色成分選定部４０は、選定した色成分を示す選定色成分信号を閾値調整部４３に出力する。

平坦網点識別部４１は、各局所ブロックが、濃度変化の小さい平坦網点部であるか、濃度変化の大きい非平坦網点部であるかを識別するものである。平坦網点識別部４１は、局所ブロックにおいて、隣接する２つの画素に対して、右隣接画素の濃度値が左側の画素の濃度値より大きい画素の組に対する右隣接画素との差分絶対値総和ｓｕｂｍ１と、右隣接画素の濃度値が左側の画素の濃度値より小さい画素の組に対する右隣接画素との差分絶対値総和ｓｕｂｍ２と、下隣接画素の濃度値が上に位置する画素の濃度値より大きい画素の組に対する下隣接画素との差分絶対値総和ｓｕｂｓ１と、下隣接の濃度値が上に位置する画素の濃度値より小さい画素の組に対する下隣接画素との差分絶対値総和ｓｕｂｓ２とを算出する。また、平坦網点識別部４１は、式（１）に従ってｂｕｓｙおよびｂｕｓｙ＿ｓｕｂを求め、得られたｂｕｓｙおよびｂｕｓｙ＿ｓｕｂが式（２）を満たす場合に、前記局所ブロックを平坦網点部と判定する。なお、式（２）におけるＴｈｐａｉｒは、予め実験で求められた値である。さらに、平坦網点識別部４１は、判定結果を示す平坦網点識別信号ｆｌａｔ（１：平坦網点部、０：非平坦網点部）を出力する。

閾値設定部４２は、色成分選定部４０が選定した色成分の画像データについて、局所ブロックにおける画素の平均濃度値ａｖｅを算出し、該平均濃度値ａｖｅを、局所ブロックの２値化処理に適用される最終閾値ｔｈ２を導くための閾値ｔｈ１として設定するものである。

閾値調整部４３は、局所ブロックの濃度情報として最大濃度差ｍｓｕｂを算出した後、前記閾値設定部４２で設定された閾値ｔｈ１、前記平均濃度値ａｖｅ、前記最大濃度差ｍｓｕｂを用いて、以下の式（３）のように閾値ｔｈ１の調整を行い、最終閾値ｔｈ２を求めるものである。閾値調整部４３は、２値化処理部４４において、色成分選定部４０が選定した色成分以外の不要な色が抽出されるのを避けるために、閾値を調整する。

なお、ｔｈａｖｅ、ｃ１、ｃ２（ｃ１・ｃ２：調整値）は、カラー画像入力装置１における各色成分の読取特性に対応して、Ｒ，Ｇ，Ｂ成分ごとに予め実験により求められた最適値である。閾値調整部４３は、色成分ごとに予め定められたｔｈａｖｅ、ｃ１、ｃ２を記憶しており、色成分選定部４０からの選定色成分信号に対応するｔｈａｖｅ、ｃ１、ｃ２を用いる。ｔｈａｖｅ、ｃ１、ｃ２の求め方については、後述する。

２値化処理部４４は、前記閾値調整部４３で求められた最終閾値ｔｈ２を用いて、色成分選定部４０が選定した色成分の画像データについて、局所ブロックの画素を２値化処理して２値データを求めるものである。

最大反転回数算出部４５は前記２値データに対して、主走査、副走査各ラインの２値データの切り替え回数（反転回数）(ｍｒｅｖ)を基に、局所ブロックの最大反転回数を算出するものである。

最大反転回数平均値算出部４６は、前記平坦網点識別部４１から平坦網点識別信号ｆｌａｔ＝１が出力された局所ブロックごとに前記最大反転回数算出部４５で算出された反転回数(ｍｒｅｖ)の網点エリア全体に対する平均値ｍｒｅｖ＿ａｖｅを算出するものである。局所ブロックごとに算出された反転回数および平坦網点識別信号は、最大反転回数平均値算出部４６に格納しても、あるいは、別途メモリに格納するようにしても良い。

網点線数判定部４７は、前記最大反転回数平均値算出部４６で算出された最大反転回数平均値ｍｒｅｖ＿ａｖｅと、予め求められている各線数の網点原稿（印刷写真原稿）がもつ理論的な最大反転回数と比較して、入力画像の線数を判定するものである。例えば、１２０線の網点原稿がもつ理論的な最大反転回数は６〜８であり、１７５線の網点原稿がもつ理論的な最大反転回数は１０〜１２である。網点線数判定部４７は、判定した網点線数を識別する網点線数識別信号を出力する。

ここで、上記構成の網点線数認識部１４における網点線数認識処理の流れを図１３に示すフローチャートを参照しながら以下に説明する。

先ず、原稿種別自動判定部１３において検出された網点画素もしくは網点エリアの局所ブロックについて、色成分選定部４０により、最も繁雑度の大きい色成分が選定される（Ｓ３１）。また、色成分選出部４０は、選出した色成分を示す選出色成分信号を閾値調整部４３ａに出力する。

次に、閾値設定部４２は、局所ブロックにおいて、色成分選定部４０により選定された色成分の平均濃度値ａｖｅを算出し、該平均濃度値ａｖｅを閾値ｔｈ１として設定する（Ｓ３２）。

続いて、閾値調整部４３は、局所ブロックにおいて、色成分選定部４０により選定された色成分の最大濃度差ｍｓｕｂを算出する（Ｓ３３）。そして、閾値調整部４３は、最大濃度差ｍｓｕｂと、色成分選定部４０から出力された選定色成分信号に対応するｔｈａｖｅ，ｃ１，ｃ２とを基に、上記式（３）に従って閾値を調整し、最終閾値ｔｈ２を算出する（Ｓ３４）。

その後、２値化処理部４４において、閾値調整部４３で求められた最終閾値ｔｈ２を用いて、局所ブロックにおける各画素の２値化処理が行われる（Ｓ３５）。

続いて、最大反転回数算出部４５において、局所ブロックにおける最大反転回数の算出処理が行われる（Ｓ３６）。

一方、上記Ｓ３２〜Ｓ３５の処理と並列して、平坦網点識別部４１において、局所ブロックが平坦網点であるか、非平坦網点であるかを識別する平坦網点識別処理が行われ、平坦網点識別信号ｆｌａｔが最大反転回数平均値算出部４５に出力される（Ｓ３７）。

その後、全ての局所ブロックの処理が終了したか否かの判定が行われる（Ｓ３８）。全ての局所ブロックの処理が終了していない場合、次の局所ブロックについて上記Ｓ３１〜Ｓ３７の処理が繰り返される。

一方、全ての局所ブロックの処理が終了した場合、最大反転回数平均値算出部４６は、平坦網点識別信号ｆｌａｔ＝１が出力された局所ブロックに対して上記Ｓ３７で算出された最大反転回数の網点エリア全体に対する平均値を算出する（Ｓ３９）。

そして、網点線数判定部４７は、最大反転回数平均値算出部４６が算出した最大反転回数平均値を基に、網点エリアにおける網点線数を判定する（Ｓ４０）。そして、網点線数判定部４７は、認識した網点線数を示す網点線数識別信号を出力する。これにより、網点線数認識処理が完了する。

次に、実際の画像データに対する処理の具体例と効果について説明する。ここでは、局所ブロックのサイズを１０×１０画素とする。

図１４（ａ）は、マゼンタ網点とシアン網点とから構成される１２０線混色網点の一例を示したものである。入力画像が混色網点の場合、局所ブロックごとにＣＭＹの中で最も濃度変化が大きい色の網点に着目して、その色の網点周期だけを用いて原稿の網点線数を認識することが望ましい。さらには、最も濃度変化が大きい色の網点に対しては、その色の網点の濃度が最もよく読み取れているチャンネル（入力画像データの信号）を用いて処理することが望ましい。すなわち、図１４（ａ）に示すように主にマゼンタで構成されている混色網点に対しては、マゼンタにもっとも良く反応するＧ（グリーン）画像（マゼンタの補色）を用いることにより、ほぼマゼンタ網点だけに着目した網点線数認識処理が可能となる。そのため、上記色成分選定部４０は、図１４（ａ）のような局所ブロックに対して、繁雑度が最も大きいＧ画像データを、平坦網点識別部４１、閾値設定部４２、閾値調整部４３および２値化処理部４４に出力する画像データとして選定する。

図１４（ｂ）は、図１４（ａ）に示された局所ブロックの各画素におけるＧ画像データの濃度値を示すものである。なお、図１４（ｂ）において、「０」は黒で「２５５」は白を表す。図１４（ｂ）に示されたＧ画像データに対して、前記平坦網点識別部４１では以下の処理が行われる。

なお、図１５は、図１４に示された局所ブロックの各画素の座標を示したものである。

まず、主走査方向の各ラインごとに右隣接画素の濃度値が左側の画素の濃度値より大きい画素の組、例えば上から２ライン目においては、座標（１，１）と（１，２）、座標（１，２）と（１，３）、座標（１，４）と（１，５）、座標（１，８）と（１，９）の画素の組みが該当するため、前記座標画素濃度値と前記座標画素の右隣接画素濃度値との差分絶対値総和ｓｕｂｍ１（１）は以下に求められる。

ｓｕｂｍ１（１）＝|７０−４０|＋|１５０−７０|＋|１７０−１４０|
＋|１４０−４０|
＝２４０
ここでｓｕｂｍ１（ｉ）は副走査方向座標ｉにおける前記ｓｕｂｍ１を示す。

また、主走査方向の各ラインごとに右隣接画素の濃度値が左側の画素の濃度値より小さい画素の組（濃度が等しい場合も含む）、例えば上から２ライン目においては、座標（１，０）と（１，１）、座標（１，３）と（１，４）、座標（１，６）と（１，７）、座標（１，８）と（１，９）の画素の組みが該当するため、前記座標画素濃度値と前記座標画素の右隣接画素濃度値との差分絶対値総和ｓｕｂｍ２（１）は以下に求められる。

ｓｕｂｍ２（１）＝|４０−１４０|＋|１４０−１５０|＋|１５０−１７０|
＋|４０−１５０|＋|４０−４０|
＝２４０
ここでｓｕｂｍ２（ｉ）は副走査方向座標ｉにおける前記ｓｕｂｍ２を示す。

同様にして求められたｓｕｂｍ１（０）〜ｓｕｂｍ１（９）とｓｕｂｍ２（０）〜ｓｕｂｍ２（９）を用いた以下の式でｓｕｂｍ１、ｓｕｂｍ２、ｂｕｓｙ、ｂｕｓｙ＿ｓｕｂが求められる。

図１４（ｂ）に示されたＧ画像データに対して、副走査方向においても主走査方向と同様の処理を行い、ｓｕｂｓ１＝１５２０、ｓｕｂｓ２＝１９５０が求められる。

求められたｓｕｂｍ１、ｓｕｂｍ２、ｓｕｂｓ１、ｓｕｂｓ２を前記式（１）に適用すると、|ｓｕｂｍ１-ｓｕｂｍ２|≦|ｓｕｂｓ１-ｓｕｂｓ２|を満たすため、ｂｕｓｙ＝３４７０、ｂｕｓｙ＿ｓｕｂ＝４３０が求められる。求められたｂｕｓｙ、ｂｕｓｙ＿ｓｕｂを予め設定されたＴＨｐａｉｒ＝０．３を用いた前記式（２）に適用すると、次のようになる。

このように前記式（２）が満たされるため、図１４（ｂ）に示す局所ブロックが平坦網点であることを表す平坦網点識別信号ｆｌａｔ＝１が最大反転回数平均値算出部４６に出力される。そして、最大反転回数平均値算出部４６は、平坦網点の局所ブロックごとの最大反転回数平均値を算出する。

上述したように、濃度変化が大きい非平坦網点部における局所ブロックの場合（例えば、図３２（ａ）参照）、どのように閾値を設定しても、例えば、図３２（ｂ）に示すｔｈ１、ｔｈ２ａ、ｔｈ２ｂを閾値として設定しても、該閾値は局所ブロックに対し単一の閾値であるため、算出される反転回数は、本来計数される反転回数に比べ、大幅に小さくなる。すなわち、正しく網点周期を再現した２値データを示す図３２（ｃ）では、本来計数されるべき反転回数６を示しているが、ｔｈ１、ｔｈ２ａ、ｔｈ２ｂを閾値とした場合、反転回数が２となる（図３２（ｄ）参照）。このように、非平坦網点の局所ブロックの場合、算出される反転回数が本来計数される反転回数に比べ大幅に小さくなり、網点線数認識精度の低下を招く。

図１６（ｂ）は、濃度変化の小さい平坦網点領域だけでなく、濃度変化の大きい非平坦網点部を用いた場合の８５線、１３３線、１７５線の網点原稿（それぞれ複数枚）に対する最大反転回数平均値の度数分布の一例を表したものである。濃度変化の大きい網点領域において２値化処理を行った場合、図３２（ｃ）に示されるような黒画素部（網点部を示す）が抽出されず、図３２（ｄ）に示されるように白画素部（低濃度網点部を示す）と黒画素部（高濃度網点部を示す）に分別されてしまう。そのため、本来の網点周期よりも小さい反転回数が計数され、その結果、最大反転回数平均値も平坦網点領域だけを対象にした場合に比べ、小さい値をもつ入力画像が多くなり、各線数の網点の最大反転回数平均値が小さい方に広がる傾向がみられる。これに伴い、それぞれの度数分布の重なりが発生し、重なった部分に相当する原稿が正しく線数が認識されない。

しかしながら、本実施形態の網点線数認識部１４によれば、平坦網点識別部４１は、各局所ブロックが平坦網点部であるか否かを識別する。そして、最大反転回数平均値算出部４６は、平坦網点部であると識別された局所ブロックの反転回数のみの平均値を算出する。

図１６（ａ）は、濃度変化の小さい平坦網点領域だけ用いた場合の８５線、１３３線、１７５線の網点原稿それぞれ複数枚に対する最大反転回数平均値の度数分布の一例を表したものである。濃度変化の小さい平坦網点領域においては、正しく網点周期が再現された２値データが生成されるので、各線数の網点の最大反転回数平均値は異なる。そのため、各網点線数の度数分布の重なりが無い、もしくは少なくなり、網点線数認識精度の向上が可能となる。

さらに、平坦網点識別部１４における処理と並列して、閾値設定部４２、閾値調整部４３、２値化処理部４４および最大反転回数算出部４５では、図１４（ｂ）に示されるＧ画像データに対して、次のような処理が行われる。

図１４（ｂ）に示されたＧ画像データに対して、前記閾値設定部４２では、平均画素濃度値ａｖｅ（＝１３８）が閾値ｔｈ１として設定される。

そして、前記閾値調整部４３では、閾値ｔｈ１に対して調整を行い、最終閾値ｔｈ２が求められる。ここでは、反転回数を計数すべき着目している色成分（すなわち、色成分選定部４０が選定した色成分）の網点、ここではマゼンタ網点だけを２値化処理により抽出できるように閾値ｔｈ１が調整される。

図１７は、図１４（ｂ）の上から２ライン目の主走査方向ラインの濃度変化と、それに対する閾値ｔｈ１と、閾値ｔｈ１を調整すべき最適閾値レンジとを示したものである。ここで、前記閾値設定部４２で設定される閾値ｔｈ１が平均濃度値ａｖｅであれば、閾値ｔｈ１は局所ブロックの濃度レンジのほぼ中央に位置することができる。

最適閾値レンジとは、色成分選定部４０が選定した色成分以外の不要な色成分の網点を抽出しない範囲である。つまり、図１７に示されるように、最適閾値レンジは、色成分選定部４０が選定した色成分の網点の濃度値から、不要な色成分の網点の濃度値までの範囲となる。

具体的には、最適閾値レンジは、図１７のように白ベースの黒点である場合、色成分選定部４０が選定した色成分の黒点における濃度値（つまり、色成分選定部４０が選定した色成分の画素ピークの極小値）より大きく、不要な色成分の黒点における濃度値（つまり、不要な色成分の画素ピークの極小値）より小さい範囲である。一方、黒ベースの白点である場合、最適閾値レンジは、色成分選定部４０が選定した色成分の白点における濃度値（つまり、色成分選定部４０が選定した色成分の画素ピークの極小値）より小さく、不要な色成分の白点における濃度値（つまり、不要な色成分の画素ピークの極小値）より大きい範囲である。

この最適閾値レンジは、カラー画像入力装置１における原稿からの各色成分の読取特性に依存している。ここで、読取特性とは、各色成分のフィルタ分光特性や各色に対応するインクの分光反射特性等である。

各ＲＧＢ画像データには、理論的には、その補色関係にある色成分のみが含まれるが、実際には不要な色成分も混じる。その不要な色成分の混じり度合い、つまり、不要な色成分の影響度は、カラー画像入力装置１の読取特性によって変わる。そのため、上記ｔｈａｖｅ，ｃ１およびｃ２は、カラー画像入力装置１の読取特性に対応して、様々な網点原稿において、最終閾値ｔｈ２が図１７に示されるような最適閾値レンジに入るように予め求められている。ここでは、ｔｈａｖｅは、中央濃度値である１２８に、ｃ１は０．２に、ｃ２は０に設定されている。

これにより、閾値調整部４３は、閾値調整において、濃度レンジのほぼ中央を基点に、最大濃度差ｍｓｕｂを参照することで、抽出した網点濃度を下回ることのなしに図１７に示された最適閾値レンジに調整することが可能となる。

具体的には、閾値調整部４３は、図１４（ｂ）に示されたＧ画像データに対する最大濃度差ｍｓｕｂ（＝１７０）を算出し、予め設定されたｔｈａｖｅ（＝１２８）、ｃ１（＝０．２）、Ｃ２（＝０）を用いて、閾値ｔｈ１を上記式（３）に従って調整し、最終閾値ｔｈ２（＝１０４）を設定する。

このように、最終閾値ｔｈ２を局所ブロックの平均濃度値ａｖｅと局所ブロックの最大濃度差ｍｓｕｂを用いた関数にすることで、どのような濃度分布をもつ網点原稿に対しても所望の網点だけが抽出できる濃度レンジに閾値を調整することが比較的容易にできる。

なお、前記閾値設定部４２において平均濃度値ａｖｅを用いず、かつ、前記閾値調整部４３において最大濃度差ｍｓｕｂを用いない場合、即ち前記閾値設定部４２および前記閾値調整部４３において固定値を使用する場合、基点が局所ブロックのほぼ中央に位置せず、かつ、調整の上限が分からないこととなる。そのため、様々な網点エリアに対しては、最終閾値ｔｈ２が本来抽出したい網点濃度を下回ることなどにより、２値データの反転回数が理論値から遠い値になることが多くなる。つまり、着目している色成分のみを正しく抽出できないことが多くなる。

また、式（３）に示されるように、閾値調整部４３は、平均濃度値ａｖｅがｔｈａｖｅよりも大きい場合と、それ以外の場合とで、異なる調整を行う。この理由は、以下の通りである。

すなわち、濃度「０」が各色成分の信号が表す色（例えば、Ｇ信号の場合は緑）を示し、濃度「２５５」が白を示しているとすると、図１７に示されるように、平均濃度値ａｖｅがｔｈａｖｅよりも大きい場合、網点は白ベースの混色網点を表している。この場合、上述したように、閾値ｔｈ１からＭｓｕｂ×ｃ１＋ｃ２を減算することで、着目している色成分（ここでは、マゼンタ）以外の不要な色成分（ここでは、シアン）の網点（図１７における画素位置５の黒点）の影響を除くことができる。なお、Ｇ信号が小さいということはマゼンタ成分によりＧ信号が吸収されていることを表し、Ｇ信号が大きいということは、マゼンタ成分が少なく吸収されていないことを表している。

一方、平均濃度値ａｖｅがｔｈａｖｅよりも小さい場合、網点は網点ベースの白点を表している。この場合、閾値ｔｈ１からＭｓｕｂ×ｃ１＋ｃ２を加算することで、着目している色成分（ここでは、マゼンタ）以外の不要な色成分（ここでは、シアン）の白点の影響を除くことができる。

次に、図１４（ｂ）に示されたＧ画像データに対して、前記２値化処理部４４において、前記閾値調整部４３で算出された最終閾値ｔｈ２（＝１０４）で２値化処理されて得られた２値データを図１８（ａ）に示す。

閾値ｔｈ２が適用された図１８（ａ）においては、反転回数を計数する対象となるマゼンタ網点だけが抽出されている。また、図１８（ａ）に示す例では、最大反転回数算出部４５において、以下の手法に従った処理により、局所ブロックの最大反転回数ｍｒｅｖ（＝８）が算出される。
（１）主走査方向に沿った各ラインごとの２値データの切り替え回数ｒｅｖｍ（ｊ）（ｊ＝０〜９）（ｊは列の数を表す。「０」から「１」、「１」から「０」に反転する場合をそれぞれ１回と計数する）を計数する。
（２）ｒｅｖｍ（ｊ）の最大値ｍｒｅｖｍを算出する。
（３）副走査方向に沿った各ラインごとの２値データの切り替え回数ｒｅｖｓ（ｉ）（ｉ＝０〜９）を計数する（ｉは行の数を表す）。
（４）ｒｅｖｓ（ｉ）の最大値ｍｒｅｖｓを算出する（主走査方向・副走査方向の算出結果は図１８（ａ）を参照。）。
（５）局所ブロックにおける最大反転回数ｍｒｅｖを、次の式
ｍｒｅｖ＝ｍｒｅｖｍ＋ｍｒｅｖｓ
で求める。

他の局所ブロックの最大反転回数ｍｒｅｖの算出方法としては、
ｍｒｅｖ＝ｍｒｅｖｍ×ｍｒｅｖｓ
ｍｒｅｖ＝ｍａｘ（ｍｒｅｖｍ，ｍｒｅｖｓ）
が挙げられる。

閾値調整部４３による効果を明確化するために、比較例として、図１４（ｂ）に示されたＧ画像データに対して、前記閾値設定部４２で設定された閾値ｔｈ１（＝１３８）で２値化処理されて得られた２値データを図１８（ｂ）に示す。図１８（ｂ）に対して、最大反転回数算出部４５は、局所ブロックの最大反転回数ｍｒｅｖ（＝１２）を算出する。

スキャナなどの読取装置の入力解像度と印刷物の網点線数により、局所ブロックにおける反転回数は一意に決まってくるものである。図１４（ａ）で示された網点の場合、局所ブロック内には４個の網点が存在するため、局所ブロックにおける最大反転回数ｍｒｅｖは、理論的には６〜８となる。一方、図１９（ａ）で示されるようなさらに高線数（１７５線）の単色網点の場合、局所ブロック内には９個の網点が存在する。そのため、図１９（ｂ）に示されるように、局所ブロックにおける最大反転回数ｍｒｅｖは、理論的には１０〜１２となる。

上述したように、前記閾値調整部４３により調整された最終閾値ｔｈ２を図１４（ａ）（ｂ）に示す局所ブロックに対して用いた場合のｍｒｅｖは８であり、本来の網点線数（１３３線）に対応する理論的な数値となっている。これに対し、調整されていない閾値ｔｈ１を図１４（ａ）（ｂ）に示す局所ブロックに対して用いた場合のｍｅｒｖは１２であり、本来の網点線数（１２０線）に対応する理論的な数値と一致せず、より高線数（１７５線）の網点線数に対応する理論的な数値と一致する。

これは次のような理由による。
スキャナなどのカラー画像入力装置１における分光透過特性は、必ずしもインクの分光反射特性と近い特性を持っていることが少ない。そのため、Ｇ画像データであっても図１４（ａ）に示すようなマゼンタとシアンで構成されている混色網点の場合、シアン網点による濃度変化も反映されてしまう。その結果、図１４（ａ）に対し、スキャナなどで取り込まれたＲＧＢ画像のＧ画像データは図１４（ｂ）に示すように、着目しているマゼンタ網点だけでなく、着目していない不要なシアン網点の濃度変化も反映した画像データとなっている。一方、図２０はシアン網点の濃度変化が反映されない場合の画像データの一例を示したもので、シアン網点部の濃度は紙色部と同じ濃度（１９０）となっている。しかしながら、実際は図１４（ｂ）に示すように、シアン網点部の濃度は紙色部とは異なる濃度値となる。閾値ｔｈ１を用いて反転回数を求めた場合、本来計数されるべきマゼンタ網点だけでなく不要なシアン網点までも計数しているため、図１９に示されるような、さらに高線数（１７５線）の単色網点に対して得られる理論的な数値（１０〜１２）と近くなり、誤った線数を認識してしまう。つまり、線数認識の精度の低下を招くことになる。

図２１（ａ）は、前記閾値設定部４２で設定された閾値ｔｈ１を用いた場合の８５線、１３３線、１７５線の網点原稿それぞれ複数枚に対する最大反転回数平均値の度数分布の一例を表したものである。閾値ｔｈ１を用いた場合、低線数の混色網点と高線数の単色網点の最大反転回数平均値が近づいてくるため、それぞれの度数分布の重なりが見られ、重なった部分に相当する原稿が正しく線数が認識されない原稿となる。一方、図２１（ｂ）は、前記閾値調整部４３で調整された閾値ｔｈ２を用いた場合の８５線、１３３線、１７５線の網点原稿それぞれ複数枚に対する最大反転回数平均値の度数分布の一例を表したものである。閾値ｔｈ２を用いた場合、低線数の混色網点と高線数の単色網点の最大反転回数平均値は異なるため、それぞれの度数分布の重なりが無い、もしくは少なくなり、網点線数認識精度の向上が可能となる。

このように、本実施形態では、各局所ブロックが平坦網点部であるか否かを平坦網点識別部４１が識別し、平坦網点部と識別された局所ブロックのみの最大反転回数平均値を抽出する。これにより、各網点線数に対する最大反転回数平均値の度数分布において、各網点線数の度数分布の重なりを無くしている（もしくは、少なくしている）。

さらに、閾値調整部４３は、カラー画像入力装置１の読取特性に対応して予め定められた調整値を用いて２値化処理のための閾値を調整している。これにより、混色網点であっても、着目している色成分のみの反転回数を抽出する。その結果、各網点線数に対する最大半円回数平均値の度数分布において、各網点線数の度数分布の重なりを無くしている（もしくは、少なくしている）。

これにより、精度良く網点線数を判定することができる。

なお、上記説明では、閾値設定部４２と閾値調整部４３とを別のブロックとして構成したが、閾値設定部４２と閾値調整部４３とは、同一のブロックとして構成してもよい。

＜網点線数識別信号の適用処理例＞
次に、前記網点線数認識部１４における網点線数認識結果に基づいて適用される処理例を以下に示す。

網点画像は、該網点の周期とディザ処理などの周期的な中間調処理との干渉によりモアレが発生することがある。このモアレを抑制するために、予め網点画像の振幅を抑えるような平滑化処理を行われることがある。その際、網点写真や網点上にある文字がぼやける画質劣化が同時に発生する場合がある。その解決策としては、以下の手法が挙げられる。

解決策（１）モアレ発生の原因となる網点が持つ周波数のみの振幅を抑制し、写真の構成要素（人物、風景など）や文字を形成している前記周波数より低周波成分の振幅を増幅させるような平滑化/強調混合フィルタ処理を適用する。

解決策（２）網点上文字を検出し、写真網点や下地網点とは異なる強調処理を行う。

上記解決策（１）に関して、網点が持つ周波数が網点線数により変わってくるので、各網点線数ごとに、モアレ抑制と網点写真や網点上文字の鮮鋭さを両立させるフィルタの周波数特性が異なる。そこで、空間フィルタ処理部１８は、網点線数認識部１４で認識された網点線数に応じて、該網点線数に適した周波数特性を有するフィルタ処理を行う。これにより、何れの線数の網点に対しても、モアレ抑制と網点写真や網点上文字の鮮鋭さとを両立させることができる。

一方、従来のように網点画像の線数が分からない場合、最も大きな画質劣化となるモアレを抑制するためには、すべての線数の網点画像でモアレを発生させない処理が必要となる。そのため、すべての網点周波数の振幅を下げるような平滑化フィルタしか適用できなくなり、網点写真や網点上文字のボケが発生する。

なお、図２２（ａ）は８５線網点に対して最適なフィルタ周波数特性の一例、図２２（ｂ）は１３３線網点に対して最適なフィルタ周波数特性の一例、図２２（ｃ）は１７５線網点に対して最適なフィルタ周波数特性の一例を示したものである。また、図２３（ａ）は図２２（ａ）に対応するフィルタ係数の一例を示したものであり、図２３（ｂ）は図２２（ｂ）に対応するフィルタ係数の一例を示したものであり、図２３（ｃ）は図２２（ｃ）に対応するフィルタ係数の一例を示したものである。

上記解決策（２）に関して、高線数網点上の文字は、文字と高線数網点の周波数特性が異なることから、図２４（ａ）（ｂ）に示されるような低周波エッジ検出フィルタなどにより、網点のエッジを誤検出することなく、網点上文字を精度良く検出することが可能である。しかしながら、低線数網点上の文字は、低線数網点の周波数特性が文字の周波数特性と似てくるため検出が難しく、検出した場合、網点エッジの誤検出が大きいため画質劣化を招く。そこで、網点線数認識部１４により認識された網点画像の線数を基に、領域分離処理部２１は、高線数網点、例えば１３３線以上の網点である場合のみ、網点上文字検出処理を行う、もしくは網点上文字検出結果を有効にする。これにより、画質劣化を招くことなく高線数網点上文字の可読性を向上させることが可能となる。

なお、上記網点線数識別信号の適用処理は、色補正部１６や階調再現処理部２０においても行われてもよい。

＜変形例１＞
上記網点線数認識部１４は、局所ブロックの各画素の平均濃度値を閾値として設定する上記閾値設定部４２の代わりに、固定値を閾値として設定する閾値設定部（閾値決定手段）４２ａを備える網点線数認識部（網点線数認識手段）１４ａであってもよい。

図２５は、網点線数認識部１４ａの構成を示すブロック図である。図２５に示されるように、網点線数認識部１４ａは、色成分選定部４０と、平坦網点識別部４１と、閾値設定部４２ａと、閾値調整部（閾値決定手段）４３ａと、２値化処理部４４と、最大反転回数算出部４５と、最大反転回数平均値算出部４６と、網点線数判定部４７と、平均画素濃度算出部４８とから構成される。

閾値設定部４２ａは、局所ブロックの２値化処理に適用される最終閾値ｔｈ２を導くための閾値ｔｈ１として、あらかじめ決められた固定値を設定するものである。例えば、閾値設定部４２ａは、固定値として、全体濃度レンジ（０〜２５５）の中央値である１２８を設定する。

平均画素濃度算出部４８は、局所ブロックにおける画素の平均濃度値ａｖｅを算出するものである。

閾値調整部４３ａは、上記閾値設定部４２ａで設定された閾値ｔｈ１と、上記平均画素濃度算出部４８で算出された平均濃度値ａｖｅとを用いて、以下の式（４）に従って閾値ｔｈ１の調整を行い、最終閾値ｔｈ２を求めるものである。

なお、ｔｈａｖｅおよびｃ３は、Ｒ，Ｇ，Ｂ成分ごとに予め実験により求められた最適値である。閾値調整部４３ａは、色成分ごとに予め定められたｔｈａｖｅ、ｃ３を記憶しており、色成分選定部４０からの選定色成分信号に対応するｔｈａｖｅ、ｃ３を用いる。

また、ｔｈａｖｅ，ｃ３は、様々な網点原稿に対して、最終閾値ｔｈ２が着目している所望の色成分の網点のみを抽出し、不要な色成分を抽出したような最適閾値レンジに入るように予め求められている。すなわち、ｔｈａｖｅ，ｃ３は、予め網点線数が分かっている様々な網点原稿について、最終閾値ｔｈ２に対する２値化データの反転回数が理論値（期待値）に近くなるように実験的に求められている。

次に、上記構成の網点線数認識部１４ａにおける網点線数認識処理の流れを図２６に示すフローチャートを参照しながら以下に説明する。

先ず、閾値設定部４２ａにおいて、固定値（例えば、全体濃度レンジの中央値）が、閾値ｔｈ１として設定される（Ｓ４１）。

次に、色成分選出部４０において、Ｒ，Ｇ，Ｂ画像データの中から最も繁雑度の大きい画像データが選出され、選出された画像データが平均画素濃度算出部４８および２値化処理部４４に出力される（Ｓ４２）。また、色成分選出部４０は、選出した色成分を示す選出色成分信号を閾値調整部４３ａに出力する。

続いて、平均画素濃度算出部４８において、局所ブロックの平均濃度値ａｖｅが算出される（Ｓ４３）。

その後、閾値調整部４３ａは、色成分選定部４０から出力された選定色成分信号に対応するｔｈａｖｅ，ｃ３を基に、上記式（４）に従って閾値ｔｈ１を調整し、最終閾値ｔｈ２を算出する（Ｓ４４）。

その後の２値化処理および最大反転回数算出処理は、上記Ｓ３５およびＳ３６で説明したとおりである。また、Ｓ４３，Ｓ４４，Ｓ３５，Ｓ３６と並列して行われる平坦網点識別処理も上記Ｓ３７と同様である。さらに、Ｓ３６およびＳ３７の後、上記したＳ３８〜Ｓ４０が行われる。ただし、本変形例では、閾値設定部４２ａは、全ての局所ブロックに対して固定値を閾値ｔｈ１として設定する。そのため、Ｓ３８で全ての局所ブロックの処理が終了していない場合、色成分選定処理Ｓ４２に戻る。

＜変形例２＞
本発明のさらに他の変形例について説明すれば、以下の通りである。

本変形例のカラー画像形成装置は、図１に示した網点線数認識部１４に代えて、図２７に示す網点線数認識部１４ｂが備えられている。

上記網点線数認識部（網点線数認識手段）１４ｂは、図２７に示すように、色成分選定部４０と、平坦網点識別部４１と、閾値設定部４２と、閾値調整部（閾値決定手段）４３ｂと、２値化処理部４４と、最大反転回数算出部４５と、最大反転回数平均値算出部４６と、網点線数判定部４７とから構成される。

閾値調整部４３ｂは、上記閾値設定部４２で設定された閾値ｔｈ１（平均濃度値ａｖｅ）を用いて、上記式（４）に従って閾値ｔｈ１の調整を行い、最終閾値ｔｈ２を求めるものである。なお、閾値調整部４３ｂは、色成分ごとに予め定められたｔｈａｖｅ、ｃ３を記憶しており、色成分選定部４０からの選定色成分信号に対応するｔｈａｖｅ、ｃ３を用いる。

上記構成の網点線数認識部１４ｂにおける網点線数認識処理の流れは、図１３に示すフローチャートにおけるＳ３４の閾値調整処理が上記式（３）の代わりに上記式（４）に従う点を除いて、該フローチャートで示した手順とほぼ同じである。

＜変形例３＞
上記説明では、平坦網点識別処理と、閾値設定・閾値調整・２値化処理・最大反転回数算出処理とを並列処理し、網点エリア全体に対する最大反転回数の平均値を求める際に、平坦網点識別信号ｆｌａｔ＝１が出力された局所ブロックのみの最大反転回数を採用するようにしている。この場合、並列処理の速度を上げるためには、平坦網点識別処理のためと、閾値設定・閾値調整・２値化処理・最大反転回数算出処理のためとの少なくとも２つのＣＰＵを備える必要がある。

各処理を行うためのＣＰＵが１つである場合には、最初に平坦網点識別処理を行い、平坦網点部であると判定された網点領域に対して、閾値設定・閾値調整・２値化処理・最大反転回数算出処理を行うようにしても良い。

この場合、図１に示す網点線数認識部１４の代わりに、図２８に示すような網点線数認識部（網点線数認識手段）１４ｃとすればよい。

網点線数認識部１４ｃは、色成分選定部４０と、平坦網点識別部（平坦網点識別手段）４１ｃと、閾値設定部（閾値決定手段）４２ｃと、閾値調整部（閾値決定手段）４３ｃと、２値化処理部（抽出手段、２値化処理手段）４４ｃと、最大反転回数算出部（抽出手段、反転回数算出手段）４５ｃと、最大反転回数平均値算出部（抽出手段、反転回数算出手段）４６ｃと、網点線数判定部（網点線数判定手段）４７とを備える。

平坦網点識別部４１ｃは、上記平坦網点識別部４１と同様の平坦網点識別処理を行い、判定結果である平坦網点識別信号ｆｌａｔを、閾値設定部４２ｃ、閾値調整部４３ｃ、２値化処理部４４ｃおよび最大反転回数算出部４５ｃに出力する。

閾値設定部４２ｃ、閾値調整部４３ｃ、２値化処理部４４ｃおよび最大反転回数算出部４５ｃは、平坦網点識別信号ｆｌａｔ＝１を受けた局所ブロックについてのみ、それぞれ上記閾値設定部４２、閾値調整部４３、２値化処理部４４および最大反転回数算出部４５と同様の閾値設定、閾値調整（最大濃度差の算出処理を含む）、２値化処理、最大反転回数算出処理を行う。

最大反転回数平均値算出部４６ｃは、最大反転回数算出部４５ｃが算出した全ての最大反転回数の平均値を算出する。

図２９は、網点線数認識部１４ｃにおける網点線数識別処理の流れを示すフローチャートである。

先ず、色成分選定部４０において、最も繁雑度の高い色成分を選定する色成分選定処理が行われる（Ｓ４１）。続いて、平坦網点識別部４１ｃにおいて平坦網点識別処理が行われ、平坦網点識別信号ｆｌａｔが出力される（Ｓ４２）。

次に、閾値設定部４２ｃ、閾値調整部４３ｃ、２値化処理部４４ｃおよび最大反転回数算出部４５ｃにおいて、平坦網点識別信号ｆｌａｔが、平坦網点部を示す「１」および非平坦網点部を示す「０」の何れであるかが判定される。つまり、局所ブロックが平坦網点部であるか否かが判定される（Ｓ４３）。

局所ブロックが平坦網点部である場合、つまり、平坦網点識別信号ｆｌａｔ＝１である場合、閾値設定部４２ｃにおける平均濃度値を閾値ｔｈ１として設定する閾値設定（Ｓ４４）、閾値調整部４３ｃにおける、最大濃度差の算出処理（Ｓ４５）および選定色成分信号に対応した調整値を用いた式（３）により閾値調整（Ｓ４６）、２値化処理部４４ｃにおける２値化処理（Ｓ４７）、ならびに、最大反転回数算出部４４ｃにおける最大反転回数算出処理（Ｓ４８）が順に行われる。その後、Ｓ４９の処理に移る。

一方、局所ブロックが非平坦網点部である場合、つまり、平坦網点識別信号ｆｌａｔ＝０である場合、閾値設定部４２ｃ、閾値調整部４３ｃ、２値化処理部４４ｃおよび最大反転回数算出部４５ｃはなにも処理を行わず、Ｓ４９の処理に移る。

次に、Ｓ４９において、全ての局所ブロックの処理が終了したか否かが判定される。全ての局所ブロックの処理が終了していない場合、次の局所ブロックに関して、上記Ｓ４１〜Ｓ４８の処理が繰り返される。

一方、全ての局所ブロックの処理が終了した場合、最大反転回数平均値算出部４６ｃは、上記Ｓ４８で算出された最大反転回数の網点エリア全体に対する平均値を算出する（Ｓ５０）。なお、Ｓ４８では、平坦網点識別信号ｆｌａｔ＝１の局所ブロックに対してのみ最大反転回数が算出されている。したがって、Ｓ５０では、平坦網点部である局所ブロックの最大反転回数の平均値が算出される。そして、網点線数判定部４７は、最大反転回数平均値算出部４６ｃが算出した平均値を基に、網点エリアにおける網点線数を判定する（Ｓ５１）。これにより、網点線数認識処理が完了する。

以上のように、閾値設定部４２ｃ、閾値調整部４３ｃ、２値化処理部４４ｃおよび最大反転回数算出部４５ｃは、平坦網点部であると判定された局所ブロックについてのみ、それぞれ閾値設定、閾値調整処理、２値化処理、最大反転回数算出処理を行えばよい。よって、ＣＰＵが１つであっても、網点線数認識処理の速度を向上させることができる。

また、最大反転回数平均値算出部４６ｃは、平坦網点部として識別された局所ブロックのみの最大反転回数の平均値を算出する。すなわち、算出された最大反転回数平均値は、正しく網点周期を再現した２値データが生成される濃度変化の小さい平坦網点部に対応するものとなる。これにより、該最大反転回数平均値を用いて網点線数を判定することで、精度良く網点線数を認識することができる。

＜変形例４＞
上記説明では、隣接する画素間の濃度差を基に、平坦網点識別部４１が平坦網点識別処理を行うものとしたが、平坦網点識別処理の手法はこれに限られない。例えば、平坦網点識別部４１は、以下のような手法により、図１４（ｂ）に示されたＧ画像データに対して、平坦網点識別処理を行ってもよい。

まず、図１４（ｂ）に示された局所ブロックを４分割して得られたサブブロック１〜４における画素の平均濃度値Ave_sub１〜４を以下の式に従って求める。

上記Ave_sub１〜４を用いた以下の条件式、
max(|Ave_sub１−Ave_sub２|,|Ave_sub１−Ave_sub３|,|Ave_sub１−Ave_sub４|,|Ave_sub２−Ave_sub３|,|Ave_sub２−Ave_sub４|,|Ave_sub３−Ave_sub４|)
＜ TH_avesub
を満たす時、局所ブロックが平坦網点であることを表す平坦網点識別信号ｆｌａｔ＝１が出力される。一方、この条件式を満たさない時、局所ブロックが非平坦網点であることを表す平坦網点識別信号ｆｌａｔ＝０が出力される。

なお、Th_avesubは予め実験で求められた閾値である。

例えば、図１４（ｂ）に示した局所ブロックでは、Ave_sub１＝１３６、Ave_sub２＝１３９、Ave_sub４＝１４３、Ave_sub４＝１４０となり、
max(|Ave_sub１−Ave_sub２|,|Ave_sub１−Ave_sub３|,|Ave_sub１−Ave_sub４|,|Ave_sub２−Ave_sub３|,|Ave_sub２−Ave_sub４|,|Ave_sub３−Ave_sub４|)＝７が、TH_avesubと比較され、平坦網点識別信号が出力される。

このように、変形例４では、局所ブロックを複数のサブブロックに分割し、各サブブロックの画素の平均濃度値を求める。そして、各サブブロック間の平均濃度値の差の中の最大値を基に、平坦網点部か非平坦網点部かを判定する。

この変形例によれば、上述したような隣接画素間の差分絶対値総和ｓｕｂｍおよびｓｕｂｓを用いた判定に比べて、演算処理に要する時間を短縮することができる。

〔実施形態２〕
本発明の他の実施形態について説明すれば、以下の通りである。なお、前記実施形態と同一の機能を有する部材については、同一の符号を付記し、その説明は省略する。

本実施形態は、上記実施形態の網点線数認識部１４を備えた画像読取処理装置に関するものである。

本実施形態に係る画像読取処理装置は、図３０に示すように、カラー画像入力装置１０１、画像処理装置１０２および操作パネル１０４から構成されている。

操作パネル１０４は、画像読取処理装置の動作モードを設定する設定ボタンやテンキー、液晶ディスプレイなどで構成される表示部より構成されるものである。

カラー画像入力装置１０１は、例えば、スキャナ部より構成されており、原稿からの反射光像をＲＧＢ（Ｒ：赤・Ｇ：緑・Ｂ：青）アナログ信号としてＣＣＤ(Charge Coupled Device) にて読み取るものである。

画像処理装置１０２は、上述したＡ／Ｄ（アナログ／デジタル）変換部１１、シェーディング補正部１２、原稿種別自動判別部１３および網点線数認識部１４からなっている。

なお、本実施形態における原稿種別自動判別部１３は、後段の装置（例えば、コンピュータやプリンタなど）に対して、原稿の種別を示す原稿種別信号を出力する。また、本実施形態の網点線数認識部１４は、後段の装置（例えば、コンピュータやプリンタなど）に対して、認識した網点の線数を示す網点線数識別信号を出力する。

このように、画像読取処理装置からは、原稿を読み取ったＲＧＢ信号の他に、原稿種別信号・網点線数識別信号が後段のコンピュータに入力される。あるいは、コンピュータを介さずに直接プリンタに入力するようにしても良い。この場合も上記したように、原稿種別自動判別部１３は必ずしも必要ない。また、画像処理装置１０２は、網点線数認識部１４の代わりに、上記網点線数認識部１４ａまたは網点線数認識部１４ｂまたは網点線数認識部１４ｃを備えていても良い。

〔プログラム・記録媒体の説明〕
また、本発明に係る網点線数認識処理の方法をソフトウェア(アプリケーションプログラム)として実現してもかまわない。この場合、網点線数認識結果に基づく処理を実現するソフトウェアを組み込んだプリンタ・ドライバをコンピュータやプリンタに設けることができる。

上記の例として、図３１を用いて網点線数認識結果に基づく処理を以下に説明する。

図３１に示すように、コンピュータ５は、プリンタ・ドライバ５１、通信ポートドライバ５２、通信ポート５３が組み込まれている。プリンタ・ドライバ５１は、色補正部５４、空間フィルタ処理部５５、階調再現処理部５６、プリンタ言語翻訳部５７を有している。また、コンピュータ５は、プリンタ（画像出力装置）６と接続されており、プリンタ６は、コンピュータ５から出力された画像データに応じて画像出力するようになっている。

コンピュータ５において、各種のアプリケーションプログラムを実行することにより生成された画像データは、色補正部５４で色濁りを取り除く色補正処理が施され、空間フィルタ処理部５５において網点線数認識結果に基づいた上述のフィルタ処理が行われる。なお、この場合、色補正部５４には黒生成下色除去処理も含まれる。

上記処理がなされた画像データは、階調再現処理部５６にて上述した階調再現処理（中間調生成処理）が施された後、プリンタ言語翻訳部５７にてプリンタ言語に変換される。そして、プリンタ言語に変換された画像データは、通信ポートドライバ５２、通信ポート（例えばＲＳ２３２Ｃ・ＬＡＮ等）５３を介してプリンタ６に入力される。プリンタ６は、プリンタ機能の他に、コピー機能およびファックス機能を有するデジタル複合機であってもよい。

また、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、網点線数認識処理を行う画像処理方法を記録することもできる。

この結果、網点線数の認識を行い、その結果に基づいて適切な処理を施す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。

記録媒体としては、マイクロコンピュータで処理が行われるために図示しないメモリ、例えばＲＯＭのようなプログラムメディアであってもよく、図示しない外部記憶装置としてのプログラム読取装置が設けられ、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。

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、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。この場合、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。

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並びに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よい。

また、この場合、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よい。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、あるいは別の記録媒体からインストールされるものであってもよい。

上記記録媒体は、デジタルカラー画像形成装置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。

なお、上記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ディスクプレイ・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ネットワークカードやモデムなどが備えられる。

以上では、混色網点領域に対して不要な色成分の信号が抽出されるのを防ぐ（不要な色成分の信号を除去する）方法として、選定した色成分の画像データの２値化処理を行う閾値を局所ブロック毎に変更する方法について説明した。すなわち、上記閾値調整部は、着目した色成分選定部により選定された色成分のみの信号を抽出するための特定色成分抽出手段である。しかしながら、不要な色成分の信号を除去する方法は、これに限られず、例えば、ＲＧＢ信号よりなる画像データに対して、カラーバランスを求め、その結果に基づいて、必要な信号のみを選択するようにしても良い。

より具体的には、以下の通りにすれば良い。

上述したように原稿種別自動判定部１３において検出された網点画素もしくは網点エリアの局所ブロックについて、色成分選定部４０により、最も繁雑度の大きい色成分が選定される。そして、入力画像が混色網点の場合、局所ブロックごとにＣＭＹの中で最も濃度変化が大きい色の網点に着目して、その色の網点周期だけを用いて原稿の網点線数を認識することが望ましい。さらには、最も濃度変化が大きい色の網点に対しては、その色の網点の濃度が最もよく読み取れているチャンネル（入力画像データの信号）を用いて処理することが望ましい。すなわち、図１４（ａ）に示すように主にマゼンタで構成されている混色網点に対しては、マゼンタにもっとも良く反応するＧ（グリーン）画像（マゼンタの補色）を用いることにより、ほぼマゼンタ網点だけに着目した網点線数認識処理が可能となる。そのため、上記色成分選定部４０は、図１４（ａ）のような局所ブロックに対して、繁雑度が最も大きいＧ画像データを、閾値設定部４２、閾値調整部４３および２値化処理部４４に出力する画像データとして選定する。

上記処理の場合、対象となる網点はマゼンタと限定できるため、混色網点に対して、該マゼンタ以外の色成分を持つ網点の影響を除外しながら、線数の特徴を表す特徴量を算出することで、高精度な線数認識が可能となる。

例えば、色成分選定部４０は、選定した色成分を示す選定色成分信号を、最大反転回数算出部４５に出力してもよい。

上記最大反転回数算出部４５は前記２値データに対して、主走査、副走査各ラインの２値データの切り替え回数（反転回数）（ｍｒｅｖ）を基に局所ブロックの最大反転回数を算出するものである。ここで、最大反転回数算出部４５は、上記２値データが切り替わっている画素に相当するＲ、Ｇ、Ｂ画像の画素値のバランスを基に、色成分選定部４０から出力された選定色成分信号に対応する色成分の網点（ここでは、マゼンタ）である場合のみ、切り替え回数を増やすことで、対象としている色の網点に対する反転回数だけを計測することが可能となる。

また、上記混色網点領域に対して不要な色成分の信号を除去する方法は、網点線数を求める方法に限定されるものではなく、網点領域を抽出する際に用いることも可能である。

このように、本発明の画像処理装置は、原稿から読み取られた画像の網点線数を識別する網点線数認識部（網点線数認識手段）１４を備える画像処理装置２において、前記網点線数認識部１４は、最も煩雑度の大きい色成分を選定する色成分選定部（色成分選定手段）４０と、該色成分選定部４０が選定した色成分の網点に対する２値データの反転回数を計測する最大反転回数算出部（特定色成分信号抽出手段）４５とを備えるものである。

すなわち、最大反転回数算出部４５は、色成分選定部４０が選定した色成分の網点に対応した特徴量のみを計測する特定色成分信号抽出手段である。

これにより、不要な色成分の信号を除去することができる。

本発明は上述した各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、異なる実施形態にそれぞれ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。

本発明の画像処理方法は、デジタルカラー複写機に適用できるが、その他に、画像データを入力して出力される画像データの再現性の向上を図る必要のある装置であれば、どのような装置であっても適用できる。このような装置として、例えば、スキャナ等の読取装置がある。

本発明の実施形態１を示すものであり、画像処理装置に備えられる網点線数認識部の構成を示すブロック図である。 本発明の係る画像形成装置の構成を示すブロック図である。 本発明の画像処理装置に備えられた原稿種別自動判別部の構成を示すブロック図である。 （ａ）〜（ｃ）は、上記原稿種別自動判別部に備えたられた文字画素検出部において、文字画素を検出するため入力画像データにたたみ込み演算されるフィルタ係数の一例を示す説明図である。 （ａ）（ｂ）は、上記原稿種別自動判別部に備えたられた背景下地検出部において、背景下地画素を検出するために用いる濃度ヒストグラムの一例を示す説明図である。 （ａ）（ｂ）は、上記原稿種別自動判別部に備えたられた網点画素検出部において、網点画素を検出するための特徴量（隣接画素差分値総和、最大濃度差）算出に用いるブロックメモリと上記特徴量の分布の一例を示す説明図である。 （ａ）〜（ｄ）は、入力画像データ例に対する原稿種別自動判別部に備えられた写真候補画素検出部と写真候補画素ラベリング部と写真候補画素カウント部と網点画素検出部と網点画素カウント部の結果の一例を示す説明図である。 図３に示す原稿種別自動判別部（写真種別判定部）の処理の流れを示すフローチャートである。 図３に示す原稿種別自動判別部に備えられたラベリング部の処理の流れを示すフローチャートである。 （ａ）〜（ｄ）は、上記ラベリング部の処理方法の一例を示す説明図である。 上記原稿種別自動判別部の別の構成例を示すブロック図である。 上記網点線数認識部が対象とする網点領域を示す説明図である。 実施形態１に係る網点線数認識部の処理の流れを示すフローチャートである。 （ａ）は、マゼンタ網点とシアン網点とから構成される１２０線混色網点の一例を示す説明図であり、（ｂ）は、（ａ）の網点に対するＧ画像データを示す説明図である。 図１４（ａ）（ｂ）に示された局所ブロックの各画素の座標を示す説明図である。 （ａ）は、平坦網点領域だけ用いた場合の８５線、１３３線、１７５線の網点原稿それぞれ複数枚に対する最大反転回数平均値の度数分布の一例を示す図であり、（ｂ）は、平坦網点領域だけでなく、非平坦網点部を用いた場合の８５線、１３３線、１７５線の網点原稿それぞれ複数枚に対する最大反転回数平均値の度数分布の一例を示す図である。 図１４（ｂ）の上から２ライン目の主走査方向ラインの濃度変化と、それに対する閾値ｔｈ１と、閾値ｔｈ１を調整すべき最適閾値レンジとを示す説明図である。 図１４（ｂ）に示されたＧ画像データに対して２値化処理された２値データを示す説明図であり、（ａ）は閾値ｔｈ２を用いた場合、（ｂ）は閾値ｔｈ１を用いた場合である。 （ａ）は、１７５線の単色網点の一例を示す説明図であり、（ｂ）は、（ａ）の網点に対するＧ画像データに対して２値化処理された２値データを示す説明図である。 図１４（ａ）の網点に対する、シアン網点の濃度変化が反映されない場合のＧ画像データの一例を示す説明図である。 ２値データの最大反転回数平均値の度数分布を示す説明図であり、（ａ）は上記網点線数認識部の閾値調整部の効果を示すための比較用のデータ、（ｂ）は本発明におけるデータである。 （ａ）は８５線網点に対して最適なフィルタ周波数特性の一例、（ｂ）は１３３線網点に対して最適なフィルタ周波数特性の一例、（ｃ）は１７５線網点に対して最適なフィルタ周波数特性の一例を示す説明図である。 （ａ）は図２２（ａ）に対応するフィルタ係数の一例、（ｂ）は図２２（ｂ）に対応するフィルタ係数の一例、（ｃ）は図２２（ｃ）に対応するフィルタ係数の一例を示す説明図である。 （ａ）（ｂ）は、線数に応じて適用される網点上文字検出処理に使われる低周波エッジフィルタの一例を示す説明図である。 網点線数認識部の変形例１の構成を示すブロック図である。 図２５に示す網点線数認識部における網点線数認識処理の流れを示すフローチャートである。 網点線数認識部の変形例２の構成を示すブロック図である。 網点線数認識部の変形例３の構成を示すブロック図である。 図２８に示す網点線数認識部における網点線数認識処理の流れを示すブローチャートである。 本発明の実施形態２に係る画像読取処理装置の構成を示すブロック図である。 本発明をソフトウェア（アプリケーションプログラム）として実現した場合の上記画像処理装置の構成を示すブロック図である。 （ａ）は濃度変化が大きい網点領域における局所ブロックの主走査方向１ラインの一例を示す図であり、（ｂ）は（ａ）の濃度変化と閾値との関係を示す図であり、（ｃ）は（ａ）の網点周期を正しく再現したときの２値データを示した図であり、（ｄ）は（ｂ）に示す閾値ｔｈ１により生成された２値データを示す図である。

符号の説明

１・１０１ カラー画像入力装置（読取装置）
２・１０２ 画像処理装置
３ カラー画像出力装置
５ コンピュータ
６ プリンタ
１１ Ａ／Ｄ変換部
１２ シェーディング補正部
１３ 原稿種別自動判別部
１４・１４ａ・１４ｂ・１４ｃ 網点線数認識部（網点線数認識手段）
１５ 入力階調補正部
１６ 色補正部
１７ 黒生成下色除去部
１８ 空間フィルタ処理部
１９ 出力階調補正部
２０ 階調再現処理部
２１ 領域分離処理部
３１ 文字画素検出部
３２ 背景下地画素検出部
３３ 網点画素検出部
３４ 写真候補画素検出部
３５ 写真候補画素ラベリング部
３６ 写真候補画素カウント部
３７ 網点画素カウント部
３８ 写真種別判定部
４０ 色成分選定部
４１・４１ｃ 平坦網点識別部（平坦網点識別手段）
４２・４２ａ・４２ｃ 閾値設定部（閾値決定手段）
４３・４３ａ・４３ｂ・４３ｃ 閾値調整部（閾値決定手段）
４４・４４ｃ ２値化処理部（抽出手段、２値化処理手段）
４５・４５ｃ 最大反転回数算出部（抽出手段、反転回数算出手段）
４６・ 最大反転回数平均値算出部（抽出手段、反転回数抽出手段）
４６ｃ 最大反転回数平均値算出部（抽出手段、反転回数算出手段）
４７ 網点線数判定部（網点線数判定手段）
４８ 平均画素濃度算出部
５１ プリンタ・ドライバ
５２ 通信ポートドライバ
５３ 通信ポート
５４ 色補正部
５５ 空間フィルタ処理部
５６ 階調再現処理部
５７ プリンタ言語翻訳部

Claims (18)

1. 読取装置によって原稿から読み取られた画像の網点線数を識別する網点線数認識手段を備える画像処理装置において、
   前記網点線数認識手段は、
   複数の画素よりなる局所ブロックごとに濃度分布情報を抽出し、該濃度分布情報に基づいて、局所ブロックが、濃度変化の小さな平坦網点領域であるか、濃度変化の大きな非平坦網点領域であるかを識別する平坦網点識別手段と、
   前記読取装置における各色成分の読取特性に対応して予め定められた調整値を用いて、各画素間の濃度変化の状況を示す特徴量を抽出するための閾値を決定する閾値決定手段と、
   前記平坦網点識別手段が平坦網点領域であると識別した局所ブロックについて、前記閾値決定手段が決定した閾値により前記特徴量を抽出する抽出手段と、
   前記抽出手段が抽出した特徴量に基づいて網点線数を判定する網点線数判定手段とを備えることを特徴とする画像処理装置。
2. 前記抽出手段は、
   前記閾値決定手段が決定した閾値により、前記局所ブロックにおける各画素の２値データを生成する２値化処理手段と、
   前記２値化処理手段が生成した２値データの反転回数を算出する反転回数算出手段と、
   前記反転回数算出手段が算出した反転回数の中から、前記平坦網点識別手段が平坦網点領域と識別した局所ブロックに対応する反転回数を、前記特徴量として抽出する反転回数抽出手段とを備えることを特徴とする請求項１に記載の画像処理装置。
3. 前記抽出手段は、
   前記平坦網点識別手段が平坦網点領域と識別した局所ブロックに対して、前記閾値決定手段が決定した閾値により、各画素の２値データを生成する２値化処理手段と、
   前記２値化処理手段が生成した２値データの反転回数を前記特徴量として算出する反転回数算出手段とを備えることを特徴とする請求項１に記載の画像処理装置。
4. 前記閾値決定手段は、前記局所ブロックにおける画素の平均濃度値に基づいて、前記閾値を決定することを特徴とする請求項２または３に記載の画像処理装置。
5. 前記閾値決定手段は、前記局所ブロックにおける濃度情報に基づいて、前記閾値を決定することを特徴とする請求項２または３に記載の画像処理装置。
6. 前記平坦網点識別手段は、前記局所ブロックにおける隣接画素間の濃度差を基に、平坦網点領域か否かを判定することを特徴とする請求項１に記載の画像処理装置。
7. 前記局所ブロックが所定数のサブブロックに分割されており、
   前記平坦網点識別手段は、前記サブブロックに含まれる画素の平均濃度値を求め、該平均濃度値の各サブブロック間の差分を基に、平坦網点領域か否かを判定することを特徴とする請求項１に記載の画像処理装置。
8. 請求項１から７の何れか１項に記載の画像処理装置を備えることを特徴とする画像形成装置。
9. 請求項１から７の何れか１項に記載の画像処理装置を備えることを特徴とする画像読取処理装置。
10. 読取装置によって原稿から読み取られた画像の網点線数を識別する網点線数認識工程を含む画像処理方法において、
    前記網点線数認識工程は、
    複数の画素よりなる局所ブロックごとに濃度分布情報を抽出し、該濃度分布情報に基づいて、局所ブロックが、濃度変化の小さな平坦網点領域であるか、濃度変化の大きな非平坦網点領域であるかを識別する平坦網点識別工程と、
    前記読取装置における各色成分の読取特性に対応して予め定められた調整値を用いて、各画素間の濃度変化の状況を示す特徴量を抽出するための閾値を決定する閾値決定工程と、
    前記平坦網点識別工程で平坦網点領域と識別された局所ブロックについて、前記閾値決定工程で決定された閾値により前記特徴量を抽出する抽出工程と、
    抽出された特徴量に基づいて網点線数を判定する網点線数判定工程とを含むことを特徴とする画像処理方法。
11. 前記抽出工程は、
    前記閾値決定工程で決定された閾値により、前記局所ブロックにおける各画素の２値データを生成する２値化処理工程と、
    前記２値データの反転回数を算出する反転回数算出工程と、
    算出された反転回数の中から、前記平坦網点識別工程で平坦網点領域と識別された局所ブロックに対応する反転回数を、前記特徴量として抽出する反転回数抽出工程とを含むことを特徴とする請求項１０に記載の画像処理方法。
12. 前記抽出工程は、
    前記平坦網点識別工程で平坦網点領域と識別された局所ブロックに対して、前記閾値決定工程で決定された閾値により、各画素の２値データを生成する２値化処理工程と、
    前記２値化処理工程で生成された２値データの反転回数を前記特徴量として算出する反転回数算出工程とを含むことを特徴とする請求項１０に記載の画像処理方法。
13. 前記閾値決定工程は、前記局所ブロックにおける画素の平均濃度値に基づいて、前記閾値を決定することを特徴とする請求項１１または１２に記載の画像処理方法。
14. 前記閾値決定工程は、前記局所ブロックにおける濃度情報に基づいて、前記閾値を決定することを特徴とする請求項１１または１２に記載の画像処理方法。
15. 前記平坦網点識別工程は、前記局所ブロックにおける隣接画素間の濃度差を基に、平坦網点領域か否かを判定することを特徴とする請求項１０に記載の画像処理方法。
16. 前記局所ブロックが所定数のサブブロックに分割されており、
    前記平坦網点識別工程は、前記サブブロックに含まれる画素の平均濃度値を求め、該平均濃度値の各サブブロック間の差分を基に、平坦網点領域か否かを判定することを特徴とする請求項１０に記載の画像処理方法。
17. 請求項１から７の何れか１項に記載の画像処理装置を動作させる画像処理プログラムであって、コンピュータを上記の各手段として機能させるための画像処理プログラム。
18. 請求項１７に記載の画像処理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