JP2020201820A - 色変換テーブル生成方法、色変換テーブル生成プログラムおよび印刷装置 - Google Patents

Abstract

【課題】色再現性に優れる色変換テーブルを迅速に生成する。【解決手段】印刷媒体の印刷面における単位面積あたりのインク量を識別可能な画像を印刷した前記印刷面を撮像することにより生成される撮像情報の入力を受け付け、前記撮像情報と前記印刷面における単位面積あたりのインク量の適否との関係を機械学習することで生成した判定モデルを用いて、前記印刷面における単位面積あたりのインク量が適となる最大値を推定し、前記推定結果に基づいて、色空間における座標値とインク量との対応付けに関する色変換テーブルを生成する、色変換テーブル生成方法。【選択図】図３

Description

本発明は、色変換テーブル生成方法、色変換テーブル生成プログラムおよび印刷装置に関する。

インクを噴射するインク噴射ヘッドを用いて印刷媒体に画像を印刷するインクジェット方式の印刷装置が知られている。この種の印刷装置は、一般に、複数色のインクを色ごとに画像情報に応じて噴射する。当該複数色のインクの色ごとの噴射量の決定には、当該画像情報に含まれる色情報を画素ごとに各色のインク量に変換する色変換テーブルが用いられる。

色変換テーブルを生成する方法として、例えば、特許文献１に記載の方法が挙げられる。特許文献１では、記録媒体にテストパターンを形成し、当該テストパターンを目視により確認することで好適なインク打ち込み量を決定し、当該インク打ち込み量に対応する色分解テーブルを生成する。

特開２００３−３３４９３４号公報

しかし、特許文献１に記載の方法では、テストパターンに基づくインク打ち込み量の決定が目視により行われるため、人手を要するので不便であるばかりでなく、決定結果にバラツキが生じやすい。また、このような目視による決定は、精度をある程度確保しようとすると、膨大な時間を要する。

本発明の色変換テーブル生成方法の一態様は、印刷媒体の印刷面における単位面積あたりのインク量を識別可能な画像を印刷した前記印刷面を撮像することにより生成される撮像情報の入力を受け付け、前記撮像情報と前記印刷面における単位面積あたりのインク量の適否との関係を機械学習することで生成した判定モデルを用いて、前記印刷面における単位面積あたりのインク量が適となる最大値を推定し、前記推定結果に基づいて、色空間における座標値とインク量との対応付けに関する色変換テーブルを生成する。

本発明の色変換テーブル生成プログラムの一態様は、印刷媒体の印刷面における単位面積あたりのインク量を識別可能な画像を印刷した前記印刷面を撮像することにより生成される撮像情報の入力を受け付ける受付機能と、前記撮像情報と前記印刷面における単位面積あたりのインク量の適否との関係を機械学習することで生成した判定モデルを用いて、前記印刷面における単位面積あたりのインク量が適となる最大値を推定する推定機能と、前記推定結果に基づいて、色空間における座標値とインク量との対応付けに関する色変換テーブルを生成するテーブル生成機能と、をコンピューターに実現させる。

実施形態に係る印刷装置を用いるシステムの構成例を示す概略図である。 色変換テーブルの一例を示す図である。 色変換テーブルの生成フローを示す図である。 色変換テーブルの生成に用いる印刷画像の一例を示す図である。 インクの滲みが生じた状態の一例を示す図である。 インクの凝集が生じた状態の一例を示す図である。 インクの溢れが生じた状態の一例を示す図である。 色変換テーブルの生成における推定部を説明するための図である。 滲み判定モデルの生成のための機械学習を説明するための図である。 凝集判定モデルの生成のための機械学習を説明するための図である。 溢れ判定モデルの生成のための機械学習を説明するための図である。

以下、添付図面を参照しながら本発明に係る好適な実施形態を説明する。なお、図面において各部の寸法または縮尺は実際と適宜異なり、理解を容易にするために模式的に示している部分もある。また、本発明の範囲は、以下の説明において特に本発明を限定する旨の記載がない限り、これらの形態に限られない。

１．印刷装置１を用いるシステム１００の概要
図１は、実施形態に係る印刷装置１を用いるシステム１００の構成例を示す概略図である。システム１００は、インクジェット方式の印刷装置１を用いて、色空間における座標値とインク量との対応付けに関する色変換テーブルＬＵＴを生成するシステムである。当該色空間は、例えば、ＲＧＢ色空間またはＣＭＹＫ色空間等である。当該インク量は、印刷装置１が用いる複数色のインクのそれぞれについて印刷媒体の印刷面に対する単位面積あたりの噴射量である。

システム１００は、印刷装置１とホスト装置２００とを有する。これらの装置は、相互に無線または有線により通信可能に接続される。なお、印刷装置１とホスト装置２００との間の通信には、インターネットを含む通信網が介在してもよい。

印刷装置１は、色変換テーブルＬＵＴを用いて画像情報ＤＧに基づく画像をインクジェット方式により印刷媒体に印刷するプリンターである。画像情報ＤＧは、画素ごとに各色のインク量を示す情報であり、画素ごとに色空間における座標値を示す情報をホスト装置２００で色変換テーブルＬＵＴを用いて変換することで得られる。印刷装置１は、印刷後の印刷媒体の印刷面を撮像する機能を有する。印刷装置１では、当該機能を用いて、色変換テーブルＬＵＴの生成に用いる撮像情報ＤＩを生成し、撮像情報ＤＩをホスト装置２００に提供する。撮像情報ＤＩは、画像情報ＤＧに基づく画像を印刷した印刷媒体の印刷面を撮像することにより生成される。撮像情報ＤＩを生成する際に用いる画像情報ＤＧは、単位面積あたりのインク量を識別可能な画像を示す情報である。印刷媒体は、インクジェット方式により印刷可能な媒体であればよく、特に限定されず、例えば、各種紙、各種布または各種フィルム等である。

ホスト装置２００は、印刷装置１の動作を制御するコンピューターである。ホスト装置２００は、印刷装置１からの撮像情報ＤＩを用いて機械学習を行うことで判定モデルＰＪを生成する機械学習機能と、判定モデルＰＪを用いて色変換テーブルＬＵＴを生成するテーブル生成機能と、色変換テーブルＬＵＴを用いて印刷装置１の印刷を実行する印刷実行機能と、を有する。当該機械学習機能では、撮像情報ＤＩと印刷媒体の印刷面における単位面積あたりのインク量の適否との関係を機械学習することで判定モデルＰＪが生成される。当該テーブル生成機能では、判定モデルＰＪを用いて印刷媒体の印刷面における単位面積あたりのインク量が適となる最大値が推定され、その推定結果に基づいて色変換テーブルＬＵＴが生成される。当該印刷実行機能では、当該テーブル生成機能で生成された色変換テーブルＬＵＴを用いて印刷装置１の印刷が実行される。以下では、「印刷媒体の印刷面における単位面積あたりのインク量が適となる最大値」を「最大インク打ち込み量」ともいう。

なお、前述の機械学習機能とテーブル生成機能とが別々の装置で実現されてもよい。例えば、当該機械学習は、ホスト装置２００とは別途の装置で行ってもよい。この場合、機械学習で得られた判定モデルは、ホスト装置２００に戻されるか、または、ホスト装置２００が利用可能な状態で当該別途の装置に記憶される。また、前述の印刷実行機能もホスト装置２００とは別途の装置で実現されてもよい。

以上の概略のシステム１００では、印刷媒体の印刷面における単位面積あたりのインク量が適となる最大値を推定するのに判定モデルＰＪが用いられるため、当該推定に人手が不要となる。また、当該推定を目視により行う場合に比べて、推定結果にバラツキが生じ難く、また、迅速な推定が可能となる。この結果、当該推定を目視により行う場合に比べて、色再現性に優れる色変換テーブルＬＵＴを迅速に生成することができる。以下、印刷装置１およびホスト装置２００について詳述する。

２．印刷装置１
印刷装置１は、処理装置１０と記憶装置２０と印刷機構３０と撮像装置４０と通信装置５０とを有する。これらは、互いに通信可能に接続される。

処理装置１０は、印刷装置１の各部を制御する機能、および各種データを処理する機能を有する装置である。処理装置１０は、例えば、ＣＰＵ（Central Processing Unit）等のプロセッサーを有する。なお、処理装置１０は、単一のプロセッサーで構成されてもよいし、複数のプロセッサーで構成されてもよい。また、処理装置１０の機能の一部または全部を、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）等のハードウェアで実現してもよい。

記憶装置２０は、処理装置１０が実行する各種プログラム、および処理装置１０が処理する各種データを記憶する装置である。記憶装置２０は、例えば、ハードディスクドライブまたは半導体メモリーを有する。なお、記憶装置２０の一部または全部は、印刷装置１の外部の記憶装置、ホスト装置２００等のサーバー等に設けてもよい。

本実施形態の記憶装置２０には、制御プログラムＰ１、画像情報ＤＧおよび撮像情報ＤＩが記憶される。ここで、撮像情報ＤＩは、ホスト装置２００における色変換テーブルＬＵＴおよび判定モデルＰＪの生成に用いられる。後に詳述するが、制御プログラムＰ１は、処理装置１０で実行されることで、印刷装置１の各種機能を実現する。また、画像情報ＤＧは、印刷機構３０で印刷される画像を示す情報である。撮像情報ＤＩは、印刷後の印刷媒体を撮像装置４０により撮像した画像を示す情報である。なお、制御プログラムＰ１、画像情報ＤＧおよび撮像情報ＤＩの一部または全部は、印刷装置１の外部の記憶装置、ホスト装置２００等のサーバー等に記憶されてもよい。

印刷機構３０は、印刷媒体にインクを噴射することで、当該印刷媒体に印刷を行う機構である。印刷機構３０は、当該印刷媒体を所定方向に搬送する図示しない搬送機構と、インクを噴射するインク噴射ヘッド３１と、インク噴射ヘッド３１を当該印刷媒体の搬送方向に直交する軸に沿って反復的に移動させる図示しない移動機構と、を有する。これらは、処理装置１０による制御のもとで動作する。インク噴射ヘッド３１は、シアン、マゼンタ、イエローおよび黒の４色のインクを噴射可能である。すなわち、インク噴射ヘッド３１は、シアンのインクを噴射するＣ噴射部３１Ｃと、マゼンタのインクを噴射するＭ噴射部３１Ｍと、イエローのインクを噴射するＹ噴射部３１Ｙと、黒のインクを噴射するＫ噴射部３１Ｋと、を有する。これらの噴射部は、それぞれ、処理装置１０による制御のもとで、図示しないインク容器から供給されるインクを図示しない複数のノズルから印刷媒体に噴射する。より具体的には、各噴射部は、図示しない圧力室および駆動素子をノズル毎に有しており、圧力室内の圧力を駆動素子により変動させることで当該圧力室内のインクをノズルから噴射する。駆動素子は、例えば圧電素子または発熱素子である。以上の印刷機構３０では、インク噴射ヘッド３１の往復移動とインクの噴射とが並行して行われることで、印刷媒体の印刷面に画像が形成される。

なお、インク噴射ヘッド３１を往復移動させる移動機構は、省略してもよい。この場合、例えば、インク噴射ヘッド３１を印刷媒体の搬送方向に直交する幅方向の全域にわたって設ければよい。また、インク噴射ヘッド３１が噴射するインクの色の数は、前述の４色に限定されず、３色以下または５色以上でもよい。

撮像装置４０は、印刷機構３０による印刷後の印刷媒体の印刷面を撮像することにより、その撮像画像を示す撮像情報ＤＩを生成するカメラまたはスキャナー等の装置である。撮像装置４０は、例えば撮像光学系および撮像素子を有する。撮像光学系は、少なくとも１つの撮像レンズを含む光学系であり、プリズム等の各種の光学素子を含んでもよいし、ズームレンズまたはフォーカスレンズ等を含んでもよい。撮像素子は、例えば、ＣＣＤ（Charge Coupled Device）イメージセンサーまたはＣＭＯＳ（Complementary MOS）イメージセンサー等である。また、撮像装置４０は、分光機能を有してもよい。この場合、例えば、撮像光学系に回折格子または波長可変フィルター等を設ければよい。撮像装置４０の撮像画像は、フルカラーでもモノカラーでもよい。当該撮像画像がフルカラーである場合、撮像情報ＤＩは、例えば、当該撮像画像の画素ごとにＸＹＺ表色系における三刺激値で表される。当該撮像画像がモノカラーである場合、撮像情報ＤＩは、例えば、当該撮像画像の画素ごとに輝度値で表される。

通信装置５０は、ホスト装置２００と無線または有線で通信する機器である。例えば、通信装置５０は、ＵＳＢ（Universal Serial Bus）またはＬＡＮ（Local Area Network）等のインターフェイスを有する。

以上の構成の印刷装置１において、処理装置１０は、記憶装置２０から制御プログラムＰ１を読み込んで実行する。この実行により、処理装置１０は、印刷制御部１１、撮像制御部１２および通信制御部１３として機能する。

印刷制御部１１は、前述の印刷機構３０の駆動を制御する。例えば、印刷制御部１１は、画像情報ＤＧに基づいて印刷機構３０の駆動を制御することで、画像情報ＤＧに基づく画像Ｇを印刷媒体に印刷する。撮像制御部１２は、前述の撮像装置４０の駆動を制御する。例えば、撮像制御部１２は、画像Ｇの印刷後の印刷媒体を撮像装置４０に撮像させる。通信制御部１３は、前述の通信装置５０の駆動を制御する。例えば、通信制御部１３は、ホスト装置２００における判定モデルＰＪまたは色変換テーブルＬＵＴの生成に必要なホスト装置２００との間の通信を通信装置５０に実行させたり、印刷装置１における印刷に必要なホスト装置２００との間の通信を通信装置５０に実行させたりする。

３．ホスト装置２００
ホスト装置２００は、処理装置２１０と記憶装置２２０と通信装置２５０と表示装置２６０と入力装置２７０とを有する。これらの装置は、互いに通信可能に接続される。

処理装置２１０は、ホスト装置２００の各部を制御する機能、および各種データを処理する機能を有する装置である。処理装置２１０は、例えば、ＣＰＵ等のプロセッサーを有する。なお、処理装置２１０は、単一のプロセッサーで構成されてもよいし、複数のプロセッサーで構成されてもよい。また、処理装置２１０の機能の一部または全部を、ＤＳＰ、ＡＳＩＣ、ＰＬＤ、ＦＰＧＡ等のハードウェアで実現してもよい。

記憶装置２２０は、処理装置２１０が実行する各種プログラム、および処理装置２１０が処理する各種データを記憶する装置である。記憶装置２２０は、例えば、ハードディスクドライブまたは半導体メモリーを有する。なお、記憶装置２２０の一部または全部は、ホスト装置２００とは別体の記憶装置またはサーバー等に設けてもよい。

後に詳述するが、本実施形態の記憶装置２２０には、学習プログラムＰＬ、色変換テーブル生成プログラムＰ２、判定モデルＰＪ、撮像情報ＤＩ、教師データＤＴおよび色変換テーブルＬＵＴが記憶される。学習プログラムＰＬは、処理装置２１０で実行されることで、判定モデルＰＪを生成するための各種機能を実現する。色変換テーブル生成プログラムＰ２は、処理装置２１０で実行されることで、色変換テーブルＬＵＴを生成するための各種機能を実現する。教師データＤＴは、管理者が撮像情報ＤＩに印刷媒体の印刷面における単位面積あたりのインク量の適否に関する情報をラベルとして付して得られる情報である。本実施形態の教師データＤＴは、後述の教師データＤＴ１、ＤＴ２またはＤＴ３である。なお、記憶装置２２０に記憶される撮像情報ＤＩは、前述の印刷装置１から取得される。また、学習プログラムＰＬ、色変換テーブル生成プログラムＰ２、判定モデルＰＪ、撮像情報ＤＩ、教師データＤＴおよび色変換テーブルＬＵＴの一部または全部は、ホスト装置２００とは別体の記憶装置またはサーバー等に記憶されてもよい。

通信装置２５０は、印刷装置１と無線または有線で通信する機器である。例えば、通信装置２５０は、ＵＳＢ（Universal Serial Bus）またはＬＡＮ（Local Area Network）等のインターフェイスを有する。通信装置２５０は、処理装置２１０による制御のもとで、ホスト装置２００における判定モデルＰＪまたは色変換テーブルＬＵＴの生成に必要な印刷装置１との間の通信を実行したり、印刷装置１における印刷に必要な印刷装置１との間の通信を実行したりする。

表示装置２６０は、処理装置２１０による制御のもとで各種の画像を表示する。ここで、表示装置２６０は、例えば、液晶表示パネルまたは有機ＥＬ（electro-luminescence）表示パネル等の各種の表示パネルを有する。例えば、表示装置２６０は、撮像情報ＤＩを表示する。この表示に基づいて、例えば、管理者等が教師データＤＴを生成する際に撮像情報ＤＩに付すラベルの種類を判定することができる。

入力装置２７０は、ユーザーからの操作を受け付ける機器である。例えば、入力装置２７０は、タッチパッド、タッチパネルまたはマウス等のポインティングデバイスを有する。ここで、入力装置２７０は、タッチパネルを有する場合、表示装置２６０を兼ねてもよい。

以上の構成のホスト装置２００において、処理装置２１０は、記憶装置２２０から学習プログラムＰＬ、色変換テーブル生成プログラムＰ２および判定モデルＰＪを適宜に読み込んで実行する。

処理装置２１０は、学習プログラムＰＬの実行により、学習処理部２１１として機能する。学習処理部２１１は、教師データＤＴを用いた教師あり機械学習により判定モデルＰＪの複数の係数を設定することで、学習済みの判定モデルＰＪを生成する。なお、判定モデルＰＪの生成については、後に詳述する。

処理装置２１０は、色変換テーブル生成プログラムＰ２を実行することにより、受付部２１２、推定部２１３およびテーブル生成部２１４として機能する。受付部２１２は、撮像情報ＤＩの入力を受け付ける受付機能を実現する。推定部２１３は、撮像情報ＤＩと判定モデルＰＪとを用いて、印刷媒体の印刷面における単位面積あたりのインク量が適となる最大値を推定する推定機能を実現する。テーブル生成部２１４は、推定部２１３の推定結果に基づいて色変換テーブルＬＵＴを生成するテーブル生成機能を実現する。なお、色変換テーブルＬＵＴの生成については、後に詳述する。

４．色変換テーブルＬＵＴ
図２は、色変換テーブルＬＵＴの一例を示す図である。図２に示すように、色変換テーブルＬＵＴは、色空間における座標値である色彩値とインク量との対応付けに関する情報を含む。図２では、色彩値がＲＧＢ色空間の座標値（Ｒ_ｊ，Ｇ_ｊ，Ｂ_ｊ）であり、インク量がシアン（Ｃ）、マゼンタ（Ｍ）、イエロー（Ｙ）および黒（Ｋ）のインク量の値（Ｃ_ｊ，Ｍ_ｊ，Ｙ_ｊ，Ｋ_ｊ）である場合が例示される。座標値（Ｒ_ｊ，Ｇ_ｊ，Ｂ_ｊ）は、値（Ｃ_ｊ，Ｍ_ｊ，Ｙ_ｊ，Ｋ_ｊ）は、例えば、各２５６階調で表される色彩値である。なお、色変換テーブルＬＵＴにおいてインク量との対応付けに用いられる色空間は、ＲＧＢ色空間に限定されず、例えば、ＣＩＥＬＡＢ色空間、ＣＭＹＫ色空間またはＸＹＺ色空間等でもよい。また、色変換テーブルＬＵＴは、カラーマネージメントシステムにおける出力プロファイルに組み込まれてもよいし、出力プロファイルとは別体として用いてもよい。

５．色変換テーブルＬＵＴの生成
図３は、色変換テーブルＬＵＴの生成フローを示す図である。色変換テーブルＬＵＴの生成方法は、図３に示すように、撮像情報ＤＩの入力を受け付けるステップＳ１０１と、印刷媒体の印刷面における単位面積あたりのインク量が適となる最大値を推定するステップＳ１０２と、ステップＳ１０２での推定結果に基づいて色変換テーブルＬＵＴを生成するステップＳ１０３と、を有する。以下、各ステップを順次説明する。

ステップＳ１０１では、撮像情報ＧＩの入力を受け付ける。撮像情報ＧＩは、印刷媒体の単位面積あたりのインク量を識別可能な画像を印刷した印刷媒体の印刷面を撮像することにより生成される。以下、当該画像について説明する。

図４は、色変換テーブルＬＵＴの生成に用いる印刷画像の一例である画像Ｇを示す図である。画像Ｇは、前述のインク噴射ヘッド３１に用いられる４色のインクの組み合わせおよびインク量の階調を適宜に異ならせて印刷媒体の印刷面ＭＰ０上に形成される。画像Ｇは、複数のパッチ画像ＧＰで構成される。複数のパッチ画像ＧＰは、画像群Ｇ１、Ｇ２、Ｇ３およびＧ４に分けられる。図４では、各パッチ画像ＧＰの形状は、四角形である。なお、各パッチ画像ＧＰの形状および配置は、図４に示す形状および配置に限定されない。

画像群Ｇ１は、当該４色のインクによる単色の複数のパッチ画像ＧＰで構成される。図４に例示される画像群Ｇ１は、４色のインクの色ごとにインク量の階調が４０％から１００％までの範囲にわたって互いに異なる複数のパッチ画像ＧＰで構成される。画像群Ｇ２は、当該４色のインクによる２次色の複数のパッチ画像ＧＰで構成される。図４に例示される画像群Ｇ２は、４色のインクの２次色ごとに、各色インク量の階調が１０％から１００％までの範囲にわたって互いに異なることで、２次色のインク量の階調が２０％から２００％までの範囲にわたって互いに異なる複数のパッチ画像ＧＰで構成される。画像群Ｇ３は、当該４色のインクによる３次色の複数のパッチ画像ＧＰで構成される。図４に例示される画像群Ｇ３は、４色のインクの３次色ごとに、各色インク量の階調が２０％から１００％までの範囲にわたって互いに異なることで、３次色のインク量の階調が６０％から３００％までの範囲にわたって互いに異なる複数のパッチ画像ＧＰで構成される。画像群Ｇ４は、当該４色のインクによる４次色の複数のパッチ画像ＧＰで構成される。図４に例示される画像群Ｇ４は、４色のインクの４次色ごとに、各色インク量の階調が２５％から１００％までの範囲にわたって互いに異なることで、４次色のインク量の階調が１００％から４００％までの範囲にわたって互いに異なる複数のパッチ画像ＧＰで構成される。なお、複数のパッチ画像ＧＰを形成するインク量の階調の範囲は、図４に示す例に限定されない。

以上の画像Ｇを印刷した印刷面ＭＰ０を観察することで、インクの滲み、凝集および溢れの有無と印刷面ＭＰ０における単位面積あたりのインク量との関係を判定することができる。以下、インクの滲み、凝集および溢れについて簡単に説明する。

図５は、インクの滲みが生じた状態の一例を示す図である。「インクの滲み」とは、図５に示すように、図５中二点鎖線で示す本来のパッチ画像ＧＰの領域の全周にわたって外側にインクがはみ出てパッチ画像ＧＰの輪郭の曖昧さが増す状態をいう。インクの滲みは、一般に、印刷媒体の種類によって程度が異なるが、印刷面ＭＰ０における単位面積あたりのインク量が多くなるほど生じやすい。したがって、印刷面ＭＰ０における単位面積あたりのインク量を少なくすることで、インクの滲みを低減することができる。

図６は、インクの凝集が生じた状態の一例を示す図である。「インクの凝集」とは、図６に示すように、パッチ画像ＧＰ内にインクの濃度むらが生じる状態をいう。一般に、インクの凝集は、分散系のインクを用いた場合に分散質同士が集まることで生じる現象であり、印刷面ＭＰ０における単位面積あたりのインク量が多くなるほど生じやすい。したがって、印刷面ＭＰ０における単位面積あたりのインク量を少なくすることで、インクの凝集を低減することができる。

図７は、インクの溢れが生じた状態の一例を示す図である。「インクの溢れ」とは、図７に示すように、図７中二点鎖線で示す本来のパッチ画像ＧＰの領域から部分的に外側にインクがはみ出てパッチ画像ＧＰの輪郭の形状が崩れる状態をいう。一般に、インクの溢れは、印刷面ＭＰ０における単位面積あたりのインク量が過大であることで生じる現象であり、印刷面ＭＰ０における単位面積あたりのインク量が多くなるほど生じやすい。したがって、印刷面ＭＰ０における単位面積あたりのインク量を少なくすることで、インクの溢れを低減することができる。

ステップＳ１０２では、推定部２１３が、撮像情報ＧＩおよび判定モデルＰＪを用いて、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値を推定する。

図８は、色変換テーブルＬＵＴの生成における推定部２１３を説明するための図である。推定部２１３は、撮像情報ＤＩおよび判定モデルＰＪを用いて、前述のパッチ画像ＧＰごとに、印刷面ＭＰ０における単位面積あたりのインク量の適否を判定する。そして、推定部２１３は、単色、２次色、３次色または４次色の同じ色のパッチ画像ＧＰごとに、その判定結果を用いて、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値を推定する。例えば、推定部２１３は、同じ色の複数のパッチ画像ＧＰについて、判定結果が適となるパッチ画像ＧＰのうち最も単位面積あたりのインク量が多いパッチ画像ＧＰにおける単位面積あたりのインク量を当該最大値と推定する。ここで、パッチ画像ＧＰにおける単位面積あたりのインク量は、例えば、パッチ画像ＧＰとともに画像Ｇに含まれる画像の情報または画像情報ＤＧ等から取得される。以上の推定結果は、最大インク量情報ＤＸとして推定部２１３から出力される。最大インク量情報ＤＸは、例えば、各色のインク量を示す情報（Ｃ_ｉ，Ｍ_ｉ，Ｙ_ｉ，Ｋ_ｉ）を含む。

判定モデルＰＪは、撮像情報ＤＩの入力に応じて印刷面ＭＰ０における単位面積あたりのインク量の適否に関する適否情報ＤＱを出力する学習済モデルである。具体的には、判定モデルＰＪは、撮像情報ＤＩから適否情報ＤＱを生成する演算を処理装置１０に実行させるプログラムと、当該演算に適用される複数の係数との組合せで実現される。当該プログラムは、例えば人工知能ソフトウェアを構成するプログラムモジュールである。当該複数の係数は、例えば、後述するホスト装置２００における教師データＤＴ１、ＤＴ２およびＤＴ３を利用した深層学習により設定される。例えば、判定モデルＰＪとしては、深層ニューラルネットワーク等の数理モデルが好適に用いられる。

本実施形態の判定モデルＰＪは、滲み判定モデルＰＪ１、凝集判定モデルＰＪ２および溢れ判定モデルＰＪ３を含む。滲み判定モデルＰＪ１は、撮像情報ＤＩの入力に応じて印刷面ＭＰ０におけるインクの滲みの有無に関する滲み情報ＤＱ１を出力する。凝集判定モデルＰＪ２は、撮像情報ＤＩの入力に応じて印刷面ＭＰ０におけるインクの凝集の有無に関する凝集情報ＤＱ２を出力する。溢れ判定モデルＰＪ３は、撮像情報ＤＩの入力に応じて印刷面ＭＰ０におけるインクの溢れの有無に関する溢れ情報ＤＱ３を出力する。以上の判定モデルＰＪでは、滲み情報ＤＱ１、凝集情報ＤＱ２および溢れ情報ＤＱ３を用いて、適否情報ＤＱが生成される。

本実施形態の推定部２１３は、適否情報ＤＱの作成に用いる滲み情報ＤＱ１、凝集情報ＤＱ２および溢れ情報ＤＱ３の重みＷをユーザーから受け付けることが可能である。重みＷは、ユーザーによる入力装置２７０等を用いた操作により推定部２１３に設定される。図８に示すように、重みＷは、滲み判定モデルＰＪ１の判定に関する重みａ、凝集判定モデルＰＪ２の判定に関する重みｂ、および溢れ判定モデルＰＪ３の判定に関する重みｃを含む。したがって、例えば、インクの滲みがある場合の滲み情報ＤＱ１を０とし、インクの滲みがない場合の滲み情報ＤＱ１を１とし、インクの凝集がある場合の凝集情報ＤＱ２を０とし、インクの凝集がない場合の凝集情報ＤＱ２を１とし、インクの溢れがある場合の溢れ情報ＤＱ３を０とし、インクの溢れがない場合の溢れ情報ＤＱ３を１とし、重みａ、ｂおよびｃをそれぞれ係数とするとき、適否情報ＤＱは、（ａＤＱ１＋ｂＤＱ２＋ｃＤＱ３）で表される。ここで、適否情報ＤＱは、所定値未満である場合、「適」を示し、所定値以上である場合、「否」を示す。

ステップＳ１０３では、テーブル生成部２１４が推定部２１３の推定結果に基づいて色変換テーブルＬＵＴを生成する。具体的には、テーブル生成部２１４は、単色、２次色、３次色または４次色の色ごとにインク量が前述の推定部２１３による推定結果を超えないように、色変換テーブルＬＵＴを作成する。

６．判定モデルＰＪの生成
図９は、滲み判定モデルＰＪ１の生成のための機械学習を説明するための図である。滲み判定モデルＰＪ１の機械学習には、教師データＤＴ１が使用される。教師データＤＴ１は、複数個（ｎ個）の撮像情報ＤＩである撮像情報ＤＩ−１〜ＤＩ−ｎと、撮像情報ＤＩ−１〜ＤＩ−ｎに対応する複数個（ｎ個）の滲みの有無に関する滲み情報ＤＱ１である滲み情報ＤＱ１−１〜ＤＱ１−ｎと、を含む。教師データＤＴ１における滲み情報ＤＱ１は、当該教師データＤＴ１における撮像情報ＤＩに対する正解値に相当するラベルである。当該ラベルは、管理者等により決められる。

学習処理部２１１は、複数の教師データＤＴ１を利用した教師あり機械学習により滲み判定モデルＰＪ１の複数の係数を設定する。具体的には、学習処理部２１１は、教師データＤＴ１における撮像情報ＤＩの入力に対して暫定的な滲み判定モデルＰＪ１が出力する滲み情報ＤＱ１と、教師データＤＴ１に含まれる滲み情報ＤＱ１との相違が低減されるように、滲み判定モデルＰＪ１の複数の係数を更新する。例えば、学習処理部２１１は、撮像情報ＤＩと滲み情報ＤＱ１との相違を表す評価関数が最小化されるように、誤差逆伝播法により滲み判定モデルＰＪ１の複数の係数を反復的に更新する。以上の機械学習により設定された滲み判定モデルＰＪ１の複数の係数は、記憶装置２２０に記憶される。以上の機械学習後の滲み判定モデルＰＪ１は、複数の教師データＤＴ１における撮像情報ＤＩと滲み情報ＤＱ１との間に潜在する傾向のもとで、未知の撮像情報ＤＩに対して統計的に妥当な滲み情報ＤＱ１を出力する。

図１０は、凝集判定モデルＰＪ２の生成のための機械学習を説明するための図である。凝集判定モデルＰＪ２の機械学習には、教師データＤＴ２が使用される。教師データＤＴ２は、複数個（ｎ個）の撮像情報ＤＩである撮像情報ＤＩ−１〜ＤＩ−ｎと、撮像情報ＤＩ−１〜ＤＩ−ｎに対応する複数個（ｎ個）の凝集の有無に関する凝集情報ＤＱ２である凝集情報ＤＱ２−１〜ＤＱ２−ｎと、を含む。教師データＤＴ２における凝集情報ＤＱ２は、当該教師データＤＴ２における撮像情報ＤＩに対する正解値に相当するラベルである。当該ラベルは、管理者等により決められる。

学習処理部２１１は、複数の教師データＤＴ２を利用した教師あり機械学習により凝集判定モデルＰＪ２の複数の係数を設定する。具体的には、学習処理部２１１は、教師データＤＴ２における撮像情報ＤＩの入力に対して暫定的な凝集判定モデルＰＪ２が出力する凝集情報ＤＱ２と、教師データＤＴ２に含まれる凝集情報ＤＱ２との相違が低減されるように、凝集判定モデルＰＪ２の複数の係数を更新する。例えば、学習処理部２１１は、撮像情報ＤＩと凝集情報ＤＱ２との相違を表す評価関数が最小化されるように、誤差逆伝播法により凝集判定モデルＰＪ２の複数の係数を反復的に更新する。以上の機械学習により設定された凝集判定モデルＰＪ２の複数の係数は、記憶装置２２０に記憶される。以上の機械学習後の凝集判定モデルＰＪ２は、複数の教師データＤＴ２における撮像情報ＤＩと凝集情報ＤＱ２との間に潜在する傾向のもとで、未知の撮像情報ＤＩに対して統計的に妥当な凝集情報ＤＱ２を出力する。

図１１は、溢れ判定モデルＰＪ３の生成のための機械学習を説明するための図である。溢れ判定モデルＰＪ３の機械学習には、教師データＤＴ３が使用される。教師データＤＴ３は、複数個（ｎ個）の撮像情報ＤＩである撮像情報ＤＩ−１〜ＤＩ−ｎと、撮像情報ＤＩ−１〜ＤＩ−ｎに対応する複数個（ｎ個）の溢れの有無に関する溢れ情報ＤＱ３である溢れ情報ＤＱ３−１〜ＤＱ３−ｎと、を含む。教師データＤＴ３における溢れ情報ＤＱ３は、当該教師データＤＴ３における撮像情報ＤＩに対する正解値に相当するラベルである。当該ラベルは、管理者等により決められる。

学習処理部２１１は、複数の教師データＤＴ３を利用した教師あり機械学習により溢れ判定モデルＰＪ３の複数の係数を設定する。具体的には、学習処理部２１１は、教師データＤＴ３における撮像情報ＤＩの入力に対して暫定的な溢れ判定モデルＰＪ３が出力する溢れ情報ＤＱ３と、教師データＤＴ３に含まれる溢れ情報ＤＱ３との相違が低減されるように、溢れ判定モデルＰＪ３の複数の係数を更新する。例えば、学習処理部２１１は、撮像情報ＤＩと溢れ情報ＤＱ３との相違を表す評価関数が最小化されるように、誤差逆伝播法により溢れ判定モデルＰＪ３の複数の係数を反復的に更新する。以上の機械学習により設定された溢れ判定モデルＰＪ３の複数の係数は、記憶装置２２０に記憶される。以上の機械学習後の溢れ判定モデルＰＪ３は、複数の教師データＤＴ３における撮像情報ＤＩと溢れ情報ＤＱ３との間に潜在する傾向のもとで、未知の撮像情報ＤＩに対して統計的に妥当な溢れ情報ＤＱ３を出力する。

以上の色変換テーブルＬＵＴの生成方法では、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値を推定するのに、撮像情報ＤＩと印刷面ＭＰ０における単位面積あたりのインク量の適否との関係を機械学習することで生成した判定モデルＰＪが用いられる。このため、当該推定に人手が不要となる。また、当該推定を目視により行う場合に比べて、推定結果にバラツキが生じ難く、また、迅速な推定が可能となる。この結果、当該推定を目視により行う場合に比べて、色再現性に優れる色変換テーブルＬＵＴを迅速に生成することができる。また、当該推定に用いる判定モデルＰＪが機械学習により生成されるため、未知の種類を含む様々な種類の印刷媒体について、印刷媒体の印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値を的確に推定することができる。このため、未知の種類を含む様々な種類の印刷媒体についても色再現性に優れる色変換テーブルＬＵＴを迅速に生成することができる。

ここで、印刷面ＭＰ０に印刷される画像Ｇは、印刷面ＭＰ０における単位面積当たりのインク量の異なる複数のパッチ画像ＧＰを含む。このため、画像Ｇの階調が１階調である場合に比べて、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値の推定精度を高めることができる。

また、画像Ｇは、各色のインクによる単色、２次色、３次色および４次色のそれぞれのパッチ画像ＧＰを含む。このため、インク噴射ヘッド３１が用いるインクの単色、２次色、３次色および４次色のそれぞれについて、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値を推定することができる。この結果、単色、２次色、３次色および４次色のそれぞれについて色再現性に優れる色変換テーブルＬＵＴを生成することができる。

さらに、判定モデルＰＪを生成する機械学習は、撮像情報ＤＩと、インクの滲み、凝集および溢れのそれぞれの有無に関する情報とを対応付けた教師データＤＴ１、ＤＴ２およびＤＴ３を用いた教師あり機械学習である。当該教師あり機械学習により、撮像情報ＤＩとインクの滲み、凝集および溢れのそれぞれの有無との関係を機械学習することで生成した判定モデルＰＪが得られる。当該判定モデルＰＪを用いることで、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値としてインクの滲み、凝集および溢れの生じない値を推定することができる。このため、インクの滲み、凝集または溢れを考慮しない判定モデルを用いる場合に比べて、生成される色変換テーブルＬＵＴの色再現性を高めることができる。

ここで、判定モデルＰＪは、撮像情報ＤＩの入力に応じて印刷面ＭＰ０におけるインクの滲み、凝集および溢れのそれぞれの有無に関する情報を出力する。具体的には、判定モデルＰＪは、滲み判定モデルＰＪ１、凝集判定モデルＰＪ２および溢れ判定モデルＰＪ３を含む。滲み判定モデルＰＪ１は、撮像情報ＤＩの入力に応じて印刷面ＭＰ０におけるインクの滲みの有無に関する情報である滲み情報ＤＱ１を出力する。このため、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値としてインクの滲みの生じない値を推定することができる。凝集判定モデルＰＪ２は、撮像情報ＤＩの入力に応じて印刷面ＭＰ０におけるインクの凝集の有無に関する情報である凝集情報ＤＱ２を出力する。このため、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値としてインクの凝集の生じない値を推定することができる。溢れ判定モデルＰＪ３は、撮像情報ＤＩの入力に応じて印刷面ＭＰ０におけるインクの溢れの有無に関する情報である溢れ情報ＤＱ３を出力する。このため、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値としてインクの溢れの生じない値を推定することができる。

本実施形態では、インクの滲み、凝集および溢れに関する判定の重みＷをユーザーから受け付けることが可能である。そして、滲み情報ＤＱ１、凝集情報ＤＱ２、溢れ情報ＤＱ３および重みＷに基づいて、印刷面ＭＰ０における単位面積あたりのインク量が適となる最大値が推定される。このため、インクの滲み、凝集および溢れに関する判定をユーザーの意図に従う重みに応じて行うことができる。

７．変形例
以上、本発明の色変換テーブル生成方法、色変換テーブル生成プログラムおよび印刷装置について図示の実施形態に基づいて説明したが、本発明は、これらに限定されない。また、本発明の各部の構成は、前述した実施形態の同様の機能を発揮する任意の構成に置換することができ、また、任意の構成を付加することもできる。また、本発明は、前述した各実施形態の任意の構成同士を組み合わせるようにしてもよい。

前述の実施形態では、判定モデルＰＪが滲み判定モデルＰＪ１、凝集判定モデルＰＪ２および溢れ判定モデルＰＪ３を含む場合が例示されるが、これに限定されない。例えば、判定モデルＰＪは、滲み判定モデルＰＪ１、凝集判定モデルＰＪ２および溢れ判定モデルＰＪ３のうちの１つまたは２つを省略してもよいし、滲み判定モデルＰＪ１、凝集判定モデルＰＪ２および溢れ判定モデルＰＪ３以外の判定モデルを含んでもよい。

１…印刷装置、２００…ホスト装置、２１２…受付部、２１３…推定部、２１４…テーブル生成部、ＤＩ…撮像情報、ＤＩ−１〜ＤＩ−ｎ…撮像情報、ＤＱ…適否情報、ＤＱ１…滲み情報、ＤＱ１−１〜ＤＱ１−ｎ…滲み情報、ＤＱ２…凝集情報、ＤＱ２−１〜ＤＱ２−ｎ…凝集情報、ＤＱ３…溢れ情報、ＤＱ３−１〜ＤＱ３−ｎ…溢れ情報、ＤＴ…教師データ、ＤＴ１…教師データ、ＤＴ２…教師データ、ＤＴ３…教師データ、Ｇ…画像、Ｇ１…画像群、Ｇ２…画像群、Ｇ３…画像群、Ｇ４…画像群、ＧＩ…撮像情報、ＧＰ…パッチ画像、ＬＵＴ…色変換テーブル、ＭＰ０…印刷面、Ｐ２…色変換テーブル生成プログラム、ＰＪ…判定モデル、ＰＪ１…滲み判定モデル、ＰＪ２…凝集判定モデル、ＰＪ３…溢れ判定モデル、Ｗ…重み、ａ…重み、ｂ…重み、ｃ…重み。

Claims (10)

1. 印刷媒体の印刷面における単位面積あたりのインク量を識別可能な画像を印刷した前記印刷面を撮像することにより生成される撮像情報の入力を受け付け、
   前記撮像情報と前記印刷面における単位面積あたりのインク量の適否との関係を機械学習することで生成した判定モデルを用いて、前記印刷面における単位面積あたりのインク量が適となる最大値を推定し、
   前記推定結果に基づいて、色空間における座標値とインク量との対応付けに関する色変換テーブルを生成する、
   色変換テーブル生成方法。
2. 前記画像は、前記印刷面における単位面積当たりのインク量の異なる複数の画像を含む、
   請求項１に記載の色変換テーブル生成方法。
3. 前記画像は、各色のインクによる単色、２次色、３次色および４次色のそれぞれの画像を含む、
   請求項１または２に記載の色変換テーブル生成方法。
4. 前記機械学習は、前記撮像情報と、インクの滲み、凝集および溢れのそれぞれの有無に関する情報とを対応付けた教師データを用いた教師あり機械学習である、
   請求項１から３のいずれか１項に記載の色変換テーブル生成方法。
5. 前記判定モデルは、前記撮像情報の入力に応じて前記印刷面におけるインクの滲みの有無に関する情報を出力する滲み判定モデルを含む、
   請求項４に記載の色変換テーブル生成方法。
6. 前記判定モデルは、前記撮像情報の入力に応じて前記印刷面におけるインクの凝集の有無に関する情報を出力する凝集判定モデルを含む、
   請求項４または５に記載の色変換テーブル生成方法。
7. 前記判定モデルは、前記撮像情報の入力に応じて前記印刷面におけるインクの溢れの有無に関する情報を出力する溢れ判定モデルを含む、
   請求項４から６のいずれか１項に記載の色変換テーブル生成方法。
8. インクの滲み、凝集および溢れに関する判定の重みをユーザーから受け付けることが可能であり、
   前記判定モデルは、前記撮像情報の入力に応じて前記印刷面におけるインクの滲み、凝集および溢れのそれぞれの有無に関する情報を出力し、
   当該情報および前記重みに基づいて、前記印刷面における単位面積あたりのインク量が適となる最大値を推定する、
   請求項４から７のいずれか１項に記載の色変換テーブル生成方法。
9. 印刷媒体の印刷面における単位面積あたりのインク量を識別可能な画像を印刷した前記印刷面を撮像することにより生成される撮像情報の入力を受け付ける受付機能と、
   前記撮像情報と前記印刷面における単位面積あたりのインク量の適否との関係を機械学習することで生成した判定モデルを用いて、前記印刷面における単位面積あたりのインク量が適となる最大値を推定する推定機能と、
   前記推定結果に基づいて、色空間における座標値とインク量との対応付けに関する色変換テーブルを生成するテーブル生成機能と、をコンピューターに実現させる、
   色変換テーブル生成プログラム。
10. 請求項１から８のいずれか１項に記載の色変換テーブル生成方法で生成された色変換テーブルを用いて印刷する、
    印刷装置。

Images