JP2015154177A

JP2015154177A - Image processing device and printer

Info

Publication number: JP2015154177A
Application number: JP2014025262A
Authority: JP
Inventors: 俊策利弘; Shunsaku Riko
Original assignee: Funai Electric Co Ltd
Current assignee: Funai Electric Co Ltd
Priority date: 2014-02-13
Filing date: 2014-02-13
Publication date: 2015-08-24

Abstract

PROBLEM TO BE SOLVED: To provide an image processing device capable of suitably correcting brightness of an input image.SOLUTION: An image processing device 100 includes: a first analysis unit 101 for estimating first relation between an average value of brightness of original images and a correction value of brightness of correction images by single regression analysis on the basis of a plurality of original images and a plurality of correction images; a second analysis unit 102 for estimating second relation between a plurality of image feature values extracted from at least one region out of a plurality of regions obtained by dividing the original images at random and the correction value of brightness of the correction images by multiple regression analysis on the basis of the plurality of original images and the plurality of correction images; a first calculation unit 103 for calculating a first correction value corresponding to the average value of brightness of input images on the basis of the first relation; a combination unit 106 for calculating a combined correction value by combining a first correction value based on the first relation and a second correction value based on the second relation; and a correction unit 107 for correcting the brightness of the input images using the combined correction value.

Description

本発明は、複数の原画像と前記複数の原画像を補正して得られた複数の補正画像とに基づいて、入力画像の明度を補正する画像処理装置および当該画像処理装置を備えるプリンタに関する。 The present invention relates to an image processing apparatus that corrects the brightness of an input image based on a plurality of original images and a plurality of corrected images obtained by correcting the plurality of original images, and a printer including the image processing apparatus.

画像を補正するための技術として、エバンスの原理に基づくＬＡＴＤ（ＬａｒｇｅＡｒｅａＴｒａｎｓｍｉｔｔａｎｃｅＤｅｎｓｉｔｙ）補正が一般的に知られている。エバンスの原理とは、「世の中に存在する色を全て混ぜ合わせると、灰色に近くなる」というものである。 As a technique for correcting an image, LATD (Large Area Transmittance Density) correction based on the Evans principle is generally known. The principle of Evans is that if you mix all the colors that exist in the world, it will become almost gray.

ＬＡＴＤ補正では、画像のＲ（赤）、Ｇ（緑）、Ｂ（青）の平均値がグレーを示すように画像を補正する。このＬＡＴＤ補正は、世の中に存在する画像のうち、５割〜６割程度の画像に対して有効に作用する。 In the LATD correction, the image is corrected so that the average value of R (red), G (green), and B (blue) of the image indicates gray. This LATD correction effectively acts on about 50% to 60% of images existing in the world.

逆に言えば、ＬＡＴＤ補正は、４割〜５割の画像に対して有効に作用しない。例えば、ＬＡＴＤ補正によって、カラーフェリア（ｃｏｌｏｒｆａｉｌｕｒｅ）およびデンシティフェリア（ｄｅｎｓｉｔｙｆａｉｌｕｒｅ）が生じてしまう場合がある。 In other words, the LATD correction does not work effectively for 40% to 50% of images. For example, a color failure and a density failure may occur due to the LATD correction.

カラーフェリアとは、画像中に「ある特定の色」の占める割合が多い場合に、ＬＡＴＤ補正によって画像全体にその特定の色の補色が強く表れる現象である。また、デンシティフェリアとは、画像中に「ある特定の濃度（つまり明るさ）」の占める割合が多い場合に、ＬＡＴＤ補正によって画像全体が極端に明るくなったり、逆に暗くなったりする現象である。 The color feria is a phenomenon in which a complementary color of a specific color appears strongly in the entire image by LATD correction when the ratio of “a specific color” in the image is large. Density feria is a phenomenon in which the entire image becomes extremely bright due to LATD correction or conversely darkens when the ratio of “certain density (that is, brightness)” in the image is large. .

このようなＬＡＴＤ補正の欠点を補うための補正方法として様々な補正方法が提案されている。例えば、特許文献１では、画像の高周波成分により重み付けした画像データの平均値を用いて画像の濃度を補正することが開示されている。 Various correction methods have been proposed as correction methods for compensating for the drawbacks of LATD correction. For example, Patent Document 1 discloses correcting the density of an image using an average value of image data weighted by a high frequency component of the image.

特開２００１−２５７８８３号公報Japanese Patent Laid-Open No. 2001-257883

しかしながら、上記従来の方法では、画像の明度を適切に補正できない場合がある。 However, with the above-described conventional method, the brightness of the image may not be corrected appropriately.

そこで、本発明は、入力画像の明度を適切に補正することができる画像処理装置およびプリンタを提供する。 Therefore, the present invention provides an image processing apparatus and a printer that can appropriately correct the brightness of an input image.

本発明の一態様に係る画像処理装置は、複数の原画像と前記複数の原画像をそれぞれ補正して得られた複数の補正画像とに基づいて、入力画像の明度を補正する画像処理装置であって、前記複数の原画像および前記複数の補正画像に基づいて、原画像の明度の平均値と補正画像の明度の補正値との間の第１の関係を単回帰分析により推定する第１分析部と、前記複数の原画像および前記複数の補正画像に基づいて、原画像をランダムに分割して得られる複数の領域のうちの少なくとも１つの領域から抽出される複数の画像特徴量と、補正画像の明度の補正値との間の第２の関係を重回帰分析により推定する第２分析部と、前記第１分析部によって推定された前記第１の関係に基づいて、前記入力画像の明度の平均値に対応する第１の補正値を算出する第１算出部と、前記入力画像をランダムに分割して得られる複数の領域のうちの少なくとも１つの領域から複数の画像特徴量を抽出する抽出部と、前記第２分析部によって推定された前記第２の関係に基づいて、前記抽出部によって抽出された前記複数の画像特徴量に対応する第２の補正値を算出する第２算出部と、前記第１の補正値と前記第２の補正値とを合成することにより合成補正値を算出する合成部と、前記合成補正値を用いて前記入力画像の明度を補正する補正部とを備える。 An image processing apparatus according to an aspect of the present invention is an image processing apparatus that corrects the brightness of an input image based on a plurality of original images and a plurality of corrected images obtained by correcting the plurality of original images. The first relationship between the average value of the brightness of the original image and the correction value of the brightness of the corrected image is estimated by single regression analysis based on the plurality of original images and the plurality of corrected images. Based on the analysis unit, the plurality of original images and the plurality of corrected images, a plurality of image feature amounts extracted from at least one of a plurality of regions obtained by randomly dividing the original image; Based on the first relationship estimated by the first analysis unit, a second analysis unit that estimates a second relationship between the correction values of the brightness of the corrected image by multiple regression analysis, and the input image The first correction value corresponding to the average value of brightness is A first calculation unit that outputs, an extraction unit that extracts a plurality of image feature amounts from at least one of a plurality of regions obtained by randomly dividing the input image, and the second analysis unit A second calculation unit that calculates a second correction value corresponding to the plurality of image feature amounts extracted by the extraction unit based on the second relationship; the first correction value; and the second correction value. And a correction unit that calculates a combined correction value by combining the correction value and a correction unit that corrects the brightness of the input image using the combined correction value.

この構成によれば、単回帰分析により推定された第１の関係に基づく第１の補正値と、重回帰分析により推定された第２の関係に基づく第２の補正値とを合成して算出された合成補正値を用いて入力画像の明度を補正することができる。したがって、第１の補正値および第２の補正値の一方のみを用いる補正よりも、入力画像の特徴をより反映することが可能となり、入力画像の明度を適切に補正することができる。 According to this configuration, the first correction value based on the first relationship estimated by the single regression analysis and the second correction value based on the second relationship estimated by the multiple regression analysis are combined and calculated. The brightness of the input image can be corrected using the combined correction value. Therefore, the feature of the input image can be reflected more than the correction using only one of the first correction value and the second correction value, and the brightness of the input image can be corrected appropriately.

また、この構成によれば、第２の関係は、ランダムに分割された領域から抽出された複数の画像特徴量を用いて推定される。したがって、複数の画像特徴量のバリエーションを増加させることができ、より適切な第２の関係を推定することが可能となる。また、例えば、複数の原画像および複数の補正画像の特徴が領域の大きさに依存性を有する場合、ランダムに画像を分割することにより、その依存性を減少させることができる。つまり、複数の原画像および複数の補正画像のセットの数が少なく、分割された領域の大きさによって第２の関係が大きく変化してしまう場合でも、ランダムに画像を分割することにより安定的に適切な第２の関係を推定することが可能となる。 According to this configuration, the second relationship is estimated using a plurality of image feature amounts extracted from randomly divided regions. Therefore, variations of a plurality of image feature amounts can be increased, and a more appropriate second relationship can be estimated. For example, when the features of a plurality of original images and a plurality of corrected images have a dependency on the size of the region, the dependency can be reduced by dividing the image at random. In other words, even when the number of sets of a plurality of original images and a plurality of corrected images is small and the second relationship changes greatly depending on the size of the divided areas, the images can be stably divided by randomly dividing the images. It is possible to estimate an appropriate second relationship.

例えば、前記抽出部は、前記入力画像の複数の領域から前記少なくとも１つの領域をランダムに選択し、選択された前記少なくとも１つの領域から前記複数の画像特徴量を抽出してもよい。 For example, the extraction unit may randomly select the at least one region from a plurality of regions of the input image, and extract the plurality of image feature amounts from the selected at least one region.

この構成によれば、ランダムに選択された領域から複数の画像特徴量を抽出することができる。したがって、複数の画像特徴量のバリエーションをさらに増加させることができ、より適切な第２の関係を推定することが可能となる。 According to this configuration, a plurality of image feature amounts can be extracted from a randomly selected region. Therefore, the variation of the plurality of image feature amounts can be further increased, and a more appropriate second relationship can be estimated.

例えば、前記画像処理装置は、さらに、前記第１の関係を用いて原画像から算出される第１の補正値、および、前記第２の関係を用いて原画像から算出される第２の補正値と、補正画像の明度の補正値との間の第３の関係を重回帰分析により推定する第３分析部を備え、前記合成部は、前記第３の関係に基づいて前記第１の補正値と前記第２の補正値とを合成してもよい。 For example, the image processing apparatus further includes a first correction value calculated from the original image using the first relationship, and a second correction calculated from the original image using the second relationship. A third analysis unit that estimates a third relationship between the value and the lightness correction value of the corrected image by multiple regression analysis, and the synthesis unit performs the first correction based on the third relationship. The value and the second correction value may be combined.

この構成によれば、第１の補正値および第２の補正値と、補正画像の明度の補正値との間の第３の関係を重回帰分析により推定することができ、その第３の関係に基づいて第１の補正値と第２の補正値とを合成することができる。したがって、複数の原画像および複数の補正画像の関係を、第１の補正値と第２の補正値との合成に反映させることができ、より適切な合成補正値を算出することができる。 According to this configuration, the third relationship between the first correction value, the second correction value, and the lightness correction value of the corrected image can be estimated by multiple regression analysis, and the third relationship Based on the first correction value, the first correction value and the second correction value can be synthesized. Therefore, the relationship between the plurality of original images and the plurality of corrected images can be reflected in the combination of the first correction value and the second correction value, and a more appropriate combined correction value can be calculated.

例えば、前記第２分析部は、前記原画像の前記複数の領域のうちの少なくとも１つの領域から抽出される複数の画像特徴量セットであって互いに異なる組合せの複数の画像特徴量を含む複数の画像特徴量セットの各々について、前記複数の画像特徴量と前記補正画像の明度の補正値との間の第２の関係を重回帰分析により推定し、前記抽出部は、前記入力画像の前記複数の領域のうちの少なくとも１つの領域から、互いに異なる組合せの複数の画像特徴量をそれぞれ含む複数の画像特徴量セットを抽出し、前記第２算出部は、前記第２分析部によって推定された複数の前記第２の関係に基づいて、前記抽出部によって抽出された前記複数の画像特徴量セットに対応する複数の第２の補正値を算出し、前記合成部は、前記第１の補正値と前記複数の第２の補正値とを合成してもよい。 For example, the second analysis unit includes a plurality of image feature amount sets extracted from at least one region of the plurality of regions of the original image and including a plurality of image feature amounts in different combinations. For each of the image feature amount sets, a second relationship between the plurality of image feature amounts and the lightness correction value of the corrected image is estimated by multiple regression analysis, and the extraction unit includes the plurality of input images. A plurality of image feature quantity sets each including a plurality of image feature quantities of different combinations are extracted from at least one of the areas, and the second calculation unit is configured to estimate the plurality of image feature quantity sets estimated by the second analysis unit. A plurality of second correction values corresponding to the plurality of image feature quantity sets extracted by the extraction unit based on the second relationship, and the combining unit calculates the first correction value and the second correction value. Said compound A second correction value may be synthesized in the.

この構成によれば、複数の第２の関係に基づいて複数の第２の補正値を算出することができる。したがって、補正値のバリエーションを増やすことができ、合成補正値の精度を向上させることが可能となる。 According to this configuration, it is possible to calculate a plurality of second correction values based on a plurality of second relationships. Therefore, variations in correction values can be increased, and the accuracy of the combined correction value can be improved.

例えば、前記複数の画像特徴量は、明度の平均値、明度の分散値、彩度の平均値および彩度の分散値のうちの少なくとも１つを含んでもよい。 For example, the plurality of image feature amounts may include at least one of an average value of brightness, a variance value of brightness, an average value of saturation, and a variance value of saturation.

この構成によれば、複数の画像特徴量が、明度の平均値、明度の分散値、彩度の平均値および彩度の分散値のうちの少なくとも１つを含むことができる。発明者は、明度の平均値、明度の分散値、彩度の平均値および彩度の分散値が、明度の補正値に対して高い依存性を有することを発見した。したがって、複数の画像特徴量が、明度の平均値、明度の分散値、彩度の平均値および彩度の分散値のうちの少なくとも１つを含むことより、より適切な第２の補正値を算出することができ、入力画像の明度をより適切に補正することが可能となる。 According to this configuration, the plurality of image feature amounts can include at least one of an average value of brightness, a variance value of brightness, an average value of saturation, and a variance value of saturation. The inventor has discovered that the average value of brightness, the variance value of brightness, the average value of saturation, and the variance value of saturation have high dependency on the correction value of brightness. Accordingly, since the plurality of image feature amounts include at least one of the average value of brightness, the variance value of brightness, the average value of saturation, and the variance value of saturation, a more appropriate second correction value can be obtained. Thus, it is possible to more appropriately correct the brightness of the input image.

本発明の一態様に係るプリンタは、上記の画像処理装置と、補正された前記入力画像を印刷する印刷部とを備える。 A printer according to an aspect of the present invention includes the above-described image processing apparatus and a printing unit that prints the corrected input image.

この構成によれば、適切に補正された入力画像（補正結果）を印刷することができる。 According to this configuration, it is possible to print an appropriately corrected input image (correction result).

なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。 Note that these comprehensive or specific aspects may be realized by a system, a method, an integrated circuit, a computer program, or a recording medium such as a computer-readable CD-ROM, and the system, method, integrated circuit, and computer program. And any combination of recording media.

本発明の一態様に係る画像処理装置およびプリンタは、入力画像の明度を適切に補正することができる。 The image processing apparatus and the printer according to one embodiment of the present invention can appropriately correct the brightness of the input image.

実施の形態１に係る画像処理装置の構成を示すブロック図である。1 is a block diagram illustrating a configuration of an image processing device according to Embodiment 1. FIG. 実施の形態１に係る画像処理装置の分析処理を示すフローチャートである。3 is a flowchart illustrating analysis processing of the image processing apparatus according to the first embodiment. 実施の形態１に係る画像処理装置の分析処理を説明するための図である。6 is a diagram for explaining analysis processing of the image processing apparatus according to Embodiment 1. FIG. 実施の形態１に係る画像処理装置の分析処理を説明するための図である。6 is a diagram for explaining analysis processing of the image processing apparatus according to Embodiment 1. FIG. 実施の形態１に係る画像処理装置の補正処理を示すフローチャートである。3 is a flowchart illustrating a correction process of the image processing apparatus according to the first embodiment. 実施の形態２に係る画像処理装置の構成を示すブロック図である。6 is a block diagram illustrating a configuration of an image processing apparatus according to Embodiment 2. FIG. 実施の形態２に係る画像処理装置の分析処理を示すフローチャートである。10 is a flowchart illustrating analysis processing of the image processing apparatus according to the second embodiment. 実施の形態３に係るプリンタの構成を示すブロック図である。FIG. 10 is a block diagram illustrating a configuration of a printer according to a third embodiment.

以下、実施の形態について、図面を参照しながら具体的に説明する。 Hereinafter, embodiments will be specifically described with reference to the drawings.

なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、請求の範囲を限定する主旨ではない。また、以下の実施の形態における構成要素のうち独立請求項に記載されていない構成要素については、任意の構成要素として説明される。 It should be noted that each of the embodiments described below shows a comprehensive or specific example. Numerical values, shapes, materials, components, arrangement positions and connection forms of components, steps, order of steps, and the like shown in the following embodiments are merely examples, and are not intended to limit the scope of the claims. In addition, among the constituent elements in the following embodiments, constituent elements that are not described in the independent claims are described as optional constituent elements.

（実施の形態１）
［画像処理システムの構成］
まず、本実施の形態に係る画像処理システムの構成について説明する。 (Embodiment 1)
[Configuration of image processing system]
First, the configuration of the image processing system according to the present embodiment will be described.

図１は、実施の形態１に係る画像処理システムの構成を示すブロック図である。画像処理システムは、画像処理装置１００と、画像処理装置１００に接続された記憶装置１１０とを備える。 FIG. 1 is a block diagram illustrating a configuration of an image processing system according to the first embodiment. The image processing system includes an image processing device 100 and a storage device 110 connected to the image processing device 100.

画像処理装置１００は、複数の原画像と、複数の原画像をそれぞれ補正して得られた複数の補正画像とに基づいて、入力画像の明度（濃度と呼ばれる場合もある）を補正する。言い換えると、画像処理装置１００は、複数の原画像および複数の補正画像から得られた原画像と補正画像との関係を用いて入力画像の明度を補正する。 The image processing apparatus 100 corrects the brightness (sometimes referred to as density) of the input image based on the plurality of original images and the plurality of corrected images obtained by correcting the plurality of original images. In other words, the image processing apparatus 100 corrects the brightness of the input image using the relationship between the original image obtained from the plurality of original images and the plurality of corrected images and the corrected image.

記憶装置１１０は、複数の原画像と複数の補正画像とを記憶している。つまり、記憶装置１１０は、原画像および補正画像のセットを複数記憶している。補正画像は、例えば、ユーザによってマニュアルで適切に補正された画像である。 The storage device 110 stores a plurality of original images and a plurality of corrected images. That is, the storage device 110 stores a plurality of sets of original images and corrected images. The corrected image is, for example, an image that is appropriately corrected manually by the user.

記憶装置１１０に記憶されている原画像および補正画像のセット数は、例えば、１万セット以上であることが好ましい。このセット数が多いほど、後ほど説明する回帰分析の有効性が向上する。 The number of sets of original images and correction images stored in the storage device 110 is preferably 10,000 sets or more, for example. The greater the number of sets, the more effective the regression analysis described later.

［画像処理装置の構成］
図１に示すように、画像処理装置１００は、第１分析部１０１と、第２分析部１０２と、第１算出部１０３と、抽出部１０４と、第２算出部１０５と、合成部１０６と、補正部１０７とを備える。 [Configuration of image processing apparatus]
As shown in FIG. 1, the image processing apparatus 100 includes a first analysis unit 101, a second analysis unit 102, a first calculation unit 103, an extraction unit 104, a second calculation unit 105, and a synthesis unit 106. The correction unit 107 is provided.

第１分析部１０１は、複数の原画像および複数の補正画像に基づいて、原画像の明度の平均値と補正画像の明度の補正値との間の第１の関係を単回帰分析により推定する。つまり、第１分析部１０１は、原画像の明度の平均値を独立変数（説明変数）として用いて、従属変数（目的変数）である補正画像の明度の補正値を表す式を統計的手法により推定する。 The first analysis unit 101 estimates a first relationship between the average value of the brightness of the original image and the correction value of the brightness of the corrected image based on the plurality of original images and the plurality of corrected images by single regression analysis. . That is, the first analysis unit 101 uses an average value of the brightness of the original image as an independent variable (explanatory variable), and uses a statistical method to express an expression representing the correction value of the brightness of the corrected image that is a dependent variable (target variable). presume.

明度とは、画像の明るさの尺度あるいは値である。明度としては、例えば、ＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）色空間（ＣＩＥＬＡＢ）におけるＬ＊を用いることができる。ＣＩＥＬＡＢは、ＸＹＺ色空間よりも知覚的に均等である。つまり、ＣＩＥＬＡＢは、より人間の感覚に近い均等な色空間である。したがって、明度としてＬ＊を用いることにより、よりユーザの感覚に適した明度の補正を行うことができる。 Brightness is a measure or value of the brightness of an image. As the brightness, for example, L * in the CIE 1976 (L *, a *, b *) color space (CIELAB) can be used. CIELAB is perceptually more uniform than the XYZ color space. That is, CIELAB is a uniform color space that is closer to a human sense. Therefore, by using L * as the lightness, it is possible to perform lightness correction more suitable for the user's sense.

第２分析部１０２は、複数の原画像および複数の補正画像に基づいて、複数の画像特徴量と補正画像の明度の補正値との間の第２の関係を重回帰分析により推定する。この複数の画像特徴量は、原画像をランダムに分割して得られる複数の領域のうちの少なくとも１つの領域から抽出される。つまり、第２分析部１０２は、原画像の複数の領域のうちの少なくとも１つの領域から抽出される複数の画像特徴量を複数の独立変数として用いて、従属変数である補正画像の明度の補正値を表す式を統計的手法により推定する。 Based on the plurality of original images and the plurality of corrected images, the second analysis unit 102 estimates the second relationship between the plurality of image feature amounts and the correction value of the brightness of the corrected image by multiple regression analysis. The plurality of image feature amounts are extracted from at least one of a plurality of regions obtained by randomly dividing the original image. That is, the second analysis unit 102 uses the plurality of image feature amounts extracted from at least one of the plurality of regions of the original image as a plurality of independent variables, and corrects the brightness of the corrected image that is the dependent variable. A formula representing the value is estimated by a statistical method.

画像特徴量とは、画像の特徴を示す値である。画像特徴量としては、例えば、明度の平均値、明度の分散値、彩度の平均値および彩度の分散値などが用いられる。 The image feature amount is a value indicating the feature of the image. As the image feature amount, for example, an average value of brightness, a variance value of brightness, an average value of saturation, and a variance value of saturation are used.

彩度とは、色の鮮やかさの尺度あるいは値である。彩度としては、例えば、ＣＩＥＬＡＢにおける（（ａ＊）²＋（ｂ＊）²）^1/2を用いることができる。 Saturation is a measure or value of color vividness. As the saturation, for example, ((a *) ² + (b *) ² ) ^1/2 in CIELAB can be used.

画像をランダムに分割するとは、規則性を有しない複数の領域に分割することである。例えば、複数の画像をランダムに分割した場合、複数の画像に含まれる複数の領域の大きさあるいは位置は不規則になる。 Dividing an image at random means dividing the image into a plurality of regions having no regularity. For example, when a plurality of images are randomly divided, the sizes or positions of the plurality of regions included in the plurality of images are irregular.

第１算出部１０３は、第１分析部１０１によって推定された第１の関係に基づいて、入力画像の明度の平均値に対応する第１の補正値を算出する。具体的には、第１算出部１０３は、例えば、入力画像全体の明度の平均値を第１の関係を表す式に代入することにより第１の補正値を算出する。 The first calculation unit 103 calculates a first correction value corresponding to the average value of the brightness of the input image, based on the first relationship estimated by the first analysis unit 101. Specifically, the first calculation unit 103 calculates the first correction value by, for example, substituting the average value of the brightness of the entire input image into an expression representing the first relationship.

抽出部１０４は、入力画像をランダムに分割して得られる複数の領域のうちの少なくとも１つの領域から複数の画像特徴量を抽出する。ここで抽出される複数の画像特徴量の種類は、第２分析部１０２において用いられたものと同じである。 The extraction unit 104 extracts a plurality of image feature amounts from at least one of a plurality of regions obtained by randomly dividing the input image. The types of the plurality of image feature amounts extracted here are the same as those used in the second analysis unit 102.

第２算出部１０５は、第２分析部１０２によって推定された第２の関係に基づいて、抽出部１０４によって抽出された複数の画像特徴量に対応する第２の補正値を算出する。具体的には、第２算出部１０５は、例えば、入力画像から抽出された複数の画像特徴量を第２の関係を表す式に代入することにより第２の補正値を算出する。 The second calculation unit 105 calculates a second correction value corresponding to the plurality of image feature amounts extracted by the extraction unit 104 based on the second relationship estimated by the second analysis unit 102. Specifically, the second calculation unit 105 calculates the second correction value by substituting a plurality of image feature amounts extracted from the input image into an expression representing the second relationship, for example.

合成部１０６は、第１の補正値と第２の補正値とを合成することにより合成補正値を算出する。具体的には、合成部１０６は、例えば、第１の補正値と第２の補正値との平均を合成補正値として算出する。 The combining unit 106 calculates a combined correction value by combining the first correction value and the second correction value. Specifically, the synthesis unit 106 calculates, for example, an average of the first correction value and the second correction value as the synthesis correction value.

補正部１０７は、合成補正値を用いて入力画像の明度を補正する。具体的には、補正部１０７は、例えば、入力画像の各画素の明度に補正値を加算することにより、入力画像の明度を補正する。そして、補正部１０７は、補正された入力画像（補正結果）を出力する。 The correction unit 107 corrects the brightness of the input image using the composite correction value. Specifically, the correction unit 107 corrects the lightness of the input image by adding a correction value to the lightness of each pixel of the input image, for example. Then, the correction unit 107 outputs the corrected input image (correction result).

［画像処理装置の動作］
次に、以上のように構成された画像処理装置の動作について説明する。まず、複数の原画像および複数の補正画像に基づく分析処理について説明する。 [Operation of image processing apparatus]
Next, the operation of the image processing apparatus configured as described above will be described. First, analysis processing based on a plurality of original images and a plurality of corrected images will be described.

図２は、実施の形態１に係る画像処理装置の分析処理を示すフローチャートである。また、図３および図４は、実施の形態１に係る画像処理装置の分析処理を説明するための図である。 FIG. 2 is a flowchart showing an analysis process of the image processing apparatus according to the first embodiment. 3 and 4 are diagrams for explaining the analysis processing of the image processing apparatus according to the first embodiment.

図２に示すように、まず、画像処理装置１００は、記憶装置１１０から、複数の原画像および複数の補正画像を取得する（Ｓ１０１）。 As shown in FIG. 2, first, the image processing apparatus 100 acquires a plurality of original images and a plurality of corrected images from the storage device 110 (S101).

続いて、第１分析部１０１は、複数の原画像および複数の補正画像に基づいて、原画像の明度の平均値と補正画像の明度の補正値との間の第１の関係を単回帰分析により推定する（Ｓ１０２）。具体的には、第１分析部１０１は、例えば図３に示すように、原画像１５１の明度の平均値Ｘを用いて補正画像１５２の明度の補正値Ｙを表す第１の関係式（Ｙ＝ａＸ＋ｂ）における係数ａ、ｂの最適解を最小二乗法により算出する。 Subsequently, the first analysis unit 101 performs a single regression analysis on the first relationship between the average value of the brightness of the original image and the correction value of the brightness of the corrected image based on the plurality of original images and the plurality of corrected images. (S102). Specifically, for example, as shown in FIG. 3, the first analysis unit 101 uses a first relational expression (Y that represents the lightness correction value Y of the correction image 152 using the average lightness value X of the original image 151. = The optimal solution of the coefficients a and b in aX + b) is calculated by the method of least squares.

次に、第２分析部１０２は、複数の原画像および複数の補正画像に基づいて、複数の画像特徴量と補正画像の明度の補正値との間の第２の関係を重回帰分析により推定する（Ｓ１０３）。 Next, based on the plurality of original images and the plurality of corrected images, the second analysis unit 102 estimates a second relationship between the plurality of image feature amounts and the correction value of the brightness of the corrected image by multiple regression analysis. (S103).

具体的には、第２分析部１０２は、例えば図４に示すように、原画像１５１をランダムに複数のブロックに分割する。そして、第２分析部１０２は、例えば、原画像１５１の複数のブロックのうちの予め定められた条件を満たすブロック（ブロック１５１ａ〜１５１ｄ）から、明度の平均値Ｘ₁〜Ｘ₄を抽出する。 Specifically, the second analysis unit 102 randomly divides the original image 151 into a plurality of blocks, for example, as shown in FIG. Then, for example, the second analysis unit 102 extracts lightness average values X _{1 to} X ₄ from blocks (blocks 151 a to 151 d) satisfying a predetermined condition among a plurality of blocks of the original image 151.

ここでは、ブロック１５１ａは、原画像１５１の中央に位置するブロックである。ブロック１５１ｂは、複数のブロックのうち、最も大きい明度分散値を有するブロックである。ブロック１５１ｃは、最も大きい彩度平均値を有するブロックである。ブロック１５１ｄは、最も大きい彩度分散値を有するブロックである。 Here, the block 151 a is a block located at the center of the original image 151. The block 151b is a block having the largest brightness variance value among the plurality of blocks. The block 151c is a block having the largest saturation average value. The block 151d is a block having the largest saturation variance value.

第２分析部１０２は、原画像１５１に含まれるブロック１５１ａ〜１５１ｄから抽出された明度の平均値Ｘ₁〜Ｘ₄を用いて補正画像１５２の明度の補正値Ｙを表す第２の関係式（Ｙ＝ａ₁Ｘ₁＋ａ₂Ｘ₂＋ａ₃Ｘ₃＋ａ₄Ｘ₄＋ｂ）における係数ａ₁〜ａ₄、ｂの最適解を最小二乗法により算出する。 The second analysis unit 102, a second relation formula using the average value X ₁ to X ₄ of the brightness extracted from the block 151a~151d included in the original image 151 represents the correction value Y of the brightness of the corrected image 152 ( The optimum solutions of the coefficients a _{1 to} a ₄ and b in Y = a ₁ X ₁ + a ₂ X ₂ + a ₃ X ₃ + a ₄ X ₄ + b) are calculated by the least square method.

以上のように、第１分析部１０１および第２分析部１０２は、第１の関係および第２の関係を回帰分析により推定する。 As described above, the first analysis unit 101 and the second analysis unit 102 estimate the first relationship and the second relationship by regression analysis.

次に、入力画像の補正処理について説明する。 Next, input image correction processing will be described.

図５は、実施の形態１に係る画像処理装置の補正処理を示すフローチャートである。 FIG. 5 is a flowchart showing the correction process of the image processing apparatus according to the first embodiment.

まず、画像処理装置１００は、入力画像を取得する（Ｓ１１１）。例えば、画像処理装置１００は、ネットワークを介して、携帯端末（例えば、スマートフォン、タブレットコンピュータなど）から入力画像を取得する。 First, the image processing apparatus 100 acquires an input image (S111). For example, the image processing apparatus 100 acquires an input image from a mobile terminal (for example, a smartphone, a tablet computer, or the like) via a network.

第１算出部１０３は、ステップＳ１０２において推定された第１の関係に基づいて、入力画像の明度の平均値に対応する第１の補正値を算出する（Ｓ１１２）。具体的には、第１算出部１０３は、例えば、入力画像の明度の平均値を第１の関係式に代入することにより第１の補正値を算出する。 The first calculation unit 103 calculates a first correction value corresponding to the average value of the brightness of the input image based on the first relationship estimated in step S102 (S112). Specifically, the first calculation unit 103 calculates the first correction value by, for example, substituting the average value of the brightness of the input image into the first relational expression.

抽出部１０４は、入力画像から複数の画像特徴量を抽出する（Ｓ１１３）。具体的には、抽出部１０４は、まず、入力画像をランダムに複数の領域に分割する。そして、抽出部１０４は、複数の領域のうちの少なくとも１つの領域から複数の画像特徴量を抽出する。この複数の画像特徴量の種類は、ステップＳ１０３において用いられたものと同じものである。例えば、抽出部１０４は、予め定められた条件を満たす複数の領域（例えば、入力画像の中央に位置する領域、あるいは、最も大きい明度の分散値を有する領域など）から明度の平均値をそれぞれ算出する。 The extraction unit 104 extracts a plurality of image feature amounts from the input image (S113). Specifically, the extraction unit 104 first divides the input image into a plurality of regions at random. Then, the extraction unit 104 extracts a plurality of image feature amounts from at least one of the plurality of regions. The types of the plurality of image feature amounts are the same as those used in step S103. For example, the extraction unit 104 calculates an average value of lightness from a plurality of regions that satisfy a predetermined condition (for example, a region located in the center of the input image or a region having the largest lightness variance value). To do.

第２算出部１０５は、ステップＳ１０３において推定された第２の関係に基づいて、ステップＳ１１３において抽出された複数の画像特徴量に対応する第２の補正値を算出する（Ｓ１１４）。具体的には、第２算出部１０５は、例えば、図４に示すように定まる４つのブロックにおける明度の平均値を第２の関係式に代入することにより第２の補正値を算出する。 The second calculation unit 105 calculates second correction values corresponding to the plurality of image feature amounts extracted in step S113 based on the second relationship estimated in step S103 (S114). Specifically, the second calculation unit 105 calculates the second correction value by substituting, for example, the average value of brightness in four blocks determined as shown in FIG. 4 into the second relational expression.

合成部１０６は、ステップＳ１１２において算出された第１の補正値と、ステップＳ１１４において算出された第２の補正値とを合成することにより合成補正値を算出する（Ｓ１１５）。 The synthesizing unit 106 calculates a combined correction value by combining the first correction value calculated in step S112 and the second correction value calculated in step S114 (S115).

補正部１０７は、ステップＳ１１５で算出された合成補正値を用いて入力画像の明度を補正する（Ｓ１１６）。具体的には、補正部１０７は、例えば、入力画像の各画素の明度に合成補正値を加算することにより入力画像の明度を補正する。 The correcting unit 107 corrects the brightness of the input image using the composite correction value calculated in step S115 (S116). Specifically, the correction unit 107 corrects the brightness of the input image by adding a composite correction value to the brightness of each pixel of the input image, for example.

［効果］
以上のように、本実施の形態に係る画像処理装置によれば、単回帰分析により推定された第１の関係に基づく第１の補正値と、重回帰分析により推定された第２の関係に基づく第２の補正値とを合成して算出された合成補正値を用いて入力画像の明度を補正することができる。したがって、第１の補正値および第２の補正値の一方のみを用いる補正よりも、入力画像の特徴をより反映することが可能となり、入力画像の明度を適切に補正することができる。 [effect]
As described above, according to the image processing apparatus according to the present embodiment, the first correction value based on the first relationship estimated by the single regression analysis and the second relationship estimated by the multiple regression analysis are used. The brightness of the input image can be corrected using the combined correction value calculated by combining the second correction value based on the second correction value. Therefore, the feature of the input image can be reflected more than the correction using only one of the first correction value and the second correction value, and the brightness of the input image can be corrected appropriately.

また、本実施の形態に係る画像処理装置によれば、第２の関係は、ランダムに分割された領域から抽出された複数の画像特徴量を用いて推定される。したがって、複数の画像特徴量のバリエーションを増加させることができ、より適切な第２の関係を推定することが可能となる。また、例えば、複数の原画像および複数の補正画像の特徴が領域の大きさに依存性を有する場合、ランダムに画像を分割することにより、その依存性を減少させることができる。つまり、複数の原画像および複数の補正画像のセットの数が少なく、分割領域の大きさによって第２の関係が大きく変化してしまう場合でも、ランダムに画像を分割することにより、安定的に適切な第２の関係を推定することが可能となる。 In addition, according to the image processing apparatus according to the present embodiment, the second relationship is estimated using a plurality of image feature amounts extracted from randomly divided regions. Therefore, variations of a plurality of image feature amounts can be increased, and a more appropriate second relationship can be estimated. For example, when the features of a plurality of original images and a plurality of corrected images have a dependency on the size of the region, the dependency can be reduced by dividing the image at random. In other words, even when the number of sets of a plurality of original images and a plurality of corrected images is small and the second relationship greatly changes depending on the size of the divided area, it is possible to stably and appropriately divide the images. It is possible to estimate the second relationship.

（実施の形態２）
次に、実施の形態２について図面を参照しながら具体的に説明する。本実施の形態では、第１の補正値と複数の第２の補正値とを合成する際に重み付けを行う点が実施の形態１と異なる。なお、本実施の形態の説明では、説明が冗長となるのを避けるために、実施の形態１と実質的に同一の構成要素については、図示および説明を省略する。 (Embodiment 2)
Next, the second embodiment will be specifically described with reference to the drawings. The present embodiment is different from the first embodiment in that weighting is performed when the first correction value and the plurality of second correction values are combined. In the description of the present embodiment, illustration and description of components that are substantially the same as those of the first embodiment are omitted in order to avoid redundant description.

［画像処理装置の構成］
図６は、実施の形態２に係る画像処理システムの構成を示すブロック図である。図６に示すように、画像処理装置２００は、第３分析部２０１を備える。さらに、画像処理装置２００は、実施の形態１における合成部１０６の代わりに合成部２０２を備える。 [Configuration of image processing apparatus]
FIG. 6 is a block diagram illustrating a configuration of an image processing system according to the second embodiment. As illustrated in FIG. 6, the image processing apparatus 200 includes a third analysis unit 201. Furthermore, the image processing apparatus 200 includes a combining unit 202 instead of the combining unit 106 in the first embodiment.

第３分析部２０１は、第１分析部１０１によって推定された第１の関係を用いて原画像から算出される第１の補正値、および、第２分析部１０２によって推定された第２の関係を用いて原画像から算出される第２の補正値と、補正画像の明度の補正値と、の間の第３の関係を重回帰分析により推定する。これにより、第１の補正値および第２の補正値を合成する際に用いられる係数（重み）が決定される。 The third analysis unit 201 uses a first correction value calculated from the original image using the first relationship estimated by the first analysis unit 101 and a second relationship estimated by the second analysis unit 102. Is used to estimate the third relationship between the second correction value calculated from the original image and the lightness correction value of the corrected image by multiple regression analysis. Thereby, the coefficient (weight) used when combining the first correction value and the second correction value is determined.

合成部２０２は、第３分析部２０１によって推定された第３の関係に基づいて、第１の補正値と第２の補正値とを合成する。つまり、合成部２０２は、第３の関係によって定まる係数（重み）を用いて、第１の補正値および第２の補正値を合成する。すなわち、合成部２０２は、第１の補正値および第２の補正値を重み付けして合成する。 The combining unit 202 combines the first correction value and the second correction value based on the third relationship estimated by the third analysis unit 201. That is, the synthesis unit 202 synthesizes the first correction value and the second correction value using the coefficient (weight) determined by the third relationship. That is, the synthesis unit 202 weights and synthesizes the first correction value and the second correction value.

図７は、実施の形態２に係る画像処理装置の分析処理を示すフローチャートである。 FIG. 7 is a flowchart showing analysis processing of the image processing apparatus according to the second embodiment.

図２と同様にステップＳ１０１〜ステップＳ１０３の処理が行われた後に、第３分析部２０１は、第３の関係を重回帰分析により推定する（Ｓ２０１）。具体的には、第３分析部２０１は、第１の関係を用いて原画像から算出される第１の補正値、および、第２の関係を用いて原画像から算出される第２の補正値と、補正画像の明度の補正値と、の間の第３の関係を重回帰分析により推定する。 After the processing of step S101 to step S103 is performed as in FIG. 2, the third analysis unit 201 estimates the third relationship by multiple regression analysis (S201). Specifically, the third analysis unit 201 uses a first correction value calculated from the original image using the first relationship and a second correction calculated from the original image using the second relationship. A third relationship between the value and the lightness correction value of the corrected image is estimated by multiple regression analysis.

例えば、第３分析部２０１は、第３の関係式（Ｙ＝ａ₁Ｘ₁＋ａ₂Ｘ₂＋ｂ）における係数ａ₁、ａ₂、ｂの最適解を最小二乗法により算出する。ここで、従属変数Ｙは、補正画像の明度の補正値であり、独立変数Ｘ₁は、原画像から算出される第１の補正値であり、独立変数Ｘ₂は、原画像から算出される第２の補正値である。 For example, the third analysis unit 201 calculates optimal solutions of the coefficients a ₁ , a ₂ , and b in the third relational expression (Y = a ₁ X ₁ + a ₂ X ₂ + b) by the least square method. Here, the dependent variable Y is a lightness correction value of the corrected image, the independent variable X ₁ is a first correction value calculated from the original image, and the independent variable X ₂ is calculated from the original image. This is the second correction value.

次に、入力画像の補正処理について説明する。なお、本実施の形態に係る補正処理は、実施の形態１と、図５のステップＳ１１５の処理の内容が異なる。したがって、図示を省略し、本実施の形態におけるステップＳ１１５の処理の内容を説明する。 Next, input image correction processing will be described. The correction process according to the present embodiment is different from the first embodiment in the content of the process in step S115 in FIG. Therefore, the illustration is omitted, and the contents of the process of step S115 in the present embodiment will be described.

合成部２０２は、ステップＳ２０１において推定された第３の関係に基づいて第１の補正値と第２の補正値とを合成することにより、合成補正値を算出する。具体的には、合成部２０２は、例えば、ステップＳ１１２において算出された第１の補正値と、ステップＳ１１４において算出された第２の補正値とを、第３の関係式に代入することにより、合成補正値を算出する。 The combining unit 202 calculates a combined correction value by combining the first correction value and the second correction value based on the third relationship estimated in step S201. Specifically, for example, the synthesis unit 202 substitutes the first correction value calculated in Step S112 and the second correction value calculated in Step S114 into the third relational expression. A composite correction value is calculated.

［効果］
以上のように、本実施の形態に係る画像処理装置によれば、第１の補正値および第２の補正値と、補正画像の明度の補正値との間の第３の関係を重回帰分析により推定することができ、その第３の関係に基づいて第１の補正値と第２の補正値とを合成することができる。したがって、複数の原画像および複数の補正画像の関係を、第１の補正値と第２の補正値との合成に反映させることができ、より適切な合成補正値を算出することができる。 [effect]
As described above, according to the image processing apparatus according to the present embodiment, a multiple regression analysis is performed on the third relationship between the first correction value, the second correction value, and the lightness correction value of the corrected image. The first correction value and the second correction value can be combined based on the third relationship. Therefore, the relationship between the plurality of original images and the plurality of corrected images can be reflected in the combination of the first correction value and the second correction value, and a more appropriate combined correction value can be calculated.

（実施の形態３）
次に、実施の形態３について図面を参照しながら具体的に説明する。本実施の形態は、実施の形態１または実施の形態２に係る画像処理装置を備えるプリンタに関する。 (Embodiment 3)
Next, the third embodiment will be specifically described with reference to the drawings. The present embodiment relates to a printer including the image processing apparatus according to the first or second embodiment.

図８は、実施の形態３に係るプリンタの構成を示すブロック図である。図８に示すように、プリンタ３００は、画像処理装置１００または２００と、印刷部３０１とを備える。 FIG. 8 is a block diagram illustrating the configuration of the printer according to the third embodiment. As shown in FIG. 8, the printer 300 includes an image processing apparatus 100 or 200 and a printing unit 301.

印刷部３０１は、画像処理装置１００または２００によって補正された入力画像（補正結果）を印刷する。そして、印刷部３０１は、印刷結果を出力する。 The printing unit 301 prints the input image (correction result) corrected by the image processing apparatus 100 or 200. Then, the printing unit 301 outputs the printing result.

例えば、印刷部３０１は、インクをノズルから吐出することにより、補正された入力画像を紙などの記録媒体に印刷する。また例えば、印刷部３０１は、トナーを記録媒体に定着させることにより、補正された入力画像を紙などの記録媒体に印刷してもよい。 For example, the printing unit 301 prints the corrected input image on a recording medium such as paper by ejecting ink from the nozzles. For example, the printing unit 301 may print the corrected input image on a recording medium such as paper by fixing toner on the recording medium.

以上のように、本実施の形態に係るプリンタによれば、適切に補正された入力画像（補正結果）を印刷することができる。 As described above, according to the printer according to the present embodiment, it is possible to print an input image (correction result) that has been appropriately corrected.

（実施の形態の変形例）
以上、本発明の一態様に係る画像処理装置およびプリンタについて、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も本発明の範囲内に含まれる。 (Modification of the embodiment)
As described above, the image processing apparatus and the printer according to one aspect of the present invention have been described based on the embodiment. However, the present invention is not limited to this embodiment. Unless it deviates from the meaning of the present invention, forms in which various modifications conceived by those skilled in the art have been made in this embodiment and forms constructed by combining components in different embodiments are also included in the scope of the present invention.

（変形例１）
なお、上記各実施の形態では、１つの第２の関係が推定され、１つの第２の補正値が算出されていたが、これに限られない。つまり、複数の第２の関係が推定され、複数の第２の補正値が算出されてもよい。この場合、例えば以下のように、複数の第２の関係が推定され、複数の第２の補正値が算出されればよい。 (Modification 1)
In each of the above embodiments, one second relationship is estimated and one second correction value is calculated. However, the present invention is not limited to this. That is, a plurality of second relationships may be estimated, and a plurality of second correction values may be calculated. In this case, for example, a plurality of second relationships may be estimated and a plurality of second correction values may be calculated as follows.

まず、第２分析部は、原画像の複数の領域のうちの少なくとも１つの領域から抽出される複数の画像特徴量セットであって互いに異なる組合せの複数の画像特徴量を含む複数の画像特徴量セットの各々について、複数の画像特徴量と補正画像の明度の補正値との間の第２の関係を重回帰分析により推定してもよい。例えば、第２分析部は、図４に示すような４つの明度の平均値を第１の画像特徴量セットとして用い、４つの彩度の平均値を第２の画像特徴量セットとして用いて、２つの第２の関係を推定してもよい。 First, the second analysis unit includes a plurality of image feature amounts that are extracted from at least one region of the plurality of regions of the original image and include a plurality of image feature amounts in different combinations. For each of the sets, the second relationship between the plurality of image feature amounts and the correction value of the brightness of the corrected image may be estimated by multiple regression analysis. For example, the second analysis unit uses an average value of four brightnesses as shown in FIG. 4 as a first image feature amount set, and uses an average value of four saturations as a second image feature amount set. Two second relationships may be estimated.

さらに、抽出部は、入力画像の複数の領域のうちの少なくとも１つの領域から、互いに異なる組合せの複数の画像特徴量を含む複数の画像特徴量セットを抽出してもよい。第２算出部は、第２分析部によって推定された複数の第２の関係に基づいて、抽出部によって抽出された複数の画像特徴量セットに対応する複数の第２の補正値を算出してもよい。そして、合成部は、第１の補正値と複数の第２の補正値とを合成することにより、合成補正値を算出してもよい。 Further, the extraction unit may extract a plurality of image feature amount sets including a plurality of image feature amounts in different combinations from at least one region of the plurality of regions of the input image. The second calculation unit calculates a plurality of second correction values corresponding to the plurality of image feature amount sets extracted by the extraction unit based on the plurality of second relationships estimated by the second analysis unit. Also good. Then, the combining unit may calculate a combined correction value by combining the first correction value and the plurality of second correction values.

このように、本変形例によれば、複数の第２の関係に基づいて複数の第２の補正値を算出することができる。したがって、補正値のバリエーションを増やすことができ、合成補正値の精度を向上させることが可能となる。 Thus, according to this modification, a plurality of second correction values can be calculated based on a plurality of second relationships. Therefore, variations in correction values can be increased, and the accuracy of the combined correction value can be improved.

（変形例２）
上記各実施の形態において、抽出部は、予め定められた条件を満たす複数の領域から複数の画像特徴量を抽出していたが、これに限られない。例えば、抽出部は、入力画像の複数の領域から少なくとも１つの領域をランダムに選択し、選択された少なくとも１つの領域から複数の画像特徴量を抽出してもよい。つまり、画像特徴量を抽出するための少なくとも１つの領域は無作為にサンプリングされてもよい。 (Modification 2)
In each of the above-described embodiments, the extraction unit extracts a plurality of image feature amounts from a plurality of regions that satisfy a predetermined condition. For example, the extraction unit may randomly select at least one region from a plurality of regions of the input image, and extract a plurality of image feature amounts from the selected at least one region. That is, at least one region for extracting the image feature amount may be randomly sampled.

このように、本変形例によれば、ランダムに選択された領域から複数の画像特徴量を抽出することができる。したがって、複数の画像特徴量のバリエーションをさらに増加させることができ、より適切な第２の関係を推定することが可能となる。 As described above, according to this modification, a plurality of image feature amounts can be extracted from a randomly selected region. Therefore, the variation of the plurality of image feature amounts can be further increased, and a more appropriate second relationship can be estimated.

（変形例３）
上記各実施の形態では、複数の画像特徴量がすべて明度の平均値である例を説明したが、複数の画像特徴量は明度の平均値に限らない。複数の画像特徴量は、明度の平均値、明度の分散値、彩度の平均値および彩度の分散値のうちの少なくとも１つを含んでもよい。 (Modification 3)
In each of the above-described embodiments, the example in which the plurality of image feature amounts are all the lightness average values has been described. The plurality of image feature amounts may include at least one of an average value of brightness, a variance value of brightness, an average value of saturation, and a variance value of saturation.

このように、本変形例によれば、複数の画像特徴量が、明度の平均値、明度の分散値、彩度の平均値および彩度の分散値のうちの少なくとも１つを含むことができる。発明者は、明度の平均値、明度の分散値、彩度の平均値および彩度の分散値が、明度の補正値に対して高い依存性を有することを発見した。したがって、複数の画像特徴量が、明度の平均値、明度の分散値、彩度の平均値および彩度の分散値のうちの少なくとも１つを含むことより、より適切な第２の補正値を算出することができ、入力画像の明度をより適切に補正することが可能となる。 Thus, according to the present modification, the plurality of image feature amounts can include at least one of the lightness average value, the lightness variance value, the chroma average value, and the chroma dispersion value. . The inventor has discovered that the average value of brightness, the variance value of brightness, the average value of saturation, and the variance value of saturation have high dependency on the correction value of brightness. Accordingly, since the plurality of image feature amounts include at least one of the average value of brightness, the variance value of brightness, the average value of saturation, and the variance value of saturation, a more appropriate second correction value can be obtained. Thus, it is possible to more appropriately correct the brightness of the input image.

（その他の変形例）
なお、上記各実施の形態では、複数の領域から１種類の画像特徴量（明度の平均値）が抽出される例を説明したが、１つの領域から複数種類の画像特徴量が抽出されてもよい。例えば、１つの領域から明度の平均値と彩度の平均値とが抽出されてもよい。つまり、複数の画像特徴量が抽出されればよく、画像特徴量が抽出される領域の数が限定される必要はない。 (Other variations)
In each of the embodiments described above, an example in which one type of image feature amount (brightness average value) is extracted from a plurality of regions has been described, but a plurality of types of image feature amounts may be extracted from one region. Good. For example, an average value of brightness and an average value of saturation may be extracted from one region. That is, it is only necessary to extract a plurality of image feature amounts, and it is not necessary to limit the number of regions from which image feature amounts are extracted.

なお、上記各実施の形態において、複数の原画像および複数の補正画像を記憶している記憶装置は、画像処理装置に含まれていなかったが、画像処理装置に含まれてもよい。 In each of the above embodiments, the storage device that stores a plurality of original images and a plurality of corrected images is not included in the image processing device, but may be included in the image processing device.

なお、上記各実施の形態において、画像処理装置は、補正部による補正結果をそのまま出力していたが、例えば、補正結果に対する修正指示をユーザから受け付けるユーザインタフェース部を備えてもよい。つまり、画像処理装置は、補正部による補正結果を補正の初期値としてユーザに提示してもよい。そして、ユーザによって補正結果が修正された場合、入力画像および修正された補正結果は、原画像および補正画像として記憶装置に格納されてもよい。そして、入力画像および修正された補正結果を含む、複数の原画像および複数の補正画像を用いて第１の関係および第２の関係が推定されることにより、推定精度を向上させることができる。 In each of the above embodiments, the image processing apparatus outputs the correction result by the correction unit as it is. However, for example, the image processing apparatus may include a user interface unit that receives a correction instruction for the correction result from the user. That is, the image processing apparatus may present the correction result by the correction unit to the user as an initial value for correction. When the correction result is corrected by the user, the input image and the corrected correction result may be stored in the storage device as an original image and a corrected image. Then, estimation accuracy can be improved by estimating the first relationship and the second relationship using a plurality of original images and a plurality of corrected images including the input image and the corrected correction result.

なお、上記各実施の形態では、ＣＩＥＬＡＢに基づく明度等を画像特徴量として用いる例を説明したが、これに限定されない。例えば、明度として、ＹＣｂＣｒ色空間におけるＹが用いられてもよい。また、明度として、ＲＧＢ色空間におけるＲＧＢの和あるいは平均値が用いられてもよい。 In each of the above-described embodiments, the example in which the brightness based on CIELAB is used as the image feature amount has been described, but the present invention is not limited to this. For example, Y in the YCbCr color space may be used as the brightness. Further, as the brightness, a sum or average value of RGB in the RGB color space may be used.

なお、上記各実施の形態において、ランダムに分割された領域は矩形状を有していたが、他の形状を有してもよい。例えば、領域の形状は六角形であってもよい。また、複数の領域は、複数の形状を有してもよい。 In each of the above embodiments, the randomly divided region has a rectangular shape, but may have another shape. For example, the shape of the region may be a hexagon. Further, the plurality of regions may have a plurality of shapes.

なお、上記各実施の形態では、第１の関係および第２の関係が線形式（１次式）で表される例について説明したが、これに限られない。例えば、第１の関係および第２の関係は、２次以上の高次式で表わされてもよい。 In each of the above embodiments, the example in which the first relationship and the second relationship are expressed in a linear form (primary expression) has been described. However, the present invention is not limited to this. For example, the first relationship and the second relationship may be expressed by a higher-order expression of second or higher order.

なお、上記各実施の形態では、合成補正値は、第１の補正値と第２の補正値との平均値あるいは重み付き平均値である場合を例に説明したが、これに限定されない。例えば、複数の第２の補正値が算出される場合は、第１の補正値および複数の第２の補正値の中央値が合成補正値として算出されてもよい。つまり、合成補正値は、統計的な代表値であればどのように算出されてもよい。 In each of the above embodiments, the case where the composite correction value is an average value of the first correction value and the second correction value or a weighted average value is described as an example, but the present invention is not limited to this. For example, when a plurality of second correction values are calculated, the median value of the first correction value and the plurality of second correction values may be calculated as a combined correction value. That is, the composite correction value may be calculated in any way as long as it is a statistical representative value.

なお、上記各実施の形態において、原画像の分割は、１回だけではなく、複数回行われてもよい。つまり、１つの原画像から得られる複数の分割結果の各々から、複数の画像特徴量が抽出されてもよい。これにより、複数の画像特徴量のバリエーションをさらに増やすことができる。 In each of the above embodiments, the original image may be divided not only once but a plurality of times. That is, a plurality of image feature amounts may be extracted from each of a plurality of division results obtained from one original image. Thereby, the variation of several image feature-value can be increased further.

なお、上記の画像処理装置は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクドライブ、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムとして構成されてもよい。ＲＯＭまたはハードディスクドライブには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、画像処理装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。 Note that the above-described image processing apparatus may be specifically configured as a computer system including a microprocessor, a ROM, a RAM, a hard disk drive, a display unit, a keyboard, a mouse, and the like. A computer program is stored in the ROM or hard disk drive. The image processing apparatus achieves its functions by the microprocessor operating according to the computer program. Here, the computer program is configured by combining a plurality of instruction codes indicating instructions for the computer in order to achieve a predetermined function.

さらに、上記の画像処理装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（ＬａｒｇｅＳｃａｌｅＩｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。ＲＯＭには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。 Furthermore, some or all of the constituent elements constituting the image processing apparatus may be configured by a single system LSI (Large Scale Integration). The system LSI is an ultra-multifunctional LSI manufactured by integrating a plurality of components on a single chip, and specifically, a computer system including a microprocessor, ROM, RAM, and the like. . A computer program is stored in the ROM. The system LSI achieves its functions by the microprocessor operating according to the computer program.

さらにまた、上記の画像処理装置を構成する構成要素の一部または全部は、画像処理装置に脱着可能なＩＣカードまたは単体のモジュールから構成されているとしてもよい。ＩＣカードまたはモジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。ＩＣカードまたはモジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、ＩＣカードまたはモジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。 Furthermore, some or all of the constituent elements constituting the above-described image processing apparatus may be configured from an IC card that can be attached to and detached from the image processing apparatus or a single module. The IC card or module is a computer system that includes a microprocessor, ROM, RAM, and the like. The IC card or the module may include the super multifunctional LSI described above. The IC card or the module achieves its function by the microprocessor operating according to the computer program. This IC card or this module may have tamper resistance.

また、本発明は、上記に示す方法であるとしてもよい。また、本発明は、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、前記上記コンピュータプログラムからなるデジタル信号であるとしてもよい。 Further, the present invention may be the method described above. In addition, the present invention may be a computer program that implements these methods by a computer, or may be a digital signal composed of the computer program.

さらに、本発明は、上記コンピュータプログラムまたは上記デジタル信号をコンピュータ読み取り可能な非一時的な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ（登録商標）Ｄｉｓｃ）、半導体メモリなどに記録したものとしてもよい。また、これらの非一時的な記録媒体に記録されている上記デジタル信号であるとしてもよい。 Furthermore, the present invention provides a non-transitory recording medium that can read the computer program or the digital signal, for example, a flexible disk, a hard disk, a CD-ROM, an MO, a DVD, a DVD-ROM, a DVD-RAM, a BD ( It may be recorded on a Blu-ray (registered trademark) Disc), a semiconductor memory, or the like. Further, the digital signal may be recorded on these non-temporary recording media.

また、本発明は、上記コンピュータプログラムまたは上記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。 In the present invention, the computer program or the digital signal may be transmitted via an electric communication line, a wireless or wired communication line, a network represented by the Internet, a data broadcast, or the like.

また、本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、上記メモリは、上記コンピュータプログラムを記憶しており、上記マイクロプロセッサは、上記コンピュータプログラムに従って動作するとしてもよい。 The present invention may be a computer system including a microprocessor and a memory, wherein the memory stores the computer program, and the microprocessor operates according to the computer program.

また、上記プログラムまたは上記デジタル信号を上記非一時的な記録媒体に記録して移送することにより、または上記プログラムまたは上記デジタル信号を上記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。 Further, by recording the program or the digital signal on the non-temporary recording medium and transferring it, or transferring the program or the digital signal via the network or the like, another independent computer It may be implemented by the system.

さらに、上記実施の形態及び上記変形例をそれぞれ組み合わせるとしてもよい。 Furthermore, the above embodiment and the above modification examples may be combined.

本発明は、入力画像の明度を補正する画像処理装置および当該画像処理装置を備えるプリンタとして利用することができる。 The present invention can be used as an image processing apparatus that corrects the brightness of an input image and a printer that includes the image processing apparatus.

１００、２００画像処理装置
１０１第１分析部
１０２第２分析部
１０３第１算出部
１０４抽出部
１０５第２算出部
１０６、２０２合成部
１０７補正部
１１０記憶装置
１５１原画像
１５１ａ、１５１ｂ、１５１ｃ、１５１ｄブロック
１５２補正画像
２０１第３分析部
３００プリンタ
３０１印刷部 DESCRIPTION OF SYMBOLS 100, 200 Image processing apparatus 101 1st analysis part 102 2nd analysis part 103 1st calculation part 104 Extraction part 105 2nd calculation part 106,202 Synthesis | combination part 107 Correction | amendment part 110 Storage device 151 Original image 151a, 151b, 151c, 151d Block 152 Corrected image 201 Third analysis unit 300 Printer 301 Printing unit

Claims

An image processing apparatus that corrects the brightness of an input image based on a plurality of original images and a plurality of corrected images obtained by correcting the plurality of original images,
A first analyzer that estimates a first relationship between an average value of brightness of the original image and a correction value of brightness of the corrected image based on the plurality of original images and the plurality of corrected images by single regression analysis; ,
Based on the plurality of original images and the plurality of corrected images, a plurality of image feature amounts extracted from at least one of a plurality of regions obtained by randomly dividing the original image, and the brightness of the corrected image A second analysis unit for estimating a second relationship between the correction values of the two by a multiple regression analysis;
A first calculation unit that calculates a first correction value corresponding to an average value of brightness of the input image based on the first relationship estimated by the first analysis unit;
An extraction unit that extracts a plurality of image feature amounts from at least one of a plurality of regions obtained by randomly dividing the input image;
A second calculation unit that calculates second correction values corresponding to the plurality of image feature amounts extracted by the extraction unit based on the second relationship estimated by the second analysis unit;
A combining unit that calculates a combined correction value by combining the first correction value and the second correction value;
An image processing apparatus comprising: a correction unit that corrects the brightness of the input image using the composite correction value.

The image processing according to claim 1, wherein the extraction unit randomly selects the at least one region from a plurality of regions of the input image, and extracts the plurality of image feature amounts from the selected at least one region. apparatus.

The image processing apparatus further includes:
A first correction value calculated from the original image using the first relationship, a second correction value calculated from the original image using the second relationship, and a lightness correction value of the corrected image A third analysis unit for estimating a third relationship between the first and second by a multiple regression analysis,
The image processing apparatus according to claim 1, wherein the synthesizing unit synthesizes the first correction value and the second correction value based on the third relationship.

The second analysis unit is a plurality of image feature amount sets extracted from at least one region of the plurality of regions of the original image, and includes a plurality of image feature amounts having different combinations. For each of the quantity sets, a second relationship between the plurality of image feature quantities and the brightness correction value of the corrected image is estimated by multiple regression analysis,
The extraction unit extracts a plurality of image feature amount sets each including a plurality of image feature amounts of different combinations from at least one region of the plurality of regions of the input image,
The second calculation unit includes a plurality of second corrections corresponding to the plurality of image feature amount sets extracted by the extraction unit based on the plurality of second relationships estimated by the second analysis unit. Calculate the value,
The image processing apparatus according to claim 1, wherein the synthesis unit synthesizes the first correction value and the plurality of second correction values.

The plurality of image feature amounts include at least one of an average value of brightness, a variance value of brightness, an average value of saturation, and a variance value of saturation. Image processing device.

The image processing apparatus according to any one of claims 1 to 5,
A printer that prints the corrected input image.