JP2016046595A - 画像処理装置、画像処理方法ならびにプログラム - Google Patents

Abstract

【課題】 故障箇所の特定を現地にいないサービスマンで行う場合であっても精度良く故障箇所の特定ができる画像処理装置を提供することを目的とする。
【解決手段】 本画像処理装置は、画像を形成する画像形成手段を有する画像処理装置であり、前記画像形成手段で形成されたチャートを読み取った結果から特徴量を取得する取得手段と、前記取得手段により取得された特徴量に従い前記画像形成手段により形成された画像に不良が含まれるか否か判定する判定手段と、前記判定手段により判定された結果についての情報を通知する通知手段と、を有し、前記取得手段にて取得された特徴量に応じて、前記チャートを読み取った結果から生成された画像を、前記通知手段によって通知する情報に付加するか否か決定する決定手段と、を有することを特徴とする。
【選択図】 図６

Description

本発明はユーザから画質の不具合を指摘された際にプリンタに異常があるか否かを判定するための画像処理装置及び画像処理方法ならびに画像処理を実行するプログラムに関するものである。

近年電子写真装置の性能向上に伴い印刷機と同等の画質を実現した機械（プリンタなどの画像処理装置）が登場している。印刷機と同様に運用するためには高画質の維持が必須だが、長時間にわたりストレスのかかる使い方をするとプリンタが劣化し、本来出力されるべき通常の画像と異なる画像が出力される「画質問題（画像不良）」が発生する可能性がある。このような劣化等により発生する「画質問題」はセンサ等を用いた自動検知が難しく、ユーザからの指摘を受けてから対応するケースが非常に多い。だが、「画質問題」は言葉で表現することが難しく、例えば「スジがある」といってもスジの色や方向、大きさ等の詳細な情報がわからないとその原因を特定することができない。そのため、ユーザから「画質問題」の指摘を受けた際にサービスマンが現地に行って「画質問題」を含む出力画像を確認する必要があった。そして、画質問題の原因となる故障箇所を予測して関係するサービスパーツを特定し、一度サービスの拠点に戻り、サービスパーツを入手してから再びユーザ先へ行って対応を行っていた。このようなやり取りを行うとサービスマンの移動にコストがかかるだけでなく、対応が終了するまで機械が使えなくなるためダウンタイムが発生し、ユーザの生産性を大きく低下させるという問題があった。

そこで、特許文献１では、プリンタで画像を出力してそのスキャン画像を取得し、取得された画像から特徴量を算出し、算出された特徴量と推論エンジンを使って故障箇所を診断する「画像診断」技術が開示されている。開示されている技術では、診断結果をサービスマンやサービス拠点に通知することで、診断結果への対応すなわち故障対応を容易にしている。

また、特許文献１では特徴量と故障箇所の対応関係を保存した統計データを「診断モデル」とし、ベイズ推定等の既知の手法を用いることで特徴量から故障箇所を精度高く診断することが可能となる点について開示されている。過去に発生した事例を統計データに追加していくことで「診断モデル」が学習され、学習された診断モデルを用いることで、より精度の高い故障診断が可能となる。

特開２００５−３０９０７８

しかしながら上記の診断システム内部に多くの統計データが集まらない、すなわち「診断モデル」が十分に学習されていないと、故障箇所の診断精度が向上しない。よって、故障診断結果の通知を受け取ったサービスマンが故障箇所のパーツを正しく特定できない可能性や、故障箇所のパーツを間違える可能性がある。

また、このような場合、画質問題が発生した装置から離れた場所にいる外部のサービスマン自身が故障箇所の診断を行い故障箇所へ対応することが考えられる。

しかしながら、この診断に用いる画像データなどの情報をそのまま外部へ送信するとデータ容量が大きくネットワーク負荷が大きくなり、またデータ受け取り先のストレージを逼迫させることも考えられる。

また、外部にて画像データなどの画像診断の入力情報だけを受け取っても、どのような画質問題が発生しているかサービスマンが正しく把握できず、故障箇所の診断（特定）を正しく行えない可能性もある。

そこで、本発明は故障箇所の診断（特定）を画像処理装置があるユーザ元にいないサービスマンで行う場合であっても、故障箇所の診断（特定）を精度良く実現可能な画像処理装置を提供することを目的とする。

上述した課題を解決するために本発明の画像処理装置は、画像を形成する画像形成手段を有する画像処理装置であり、前記画像形成手段で形成されたチャートを読み取った結果から特徴量を取得する取得手段と、前記取得手段により取得された特徴量に従い前記画像形成手段により形成された画像に不良が含まれるか否か判定する判定手段と、前記判定手段により判定された結果についての情報を通知する通知手段と、を有し、前記取得手段にて取得された特徴量に応じて、前記チャートを読み取った結果から生成された画像を、前記通知手段によって通知する情報に付加するか否か決定する決定手段と、を有することを特徴とする。

本発明により、故障箇所の診断（特定）を画像処理装置から離れた場所にいるサービスマンによって精度高く行うことが可能となる。また、故障箇所の特定をするために必要な情報をサービスマンに通知する際、通知に要するデータ容量を適切に低減することが可能となる。

システムの構成図である。 画像処理の流れを示した図である。 実施例１における画像診断を実行する処理の流れを示した図である。 実施例１における解析チャートの例を示した図である。 実施例１における特徴量の検出例を示した表である。 実施例１における画質問題判定結果の外部通知処理を示したフローチャートである。 実施例１における画像通知判定処理を示したフローチャートである。 実施例１における通知画像生成処理を示したフローチャートである。 実施例１においてスジの画質問題が発生した場合の出力チャートおよび通知データ例である。 実施例１において密集した汚れの画質問題が発生した場合の出力チャートおよび通知データ例である。 実施例１において周期的な汚れの画質問題が発生した場合の出力チャートおよび通知データ例である。 実施例１において広く分布した汚れの画質問題が発生した場合の出力チャートおよび通知データ例である。 実施例２における画像診断を実行する処理の流れを示した図である。 実施例２における画質問題の通知データ例を示す図である。

以下、本発明を実施するための形態について図面を用いて説明する。

本発明の実施の形態について説明する。本実施例では画像処理装置に対して画像診断を実行する時に画像処理装置から出力された画像から特徴量を抽出し、特徴量から得られた画質問題に関わる情報を画像処理装置の外部へ通知する手法について説明する。画質問題とは、画像処理装置における部品故障など何らかの原因で、スジ等の本来出力されるべき画像データに無いデータが画像処理装置から出力される出力物に付加されてしまう問題であり、画像不良のことである。また、この画質問題とは、本来出力されるべき画像データが白く抜けてしまう問題や、色が変わってしまう問題など、出力物にユーザが期待していない何らかの変化が発生してしまう問題である。

図１は本実施例におけるシステムの構成図である。シアン、マゼンタ、イエロー、ブラック（以下、Ｃ、Ｍ、Ｙ、Ｋ）の各トナーを用いる画像処理装置（以下、ＭＦＰ（Ｍｕｌｔｉ Ｆｕｎｃｔｉｏｎ Ｐｒｉｎｔｅｒ））１０１はネットワーク１２３を介して他のネットワーク対応機器と接続されている。またＰＣ１２４はネットワーク１２３を介してＭＦＰ１０１と接続されている。ＰＣ１２４内のプリンタドライバ１２５はＭＦＰ１０１へ印刷データを送信する。

ＭＦＰ１０１について詳細に説明する。ネットワークＩ／Ｆ１２２は印刷データ等の受信を行う。コントローラ１０２はＣＰＵ１０３やレンダラ１１２、画像処理部１１４で構成される。ＣＰＵ１０３のインタプリタ１０４は受信した印刷データのＰＤＬ（ページ記述言語）部分を解釈し、中間言語データ１０５を生成する。

そしてＣＭＳ１０６ではソースプロファイル１０７及びデスティネーションプロファイル１０８を用いて色変換を行い、中間言語データ（ＣＭＳ後）１１１を生成する。ここでＣＭＳとはＣｏｌｏｒ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍの略であり、後述するプロファイルの情報を用いて色変換を行う。また、ソースプロファイル１０７はＲＧＢやＣＭＹＫ等のデバイスに依存する色空間をＣＩＥ（国際照明委員会）が定めたＬ＊ａ＊ｂ＊（以下、Ｌａｂ）やＸＹＺ等のデバイス非依存の色空間に変換するためのプロファイルである。ＸＹＺはＬａｂと同様にデバイス非依存の色空間であり、３種類の刺激値で色を表現する。また、デスティネーションプロファイル１０８はデバイス非依存色空間をデバイス（プリンタ１１５）に依存したＣＭＹＫ色空間に変換するためのプロファイルである。

一方、ＣＭＳ１０９ではデバイスリンクプロファイル１１０を用いて色変換を行い、中間言語データ（ＣＭＳ後）１１１を生成する。ここでデバイスリンクプロファイル１１０はＲＧＢやＣＭＹＫ等のデバイス依存色空間をデバイス（プリンタ１１５）に依存したＣＭＹＫ色空間に直接変換するためのプロファイルである。どちらのＣＭＳが選ばれるかはプリンタドライバ１２５における設定に依存する。

本実施例ではプロファイル（１０７、１０８及び１１０）の種類によってＣＭＳ（１０６及び１０９）を分けているが、１つのＣＭＳで複数種類のプロファイルを扱ってもよい。また、プロファイルの種類は本実施例で挙げた例に限らずプリンタ１１５のデバイス依存ＣＭＹＫ色空間を用いるのであればどのような種類のプロファイルでもよい。

レンダラ１１２は生成した中間言語データ（ＣＭＳ後）１１１からラスター画像１１３を生成する。画像処理部１１４はラスター画像１１３やスキャナ１１９で読み込んだ画像に対して画像処理を行う。画像処理部１１４について詳細は後述する。

コントローラ１０２と接続されたプリンタ１１５はＣ、Ｍ、Ｙ、Ｋ等の有色トナーを用いて紙上に出力データを形成するプリンタである。プリンタ１１５はＣＰＵ１２７によって制御され、紙の給紙を行う給紙部１１６と出力データを形成した紙を排紙する排紙部１１７を持つ。

表示装置１１８はユーザへの指示やＭＦＰ１０１の状態を表示するＵＩ（ユーザーインターフェース）である。コピー、送信処理等の他、後述する画像診断処理で用いる。

スキャナ１１９はオートドキュメントフィーダーを含むスキャナである。スキャナ１１９は束状のあるいは一枚の原稿画像を図示しない光源で照射し、原稿反射像をレンズでＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）センサ等の固体撮像素子上に結像する。そして、固体撮像素子からラスター状の画像読み取り信号を画像データとして得る。

入力装置１２０はユーザからの入力を受け付けるためのインタフェースである。一部の入力装置はタッチパネルとなっているため、表示装置１１８と一体化している。

記憶装置１２１はコントローラ１０２で処理されたデータやコントローラ１０２が受け取ったデータ等を保存する。

画像診断部１２６は画質問題が発生した時にチャートを出力して解析処理を実行することで画像診断処理を行う。処理の詳細については後述する。

次に画像処理部１１４の流れについて図２を用いて説明する。図２はラスター画像１１３やスキャナ１１９で読み込んだ画像に対して行う画像処理の流れを示している。図２の処理の流れは画像処理部１１４内にある不図示のＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）が実行することにより実現される。

ステップＳ２０１にて受け取った画像データがスキャナ１１９で読み込んだスキャンデータかプリンタドライバ１２５から送られたラスター画像１１３かを判別する。

スキャンデータではない場合はレンダラ１１２によってビットマップ展開されたラスター画像１１３であるため、ＣＭＳによってプリンタデバイスに依存するＣＭＹＫに変換されたＣＭＹＫ画像２１０として以降の処理を行う。

スキャンデータの場合はＲＧＢ画像２０２であるため、ステップＳ２０３にて色変換処理を行い、共通ＲＧＢ画像２０４を生成する。ここで共通ＲＧＢ画像２０４とはデバイスに依存しないＲＧＢ色空間で定義されており、演算によってＬａｂ等のデバイス非依存色空間に変換することが可能である。

一方、ステップＳ２０５にて文字判定処理を行い、文字判定データ２０６を生成する。ここでは画像のエッジ等を検出して文字判定データ２０６を生成する。

次にステップＳ２０７にて共通ＲＧＢ画像２０４に対して文字判定データ２０６を用いてフィルタ処理を行う。ここでは文字判定データ２０６を用いて文字部とそれ以外で異なるフィルタ処理を行う。そしてステップＳ２０８にて下地飛ばし処理を行い、地色成分を除去する。

次にステップＳ２０９にて色変換処理を行い、ＣＭＹＫ画像２１０を生成する。そしてステップＳ２１１にて１Ｄ−ＬＵＴを用いてＣ、Ｍ、Ｙ、Ｋの各単色の階調特性を補正する。１Ｄ−ＬＵＴ とはＣ、Ｍ、Ｙ、Ｋのそれぞれの色を補正する１次元のＬＵＴ（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ）のことである。

最後にステップＳ２１２にて画像処理部１１４はスクリーン処理や誤差拡散処理のような画像形成処理を行ってＣＭＹＫ画像（２値）２１３を作成する。

次に本実施例の画像診断処理について図３を用いて説明する。画像診断処理は画質問題が発生した際にユーザ等が実行する処理であり、画像診断部１２６にて制御される。以下の処理の流れのうち、ステップＳ３０１〜ステップＳ３０９までの処理はコントローラ１０２内のＣＰＵ１０３が実行することにより実現され、取得されたデータは記憶装置１２１に保存される。また表示装置１１８によってユーザへの指示をＵＩに表示し、入力装置１２０からユーザの指示を受け付ける。

まず、ステップＳ３０１にて画像診断を実行するためのチャートをプリンタで出力し、出力チャート３０２を取得する。ここでチャートについて図４を用いて説明する。

チャート４０１はＫのハーフトーン（以下、ＨＴ）チャートであり、Ｋの中間調データで構成される。これらのチャートは全面に一様なデータを配置するため、出力結果にスジ等の本来出力される画像データに無いデータが付加されていないかを判定することが可能となる。また、定着不良など何らかの原因で本来出力されるべき画像データ（Ｋのハーフトーン）が白く抜けてしまっていないかどうかも判定することが可能である。

次にステップＳ３０３にて出力したチャート３０２をスキャナ１１９で読み込み、スキャン画像３０４を取得する。

次にステップＳ３０５にてスキャン画像３０４に対して解析処理を実行し、画像特徴量３０６を得る。ここで、解析処理について例を挙げて説明する。本実施例ではチャート４０１を読み込み、「スジ解析」および「汚れ解析」を実行する。

本実施例の「スジ解析」では、チャート４０１等の面内一様なチャートを読み込み、主走査、副走査等の特定の方向を見て条件に合う線を検出し、検出された線（スジ）の太さ／長さ等を画像特徴量３０６として取得される。また、本実施例の「汚れ解析」では、チャート４０１等の面内一様なチャートを読み込み、チャート内の画素を異常画素と正常画素に分け異常画素の位置や個数や大きさ、形状等を画像特徴量３０６として取得される。ここで、「スジ」と「汚れ」を区別するために、主走査または副走査方向に端部から逆端部まで長く伸びている異常画素群の形状が検出された場合は「汚れ」として検出しないという処理としてもよい。

本実施例ではチャート及び解析処理としてＫのＨＴチャートを用いて「スジ解析」および「汚れ解析」を実行することについて説明したが、画質問題を診断するものであればどのようなものであってもよい。

次にステップＳ３０７にて閾値３０８と画像特徴量３０６を比較し、画質問題があるか否かを判定する。「スジ解析」の場合は画像特徴量３０６である検出された線（スジ）の太さや長さに対応した閾値が用意され、取得した画像特徴量３０６が閾値を超えた場合に画質問題があると判断する。

「汚れ解析」の場合は画像特徴量３０６である異常画素の位置や個数や大きさ、形状等に対応した閾値が用意され、取得した画像特徴量３０６が閾値を超えた場合に画質問題があると判断する。

次にステップＳ３０９にて画質問題の判定結果を外部へ通知する。外部とは本画像処理装置をメンテナンスするサービスマンや、そのサービス拠点、管理センター等のことである。通知内容の生成方法に関しての詳細は後述する。外部のサービスマンは、この通知を受け取ることで適切に画質問題を把握し、画質問題を解決するためのサービスパーツなどを特定することが可能となる。

次にステップＳ３０５にて得られた画像特徴量３０６に関して図５を用いて詳細に説明する。図５の表５０１は１列目に特徴量の種類を示しており、２列目以降の列にその特徴量の検出値を示している。ここでは２列目〜５列目までで検出値の例を４つ記載する。この検出値はステップＳ３０３にて読み込んだスキャン画像３０４に発生している画質問題の状態に応じて値が変化するものである。２列目の検出値（例１）は「スジ解析」によってスジの画質問題が検出された場合の例である。また３列目以降の検出値（例２）〜（例４）はそれぞれ「汚れ解析」によって汚れの画質問題が検出された場合のそれぞれ異なる例である。

次に、表５０１の各行について説明する。表５０１の各行は検出すべき特徴量の種類の一例を示す。例えば２行目〜５行目はスジ特徴量を示し、スキャン画像３０４をＳ３０５にて解析処理した場合に、「スジ解析」によってスジの画質問題が検出された場合に０ではない検出値が得られるものである。ここでは、検出したスジの数、またそれらスジの平均濃度と幅（複数スジの場合は平均幅）を特徴量としている。さらに複数（３つ以上）のスジが発生していた場合に、それらスジが周期的な位置関係で発生しているか否かを示す「スジ：周期性」という特徴量も定義している。また、６行目〜１４行目は汚れ特徴量を示し、スキャン画像３０４をステップＳ３０５にて解析処理した場合に、「汚れ解析」によって汚れの画質問題が検出された場合に０ではない検出値が得られるものである。ここでは、検出した汚れの「数」、発生した汚れの中の「最大面積」、汚れ画素の「平均濃度」、そして発生した汚れの面積のバラつき方（同じような面積の汚れが発生しているか否か）を示す「面積バラつき」などを特徴量として定義している。また、汚れが画像全体に分布しているか密集して発生しているかを示す「密集度」や汚れが周期的に発生しているかを示す「周期性」を特徴量として定義している。さらに汚れの形状が円に近いか否かを示す「円形度」、そして発生した汚れ位置の重心位置を示す「重心位置Ｘ、Ｙ」を特徴量として定義している。

その他、特徴量の種類として、色、ムラに関するものを含んでもよい。

色特徴量であれば、スキャン画像に対して「色解析」を行った結果、色の画質問題が検出された場合に取得される特徴量であり、この色特徴量として定義されるものとして「濃度値」や「期待濃度との色差」等があげられる。

また、ムラ特徴量であれば、スキャン画像に対し手「ムラ解析」を行った結果、ムラの画質問題が検出された場合に取得される特徴量であり、このムラ特徴量とし定義されるものとして「ムラの周期性」や「ムラの濃度ピッチ」等があげられる。

これら特徴量はステップＳ３０７の画質問題判定処理およびステップＳ３０９の画質問題判定結果の外部通知処理にて利用される。

次に画質問題判定結果の外部通知処理について図６のフローチャートを用いて説明する。本フローチャートは図３におけるステップＳ３０９を詳細に説明したものであって、画像診断部１２６にて制御される。以下の処理の流れのうち、ステップＳ６０１〜ステップＳ６０６までの処理はコントローラ１０２内のＣＰＵ１０３が実行することにより実現される。

まずステップＳ６０１では画質問題があったか否かを判定する。これは図３のステップＳ３０７の画質問題判定処理において画質問題が検出されたか否かを判定している。画質問題がなかったと判定された場合にはステップＳ６０５へ進む。画質問題があったと判定された場合はステップＳ６０２へ進む。

次にステップＳ６０２では画像通知判定処理を実行する。これは、画質問題判定結果の通知内容に画像データを含めるか否かの判定処理である。本判定処理には図５で説明したような画像特徴量３０６を用いる。判定処理の詳細は別図を用いて後述する。

次にステップＳ６０３ではステップＳ６０２の画像通知判定処理の結果から通知内容に画像データを含めることになったか否かを判定する。画像データを含めないと判定された場合にはステップＳ６０５へ進む。画像データを含めると判定された場合にはステップＳ６０４へ進む。

ステップＳ６０４では外部へ通知する際に用いられる画像データを生成する通知画像生成処理を実行する。本生成処理には図５で説明したような画像特徴量３０６を用いる。生成処理の詳細は別図を用いて後述する。

ステップＳ６０５では外部へ通知する文書を生成する通知文書生成処理を実行する。本生成処理には図５で説明したような画像特徴量３０６を用いる。例えばＳ６０１にて画質問題がないと判定された場合には「画質問題は検出されませんでした。」といった文書を生成する。またＳ６０１にて画質問題があると判定された場合には、検出された画像特徴量３０６を参照して画質問題を表現した文書を生成する。例えば、スジ幅の特徴量にて幅５ｍｍ、スジ平均濃度特徴量が１００、スジ数の特徴量が３と検出された場合には「幅５ｍｍで平均濃度１００のスジが３本検出されました。」といったような文書を生成する。生成する文書は通知を受け取り先で画質問題を判断する材料として役立つものである。その他の文書生成例は後述する。

ステップＳ６０６では、ＭＦＰ１０１から外部へ画質問題判定結果の通知処理を実行する。外部とは本画像処理装置（ＭＦＰ１０１）をメンテナンスするサービスマンや、そのサービス拠点、管理センター等のことである。通知内容としてはステップＳ６０５で生成した文書およびステップＳ６０４で生成した通知画像データである。ステップＳ６０３にて画像を通知しないと判断された場合には通知画像データは通知内容には含まれず、文書のみが通知内容に含まれる。通知方法としてはネットワークＩ／Ｆ１２２およびネットワーク１２３を介して図示しないサービス拠点や管理センターのパソコンやサーバ、あるいはサービスマンの持つモバイル端末等へデータ送信するものである。簡易にデータの送受信を実現する手段として電子メール形式としてもよい。その場合、通知画像データは添付ファイルとしてメール添付されるものである。また、それら以外に適切にデータの送受信が可能であれば公衆電話回線を用いる等、その他の通知手段としてもよい。以上で図６のフローチャートは終了となる。

また、本例ではステップＳ６０１において画質問題がないと判定された場合には文書のみの通知としているが、通知画像データを付けて通知してもよい。これは、ＭＦＰ１０１のユーザが、出力画像に対して「画質問題がある」と認識しているにも関わらず解析により画質問題が検出されなかった場合に、外部のサービスマンが通知画像データを元に画質問題を判断可能とするためである。このようなケースは解析処理が不十分なアルゴリズムであり、画質問題を網羅的に検出できなった場合を想定している。

次に画像通知判定処理について図７のフローチャートを用いて説明する。本フローチャートは図６におけるステップＳ６０２を詳細に説明したものであって、画像診断部１２６にて制御される。以下の処理の流れのうち、ステップＳ７０１〜ステップＳ７０４までの処理はコントローラ１０２内のＣＰＵ１０３が実行することにより実現される。本画像通知判定処理では、検出した画像特徴量３０６の検出量に応じて外部への画質問題の通知内容に画像データを含むべきか否かを適切に選択する。

まずステップＳ７０１では図５で説明した画像特徴量３０６を用いて「スジ数」の特徴量が所定数以上検出されたか否かを判断する。所定以上検出されたと判断された場合にはステップＳ７０４へ進む。所定以上検出されなかったと判断された場合にはステップＳ７０２へ進む。

次にステップＳ７０２では汚れが検出されたか否かを判断する。これは画像特徴量３０６の「汚れ数」の特徴量が０か否かで判断する。汚れが検出されたと判断された場合にはステップＳ７０４へ進む。汚れが検出されなかったと判断された場合にはステップＳ７０３へ進む。

ステップＳ７０３では画像通知しないことを決定する。ステップＳ７０３にて画像通知しないことが決定される場合とは、言い換えると画像を通知しなくても画質問題の通知を受け取った先で故障箇所（パーツ）の特定が行える場合である。本実施例においては、汚れが検出されず所定本数未満のスジが検出された場合がこれに該当する。スジの画質問題は文書で特徴を表現するのが容易なため、画像通知不要としている。ただし、所定本数以上のスジが発生している場合は、スジ解析の誤りも考慮に入れて画像通知することとしている。

次にステップＳ７０４では画像通知することを決定する。ステップＳ７０４にて画像通知することが決定される場合とは、言い換えると画像を通知しなくては画質問題の通知を受け取った先で故障箇所（パーツ）の特定が十分に行えない場合である。本実施例においては、所定本数以上のスジが検出されたか、汚れが検出された場合がこれに該当する。汚れの画質問題は文書で特徴を表現するのが困難なため、画像通知が必要とされる。

なお、本実施例では説明を簡単にするためスジ数および汚れ検出の２つの特徴量の検出結果のみで画像通知判定を行っている。しかしながらこれに限らず、例えば汚れの形状（円形度）や周期性なども考慮に入れて画像通知判定を行ってもよい。これは画像診断対象のＭＦＰ１０１の画質問題の種類や検出すべき特徴量の種類に応じて、画質問題判定結果の通知方法を適切に選ぶものである。

以上の図７のフローチャートによって、外部への画質問題の通知内容に画像データを含むべきか否かを適切に選択することが可能となる。これにより、画像診断時に不用意に画像データを通知内容に含むことがなくなり、外部へ送信するデータ容量を適切に低減できる。

また、図７のステップＳ７０２では汚れが検出されたか否かを判定したが、汚れ以外にもムラなどの画像不良を示す特定の画質問題が発生した場合にも、ステップＳ７０４へ進んで画像通知する。

つまり、汚れやムラなどの特定の画質問題（画像不良）とは、数値を用いての表現や文書での客観的表現が困難であるような画質問題（画像不良）であり、この画質問題が画像に発生した場合には、通知される情報に画像を付加するように制御する。

次に通知画像生成処理について図８のフローチャートを用いて説明する。本フローチャートは図６におけるステップＳ６０４を詳細に説明したものであって、画像診断部１２６にて制御される。以下の処理の流れのうち、ステップＳ８０１〜ステップＳ８０５までの処理はコントローラ１０２内のＣＰＵ１０３が実行することにより実現される。本通知画像生成処理では、検出した画像特徴量３０６の検出量に応じて外部への画質問題の通知内容に含むべき画像データを解析処理に用いた画像データから適切に生成する。ここでの適切な画像データとは、故障箇所（パーツ）の特定に必要な画像情報を保持したまま、データ容量を低減した画像データを指す。

まずステップＳ８０１では、図５で説明した画像特徴量３０６を用いて「汚れ数」の特徴量が０か否かを用いて、汚れを検出したか否かを判断する。汚れを検出しなかった場合はステップＳ８０５へ進む。汚れを検出した場合にはステップＳ８０２へ進む。

次にステップＳ８０２では、画像特徴量３０６を用いて「汚れ密集度」の特徴量が所定の閾値Ｍより大きいか否かの判断をする。つまり検出した汚れが有る程度密集して発生しているか、または画像データ全体に広く分布しているかの判断をする。閾値Ｍより大きいと判断された場合にはステップＳ８０４へ進む。閾値Ｍ以下であると判断された場合にはステップＳ８０３へ進む。

ステップＳ８０３では、画像特徴量３０６を用いて「汚れ面積バラつき」の特徴量が所定の閾値Ｓより大きいか、または「汚れ周期性」の特徴量が所定の閾値Ｔより大きいか否かの判断をする。つまり、検出した汚れが周期的に発生しておらず、さらに検出した汚れが有る程度同じような面積で多数発生していると判断された場合にはステップＳ８０４へ進む。検出した汚れが周期的に発生しているか、または検出した汚れが異なる面積で多数発生していると判断された場合にはステップＳ８０５へ進む。

ステップＳ８０４では通知画像として解析処理に用いた画像データから拡大画像を生成する。ステップＳ８０４にて拡大画像を生成する場合とは、言い換えると画質問題の通知を受け取った先での故障箇所（パーツ）の特定において、拡大画像が特定のための情報として有益である場合ということである。本実施例においては、汚れが密集して発生している場合や汚れが密集していなくとも同じような面積の汚れが多数発生している場合がこれに該当する。これらの汚れの画質問題は、細かい汚れの形状が故障箇所（パーツ）の特定に重要である場合が多いので拡大画像としている。よって、画質問題が発生したと判断された領域に対応するデータを用いて、通知画像を形成する。なお、通知画像は、画質問題が拡大しなくても判別可能であれば、拡大せずに等倍のまま形成されてもよい。

次にステップＳ８０５では通知画像として解析処理に用いた画像データから低解像度画像を生成する。ステップＳ８０５にて低解像度画像を生成する場合とは、言い換えると画質問題の通知を受け取った先での故障箇所（パーツ）の特定において、低解像度画像であっても故障個所の特定のための情報として有益である場合ということである。本実施例においては、汚れが未検出の場合（つまり所定以上のスジを検出した場合）や汚れが密集しておらず、異なる面積の汚れが多数発生している場合がこれに該当する。これらの画質問題は、細かい汚れの形状よりも画像全体にどのように画質問題が発生しているかが故障箇所（パーツ）の特定に重要である場合が多いので低解像度画像としている。

なお、本実施例では説明を簡単にするためスジおよび汚れ関連の特徴量群の一部の検出結果のみで通知画像生成の判断を行っている。しかしながらこれに限らず、例えば汚れの形状（円形度）や周期性なども考慮に入れて通知画像生成の判断を行ってもよい。これは画像診断対象のＭＦＰの画質問題の種類や検出すべき特徴量の種類に応じて適切に選ぶものである。

なお、生成する通知画像に関して、ファイルサイズが一定のサイズ以下になるようにさらなる工夫を加えても良い。例えば、低解像度化し過ぎると画質不良が判断しにくくなるので、画像データの階調数を落とす（二値化するなど）といった対応である。さらには拡大画像を生成した後にその拡大画像を有る程度低解像度化する、階調数を落とすなどといった対応である。これらはデータ受け取り先のストレージ容量やネットワーク負荷に応じて決まる目標ファイルサイズに通知画像データサイズが収まるようにするために適切に処理を選ぶ。

以上の図８のフローチャートによって、外部への画質問題の通知内容に含むべき画像データを適切に生成することが可能となる。これにより故障箇所（パーツ）の特定に必要な画像情報を保持したまま、解析処理に用いた画像データをそのまま通知内容に含むよりも外部へ送信するデータ容量を適切に低減できる。

ここで図９から図１２を用いて画質問題が発生した場合の解析チャートのプリント結果および外部へ通知する通知内容の一例を示す。これはステップＳ３０１でチャート４０１をプリンタで出力した場合に得られる画質問題が発生した出力チャートと、ステップＳ６０６にてその出力チャートを用いて検出した画質問題から生成した通知内容のペアの一例である。

まず図９（ａ）に出力チャート９０１を一例として示す。これは、一例としてスジ９０２の画質問題が発生した場合を示している。この図９（ａ）に出力チャート９０１をステップＳ３０５の解析処理にかけることによって得られた特徴量を図５の表５０１の２列目に当たる検出値（例１）に示す。出力チャート９０１にはスジ９０２が１本発生しているため、スジの特徴量群が０ではない値を持つ。この特徴量の検出値（例１）を用いてステップＳ６０２の画像通知判定処理を実行すると、図７に示したフローに従って、画像通知しないことが決定される。このとき、ステップＳ６０６にて外部へ通知する通知内容を図９（ｂ）に例示するような通知データ９０３として示す。通知データ９０３には画質問題を送信した機種を識別するための機種ＩＤと画像診断を実行した日時が記録されている。また、本例では通知データ内に画像データは含まれていないため、ステップＳ６０５で生成された文書のみが含まれている。文書は特徴量の検出値（例１）を基として生成されている。スジ数の特徴量の検出値に応じて発生スジの本数が記載される。また、スジ平均濃度の検出値に応じて（その検出値が所定の閾値以上か否かに応じて）黒スジまたは白スジといった文言が記載される（本例では黒スジ）。また、スジ幅の検出値に応じて、それをミリメートル換算した値が文書内に記載される。そして、スジ周期性の検出値に応じて（その検出値が所定の閾値以上か否かに応じて）スジが周期的に発生しているか否かといった文言が記載される（本例では周期的に発生していない）。外部のサービスマンはこの通知データ９０３を受け取ることによって適切にスジの画質問題の発生状態を把握し、故障箇所（パーツ）を特定することが可能となる。

次に図１０（ａ）に出力チャート１００１を一例として示す。これは、一例として汚れ１００２の画質問題が発生した場合を示している。この図１０（ａ）に出力チャート１００１をステップＳ３０５の解析処理にかけることによって得られた特徴量を図５の表５０１の３列目に当たる検出値（例２）に示す。出力チャート１００１には汚れ１００２が密集発生しているため、汚れの特徴量群が０ではない値を持つ。この特徴量の検出値（例２）を用いてステップＳ６０２の画像通知判定処理を実行すると、図７に示したフローに従って、画像通知することが決定される。このとき、ステップＳ６０６にて外部へ通知する通知内容を図１０（ｂ）に通知データ１００３として示す。通知データ１００３には画質問題を送信した機種を識別するための機種ＩＤと画像診断を実行した日時が記録されている。また、本例では通知データ内に画像データが含まれており、ステップＳ６０４で生成された通知画像データ１００４とステップＳ６０５で生成された文書が含まれている。

通知画像データ１００４は、特徴量の検出値（例２）を基として出力チャート１００１を加工することで生成される。この特徴量の検出値（例２）を用いてステップＳ６０４の通知画像生成処理を実行すると、図８に示したフローに従って、通知画像データとして拡大画像を生成することが決定される。図５の特徴量の検出値（例２）を参照すると汚れを検出しており、その汚れ密集度の特徴量は１００という値を検出している。本実施例においてステップＳ８０２で設けられる閾値Ｍが５０であるとする。するとステップＳ８０２の判断はｙｅｓとなり、ステップＳ８０４で拡大画像が生成される。拡大画像の拡大中心位置と拡大率（拡大範囲）は特徴量である汚れ重心位置と汚れ密集度の値から適切に選択されるものとする。

また通知文書は特徴量の検出値（例２）を基として生成されている。汚れ数の特徴量の検出値に応じて発生汚れ数が記載される。また、汚れ平均濃度の検出値に応じて汚れの平均濃度が記載される。また、汚れ最大面積の特徴量の検出値に応じて最も大きな汚れ面積が記載される。また、汚れ密集度の特徴量の検出値に応じて、汚れが密集して発生しているか広く分布して発生しているかが文書内に記載される（本例では密集して発生）。また、このとき密集して発生しているならば汚れ重心位置の特徴量の検出値を基として汚れの中心座標が記載される。そして、汚れ周期性の検出値に応じて（その検出値が所定の閾値以上か否かに応じて）汚れが周期的に発生しているか否かといった文言が記載される（本例では周期的に発生していない）。また、最後に添付されている通知画像データの説明（拡大画像か低解像度画像か等）が記載される。外部のサービスマンはこの通知データ１００３を受け取ることによって適切に汚れの画質問題の発生状態を把握し、故障箇所（パーツ）を特定することが可能となる。

次に図１１（ａ）に出力チャート１１０１を一例として示す。これは、一例として汚れ１１０２の画質問題が発生した場合を示している。この図１１（ａ）に出力チャート１１０１をステップＳ３０５の解析処理にかけることによって得られた特徴量を図５の表５０１の４列目に当たる検出値（例３）に示す。出力チャート１１０１には汚れ１１０２が広く分布して発生しているため、汚れの特徴量群が０ではない値を持つ。この特徴量の検出値（例３）を用いてステップＳ６０２の画像通知判定処理を実行すると、図７に示したフローに従って、画像通知することが決定される。このとき、ステップＳ６０６にて外部へ通知する通知内容を図１１（ｂ）に通知データ１１０３として示す。通知データ１１０３には画質問題を送信した機種を識別するための機種ＩＤと画像診断を実行した日時が記録されている。また、本例では通知データ内に画像データが含まれており、ステップＳ６０４で生成された通知画像データ１１０４とステップＳ６０５で生成された文書が含まれている。

通知画像データ１１０４は、特徴量の検出値（例３）を基として出力チャート１１０１を加工することで生成される。この特徴量の検出値（例３）を用いてステップＳ６０４の通知画像生成処理を実行すると、図８に示したフローに従って、通知画像データとして低解像度画像を生成することが決定される。図５の特徴量の検出値（例３）を参照すると汚れを検出しており、その汚れ密集度の特徴量は２０という値を検出している。本実施例においてステップＳ８０２で設けられる閾値Ｍが５０であるとする。するとステップＳ８０２の判断はｎｏとなる。さらに汚れ面積バラつきの特徴量は１０、汚れ周期性特徴量は８０という値を検出している。本実施例においてステップＳ８０３で設けられる閾値ＳおよびＴが５０であるとする。するとステップＳ８０３の判断はｙｅｓとなり、ステップＳ８０５で低解像度画像が生成される。低解像度画像の低解像度率は目標ファイルサイズに収まるように適切に選択されるものとする。ただし、低解像度率に下限を設けておき、下限でもファイルサイズが収まらない場合は低解像度画像の階調数を落とすといった対応をしてもよい。

また通知文書は特徴量の検出値（例３）を基として生成されている。汚れ数の特徴量の検出値に応じて発生汚れ数が記載される。また、汚れ平均濃度の検出値に応じて汚れの平均濃度が記載される。また、汚れ最大面積の特徴量の検出値に応じて最も大きな汚れ面積が記載される。また、汚れ密集度の特徴量の検出値に応じて、汚れが密集して発生しているか広く分布して発生しているかが文書内に記載される（本例では広く分布して発生）。そして、汚れ周期性の検出値に応じて（その検出値が所定の閾値以上か否かに応じて）汚れが周期的に発生しているかまたはいないかといった文言が記載される（本例では主走査方向に周期的に発生）。このとき予め解析処理で求まっていた周期間隔を併記する。また、最後に添付されている通知画像データの説明（拡大画像か低解像度画像か等）が記載される。外部のサービスマンはこの通知データ１１０３を受け取ることによって適切に汚れの画質問題の発生状態を把握し、故障箇所（パーツ）を特定することが可能となる。

次に図１２（ａ）に出力チャート１２０１を一例として示す。これは、一例として汚れ１２０２の画質問題が発生した場合を示している。この図１２（ａ）に出力チャート１２０１をステップＳ３０５の解析処理にかけることによって得られた特徴量を図５の表５０１の５列目に当たる検出値（例４）に示す。出力チャート１２０１には汚れ１２０２が広く分布して大量に発生しているため、汚れの特徴量群が０ではない値を持つ。この特徴量の検出値（例４）を用いてステップＳ６０２の画像通知判定処理を実行すると、図７に示したフローに従って、画像通知することが決定される。このとき、ステップＳ６０６にて外部へ通知する通知内容を図１２（ｂ）に通知データ１２０３として示す。通知データ１２０３には画質問題を送信した機種を識別するための機種ＩＤと画像診断を実行した日時が記録されている。また、本例では通知データ内に画像データが含まれており、ステップＳ６０４で生成された通知画像データ１２０４とステップＳ６０５で生成された文書が含まれている。通知画像データ１２０４は、特徴量の検出値（例４）を基として出力チャート１２０１を加工することで生成される。この特徴量の検出値（例４）を用いてステップＳ６０４の通知画像生成処理を実行すると、図８に示したフローに従って、通知画像データとして拡大画像を生成することが決定される。

図５の特徴量の検出値（例４）を参照すると汚れを検出しており、その汚れ密集度の特徴量は５という値を検出している。本実施例においてステップＳ８０２で設けられる閾値Ｍが５０であるとする。するとステップＳ８０２の判断はｎｏとなる。さらに汚れ面積バラつきの特徴量は５、汚れ周期性特徴量は０という値を検出している。本実施例においてステップＳ８０３で設けられる閾値ＳおよびＴが５０であるとする。するとステップＳ８０３の判断はｎｏとなり、ステップＳ８０４で拡大画像が生成される。拡大画像の拡大中心位置と拡大率（拡大範囲）は特徴量である汚れ重心位置と汚れ最大面積の値から適切に選択されるものとする。

また通知文書は特徴量の検出値（例４）を基として生成されている。汚れ数の特徴量の検出値に応じて発生汚れ数に関する記載される。ここでは、汚れ数が所定以上であるため大量に発生と記載している。また、汚れ平均濃度の検出値に応じて汚れの平均濃度が記載される。また、汚れ最大面積の特徴量の検出値に応じて最も大きな汚れ面積が記載される。また、汚れ密集度の特徴量の検出値に応じて、汚れが密集して発生しているか広く分布して発生しているかが文書内に記載される（本例では広く分布して発生）。そして、汚れ周期性の検出値に応じて（その検出値が所定の閾値以上か否かに応じて）汚れが周期的に発生しているかまたはいないかといった文言が記載される（本例では周期的に発生していない）。また、最後に添付されている通知画像データの説明（拡大画像か低解像度画像か等）が記載される。外部のサービスマンはこの通知データ１２０３を受け取ることによって適切に汚れの画質問題の発生状態を把握し、故障箇所（パーツ）を特定することが可能となる。

以上の本実施例により、画質問題判定結果を含めた通知データを用いることで、画像処理装置の故障箇所の特定を画像処理装置と離れた位置にいる外部のサービスマンによって精度よく行うことが可能となる。また、画像処理装置と離れた位置にいる外部のサービスマンに故障箇所の特定をするために必要な情報を通知する際、通知に要するデータ容量の増加を抑制することが可能となる。

実施例１では、画像処理装置において画質問題判定を実施し、その画質問題判定結果から通知データを生成し、画像処理装置から離れた位置にいる外部のサービスマン等に通知データを送信する方法について述べた。実施例２では、画像処理装置において、さらに画質問題を解消するためにどのような対応を行ったらよいかを推定する対応内容推定処理を実行し、その実行結果を含んだ通知データを生成する。このような通知データを生成することで、画像処理装置から離れた位置にいる外部のサービスマンが、画像処理装置の故障箇所の特定や故障箇所への対応内容の決定を可能とするものに関して説明する。

本実施例では実施例１に対して、ＭＦＰ１０１の画像診断処理フローが異なる。ＭＦＰ１０１のハードウェア構成および、画像処理の流れは実施例１と同様である。以下、実施例１との差分について本実施例を詳細に説明する。

図１３は本実施例の画像診断処理の流れを示す。画像診断処理は画質問題が発生した際にユーザ等が実行する処理であり、画像診断部１２６にて制御される。以下の処理の流れのうち、ステップＳ１３０１〜ステップＳ１３１１までの処理はコントローラ１０２内のＣＰＵ１０３が実行することにより実現され、取得されたデータは記憶装置１２１に保存される。また表示装置１１８によってユーザへの指示をＵＩに表示し、入力装置１２０からユーザの指示を受け付ける。

まず、ステップＳ１３０１〜ステップＳ１３０７の処理は、実施例１の図３の画像診断処理のステップＳ３０１〜ステップＳ３０７の処理と同様なので説明を省略する。

次にステップＳ１３０９では、対応内容推定処理を実行する。これは、推定用データベース１３１０と画像特徴量１３０６を用いてＭＦＰ１０１における故障箇所（交換すべきパーツ）の特定や適切な補正処理の実行指示などのＭＦＰ１０１にて発生した画像問題への対応内容を推定する処理である。推定用データベース１３１０とは、特徴量と故障箇所（故障箇所への対応内容）の対応関係を保存した統計データである。ここで、推定用データベース１３１０を用いて既知のベイズ推定の手法を用いれば、対応内容ごとに妥当性を確率で算出することができる。例えば推定用データベース１３１０内に「ドラム交換」、「定着器交換」といった対応内容が保存されている場合、それぞれに対して「改善する確率は約○％」といった形で対応内容の妥当性を表示できる。

次にステップＳ１３１１にて対応内容推定処理結果および画質問題の判定結果を外部へ通知する。外部とはＭＦＰ１０１をメンテナンスするサービスマンや、そのサービス拠点、管理センター等のことである。実施例１とは異なり、画質問題の判定結果だけでなく対応内容推定処理結果も外部への通知内容に含める。それら以外の通知内容の生成方法に関しての詳細は実施例１の同様である。

外部のサービスマンは、実施例１で示したように、画質問題の判定結果を受け取り、この判定結果を判断材料に自ら推定する故障箇所への対応内容に加えて、この通知を受け取ることで装置により推定された故障箇所への対応内容を取得することが可能になる。よって、装置による推定結果と自分の推定結果とを鑑みて、画質問題を解決するためのサービスパーツなどを特定することが可能となる。

次に図１４にステップＳ１３１１にて外部へ通知する通知内容を通知データ１４０１として示す。通知データ１４０１には画質問題を送信した機種を識別するための機種ＩＤと画像診断を実行した日時が記録されている。また、本例では通知データ１４０１内に画像データが含まれており、ステップＳ６０４で生成された通知画像データ１４０２とステップＳ６０５で生成された文書が含まれている。さらに通知データ１４０１内にはステップＳ１３０９にて実行した対応内容推定処理の結果である対応内容推定結果１４０３が併記されている。対応内容推定結果１４０３には画質問題を改善するための対応内容（故障パーツ名など）とその対応で画質問題が改善する確率が記載されている。この確率の信憑性は推定用データベース１３１０の確度に依存するものである。例えば、推定用データベース１３１０に、特徴量と故障箇所（対応内容）の対応関係を示した統計データが十分な量蓄積されていれば確率の信憑性は上がる。また、推定用データベース１３１０に、特徴量と故障箇所（対応内容）の対応関係を示した統計データが十分な量蓄積されていなければ確率の信憑性は下がる。外部のサービスマンはこの通知データ１１０３を受け取ることによって適切に汚れの画質問題の発生状態を把握し、さらに対応内容推定結果を加味しながら故障箇所（パーツ）を特定することが可能となる。

本実施例により、画質問題の発生状態の情報及び統計データを用いた画像診断の推定結果の双方を加味しながら画像処理装置から離れた位置にいるサービスマンは故障箇所の特定や対応内容の決定を精度良く行うことが可能となる。特に推定用データベース１３１０に、特徴量と故障箇所（対応内容）の対応関係を示した統計データが十分な量蓄積されていない場合に有効である。

（その他の実施例）
本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施例の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

Claims (10)

1. 画像を形成する画像形成手段を有する画像処理装置であり、
   前記画像形成手段で形成されたチャートを読み取った結果から特徴量を取得する取得手段と、
   前記取得手段により取得された特徴量に従い前記画像形成手段により形成された画像に不良が含まれるか否か判定する判定手段と、
   前記判定手段により判定された結果についての情報を通知する通知手段と、を有し、
   前記取得手段にて取得された特徴量に応じて、
   前記チャートを読み取った結果から生成された画像を、前記通知手段によって通知する情報に付加するか否か決定する決定手段と、
   を有することを特徴とする画像処理装置。
2. 前記決定手段は、前記画像形成手段により形成されたチャートに画像不良を示す特定の特徴が検出された際に取得される特徴量が含まれる場合は、
   前記チャートを読み取った結果から生成された画像を、前記通知手段によって通知する情報に付加することを特徴とする請求項１に記載の画像処理装置。
3. 前記特定の特徴とは、少なくとも前記画像形成手段により形成されたチャートから検出される汚れ、前記画像形成手段により形成されたチャートから検出されるムラ、のいずれかであることを特徴とする請求項２に記載の画像処理装置。
4. 前記通知手段によって通知される情報に前記像形成手段で形成されたチャートを読み取った結果から生成された画像を付加する場合、
   前記画像形成手段により形成されたチャートに画像不良を示す特定の特徴が検出された際に取得される特徴量に応じて前記画像の種類が決定されることを特徴とする請求項１記載の画像処理装置。
5. 前記チャートに前記特定の特徴が検出され、該特徴が検出された際に取得された際に取得された特徴量の値が閾値より大きい場合、前記画像は前記チャートの一部の領域に対応するデータから生成された画像であることを特徴とする請求項４記載の画像処理装置。
6. 前記チャートに前記特定の特徴が検出され、該特徴が検出された際に取得された際に取得された特徴量の値が閾値より小さい場合、前記画像は、前記チャートを読み取って得られたデータを低解像度化して生成された画像であることを特徴とする請求項４記載の画像処理装置。
7. 前記通知手段により通知される情報に、前記画像形成手段で形成されたチャートを読み取った結果から生成された画像を付加する場合、
   前記画像のファイルサイズが所定のサイズ以下になるようにすることを特徴とする請求項１記載の画像処理装置。
8. 前記通知手段により通知される情報は、前記画像処理装置から送信されること特徴とする請求項１に記載の画像処理装置。
9. 画像を形成する画像形成手段を有する画像処理装置の制御方法であり、
   前記画像形成手段で形成されたチャートを読み取った結果から特徴量を取得する取得ステップと、
   前記取得ステップにて取得された特徴量に従い前記画像形成手段により形成された画像に不良が含まれるか否か判定する判定ステップと、
   前記判定ステップにて判定された結果についての情報を通知する通知ステップと、
   を有し、
   前記取得手段にて取得された特徴量に応じて、
   前記チャートを読み取った結果から生成された画像を、前記通知ステップにて通知する情報に付加するか否か決定する決定ステップと、
   を有することを特徴とする画像処理装置の制御方法。
10. コンピュータに請求項９に記載の方法を実行させるためのプログラム。

Images