JP2021145239A - 画像処理装置及びプログラム - Google Patents
画像処理装置及びプログラム Download PDFInfo
- Publication number
- JP2021145239A JP2021145239A JP2020042863A JP2020042863A JP2021145239A JP 2021145239 A JP2021145239 A JP 2021145239A JP 2020042863 A JP2020042863 A JP 2020042863A JP 2020042863 A JP2020042863 A JP 2020042863A JP 2021145239 A JP2021145239 A JP 2021145239A
- Authority
- JP
- Japan
- Prior art keywords
- color conversion
- image
- accuracy
- region
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 44
- 238000006243 chemical reaction Methods 0.000 claims abstract description 495
- 238000000034 method Methods 0.000 abstract description 5
- 239000013598 vector Substances 0.000 description 34
- 238000004364 calculation method Methods 0.000 description 20
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 239000000470 constituent Substances 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6002—Corrections within particular colour systems
- H04N1/6008—Corrections within particular colour systems with primary colour signals, e.g. RGB or CMY(K)
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6016—Conversion to subtractive colour signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6016—Conversion to subtractive colour signals
- H04N1/6019—Conversion to subtractive colour signals using look-up tables
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/62—Retouching, i.e. modification of isolated colours only or in isolated picture areas only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/62—Retouching, i.e. modification of isolated colours only or in isolated picture areas only
- H04N1/622—Retouching, i.e. modification of isolated colours only or in isolated picture areas only with simulation on a subsidiary picture reproducer
Abstract
【課題】機械学習したモデルを用いて画像の色変換を行う場合に、色変換された全ての画像を確認する場合と比較して、色変換後の画像の確認に必要な工数を減らす技術を提供する。【解決手段】画像処理装置は、プロセッサ20を備える。プロセッサ20は、プログラムを実行することで、モデル記憶部30に記憶されたLUT31等の色変換モデルを用いて色変換前の画像から色変換後の画像を生成し、色変換モデルの精度を用いて色変換後の画像の色変換精度を算出する。さらに、色変換精度が閾値以下の領域を特定し、色変換後の画像のうち、色変換精度が閾値以下の領域の大きさが予め定められた基準より大きい色変換後の画像を出力部28に表示する。【選択図】図2
Description
本発明は、画像処理装置及びプログラムに関する。
デジタルカメラやスマートフォン、タブレット等の機器の普及によりデジタル画像を撮影・閲覧するユーザが増加している。撮影を行なう環境は、照明光等の影響により様々であり、また撮影対象も様々であるので、撮影後に撮影された画像がユーザの意図するようなものとならない場合も少なくない。
そこで、撮影された画像の色味等を変換することが行われている。
特許文献1には、色変換モデルを定量的に評価することができる画像処理装置が記載されている。この装置は、色変換前の画像情報および色変換後の画像情報からなる画像情報の組を受け付ける第1の画像取得手段および第3の画像取得手段と、受け付けた複数の画像情報の組から色変換特性の精度を出力する画像情報取得手段と、出力した精度を色領域毎に表示装置に表示するように制御する第2の精度評価表示手段を備えている。
ところで、ユーザが色変換後の画像の品質を確認する場合には、当該色変換の画像を1枚ずつ確認する必要があり、当該色変換後の画像の増大に伴ってその確認作業は膨大なものとなる。
本発明は、機械学習したモデルを用いて画像の色変換を行う場合に、色変換された全ての画像を確認する場合と比較して、色変換後の画像の確認に必要な工数を減らす技術を提供することを目的とする。
請求項1に記載の発明は、プロセッサを備え、前記プロセッサは、プログラムを実行することで、色変換モデルを用いて色変換前の画像から色変換後の画像を生成し、前記色変換モデルの精度を用いて前記色変換後の画像の色変換精度を算出し、前記色変換精度が閾値以下の領域を特定し、前記色変換後の画像のうち、前記色変換精度が閾値以下の領域の大きさが予め定められた基準より大きい色変換後の画像を表示する、画像処理装置である。
請求項2に記載の発明は、前記プロセッサは、前記色変換モデルの精度としてRGB毎の精度を算出し、前記色変換精度を画素毎に算出する請求項1に記載の画像処理装置である。
請求項3に記載の発明は、前記プロセッサは、前記色変換後の画像を複数のブロックに分割し、前記色変換精度を前記ブロック毎に算出する請求項2に記載の画像処理装置である。
請求項4に記載の発明は、前記プロセッサは、前記色変換精度として、前記ブロックを構成する画素群の統計値を算出する請求項3に記載の画像処理装置である。
請求項5に記載の発明は、前記プロセッサは、前記色変換後の画像のうち注目領域の重みを相対的に大きく、非注目領域の重みを相対的に小さくした重み付け演算により前記色変換精度を算出する請求項1−4のいずれかに記載の画像処理装置である。
請求項6に記載の発明は、前記プロセッサは、前記色変換後の画像のうち重要領域の重みを相対的に大きく、非重要領域の重みを相対的に小さくした重み付け演算により前記色変換精度を算出する請求項1−4のいずれかに記載の画像処理装置である。
請求項7に記載の発明は、前記プロセッサは、前記色変換後の画像のうち色変換の変化量が相対的に大きい領域の重みを相対的に大きく、色変換の変化量が相対的に小さい領域の重みを相対的に小さくした重み付け演算により前記色変換精度を算出する請求項1−4のいずれかに記載の画像処理装置である。
請求項8に記載の発明は、前記プロセッサは、前記色変換精度を前記閾値と比較する場合に、色変換後の画像のうち注目領域と非注目領域とで異なる閾値を用いて比較する請求項1−4のいずれかに記載の画像処理装置である。
請求項9に記載の発明は、前記プロセッサは、前記色変換精度を前記閾値と比較する場合に、色変換後の画像のうち重要領域と非重要領域とで異なる閾値を用いて比較する請求項1−4のいずれかに記載の画像処理装置である。
請求項10に記載の発明は、前記プロセッサは、前記色変換精度を前記閾値と比較する場合に、色変換後の画像のうち色変換の変化量が相対的に大きい領域とそうでない領域とで異なる閾値を用いて比較する請求項1−4のいずれかに記載の画像処理装置である。
請求項11に記載の発明は、コンピュータに、色変換モデルを用いて色変換前の画像から色変換後の画像を生成するステップと、前記色変換モデルの精度を用いて前記色変換後の画像の色変換精度を算出するステップと、前記色変換精度が閾値以下の領域を特定するステップと、前記色変換後の画像のうち、前記色変換精度が閾値以下の領域の大きさが予め定められた基準より大きい色変換後の画像を表示するステップと、を実行させるプログラムである。
請求項1,11に記載の発明によれば、機械学習したモデルを用いて画像の色変換を行う場合に、色変換された全ての画像を確認する場合と比較して、色変換後の画像の確認に必要な工数を減らすことができる。
請求項2に記載の発明によれば、さらに、画像の画素毎に色変換精度を算出できる。
請求項3に記載の発明によれば、さらに、画像のブロック毎に色変換精度を算出できる。
請求項4に記載の発明によれば、さらに、ブロック毎の代表的な色変換精度を算出できる。
請求項5,8に記載の発明によれば、さらに、注目領域を優先して処理できる。
請求項6,9に記載の発明によれば、さらに、重要領域を優先して処理できる。
請求項7,10に記載の発明によれば、さらに、色変換の変化量が相対的に大きい領域を優先して処理できる。
以下、図面に基づき本発明の実施形態について説明する。
<基本原理>
まず、本実施形態の基本原理について説明する。
まず、本実施形態の基本原理について説明する。
画像の色変換は、例えば色変換作業に習熟したユーザにより色変換なされた複数の画像データを教師データとして色変換モデルを機械学習し、学習済みの色変換モデルを用いることで自動的に実行され得る。
ここで、「色変換モデル」とは、色変換前の画像情報と色変換後の画像情報との関係である。また「色変換モデル」は、色変換前の画像情報と色変換後の画像情報との関係を表す関数であると表現し得る。色変換前の画像情報を始点とし、色変換後の画像情報を終点とする色変換ベクトルを考えたとき、「色変換モデル」は、この色変換ベクトルの集合体(色変換ベクトル群)である。例えば、画像情報がRed(R)、Green(G)、Blue(B)からなるRGBデータの場合、色変換前の画像情報を(Ra、Ga、Ba)、色変換後の画像情報を(Rb、Gb、Bb)とすると、(Ra、Ga、Ba)と(Rb、Gb、Bb)との関係を表す。
但し、機械学習された色変換モデルにより色変換された画像は、必ずしもユーザの意図に合致する色変換がなされているわけではない。例えば、ユーザとしては、背景の空の色をより青くするように色変換することを意図していたにもかかわらず、機械学習された色変換モデルにより色変換された画像の空の色が、ユーザの意図していた青色と異なる等である。また、ユーザが特に注目している被写体、例えば人物について、ユーザの意図していた色と異なる等である。
そこで、本実施形態では、機械学習された色変換モデルの精度を利用することで、色変換後の画像の色変換精度を定量的に評価し、予め設定した閾値以下の画像を抽出してユーザに提供する。これにより、ユーザは、色変換精度の低い画像を集中的に確認することができ、ユーザの工数が大幅に削減される。本実施形態では、色変換後の画像数が増大する程、その効果が顕著となる。
本実施形態では、「色変換モデルの精度」と、「色変換後の画像の色変換精度」とを用いるが、両者の相違は以下の通りである。
すなわち、「色変換モデルの精度」とは、色変換モデル自体の精度であり、色変換モデルを生成する際の機械学習における教師データの精度である。教師データは、色変換前の画像および色変換後の画像の複数のペアから構成されるが、これらのペアの精度が色変換モデルの精度を決定する。具体的には、色変換に習熟した者が関与したペアの精度は高く、そうでない者が関与したペアの精度は相対的に低下する。色変換モデルは、通常、ある色(R,G,B)を別の色(r、g、b)に変換する規則あるいは対応関係として生成されるから、色変換モデルの精度も(R,G,B)毎に決定され得る。
他方で、「色変換後の画像の色変換精度」は、色変換モデルを用いて色変換された画像自体の色変換精度である。色変換後の画像の色変換精度は、色変換モデルを用いているため、必然的に色変換モデルの精度に起因して決定される。色変換前の画像の画素の色は、色変換モデルを用いて色変換後の画像の画素の色に変換される。従って、色変換後の画像の色変換精度は、色変換後の画像の画素毎に決定され得る。そして、色変換後の画像の色変換精度は、これら画素毎の精度の統計値として表現され得る。具体的には、色変換後の画像を複数のブロックに分割し、ブロックを構成する画素群の精度の平均値として表現され得る。勿論、平均値は統計値の一例であり、これに限定されず他の統計値、例えば最頻値、最低値、最高値等を採用することもできる。
以下、本実施形態について、具体的に説明する。
<構成>
図1は、本実施形態の画像処理装置の機能ブロック図である。画像処理装置は、画像読取部10、色変換モデルによる色変換部12、色変換モデルの精度算出部14、色変換精度算出部16、及び表示部18を備える。
図1は、本実施形態の画像処理装置の機能ブロック図である。画像処理装置は、画像読取部10、色変換モデルによる色変換部12、色変換モデルの精度算出部14、色変換精度算出部16、及び表示部18を備える。
画像読取部10は、色変換を行うべき画像を読み取る。画像読取部10は、読み取った画像を色変換モデルによる色変換部12に供給する。画像読取部10は、文書に印刷された画像をデジタルデータに変換するスキャナでもよく、あるいは通信回線を介して外部のサーバ等からデジタル画像データを入力する通信インターフェイスでもよい。
色変換モデルによる色変換部12は、色変換モデル13を用いて入力された画像の色変換を実行し、色変換後の画像として出力する。色変換モデル13は、色変換前の画像と色変換後の画像の複数のペアを教師データとして機械学習して得られた色変換モデルである。より詳細には、色変換モデルによる色変換部12は、色変換モデル13に基づき、色変換前の原画像の画像情報を色変換後の画像情報に色変換を行なう変換関係を作成する。「変換関係」は、色変換前の画像情報を色変換後の画像情報に変換するための変換情報である。この変換関係は、LUT(Look up Table)として作成し得る。LUTは、多次元LUTとすることができる。また1次元LUTとすることもできる。さらに変換関係は、LUTではなく、多次元マトリクスであってもよい。
変換関係は、画像情報がRGBデータの場合、色変換前の画像情報である(Ra、Ga、Ba)を、色変換後の画像情報である(Rb、Gb、Bb)に変換する、
(Ra、Ga、Ba)→(Rb、Gb、Bb)
とするための情報である。この変換関係を使用することで、先に行なった色変換と同様の色変換を再現することができる。つまり新たに色変換前の画像情報が生じたときに、この変換関係を使用して色変換を行なうことで、先に行なった色変換と同様の色変換を行ない、色変換後の画像情報を生成することができる。
(Ra、Ga、Ba)→(Rb、Gb、Bb)
とするための情報である。この変換関係を使用することで、先に行なった色変換と同様の色変換を再現することができる。つまり新たに色変換前の画像情報が生じたときに、この変換関係を使用して色変換を行なうことで、先に行なった色変換と同様の色変換を行ない、色変換後の画像情報を生成することができる。
変換関係が多次元LUTの場合、ここでは3次元LUTとなり、(Ra、Ga、Ba)を(Rb、Gb、Bb)に直接変換する。すなわち、
(Ra、Ga、Ba)→(Rb、Gb、Bb)
とするものとなる。また変換関係が1次元LUTの場合、R、G、Bのそれぞれについて変換する。即ち、
Ra→Rb
Ga→Gb
Ba→Bb
とするものとなる。本実施形態では、RGBの色空間での変換を例示しているが、CMYK等の他の色空間の変換であってもよい。この場合、画像情報は、C(シアン)、M(マゼンタ)、Y(イエロー)、K(黒)の各色からなるCMYKデータとなる。そして、変換関係が多次元LUTの場合、ここでは4次元LUTとなり、色変換前の画像情報である(Ca、Ma、Ya、Ka)を、色変換後の画像情報である(Cb、Mb、Yb、Kb)に変換する、
(Ca、Ma、Ya、Ka)→(Cb、Mb、Yb、Kb)
とするものとなる。また変換関係が1次元LUTの場合、C、M、Y、Kのそれぞれについて変換する。即ち、
Ca→Cb
Ma→Mb
Ya→Yb
Ka→Kb
とするものとなる。
(Ra、Ga、Ba)→(Rb、Gb、Bb)
とするものとなる。また変換関係が1次元LUTの場合、R、G、Bのそれぞれについて変換する。即ち、
Ra→Rb
Ga→Gb
Ba→Bb
とするものとなる。本実施形態では、RGBの色空間での変換を例示しているが、CMYK等の他の色空間の変換であってもよい。この場合、画像情報は、C(シアン)、M(マゼンタ)、Y(イエロー)、K(黒)の各色からなるCMYKデータとなる。そして、変換関係が多次元LUTの場合、ここでは4次元LUTとなり、色変換前の画像情報である(Ca、Ma、Ya、Ka)を、色変換後の画像情報である(Cb、Mb、Yb、Kb)に変換する、
(Ca、Ma、Ya、Ka)→(Cb、Mb、Yb、Kb)
とするものとなる。また変換関係が1次元LUTの場合、C、M、Y、Kのそれぞれについて変換する。即ち、
Ca→Cb
Ma→Mb
Ya→Yb
Ka→Kb
とするものとなる。
色変換モデルの精度算出部14は、色変換モデル13のモデル精度を定量的に算出する。色変換モデル13は、色変換前の画像情報と、これに対応する色変換後の画像情報の複数のペアを教師データとして機械学習して生成されるため、教師データを取得する必要がある。このとき、色変換前の画像情報および色変換後の画像情報の複数のペアについての精度が低いと、精度の高い色変換モデルが作成できず、変換関係の精度が低下する。具体的には、色変換を行なう際に、色変換の方向性が異なるデータが教師データとして入り込む場合があり、これが画像情報の複数のペアから導出される色変換モデルについての精度を低下させ得る。これが生じる要因としては、例えば、色変換を行なうユーザの習熟度に問題がある場合や、色変換を行なう際の環境の差異による場合等である。環境の差異としては、例えば、使用する表示装置のデバイス特性の差異や照明環境の差異である。色変換の方向性が異なるデータが教師データに入り込むと、色変換の方向性の統一性がくずれ、精度の高い色変換モデルが作成しにくくなる。そして、作成された変換関係により色変換を行なうと、ユーザの意図と異なる色変換がなされたり、あるいは色変換の大きさが縮小されて変化量が小さい色変換がなされ得る。
色変換前の画像情報および色変換後の画像情報の複数のペアについての「精度」とは、色変換の方向性がそろっているか否かを表す指標である。また「精度」は、色変換モデルや変換関係を作成する上で、色変換前の画像情報および色変換後の画像情報の複数のペアの質の程度を表す指標と言い得る。「精度」は、色変換前の画像情報を始点とし、色変換後の画像情報を終点とする色変換ベクトルに基づいて数値化し、定量的に評価することができる。「精度」は色変換モデルを作成する元となる画像情報の複数のペアの全体を対象にしてもよいし、色変換モデルを作成する元となる画像情報の複数のペアの一部を対象にしてもよい。
色変換モデルの精度算出部14は、このように、色変換前の画像情報を始点とし、色変換後の画像情報を終点とする色変換ベクトルに基づいて色変換モデル13の精度を算出する。具体的には、例えば特開2019−062483号公報に記載されているように、複数の色変換ベクトル相互の角度の大きさから精度を算出する。色変換ベクトルを色変換ベクトルVc1および色変換ベクトルVc2とすると、これらの色変換ベクトルVc1、Vc2の始点は、色変換前の画像情報(色値)であり、終点は、色変換後の画像情報(色値)を意味する。つまり色変換ベクトルVc1、Vc2は、色変換による画像情報の移動方向および移動量を示す。そして色変換ベクトルVc1と色変換ベクトルVc2との角度θに着目すると、もし特定の色領域において、色調整の方向性がそろっており、統一性がある場合、複数の色変換ベクトルの方向はそろうため、角度θは、より0に近くなりやすい。対して色調整の方向性がそろっておらず、統一性が乏しい場合、複数の色変換ベクトルの方向はそろいにくく、角度θは、より大きくなりやすい。つまり、画像情報の複数のペアに対する精度が高い場合、複数の色変換ベクトル相互の角度θの大きさは、より小さくなりやすく、精度が低い場合、複数の色変換ベクトル相互の角度θの大きさは、より大きくなりやすい。そこで、複数の色変換ベクトル相互の角度θの大きさから精度を算出することができる。色変換モデルの精度は、色領域毎、あるいはRGB毎に算出し得る。色変換モデルの精度算出部14で算出された精度は、後述するように、色変換精度算出部16において色変換画像の精度を算出するために用いられる。従って、色変換モデルの精度算出部14は、色変換の方法と整合した態様で精度を算出するのが望ましい。例えば、色変換を3次元LUTを用いて実行する場合、当該LUTの各変換ルール毎に精度を算出する等である。より具体的には、LUTが
(Ra、Ga、Ba)→(Rb、Gb、Bb)
である場合、この変換ルールの精度として
(Ra、Ga、Ba)→(Rb、Gb、Bb):精度a
と算出する。
(Ra、Ga、Ba)→(Rb、Gb、Bb)
である場合、この変換ルールの精度として
(Ra、Ga、Ba)→(Rb、Gb、Bb):精度a
と算出する。
また、色変換モデルの精度算出部14は、複数の色変換ベクトルの終点の色差から精度を算出してもよい。色変換ベクトルを色変換ベクトルVc3及び色変換ベクトルVc4とし、色変換ベクトルVc3と色変換ベクトルVc4との終点の画像情報の差(色差)Lを考える。色差Lは、この画像情報を表す色空間(例えば、RGB色空間)中のユークリッド距離であると考えることもできる。もし特定の色領域において、色変換の方向性がそろっており、統一性がある場合、これらの色変換ベクトルVc3、Vc4の方向や大きさはそろうため、終点の位置は、ばらつきにくい。その結果、色差Lは、より小さくなりやすい。対して色変換の方向性がそろっておらず、統一性が乏しい場合、これらの色変換ベクトルVc3、Vc4の方向や大きさはそろいにくく、終点の位置は、ばらつきやすい。その結果、色差Lは、より大きくなりやすい。つまり、画像情報の複数のペアに対する精度が高い場合、これらの色変換ベクトルVc3、Vc4の終点の色差は、より小さくなりやすく、精度が低い場合、これらの色変換ベクトルVc3、Vc4の終点の色差は、より大きくなりやすい。よって、これらの色変換ベクトルVc3、Vc4の終点の色差から精度を算出することができる。
色変換モデルの精度算出部14は、算出した色変換モデルの精度を色変換精度算出部16に供給する。
色変換精度算出部16は、色変換モデルの精度算出部14で算出された色変換モデルの精度に基づき、色変換モデルによる色変換部12で色変換された色変換後の画像の色変換精度を算出する。色変換後の画像の色変換精度は、色変換後の画像の全体あるいは一部の色変換精度であり、色変換後の画像の全体の精度は、例えば色変換後の画像の画素毎の精度を画像全体で統計処理して算出される。また、色変換後の画像の一部の精度は、例えば色変換後の画像の特定領域や注目領域を構成する画素毎の精度を当該領域で統計処理して算出される。色変換精度算出部16は、色変換後の画像とともに、あるいは色変換後の画像とは別個に、算出した色変換後の画像の精度を表示部18に出力する。
表示部18は、色変換後の画像及び色変換後の画像の精度を表示してユーザに提示する。表示部18は、色変換後の画像の精度を順位付けして表示してもよく、色変換後の画像の精度を閾値と比較し、閾値以下と精度が低い画像のみを選択的に表示してもよい。特に、表示部18は、色変換後の画像の精度を閾値と比較し、色変換後の画像の精度が閾値以下の領域の大きさが予め定められた基準より大きい色変換後の画像のみを選択的に表示するのが好適である。これにより、ユーザは、色変換後の精度が閾値以下と低い領域が相対的に大きい画像のみを他の画像から容易に識別し確認することができる。
図2は、本実施形態における画像処理装置の構成ブロック図を示す。
画像処理装置は、コンピュータで構成され、プロセッサ20、ROM22、RAM24、入力部26、出力部28、及びモデル記憶部30を備える。
プロセッサ20は、ROM22あるいはその他のプログラムメモリに記憶された処理プログラムを読み出し、RAM24を作業メモリとして用いて実行することで、色変換処理、色変換モデルの精度算出処理、及び色変換精度算出処理を実現する。プロセッサ20は、色変換すべき画像32が入力されると、予めモデル記憶部30に記憶された色変換モデル13を用いて色変換処理を実行する。色変換モデル13は、例えば3次元LUT31として、(Ra、Ga、Ba)と(Rb、Gb、Bb)の変換関係を規定する。プロセッサ20は、モデル記憶部30に記憶された3次元LUT31を用いて、色変換前の画像を構成する色成分(Ra、Ga、Ba)を
(Ra、Ga、Ba)→(Rb、Gb、Bb)
と色変換する。
(Ra、Ga、Ba)→(Rb、Gb、Bb)
と色変換する。
また、プロセッサ20は、色変換前の画像を始点とし、色変換後の画像を終点とする色変換ベクトルに基づいて色変換モデルの精度を算出する。例えば複数の色変換ベクトル相互の角度の大きさ、あるいは色変換ベクトルの終点の色差から精度を算出する。プロセッサ20は、色変換モデルの精度をRGB毎に算出し、例えば0〜10の範囲に規格化した相対精度として算出する。具体的には、3次元LUT31が、
(0,0,0)→(0,0,5)
と色変換している場合、当該色変換モデルの精度として、0〜10の範囲に規格化して「8」と算出する等である。
(0,0,0)→(0,0,5)
と色変換している場合、当該色変換モデルの精度として、0〜10の範囲に規格化して「8」と算出する等である。
また、プロセッサ20は、色変換モデル13の精度と色変換画像から、色変換後の画像の色変換精度を算出する。色変換モデルの精度は、RGB毎に算出されているから、色変換後の画像の画素毎に色変換精度が算出される。プロセッサ20は、色変換後の画像の画素毎の色変換精度を用いて、色変換後の画像の全体あるいは一部の色変換精度を算出する。
さらに、プロセッサ20は、算出した色変換後の画像の色変換精度を予め設定された第1閾値と比較し、色変換精度が第1閾値以下と低い画像領域を特定する。そして、第1閾値以下と低い画像領域の大きさを予め設定された第2閾値と比較し、第2閾値以上に大きい画像領域を有する色変換後の画像を選択する。
入力部26は、スキャナや通信インターフェイス等で構成され、画像32を入力する。
出力部28は、ディスプレイや通信インターフェイス等で構成され、プロセッサ20での処理結果、すなわち色変換精度が第1閾値以下となる画像領域が第2閾値以上有する色変換後の画像を出力する。
モデル記憶部30は、学習済の色変換モデル13を記憶する。色変換モデル13は、具体的には3次元LUT31等であるが、1次元LUTであってもよい。
プロセッサ20は、広義的なプロセッサを指し、汎用的なプロセッサ(例えばCPU:Central Processing Unit等)や、専用のプロセッサ(例えばGPU:Graphics Processing Unit、ASIC:Application Specific Integrated Circuit、FPGA:Field Programmable Gate Array、プログラマブル論理デバイス等)を含むものである。また、プロセッサの動作は、1つのプロセッサによって成すのみでなく、物理的に離れた位置に存在する複数のプロセッサが協働して成すものであってもよい。
<処理フローチャート>
図3は、本実施形態の処理フローチャートを示す。
図3は、本実施形態の処理フローチャートを示す。
まず、プロセッサ20は、モデル記憶部30に記憶された色変換モデル13を読み込む(S101)。色変換モデル13が3次元LUT31の場合、当該3次元LUT31を読み込んでRAM24に展開する。
次に、プロセッサ20は、色変換モデル13の精度を算出する(S102)。色変換モデル13が3次元LUT31の場合、3次元LUT31の全ての対応関係についてその変換精度を算出することで色変換モデル13の精度を算出する。
次に、プロセッサ20は、入力部26から色変換すべき画像32を読み取り(S103)、読み取った画像に対して色変換モデル13を用いて色変換を実行する(S104)。すなわち、読み取った画像のRGB値を、3次元LUT31に基づいて
(Ra、Ga、Ba)→(Rb、Gb、Bb)
と色変換する。
(Ra、Ga、Ba)→(Rb、Gb、Bb)
と色変換する。
次に、プロセッサ20は、色変換後の画像に対し、画素毎の色変換精度を算出する(S105)。S102で3次元LUT31の全ての対応関係についてその変換精度が算出されているから、プロセッサ20は、この変換精度を用いて色変換後の画像の画素毎の色変換精度を算出する。例えば、色変換後の画像のある画素についてはその精度は「8」、色変換後の画像の別の画素についてはその精度は「9」等と算出する。プロセッサ20は、色変換後の画像の全ての画素について色変換精度を算出する。
次に、プロセッサ20は、画素毎に算出された色変換精度を用いて、色変換後の画像の色変換精度を算出する(S106)。具体的には、色変換後の画像を複数のブロックに分割し、各ブロックを構成する画素群の色変換精度の平均を算出することで当該ブロックの色変換精度とする。ブロックのサイズは任意であり、例えば5画素×5画素等と設定し得るがこれに限定されない。
次に、プロセッサ20は、色変換後の画像のブロック毎に算出された色変換精度を予め設定された第1閾値と比較する(S107)。ブロックの色変換精度が第1閾値以下と低い場合(S107でYES)には、当該ブロック全体の領域、すなわち第1閾値以下と判定された全ブロックの領域のサイズを予め設定された第2閾値と比較する(S108)。色変換精度が第1閾値以下の全ブロックの領域のサイズが第2閾値以上の場合(S108でYES)、プロセッサ20は、その色変換後の画像を全体として色変換精度の低い画像とみなして表示する(S109)。
これにより、ユーザは、色変換された全ての画像を確認する必要がなく、表示された画像のみを確認するだけで済む。
なお、プロセッサ20は、S109で色変換精度の低い画像を表示する際に、S107で第1閾値以下と判定されたブロック、つまり色変換精度が相対的に低い領域をハイライト表示あるいは枠表示する等して強調表示してもよい。
また、プロセッサ20は、S107で色変換後の画像のブロック毎に算出された色変換精度を第1閾値と比較しているが、色変換後の画像の画素毎の色変換精度を第1閾値と比較してもよい。この場合、S108では、色変換精度が第1閾値以下と判定された全画素の領域のサイズを第2閾値と比較すればよい。
<LUT及び色変換モデル精度>
図4は、モデル記憶部30に記憶される3次元LUT31の一例と、プロセッサ20で算出されるLUT31の全対応関係の精度を併せて表34として示す。プロセッサ20は、LUT31の全対応関係の精度を算出すると、モデル記憶部30に記憶されているLUT31に対応付けて、算出した精度をモデル記憶部30に記憶する。
図4は、モデル記憶部30に記憶される3次元LUT31の一例と、プロセッサ20で算出されるLUT31の全対応関係の精度を併せて表34として示す。プロセッサ20は、LUT31の全対応関係の精度を算出すると、モデル記憶部30に記憶されているLUT31に対応付けて、算出した精度をモデル記憶部30に記憶する。
LUT31は、既述したように、
(Ra、Ga、Ba)→(Rb、Gb、Bb)
を規定するテーブルである。具体的には、
(0,0,0)→(0,0,5)
(0,0,1)→(0,0,6)
・・・
(255,255,254)→(252,252,254)
(255,255,255)→(255,255,255)
等と色変換する。そして、プロセッサ20は、それぞれの対応関係について精度を算出する。具体的には、
(0,0,0)→(0,0,5):8
(0,0,1)→(0,0,6):9
・・・
(80,0,255)→(50,5,254):6
・・・
(255,255,254)→(252,252,254):1
(255,255,255)→(255,255,255):1
等である。精度は、0〜10の範囲に規格化された相対値である。精度はRGB値に算出されるため、色変換後の画像の注目画素のRGB値に基づき、当該注目画素の精度が算出される。
(Ra、Ga、Ba)→(Rb、Gb、Bb)
を規定するテーブルである。具体的には、
(0,0,0)→(0,0,5)
(0,0,1)→(0,0,6)
・・・
(255,255,254)→(252,252,254)
(255,255,255)→(255,255,255)
等と色変換する。そして、プロセッサ20は、それぞれの対応関係について精度を算出する。具体的には、
(0,0,0)→(0,0,5):8
(0,0,1)→(0,0,6):9
・・・
(80,0,255)→(50,5,254):6
・・・
(255,255,254)→(252,252,254):1
(255,255,255)→(255,255,255):1
等である。精度は、0〜10の範囲に規格化された相対値である。精度はRGB値に算出されるため、色変換後の画像の注目画素のRGB値に基づき、当該注目画素の精度が算出される。
<ブロック毎の色変換精度>
図5は、色変換後の画像を複数のブロックに分割し、ブロック毎に色変換精度を算出する例を模式的に示す。
図5は、色変換後の画像を複数のブロックに分割し、ブロック毎に色変換精度を算出する例を模式的に示す。
ブロック36は、例えば5画素×5画素で構成され、ブロック36を構成する画素毎に色変換モデルの精度が算出される。図5において、「1」、「2」、「3」等は、対応する画素の精度を示す。ブロック36を構成する全ての画素の精度を平均することで、当該ブロック36の色変換精度が算出される。この場合、
(1+1+・・・・・+5)/25=3.44
として色変換精度が算出される。色変換後の画像を構成するブロックをBi、ブロックBiの平均精度をaiとすると、色変換後の画像に対し、
B1:a1
B2:a2
・・・
Bn:an
と全てのブロックの色変換精度が算出される。
(1+1+・・・・・+5)/25=3.44
として色変換精度が算出される。色変換後の画像を構成するブロックをBi、ブロックBiの平均精度をaiとすると、色変換後の画像に対し、
B1:a1
B2:a2
・・・
Bn:an
と全てのブロックの色変換精度が算出される。
プロセッサ20は、ブロックBi毎に算出された色変換精度ai群を色変換後の画像全体の色変換精度とする。そして、ブロックBi毎に算出された色変換精度aiを第1閾値及び第2閾値とそれぞれ比較し、色変換精度aiが第1閾値以下となる全てのブロックBiのサイズが第2閾値以上であれば、その色変換後の画像を表示してユーザに提示する。例えば、精度aiが第1閾値以下であるブロックBiがB1、B2、B3、B4であり、これらのブロックを加算して得られるブロックサイズ(B1+B2+B3+B4)が第2閾値以上であれば、当該色変換後の画像を表示する。一般に、第1閾値をTh1、第2閾値をTh2とすると
(1)ai≦Th1
かつ
(2)ΣBi≧Th2
であれば、色変換後の画像が表示される。
(1)ai≦Th1
かつ
(2)ΣBi≧Th2
であれば、色変換後の画像が表示される。
<変形例1>
本実施形態において、被写体検出技術等を用いて色変換後の画像から画像内の注目領域を特定し、当該注目領域のみを色変換精度の算出対象領域としてもよい。ユーザは、注目領域の色変換精度に特に留意すると考えられるからである。あるいは、注目領域に重みを付けて色変換精度を算出してもよい。言い替えれば、注目領域については色変換精度への寄与度を相対的に上げ、非注目領域については色変換精度への寄与度を相対的に下げるものである。
本実施形態において、被写体検出技術等を用いて色変換後の画像から画像内の注目領域を特定し、当該注目領域のみを色変換精度の算出対象領域としてもよい。ユーザは、注目領域の色変換精度に特に留意すると考えられるからである。あるいは、注目領域に重みを付けて色変換精度を算出してもよい。言い替えれば、注目領域については色変換精度への寄与度を相対的に上げ、非注目領域については色変換精度への寄与度を相対的に下げるものである。
図6は、この場合の処理を模式的に示す。色変換後の画像から、被写体として人物40及びその他の背景42を検出する。人物40は主要被写体であり、注目領域として特定される。
プロセッサ20は、色変換後の画像から人物40を検出すると、人物40を構成するブロックのみを対象として色変換精度を算出する。そして、人物40を構成するブロックの色変換精度を第1閾値と比較し、第1閾値以下となる全ブロックのサイズを第2閾値と比較する。そして、第1閾値以下となる全ブロックのサイズが第2閾値以上であれば、当該色変換後の画像を色変換精度の低い画像として表示する。背景42を構成するブロックの色変換精度は、この処理に関与していない点に留意されたい。
あるいは、プロセッサ20は、色変換後の画像から人物40を検出すると、人物40を構成するブロック及びそれ以外の背景42を対象として色変換精度を算出する。そして、人物40を構成するブロック及び背景42を構成するブロックの色変換精度を第1閾値と比較し、第1閾値以下となる全ブロックのサイズを第2閾値と比較する際に、人物40を構成するブロックの重みを背景42を構成するブロックの重みよりも相対的に大きくして比較する。
具体的には、人物40を構成するブロックのうち、色変換精度が第1閾値以下となるブロックをBmi、背景42を構成するブロックのうち、色変換精度が第1閾値以下となるブロックをBsiとすると、
p・ΣBmi+q・ΣBsi≧Th2
を満たすか否かを判定する。ここで、p、qはそれぞれ重みであり、p>qである。q=0とすると、上述したように人物40を構成するブロックのみが対象となる。
p・ΣBmi+q・ΣBsi≧Th2
を満たすか否かを判定する。ここで、p、qはそれぞれ重みであり、p>qである。q=0とすると、上述したように人物40を構成するブロックのみが対象となる。
なお、人物40を構成するブロックの色変換精度を第1閾値と比較し、背景42を構成するブロックの色変換精度を第1閾値よりも低い第3閾値と比較することで、人物40を構成するブロックの重みを相対的に大きくしてもよい。これにより、人物40を構成するブロックについては、第1閾値以下であれば抽出されることになるが、背景42を構成するブロックについては、第3閾値以下とならない限り抽出されないから、結果的に、人物40を構成するブロックについては色変換精度に対して相対的に敏感となり得る。
<変形例2>
本実施形態において、色変換前の画像と色変換後の画像とを比較し、色変換の変化量(色変換前後の差分)が相対的に大きい領域を特定し、当該変化量が相対的に大きい領域のみを色変換精度の算出対象領域としてもよい。ユーザは、変化量が大きい領域の色変換精度に特に留意すると考えられるからである。あるいは、変化量が大きい領域に重みを付けて色変換精度を算出してもよい。
本実施形態において、色変換前の画像と色変換後の画像とを比較し、色変換の変化量(色変換前後の差分)が相対的に大きい領域を特定し、当該変化量が相対的に大きい領域のみを色変換精度の算出対象領域としてもよい。ユーザは、変化量が大きい領域の色変換精度に特に留意すると考えられるからである。あるいは、変化量が大きい領域に重みを付けて色変換精度を算出してもよい。
図7は、この場合の処理を模式的に示す。色変換後の画像において、被写体46は色変換の変化量が相対的に大きく、被写体44は色変換の変化量が相対的に小さいものとする。色変換の変化量は、色変換ベクトルの大きさとして定義でき、色変換ベクトルの大きさを閾値と比較することで、色変換の変化量が相対的に大きいか否かを判定する。そして、プロセッサ20は、色変換後の画像から被写体46を検出すると、被写体46を構成するブロックのみを対象として色変換精度を算出する。被写体46を構成するブロックの色変換精度を第1閾値と比較し、第1閾値以下となる全ブロックのサイズを第2閾値と比較する。そして、第1閾値以下となる全ブロックのサイズが第2閾値以上であれば、当該色変換後の画像を色変換精度の低い画像として表示する。被写体44を構成するブロックの色変換精度は、この処理に関与していない点に留意されたい。
あるいは、プロセッサ20は、被写体46を構成するブロック及び被写体44を構成するブロックを対象として色変換精度を算出する。そして、被写体46を構成するブロック及び被写体44を構成するブロックの色変換精度を第1閾値と比較し、第1閾値以下となる全ブロックのサイズを第2閾値と比較する際に、被写体46を構成するブロックの重みを被写体44を構成するブロックの重みよりも相対的に大きくして比較する。
具体的には、被写体46を構成するブロックのうち、色変換精度が第1閾値以下となるブロックをBmi、被写体44を構成するブロックのうち、色変換精度が第1閾値以下となるブロックをBsiとすると、
p・ΣBmi+q・ΣBsi≧Th2
を満たすか否かを判定する。ここで、p、qはそれぞれ重みであり、p>qである。
p・ΣBmi+q・ΣBsi≧Th2
を満たすか否かを判定する。ここで、p、qはそれぞれ重みであり、p>qである。
なお、この変形例では、色変換後の画像全体の色変換精度ではなく、その一部、具体的には被写体44及び被写体46を構成するブロックを対象として色変換精度を算出している点にも留意されたい。
<変形例3>
本実施形態では、色変換精度が第1閾値以下となる領域サイズが第2閾値以上となる色変換後の画像を表示しているが、当該画像とともに、色変換精度が第1閾値以下となる領域を枠で囲むことでユーザが視認容易となるように表示してもよい。
本実施形態では、色変換精度が第1閾値以下となる領域サイズが第2閾値以上となる色変換後の画像を表示しているが、当該画像とともに、色変換精度が第1閾値以下となる領域を枠で囲むことでユーザが視認容易となるように表示してもよい。
図8は、この場合の処理を模式的に示す。色変換後の画像のうち、色変換精度が第1閾値以下となる領域を、例えば赤枠48で囲むように表示する。なお、図において、各画素の数字「1」、「2」・・等は、各画素の色変換精度を示す。色変換精度の低い領域を赤枠48で囲むのではなく、当該領域をトリミングして表示する、あるいはヒートマップ表示してもよい。
<変形例4>
変形例1では、色変換後の画像の注目領域については色変換精度への寄与度を相対的に上げ、非注目領域については色変換精度への寄与度を相対的に下げているが、注目領域の中でもユーザにとり重要な領域については色変換精度への寄与度を相対的に上げ、重要でない領域については色変換精度への寄与度を相対的に下げてもよい。重要であるか否かは、予めユーザが指定して入力部26から入力してもよく、あるいは過去のユーザ履歴を学習することで自動判定してもよい。ユーザが指定する場合、
・人物を重要とする
・画像の中央領域の被写体を重要とする
・最も占有面積の大きい被写体を重要とする
・特定の色(肌色等)を有する被写体を重要とする
等が例示できる。
変形例1では、色変換後の画像の注目領域については色変換精度への寄与度を相対的に上げ、非注目領域については色変換精度への寄与度を相対的に下げているが、注目領域の中でもユーザにとり重要な領域については色変換精度への寄与度を相対的に上げ、重要でない領域については色変換精度への寄与度を相対的に下げてもよい。重要であるか否かは、予めユーザが指定して入力部26から入力してもよく、あるいは過去のユーザ履歴を学習することで自動判定してもよい。ユーザが指定する場合、
・人物を重要とする
・画像の中央領域の被写体を重要とする
・最も占有面積の大きい被写体を重要とする
・特定の色(肌色等)を有する被写体を重要とする
等が例示できる。
図9は、この場合の処理を模式的に示す。色変換後の画像において、被写体50及び被写体52が共に注目領域であるとし、被写体50がユーザにとり重要な被写体で、被写体52はユーザにとり相対的に重要でない被写体であるとする。プロセッサ20は、色変換後の画像から被写体50を検出すると、被写体50を構成するブロックのみを対象として色変換精度を算出する。被写体50を構成するブロックの色変換精度を第1閾値と比較し、第1閾値以下となる全ブロックのサイズを第2閾値と比較する。そして、第1閾値以下となる全ブロックのサイズが第2閾値以上であれば、当該色変換後の画像を色変換精度の低い画像として表示する。被写体52を構成するブロックの色変換精度は、この処理に関与していない。
あるいは、プロセッサ20は、色変換後の画像から被写体50及び被写体52を検出すると、これらのブロックを対象として色変換精度を算出する。そして、被写体50を構成するブロック及び被写体52を構成するブロックの色変換精度を第1閾値と比較し、第1閾値以下となる全ブロックのサイズを第2閾値と比較する際に、被写体50を構成するブロックの重みを被写体52を構成するブロックの重みよりも相対的に大きくして比較する。
なお、重要な被写体50については、第1閾値より低い第3閾値と比較してもよい。つまり、重要な被写体50については、そうでない被写体52よりも第1閾値を厳しい値に変更してもよい。
また、本変形例では注目領域をさらに重要領域と非重要領域に分けているが、単に、色変換後の画像を重要領域と非重要領域に分けて処理してもよい。要するに、色変換後の画像を
(A)注目領域と非注目領域
(B)色変換の変化量が大きい領域と小さい領域
(C)重要領域と非重要領域
のいずれかで分類し、これらの領域で
(a)重みを変化させる
(b)閾値を変化させる
のいずれかを用いて色変換精度の低い画像を選択して表示すればよい。(b)の閾値は、第1閾値と第2閾値の少なくともいずれかでよい。
(A)注目領域と非注目領域
(B)色変換の変化量が大きい領域と小さい領域
(C)重要領域と非重要領域
のいずれかで分類し、これらの領域で
(a)重みを変化させる
(b)閾値を変化させる
のいずれかを用いて色変換精度の低い画像を選択して表示すればよい。(b)の閾値は、第1閾値と第2閾値の少なくともいずれかでよい。
10 画像読取部、12 色変換モデルによる色変換部、13 色変換モデル、14 色変換モデルの精度算出部、16 色変換精度算出部、18 表示部、20 プロセッサ、22 ROM、24 RAM、26 入力部、28 出力部、30 モデル記憶部、31 3次元LUT(ルックアップテーブル)、32 画像。
Claims (11)
- プロセッサを備え、前記プロセッサは、プログラムを実行することで、
色変換モデルを用いて色変換前の画像から色変換後の画像を生成し、
前記色変換モデルの精度を用いて前記色変換後の画像の色変換精度を算出し、
前記色変換精度が閾値以下の領域を特定し、
前記色変換後の画像のうち、前記色変換精度が閾値以下の領域の大きさが予め定められた基準より大きい色変換後の画像を表示する、
画像処理装置。 - 前記プロセッサは、前記色変換モデルの精度としてRGB毎の精度を算出し、前記色変換精度を画素毎に算出する
請求項1に記載の画像処理装置。 - 前記プロセッサは、前記色変換後の画像を複数のブロックに分割し、前記色変換精度を前記ブロック毎に算出する
請求項2に記載の画像処理装置。 - 前記プロセッサは、前記色変換精度として、前記ブロックを構成する画素群の統計値を算出する
請求項3に記載の画像処理装置。 - 前記プロセッサは、前記色変換後の画像のうち注目領域の重みを相対的に大きく、非注目領域の重みを相対的に小さくした重み付け演算により前記色変換精度を算出する
請求項1−4のいずれかに記載の画像処理装置。 - 前記プロセッサは、前記色変換後の画像のうち重要領域の重みを相対的に大きく、非重要領域の重みを相対的に小さくした重み付け演算により前記色変換精度を算出する
請求項1−4のいずれかに記載の画像処理装置。 - 前記プロセッサは、前記色変換後の画像のうち色変換の変化量が相対的に大きい領域の重みを相対的に大きく、色変換の変化量が相対的に小さい領域の重みを相対的に小さくした重み付け演算により前記色変換精度を算出する
請求項1−4のいずれかに記載の画像処理装置。 - 前記プロセッサは、前記色変換精度を前記閾値と比較する場合に、色変換後の画像のうち注目領域と非注目領域とで異なる閾値を用いて比較する
請求項1−4のいずれかに記載の画像処理装置。 - 前記プロセッサは、前記色変換精度を前記閾値と比較する場合に、色変換後の画像のうち重要領域と非重要領域とで異なる閾値を用いて比較する
請求項1−4のいずれかに記載の画像処理装置。 - 前記プロセッサは、前記色変換精度を前記閾値と比較する場合に、色変換後の画像のうち色変換の変化量が相対的に大きい領域とそうでない領域とで異なる閾値を用いて比較する
請求項1−4のいずれかに記載の画像処理装置。 - コンピュータに、
色変換モデルを用いて色変換前の画像から色変換後の画像を生成するステップと、
前記色変換モデルの精度を用いて前記色変換後の画像の色変換精度を算出するステップと、
前記色変換精度が閾値以下の領域を特定するステップと、
前記色変換後の画像のうち、前記色変換精度が閾値以下の領域の大きさが予め定められた基準より大きい色変換後の画像を表示するステップと、
を実行させるプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020042863A JP2021145239A (ja) | 2020-03-12 | 2020-03-12 | 画像処理装置及びプログラム |
US16/998,505 US11159698B2 (en) | 2020-03-12 | 2020-08-20 | Image processing apparatus and non-transitory computer readable medium |
CN202010926831.7A CN113395407A (zh) | 2020-03-12 | 2020-09-07 | 图像处理装置、图像处理方法及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020042863A JP2021145239A (ja) | 2020-03-12 | 2020-03-12 | 画像処理装置及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021145239A true JP2021145239A (ja) | 2021-09-24 |
Family
ID=77616456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020042863A Pending JP2021145239A (ja) | 2020-03-12 | 2020-03-12 | 画像処理装置及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11159698B2 (ja) |
JP (1) | JP2021145239A (ja) |
CN (1) | CN113395407A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11720769B2 (en) * | 2021-06-03 | 2023-08-08 | Global Graphics Software Limited | Methods and systems for enhancing raster image processing using artificial intelligence |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0485678A (ja) * | 1990-07-30 | 1992-03-18 | Sharp Corp | 画像処理装置 |
JP2002077661A (ja) * | 2000-09-05 | 2002-03-15 | Fujitsu Ltd | 色信号値抽出方法および色変換テーブル作成方法 |
JP3823858B2 (ja) * | 2002-03-20 | 2006-09-20 | セイコーエプソン株式会社 | 補正テーブルを用いたカラー画像データの補正方法 |
JP2007329737A (ja) * | 2006-06-08 | 2007-12-20 | Fujifilm Corp | 色変換定義作成装置および色変換定義作成プログラム |
US8055070B2 (en) * | 2007-01-05 | 2011-11-08 | Geo Semiconductor Inc. | Color and geometry distortion correction system and method |
US7706034B2 (en) * | 2007-09-11 | 2010-04-27 | Xerox Corporation | Multi-Dimensional look-up table generation via adaptive node selection based upon color characteristics of an input image |
US8482572B2 (en) * | 2008-05-02 | 2013-07-09 | Nintendo Co., Ltd. | Storage medium having stored thereon color conversion program, and color conversion apparatus |
US9087274B2 (en) * | 2010-12-07 | 2015-07-21 | Prosper Creative Co., Ltd. | Color information processing method, color information processing apparatus, and color information processing system |
JP5799634B2 (ja) * | 2011-07-22 | 2015-10-28 | 株式会社リコー | 画像処理装置、画像処理システム |
JP5968084B2 (ja) * | 2012-05-30 | 2016-08-10 | キヤノン株式会社 | 画像処理装置及び画像処理方法並びにプログラム |
JP6915482B2 (ja) * | 2017-09-27 | 2021-08-04 | 富士フイルムビジネスイノベーション株式会社 | 画像処理装置、画像処理システムおよびプログラム |
JP6915483B2 (ja) * | 2017-09-27 | 2021-08-04 | 富士フイルムビジネスイノベーション株式会社 | 画像処理装置、画像処理システムおよびプログラム |
-
2020
- 2020-03-12 JP JP2020042863A patent/JP2021145239A/ja active Pending
- 2020-08-20 US US16/998,505 patent/US11159698B2/en active Active
- 2020-09-07 CN CN202010926831.7A patent/CN113395407A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN113395407A (zh) | 2021-09-14 |
US20210289106A1 (en) | 2021-09-16 |
US11159698B2 (en) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5424712B2 (ja) | 画像処理装置及びその制御方法とプログラム | |
JP4883007B2 (ja) | 画像処理装置、画像処理プログラム、および、画像処理方法 | |
US9305208B2 (en) | System and method for recognizing offensive images | |
JP2013030090A (ja) | 画像処理装置、画像処理プラグラム | |
US11544853B2 (en) | Image processing apparatus and non-transitory computer readable medium for preparing color conversion model using color data | |
CN102088539B (zh) | 一种预拍照画质评价方法和系统 | |
US20150271363A1 (en) | Image processing apparatus, image processing method, and non-transitory computer readable medium | |
JP2018196096A (ja) | 画像処理装置、画像処理方法、プログラム | |
JP6977483B2 (ja) | 画像処理装置、画像処理方法、画像処理システムおよびプログラム | |
JP2021145239A (ja) | 画像処理装置及びプログラム | |
US20190098292A1 (en) | Image processing apparatus, image processing system, and non-transitory computer readable medium | |
JP6818284B1 (ja) | 画像処理装置、画像処理システム、及び画像処理方法 | |
JP5824423B2 (ja) | 照明光色推定装置、照明光色推定方法及び照明光色推定プログラム | |
JP2012028973A (ja) | 照明光推定装置、照明光推定方法および照明光推定プログラム | |
CN105631812B (zh) | 一种对显示图像进行色彩增强的控制方法及控制装置 | |
JP2018195262A (ja) | 画像処理装置、画像処理方法、プログラム | |
US11659149B2 (en) | Image processing apparatus and non-transitory computer readable medium | |
JP6024795B2 (ja) | 画像処理装置、画像処理プラグラム | |
JP2020088709A (ja) | 画像処理装置、画像処理方法及びプログラム | |
US11477425B2 (en) | Image processing apparatus and non-transitory computer readable medium | |
WO2012132039A1 (ja) | 三次元モザイク画像表示装置 | |
JP5637570B2 (ja) | 三次元情報を用いたモザイク画像処理装置、方法およびプログラム | |
CN115170407A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
JP2015106881A (ja) | 画像処理装置、画像形成装置、画像処理方法、画像処理プログラム、記録媒体 | |
JP2023020254A (ja) | 情報処理装置、情報処理方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231211 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231219 |