JP2017184160A - 画像形成装置、色変換プログラムおよび色変換方法 - Google Patents

Abstract

【課題】 入力画像の色を変換して特定の色を強調した出力画像を生成することができる画像形成装置、色変換プログラムおよび色変換方法を提供する。
【解決手段】 ＭＦＰは、入力画像における近似色の集合であるクラスターの重心としてのクラスター重心を取得し、入力画像を出力画像に変換するための色変換リストを生成し（Ｓ３７５）、生成した色変換リストを用いて入力画像における色を変換して出力画像を生成し（Ｓ３７６）、色変換リストは、クラスター重心が色空間における特定の記憶色の範囲に含まれる場合にクラスター重心が特定の記憶色の範囲の代表色に移動させられるときのクラスター重心の移動に応じた移動を、入力画像における色に行わせるための情報であることを特徴とする。
【選択図】 図１５

Description

本発明は、入力画像の色を変換して出力画像を生成する画像形成装置、色変換プログラムおよび色変換方法に関する。

従来、入力画像の色を変換して出力画像を生成する場合に色域外の色を色域内に移動させる画像形成装置が知られている（例えば、特許文献１参照。）。

特開２０１５−１５９５４２号公報

入力画像の色を変換して特定の色を強調した出力画像を生成することが好ましい場合がある。

ここで、多数の人間が植物の葉、空、人間の肌など、特定の対象の理想的な色として記憶している色、すなわち、記憶色が存在する。したがって、例えば、入力画像に記憶色の近似色が含まれる場合に、入力画像の色を変換して記憶色を強調した出力画像を生成することが好ましい場合がある。

しかしながら、従来の画像形成装置は、入力画像の色を変換して出力画像を生成する場合に色域外の色を色域内に移動させるものではあるが、入力画像の色を変換して特定の色を強調した出力画像を生成するものではない。

そこで、本発明は、入力画像の色を変換して特定の色を強調した出力画像を生成することができる画像形成装置、色変換プログラムおよび色変換方法を提供することを目的とする。

本発明の画像形成装置は、入力画像における近似色の集合であるクラスターの重心を取得する重心取得手段と、前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成手段と、前記色変換情報生成手段によって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成手段とを備え、前記色変換情報は、前記重心取得手段によって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする。

この構成により、本発明の画像形成装置は、入力画像における近似色の集合であるクラスターの重心が色空間における特定の範囲に含まれる場合に、この重心がこの範囲の代表色に移動させられるように、入力画像の色を変換して出力画像を生成するので、入力画像の色を変換して特定の範囲の色を強調した出力画像を生成することができる。

本発明の画像形成装置において、前記重心取得手段は、前記入力画像における色が所属する前記クラスターを判断する場合に、対象の２色の色差が特定の色差より小さく前記対象の２色の色相角の差分の絶対値が特定の差分以下であるとき前記対象の２色同士を近似色であると判断し、前記特定の差分は、前記対象の２色の色相角が特定の角度範囲に含まれる場合に、前記対象の２色の色相角が前記特定の角度範囲に含まれない場合と比較して大きく、前記特定の角度範囲は、前記特定の範囲の色相角を含んでも良い。

この構成により、本発明の画像形成装置は、対象の２色の色相角が特定の角度範囲に含まれる場合に、対象の２色の色相角が特定の角度範囲に含まれない場合と比較して、対象の２色同士を近似色であると判断するための色相角の差分が大きいので、特定の範囲の色相角を含む特定の角度範囲に含まれる色同士を、この角度範囲に含まれない色同士と比較して、同一のクラスターとして判断する傾向が強く、特定の範囲にクラスターの重心が多数含まれる可能性を抑えることができる。したがって、本発明の画像形成装置は、多数のクラスターの重心が同一の色に移動させられるように入力画像の色が変換される可能性を抑えることができ、特定の範囲の色を強調した自然な出力画像を生成することができる。

本発明の画像形成装置において、前記特定の範囲は、特定の記憶色の範囲であっても良い。

この構成により、本発明の画像形成装置は、入力画像における近似色の集合であるクラスターの重心が色空間における特定の記憶色の範囲に含まれる場合に、この重心がこの記憶色の代表色に移動させられるように、入力画像の色を変換して出力画像を生成するので、入力画像の色を変換して特定の記憶色を強調した出力画像を生成することができる。

本発明の色変換プログラムは、入力画像における近似色の集合であるクラスターの重心を取得する重心取得手段、前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成手段、および、前記色変換情報生成手段によって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成手段として画像形成装置を機能させ、前記色変換情報は、前記重心取得手段によって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする。

この構成により、本発明の色変換プログラムを実行する画像形成装置は、入力画像における近似色の集合であるクラスターの重心が色空間における特定の範囲に含まれる場合に、この重心がこの範囲の代表色に移動させられるように、入力画像の色を変換して出力画像を生成するので、入力画像の色を変換して特定の範囲の色を強調した出力画像を生成することができる。

本発明の色変換方法は、入力画像における近似色の集合であるクラスターの重心を取得する重心取得ステップと、前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成ステップと、前記色変換情報生成ステップによって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成ステップとを備え、前記色変換情報は、前記重心取得ステップによって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする。

この構成により、本発明の色変換方法は、入力画像における近似色の集合であるクラスターの重心が色空間における特定の範囲に含まれる場合に、この重心がこの範囲の代表色に移動させられるように、入力画像の色を変換して出力画像を生成するので、入力画像の色を変換して特定の範囲の色を強調した出力画像を生成することができる。

本発明の画像形成装置、色変換プログラムおよび色変換方法は、入力画像の色を変換して特定の色を強調した出力画像を生成することができる。

本発明の一実施の形態に係るＭＦＰのブロック図である。 外部から入力された印刷データに基づいた印刷を実行する場合の図１に示すＭＦＰの動作のフローチャートである。 図２に示す入力値取得処理のフローチャートである。 図２に示す特徴色取得処理のフローチャートである。 図４に示す処理において生成されたデータ列を示すグラフの一例である。 図４に示す重心初期値算出処理のフローチャートである。 図６に示す処理においてソートされたデータ列を示すグラフの一例である。 図６に示す登録フラグ更新処理のフローチャートである。 図８に示す処理において算出される色相角を示す図である。 図８に示す処理において特別の補正が行われる角度範囲の一例を示す図である。 図８に示す処理における判断基準を示す図である。 図４に示すクラスター分析処理のフローチャートである。 図１２に示す所属クラスター決定処理のフローチャートである。 図１２に示すクラスター重心更新処理のフローチャートである。 図２に示す色調整処理のフローチャートである。 （ａ）図１５に示す処理において使用される植物の葉の記憶色の範囲を含む色相面を示す図である。 （ｂ）図１６（ａ）に示す範囲の角度範囲を示す図である。 図１６に示す植物の葉の記憶色の代表値を含む色相面でのクラスター重心の移動方向を示す図である。 図１６に示す植物の葉の記憶色の代表値を含む色相面での色の移動方向を示す図である。 図１６に示す植物の葉の記憶色の代表値を含む色相面での色の移動量を示す図である。 図１６に示す植物の葉の記憶色の代表値の周辺の色の三次元空間での移動範囲を示す図である。 （ａ）図１５に示す処理において使用される空の記憶色の範囲を含む色相面を示す図である。 （ｂ）図２１（ａ）に示す範囲の角度範囲を示す図である。 図２１に示す空の記憶色の代表値を含む色相面でのクラスター重心の移動方向を示す図である。 （ａ）図１５に示す処理において使用される人間の肌の記憶色の範囲を含む色相面を示す図である。 （ｂ）図２３（ａ）に示す範囲の角度範囲を示す図である。 図２３に示す人間の肌の記憶色の代表値を含む色相面でのクラスター重心の移動方向を示す図である。

以下、本発明の実施の形態について、図面を用いて説明する。

まず、本発明の一実施の形態に係る画像形成装置としてのＭＦＰ（Ｍｕｌｔｉｆｕｎｃｔｉｏｎ Ｐｅｒｉｐｈｅｒａｌ）の構成について説明する。

図１は、本実施の形態に係るＭＦＰ１０のブロック図である。

図１に示すように、ＭＦＰ１０は、種々の操作が入力されるボタンなどの入力デバイスである操作部１１と、種々の情報を表示するＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）などの表示デバイスである表示部１２と、用紙などの記録媒体に印刷を実行する印刷デバイスであるプリンター１３と、原稿から画像を読み取る読取デバイスであるスキャナー１４と、図示していない外部のファクシミリ装置と公衆電話回線などの通信回線経由でファックス通信を行うファックスデバイスであるファックス通信部１５と、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどのネットワーク経由で外部の装置と通信を行うネットワーク通信デバイスであるネットワーク通信部１６と、各種の情報を記憶する半導体メモリー、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの不揮発性の記憶デバイスである記憶部１７と、ＭＦＰ１０全体を制御する制御部１８とを備えている。

記憶部１７は、色を変換する色変換プログラム１７ａを記憶可能である。色変換プログラム１７ａは、ＭＦＰ１０の製造段階でＭＦＰ１０にインストールされていても良いし、ＳＤカード、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリーなどの外部の記憶媒体からＭＦＰ１０に追加でインストールされても良いし、ネットワーク上からＭＦＰ１０に追加でインストールされても良い。

制御部１８は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）と、プログラムおよび各種のデータを記憶しているＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）と、ＣＰＵの作業領域として用いられるＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）とを備えている。ＣＰＵは、記憶部１７またはＲＯＭに記憶されているプログラムを実行する。

制御部１８は、記憶部１７に記憶されている色変換プログラム１７ａを実行することによって、外部から入力された印刷データに含まれる画像（以下「入力画像」と言う。）における近似色の集合であるクラスターの重心（以下「クラスター重心」と言う。）を取得する重心取得手段１８ａ、入力画像を出力画像に変換するための色変換情報としての色変換リストを生成する色変換情報生成手段１８ｂ、および、色変換情報生成手段１８ｂによって生成された色変換リストを用いて入力画像における色を変換して出力画像を生成する出力画像生成手段１８ｃとして機能する。

次に、ＭＦＰ１０の動作について説明する。

図２は、外部から入力された印刷データに基づいた印刷を実行する場合のＭＦＰ１０の動作のフローチャートである。

図２に示すように、重心取得手段１８ａは、印刷データに含まれる画像としての入力画像内のＲＧＢ値（以下「入力値」と言う。）を取得する入力値取得処理を実行する（Ｓ１０１）。

次いで、重心取得手段１８ａは、Ｓ１０１において取得された入力値に基づいて、入力画像におけるドミナントカラー（支配色）の代表色、すなわち、入力画像の特徴色として、クラスター重心を取得する特徴色取得処理を実行する（Ｓ１０２）。

次いで、色変換情報生成手段１８ｂおよび出力画像生成手段１８ｃは、Ｓ１０２において求められた代表色に応じて入力画像の色を調整して出力画像を生成する色調整処理を実行する（Ｓ１０３）。

次いで、出力画像生成手段１８ｃは、Ｓ１０３において生成された出力画像をプリンター１３によって印刷して（Ｓ１０４）、図２に示す動作を終了する。

図３は、Ｓ１０１の入力値取得処理のフローチャートである。

図３に示すように、重心取得手段１８ａは、印刷データからカラー画像である入力画像、すなわち、色を再現する部分を取得する（Ｓ１３１）。

次いで、重心取得手段１８ａは、Ｓ１３１において取得した入力画像における画素毎のＲＧＢ値としての入力値を取得して（Ｓ１３２）、図３に示す処理を終了する。

図４は、Ｓ１０２の特徴色取得処理のフローチャートである。

図４に示すように、重心取得手段１８ａは、Ｓ１３２において画素毎に取得された入力値に基づいて、入力画像におけるＲＧＢ値毎の頻度を示すデータを求める（Ｓ１６１）。Ｓ１６１の処理によって、Ｓ１３２において画素毎に取得された入力値から、各画素を識別するための情報が削除されて、色情報のみとなる。したがって、後続の処理において扱われるデータ量を低減することができる。

次いで、重心取得手段１８ａは、Ｓ１６１において求めたデータから頻度が０のＲＧＢ値を省くことによって、入力画像におけるＲＧＢ値と、頻度との関係を示すデータ列ＭＬを生成する（Ｓ１６２）。

図５は、Ｓ１６２において生成されたデータ列ＭＬを示すグラフの一例である。

図５に示すように、Ｓ１６２において生成されたデータ列ＭＬは、頻度とは無関係の特定の規則でＲＧＢ値が並べられている。

図４に示すように、重心取得手段１８ａは、Ｓ１６２の処理の後、Ｓ１６２において生成したデータ列ＭＬに基づいて、クラスター重心の初期値を算出する重心初期値算出処理を実行する（Ｓ１６３）。

次いで、重心取得手段１８ａは、Ｓ１６３において算出した初期値を使用して、クラスター重心を求めるクラスター分析処理を実行して（Ｓ１６４）、図４に示す処理を終了する。

図６は、Ｓ１６３の重心初期値算出処理のフローチャートである。

図６に示すように、重心取得手段１８ａは、Ｓ１６２において生成されたデータ列ＭＬを、頻度をキーに降順にソートする（Ｓ２０１）。

図７は、Ｓ２０１においてソートされたデータ列ＭＬを示すグラフの一例である。

図７に示すデータ列ＭＬは、図５に示すデータ列がＳ２０１の処理によってソートされたものである。図７に示すように、Ｓ２０１においてソートされたデータ列ＭＬは、頻度の大きいＲＧＢ値から頻度の小さいＲＧＢ値へ向かう順番でＲＧＢ値が並べられている。

図６に示すように、重心取得手段１８ａは、Ｓ２０１の処理の後、データ列ＭＬのデータ数ＮＬ、すなわち、データ列ＭＬにおけるＲＧＢ値の種類の数を求める（Ｓ２０２）。

以下、Ｓ２０１においてソートされたデータ列ＭＬの各ＲＧＢ値を変数ｊを用いてＲＧＢ値Ｌ_ｊとして表す。ここで、変数ｊは、１以上の整数になることが可能である。例えば、Ｓ２０１においてソートされたデータ列ＭＬの先頭のＲＧＢ値、すなわち、頻度が最も大きいＲＧＢ値は、ＲＧＢ値Ｌ_１である。また、Ｓ２０１においてソートされたデータ列ＭＬの最後のＲＧＢ値、すなわち、頻度が最も小さいＲＧＢ値は、ＲＧＢ値Ｌ_ＮＬである。

また、登録される各クラスター重心を変数ｉを用いてクラスター重心Ａ_ｉとして表す。ここで、変数ｉは、１以上の整数になることが可能である。

また、ＲＧＢ値Ｌ_ｊをクラスター重心Ａ_ｉとして登録するか否かの判断に使用される登録フラグを変数ｉを用いて登録フラグＦ_ｉとして表す。登録フラグＦ_ｉは、Ｔｒｕｅと、Ｆａｌｓｅとの何れかの値になることが可能である。登録フラグＦ_ｉがＴｒｕｅである状態は、対象のＲＧＢ値Ｌ_ｊがクラスター重心の候補である状態を示している。一方、登録フラグＦ_ｉがＦａｌｓｅである状態は、対象のＲＧＢ値Ｌ_ｊがクラスター重心の候補ではない状態を示している。

重心取得手段１８ａは、Ｓ２０２の処理の後、変数ｉおよび変数ｊに１を代入する（Ｓ２０３）。

次いで、重心取得手段１８ａは、ＲＧＢ値Ｌ_ｊをクラスター重心Ａ_ｉとして登録する（Ｓ２０４）。すなわち、重心取得手段１８ａは、データ列ＭＬにおいて頻度が最も大きいＲＧＢ値を１つ目のクラスター重心として登録する。

重心取得手段１８ａは、Ｓ２０４の処理の後、変数ｉ、すなわち、クラスター重心の登録数が一定数Ｎｃに達したか否かを判断する（Ｓ２０５）。

重心取得手段１８ａは、クラスター重心の登録数が一定数Ｎｃに達していないとＳ２０５において判断すると、変数ｊがＳ２０２において求めたデータ数ＮＬであるか否かを判断する（Ｓ２０６）。

重心取得手段１８ａは、変数ｊの値がデータ数ＮＬではない、すなわち、Ｓ２０１においてソートされたデータ列ＭＬの最後のＲＧＢ値まで処理を終了していないとＳ２０６において判断すると、変数ｊに１を加算する（Ｓ２０７）。

次いで、重心取得手段１８ａは、登録フラグＦ_ｉをＴｒｕｅに初期化する（Ｓ２０８）。

重心取得手段１８ａは、Ｓ２０８の処理の後、ＲＧＢ値Ｌ_ｊと、登録済みのクラスター重心との色空間における位置関係に基づいて登録フラグＦ_ｉを更新する登録フラグ更新処理を実行する（Ｓ２０９）。

次いで、重心取得手段１８ａは、登録フラグＦ_ｉがＴｒｕｅであるか否かを判断する（Ｓ２１０）。

重心取得手段１８ａは、登録フラグＦ_ｉがＴｒｕｅであるとＳ２１０において判断すると、変数ｉに１を加算して（Ｓ２１１）、Ｓ２０４の処理を実行する。すなわち、重心取得手段１８ａは、ＲＧＢ値Ｌ_ｊを追加のクラスター重心として登録する。

重心取得手段１８ａは、登録フラグＦ_ｉがＴｒｕｅではないとＳ２１０において判断すると、Ｓ２０６の処理を実行する。

重心取得手段１８ａは、クラスター重心の登録数が一定数Ｎｃに達したとＳ２０５において判断するか、変数ｊの値がデータ数ＮＬである、すなわち、Ｓ２０１においてソートされたデータ列ＭＬの最後のＲＧＢ値まで処理を終了したとＳ２０６において判断すると、図６に示す処理を終了する。すなわち、重心取得手段１８ａは、クラスター重心の登録数が一定数Ｎｃに達するか、データ列ＭＬの最後のＲＧＢ値まで処理を終了すると、クラスター重心の登録を終了する。なお、１０個など、ある程度の個数のクラスター重心によって十分な精度の色再現が可能であるので、クラスター重心の登録数は、一定数Ｎｃを上限としている。

図８は、Ｓ２０９の登録フラグ更新処理のフローチャートである。

図８に示すように、重心取得手段１８ａは、ＲＧＢ値Ｌ_ｊに対応するＬａｂ値を算出する（Ｓ２３１）。ここで、重心取得手段１８ａは、入力画像にプロファイルが含まれている場合、入力画像に含まれるプロファイルに応じて、ＲＧＢ値Ｌ_ｊに対応するＬａｂ値を算出する。一方、重心取得手段１８ａは、入力画像にプロファイルが含まれていない場合、ＲＧＢ値Ｌ_ｊをｓＲＧＢ（ｓｔａｎｄａｒｄ ＲＧＢ）値に変換した後、このｓＲＧＢ値のＬａｂ値を算出することによって、ＲＧＢ値Ｌ_ｊに対応するＬａｂ値を算出する。

重心取得手段１８ａは、Ｓ２３１の処理の後、ＲＧＢ色空間におけるＲＧＢ値Ｌ_ｊの色相角を算出する（Ｓ２３２）。ここで、重心取得手段１８ａは、ＲＧＢ色空間において白および黒を通る直線としての中心軸まわりの角度として、ＲＧＢ値Ｌ_ｊの色相角を算出する。

図９は、Ｓ２３２において算出される色相角を示す図である。

図９は、白および黒を通る直線の延在方向にＲＧＢ色空間を観察した場合の図である。Ｒｅｄの色相角を０°として、Ｙｅｌｌｏｗ、Ｇｒｅｅｎ、Ｃｙａｎ、Ｂｌｕｅ、Ｍａｇｅｎｔａをそれぞれ６０°、１２０°、１８０°、２４０°（−１２０°）、３００°（−６０°）とする。

図８に示すように、重心取得手段１８ａは、Ｓ２３２の処理の後、変数ｋに１を代入する（Ｓ２３３）。ここで、変数ｋは、１以上の整数になることが可能である。

重心取得手段１８ａは、Ｓ２３３の処理の後、Ｓ２３１の処理と同様に、クラスター重心Ａ_ｋに対応するＬａｂ値を算出する（Ｓ２３４）。

次いで、重心取得手段１８ａは、Ｓ２３１において算出したＬａｂ値と、Ｓ２３４において算出したＬａｂ値とに基づいて、ＲＧＢ値Ｌ_ｊと、クラスター重心Ａ_ｋとの色差ΔＥを算出する（Ｓ２３５）。

次いで、重心取得手段１８ａは、Ｓ２３５において算出した色差ΔＥが特定の色差Ｅ１以下であるか否かを判断する（Ｓ２３６）。

重心取得手段１８ａは、色差ΔＥが色差Ｅ１より大きいとＳ２３６において判断すると、Ｓ２３５において算出した色差ΔＥが特定の色差Ｅ２以上であるか否かを判断する（Ｓ２３７）。ここで、色差Ｅ２は、色差Ｅ１より大きい。

重心取得手段１８ａは、色差ΔＥが色差Ｅ２より小さいとＳ２３７において判断すると、Ｓ２３２の処理と同様に、ＲＧＢ色空間におけるクラスター重心Ａ_ｋの色相角を算出する（Ｓ２３８）。

次いで、重心取得手段１８ａは、Ｓ２３２において算出した色相角と、Ｓ２３８において算出した色相角とに基づいて、ＲＧＢ値Ｌ_ｊと、クラスター重心Ａ_ｋとの角度差分Ｄｅｇを算出する（Ｓ２３９）。ここで、角度差分Ｄｅｇは、Ｓ２３２において算出した色相角と、Ｓ２３８において算出した色相角との差の絶対値である。

重心取得手段１８ａは、Ｓ２３９の処理の後、Ｓ２３２において算出した色相角と、Ｓ２３８において算出した色相角との両方が緑色付近の特定の角度範囲２１（図１０参照。）内に存在するか否かを判断する（Ｓ２４０）。

図１０は、図８に示す処理において特別の補正が行われる角度範囲の一例を示す図である。

図１０に示すように、緑色付近の特定の角度範囲２１は、６０°〜１４０°の角度範囲である。角度範囲２１は、植物の葉の色のための緑色を含む緑色付近の角度範囲である。葉の色としては、互いに微妙に異なる様々な緑色付近の色が存在する。しかしながら、人間は、通常、それらの微妙に異なる様々な色を略同一の色として認識する。すなわち、多数の人間が葉の理想的な色として記憶している色、すなわち、葉の記憶色が存在する。角度範囲２１は、葉の記憶色を含む角度範囲であり、範囲内に含まれる２色が同一のクラスターの色として扱われ易くするための範囲である。

青付近の特定の角度範囲２２は、２００°（−１６０°）〜２３０°（−１３０°）の角度範囲である。角度範囲２２は、空の色のための青色付近の角度範囲である。空の色としては、互いに微妙に異なる様々な青色付近の色が存在する。しかしながら、人間は、通常、それらの微妙に異なる様々な色を略同一の色として認識する。すなわち、多数の人間が空の理想的な色として記憶している色、すなわち、空の記憶色が存在する。角度範囲２２は、空の記憶色を含む角度範囲であり、範囲内に含まれる２色が同一のクラスターの色として扱われ易くするための範囲である。

図８に示すように、重心取得手段１８ａは、Ｓ２３２において算出した色相角と、Ｓ２３８において算出した色相角との両方が角度範囲２１内に存在するとＳ２４０において判断すると、Ｓ２３９において算出した角度差分Ｄｅｇに係数０．２５を掛けて新たな角度差分Ｄｅｇとする（Ｓ２４１）。なお、係数０．２５は、一例であり、設計次第である。

重心取得手段１８ａは、Ｓ２３２において算出した色相角と、Ｓ２３８において算出した色相角との少なくとも一方が角度範囲２１内に存在しないとＳ２４０において判断すると、Ｓ２３２において算出した色相角と、Ｓ２３８において算出した色相角との両方が青色付近の特定の角度範囲２２（図１０参照。）内に存在するか否かを判断する（Ｓ２４２）。

重心取得手段１８ａは、Ｓ２３２において算出した色相角と、Ｓ２３８において算出した色相角との両方が角度範囲２２内に存在するとＳ２４２において判断すると、Ｓ２３９において算出した角度差分Ｄｅｇに係数０．８を掛けて新たな角度差分Ｄｅｇとする（Ｓ２４３）。なお、係数０．８は、一例であり、設計次第である。

重心取得手段１８ａは、Ｓ２３２において算出した色相角と、Ｓ２３８において算出した色相角との少なくとも一方が角度範囲２２内に存在しないとＳ２４２において判断するか、Ｓ２４１またはＳ２４３の処理を実行すると、角度差分Ｄｅｇが特定の角度差分Ｄｅｇ１以下であるか否かを判断する（Ｓ２４４）。

重心取得手段１８ａは、色差ΔＥが色差Ｅ２以上であるとＳ２３７において判断するか、角度差分Ｄｅｇが角度差分Ｄｅｇ１より大きいとＳ２４４において判断すると、変数ｋの値と、変数ｉの値とが同一であるか否かを判断する（Ｓ２４５）。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一ではないとＳ２４５において判断すると、変数ｋに１を加算して（Ｓ２４６）、Ｓ２３４の処理を実行する。

重心取得手段１８ａは、色差ΔＥが色差Ｅ１以下であるとＳ２３６において判断するか、角度差分Ｄｅｇが角度差分Ｄｅｇ１以下であるとＳ２４４において判断すると、登録フラグＦ_ｉをＦａｌｓｅに変更して（Ｓ２４７）、図８に示す処理を終了する。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一であるとＳ２４５において判断すると、図８に示す処理を終了する。

図１１は、図８に示す処理における判断基準を示す図である。

図１１に示すように、登録済みのクラスター重心Ａ_ｋの何れかに対して、色差ΔＥが色差Ｅ１以下である場合（Ｓ２３６でＹＥＳ）には、ＲＧＢ値Ｌ_ｊは、そのクラスター重心Ａ_ｋと近似色であると考えられるので、そのクラスター重心Ａ_ｋと同一のクラスターに所属すべきであり、新たなクラスター重心の候補とはされない（Ｓ２４７）。また、登録済みのクラスター重心Ａ_ｋの何れかに対して、色差ΔＥが色差Ｅ１より大きく色差Ｅ２より小さくて角度差分Ｄｅｇが角度差分Ｄｅｇ１以下である場合（Ｓ２４４でＹＥＳ）にも、ＲＧＢ値Ｌ_ｊは、そのクラスター重心Ａ_ｋと明度および彩度の少なくとも一方が多少異なるものの、色相が近いため、人間の感覚として、そのクラスター重心Ａ_ｋと近似色であると考えられても良いので、そのクラスター重心Ａ_ｋと同一のクラスターに所属すべきであり、新たなクラスター重心の候補とはされない（Ｓ２４７）。

一方、登録済みのクラスター重心Ａ_ｋの何れに対しても、色差ΔＥが色差Ｅ２以上である（Ｓ２３７でＹＥＳ）か、色差ΔＥが色差Ｅ１より大きく色差Ｅ２より小さくて角度差分Ｄｅｇが角度差分Ｄｅｇ１より大きい（Ｓ２４４でＹＥＳ）場合には、ＲＧＢ値Ｌ_ｊは、登録済みのクラスター重心Ａ_ｋの何れとも異なるクラスターに所属すべきであるので、新たなクラスター重心の候補とされる（Ｓ２０８）。なお、角度差分Ｄｅｇは、ＲＧＢ値Ｌ_ｊおよびクラスター重心Ａ_ｋの両方の色相角が角度範囲２１または角度範囲２２に含まれる場合に小さくされる（Ｓ２４１またはＳ２４３）。すなわち、角度差分Ｄｅｇ１は、ＲＧＢ値Ｌ_ｊおよびクラスター重心Ａ_ｋの両方の色相角が角度範囲２１または角度範囲２２に含まれる場合に、ＲＧＢ値Ｌ_ｊおよびクラスター重心Ａ_ｋの少なくとも一方の色相角が角度範囲２１および角度範囲２２の何れにも含まれない場合と比較して実質的に大きい。

以上において説明したように、図６に示す重心初期値算出処理においては、同一のクラスターに所属すべきＲＧＢ値Ｌ_ｊが複数存在する場合、そのうち最も頻度が高いＲＧＢ値Ｌ_ｊがクラスター重心として登録される。登録されるクラスター重心の個数、すなわち、クラスターの個数は、ｉである。

図１２は、Ｓ１６４のクラスター分析処理のフローチャートである。

図１２に示すように、重心取得手段１８ａは、変数ｋに１を代入する（Ｓ２６１）。

次いで、重心取得手段１８ａは、データ列ＭＬのＲＧＢ値のうちクラスターＣ_ｋに所属しているＲＧＢ値の個数（以下「所属数」と言う。）として、クラスター重心Ａ_ｋの更新前の所属数（以下「更新前所属数」と言う。）Ｎｂ_ｋと、クラスター重心Ａ_ｋの更新後の所属数（以下「更新後所属数」と言う。）Ｎａ_ｋとを０に初期化する（Ｓ２６２）。ここで、クラスターＣ_ｋは、クラスター重心Ａ_ｋが所属するクラスターである。

重心取得手段１８ａは、Ｓ２６２の処理の後、変数ｋの値と、変数ｉの値とが同一であるか否かを判断する（Ｓ２６３）。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一ではないとＳ２６３において判断すると、変数ｋに１を加算して（Ｓ２６４）、Ｓ２６２の処理を実行する。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一であるとＳ２６３において判断すると、変数ｊに１を代入する（Ｓ２６５）。

次いで、重心取得手段１８ａは、ＲＧＢ値Ｌ_ｊが所属するクラスターＣ_ｋを決定する所属クラスター決定処理を実行する（Ｓ２６６）。

次いで、重心取得手段１８ａは、Ｓ２６６の処理の後、変数ｊの値がデータ数ＮＬであるか否かを判断する（Ｓ２６７）。

重心取得手段１８ａは、変数ｊの値がデータ数ＮＬではないとＳ２６７において判断すると、変数ｊに１を加算して（Ｓ２６８）、Ｓ２６６の処理を実行する。

重心取得手段１８ａは、変数ｊの値がデータ数ＮＬであるとＳ２６７において判断すると、データ列ＭＬにおけるＲＧＢ値および頻度と、このＲＧＢ値が何れのクラスターに所属するかのＳ２６６における決定結果とに基づいて、クラスター重心を更新するクラスター重心更新処理を実行する（Ｓ２６９）。

次いで、重心取得手段１８ａは、変数ｋに１を代入する（Ｓ２７０）。

次いで、重心取得手段１８ａは、クラスター重心Ａ_ｋの更新前所属数Ｎｂ_ｋと、クラスター重心Ａ_ｋの更新後所属数Ｎａ_ｋとが異なるか否かを判断する（Ｓ２７１）。

重心取得手段１８ａは、クラスター重心Ａ_ｋの更新前所属数Ｎｂ_ｋと、クラスター重心Ａ_ｋの更新後所属数Ｎａ_ｋとが異なるとＳ２７１において判断すると、変数ｋに１を代入する（Ｓ２７２）。

次いで、重心取得手段１８ａは、クラスター重心Ａ_ｋの更新前所属数Ｎｂ_ｋを、クラスター重心Ａ_ｋの更新後所属数Ｎａ_ｋにする（Ｓ２７３）。

次いで、重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一であるか否かを判断する（Ｓ２７４）。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一ではないとＳ２７４において判断すると、変数ｋに１を加算して（Ｓ２７５）、Ｓ２７３の処理を実行する。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一であるとＳ２７４において判断すると、Ｓ２６５の処理を実行する。

重心取得手段１８ａは、クラスター重心Ａ_ｋの更新前所属数Ｎｂ_ｋと、クラスター重心Ａ_ｋの更新後所属数Ｎａ_ｋとが異ならないとＳ２７１において判断すると、変数ｋの値と、変数ｉの値とが同一であるか否かを判断する（Ｓ２７６）。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一ではないとＳ２７６において判断すると、変数ｋに１を加算して（Ｓ２７７）、Ｓ２７１の処理を実行する。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一であるとＳ２７６において判断すると、図１２に示す処理を終了する。

図１２に示す処理は、クラスター重心の更新前後で各クラスターの所属数が変動しなくなる（Ｓ２７６でＹＥＳ）まで、クラスター重心の更新が行われる（Ｓ２６９）。したがって、重心取得手段１８ａは、入力画像における最適なクラスター重心を求めることができる。

図１３は、Ｓ２６６の所属クラスター決定処理のフローチャートである。

なお、ＲＧＢ値Ｌ_ｊが何れのクラスターに所属するかを決定するための方法は、例えば最小二乗法を利用する方法など、多数存在する。ここでは、例として、最小二乗法を利用する方法について説明する。

図１３に示すように、重心取得手段１８ａは、変数ｋに１を代入する（Ｓ３０１）。

次いで、重心取得手段１８ａは、ＲＧＢ値Ｌ_ｊに対応するＬａｂ値と、クラスター重心Ａ_ｋに対応するＬａｂ値とのＬａｂ色空間における距離を算出する（Ｓ３０２）。

次いで、重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一であるか否かを判断する（Ｓ３０３）。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一ではないとＳ３０３において判断すると、変数ｋに１を加算して（Ｓ３０４）、Ｓ３０２の処理を実行する。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一であるとＳ３０３において判断すると、Ｓ３０２において算出された距離に基づいて、ＲＧＢ値Ｌ_ｊに対応するＬａｂ値との距離が最も短いクラスター重心を特定する（Ｓ３０５）。なお、重心取得手段１８ａは、ＲＧＢ値Ｌ_ｊに対応するＬａｂ値との距離が最も短いクラスター重心が複数存在する場合、これら複数のクラスター重心の中でＳ１６３の処理の直後に最も高い頻度のＲＧＢ値であったクラスター重心をＳ３０５において特定する。

次いで、重心取得手段１８ａは、Ｓ３０５において特定したクラスター重心が所属するクラスターを、ＲＧＢ値Ｌ_ｊが所属するクラスターとして決定する（Ｓ３０６）。例えば、重心取得手段１８ａは、Ｓ３０５においてクラスター重心Ａ_１０を特定した場合、ＲＧＢ値Ｌ_ｊが所属するクラスターとしてクラスターＣ_１０を決定する。

次いで、重心取得手段１８ａは、Ｓ３０６において決定したクラスターの更新後所属数を１加算して（Ｓ３０７）、図１３に示す処理を終了する。例えば、重心取得手段１８ａは、Ｓ３０６においてクラスターＣ_１０を決定した場合、クラスターＣ_１０の更新後所属数Ｎａ_１０を１加算する。

図１４は、Ｓ２６９のクラスター重心更新処理のフローチャートである。

図１４に示すように、重心取得手段１８ａは、変数ｋに１を代入する（Ｓ３３１）。

次いで、重心取得手段１８ａは、数１に示すように、頻度を重みにしたＲ値、Ｂ値、Ｇ値のそれぞれの平均を求めることによってクラスター重心Ａ_ｋを更新する（Ｓ３３２）。数１において、Ｒ_ｋ、Ｇ_ｋ、Ｂ_ｋは、それぞれ、更新後のクラスター重心Ａ_ｋのＲ値、Ｇ値、Ｂ値である。Ｒ_ｌ、Ｇ_ｌ、Ｂ_ｌは、それぞれ、クラスターＣ_ｋに所属しているＲＧＢ値のＲ値、Ｇ値、Ｂ値である。Ｈｉｓｔ_ｌは、クラスターＣ_ｋに所属しているＲＧＢ値のデータ列ＭＬにおける頻度である。例えば、クラスターＣ_ｋにＲＧＢ値Ｌ_１０、Ｌ_２０、Ｌ_３０が所属している場合、ＲＧＢ値Ｌ_１０のＲ値、頻度をそれぞれＲ_１０、Ｈｉｓｔ_１０とし、ＲＧＢ値Ｌ_２０のＲ値、頻度をそれぞれＲ_２０、Ｈｉｓｔ_２０とし、ＲＧＢ値Ｌ_３０のＲ値、頻度をそれぞれＲ_３０、Ｈｉｓｔ_３０とすると、Ｒ_ｋは、（Ｒ_１０・Ｈｉｓｔ_１０＋Ｒ_２０・Ｈｉｓｔ_２０＋Ｒ_３０・Ｈｉｓｔ_３０）／（Ｈｉｓｔ_１０＋Ｈｉｓｔ_２０＋Ｈｉｓｔ_３０）となる。

重心取得手段１８ａは、Ｓ３３２の処理の後、変数ｋの値と、変数ｉの値とが同一であるか否かを判断する（Ｓ３３３）。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一ではないとＳ３３３において判断すると、変数ｋに１を加算して（Ｓ３３４）、Ｓ３３２の処理を実行する。

重心取得手段１８ａは、変数ｋの値と、変数ｉの値とが同一であるとＳ３３３において判断すると、図１４に示す処理を終了する。

図１５は、Ｓ１０３の色調整処理のフローチャートである。

図１５に示すように、色変換情報生成手段１８ｂは、データ列ＭＬの全てのＲＧＢ値をコピーしてデータ列ＭＬａを生成する（Ｓ３６１）。

次いで、色変換情報生成手段１８ｂは、フラグＦをＦａｌｓｅに初期化する（Ｓ３６２）。なお、フラグＦは、Ｔｒｕｅと、Ｆａｌｓｅとの何れかの値になることが可能である。

色変換情報生成手段１８ｂは、Ｓ３６２の処理の後、変数ｋに１を代入する（Ｓ３６３）。

次いで、色変換情報生成手段１８ｂは、植物の葉の記憶色の範囲３０（図１６参照。）内にクラスター重心Ａｋが存在するか否かを判断する（Ｓ３６４）。

図１６（ａ）は、植物の葉の記憶色の範囲３０を含む色相面を示す図である。図１６（ｂ）は、範囲３０の角度範囲３０ａを示す図である。

図１６（ａ）に示す色相面は、植物の葉の記憶色の代表色を示す代表値３１を含む色相面である。範囲３０は、図１６（ｂ）に示す角度範囲３０ａの全域に亘って図１６（ａ）に示す大きさおよび形状であるわけではない。角度範囲３０ａは、角度範囲２１に含まれる。なお、ＭＦＰ１０の製造者は、事前に例えば何百種類の画像を分析して範囲３０および代表値３１を定める。

図１５に示すように、色変換情報生成手段１８ｂは、植物の葉の記憶色の範囲３０内にクラスター重心Ａｋが存在するとＳ３６４において判断すると、クラスター重心Ａｋを植物の葉の記憶色の代表値３１に移動させる場合のデータ列ＭＬａの各ＲＧＢ値の移動方向および移動量を求める（Ｓ３６５）。

ここで、ＭＦＰ１０は、色の変更方法として、まず色相角の方向に移動させ、次いで色相面内で移動させる方法が採用されている。なお、色の変更は、Ｌｃｈ色空間で行われる。

まず、クラスター重心Ａ_ｋは、植物の葉の記憶色の代表値３１の色相角に移動させられることによって、代表値３１を含む色相面上の点Ｐとされる。次いで、代表値３１を含む色相面で点Ｐは代表値３１に移動させられる。

図１７は、植物の葉の記憶色の代表値３１を含む色相面でのクラスター重心Ａ_ｋの移動方向を示す図である。

図１７においては、クラスター重心Ａ_ｋを点Ｐとし、植物の葉の記憶色の代表値３１を点Ｒとして表している。植物の葉の記憶色の代表値３１の周辺の色に関しては、直線ＰＲが色相面における明度方向の下端の線の延長線と交わる点Ｓに向かう方向に向いたベクトルを形成する。葉は、彩度を上げて明るさを出すと綺麗に見えるからである。

図１８は、植物の葉の記憶色の代表値３１を含む色相面での色の移動方向を示す図である。

図１８に示すように、植物の葉の記憶色の代表値３１の周辺の色である点Ｕｎは、クラスター重心Ａｋが植物の葉の記憶色の代表値３１に移動させられる場合、点Ｓに向かう方向に移動させられて点Ｖｎとなる。

ここで、ベクトルＵｎＶｎの大きさは、ベクトルＰＲの大きさとは異なる。ベクトルＰＲの大きさと、ベクトルＵｎＶｎの大きさとの比率は、点Ｐと、点Ｕｎとの位置関係によって求められる。

図１９は、植物の葉の記憶色の代表値３１を含む色相面での色の移動量を示す図である。

図１８に示すベクトルＰＲをｘ軸成分とするとともにベクトルＰＲと直角に交わる直線をｙ軸成分として、アフィン変換を行って座標を回転および平行移動をすると、図１９に示すようになる。

図１９に示すように、点Ｐおよび点Ｒに基づいて、特定の曲線（例えば卵型）を考える。そして、その曲線と、直線ＰＵｎとの交点である点Ｔを得る。△ＴＵｎＶｎと、△ＴＰＲとは相似であるので、線分ＰＴ：線分ＰＵｎ＝１：αである場合、線分ＰＲ：線分ＵｎＶｎ＝１：（１−α）である。ここで、線分ＰＴおよび線分ＰＵｎのそれぞれの長さは計算によって得られる。したがって、線分ＰＲに対する線分ＵｎＶｎの比率（１−α）は、計算によって得られる。すなわち、ベクトルＵｎＶｎの大きさは、ベクトルＰＲの大きさに対して、（１−α）倍である。

図２０は、植物の葉の記憶色の代表値３１の周辺の色の三次元空間での移動範囲を示す図である。

色空間は、二次元ではなく、三次元なので、色相角の成分の次元を定義する必要がある。図２０に示すように、ｙ軸成分と、色相角の成分との二次元で見た場合、真円になるように定義する。そのため、色相角の成分については、ｙ成分と同等量の扱いとなる。すなわち、植物の葉の記憶色の代表値３１の周辺の色は、色相角の方向においても、点Ｐからの距離に応じた移動比率を掛けて移動量を算出することができる。

図１５に示すように、色変換情報生成手段１８ｂは、Ｓ３６５の処理の後、Ｓ３６５において求めた移動方向および移動量をデータ列ＭＬａに適用して（Ｓ３６６）、フラグＦをＴｒｕｅにする（Ｓ３６７）。

色変換情報生成手段１８ｂは、植物の葉の記憶色の範囲３０内にクラスター重心Ａ_ｋが存在しないとＳ３６４において判断すると、空の記憶色の範囲４０（図２１参照。）内にクラスター重心Ａｋが存在するか否かを判断する（Ｓ３６８）。

図２１（ａ）は、空の記憶色の範囲４０を含む色相面を示す図である。図２１（ｂ）は、範囲４０の角度範囲４０ａを示す図である。

図２１（ａ）に示す色相面は、空の記憶色の代表色を示す代表値４１を含む色相面である。範囲４０は、図２１（ｂ）に示す角度範囲４０ａの全域に亘って図２１（ａ）に示す大きさおよび形状であるわけではない。角度範囲４０ａは、角度範囲２２に含まれる。なお、ＭＦＰ１０の製造者は、事前に例えば何百種類の画像を分析して範囲４０および代表値４１を定める。ただし、代表値４１は、色相のみが定められる。

図１５に示すように、色変換情報生成手段１８ｂは、空の記憶色の範囲４０内にクラスター重心Ａｋが存在するとＳ３６８において判断すると、クラスター重心Ａｋを空の記憶色の代表値４１に移動させる場合のデータ列ＭＬａの各ＲＧＢ値の移動方向および移動量を求める（Ｓ３６９）。

ここで、ＭＦＰ１０は、色の変更方法として、まず色相角の方向に移動させ、次いで色相面内で移動させる方法が採用されている。なお、色の変更は、Ｌｃｈ色空間で行われる。

まず、クラスター重心Ａ_ｋは、空の記憶色の代表値４１の色相角に移動させられることによって、代表値４１を含む色相面上の点Ｐとされる。次いで、代表値４１を含む色相面で点Ｐは代表値４１に移動させられる。

図２２は、空の記憶色の代表値４１を含む色相面でのクラスター重心Ａ_ｋの移動方向を示す図である。

図２２においては、クラスター重心Ａ_ｋを点Ｐとし、空の記憶色の代表値４１を点Ｒとして表している。点Ｒは、点Ｐから明度成分のみが上がる方向に延長した線と、色相面の明度方向の上端の線との交点Ｑと、点Ｐとを結ぶ線分ＱＰ上の点であって、点Ｐから線分ＱＰの長さの０．８倍などの特定の比率の距離の位置の点である。空の記憶色の代表値４１の周辺の色に関しては、明度成分のみが上がる方向に向いたベクトルを形成する。空は、明るい方が綺麗に見えるからである。

なお、クラスター重心Ａｋを空の記憶色の代表値４１に移動させる場合のデータ列ＭＬａの各ＲＧＢ値の移動量については、クラスター重心Ａｋを植物の葉の記憶色の代表値３１に移動させる場合のデータ列ＭＬａの各ＲＧＢ値の移動量と同様に求めることができる。

図１５に示すように、色変換情報生成手段１８ｂは、Ｓ３６９の処理の後、Ｓ３６６の処理を実行する。

色変換情報生成手段１８ｂは、空の記憶色の範囲４０内にクラスター重心Ａｋが存在しないとＳ３６８において判断すると、人間の肌の記憶色の範囲５０（図２３参照。）内にクラスター重心Ａ_ｋが存在するか否かを判断する（Ｓ３７０）。

図２３（ａ）は、人間の肌の記憶色の範囲５０を含む色相面を示す図である。図２３（ｂ）は、範囲５０の角度範囲５０ａを示す図である。

図２３（ａ）に示す色相面は、人間の肌の記憶色の代表色を示す代表値５１を含む色相面である。範囲５０は、図２３（ｂ）に示す角度範囲５０ａの全域に亘って図２３（ａ）に示す大きさおよび形状であるわけではない。人間の肌の色としては、互いに微妙に異なる様々な肌色付近の色が存在する。しかしながら、人間は、通常、それらの微妙に異なる様々な色を略同一の色として認識する。すなわち、多数の人間が肌の理想的な色として記憶している色、すなわち、肌の記憶色が存在する。範囲５０は、肌の記憶色を示す範囲である。なお、ＭＦＰ１０の製造者は、事前に例えば何百種類の画像を分析して範囲５０および代表値５１を定める。

図１５に示すように、色変換情報生成手段１８ｂは、人間の肌の記憶色の範囲５０内にクラスター重心Ａ_ｋが存在するとＳ３７０において判断すると、クラスター重心Ａ_ｋを人間の肌の記憶色の代表値５１に移動させる場合のデータ列ＭＬａの各ＲＧＢ値の移動方向および移動量を求める（Ｓ３７１）。

ここで、ＭＦＰ１０は、色の変更方法として、まず色相角の方向に移動させ、次いで色相面内で移動させる方法が採用されている。なお、色の変更は、Ｌｃｈ色空間で行われる。

まず、クラスター重心Ａ_ｋは、人間の肌の記憶色の代表値５１の色相角に移動させられることによって、代表値５１を含む色相面上の点Ｐとされる。次いで、代表値５１を含む色相面で点Ｐは代表値５１に移動させられる。

図２４は、人間の肌の記憶色の代表値５１を含む色相面でのクラスター重心Ａ_ｋの移動方向を示す図である。

図２４においては、クラスター重心Ａ_ｋを点Ｐとし、人間の肌の記憶色の代表値５１を点Ｒとして表している。人間の肌の記憶色の代表値５１の周辺の色に関しては、直線ＰＲがグレー軸の延長線と交わる点Ｓに向かう方向に向いたベクトルを形成する。肌は、明るく白っぽくする方が綺麗に見えるからである。

なお、クラスター重心Ａｋを人間の肌の記憶色の代表値５１に移動させる場合のデータ列ＭＬａの各ＲＧＢ値の移動量については、クラスター重心Ａｋを植物の葉の記憶色の代表値３１に移動させる場合のデータ列ＭＬａの各ＲＧＢ値の移動量と同様に求めることができる。

図１５に示すように、色変換情報生成手段１８ｂは、Ｓ３７１の処理の後、Ｓ３６６の処理を実行する。

色変換情報生成手段１８ｂは、人間の肌の記憶色の範囲５０内にクラスター重心Ａｋが存在しないとＳ３７０において判断するか、Ｓ３６７の処理が終了すると、変数ｋの値と、変数ｉの値とが同一であるか否かを判断する（Ｓ３７２）。

色変換情報生成手段１８ｂは、変数ｋの値と、変数ｉの値とが同一ではないとＳ３７２において判断すると、変数ｋに１を加算して（Ｓ３７３）、Ｓ３６４の処理を実行する。

色変換情報生成手段１８ｂは、変数ｋの値と、変数ｉの値とが同一であるとＳ３７２において判断すると、フラグＦがＴｒｕｅであるか否かを判断する（Ｓ３７４）。

色変換情報生成手段１８ｂは、フラグＦがＴｒｕｅであるとＳ３７４において判断すると、データ列ＭＬのＲＧＢ値と、データ列ＭＬａのＲＧＢ値とに基づいて、データ列ＭＬのＲＧＢ値をデータ列ＭＬａのＲＧＢ値に変換する色変換リストを生成する（Ｓ３７５）。

次いで、出力画像生成手段１８ｃは、Ｓ３７５において生成された色変換リストを用いて入力画像の色変換、すなわち、色調整を行って出力画像を生成して（Ｓ３７６）、図１５に示す処理を終了する。

色変換情報生成手段１８ｂは、フラグＦがＦａｌｓｅであるとＳ３７４において判断すると、図１５に示す処理を終了する。すなわち、フラグＦがＦａｌｓｅであるとＳ３７４において判断された場合、入力画像に対する色調整は行われない。

以上に説明したように、ＭＦＰ１０は、入力画像における近似色の集合であるクラスターの重心、すなわち、クラスター重心が色空間における特定の記憶色の範囲３０、４０または５０に含まれる場合（Ｓ３６４でＹＥＳ、Ｓ３６８でＹＥＳまたはＳ３７０でＹＥＳ）に、このクラスター重心がこの記憶色の代表色に移動させられるように、入力画像の色を変換して出力画像を生成する（Ｓ３７６）ので、入力画像の色を変換して特定の記憶色を強調した出力画像を生成することができる。

ＭＦＰ１０は、ＲＧＢ値Ｌ_ｊおよびクラスター重心Ａ_ｋの両方の色相角が角度範囲２１、２２に含まれる場合（Ｓ２４０でＹＥＳまたはＳ２４２でＹＥＳ）に、ＲＧＢ値Ｌ_ｊおよびクラスター重心Ａ_ｋの少なくとも一方の色相角が角度範囲２１、２２に含まれない場合（Ｓ２４０でＮＯおよびＳ２４２でＮＯ）と比較して、ＲＧＢ値Ｌ_ｊおよびクラスター重心Ａ_ｋ同士を近似色であると判断するための色相角の差分、すなわち、角度差分Ｄｅｇ１が実質的に大きいので、特定の記憶色の範囲３０、４０の色相角、すなわち、角度範囲３０ａ、４０ａを含む角度範囲２１、２２に含まれる色同士を、角度範囲２１、２２に含まれない色同士と比較して、同一のクラスターとして判断する傾向が強く、範囲３０、４０にクラスター重心が多数含まれる可能性を抑えることができる。したがって、ＭＦＰ１０は、多数のクラスター重心が同一の色に移動させられるように入力画像の色が変換される可能性を抑えることができ、範囲３０、４０の色を強調した自然な出力画像を生成することができる。

なお、図１５に示す処理では、本実施の形態において、記憶色として、植物の葉の色、空の色、および、人間の肌の色を対象にしている。しかしながら、他の記憶色を対象にしても良い。

また、図８に示す処理で対象にしている記憶色は、本実施の形態において、図１５に示す処理で対象にしている記憶色の一部のみである。しかしながら、図１５に示す処理で対象にしている記憶色の全部を、図８に示す処理で対象にしても良い。

また、本実施の形態においては、記憶色を強調した出力画像を生成するようになっているが、記憶色以外の特定の色を強調した出力画像を生成するようになっていても良い。

また、本実施の形態においては、図２に示す動作における全ての処理がＭＦＰ１０において行われている。しかしながら、図２に示す動作における一部の処理がＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）など、ＭＦＰ１０以外のコンピューターによって行われても良い。

本発明の画像形成装置は、本実施の形態においてＭＦＰであるが、プリンター専用機など、ＭＦＰ以外の画像形成装置でも良い。

Ａ_ｋ クラスター重心（クラスターの重心）
Ｃ_ｋ クラスター
Ｄｅｇ 角度差分（対象の２色の色相角の差分の絶対値）
Ｄｅｇ１ 角度差分（特定の差分）
Ｅ２ 色差（特定の色差）
Ｌ_ｊ ＲＧＢ値（入力画像における色）
ΔＥ 色差（対象の２色の色差）
１０ ＭＦＰ（画像形成装置）
１７ａ 色変換プログラム
１８ａ 重心取得手段
１８ｂ 色変換情報生成手段
１８ｃ 出力画像生成手段
２１、２２ 角度範囲（特定の角度範囲）
３０ 範囲（特定の範囲、記憶色の範囲）
３０ａ 角度範囲（特定の範囲の色相角）
３１ 代表値（特定の範囲の代表色を示す代表値）
４０ 範囲（特定の範囲、記憶色の範囲）
４０ａ 角度範囲（特定の範囲の色相角）
４１ 代表値（特定の範囲の代表色を示す代表値）
５０ 範囲（特定の範囲、記憶色の範囲）
５１ 代表値（特定の範囲の代表色を示す代表値）

Claims (5)

1. 入力画像における近似色の集合であるクラスターの重心を取得する重心取得手段と、
   前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成手段と、
   前記色変換情報生成手段によって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成手段とを備え、
   前記色変換情報は、前記重心取得手段によって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする画像形成装置。
2. 前記重心取得手段は、前記入力画像における色が所属する前記クラスターを判断する場合に、対象の２色の色差が特定の色差より小さく前記対象の２色の色相角の差分の絶対値が特定の差分以下であるとき前記対象の２色同士を近似色であると判断し、
   前記特定の差分は、前記対象の２色の色相角が特定の角度範囲に含まれる場合に、前記対象の２色の色相角が前記特定の角度範囲に含まれない場合と比較して大きく、
   前記特定の角度範囲は、前記特定の範囲の色相角を含むことを特徴とする請求項１に記載の画像形成装置。
3. 前記特定の範囲は、特定の記憶色の範囲であることを特徴とする請求項１または請求項２に記載の画像形成装置。
4. 入力画像における近似色の集合であるクラスターの重心を取得する重心取得手段、
   前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成手段、および、
   前記色変換情報生成手段によって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成手段として画像形成装置を機能させ、
   前記色変換情報は、前記重心取得手段によって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする色変換プログラム。
5. 入力画像における近似色の集合であるクラスターの重心を取得する重心取得ステップと、
   前記入力画像を出力画像に変換するための色変換情報を生成する色変換情報生成ステップと、
   前記色変換情報生成ステップによって生成された前記色変換情報を用いて前記入力画像における色を変換して前記出力画像を生成する出力画像生成ステップとを備え、
   前記色変換情報は、前記重心取得ステップによって取得された前記重心が色空間における特定の範囲に含まれる場合に前記重心が前記特定の範囲の代表色に移動させられるときの前記重心の移動に応じた移動を、前記入力画像における色に行わせるための情報であることを特徴とする色変換方法。

Images