JP2007072823A - 画像選択装置および画像選択方法 - Google Patents

Abstract

【課題】 複数の画像データの中からユーザの嗜好性に応じて出力対象の候補となる画像データを選択する。
【解決手段】 印刷装置１００は、様々な特徴量を有する学習用画像データを液晶ディスプレイ１５０に表示し、その中からユーザの好みの画像の選択を受け付ける。そして、ユーザによって選択された画像データの特徴量に基づいてユーザの嗜好性を学習し、その嗜好性を表す許容範囲や評価式を嗜好性データＰＤとして記憶する。嗜好性データＰＤの学習を行った後、印刷装置１００は、メモリカードＭＣから入力した画像データを解析し、この嗜好性データＰＤに合致する画像を印刷対象の候補として選択する。
【選択図】 図２

Description

本発明は、複数の画像データの中から出力対象の候補となる画像を選択する技術に関する。

デジタルカメラで撮影した画像データは、通常、デジタルカメラの内部にセットされたメモリカードに記録される。デジタルカメラで撮影した画像データは、撮影後において容易に削除可能であるため、ユーザは気軽に撮影を行うことができる。また、近年のメモリカードの容量の増加によって１枚のメモリカードの中に１００枚以上の大量の画像データを記録することも可能である。従って、ユーザは、非常に多くの画像をメモリカードに記録している場合がある。

メモリカードに記録された大量の画像データの中から、印刷対象とする画像を選択する作業は、ユーザによって、非常に煩わしい作業である。そこで、例えば、下記特許文献１には、画像データを解析することにより、手ブレの少ない画像を自動的に選択して、ユーザに印刷対象として推奨する技術が開示されている。

特開２００２−１０１７９号公報

上述した従来の技術では、撮影に失敗した画像を印刷対象から排除することができるため、ユーザの負担を幾分軽減することは可能である。しかし、ユーザの画像選択の基準は、手ブレの有無には限られない。例えば、メモリカード内のすべての画像データを印刷するユーザもいれば、半分ほどの枚数を選択して印刷するユーザもいる。また、人が写っている画像データを好んで印刷するユーザもいれば、風景が撮影されている画像データを好んで印刷するユーザもいる。このように、ユーザは、ユーザ自身の嗜好に応じて様々な基準で印刷対象の画像を選択することが一般的である。

このような課題を考慮し、本発明が解決しようとする課題は、複数の画像データの中から、ユーザの嗜好性に応じて出力対象の候補となる画像データを選択することにある。

上記課題を解決するため、本発明の画像選択装置を次のように構成した。すなわち、
複数の画像データの中から出力対象の候補となる画像データを選択する画像選択装置であって、
ユーザの画像の嗜好性を学習するための複数の学習用画像データを表示部に表示し、該表示された複数の学習用画像データのうち、ユーザから任意の学習用画像データの選択を受け付け、該選択された学習用画像データに関する所定の特徴についての特徴量を嗜好性データとして記憶する嗜好性学習部と、
複数の画像データを選択対象画像データとして入力する入力部と、
前記入力部によって入力した各選択対象画像データについてそれぞれ前記特徴量を検出し、該検出された特徴量と、前記嗜好性学習部によって記憶された嗜好性データとに基づき、前記入力した複数の選択対象画像データの中から出力対象の候補となる画像データを選択する選択部と
を備えることを要旨とする。

本発明では、表示部に表示された複数の学習用画像データの中から、ユーザの好みに応じて選択された学習用画像データの特徴に基づきユーザの嗜好性を学習し、この嗜好性に応じて、入力した複数の選択対象画像データの中から出力対象の候補となる画像データを選択する。従って、本発明の画像選択装置によれば、メモリカード等から大量の画像データを入力した場合であっても、ユーザの嗜好性に応じた画像データを選択することができるため、ユーザの画像選択に関わる作業負担を軽減することが可能になる。

上記構成の画像選択装置において、
前記嗜好性学習部は、前記選択された学習用画像データが有する画素値に関する特徴量を前記嗜好性データとして記憶し、
前記選択部は、前記入力した各選択対象画像データについてそれぞれ、前記画素値に関する特徴量を検出し、該検出された特徴量と前記嗜好性データとに基づき、前記出力対象の候補となる画像データを選択するものとしてもよい。

例えば、前記嗜好性学習部は、前記画素値に関する特徴量として、明るさ、鮮やかさ、色相、のうち、少なくとも１つについて前記嗜好性データとして記憶するものとすることができる。

このような構成によれば、明るさや鮮やかさ、色相など、画素値についてのユーザの嗜好性を反映させて、出力対象の画像を選択することが可能になる。画素値に関する特徴量は、周知の画像解析技術を用いて求めることができる。

上記構成の画像選択装置において、
前記嗜好性学習部は、前記選択された学習用画像データに撮像された被写体に関する特徴量を前記嗜好性データとして記憶し、
前記選択部は、前記入力した各選択対象画像データについてそれぞれ、前記被写体に関する特徴量を検出し、該検出された特徴量と前記嗜好性データとに基づき、前記出力対象の候補となる画像データを選択するものとしてもよい。

例えば、前記嗜好性学習部は、前記被写体に関する特徴量として、顔の大きさ、顔の位置、顔の数、類似度、のうち、少なくとも１つについて前記嗜好性データとして記憶するものとすることができる。

このような構成によれば、顔の大きさや位置など、被写体についてのユーザの嗜好性を反映させて、出力対象の画像を選択することが可能になる。被写体に関する特徴量は、周知の画像解析技術を用いて求めることができる。

上記構成の画像選択装置において、
前記嗜好性学習部は、前記選択された学習用画像データが撮影された撮影状況に関する特徴量を前記嗜好性データとして記憶し、
前記選択部は、前記入力した各選択対象画像データについてそれぞれ、前記撮影状況に関する特徴量を検出し、該検出された特徴量と前記嗜好性データとに基づき、前記出力対象の候補となる画像データを選択するものとしてもよい。

例えば、前記嗜好性学習部は、前記撮影状況に関する特徴量として、シャープ度、ピントずれ度、露出不正度、赤目度、のうち、少なくとも１つについて前記嗜好性データとして記憶するものとすることができる。

このような構成によれば、画像のシャープ度やピントずれの度合いなど、撮影状況についてのユーザの嗜好性を反映させて、出力対象の画像を選択することが可能になる。撮影状況に関する特徴量は、周知の画像解析技術を用いて求めることができる。

上記構成の画像選択装置において、
前記嗜好性学習部は、前記特徴量として、前記選択された学習用画像データの数または割合を前記嗜好性データとして記憶し、
前記選択部は、前記入力した複数の選択対象画像データの中から、前記数または割合に応じた数の選択対象画像データを、前記出力対象の候補となる画像データとして選択するものとしてもよい。

このような構成であれば、ユーザの好む出力数や出力割合に応じて出力対象の画像を選択することが可能になる。なお、出力割合とは、入力した画像データの数に対する出力する画像データの数の割合のことをいう。

上記構成の画像選択装置において、
前記嗜好性学習部は、前記選択された各学習用画像データが有する特徴量に基づき、該特徴量の範囲を決定して該範囲を前記嗜好性データとして記憶し、
前記選択部は、前記検出された特徴量が、前記特徴量の範囲に含まれる選択対象画像データを、前記出力対象の候補となる画像データとして選択するものとしてもよい。

このような構成であれば、選択対象画像データから検出された特徴量が、嗜好性データとして記憶された特徴量の許容範囲に含まれるか否かという単純な比較によって出力対象の画像を選択することが可能になるため、処理速度を向上させることができる。

上記構成の画像選択装置において、
前記嗜好性学習部は、前記選択された学習用画像データについて、それぞれ評価値の入力を受け付け、前記特徴量と前記評価値との対応関係を嗜好性データとして記憶し、
前記選択部は、前記検出された特徴量と前記対応関係に基づき、前記選択対象画像データのそれぞれについて評価値を求め、該評価値の大きさに基づいて、前記出力対象の候補となる画像データを選択するものとしてもよい。

このような構成であれば、入力した全ての選択対象画像データについて評価値を求め、この評価値に基づき出力対象の画像を選択することが可能になるため、ユーザの嗜好性をより反映させることができる。なお、嗜好性データとして記憶される対応関係は、演算式によって与えられるものとしてもよいし、テーブルによって与えられるものとしてもよい。

上記構成の画像選択装置において、
前記複数の学習用画像データを予め記憶した記憶部を備えるものとしてもよい。

このような構成であれば、様々な特徴量を有する学習用画像データを予め用意しておくことができるため、ユーザの嗜好性をより詳細に学習することができる。

上記構成の画像選択装置において、
前記嗜好性学習部は、所定の記録媒体に記録された画像データを前記学習用画像データとして入力するものとしてもよい。

このような構成であれば、例えば、メモリカード等の記録媒体に記録された画像データを学習用画像データとして入力し、その中からユーザが印刷対象として選択した画像データを元に、嗜好性データを学習することができる。つまり、ユーザの印刷履歴に基づき、ユーザの嗜好性を学習することが可能になる。なお、学習用画像データは、メモリカードやＣＤ−ＲＯＭなどの記録媒体から直接入力するものとしてもよいし、記録媒体のセットされたデジタルカメラ等の外部機器を当該画像選択装置に接続することにより、この外部機器から間接的に入力するものとしてもよい。

上記構成の画像選択装置において、
前記選択部によって選択された画像データを前記表示部に表示し、該表示された画像データのうち、ユーザから任意の画像データの選択を受け付け、該受け付けられた画像データに関する前記所定の特徴についての特徴量を検出し、該特徴量に応じて、前記嗜好性データを更新する更新部を備えるものとしてもよい。

このような構成であれば、選択部によって自動的に選択された画像データの中から、更に、ユーザによって選択された画像データに基づき、嗜好性データを更新することができるため、ユーザの嗜好性をより反映させた画像を選択することが可能になる。

上記構成の画像選択装置において、
前記ユーザを識別する手段を備え、
前記嗜好性学習部は、前記嗜好性データを、前記ユーザ毎に記憶するものとしてもよい。

このような構成であれば、画像選択装置を利用するユーザ毎に異なる嗜好性データを記憶することができるため、ユーザの嗜好性をより反映させた画像の選択を行うことが可能になる。

上記構成の画像選択装置において、
更に、前記選択部によって選択された画像データを印刷する印刷機構を備えるものとしてもよい。

このような構成であれば、本願の画像選択装置を印刷装置として適用することができるため、出力対象として選択した画像の印刷を簡便に行うことが可能になる。

なお、本発明は、上述した種々の画像選択装置としての構成のほか、画像選択方法や、コンピュータプログラムとしても構成することができる。かかるコンピュータプログラムは、コンピュータが読取可能な記録媒体に記録されていてもよい。記録媒体としては、例えば、フレキシブルディスクやＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、光磁気ディスク、メモリカード、ハードディスク等の種々の媒体を利用することができる。

以下、上述した本発明の作用・効果を一層明らかにするため、本発明の実施の形態を実施例に基づき次の順序で説明する。
Ａ．第１実施例：
（Ａ１）印刷装置の概略構成：
（Ａ２）嗜好性学習処理：
（Ａ２−１）第１の嗜好性学習処理：
（Ａ２−２）第２の嗜好性学習処理：
（Ａ２−３）嗜好性更新処理：
（Ａ３）画像選択処理：
Ｂ．第２実施例：
Ｃ．変形例：

Ａ．第１実施例：
（Ａ１）印刷装置の概略構成：
図１は、本願の画像選択装置の実施例である印刷装置１００の外観図である。印刷装置１００は、いわゆる複合機タイプの印刷装置であり、光学的に画像を読み込むスキャナ１１０や、画像データの記録されたメモリカードＭＣを挿入するためのメモリカードスロット１２０、デジタルカメラ等の機器を接続するＵＳＢインタフェース１３０等を備えている。印刷装置１００は、スキャナ１１０によって取り込んだ画像や、メモリカードＭＣから読み取った画像、ＵＳＢインタフェース１３０を介してデジタルカメラから読み取った画像を印刷用紙Ｐに印刷することができる。また、プリンタケーブル等によって接続された図示していないパーソナルコンピュータから入力した画像の印刷も行うことができる。

印刷装置１００は、印刷対象の画像の選択や、印刷用紙のサイズの設定など、印刷に関する種々の操作を行うための操作パネル１４０を備えている。操作パネル１４０には、印刷を推奨する画像を自動的に選択させるための自動選択ボタン１４１や、印刷を実行させるための印刷ボタン１４２等が備えられている。操作パネル１４０の中央部には、液晶ディスプレイ１５０が備えられている。液晶ディスプレイ１５０には、メモリカードＭＣ等から入力した画像の一覧や、印刷装置１００によって印刷を推奨する画像として自動的に選択された画像が表示される。

図２は、印刷装置１００の内部構成を示す説明図である。図示するように、印刷装置１００は、印刷用紙Ｐに印刷を行う機構として、インクカートリッジ２１２を搭載したキャリッジ２１０や、キャリッジ２１０を主走査方向に駆動するキャリッジモータ２２０、印刷用紙Ｐを副走査方向に搬送する紙送りモータ２３０等を備えている。

キャリッジ２１０は、シアン（Ｃ）、マゼンタ（Ｍ）、イエロ（Ｙ）、ブラック（Ｋ）、ライトシアン（Ｌｃ）、ライトマゼンタ（Ｌｍ）の各色を現すインク毎に計６個のインクヘッド２１１を備えている。キャリッジ２１０には、これらのインクが収容されたインクカートリッジ２１２が装着されている。インクカートリッジ２１２からインクヘッド２１１に供給されたインクは、図示しないピエゾ素子を駆動することで印刷用紙Ｐに吐出される。

キャリッジ２１０は、プラテン２７０の軸方向と並行に設置された摺動軸２８０に移動自在に保持されている。キャリッジモータ２２０は、制御回路２５０からの指令に応じて駆動ベルト２６０を回転させることで、プラテン２７０の軸方向と平行に、すなわち、主走査方向にキャリッジ２１０を往復運動させる。

紙送りモータ２３０は、制御回路２５０からの指令に応じてプラテン２７０を回転させることで、プラテン２７０の軸方向と垂直に印刷用紙Ｐを搬送する。つまり、紙送りモータ２３０は、キャリッジ２１０を相対的に副走査方向に移動させることができる。

印刷装置１００は、上述したインクヘッド２１１やキャリッジモータ２２０、紙送りモータ２３０の動作を制御するための制御回路２５０を備えている。制御回路２５０には、図１に示したスキャナ１１０やメモリカードスロット１２０、ＵＳＢインタフェース１３０、操作パネル１４０、液晶ディスプレイ１５０が接続されている。

制御回路２５０は、ＣＰＵ２５１とＲＯＭ２５２とＲＡＭ２５３とＥＥＰＲＯＭ２５４とによって構成されている。ＲＯＭ２５２には、印刷装置１００の動作を全般的に制御するための制御プログラムや、後述する学習用画像データが記憶されている。ＲＡＭ２５３には、メモリカードＭＣから読み出した画像データ等が一時的に記憶される。ＥＥＰＲＯＭ２５４には、後述する嗜好性データＰＤが記憶されている。

ＣＰＵ２５１は、ＲＯＭ２５２に記憶された制御プログラムをＲＡＭ２５３に展開して実行することで、図示する嗜好性学習部３００、出力対象選択部３１０として機能する。

嗜好性学習部３００は、複数の学習用画像データを液晶ディスプレイ１５０に表示し、この複数の学習用画像データのうち、ユーザから任意の学習用画像データの選択を受け付け、選択された学習用画像データの特徴に基づき、ユーザの画像の嗜好性を学習し、この嗜好性を反映させた嗜好性データＰＤをＥＥＰＲＯＭ２５４に記憶する。

出力対象選択部３１０は、ＥＥＰＲＯＭ２５４に記憶された嗜好性データＰＤに基づき、メモリカードＭＣ等から入力した複数の画像データの中から、ユーザの嗜好性に合致する画像を自動的に選択し、印刷対象の候補としてユーザに提示する。

図３は、ＥＥＰＲＯＭ２５４に記憶された嗜好性データＰＤの一例を示す説明図である。図示するように、この嗜好性データＰＤには、画像の画素値や被写体、撮影状況等についてのユーザの嗜好性の判断基準となる評価項目毎に、その評価項目に応じた特徴量の許容範囲と、各項目の重要度を表す重み付け係数ｗと、項目番号ｎと、が対応付けて記憶されている。本実施例では、評価項目として、画像の明るさ、鮮やかさ、記憶色（色相）、シャープ度、撮像されている被写体の顔の大きさ、顔の位置、顔の数、画像のブレ度、ピントずれ度、露出不正度、赤目度、類似度、印刷数、印刷割合、が用意されている。この嗜好性データＰＤは、印刷装置１００を利用するユーザ毎に記憶されている。

なお、本実施例では、嗜好性データＰＤに対して、ユーザが許容する特徴量の範囲を記録するものとしたが、逆に、ユーザが許容しない特徴量の範囲を記録することも可能である。

（Ａ２）嗜好性学習処理：
（Ａ２−１）第１の嗜好性学習処理：
図４は、ＲＯＭ２５２に記憶された学習用画像データをトレーニングサンプルとして用い、ユーザの画像の嗜好性を学習する第１の嗜好性学習処理ルーチンのフローチャートである。この嗜好性学習処理ルーチンは、ユーザが印刷装置１００の初期設定を行う際にＣＰＵ２５１が嗜好性学習部３００を用いて実行するルーチンである。

この嗜好性学習処理ルーチンが実行されると、ＣＰＵ２５１は、まず、嗜好性の学習対象となる評価項目の項目番号ｎ（図３参照）を１に設定する（ステップＳ１００）。

次に、ＣＰＵ２５１は、これから嗜好性の学習を行う旨を液晶ディスプレイ１５０に表示するとともに、項目番号ｎの嗜好性を学習するために予め用意された学習用画像データをＲＯＭ２５２から読み出し、これをトレーニングサンプルとして液晶ディスプレイ１５０に表示する（ステップＳ１１０）。

学習用画像データは、嗜好性を学習する評価項目毎に、それぞれ異なる特徴量を有する画像が複数用意されている。例えば、明るさの嗜好性を学習するための学習用画像データとしては、それぞれ異なる明るさを有する複数（例えば、１０枚）の学習用画像データが用意されている。また、例えば、顔の大きさの嗜好性を学習するための学習用画像データとしては、それぞれ異なる顔の大きさを有する被写体が撮像された学習用画像データが複数枚用意されている。その他、例えば、類似度の嗜好性を学習するための学習用画像データとしては、類似判断の基準となる画像データと、かかる画像データに対してそれぞれ異なる類似度を有する画像データが複数用意されている。

学習用画像データを表示すると、ＣＰＵ２５１は、表示された学習用画像データの中から、操作パネル１４０の所定の操作に応じてユーザの好みの画像の選択を受け付ける（ステップＳ１２０）。例えば、明るさの異なる画像が複数枚表示されていれば、その中から、ユーザの好みの明るさの画像データの選択を受け付ける。このとき、好みの明るさの画像を１枚選択させるものとしてもよいし、複数枚選択させるものとしてもよい。また、好みの明るさの上限の画像と下限の画像をそれぞれ１枚ずつ、あるいは、どちらか一方を選択させるものとしてもよい。

ユーザから画像の選択を受け付けると、ＣＰＵ２５１は、選択された画像の有する特徴量から、ユーザの嗜好性を学習する（ステップＳ１３０）。例えば、明るさについての嗜好性を学習する場合では、ユーザによって画像が１枚選択された場合には、その画像の明るさの±５％の明るさを許容範囲として学習することができる。また、明るさの上限と下限の画像が選択されれば、その間の範囲の明るさを許容範囲として学習することができる。

嗜好性の学習が終了すると、ＣＰＵ２５１は、嗜好性データＰＤのｎ番目の評価項目に対して、上記ステップＳ１３０で判断した嗜好性を表す許容範囲をＥＥＰＲＯＭ２５４に記憶する（ステップＳ１４０）。

嗜好性を表す許容範囲をＥＥＰＲＯＭ２５４に記憶すると、ＣＰＵ２５１は、項目番号ｎが最終の番号であるか否かを判断する（ステップＳ１５０）。その結果、項目番号ｎが最終であれば（ステップＳ１５０：Ｙｅｓ）、一連の嗜好性学習処理ルーチンを終了する。一方、項目番号ｎが最終でなければ（ステップＳ１５０：Ｎｏ）、項目番号ｎを１つインクリメントして（ステップＳ１６０）、上記ステップＳ１１０に処理を戻し、次の評価項目について嗜好性の学習を行う。

なお、本実施例では、項目番号１３の印刷数と、項目番号１４の印刷割合については、次に説明する第２の嗜好性判断処理によって学習を行うものとする。そのため、上記ステップＳ１５０では、項目番号ｎが１２まで達した場合、すなわち、類似度の学習が終了した時点で、項目番号ｎが最終に達したと判断するものとする。

以上で説明した第１の嗜好性学習処理ルーチンによれば、ＲＯＭ２５２に予め記憶させておいた学習用画像データをトレーニングサンプルとして利用することにより、ユーザの画像の嗜好性を学習することができる。ＲＯＭ２５２には、様々な評価項目毎に様々な特徴量を有する学習用画像データを記憶させておくことができるため、ユーザの画像の嗜好性を的確に学習することが可能になる。

なお、上述した第１の嗜好性学習処理ルーチンは、印刷装置１００を利用するユーザ毎に行うものとすることができる。つまり、上記ステップＳ１００に先立ち、操作パネル１４０からの所定の操作に応じて、嗜好性を学習するユーザの指定を受け付ける。そして、上記ステップＳ１４０では、そのユーザに対応して用意した嗜好性データＰＤに学習された許容範囲を記録する。こうすることにより、後に説明する画像選択処理において、印刷装置１００を利用するユーザに応じた最適な画像を選択することが可能になる。

（Ａ２−２）第２の嗜好性学習処理：
図５は、印刷履歴を利用してユーザの嗜好性を学習する第２の嗜好性学習処理ルーチンのフローチャートである。この嗜好性学習処理ルーチンは、ＣＰＵ２５１が、嗜好性学習部３００を用いて初回の印刷処理時に実行するルーチンである。ここでは、メモリカードＭＣに記録された画像データを入力して印刷を行う場合について説明する。なお、画像ファイルの入力元は、ＵＳＢインタフェースを介して接続されたデジタルカメラでもよいし、パーソナルコンピュータでもよい。

この嗜好性学習処理ルーチンが実行されると、ＣＰＵ２５１は、メモリカードＭＣから画像データを入力し（ステップＳ２００）、入力した画像データの一覧を液晶ディスプレイ１５０に表示する（ステップＳ２１０）。この第２の嗜好性学習処理では、メモリカードＭＣから入力した画像データが、本願請求項記載の学習用画像データに相当する。

液晶ディスプレイ１５０に画像データの一覧を表示すると、ＣＰＵ２５１は、操作パネル１４０によってユーザによる印刷画像の選択を受け付ける（ステップＳ２２０）。そして、操作パネル１４０上の印刷ボタン１４２の操作を検出すると、インクヘッド２１１やキャリッジモータ２２０、紙送りモータ２３０等を制御し、選択された画像の印刷を行う（ステップＳ２３０）。

印刷処理を完了すると、ＣＰＵ２５１は、上記ステップＳ２２０において印刷対象として選択された画像を各評価項目（図３参照）に従って解析し、ユーザの嗜好性を学習する（ステップＳ２４０）。本実施例では、図３に示した評価項目のうち、印刷数と印刷割合について学習を行うものとする。つまり、上記ステップＳ２２０において、印刷対象として選択された画像の数が印刷数として学習され、上記ステップＳ２００で入力した画像データの数に対する、上記ステップＳ２２０で印刷対象として選択された画像の数の割合が印刷割合として学習される。

ユーザの嗜好性を学習すると、ＣＰＵ２５１は、学習した嗜好性データＰＤをＥＥＰＲＯＭ２５４に記録する（ステップＳ２５０）。

以上で説明した第２の嗜好性学習処理ルーチンによれば、実際に印刷を行った画像の履歴に応じて、ユーザの嗜好性を学習することができる。

なお、本実施例では、図３に示した評価項目のうち、印刷数と印刷割合についてのみ上述した第２の嗜好性学習処理ルーチンでユーザの嗜好性の学習をするものとしたが、他の評価項目、すなわち、画像の明るさや顔の大きさ等についても、上述した第２の嗜好性学習ルーチンでユーザの嗜好性を学習するものとしてもよい。例えば、画像の明るさについて学習を行う場合には、ユーザが上記ステップＳ２２０で選択した画像の中から、最も明るい画像と最も暗い画像とを選出し、その明るさの範囲を嗜好性データＰＤの許容範囲として学習することができる。また、顔の大きさについて学習を行う場合は、ユーザが上記ステップＳ２２０で選択した各画像から周知の顔検出技術を用いて顔領域を検出し、顔の検出された画像のうち、顔領域の面積が最大の画像と最小の画像とを選出し、その大きさの範囲を嗜好性データＰＤの許容範囲として学習することができる。このように、第２の嗜好性学習処理ルーチンによってすべての評価項目について学習を行う場合には、上述した第１の嗜好性学習処理ルーチンを省略するものとしてもよい。こうすることにより、処理の簡略化を図ることができる。

（Ａ２−３）嗜好性更新処理：
図６は、既に学習された嗜好性データを、印刷履歴に応じて更新する嗜好性更新処理ルーチンのフローチャートである。この嗜好性更新処理ルーチンは、上述した第１の嗜好性学習処理ルーチンや第２の嗜好性学習処理ルーチンが実行された後において、印刷を行う度にＣＰＵ２５１が嗜好性学習部３００を用いて実行するルーチンである。

この嗜好性更新処理ルーチンが実行されると、ＣＰＵ２５１は、ＥＥＰＲＯＭ２５４に記録された嗜好性データＰＤに基づき、メモリカードＭＣから入力した画像データの中からユーザの好みの画像を自動的に選択する画像選択処理を実行する（ステップＳ３００）。この画像選択処理の詳細は後述するが、この画像選択処理では、最終的に、メモリカードＭＣから入力した画像が、印刷枚数と共に液晶ディスプレイ１５０に表示される。このとき、印刷対象の候補として選択された画像には、印刷枚数が１枚と表示され、選択されなかった画像には印刷枚数が０枚と表示される。

印刷枚数が付された画像データが液晶ディスプレイ１５０に表示されると、ＣＰＵ２５１は、ユーザから印刷対象の変更を受け付ける（ステップＳ３１０）。ユーザは、操作パネル１４０を用いることにより、印刷枚数の設定を変更することで、印刷対象の変更を行うことができる。

印刷対象の変更を受け付けると、ＣＰＵ２５１は、操作パネル１４０上の印刷ボタン１４２の操作の検出した後に、最終的に印刷対象として選択された画像データ、すなわち、印刷枚数が１枚以上に設定された画像データの印刷を行う（ステップＳ３２０）。

印刷処理が終了すると、ＣＰＵ２５１は、ユーザによって最終的に印刷対象として選択された画像データに基づき、ユーザの新たな嗜好性を学習し、嗜好性データＰＤを更新する（ステップＳ３３０）。そして、更新した嗜好性データＰＤをＥＥＰＲＯＭ２５４に記録し（ステップＳ３４０）、一連の嗜好性更新処理ルーチンを終了する。

以下、上述した嗜好性更新処理ルーチンによって、ユーザの嗜好性を更新した具体例をいくつか説明する。

図７は、顔の大きさの嗜好性について更新を行った例を示す説明図である。例えば、上記ステップＳ３１０によって、被写体の顔の大きい画像が多く選択された場合には、図７（ａ）に示した更新前の嗜好性が、図７（ｂ）に示すように、より大きな顔の画像が好みとなるように嗜好性が変更される。また、上記ステップＳ３１０によって選択された画像の顔の大きさがまちまちであれば、図７（ｃ）に示すように、ユーザの好みが略一定になるように嗜好性が更新される。

図８は、印刷枚数の割合および印刷数の嗜好性について更新を行った例を示す説明図である。この図では、過去４回の印刷の履歴に基づき、印刷割合や印刷数を更新した例を示している。

図８（ａ）には、更新前の全画像に対する印刷割合が「５０％」であるのに対して、過去４回の印刷において、印刷数はまちまちであるが、印刷の割合が３０％前後で一定している場合を示している。この場合、上述した嗜好性更新処理によって、この印刷割合を過去４回の印刷割合の平均をとって「３０％」に更新するものとした。なお、更新後の値は、更新前の値に対してフィードバックをかけるものとしてもよい。例えば、更新前の印刷割合と印刷履歴との平均をとって、更新後の印刷割合を「４０％」に調整するものとすることができる。

図８（ｂ）には、更新前の全画像に対する印刷割合が「５０％」であるのに対して、過去４回の印刷において、印刷数はまちまちであるが、印刷の割合が常に１００％である場合を示している。この場合、上述した嗜好性更新処理によって、この印刷割合を過去４回の印刷割合に基づき「１００％」に更新するものとした。なお、更新前の印刷割合と印刷履歴との平均をとって、更新後の印刷割合を「７５％」に調整するものとしてもよい。

図８（ｃ）には、更新前の印刷数が「５０枚」であるのに対して、過去４回の印刷において、印刷割合はまちまちであるが、印刷数が３２枚前後で一定している場合を示している。この場合、上述した嗜好性更新処理によって、その印刷数を、過去４回の印刷数の平均をとって「３２枚」に更新するものとした。なお、更新前の印刷数と印刷履歴との平均をとって、更新後の印刷数を「４１枚」に調整するものとしてもよい。

図８（ｄ）には、更新前の印刷割合が「５０％」であり、印刷数が「５０枚」であるのに対して、過去４回の印刷において、印刷数および印刷割合ともにその値が分散し、まちまちである場合を示している。この場合、上述した嗜好性更新処理によって、印刷数および印刷割合とも、ユーザの嗜好性が存在しない旨を表す「ＮＵＬＬ」と設定するものとした。こうして「ＮＵＬＬ」と設定された評価項目については、画像選択処理時に、ユーザの嗜好性を反映させないものとする。

図９は、画像のシャープ度について嗜好性の更新を行った例を示す説明図である。図中のグラフは、画像番号の付された各画像データについて、そのシャープ度を縦軸に示している。シャープ度は、０から１までの値をとり、値が大きくなるほど、撮像されている画像の輪郭がシャープである旨を表している。ユーザが印刷対象として選択しなかった画像については、グラフ中に「Ｘ」マークを付している。

図９では、更新前のシャープ度の許容範囲が「０．５以上」と設定されているのに対して、図中のグラフに示したように、ユーザは、シャープ度が０．１８以上の画像を印刷対象の画像として選択している。そのため、上述した嗜好性更新処理によって、シャープ度の許容範囲を、「０．１８以上」に更新するものとした。なお、更新前の許容範囲と印刷履歴の平均をとって、更新後の許容範囲を「０．３４以上」に更新するものとしてもよい。

図１０は、画像の明るさについて嗜好性の更新を行った例を示す説明図である。図中のグラフは、画像番号の付された各画像データについて、その明るさの程度を縦軸に示している。明るさは、０から１までの値をとり、値が大きくなるほど明度が高いことを表している。ユーザが印刷対象として選択しなかった画像については、グラフ中に「Ｘ」マークを付している。

図１０では、更新前の明るさの許容範囲が、「０．１〜０．８」に設定されているのに対して、図中のグラフに示したように、ユーザは、明るさが０．１５から０．９２までの画像を印刷対象として選択している。そのため、上述した嗜好性更新処理によって、明るさの許容範囲を「０．１５〜０．９２」に更新するものとした。なお、更新前の許容範囲と印刷履歴との平均をとって、更新後の許容範囲を、「０．１２５〜０．８６」に更新するものとしてもよい。

図１１は、画像の鮮やかさについて嗜好性の更新を行った例を示す説明図である。図中のグラフは、画像番号の付された各画像データについて、その鮮やかさの程度を縦軸に示している。鮮やかさの値は、０から１までの値をとり、値が大きくなるほど彩度が高いことを表している。ユーザが印刷対象として選択しなかった画像については、グラフ中に「Ｘ」マークを付している。

図１１では、更新前の鮮やかさの許容範囲が、「０．１〜０．８」に設定されているのに対して、図中のグラフに示したように、ユーザによって印刷対象として選択された画像の鮮やかさはまちまちである。従って、上述した嗜好性更新処理によって、鮮やかさの許容範囲を「ＮＵＬＬ」に更新するものとした。上述したように、この「ＮＵＬＬ」は、画像選択処理時に、鮮やかさの評価項目についてユーザの嗜好性を反映させないことを表す。

（Ａ３）画像選択処理：
図１２は、ＣＰＵ２５１が出力対象選択部３１０を用いて実行する画像選択処理ルーチンのフローチャートである。この画像選択処理ルーチンは、上述した嗜好性更新処理のステップＳ３００（図６参照）に相当する処理であり、ユーザによって操作パネル１４０上の自動選択ボタン１４１が押された場合に実行される処理である。

この画像選択処理ルーチンが実行されると、ＣＰＵ２５１は、まず、ＥＥＰＲＯＭ２５４から印刷装置１００を操作しているユーザに応じた嗜好性データＰＤを取得する（ステップＳ４００）。ユーザの識別は、液晶ディスプレイ１５０上にユーザの選択を促す表示を行い、操作パネル１４０による操作によってユーザからその選択を受け付けることで行うことができる。

嗜好性データＰＤの入力後、ＣＰＵ２５１は、メモリカードＭＣから画像データを１つ入力する（ステップＳ４１０）。

画像データを入力すると、特徴量を算出する評価項目の項目番号ｎ（図３参照）を１に設定する（ステップＳ４２０）。

項目番号ｎの設定を終えると、ＣＰＵ２５１は、ｎ番目の評価項目について上記ステップＳ４１０で入力した画像データを解析し、その特徴量を求める（ステップＳ４３０）。図３によれば、例えば、第１番目の評価項目は「明るさ」であるため、入力した画像データの明るさを算出する。明るさは、画像データを構成する各画素の輝度の平均値を求めることで、算出することができる。なお、明るさを含め、鮮やかさやシャープ度、顔の大きさ、ブレ度など、図３に示した各評価項目の特徴量は、周知の画像解析技術を用いて求めることができる。

次に、ＣＰＵ２５１は、上記ステップＳ４３０で求めた特徴量と、上記ステップＳ４００で取得した嗜好性データＰＤとを比較し、算出された特徴量が、嗜好性データＰＤに記録された許容範囲に含まれるか否かを判断する（ステップＳ４４０）。その結果、算出された特徴量が、許容範囲に含まれなければ（ステップＳ４４０：Ｎｏ）、入力した画像データは、ユーザの嗜好性に合致しないと判断し、他の評価項目の評価を行うことなく、入力した画像データを印刷対象の候補として選択しないと決定する（ステップＳ４５０）。なお、許容範囲として「ＮＵＬＬ」と設定された評価項目については、上記ステップＳ４４０による判断を省略し、後述するステップＳ４７０に処理を進めるものとする。

一方、上記ステップＳ４３０において算出された特徴量が、嗜好性データＰＤに記録された許容範囲に含まれていれば（ステップＳ４４０：Ｙｅｓ）、その評価項目については、ユーザの嗜好性に合致していると判断し、他の評価項目についてユーザの嗜好性に合致しているか否かを判断するため、以下の処理を行う。すなわち、まず、評価項目の番号ｎが、最終番号であるか否かを判断し（ステップＳ４６０）、最終番号でなければ（ステップＳ４６０：Ｎｏ）、次の評価項目について特徴量を求めるため、ｎの値を１つインクリメントする（ステップＳ４７０）。そして、上記ステップＳ４３０に処理を戻し、次の評価項目について特徴量を求める処理を行う。

上記ステップＳ４６０において、項目番号ｎが最終番号であれば、ＣＰＵ２５１は、すべての評価項目の特徴量がユーザの嗜好性に合致すると判断し、入力した画像データを印刷対象の候補として選択する（ステップＳ４８０）。

上記ステップＳ４５０またはステップＳ４８０によって、入力した画像データを印刷対象として選択するか否かを決定すると、ＣＰＵ２５１は、全ての画像データの入力を完了したか否かを判断する（ステップＳ４９０）。その結果、全画像データの入力を完了していなければ（ステップＳ４９０：Ｎｏ）、処理をステップＳ４１０に戻し、次の画像データを入力して、その画像データについて、印刷対象として選択するか否かの決定を行う。

一方、全画像データの入力を完了していれば（ステップＳ４９０：Ｙｅｓ）、上記ステップＳ４８０において選択された画像を印刷対象の候補として液晶ディスプレイ１５０に表示する（ステップＳ５００）。具体的には、液晶ディスプレイ１５０に、メモリカードＭＣから入力した画像データをすべて表示しつつ、印刷対象として選択された画像については印刷枚数を１枚と表示し、選択されなかった画像については、印刷枚数を０枚と表示する。こうすることで、メモリカードＭＣに記録された画像のうち、どの画像が印刷対象として選択されたかを容易に判別することができる。以上で一連の画像選択処理ルーチンが終了する。

以上で説明した第１実施例の印刷装置１００によれば、第１の嗜好性学習処理や第２の嗜好性学習処理、嗜好性更新処理を実行することによって、印刷装置１００の初期設定時や印刷実行時など、様々な場面でユーザの画像の嗜好性を学習することができる。そのため、メモリカードＭＣ等から大量に画像データを入力した場合であっても、ユーザの嗜好性に合致した画像を的確に選択することが可能となり、画像印刷時におけるユーザの作業負担を大幅に軽減することができる。

また、本実施例では、ユーザ毎に嗜好性データＰＤを用意するものとしたため、印刷装置１００を利用するユーザが複数存在する場合であっても、実際に印刷を行うユーザの嗜好を的確に反映させて印刷対象の画像を選択することができる。

Ｂ．第２実施例：
上述した第１実施例では、図３に示したように、嗜好性データＰＤには、各評価項目についてユーザの嗜好性が許容範囲として記録されているものとした。これに対して、第２実施例では、ユーザの嗜好性が評価式として嗜好性データＰＤに記録されているものとする。

図１３は、第２実施例における嗜好性データＰＤの一例を示す説明図である。図示するように、本実施例では、各評価項目について、ユーザの嗜好性が、図中のグラフを表す評価式として記録されている。この評価式は、その評価項目に応じた特徴量（例えば、明るさ）に対応して、評価値Ｖが算出可能な式である。評価値Ｖが大きいほど、その特徴量がユーザの好みであることを表す。なお、本実施例では、嗜好性データＰＤに評価式が記憶されるものとしたが、特徴量に対応して評価値Ｖを取得可能なテーブルを各評価項目毎に記憶するものとしてもよい。

上述した第１の嗜好性学習処理ルーチンによって、この評価式の学習を行うには次のような処理を行う。すなわち、図４のステップＳ１２０では、液晶ディスプレイ１５０に表示された各学習用画像データに対して、それぞれ、ユーザの好みに応じた評価値をユーザから入力する。そして、ステップＳ１３０では、入力を受けた評価値と特徴量との関係を評価式として表し、この評価式をステップＳ１４０においてＥＥＰＲＯＭ２５４に記録する。こうすることにより、ユーザの嗜好性を評価式として学習することができる。

上述した第２の嗜好性学習処理ルーチンや嗜好性更新処理ルーチンにおいて評価式の学習／更新を行うには次のような処理を行う。すなわち、ユーザが印刷対象として選択した画像については、その画像の各特徴量に対応する評価値が高くなるように評価式を調整する。また、ユーザが印刷対象として選択しなかった画像については、その画像の各特徴量に対応する評価値が低くなるように評価式を調整する。

図１４は、第２実施例における画像選択処理ルーチンのフローチャートである。この画像選択処理ルーチンは、第１実施例の画像選択処理ルーチンと同様に、操作パネル１４０の自動選択ボタン１４１が押された場合に実行される処理である。

この画像選択処理ルーチンが実行されると、ＣＰＵ２５１は、まず、ＥＥＰＲＯＭ２５４から印刷装置１００を操作しているユーザに応じた嗜好性データＰＤを入力する（ステップＳ６００）。

嗜好性データＰＤを入力すると、ＣＰＵ２５１は、メモリカードＭＣから画像データを１つ入力する（ステップＳ６１０）。

画像データを入力すると、ＣＰＵ２５１は、図１３に示した嗜好性データＰＤの各評価項目について特徴量（明るさ、シャープ度等）を算出する（ステップＳ６２０）。そして、各評価項目毎に記憶された評価式に基づき、その特徴量に応じた評価値Ｖを求める（ステップＳ６３０）。

各評価項目毎に評価値Ｖを求めると、ＣＰＵ２５１は、下記式（１）に基づき、入力した画像データの総合評価値Ｖを求める（ステップＳ６４０）。下記式（１）では、上記ステップＳ６３０で求められた各評価値Ｖに、その評価項目毎に設定された重み付け係数ｗを乗じて、すべての評価値を加算することで、総合評価値ＶＴを求めている。

ＶＴ＝ｗ１Ｖ１＋ｗ２Ｖ２＋ｗ３Ｖ３＋...＋ｗｎＶｎ ・・・（１）
（ただし、ｎは、評価項目番号を表し、ｗｎは、重み付け係数を表す）

なお、重み付け係数ｗは、印刷装置１００の製造メーカによって各評価項目間の重要度に応じて予め設定されているものとする。ただし、この重み付け係数ｗは、ユーザが任意に設定可能であるものとしてもよい。また、嗜好性の学習に応じて調整されるものとしてもよい。嗜好性の学習に応じて調整する場合には、例えば、ユーザによって印刷対象として選択された各画像データの特徴量の分散σ^２に応じて設定することができる。つまり、特徴量の分散σ^２が大きい評価項目については、その評価項目は重要ではないと判断し、ＣＰＵ２５１は重み付け係数ｗの値を低くする。一方、特徴量の分散σ^２が小さい評価項目については、その評価項目は重要であると判断し、ＣＰＵ２５１は重み付け係数ｗの値を高くする。こうすることにより、ユーザの嗜好性をより反映させた総合評価値ＶＴを算出することができる。

総合評価値Ｖを算出すると、ＣＰＵ２５１は、全画像データの入力が完了したか否かを判断する（ステップＳ６５０）。そして、全画像データの入力が完了していなければ（ステップＳ６５０：Ｎｏ）、上記ステップＳ６１０に処理を戻し、次の画像データの入力を行う。

一方、全画像データの入力が完了していれば（ステップＳ６５０：Ｙｅｓ）、ＣＰＵ２５１は、総合評価値ＶＴの高い順に画像データを液晶ディスプレイ１５０に表示する（ステップＳ６６０）。このとき、嗜好性データＰＤに印刷割合が設定されていれば、その割合に応じた数の画像データを総合評価値の高い順から選択し、こうして選択された画像データの印刷枚数を１枚と表示し、残りの画像データの印刷枚数を０枚と表示する。また、嗜好性データＰＤに印刷数が設定されている場合には、その数分の画像データを総合評価値の高い順から選択し、こうして選択された画像データの印刷枚数を１枚と表示し、残りの画像データの印刷枚数を０枚と表示する。印刷数と印刷割合とが両者とも設定されている場合には、印刷割合を優先して適用するものとする。もちろん、設定により、印刷数を優先して適用するものとしてもよい。以上で一連の画像選択処理ルーチンは終了する。

以上で説明した第２実施例によれば、全ての画像データについて総合評価値ＶＴを求め、この総合評価値ＶＴの高いものから順に印刷対象として選択することができる。総合評価値ＶＴは、嗜好性データＰＤに記録された評価式や重み付け計数ｗによって厳密に算出することができるため、ユーザの嗜好性をより反映させた画像の選択を行うことが可能になる。

Ｃ．変形例：
以上、本発明の種々の実施例について説明したが、本発明はこのような実施例に限定されず、その趣旨を逸脱しない範囲で種々の構成を採ることができることはいうまでもない。例えば、ソフトウェアによって実現した機能は、ハードウェアによって実現するものとしてもよい。そのほか、以下の変形が可能である。

（Ｃ−１）変形例１：
上記実施例では、印刷装置１００が印刷を推奨する画像を自動的に選択する処理を行うものとした。これに対して、パーソナルコンピュータが、第１の嗜好性学習処理ルーチンや第２の嗜好性学習処理ルーチン、画像選択処理ルーチンを実行するものとしてもよい。こうすることにより、パーソナルコンピュータによってユーザの嗜好性を反映させた画像を自動的に選択することが可能になる。また、パーソナルコンピュータ以外にも、画像を撮影するデジタルカメラや、画像を閲覧するための画像ビューワ装置等が、同様の処理を実行して、印刷を推奨する画像を自動的に選択するものとしてもよい。

（Ｃ−２）変形例２：
上記実施例では、画像選択処理ルーチンによって液晶ディスプレイ１５０に画像の表示を行う際に、メモリカードＭＣから入力したすべての画像を表示し、印刷対象として選択された画像については、印刷枚数を「１枚」と付し、印刷対象として選択されなかった画像については、印刷枚数を「０枚」と付すものとした。これに対して、例えば、印刷対象として選択された画像のみを表示するものとしてもよい。また、印刷対象として選択された画像を最初に表示し、選択されなかった画像をその後に表示するものとしてもよい。また、画像の撮影日時に従って時系列的に画像を表示させた上で、印刷枚数を付すものとしてもよい。

（Ｃ−３）変形例３：
ＥＥＰＲＯＭ２５４には、印刷装置１００の製造時に、予めデフォルトの許容範囲や評価式が設定された嗜好性データＰＤが記録されているものとしてもよい。この場合、第１の嗜好性学習処理ルーチンや第２の嗜好性学習処理ルーチンでは、このデフォルトの嗜好性データＰＤを、学習した許容範囲や評価式によって更新するものとする。デフォルトの許容範囲や評価式は、複数の被験者を対象にした実験等に基づき定めることができる。こうすることにより、嗜好性学習処理を省略したとしても、一般的なユーザに好まれる画像の選択を行うことが可能になる。

（Ｃ−４）変形例４：
上記実施例の画像選択処理ルーチン（図１２参照）では、１つの評価項目でも特徴量が許容範囲から外れれば、その画像データについては、印刷対象として選択しないものとした。これに対して、全て（例えば、Ｎ個）の評価項目について特徴量が許容範囲に含まれるか否かの判断を行った上で、そのうち、Ｍ個（ＭはＮ未満の整数）の評価項目で特徴量が許容範囲内であれば、印刷対象として選択するものとしてもよい。例えば、評価項目が１０個であれば、そのうち、８個の評価項目で特徴量が許容範囲内であれば、印刷対象として選択するものとすることができる。このような構成によれば、ユーザの嗜好性に応じた画像データをより柔軟に選択することが可能になる。

本願の画像選択装置の実施例である印刷装置１００の外観図である。 印刷装置１００の内部構成を示す説明図である。 ＥＥＰＲＯＭ２５４に記憶された嗜好性データＰＤの一例を示す説明図である。 第１の嗜好性学習処理ルーチンのフローチャートである。 第２の嗜好性学習処理ルーチンのフローチャートである。 嗜好性更新処理ルーチンのフローチャートである。 顔の大きさの嗜好性を更新した例を示す説明図である。 印刷枚数の割合および印刷数の嗜好性について更新を行った例を示す説明図である。 画像のシャープ度について嗜好性の更新を行った例を示す説明図である。 画像の明るさについて嗜好性の更新を行った例を示す説明図である。 画像の鮮やかさについて嗜好性の更新を行った例を示す説明図である。 画像選択処理ルーチンのフローチャートである。 第２実施例における嗜好性データＰＤの一例を示す説明図である。 第２実施例における画像選択処理ルーチンのフローチャートである。

符号の説明

１００...印刷装置
１１０...スキャナ
１２０...メモリカードスロット
１３０...ＵＳＢインタフェース
１４０...操作パネル
１４１...自動選択ボタン
１４２...印刷ボタン
１５０...液晶ディスプレイ
２１０...キャリッジ
２１１...インクヘッド
２１２...インクカートリッジ
２２０...キャリッジモータ
２３０...紙送りモータ
２５０...制御回路
２５１...ＣＰＵ
２５２...ＲＯＭ
２５３...ＲＡＭ
２５４...ＥＥＰＲＯＭ
２６０...駆動ベルト
２７０...プラテン
２８０...摺動軸
３００...嗜好性学習部
３１０...出力対象選択部
ＭＣ...メモリカード
ＰＤ...嗜好性データ

Claims (18)

1. 複数の画像データの中から出力対象の候補となる画像データを選択する画像選択装置であって、
   ユーザの画像の嗜好性を学習するための複数の学習用画像データを表示部に表示し、該表示された複数の学習用画像データのうち、ユーザから任意の学習用画像データの選択を受け付け、該選択された学習用画像データに関する所定の特徴についての特徴量を嗜好性データとして記憶する嗜好性学習部と、
   複数の画像データを選択対象画像データとして入力する入力部と、
   前記入力部によって入力した各選択対象画像データについてそれぞれ前記特徴量を検出し、該検出された特徴量と、前記嗜好性学習部によって記憶された嗜好性データとに基づき、前記入力した複数の選択対象画像データの中から出力対象の候補となる画像データを選択する選択部と
   を備える画像選択装置。
2. 請求項１に記載の画像選択装置であって、
   前記嗜好性学習部は、前記選択された学習用画像データが有する画素値に関する特徴量を前記嗜好性データとして記憶し、
   前記選択部は、前記入力した各選択対象画像データについてそれぞれ、前記画素値に関する特徴量を検出し、該検出された特徴量と前記嗜好性データとに基づき、前記出力対象の候補となる画像データを選択する
   画像選択装置。
3. 請求項２に記載の画像選択装置であって、
   前記嗜好性学習部は、前記画素値に関する特徴量として、明るさ、鮮やかさ、色相、のうち、少なくとも１つについて前記嗜好性データとして記憶する
   画像選択装置。
4. 請求項１ないし請求項３のいずれかに記載の画像選択装置であって、
   前記嗜好性学習部は、前記選択された学習用画像データに撮像された被写体に関する特徴量を前記嗜好性データとして記憶し、
   前記選択部は、前記入力した各選択対象画像データについてそれぞれ、前記被写体に関する特徴量を検出し、該検出された特徴量と前記嗜好性データとに基づき、前記出力対象の候補となる画像データを選択する
   画像選択装置。
5. 請求項４に記載の画像選択装置であって、
   前記嗜好性学習部は、前記被写体に関する特徴量として、顔の大きさ、顔の位置、顔の数、類似度、のうち、少なくとも１つについて前記嗜好性データとして記憶する
   画像選択装置。
6. 請求項１ないし請求項５のいずれかに記載の画像選択装置であって、
   前記嗜好性学習部は、前記選択された学習用画像データが撮影された撮影状況に関する特徴量を前記嗜好性データとして記憶し、
   前記選択部は、前記入力した各選択対象画像データについてそれぞれ、前記撮影状況に関する特徴量を検出し、該検出された特徴量と前記嗜好性データとに基づき、前記出力対象の候補となる画像データを選択する
   画像選択装置。
7. 請求項６に記載の画像選択装置であって、
   前記嗜好性学習部は、前記撮影状況に関する特徴量として、シャープ度、ピントずれ度、露出不正度、赤目度、のうち、少なくとも１つについて前記嗜好性データとして記憶する
   画像選択装置。
8. 請求項１ないし請求項７のいずれかに記載の画像選択装置であって、
   前記嗜好性学習部は、前記特徴量として、前記選択された学習用画像データの数または割合を前記嗜好性データとして記憶し、
   前記選択部は、前記入力した複数の選択対象画像データの中から、前記数または割合に応じた数の選択対象画像データを、前記出力対象の候補となる画像データとして選択する
   画像選択装置。
9. 請求項１ないし請求項８のいずれかに記載の画像選択装置であって、
   前記嗜好性学習部は、前記選択された各学習用画像データが有する特徴量に基づき、該特徴量の範囲を決定して該範囲を前記嗜好性データとして記憶し、
   前記選択部は、前記検出された特徴量が、前記特徴量の範囲に含まれる選択対象画像データを、前記出力対象の候補となる画像データとして選択する
   画像選択装置。
10. 請求項１ないし請求項８のいずれかに記載の画像選択装置であって、
    前記嗜好性学習部は、前記選択された学習用画像データについて、それぞれ評価値の入力を受け付け、前記特徴量と前記評価値との対応関係を嗜好性データとして記憶し、
    前記選択部は、前記検出された特徴量と前記対応関係に基づき、前記選択対象画像データのそれぞれについて評価値を求め、該評価値の大きさに基づいて、前記出力対象の候補となる画像データを選択する
    画像選択装置。
11. 請求項１ないし請求項１０のいずれかに記載の画像選択装置であって、
    前記複数の学習用画像データを予め記憶した記憶部を備える
    画像選択装置。
12. 請求項１ないし請求項１０のいずれかに記載の画像選択装置であって、
    前記嗜好性学習部は、所定の記録媒体に記録された画像データを前記学習用画像データとして入力する
    画像選択装置。
13. 請求項１ないし請求項１２のいずれかに記載の画像選択装置であって、
    前記選択部によって選択された画像データを前記表示部に表示し、該表示された画像データのうち、ユーザから任意の画像データの選択を受け付け、該受け付けられた画像データに関する前記所定の特徴についての特徴量を検出し、該特徴量に応じて、前記嗜好性データを更新する更新部を備える
    画像選択装置。
14. 請求項１ないし請求項１３のいずれかに記載の画像選択装置であって、
    前記ユーザを識別する手段を備え、
    前記嗜好性学習部は、前記嗜好性データを、前記ユーザ毎に記憶する
    画像選択装置。
15. 請求項１ないし請求項１４のいずれかに記載の画像選択装置であって、
    更に、前記選択部によって選択された画像データを印刷する印刷機構を備える
    画像選択装置。
16. コンピュータが、複数の画像データの中から出力対象の候補となる画像データを選択する画像選択方法であって、
    ユーザの画像の嗜好性を学習するための複数の学習用画像データを表示部に表示し、該表示された複数の学習用画像データのうち、ユーザから任意の学習用画像データの選択を受け付け、該選択された学習用画像データに関する所定の特徴についての特徴量を嗜好性データとして記憶し、
    複数の画像データを選択対象画像データとして入力し、
    前記入力した各選択対象画像データについてそれぞれ前記特徴量を検出し、該検出された特徴量と、前記記憶された嗜好性データとに基づき、前記入力した複数の選択対象画像データの中から出力対象の候補となる画像データを選択する
    画像選択方法。
17. 複数の画像データの中から出力対象の候補となる画像データを選択するためのコンピュータプログラムであって、
    ユーザの画像の嗜好性を学習するための複数の学習用画像データを表示部に表示し、該表示された複数の学習用画像データのうち、ユーザから任意の学習用画像データの選択を受け付け、該選択された学習用画像データに関する所定の特徴についての特徴量を嗜好性データとして記憶する嗜好性学習機能と、
    複数の画像データを選択対象画像データとして入力する入力機能と、
    前記入力機能によって入力した各選択対象画像データについてそれぞれ前記特徴量を検出し、該検出された特徴量と、前記嗜好性学習機能によって記憶された嗜好性データとに基づき、前記入力した複数の選択対象画像データの中から出力対象の候補となる画像データを選択する選択機能と
    をコンピュータに実現させるためのコンピュータプログラム。
18. 請求項１７に記載のコンピュータ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